Sunteți pe pagina 1din 184

Cuprins

Capitolul 1..................................................................................... 6 Elemente de algebr liniar........................................................... 6 1.1 Matrice ................................................................................ 6 1.1.1 Definiii. Exemple........................................................ 6 1.1.2 Operaii cu matrice....................................................... 7 1.1.3 Matrice inversabile..................................................... 13 1.1.4 Rangul unei matrice ................................................... 20 1.1.5 Probleme .................................................................... 23 1.2 Sisteme de ecuaii liniare .................................................. 24 1.2.1 Definiii ...................................................................... 24 1.2.2 Rezolvarea sistemelor de ecuaii liniare..................... 26 1.2.3 Probleme .................................................................... 37 Capitolul 2................................................................................... 40 Spaii vectoriale .......................................................................... 40 2.1 Noiunea de spaiu vectorial. Exemple ............................. 40 2.1.1 Definiia spaiului vectorial........................................ 40 2.1.2 Exemple ..................................................................... 41 2.1.3 Proprieti specifice operaiilor cu vectori ................. 42 2.2 Subspaiu al unui spaiu vectorial ..................................... 43 2.2.1 Definiia subspaiului vectorial .................................. 43 2.2.2 Exemple de subspaii ................................................. 44 2.3 Dependen i independen liniar. Baz. Coordonate.... 44 2.3.1 Dependen i independen liniar ........................... 44 2.3.2 Baz. Coordonate....................................................... 45 2.3.3 Schimbare de coordonate ........................................... 46 2.4 Aplicaii liniare ................................................................. 49 2.4.1. Definiii i exemple................................................... 49 2.4.2 Teorema de caracterizare a aplicaiilor liniare ........... 50

2.4.3. Izomorfisme de spaii vectoriale ............................... 50 2.5 Probleme ........................................................................... 51 2.6 Fia de autoevaluare.......................................................... 53 Capitolul 3................................................................................... 54 Programarea liniar..................................................................... 54 3.1 Probleme de programare liniar........................................ 54 3.1.1 Problema de planificare a produciei.......................... 55 3.1.2 Problem de amestec.................................................. 57 3.1.3 Problem de planificare a investiiilor ....................... 58 3.1.4 Forma standard a problemei de programare liniar ... 58 3.2 Rezolvarea problemelor de programare liniar................. 62 3.2.1 Clasificarea soluiilor ................................................. 62 3.2.2. Determinarea soluiilor de baz ................................ 64 3.3 Algoritmul simplex ........................................................... 67 3.3.1 Etapele algoritmului simplex ..................................... 67 3.3.2 Aducerea sistemului la forma standard ...................... 68 3.3.3 Gsirea unei soluii de baz ....................................... 68 3.3.4 Trecerea de la soluia gsit la alta mai bun prin schimbarea bazei................................................................. 69 3.3.5 Determinarea soluiei optime ..................................... 71 3.3.6 Exemple ..................................................................... 73 3.4 Cazuri speciale ntr-o problem de programare liniar..... 76 3.4.1 Cazul soluiei infinite ................................................. 77 3.4.2 Cazul soluiei degenerate ........................................... 78 3.4.3 Cazul soluiilor multiple. Soluia general................. 80 3.5 Dualitatea n programarea liniar...................................... 83 3.5.1 Dualitatea simetric.................................................... 83 3.5.2 Dualitatea nesimetric................................................ 87 3.6 Programarea transporturilor .............................................. 88 3.6.1 Problema de transport. Modelul matematic ............... 89 3.6.2 Metode de gsire a soluiilor iniiale de baz ntr-o problem de transport ......................................................... 94 3.6.3 Determinarea soluiei optime a problemei de transport prin metoda potenialelor .................................................... 96 3.6.4 Soluii multiple......................................................... 101 3.6.5 Degenerarea n problema de transport ..................... 102

3.6.6 Problema de transport neechilibrat......................... 102 3.7 Probleme ......................................................................... 103 3.7.1 Enunuri.................................................................... 103 3.7.2 Rspunsuri................................................................ 106 Capitolul 4................................................................................. 110 Elemente de analiz matematic ............................................... 110 4.1 Funcii reale de o variabil real ..................................... 110 4.1.1 Vecintate a unui punct. Punct de acumulare .......... 110 4.1.2 Definiia funciei reale de o variabil real .............. 110 4.1.3 Limita unei funcii ntr-un punct .............................. 111 4.1.4 Continuitatea unei funcii ntr-un punct ................... 111 4.1.5 Derivabilitatea unei funcii ntr-un punct................. 112 4.2 Funcii reale de mai multe variabile reale ....................... 115 4.2.1 Mulimi i puncte din Rn. Vecinti ........................ 115 Rn = {x = (x1, x2, ..., xn) | xi R, i = 1, ..., n} ......................... 115 4.2.2 Funcii de dou variabile.......................................... 116 4.2.3 Limite i continuitate pentru funcii de dou variabile .......................................................................................... 117 4.2.4 Derivate pariale....................................................... 118 4.2.5 Funcii difereniabile ................................................ 120 4.2.6 Interpretri economice ale derivatelor pariale......... 122 4.2.7 Derivatele funciilor compuse.................................. 122 4.2.8 Formula lui Taylor pentru funcii de dou variabile 123 4.2.9 Extremele funciilor de dou variabile..................... 125 4.2.10 Extreme pentru funcii de mai multe variabile....... 126 4.3 Ajustarea datelor numerice ............................................. 128 4.3.1 Problema .................................................................. 128 4.3.2 Metoda centrelor de greutate.................................... 129 4.3.3 Metoda celor mai mici ptrate ................................. 130 4.4 Integrale generalizate ...................................................... 131 4.4.1 Integrala Riemann .................................................... 131 4.4.2 Integrale improprii ................................................... 132 4.4.3 Funcia Gamma (integrala sau funcia Euler de spea a doua) ................................................................................. 134 4.4.4 Funcia Beta (integrala sau funcia Euler de spea nti) .......................................................................................... 136 3

Capitolul 5................................................................................. 138 Elemente de teoria grafurilor .................................................... 138 5.1 Definiii ........................................................................... 138 5.2 Matrice asociate unui graf............................................... 141 5.2.1 Matricea legturilor (matricea conexiunilor, matricea boolean)........................................................................... 141 5.2.2 Matricea de inciden ............................................... 141 5.2.3 Matricea lungimilor.................................................. 142 5.2.4 Matricea drumurilor ................................................. 142 5.2.5 Algoritmul lui Y. C. Chen pentru construirea matricei drumurilor (terminal) ...................................................... 143 5.2.6 Matricea terminal triangularizat superior TTS ..... 146 5.3 Drumuri hamiltoniene n grafuri ..................................... 148 5.3.1 Drumuri hamiltoniene n grafuri orientate i fr circuite .............................................................................. 148 5.3.2 Drum hamiltonian ntr-o reea oarecare. Algoritmul lui Foulkes.............................................................................. 150 5.4 Drum optim..................................................................... 154 5.4.1 Drum critic (rut maxim) n grafuri fr circuite ... 154 5.4.2 Modelul matematic .................................................. 155 5.4.3 Algoritm pentru aflarea matricei DM a distanelor maximale........................................................................... 155 5.5 Fluxul n reea ................................................................. 160 5.5.1 Algoritmul lui Ford-Foulkerson (procedeul marcrii) .......................................................................................... 162 Capitolul 6................................................................................. 165 Elemente de teoria probabilitilor............................................ 165 6.1 Cmp de evenimente....................................................... 166 6.1.1 Experien, prob, eveniment................................... 166 6.1.2 Operaii cu evenimente ............................................ 167 6.1.3 Definiii ale noiunii de probabilitate ....................... 167 6.1.4 Formula probabilitii totale..................................... 170 6.2 Scheme clasice de probabilitate ...................................... 173 6.2.1 Schema lui Bernoulli cu bila ntoars (schema binomial) ......................................................................... 173

6.2.2 Schema lui Bernoulli cu mai multe stri (polinomial) .......................................................................................... 174 6.2.3 Schema bilei nentoarse (schema hipergeometric) . 174 6.2.4 Schema bilei nentoarse cu mai multe stri.............. 175 6.3 Variabile aleatoare .......................................................... 175 6.3.1 Operaii cu variabile aleatoare ................................. 178 6.3.2 Caracteristici numerice pentru variabile aleatoare discrete .............................................................................. 180 6.3.3 Variabile aleatoare continue..................................... 181 6.3.4 Legi de probabilitate continue uzuale ...................... 183

Capitolul 1 Elemente de algebr liniar


1.1 Matrice
1.1.1 Definiii. Exemple
Definiia 1.1.1 (Matrice): Fie R un inel. Se numete matrice cu m linii i n coloane cu elemente din R un tablou de forma:
a11 a12 ... a1n a 21 a 22 ... a 2 n A= ..... ..... ..... ..... , unde aij R. am1 am 2 ... amn

Mulimea matricelor cu m linii i n coloane cu elemente din R se noteaz: Mm,n(R). n cazul n care numrul de linii este egal cu numrul de coloane, matricea se numete ptratic. Mulimea matricelor ptratice cu n linii i n coloane se noteaz Mn(R). Matricele se noteaz cu litere mari ale alfabetului latin. Exemplul 1.1.2 (Matrice de diferite tipuri): Matricea A are 2 linii i 3 coloane, A M2,3(R); matricea B M5,3(R); matricea C M4,1(R) i C se mai numete matrice coloan, matricea D

M1,3(R) i se mai numete matrice linie, iar matricea E M2(R), fiind o matrice ptratic.
0 11 6 4 2 3 4 ; A= B= 7 2 5 0 1 10 4 3 2 3 4 . D = (0 2 3); E = 8 0 8 1 6 ; 9 5
4 9 C = ; 2 3

O matrice care are o singur linie se numete matrice linie, iar o matrice care are o singur coloan se numete matrice coloan. Matrice diagonal este o matrice care are elemente nenule numai pe diagonala principal, celelalte elemente fiind egale cu 0. Matrice triunghiular. O matrice care are toate elementele de sub diagonala principal egale cu zero se numete triunghiular superior, adic aij = 0, pentru i > j. O matrice care are toate elementele de deasupra diagonalei principale egale cu zero se numete triunghiular inferior, adic aij = 0, pentru i < j.

1.1.2 Operaii cu matrice


1.1.2.1 Adunarea matricelor Definiia 1.1.3: Fie matricele A i B Mm,n(R). Matricea A + B se definete astfel:

a 11 a A = 21 ..... a m1

a 22 ..... a

12

m2

a 1n ... a 2n ; ..... ..... ... a ...


mn

b 11 b B = 21 ..... b m1

b 12 b 22 ..... b

m2

... b 1n ... b 2 n ; ..... ..... ... b


mn

a +b 11 11 a +b 21 A + B = 21 ..... a + bm1 m1

a +b 12 12 a +b 22 22 ..... a +b
m2

m2

... a + b 1n 1n ... a + b 2n 2n ..... ..... ... a + b


mn

. mn

Observaia 1.1.4: Dou matrice se pot aduna numai dac sunt de acelai tip, adic au acelai numr de linii, respectiv coloane i au elementele din acelai inel. Exemplul 1.1.5: Fie matricele A i B M3,2(Q),
2 A = 11 3

5 4 5 + 4 1 9 3 2 + 3 23 i B = 6 9 , atunci : A + B = 11 6 23 + 9 = 5 14 . 2 10 3+ 2 0 0 + 10 5 10

Proprietile adunrii 1. Asociativitatea : Oricare ar fi matricele A, B, C Mm,n(R), (A + B) + C = A + (B + C). Aceast proprietate rezult din faptul c R este un inel, unde operaia aditiv este asociativ i atunci: oricare ar fi aij, bij, cij, cu 1 i m i 1 j n elementele matricelor A, B i C, (aij + bij) + cij = aij + (bij + cij). 2. Comutativitatea: Oricare ar fi matricele A i B Mm,n(R), A + B = B + A.

Aceast proprietate rezult din faptul c legea "+" este comutativ n R, adic oricare ar fi aij i bij, cu 1 i m i 1 j n elementele matricelor A i B, aij + bij = bij + aij. 3. Elementul neutru: Dac se noteaz cu 0 elementul neutru al legii "+" din inelul R, atunci matricea
0 0 ... 0 0 0 ... 0 Om, n = ... ... ... ... 0 0 0 0

este element neutru pentru

adunarea matricelor pentru c, oricare ar fi matricea A Mm,n(R), A + Om,n = Om,n + A = A. Aceast matrice se numete matricea nul. 4. Toate elementele sunt simetrizabile: Oricare matrice A din Mm,n(R) are un opus, notat cu (- A). Dac elementele matricei A sunt aij, 1 i m i 1 j n, elementele matricei (- A) sunt (- aij) 1 i m i 1 j n, care exist, avnd n vedere c R este un inel, deci un grup comutativ fa de "+". Atunci A + (- A) = (- A) + A = Om,n. Avnd proprietile 14, mulimea matricelor Mm,n(R) mpreun cu adunarea formeaz o structur de grup abelian. 1.1.2.2 nmulirea cu scalari Fie R un inel i K un corp, astfel nct se definete operaia extern : K x R R cu proprietile: 1. ( + )x = x + x, ,K, xR; 2. (x + y) = x + y, K, x,yR; 3. (x) = ()x, ,K, xR; 4. 1x = x, xR

Cu alte cuvinte R formeaz un spaiu vectorial peste corpul K. n aceste condiii, se poate defini nmulirea cu scalari din corpul K a matricelor din mulimea Mm,n(R). Definiia 1.1.6 : Fie matricea:
a 11 a A = 21 ..... a m1

a 22 ..... a

12

... ... ..... ...

m2

a 11 a a 2n i K. Atunci A = 21 ..... ..... a a mn m1

1n

a12 a 22
.....

... a 1n ... a 2n . ..... ..... ...

a m2

a mn

Exemplul 1.1.7: Fie matricea A din M2,4(R):


4 3 (3) 3 A = 3 4

A=

5 1 2 . Atunci : 0 7 8

6 35 3 1 3 (2) 9 15 3 = . 3 0 3 (7) 3 8 12 0 21 24

Proprietile nmulirii cu scalari Pe baza proprietilor nmulirii cu scalari a elementelor lui R se stabilesc proprietile nmulirii cu scalari a matricelor din Mm,n(R): 1. ( + )A = A + A, ,K, AMm,n(R); 2. (A + B) = A + B, K, A,BMm,n(R); 3. (A) = ()A, ,K, AMm,n(R); 4. 1A = A, AMm,n(R). Avnd proprietile 14, mulimea matricelor Mm,n(R) formeaz spaiu vectorial peste corpul K n raport cu nmulirea cu scalari care s-a definit. 1.1.2.3 nmulirea matricelor

10

Definiia 1.1.8: Fie matricele A Mm,n(R) i B Mn,p(R), unde aij cu 1 i m i 1 j n sunt elementele lui A, iar bjk cu 1 j n i 1 k p sunt elementele lui B. Produsul A B este matricea n C Mm,p(R) de elemente cik, cik = aij b jk unde 1 i m i
j =1

1 k p, adic:
b ... b 12 11 b b ... 22 22 2n i B = 21 ... ... ... ... ... ... a ... a bn1 bn 2 ... m2 mn a11b11 + a12b21 + ... + a1nbn1 a11b12 + a12b22 + ... + a1nbn 2 ... a b + a b + ... + a1nbn1 a11b11 + a12b21 + ... + a1nbn1 ... = 21 11 12 21 ...................................... .................................... ... a b + a b + ... + a b a11b11 + a12b21 + ... + a1nbn1 ... 1n n1 11 11 12 21
a 11 a A = 21 ... a m1

a 12 a

... a 1n ... a

b 2p . Atunci : A B = ... b
np

1p

a11b1 p + a12b2 p + ... + a1nbnp a11b11 + a12b21 + ... + a1nbn1 ................................ a11b11 + a12b21 + ... + a1nbn1

Observaia 1.1.9: Dou matrice se pot nmuli dac numrul de coloane ale primei matrice este egal cu numrul de linii ale celei de a doua. Matricea rezultat are numrul de linii egal cu al primei matrice, iar numrul de coloane egal cu al celei de a doua matrice. Exemplul 1.1.10: Fie matricele A M4,2(R) i B M2,3(R). Atunci produsul AB este din mulimea M4,3(R):
2 1 3 0 4 i B = 5 2 7 4 8 4 18 1 0 + 2 2 1 4 + 2 7 7 1 (3) + 2 5 0 (3) + (1) 5 0 0 + (1) 2 0 4 + (1) 7 5 2 7 = A B = 12 (3) + (4) 5 12 0 + (4) 2 12 4 + (4) 7 56 8 20 (2) (3) + 8 5 (2) 0 + 8 2 (2) 4 + 8 7 46 16 48
1 0 A= 12 2

11

Proprietile nmulirii matricelor 1. Asociativitatea: Oricare ar fi matricele A Mm,n(R); B Mn,p(R) i C Mp,r(R), (A B) C = A (B C). Proprietatea se demonstreaz prin calcul. 2. Dac se consider numai matrice ptratice de ordin n, atunci pentru mulimea Mn(R), matricea notat In este element neutru la nmulire, adic oricare ar fi A Mn(R), A In = In A = A. Matricea In se numete matricea unitate de ordin n i are toate elementele 0, cu excepia celor de pe diagonala principal, care sunt 1:
0 ... 0 1 0 1 ... 0 In = ..... ..... ..... ..... 0 0 ... 1

Demonstraia se face de asemenea prin calcul. Se observ c mulimea matricelor ptratice de ordin n cu elemente din inelul R are o structur de monoid fa de nmulirea matricelor. 3. nmulirea matricelor ptratice este distributiv fa de adunare Oricare ar fi matricele A, B, C Mn(R), A (B + C) = A B + A C i (A + B) C = A C + B C. Aceast proprietate se verific de asemenea prin calcul. Observaia 1.1.11: nmulirea matricelor nu este n general comutativ. n concluzie, mulimea matricelor ptratice de ordin n peste inelul R fa de adunarea i nmulirea matricelor (Mn(R), +, ) este un inel. Inelul nu este comutativ. Are divizori ai lui zero, de exemplu:

12

A=

1 2 3 0 0 0 ; B= 0 , dar : A B = =0 0 0 0 0 2 2 2 0 0

n ceea ce privete elementele inversabile ale inelului, acestea sunt matricele care au determinantul un element inversabil al inelului R.

1.1.3 Matrice inversabile


1.1.3.1 Definiii i exemple Fie K un corp comutativ i Mn(K) mulimea matricelor ptratice de ordin n cu elemente din corpul K. Definiia 1.1.12: O matrice A din Mn(K) se numete inversabil dac exist o matrice B din Mn(K) astfel nct: A B = B A = In. Exemplul 1.1.13:
A=
3 1

2 i B = 1 2

5 1 0 . Atunci A B = B A = =I . 0 1 2 3

n acest caz B este inversa matricei A, dar n acelai timp i A este inversa matricei B. Inversa matricei A se noteaz cu A 1 . Teorema 1.1.14: Inversa unei matrice ptratice, dac exist, este unic. Demonstraie: Presupunem c B i B' sunt inversele matricei A. Atunci, B' = B' In = B' (A B) = (B' A) B = In B = B, ceea ce nseamn c matricea B este unic. Definiia 1.1.15: O matrice ptratic se numete singular dac determinantul su este nul. O matrice ptratic se numete nesingular dac determinantul su este nenul.

13

Teorema 1.1.16: O matrice ptratic de ordin n cu elemente din corpul K este inversabil dac i numai dac este nesingular. 1.1.3.2 Calculul inversei unei matrice Metoda I Inversa unei matrice ptratice A din Mn(K)
a 11 a 21 A= ..... a n1

a 12 a 22 ..... an2

... ... ..... ...

a 1n
..... se calculeaz astfel:

a 2n a nn

1. Se calculeaz determinantul matricei A

a 11 d = a 21 .....

a 12 a 22 .....

... ... .....

a 1n a 2n ..... . n cazul n care d = 0, matricea nu

a n1 a n 2 ... a nn are invers. Dac d 0, se calculeaz inversa.


2. Se calculeaz determinanii dij de ordin n - 1 care se obin din d prin excluderea liniei i i coloanei j.
(1)1 + 1 d 11 1+ 2 d 12 (1) A* = ..... (1)1 + n d 1n

3.

(1) 2 + 1 d 21 (1) 2 + 2 d 22 ..... (1) 2 + n d 2 n

... ...

..... ..... n+n ... (1) dnn

(1) n + 1 dn1 n+2 (1) dn 2

, numit matricea

adjunct matricei A. Atunci A 1 = d 1 A*. 14

Se verific prin calcul c A A* = A* A =

n consecin, A A 1 = A 1 A = In, deci matricea calculat este inversa matricei A. Exemplul 1.1.17: Fie matricea:
2 A = 1 4

d 0 ... 0 0 d ... 0 ... ... ... ... 0 0 ... d

1 0 3 2 . 1 2

1. Se calculeaz determinantul ei,


2 1 0 d=1 4 3 1 2 = 12 8 4 + 2 = 2 0 . 2

2. Se calculeaz determinanii de ordin 2:


d11 = d 23 = 3 2 = 4; d12 = 1 2 = 6; d13 = 1 3 = 11; d 21 = 1 0 = 2; d 22 = 2 0 4 2 = 4;

1 2 2 1 4

4 2 4 1 1 2 1 0 2 0 2 1 = 6; d31 = = 2; d32 = = 4; d33 = =7 1 3 2 1 2 1 3

3. Se calculeaz matricea adjunct, dup care inversa:


4 A* = 6 11

2 4 6

2 1 4 , iar A- 1 = A* = 3 2 11 7 2

2 2 7 3 2

Se verific prin calcul c A A 1 = A 1 A = I3.

15

Metoda II Metoda a doua este un procedeu practic, putnd fi utilizat la calculul inversei matricelor cu un numr mare de linii i coloane. Acest procedeu utilizeaz transformri elementare. Transformrile elementare care se pot aplica unei matrice sunt: 1. nmulirea unei linii sau coloane cu un numr nenul; 2. Permutarea a dou linii sau coloane ntre ele; 3. Adunarea unei linii sau coloane cu o alt linie sau coloan. Definiia 1.1.18: Dou matrice care rezult una din alta prin transformri elementare se numesc echivalente. Procedeul de aflare a inversei : 1. Se aplic transformri elementare numai pe linii asupra matricei A pn se aduce la forma matricei unitate. 2. Se aplic aceleai transformri elementare asupra matricei unitate care se tranform astfel n matricea A 1 . Exemplul 1.1.19: Fie matricea
2 A = 1 4

1 0 3 2 . 1 2

Elementul a11 = 2. Pe aceast poziie, matricea unitate are elementul 1. Se nmulete linia 1 cu 1/2 i se obine: A 2 1 4 -1 3 1 0 2 2 1 0 0 I3 0 1 0 0 0 1 Transformri elementare L1 1/2

16

1 1 4

-1/2 3 1

0 2 2

1/2 0 0

0 1 0

0 0 1 L2 1 L1 L3 4 L1

Pe coloana 1, pe poziia a21 trebuie s fie 0, ceea ce se obine scznd din linia 2 linia 1. Tot pe coloana 1, a31 este 4, deci se scade din linia 3 de 4 ori linia 1 i se obine prima coloan a matricei unitate : 1 0 0 -1/2 7/2 3 0 2 2 1/2 -1/2 -2 0 1 0 0 0 1 L2 2/7

Elementul a22 = 7/2. El trebuie s fie 1, ceea ce se obine nmulind linia 2 cu 2/7: 1 0 0 -1/2 1 3 0 1/2 0 0 0 1 L3 3 L2 L1 + 1/2 L2

4/7 -1/7 2/7 2 -2 0

Pe coloana 2, a12 = - 1/2, deci se adun la linia 1, linia 2 nmulit cu 1/2. Tot pe coloana 2, a32 = 3, iar pentru a deveni 0, se scade din linia 3, linia 2 nmulit cu 3 :

17

1 0 0

0 1 0

2/7

3/7

1/7

0 0 1 L3 7/2

4/7 -1/7 2/7 2/7 -11/7 -6/7

Elementul a33 al matricei unitate este 1, ceea ce se obine nmulind linia 3 cu 7/2: 1 0 0 0 1 0 2/7 3/7 1/7 0 0 7/2 L1 - 2/7 L3 L2 4/7 L3

4/7 -1/7 2/7 1 -11/2 -3

Pe coloana 3, deasupra lui 1 se fac zerouri astfel: din linia 1 se scade linia 3 nmulit cu 2/7, iar din linia 2 se scade linia 3 nmulit cu 4/7, ceea ce conduce n partea stng la matricea unitate, iar n dreapta se obine inversa: I3 1 0 0 0 1 0 0 0 1 2 3 -11/2 A-1 1 2 -3 -1 -2 7/2

Cnd matricea nu are invers, nu se poate obine matricea unitate prin transformri elementare.

18

Exemplul 1.1.20: Fie matricea:

1 1 0 A = 1 2 3 , 1 2 5

cu det(A) = 0.

A 1 1 1 0 -2 2 1 -3 5 1 0 0

I3 0 1 0 0 0 1

Transf. elementare

L2 L1 L3 L1

1 0 0

0 -2 2

1 -4 4

1 -1 -1

0 1 0

0 0 1 L2 (-1/2)

1 0 0

0 1 2

1 2 4

0 0 1 L3 2 L2

1/2 -1/2 -1 0

1 0 0

0 1 0

1 2 0

0 0 1

1/2 -1/2 -2 1

19

Pe ultima linie fiind numai zerouri, din matricea A nu se poate obine I3 prin transformri elementare.

1.1.4 Rangul unei matrice


1.1.4.1 Definiii Fie matricea
a 11 a A = 21 ..... a m1

a a a

12 22

... ... ..... ...

.....
m2

a 2n ..... a mn
1n

din mulimea Mm,n(K),

unde K este un corp comutativ. Se consider k linii i k coloane ale acestei matrice. Elementele care se gsesc la intersecia lor formeaz un determinant de ordin k, numit minor de ordin k al matricei A. Dac matricea A Om,n, atunci matricea are elemente nenule, exist minori nenuli. Mulimea minorilor matricei este finit, nseamn c exist un numr natural r, 1 r min (m, n), astfel nct s existe cel puin un minor de ordin r nenul, iar toi minorii care exist de ordin mai mare dect r s fie nuli. Definiia 1.1.21: Fie matricea A din mulimea Mm,n(K), nenul. Se spune c matricea A are rangul r (se noteaz rangA = r), dac A are un minor de ordin r nenul, iar toi minorii de ordin mai mare dect r sunt nuli. Se consider c matricea nul are rangul 0. Proprietile rangului 1. Dac matricea A Mm,n(R) , atunci rangA min{m,n}. 2. RangAB min{rangA, rangB}. 3. Rangul unei matrice nu se schimb dac: a) se transpune matricea; b) se nmulesc elementele unei linii sau coloane cu un numr nenul; c) se permut ntre ele dou linii sau coloane;

20

d) se adaug la elementele unei linii (coloane) elementele unei alte linii (coloane), eventual nmulite cu un numr oarecare. 1.1.4.2 Determinarea rangului unei matrice Metoda I Determinarea rangului unei matrice se poate face cu ajutorul urmtoarei teoreme : Teorema 1.1.22: Fie A o matrice nenul din Mm,n(K). Numrul natural r este rangul matricei A dac i numai dac exist un minor de ordin r nenul, iar toi minorii de ordin r + 1 care exist sunt nuli. Pentru determinarea rangului se caut mai nti un minor de ordin 2 nenul. Dac nu exist, dar matricea are elemente nenule, atunci rangul este 1. Dup gsirea acestuia se formeaz minori de ordin 3 prin adugarea cte unei linii i coloane la minorul de ordin 2. Dac toi minorii astfel formai sunt nuli, atunci rangul este 2. Dac exist minor de ordin 3 nenul, prin adugarea de linii i coloane se formeaz minorii de ordin 4. Dac toi acetia sunt nuli, rangul este 3, dac nu, se continu la fel. Exemplul 1.1.23: Fie matricea ordin 2 nenul este:
1 0 2 1
1 0 A= 2 1 0 1

4 7

1 1 . Un minor de 7

, format cu liniile 1 i 2 i coloanele 1 i

2. Prin adugare de linii i coloane se mai pot forma doi minori de ordin 3:
1 0 2 0 1 4 7 1 0 3 1 1 = 0 . n concluzie rangA = 2. 1 7 0 1 1 = 0 i 2

21

Metoda II Aceast metod se bazeaz pe efectuarea de transformri elementare asupra matricei. Conform proprietilor rangului, dou matrice echivalente au acelai rang. Procedeul practic de aflare a rangului unei matrice const n: 1. Se alege un element pivot din matrice. 2. Se efectueaz transformri elementare cu linia pe care st pivotul asupra celorlalte linii pn cnd pe coloana sa se obin numai zerouri. 3. Dac pe coloana pivotului s-au obinut zerouri, pe linia sa se nlocuiesc toate elementele cu zero. 4. Se continu pn cnd pe fiecare linie i coloan exist cel mult un element nenul. Aceast form a matricei se numete quasidiagonal. Dac aceast matrice s-ar mai transforma prin permutri de linii i coloane, elementele nenule ar putea fi aduse pe diagonala principal, obinndu-se forma diagonal. 5. Rangul matricei este numrul de elemente nenule din matricea quasidiagonal obinut. Exemplul 1.1.24 :

1 0 4 3 L +2L 1 2 1 2 1 1 1 0 0 1 7 7 0 1 0 0 0 1 0 0 1 7 7 0 1 0 0 0 0 0 0

0 4 3 1 0 0 0 L L 3 2 1 7 7 0 1 7 7 1 7 7 0 1 7 7 0 0 0 0 RangA = 2. 0 0

22

1.1.5 Probleme
1. Fie matricele:
2 A = 0 1

2 1 3 1 0 4 2 i B = 3 1 4 din M3(R). 1 0 1 3 5

S se calculeze: a) A + B; b) 2A - 3B; c) AB; d) BA; e) A2 - 5A + 3I3. 2. S se determine inversele matricelor:


A=
2

1 ; 1 0

1 1 B = 1 2 1 3 1 2 A= 3 4

2 4 6 8

3. Matricea:

1 1 1 1 1 1 1 1 3 ; C = 1 1 1 1 3 1 1 1 1 3 4 6 8 are invers? De 9 12 12 16 2 2 5 1
8 10 . 6 2

ce?

