Cuprins

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

1..........4....2..............5 Algoritmul lui Y.............................................................. 141 5..........2 Matricea de incidenţă .......................1 Drum critic (rută maximă) în grafuri fără circuite ........ 166 6.......................................................2........................................................... Chen pentru construirea matricei drumurilor (terminală) .....1 Algoritmul lui Ford-Foulkerson (procedeul marcării) ......... 166 6...............5 Fluxul în reţea .....2 Modelul matematic .... 155 5......1 Experienţă....................................................... 160 5..........................3......................................1 Matricea legăturilor (matricea conexiunilor.....2...................................................................................6 Matricea terminală triangularizată superior TTS .................................Capitolul 5..................3 Matricea lungimilor...........................2.......3 Drumuri hamiltoniene în grafuri .......................... 167 6................................1 Definiţii ....5. 143 5........... 141 5....................1............. 165 Elemente de teoria probabilităţilor............1.................... 170 6......... 148 5..............................2 Operaţii cu evenimente ..... 148 5.....2............. 154 5............ eveniment.................................. 173 6......................................... Algoritmul lui Foulkes................................................2 Drum hamiltonian într-o reţea oarecare......................................3 Algoritm pentru aflarea matricei DM a distanţelor maximale..............3........................................2.........4 Matricea drumurilor ....... C................... 142 5.................... 138 5...............................................................................3 Definiţii ale noţiunii de probabilitate .... 146 5............ 142 5......................1 Câmp de evenimente.............4........... 150 5........... 154 5..1............... 155 5....1 Schema lui Bernoulli cu bila întoarsă (schema binomială) ...............................1 Drumuri hamiltoniene în grafuri orientate şi fără circuite ........ 162 Capitolul 6...................4 Formula probabilităţii totale......................2.......................4 Drum optim.........................4................ 138 5......2 Matrice asociate unui graf....2 Scheme clasice de probabilitate .............. probă..................................................... 173 4 ................................... 138 Elemente de teoria grafurilor .... 141 5................... matricea booleană)............ 165 6.......................... 167 6....

....................3.............. 178 6.3.....2..................... 180 6..........................2 Caracteristici numerice pentru variabile aleatoare discrete .....2 Schema lui Bernoulli cu mai multe stări (polinomială) ...........4 Legi de probabilitate continue uzuale ... 183 5 .................2........... 174 6.... 181 6..............3 Schema bilei neîntoarse (schema hipergeometrică) ....................... 174 6....2..3 Variabile aleatoare continue.........6.....................................3................. 175 6............3 Variabile aleatoare ...................................4 Schema bilei neîntoarse cu mai multe stări.....................1 Operaţii cu variabile aleatoare ......... 175 6................3............

..3(R). Mulţimea matricelor pătratice cu n linii şi n coloane se notează Mn(R). matricea C ∈ M4. În cazul în care numărul de linii este egal cu numărul de coloane.⎟ . unde aij ∈ R.1 Definiţii.. ⎜ ⎟ ⎜ am1 am 2 .Capitolul 1 Elemente de algebră liniară 1. Se numeşte matrice cu m linii şi n coloane cu elemente din R un tablou de forma: ⎛ a11 a12 ..3(R). matricea B ∈ M5..1. amn ⎟ ⎠ ⎝ Mulţimea matricelor cu m linii şi n coloane cu elemente din R se notează: Mm.2 (Matrice de diferite tipuri): Matricea A are 2 linii şi 3 coloane.. Exemplul 1..1. Matricele se notează cu litere mari ale alfabetului latin... Exemple Definiţia 1. matricea D ∈ 6 . A ∈ M2.. . .. ..n(R). a1n ⎞ ⎟ ⎜ ⎜ a 21 a 22 ...1 Matrice 1.. matricea se numeşte pătratică.1(R) şi C se mai numeşte matrice coloană..1 (Matrice): Fie R un inel... a 2 n ⎟ A=⎜ ⎟ ⎜ .....1.

O matrice care are toate elementele de deasupra diagonalei principale egale cu zero se numeşte triunghiulară inferior. ⎜ 2 ⎟ ⎜ ⎜ 3 ⎟ ⎟ ⎝ ⎠ O matrice care are o singură linie se numeşte matrice linie.2 Operaţii cu matrice 1. A=⎜ B=⎜ 7 2 ⎜ − 5 0 1⎟ ⎜ ⎝ ⎠ ⎜ − 10 4 ⎜ −3 ⎝ 2 ⎛ 3 4⎞ ⎟. iar matricea E ∈ M2(R).1 Adunarea matricelor Definiţia 1.3(R) şi se mai numeşte matrice linie.2. adică aij = 0. fiind o matrice pătratică.3: Fie matricele A şi B ∈ Mm.1. iar o matrice care are o singură coloană se numeşte matrice coloană. 0 ⎛ 11 ⎜ ⎜ 6 4 ⎜ ⎛ 2 − 3 4⎞ ⎟. pentru i > j. Matricea A + B se defineşte astfel: 7 . E =⎜ ⎜ − 8 0⎟ ⎠ ⎝ − 8⎞ ⎟ −1⎟ ⎟ 6 ⎟.1. O matrice care are toate elementele de sub diagonala principală egale cu zero se numeşte triunghiulară superior. Matrice diagonală este o matrice care are elemente nenule numai pe diagonala principală. celelalte elemente fiind egale cu 0. 1. − 9⎟ ⎟ − 5⎠ ⎟ ⎛ 4 ⎞ ⎜ ⎟ ⎜ − 9⎟ C = ⎜ ⎟. pentru i < j.M1. adică aij = 0.n(R).1. Matrice triunghiulară. D = (0 − 2 3).

