Professional Documents
Culture Documents
Capitolul 1..................................................................................... 6
Elemente de algebră liniară........................................................... 6
1.1 Matrice ................................................................................ 6
1.1.1 Definiţii. Exemple........................................................ 6
1.1.2 Operaţii 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 ecuaţii liniare .................................................. 24
1.2.1 Definiţii ...................................................................... 24
1.2.2 Rezolvarea sistemelor de ecuaţii liniare..................... 26
1.2.3 Probleme .................................................................... 37
Capitolul 2................................................................................... 40
Spaţii vectoriale .......................................................................... 40
2.1 Noţiunea de spaţiu vectorial. Exemple ............................. 40
2.1.1 Definiţia spaţiului vectorial........................................ 40
2.1.2 Exemple ..................................................................... 41
2.1.3 Proprietăţi specifice operaţiilor cu vectori ................. 42
2.2 Subspaţiu al unui spaţiu vectorial ..................................... 43
2.2.1 Definiţia subspaţiului vectorial .................................. 43
2.2.2 Exemple de subspaţii ................................................. 44
2.3 Dependenţă şi independenţă liniară. Bază. Coordonate.... 44
2.3.1 Dependenţă şi independenţă liniară ........................... 44
2.3.2 Bază. Coordonate....................................................... 45
2.3.3 Schimbare de coordonate ........................................... 46
2.4 Aplicaţii liniare ................................................................. 49
2.4.1. Definiţii şi exemple................................................... 49
2.4.2 Teorema de caracterizare a aplicaţiilor liniare ........... 50
1
2.4.3. Izomorfisme de spaţii vectoriale ............................... 50
2.5 Probleme ........................................................................... 51
2.6 Fişa de autoevaluare.......................................................... 53
Capitolul 3................................................................................... 54
Programarea liniară..................................................................... 54
3.1 Probleme de programare liniară........................................ 54
3.1.1 Problema de planificare a producţiei.......................... 55
3.1.2 Problemă de amestec.................................................. 57
3.1.3 Problemă de planificare a investiţiilor ....................... 58
3.1.4 Forma standard a problemei de programare liniară ... 58
3.2 Rezolvarea problemelor de programare liniară................. 62
3.2.1 Clasificarea soluţiilor ................................................. 62
3.2.2. Determinarea soluţiilor de bază ................................ 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 Găsirea unei soluţii de bază ....................................... 68
3.3.4 Trecerea de la soluţia găsită la alta mai bună prin
schimbarea bazei................................................................. 69
3.3.5 Determinarea soluţiei optime ..................................... 71
3.3.6 Exemple ..................................................................... 73
3.4 Cazuri speciale într-o problemă de programare liniară..... 76
3.4.1 Cazul soluţiei infinite ................................................. 77
3.4.2 Cazul soluţiei degenerate ........................................... 78
3.4.3 Cazul soluţiilor multiple. Soluţia generală................. 80
3.5 Dualitatea în programarea liniară...................................... 83
3.5.1 Dualitatea simetrică.................................................... 83
3.5.2 Dualitatea nesimetrică................................................ 87
3.6 Programarea transporturilor .............................................. 88
3.6.1 Problema de transport. Modelul matematic ............... 89
3.6.2 Metode de găsire a soluţiilor iniţiale de bază într-o
problemă de transport ......................................................... 94
3.6.3 Determinarea soluţiei optime a problemei de transport
prin metoda potenţialelor .................................................... 96
3.6.4 Soluţii multiple......................................................... 101
3.6.5 Degenerarea în problema de transport ..................... 102
2
3.6.6 Problema de transport neechilibrată......................... 102
3.7 Probleme ......................................................................... 103
3.7.1 Enunţuri.................................................................... 103
3.7.2 Răspunsuri................................................................ 106
Capitolul 4................................................................................. 110
Elemente de analiză matematică ............................................... 110
4.1 Funcţii reale de o variabilă reală ..................................... 110
4.1.1 Vecinătate a unui punct. Punct de acumulare .......... 110
4.1.2 Definiţia funcţiei reale de o variabilă reală .............. 110
4.1.3 Limita unei funcţii într-un punct .............................. 111
4.1.4 Continuitatea unei funcţii într-un punct ................... 111
4.1.5 Derivabilitatea unei funcţii într-un punct................. 112
4.2 Funcţii reale de mai multe variabile reale ....................... 115
4.2.1 Mulţimi şi puncte din Rn. Vecinătăţi ........................ 115
Rn = {x = (x1, x2, ..., xn) | xi ∈ R, ∀i = 1, ..., n} ......................... 115
4.2.2 Funcţii de două variabile.......................................... 116
4.2.3 Limite şi continuitate pentru funcţii de două variabile
.......................................................................................... 117
4.2.4 Derivate parţiale....................................................... 118
4.2.5 Funcţii diferenţiabile ................................................ 120
4.2.6 Interpretări economice ale derivatelor parţiale......... 122
4.2.7 Derivatele funcţiilor compuse.................................. 122
4.2.8 Formula lui Taylor pentru funcţii de două variabile 123
4.2.9 Extremele funcţiilor de două variabile..................... 125
4.2.10 Extreme pentru funcţii 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 pătrate ................................. 130
4.4 Integrale generalizate ...................................................... 131
4.4.1 Integrala Riemann .................................................... 131
4.4.2 Integrale improprii ................................................... 132
4.4.3 Funcţia Gamma (integrala sau funcţia Euler de speţa a
doua) ................................................................................. 134
4.4.4 Funcţia Beta (integrala sau funcţia Euler de speţa întâi)
.......................................................................................... 136
3
Capitolul 5................................................................................. 138
Elemente de teoria grafurilor .................................................... 138
5.1 Definiţii ........................................................................... 138
5.2 Matrice asociate unui graf............................................... 141
5.2.1 Matricea legăturilor (matricea conexiunilor, matricea
booleană)........................................................................... 141
5.2.2 Matricea de incidenţă ............................................... 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 (terminală) ...................................................... 143
5.2.6 Matricea terminală triangularizată superior TTS ..... 146
5.3 Drumuri hamiltoniene în grafuri ..................................... 148
5.3.1 Drumuri hamiltoniene în grafuri orientate şi fără
circuite .............................................................................. 148
5.3.2 Drum hamiltonian într-o reţea oarecare. Algoritmul lui
Foulkes.............................................................................. 150
5.4 Drum optim..................................................................... 154
5.4.1 Drum critic (rută maximă) în grafuri fără circuite ... 154
5.4.2 Modelul matematic .................................................. 155
5.4.3 Algoritm pentru aflarea matricei DM a distanţelor
maximale........................................................................... 155
5.5 Fluxul în reţea ................................................................. 160
5.5.1 Algoritmul lui Ford-Foulkerson (procedeul marcării)
.......................................................................................... 162
Capitolul 6................................................................................. 165
Elemente de teoria probabilităţilor............................................ 165
6.1 Câmp de evenimente....................................................... 166
6.1.1 Experienţă, probă, eveniment................................... 166
6.1.2 Operaţii cu evenimente ............................................ 167
6.1.3 Definiţii ale noţiunii de probabilitate ....................... 167
6.1.4 Formula probabilităţii totale..................................... 170
6.2 Scheme clasice de probabilitate ...................................... 173
6.2.1 Schema lui Bernoulli cu bila întoarsă (schema
binomială) ......................................................................... 173
4
6.2.2 Schema lui Bernoulli cu mai multe stări (polinomială)
.......................................................................................... 174
6.2.3 Schema bilei neîntoarse (schema hipergeometrică) . 174
6.2.4 Schema bilei neîntoarse cu mai multe stări.............. 175
6.3 Variabile aleatoare .......................................................... 175
6.3.1 Operaţii 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
5
Capitolul 1
1.1 Matrice
6
M1,3(R) şi se mai numeşte matrice linie, iar matricea E ∈ M2(R),
fiind o matrice pătratică.
⎛ 11 0 − 8⎞
⎜ ⎟ ⎛ 4 ⎞
⎜ 6 4 −1⎟ ⎜ ⎟
⎛ 2 − 3 4⎞ ⎜ ⎟ ⎜ − 9⎟
A = ⎜⎜ ⎟;
⎟
B=⎜ 7 2 6 ⎟; C = ⎜ ⎟;
⎝ − 5 0 1 ⎠ ⎜ ⎟ ⎜ 2 ⎟
⎜ − 10 4 − 9⎟ ⎜⎜ ⎟⎟
⎜ ⎟ ⎝ 3 ⎠
⎝ 2 −3 − 5⎠
⎛ 3 4⎞
D = (0 − 2 3); E = ⎜⎜ ⎟.
⎟
⎝ − 8 0⎠
7
⎛a a ... a ⎞ ⎛b b ... b ⎞
⎜ 11 12 1n ⎟ ⎜ 11 12 1n ⎟
⎜a a ... a ⎟ ⎜b b ... b ⎟
A = ⎜ 21 22 2n ⎟
; B = ⎜ 21 22 2 n ⎟;
⎜ ..... ..... ..... ..... ⎟ ⎜ ..... ..... ..... ..... ⎟
⎜ ⎟ ⎜ ⎟
⎜a a ... a ⎟ ⎜b b ... b ⎟
⎝ m1 m2 mn ⎠ ⎝ m1 m2 mn ⎠
⎛ a +b a +b ... a + b ⎞
⎜ 11 11 12 12 1n 1n ⎟
⎜a +b a +b ... a + b ⎟
A + B = ⎜ 21 21 22 22 2n 2n ⎟.
⎜ ..... ..... ..... ..... ⎟
⎜ ⎟
⎜ a + bm1 a +b ... a + b ⎟
⎝ m1 m2 m2 mn mn ⎠
⎛− 2 5 ⎞ ⎛ 3 4⎞ ⎛− 2 + 3 5 + 4 ⎞ ⎛1 9 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A = ⎜ 11 − 23⎟ şi B = ⎜ − 6 9 ⎟, atunci : A + B = ⎜ 11 − 6 − 23 + 9 ⎟ = ⎜ 5 − 14 ⎟.
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 3 0 ⎟⎠ ⎜ 2 10 ⎟ ⎜ 3+ 2 0 + 10 ⎟⎠ ⎜⎝ 5 10 ⎟⎠
⎝ ⎝ ⎠ ⎝
Proprietăţile adunării
8
Această proprietate rezultă din faptul că legea "+" este comutativă
în R, adică oricare ar fi aij şi bij, cu 1 ≤ i ≤ m şi 1 ≤ j ≤ n
elementele matricelor A şi B, aij + bij = bij + aij.
3. Elementul neutru:
Dacă se notează cu 0 elementul neutru al legii "+" din inelul R,
⎛ 0 0 ... 0 ⎞
⎜ ⎟
⎜ 0 0 ... 0 ⎟
atunci matricea Om, n = ⎜ ⎟ este element neutru pentru
⎜ ... ... ... ...⎟
⎜⎜ ⎟⎟
⎝0 0 0 0⎠
adunarea matricelor pentru că, oricare ar fi matricea A ∈ Mm,n(R),
A + Om,n = Om,n + A = A.
Această matrice se numeşte matricea nulă.
9
Cu alte cuvinte R formează un spaţiu vectorial peste corpul K. În
aceste condiţii, se poate defini înmulţirea cu scalari din corpul K a
matricelor din mulţimea Mm,n(R).
10
Definiţia 1.1.8: Fie matricele A ∈ Mm,n(R) şi B ∈ Mn,p(R), unde aij
cu 1 ≤ i ≤ m şi 1 ≤ j ≤ n sunt elementele lui A, iar bjk cu 1 ≤ j ≤ n şi
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 şi
j =1
1 ≤ k ≤ p, adică:
⎛a a ... a ⎞ ⎛b b ... b ⎞
⎜ 11 12 1n ⎟ ⎜ 11 12 1p ⎟
⎜a a ... a ⎟ ⎜b b ... b ⎟
A = ⎜ 21 22 2n ⎟
şi B = ⎜ 21 22 2p ⎟
. Atunci : A ⋅ B =
⎜ ... ... ... ... ⎟ ⎜ ... ... ... ... ⎟
⎜ ⎟ ⎜ ⎟
⎜a a ... a ⎟ ⎜ bn1 bn 2 ... b ⎟
⎝ m1 m2 mn ⎠ ⎝ np ⎠
⎛ a11b11 + a12b21 + ... + a1nbn1 a11b12 + a12b22 + ... + a1nbn 2 ... a11b1 p + a12b2 p + ... + a1nbnp ⎞
⎜ ⎟
⎜ a b + a b + ... + a1nbn1 a11b11 + a12b21 + ... + a1nbn1 ... a11b11 + a12b21 + ... + a1nbn1 ⎟
= ⎜ 21 11 12 21
...................................... .................................... ... ................................ ⎟
⎜ ⎟
⎜ a b + a b + ... + a b a11b11 + a12b21 + ... + a1nbn1 ... a11b11 + a12b21 + ... + a1nbn1 ⎟⎠
⎝ 11 11 12 21 1n n1
⎛ 1 2 ⎞
⎜ ⎟
⎜ 0 −1⎟ ⎛ − 3 0 4⎞
A=⎜ ⎟ şi B = ⎜ ⎟
⎜ 12 − 4⎟ ⎜ 5 2 7⎟
⎝ ⎠
⎜⎜ ⎟⎟
⎝− 2 8 ⎠
⎛ 1 ⋅ (−3) + 2 ⋅ 5 1⋅ 0 + 2 ⋅ 2 1⋅ 4 + 2 ⋅ 7 ⎞ ⎛ 7 4 18 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 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 ⎟⎠
11
Proprietăţile înmulţirii matricelor
12
⎛0 1⎞ ⎛ 2 3⎞ ⎛ 0 0⎞
A = ⎜⎜ ⎟≠0 ; B=⎜
⎟ 2 ⎜
⎟ ≠ 0 , dar : A ⋅ B = ⎜
⎟ 2
⎟=0
⎜ 0 0⎟ 2
⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ ⎠
În ceea ce priveşte elementele inversabile ale inelului,
acestea sunt matricele care au determinantul un element inversabil
al inelului R.
Exemplul 1.1.13:
⎛3 5⎞ ⎛ 2 − 5⎞ ⎛1 0⎞
A = ⎜⎜ ⎟ şi B = ⎜
⎟ ⎜ −1
⎟. Atunci A ⋅ B = B ⋅ A = ⎜
⎟ ⎜
⎟=I .
⎟ 2
⎝1 2⎠ ⎝ 3⎠ ⎝0 1⎠
13
Teorema 1.1.16: O matrice pătratică de ordin n cu elemente din
corpul K este inversabilă dacă şi numai dacă este nesingulară.
Metoda I
⎛ a 11 a 12 ... a 1n ⎞
⎜ ⎟
⎜ a 21 a 22 ... a 2n ⎟
A=⎜ ⎟
⎜ ..... ..... ..... ..... ⎟ se calculează astfel:
⎜⎜ ⎟
⎝ a n1 an2 ... a nn ⎟⎠
a 11 a 12 ... a 1n
a 21 a 22 ... a 2n
d =
..... ..... ..... ..... . În cazul în care d = 0, matricea nu
a n1 a n 2 ... a nn
are inversă. Dacă d ≠ 0, se calculează inversa.
Atunci A – 1 = d – 1 A*.
14
⎛ d 0 ... 0 ⎞
⎜ ⎟
⎜ 0 d ... 0 ⎟
Se verifică prin calcul că A · A* = A* · A = ⎜ ⎟ .