4. S se determine rangul urmtoarelor matrice:


3 A= 3

1 i B = 4 5 3

Rspunsuri

1 1 5 4 2 6 3 0 6 7 2 0 3 5 2; b) 2A 3B = 0 8 4 9 3 12 = 9 5 16 ; 1.a) A + B = 2 2 6 3 0 15 5 2 9 0 1 8 8 1 23 0 1 3 7 9 13 2 c) AB = 10 4 6; d) BA= 2 5 1; e) A 5A + 3I3 = 2 14 14 7 1 21 3 4 12 5 8 10 10 5 15 3 0 0 0 4 2 0 20 10 + 0 3 0 = 2 3 4 5 5 15 0 0 3 0 3 2

23

2. A

0 1 = 1 2

3 = 3 1

1 5 2 2 1

1 4 1 C1 = 4 1 4 1 4

1 4 1 4 1 4 1 4

1 4 1 4 1 4 1 4

1 4 1 4 1 4 1 4

3. Matricea A nu este inversabil pentru c are determinantul nul. 4. rang A = 1; rang B = 2.

1.2 Sisteme de ecuaii liniare


1.2.1 Definiii
Fie K un corp comutativ. Definiia 1.2.1: Se numete sistem de m ecuaii liniare cu n necunoscute irul de relaii de egalitate:
a x + a x + ... + a x = b 12 2 1n n 1 11 1 a 21 x1 + a 22 x2 + ... + a 2 n x n = b2 .......... .......... .......... .......... ....... a x + a x + ... + a x = b m1 1 m2 2 mn n m

(S )

unde aij K, 1 i m, 1 j n, se numesc coeficieni, bi K, 1 i m sunt termenii liberi, iar x1, x2, , xn sunt necunoscutele sistemului. Fiecare relaie este o ecuaie a sistemului. Matricea A format din coeficienii necunoscutelor se numete matricea coeficienilor sistemului sau matricea sistemului:

24

a 11 a A = 21 ..... a m1 a 11 a A = 21 ..... a m1

a 12 a 22 ..... a

m2

... a 1n ... a 2n , ..... ..... ... a


mn

iar
b 1 b 2 , ..... b
m

matricea:

a 12 a 22 ..... a
m2

... a 1n ... a 2n ..... ..... ... a


mn

care s-a completat i cu coloana termenilor liberi, se numete matricea extins.


x 1 x X = 2 i ... x n b 1 b B= 2 ... b m

Se noteaz:

Cu aceste notaii, sistemul se mai poate scrie sub form matriceal: AX = B. n cazul n care bi = 0, oricare ar fi i {1, 2, , m}, sistemul se numete sistem omogen. Un sistem de elemente din corpul K: x10, x20, , xn0 se numete soluie a sistemului dac nlocuind necunoscutele respectiv cu aceste elemente, toate ecuaiile sistemului sunt verificate, adic

a x
j =1 ij

0 j

= b i , i { , 2 ,..., m }. 1

Un sistem de ecuaii liniare se numete compatibil dac are cel puin o soluie.

25

Observaie: Orice sistem omogen este compatibil pentru c are cel puin soluia banal x10 = x20 = = xn0 = 0. Un sistem de ecuaii liniare se numete compatibil determinat dac are o soluie unic. Un sistem de ecuaii liniare se numete incompatibil dac nu are soluii. A rezolva un sistem de ecuaii liniare nseamn a decide dac este compatibil sau nu i, n caz de compatibilitate, a-i gsi soluiile.

1.2.2 Rezolvarea sistemelor de ecuaii liniare


1.2.2.1 Regula lui Cramer n acest paragraf se consider sisteme de ecuaii liniare care au numrul de ecuaii egal cu numrul de necunoscute, adic matricea sistemului este o matrice ptratic de ordin n. Dac matricea A este nesingular, adic are determinantul nenul, atunci sistemul se numete sistem Cramer. Fie sistemul: a x + a x + ... + a x = b

(S )
C

12 2 1n n 1 11 1 a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2 .......... .......... .......... .......... ....... a x + a x + ... + a x = b n1 1 n2 2 nn n n

cu matricea:
a 11 a A = 21 ..... a n1

a 12 a 22 ..... a
n2

... a 1n ... a 2n ..... ..... . ... a


nn

26

Se noteaz cu d determinantul acestei matrice:

d =

a 11 a ..... a

21

a 12 a ..... a

22

... ... ..... ...

a 1n a

n1

n2

..... , a
nn

2n

unde d 0, adic matricea A este nesingular. Se noteaz cu Aj matricea care se obine nlocuid n matricea A coloana j cu coloana termenilor liberi:
a 11 a A j = 21 ..... a n1

a a

12 22

... ...

a a

1j 1 2 j 1

b b

1 2

a a

1j +1 2 j +1

... ...

a a
2n 1n

..... ..... ... a


n2

..... a

nj 1

..... b
n

..... a

nj + 1

..... ..... ... a


nn

Se noteaz cu dj determinantul acestei matrice:

a a ... a b a ... a 21 22 2 j 1 2 2 j +1 2n dj = ..... ..... ..... ..... ..... ..... ..... ..... , a
n1

11

12

...

1j 1

1j +1

...

1n

n2

...

nj 1

nj + 1
n

... a

nn

k+ j d b , a crui dezvoltare dup coloana j este: d j = ( 1) kj k k =1

unde s-a notat cu dkj determinantul de ordin n 1 care rmne dup excluderea liniei k i a coloanei j din determinantul dj.

27

Teorema 1.1.2 (Regula lui Cramer): Fie sistemul (SC) de n ecuaii liniare cu n necunoscute, peste corpul comutativ K, avnd d 0. Atunci sistemul are o soluie unic dat de formulele: xj0 = djd 1, 1 j n, cu notaiile de mai sus. Demonstraie: Se demonstreaz c formulele din teorem dau o soluie pentru sistem:

aij (d j d
j =1

1
n

)=d

aij ( (1) k + j d kjbk ) =


j =1 k =1

=d

( aij (1) k + j d kj )bk = d 1(dbi ) = bi ,


k =1 j =1

1 i n.

Pentru demonstrarea unicitii soluiei se scrie sistemul n forma matriceal: AX = B. Avnd n vedere c matricea A este nesingular, ea este inversabil, deci X = A 1B, soluie unic.
( 1)1 + 1 d 11 1+ 2 ( 1) d 12 A 1 = d 1 ..... 1+ n d ( 1) 1n

( 1) 2 + 1 d ( 1)
2+2

21 22

... ... ..... ...

..... ( 1) 2 + n d

2n

n1 ( 1) n + 2 d n2 ..... n+n ( 1) d nn

( 1) n + 1 d

Atunci,
(1)1+1 d11 (1) 2+1 d 21 ... (1) n+1 d n1 b1 (1)1+2 d12 (1) 2+2 d 22 ... (1) n+2 d n2 b2 X = A1B = d 1 ..... ..... ..... ..... ... , (1)1+n d (1) 2+n d ... (1) n+n d nn bn 1n 2n

de unde xj0 = d - 1

(1)
i =1

i+ j

d ij bi = d - 1dj.

28

Exemplul 1.2.3: Fie sistemul: x + 2x x = 3 1 2 3 1 2 x1 x 2 x 3 = 2 , cu matricea: A = 2 0 3x 2 + x 3 = 4


3 A1 = 2 4

2 1 3

1
1 1

Celelalte matrice care se folosesc n rezolvare sunt:

2 1 3

1 1; A2 = 2 0 1

3 2 4

1 1; A3 = 2 0 1

1 2 3 4

Determinanii lor sunt: d = - 8; d1 = - 16; d2 = - 8; d3 = - 8. Soluia unic a sistemului este: x10 = 2, x20 = 1, x30 = 1. 1.2.2.2 Rezolvarea sistemelor de ecuaii liniare n general Fie sistemul de m ecuaii liniare cu n necunoscute, cu coeficieni din corpul comutativ K:
a x + a x + ... + a x = b 12 2 1n n 1 11 1 a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2 .......... .......... .......... .......... ....... a x + a x + ... + a x = b m1 1 m2 2 mn n m

(S )

Teorema 1.2.4 (Kronecker Capelli): Sistemul (S) este compatibil dac i numai dac rang A = rang . Demonstraie: Presupunem c sistemul este compatibil, deci exist elementele xj0 din corpul K astfel nct:
1 a x = b , i { ,2,..., m }.
j =1 ij 0 j i n

Aceasta nseamn c ultima coloan a

matricei este o combinaie liniar a celorlalte coloane. Dac A are rangul r, atunci exist minori de ordin r nenuli i toi minorii

29

de ordin r + 1 ai lui A sunt nuli. are o coloan n plus fa de A, dar care este combinaie liniar a coloanelor lui A, deci orice minor de ordin r + 1 n care apar elemente din aceast coloan este nul, iar minorii de ordin r ai lui A nenuli sunt minori i pentru , de unde rezult c i rangul lui este tot r, ca i rangul lui A. Presupunem c rang A = rang . Exist deci un minor al matricei A de ordin r nenul i toi minorii de ordin r + 1 sunt nuli. Printr-o renumerotare a liniilor i coloanelor se poate presupune c acest minor este:

a 21 ..... a
r1

11

a 22 ..... a
r2

12

... ... ..... ...

a 2r 0 . Dac i rang = r, atunci ..... a


rr

1r

coloana termenilor liberi este o combinaie liniar a acestor coloane, adic exist xj0 , 1 j r astfel nct
j =1

1 a x = b , i { ,2,...,r} . Aceasta nseamn c x10, x20, , xr0, 0, i ij j


0

0, , 0 este o soluie a sistemului, adic sistemul este compatibil. Pentru rezolvarea unui sistem de ecuaii liniare se determin mai nti rangul matricei A, iar apoi rangul matricei . Dac rangul matricei este diferit de rangul matricei A, conform teoremei Kronecker Capelli, sistemul este incompatibil. Dac rang A = rang , sistemul este compatibil i se caut soluiile. Minorul de ordin r care a dat rangul matricei A se declar minor principal. Ecuaiile ai cror coeficieni intr n minorul principal se declar ecuaii principale, iar celelalte ecuaii sunt ecuaii secundare. Necunoscutele ai cror coeficieni intr n minorul principal sunt necunoscute principale, iar celelalte sunt necunoscute secundare i se noteaz parametric. Se scrie sistemul format din ecuaiile principale, care este un sistem Cramer, i se rezolv cu regula lui Cramer, aflndu-se soluia n funcie de parametri: 30

+ a1r + 22 + ...+ a1nn r = b1 a x + a x + ... + a x + a 1r r 1r + 1 1 11 1 12 2 a21x1 + a22 x2 + ... + a2r xr + a2r + 11 + a2r + 22 + ... + a2nn r = b2 .......... .......... .......... .......... .......... .......... .......... .......... ..... .......... a x + a x + ... + a x + a + arr + 22 + ...+ arnn r = br r1 1 r2 2 rr r rr + 1 1

... a1nn r + b1 a x + a x + ...+ a x = a a 11 1 12 2 1r r 1r + 1 1 1r + 2 2 a21x1 + a22x2 + ...+ a2r xr = a2r + 11 a2r + 22 ... a2nn r + b2 .......... .......... .......... .......... .......... .......... .......... .......... ..... .......... a x + a x + ...+ a x = a arr + 22 ... arnn r + br r1 1 r2 2 rr r rr + 1 1
Soluiile sistemului depind de n r parametri. Pentru calculul rangului matricei se procedeaz astfel: minorul de ordin r nenul care a dat rangul lui A se completeaz cu coloana termenilor liberi i cu cte o linie din cele rmase, obinnd n r minori de ordin r + 1 care se numesc minori caracteristici. Condiia ca rangul matricei s fie r este ca toi aceti minori s fie nuli. Teorema lui Kronecker Capelli este echivalent cu teorema: Teorema 1.2.5 (Rouch): Un sistem de m ecuaii cu n necunoscute cu coeficieni din corpul K este compatibil dac i numai dac toi minorii caracteristici sunt nuli. Exemplul 1.2.6: Fie sistemul cu coeficieni din R:

31

x 3y + z + t = 1 x 3 y + z 2t = 1 x 3 y + z + 2t = 6

Se scrie matricea A a sistemului i matricea extins:


1 A = 1 1

3 1

1 3 1 2 3 1 2

1 A = 1 1

3 1

1 3 1 2 1 6 3 1 2

Se calculeaz rangul pentru fiecare matrice i se obine: rang A = 2 i rang = 3. n concluzie sistemul este incompatibil. Exemplul 1.2.7: Fie sistemul cu coeficieni din R:

x + y + 2z = 2 x y + z + 3t x + 2 y + 3z t x + y + 2z =

1 = 2 =1 1

Se scrie matricea A a sistemului i matricea extins :


1 2 A= 1 1

1 1 2 1

2 0 1 3 3 1 2 0

1 2 A = 1 1

1 2 1

2 3 2

0 3 1 0

1
2 1 1

1 1

Pentru a determina rangul matricei A se calculeaz minorul de ordin 2:

1 2

1 = 1 2 = 3 0 1

32

Acest minor se completeaz n toate modurile posibile cu linii i coloane, obinnd minorii de ordin 3:

1 1 2 1 1 0 1 1 2 1 1 0 2 1 1 = 0; 2 1 3 = 0; 2 1 1 = 0; 2 1 3 = 0. 1 2 3 1 2 1 1 1 2 1 1 0
Toi minorii de ordin 3 fiind nuli, rezult c rang A = 2. Pentru a vedea dac sistemul este compatibil se calculeaz minorii caracteristici:

1 2 1

1 1 1 2 = 0; 2 1

1 2 1

1 1 -1 2 = 0 . 1 1

Rezult c rang = 2, deci sistemul este compatibil. Minorul care a dat rangul matricei A se declar minor principal, 1 1 dp = , necunoscutele x i y sunt necunoscute 2 1 principale, ecuaiile 1 i 2 sunt ecuaii principale, iar z i t sunt necunoscute secundare, care se noteaz parametric: z = i t = . Se obine sistemul:

x + y = 1 2 x + y + 2 = 1 sau: 2 x y = 2 3 2x y + + 3 = 2 Sistemul acesta este de tip Cramer i se rezolv cu regula lui Cramer. Determinantul su este minorul principal, deci d = - 3. Se calculeaz:

33

= 1 + 2 2 + + 3 = 3 + 3 3 2 3 1 1 1 2 d2 = = 2 3 2 + 4 = 3 3 2 2 3 d1 =
d

1 2

Soluiile
1

sistemului

sunt:

x = y =

d d

= + 1 = + unde

z = t = ,

, R

1.2.2.3 Metoda eliminrii totale Gauss-Jordan Metoda eliminrii totale (sau complete) Gauss-Jordan const n aplicarea de transformri liniare asupra matricei extinse a sistemului pn cnd aceasta se aduce la forma diagonal n care elementele de pe diagonal sunt 1 sau 0. Se aplic aceleai procedee ca i la transformarea unei matrice n matricea unitate. n final, dac sistemul este de tip Cramer, n partea stng este matricea unitate, iar termenii liberi obinui n dreapta constituie soluia sistemului. Exemplul 1.2.8: Se rezolv sistemul Cramer de la Exemplul 1.2.3 prin metoda eliminrii totale:

34

x + 2x x = 3 2 3 1 2 x1 x 2 x 3 = 2 3x 2 + x 3 = 4
1 2 1 3 L 2 L 1 2 1 3 L2 1 1 2 1 3 L 2 L 2 1 5 1 4 1 2 0 1 2 1 1 2 0 5 1 4 5 5 0 3 1 4 0 3 0 3 1 4 L3 3 L2 1 4 3 7 3 7 1 0 1 0 5 5 L1 + 3 L3 1 0 0 2 5 5 L35 0 1 1 4 8 0 1 1 4 5 0 1 0 1 5 5 L L 5 5 1 0 0 1 1 2+5 3 0 0 1 1 8 8 0 0 5 5 x1 = 2; x2 = 1; x3 = 1. n cazul sistemelor compatibile nedeterminate, doar poriunea din matrice care intr ntr-un minor principal se poate aduce la forma matricei unitate, pe celelalte linii obinndu-se zerouri. Necunoscutele secundare se notez parametric, iar soluia se exprim n funcie de acestea.
Exemplul 1.2.9: Se rezolv prin metoda eliminrii totale sistemul compatibil nedeterminat de la Exemplul 1.2.7:

x + y + 2z = 1 2 x y + z + 3t = 2 x + 2 y + 3z t = 1 x + y + 2z = 1
35

1 1 2 1 1 2 1 1 1 1 0 1 0 1 0 0 Cu solutia

2 1 3 2 2 1 1 0 :

1 0 1 L 2 2 L1 3 2 0 1 1 L 3L1 0 L 4 L1 0 0 1 1 0 1 L1 L 2 1 0 0 1 0 L 3L 2 0 0 0 0

1 3 1 0 0 1 0 0 1 1 0 0

2 3

0 1 1 L 2 3 0 3 1 1 0 0 0 0 1 1 1 0 0 0 0 0

x = 1 , y = + , z = , t = ,

, R

n cazul sistemelor incompatibile, pe una dintre liniile de zerouri ale matricei A, termenul liber nu este zero, deci se obine o relaie fals. Exemplul 1.2.10: Se rezolv prin metoda eliminrii totale sistemul incompatibil de la Exemplul 1.2.6:

x 3y + z + t = 1 x 3 y + z 2t = 1 x 3 y + z + 2t = 6

36

1 3 1 1 1 L2 L1 1 3 1 2 1 1 3 1 2 6 L3 L1 1 3 1 1 1 L1 L3 0 0 0 3 2 0 0 0 1 5 L2 + 3 L3 1 3 1 0 4 0 0 0 0 13 0 0 0 1 5
Sistemul este incompatibil, deoarece ecuaia a doua este 0 = 13.

1.2.3 Probleme
1. S se decid dac urmtoarele sisteme sunt de tip Cramer i n caz afirmativ, s se rezolve cu regula lui Cramer:
x 2 y = 3 a) 3x + y = 5

2x + y z = 1 x y+z =2 b) 4 x + 3 y + z = 3
37

x 2y + z = 3 2 x + 4 y 2 z = 5 c) x + 3y z = 4
2. S se decid dac sistemele urmtoare sunt compatibile, iar n caz afirmativ, s se rezolve:

6x 2y + z = 1 x 4 y + 2z = 0 b) 4 x + 6 y 3 z = 0

x + 2 y 3z = 0 a) 5 x 3 y + z = 0

x 2y + z + t =1 x 2 y + z t = 1 c) x 2 y + z + 5t = 5

Rspunsuri 1. a) d = 7 0, este sistem Cramer. d1 = 7; d2 = 14. Soluia: x = 1 i y = 2. b) d = - 12 0, este sistem Cramer. d1 = - 12; d2 = 6; d3 = - 6. Soluia: x = 1; y = 1 ; z = 1 .
2 2

c) d = 0, nu este sistem Cramer, nu se poate rezolva cu regula lui Cramer. 2. a) Matricele sunt:

38

1 2 3 1 2 3 0 i A = A= 5 1 1 0 5 1 1 rang A = 2 i rang = 2, deci sistemul este compatibil. Soluiile: x = ; y = 16 ; z = , R.


11 11

b) Matricele sunt: 6 2 1 1 6 2 1 A = 1 4 2 i A = 1 4 2 0 4 6 3 0 4 6 3 rang A = 2, rang = 3. n concluzie, sistemul este incompatibil. c) Se scriu matricele: 1 2 1 1 1 2 1 1 1 1 2 1 1 i A = 1 2 1 1 1 A= 1 2 1 5 1 2 1 5 5 rang A = 2 = rang , sistem compatibil. Soluiile: x = ; y = ; z = - + 2; t = 1, unde i R.

39

Capitolul 2 Spaii vectoriale


2.1 Noiunea de spaiu vectorial. Exemple
2.1.1 Definiia spaiului vectorial
Definiia 2.1.1: Fie K i V dou mulimi nevide. O aplicaie : K x V V, (, x) x se numete lege de compoziie extern pe V cu domeniul de operatori K. Definiia 2.1.2 (Spaiu vectorial): Fie (K, +, ) un corp i (V, +) un grup abelian. Se spune c V este un spaiu vectorial peste corpul K (sau K-spaiu vectorial) dac exist o operaie extern pe V cu domeniul de operatori K, ce ndeplinete axiomele: 1. ( + )x = x + x, ,K, xV; 2. (x + y) = x + y, K, x,yV; 3. (x) = ()x, ,K, xV; 4. 1x = x, xV. Elementele lui V se numesc vectori, iar operaia din grupul (V,+) se numete adunarea vectorilor. Elementele lui K se numesc scalari, iar legea de compoziie extern K x V V se numete nmulirea vectorilor cu scalari.

40

Elementul neutru al grupului (V, +) se numete vectorul nul i se noteaz cu 0, ca i scalarul 0. Cnd K = R sau K = C se spune c V este spaiul vectorial real, respectiv complex. Spaiile vectoriale se mai numesc spaii liniare.

2.1.2 Exemple
1. Spaiul vectorial Rn Fie n > 1 un numr natural. Se noteaz cu Rn mulimea tuturor sistemelor ordonate de n numere reale, x = (a1, a2, ..., an), ai R. Dac R i x, y Rn, x = (a1, a2, ..., an), y = (b1, b2, ..., bn), atunci: x = y dac i numai dac ai = bi; 1 i n, x + y = (a1 + b1, a2 + b2, ..., an + bn), x = (a1, a2, ..., an). Pe baza proprietilor operaiilor din R se demonstreaz c legea de compoziie intern Rn x Rn Rn, (x, y) x + y este asociativ i comutativ, cu elementul neutru 0 = (0, 0, ..., 0) i simetricul lui x = (a1, a2, ..., an) fiind x = (- a1, - a2, ..., - an). Rezult c (Rn, +) este grup abelian. De asemenea, legea de compoziie extern R x Rn Rn, (, x) x satisface axiomele 14 din definiia spaiului vectorial. Elementele din Rn se numesc vectori n - dimensionali, iar Rn se numete spaiul aritmetic real de dimensiune n. Dac x = (a1, a2, ..., an), atunci ai se numete componenta de rang i a lui x. Analog se introduce spaiul aritmetic Cn sau spaiul vectorial Kn, unde K este un corp oarecare. 2. Mulimea R[X] a polinoamelor n nedeterminata X cu coeficieni reali formeaz spaiu vectorial peste corpul R n raport cu adunarea polinoamelor i nmulirea polinoamelor cu scalari.

41

3. Spaiul vectorial 0. Fie un corp K. Pe grupul abelian 0 = {0} se introduce legea de compoziie extern K x 0 0, (, 0) 0 = 0. Se confer astfel grupului abelian 0 o structur de spaiu vectorial peste K, numit spaiul vectorial zero.

2.1.3 Proprieti specifice operaiilor cu vectori


Fie V un spaiu vectorial peste corpul K. 1. Fie K i x V. Atunci x = 0 = 0 sau x = 0. Demonstraie: Fie = 0 i y = 0x. Atunci y = 0x = (0 + 0)x = 0x + 0x = y + y, de unde y = y + 0 = y + (y + (- y)) = (y + y) + (- y) = y + (- y) = 0, deci 0x = 0 i analog se arat c 0 = 0. Reciproc, dac x = 0 cu 0, atunci: x = 1x = ( -1)x = 1 (x) = = -10 = 0. 2. Oricare ar fi K i x V, (- )x = (- x) = - x i (- )(- x) = x. Demonstraie: 0 = 0 = (x + (- x)) = x + (- x), de unde rezult c (- x) este opusul vectorului x, deci (- x) = - x. Analog se arat c (- )x = - x i atunci (- )(- x) = - ((- x)) = - (-x) = x. 3. Oricare ar fi , K i x,y V, ( - )x = x - x , (x - y) = x - y. Demonstraie: ( - )x = ( + (- ))x = x + (- )x = x - x. La fel se demonstreaz a doua regul de distributivitate.

42

2.2 Subspaiu al unui spaiu vectorial


2.2.1 Definiia subspaiului vectorial
Definiia 2.2.1 (Subspaiu vectorial): Se numete subspaiu vectorial al unui spaiu vectorial V cu scalari ntr-un corp K, orice submulime W a lui V care este spaiu vectorial cu scalari n K fa de adunarea i nmulirea cu scalari n V. Teorema 2.2.2: O submulime X a unui spaiu vectorial V este un subspaiu al lui V dac i numai dac oricare ar fi x i y din X i oricare ar fi i din K, vectorul x + y aparine lui X i X . Demonstraie: Se presupune c X este un subspaiu al lui V. Atunci, dac x este din V i din K rezult c x aparine lui X i la fel y, deci i x + y aparine lui X. Reciproc, dac oricare ar fi x i y din X i oricare ar fi i din K, vectorul x + y aparine lui X, pentru = 1 i = - 1, rezult c x y aparine lui X, deci X este un subgrup al lui V. n plus, pentru y = 0 rezult c oricare ar fi x din X i din K, x aparine lui X, deci X este subspaiu al lui V. Teorema 2.2.3: Dac W i U sunt subspaii vectoriale ale spaiului vectorial V, atunci intersecia lor W U este de asemenea un subspaiu al lui V. Demonstraie: Fie x,y W U i , K, rezult c x,y W i x,y U, dar W i U sunt subspaii, rezult c x + y W i x + y U, adic x + y W U, deci W U este subspaiu, ceea ce trebuia artat.

43

2.2.2 Exemple de subspaii


1. Orice spaiu vectorial conine un subspaiu format dintrun singur element, vectorul nul {0} i se numete subspaiul nul. 2. Spaiul vectorial al polinoamelor de grad cel mult 3 este un subspaiu al spaiului vectorial al polinoamelor de grad cel mult 7.

2.3 Dependen i independen liniar. Baz. Coordonate


2.3.1 Dependen i independen liniar
Definiia 2.3.1: Dac V este un spaiu vectorial peste corpul K i v1, v2, ..., vm V, atunci un vector de forma 1v1 + 2v2 + ... + mvm (iK) se numete combinaie liniar (cu coeficieni n K) de vectorii v1, v2, ..., vm; scalarii 1, 2, ..., m se numesc coeficienii combinaiei liniare. Un vector x este combinaie liniar de vectorii v1, v2, ..., vm dac exist scalarii 1, 2, ..., m astfel nct : x = 1v1 + 2v2 + ... + mvm. Definiia 2.3.2: Vectorii v1, v2, ..., vm formeaz un sistem de generatori pentru spaiul vectorial V dac orice vector x din V se poate reprezenta ca o combinaie liniar de v1, v2, ..., vm, adic exist 1, 2, ..., m din K astfel nct x = 1v1 + 2v2 + ... + mvm. Definiia 2.3.3: Sistemul de vectori v1, v2, ..., vm este liniar independent dac 1v1 + 2v2 + ... + mvm = 0 implic 1 = 2 = ...= m = 0. n caz contrar, vectorii se numesc liniar dependeni. Aadar, vectorii v1, v2, ..., vm sunt liniar dependeni dac exist 44

1, 2, ..., m nu toi nuli, astfel nct 1v1 + 2v2 + ... + mvm = 0. O egalitate de forma 1v1 + 2v2 + ... + mvm = 0 se numete relaie de dependen liniar a vectorilor v1, v2, ..., vm. Dac cel puin unul dintre scalarii i este diferit de 0, se spune c relaia de dependen liniar este nebanal. n concluzie, vectorii v1, v2, ..., vm sunt liniar independeni dac i numai dac singura relaie de dependen liniar a lor este cea banal. Exemplul 2.3.4: Fie spaiul vectorial R3 i vectorii v1 = (1, 0, 0); v2 = (0, 1, 0); v3 = (1, 1, 0); v4= (0, 0, 1). Exist scalarii 1 = - 1; 2 = - 1; 3 = 1 i 4 = 0 nu toi nuli, astfel nct: 1v1 + 2v2 + 3v3 + 4v4 = = (- 1, 0, 0) + (0, - 1, 0) + (1, 1, 0) + (0, 0, 0) = (0, 0, 0). Rezult c sistemul de vectori v1, v2, v3 i v4 este liniar dependent.