⎜ ⎜ ⎜ a + bm1 ⎝ m1 a +b 12 12 a +b 22 22 .. ⎟ ⎟ ...... A + B = B + A. B. B şi C. cij.. a + b mn ⎞ ⎟ ⎟ ⎟. b ⎟ mn ⎠ ⎛ a +b 11 ⎜ 11 ⎜a +b 21 A + B = ⎜ 21 .... respectiv coloane şi au elementele din acelaşi inel. ...n(R).. a + b 1n 1n . unde operaţia aditivă este asociativă şi atunci: oricare ar fi aij.. a ⎟ 2n ⎟ . b ⎟ 2 n ⎟. ... .. a + b 2n 2n . ⎛− 2 ⎜ A = ⎜ 11 ⎜ ⎜ 3 ⎝ 5 ⎞ 4⎞ 5 + 4 ⎞ ⎛1 9 ⎞ ⎛ 3 ⎛− 2 + 3 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ − 23⎟ şi B = ⎜ − 6 9 ⎟.. b m2 . cu 1 ≤ i ≤ m şi 1 ≤ j ≤ n elementele matricelor A... b ⎞ 1n ⎟ . Comutativitatea: Oricare ar fi matricele A şi B ∈ Mm...... .. ⎟ ⎟ ⎟ mn ⎠ Observaţia 1.4: Două matrice se pot aduna numai dacă sunt de acelaşi tip.. Asociativitatea : Oricare ar fi matricele A... C ∈ Mm..1... Exemplul 1. a ⎟ ... adică au acelaşi număr de linii. (A + B) + C = A + (B + C).2(Q)........ atunci : A + B = ⎜ 11 − 6 − 23 + 9 ⎟ = ⎜ 5 − 14 ⎟....... .1. 8 .. 2. a +b m2 m2 . mn ⎠ ⎛b ⎜ 11 ⎜b B = ⎜ 21 ⎜ ..... ⎟ ⎟ ..⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ . ⎜ ⎜a ⎝ m1 a a 22 .... ⎜ ⎜b ⎝ m1 b 12 b 22 .n(R)... Această proprietate rezultă din faptul că R este un inel. ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 2 10 ⎟ ⎜ 3+ 2 0 ⎟ 0 + 10 ⎟ ⎜ 5 10 ⎟ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ Proprietăţile adunării 1.. bij. a 12 m2 a ⎞ 1n ⎟ ...5: Fie matricele A şi B ∈ M3... (aij + bij) + cij = aij + (bij + cij).. ...

...n(R). Atunci A + (.aij) 1 ≤ i ≤ m şi 1 ≤ j ≤ n. adică oricare ar fi aij şi bij. atunci matricea ⎛ 0 0 . 3. A + Om. ∀α∈K.n + A = A. 0 ⎟ ⎟ Om. 4. ∀x. oricare ar fi matricea A ∈ Mm. 1 ≤ i ≤ m şi 1 ≤ j ≤ n..A) sunt (.n. (α + β)x = αx + βx. Toate elementele sunt simetrizabile: Oricare matrice A din Mm. 1. ∀x∈R 9 . ∀x∈R. Având proprietăţile 1–4. care există... 1x = x. Dacă elementele matricei A sunt aij. .n(R) are un opus.y∈R. 3. Această matrice se numeşte matricea nulă.. Elementul neutru: Dacă se notează cu 0 elementul neutru al legii "+" din inelul R. ∀α. aij + bij = bij + aij. ∀α. cu 1 ≤ i ≤ m şi 1 ≤ j ≤ n elementele matricelor A şi B. elementele matricei (. 2.n(R) împreună cu adunarea formează o structură de grup abelian.... astfel încât se defineşte operaţia externă · : K x R → R cu proprietăţile: 1.2 Înmulţirea cu scalari Fie R un inel şi K un corp. având în vedere că R este un inel.Această proprietate rezultă din faptul că legea "+" este comutativă în R.A) + A = Om.A) = (.β∈K. . 0 ⎞ ⎟ ⎜ ⎜ 0 0 . notată cu (.⎟ ⎜ ⎟ ⎜0 0 0 0⎟ ⎠ ⎝ este element neutru pentru adunarea matricelor pentru că. n = ⎜ ⎜ . α(x + y) = αx + αy.1..2.. deci un grup comutativ faţă de "+". mulţimea matricelor Mm. ∀x∈R.β∈K.A).n = Om. α(βx) = (αβ)x.. 4.

... ∀A∈Mm.B∈Mm.. λa ⎞ 1n ⎟ . ∀α....3 Înmulţirea matricelor 10 . ∀A... Atunci λA = ⎜ 21 .. ⎟ . mulţimea matricelor Mm.. α(βA) = (αβ)A. ∀A∈Mm.2.1... ⎟ ⎜ .. ⎜ ⎟ a ⎟ ⎜ λa mn ⎠ ⎝ m1 a 1n ⎟ ⎞ λa12 λa 22 .β∈K. ..n(R).. λa ⎟ 2n ⎟ . se poate defini înmulţirea cu scalari din corpul K a matricelor din mulţimea Mm. 2. .. 3 ⋅ 0 3 ⋅ (−7) 3 ⋅ 8 ⎟ ⎜ 12 0 − 21 24 ⎟ ⎠ ⎠ ⎝ Proprietăţile înmulţirii cu scalari Pe baza proprietăţilor înmulţirii cu scalari a elementelor lui R se stabilesc proprietăţile înmulţirii cu scalari a matricelor din Mm. 1.. ∀A∈Mm. (α + β)A = αA + βA.n(R) formează spaţiu vectorial peste corpul K în raport cu înmulţirea cu scalari care s-a definit..n(R)... Definiţia 1.... Având proprietăţile 1–4. λa m2 λa mn ⎟ ⎟ ⎠ Exemplul 1. ∀α. m2 ⎛ λa ⎜ 11 ⎜ λa a ⎟ 2n ⎟ şi λ ∈ K.n(R)..1.n(R).4(R): ⎝ 4 ⎛ 3 ⋅ (−3) 3⋅ A = ⎜ ⎜ 3⋅ 4 ⎝ A=⎜ ⎜ ⎛− 3 5 1 − 2⎞ ⎟. ... .7: Fie matricea A din M2. Atunci : 0 −7 8 ⎟ ⎠ − 6⎞ 3⋅5 3 ⋅1 3 ⋅ (−2) ⎞ ⎛ − 9 15 3 ⎟=⎜ ⎟.n(R): 1... 4....β∈K. ⎜ ⎜a ⎝ m1 a a 22 . α(A + B) = αA + αB.... a 12 ...1... 3.. 1A = A. În aceste condiţii...6 : Fie matricea: ⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ .. ..Cu alte cuvinte R formează un spaţiu vectorial peste corpul K. . ∀α∈K.n(R).