⎜ ... ... ... ...⎟
⎜⎜ ⎟⎟
⎝ 0 0 ... d ⎠
În consecinţă, A · A – 1 = A – 1 · A = In, deci matricea calculată este
inversa matricei A.
Exemplul 1.1.17:
⎛2 −1 0⎞
⎜ ⎟
Fie matricea: A = ⎜1 3 2 ⎟.
⎜ ⎟
⎜4 1 2 ⎟⎠
⎝
1. Se calculează determinantul ei,
2 −1 0
d=1 3 2 = 12 − 8 − 4 + 2 = 2 ≠ 0 .
4 1 2
3 2 1 2 1 3 −1 0 2 0
d11 = = 4; d12 = = −6; d13 = = −11; d 21 = = −2; d 22 = = 4;
1 2 4 2 4 1 1 2 4 2
2 −1 −1 0 2 0 2 −1
d 23 = = 6; d31 = = −2; d32 = = 4; d33 = =7
4 1 3 2 1 2 1 3
⎛ ⎞
⎛ 4 2 − 2⎞ ⎜ 2 1 −1 ⎟
⎜ ⎟ 1 ⎜ ⎟
A* = ⎜ 6 4 − 4 ⎟, iar A- 1 = ⋅ A* = ⎜ 3 2 − 2⎟
⎜ ⎟ 2 ⎜ 11 7 ⎟
⎜ − 11 −6 7 ⎟⎠
⎝ ⎜− −3 ⎟
⎝ 2 2 ⎠
15
Metoda II
Definiţia 1.1.18: Două matrice care rezultă una din alta prin
transformări elementare se numesc echivalente.
A I3 Transformări elementare
L1 · 1/2
2 -1 0 1 0 0
1 3 2 0 1 0
4 1 2 0 0 1
16
1 -1/2 0 1/2 0 0
L2 – 1 · L1
1 3 2 0 1 0
L3 – 4 · L1
4 1 2 0 0 1
1 -1/2 0 1/2 0 0
0 3 2 -2 0 1
0 3 2 -2 0 1 L3 – 3 · L2
17
1 0 2/7 3/7 1/7 0
0 0 1 -11/2 -3 7/2
I3 A-1
1 0 0 2 1 -1
0 1 0 3 2 -2
0 0 1 -11/2 -3 7/2
18
⎛1 0 1 ⎞
⎜ ⎟
Exemplul 1.1.20: Fie matricea: A = ⎜1 − 2 − 3 ⎟ , cu det(A) = 0.
⎜1 2 5 ⎟⎠
⎝
A I3 Transf. elementare
1 0 1 1 0 0
1 -2 -3 0 1 0 L2 – L1
1 2 5 0 0 1 L3 – L1
1 0 1 1 0 0
0 -2 -4 -1 1 0 L2 · (-1/2)
0 2 4 -1 0 1
1 0 1 1 0 0
0 1 2 1/2 -1/2 0
0 2 4 -1 0 1 L3 – 2 · L2
1 0 1 1 0 0
0 1 2 1/2 -1/2 0
0 0 0 -2 1 1
19
Pe ultima linie fiind numai zerouri, din matricea A nu se
poate obţine I3 prin transformări elementare.
1.1.4.1 Definiţii
⎛a a ... a ⎞
⎜ 11 12 1n ⎟
⎜a a ... a ⎟
Fie matricea A = ⎜ 21 22 2n ⎟
din mulţimea Mm,n(K),
⎜ ..... ..... ..... ..... ⎟
⎜ ⎟
⎜a a ... a ⎟
⎝ m1 m2 mn ⎠
unde K este un corp comutativ. Se consideră k linii şi k coloane
ale acestei matrice. Elementele care se găsesc la intersecţia lor
formează un determinant de ordin k, numit minor de ordin k al
matricei A.
Dacă matricea A ≠ Om,n, atunci matricea are elemente
nenule, există minori nenuli. Mulţimea minorilor matricei este
finită, înseamnă că există un număr natural r, 1 ≤ r ≤ min (m, n),
astfel încât să existe cel puţin un minor de ordin r nenul, iar toţi
minorii care există de ordin mai mare decât r să fie nuli.
Proprietăţile rangului
20
d) se adaugă la elementele unei linii (coloane) elementele
unei alte linii (coloane), eventual înmulţite cu un număr oarecare.
Metoda I
⎛ −1 0 4 3⎞
⎜ ⎟
Exemplul 1.1.23: Fie matricea A=⎜ 2 1 − 1 1 ⎟ . Un minor de
⎜ ⎟
⎜ 0 1 7 7 ⎟⎠
⎝
−1 0
ordin 2 nenul este: , format cu liniile 1 şi 2 şi coloanele 1 şi
2 1
2. Prin adăugare de linii şi coloane se mai pot forma doi minori de
ordin 3:
−1 0 4 −1 0 3
2 1 − 1 = 0 şi 2 1 1 = 0 . În concluzie rangA = 2.
0 1 7 0 1 7
21
Metoda II
Exemplul 1.1.24 :
⎛ − 1 0 4 3⎞ L +2L ⎛ − 1 0 4 3⎞ ⎛ −1 0 0 0⎞ L −L
⎜ ⎟ 2 1⎜ ⎟ ⎜ ⎟ 3 2
⎜ 2 1 −1 1⎟ ≈ ⎜ 0 1 7 7⎟ ≈ ⎜ 0 1 7 7⎟ ≈
⎜ 0 1 7 7⎟ ⎜0 1 7 7 ⎟⎠ ⎜⎝ 0 1 7 7 ⎟⎠
⎝ ⎠ ⎝
⎛ −1 0 0 0⎞ ⎛ −1 0 0 0⎞
⎜ ⎟ ⎜ ⎟
≈ ⎜ 0 1 7 7⎟ ≈ ⎜ 0 1 0 0⎟ RangA = 2.
⎜ 0 0 0 0⎟ ⎜ 0 0 0 0 ⎟⎠
⎝ ⎠ ⎝
22
1.1.5 Probleme
⎛2 −1 3⎞ ⎛ −1 0 2 ⎞
⎜ ⎟ ⎜ ⎟
1. Fie matricele: A = ⎜0 4 2 ⎟ şi B = ⎜ 3 1 − 4 ⎟ din M3(R).
⎜ ⎟ ⎜ ⎟
⎜1 − 1 3 ⎟⎠ ⎜ −1 0 5 ⎟⎠
⎝ ⎝
23
⎛1 1 1 1 ⎞
⎜4 4 4 4 ⎟⎟
⎛ 3 −3 1 ⎞ ⎜1 1
⎛ 0 1⎞ ⎜ ⎟ ⎜ −1 − 1⎟
2. A −1
= ⎜⎜ ⎟
⎟
B −1
= ⎜− 3 5 − 2⎟ C−1 = ⎜ 4 4 4 4⎟
⎝ − 1 2 ⎠ ⎜
⎜ 1
⎟ ⎜1 −1 1 1
− ⎟
⎝ − 2 1 ⎟⎠ ⎜4 4 4 4⎟
⎜⎜ 1 − 1 −1 1 ⎟⎟
⎝4 4 4 4 ⎠
4. rang A = 1; rang B = 2.
1.2.1 Definiţii
⎧ a x + a x + ... + a x = b
⎪ 11 1 12 2 1n n 1
⎪⎪ a 21 x1 + a 22 x2 + ... + a 2 n x n = b2
(S ) ⎨
⎪ .......... .......... .......... .......... .......
⎪a x + a x + ... + a x = b
⎪⎩ m1 1 m2 2 mn n m
24
⎛a a ... a ⎞
⎜ 11 12 1n ⎟
⎜a a ... a ⎟
A = ⎜ 21 22 2n ⎟
, iar matricea:
⎜ ..... ..... ..... ..... ⎟
⎜ ⎟
⎜a a ... a ⎟
⎝ m1 m2 mn ⎠
⎛a a ... a b ⎞
⎜ 11 12 1n 1 ⎟
⎜a a ... a b ⎟
A = ⎜ 21 22 2n 2 ⎟,
⎜ ..... ..... ..... ..... .....⎟
⎜ ⎟
⎜a a ... a b ⎟
⎝ m1 m2 mn m⎠
⎛x ⎞ ⎛b ⎞
⎜ 1⎟ ⎜ 1⎟
⎜x ⎟ ⎜b ⎟
Se notează: X = ⎜ 2 ⎟ şi B=⎜ 2 ⎟
⎜ ... ⎟ ⎜ ... ⎟
⎜ ⎟ ⎜ ⎟
⎜x ⎟ ⎜b ⎟
⎝ n⎠ ⎝ m⎠
Cu aceste notaţii, sistemul se mai poate scrie sub formă
matriceală:
AX = B.
25
Observaţie: Orice sistem omogen este compatibil pentru că
are cel puţin soluţia banală x10 = x20 = … = xn0 = 0.
26
Se notează cu d determinantul acestei matrice:
a a ... a
11 12 1n
a a ... a
21 22 2n
d =
..... ..... ..... ..... ,
a a ... a
n1 n2 nn
⎛a a ... a b a ... a ⎞
⎜ 11 12 1j −1 1 1j +1 1n ⎟
⎜a a ... a b a ... a ⎟
A j = ⎜ 21 22 2 j −1 2 2 j +1 2n ⎟
⎜ ..... ..... ..... ..... ..... ..... ..... ..... ⎟
⎜ ⎟
⎜ a n1 a ... a
nj − 1
b a
nj + 1
... a ⎟
⎝ n2 n nn ⎠
a a ... a b a ... a
11 12 1j −1 1 1j +1 1n
a a ... a b a ... a
21 22 2 j −1 2 2 j +1 2n
dj =
..... ..... ..... ..... ..... ..... ..... ..... ,
a a ... a b a ... a
n1 n2 nj − 1 n nj + 1 nn
k+ j n
a cărui dezvoltare după coloana j este: d j = ∑ ( −1) d b ,
kj k
k =1
unde s-a notat cu dkj determinantul de ordin n – 1 care rămâne
după excluderea liniei k şi a coloanei j din determinantul dj.
27
Teorema 1.1.2 (Regula lui Cramer): Fie sistemul (SC) de n
ecuaţii liniare cu n necunoscute, peste corpul comutativ K, având
d ≠ 0. Atunci sistemul are o soluţie unică dată de formulele: xj0 =
djd – 1,
1 ≤ j ≤ n, cu notaţiile de mai sus.
∑ aij (d j d
j =1
−1
)=d −1
∑ aij (∑ (−1) k + j d kjbk ) =
j =1 k =1
n n
=d −1
∑ (∑ aij (−1) k + j d kj )bk = d − 1(dbi ) = bi ,
k =1 j =1
1 ≤ i ≤ n.
⎛ ( − 1)1 + 1 d ( − 1) 2 + 1 d ... ( − 1) n + 1 d ⎞
⎜ 11 21 n1
⎟
⎜ 1+ 2 2+2
⎟
⎜ ( − 1) d ( − 1) d ... ( −1) n + 2 d ⎟
A− 1 = d − 1⎜ 12 22 n2 ⎟
⎜ ..... ..... ..... ..... ⎟
⎜ 1+ n ⎟
⎜ ( − 1) d ( − 1) 2 + n d ... ( − 1) n+n
d ⎟
⎝ 1n 2n nn ⎠
Atunci,
⎛ (−1)1+1 d11 (−1) 2+1 d 21 ... (−1) n+1 d n1 ⎞⎛ b1 ⎞
⎜ 1+2 2+ 2 n+ 2
⎟⎜ ⎟
⎜ (−1) d (−1) d ... (− 1) d n 2 ⎟⎜ 2 ⎟
b
X = A−1B = d −1⎜ 12 22
⎟
⎜ ..... ..... ..... ..... ⎟⎜ ... ⎟ ,
⎜ ⎟
⎜ (−1)1+n d (−1) 2+n d ... ( −1) n+n
d ⎟⎜ b ⎟
⎝ 1n 2n nn ⎠⎝ n ⎠
28
Exemplul 1.2.3: Fie sistemul:
⎧x + 2x − x = 3 ⎛1 2 − 1⎞
⎪⎪ 1 2 3 ⎜ ⎟
⎨ 2 x1 − x 2 − x 3 = 2 , cu matricea: A = ⎜ 2 −1 − 1⎟
⎪ ⎜ ⎟
3x + x = 4 ⎜0 3 1 ⎟⎠
⎪⎩ 2 3 ⎝
Celelalte matrice care se folosesc în rezolvare sunt:
⎛3 2 − 1⎞ ⎛1 3 − 1⎞ ⎛1 2 3⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A1 = ⎜ 2 −1 − 1⎟; A2 = ⎜ 2 2 − 1⎟; A3 = ⎜ 2 −1 2⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜4 3 1 ⎠⎟ ⎜0 4 1 ⎠⎟ ⎜0 3 4 ⎟⎠
⎝ ⎝ ⎝
⎧ a x + a x + ... + a x = b
⎪ 11 1 12 2 1n n 1
⎪⎪ a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2
(S ) ⎨
⎪ .......... .......... .......... .......... .......
⎪ a x + a x + ... + a x = b
⎪⎩ m1 1 m2 2 mn n m
29
de ordin r + 1 ai lui A sunt nuli. Ā are o coloană în plus faţă de A,
dar care este combinaţie liniară a coloanelor lui A, deci orice
minor de ordin r + 1 în care apar elemente din această coloană
este nul, iar minorii de ordin r ai lui A nenuli sunt minori şi pentru
Ā, de unde rezultă că şi rangul lui Ā este tot r, ca şi rangul lui A.
Presupunem că rang A = rang Ā. Există deci un minor al
matricei A de ordin r nenul şi toţi minorii de ordin r + 1 sunt nuli.
Printr-o renumerotare a liniilor şi coloanelor se poate presupune
că acest minor este:
a a ... a
11 12 1r
a a ... a
21 22 2r
≠ 0 . Dacă şi rang Ā = r, atunci
..... ..... ..... .....
a a ... a
r1 r2 rr
coloana termenilor liberi este o combinaţie liniară a acestor
coloane, adică există xj0 , 1 ≤ j ≤ r astfel încât
n
∑ a x = b , i ∈{1,2,...,r} . Aceasta înseamnă că x10, x20, …, xr0, 0,
0
ij j i
j =1
0, …, 0 este o soluţie a sistemului, adică sistemul este compatibil.
30
⎧ a x + a x + ... + a x + a α + a1r + 2α2 + ...+ a1nαn − r = b1
1r + 1 1
⎪ 11 1 12 2 1r r
⎪⎪a21x1 + a22 x2 + ... + a2r xr + a2r + 1α1 + a2r + 2α2 + ... + a2nαn − r = b2
⎨
⎪ ...............................................................................................