2.3.2 Baz. Coordonate


Definiia 2.3.5 (Baz): Fie V un spaiu vectorial peste corpul K. Un sistem de vectori B = (e1, e2, ..., en) se numete baz a lui V dac: 1. Oricare ar fi x din V exist scalarii 1, 2, ..., n astfel nct: x = 1e1 + 2e2 + ... + nen; 2. Sistemul de vectori B este liniar independent. Exemplul 2.3.6: n spaiul vectorial R3, sistemul de vectori : e1 = (1, 0, 0); e2 = (0, 1, 0); e3 = (0, 0, 1) formeaz o baz, pentru c oricare ar fi vectorul x = (x1, x2, x3) se poate scrie: x = x1e1 + x2e2 + x3e3. Mai trebuie artat c vectorii sunt liniar independeni. Dac x1e1 + x2e2 + x3e3= 0, acest lucru se scrie:

45

(x1, 0, 0) + (0, x2, 0) + (0, 0, x3) = (x1, x2, x3) = (0, 0, 0), de unde rezult x1 = x2 = x3 = 0, deci sistemul este liniar independent. Exemplul 2.3.7 : n spaiul vectorial al polinoamelor n nedeterminata X de grad maxim 2 cu coeficieni din R, polinoamele 1, X i X2 formeaz o baz. Orice polinom de grad maxim 2 se poate scrie ca o combinaie liniar a celor trei: f = a0 + a1X + a2X2, iar a0 + a1X + a2X2 = 0 implic a0 = a1 = a2 = 0. Exemplul 2.3.8: n spaiul vectorial Rn sistemul de vectori: e1 = (1, 0, ..., 0); e2 = (0, 1, ..., 0); ...;en = (0, 0, ..., 1) formeaz o baz a lui Rn, numit baza canonic a lui Rn. Definiia 2.3.9: Fie V un spaiu vectorial peste corpul K, B = (e1, e2, ..., en) o baz a lui V i x un vector din V. Scalarii unic determinai 1, 2, ..., n astfel nct x = 1e1 + 2e2 + ... + nen se numesc coordonatele vectorului x n baza B. Teorema 2.3.10: Orice spaiu vectorial admite o baz. Dou baze ale aceluiai spaiu vectorial au acelai cardinal. Cardinalul unei baze se numete dimensiunea spaiului vectorial i se noteaz dimKV.

2.3.3 Schimbare de coordonate


Fie spaiul vectorial V peste corpul K i B = (e1, e2, ..., en) o baz a lui V. Fie vectorul x = x1e1 + x2e2 + ... + xnen. Se mai poate scrie x = (x1, x2, ..., xn), vectorul x fiind bine determinat de coordonatele sale. Dac B' = (e'1, e'2, ..., e'n) este o alt baz a spaiului vectorial V, coordonatele vectorului x fa de baza B' se pot determina cu ajutorul coordonatelor din B. Se exprim mai nti vectorii bazei B' n funcie de baza B, notnd cu a1j, a2j, ..., anj coordonatele vectorului e'j n raport cu baza B:

46

e'1 = a11e1 + a21e2 + ... + an1en e'2 = a12e1 + a22e2 + ... + an2en . . . . . . . . . . . . . . . . e'n = a1ne1 + a2ne2 + ... + annen. Dar x = x'1e'1 +x'2e'2 + ... + x'ne'n. Se nlocuiesc e'j i se obine o scriere a vectorului x n funcie de baza B: x = x'1(a11e1 + a21e2 + ... + an1en) + x'2(a12e1 + a22e2 + ... + an2en) + ... + x'n(a1ne1 + a2ne2 + ... + annen), adic: x = (a11x'1 + a12x'2 + ... + a1nx'n)e1 + (a21x'1 + a22x'2 + ... + a2nx'n)e2 + ... +(an1x'1 + an2x'2 + ... + annx'n)en . n concluzie, coordonatele vectorului x n baza B se exprim n funcie de coordonatele sale n baza B' astfel: xi = ai1x'1 + ai2x'2 + ... + ainx'n, oricare ar fi i {1, 2, ..., n}. Dac se noteaz matricele:

a 11 a 21 A= ..... a n1
XB x1 x = 2 ... x n

a 12 a 22 ..... an2
X B'

... ... ..... ...

a 2n ..... a nn

a 1n

x1' ' x = 2 , ... x' n

atunci XB = AXB

sau, pentru aflarea coordonatelor n noua baz B, XB = A-1XB

47

Exemplul 2.3.11: Sistemul de vectori e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) constituie n spaiul R3 o baz. n aceast baz vectorul x are coordonatele: x = (1, 2, 3). Se cere : a) S se arate c vectorii: f1 = (1, 1, 0), f2 = (1, 0, 1), f3 = (1, 1, 1) formeaz o baz n R3. b) S se exprime vectorul x n baza (f1, f2, f3). Rezolvare: a) Dimensiunea spaiului R3 este 3. Este suficient s se demonstreze c vectorii f1, f2 i f3 sunt liniar independeni. Fie a, b, c numere reale astfel nct af1 + bf2 + cf3 = (0, 0, 0), adic: (a, a, 0) + (b, 0, b) + (c, c, c) = (0, 0, 0), ceea ce se reduce la rezolvarea sistemului liniar omogen: a+b+c=0 a +c=0 b + c = 0, cu soluia unic a = b = c = 0, ceea ce nseamn c vectorii sunt liniar independeni. b) A exprima vectorul x n baza (f1, f2, f3) nseamn a gsi coordonatele x1, x2 i x3 astfel nct: x1f1 + x2f2 + x3f3 = (1, 2, 3), adic: (x1, x1, 0) + (x2, 0, x2) + (x3, x3, x3) = (1, 2, 3), ceea ce se reduce la rezolvarea sistemului liniar: x1 + x2 + x3 = 1 x1 + x3 = 2 x2 + x3 = 3, cu soluia: x1 = - 2, x2 = - 1 i x3 = 4, exprimarea lui x n baza (f1, f2, f3) fiind (- 2, - 1, 4).

48

2.4 Aplicaii liniare


2.4.1. Definiii i exemple
Definiia 2.4.1: Se numete aplicaie liniar a spaiului vectorial V n spaiul vectorial W, cu scalarii n acelai corp K, orice funcie f : V W compatibil cu legile de compunere: f (x + y) = f (x) + f (y) f (x) = f (x) pentru orice x i y din V i orice scalar din K. Dac = 0 se observ c f (0) = 0, adic imaginea vectorului nul din V este vectorul nul din W. Exemple 2.4.2: 1. Aplicaia identic 1V : V V definit prin 1V (x) = x este o aplicaie liniar. 2. Dac X este subspaiu al lui V, aplicaia f : X V definit prin f (x) = x este de asemenea o aplicaie liniar. 3. Aplicaia nul, g : V W definit prin g(x) = 0 pentru orice x din V este tot o aplicaie liniar. 4. Omotetia de raport h, unde h este un scalar din K, este aplicaia Hh : V V, unde Hh (x) = hx, despre care se arat uor c este tot o aplicaie liniar.

49

2.4.2 Teorema de caracterizare a aplicaiilor liniare


Teorema 2.4.3: O aplicaie f : V W a spaiului vectorial V n spaiul vectorial W este liniar dac i numai dac, pentru orice x i y din V i orice scalari i din K este ndeplinit condiia: f (x + y) = f (x) + f (y). Demonstraie: Se presupune c f este aplicaie liniar. Atunci: f (x + y) = f (x) + f (y) = f (x) + f (y). Reciproc, punnd = = 1 se deduce c f (x + y) = f (x) + f (y) i pentru = 0 rezult f (x) = f (x), adic f este aplicaie liniar. Teorema 2.4.4: Imaginea unui subspaiu X al spaiului vectorial V printr-o aplicaie liniar f : V W este un subspaiu al lui W. Imaginea invers f -1(Y) a oricrui subspaiu al lui W este un subspaiu al lui V.

2.4.3. Izomorfisme de spaii vectoriale


Definiia 2.4.5: O aplicaie liniar f : V W care este bijectiv se numete izomorfism. Exemple 2.4.6: 1. Aplicaia identic a unui spaiu vectorial n el nsui este izomorfism. 2. Omotetiile Hh sunt de asemenea izomorfisme. 3. Orice spaiu vectorial de dimensiune n este izomorf cu spaiul vectorial standard Cn. Corolarul 2.4.7: Dou spaii vectoriale cu aceiai scalari i de dimensiuni egale sunt izomorfe.

50

2.5 Probleme
1. S se arate c mulimea polinoamelor din R[X] de grad mai mic sau egal cu 2 formeaz spaiu vectorial peste R fa de adunarea polinoamelor i nmulirea cu scalari. 2. n spaiul vectorial V al polinoamelor din R[X] de grad mai mic sau egal cu 2 se consider sistemele de polinoame: a) f1 = 1; f2 = X; f3 = X2; b) f1 = 1- X; f2 = X(1 - X); f3 = 1 - X2; c) f1 = X2 - 1; f2 = X2 + 3X - 2; f3 = X2 - 1; d) f1 = 1+ X; f2 = X; f3 = 2X2; Care dintre aceste mulimi de vectori a), b), c), d) formeaz o baz a spaiului vectorial V? 3. n spaiul vectorial R3 se consider vectorii : v1 = (1, 1, 0), v2 = (1, 0, 1), v3 = (0, 1, 1), v4 = (1, 1, 1). S se arate c vectorii v1, v2, v3, v4 sunt liniar dependeni, dar oricare trei formeaz o baz n R3. 4. n spaiul vectorial R2, vectorul x = (1, 2) este exprimat n baza (e1, e2), unde e1 = (1, 0) i e2 = (0, 1). a) S se arate c sistemul (f1, f2) unde f1 = (3, 2), f2 = (6, 5) formeaz o baz. b) S se exprime vectorul x n baza (f1, f2). 5. n spaiul vectorial al polinoamelor de grad cel mult 2 din R[X], vectorii e1 = 1 + X, e2 = X, e3 = 2X2 formeaz o baz. Se cere s se exprime n funcie de aceast baz vectorii : u = 1 - X + X2 i v = 1 + 2X - X2. 6. S se stabileasc formulele de transformare a coordonatelor cnd se trece de la baza e1 = (1, 1), e2 = (2, 3) la baza f1 = (3, 2), f2 = (6, 7) n spaiul vectorial R2.

51

7. Fie P3 spaiul vectorial al polinoamelor de grad mai mic sau egal cu 3 din R[X] i P4 spaiul vectorial al polinoamelor de grad mai mic sau egal cu 4 din R[X]. S se arate c funcia T : P3 P4 definit prin: T (f) = Xf, adic oricare ar fi f = a0 + a1X + a2X2 + a3X3, T (f) = a0X + a1X2 + a2X3 + a3X4, este o aplicaie liniar. Este acesta un izomorfism de spaii vectoriale? Rspunsuri 1. Se verific axiomele spaiului vectorial. 2. a) da; b) nu, de exemplu : f1 + f2 - f3 = 0, nu sunt liniar independeni ; c) nu ; d) da. 3. v1 + v2 + v3 2v4 = 0, deci nu sunt liniar independeni. Din av1 + bv2 + cv3 = 0 rezult a = b = c = 0. Analog pentru celelalte grupuri de cte trei vectori. 4. Se arat c sunt liniar independeni, iar dimensiunea spaiului R2 este 2, deci formeaz o baz. Coordonatele vectorului x n baza (f1, f2) sunt 7 , 4 .
3 3

5. u =

1 1,2, ; 2

v=

1 1,1, . 2

6. Matricea

5 4 A= 1 1 ,

de unde XB = AXB, sau, pentru aflarea


1 A 1 = 9 1 9 4 9. 5 9

coordonatelor n noua baz B, XB = A-1XB, unde

7. Se verific faptul c pentru orice f i g din P3 i orice scalari i din R este ndeplinit condiia: T (f + g) = T (f) + T (g). Spaiile vectoriale P3 i P4 nu pot fi izomorfe deoarece nu au aceeai dimensiune. 52

2.6 Fia de autoevaluare


1. Mulimea polinoamelor de gradul 2 din R[X] formeaz spaiu vectorial peste R? Motivai rspunsul. 2. Mulimea numerelor complexe formeaz spaiu vectorial peste corpul numerelor reale? 3. Mulimea numerelor reale formeaz spaiu vectorial peste corpul numerelor complexe? 4. Este funcia f : R R, f (x) = ax + b o aplicaie liniar? Pentru ce valori ale lui a i b devine aplicaie liniar? Rspunsuri - fia de autoevaluare 1. Nu. Mulimea polinoamelor de grad 2 nu formeaz grup fa de adunare. 2. Da. Se pot verifica axiomele. 3. Nu. Ar trebui ca orice numr real nmulit cu un numr complex s dea un numr real, ceea ce este fals. 4. n general nu, pentru c nu se verific condiiile din definiie. Dac b = 0, iar a orice numr real, atunci f (x) = ax este aplicaie liniar.

53

Capitolul 3 Programarea liniar


3.1 Probleme de programare liniar
Activitatea n domeniul produciei industriale i a conducerii activitilor economice a devenit extrem de complex. O mare parte dintre problemele care se pun n conducerea economic a ntreprinderilor sunt probleme de optimizare. Modelarea matematic a acestor probleme ofer posibilitatea determinrii soluiilor optime, contribuind la creterea eficienei economice. Programarea liniar utilizeaz modele matematice ale problemelor economice i, prin metodele specifice, caut soluia optim. n multe cazuri, problemele economice pot fi modelate astfel: se noteaz cu xj, 1 j n, nivelurile la care trebuie s se desfoare cele n activiti considerate i cu f (x1, x2, ..., xn) funcia obiectiv (sau funcia criteriu sau funcia de eficien). Problema este de a afla valorile variabilelor xj, 1 j n,astfel nct f (x1, x2, ..., xn) s ia valoarea maxim sau minim. n acelai timp mai trebuie ndeplinite nite condiii de forma: fi (x1, x2, ..., xn) 0, pentru orice i, 1 i m, condiii numite restriciile problemei. n cazul n care funciile f i fi sunt funcionale liniare, atunci se obine problema de programare liniar.

54

3.1.1 Problema de planificare a produciei


O ntreprindere industrial dispune de mai multe resurse, n cantiti limitate. Se noteaz cu i numrul de ordine al resursei i cu bi cantitile disponibile din aceste resurse. Cu aceste resurse se pot desfura diverse activiti. Se noteaz cu j numrul de ordine al activitii desfurate i cu xj nivelul la care urmeaz s se desfoare aceast activitate. Se mai noteaz cu aij cantitatea din resursa i necesar pentru producerea unei uniti din produsul j. Se presupune c aceste cantiti depind numai de tipul resursei i de tipul produsului. Beneficiul obinut pe o unitate de produs j realizat, n uniti bneti, se noteaz cu cj. Problema lucreaz cu: Mulimea resurselor: {R1, R2, ..., Ri, ..., Rm} bi cantitatea disponibil din resursa Ri. Mulimea produselor: {P1, P2, ..., Pj, ..., Pn} xj numrul de uniti din produsul Pj. aij reprezint cantitatea din resursa Ri necesar pentru producerea unei uniti din produsul Pj (consumuri specifice sau coeficieni tehnologici) cj este beneficiul obinut pe unitatea de produs Pj . Datele problemei: P1 R1 ... Ri ... Rm Beneficiu a11 ... ai1 ... am1 c1 P2 a12 ... ai2 ... am2 c2 ... ... ... ... ... ... ... Pj a1j ... aij ... amj cj ... ... ... ... ... ... ... Pn a1n ... ain ... amn cn Capacitatea resurselor b1 ... bi ... bm

Cantitatea de resurs i folosit pentru producerea cantitii xj este aij. Cantitatea total din resursa i folosit pentru producia total format din n produse este: 55

a i 1 x 1 + a i 2 x 2 + ... + a in x n
Condiia de a nu se depi cantitatea total este:

a i 1 x 1 + a i 2 x 2 + ... + a in x n b i
Condiiile de folosire a resurselor limitate, numite restriciile problemei:

a 11 x 1 + a 12 x 2 + ... + a 1 n x n b1

a 21 x 1 + a 22 x 2 + ... + a 2 n x n b 2 ... a i1 x 1 + a i 2 x 2 + ... + a in x n b i ... a m 1 x 1 + a m 2 x 2 + ... + a mn x n b m


Condiiile de nenegativitate: x j 0,

1 j n.

Sistemele de inecuaii liniare pot avea o infinitate de soluii, o soluie sau nici o soluie. Cazul cel mai frecvent pentru problemele practice corect puse este cazul n care sistemul are o infinitate de soluii, adic procesele de producie pot fi organizate ntr-o infinitate de moduri. Adoptarea unei variante se face pe baza unui criteriu economic, ca de exemplu beneficiul maxim. Funcia de eficien reprezint beneficiul total, care trebuie maximizat:

f = c1 x1 + c2 x 2 + ... + c n xn = c j x j
j =1

Problema de programare liniar este urmtoarea:

56

max f =

c
j =1

xj

cu conditiile :

a
j =1

ij

x j bi

1 i m 1 j n

xj 0

3.1.2 Problem de amestec


Aceast problem const n determinarea unei anumite diete dintr-un numr dat de alimente, care s satisfac anumite cerine biologice i s fie n acelai timp cea mai ieftin. Fie aij este cantitatea din principiul nutritiv i, 1 i m, coninut ntr-o unitate din alimentul j, 1 j n. Este necesar ca dieta s conin cel puin bi uniti din principiul nutritiv i, 1 i m,iar cj, 1 j n, sunt costurile unei uniti din alimentul j. Problema const n aflarea cantitilor xj, 1 j n de alimente astfel nct costul total s fie minim. Problema de programare liniar este urmtoarea:

min f =

j =1

cjx :

cu conditiile

x
j

j =1

a ij x 0

bi

1 i m 1 j n

Probleme de acelai tip apar atunci cnd se urmrete formarea unor amestecuri de ingrediente, care s aib anumite

57

proprieti, astfel nct o caracteristic a amestecului s fie optim dintr-un anumit punct de vedere.

3.1.3 Problem de planificare a investiiilor


O ntreprindere dispune de o sum B de uniti bneti, sum ce poate fi folosit n diverse activiti notate cu j, 1 j n. Fiecare activitate de tipul j, n urma investiiilor, aduce un beneficiu unitar de bj uniti bneti. Se noteaz cu xj suma investit n activitatea de tipul j. Problema este urmtoarea: s se afle sumele xj care trebuie investite, cu condiiile:

j =1 j

B j = 1, n

0, f =

max

j =1

b jx

unde f reprezint beneficiul total.

3.1.4 Forma standard a problemei de programare liniar


Dac sistemul de restricii al modelului problemei de programare liniar conine inegaliti de acelai sens, se spune c modelul se prezint sub forma canonic Orice problem de programare liniar sub form canonic poate fi transformat ntr-o problem n care restriciile sunt egaliti. Teorema 3.1.1: Fie sistemul de m inecuaii liniare cu n necunoscute:

58

( )

a 11 x1 + a 12 x 2 a x +a x 21 1 22 2 a m 1 x1 + a m 2 x 2

+ ... + a 1 n x n b1 + ... + a 2 n x n b 2 ... + ... + a mn x n b m

i sistemul de ecuaii:

a 11 x1 + a 12 x 2 + ... + a 1 n x n + x n + 1 = b1 a x + a x + ... + a x + x 2n n n + 2 = b2 ( ) 21 1 22 2 ... a m 1 x1 + a m 2 x 2 + ... + a mn x n + x n + m = b m 0 0 0 Atunci, oricare ar fi soluia x 1 , x 2 ,..., x n a lui (), exist m 0 0 0 constante nenegative x n + 1 , x n + 2 ,..., x n + m , astfel nct:
0 0 0 0 x 10 , x 2 ,..., x n , x n + 1 ,..., x n + m s constituie o soluie a lui (). 0 0 0 Reciproc, dac x 1 , x 2 ,..., x n + m este o soluie a lui (), atunci 0 0 x 10 , x 2 ,..., x n constituie o soluie pentru ().

0 0 0 Demonstraie: Fie x 1 , x 2 ,..., x n o soluie a lui (), adic:

0 a 11 x10 + a 12 x 2 0 0 a 21 x1 + a 22 x 2 0 a m 1 x10 + a m 2 x 2

0 + ... + a 1 n x n b1 0 + ... + a 2 n x n b 2 ... 0 + ... + a mn x n b m

Membrii din stnga ai inegalitilor sunt constante mai mici sau egale cu bi. Atunci exist numerele reale nenegative
0 0 0 x n + 1 , x n + 2 ,..., x n + m care satisfac egalitile:

59

0 0 0 a 11 x10 + a 12 x 2 + ... + a 1 n x n + x n + 1 = b1 0 0 0 0 a 21 x1 + a 22 x 2 + ... + a 2 n x n + x n + 2 = b 2 ... 0 0 0 a m 1 x10 + a m 2 x 2 + ... + a mn x n + x n + m = b m


0 0 0 0 i x n + i = bi a i1 x1 a i 2 x 2 ... a in x n 0 .
0 0 0 Deci x 1 , x 2 ,..., x n + m este o soluie a lui (). 0 0 0 Reciproc, fie x 1 , x 2 ,..., x n + m o soluie a lui (), adic:

0 0 0 a 11 x10 + a 12 x 2 + ... + a 1 n x n + x n + 1 = b1 0 0 0 0 a 21 x1 + a 22 x 2 + ... + a 2 n x n + x n + 2 = b 2 ... 0 0 0 a m 1 x10 + a m 2 x 2 + ... + a mn x n + x n + m = b m 0 0 0 0 de unde rezult c x n + i = bi a i1 x1 a i 2 x 2 ... a in x n 0

pentru orice i, iar de aici:


0 0 a 11 x10 + a 12 x 2 + ... + a 1 n x n b1 0 0 0 a 21 x1 + a 22 x 2 + ... + a 2 n x n b 2 ... 0 0 a m 1 x10 + a m 2 x 2 + ... + a mn x n b m 0 0 0 adic x 1 , x 2 ,..., x n este o soluie a lui ().

Sistemul de inecuaii se transform n sistem de ecuaii prin introducerea necunoscutelor de compensare sau artificiale sau ecart. n cazul problemei de programare a produciei se obine:

60

a 11 x 1 + a 12 x 2 + ... + a 1 n x n + x n + 1 = b 1 a 21 x 1 + a 22 x 2 + ... + a 2 n x n + x n + 2 = b 2 ... a i 1 x 1 + a i 2 x 2 + ... + a in x n + x n + i = b i ... a m 1 x 1 + a m 2 x 2 + ... + a mn x n + x n + m = b m


Pentru inegaliti de tipul: variabil nenegativ xn+i 0, egaliti:

a
j =1

ij

x j bi

i = 1, m se scade o

i = 1, m

i inegalitile devin

a11 x1 + a12 x 2 + ... + a1n x n x n +1 = b1 a 21 x1 + a 22 x 2 + ... + a 2 n x n x n + 2 = b2

... a i1 x1 + a i 2 x 2 + ... + a in x n x n + i = bi ... a m1 x1 + a m 2 x 2 + ... + a mn x n x n + m = bm


n consecin, rezolvarea unui sistem de inegaliti liniare se reduce la rezolvarea sistemului de ecuaii asociat. Introducerea noilor variabile nu trebuie s schimbe funcia de eficien n problemele economice. Aceste variabile reprezint m activiti fictive care consum plusul de resurse i din aceast cauz li se ataeaz costuri (respectiv beneficii) nule. Funcia de eficien se prezint sub forma:

f = c1 x1 + c2 x2 + ... + cn xn + 0 xn+1 + ... + 0 xn+m = = c1 x1 + c2 x2 + ... + cn xn


Forma standard a problemei de programare liniar cuprinde:

61

1. Sistemul liniar (rezultat din restricii) 2. Condiiile de nenegativitate 3. Funcia de scop, de optimizat sau de eficien.

a 11 x 1 + a 12 x 2 a x + a x 21 1 22 2 .......... .......... a m1 x1 + a m 2 x 2 x
j

+ ... + a 1 n x n = b 1 + ... + a 2 n x n = b 2 .......... .......... ..... + ... + a mn x n = b m

0,

j = 1, n

f = c 1 x 1 + c 2 x 2 + ... + c n x n

3.2 Rezolvarea problemelor de programare liniar


3.2.1 Clasificarea soluiilor
Se consider modelul problemei de programare liniar sub forma standard. Fie A matricea sistemului de restricii: a11 a12 ... a1n a 21 a 22 ... a 2 n A= ..... ..... ..... ..... am1 am 2 ... amn cu m linii i n coloane. Matricea A se numete matricea coeficienilor tehnologici.

62

b1 b b= 2 ... Vectorul coloan : reprezint cererea (n probleme de b m


minimizare a costului) sau disponibilul (n probleme de maximizare). Vectorul linie C = (c 1 , c 2 ,... c n ) reprezint costul unitar (n probleme de minimizare a costului) sau beneficiul unitar (n probleme de maximizare). x1 x X = 2 Vectorul ... este nivelul activitilor, ntotdeauna x n nenegativ. Se noteaz cu aj vectorul coloan j din matricea A. Problema de programare liniar sub forma standard se scrie astfel :

[min ] f

= CX

AX = b X 0
Se presupune c sistemul are cel puin o soluie. Dac rangul matricei A ar fi mai mic dect m, o parte dintre ecuaii ar fi consecine ale celorlalte, deci ar putea fi nlturate. Se consider c rangA = m. Se mai consider c numrul variabilelor este mai mare dect al restriciilor, evitndu-se unicitatea soluiei sistemului de restricii, adic m < n. Definiia 3.2.1: Se numete soluie posibil (realizabil) a problemei de programare liniar orice vector X = (x1, x2, ..., xn) care verific sistemul de ecuaii i condiiile de nenegativitate.

63

Definiia 3.2.2: Soluia posibil X = (x1, x2, ..., xn) se numete soluie de baz dac vectorii aj din

x a
j =1 j

= b , avnd coeficienii

xj strict pozitivi sunt liniar independeni. Din definiie rezult c soluia de baz este o soluie posibil care are cel mult m componente strict pozitive. Definiia 3.2.3: O soluie de baz se numete degenerat dac numrul componentelor sale strict pozitive este mai mic dect m. Definiia 3.2.4: Soluia optim este aceea pentru care funcia scop i atinge maximul (respectiv minimul) i se gsete printre soluiile de baz.