. ⎟ ⎟ b ⎟ np ⎠ 1p ⎟ ⎞ a11b1 p + a12b2 p + ... + a1nbnp ⎞ ⎟ a11b11 + a12b21 + .1......... + a1nbn1 ⎟ ...3(R).. iar bjk cu 1 ≤ j ≤ n şi 1 ≤ k ≤ p sunt elementele lui B.......... .. + a b a11b11 + a12b21 + . Atunci : A ⋅ B = . ⎛b 12 ⎜ 11 ⎜b b .9: Două matrice se pot înmulţi dacă numărul de coloane ale primei matrice este egal cu numărul de linii ale celei de a doua.10: Fie matricele A ∈ M4..1. adică: b ..... + a1nbn1 . Atunci produsul A·B este din mulţimea M4....... a ⎞ 1n ⎟ .....n(R) şi B ∈ Mn. ⎟ ⎜ ⎟ a .......... + a1nbn 2 .......p(R).1.... + a1nbn1 ⎟ ⎠ Observaţia 1........ ....... ⎜ ⎜a ⎝ m1 a 12 a ..... ⎜ ⎜ a b + a b + ..2(R) şi B ∈ M2.. 1n n1 ⎝ 11 11 12 21 ⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ . ⎜ ⎜ a b + a b + .. + a1nbn1 ............3(R): 2 ⎞ ⎟ −1⎟ ⎛ − 3 0 4⎞ ⎟ ⎟ şi 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 .... + a1nbn1 a11b11 + a12b21 + .Definiţia 1. = ⎜ 21 11 12 21 ... 22 22 2n ⎟ şi B = ⎜ 21 ⎜ .. unde aij cu 1 ≤ i ≤ m şi 1 ≤ j ≤ n sunt elementele lui A... Exemplul 1.... a ⎟ ⎜ bn1 bn 2 .. cik = ∑ aij b jk unde 1 ≤ i ≤ m şi j =1 1 ≤ k ≤ p. ⎟ ⎟ a11b11 + a12b21 + ......8: Fie matricele A ∈ Mm...... .............p(R) de elemente cik............ .. iar numărul de coloane egal cu al celei de a doua matrice..... Matricea rezultat are numărul de linii egal cu al primei matrice..... m2 mn ⎠ ⎝ ⎛ a11b11 + a12b21 + . . + a1nbn1 a11b12 + a12b22 + ....... Produsul A · B este matricea n C ∈ Mm.. a ⎟ b b ⎟ 2p ⎟ ........ ...

mulţimea matricelor pătratice de ordin n peste inelul R faţă de adunarea şi înmulţirea matricelor (Mn(R). Matricea In se numeşte matricea unitate de ordin n şi are toate elementele 0. În concluzie.. care sunt 1: 0 . 1 ⎟ ⎝ ⎠ Demonstraţia se face de asemenea prin calcul.⎟ ⎜ ⎟ ⎜ 0 0 .. 0 ⎟ ⎟ In = ⎜ ⎜ ... atunci pentru mulţimea Mn(R)... ·) este un inel.. . Inelul nu este comutativ.. Proprietatea se demonstrează prin calcul. A · In = In · A = A.. Asociativitatea: Oricare ar fi matricele A ∈ Mm.. A · (B + C) = A · B + A · C şi (A + B) · C = A · C + B · C.1.. 3. C ∈ Mn(R)... de exemplu: 12 . 0 ⎞ ⎛ 1 ⎜ ⎟ ⎜ 0 1 . Înmulţirea matricelor pătratice este distributivă faţă de adunare Oricare ar fi matricele A..r(R). adică oricare ar fi A ∈ Mn(R).n(R).. 2. .. B ∈ Mn. B.... cu excepţia celor de pe diagonala principală. Dacă se consideră numai matrice pătratice de ordin n. +. matricea notată In este element neutru la înmulţire.. Această proprietate se verifică de asemenea prin calcul.. Se observă că mulţimea matricelor pătratice de ordin n cu elemente din inelul R are o structură de monoid faţă de înmulţirea matricelor.p(R) şi C ∈ Mp. (A · B) · C = A · (B · C).Proprietăţile înmulţirii matricelor 1.11: Înmulţirea matricelor nu este în general comutativă. Are divizori ai lui zero. .. Observaţia 1.

este unică. 1. ⎟ ⎜0 1⎟ 2 3⎠ ⎝ ⎠ În acest caz B este inversa matricei A.1.3 Matrice inversabile 1. Demonstraţie: Presupunem că B şi B' sunt inversele matricei A.1. ceea ce înseamnă că matricea B este unică. dar : A ⋅ B = ⎜ ⎟=0 ⎟ ⎜ 0 0⎟ ⎜ 0 0⎟ 2 2 2 0 0⎠ ⎝ ⎝ ⎠ ⎝ ⎠ În ceea ce priveşte elementele inversabile ale inelului. B=⎜ ⎟ ≠ 0 .1. B' = B' · In = B' · (A · B) = (B' · A) · B = In · B = B. Definiţia 1. Exemplul 1.A=⎜ ⎜ ⎛0 1⎞ ⎛ 2 3⎞ ⎛ 0 0⎞ ⎟≠0 .1. Atunci A ⋅ B = B ⋅ A = ⎜ ⎟=I . Atunci. Definiţia 1.14: Inversa unei matrice pătratice. Inversa matricei A se notează cu A – 1 .1.1. dacă există.15: O matrice pătratică se numeşte singulară dacă determinantul său este nul. O matrice pătratică se numeşte nesingulară dacă determinantul său este nenul. acestea sunt matricele care au determinantul un element inversabil al inelului R.3. dar în acelaşi timp şi A este inversa matricei B. Teorema 1. 13 .12: O matrice A din Mn(K) se numeşte inversabilă dacă există o matrice B din Mn(K) astfel încât: A · B = B · A = In.1 Definiţii şi exemple Fie K un corp comutativ şi Mn(K) mulţimea matricelor pătratice de ordin n cu elemente din corpul K.13: A=⎜ ⎜ ⎛3 ⎝1 5⎞ ⎛ 2 ⎟ şi B = ⎜ ⎟ ⎜ −1 2⎠ ⎝ − 5⎞ ⎛1 0⎞ ⎟.

(−1) 2 + n d 2 n . ..1.. an2 .... a 1n ⎞ ⎟ .. numită matricea adjunctă matricei A... ⎜ ⎜ a n1 ⎝ a 12 a 22 . .....2 Calculul inversei unei matrice Metoda I Inversa unei matrice pătratice A din Mn(K) ⎛ a 11 ⎜ ⎜ a 21 A=⎜ ⎜ .Teorema 1... ⎜ ⎜ (−1)1 + n d 1n ⎝ 3. ⎟ .. (−1) dnn ⎟ ⎠ (−1) n + 1 dn1 ⎞ ⎟ ⎟ n+2 (−1) dn 2 ⎟ .1.. Se calculează determinantul matricei A a 11 d = a 21 .16: O matrice pătratică de ordin n cu elemente din corpul K este inversabilă dacă şi numai dacă este nesingulară.. ⎟ n+n .. a 12 a 22 ... Atunci A – 1 = d – 1 A*.. a 1n a 2n . ..... ..... (−1) 2 + 1 d 21 (−1) 2 + 2 d 22 .. 2... . se calculează inversa.. În cazul în care d = 0... matricea nu a n1 a n 2 .1 care se obţin din d prin excluderea liniei i şi coloanei j..... 1.... Se calculează determinanţii dij de ordin n .. 14 . Dacă d ≠ 0..3............ ⎛ (−1)1 + 1 d 11 ⎜ ⎜ 1+ 2 d 12 ⎜ (−1) A* = ⎜ .. .. . ... a nn are inversă..... .. ⎟ se calculează astfel: a 2n ⎟ a nn ⎟ ⎠ ⎟ ⎟ 1...