⎪ a x + a x + ... + a x + a α + arr + 2α2 + ...+ arnαn − r = br
⎪⎩ r1 1 r2 2 rr r rr + 1 1
31
⎧ x − 3y + z + t = 1
⎪
⎨ x − 3 y + z − 2t = − 1
⎪
⎩ x − 3 y + z + 2t = 6
Se scrie matricea A a sistemului şi matricea extinsă:
⎛1 −3 1 1 ⎞ ⎛1 −3 1 1
1⎞
⎜ ⎟ ⎜ ⎟
A = ⎜1 − 3 1 − 2⎟ A = ⎜1 − 3 1 − 2 − 1⎟
⎜ ⎟ ⎜ ⎟
⎜1 − 3 1 2 ⎟⎠ ⎜1 −3 1 2 6 ⎟⎠
⎝ ⎝
⎧ x + y + 2z = 1
⎪
⎪ 2 x − y + z + 3t = 2
⎨
⎪ x + 2 y + 3z − t =1
⎪
⎩ x + y + 2z = 1
⎛1 1 2 0⎞ ⎛1 1 2 0 1⎞
⎜ ⎟ ⎜ ⎟
⎜2 −1 1 3⎟ ⎜2 −1 1 3 2⎟
A=⎜ ⎟ A =⎜ ⎟
⎜1 2 3 − 1⎟ ⎜1 2 3 −1 1⎟
⎜⎜ ⎟ ⎜⎜ ⎟
⎝1 1 2 0 ⎟⎠ ⎝1 1 2 0 1 ⎟⎠
32
Acest minor se completează în toate modurile posibile cu
linii şi coloane, obţinând 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
33
1 − 2α 1
d1 = = −1 + 2α − 2 + α + 3β = 3α + 3β − 3
2 − α − 3β −1
1 1 − 2α
d2 = = 2 − α − 3β − 2 + 4α = 3α − 3β
2 2 − α − 3β
34
⎧x + 2x − x = 3
⎪⎪ 1 2 3
⎨ 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
⎜ 2 −1 −1 2⎟ ≈ ⎜ 0 − 5 1 − 4⎟ ≈ ⎜ 0 1 − ⎟ ≈
⎜ 0 3 1 4⎟ ⎜0 3 ⎟ ⎜ 5 5 ⎟ L3 −3 L2
⎝ ⎠ ⎝ 1 4 ⎠ ⎜ 0 3 1 4 ⎟⎠
⎝
⎛ 3 7⎞ ⎛ 3 7⎞
⎜1 0 − ⎟ ⎜1 0 − ⎟
⎜ 5 5 ⎟ L3⋅5 ⎜ 5 5 ⎟ L1 + 3 L3 ⎛ 1 0 0 2 ⎞
⎜ 1 4⎟ 8 ⎜ 1 4⎟ 5 ⎜ ⎟
5 5⎟ ≈ ⎜ 5 5⎟ L≈
≈ 0 1 − 0 1 − ⎜0 1 0 1⎟
⎜
⎜ 0 0 1 1 ⎟ 2 + 5 L3 ⎜⎝ 0 0 1 1 ⎟⎠
1
⎜ 8 8⎟
⎜0 0 ⎟ ⎜ ⎟
⎝ 5 5⎠ ⎝ ⎠
x1 = 2; x2 = 1; x3 = 1.
În cazul sistemelor compatibile nedeterminate, doar
porţiunea din matrice care intră într-un minor principal se poate
aduce la forma matricei unitate, pe celelalte linii obţinându-se
zerouri. Necunoscutele secundare se noteză parametric, iar soluţia
se exprimă în funcţie de acestea.
⎧ x + y + 2z = 1
⎪
⎪ 2 x − y + z + 3t = 2
⎨
⎪ x + 2 y + 3z − t = 1
⎪
⎩ x + y + 2z = 1
35
⎛1 1 2 0 1⎞ ⎛1 1 2 0 1⎞ ⎛ 1⎞
⎜ ⎟ ⎜ ⎟ L 2 ⋅⎜ − ⎟
⎜2 −1 1 3 2⎟ L 2 − 2 L1
⎜0 −3 −3 3 0⎟ ⎝ 3⎠
⎜1 2 3 − 1 1 ⎟ L 3≈ ⎜0 1 1 −1 0⎟ ≈
⎜ ⎟ L 4 − L1 ⎜
− L1
⎟
⎜1 1 2 0 1 ⎟⎠ ⎜0 0 0 0 0 ⎟⎠
⎝ ⎝
⎛1 1 2 0 1⎞ ⎛1 0 1 1 1⎞
⎜ ⎟ ⎜ ⎟
⎜0 1 1 −1 0⎟ L1 − L 2
⎜0 1 1 −1 0⎟
− 1 0 ⎟ L 3≈
≈⎜ ⎜
0 1 1 − L2 0 0 0 0 0⎟
⎜ ⎟ ⎜ ⎟
⎜0 0 0 0 0⎠ ⎟ ⎜0 0 0 0 0 ⎟⎠
⎝ ⎝
Cu solutia :
x = 1 − α − β , y = −α + β , z = α , t = β , α,β ∈ R
⎧ 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 ecuaţia a doua este 0 = 13.
1.2.3 Probleme
⎧⎪ 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
⎧⎪ x + 2 y − 3 z = 0
a) ⎨⎪⎩ 5 x − 3 y + z = 0
⎧ 6x − 2y + z = 1
⎪
b) ⎨
x − 4 y + 2z = 0
⎪
⎩4 x + 6 y − 3 z = 0
⎧ x − 2y + z + t =1
⎪
⎨ x − 2 y + z − t = −1
c) ⎪
⎩ x − 2 y + z + 5t = 5
Răspunsuri
2. a) Matricele sunt:
38
⎛ 1 2 − 3⎞ ⎛1 2 − 3 0⎞
A=⎜ ⎜ ⎟ şi A = ⎜⎜ ⎟
⎟ 0 ⎟⎠
⎝5 −1 1 ⎠ ⎝5 −1 1
rang A = 2 şi rang Ā = 2, deci sistemul este compatibil.
Soluţiile: x = α ; y = 16α ; z = α , α ∈R.
11 11
b) Matricele sunt:
⎛6 − 2 1 ⎞ ⎛ 6 − 2 1 1⎞
⎜ ⎟ ⎜ ⎟
A = ⎜1 − 4 2 ⎟ şi A = ⎜1 − 4 2 0⎟
⎜ ⎟ ⎜ ⎟
⎜ 4 6 − 3⎟ ⎜ 4 6 − 3 0⎟
⎝ ⎠ ⎝ ⎠
rang A = 2, rang Ā = 3. În concluzie, sistemul este
incompatibil.
c) Se scriu matricele:
⎛1 − 2 1 1 ⎞ ⎛1 − 2 1 1 1 ⎞
⎜ ⎟ ⎜ ⎟
A = 1 − 2 1 −1 şi A = 1 − 2 1 −1 −1⎟
⎜ ⎟ ⎜
⎜ ⎟ ⎜ ⎟
⎜1 − 2 1 5 ⎟ ⎜1 − 2 1 5 5 ⎟
⎝ ⎠ ⎝ ⎠
rang A = 2 = rang Ā, sistem compatibil.
Soluţiile: x = α; y = β; z = - α + 2β; t = 1, unde α şi β ∈ R.
39
Capitolul 2
Spaţii vectoriale
40
Elementul neutru al grupului (V, +) se numeşte vectorul nul
şi se notează cu 0, ca şi scalarul 0.
Când K = R sau K = C se spune că V este spaţiul vectorial
real, respectiv complex.
Spaţiile vectoriale se mai numesc spaţii liniare.
2.1.2 Exemple
1. Spaţiul vectorial Rn
Fie n > 1 un număr natural. Se notează cu Rn mulţimea
tuturor sistemelor ordonate de n numere reale, x = (a1, a2, ..., an),
ai ∈ R.
Dacă α ∈ R şi x, y ∈ Rn, x = (a1, a2, ..., an), y = (b1, b2, ...,
bn), atunci:
x = y dacă şi numai dacă ai = bi; 1 ≤ i ≤ n,
x + y = (a1 + b1, a2 + b2, ..., an + bn),
αx = (αa1, αa2, ..., αan).
Pe baza proprietăţilor operaţiilor din R se demonstrează că
legea de compoziţie internă Rn x Rn → Rn, (x, y) → x + y este
asociativă şi comutativă, cu elementul neutru 0 = (0, 0, ..., 0) şi
simetricul lui x = (a1, a2, ..., an) fiind – x = (- a1, - a2, ..., - an).
Rezultă că (Rn, +) este grup abelian.
De asemenea, legea de compoziţie externă R x Rn → Rn, (α,
x) → αx satisface axiomele 1–4 din definiţia spaţiului vectorial.
Elementele din Rn se numesc vectori n - dimensionali, iar Rn
se numeşte spaţiul aritmetic real de dimensiune n. Dacă x = (a1,
a2, ..., an), atunci ai se numeşte componenta de rang i a lui x.
Analog se introduce spaţiul aritmetic Cn sau spaţiul
vectorial Kn, unde K este un corp oarecare.
41
3. Spaţiul vectorial 0.
Fie un corp K. Pe grupul abelian 0 = {0} se introduce legea
de compoziţie externă K x 0 → 0, (α, 0) → α·0 = 0. Se conferă
astfel grupului abelian 0 o structură de spaţiu vectorial peste K,
numit spaţiul vectorial zero.
2. Oricare ar fi α ∈ K şi x ∈ V,
(- α)x = α(- x) = - αx şi (- α)(- x) = αx.
42
2.2 Subspaţiu al unui spaţiu vectorial
43
2.2.2 Exemple de subspaţii
44
λ1, λ2, ..., λm nu toţi nuli, astfel încât λ1v1 + λ2v2 + ... + λmvm = 0.
Există scalarii λ1 = - 1; λ2 = - 1; λ3 = 1 şi λ4 = 0
nu toţi nuli, astfel încât: λ1v1 + λ2v2 + λ3v3 + λ4v4 =
= (- 1, 0, 0) + (0, - 1, 0) + (1, 1, 0) + (0, 0, 0) = (0, 0, 0).
Rezultă că sistemul de vectori v1, v2, v3 şi v4 este liniar dependent.
45
(x1, 0, 0) + (0, x2, 0) + (0, 0, x3) = (x1, x2, x3) = (0, 0, 0), de unde
rezultă x1 = x2 = x3 = 0, deci sistemul este liniar independent.
46
e'1 = a11e1 + a21e2 + ... + an1en
e'2 = a12e1 + a22e2 + ... + an2en
. . . . . . . . . . . . . . . .
e'n = a1ne1 + a2ne2 + ... + annen.
47
Exemplul 2.3.11:
Sistemul de vectori e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)
constituie în spaţiul R3 o bază. În această bază vectorul x are
coordonatele: x = (1, 2, 3). Se cere :
a) Să se arate că vectorii: f1 = (1, 1, 0), f2 = (1, 0, 1), f3 = (1, 1, 1)
formează o bază în R3.
b) Să se exprime vectorul x în baza (f1, f2, f3).
Rezolvare:
a) Dimensiunea spaţiului R3 este 3. Este suficient să se
demonstreze că vectorii f1, f2 şi f3 sunt liniar independenţi.
Fie a, b, c numere reale astfel încât af1 + bf2 + cf3 = (0, 0, 0),
adică:
(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 soluţia unică a = b = c = 0, ceea ce înseamnă că vectorii sunt
liniar independenţi.
b) A exprima vectorul x în baza (f1, f2, f3) înseamnă a găsi
coordonatele x1, x2 şi x3 astfel încât: x1f1 + x2f2 + x3f3 = (1, 2, 3),
adică:
(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 soluţia: x1 = - 2, x2 = - 1 şi x3 = 4,
exprimarea lui x în baza (f1, f2, f3) fiind (- 2, - 1, 4).
48
2.4 Aplicaţii liniare
Exemple 2.4.2:
49
2.4.2 Teorema de caracterizare a aplicaţiilor liniare
Exemple 2.4.6:
1. Aplicaţia identică a unui spaţiu vectorial în el însuşi este
izomorfism.
2. Omotetiile Hh sunt de asemenea izomorfisme.
3. Orice spaţiu vectorial de dimensiune n este izomorf cu spaţiul
vectorial standard Cn.
50
2.5 Probleme
51
7. Fie P3 spaţiul vectorial al polinoamelor de grad mai mic sau
egal cu 3 din R[X] şi P4 spaţiul vectorial al polinoamelor de grad
mai mic sau egal cu 4 din R[X]. Să se arate că funcţia T : P3 → P4
definită prin: T (f) = Xf, adică oricare ar fi f = a0 + a1X + a2X2 +
a3X3, T (f) = a0X + a1X2 + a2X3 + a3X4, este o aplicaţie liniară.
Este acesta un izomorfism de spaţii vectoriale?
Răspunsuri
⎛ 1⎞ ⎛ 1⎞
5. u = ⎜1,−2, ⎟ ; v= ⎜1,1,− ⎟ .
⎝ 2⎠ ⎝ 2⎠
⎛ 5 4⎞
6. Matricea A = ⎜⎜ ⎟⎟ , de unde XB = A·XB’, sau, pentru aflarea
⎝−1 1⎠
⎛1 4⎞
⎜ − ⎟
coordonatelor în noua bază B’, XB’ = A-1·XB, unde A −1 = ⎜ 9 9⎟.
⎜1 5 ⎟
⎜ ⎟
⎝9 9 ⎠
7. Se verifică faptul că pentru orice f şi g din P3 şi orice scalari λ
şi μ din R este îndeplinită condiţia:
T (λf + μg) = λT (f) + μT (g).
Spaţiile vectoriale P3 şi P4 nu pot fi izomorfe deoarece nu au
aceeaşi dimensiune.
52
2.6 Fişa de autoevaluare
53
Capitolul 3
Programarea liniară
54
3.1.1 Problema de planificare a producţiei
Datele problemei:
55
a i 1 x 1 + a i 2 x 2 + ... + a in x n
Condiţiile de nenegativitate: x j ≥ 0, 1≤ j ≤ n.
56
n
max f = ∑c
j =1
j xj
cu conditiile :
n
∑a
j =1
ij x j ≤ bi 1≤ i ≤ m
xj ≥ 0 1≤ j ≤ n
n
min f = ∑
j =1
cjx j
cu conditiile :
n
∑j =1
a ij x j ≥ bi 1≤ i ≤ m
x j ≥ 0 1≤ j ≤ n
Probleme de acelaşi tip apar atunci când se urmăreşte
formarea unor amestecuri de ingrediente, care să aibă anumite
57
proprietăţi, astfel încât o caracteristică a amestecului să fie optimă
dintr-un anumit punct de vedere.
∑j =1
x j ≤ B
x j ≥ 0, j = 1, n
n
max f = ∑j =1
b jx j
58
⎧ a 11 x1 + a 12 x 2 + ... + a 1 n x n ≤ b1
⎪a x +a x + ... + a 2 n x n ≤ b 2
⎪ 21 1
(α ) ⎨
22 2
⎪ ...
⎪⎩ a m 1 x1 + a m 2 x 2 + ... + a mn x n ≤ b m
şi sistemul de ecuaţii:
⎧ a 11 x1 + a 12 x 2 + ... + a 1 n x n + x n + 1 = b1
⎪ a x + a x + ... + a x + x
n + 2 = b2
(β ) ⎪⎨ 21 1 22 2 2n n
⎪ ...
⎪⎩ 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 soluţia x 1 , x 2 ,..., x n a lui (α), există m
0 0 0
constante nenegative x n + 1 , x n + 2 ,..., x n + m , astfel încât:
x 10 , x 20 ,..., x n0 , x n0 + 1 ,..., x n0 + m să constituie o soluţie a lui (β).
0 0 0
Reciproc, dacă x 1 , x 2 ,..., x n + m este o soluţie a lui (β), atunci
x 10 , x 20 ,..., x n0 constituie o soluţie pentru (α).
0 0 0
Demonstraţie: Fie x 1 , x 2 ,..., x n o soluţie a lui (α), adică:
⎧ a 11 x10 + a 12 x 20 + ... + a 1 n x n0 ≤ b1
⎪
⎪ a 21 x1 + a 22 x 2 + ... + a 2 n x n0 ≤ b 2
0 0
⎨
⎪ ...