3.2.2. Determinarea soluiilor de baz


Se presupune c se cunoate o soluie de baz format din m vectori aj care aparin sistemului iniial al celor n vectori a1, a2, ..., an i se poate presupune c acetia sunt primii m vectori ai sistemului { a1, a2, ..., an }. Soluia de baz este de forma: X = (x1, x2, ..., xm, 0, ...,0) i sistemul restriciilor se scrie: x1a1 + x2a2 + ... + xmam = b unde toi xi 0. Pornind de la soluia de baz se va determina alt soluie de baz. Vectorii a1, a2, ..., am sunt liniar independeni, deci formeaz o baz n spaiul vectorial de dimensiune m. Astfel, oricare dintre vectorii a1, a2, ..., an se poate exprima ca o combinaie liniar a vectorilor bazei:

a j = xij a i
i =1

j = 1, n

Pentru vectorul am+1 care nu aparine bazei se presupune c c cel puin unul dintre coeficienii xi,m+1 este pozitiv: x1,m+1a1 + x2,m+1a2 + ... + xm,m+1am = am+1 64

Fie un numr real cu care se nmulesc ambii membri ai relaiei precedente, care se scade apoi din restricie: (x1 - x1,m+1)a1 + (x2 - x2,m+1)a2 + ... + (xm - xm,m+1)am + am+1 = b Vectorul: X = (x1 - x1,m+1, x2 - x2,m+1, ...,xm - xm,m+1, ) reprezint o soluie posibil (realizabil) dac componentele sale sunt nenegative. Se caut o soluie X X, de unde rezult condiia > 0. Se vor examina numai componentele care conin coeficieni xi,m+1 > 0. Se va determina > 0 astfel nct: xi xi,m+1 0, pentru toi xi,m+1 > 0. Rezult : xi 0 x i ,m +1 Oricare pentru care xi 0 < min i xi,m +1 unde minimul se consider pentru acei indici i pentru care xi,m+1>0, determin o soluie realizabil a problemei. Dar soluia de baz nu poate conine m + 1 componente pozitive, de unde rezult c cel puin una dintre componentele lui X trebuie s se anuleze. Acest lucru se ntmpl pentru: xi = 0 = min i xi,m +1 pentru toi xi,m+1 > 0 i se va anula componenta lui X pentru care este atins minimul. Se poate presupune c aceasta este chiar prima component, adic xi x1 0 = min = i xi,m +1 x1 , m + 1 Se obine astfel o nou soluie : x2a2 + x3a3 + ... + xmam + xm+1am+1 = b unde: xi = xi 0xi,m+1, i = 2, ..., m xm+1 = 0

65

Dac toi xi,m+1 0 nu se poate determina > 0 care s duc la excluderea a cel puin un vector din baz. n acest caz problema nu admite soluie. n continuarea procesului obinerii de noi soluii de baz va trebui s se exprime un vector oarecare ce nu face parte din noua baz a2, a3, ..., am+1 ca o combinaie liniar de vectorii acestei baze. Se exprim a1:

a1 =
Fie

1 x1,m +1

(a

m +1

x 2,m +1 a 2 ... x m ,m +1 a m )

a j = x1 j a1 + x 2 j a 2 + ... + x mj a m
un vector care nu aparine noii baze. nlocuindu-l pe a1 se obine:

x x x2 j 1 j x2,m+1 a2 + x3 j 1 j x3,m+1 a3 + ... + aj = x1,m+1 x1,m+1 x x xmj 1 j xm,m+1 am + 1 j am+1 + x1,m+1 x1,m+1
Componenetele vectorilor b i aj n noua baz se obin prin metoda eliminrii complete Gauss-Jordan. Procesul obinerii de noi soluii de baz se reduce la alegerea unui nou vector care urmeaz s intre n baza corespunztoare soluiei de baz precedente precum i a variabilei care urmeaz s fie exclus din aceast baz. Noua soluie de baz i exprimarea vectorilor care nu fac parte din baz ca i combinaii liniare de vectorii bazei se face cu ajutorul procedeului eliminrii complete. Criteriul conform cruia se alege vectorul ce urmeaz s intre n baz este un element important al algoritmului simplex.

66

3.3 Algoritmul simplex


Metoda general de rezolvare a problemelor de programare liniar o constituie metoda simplex sau algoritmul simplex, al crui creator este G. B. Danzig, nc din 1947. Ulterior aceast metod a fost mbuntit. Algoritmul se bazeaz pe rezolvarea sistemului de ecuaii liniare prin metoda eliminrii complete pentru aflarea soluiilor nenegative, iar n final a soluiei optime.

3.3.1 Etapele algoritmului simplex


Etapele algoritmului simplex sunt urmtoarele: 1. Aducerea sistemului la forma standard. 2. Gsirea unei soluii de baz. 3. Trecerea de la soluia gsit la alta mai bun n sensul optimizrii funciei scop. Soluia optim se caut printre cele de baz n mod dirijat, urmrindu-se mbuntirea funciei de eficien. 4. Gsirea soluiei optime i aflarea valorii optime a funciei de eficien. n acest sens se folosete un criteriu care stabilete dac s-a ajuns la valoarea optim pentru care funcia scop nu mai poate fi mbuntit. Fie problema de programare liniar:
n

max f =

c
j =1

xj

cu conditiile :

a
j =1

ij

x j bi

1 i m 1 j n

xj 0

67

3.3.2 Aducerea sistemului la forma standard


Sistemul de inegaliti se aduce la forma standard prin introducerea necunoscutelor de compensare sau artificiale. Aceste variabile se vor rula n cadrul algoritmului de rezolvare i, n general, se vor elimina treptat. Problema se scrie: a 11 x 1 + a 12 x 2 + ... + a 1 n x n = b 1 a x + a x + ... + a x = b 21 1 22 2 2n n 2 .......... .......... .......... .......... ..... a m 1 x 1 + a m 2 x 2 + ... + a mn x n = b m

0,

j = 1, n

f = c 1 x 1 + c 2 x 2 + ... + c n x n

3.3.3 Gsirea unei soluii de baz


Pentru determinarea unei soluii de baz se poate utiliza metoda eliminrii complete (Gauss-Jordan). Se presupune c s-au produs astfel zerouri pe primele m coloane, adic n baz se afl primele m variabile, x1, x2, ..., xm . Vectorii coloan corespunztori se noteaz P1, P2, ..., Pm . Se obine matricea sistemului de forma:
1 0 ... 0 0 ... 0 a1' , m +1 ... a1' n
' ... a2 n ... ...

' 1 ... 0 a2, m +1 ... ... ... ...

0 ... 1

' ' am, m +1 ... amn

b1' ' | b2 | ... ' | bm |

Dac toate componenetele bi' 0, i = 1,..., m , soluia de baz


' ' este B1 = b1' , b2 ,..., bm ,0,...,0 . Funcia de scop n acest caz este:

f (B1 ) = c j b 'j .
j =1

68

3.3.4 Trecerea de la soluia gsit la alta mai bun prin schimbarea bazei
Obinerea unei noi soluii de baz se face prin schimbarea unei singure variabile. Din baza veche se scoate vectorul P care se nlocuiete cu vectorul P. Aceast operaie se numete pas simplex i se realizeaz cu ajutorul urmtorului tabel construit pe baza iniial: Baza P1 P2 ... P ... Pm Po b1 b2 ... b ... bm P1 1 0 ... 0 ... 0 P2 0 0 ... 0 ... 0 ... ... ... ... ... ... ... P 0 0 ... 1 ... 0 ... ... ... ... ... ... ... Pm 0 0 ... 0 ... 1 ... ... ... ... ... ... ... Pk a1k a2k ... ak ... amk ... ... ... ... ... ... ... P a1 a2 ... a ... a m ... ... ... ... ... ... ... Pn a1n a2n ... an ... amn

Elementul a se numete element pivot. Pasul simplex comport dou operaii: 1. mprirea liniei cu elementul pivot a , obinndu-se a valorile k = k , k = 1,2,..., n. a 2. Formarea de zerouri pe coloana pivotului, cu excepia poziiei acestuia, unde rmne 1. Noua matrice va avea elementele:

a 'jk = a jk k a j , ' ak = k

j {1,..., m} { }

Pentru ca noua soluie s fie de asemenea o soluie de baz, adic cele m componente nenule s fie pozitive, trebuie s fie satisfcute inegalitile: b j a j > 0, j {1,..., m} { }.

69

Numerele bj sunt pozitive. Pentru ca inegalitile s fie satisfcute, pentru > 0 trebuie ca a j > 0 i: bj 0 < < . a j De aici rezult c numrul pozitiv trebuie s fie valoarea bj . minim pozitiv a rapoartelor a j Observaii: 1. Un vector P din afara bazei poate fi introdus n baz dac are componente pozitive. 2. Pentru fixarea vectorului P care se scoate din baz se determin numrul pozitiv b j b = = min +j a j a unde j ia doar valorile care corespund coeficienilor a j > 0 .

Metoda simplex prin care se realizeaz practic trecerea de la o soluie de baz la alta, adic de la un tabel simplex la urmtorul cuprinde urmtoarele etape: 1. Fixarea vectorului P care se introduce n baz. bj 2. Calcularea rapoartelor pozitive pentru determinarea a j valorii minime a acestora care corespunde numrului , n funcie de care se stabilete vectorul care iese din baz, adic P. 3. mprirea liniei cu elementul pivot, care corespunde acum vectorului P , adic:

b ak = , k = a a

4. Determinarea elementelor de pe celelalte linii n noul tabel simplex, cu relaiile: b 'j = b j a j , a 'jk = a jk k a j , j { ,..., m} { }. 1

70

3.3.5 Determinarea soluiei optime


Scopul rezolvrii problemei de programare liniar este de a gsi acea soluie pentru care funcia de eficien are valoarea optim. Funcia de eficien este o funcie liniar de forma:

f = c1 x1 + c2 x 2 + ... + c n xn = c j x j
j =1

Pentru a gsi un criteriu care s indice c optimul a fost atins i nu mai este necesar schimbarea bazei, se studiaz variaia funciei de eficien la schimbarea soluiei de baz. Fie zo valoarea funciei de eficien corespunztoare primei soluii de baz:
z0 = c j x j = b j c j , avnd n vedere c x j = b j , j = 1,..., m
j =1 j =1 n m

' Fie z0 valoarea funciei f corespunztoare soluiei de baz din urmtorul tabel, adic: ' z0 = b 'j c j
j '

nlocuind b = b j a j pentru j i pentru j=, se obine: ' z0 = (b j a j a ) c j + c = b j c j + c a j c j . j j j Se noteaz cu z = a j c j i se obine:


' j

' z0

= z0 + (c z ) = z0 + , unde > 0.

' Dac > 0, atunci z0 > z0 , adic prin trecerea de la o baz la alta, valoarea funciei de eficien devine mai mare. n cazul n ' care < 0, atunci z0 < z0 , adic prin trecerea de la o baz la alta, valoarea funciei de eficien devine mai mic.

n concluzie: a) Maximizarea funciei de scop necesit:

71

1. S existe n afara bazei cel puin un vector P care s aib cel puin o component pozitiv aj > 0. 2. Vectorului P s i corespund o diferen pozitiv > 0. b) Minimizarea funciei de scop necesit: 1. S existe n afara bazei cel puin un vector P care s aib cel puin o component pozitiv aj > 0. 2. Vectorului P s i corespund o diferen negativ < 0. Se noteaz: = mulimea indicilor soluiei de baz z0 = b j c j
j

z k = a jk c j
j

k = ck z k Pentru organizarea calculelor, completeaz n felul urmtor:


Coef. Baza cj coresp. bazei c1 P1 c2 P2 ... ... c P ... ... cm Pm zk k = ck zk
Po B1 B2 ... B ... Bm z0 c1 P1 c2 P2 cm Pm

tabelul
ck Pk a1k a2k ... a k ... amk zk ck zk

anterior
c P a1 a2 ... a ... am z c z cn

se

Pn a1n a2n ... an ... amn zn cn zn

1 0 ... 0 ... 0 z1 c1 z1

0... 1... ... 0... ... 0... z2 c2 z2

0 0 ... 0 ... 1 zm cm zm

Valorile zk se obin prin nmulirea coeficienilor cj din prima coloan cu componentele vectorului Pk i adunarea produselor. Diferenele k se obin prin scderea liniei care conine valorile zk din prima linie.

72

Soluia care realizeaz optimul se obine n momentul n care sunt ndeplinite urmtoarele condiii: 1. n cazul unei probleme de maxim: - nu mai exist diferene k = ck zk > 0; - n cazul n care exist diferene k = ck zk < 0, vectorul corespunztor Pk nu are componente pozitive. 2. . n cazul unei probleme de minim: - nu mai exist diferene k = ck zk < 0; - n cazul n care exist diferene k = ck zk > 0, vectorul corespunztor Pk nu are componente pozitive.

3.3.6 Exemple
Exemplul 3.3.1: Problem de maxim
2 x1 + 5 x 2 + 3x3 8 4 x1 + 3x 2 + 8 x3 16 x j 0, j = 1,3 max f = 2 x1 + 6 x 2 + 2 x3

Prin introducerea necunoscutelor artificiale x4 i x5 se aduce problema la forma standard:


2 x1 + 5 x 2 + 3 x3 + x 4 = 8 4 x1 + 3 x 2 + 8 x3 + x5 = 16 x j 0, j = 1,3 max f = 2 x1 + 6 x 2 + 2 x3

Se completeaz tabelul:

73

cj j
0 0

Baza

Po
8 16 0 -

2 P1 2 4 0 2

6 P2

2 P3 3 8 0 2

0 P4 1 0 0 0

0 P5 0 1 0 0

bj a j 8/5 16/3

zk k = ck zk

P4 P5

5 3 0 6

Valoarea maxim a diferenelor k este 6, deci P2 intr n bj 8 este = , deci P4 iese baz. Valoarea minim a rapoartelor a j 5 din baz. Pivotul este elementul de pe linia lui P4 i coloana lui P2 , adic 5. Se mparte prima linie cu elementul pivot, adic cu 5 i se obine:

cj j

Baza

P5

Po 8/5 16

2 P1 2/5 4

6 1 3

2 P3 3/5 8

0 P4 1/5 0

0 P5 0 1

L1/5 L2 3L1

Din linia 2 se scade prima linie nmulit cu 3 i se obine:

cj j
6 0

Baza

Po
8/5 56/5 48/5 -

2 P1 2/5 14/5 12/5 - 2/5

6 P2 1 0 6 0

2 P3 3/5 31/5 18/5 - 8/5

0 P4 1/5 - 3/5 6/5 - 6/5

0 P5 0 1 0 0

bj a j

zk k = ck zk

P2 P5

Nu mai exist diferene > 0, deci s-a obinut soluia:

74

8 56 x1 = 0, x 2 = , x3 = 0, x 4 = 0, x 5 = 5 5 8 48 f max = 2 0 + 6 + 2 0 = 5 5

Exemplul 3.3.2: Problem de minim


x1 + 2 x2 + 3x 3 = 15 2 x1 + x2 + 5 x3 = 20 x + 2 x + x + x = 10 1 2 3 4 x j 0, j = 1,4 min f = x1 2 x2 3x3 + x4 Problema este dat n forma standard. Pentru aflarea unei soluii de baz se utilizeaz metoda eliminrii totale GaussJordan. 3 0 15 1 2 3 0 15 L 2 L 1 2 L :( 1) 2 1 5 0 20 0 3 1 0 10 1 2 1 1 10 L L 0 0 2 1 5 1 7 0 0 15 1 2 3 0 15 L 3L 0 3 1 0 10 0 3 1 0 10 0 0 2 1 5 L + 2 L 0 6 0 1 15 S-a obinut soluia de baz format din vectorii P1, P3, P4. Se construiete urmtorul tabel simplex: -1 -2 -3 1 cj bj j Baza Po P1 P2 P3 P4 a
2 1 2 3 1 1 2 3 2

-1 -3 1

zk k = ck zk

P1 P3 P4

- 15 10 15 0 -

1 0 0 -1 0

-7 3 6 4 -6

0 1 0 -3 0

0 0 1 1 0

10/3 15/6

75

Fiind o problem de minim se caut difenele k < 0. Exist una singur, corespunztoare vectorului P2, care devine candidat pentru a intra n noua baz. Minimul dintre 10/3 i 15/6 este 15/6, deci vectorul P4 iese din baz. Elementul pivot este cel de pe linia lui P4 i coloana lui P2, deci 6. Se mparte linia 3 cu 6, obinnduse: - 15 10 5/2 1 0 0 -7 3 1 0 1 0 0 0 1/6

Pentru a obine zerouri deasupra pivotului se fac urmtoarele operaii: L1 + 7L3 i L2 3L3 , obinndu-se noul tabel simplex: -1 -2 -3 1 cj bj j Baza Po P1 P2 P3 P4 a
j

-1 -3 -2

zk k = ck zk

P1 P3 P2

5/2 5/2 5/2 - 15 -

1 0 0 -1 0

0 0 1 -2 0

0 1 0 -3 0

7/6 - 1/2 1/6 0 1

Nu mai exist diferene negative, deci s-a obinut soluia optim, 5 5 5 x1 = , x2 = , x3 = , x4 = 0, 2 2 2 5 5 5 f min = 2 3 + 0 = 15 2 2 2

3.4 Cazuri speciale ntr-o problem de programare liniar

76

n acest paragraf se vor analiza cazuri speciale care pot s apar ntr-o problem de programare liniar: cazul soluiei infinite, degenerarea, probleme cu soluii multiple.

3.4.1 Cazul soluiei infinite


Funcia de optimizat are un maxim infinit. Este cazul n care exist o diferen k pozitiv, dar pe coloana acesteia nu exist nici un element pozitiv care s poat fi luat ca pivot.

Exemplul 3.4.1:

2 x1 + x 2 2 x1 2 x 2 2 x +x 5 1 2

x1 , x 2 0
max f = x1 x 2 Se aduce la forma standard prin introducerea variabilelor ecart: 2 x1 + x 2 + x3 = 2 x1 2 x 2 + x 4 = 2 x +x x =5 2 5 1
x1 , x 2 , x3 , x 4 , x5 0 max f = x1 x 2 Primul tabel simplex este urmtorul: 1 -1 0 cj j Baza Po P1 P2 P3

0 P4 0 1 0 0 0

0 P5 0 0 1 0 0

bj a j

0 0 0

zk k = ck zk

P3 P4 P5

2 2 -5 0 -

-2 1 -1 0 1

1 -2 -1 0 -1

1 0 0 0 0

77

Exist o singur diferen pozitiv, vectorul P1 intr n noua baz, iar singura sa component pozitiv este valoarea 1, deci vectorul P4 va iei din baz. Se alege ca pivot elementul 1 i se fac urmtoarele operaii: L1 + 2L2 i L3 + L2, obinndu-se urmtorul tabel: 1 -1 0 0 0 cj bj j Baza Po P1 P2 P3 P4 P5 a
j

6 0 -3 1 2 0 2 1 -2 0 1 0 -3 0 -3 0 1 1 2 1 -2 0 1 0 zk 0 1 0 -1 0 k = ck zk Se observ c exist o diferen pozitiv, pe coloana vectorului P2, dar toate componentele sale sunt negative, deci funcia f este nemrginit, iar problema de programare liniar nu admite soluii. P3 P1 P5

0 1 0

3.4.2 Cazul soluiei degenerate


Soluia de baz se numete degenerat dac numrul componentelor sale strict pozitive este mai mic dect m. Situaia apare cnd la introducerea n baz a unui vector exist mai multe elemente pozitive care furnizeaz acelai raport minim. n acest caz elementul pivot va fi ales acela care furnizeaz cea mai mic linie n ordine lexicografic.

Exemplul 3.4.2:

3 x1 + x2 + x3 + x4 = 6 x1 + 2 x2 + x3 + x4 = 6 2 x + x + 3x = 7 1 2 3 x1 , x2 , x3 , x4 0

max f = x1 + 4 x2 + 5 x3 + 2 x4 Se caut o soluie de baz prin metoda eliminrii totale:

78

3 1 1 1 6 1 1 1 1 2 3 3 3 L L L :3 1 2 1 1 6 1 2 1 1 6 2 1 3 0 7 2 1 3 0 7 L 2L
1 2 1 3

1 0 0
3

1 3 5 3 1 3

1 3 2 3 7 3

1 3 2 3

2 3

2 L 3 5 4 3
2

0 1 3 0 1 0 1 3

1 3 2 5 7 3

1 3 2 5

2 3

2 L 1 L 3 12 5 1 L L 3 3
1 3

1 0 0 1 0 0
3

1 5 2 5 11 5

1 5 2 5 4 5

6 5 12 5 11 5

1 1 0 1 5 5 2 2 0 1 5 5 0 0 1 4 11

6 5 12 5

L 1 L 5 2 1 L 5L
1 2

3 1 0 0 11 6 0 1 0 11 0 0 1 4 11

L 5 11 1 2 1

Dup gsirea soluiei de baz se aeaz datele n tabel: cj j 1 4 5 1 Baza P1 P2 P3 Po 1 2 1 14 P1 1 0 0 1 0 P2 0 1 0 4 0 P3 0 0 1 5 0 P4 3/11 6/11 - 4/11 7/11 15/11 4 5 2
bj a j

11/3 11/3

zk k = ck zk

Singura diferen pozitiv corespunde vectorului P4, dar rapoartele sunt egale. Prima linie este mai mic n ordine lexicografic, aladar se alege vectorul P1 care iese din baz. Elementul pivot este cel de pe linia lui P1 i coloana lui P4, adic 3/11. Se mparte prima linie cu 3/11 i se obine: 11/3 2 1 11/3 0 0 0 1 0 0 0 1 1 6/11 - 4/11

79

Se fac urmtoarele operaii: L2 - 6/11L1 i L3 + 4/11 L1. Se completeaz urmtorul tabel simplex: cj j 2 4 5 1 Baza P4 P2 P3 Po 11/3 0 7/3 19 P1 11/3 -2 4/3 6 -5 P2 0 1 0 4 0 P3 0 0 1 5 0 P4 1 0 0 2 0 4 5 2
bj a j

zk k = ck zk

S-a obinut soluia optim degenerat: 7 11 x1 = 0, x2 = 0, x3 = , x4 = , 3 3 7 11 f max = 5 + 2 = 19 3 3

3.4.3 Cazul soluiilor multiple. Soluia general


Este posibil ca problema de programare liniar s aib cel puin dou soluii distincte care conduc la aceeai valoare optim. Soluia optim general se scrie ca o combinaie liniar convex a soluiilor independente obinute. Fie X1 i X2 dou soluii optime distincte. Soluia general este de forma: X G = 1 X 1 + 2 X 2 , unde 1 , 2 0, 1 + 2 = 1. Exemplul 3.4.3: 2 x1 + x 2 2 x1 x 2 2 x +x 5 2 1
x1 , x 2 0 min f = x1 + x 2

80

Se aduce problema la forma standard: 2 x1 + x2 + x3 = 2 x1 x2 + x4 = 2 x +x +x =5 1 2 5


x1 , x2 , x3 , x4 , x5 0 min f = x1 + x2 Se alctuiete tabelul simplex:

cj j 0 0 0

Baza P3 P4 P5

Po 2 2 5 0 -

-1 P1 -2 1 1 0 -1

1 P2 1 -1 1 0 1

0 P3 1 0 0 0 0

0 P4 0 1 0 0 0

0 P5 0 0 1 0 0

bj a j 2 5

zk k = ck zk

Diferena negativ (problema este de minim) corespunde vectorului P1, iar minimul rapoartelor se realizeaz pentru P4. Se obine urmtorul tabel simplex: cj j 0 -1 0 Baza P3 P1 P5 Po 6 2 3 -2 -1 P1 0 1 0 -1 0 1 P2 -1 -1 2 1 0 0 P3 1 0 0 0 0 0 P4 2 1 -1 -1 1 0 P5 0 0 1 0 0
bj a j

zk k = ck zk

S-a obinut soluia optim: x1 = 2, x2 = 0, x3 = 6, x4 = 0, x 5 = 3


f min = 2

81

Existena mai multor diferene k = 0 dect numrul de vectori ai bazei semnific faptul c soluia nu este unic. Dac numrul de diferene nule este p > m, numrul maxim de soluii m optime este C p . Pentru a gsi celelalte soluii optime se introduc n baz, dac este posibil, vectorii Pk pentru care k = 0. n acest exemplu se introduce n baz P2 i se scoate din baz P5. cj j 0 -1 1 Baza P3 P1 P2 Po 15/2 7/2 3/2 -2 -1 P1 0 1 0 -1 0 1 P2 0 0 1 1 0 0 P3 1 0 0 0 0 0 P4 3/2 1/2 - 1/2 -1 1 0 P5 1/2 1/2 1/2 0 0 bj a j

zk k = ck zk

S-a obinut soluia optim:


7 3 15 x1 = , x2 = , x3 = , x4 = 0, x 5 = 0 2 2 2 f min = 2 Se observ c acestea sunt singurele soluii optime. Se 7 3 15 noteaz: x (1) = (2,0,6,0,3) i x (2 ) = , , ,0,0 2 2 2 Soluia general a problemei va fi: x = x (1) + x (2 ) ; , 0, + = 1, adic: 7 3 15 x = 2 + , ,6 + ,0,3 , iar fmin = - 2. 2 2 2 n general, soluia optim general nu este i soluie de baz, numrul componentelor sale nenule fiind mai mare dect m.

82

3.5 Dualitatea n programarea liniar


Prin dualitate n programarea liniar se nelege un concept conform cruia oricrei probleme de programare liniar considerat ca iniial (primal) i corespunde o alt problem, numit dual, ambele formnd un cuplu denumit cuplu de probleme duale. Dualitatea prezint interes att din punct de vedere teoretic, ct mai ales prin interpretarea economic a celor dou probleme care formeaz cuplul. Se consider dou cazuri de dualitate: - dualitatea simetric ce se refer la modele date sub forma canonic; - dualitatea nesimetric, n care modelele sunt date sub forma standard sau forma general.

3.5.1 Dualitatea simetric


Cuplul celor dou probleme duale n cadrul dualitii simetrice este:

max f = c1 x1 + c 2 x 2 + ... + c n x n

(P )

a11 x1 + a12 x 2 + ... + a1 n x n b1 a x + a x + ... + a x b 21 1 22 2 2n n 2 ... a m 1 x1 + a m 2 x 2 + ... + a mn x n b m xj 0 j = 1, n

Duala acestei probleme este:

83

min g = b1 y1 + b 2 y 2 + ... + bm y m

(D )

a11 y1 + a 21 y 2 + ... + a m 1 y m c1 a y + a y + ... + a y c 12 1 m2 m 22 2 2 ... a1 n y1 + a 2 n y 2 + ... + a nm y m c n y i 0 i = 1, m

n cele dou modele, fiecare dintre ele poate fi considerat dualul celuilalt. ntre cele dou probleme primala (P) i duala ei (D) exist o strns legtur pus n eviden de regulile urmtoare, care permit scrierea modelului uneia dintre ele tiind modelul celeilalte: - n primal se cere maximul, iar n dual minimul (sau invers); - modelul de maxim din primal are ca restricii inegaliti de tipul , iar modelul de minim din dual are inegaliti de sens ; - matricele celor dou sisteme de restricii sunt transpuse una alteia; - termenii liberi dintr-un model sunt coeficienii din funcia de eficien ai celuilalt model, n aceeai ordine; - x1 , x2 ,..., xn sunt variabilele primale i x j 0, j = 1, n ; - y1 , y2 ,..., ym sunt variabilele duale i yi 0, i = 1, m .
x1 x X = 2 Se noteaz: ... ; x n

Y = ( y 1 , y 2 ,..., y m

b1 b b= 2 ) ; ... ; b m

84

a11 a12 ... a1n a 21 a 22 ... a 2 n c = c 1 , c 2 ,... c n ; A = ..... ..... ..... ..... . am1 am 2 ... amn Cele dou modele se scriu matriceal astfel:

[max ] f
( P ) AX b X 0

= cX

[min ]g = Yb
( D ) YA c Y 0

Legtura dintre cele dou modele ale cuplului dual se prezint n urmtorul tabel, n care modelul primalei se citete pe linii, iar modelul dualei pe coloane: yi y1 y2 ... ym xj x1 a11 a21 ... am1 c1 x2 a12 a22 ... am2 c2 ... ... ... ... ... ... xn a1n a2n ... amn cn

b1 b2 ... bm max min

Un alt cuplu de probleme duale sub forma canonic este urmtorul:

[min ] f
X 0

= cX

[max ]g = Yb

( P1 ) AX b

( D1 ) YA c Y 0

Exemplul 3.5.1 : Fie problema de programare liniar

85

(P )

3 x1 + x2 1 2 x1 + 6 x2 2 x1 0, x2 0

max f = 6 x1 + 3 x2 Modelul dual al acestei probleme este: 3 y + 2 y2 6 (D ) 1 y1 + 6 y2 3 y1 0, y2 0 min g = y1 + 2 y2

Exemplul 3.5.2: Pentru problema primal: x + 3x2 x3 2 (P ) 1 x1 x2 + 2 x3 1

x j 0, j = 1,3 min f = 4 x1 + 18 x2 + 6 x3 Modelul dual este:

(D )

y1 y2 4 3 y1 y2 18 y + 2 y 6 1 2 y1 0, y2 0 max g = 2 y1 + y2

Teorema fundamental a dualitii Oricare ar fi cuplul (P), (D) de probleme duale este posibil una i numai una dintre situaiile: a) Ambele modele au optime finite i valorile optime ale funciilor obiectiv sunt egale; b) Unul dintre cele dou modele are optim infinit, iar cellalt nu are soluii realizabile; c) Nici unul dintre cele dou modele nu are soluii realizabile.