Se calculează determinantul ei.... 2 −1 0 d=1 4 3 1 2 = 12 − 8 − 4 + 2 = 2 ≠ 0 .Se verifică prin calcul că A · A* = A* · A = În consecinţă..... ⎟ 1 2⎟ ⎠ 1. . d13 = 1 3 = −11. deci matricea calculată este inversa matricei A. Se calculează matricea adjunctă....⎟ ⎜ ⎜ 0 0 . 0 ⎟ ⎜ ⎟ ⎜ .1. d 21 = −1 0 = −2. d12 = 1 2 = −6. d 22 = 2 0 4 2 = 4.. Se calculează determinanţii de ordin 2: d11 = d 23 = 3 2 = 4. d ⎟ ⎟ ⎝ ⎠ . −1 0⎞ ⎟ 3 2 ⎟. d32 = = 4. iar A. . 15 . 2 2.. . după care inversa: ⎛ 4 ⎜ A* = ⎜ 6 ⎜ ⎜ − 11 ⎝ 2 4 −6 ⎛ ⎜ 2 ⎟ ⎜ 1 − 4 ⎟.1 = ⋅ A* = ⎜ 3 ⎟ 2 ⎜ 11 7 ⎟ ⎠ ⎜− ⎝ 2 − 2⎞ 1 −1 ⎟ ⎟ ⎞ 2 − 2⎟ 7 ⎟ −3 ⎟ 2 ⎠ Se verifică prin calcul că A · A – 1 = A – 1 · A = I3.17: Fie matricea: ⎛2 ⎜ A = ⎜1 ⎜ ⎜4 ⎝ ⎛ d 0 .. A · A – 1 = A – 1 · A = In. 0 ⎞ ⎜ ⎟ ⎜ 0 d . d33 = =7 1 3 2 1 2 1 3 3. 1 2 2 −1 4 4 2 4 1 1 2 −1 0 2 0 2 −1 = 6.. Exemplul 1. d31 = = −2.

18: Două matrice care rezultă una din alta prin transformări elementare se numesc echivalente.1. Transformările elementare care se pot aplica unei matrice sunt: 1. putând fi utilizată la calculul inversei matricelor cu un număr mare de linii şi coloane. ⎟ 1 2⎟ ⎠ Elementul a11 = 2. Se înmulţeşte linia 1 cu 1/2 şi se obţine: A 2 1 4 -1 3 1 0 2 2 1 0 0 I3 0 1 0 0 0 1 Transformări elementare L1 · 1/2 16 . 3. Pe această poziţie.19: Fie matricea ⎛2 ⎜ A = ⎜1 ⎜ ⎜4 ⎝ −1 0⎞ ⎟ 3 2 ⎟. Definiţia 1. Se aplică transformări elementare numai pe linii asupra matricei A până se aduce la forma matricei unitate.1. 2. matricea unitate are elementul 1.Metoda II Metoda a doua este un procedeu practic. Acest procedeu utilizează transformări elementare. Înmulţirea unei linii sau coloane cu un număr nenul. Se aplică aceleaşi transformări elementare asupra matricei unitate care se tranformă astfel în matricea A – 1 . Adunarea unei linii sau coloane cu o altă linie sau coloană. Exemplul 1. Procedeul de aflare a inversei : 1. 2. Permutarea a două linii sau coloane între ele.

linia 2 înmulţită cu 3 : 17 . se scade din linia 3. linia 2 înmulţită cu 1/2. Tot pe coloana 1. El trebuie să fie 1. deci se adună la linia 1. ceea ce se obţine scăzând din linia 2 linia 1. a31 este 4. pe poziţia a21 trebuie să fie 0. Tot pe coloana 2. a12 = . deci se scade din linia 3 de 4 ori linia 1 şi se obţine prima coloană 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 = 7/2.1 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. iar pentru a deveni 0.1/2. a32 = 3. ceea ce se obţine înmulţind 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.

18 . nu se poate obţine matricea unitate prin transformări elementare.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 înmulţită cu 2/7. ceea ce se obţine înmulţind linia 3 cu 7/2: 1 0 0 0 1 0 2/7 3/7 1/7 0 0 7/2 L1 .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. iar în dreapta se obţine inversa: I3 1 0 0 0 1 0 0 0 1 2 3 -11/2 A-1 1 2 -3 -1 -2 7/2 Când matricea nu are inversă. iar din linia 2 se scade linia 3 înmulţită cu 4/7. ceea ce conduce în partea stângă la matricea unitate.

⎜1 2 5 ⎟ ⎝ ⎠ cu det(A) = 0.20: Fie matricea: 1 ⎞ ⎛1 0 ⎜ ⎟ A = ⎜1 − 2 − 3 ⎟ . 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 1 0 0 0 1 L3 – 2 · L2 1/2 -1/2 -1 0 1 0 0 0 1 0 1 2 0 1 0 0 0 1 1/2 -1/2 -2 1 19 .Exemplul 1. A 1 1 1 0 -2 2 1 -3 5 1 0 0 I3 0 1 0 0 0 1 Transf.1.

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

1.1.4 Rangul unei matrice
1.1.4.1 Definiţii Fie matricea
⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ ..... ⎜ ⎜a ⎝ m1

a a a

12 22

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

.....
m2

⎞ ⎟ a ⎟ 2n ⎟ ..... ⎟ ⎟ a ⎟ mn ⎠
1n

a

din mulţimea Mm,n(K),

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. Definiţia 1.1.21: Fie matricea A din mulţimea Mm,n(K), nenulă. Se spune că matricea A are rangul r (se notează rangA = r), dacă A are un minor de ordin r nenul, iar toţi minorii de ordin mai mare decât r sunt nuli. Se consideră că matricea nulă are rangul 0. Proprietăţile rangului 1. Dacă matricea A ∈ Mm,n(R) , atunci rangA ≤ min{m,n}. 2. RangA⋅B ≤ min{rangA, rangB}. 3. Rangul unei matrice nu se schimbă dacă: a) se transpune matricea; b) se înmulţesc elementele unei linii sau coloane cu un număr nenul; c) se permută între ele două linii sau coloane;

20

d) se adaugă la elementele unei linii (coloane) elementele unei alte linii (coloane), eventual înmulţite cu un număr oarecare. 1.1.4.2 Determinarea rangului unei matrice Metoda I Determinarea rangului unei matrice se poate face cu ajutorul următoarei teoreme : Teorema 1.1.22: Fie A o matrice nenulă din Mm,n(K). Numărul natural r este rangul matricei A dacă şi numai dacă există un minor de ordin r nenul, iar toţi minorii de ordin r + 1 care există sunt nuli. Pentru determinarea rangului se caută mai întâi un minor de ordin 2 nenul. Dacă nu există, dar matricea are elemente nenule, atunci rangul este 1. După găsirea acestuia se formează minori de ordin 3 prin adăugarea câte unei linii şi coloane la minorul de ordin 2. Dacă toţi minorii astfel formaţi sunt nuli, atunci rangul este 2. Dacă există minor de ordin 3 nenul, prin adăugarea de linii şi coloane se formează minorii de ordin 4. Dacă toţi aceştia sunt nuli, rangul este 3, dacă nu, se continuă 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