⎪⎩ a m 1 x10 + a m 2 x 20 + ... + a mn x n0 ≤ b m
59
⎧ a 11 x10 + a 12 x 20 + ... + a 1 n x n0 + x n0 + 1 = b1
⎪
⎪ a 21 x1 + a 22 x 2 + ... + a 2 n x n + x n + 2 = b 2
0 0 0 0
⎨
⎪ ...
⎪⎩ a m 1 x10 + a m 2 x 20 + ... + a mn x n0 + x n0 + m = b m
şi x n + i = bi − a i1 x1 − a i 2 x 2 − ... − a in x n ≥ 0 .
0 0 0 0
0 0 0
Deci x 1 , x 2 ,..., x n + m este o soluţie a lui (β).
0 0 0
Reciproc, fie x 1 , x 2 ,..., x n + m o soluţie a lui (β), adică:
⎧ a 11 x10 + a 12 x 20 + ... + a 1 n x n0 + x n0 + 1 = b1
⎪
⎪ a 21 x1 + a 22 x 2 + ... + a 2 n x n + x n + 2 = b 2
0 0 0 0
⎨
⎪ ...
⎪⎩ a m 1 x10 + a m 2 x 20 + ... + a mn x n0 + x n0 + m = b m
de unde rezultă că x n + i = bi − a i1 x1 − a i 2 x 2 − ... − a in x n ≥ 0
0 0 0 0
⎨
⎪ ...
⎪⎩ a m 1 x10 + a m 2 x 20 + ... + a mn x n0 ≤ b m
0 0 0
adică x 1 , x 2 ,..., x n este o soluţie a lui (α).
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
61
1. Sistemul liniar (rezultat din restricţii)
2. Condiţiile de nenegativitate
3. Funcţia de scop, de optimizat sau de eficienţă.
⎧ a 11 x 1 + a 12 x 2 + ... + a 1 n x n = b 1
⎪ a x + a x + ... + a 2 n x n = b 2
⎪ 21 1 22 2
⎨
⎪ .......... .......... .......... .......... .....
⎪⎩ a m 1 x 1 + a m 2 x 2 + ... + a mn x n = b m
x j ≥ 0, j = 1, n
f = c 1 x 1 + c 2 x 2 + ... + c n x n
62
⎛ b1 ⎞
⎜ ⎟
⎜b ⎟
b=⎜ 2 ⎟
Vectorul coloană : ...
⎜ ⎟ reprezintă cererea (în probleme de
⎜b ⎟
⎝ m⎠
minimizare a costului) sau disponibilul (în probleme de
maximizare).
Vectorul linie C = (c 1 , c 2 ,... c n ) reprezintă costul unitar (în
probleme de minimizare a costului) sau beneficiul unitar (în
probleme de maximizare).
⎛ x1 ⎞
⎜ ⎟
⎜x ⎟
X =⎜ 2⎟
Vectorul ... este nivelul activităţilor, întotdeauna
⎜ ⎟
⎜x ⎟
⎝ n⎠
nenegativ. Se notează cu aj vectorul coloană j din matricea A.
63
Definiţia 3.2.2: Soluţia posibilă X = (x1, x2, ..., xn) se numeşte
n
Definiţia 3.2.4: Soluţia optimă este aceea pentru care funcţia scop
îşi atinge maximul (respectiv minimul) şi se găseşte printre
soluţiile de bază.
64
Fie θ un număr real cu care se înmulţesc ambii membri ai
relaţiei precedente, care se scade apoi din restricţie:
(x1 - θx1,m+1)a1 + (x2 - θ x2,m+1)a2 + ... + (xm - θxm,m+1)am + θam+1 = b
Vectorul:
X’ = (x1 - θx1,m+1, x2 - θ x2,m+1, ...,xm - θxm,m+1, θ)
reprezintă o soluţie posibilă (realizabilă) dacă componentele sale
sunt nenegative. Se caută o soluţie X’ ≠ X, de unde rezultă
condiţia
θ > 0. Se vor examina numai componentele care conţin coeficienţi
xi,m+1 > 0. Se va determina θ > 0 astfel încât: xi – θxi,m+1 ≥ 0,
pentru toţi xi,m+1 > 0. Rezultă :
xi
≥ 0
x i ,m +1
Oricare θ pentru care
xi
0 < θ ≤ min
i xi,m +1
unde minimul se consideră pentru acei indici i pentru care
xi,m+1>0, determină o soluţie realizabilă a problemei.
Dar soluţia de bază nu poate conţine m + 1 componente
pozitive, de unde rezultă că cel puţin una dintre componentele lui
X’ trebuie să se anuleze. Acest lucru se întâmplă pentru:
xi
θ = θ 0 = min
i xi,m +1
pentru toţi xi,m+1 > 0 şi se va anula componenta lui X’ pentru care
este atins minimul. Se poate presupune că aceasta este chiar prima
componentă, adică
xi x1
θ 0 = min =
i xi,m +1 x1 , m + 1
Se obţine astfel o nouă soluţie :
x’2a2 + x’3a3 + ... + x’mam + x’m+1am+1 = b
unde:
x’i = xi – θ0xi,m+1, i = 2, ..., m
x’m+1 = θ0
65
Dacă toţi xi,m+1 ≤ 0 nu se poate determina θ > 0 care să ducă
la excluderea a cel puţin un vector din bază. În acest caz problema
nu admite soluţie.
În continuarea procesului obţinerii de noi soluţii de bază va
trebui să se exprime un vector oarecare ce nu face parte din noua
bază a2, a3, ..., am+1 ca o combinaţie liniară de vectorii acestei
baze. Se exprimă a1:
1
a1 = (a m +1 − x 2,m +1 a 2 − ... − x m ,m +1 a m )
x1,m +1
Fie
a j = x1 j a1 + x 2 j a 2 + ... + x mj a m
un vector care nu aparţine noii baze. Înlocuindu-l pe a1 se obţine:
⎛ x1 j ⎞ ⎛ x1 j ⎞
⎜
a j = ⎜ x2 j − ⎟ ⎜
x2,m+1 ⎟a2 + ⎜ x3 j − x3,m+1 ⎟⎟a3 + ... +
⎝ x1,m+1 ⎠ ⎝ x1,m+1 ⎠
⎛ x1 j ⎞ x1 j
⎜
+ ⎜ xmj − ⎟
xm,m+1 ⎟am + am+1
⎝ x1, m+1 ⎠ x1,m+1
66
3.3 Algoritmul simplex
cu conditiile :
n
∑a
j =1
ij x j ≤ bi 1≤ i ≤ m
xj ≥ 0 1≤ j ≤ n
67
3.3.2 Aducerea sistemului la forma standard
68
3.3.4 Trecerea de la soluţia găsită la alta mai bună prin
schimbarea bazei
69
Numerele bj sunt pozitive. Pentru ca inegalităţile să fie
satisfăcute, pentru θ > 0 trebuie ca a jβ > 0 şi:
bj
0 <θ < .
a jβ
De aici rezultă că numărul pozitiv θ trebuie să fie valoarea
bj
minimă pozitivă a rapoartelor .
a jβ
Observaţii:
1. Un vector Pβ din afara bazei poate fi introdus în bază dacă are
componente pozitive.
2. Pentru fixarea vectorului Pα care se scoate din bază se
determină numărul pozitiv
⎛ b j ⎞ bα
θ = min ⎜⎜ ⎟=
⎟
⎝ jβ ⎠ aαβ
a
+j
70
3.3.5 Determinarea soluţiei optime
În concluzie:
a) Maximizarea funcţiei de scop necesită:
71
1. Să existe în afara bazei cel puţin un vector Pβ care să aibă cel
puţin o componentă pozitivă ajβ > 0.
2. Vectorului Pβ să îi corespundă o diferenţă pozitivă Δβ > 0.
Se notează:
Γ = mulţimea indicilor soluţiei de bază
z0 = ∑ b j c j
j∈Γ
z k = ∑ a jk c j
j∈Γ
Δ k = ck − z k
Pentru organizarea calculelor, tabelul anterior se
completează în felul următor:
Coef. c1 c2 cm ck cβ cn
cj Baza Po
coresp. P1 P2 Pm Pk Pβ Pn
bazei
c1 P1 B1 1 0... 0 a1k a1β a1n
c2 P2 B2 0 1... 0 a2k a2β a2n
... ... ... ... ... ... ... ... ...
cα Pα Bα 0 0... 0 aα k aαβ aαn
... ... ... ... ... ... ... ... ...
cm Pm Bm 0 0... 1 amk amβ amn
zk z0 z1 z2 zm zk zβ zn
Δk = ck – zk c1 – z1 c2 – z2 cm – zm ck – zk cβ – zβ cn – zn
72
Soluţia care realizează optimul se obţine în momentul în
care sunt îndeplinite următoarele condiţii:
1. În cazul unei probleme de maxim:
- nu mai există diferenţe Δk = ck – zk > 0;
- în cazul în care există diferenţe Δk = ck – zk < 0, vectorul
corespunzător Pk nu are componente pozitive.
3.3.6 Exemple
⎧ 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
⎧ 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 completează tabelul:
73
cj 2 6 2 0 0 bj
j ∈Γ Baza Po P1 P2 P3 P4 P5 a jβ
0 P4 8 2 5 3 1 0 8/5
0 P5 16 4 3 8 0 1 16/3
zk 0 0 0 0 0 0
Δk = ck – zk - 2 6 2 0 0
cj 2 6 2 0 0
j ∈Γ Baza Po P1 P3 P4 P5
8/5 2/5 1 3/5 1/5 0 L1/5
P5 16 4 3 8 0 1 L2 –
3L1
cj 2 6 2 0 0 bj
j ∈Γ Baza Po P1 P2 P3 P4 P5 a jβ
6 P2 8/5 2/5 1 3/5 1/5 0
0 P5 56/5 14/5 0 31/5 - 3/5 1
zk 48/5 12/5 6 18/5 6/5 0
Δk = ck – zk - - 2/5 0 - 8/5 - 6/5 0
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
⎧ 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
⎜ 2 1 5 0 20 ⎟ L −L ⎜ 0 3 1 0 10 ⎟ ≈
⎜ 1 2 1 1 10 ⎟ 3
⎜0 0 − 2 1 − 5 ⎟
1
⎝ ⎠ ⎝ ⎠
⎛ 1 2 3 0 15 ⎞ ⎛ 1 − 7 0 0 − 15 ⎞
⎜ ⎟ L −3L ⎜
1 2 ⎟
⎜ 0 3 1 0 10 ⎟ ≈ ⎜ 0 3 1 0 10 ⎟
⎜ 0 0 − 2 1 − 5 ⎟ L + 2 L ⎜ 0 6 0 1 15 ⎟
3 2
⎝ ⎠ ⎝ ⎠
S-a obţinut soluţia de bază formată din vectorii P1, P3, P4.
Se construieşte următorul tabel simplex:
cj -1 -2 -3 1 bj
j ∈ Γ Baza Po P1 P2 P3 P4 a jβ
-1 P1 - 15 1 -7 0 0
-3 P3 10 0 3 1 0 10/3
1 P4 15 0 6 0 1 15/6
zk 0 -1 4 -3 1
Δk = ck – zk - 0 -6 0 0
75
Fiind o problemă de minim se caută difenţele Δk < 0. Există
una singură, corespunzătoare vectorului P2, care devine candidat
pentru a intra în noua bază. Minimul dintre 10/3 şi 15/6 este 15/6,
deci vectorul P4 iese din bază. Elementul pivot este cel de pe linia
lui P4 şi coloana lui P2, deci 6. Se împarte linia 3 cu 6, obţinându-
se:
- 15 1 -7 0 0
10 0 3 1 0
5/2 0 1 0 1/6
76
În acest paragraf se vor analiza cazuri speciale care pot să apară
într-o problemă de programare liniară: cazul soluţiei infinite,
degenerarea, probleme cu soluţii multiple.
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
⎩ 1 2 5
x1 , x 2 , x3 , x 4 , x5 ≥ 0
max f = x1 − x 2
Primul tabel simplex este următorul:
cj 1 -1 0 0 0 bj
j ∈ Γ Baza Po P1 P2 P3 P4 P5 a jβ
0 P3 2 -2 1 1 0 0
0 P4 2 1 -2 0 1 0
0 P5 -5 -1 -1 0 0 1
zk 0 0 0 0 0 0
Δk = ck – zk - 1 -1 0 0 0
77
Există o singură diferenţă pozitivă, vectorul P1 intră în noua
bază, iar singura sa componentă pozitivă este valoarea 1, deci
vectorul P4 va ieşi din bază. Se alege ca pivot elementul 1 şi se
fac următoarele operaţii: L1 + 2L2 şi L3 + L2, obţinându-se
următorul tabel:
cj 1 -1 0 0 0 bj
j ∈ Γ Baza Po P1 P2 P3 P4 P5 a jβ
0 P3 6 0 -3 1 2 0
1 P1 2 1 -2 0 1 0
0 P5 -3 0 -3 0 1 1
zk 2 1 -2 0 1 0
Δk = ck – zk - 0 1 0 -1 0
Se observă că există o diferenţă pozitivă, pe coloana
vectorului P2, dar toate componentele sale sunt negative, deci
funcţia f este nemărginită, iar problema de programare liniară nu
admite soluţii.
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 caută o soluţie de bază prin metoda eliminării totale:
78
⎛ 3 1 1 1 6 ⎞ ⎛ 1 13 13 13 2 ⎞ ⎛1 1 1 1
2 ⎞ L ⋅3
⎜ ⎟ L :3 ⎜ 1
⎟ L −L 2 1
⎜ 3
5
3
2
3
2
⎟ 5
2
⎜ 1 2 1 1 6 ⎟ ≈ ⎜ 1 2 1 1 6 ⎟ ≈ ⎜0 3 3 3
4⎟ ≈
⎜ 2 1 3 0 7 ⎟ ⎜ 2 1 3 0 7 ⎟ L −2L 3 1
⎜0 1 7
− 23 3 ⎟⎠
⎝ ⎠ ⎝ ⎠ ⎝ 3 3
⎛ 0 13 1 1
2 ⎞ L −1 L ⎛1 0 1 1 6
⎞L ⋅5
⎜ 3
2
3
2 12
⎟ 31 2
⎜ 5
2
5
2
5
12
⎟ 113
⎜0 1 5 5 5 ⎟ ≈ ⎜0 1 5 5 5 ⎟ ≈
⎜0 1 7
− 23 3 ⎟⎠ 3 L
L −
1
⎜0 0 11
− 54 11 ⎟
⎝ ⎝ ⎠
3 2
3 3 5 5
⎛ 1 0 15 1 6
⎞ L −1 L ⎛ 1 0 0 113 1⎞
⎜ 5 5 ⎟ 5 1 3
⎜ ⎟
⎜0 1 5 2 2
5
12
5 ⎟ ≈ ⎜ 0 1 0 116 2⎟
⎜0 0 1 − 4 1 ⎟⎠ L − 5 L
2
⎜0 0 1 − 4 1 ⎟⎠
⎝ ⎝
2 3
11 11
cj 1 4 5 2 bj
j ∈Γ Baza Po a jβ
P1 P2 P3 P4
1 P1 1 1 0 0 3/11 11/3
4 P2 2 0 1 0 6/11 11/3
5 P3 1 0 0 1 - 4/11
zk 14 1 4 5 7/11
Δk = ck – zk 0 0 0 15/11
11/3 11/3 0 0 1
2 0 1 0 6/11
1 0 0 1 - 4/11
79
Se fac următoarele operaţii: L2 - 6/11L1 şi L3 + 4/11 L1. Se
completează următorul tabel simplex:
cj 1 4 5 2 bj
j ∈Γ Baza Po a jβ
P1 P2 P3 P4
2 P4 11/3 11/3 0 0 1
4 P2 0 -2 1 0 0
5 P3 7/3 4/3 0 1 0
zk 19 6 4 5 2
Δk = ck – zk -5 0 0 0
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 alcătuieşte tabelul simplex:
cj -1 1 0 0 0 bj
j ∈Γ Baza Po P1 P2 P3 P4 P5 a jβ
0 P3 2 -2 1 1 0 0
0 P4 2 1 -1 0 1 0 2
0 P5 5 1 1 0 0 1 5
zk 0 0 0 0 0 0
Δk = ck – zk - -1 1 0 0 0
cj -1 1 0 0 0 bj
j ∈Γ Baza Po P1 P2 P3 P4 P5 a jβ
0 P3 6 0 -1 1 2 0
-1 P1 2 1 -1 0 1 0
0 P5 3 0 2 0 -1 1
zk -2 -1 1 0 -1 0
Δk = ck – zk - 0 0 0 1 0
81
Existenţa mai multor diferenţe Δk = 0 decât numărul de
vectori ai bazei semnifică faptul că soluţia nu este unică. Dacă
numărul de diferenţe nule este p > m, numărul maxim de soluţii
optime este C pm . Pentru a găsi celelalte soluţii optime se introduc
în bază, dacă este posibil, vectorii Pk pentru care Δk = 0. În acest
exemplu se introduce în bază P2 şi se scoate din bază P5.
cj -1 1 0 0 0 bj
j ∈Γ Baza Po P1 P2 P3 P4 P5 a jβ
0 P3 15/2 0 0 1 3/2 1/2
-1 P1 7/2 1 0 0 1/2 1/2
1 P2 3/2 0 1 0 - 1/2 1/2
zk -2 -1 1 0 -1 0
Δk = ck – zk - 0 0 0 1 0
7 3 15
x1 = , x2 = , x3 = , x4 = 0, x 5 = 0
2 2 2
f min = −2
82
3.5 Dualitatea în programarea liniară
⎪ ...