86

3.5.2 Dualitatea nesimetric


Dualitatea nesimetric se refer la modelele date sub forma standard sau sub forma general. Urmtoarele probleme sunt duale:

[max ] f

= cX

[min ]g = Yb

Urmtoarele noiuni sunt utile n stabilirea legturii dintre cele dou problemeale cuplului n cazul dualitii nesimetrice : Orice restricie cu n cazul unei probleme de maxim, respectiv o restricie cu n cazul unui model de minim se numesc restricii concordante. Orice restricie cu la un model de maxim, respectiv o restricie cu la un model de minim se numesc restricii neconcordante. Legturile dintre problema primal i cea dual sunt urmtoarele : Unul dintre modele cere maximul funciei obiectiv, iar cellalt minimul; Matricele sistemelor de restricii sunt transpuse una alteia; Termenii liberi din restriciile unui model sunt coeficienii funciei de eficien din cellalt, pstrndu-se ordinea; Fiecrei restricii concordante dintr-un model i corespunde o variabil n cellalt model care se supune condiiei de nenegativitate 0; Fiecrei restricii neconcordante dintr-un model i corespunde o variabil n cellalt model care se supune condiiei de nepozitivitate 0; Fiecrei restricii de egalitate dintr-un model i corespunde o variabil liber n cellalt model. 87

( P ) AX = b X 0

( D ) YA c Y oarecare

Exemplul 3.5.3: Fie problema de programare liniar:

(P )

x1 + x2 + 2 x3 10 x1 + 2 x2 + 3 x3 9 x + x + x = 15 1 2 3 x j 0, j = 1,3

[max] f = x1 + 2 x2 + 5 x3 Modelul dual al acestei probleme este: y1 + y2 + y3 1 (D ) y1 + 2 y2 + y3 2 2 y + 3 y + y 5 2 3 1 y1 0, y2 0, y3 oarecare [min]g = 10 y1 + 9 y2 + 15 y3 Duala s-a scris n conformitate cu regulile de mai sus. Variabilele x j 0, j = 1,3 din (P), fiind nenegative, toate cele trei restricii din modelul dual sunt concordante i, fiind problem de minim, vor fi cu semnul . Avnd n vedere restriciile din problema primal, se deduc urmtoarele: - prima restricie fiind concordant, variabila y1 se supune condiiei de nenegativitate, adic y1 0. - restricia a doua fiind neconcordant, variabila y2 este nepozitiv, adic y2 0. - cea de a treia restricie a modelului primal fiind de egalitate, variabila y3 este liber.

3.6 Programarea transporturilor


Problemele de transport s-au impus datorit multiplelor posibiliti de aplicabilitate pe care le ofer n diverse sectoare ale activitii economice, cum ar fi: 88

transporturi de bunuri de la beneficiari la consumatori; proiectare de canale n agricultur; proiectare de canale de informaii; proiectare de linii transportatoare de energie; proiectare de depozite de la care aprovizionarea s se fac n condiii optime (ca timp i cost); repartizarea optim a necesarului de producie pe utilaje (maini), secii, etc.; optimizarea unor probleme de producie i stocare; proiectarea traseelor mijloacelor de transport goale ctre centrele de aprovizionare, astfel nct cheltuielile pentru deplasrile n gol s fie minime.

3.6.1 Problema de transport. Modelul matematic


Un produs omogen este depozitat n centrele de expediie A1, A2, ..., Am n cantitile a1, a2, ..., am i se cere s fie transportat n centrele de consum B1, B2, ..., Bn n cantitile b1, b2, ..., bn. Se cunosc costurile unitare de transport cij , i = 1, m, j = 1, n de la depozitul Ai la centrul de consum Bj. Rezolvarea problemei de transport const n determinarea unui plan optim de transport de la depozite la consumatori astfel nct costul total al transporturilor s fie minim. Se cere deci determinarea cantitilor xij , i = 1, m, j = 1, n transportate pe toate rutele, astfel nct s se realizeze un cost minim de transport. Datele problemei se aranjeaz n tabelul urmtor: Disponibil B B1 B2 ... Bn A A1 c11 c12 c1n a1 x12 x1n x11 A2 c21 c22 c2n a2 x21 x22 x2n ...

89

Am Necesar

cm1 b1

xm1

cm2

xm2 b2

cmn

xmn bn
n

am
ai
m

i =1

j =1

bj

Costul transportului a xij uniti de produs de la depozitul Ai la centrul Bj este egal cu cij xij , deci costul total de la toate depozitele Ai (i = 1, m ) la toate centrele de desfacere B j ( j = 1, n ) va
m n i =1 j =1

fi egal cu f = cij xij . n practic aceste probleme pot fi de dou feluri: 1. Problem echilibrat, unde ai = b j , adic necesarul
i =1 j =1 m n

pentru toate centrele de consum este egal cu totalul expediat din toate centrele de depozitare; 2. Problem neechilibrat, unde ai b j .
i =1 j =1 m n

Pentru ambele cazuti, din necesitatea de a avea sens din punct de vedere economic, trebuie ndeplinite condiiile: xij 0, (i = 1, m, j = 1, n ), cantitile transportate fiind nenegative. Disponibilul i necesarul sunt de asemenea mrimi nenegative, ai 0, b j 0 (i = 1, m, j = 1, n ). Condiia de echilibrare implic transportul integral al disponibilului ctre centrele de consum, ceea ce nseamn ndeplinirea condiiilor: x11 + x12 + ... + x1n = a1 x + x + ... + x = a n 21 22 2n 2 sau xij = ai , i = 1, m ..................................... j =1 xm1 + xm 2 + ... + xmn = am

90

Condiia de satisfacere integral a cererii tuturor centrulor de consum nseamn ndeplinirea condiiilor: x11 + x21 + ... + xm1 = b1 x + x + ... + x = b m 12 m2 22 2 sau xij = b j , j = 1, n i =1 ..................................... x1n + x2 n + ... + xmn = bn Modelul matematic al problemei de transport este urmtorul: (1) min f = cij xij
i =1 j =1 m n

cu condiiile: (2) (3)


j =1 m

xij = ai , i = 1, m

(4) xij 0, (i = 1, m, j = 1, n ). Problema de transport este o problem de programare liniar cu variabilele xij n numr de mn, care satisfac restriciile liniare (2) i (3), condiiile de nenegativitate (4) i fac minime cheltuielile totale de transport f, unde f este o funcie liniar n variabilele xij. O condiie necesar pentru compatibilitatea sistemului de ecuaii (2) i (3) este ca xij = xij , ceea ce nseamn
i =1 j =1 j =1i =1 i =1 m n n m

i =1

xij = b j , j = 1, n

ai = b j , care reprezint condiia de echilibru.


j =1

Problema de transport, privit ca o problem de programare liniar se poate rezolva cu algoritmul simplex, dar aceast rezolvare devine dificil din cauza numrului mare de variabile i restricii. Avnd n vedere forma particular a problemei de transport n care toi coeficienii variabilelor xij sunt egali cu 1 n restricii, exist ali algoritmi de rezolvare a acestei probleme.

91

Mulimea soluiilor realizabile ntr-o problem de transport nu este vid. Orice problem de transport are o soluie realizabil m n ai b j de forma: xij = , i = 1, m, j = 1, n, T = ai = b j . T i =1 j =1 n general aceast soluie nu este optim. Sistemul (2), (3) este ntotdeauna compatibil. Matricea coeficienilor restriciilor liniare (2), (3) are rangul m + n 1. O soluie realizabil de baz ntr-o problem de transport are cel mult m + n 1 componente nenule, fiind nedegenerat n cazul n care are exact m + n 1 componente nenule i degenerat cnd numrul componentelor nenule este mai mic dect m + n 1. O observaie important o constituie faptul c dac ai i bj sunt numere naturale, atunci valorile variabilelor xij sunt numere naturale n orice soluie realizabil de baz i deci i soluia optim are numai componente numere naturale.
Exemplul 3.6.1: Fie depozitele A1, A2, A3 n care se afl cantitile de acelai produs (n mii tone) a1 = 70, a2 = 10, a3 = 20. Pentru patru centre de consum B1, B2, B3, B4 sunt necesare respectiv cantitile: b1 = 50, b2 = 25, b3 = 15 i b4 = 10. Costurile unei mii tone de produs transportate de la Ai la Bj sunt valorile cij din tabelul de mai jos:

B A A1 A2 A3 Necesar 3

B1 2 x11 1 x21 3 x31 50 5 2

B2 2 x12 3 x22 2 x32 25

B3 4 x13 4 x23 1 x33 15

B4 x14

Disponibil 70 10

x24 20 x34 10 100 100

92

Se cere s se determine un plan optim de transport, adic valorile xij 0, i = 1,2,3, j = 1,2,3,4, astfel nct costul total al transportului s fie minim. Modelul matematic al problemei este urmtorul:
min f = 3 x11 + 2 x12 + 2 x13 + 4 x14 + x21 + 2 x22 + 3 x23 + 4 x24 + 3 x31 +

+ 5 x32 + 2 x33 + x34 cu condiiile: x11 + x12 + x13 + x14 x21 + x22 + x23 + x24 x11 x12 x13 + x21 + x22 + x23 + x24 + x31 + x32 + x33

= 70 = 10 x31 + x32 + x33 + x34 = 20 = 50 = 25 = 15 + x34 = 10

x14 xij 0, i = 1,2,3, j = 1,2,3,4

Matricea A a sistemului de restricii este: 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 A = 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 Rangul matricei A este r(A) = m + n 1 = 3 + 4 1 = 6, deci o soluie de baz are cel mult 6 componente nenule. Modelul matriceal al problemei este:

93

min f = cX AX = d X 0

, unde

c = (3,2,2,4,1,2,3,4,3,5,2,1) d = (70,10,20,50,25,15,10 )
t

X = ( x11 , x12 ,..., x34 )


t

Modelul de mai sus este modelul unei probleme de programare liniar. Algoritmul de rezolvare a problemei de transportpresupune dou etape: 1. Aflarea unei soluii iniiale realizabile de baz; 2. mbuntirea soluiei iniiale pn la obinerea soluiei optime, dup mai multe iteraii.

3.6.2 Metode de gsire a soluiilor iniiale de baz ntro problem de transport


1. Metoda colului Nord-Vest Metoda este descris pe exemplul 3.6.1. Se ncepe din colul de Nord-Vest, adic din csua (1,1), creia i corespunde x11 = min{50,70} = 50 Pe prima coloan necesarul este satisfcut, deci: x21 = x31 = 0 (B2) (B3) (B4) (B1) 3 2 2 4 70/20 (A1) 50 20 (A2) 1 2 3 4 10/5 5 5 (A3) 3 5 2 1 20/10 10 10 50 25/5 15/10 10 Pe prima linie au rmas 20 mii tone disponibile din cele 70, care vor fi plasa te n csua (1,2) deoarece x12 = min{20,25}=20. Depozitul A1 i-a epuizat resursele, deci: x13 = x14 = 0 Se pornete acum din csua (2,2), unde:

94

x22 = min{10,5}=5. Rezult x32 = 0. A2 are nc un disponibil de 5 mii tone pe care le repartizeaz centrului B3, deoarece min{5,15} = 5, deci x23 = 5. Astfel A2 i-a epuizat resursa, deci x24 = 0. Centrul de consum B3 mai are nevoie de 10 mii tone, care vor fi repartizate n csua (3,3), adic x33 = 10. Se ia x34 = min{10,10}=10. S-a obinut soluia iniial de baz, notat cu X0: 50 20 5 5 10 10 cu 6 componente strict pozitive, deci nedegenerat: x14 = 0 x11 = 50 x12 = 20 x13 = 0 x22 = 5 x23 = 5 x24 = 0 x21 = 0 x32 = 0 x33 = 10 x34 = 10 x31 = 0 Valoarea funciei de eficien pentru aceast soluie este: f(X0) = 350 + 220 + 25 + 35 + 210 + 110 = 245 2. Metoda costului minim al matricei Procedeul de repartizare are drept criteriu costul minim. Se pornete de la csua (3,4) creia i corespunde costul minim egal cu 1, deci x34 = min{20,10}=10. Din resursa A1 rmn 10 mii tone de repartizat, iar x24 = x14 = 0 (B2) (B3) (B4) (B1) 3 2 2 4 70/45/30 (A1) 30 25 15 (A2) 1 2 3 4 10 10 (A3) 3 5 2 1 20/10 10 10 50/40/10 25 15 10

95

Se trece la csua cu costul imediat egal sau superior, adic (2,1), lund x21 = min{10,50}=10, iar x22 = x23 = x24 = 0 Se trece la csua (1,2), lund x12 = min{70,25}=25, iar x22 = x32 = 0 Se trece la csua (1,3) i se ia x13 = min{45,15}=15, iar x23 = x33 = 0 n csua (1,1) se pune: x11 = min{30,40}=30, iar x14 = 0. n final, x31 = min{10,10}=10. Se obine soluia iniial de baz nedegenerat: 30 10 10 25 15 10

Pentru determinarea soluiei iniiale de baz mai exist i alte metode, cum ar fi: metoda costului minim pe linie, metoda costului minim pe coloan, etc., aceste metode fiind diferite de cele expuse doar prin ordinea de abordare a csuelor care urmeaz a se completa.

3.6.3 Determinarea soluiei optime a problemei de transport prin metoda potenialelor


Metoda potenialelor se bazeaz pe urmtoarea teorem:

Teorema 3.6.2: Fiecrei componente xij din soluia de baz i corespunde perechea de numere (ui, vj) astfel nct ui + vj = cij. Pentru variabilele nebazice se noteaz cij = ui + v j , soluia optim
se obine cnd toate diferenele cij cij 0 .

96

Conform acestei teoreme, rezult urmtoarele etape de calcul pentru gsirea soluiei optime cnd se cunoate o soluie de baz: 1. Se rezolv sistemul: ui + vj = cij pentru costurile cij corespunztoare componentelor nenule ale soluiei iniiale de baz. 2. Se calculeaz sumele cij i se efectueaz diferenele cij cij pentru costurile cij corespunztoare componentelor nule ale soluiei. 3. Se aplic criteriul de optim: dac toi cij cij 0 , soluia este optim; dac exist cel puin un cij cij > 0 , se alege max{ cij cij > 0 } i se modific soluia, formnd ciclul celulei goale, corespunztoare maximului ales.

Definiia 3.6.3: Se numete ciclu corespunztor unei celule libere o succesiune de celule ocupate, dou cte dou alturate pe aceeai linie, respectiv pe aceeai coloan, cu treceri alternative pe linii i coloane, succesiunea ncepnd imediat dup csua liber i terminndu-se n vecintatea aceleiai csue libere. ntr-un ciclu se marcheaz alternativ cu + i celulele, ncepnd cu celula liber. Pentru mbuntirea soluiei se determin valoarea minim a valorii xij din csuele marcate cu . Apoi valoarea minim se adun la valorile xij din csuele marcate cu + i se scade din valorile xij din csuele marcate cu . Prin acest procedeu se obine o soluie mai bun dect cea de la care s-a plecat. Funcionarea algoritmului se ilustreaz pe exemplul 3.6.1, unde s-a determinat soluia de baz prin metoda colului de NordVest:

97

3 50 1 3 50

2 20 2 5 5 25

2 3 5 2 10 15

4 4 1 10 10

70 10 20

Se formeaz sistemul ui + vj = cij pentru fiecare xij din baz: u1 + v1 = 3 u + v = 2 1 2 u2 + v2 = 2 u2 + v3 = 3 u3 + v3 = 2 u 3 + v4 = 1 Sistemul obinut este ntotdeauna compatibil nedeterminat, avnd m + n 1 = 6 ecuaii i m + n = 7 necunoscute. Se alege v1 = 0 i se obin celelalte valori: u1 = 3, v2 = - 1, u2 = 3, v3 = 0, u3 = 2, v4 = - 1. Se alctuiete un tabel n care se trec valorile cij corespunztoare componentelor xij = 0: 0 -1 0 -1 vj ui 3 3 2 3 3 2 2 2 1 Tabelul corespunztor diferenelor cij cij este urmtorul: 1 2 -1 -4 -2 -2

98

ntruct nu toate diferenele cij cij 0 , soluia de baz nu este optim. Se caut max{ cij cij > 0 }=max{1,2}=2, corespunztor diferenei c21 c21 . Se ia x21 = i se obine urmtorul tabel pentru aflarea ciclului corespunztor celulei (2,1): 50 20 + 5 5 10 10 Avnd n vedere c noua soluie de baz trebuie s conin numai elemente pozitive, = min{5,50}=5. Se obine astfel soluia de baz X1, nedegenerat: 45 25 5 5 10 10 Valoarea funciei de eficien pentru soluia X1 este f(X1) = 345 + 225 + 15 + 35 + 210 + 110 = 235 Se observ c f(X1) < f(X0). Cu soluia X1 se procedeaz la fel ca i cu soluia iniial: se determin ui i vj pentru xij > 0 din soluia de baz X1, prin rezolvarea sistemului: u1 + v1 = 3 u + v = 2 1 2 u 2 + v1 = 1 u2 + v3 = 3 u3 + v3 = 2 u 3 + v4 = 1 Se alege v1 = 0 i se obin celelalte valori: u1 = 3, v2 = - 1, u2 = 1, v3 = 2, u3 = 0, v4 = 1. Matricea valorilor cij corespunztoare componentelor xij=0:

99

ui 3 1 0

vj

-1 0 -1

2 5

1 4 2

Tabelul corespunztor diferenelor cij cij este urmtorul: 3 -3 -2 -6 0 -2

Deoarece exist o diferen pozitiv, c13 c13 = 3 , soluia X1 nu este optim. Se ia x13 = i se obine ciclul din tabelul urmtor: 45 25 5+ 5 10 10 Noua soluie se obine pentru = min{5,45}=5. Soluia X2 este: 40 25 5 10 10 10 Valoarea funciei de eficien pentru soluia X2 este f(X2) = 340 + 225 + 25 + 110 + 210 + 110 = 220. Cu soluia X2 se procedeaz la fel ca i cu soluia iniial: se determin ui i vj pentru xij > 0 din soluia de baz X2, obinndu-se valorile: u1 = 3, u2 = 1, u3 = 3, v1 = 0, v2 = - 1, v3 = - 1, v4 = - 2. Se alctuiete tabelul n care se trec valorile cij corespunztoare componentelor xij = 0:

100

ui 3 1 3

vj

0 3 1 3

-1 2 0 2

-1 2 0 2

-2 1 -1 1

Tabelul corespunztor diferenelor cij cij este urmtorul: -2 -3 0 -3 ntruct toate diferenele cij cij 0 , soluia X2 este optim i fmin = f(X2) =220. -3 -5

3.6.4 Soluii multiple


Dac matricea diferenelor cij cij corespunztoare soluiei optime nu conine nici un element strict pozitiv, dar conine i alte diferene nule dect cele corespunztoare variabilelor de baz, problema mai are i alte soluii optime. De exemplu, n ultimul tabel apare c31 c31 = 0 , iar x31 nu este nul. Aceasta nseamn c mai exist o soluie optim care conine x31 i care se obine din X2 efectund ciclul lui (3,1): 40 25 5+ 10 5 10 10 Pentru = 10 se obine soluia optim X2: 30 25 15 10 10 10 Valoarea funciei de eficien pentru soluia X2 este f(X2) = 330 + 225 + 215 + 110 + 310 + 110 = 220. Dac dou soluii X2 i X2 ale unei probleme de programare liniar, n particular, de transport, sunt optime, atunci orice 101

combinaie liniar convex a lor este de asemenea o soluie optim pentru problema respectiv. Adic soluia: ' X = X 2 + (1 ) X 2 , 0 1 este optim.

3.6.5 Degenerarea n problema de transport


Soluia unei probleme de transport este degenerat dac are mai puin de m + n 1 valori nenule. Degenerarea apare n problemele de transport n urmtoarele situaii: cnd soluia iniial este degenerat; pe parcursul algoritmului cnd valoarea minim este atins n ambele csue notate cu . n ambele situaii se obin mai puine ecuaii dect m + n 1, deci variabilele marginale nu pot fi determinate. Pentru nlturarea acestui inconvenient se folosete metoda zerourilor eseniale. Aceasta const n transformarea unor csue libere n csue ocupate cu un 0*, numit zero esenial. Acest 0* se pune n csuele libere cu costuri minime, care nu formeaz cicluri cu csuele deja ocupate. n final, numrul total de csue ocupate trebuie s fie de m + n 1. Zerourile eseniale sunt componente bazice ale soluiei i se lucreaz cu ele ca i cu celelalte componente bazice nenule.

3.6.6 Problema de transport neechilibrat


Cazul cel mai frecvent ntlnit n practic este cel al problemei de transport neechilibrate, pentru care:
i =1

ai b j
j =1

Rezolvarea problemei de transport neechilibrate se face adugnd fie un centru fictiv de aprovizionare, fie un centru fictiv de consum, care s preia restul produsului, diferena dintre necesar i disponibil. Se consider dou cazuri:

102

1. ai > b j , caz n care se introduce un centru Bn+1 de consum,


i =1 j =1

cu necesarul bn +1 = ai b j
i =1 j =1

i toate costurile ci , n +1 = 0.

Problema devine echilibrat, cu m centre de aprovizionare i n + 1 centre de consum. Dac se obine o soluie optim, rezult c cel puin o component de pe coloana n + 1 nou adugat este diferit de zero, de exemplu xi , n +1 0. Aceasta semnific faptul c n centrul de aprovizionare Ai rmn netransportate xi , n +1 uniti de marf. 2. Dac n problema dat ai < b j , se va introduce un centru
i =1 j =1 m n

fictiv

de
n j =1

aprovizionare
m i =1

Am+1

care

deine

cantitatea

am +1 = b j ai , toate costurile cm +1, j = 0. Problema devine

echilibrat cu m + 1 centre de aprovizionare i n centre de consum. n acest caz, dac s-a obinut o soluie optim, aceasta presupune cel puin o component de pe linia m + 1 diferit de zero, adic xm +1, j 0. nseamn c un centru de consum Bj rmne cu necesarul nesatisfcut, total sau parial.

3.7 Probleme
3.7.1 Enunuri
1. S se rezolve urmtoarea problem de programare liniar:

103

[min ] f

= 2 x1 + x2 + x3 + 3 x4 + 2 x5

x1 + x4 + 2 x5 = 8 x2 + 2 x4 + x5 = 12 x + x + 3 x = 16 4 5 3 xi 0, i = 1,5

2. S se aduc la forma standard i s se rezolve problema de programare liniar : [max] f = 3x1 + 5 x2 + x3 + 6 x4


x1 + x3 + 2 x4 40 2 x1 + x2 + 3 x3 16 x + x + 2 x 48 3 1 2 xi 0, i = 1,4 3. S se arate c urmtoarea problem de programare liniar are optim infinit: [max] f = x1 + 2 x2 + 2 x3 + x4

1 x1 x3 + x4 = 1 2 x2 + x3 x4 = 1 xi 0, i = 1,4 4. S se scrie duala urmtoarei probleme de programare liniar: [min ] f = 4 x1 + 5 x2 + 6 x3


x1 + 2 x2 + x3 2 2 x1 + x2 + x3 1 xi 0, i = 1,3 5. Un meniu trebuie s conin cel puin 0,6 uniti din substana nutritiv A; 0,9 uniti din substana B; 3 uniti din substana C i 2,5 uniti din substana D. Aceste substane se gsesc n dou alimente M i N. S se determine cantitile x1 i x2 din alimentele

104

M i N, astfel nct costul meniului s fie minim, folosind datele din tabelul de mai jos: Alimente M N Necesar Substane (x1) (x2) biologic A 0,15 0 0,6 B 0 0,15 0,9 C 0,15 0,30 3 D 0,30 0,15 2,55 Pre unitar 10 4 6. La o ferm s-a planificat o suprafa de 300 ha teren arabil pentru cultivarea cu gru i porumb. Pentru cultivarea unui hectar de gru se cheltuiete n medie 350 lei, iar pentru cultivarea unui hectar de porumb 200 lei. Se presupune c recolta medie la gru este de 2500 kg/ha i la porumb este de 3250 kg/ha. Beneficiul obinut din vnzarea grului este de 0,80 lei/kg, iar al porumbului 0,50 lei/kg. n planul de cheltuieli s-a prevzut suma de 70 000 lei pentru ambele culturi. Se cere s se determine numrul de hectare x1 i x2 care trebuie cultivate cu gru i respectiv cu porumb, pentru ca beneficiul total obinut din vnzarea recoltei s fie maxim. 7. S se rezolve problema de transport echilibrat, cu datele de intrare specificate n tabelul urmtor: B A A1 A2 A3 5 x11 10 x21 7 x31 8 x32 9 x22 8 x33 B1 7 x12 5 x23 9 x34 B2 11 x13 6 x24 300 B3 4 x14 250 B4 Disponibil 400

105

Necesar

200

270

330

150 950

950

8. Un ntreprinztor deine dou puncte de prelucrare a crnii de pui (A1, A2). Produsele finite sunt comercializate n trei centre B1, B2, B3. n punctul A1 se prelucreaz 80% din ntreaga cantitate, iar n A2, restul de 20% din necesarul evaluat pentru o lun. Cantitile vndute n cele trei centre sunt de 40%, 30% i respectiv 30% din producia total. Procentele au fost calculate n funcie de puterea de cumprare a clienilor din respectivele zone. Costurile de transport se presupun a fi proporionale cu lungimile rutelor i sunt date n matricea : 5 12 7 C = 6 8 10 S se determine programul optim de transport, cu costurile minime. 9. n sursele A1, A2, A3 sunt stocate 450, 820, respectiv 530 uniti dintr-o marf care trebuie expediat consumatorilor B1, B2, B3 i B4. Cantitile solicitate sunt 300, 700, 200, respectiv 600 uniti. Se cere identificarea unui program de aprovizionare optim sub aspectul costului, n ipoteza c se mai dein urmtoare informaii : se poate folosi orice rut ; sunt suficiente capaciti de transport pe orice rut. Matricea costurilor unitare : 5 8 12 6 C = 10 7 11 4 8 9 9 10 are elemente cvasiconstante, stabilite n funcie de lungimea rutei i de tipul de drum.

3.7.2 Rspunsuri
1. x1 = 0, x2 = 8, x3 = 4, x4 = 0, x5 = 4;
f min = 20.

106

2. x1 = 0, x2 = 16, x3 = 0, x4 = 20;

f max = 200.

3. Soluia iniial de baz este x1, x2. Dup introducerea n baz a lui x4, se obine: cj j 1 2 Baza P4 P2 Po 2 3 8 1 P1 2 2 6 -5 2 P2 0 1 2 0 2 P3 -1 0 -1 3 1 P4 1 0 1 0
bj a j

zk k = ck zk

Singura diferen pozitiv este 3, pe coloana lui P3, dar acesta nu are componente pozitive, deci problema are optim infinit. 4. Problema dual este:
y1 + 2 y2 4 2 y1 + y2 5 y + y 6 1 2 y1 0, y2 0 [max]g = 2 y1 + y2

(D )

5. Modelul matematic al problemei este urmtorul: 0,15 x1 0,6 0,15 x2 0,9 0,15 x1 + 0,3 x2 3 0,3 x1 + 0,15 x2 2,55 x1 0, x2 0
= 10 x1 + 4 x2 cu soluia: x1 = 4; x2 = 9; f min = 76 .

[min ] f

107

6. Modelul matematic al problemei este urmtorul: x1 + x2 = 300 350 x1 + 200 x2 70000


= 2500 0,8 x1 + 3250 0,5 x2 200 700 , x2 = ; f max = 512500 cu soluia: x1 = 3 3 7. Problema admite urmtoarea soluie optim:

[max] f

x1 0, x2 0

200 50 0 150 0 0 250 0 0 220 80 0 Soluia nu este unic, alt soluie optim este: 170 0 80 150 0 0 250 0 30 270 0 0 Orice combinaie liniar convex a celor dou soluii este o soluie optim: 0 150 80 150 200 50 170 0 X * = 0 0 250 0 + (1 ) 0 0 250 0 , 0 220 80 30 270 0 0 0

[0,1],

f min = 5600.

8. Soluia optim este: x11 = 40, x12 = 10, x13 = 30, x21 = 0, x22 = 20, x23 = 0; f min = 690. 9. Soluia optim este: 300 150 0 0 0 550 200 70 0 0 0 530 108

cu fmin = 11410.

109

Capitolul 4 Elemente de analiz matematic


4.1 Funcii reale de o variabil real
4.1.1 Vecintate a unui punct. Punct de acumulare
Definiia 4.1.1: Fie x0 R. Mulimea: Sr(x0) = {x R | |x x0| < r} se numete interval centrat n x0 de raz r. Definiia 4.1.2: O mulime V R este o vecintate a punctului x0 dac exist un interval centrat n x0 inclus n V, x0 Sr(x0) R. Definiia 4.1.3: Fie A R. Punctul x0 se numete punct de acumulare al mulimii A dac orice vecintate a punctului x0 conine puncte din A \ {x0}.