3⎞
⎟ ⎟

− 1 1 ⎟ . Un minor de 7⎟ ⎠

, format cu liniile 1 şi 2 şi coloanele 1 şi

2. Prin adăugare de linii şi coloane se mai pot forma doi minori de ordin 3:
−1 0 2 0 1 4 7 −1 0 3 1 1 = 0 . În concluzie rangA = 2. 1 7 0 1 − 1 = 0 şi 2

21

Metoda II Această metodă se bazează pe efectuarea de transformări elementare asupra matricei. Conform proprietăţilor rangului, două matrice echivalente au acelaşi rang. Procedeul practic de aflare a rangului unei matrice constă în: 1. Se alege un element pivot din matrice. 2. Se efectuează transformări elementare cu linia pe care stă pivotul asupra celorlalte linii până când pe coloana sa se obţin numai zerouri. 3. Dacă pe coloana pivotului s-au obţinut zerouri, pe linia sa se înlocuiesc toate elementele cu zero. 4. Se continuă până când pe fiecare linie şi coloană există cel mult un element nenul. Această formă a matricei se numeşte quasidiagonală. Dacă această matrice s-ar mai transforma prin permutări de linii şi coloane, elementele nenule ar putea fi aduse pe diagonala principală, obţinându-se forma diagonală. 5. Rangul matricei este numărul de elemente nenule din matricea quasidiagonală obţinută. 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

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 . d) BA. b) 2A . Să se determine inversele matricelor: A=⎜ ⎜ ⎛ 2 1⎞ ⎟.1. e) A2 . Fie matricele: ⎛2 ⎜ A = ⎜0 ⎜ ⎜1 ⎝ 2 ⎞ −1 3⎞ ⎛ −1 0 ⎟ ⎜ ⎟ 4 2 ⎟ şi B = ⎜ 3 1 − 4 ⎟ din M3(R).5 Probleme 1. c) AB.1.3B. ⎟ ⎜ ⎟ ⎜ −1 0 −1 3⎟ 5 ⎟ ⎠ ⎝ ⎠ Să se calculeze: a) A + B. b) 2A − 3B = ⎜ 0 8 4⎟ − ⎜ 9 3 −12⎟ = ⎜ − 9 5 16 ⎟.5A + 3I3. ⎟ 6 2⎟ ⎠ ce? 4. 2. 1. Să se determine rangul următoarelor matrice: ⎛ 3 A=⎜ ⎜− 3 ⎝ − 5⎞ ⎛1 ⎜ ⎟ şi B = ⎜ 4 ⎜ 5 ⎟ ⎠ ⎜3 ⎝ 4⎞ Răspunsuri ⎛1 −1 5 ⎞ ⎛ 4 − 2 6⎞ ⎛ − 3 0 6 ⎞ ⎛ 7 − 2 0 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 3 5 − 2⎟. C = ⎜ ⎟ ⎜1 − 1 1 − 1⎟ 3⎟ ⎜ ⎠ ⎜1 − 1 − 1 1 ⎟ ⎟ ⎝ ⎠ 3 4⎞ ⎟ 6 8⎟ ⎟ are inversă? De 9 12 ⎟ ⎟ 12 16 ⎟ ⎠ 2 2 5 1 ⎟ 8 10 ⎟.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⎟. ⎟ ⎝ −1 0⎠ ⎛1 1 ⎜ B = ⎜1 2 ⎜ ⎜1 3 ⎝ ⎛1 ⎜ ⎜2 A=⎜ ⎜3 ⎜ ⎜4 ⎝ 1⎞ 2 4 6 8 3. d) BA= ⎜ 2 5 −1⎟. Matricea: 1 1⎞ ⎛1 1 ⎜ ⎟ ⎟ ⎜1 1 − 1 − 1⎟ ⎟ 3 ⎟.

⎪a x + a x + .... 1 ≤ i ≤ m... 1. se numesc coeficienţi... A −1 ⎛ 0 1⎞ ⎟ =⎜ ⎜ −1 2⎟ ⎝ ⎠ B −1 ⎛ 3 ⎜ = ⎜− 3 ⎜ ⎜ 1 ⎝ 1 ⎞ ⎟ 5 − 2⎟ ⎟ −2 1 ⎟ ⎠ −3 ⎛1 ⎜4 ⎜1 ⎜ C−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⎟ 1 ⎟ ⎟ 4 ⎠ 3..2...1: Se numeşte sistem de m ecuaţii liniare cu n necunoscute şirul de relaţii de egalitate: ⎧ a x + a x + . Matricea A nu este inversabilă pentru că are determinantul nul. ….2. Definiţia 1......2.. .. 1 ≤ i ≤ m sunt termenii liberi.. 1 ≤ j ≤ n... + a x = b 12 2 1n n 1 ⎪ 11 1 ⎪ a 21 x1 + a 22 x2 + .. bi ∈ K... rang B = 2. + a 2 n x n = b2 ⎪ ⎨ ⎪ .. Fiecare relaţie este o ecuaţie a sistemului............. x2..2 Sisteme de ecuaţii liniare 1.1 Definiţii Fie K un corp comutativ. .. iar x1...... 4. .. .. rang A = 1. xn sunt necunoscutele sistemului.. + a x = b ⎪ m1 1 m2 2 mn n m ⎩ (S ) unde aij ∈ K... Matricea A formată din coeficienţii necunoscutelor se numeşte matricea coeficienţilor sistemului sau matricea sistemului: 24 .