⎪⎩ 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
⎧ a11 y1 + a 21 y 2 + ... + a m 1 y m ≥ c1
⎪ a y + a y + ... + a y ≥ c
⎪ 12 1
(D ) ⎨
22 2 m2 m 2
⎪ ...
⎪⎩ a1 n y1 + a 2 n y 2 + ... + a nm y m ≥ c n
y i ≥ 0 i = 1, m
În cele două modele, fiecare dintre ele poate fi considerat
dualul celuilalt.
Între cele două probleme primala (P) şi duala ei (D) există o
strânsă legătură pusă în evidenţă de regulile următoare, care
permit scrierea modelului uneia dintre ele ştiind modelul
celeilalte:
- în primală se cere maximul, iar în duală minimul (sau
invers);
- modelul de maxim din primală are ca restricţii inegalităţi
de tipul ≤, iar modelul de minim din duală are inegalităţi
de sens ≥;
- matricele celor două sisteme de restricţii sunt transpuse
una alteia;
- termenii liberi dintr-un model sunt coeficienţii din funcţia
de eficienţă ai celuilalt model, în aceeaşi ordine;
- x1 , x2 ,..., xn sunt variabilele primale şi x j ≥ 0, j = 1, n ;
- y1 , y2 ,..., ym sunt variabilele duale şi yi ≥ 0, i = 1, m .
⎛ x1 ⎞ ⎛ b1 ⎞
⎜ ⎟ ⎜ ⎟
⎜x ⎟ ⎜b ⎟
X =⎜ 2⎟ b=⎜ 2 ⎟
Se notează: ... ; Y = ( y 1 , y 2 ,..., y m ) ; ⎜ ... ⎟ ;
⎜ ⎟ ⎜b ⎟
⎜x ⎟
⎝ n⎠ ⎝ 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 două modele se scriu matriceal astfel:
[max ] f = cX [min ]g = Yb
( P ) AX ≤ b ( D ) YA ≥ c
X ≥0 Y ≥0
Legătura dintre cele două modele ale cuplului dual se
prezintă în următorul tabel, în care modelul primalei se citeşte pe
linii, iar modelul dualei pe coloane:
xj x1 x2 ... xn ≤
yi
y1 a11 a12 ... a1n b1
y2 a21 a22 ... a2n b2
... ... ... ... ... ...
ym am1 am2 ... amn bm
≥ c1 c2 ... cn max
min
85
⎧ 3 x1 + x2 ≤ 1
(P ) ⎨
⎩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
y1 ≥ 0, y2 ≥ 0
max g = 2 y1 + y2
86
3.5.2 Dualitatea nesimetrică
87
Exemplul 3.5.3: Fie problema de programare liniară:
⎧ x1 + x2 + 2 x3 ≤ 10
⎪
(P ) ⎨ 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
⎩ 1 2 3
y1 ≥ 0, y2 ≤ 0, y3 oarecare
[min]g = 10 y1 + 9 y2 + 15 y3
Duala s-a scris în conformitate cu regulile de mai sus.
Variabilele x j ≥ 0, j = 1,3 din (P), fiind nenegative, toate
cele trei restricţii din modelul dual sunt concordante şi, fiind
problemă de minim, vor fi cu semnul ≥.
Având în vedere restricţiile din problema primală, se deduc
următoarele:
- prima restricţie fiind concordantă, variabila y1 se supune
condiţiei de nenegativitate, adică y1 ≥ 0.
- restricţia a doua fiind neconcordantă, variabila y2 este
nepozitivă, adică y2 ≤ 0.
- cea de a treia restricţie a modelului primal fiind de egalitate,
variabila y3 este liberă.
88
• transporturi de bunuri de la beneficiari la consumatori;
• proiectare de canale în agricultură;
• proiectare de canale de informaţii;
• proiectare de linii transportatoare de energie;
• proiectare de depozite de la care aprovizionarea să se facă în
condiţii optime (ca timp şi cost);
• repartizarea optimă a necesarului de producţie pe utilaje
(maşini), secţii, etc.;
• optimizarea unor probleme de producţie şi stocare;
• proiectarea traseelor mijloacelor de transport goale către
centrele de aprovizionare, astfel încât cheltuielile pentru
deplasările în gol să fie minime.
89
Am cm1 cm2 cmn am
xm1 xm2 xmn
Necesar b1 b2 bn m
∑ ai
i =1
n
∑ bj
j =1
90
Condiţia de satisfacere integrală a cererii tuturor centrulor
de consum înseamnă îndeplinirea condiţiilor:
⎧ x11 + x21 + ... + xm1 = b1
⎪ x + x + ... + x = b
⎪ 12 22 m2 2
m
⎨ sau ∑ xij = b j , j = 1, n
⎪ .......... .......... .......... ....... i =1
91
Mulţimea soluţiilor realizabile într-o problemă de transport
nu este vidă. Orice problemă de transport are o soluţie realizabilă
ai b j m n
de forma: xij = , i = 1, m, j = 1, n, T = ∑ ai = ∑ b j .
T i =1 j =1
În general această soluţie nu este optimă. Sistemul (2), (3)
este întotdeauna compatibil. Matricea coeficienţilor restricţiilor
liniare (2), (3) are rangul m + n – 1.
O soluţie realizabilă de bază într-o problemă de transport are
cel mult m + n – 1 componente nenule, fiind nedegenerată în
cazul în care are exact m + n – 1 componente nenule şi degenerată
când numărul componentelor nenule este mai mic decât m + n –
1. O observaţie importantă o constituie faptul că dacă ai şi bj sunt
numere naturale, atunci valorile variabilelor xij sunt numere
naturale în orice soluţie realizabilă de bază şi deci şi soluţia
optimă are numai componente numere naturale.
B B1 B2 B3 B4 Disponibil
A
A1 3 2 2 4 70
x11 x12 x13 x14
A2 1 2 3 4 10
x21 x22 x23 x24
A3 3 5 2 1 20
x31 x32 x33 x34
Necesar 50 25 15 10 100
100
92
Se cere să se determine un plan optim de transport, adică
valorile xij ≥ 0, i = 1,2,3, j = 1,2,3,4, astfel încât costul total al
transportului să fie minim.
Modelul matematic al problemei este următorul:
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 condiţiile:
x11 + x12 + x13 + x14 = 70
x21 + x22 + x23 + x24 = 10
x31 + x32 + x33 + x34 = 20
x11 + x21 + x31 = 50
x12 + x22 + x32 = 25
x13 + x23 + x33 = 15
x14 + x24 + x34 = 10
xij ≥ 0, i = 1,2,3, j = 1,2,3,4
93
X = ( x11 , x12 ,..., x34 )
t
min f = cX
AX = d , unde c = (3,2,2,4,1,2,3,4,3,5,2,1)
X ≥0 d = (70,10,20,50,25,15,10 )
t
94
x22 = min{10,5}=5.
Rezultă x32 = 0. A2 are încă un disponibil de 5 mii tone pe
care le repartizează centrului B3, deoarece min{5,15} = 5, deci
x23 = 5.
Astfel A2 şi-a epuizat resursa, deci x24 = 0.
Centrul de consum B3 mai are nevoie de 10 mii tone, care
vor fi repartizate în căsuţa (3,3), adică
x33 = 10.
Se ia x34 = min{10,10}=10.
S-a obţinut soluţia iniţială de bază, notată cu X0:
50 20
5 5
10 10
cu 6 componente strict pozitive, deci nedegenerată:
x11 = 50 x12 = 20 x13 = 0 x14 = 0
x21 = 0 x22 = 5 x23 = 5 x24 = 0
x31 = 0 x32 = 0 x33 = 10 x34 = 10
Valoarea funcţiei de eficienţă pentru această soluţie este:
f(X0) = 3⋅50 + 2⋅20 + 2⋅5 + 3⋅5 + 2⋅10 + 1⋅10 = 245
95
Se trece la căsuţa cu costul imediat egal sau superior, adică
(2,1), luând
x21 = min{10,50}=10, iar
x22 = x23 = x24 = 0
Se trece la căsuţa (1,2), luând
x12 = min{70,25}=25, iar
x22 = x32 = 0
Se trece la căsuţa (1,3) şi se ia
x13 = min{45,15}=15, iar
x23 = x33 = 0
În căsuţa (1,1) se pune:
x11 = min{30,40}=30, iar x14 = 0.
În final, x31 = min{10,10}=10.
Se obţine soluţia iniţială de bază nedegenerată:
30 25 15
10
10 10
96
Conform acestei teoreme, rezultă următoarele etape de
calcul pentru găsirea soluţiei optime când se cunoaşte o soluţie de
bază:
1. Se rezolvă sistemul:
ui + vj = cij
pentru costurile cij corespunzătoare componentelor nenule
ale soluţiei iniţiale de bază.
2. Se calculează sumele cij şi se efectuează diferenţele cij − cij
pentru costurile cij corespunzătoare componentelor nule ale
soluţiei.
3. Se aplică criteriul de optim:
• dacă toţi cij − cij ≤ 0 , soluţia este optimă;
• dacă există cel puţin un cij − cij > 0 , se alege
max{ cij − cij > 0 } şi se modifică soluţia, formând
ciclul celulei goale, corespunzătoare maximului ales.
97
3 2 2 4 70
50 20
1 2 3 4 10
5 5
3 5 2 1 20
10 10
50 25 15 10
98
Întrucât nu toate diferenţele cij − cij ≤ 0 , soluţia de bază nu
este optimă. Se caută max{ cij − cij > 0 }=max{1,2}=2,
corespunzător diferenţei c21 − c21 . Se ia x21 = θ şi se obţine
următorul tabel pentru aflarea ciclului corespunzător celulei (2,1):
50 – θ 20 + θ
θ 5–θ 5
10 10
Având în vedere că noua soluţie de bază trebuie să conţină
numai elemente pozitive, θ = min{5,50}=5. Se obţine astfel
soluţia de bază X1, nedegenerată:
45 25
5 5
10 10
Valoarea funcţiei de eficienţă pentru soluţia X1 este
f(X1) = 3⋅45 + 2⋅25 + 1⋅5 + 3⋅5 + 2⋅10 + 1⋅10 = 235
Se observă că f(X1) < f(X0).
Cu soluţia X1 se procedează la fel ca şi cu soluţia iniţială: se
determină ui şi vj pentru xij > 0 din soluţia de bază 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 şi se obţin celelalte valori: u1 = 3, v2 = - 1,
u2 = 1, v3 = 2, u3 = 0, v4 = 1.
Matricea valorilor cij corespunzătoare componentelor xij=0:
99
vj 0 -1 2 1
ui
3 5 4
1 0 2
0 0 -1
100
vj 0 -1 -1 -2
ui
3 3 2 2 1
1 1 0 0 -1
3 3 2 2 1
101
combinaţie liniară convexă a lor este de asemenea o soluţie
optimă pentru problema respectivă. Adică soluţia:
X = λX 2 + (1 − λ ) X 2' , 0 ≤ λ ≤ 1 este optimă.
102
m n
1. ∑ ai > ∑ b j , caz în care se introduce un centru Bn+1 de consum,
i =1 j =1
m n
cu necesarul bn +1 = ∑ ai − ∑ b j şi toate costurile ci , n +1 = 0.
i =1 j =1
Problema devine echilibrată, cu m centre de aprovizionare şi n + 1
centre de consum.
Dacă se obţine o soluţie optimă, rezultă că cel puţin o
componentă de pe coloana n + 1 nou adăugată este diferită de
zero, de exemplu xi , n +1 ≠ 0. Aceasta semnifică faptul că în centrul
de aprovizionare Ai rămân netransportate xi , n +1 unităţi de marfă.
m n
2. Dacă în problema dată ∑ ai < ∑ b j , se va introduce un centru
i =1 j =1
fictiv de aprovizionare Am+1 care deţine cantitatea
n m
am +1 = ∑ b j − ∑ ai , toate costurile cm +1, j = 0. Problema devine
j =1 i =1
echilibrată cu m + 1 centre de aprovizionare şi n centre de
consum.
În acest caz, dacă s-a obţinut o soluţie optimă, aceasta
presupune cel puţin o componentă de pe linia m + 1 diferită de
zero, adică xm +1, j ≠ 0. Înseamnă că un centru de consum Bj
rămâne cu necesarul nesatisfăcut, total sau parţial.
3.7 Probleme
3.7.1 Enunţuri
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
⎩ 3 4 5
xi ≥ 0, i = 1,5
xi ≥ 0, i = 1,4
3. Să se arate că următoarea problemă de programare liniară 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. Să se scrie duala următoarei probleme de programare liniară:
[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 să conţină cel puţin 0,6 unităţi din substanţa
nutritivă A; 0,9 unităţi din substanţa B; 3 unităţi din substanţa C şi
2,5 unităţi din substanţa D. Aceste substanţe se găsesc în două
alimente M şi N. Să se determine cantităţile x1 şi x2 din alimentele
104
M şi N, astfel încât costul meniului să fie minim, folosind datele
din tabelul de mai jos:
Alimente M N Necesar
Substanţe (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
Preţ unitar 10 4 -
6. La o fermă s-a planificat o suprafaţă de 300 ha teren arabil
pentru cultivarea cu grâu şi porumb.
Pentru cultivarea unui hectar de grâu se cheltuieşte în medie
350 lei, iar pentru cultivarea unui hectar de porumb 200 lei.
Se presupune că recolta medie la grâu este de 2500 kg/ha şi
la porumb este de 3250 kg/ha.
Beneficiul obţinut din vânzarea grâului este de 0,80 lei/kg,
iar al porumbului 0,50 lei/kg.