4.1.2 Definiia funciei reale de o variabil real


Definiia 4.1.4: Funcia f : D R este o funcie real de o variabil real dac oricrui element x (argumentul funciei) din mulimea D R (domeniul de definiie) i corespunde un singur element y din R (codomeniul), astfel nct f(x) = y. Exemple:

110

f : R \ {1} R, g : (0, ) R,

2x + 3 x 1 g ( x) = ln x f ( x) =

4.1.3 Limita unei funcii ntr-un punct


Definiia 4.1.5: Fie funcia f : D R i x0 un punct de acumulare al domeniului de definiie D. Spunem c l este limita funciei f n punctul x0 dac oricare ar fi > 0, exist () > 0, astfel nct oricare ar fi x din D \ {x0} cu |x x0 | < (), rezult c |f(x) l| < , ceea ce se scrie : xlim f ( x) = l . x
0

Exemple :
lim (3 x 8) = 2
x2

2x + 3 =2 x x 1 ex 1 lim =1 x 0 x lim

4.1.4 Continuitatea unei funcii ntr-un punct


Definiia 4.1.6: Fie funcia f : D R i x0 un punct din domeniul de definiie D. Spunem c funcia f este continu n x0 dac
x x0

lim f ( x) = f ( x0 ).

Definiia 4.1.7: Fie funcia f : D R i A o submulime a lui D. Spunem c f este continu pe A dac f este continu n orice punct al mulimii A.

Se numesc funcii elementare urmtoarele funcii: Funcia putere: f : R R f(x) = xn

111

Funcia radical: f : D R , unde D = R+ pentru n par, D = R pentru n impar, f ( x) = n x . Funcia exponenial: f : R R f(x) = ax , a > 0, a 1. Funcia logaritmic: f : (0, ) R, f ( x) = log a x, a > 0, a 1. Funciile trigonometrice. Funciile trigonometrice inverse. Funciile elementare sunt continue pe domeniul de definiie. Suma, produsul, compusa a dou sau mai multe funcii elementare sunt de asemenea continue pe domeniul de definiie.

4.1.5 Derivabilitatea unei funcii ntr-un punct


Definiia 4.1.8: Fie funcia f : D R i x0 un punct din domeniul de definiie D. Spunem c funcia f este derivabil n punctul x0 dac exist i este finit limita: f ( x) f ( x0 ) lim = f ' ( x0 ). x x x x0
0

Definiia 4.1.9: Fie funcia f : D R i A o submulime a lui D. Spunem c f este derivabil pe A dac f este derivabil n orice punct al mulimii A. Formule de derivare

c'= 0 ln' x =
tg ' x =

1 x

1 cos 2 x

( x n )' = nx n 1 1 log 'a x = x ln a

( x )' = nx 1

(a x )' = a x ln a

sin' x = cos x 1 sin 2 x

cos' x = sin x

ctg ' x =

( f + g )' = f '+ g '

( f g )' = f ' g + f g '

112

f f 'g f g ' = g2 g

( f (u )) = f ' (u ) u '

Derivate de ordin superior

Derivata a doua a funciei f , dac exist, este derivata primei derivate: f ' ' = ( f ')' Derivata de ordin n a funciei f : f (n ) = f (n 1) .

Puncte de extrem Definiia 4.1.10: Fie funcia f : D R i x0 un punct din domeniul de definiie D. Spunem c x0 este punct de maxim local (minim local) dac exist o vecintate V a lui x0 astfel nct oricare ar fi x din V D, f(x) f(x0) (f(x) f(x0)). Punctele de maxim sau minim local se numesc puncte de extrem local. Teorema 4.1.11: (Fermat) Fie funcia f : D R derivabil pe domeniul de definiie D. n punctele de extrem local derivata funciei se anuleaz. Definiia 4.1.12: Fie funcia f : D R i I un interval inclus n domeniul D. Spunem c: f este strict cresctoare pe I dac oricare ar fi x1 i x2 din I cu x1<x2, f(x1) < f(x2); f este strict descresctoare pe I dac oricare ar fi x1 i x2 din I cu x1<x2, f(x1) > f(x2); f este monoton cresctoare pe I dac oricare ar fi x1 i x2 din I cu x1<x2, f(x1) f(x2); f este monoton descresctoare pe I dac oricare ar fi x1 i x2 din I cu x1<x2, f(x1) f(x2). O astfel de funcie se numete monoton pe I.

113

Teorema 4.1.13 : Fie funcia f : D R derivabil i I un interval inclus n domeniul D. Atunci: f este strict cresctoare pe I dac i numai dac f(x)>0, pentru oricare x din I; f este strict descresctoare pe I dac i numai dac f(x)<0, pentru oricare x din I; f este monoton cresctoare pe I dac i numai dac f(x)0, pentru oricare x din I; f este monoton descresctoare pe I dac i numai dac f(x)0, pentru oricare x din I. Formula lui Taylor Teorema 4.1.14: Dac f : I R este de n+1 ori derivabil pe I, a este un numr din I, atunci exist un numr c cuprins ntre a i xI, astfel nct are loc relaia: ( x a )2 f ' ' (a) + ... + ( x a )n f ( n) (a) + R xa f ( x) = f ( a ) + f ' (a) + n 1! 2! n!
Rn

( x a )n+1 = (n + 1)!

f ( n +1) (c), restul sub forma lui Lagrange.

Observaii: Formula aproximeaz orict de bine valoarea f(x) a unei funcii printr-un polinom. Cu ct n este mai mare, restul devine mai mic i aproximaia mai bun. Cu ct x este mai aproape de a, aproximaia este mai bun. Pentru a = 0 se obine formula lui MacLaurin. Exemplul 4.1.15: Fie f : R R, f ( x ) = e x , a=0. f (n ) ( x ) = e x , f (n ) (0) = 1, n N . Se obine:

114

x x2 xn e = 1+ + + ... + + Rn 1! 2! n!
x

Exemplul 4.1.16: Fie f : ( 1, ) R,


f (n ) ( x ) =
n 1

( 1) (n 1)! , (1 + x )n n 1 f (n ) (0 ) = ( 1) (n 1)!

f ( x ) = ln(1 + x ),

a = 0.

n N * , deci:

Se obine:
n x x2 x3 n 1 x ln(1 + x) = + ... + (1) + Rn 1 2 3 n

Exemplul 4.1.17: Fie f : R R, f ( x ) = sin x, a = 0 0, pentru n = 2k f ( n ) ( 0) = k (1) , pentru n = 2k + 1 2 n 1 x x3 x5 n x + ... + (1) +R sin x = (2n 1)! n 1! 3! 5!

4.2 Funcii reale de mai multe variabile reale


4.2.1 Mulimi i puncte din Rn. Vecinti
Rn = {x = (x1, x2, ..., xn) | xi R, i = 1, ..., n} Rn este un spaiu vectorial real. Definiia 4.2.1: Aplicaia d : Rn x Rn R+ se numete distan dac: 1. d(x, y) 0, (x, y) Rn x Rn, d(x, y) = 0 dac i numai dac x = y; 2. d(x, y) = d(y, x);

115

3. d(x, z) d(x, y) + d(y, z).

Exemplul 4.2.2: Dac x = (x1, x2, ..., xn) i y = (y1, y2, ..., yn) sunt elemente din Rn, atunci d(x, y) verific axiomele distanei, unde:
2 d ( x, y ) = ( x i y i )
i =1 n

Pentru n = 1 d(x, y) = |x y| Pentru n = 2 d ( x, y ) =

(x1 x2 )2 + ( y1 y 2 )2

Definiia 4.2.3: Fie x0 un element din Rn i r > 0. Mulimea Sr(x0) = {x Rn | d(x, x0) < r} se numete sfer deschis cu centrul n x0 i de raz r (sau hipersfer). Definiia 4.2.4: O mulime V Rn este o vecintate a punctului xo exist o sfer deschis cu centrul n xo inclus n V. Definiia 4.2.5: Fie A Rn. Punctul x0 se numete punct de acumulare al mulimii A dac orice vecintate a punctului xo conine puncte din A \ {xo}.

4.2.2 Funcii de dou variabile


Definiia 4.2.6: Fie R2 = {x = (x1, x2) | x1, x2 R}, A R2 . Funcia f : A R este o funcie real de dou variabile reale. Exemple 4.2.7:
a) Funcia de eficien f(x,y) = c1x + c2y, x,y 0 dintr-o problem de programare liniar. b) Fie p preul de cost pentru produsul X n uniti date, v venitul mediul al unui consumator i x cantitatea din produsul X cerut pe

116

pia n uniti date. Atunci x este o funcie de p i v, care poate fi scris ca o funcie de dou variabile: x = f(p,v), unde p,v > 0. c) Notnd cu V venitul naional, cu x orele de munc productiv prestate, cu y fondurile fixe angajate n producie, se poate scrie funcia de dou variabile: V(x,y) = kxy, unde k, , sunt constante, iar x > 0, y > 0. Aceast funcie se numete funcia de producie de tip Coob-Douglas.

4.2.3 Limite i continuitate pentru funcii de dou variabile


Definiia 4.2.8: Fie A R2, funcia f : A R i punctul (a,b), punct de acumulare al mulimii A. Spunem c l este limita funciei f n punctul (a,b) dac oricare ar fi > 0, exist () > 0, astfel nct oricare ar fi (x,y) din A \ {(a,b)} cu |x a | < () i |y b | < (), rezult c |f(x,y) l| < , ceea ce se scrie lim f ( x, y ) = l.
x a y b

Exemple 4.2.9 :
( x , y )(2,1

lim

(x )

+ xy + y 2 = 7

sin xy sin xy = lim y =2 ( x , y )(0, 2 ) x ( x , y )(0, 2 ) xy lim

Definiia 4.2.10: Fie A R2 i funcia f : A R. Spunem c funcia f este continu n punctul (a,b) A dac lim f ( x, y ) = f (a, b ).
x a y b

Exemplul 4.2.11 : S se studieze continuitatea funciei f : R 2 R n punctul (0,0) :

117

1 1 + x2 + y2 , ( x, y ) (0,0 ) f ( x, y ) = x2 + y2 0, ( x, y ) = (0,0) Funcia nu este continu n (0,0) pentru c:


1- 1+ x2 + y2 lim f ( x, y ) = lim = ( x , y ) ( 0 , 0 ) ( x , y ) ( 0 , 0 ) x2 + y2 = = =
( x , y ) ( 0 , 0 )

lim lim lim

( x , y ) ( 0 , 0

)( (x + y ) ) (x + y )( + 1 + x 1 (x
2 2 2 2 2 2

1 1 x2 y2
2 2

+ y 1+ 1+ x + y
2

+ y2

)=

1 = f (0,0 ) ( x , y ) ( 0 , 0 ) 1 + 1 + x 2 + y 2 2

Definiia 4.2.12: Fie funcia f : D R i A o submulime a lui DR2. Spunem c f este continu pe A dac f este continu n orice punct al mulimii A.

4.2.4 Derivate pariale


Definiia 4.2.13: Fie A R2 , funcia f : A R, i (a,b) A. Spunem c funcia f este derivabil parial n raport cu x n punctul (a,b) dac exist i este finit limita: f ( x, b ) f (a, b ) f (a, b ) = f x' (a, b ) = . lim x a xa x fx(a,b) se numete derivata parial de ordinul nti a funciei f n raport cu variabila x n punctul (a,b). Definiia 4.2.14: Fie A R2 , funcia f : A R, i (a,b) A. Spunem c funcia f este derivabil parial n raport cu y n punctul (a,b) dac exist i este finit limita:

118

lim
y b

f (a, b ) f (a, y ) f (a, b ) . = f y' (a, b ) = y b y

Observaie: Cnd se calculeaz derivata parial n raport cu x, variabila y este considerat constant i se deriveaz ca i cnd ar fi o singur variabil x. Dac funcia are mai multe variabile, toate celelalte n afara celei cu care se lucreaz se consider constante.

Derivatele pariale fx i fy sunt funcii de variabile x i y. Dac exist, derivatele pariale de ordinul doi sunt urmtoarele: ' f ( x, y ) 2 f ( x, y ) ' '' f x ( x, y ) x = f x ( x, y ) = = x x x 2

(f (f (

' x

( x, y ))y
'

f ( x, y ) 2 f ( x, y ) = f ( x, y ) = = xy y x
'' xy

' y

(x, y ))x
'

f ( x, y ) 2 f ( x, y ) = f ( x, y ) = = x y yx
'' yx '' y2

f ( x, y ) 2 f ( x, y ) f ( x, y ) y = f ( x, y ) = = y y y 2 Exemplul 4.2.15: Fie funcia f : R2 R


' y

'

f ( x, y ) = 4 x 3 y 2 + 5 x 2 y 2 2 x + 3 y + 1 f x' ( x, y ) = 12 x 2 y 2 + 10 xy 2 2 f y' ( x, y ) = 8 x 3 y + 10 x 2 y + 3 f x'' ( x, y ) = 24 xy 2 + 10 y 2


2

'' f xy ( x, y ) = 24 x 2 y + 20 xy '' f yx ( x, y ) = 24 x 2 y + 20 xy

f y'' ( x, y ) = 8 x 3 + 10 x 2
2

119

Exemplul 4.2.16 : Fie funcia f : R 2 \ {(0,0 )} R


f ( x, y ) = ln x 2 + 3 y 2 2x f x' ( x, y ) = 2 x + 3y2 6y f y' ( x, y ) = 2 x + 3y2 f
'' x2

( x, y ) =

2 x2 + 3y2 4x2 + 3y 2x 6 y + 3y2 6 y 2x


2 2 2

(x

2 2

2x2 + 6 y2

(x

+ 3y2

'' f xy ( x, y ) = '' f yx ( x, y ) =

(x

= =

(x

12 xy
2

'' y2

(x + 3 y ) (x + 3 y ) ( x, y ) = 6(x + 3 y ) 6 y 6 y = 6 x 18 y (x + 3 y ) (x + 3 y )
2 2 2 2 2 2 2 2 2 2 2

+ 3y2 12 xy

2 2

Criteriul lui Schwarz: Dac funcia f : A R2 R are derivate pariale mixte de ordinul doi ntr-o vecintate V a punctului (a,b)A i dac sunt continue n (a,b), atunci are loc relaia: fxy(a,b) = fyx(a,b).

4.2.5 Funcii difereniabile


Fie funcia f : A R2 R i punctul (a,b) intA.
Definiia 4.2.17: Funcia f este difereniabil n punctul (a,b) dac exist dou numere i i dac exist o funcie : V(a,b) R continu i nul n (a,b) astfel nct, pentru orice (x,y) din A are loc relaia:

120

f ( x, y ) f (a, b ) = ( x a ) + ( y b ) + ( x, y ) ( x a ) + ( y b )
2

Teorema 4.2.18: Dac funcia f este difereniabil n punctul (a,b), atunci admite derivate pariale de ordinul nti n (a,b) i = fx(a,b) i = fy(a,b). Definiia 4.2.19: Expresia liniar: df(x,y,a,b) = (x a) fx(a,b) + (y b) fy(a,b) se numete difereniala funciei f n punctul (a,b).

Dac (x,y) = x i (x,y) = y, atunci : d(x,y) = dx = x a i d(x,y) = dy = y b. dx i dy se numesc diferenialele variabilelor independente. Difereniala funciei f se mai poate scrie: f f df = dx + dy x y Exemplul 4.2.20 : f : R 2 R, f ( x, y ) = xe x + y , punctul (1,1)
2 2

f x' ( x, y ) = e x

+ y2

+ 2x 2e x
2

+ y2

, f x' (1,1) = 3e 2

f y' ( x, y ) = 2 xye x

+ y2

, f y' (1,1) = 2e 2

df ( x, y,1,1) = 3e 2 dx + 2e 2 dy

Diferenialele de ordin superior se definesc n mod recurent prin relaia: dnf = d(dn-1f). Difereniala de ordin doi : 2 f 2 2 f 2 2 f 2 dxdy + 2 dy d f = 2 dx + 2 xy y x n general :
d f = dx + dy x y
n

(n )

f ( x, y )

121

4.2.6 Interpretri economice ale derivatelor pariale


Fie funcia f : Rn R care admite derivate pariale de ordinul nti. a) Se numete valoare marginal sau viteza de variaie a lui f n raport cu variabila xi derivata parial a acesteia n raport cu xi : f ( x1 , x 2 ,..., x n ) VM ( f , xi ) = xi b) Se numete ritm de variaie a lui f n raport ca variabila xi expresia : 1 f ( x1 , x 2 ,..., x n ) VM ( f , xi ) R ( f , xi ) = = f f xi c) Se numete elasticitate a lui f n raport cu variabila xi expresia : x f ( x1 , x 2 ,..., x n ) xi E ( f , xi ) = i = VM ( f , xi ) f xi f De exemplu, piaa de mrfuri funcioneaz conform legii cererii i ofertei. Derivata parial a unei funcii care depinde de preurile mrfurilor arat variaiile cererii cnd unul dintre preuri variaz. Dac derivata este negativ, ea indic viteza cu care scade cererea pentru marfa xi cnd preul ei crete. Elasticitatea d o informaie mai complet a variaiei cererii n raport cu preul, reprezentnd viteza descreterii relative a cererii pentru o cretere relativ a preului.

4.2.7 Derivatele funciilor compuse


Teorema 4.2.21: Dac funciile u, v : X R, X R au derivate continue pe X, dac funcia f(u,v) definit pe Y R2 are derivate pariale continue pe Y, atunci funcia compus F(x) = f(u(x),v(x)) are derivat continu pe X, dat de formula:

122

F ' (x ) =

dF f du f dv = + . dx u dx v dx

Teorema 4.2.22: Dac funciile u, v : X R, X R2 au derivate continue pe X, dac funcia f(u,v) definit pe Y R2 are derivate pariale continue pe Y, atunci funcia compus F(x,y) = f(u(x,y),v(x,y)) are derivate pariale continue pe X, date de formulele: F f u f v = + x u x v x F f u f v = + y u y v y Exemplul 4.2.23 : F(x) = f(x2+3x, cosx), x R. u = x2+3x, v = cosx. f f dF f du f dv + = (2 x + 3) sin x = F ' (x ) = u v dx u dx v dx Exemplul 4.2.24: F(x,y) = f(x2 y2, x + y), u = x2 y2, v = x + y.
F f u f v f f = + = 2x + x u x v x u v F f u f v f f = + = 2 y + y u y v y u v

4.2.8 Formula lui Taylor pentru funcii de dou variabile


Se consider funcia f : A R2 R i (a,b) un punct interior lui A. Se presupune c f este difereniabil de cel puin n + 1 ori n (a,b) i c ordinea n care se deriveaz nu conteaz (derivatele mixte de acelai ordin sunt egale).

123

Fie funcia : F(t) = f(a + t(x a), b + t(y b) ), unde (a,b), (x,y) A, t [0, 1] Pentru t = 0, F(0) = f(a,b), iar pentru t = 1, F(1) = f(x,y). Se aplic funciei F(t) formula Mac Laurin pentru funciile de o variabil : 1 1 1 F (1) = F (0 ) + F ' (0 ) + F ' ' (0 ) + ... + F ( n ) (0) + Rn 1! 2! n! 1 Rn = F (n +1) (c ), 0 < c < 1. (n + 1)! Pentru calculul derivatelor F(m)(0) se folosete formula de derivare a funciilor compuse. F(t) = f(x(t),y(t)), unde x(t) = a + t(x a), y(t) = b + t(y b)
d F (t ) = dx + dy x y
m

(m )

f ( x(t ), y (t )) = f ( x(t ), y (t ))dt m


(m )

= (x a ) + ( y b) x y

(m )

F (m ) (0 ) = ( x a ) + ( y b ) x y

f ( a, b)

Formula lui Taylor pentru funcia f(x,y) n punctul (a,b) este : 1 f ( x, y ) = f (a, b) + dx + dy f (a, b) + 1! x y
1 + dx + dy 2! x y 1 + dx + dy x n! y
(2 )

f (a, b) + ... +
(n )

f ( a, b) + Rn
(n +1)

1 dx + dy Rn = x (n + 1)! y

f (a + ( x a ), b + ( y b )), (0,1)

124

4.2.9 Extremele funciilor de dou variabile


Fie funcia f : A R2 R i (a,b) un punct al lui A. Definiia 4.2.25: Punctul (a,b) este un punct de maxim local (respectiv minim local) dac exist o vecintate V a lui (a,b) astfel nct oricare ar fi (x,y) din V are loc inegalitatea f(x,y) f(a,b) (respectiv f(x,y) f(a,b)). Aceste puncte se numesc puncte de extrem local.
Teorema 4.2.26: Dac funcia f : A R2 R are un extrem local n (a,b) i admite derivate pariale pe o vecintate a punctului (a,b), atunci derivatele pariale n acest punct sunt nule, adic fx(a,b) = fy(a,b) =0. Observaie : reciproca nu este n general adevrat. Definiia 4.2.27: Un punct (a,b) pentru care fx(a,b) = fy(a,b) =0 se numete punct staionar.

Nu toate punctele staionare sunt puncte de extrem. Cele care nu sunt puncte de extrem se numesc puncte a. Se consider formula lui Taylor sub forma : 1 f = f ( x, y ) f (a, b) = ( x a ) f x' + ( y b ) f y' (a, b ) + 1! 1 2 2 '' + ( x a ) f x'' + 2( x a )( y b ) f xy + ( y b ) f y'' (a, b ) + R3 2! Se studiaz termenul al doilea care d semnul diferenei : 2 xa 1 2 xa T2 = ( y b ) r + 2 y b s + t 2! y b

'' unde f x'' (a, b ) = r f xy (a, b ) = s f y'' (a, b ) = t


2 2

xa fie z = y b

T2 =

1 ( y b )2 z 2 r + 2 zs + t 2!

125

T2 are semn constant dac = s2 rt < 0. n acest caz : Dac r > 0, f(x,y) f(a,b), punct de minim Dac r < 0, f(x,y) f(a,b), punct de maxim.

Dac = s2 rt > 0 punctul (a,b) este punct a Dac = s2 rt = 0 nu se poate trage nici o concluzie.
Exemplul 4.2.28 : S se determine punctele de extrem ale funciei : f : R2 R, f(x,y) = x3 + y3 + 3xy f x' ( x, y ) = 3 x 2 + 3 y = 0 A(0,0), B (1,1) f y' ( x, y ) = 3 y 2 + 3 x = 0
'' f x'' ( x, y ) = 6 x f xy ( x, y ) = 3 f y'' ( x, y ) = 6 y
2 2

Pentru punctul A(0,0): r = 0, s = 3 i t = 0, deci = 9 > 0, deci A este punct a. Pentru punctul B(-1,-1): r = - 6, s = 3 i t = - 6, deci = 9 36 = 27 < 0, iar r < 0, deci B este punct de maxim local.

4.2.10 Extreme pentru funcii de mai multe variabile


Fie funcia f : A Rn R i a = (a1,a2, ...,an) un punct interior al lui A. O condiie necesar ca f = f(x1,x2,...,xn) f(a1,a2, ...,an) s aib semn constant este: f x' ( x1 , x2 ,..., xn ) = f x' ( x1 , x2 ,..., xn ) = ... = f x' ( x1 , x2 ,..., xn ) = 0 Semnul termenului de gradul II este dat de un ir de determinani extrai din matricea lui Hesse sau matricea hessian :
1 2 n

126

f x'' f x'' x ... f x'' ... f x'' x H (a1 , a2 ,..., an ) = ... ... ... f x'' x f x'' x ... Se consider minorii : f x'' f x'' x '' 1 = f x , 2 = '' , ..., n fx x f x''
2 1 1 2 2 1 2 2

n 1

f x'' x '' fx x ... f x''


1 n 2

2 n

2 1

2 1

= det (H )

2 2

Se pot obine cazurile : a) Toi determinanii 1, 2, ..., n calculai ntr-un punct staionar sunt pozitivi. Atunci punctul staionar este punct de minim. b) Semnele determinanilor alterneaz, ncepnd cu minus. Atunci punctul staionar este punct de maxim. c) Dac semnele determinanilor nu respect nici una dintre regulile de mai sus, punctul considerat nu este de extrem.
Exemplul 4.2.29 : S se determine punctele de extrem ale funciei : f(x,y,z) = x2 + y2 + z2 4x + 2y f x' = 2 x 4; f y' = 2 y + 2; f z' = 2 z
2x 4 = 0 2 y + 2 = 0 2z = 0
2 2 2

A(2,1,0)

f x'' = f y'' = f z'' = 2


'' '' '' f xy = f xz = f yz = 0

2 0 0 H = 0 2 0 0 0 2 1 = 2, 2 = 4, 3 = 8

127

Rezult c punctul A(2,-1,0) este punct de minim, valoarea minim a funciei fiind f(2,-1,0) = - 5.

4.3 Ajustarea datelor numerice


n general, un fenomen economic este deosebit de complex, depinznd de mai muli factori a cror influen determin modelarea sa matematic printr-o funcie de mai multe variabile. Evoluia fenomenului luat n studiu este observat din punct de vedere practic, obinndu-se iruri de date care constituie informaii asupra fenomenului n desfurarea sa concret. Aceste date furnizeaz informaia asupra legturii ce exist ntre variabilele independente ale fenomenului, ceea ce din punct de vedere matematic revine la gsirea dependenei funcionale, a formei analitice. Datele observate comport de obicei erori, att accidentale, datorate impreciziei msurrii, ct i sistematice, datorate unor defeciuni sau dereglri n procesul de msurare.

4.3.1 Problema
Se cunosc datele numerice culese din activitatea practic: x y x1 y1 x2 y2 ... ... xn yn

Pentru a descrie ct mai fidel fenomenul cercetat, se caut o funcie ct mai apropiat de valorile obinute experimental i care s furnizeze indicaii asupra trendului, adic asupra tendinei de desfurare a fenomenului studiat. Scopul este de a determina funcia f(x), astfel nct s se obin diferene ct mai mici ntre valorile observate yi corespunznd valorilor xi i valorile f(xi).

128

4.3.2 Metoda centrelor de greutate


Aceast metod se aplic n cazul n care punctele se aeaz aproximativ n linie dreapt. Se mpart punctele n dou clase A i B ce conin r, respectiv n r puncte.

B A

Se determin coordonatele centrului de greutate pentru clasa A, respectiv B: 1 r 1 r x A = xi , y A = yi , r i =1 r i =1 n n 1 1 xB = xi , y B = yi . n r i = r +1 n r i = r +1 Se scrie ecuaia dreptei prin dou puncte: x y 1 xA yA 1 = 0 xB y B 1 Funcia cutat este f(x) = y.

129

4.3.3 Metoda celor mai mici ptrate


Procedeul const n determinarea parametrilor ai ai funciei y = f (x, a1, a2, ..., ap), astfel nct urmtoarea sum s fie minim:
S (a1 , a2 ,..., a p ) = [yk f (xk , a1 , a2 ,..., a p )] wk
n
2

k =1

unde xk i yk sunt valorile determinate experimental, iar wk sunt ponderi. Funcia S este o funcie de p variabile reale. Pentru determinarea punctelor de minim local se determin punctele staionare din sistemul de ecuaii: S S S = 0, = 0, ..., =0 a1 a 2 a p Se consider wk = 1, iar f(x) = y = ax + b, dreapta de regresie.
S (a, b ) = (ax k + b y k )
k =1 n
2

Rezult sistemul: n S (a, b ) = 2 (ax k + b y k ) x k = 0 a k =1 S (a, b ) n = 2 (ax k + b y k ) = 0 b k =1 adic:


n n 2 n xk a + xk b = xk y k k =1 k =1 k =1 n n x a + nb = y k k k =1 k =1 1 n 1 n Se noteaz: x = x k , y = y k n k =1 n k =1 Soluia este:

130

a=

k =1 n

(x
n k =1

x yk
2

(x k x )

, b=

k =1

xk (yxk x y k )
n k =1

(x k x )
n

Exemplul 4.3.1: n ultimele trei luni, la un magazin, vnzrile au fost (n mii uniti monetare):

luna 1 2 3 valoarea 10 15 21 S se determine dreapta de regresie i s se estimeze valoarea vnzrilor n luna urmtoare. 46 x = 2; y = 3 (1 2) 10 + (2 2) 15 + (3 2) 21 = 11 a= 2 (1 2)2 + (2 2)2 + (3 2)2
46 46 46 1 2 10 + 2 2 2 15 + 3 3 2 21 3 3 3 = 13 b= 3 (1 2)2 + (2 2)2 + (3 2)2 11 13 f (x) = x + ; f (4) = 26,33 2 3

4.4 Integrale generalizate


4.4.1 Integrala Riemann
Fie intervalul [a, b] inclus n R. Definiia 4.4.1: Se numete diviziune a intervalului [a, b] un sistem finit de puncte D = (xo, x1, ..., xn), unde xi sunt din [a, b], xi < xi+1, xo = a, xn = b. xi se numesc puncte de diviziune. Se noteaz D[a,b] mulimea tuturor diviziunilor intervalului [a, b] .