2 ... În cazul în care bi = 0. ⎟ ⎜ ⎟ ⎜x ⎟ ⎝ n⎠ ⎛b ⎞ ⎜ 1⎟ ⎜b ⎟ B=⎜ 2 ⎟ ⎜ .... Un sistem de elemente din corpul K: x10.⎟ b ⎟ ⎟ m⎠ matricea: a 12 a 22 .⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ .. a m2 . sistemul se numeşte sistem omogen...... sistemul se mai poate scrie sub formă matriceală: AX = B. . .. a 1n .. 1 Un sistem de ecuaţii liniare se numeşte compatibil dacă are cel puţin o soluţie.. adică ∑ a x j =1 ij n 0 j = b i ........ a ⎞ 1n ⎟ . .. a m2 . oricare ar fi i ∈{1. a ⎟ 2n ⎟ . a 2n ... a mn care s-a completat şi cu coloana termenilor liberi. ⎜ ⎜a ⎝ m1 ⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ ... x20.. toate ecuaţiile sistemului sunt verificate... 25 ... m }. ⎟ ⎟ .... ⎜ ⎜a ⎝ m1 a 12 a 22 ...... …. . .. m}...... …... i ∈ { . a ⎟ mn ⎠ iar b ⎞ 1 ⎟ b ⎟ 2 ⎟.... xn0 se numeşte soluţie a sistemului dacă înlocuind necunoscutele respectiv cu aceste elemente... 2.... se numeşte matricea extinsă.. ⎟ ⎜ ⎟ ⎜b ⎟ ⎝ m⎠ Se notează: Cu aceste notaţii. ⎛x ⎞ ⎜ 1⎟ ⎜x ⎟ X = ⎜ 2 ⎟ şi ⎜ .

adică are determinantul nenul... atunci sistemul se numeşte sistem Cramer.Observaţie: Orice sistem omogen este compatibil pentru că are cel puţin soluţia banală x10 = x20 = … = xn0 = 0. ⎪ a x + a x + .. .. Un sistem de ecuaţii liniare se numeşte incompatibil dacă nu are soluţii.... . + a 2 n x n = b2 ⎪ ⎨ ⎪ .... a n2 . adică matricea sistemului este o matrice pătratică de ordin n... .. Fie sistemul: ⎧ a x + a x + .. . A rezolva un sistem de ecuaţii liniare înseamnă a decide dacă este compatibil sau nu şi...... Dacă matricea A este nesingulară.. a ⎟ 2n ⎟ .. + a x = b (S ) C 12 2 1n n 1 ⎪ 11 1 ⎪ a 21 x1 + a 22 x 2 + ......2.. Un sistem de ecuaţii liniare se numeşte compatibil determinat dacă are o soluţie unică...... ⎟ ..... ⎜ ⎜a ⎝ n1 a 12 a 22 ... 1. . .2 Rezolvarea sistemelor de ecuaţii liniare 1..... în caz de compatibilitate... a ⎞ 1n ⎟ . a ⎟ ⎟ nn ⎠ 26 .1 Regula lui Cramer În acest paragraf se consideră sisteme de ecuaţii liniare care au numărul de ecuaţii egal cu numărul de necunoscute.. + a x = b ⎪ n1 1 n2 2 nn n n ⎩ cu matricea: ⎛a ⎜ 11 ⎜a A = ⎜ 21 ⎜ ....................2.. a-i găsi soluţiile..2.....

Se notează 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, adică matricea A este nesingulară. Se notează cu Aj matricea care se obţine înlocuid în 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 notează cu dj determinantul acestei matrice:

a

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

11

a

12

...

a

1j −1

b

1

a

1j +1

...

a

1n

a

n2

...

a

nj − 1

b

n

a

nj + 1
n

... a

nn

k+ j d b , a cărui dezvoltare după coloana j este: d j = ∑ ( −1) 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. Demonstraţie: Se demonstrează că formulele din teoremă dau o soluţie pentru sistem:

∑ aij (d j d
j =1

n

−1
n

)=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

n

1 ≤ i ≤ n.

Pentru demonstrarea unicităţii soluţiei se scrie sistemul în forma matriceală: AX = B. Având în vedere că matricea A este nesingulară, ea este inversabilă, deci X = A – 1B, soluţie unică.
⎛ ( − 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

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

d

..... ( − 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 = A−1B = 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

n

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 în rezolvare sunt:

2 −1 3

− 1⎞

⎛1 ⎟ ⎜ − 1⎟; A2 = ⎜ 2 ⎟ ⎜ ⎟ ⎜0 1 ⎠ ⎝

3 2 4

⎛1 ⎟ ⎜ − 1⎟; A3 = ⎜ 2 ⎟ ⎜ ⎟ ⎜0 1 ⎠ ⎝

− 1⎞

2

3⎞

−1 2⎟ ⎟ 3 4⎟ ⎠

Determinanţii lor sunt: d = - 8; d1 = - 16; d2 = - 8; d3 = - 8. Soluţia unică a sistemului este: x10 = 2, x20 = 1, x30 = 1. 1.2.2.2 Rezolvarea sistemelor de ecuaţii liniare în general Fie sistemul de m ecuaţii liniare cu n necunoscute, cu coeficienţi 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 dacă şi numai dacă rang A = rang Ā. Demonstraţie: Presupunem că sistemul este compatibil, deci există elementele xj0 din corpul K astfel încât:
1 ∑ a x = b , i ∈ { ,2,..., m }.
j =1 ij 0 j i n

Aceasta înseamnă că ultima coloană a

matricei Ā este o combinaţie liniară a celorlalte coloane. Dacă A are rangul r, atunci există minori de ordin r nenuli şi toţi minorii

29

Dacă şi rang Ā = r. sistemul este compatibil şi se caută soluţiile.. x20. a r1 11 a a 22 .2... a rr 1r coloana termenilor liberi este o combinaţie liniară a acestor coloane. ca şi rangul lui A.. Presupunem că rang A = rang Ā. Necunoscutele ai căror coeficienţi intră în minorul principal sunt necunoscute principale. iar celelalte ecuaţii sunt ecuaţii secundare. xr0.. i ij j 0 n 0. . de unde rezultă că şi rangul lui Ā este tot r. dar care este combinaţie liniară a coloanelor lui A. Aceasta înseamnă că x10. deci orice minor de ordin r + 1 în care apar elemente din această coloană este nul.. iar celelalte sunt necunoscute secundare şi se notează parametric. a r2 12 .... Dacă rangul matricei Ā este diferit de rangul matricei A. . Ecuaţiile ai căror coeficienţi intră în minorul principal se declară ecuaţii principale.. 0 este o soluţie a sistemului. Dacă rang A = rang Ā. Printr-o renumerotare a liniilor şi coloanelor se poate presupune că acest minor este: a a 21 . conform teoremei Kronecker – Capelli.. şi se rezolvă cu regula lui Cramer... Se scrie sistemul format din ecuaţiile principale.... ….. aflându-se soluţia în funcţie de parametri: 30 .de ordin r + 1 ai lui A sunt nuli. Pentru rezolvarea unui sistem de ecuaţii liniare se determină mai întâi rangul matricei A.. iar apoi rangul matricei Ā. …. adică sistemul este compatibil. Minorul de ordin r care a dat rangul matricei A se declară minor principal. care este un sistem Cramer. i ∈{ . sistemul este incompatibil... atunci . iar minorii de ordin r ai lui A nenuli sunt minori şi pentru Ā. Ā are o coloană în plus faţă de A. Există deci un minor al matricei A de ordin r nenul şi toţi minorii de ordin r + 1 sunt nuli. ..r} . 1 ≤ j ≤ r astfel încât j =1 1 ∑ a x = b . adică există xj0 .. a a 2r ≠ 0 ..... 0.