În planul de cheltuieli s-a prevăzut suma de 70 000 lei
pentru ambele culturi.
Se cere să se determine numărul de hectare x1 şi x2 care
trebuie cultivate cu grâu şi respectiv cu porumb, pentru ca
beneficiul total obţinut din vânzarea recoltei să fie maxim.
B B1 B2 B3 B4 Disponibil
A
A1 5 7 11 4 400
x11 x12 x13 x14
A2 10 9 5 6 250
x21 x22 x23 x24
A3 7 8 8 9 300
x31 x32 x33 x34
105
Necesar 200 270 330 150 950
950
9. În sursele A1, A2, A3 sunt stocate 450, 820, respectiv 530 unităţi
dintr-o marfă care trebuie expediată consumatorilor B1, B2, B3 şi
B4. Cantităţile solicitate sunt 300, 700, 200, respectiv 600 unităţi.
Se cere identificarea unui program de aprovizionare optim sub
aspectul costului, în ipoteza că se mai deţin următoare informaţii :
se poate folosi orice rută ; sunt suficiente capacităţi de transport
pe orice rută. Matricea costurilor unitare :
⎛ 5 8 12 6 ⎞
⎜ ⎟
C = ⎜10 7 11 4 ⎟
⎜ 8 9 9 10 ⎟
⎝ ⎠
are elemente cvasiconstante, stabilite în funcţie de lungimea rutei
şi de tipul de drum.
3.7.2 Răspunsuri
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.
cj 1 2 2 1 bj
j ∈Γ Baza Po P1 P2 P3 P4 a jβ
1 P4 2 2 0 -1 1
2 P2 3 2 1 0 0
zk 8 6 2 -1 1
Δk = ck – zk - -5 0 3 0
y1 ≥ 0, y2 ≥ 0
[max]g = 2 y1 + y2
107
6. Modelul matematic al problemei este următorul:
⎧ x1 + x2 = 300
⎨
⎩350 x1 + 200 x2 ≤ 70000
x1 ≥ 0, x2 ≥ 0
[max] f = 2500 ⋅ 0,8 ⋅ x1 + 3250 ⋅ 0,5 ⋅ x2
200 700
cu soluţia: x1 = , x2 = ; f max = 512500
3 3
7. Problema admite următoarea soluţie optimă:
200 50 0 150
0 0 250 0
0 220 80 0
170 0 80 150
0 0 250 0
30 270 0 0
Orice combinaţie liniară convexă a celor două soluţii este o
soluţie optimă:
⎛ 200 50 0 150 ⎞ ⎛170 0 80 150 ⎞
⎜ ⎟ ⎜ ⎟
X * = λ⎜ 0 0 250 0 ⎟ + (1 − λ )⎜ 0 0 250 0 ⎟,
⎜ 0 220 80 0 ⎟⎠ ⎜ 30 270 0 0 ⎟⎠
⎝ ⎝
λ ∈ [0,1], f min = 5600.
108
cu fmin = 11410.
109
Capitolul 4
Exemple:
110
2x + 3
f : R \ {1} → R, f ( x) =
x −1
g : (0, ∞) → R, g ( x) = ln x
Exemple :
lim (3 x − 8) = −2
x→2
2x + 3
lim =2
x →∞ x − 1
ex −1
lim =1
x →0 x
111
Funcţia radical: f : D → R , unde D = R+ pentru n par, D = R
pentru n impar, f ( x) = n x .
Funcţia exponenţială: f : R → R f(x) = ax , a > 0, a ≠ 1.
Funcţia logaritmică: f : (0, ∞) → R, f ( x) = log a x, a > 0, a ≠ 1.
Funcţiile trigonometrice.
Funcţiile trigonometrice inverse.
Formule de derivare
112
′
⎛f⎞ f '⋅g − f ⋅ g '
⎜⎜ ⎟⎟ = ( f (u ))′ = f ' (u ) ⋅ u '
⎝g⎠ g2
113
Teorema 4.1.13 : Fie funcţia f : D → R derivabilă şi I un interval
inclus în domeniul D. Atunci:
f este strict crescătoare pe I dacă şi numai dacă f’(x)>0, pentru
oricare x din I;
f este strict descrescătoare pe I dacă şi numai dacă f’(x)<0,
pentru oricare x din I;
f este monoton crescătoare pe I dacă şi numai dacă f’(x)≥0,
pentru oricare x din I;
f este monoton descrescătoare pe I dacă şi numai dacă f’(x)≤0,
pentru oricare x din I.
f ( x) = f ( a ) +
x−a
f ' (a) +
( x − a)
2
f ' ' (a) + ... +
( x − a ) (n)
n
f ( a ) + Rn
1! 2! n!
Rn =
( x − a)
n +1
f ( n +1) (c), restul sub forma lui Lagrange.
(n + 1)!
Observaţii:
Formula aproximează oricât de bine valoarea f(x) a unei funcţii
printr-un polinom.
Cu cât n este mai mare, restul devine mai mic şi aproximaţia mai
bună.
Cu cât x este mai aproape de a, aproximaţia este mai bună.
Pentru a = 0 se obţine 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 obţine:
114
x x x2 xn
e = 1+ + + ... + + Rn
1! 2! n!
Exemplul 4.1.16:
Fie f : (− 1, ∞ ) → R, f ( x ) = ln(1 + x ), a = 0.
f (n ) ( x ) =
(− 1) (n − 1)! ,
n −1
∀n ∈ N * , deci:
(1 + x )n
f (n ) (0 ) = (− 1) (n − 1)!
n −1
Se obţine:
x x2 x3 n −1 x
n
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
sin x = − + − ... + (−1) +R
1! 3! 5! (2n − 1)! n
115
3. d(x, z)≤ d(x, y) + d(y, z).
Exemplul 4.2.2:
Dacă x = (x1, x2, ..., xn) şi y = (y1, y2, ..., yn) sunt elemente din Rn,
atunci d(x, y) verifică axiomele distanţei, unde:
n
d ( x, y ) = ∑ ( x i − y i )
2
i =1
Pentru n = 1 d(x, y) = |x – y|
Pentru n = 2 d ( x, y ) = (x1 − x2 )2 + ( y1 − y 2 )2
Definiţia 4.2.3: Fie x0 un element din Rn şi r > 0. Mulţimea
Sr(x0) = {x ∈ Rn | d(x, x0) < r} se numeşte sferă deschisă cu
centrul în x0 şi de rază r (sau hipersferă).
Exemple 4.2.7:
116
piaţă în unităţi date. Atunci x este o funcţie de p şi v, care poate fi
scrisă ca o funcţie de două variabile: x = f(p,v), unde p,v > 0.
c) Notând cu V venitul naţional, cu x orele de muncă productivă
prestate, cu y fondurile fixe angajate în producţie, se poate scrie
funcţia de două variabile: V(x,y) = kxαyβ, unde k, α, β sunt
constante, iar x > 0, y > 0. Această funcţie se numeşte funcţia de
producţie de tip Coob-Douglas.
lim
( x , y )→(2,1
)
(x 2
)
+ xy + y 2 = 7
sin xy sin xy
lim = lim y =2
( x , y )→(0, 2 ) x ( x , y )→(0, 2 ) xy
Exemplul 4.2.11 :
Să se studieze continuitatea funcţiei f : R 2 → R în punctul (0,0) :
117
⎧ 1 − 1 + x2 + y2
⎪
f ( x, y ) = ⎨ , ( x, y ) ≠ (0,0 )
x2 + y2
⎪0, ( x, y ) = (0,0)
⎩
Funcţia nu este continuă în (0,0) pentru că:
1- 1+ x2 + y2
lim f ( x, y ) = lim =
( x , y )→ ( 0 , 0 ) ( x , y )→ ( 0 , 0 ) x2 + y2
1 − 1 − x2 − y2
)( )
= lim =
( x , y )→ ( 0 , 0 ) (x 2 2
+ y 1+ 1+ x + y 2 2
− (x + y )2 2
) (x + y )(1 + 1 + x )=
= lim
( x , y )→ ( 0 , 0 2 2 2
+ y2
−1 1
= lim = − ≠ f (0,0 )
( x , y )→ ( 0 , 0 ) 1 + 1 + x 2 + y 2 2
118
f (a, y ) − f (a, b ) ∂f (a, b )
lim = f y' (a, b ) = .
y →b y −b ∂y
∂x ⎝ ∂x ⎠
⎟=
∂x 2
∂ ⎛ ∂f ( x, y ) ⎞ ∂ 2 f ( x, y )
(f x
'
( x, y ))y
'
= f ( x, y ) = ⎜
''
xy
∂y ⎝ ∂x ⎠
⎟=
∂x∂y
∂ ⎛ ∂f ( x, y ) ⎞ ∂ 2 f ( x, y )
(f y
'
(x, y ))x
'
= f ( x, y ) = ⎜⎜
''
yx
∂x ⎝ ∂y ⎟⎠
⎟=
∂y∂x
∂ ⎛ ∂f ( x, y ) ⎞ ∂ 2 f ( x, y )
( y
'
)
f ( x, y ) y = f ( x, y ) = ⎜⎜
' ''
y2
∂y ⎝ ∂y ⎟⎠
⎟=
∂y 2
Exemplul 4.2.15:
Fie funcţia
f : R2 → R
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 funcţia
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 ''
( x, y ) = (
2 x2 + 3y2 − 4x2 ) =
− 2x2 + 6 y2
x2
(x
+ 3y 2 2 2
) (x 2
+ 3y2 )
2
− 2x ⋅ 6 y 12 xy
f xy'' ( x, y ) = =−
(x 2
+ 3y2 )2
(x 2
+ 3y2 )2
− 6 y ⋅ 2x 12 xy
f yx'' ( x, y ) = =−
(x + 3 y ) (x + 3 y )
2 2 2 2 2 2
( x, y ) = 6(x + 3 y ) − 6 y ⋅ 6 y = 6 x − 18 y
2 2 2 2
''
f y2
(x + 3 y ) 2
(x + 3 y )
2 2 2 2 2
120
f ( x, y ) − f (a, b ) = λ ( x − a ) + μ ( y − b ) + ω ( x, y ) ( x − a ) + ( y − b )
2 2
f x' ( x, y ) = e x + y2 + y2
, f x' (1,1) = 3e 2
2
+ 2x 2e x
2
f y' ( x, y ) = 2 xye x + y2
, f y' (1,1) = 2e 2
2
df ( x, y,1,1) = 3e 2 dx + 2e 2 dy
121
4.2.6 Interpretări economice ale derivatelor parţiale
122
dF ∂f du ∂f dv
F ' (x ) = = ⋅ + ⋅ .
dx ∂u dx ∂v dx
Exemplul 4.2.23 :
F(x) = f(x2+3x, cosx), x ∈ R. u = x2+3x, v = cosx.
dF ∂f du ∂f dv ∂f ∂f
F ' (x ) = = ⋅ + ⋅ = (2 x + 3) − sin x
dx ∂u dx ∂v dx ∂u ∂v
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
123
Fie funcţia : 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
aplică funcţiei F(t) formula Mac Laurin pentru funcţiile de o
variabilă :
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 foloseşte formula de
derivare a funcţiilor compuse.
F(t) = f(x(t),y(t)), unde x(t) = a + t(x – a), y(t) = b + t(y – b)
(m )
⎛∂ ∂ ⎞
m
d F (t ) = ⎜⎜ dx + dy ⎟⎟ f ( x(t ), y (t )) =
⎝ ∂x ∂y ⎠
(m )
⎛ ∂ ∂⎞
= ⎜⎜ ( x − a ) + ( y − b ) ⎟⎟ f ( x(t ), y (t ))dt m
⎝ ∂x ∂y ⎠
(m )
⎛ ∂ ∂⎞
F (m ) (0 ) = ⎜⎜ ( x − a ) + ( y − b ) ⎟⎟ f ( a, b)
⎝ ∂x ∂y ⎠
124
4.2.9 Extremele funcţiilor de două variabile
⎛x−a⎞
fie z = ⎜⎜
y − b
⎟⎟ T2 =
1
2!
[
( y − b )2 z 2 r + 2 zs + t ]
⎝ ⎠
125
T2 are semn constant dacă Δ = s2 – rt < 0. În acest caz :
Dacă r > 0, f(x,y) ≥ f(a,b), punct de minim
Dacă r < 0, f(x,y) ≤ f(a,b), punct de maxim.
Exemplul 4.2.28 :
Să se determine punctele de extrem ale funcţiei :
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
126
⎛ f x'' f x'' x ... f x'' x ⎞
⎜ ⎟
2
1 1 2 1 n
Se consideră minorii :
f x'' f x'' x
= det (H )
2
''
Δ1 = f x , Δ 2 = ''
2
1
, ..., Δ n
1 2
1
fx x 2
f x''1
2
2
Exemplul 4.2.29 :
Să se determine punctele de extrem ale funcţiei :
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 A(2,−1,0)
⎪ 2z = 0
⎩
f x'' = f y'' = f z'' = 2
2 2 2
127
Rezultă că punctul A(2,-1,0) este punct de minim, valoarea
minimă a funcţiei fiind f(2,-1,0) = - 5.
4.3.1 Problema
x x1 x2 ... xn
y y1 y2 ... yn
128
4.3.2 Metoda centrelor de greutate
B
A
129
4.3.3 Metoda celor mai mici pătrate
k =1
unde xk şi yk sunt valorile determinate experimental, iar wk sunt
ponderi.
k =1
Rezultă sistemul:
⎧ ∂S (a, b ) n
⎪ ∂a = 2 ∑ (axk + b − y k ) ⋅ x k = 0
k =1
⎨ ∂S (a, b ) n
⎪ = 2 ∑ (ax k + b − y k ) = 0
⎩ ∂b k =1
adică:
⎧⎛ n 2 ⎞ ⎛ n ⎞ n
∑ x a + ∑ x
⎪⎪⎜⎝ k =1 k ⎟⎠ ⎜⎝ k =1 k ⎟⎠b = ∑ xk y k
k =1
⎨
⎪ ⎛ n x ⎞a + nb = n y
⎪⎩ ⎜∑ k ⎟ ∑ k
⎝ k =1 ⎠ k =1
1 n 1 n
Se notează: x = ∑ x k , y = ∑ y k
n k =1 n k =1
Soluţia este:
130
∑ (x ) ∑ xk (yxk − x y k )
n n
k − x yk
k =1 k =1
a= , b=
∑ (x k − x ) ∑ (x k − x )
n 2 n 2
k =1 k =1
Exemplul 4.3.1:
În ultimele trei luni, la un magazin, vânzările au fost (în mii
unităţi monetare):
luna 1 2 3
valoarea 10 15 21
Să se determine dreapta de regresie şi să se estimeze valoarea
vânzărilor în luna următoare.
46
x = 2; y =
3
a=
(1 − 2) ⋅ 10 + (2 − 2) ⋅ 15 + (3 − 2) ⋅ 21 = 11
(1 − 2)2 + (2 − 2)2 + (3 − 2)2 2
⎛ 46 ⎞ ⎛ 46 ⎞ ⎛ 46 ⎞
1 ⋅ ⎜ − 2 ⋅ 10 ⎟ + 2 ⋅ ⎜ ⋅ 2 − 2 ⋅ 15 ⎟ + 3 ⋅ ⎜ ⋅ 3 − 2 ⋅ 21⎟
b= ⎝
3 ⎠ ⎝ 3 ⎠ ⎝ 3 ⎠ = 13
(1 − 2)2 + (2 − 2)2 + (3 − 2)2 3
11 13
f (x) = x + ; f (4) = 26,33
2 3
131
Se numeşte norma diviziunii D: D = max( xi − xi −1 )
1≤i ≤ n
Fie f : [a, b] → R, ξ i ∈ [xi −1 , xi ], i ∈ 1, n puncte intermediare.