131

Se numete norma diviziunii D:

D = max( xi xi 1 )
1i n

Fie f : [a, b] R, i [xi 1 , xi ], i 1, n puncte intermediare. Se numete suma Riemann asociat funciei f, diviziunii D i punctelor intermediare i :

D ( f , i ) = f ( i )( xi xi 1 )
Definiia 4.4.2: Fie f : [a, b] R. Se spune c f este integrabil Riemann pe [a,b] dac oricare ar fi irul de diviziuni ( ( Dn = x0n ) , x1(n ) ,..., x kn ) D[a ,b ] , n N *, Dn 0 i oricare ar fi
i =1

sistemul de puncte intermediare in xin1 , xin , i = 1, k n , irul sumelor Riemann D f , in n este convergent la acelai numr

( (
n

))

real I = f ( x )dx .
a

Observaie: Integrala Riemann este definit pe un interval mrginit, iar funcia care se integreaz este de asemenea mrginit.

4.4.2 Integrale improprii


Definiia 4.4.3: Fie funcia f : [a, ] R integrabil Riemann pe [c, d ] [a, ] i pentru care exist orice interval mrginit
integrala improprie de spea nti a funciei f pe intervalul [a, ] i se noteaz
a b a

lim f ( x )dx i este finit, atunci aceast limit se numete

lim f ( x )dx = b f ( x )dx


a

Observaii:
132

1. Dac limita este infinit, integrala improprie este divergent. 2. Analog se poate defini integrala cnd intervalul este nemrginit la stnga. 3. Exist integrale improprii convergente cu ambele limite infinite: f ( x )dx

Exemple 4.4.4: b b 1 1 1 1 1) I = 2 dx = lim 2 dx = lim = lim + 1 = 1, b x b x 1 b b 1 x 1 convergent.


b b 1 1 I= dx = lim dx = lim 2 x = lim 2 b 2 = , 2) 1 b b b x x 1 1 divergent.

3) Cazul general: a) Pentru

dx , a > 0, > 0. a x
b

b dx dx x +1 = lim lim = b = b +1 a a x a x

pt. < 1 1 1 1 1 = lim = pt. > 1 1 b b 1 a 1 ( 1)a 1 b) Pentru = 1 b dx dx b b lim lim lim = b = b ln x a = b ln = . a a x a x

Definiia 4.4.5: Fie f : [a, b ) R nemrginit ntr-o vecintate a lui b, dar mrginit i integrabil Riemann pe orice subinterval
nchis [a, c ] [a, b ). Dac exist i este finit limita: lim f ( x )dx c b
a c

133

atunci aceast limit se numete integrala improprie de spea a doua a funciei f pe intervalul [a, b).

Observaie: Dac limita este finit, integrala se spune c este convergent. Dac limita este infinit, integrala se spune c este divergent. Punctul n care funcia este nemrginit poate fi cel din stnga intervalului sau unul interior intervalului, adic: f : [a, b] \ {c} R
b a

f ( x )dx = f ( x )dx + f ( x )dx


a c

care este convergent dac ambele integrale improprii din membrul drept sunt convergente.

Exemple 4.4.6: 1) Integral improprie convergent: 1 b dx dx b = lim = lim(arcsin x) 0 = 2 b 1 0 0 1 x 1 x 2 b1 b <1


= lim(arcsin b arcsin 0) = arcsin 1 =
b 1

2) Integral improprie divergent: 5 5 dx dx 5 = lim = limln( x 2 ) a = a 2 x 2 a 2 2 x2 a>2 a a>2

= lim(ln 3 ln(a 2)) =


a 2 a>2

4.4.3 Funcia Gamma (integrala sau funcia Euler de spea a doua)


Definiia 4.4.7: Se numete funcie Gamma, funcia definit pentru orice a > 0 prin relaia:

134

(a ) = x a 1e x dx
0

Observaii: 1. Dac a 1, funcia Gamma are singularitate doar n dreapta, unde intervalul de integrare este infinit. 2. Dac 0 < a < 1 , integrala are singularitate i la captul din stnga, n vecintatea lui 0 funcia de sub integral fiind nemrginit. Teorema 4.4.8: Integrala improprie care definete funcia Gamma este convergent pentru orice a > 0. Proprieti
1) (1) = 1

2) (a + 1) = a(a ) 3) (n + 1) = n! pentru n N 4) (a ) (1 a ) =
0

sin a
2

5) (a ) = 2 t 2 a 1e t dt

Aplicaii: 1 1) = , rezult din proprietatea 4) dac se nlocuiete a 2 cu 1/2. 2) Dac n proprietatea 5) se nlocuiete a cu 1/2 rezult integrala Euler-Poisson:
0 t e dt =
2

de unde: e x dx = .
2

Exemple 4.4.9:
I=
0 3 x 2 e x dx

5 3 3 3 1 1 3 3 = + 1 = = = = 2 2 2 2 2 2 4 2

135

I = ( x 1) e
1

5 1 x

dx = t 5 e t dt = (6 ) = 5!= 24
0

x 1 = t ; dx = dt x = 1 t = 0; x t

4.4.4 Funcia Beta (integrala sau funcia Euler de spea nti)


Definiia 4.4.10: Se numete funcie Beta, funcia defnit pentru orice a, b > 0 prin relaia:
B(a, b ) = x a 1 (1 x )
0 1 b 1

dx,

a, b > 0 .

Observaii: Integrala ce definete funcia Beta este improprie pentru a < 1 sau b < 1. n cazul n care este improprie se demonstreaz c este convergent. Proprieti:
1) B(a, b ) = B(b, a ) a 1 B(a 1, b ) pt. a > 1, b > 0 a + b 1 b 1 B(a, b 1) pt. a > 0, b > 1 3) B(a, b ) = a + b 1 (a 1)(b 1) B(a 1, b 1) pt. a > 1, b > 1 4) B(a, b ) = a+b2 (a )(b ) 5) B(a, b ) = (a + b ) 2) B(a, b ) =

Exemplul 4.4.11:

136

I = x 8 1 x 3 dx
0

x 3 = t ; 3x 2 dx = dt x = 0 t = 0; x = 1 t = 1 11 1 1 (3)(6 ) 1 2!5! 1 5 I = t 2 (1 t ) dt = B(3,6 ) = = = 30 3 3 (9 ) 3 8! 504

137

Capitolul 5 Elemente de teoria grafurilor


Teoria grafurilor este o ramur relativ nou a matematicii care ofer soluii ntr-o gam larg de probleme cu caracter economic. Prima referire la teoria grafurilor a fost fcut de matematicianul elveian Euler, n 1736, ntr-o lucrare numit problema podurilor din Knigsberg, apoi Kirchoff, n 1847 abordeaz teoria reelelor electrice prin metoda grafurilor. n 1956 Ford i Fulkerson aplic teoria grafurilor n reelele de transport. Dup aceast perioad, teoria grafurilor s-a constituit ca un instrument puternic de rezolvare a unor probleme concrete, cum ar fi: proiectarea reelelor electrice, de strzi, ap, gaz, tehnic de calcul, medicin.

5.1 Definiii
Definiia 5.1.1: Prin graf se nelege un cuplu format din dou mulimi: N mulimea nodurilor sau vrfurilor i L mulimea liniilor sau muchiilor, care sunt perechi de vrfuri. Se noteaz G(N, L). Dac perechile din L sunt ordonate, graful se numete graf orientat, iar perechile de vrfuri se numesc arce. Exemplul 5.1.2: N = {x1, x2, x3, x4, x5, x6, x7} L = {(x1, x2), (x1, x4), (x1, x5), (x2, x3), (x2, x6), (x3, x1), (x4, x6), (x5, x3), (x6, x5)}

138

G(N, L) se poate reprezenta printr-o imagine grafic: x1 x2 x7

x6 x4

x3

x5

Numrul de arce ce pleac dintr.un nod se numete grad exterior, iar numrul arcelor ce intr ntr-un nod se numete grad interior. Un nod se numete surs dac grint = 0 i grext > 0. Un nod se numete de ieire dac grint > 0 i grext = 0. Un nod izolat este un nod pentru care grint = grext = 0.
Definiii 5.1.3 : Se numete drum ntr-un graf orientat o succesiune de arce n care vrful terminal al fiecrui arc coincide cu vrful iniial al arcului urmtor. Un drum se numete elementar dac nu trece de dou ori prin acelai vrf. Se noteaz ca succesiune a vrfurilor sale. Se numete circuit un drum elementar ale crui capete coincid. Se numete lan ntr-un graf o succesiune de muchii (sau arce) n care oricare dou muchii (sau arce) vecine au un vrf comun. Se numete ciclu un lan care are capetele unite. Un drum este un lan, reciproca nu e adevrat. Un drum (circuit) care trece o singur dat prin fiecare vrf al grafului se numete drum (circuit) hamiltonian.

139

Definiia 5.1.4 : Un graf este conex dac ntre oricare dou vrfuri ale sale exist cel puin un lan. Definiii 5.1.5 : (Ordine de conexiune) Vrfurile xi i xj se numesc semi-tare conexe dac exist un drum care leag pe xi de xj. Dac fiecare pereche din G este semi-tare conex, spunem c graful G este semi-tare conex i c are ordinul doi de conexiune. Vrfurile xi i xj se numesc tare conexe dac exist un drum care leag pe xi de xj i un drum care leag pe xj de xi. Dac fiecare pereche din G este tare conex, spunem c graful G este tare conex i c are ordinul trei de conexiune. Definiia 5.1.6: Se numete subgraf al unui graf G, graful care se obine din acesta prin eliminarea unor vrfuri mpreun cu toate arcele adiacente lor.

n exemplul 5.1.2, prin eliminarea vrfurilor x3 i x7, se obine urmtorul subgraf: x1 x2

x6 x4

x5

Definiia 5.1.7 : Se numete graf parial al unui graf G, graful care se obine prin eleminarea unor arce.

140

Definiia 5.1.8 : Distana dintre dou vrfuri ale unui graf este lungimea celui mai scurt lan care le unete.

5.2 Matrice asociate unui graf


5.2.1 Matricea legturilor (matricea conexiunilor, matricea boolean)
Matricea legturilor este o matrice ptratic de ordin n, unde n este numrul vrfurilor grafului. Elementele sunt definite astfel : daca exista arc de la xi la x j 1 cij = 0 daca nu exista arc de la xi la x j Pentru graful din exemplul 5.1.2, matricea conexiunilor este : C x1 x2 x3 x4 x5 x6 x7 x1 0 0 1 0 0 0 0 x2 1 0 0 0 0 0 0 x3 0 1 0 0 1 0 0 x4 1 0 0 0 0 0 0 x5 1 0 0 0 0 1 0 x6 0 1 0 1 0 0 0 x7 0 0 0 0 0 0 0

5.2.2 Matricea de inciden


Matricea de inciden este o matrice cu n linii (numrul vrfurilor) i m coloane (numrul arcelor), notate cu uj, n ordinea n care apar n mulimea L. Elementele sunt definite astfel :

141

+ 1 daca arcul u j pleaca din xi aij = 1 daca arcul u j se termina in xi 0 daca x nu e adiacent arcului u i j Pentru graful din exemplul 5.1.2, matricea de inciden este : A x1 x2 x3 x4 x5 x6 x7 u1 +1 -1 0 0 0 0 0 u2 +1 0 0 -1 0 0 0 u3 +1 0 0 0 -1 0 0 u4 0 +1 -1 0 0 0 0 u5 0 +1 0 0 0 -1 0 u6 -1 0 +1 0 0 0 0 u7 0 0 0 +1 0 -1 0 u8 0 0 -1 0 +1 0 0 u9 0 0 0 0 -1 +1 0

5.2.3 Matricea lungimilor


Dac arcelor li se atribuie cte o valoare, graful se numete capacitat i se definete matricea lungimilor, care se obine din matricea legturilor prin nlocuirea valorilor 1 cu lungimea arcelor corespunztoare.

5.2.4 Matricea drumurilor


Matricea drumurilor D sau matricea conex terminal are elementele definite astfel : daca exista drum de la xi la x j 1 d ij = 0 daca nu exista drum de la xi la x j Elementele din matricea drumurilor care se gsesc n matricea conexiunilor se noteaz 1*.
Definiia 5.2.1: Numrul de vrfuri care pot fi atinse plecnd din vrful xi se numete puterea de atingere a lui xi.

142

Operaiile de adunare (sau) i nmulire (i) boolean pe mulimea {0, 1} respect regulile: + 0 1 0 0 1 1 1 1 0 1 0 0 0 1 0 1

5.2.5 Algoritmul lui Y. C. Chen pentru construirea matricei drumurilor (terminal)


1) Fie matricea C a conexiunilor. Fie elementele nenule de pe prima linie : c1i, c1j, ..., c1m. Se adun boolean liniile i, j, ..., m la prima linie. 2) Se presupune c au mai aprut i alte elemente nenule pe prima linie : c1p, c1q, ..., c1r. Se adun boolean n continuare i liniile p, q, ..., r la prima linie. 3) Se repet pasul 2) pn se obine una dintre situaiile : a) Prima linie conine numai elemente 1 n afar eventual de poziia de pe diagonala principal. b) Nu se mai pot genera elemente 1 noi prin operaiile descrise. 4) Se repet procedeul de mai sus pentru fiecare linie din C.
Exemplul 5.2.2 : Fie graful dat prin matricea conexiunilor C :

C x1 x2 x3

x1 0 0 0

x2 1 0 0

x3 1 0 0

x4 0 0 1

x5 1 1 0

143

x4 x5

0 0

1 0

0 0

0 0

0 0

Pe linia 1 exist elemente nenule pe coloanele lui x2, x3 i x5. Se adun boolean liniile 2, 3 i 5 la linia 1: C x1 x2 x3 x4 x5 x1 0 0 0 0 0 x2 1 0 0 1 0 x3 1 0 0 0 0 x4 1 0 1 0 0 x5 1 1 0 0 0

Apare un element nou cu valoarea 1 pe coloana lui x4, deci se adun i linia 4 la linia 1 : C x1 x2 x3 x4 x5 x1 0 0 0 0 0 x2 1 0 0 1 0 x3 1 0 0 0 0 x4 1 0 1 0 0 x5 1 1 0 0 0

144

Nu mai apare alt element nou 1, deci se continu cu linia 2. Elementul nenul este pe coloana 5, deci se adun boolean linia 5 la linia 2. Linia 5 fiind de zerouri, nu apare nici o schimbare, deci se continu cu linia 3. Se adun linia 4 la linia 3: C x1 x2 x3 x4 x5 x1 0 0 0 0 0 x2 1 0 1 1 0 x3 1 0 0 0 0 x4 1 0 1 0 0 x5 1 1 0 0 0

Elementul nou 1 este pe coloana 2, deci se adun linia 2 la linia 3: C x1 x2 x3 x4 x5 x1 0 0 0 0 0 x2 1 0 1 1 0 x3 1 0 0 0 0 x4 1 0 1 0 0 x5 1 1 1 0 0

A aprut un element 1 nou pe coloana 5, dar linia 5 are numai zerouri. Se continu cu linia 4, la care se adun linia 2:

145

C x1 x2 x3 x4 x5

x1 0 0 0 0 0

x2 1 0 1 1 0

x3 1 0 0 0 0

x4 1 0 1 0 0

x5 1 1 1 1 0

A aprut un 1 pe coloana 5, dar linia 5 este de zerouri. Pe linia 5 nu avem elemente egale cu 1, deci algoritmul s-a ncheiat. Se marcheaz cu asterisc elementele 1 din matricea C. Se completeaz cu coloana puterii de atingere: C x1 x2 x3 x4 x5 x1 0 0 0 0 0 x2 1* 0 1 1* 0 x3 1* 0 0 0 0 x4 1 0 1* 0 0 x5 1* 1* 1 1 0 P.A. 4 1 3 2 0

5.2.6 Matricea terminal triangularizat superior TTS

146

Dac graful este fr circuite, se pot aranja toate elementele 1 deasupra diagonalei principale, form numit triangularizat superior.
Procedeu de triangularizare 1) Se scrie puterea de atingere a fiecrui vrf. 2) Se ordoneaz liniile n ordinea descresctoare a puterilor. 3) Se ordoneaz coloanele n aceeai ordine i se obine matricea terminal triangularizat superior. Exemplul 5.2.3:

Se scrie matricea drumurilor din exemplul precedent: C x1 x2 x3 x4 x5 x1 0 0 0 0 0 x2 1* 0 1 1* 0 x3 1* 0 0 0 0 x4 1 0 1* 0 0 x5 1* 1* 1 1 0 P.A. 4 1 3 2 0

Se ordoneaz liniile n ordinea descresctoare a puterilor de atingere: C x1 x3 x1 0 0 x2 1* 1 x3 1* 0 x4 1 1* x5 1* 1 P.A. 4 3

147

x4 x2 x5

0 0 0

1* 0 0

0 0 0

0 0 0

1 1* 0

2 1 0

Se ordoneaz coloanele n aceeai ordine i se obine matricea terminal triangularizat superior: C x1 x3 x4 x2 x5 x1 0 0 0 0 0 x3 1* 0 0 0 0 x4 1 1* 0 0 0 x2 1* 1 1* 0 0 x5 1* 1 1 1* 0 P.A. 4 3 2 1 0

5.3 Drumuri hamiltoniene n grafuri


Drumurile hamiltoniene sunt modele matematice utile n procesele tehnologice n care un produs trebuie s treac prin diverse operaii parcurse toate o singur dat.

5.3.1 Drumuri hamiltoniene n grafuri orientate i fr circuite

148

Teorema 5.3.1: n orice graf orientat i fr circuite cu n vrfuri exist drum hamiltonian dac i numai dac numrul elementelor n(n 1) . nenule ale matricei terminale este 2 Algoritmul practic de determinare a drumului hamiltonian

1. Se construiete matricea conexiunilor. 2. Se formeaz matricea drumurilor (terminal). 3. Se verific condiiile : a) graful s fie fr circuite : pe diagonala principal matricea terminal s nu aib 1. b) s conin drum hamiltonian : suma puterilor de atingere s fie n(n 1) . 2 4. Dac a) i b) sunt ndeplinite, se aranjeaz vrfurile n ordinea descresctoare a puterilor de atingere i succesiunea lor d drumul hamiltonian.
Exemplul 5.3.2:

Prelucrarea unui produs necesit 5 operaii P1, P2, P3, P4, P5, care ndeplinesc urmtoarele condiii: a) dup P1 poate urma P2, P3 sau P5; b) dup P2 poate urma P3 sau P5; c) dup P3 poate urma numai P4 ; d) dup P4 poate urma numai P2 ; e) P5 este ultima operaie. Problema se modeleaz printr-un graf care are 5 vrfuri, iar arcele reprezint relaiile dintre acestea. Matricea de conexiune este cea din exemplul 5.2.1, pentru care sa dedus matricea terminal. Verificarea condiiilor : a) Pe diagonala principal nu exist 1, deci graful nu are circuite. 149

b) Suma puterilor de atingere este 10 = (5x4)/2, deci exist drum hamiltonian. Drumul hamiltonian este : dH : P1, P3, P4, P2, P5.
Corijarea grafului

Dac n graf suma puterilor de atingere ale celor n vrfuri este n(n 1) mai mic dect , atunci nu exist drum hamiltonian. 2 n aplicaii este important ca drumul hamiltonian s existe i atunci se procedeaz la corijarea minimal a grafului, adic adugarea unui numr minim de arce astfel nct s apar drumul hamiltonian. Corijarea grafului se face prin nlocuirea elementelor 0 din matricea terminal triangularizat superior care sunt situate pe prima paralel la diagonala principal care conine elemente nule. Corijarea realizat astfel este minimal.

5.3.2 Drum hamiltonian ntr-o reea oarecare. Algoritmul lui Foulkes


Graful se descompune n subgrafuri tare conexe, aezate ntr-o anumit succesiune, ceea ce se realizeaz prin gruparea vrfurilor ntr-o mulime ordonat de clase de echivalen. Se scriu toate drumurile hamiltoniene pariale din fiecare clas care se asambleaz n ordinea claselor.
Etapele algoritmului 1. Se scrie matricea conexiunilor C care se adun cu matricea unitate I de acelai ordin cu ea. 2. Se calculeaz (C+I)n pn cnd dou puteri succesive sunt egale.

150

3. Vrfurile care au n aceast matrice pe linii numai 1, iar coloanele corespunztoare lor numai 0 cu excepia interseciilor, se grupeaz n prima clas de echivalen. 4. Se elimin din matricea (C+I)n liniile i coloanele corespunztoare acestor vrfuri, iar cu matricea rmas se procedeaz la fel pentru aflarea urmtoarei clase. Astfel toate vrfurile vor fi repartizate n clase. 5. Se reconstruiete un graf parial al grafului dat astfel : a) Fiecare clas d natere unui subgraf tare conex. b) Se traseaz toate arcele care leag clasele consecutive, numai n sensul obinerii lor. 6. Se afl drumurile hamiltoniene din fiecare clas, dup care se asambleaz ntre ele.
Exemplul 5.3.3 Fie graful dat prin matricea conexiunilor:

C x1 x2 x3 x4 x5 x6 Matricea C + I: C+I x1

x1 0 1 0 0 0 0

x2 1 0 0 0 0 0

x3 0 0 0 0 0 1

x4 0 1 0 0 0 0

x5 0 0 1 1 0 0

x6 0 0 0 1 1 0

x1 1

x2 1

x3 0

x4 0

x5 0

x6 0

151

x2 x3 x4 x5 x6

1 0 0 0 0

1 0 0 0 0

0 1 0 0 1

1 0 1 0 0

0 1 1 1 0

0 0 1 1 1

Se calculeaz (C + I)2 : (C+I)2 x1 x2 x3 x4 x5 x6 x1 1 1 0 0 0 0 x2 1 1 0 0 0 0 x3 0 0 1 1 1 1 x4 1 1 0 1 0 0 x5 0 1 1 1 1 1 x6 0 1 1 1 1 1

Apoi se calculeaz (C + I)4 : (C+I)4 x1 x2 x3 x4 x1 1 1 0 0 x2 1 1 0 0 x3 1 1 1 1 x4 1 1 0 1 x5 1 1 1 1 x6 1 1 1 1

152

x5 x6

0 0

0 0

1 1

0 0

1 1

1 1

Se observ c (C + I)8 = (C + I)4. Se suprim liniile i coloanele 1 i 2, deci vrfurile {x1, x2} formeaz prima component tare conex a grafului. Matricea rmas este: x3 x3 x4 x5 x6 1 1 1 1 x4 0 1 0 0 x5 1 1 1 1 x6 1 1 1 1

Se elimin x4, deci urmtoarea clas este format din {x4} Rmne o matrice care are toate liniile 1, deci ultima clas este {x3, x5, x6}. Se determin drumurile hamiltoniene: dH1 = {x1, x2, x4, x5, x6, x3} dH2 = {x1, x2, x4, x6, x3, x5} care nseamn dou ordini posibile ale operaiilor tehnologice n problema propus.
Justificarea algoritmului

mprirea vrfurilor n clase de echivalen se face pe baza urmtoarei definiii:

153

Definiia 5.3.4: Dou vrfuri xi i xj se numesc echivalente dac ntre ele exist cel puin un drum ntr-un sens i cel puin un drum n sens contrar. Observaie: Vrfurile a dou clase de echivalen distincte nu pot fi legate dect prin drumuri sau arce orientate ntr-un singur sens.

Un element arbitrar din matricea (C + I)2 este de forma


bij = aik akj , unde adunarea i nmulirea sunt booleene. bij este
k =1 n

egal cu 1 dac i numai dac exist cel puin un ntreg k astfel nct aik = akj = 1 , altfel are valoarea 0. Elementele egale cu 1 din matricea (C + I)2 reprezint existena drumurilor de cel mult dou arce ntre vrfurile respective ale grafului. Analog, elementele egale cu 1 din matricea (C + I)3 reprezint existena drumurilor de cel mult 3 arce, etc. Cnd se obine egalitatea (C + I)k = (C + I)k+1, matricea obinut indic toate posibilitile de drumuri ntre diferitele vrfuri ale grafului. n matricea (C + I)k ce conine toate posibilitile de drumuri dintre vrfurile grafului, exist linii ce conin numai elemente egale cu 1, ceea ce nseamn c de la vrfurile corespunztoare lor se poate ajunge la toate celelalte vrfuri ale grafului. Aceste vrfuri fac parte din prima clas de echivalen, etc. Pentru simplificarea calculelor se va ridica matricea (C + I) la ptrat, apoi ptratul ei la ptrat, obinnd succesiv puterile (C + I)2, (C + I)4, (C + I)8, ..., care vor depi curnd forma (C + I)k de la care toate puterile sunt egale. Procesul se oprete cnd dou matrice succesive din ir sunt egale.

5.4 Drum optim


5.4.1 Drum critic (rut maxim) n grafuri fr circuite

154

Fie G = (N, L) un graf orientat cu n vrfuri i c : L R o funcie care asociaz fiecrui arc din L o valoare real. Se noteaz cu cij = c(xi, xj). n cazurile reale, aceast valuare a arcelor poate nsemna: - distane directe ntre puncte (localiti); - timpi de execuie a unor faze dintr-un proiect; - costuri sau timpi ntr-o reea de transport. Fie d = (xi, xi1, xi2, ..., xip-1, xj) un drum format din p arce ntre xi i xj, iar ci,i1, ci1,i2, ..., cip-1,j valorile arcelor care compun drumul d. Lungimea lui d este: V(d) = ci,i1 + ci1,i2+ ...+ cip-1,j. n practic se poate cere cel mai scurt sau cel mai lung drum ntre vrfuri (problema drumului minim sau problema drumului maxim).

5.4.2 Modelul matematic


Se d un graf, imaginea unui proces tehnologic sau economic. Fiecrei activiti i se asociaz un arc al grafului, iar durata activitii reprezint capacitatea arcului. Vrfurile reprezint punctele de racordare a dou activiti. Se cere timpul necesar terminrii ntregii lucrri care corespunde cu lungimea drumului maxim n modelul matematic i drumul critic corespunztor care realizeaz acest maxim. Activitile corespunztoare arcelor care ies din vrful xi pot ncepe abia dup ce a trecut timpul corespunztor celui mai lung drum de la xo la xi. Pentru gsirea drumului critic i a valorii sale, se va calcula matricea DM care conine distanele cele mai mari dintre dou vrfuri ale grafului.

5.4.3 Algoritm pentru aflarea matricei DM a distanelor maximale

155

1) Se construiete matricea terminal care se trianguleaz superior i se obine matricea TTS. 2) n matricea C a capacitilor arcelor (lungimilor) se aranjeaz liniile i coloanele ca n matricea TTS i se obine matricea C1 = ||cij||. 3) Se consider prima linie din C1 i fie clj primul element nenul. Se adun clj cu fiecare element nenul din linia j, obinndu-se sume de forma clj + cjk. Dac clj + cjk > clk, n locul lui clk se trece suma, altfel rmne clk. 4) Urmtoarelor elemente nenule de pe linie li se aplic aceleai operaii, dar pentru linia respectiv modificat. 5) Operaiile de la etapele 3) i 4) se efectueaz pentru fiecare linie a matricei C1, obinndu-se o matrice C2. 6) n C2 se nlocuiesc zerourile cu (cu excepia celor de pe diagonala principal) i se obine matricea DM = ||dij|| a distanelor maximale. Pentru gsirea vrfurilor drumului critic se aleg indicii k pentru care este ndeplinit relaia dik + dkj = dij.
Exemplul 5.4.1 Fie graful G(N,L), unde N = {x1, x2, x3, x4, x5} L = {(x2, x1), (x2, x5), (x3, x1), (x3, x2), (x3, x4), (x4, x2), (x5, x1)}, cu costurile: c21 = 5, c25 = 3, c31 = 10, c32 = 1, c34 = 2, c42 = 4, c51 = 1. Se cere matricea drumurilor maximale DM i intervalul maxim de timp ntre x3 i x1 i drumul critic corespunztor.