... + a x + a α + arr + 2α2 + ....................... ⎪ .....+ a2r xr = −a2r + 1α1 − a2r + 2α2 −.− a2nαn − r + b2 ⎪ ⎨ ... .. . Condiţia ca rangul matricei Ā să fie r este ca toţi aceşti minori să fie nuli................. ⎪ a x + a x + . . ....... + a2r xr + a2r + 1α1 + a2r + 2α2 + .............. ⎪ a x + a x + .. ... .........6: Fie sistemul cu coeficienţi din R: 31 ..+ a x = −a α − arr + 2α2 −.. ...... ........... ...... + a x + a 1r r 1r + 1 1 ⎪ 11 1 12 2 ⎪a21x1 + a22 x2 + ...... .. Exemplul 1...+ a x = −a α − a 11 1 12 2 1r r 1r + 1 1 1r + 2 2 ⎪ ⎪a21x1 + a22x2 + . obţinând n – r minori de ordin r + 1 care se numesc minori caracteristici...+ a1nαn − r = b1 ⎧ a x + a x + ..− a1nαn − r + b1 ⎧ a x + a x + ........... .....5 (Rouché): Un sistem de m ecuaţii cu n necunoscute cu coeficienţi din corpul K este compatibil dacă şi numai dacă toţi minorii caracteristici sunt nuli.........+ arnαn − r = br ⎪ r1 1 r2 2 rr r rr + 1 1 ⎩ α −...... ⎪ .......... .. Pentru calculul rangului matricei Ā se procedează astfel: minorul de ordin r nenul care a dat rangul lui A se completează cu coloana termenilor liberi şi cu câte o linie din cele rămase..− arnαn − r + br ⎪ r1 1 r2 2 rr r rr + 1 1 ⎩ Soluţiile sistemului depind de n – r parametri..... .... ......... ....2....... + a2nαn − r = b2 ⎪ ⎨ . Teorema lui Kronecker – Capelli este echivalentă cu teorema: Teorema 1..α + a1r + 2α2 + ................ .2......

7: Fie sistemul cu coeficienţi 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 şi matricea extinsă Ā: ⎛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 calculează minorul de ordin 2: 1 2 1 = −1 − 2 = −3 ≠ 0 −1 32 . În concluzie sistemul este incompatibil. Exemplul 1.2.⎧ 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 ⎜ 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 ⎠ 1 Se calculează rangul pentru fiecare matrice şi se obţine: rang A = 2 şi rang Ā = 3.

Minorul care a dat rangul matricei A se declară minor principal.3. care se notează parametric: z = α şi t = β. Se calculează: 33 . 2 −1 1 = 0. 1 2 3 1 2 −1 1 1 2 1 1 0 Toţi minorii de ordin 3 fiind nuli. deci sistemul este compatibil. ecuaţiile 1 şi 2 sunt ecuaţii principale. 2 1 1 2 1 1 1 -1 2 = 0 . necunoscutele x şi y sunt necunoscute 2 −1 principale. rezultă că rang A = 2. 2 −1 3 = 0. deci d = . obţinând minorii de ordin 3: 1 1 2 1 1 0 1 1 2 1 1 0 2 −1 1 = 0. Pentru a vedea dacă sistemul este compatibil se calculează minorii caracteristici: 1 2 1 1 1 − 1 2 = 0. iar z şi t sunt necunoscute secundare.Acest minor se completează în toate modurile posibile cu linii şi coloane. 1 1 Rezultă că rang Ā = 2. Determinantul său este minorul principal. 2 −1 3 = 0. 1 1 dp = . Se obţine sistemul: ⎧ x + y = 1 − 2α ⎧ x + y + 2α = 1 ⎪ ⎪ ⎨ sau: ⎨ ⎪2 x − y = 2 − α − 3β ⎪2x − y + α + 3β = 2 ⎩ ⎩ Sistemul acesta este de tip Cramer şi se rezolvă cu regula lui Cramer.

dacă sistemul este de tip Cramer.2.2. Exemplul 1.8: Se rezolvă sistemul Cramer de la Exemplul 1.β ∈ R 1. în partea stângă este matricea unitate. În final.3 prin metoda eliminării totale: 34 .2.2.3 Metoda eliminării totale Gauss-Jordan Metoda eliminării totale (sau complete) Gauss-Jordan constă în aplicarea de transformări liniare asupra matricei extinse a sistemului până când aceasta se aduce la forma diagonală în care elementele de pe diagonală sunt 1 sau 0. iar termenii liberi obţinuţi în dreapta constituie soluţia sistemului. Se aplică aceleaşi procedee ca şi la transformarea unei matrice în matricea unitate.= −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 d1 = d 1 − 2α 1 Soluţiile 1 sistemului sunt: x = y = d d = −α − β + 1 = −α + β unde 2 z =α t = β. d α .

2.2. Exemplul 1. Necunoscutele secundare se noteză parametric. x2 = 1. doar porţiunea din matrice care intră într-un minor principal se poate aduce la forma matricei unitate. pe celelalte linii obţinându-se zerouri. iar soluţia se exprimă în funcţie de acestea.7: ⎧ x + y + 2z = 1 ⎪ ⎪ 2 x − y + z + 3t = 2 ⎨ ⎪ x + 2 y + 3z − t = 1 ⎪ ⎩ x + y + 2z = 1 35 .9: Se rezolvă prin metoda eliminării totale sistemul compatibil nedeterminat de la Exemplul 1.⎧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 ⎟ L3⋅5 ⎜ ⎜ ⎜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. x3 = 1. În cazul sistemelor compatibile nedeterminate.

6: ⎧ x − 3y + z + t = 1 ⎪ ⎨ x − 3 y + z − 2t = − 1 ⎪ ⎩ x − 3 y + z + 2t = 6 36 . pe una dintre liniile de zerouri ale matricei A. deci se obţine o relaţie falsă.β ∈ R În cazul sistemelor incompatibile.⎛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 3≈L1 ⎜ 0 ⎟ L 4 − L1 ⎜ − ⎜0 0 1⎟ ⎠ ⎝ ⎛1 0 1⎞ ⎟ ⎜ L1 − L 2 −1 0⎟ ⎜0 − 1 0 ⎟ L 3≈L 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 − α − β . α.2. t = β .2.10: Se rezolvă prin metoda eliminării totale sistemul incompatibil de la Exemplul 1. Exemplul 1. termenul liber nu este zero. y = −α + β . z = α .

să 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 .3 Probleme 1.⎛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. 1. deoarece ecuaţia a doua este 0 = 13. Să se decidă dacă următoarele sisteme sunt de tip Cramer şi în caz afirmativ.2.

d2 = 6. b) d = . y = − 1 .⎧ x − 2y + z = 3 ⎪ ⎨− 2 x + 4 y − 2 z = 5 c) ⎪ ⎩ x + 3y − z = 4 2. z = 1 . Să se decidă dacă sistemele următoare sunt compatibile. nu este sistem Cramer. d2 = 14. a) Matricele sunt: 38 . a) d = 7 ≠ 0.6. d1 = 7. iar în caz afirmativ.12 ≠ 0. să 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 Răspunsuri 1. nu se poate rezolva cu regula lui Cramer. d1 = . Soluţia: x = 1 şi y = 2.12. 2 2 c) d = 0. este sistem Cramer. d3 = . 2. Soluţia: x = 1. este sistem Cramer.