Se numeşte suma Riemann asociată funcţiei f, diviziunii D şi
punctelor intermediare ξ i :
n
σ D ( f , ξ i ) = ∑ f (ξ i )( xi − xi −1 )
i =1
Definiţia 4.4.2: Fie f : [a, b] → R. Se spune că f este integrabilă
Riemann pe [a,b] dacă oricare ar fi şirul de diviziuni
( )
Dn = x0(n ) , x1(n ) ,..., x k(n ) ∈ D[a ,b ] , n ∈ N *, Dn → 0 şi oricare ar fi
[ ]
n
b
real I = ∫ f ( x )dx .
a
Observaţii:
132
1. Dacă limita este infinită, integrala improprie este divergentă.
2. Analog se poate defini integrala când intervalul este nemărginit
la stânga.
3. Există integrale improprii convergente cu ambele limite
∞
infinite: ∫ f ( x )dx
−∞
Exemple 4.4.4:
∞ b
1 b
1 ⎛ 1⎞ ⎛ 1 ⎞
1) I = ∫ 2 dx = lim ∫ 2 dx = lim ⎜ − ⎟ = lim ⎜ − + 1⎟ = 1,
b →∞ ⎝ x ⎠ 1 b →∞⎝ b ⎠
1 x
b →∞ x
1
convergentă.
( )
∞ b
1 1 b
2) I=∫ dx = lim ∫ dx = lim 2 x = lim 2 b − 2 = ∞ ,
1 x b →∞
1 x b →∞ 1 b →∞
divergentă.
∞
dx
3) Cazul general: ∫ α
, a > 0, α > 0.
a x
a) Pentru α ≠1
b
∞
dx b
dx x −α +1
∫ α = blim ∫ = blim
→∞ a x α →∞ − α + 1
=
a x a
⎧ ∞ pt. α < 1
1 ⎛ 1 1 ⎞ ⎪ 1
= lim ⎜ − ⎟=⎨ pt. α > 1
1 − α b→∞⎝ b α −1 a α −1 ⎠ ⎪
⎩ (α − 1)a α −1
b) Pentru α = 1
∞ b
dx dx b b
∫ = blim ∫ = lim ln x a = lim ln = ∞ .
a x →∞ a x b→∞ b→∞ a
133
atunci această limită se numeşte integrala improprie de speţa a
doua a funcţiei f pe intervalul [a, b).
Exemple 4.4.6:
1) Integrală improprie convergentă:
1 b
dx dx b
∫ = lim ∫ = lim(arcsin x) 0 =
2
0 1− x b →1 0
b <1 1 − x 2 b→1
π
= lim(arcsin b − arcsin 0) = arcsin 1 =
b →1 2
134
∞
Γ(a ) = ∫ x a −1e − x dx
0
Observaţii:
1. Dacă a ≥ 1, funcţia Gamma are singularitate doar în dreapta,
unde intervalul de integrare este infinit.
2. Dacă 0 < a < 1 , integrala are singularitate şi la capătul din
stânga, în vecinătatea lui 0 funcţia de sub integrală fiind
nemărginită.
Proprietăţi
1) Γ(1) = 1
2) Γ(a + 1) = aΓ(a )
3) Γ(n + 1) = n! pentru n ∈ N
π
4) Γ(a ) ⋅ Γ(1 − a ) =
sin aπ
∞
5) Γ(a ) = 2 ∫ t 2 a −1e −t dt
2
0
Aplicaţii:
⎛1⎞
1) Γ⎜ ⎟ = π , rezultă din proprietatea 4) dacă se înlocuieşte a
⎝ 2⎠
cu 1/2.
2) Dacă în proprietatea 5) se înlocuieşte a cu 1/2 rezultă integrala
Euler-Poisson:
∞
π ∞
−t
de unde: ∫ e − x dx = π .
2 2
∫ e dt =
0 2 −∞
Exemple 4.4.9:
∞ 3
⎛3 ⎞ ⎛5⎞ 3 ⎛3⎞ 3 1 ⎛1⎞ 3
I=∫ x 2 e − x dx = Γ⎜ + 1⎟ = Γ⎜ ⎟ = Γ⎜ ⎟ = ⋅ Γ⎜ ⎟ = π
0 ⎝2 ⎠ ⎝2⎠ 2 ⎝2⎠ 2 2 ⎝2⎠ 4
135
∞ ∞
I = ∫ ( x − 1) e dx = ∫ t 5 e −t dt = Γ(6 ) = 5!= 24
5 1− x
1 0
x − 1 = t ; dx = dt
x = 1 ⇒ t = 0; x → ∞ ⇒ t → ∞
Proprietăţi:
1) B(a, b ) = B(b, a )
a −1
2) B(a, b ) = B(a − 1, b ) pt. a > 1, b > 0
a + b −1
b −1
3) B(a, b ) = B(a, b − 1) pt. a > 0, b > 1
a + b −1
4) B(a, b ) =
(a − 1)(b − 1) B(a − 1, b − 1) pt. a > 1, b > 1
a+b−2
Γ(a )Γ(b )
5) B(a, b ) =
Γ(a + b )
Exemplul 4.4.11:
136
( )
1 5
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 Γ(3)Γ(6 ) 1 2!⋅5! 1
I = ∫ t 2 (1 − t ) dt = B(3,6 ) = ⋅
5
= ⋅ =
30 3 3 Γ(9 ) 3 8! 504
137
Capitolul 5
5.1 Definiţii
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 grafică:
x1 x2
x7
x3
x6
x4
x5
139
Definiţia 5.1.4 : Un graf este conex dacă între oricare două
vârfuri ale sale există cel puţin un lanţ.
x1 x2
x6
x4
x5
140
Definiţia 5.1.8 : Distanţa dintre două vârfuri ale unui graf este
lungimea celui mai scurt lanţ care le uneşte.
C x1 x2 x3 x4 x5 x6 x7
x1 0 1 0 1 1 0 0
x2 0 0 1 0 0 1 0
x3 1 0 0 0 0 0 0
x4 0 0 0 0 0 1 0
x5 0 0 1 0 0 0 0
x6 0 0 0 0 1 0 0
x7 0 0 0 0 0 0 0
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
A u1 u2 u3 u4 u5 u6 u7 u8 u9
x1 +1 +1 +1 0 0 -1 0 0 0
x2 -1 0 0 +1 +1 0 0 0 0
x3 0 0 0 -1 0 +1 0 -1 0
x4 0 -1 0 0 0 0 +1 0 0
x5 0 0 -1 0 0 0 0 +1 -1
x6 0 0 0 0 -1 0 -1 0 +1
x7 0 0 0 0 0 0 0 0 0
142
Operaţiile de adunare (sau) şi înmulţire (şi) booleană pe mulţimea
{0, 1} respectă regulile:
+ 0 1 ⋅ 0 1
0 0 1 0 0 0
1 1 1 1 0 1
Exemplul 5.2.2 :
Fie graful dat prin matricea conexiunilor C :
C x1 x2 x3 x4 x5
x1 0 1 1 0 1
x2 0 0 0 0 1
x3 0 0 0 1 0
143
x4 0 1 0 0 0
x5 0 0 0 0 0
C x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 0 0 0 1
x3 0 0 0 1 0
x4 0 1 0 0 0
x5 0 0 0 0 0
C x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 0 0 0 1
x3 0 0 0 1 0
x4 0 1 0 0 0
x5 0 0 0 0 0
144
Nu mai apare alt element nou 1, deci se continuă cu linia 2.
Elementul nenul este pe coloana 5, deci se adună boolean linia 5
la linia 2. Linia 5 fiind de zerouri, nu apare nici o schimbare, deci
se continuă cu linia 3. Se adună linia 4 la linia 3:
C x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 0 0 0 1
x3 0 1 0 1 0
x4 0 1 0 0 0
x5 0 0 0 0 0
C x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 0 0 0 1
x3 0 1 0 1 1
x4 0 1 0 0 0
x5 0 0 0 0 0
145
C x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 0 0 0 1
x3 0 1 0 1 1
x4 0 1 0 0 1
x5 0 0 0 0 0
C x1 x2 x3 x4 x5 P.A.
x1 0 1* 1* 1 1* 4
x2 0 0 0 0 1* 1
x3 0 1 0 1* 1 3
x4 0 1* 0 0 1 2
x5 0 0 0 0 0 0
146
Dacă graful este fără circuite, se pot aranja toate elementele 1
deasupra diagonalei principale, formă numită triangularizată
superior.
Procedeu de triangularizare
1) Se scrie puterea de atingere a fiecărui vârf.
2) Se ordonează liniile în ordinea descrescătoare a puterilor.
3) Se ordonează coloanele în aceeaşi ordine şi se obţine matricea
terminală triangularizată superior.
Exemplul 5.2.3:
C x1 x2 x3 x4 x5 P.A.
x1 0 1* 1* 1 1* 4
x2 0 0 0 0 1* 1
x3 0 1 0 1* 1 3
x4 0 1* 0 0 1 2
x5 0 0 0 0 0 0
C x1 x2 x3 x4 x5 P.A.
x1 0 1* 1* 1 1* 4
x3 0 1 0 1* 1 3
147
x4 0 1* 0 0 1 2
x2 0 0 0 0 1* 1
x5 0 0 0 0 0 0
C x1 x3 x4 x2 x5 P.A.
x1 0 1* 1 1* 1* 4
x3 0 0 1* 1 1 3
x4 0 0 0 1* 1 2
x2 0 0 0 0 1* 1
x5 0 0 0 0 0 0
148
Teorema 5.3.1: În orice graf orientat şi fără circuite cu n vârfuri
există drum hamiltonian dacă şi numai dacă numărul elementelor
n(n − 1)
nenule ale matricei terminale este .
2
Exemplul 5.3.2:
Prelucrarea unui produs necesită 5 operaţii P1, P2, P3, P4, P5, care
îndeplinesc următoarele condiţii:
a) după P1 poate urma P2, P3 sau P5;
b) după P2 poate urma P3 sau P5;
c) după P3 poate urma numai P4 ;
d) după P4 poate urma numai P2 ;
e) P5 este ultima operaţie.
Verificarea condiţiilor :
a) Pe diagonala principală nu există 1, deci graful nu are circuite.
149
b) Suma puterilor de atingere este 10 = (5x4)/2, deci există drum
hamiltonian.
Corijarea grafului
Etapele algoritmului
1. Se scrie matricea conexiunilor C care se adună cu matricea
unitate I de acelaşi ordin cu ea.
2. Se calculează (C+I)n până când două puteri succesive sunt
egale.
150
3. Vârfurile care au în această matrice pe linii numai 1, iar
coloanele corespunzătoare lor numai 0 cu excepţia intersecţiilor,
se grupează în prima clasă de echivalenţă.
4. Se elimină din matricea (C+I)n liniile şi coloanele
corespunzătoare acestor vârfuri, iar cu matricea rămasă se
procedează la fel pentru aflarea următoarei clase. Astfel toate
vârfurile vor fi repartizate în clase.
5. Se reconstruieşte un graf parţial al grafului dat astfel :
a) Fiecare clasă dă naştere unui subgraf tare conex.
b) Se trasează toate arcele care leagă clasele consecutive, numai
în sensul obţinerii lor.
6. Se află drumurile hamiltoniene din fiecare clasă, după care se
asamblează între ele.
Exemplul 5.3.3
Fie graful dat prin matricea conexiunilor:
C x1 x2 x3 x4 x5 x6
x1 0 1 0 0 0 0
x2 1 0 0 1 0 0
x3 0 0 0 0 1 0
x4 0 0 0 0 1 1
x5 0 0 0 0 0 1
x6 0 0 1 0 0 0
Matricea C + I:
C+I x1 x2 x3 x4 x5 x6
x1 1 1 0 0 0 0
151
x2 1 1 0 1 0 0
x3 0 0 1 0 1 0
x4 0 0 0 1 1 1
x5 0 0 0 0 1 1
x6 0 0 1 0 0 1
Se calculează (C + I)2 :
(C+I)2 x1 x2 x3 x4 x5 x6
x1 1 1 0 1 0 0
x2 1 1 0 1 1 1
x3 0 0 1 0 1 1
x4 0 0 1 1 1 1
x5 0 0 1 0 1 1
x6 0 0 1 0 1 1
(C+I)4 x1 x2 x3 x4 x5 x6
x1 1 1 1 1 1 1
x2 1 1 1 1 1 1
x3 0 0 1 0 1 1
x4 0 0 1 1 1 1
152
x5 0 0 1 0 1 1
x6 0 0 1 0 1 1
x3 x4 x5 x6
x3 1 0 1 1
x4 1 1 1 1
x5 1 0 1 1
x6 1 0 1 1
Justificarea algoritmului
153
Definiţia 5.3.4: Două vârfuri xi şi xj se numesc echivalente dacă
între ele există cel puţin un drum într-un sens şi cel puţin un drum
în sens contrar.
154
Fie G = (N, L) un graf orientat cu n vârfuri şi c : L → R o funcţie
care asociază fiecărui arc din L o valoare reală. Se notează cu cij =
c(xi, xj). În cazurile reale, această valuare a arcelor poate însemna:
- distanţe directe între puncte (localităţi);
- timpi de execuţie a unor faze dintr-un proiect;
- costuri sau timpi într-o reţea de transport.
Fie d = (xi, xi1, xi2, ..., xip-1, xj) un drum format din p arce
între xi şi 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.
În practică se poate cere cel mai scurt sau cel mai lung drum
între vârfuri (problema drumului minim sau problema drumului
maxim).
155
1) Se construieşte matricea terminală care se triangulează superior
şi se obţine matricea TTS.
2) În matricea C a capacităţilor arcelor (lungimilor) se aranjează
liniile şi coloanele ca în matricea TTS şi se obţine matricea C1 =
||cij||.
3) Se consideră prima linie din C1 şi fie clj primul element nenul.
Se adună clj cu fiecare element nenul din linia j, obţinându-se
sume de forma clj + cjk. Dacă clj + cjk > clk, în locul lui clk se trece
suma, altfel rămâne clk.
4) Următoarelor elemente nenule de pe linie li se aplică aceleaşi
operaţii, dar pentru linia respectivă modificată.
5) Operaţiile de la etapele 3) şi 4) se efectuează pentru fiecare
linie a matricei C1, obţinându-se o matrice C2.
6) În C2 se înlocuiesc zerourile cu ∞ (cu excepţia celor de pe
diagonala principală) şi se obţine matricea DM = ||dij|| a
distanţelor maximale.
Pentru găsirea vârfurilor drumului critic se aleg indicii k pentru
care este îndeplinită relaţia 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 şi intervalul maxim
de timp între x3 şi x1 şi drumul critic corespunzător.