Matricea legturilor este urmtoarea: C0 x1 x2 x1 0 1 x2 0 0 x3 0 0 x4 0 0 x5 0 1

156

x3 x4 x5

1 0 1

1 1 0

0 0 0

1 0 0

0 0 0

Se construiete matricea terminal triangularizat superior: TTS x3 x4 x2 x5 x1 x3 0 0 0 0 0 x4 1* 0 0 0 0 x2 1* 1* 0 0 0 x5 1 1 1* 0 0 x1 1* 1 1* 1* 0

Matricea capacitilor: C1 x3 x4 x2 x5 x1 x3 0 0 0 0 0 x4 2 0 0 0 0 x2 1 2+4>1 4 0 0 0 x5 0 0 3 0 0 x1 10 0 5 1 0

157

C1 x3 x4 x2 x5 x1 C1 x3 x4 x2 x5 x1 C1 x3 x4 x2

x3 0 0 0 0 0 x3 0 0 0 0 0 x3 0 0 0

x4 2 0 0 0 0 x4 2 0 0 0 0 x4 2 0 0

x2 6 4 0 0 0 x2 6 4 0 0 0 x2 6 4 0

x5 0 6+3>0 0 3 0 0 x5 9 0 3 0 0 x5 9 0 4+3>0 3

x1 10 6+5>10 0 5 1 0 x1 11 9+1<11 0 5 1 0 x1 11 0 4+5>0 5

158

x5 x1 C1 x3 x4 x2 x5 x1 C1 x3 x4 x2 x5 x1 C2 x3 x4

0 0 x3 0 0 0 0 0 x3 0 0 0 0 0 x3 0 0

0 0 x4 2 0 0 0 0 x4 2 0 0 0 0 x4 2 0

0 0 x2 6 4 0 0 0 x2 6 4 0 0 0 x2 6 4

0 0 x5 9 7 3 0 0 x5 9 7 3 0 0 x5 9 7

1 0 x1 11 9 7+1<9 5 1 0 x1 11 9 5 3+1<5 1 0 x1 11 9

159

x2 x5 x1

0 0 0

0 0 0

0 0 0

3 0 0

5 1 0

Matricea distanelor maximale DM x3 x4 x2 x5 x1 x3 0 x4 2 0 x2 6 4 0 x5 9 7 3 0 x1 11 9 5 1 0

Intervalul maxim de timp ntre x3 i x1 este d31 = 11 Pentru aflarea drumului critic se calculeaz sumele d3k + dk1: d34 + d41 = 2 + 9 = 11 d32 + d21 = 6 + 5 = 11 d35 + d51 = 9 + 1 = 10, x4 i x2 aparin drumului critic Drumul critic este: x3, x4, x2, x1.

5.5 Fluxul n reea


Multe probleme din practica economic cer repartizarea unui anumit flux n scopul maximizrii sau minimizrii lui pe o reea dat.

160

O reea este un graf pe arcele cruia poate circula un flux de un anumit produs. Fiecrui arc i este asociat capacitatea maxim ce poate fi transportat pe arcul respectiv. n activitatea practic, astfel de grafuri pot fi: Noduri intersecii aeroporturi staii de pompare puncte de control noduri de reea Muchii osele linii aeriene evi linii telefonice linii de date Flux vehicule avioane fluid mesaje informaii

Se noteaz: X o mulime finit de noduri. O pereche ordonat de noduri (ai, aj) este un arc. cij este capacitatea arcului (ai, aj). Dac nu exist arcul (ak, am) atunci ckm = 0. Fie o reea cu n+2 noduri: ao, a1, ..., an, an+1. Definiia 5.5.1: Cantitile xij de materie ce trec prin arcele reelei la un moment dat i care satisfac condiiile: (1) 0 xij cij i, j = 0, n + 1
(2)
k =0

xki = xij
j =1

n +1

i = 1, n

definesc un flux ce strbate reeaua. Relaia (1) semnific faptul c fluxul care trece printr-un arc nu poate depi capacitatea acestuia. Relaia (2) nseamn c mrimea cantitii de materie care pleac dintr-un vrf este egal cu cea care intr n acel vrf. Din (2) rezult c mrimea total a cantitii de materie care pleac din ao este egal cu cea care vine n an+1:
(3)
n +1 j=1

x 0j = xi ,n +1 = Z
i =0

Forma liniar Z se numete fluxul total din reea.

161

Problema: Se caut fluxul maxim n reea, adic gsirea cantitilor * xij i, j = 0, n + 1 care verific relaiile (1) i (2) i care maximizeaz forma liniar (3).

5.5.1 Algoritmul lui Ford-Foulkerson (procedeul marcrii)


Fie reeaua G = (X, L) care conine n+1 vrfuri. Definiii 5.5.2: Arcul (ai, aj) se numete saturat dac xij = cij. Un flux {xij} se numete complet dac oricare ar fi drumul de la ao la an, acesta conine cel puin un arc saturat.
Etapele algoritmului

1) Se construiete un flux iniial arbitrar {xij} unde xij verific condiiile (1) i (2). 2) Se caut un flux complet. 3) Dup aceste etape urmeaz o operaie de marcare a vrfurilor reelei, care arat dac fluxul complet gsit este maxim sau nu. Operaia de marcare se face astfel : a) Se marcheaz cu (+) vrful ao ; b) Se marcheaz cu (+0) vrful ai dac arcul (ao, ai) nu este saturat ; c) Dac un vrf aj a fost marcat, vrful ak legat printr-un arc de aj se marcheaz cu (+j) dac arcul (aj, ak) este nesaturat i orientat n semnsul de la aj la ak i se marcheaz cu (-j) dac arcul (ak, aj) este nesaturat i orientat de la ak la aj. Dup marcare se poate obine una dintre situaiile : 1) vrful an nu a fost marcat, deci fluxul complet gsit e maxim ; 2) vrful an a fost marcat, deci fluxul complet gsit nu e maxim. n situaia 2) se trece la modificarea fluxului pe drumul marcat:

162

a) Se adaug o unitate la fluxurile marcate cu (+). Pentru fiecare arc a crui extremitate final a fost marcat cu (+) se obine un ( 0 nou flux : xij1) = xij + 1 . b) Se scade o unitate din fluxurile arcelor notate cu (-) i noul flux ( 0 va fi : xij1) = xij 1 . c) Fluxurile ce nu aparin drumului marcat rmn neschimbate. Procedeul de marcare continu atta timp ct vrful an mai poate fi marcat. n caz contrar, fluxul gsit este maxim.
Exemplul 5.5.3 : Fie reeaua de transport cu fluxul marcat n figura urmtoare :

Aplicnd procesul de marcare, se obine faptul c destinaia a7 poate fi etichetat pe lanul V = {a0, a2, a6, a7}. Se observ c a7 are eticheta +4, deci ultimul arc al lanului este (a4, a7); vrful a4 are eticheta +5, deci arcul anterior lui (a4, a7) este (a5, a4). Vrful a5 are eticheta -6, deci urmtorul arc este (a5, a6); vrful a6 are marcajul +2, deci urmtorul arc este (a2, a6), iar vrful a2 are marcajul +0, deci ultimul arc este (a0, a2). Scriind arcele n ordinea invers gsirii lor, se deduce V = {a0, a2, a6, a5, a4, a7}. V = (a5, a6). Se mrete fluxul cu cte o unitate pe arcele (a0, a2), (a2, a6), (a5, a4), (a4, a7) i se va micora tot cu o unitate pe arcul (a5, a6), obinndu-se un nou flux n care

163

destinaia nu mai poate fi marcat pentru c orice lan ntre a0 i a7 conine cel puin un arc saturat.

164

Capitolul 6 Elemente de teoria probabilitilor


n economie i sociologie, numeroase fenomene sunt ntmpltoare, se petrec n mod aleatoriu, depinznd de muli factori care la rndul lor sunt aleatori. Teoria probabilitilor ca model matematic este esenial n studiul economiei, al tiinelor sociale, n biologie. Cu ajutorul acesteia se fundamenteaz modele matematice pentru statistica matematic, teoria jocurilor, teoria firelor de ateptare, programarea stohastic. Studiul matematic al fenomenelor aleatoare ncepe n sec. XVII, cu scopul de a calcula ansele de ctig la jocurile de noroc, care au rmas pentru mult vreme sursa i stimulentul acestor cercetri. nceputurile teoriei probabilitilor sunt legate de numele matematicienilor B. Pascal i P. Fermat. Cavalerul de Mr i se adreseaz lui Pascal pentru rezolvarea unor probleme legate de jocuri, acesta i le rezolv i i comunic i lui Fermat problemele studiate. Mai trziu C. Huygens d i el o soluie la aceste probleme. Aceti matematicieni au prevzut rolul pe care l va avea tiina care se ocup de stabilirea regulilor privind evenimentele aleatoare. Dezvoltarea ulterioar a teoriei probabilitilor este legat de nume sonore n tiin, ca de exemplu: Moivre, Laplace, Gauss, Poisson, Cebev, Markov, Kolmogorov, Hincin. n ara noastr domeniul teoriei probabilitilor are vechi tradiii i numeroi matematicieni de cert valoare au avut remarcabile contribuii: Octav Onicescu,

165

Gheorghe Mihoc, C. T. Ionescu Tulcea, George Ciucu, Ioan Cuculescu, Marius Iosifescu.

6.1 Cmp de evenimente


6.1.1 Experien, prob, eveniment
Experien nseamn producerea unui fenomen n condiii ce permit urmrirea rezultatelor sale i care au un caracter ntmpltor (aleator). Rezultatele respective se numesc probe, fiecrei experiene asociindu-i-se mulimea probelor sale. De exemplu, aruncarea unui zar constituie experiena, numrul de puncte de pe suprafaa superioar este proba, iar mulimea probelor este {1, 2, 3, 4, 5, 6}. Fiind dat o experien E i mulimea probelor sale, se numete eveniment o submulime a mulimii . Se numete eveniment elementar o submulime a lui care conine numai un element. Un eveniment A este realizat cnd proba face parte din submulimea A.
Exemplul 6.1.1: Fie E aruncarea zarului. Mulimea probelor este: = {1, 2, 3, 4, 5, 6}. Atunci A = {1, 2, 3}, sau B = apariia unui numr impar sunt evenimente. Evenimentul {2} este un eveniment elementar.

Un eveniment realizat de oricare prob a experienei se numete eveniment sigur (). Un eveniment pe care nu l realizeaz nici o prob este evenimentul imposibil ().

166

6.1.2 Operaii cu evenimente


Fie E o experien i evenimentele A i B. Reuniunea: Evenimentul A B se realizeaz dac se realizeaz cel puin unul dintre evenimentele A, B. Intersecia: Evenimentul A B se realizeaz atunci cnd se realizeaz simultan A i B. Implicaia (incluziunea) A B sau A B dac realizarea lui A asigur i realizarea lui B. Diferena: Evenimentul A\B apare cnd se realizeaz A i nu se realizeaz B. Diferena simetric: A B este evenimentul care apare dac i numai dac apare numai unul dintre evenimentele A sau B: AB = ( A \ B ) (B \ A) Evenimentul contrar lui A, se realizeaz atunci cnd A nu se realizeaz. Evenimente incompatibile sunt acelea care nu se pot realiza simultan, adic A B = .

6.1.3 Definiii ale noiunii de probabilitate


Definiia clasic (indus de frecvena relativ) Definiia 6.1.2: Fie E un experiment format din n evenimente elementare i evenimentul A compus din k evenimente elementare. Probabilitatea evenimentului A, notat P(A) este:
P ( A) = k nr. cazuri favorabile = n nr. cazuri posibile

Exemplul 6.1.3: S se determine probabilitatea ca la aruncarea a dou zaruri s se obin o dubl. Numr cazuri posibile: 36

167

Numr cazuri favorabile: 6 P(A) = 6 / 36 = 1 / 6.


Proprieti ale probabilitii
1. 0 P ( A) 1 3. P (A) = 1 P( A) 2. P () = 1, P ( ) = 0

4. A B P ( A ) P ( B ) 5. A B = P( A B ) = P( A) + P(B ) 6. A B P(B \ A) = P(B ) P( A)

Fie evenimentul sigur ataat unui experiment i P() mulimea prilor acestuia. Definiia 6.1.4: O submulime K P( ) nevid se numete corp sau cmp de evenimente dac verific urmtoarele axiome:
1. Daca A K A K 2. Daca A, B K A B K Proprieti 1. , K 2. A, B K A B K

Definiia axiomatic a probabilitii Definiia 6.1.5: Fie ( , K) un cmp finit de evenimente. Se numete probabilitate relativ la acest cmp o aplicaie P : K R care verific axiomele:
1. P( A) 0, A K 2. P( ) = 1 3. A, B K , A B = P ( A B ) = P ( A) + P ( B )

168

Proprieti
1. P( ) = 0 2. P ( A ) = 1 P ( A ) 3. P(B \ A) = P( A) P( A B ) 4. A B P ( A ) P ( B )

5. A K , P( A) 1 6. P( A B ) = P( A) + P(B ) P( A B )

Probabiliti condiionate Definiia 6.1.6: Fie ( , K) un cmp de evenimente i B K cu P(B) > 0. Se numete probabilitate a evenimentului A condiionat de evenimentul B numrul real notat
P( A / B ) = P( A B ) . P(B )

Exemplul 6.1.7: Se arunc succesiv dou zaruri. Se consider evenimentele: A evenimentul ca pe primul zar s se obin cel mult 3 puncte B evenimentul ca suma cifrelor obinute pe cele dou zaruri s fie 8. S se calculeze P(A), P(B), P(B|A), P(A|B), P(A B) A = {1,2,3} 1 = {1, 2, 3, 4, 5, 6} B = {(2,6),(3,5),(4,4),(5,3),(6,2)} = 1 1
P ( A) =
3 1 = 6 2

P(B ) =

5 36

2 P( A B ) 36 2 = = P( A / B ) = 5 5 P(B ) 36 2 P( A B ) 36 1 = = P ( B / A) = 1 9 P ( A) 2

169

6.1.4 Formula probabilitii totale


Fie evenimentele Ai K care formeaz un sistem complet de evenimente (desfacere a evenimentului sigur) adic: Ai A j = ,
i =1

U Ai =

atunci pentru orice eveniment A K avem:


P( A) = P( Ai ) P( A / Ai )
i =1 n

Exemplul 6.1.8: Se consider dou urne avnd compoziiile U1(6a, 4n) i U2(5a, 10n). Se arunc un zar. Dac se obine numr impar se extrage o bil din prima urn, iar dac se obine numr par se extrage o bil din a doua urn. Care este probabilitatea de a obine o bil alb? Se noteaz: Ai - evenimentul ca bila s fie extras din urna i (i = 1,2). B - evenimentul ca bila s fie alb. P(B ) = P( A1 ) P(B / A1 ) + P( A2 ) P(B / A2 ) =

1 6 1 5 3 1 14 7 = + = + = = 2 10 2 15 10 6 30 15
Formula lui Bayes Fie sistemul complet de evenimente
Ai K , i = 1, n, A K , P( A) > 0.

n aceste condiii are loc relaia:


P( Ai / A) = P( Ai ) P( A / Ai )
k =1

P( Ak )P( A / Ak )

, i { ,2,..., n} 1

Exemplul 6.1.9:

170

Trei ntreprinderi trimit acelai tip de produse la un magazin, n proporie de 50%, 30%, respectiv 20%. Cele trei ntreprinderi dau rebuturi 1%, 3%, respectiv 2%. Produse n valoare de 3600 lei sau dovedit rebuturi. n ce proporie trebuie mprit pierderea ntre cele trei ntreprinderi? Fie: Ai evenimentul ca un produs s provin de la ntreprinderea i X evenimentul ca un produs s fie rebut. P(A1) = 0,5; P(A2) = 0,3; P(A3) = 0,2. P(X/A1) = 0,01; P(X/A2) = 0,03; P(X/A3) = 0,02. Probabilitatea ca un rebut s provin de la furnizorul 1, 2, respectiv 3 este:
P( A1 / X ) = P( A2 / X ) = P( A3 / X ) = S1 = P( A1 ) P( X / A1 )
i =1 3 3

P( Ai ) P( X / Ai ) P( A2 ) P( X / A2 ) P( A3 ) P( X / A3 ) P( Ai ) P( X / Ai )
3

0,5 0,01 5 = 0,5 0,01 + 0,3 0,03 + 0,2 0,02 18 0,3 0,03 9 = 0,5 0,01 + 0,3 0,03 + 0,2 0,02 18 0,2 0,02 4 = 0,5 0,01 + 0,3 0,03 + 0,2 0,02 18 S3 = 4 3600 = 800 18

i =1

i =1

P( Ai ) P( X / Ai ) S2 =

5 3600 = 1000 18

9 3600 = 1800 18

Evenimente independente Definiia 6.1.10: Spunem c evenimentele A i B sunt independente dac P(A/B) = P(A) sau P(B/A) = P(B). Proprieti: Condiia necesar i suficient ca dou evenimente A i B s fie independente este ca
P ( A B ) = P ( A) P ( B )

171

Exemplul 6.1.11: Se consider dou urne avnd compoziiile U1(6a, 4n) i U2(5a, 10n). Din fiecare urn este extras cte o bil. a) Care este probabilitatea obinerii a dou bile albe? b) Care este probabilitatea s se obin cel puin o bil alb? c) Care este probabilitatea s se obin dou bile de aceeai culoare?

Fie A1 evenimentul obinerii unei bile albe din prima urn; A2 evenimentul obinerii unei bile albe din a doua urn. Evenimentele contrare nseamn obinerea de bile negre. A1 i A2 sunt evenimente independente.
3 1 P( A1 ) = ; P( A2 ) = 5 3 a) Pentru a obine dou bile albe: 3 1 1 P( A1 A2 ) = P( A1 ) P( A2 ) = = 5 3 5

b) Se calculeaz probabilitatea evenimentului contrar, de a obine dou bile negre: 2 2 4 P (A1 A2 ) = P (A1 ) P (A2 ) = = 5 3 15 4 11 P ( A) = 1 = 15 15 c) Probabilitatea de a obine dou bile de aceeai culoare:
P( AC ) = P( A1 A2 ) + P (A1 A2 ) = 1 4 7 = + = 5 15 15

172

6.2 Scheme clasice de probabilitate


6.2.1 Schema lui Bernoulli cu bila ntoars (schema binomial)
Aceast schem se aplic n cazul n care un experiment se repet de mai multe ori n aceleai condiii. Se cere calcularea probabilitii ca din cele n repetri ale experimentului, evenimentul precizat s apar de k ori.
Modelul probabilistic O urn conine bile de dou culori, albe i negre, n proporie cunoscut. Se extrag n bile, punnd de fiecare dat bila napoi. Se cere probabilitatea ca din cele n bile extrase, k s fie albe. Probabilitatea ca bila extras s fie alb se noteaz cu p, iar probabilitatea ca bila s fie neagr se noteaz cu q = 1 p.
k P (Bn , k ) = Cn p k q n k k Cn =

n! k!(n k )!

Exemplul 6.2.1: Se arunc o moned de 10 ori. Care este probabilitatea de a obine de 3 ori stema? n = 10; k = 3; p = 1/2; q = 1/2
10! 1 1 = = P (B10,3 ) = 3!7! 210 2 2 10 9 8 1 120 15 = = 3 2 1024 1024 128
3 1 C10 3 10 3

173

6.2.2 Schema lui Bernoulli cu mai multe stri (polinomial)


Experimentul se repet de n ori. Se cere probabilitatea ca r evenimente urmrite s apar de un numr dat de ori fiecare.
Modelul: o urn ce conine bile de r culori n proporie cunoscut. Probabilitile de apariie sunt p1, p2, ..., pr, unde p1+p2+...+pr = 1. Se extrag pe rnd n bile punnd de fiecare dat bila extras napoi. Se cere probabilitatea ca din bilele extrase k1 s fie de culoarea c1, k2 de culoarea c2, ..., kr de culoarea cr, k1+k2+...+kr = n.
P(n; k1 , k 2 ,..., k r ) = n! k p1k1 p2 2 ... prk r k1!k 2 !...k r !

Exemplul 6.2.2: Din pachetul de 52 de cri de joc se extrag 10 cri, punnd de fiecare dat cartea extras napoi. Care este probabilitatea s apar de 4 ori o carte mai mic dect 7, de 3 ori o carte de la 7 la 10, de 2 ori valet, dam sau pop i o dat as? k1 = 4, p1 = 5/13; k2 = 3, p2 = 4/13; k3 = 2, p3 = 3/13; k4 = 1, p4 = 1/13.
10! 5 P(10;4,3,2,1) = 4!3!2!1! 13
4

4 13

3 1 13 13

6.2.3 Schema bilei nentoarse (schema hipergeometric)


Se consider o urn cu a bile albe i b bile negre. Se extrag din urn n bile, fr a mai pune bila extras napoi. Se cere probabilitatea ca din cele n bile extrase k s fie albe.
k n Ca Cb k P(n, k ) = n Ca + b

174

Exemplul 6.2.3: ntr-o grup de seminar sunt 30 studeni, dintre care 18 biei i 12 fete. Care este probabilitatea ca alegnd la ntmplare 10 studeni din aceast grup s fie 6 biei i 4 fete? a = 18; b = 12; n = 10; k = 6; n k = 4.
6 4 C18 C12 612 = P(10,6 ) = 10 667 C30

6.2.4 Schema bilei nentoarse cu mai multe stri


n urn sunt bile de r culori, c1, c2, ...,cr, n numr de a1, a2, ..., ar. Se extrag n bile fr a pune bila napoi. Se cere probabilitatea s se obin k1 bile de culoarea c1, ..., kr bile de culoarea cr. P(n, k1...k r ) =
k k Ca11 ... Ca rr k + ... + k Ca11 + ...+ a rr

Exemplul 6.2.4: La un concurs se prezint 12 concureni: 6 americani, 4 francezi i 2 italieni. Prin tragere la sori, cei 12 concureni sunt mprii n grupe de cte 4, fiecare grup urmnd s susin probele de concurs ntr-o zi. Care este probabilitatea ca n prima zi s concureze 3 americani i 1 francez?
3 1 0 C6 C4 C2 16 P(12;3,1,0) = = 4 99 C12

6.3 Variabile aleatoare


Definiia 6.3.1: (variabile aleatoare discrete) Fie un experiment i evenimentul sigur ataat. O funcie real definit pe o desfacere a evenimentului sigur se numete variabil aleatoare X : R.

175

Exemplul 6.3.2: La aruncarea unui zar se consider evenimentele A1 = {1,2}, A2 = {3,4,5}, A3 = {6}, o desfacere a evenimentului sigur. Se presupune c ntr-un joc lui A1 i corespunde 1000, lui A2 1000, iar lui A3 2000. Variabila aleatoare care descrie jocul are forma: A2 A3 A X 1 1000 1000 2000

O variabil aleatoare discret se scrie sub forma: A X 1 x 1 A2 ... An x2 ... xn

Variabilelor aleatoare de tip discret li se poate ataa un tablou, numit repartiia sau distribuia de probabilitate: x x2 ... xn X = 1 p p ... p 1 2 n unde xi sunt valorile pe care le ia variabila aleatoare X, iar pi probabilitatea cu care variabila aleatoare X ia valoarea xi:
pi = P( X = xi ) i = 1, n; pi = 1
i =1 n

Repartiia de probabilitate pentru exemplul 6.3.2 este urmtoarea:


1000 1000 2000 1 1 X = 1 2 6 3

Definiia 6.3.3: Variabila aleatoare este o funcie real definit pe mulimea evenimentelor elementare ale unui cmp de probabilitate. Variabilele aleatoare pot fi de tip discret sau continuu.

176

Exemplul 6.3.4: O cuc conine 9 fluturi: 3 masculi (2 albi i 1 galben) i 6 femele (4 albe i 2 galbene). Se prind 2 fluturi. Fie X variabila aleatoare: numrul de fluturi masculi prini, iar Y variabila aleatoare: numrul de fluturi galbeni prini.
2 C6 15 5 P( X = 0) = 2 = = C9 36 12 1 1 C3C6 18 1 P( X = 1) = 2 = = 36 2 C9 2 C3 3 1 P( X = 2) = 2 = = C9 36 12

0 X = 5 12

1 2 1 1 2 12

2 C6 15 5 P(Y = 0 ) = 2 = = C9 36 12 1 1 C3C6 18 1 P(Y = 1) = 2 = = 36 2 C9 2 C3 3 1 P(Y = 2 ) = 2 = = C9 36 12

0 Y = 5 12

1 2 1 1 2 12

Exemple 6.3.5: Legea binomial


k X = k k nk p (0,1) q = 1 p C p q n k = 0, n

Legea hipergeometric

177

k C k C nk X = a b Cn a +b

k = 0, n

Legea evenimentelor rare a lui Poisson


k X = k >0 e k! k = 0,1, 2,...

Este o repartiie cu o infinitate de valori discrete.


Definiia 6.3.6: Variabilele aleatoare X i Y care au distribuiile:
x X i p i i =1, n yj Y q j j =1, m

sunt independente, dac adic rij = pi q j

P (X = xi si Y = y j ) = P( X = xi ) P (Y = y j )

6.3.1 Operaii cu variabile aleatoare


nmulirea cu o constant

Dac variabila aleatoare X are repartiia: x X i p i i =1, n atunci variabila aleatoare a X are repartiia: ax aX i p i i =1, n

178

Adunarea cu o constant

a+ X are repartiia:
a + xi a + X p i i =1, n

Ridicarea la putere
X
k

are repartiia:

xi k X p i i =1, n
k

Adunarea i nmulirea

Variabilele aleatoare X i Y au distribuiile


x X i p i i =1, n yj Y q j j =1, m

Suma X+Y i produsul XY au distribuiile:


xi + y j X +Y r i =1, n ij j =1, m xi y j XY r i =1, n rij = pi q j ij j =1, m

Exemplul 6.3.7: Fie X i Y dou variabile aleatoare independente avnd repartiiile:


2 3 X = 0,2 0,8 5 1 2 Y = 0,2 0,5 0,3

S se calculeze: X + 3, 2X, X2, X+Y, XY.


6 1 X +3= 0,2 0,8 4 6 2X = 0 ,2 0 ,8 179 9 4 X2 = 0,2 0,8

3 2 5 8 3 0 X +Y = 0,04 0,1 0,06 0,16 0,4 0,24 4 10 3 6 15 2 X Y = 0,04 0,1 0,06 0,16 0,4 0,24

6.3.2 Caracteristici numerice pentru variabile aleatoare discrete


Valoarea medie (sperana matematic) Fiind dat variabila aleatoare X cu repartiia
x x2 ... xn X = 1 p p ... p 1 2 n Valoarea medie a acesteia este numrul:
M ( X ) = p1 x1 + p2 x2 + ... + pn xn = pi xi
i =1 n

Proprieti: 1. M(a) = a, unde a constant 2. M(a + X) = a + M(X) 3. M(aX) = aM(X) 4. M(aX+b) = aM(X) + b 5. min xi M ( X ) max xi 6. M(X+Y) = M(X) + M(Y) 7. Dac X i Y sunt variabile aleatoare independente: M(XY) = M(X)M(Y) Momente Definiia 6.3.8: Fiind dat variabila aleatoare X se numete moment iniial de ordin k al acesteia vk = M(Xk). Abateri Dac X este o variabil aleatoare i a o constant atunci variabila: X a se numete abaterea lui X de la a. |X a| abaterea absolut de la a
180

X M(X) abaterea de la medie |X M(X)| abaterea absolut de la medie

Momente centrate Se numete moment centrat de ordin k expresia:

k = M ( X M ( X ))k
n i =1

k = ( xi M ( X ))k pi
Cazuri particulare: k = 1 1 = 0 M(X-M(X))=M(X)-M(X)=0 k = 2 Dispersia

2 = D 2 ( X ) = M ( X M ( X ))2

este un indicator important pentru msurarea gradului de mprtiere a valorilor variabilei aleatoare X n jurul valorii medii M(X).

Abaterea standard sau abaterea medie ptratic

= D( X ) = D 2 ( X ) = M (X 2 ) [M ( X )]2

6.3.3 Variabile aleatoare continue


Definiia 6.3.9: Se numete funcie de repartiie ataat variabilei aleatoare X funcia
F :R R F ( x ) = P( X < x ) x R

181

Proprieti
1. 0 F ( x ) 1 x R 2. a, b R, a < b : P(a X < b ) = F (b ) F (a )

3. x1 , x2 R, x1 < x2 : F ( x1 ) F ( x2 ) 4. lim F ( x ) = P( ) = 0
x x yx y< x

5. lim F ( x ) = P( ) = 1 6. lim F ( y ) = F ( x )

Densitatea de probabilitate Definiia 6.3.10: Fie variabila aleatoare X avnd funcia de repartiie F(x). Vom spune c X este variabil aleatoare de tip continuu dac funcia de repartiie F se poate reprezenta sub forma: x F ( x ) = (t )dt x R
funcia : R R numindu-se densitate de probabilitate a variabilei aleatoare X.

Proprieti:
1. x R, ( x ) 0 2. F ' ( x ) = ( x ) a.p.t. pe R 3. P(a x < b ) = ( x )dx
a b

4. ( x )dx = 1

Caracteristici numerice pentru variabile aleatoare continue Valoarea medie (sperana matematic)

182

M ( X ) = x ( x )dx

Momentele iniiale de ordinul k


vk = M X

( )=
k

k x ( x )dx

Momentele centrate de ordin k

k = M ( X M ( x )) = ( x M ( X ))k ( x )dx
k

Dispersia D (X)
D ( X ) = M ( X M ( x )) = ( x M ( X )) ( x )dx
2 2 2

Abaterea standard

= D( X ) = D 2 ( X )

6.3.4 Legi de probabilitate continue uzuale


Legea uniform
0 x<a x a F (x ) = x [ a, b) ba 1 xb

Legea normal a lui Gauss

( x, m, ) =

1 e 2

1 xm 2

M(X) = m, D2(X) = 2 , D(X) =

183

Caz particular:
1 2 ( x,0,1) = e 2
x2

184