C0 x1 x2 x3 x4 x5
x1 0 0 0 0 0
x2 1 0 0 0 1
156
x3 1 1 0 1 0
x4 0 1 0 0 0
x5 1 0 0 0 0
TTS x3 x4 x2 x5 x1
x3 0 1* 1* 1 1*
x4 0 0 1* 1 1
x2 0 0 0 1* 1*
x5 0 0 0 0 1*
x1 0 0 0 0 0
Matricea capacităţilor:
C1 x3 x4 x2 x5 x1
x3 0 2 1 0 10
2+4>1
x4 0 0 4 0 0
x2 0 0 0 3 5
x5 0 0 0 0 1
x1 0 0 0 0 0
157
C1 x3 x4 x2 x5 x1
x3 0 2 6 0 10
6+3>0 6+5>10
x4 0 0 4 0 0
x2 0 0 0 3 5
x5 0 0 0 0 1
x1 0 0 0 0 0
C1 x3 x4 x2 x5 x1
x3 0 2 6 9 11
9+1<11
x4 0 0 4 0 0
x2 0 0 0 3 5
x5 0 0 0 0 1
x1 0 0 0 0 0
C1 x3 x4 x2 x5 x1
x3 0 2 6 9 11
x4 0 0 4 0 0
4+3>0 4+5>0
x2 0 0 0 3 5
158
x5 0 0 0 0 1
x1 0 0 0 0 0
C1 x3 x4 x2 x5 x1
x3 0 2 6 9 11
x4 0 0 4 7 9
7+1<9
x2 0 0 0 3 5
x5 0 0 0 0 1
x1 0 0 0 0 0
C1 x3 x4 x2 x5 x1
x3 0 2 6 9 11
x4 0 0 4 7 9
x2 0 0 0 3 5
3+1<5
x5 0 0 0 0 1
x1 0 0 0 0 0
C2 x3 x4 x2 x5 x1
x3 0 2 6 9 11
x4 0 0 4 7 9
159
x2 0 0 0 3 5
x5 0 0 0 0 1
x1 0 0 0 0 0
DM x3 x4 x2 x5 x1
x3 0 2 6 9 11
x4 ∞ 0 4 7 9
x2 ∞ ∞ 0 3 5
x5 ∞ ∞ ∞ 0 1
x1 ∞ ∞ ∞ ∞ 0
160
O reţea este un graf pe arcele căruia poate circula un flux de
un anumit produs. Fiecărui arc îi este asociată capacitatea maximă
ce poate fi transportată pe arcul respectiv. În activitatea practică,
astfel de grafuri pot fi:
161
Problema:
Se caută fluxul maxim în reţea, adică găsirea cantităţilor
( )
xij* i, j = 0, n + 1 care verifică relaţiile (1) şi (2) şi care
maximizează forma liniară (3).
Etapele algoritmului
162
a) Se adaugă o unitate la fluxurile marcate cu (+). Pentru fiecare
arc a cărui extremitate finală a fost marcată cu (+) se obţine un
nou flux : xij(1) = xij0 + 1 .
b) Se scade o unitate din fluxurile arcelor notate cu (-) şi noul flux
va fi : xij(1) = xij0 − 1 .
c) Fluxurile ce nu aparţin drumului marcat rămân neschimbate.
Procedeul de marcare continuă atâta timp cât vârful an mai poate
fi marcat. În caz contrar, fluxul găsit este maxim.
Exemplul 5.5.3 :
Fie reţeaua de transport cu fluxul marcat în figura următoare :
163
destinaţia nu mai poate fi marcată pentru că orice lanţ între a0 şi a7
conţine cel puţin un arc saturat.
164
Capitolul 6
165
Gheorghe Mihoc, C. T. Ionescu Tulcea, George Ciucu, Ioan
Cuculescu, Marius Iosifescu.
Exemplul 6.1.1:
Fie E aruncarea zarului.
Mulţimea probelor este: Ω = {1, 2, 3, 4, 5, 6}.
Atunci A = {1, 2, 3}, sau
B = apariţia unui număr impar
sunt evenimente.
Evenimentul {2} este un eveniment elementar.
166
6.1.2 Operaţii cu evenimente
Exemplul 6.1.3:
Să se determine probabilitatea ca la aruncarea a două zaruri să
se obţină o dublă.
Număr cazuri posibile: 36
167
Număr cazuri favorabile: 6
P(A) = 6 / 36 = 1 / 6.
1. 0 ≤ P ( A) ≤ 1
2. P (Ω) = 1, P (Φ ) = 0
3. P (A) = 1 − P( A)
4. A ⊂ B ⇒ P ( A ) ≤ P ( B )
5. A ∩ B = Φ ⇒ P( A ∪ B ) = P( A) + P(B )
6. A ⊂ B ⇒ P(B \ A) = P(B ) − P( A)
168
Proprietăţi
1. P(Φ ) = 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 )
Probabilităţi condiţionate
P( Ai ) ⋅ P( A / Ai )
P( Ai / A) = n
, i ∈ {1,2,..., n}
∑ P( Ak )P( A / Ak )
k =1
Exemplul 6.1.9:
170
Trei întreprinderi trimit acelaşi tip de produse la un magazin, în
proporţie de 50%, 30%, respectiv 20%. Cele trei întreprinderi dau
rebuturi 1%, 3%, respectiv 2%. Produse în valoare de 3600 lei s-
au dovedit rebuturi. În ce proporţie trebuie împărţită pierderea
între cele trei întreprinderi?
Fie:
Ai – evenimentul ca un produs să provină de la întreprinderea i
X – evenimentul ca un produs să 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 să provină de la furnizorul 1, 2,
respectiv 3 este:
P( A1 ) ⋅ P( X / A1 ) 0,5 ⋅ 0,01 5
P( A1 / X ) = = =
3
∑ P( Ai ) ⋅ P( X / Ai ) 0,5 ⋅ 0,01 + 0,3 ⋅ 0,03 + 0,2 ⋅ 0,02 18
i =1
P( A2 ) ⋅ P( X / A2 ) 0,3 ⋅ 0,03 9
P( A2 / X ) = = =
3
∑ P( Ai ) ⋅ P( X / Ai ) 0,5 ⋅ 0,01 + 0,3 ⋅ 0,03 + 0,2 ⋅ 0,02 18
i =1
P( A3 ) ⋅ P( X / A3 ) 0,2 ⋅ 0,02 4
P( A3 / X ) = = =
3
∑ P( Ai ) ⋅ P( X / Ai ) 0,5 ⋅ 0,01 + 0,3 ⋅ 0,03 + 0,2 ⋅ 0,02 18
i =1
5 9 4
S1 = ⋅ 3600 = 1000 S2 = ⋅ 3600 = 1800 S3 = ⋅ 3600 = 800
18 18 18
Evenimente independente
171
Exemplul 6.1.11:
Se consideră două urne având compoziţiile U1(6a, 4n) şi
U2(5a, 10n).
Din fiecare urnă este extrasă câte o bilă.
a) Care este probabilitatea obţinerii a două bile albe?
b) Care este probabilitatea să se obţină cel puţin o bilă albă?
c) Care este probabilitatea să se obţină două bile de aceeaşi
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 întoarsă (schema
binomială)
Modelul probabilistic
O urnă conţine bile de două culori, albe şi negre, în proporţie
cunoscută.
Se extrag n bile, punând de fiecare dată bila înapoi.
Se cere probabilitatea ca din cele n bile extrase, k să fie albe.
Probabilitatea ca bila extrasă să fie albă se notează cu p, iar
probabilitatea ca bila să fie neagră se notează cu q = 1 – p.
P (Bn , k ) = Cnk p k q n − k
n!
Cnk =
k!(n − k )!
Exemplul 6.2.1:
Se aruncă o monedă de 10 ori. Care este probabilitatea de a obţine
de 3 ori stema?
n = 10; k = 3; p = 1/2; q = 1/2
3 10 − 3
⎛1⎞ ⎛1⎞ 10! 1
P (B10,3 ) =
C103 ⎜ ⎟⋅⎜ ⎟ = ⋅ =
⎝2⎠ ⎝2⎠ 3!⋅7! 210
10 ⋅ 9 ⋅ 8 1 120 15
⋅ = =
3 ⋅ 2 1024 1024 128
173
6.2.2 Schema lui Bernoulli cu mai multe stări
(polinomială)
174
Exemplul 6.2.3:
Într-o grupă de seminar sunt 30 studenţi, dintre care 18 băieţi şi
12 fete. Care este probabilitatea ca alegând la întâmplare 10
studenţi din această grupă să fie 6 băieţi şi 4 fete?
a = 18; b = 12; n = 10; k = 6; n – k = 4.
În urnă sunt bile de r culori, c1, c2, ...,cr, în număr de a1, a2, ..., ar.
Se extrag n bile fără a pune bila înapoi.
Se cere probabilitatea să se obţină k1 bile de culoarea c1, ..., kr bile
de culoarea cr.
Cak11 ⋅ ... ⋅ Cakrr
P(n, k1...k r ) =
Cak11 ++......++akrr
Exemplul 6.2.4:
La un concurs se prezintă 12 concurenţi: 6 americani, 4 francezi şi
2 italieni. Prin tragere la sorţi, cei 12 concurenţi sunt împărţiţi în
grupe de câte 4, fiecare grupă urmând să susţină probele de
concurs într-o zi. Care este probabilitatea ca în prima zi să
concureze 3 americani şi 1 francez?
175
Exemplul 6.3.2:
La aruncarea unui zar se consideră evenimentele A1 = {1,2}, A2 =
{3,4,5}, A3 = {6}, o desfacere a evenimentului sigur.
Se presupune că într-un joc lui A1 îi corespunde 1000, lui A2
– 1000, iar lui A3 2000. Variabila aleatoare care descrie jocul are
forma:
⎛ A A2 A3 ⎞
X ⎜⎜ 1 ⎟⎟
⎝ 1000 − 1000 2000 ⎠
⎛A A2 ... An ⎞
X ⎜⎜ 1 ⎟
⎝ x1 x2 ... xn ⎟⎠
Variabilelor aleatoare de tip discret li se poate ataşa un
tablou, numit repartiţia sau distribuţia de probabilitate:
⎛ x x2 ... xn ⎞
X = ⎜⎜ 1 ⎟⎟
p
⎝ 1 p 2 ... p n⎠
unde xi sunt valorile pe care le ia variabila aleatoare X, iar pi
probabilitatea cu care variabila aleatoare X ia valoarea xi:
n
pi = P( X = xi ) ∀i = 1, n; ∑ pi = 1
i =1
176
Exemplul 6.3.4:
O cuşcă conţine 9 fluturi: 3 masculi (2 albi şi 1 galben) şi 6
femele (4 albe şi 2 galbene). Se prind 2 fluturi. Fie X variabila
aleatoare: numărul de fluturi masculi prinşi, iar Y variabila
aleatoare: numărul de fluturi galbeni prinşi.
C62 15 5
P( X = 0) = 2 = =
C9 36 12
C31C61 18 1
P( X = 1) = 2 = =
C9 36 2
C32 3 1
P( X = 2) = 2 = =
C9 36 12
⎛0 1 2⎞
X =⎜ 5 1 1⎟
⎜ ⎟
⎝ 12 2 12 ⎠
C62 15 5
P(Y = 0 ) = 2 = =
C9 36 12
C31C61 18 1
P(Y = 1) = 2 = =
C9 36 2
C32 3 1
P(Y = 2 ) = 2 = =
C9 36 12
⎛0 1 2⎞
Y =⎜ 5 1 1⎟
⎜ ⎟
⎝ 12 2 12 ⎠
Exemple 6.3.5:
Legea binomială
⎛ k ⎞
X = ⎜⎜ k k n − k ⎟⎟ p ∈ (0,1) q = 1 − p
C
⎝ n p q ⎠ k = 0, n
Legea hipergeometrică
177
⎛ k ⎞
⎜ C k ⋅ C n−k ⎟
X =⎜ a b ⎟⎟
⎜ Cn
⎝ a +b ⎠ k = 0, n
⎛ k ⎞
X = ⎜ λk − λ ⎟ λ >0
⎜ e ⎟
⎝ k! ⎠ k = 0,1, 2,...
Înmulţirea cu o constantă
178
Adunarea cu o constantă
a+ X
are repartiţia:
⎛ a + xi ⎞
a + X ⎜⎜ ⎟⎟
p
⎝ i ⎠i =1, n
Ridicarea la putere
k are repartiţia: ⎛ xi k ⎞
X X ⎜⎜ ⎟⎟
k
⎝ pi ⎠i =1, n
Adunarea şi înmulţirea
⎛x ⎞ ⎛ yj ⎞
X ⎜⎜ i ⎟⎟ Y ⎜⎜ ⎟⎟
⎝ pi ⎠i =1, n ⎝ q j ⎠ j =1, m
Suma X+Y şi produsul XY au distribuţiile:
⎛ xi + y j ⎞ ⎛ xi y j ⎞
X + Y ⎜⎜ ⎟⎟ XY ⎜⎜ ⎟⎟ rij = pi ⋅ q j
⎝ rij ⎠ij==11,,nm ⎝ r ij ⎠ j =1, m
i =1, n
Exemplul 6.3.7:
Fie X şi Y două variabile aleatoare independente având
repartiţiile:
⎛− 2 3 ⎞ ⎛ −1 2 5 ⎞
X = ⎜⎜ ⎟⎟ Y = ⎜⎜ ⎟⎟
⎝ 0, 2 0,8 ⎠ ⎝ 0, 2 0,5 0,3 ⎠
Proprietăţi:
1. M(a) = a, unde a constantă
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. Dacă X şi Y sunt variabile aleatoare independente: M(XY) =
M(X)M(Y)
Momente
Definiţia 6.3.8: Fiind dată variabila aleatoare X se numeşte
moment iniţial de ordin k al acesteia vk = M(Xk).
Abateri
Dacă X este o variabilă aleatoare şi a o constantă atunci variabila:
X – a se numeşte abaterea lui X de la a.
|X – a| abaterea absolută de la a
180
X – M(X) abaterea de la medie
|X – M(X)| abaterea absolută de la medie
Momente centrate
Se numeşte moment centrat de ordin k expresia:
[
μ k = M ( X − M ( X ))k ]
n
μ k = ∑ ( xi − M ( X ))k pi
i =1
Cazuri particulare:
k = 1 μ1 = 0
M(X-M(X))=M(X)-M(X)=0
k = 2 Dispersia
[
μ 2 = D 2 ( X ) = M ( X − M ( X ))2 ]
este un indicator important pentru măsurarea gradului de
împrăştiere a valorilor variabilei aleatoare X în jurul valorii medii
M(X).
σ = D( X ) = D 2 ( X ) = M (X 2 ) − [M ( X )]2
181
Proprietăţi
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(Φ ) = 0
x → −∞
5. lim F ( x ) = P(Ω ) = 1
x→∞
6. lim F ( y ) = F ( x )
y→x
y< x
Densitatea de probabilitate
funcţia ρ : R → R
numindu-se densitate de probabilitate a variabilei aleatoare X.
Proprietăţi:
1. ∀x ∈ R, ρ ( x ) ≥ 0
2. F ' ( x ) = ρ ( x ) a.p.t. pe R
b
3. P(a ≤ x < b ) = ∫ ρ ( x )dx
a
∞
4. ∫ ρ ( x )dx = 1
−∞
182
∞
M ( X ) = ∫ xρ ( x )dx
−∞
( )=
∞
vk = M X ∫ x ρ ( x )dx
k k
−∞
Momentele centrate de ordin k
[ ] ∞
μ k = M ( X − M ( x )) = ∫ ( x − M ( X ))k ρ ( x )dx
k
−∞
2
Dispersia D (X)
2
[ 2
] ∞
D ( X ) = M ( X − M ( x )) = ∫ ( x − M ( X )) ρ ( x )dx
−∞
2
Abaterea standard
σ = D( X ) = D 2 ( X )
Legea uniformă
⎧ 0 x<a
⎪x − a
F (x ) = ⎨ x ∈ [ a, b)
⎪ b − a
⎩ 1 x≥b
183
Caz particular:
x2
1 −2
ρ ( x,0,1) = e
2π
184