⎛ 1 2 − 3⎞ ⎛1 2 − 3 0⎞ ⎜ ⎟ şi A = ⎜ ⎟ A=⎜ ⎟ ⎜5 −1 1 0⎟ ⎝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 1⎞ ⎛6 − 2 1 ⎞ ⎟ ⎜ ⎟ ⎜ A = ⎜1 − 4 2 ⎟ şi A = ⎜1 − 4 2 0⎟ ⎟ ⎜ ⎟ ⎜ ⎜ 4 6 − 3 0⎟ ⎜ 4 6 − 3⎟ ⎠ ⎝ ⎠ ⎝ rang A = 2, rang Ā = 3. În concluzie, sistemul este incompatibil. c) Se scriu matricele: ⎛1 − 2 1 1 ⎞ ⎛1 − 2 1 1 1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜1 − 2 1 −1⎟ şi A = ⎜1 − 2 1 −1 −1⎟ A= ⎜ ⎟ ⎜ ⎟ ⎜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
2.1 Noţiunea de spaţiu vectorial. Exemple
2.1.1 Definiţia spaţiului vectorial
Definiţia 2.1.1: Fie K şi V două mulţimi nevide. O aplicaţie · : K x V → V, (λ, x) → λx se numeşte lege de compoziţie externă pe V cu domeniul de operatori K. Definiţia 2.1.2 (Spaţiu vectorial): Fie (K, +, ·) un corp şi (V, +) un grup abelian. Se spune că V este un spaţiu vectorial peste corpul K (sau K-spaţiu vectorial) dacă există o operaţie externă pe V cu domeniul de operatori K, ce îndeplineşte axiomele: 1. (α + β)x = αx + βx, ∀α,β∈K, ∀x∈V; 2. α(x + y) = αx + αy, ∀α∈K, ∀x,y∈V; 3. α(βx) = (αβ)x, ∀α,β∈K, ∀x∈V; 4. 1x = x, ∀x∈V. Elementele lui V se numesc vectori, iar operaţia din grupul (V,+) se numeşte adunarea vectorilor. Elementele lui K se numesc scalari, iar legea de compoziţie externă K x V → V se numeşte înmulţirea vectorilor cu scalari.

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. 2. Mulţimea R[X] a polinoamelor în nedeterminata X cu coeficienţi reali formează spaţiu vectorial peste corpul R în raport cu adunarea polinoamelor şi înmulţirea polinoamelor cu scalari.

41

α)x = α(. Oricare ar fi α. 2. deci 0x = 0 şi analog se arată că α0 = 0.αy. deci α(.β)x = αx . (α.y) = 0. Fie un corp K. Reciproc.x) este opusul vectorului αx.α)x = .αx şi atunci (.α)(.y) = αx . de unde y = y + 0 = y + (y + (.(α(. α(x .β)x = αx . atunci: x = 1x = (α -1α)x = α 1 (αx) = = α -10 = 0. 42 .β))x = αx + (. 3. Demonstraţie: 0 = α0 = α(x + (. Demonstraţie: Fie α = 0 şi y = 0x.y) = y + (.αx. Spaţiul vectorial 0. numit spaţiul vectorial zero.β)x = (α + (.x) = . de unde rezultă că α(. 1. Se conferă astfel grupului abelian 0 o structură de spaţiu vectorial peste K.x). La fel se demonstrează a doua regulă de distributivitate. Atunci y = 0x = (0 + 0)x = 0x + 0x = y + y.(-αx) = αx.β ∈ K şi x. Oricare ar fi α ∈ K şi x ∈ V. Atunci αx = 0 ⇔ α = 0 sau x = 0. 2.x) = αx. (.βx .βx.αx şi (. 0) → α·0 = 0.y ∈ V.x) = .3. Pe grupul abelian 0 = {0} se introduce legea de compoziţie externă K x 0 → 0. (α . Fie α ∈ K şi x ∈ V.x) = . dacă αx = 0 cu α ≠ 0.3 Proprietăţi specifice operaţiilor cu vectori Fie V un spaţiu vectorial peste corpul K.α)(. Analog se arată că (.x)) = αx + α(.1.x)) = . Demonstraţie: (α .y)) = (y + y) + (.

vectorul αx + βy aparţine lui X. dar W şi U sunt subspaţii. Teorema 2. deci X este un subgrup al lui V.y ∈ W ∩ U şi α. vectorul αx + βy aparţine lui X şi X ≠ Φ. orice submulţime W a lui V care este spaţiu vectorial cu scalari în K faţă de adunarea şi înmulţirea cu scalari în V.3: Dacă W şi U sunt subspaţii vectoriale ale spaţiului vectorial V. În plus. Demonstraţie: Se presupune că X este un subspaţiu al lui V.y ∈ W şi x.1 (Subspaţiu vectorial): Se numeşte subspaţiu vectorial al unui spaţiu vectorial V cu scalari într-un corp K.2.2.2: O submulţime X a unui spaţiu vectorial V este un subspaţiu al lui V dacă şi numai dacă oricare ar fi x şi y din X şi oricare ar fi α şi β din K. αx aparţine lui X. atunci intersecţia lor W ∩ U este de asemenea un subspaţiu al lui V. deci W ∩ U este subspaţiu. rezultă că x – y aparţine lui X. Atunci. pentru α = 1 şi β = . dacă oricare ar fi x şi y din X şi oricare ar fi α şi β din K. pentru y = 0 rezultă că oricare ar fi x din X şi α din K. Teorema 2. deci şi αx + βy aparţine lui X. adică αx + βy ∈ W ∩ U.2 Subspaţiu al unui spaţiu vectorial 2.1 Definiţia subspaţiului vectorial Definiţia 2. rezultă că x. 43 .2. rezultă că αx + βy ∈ W şi αx + βy ∈ U. ceea ce trebuia arătat. deci X este subspaţiu al lui V. Demonstraţie: Fie x.β ∈ K. Reciproc.y ∈ U.1. dacă x este din V şi α din K rezultă că αx aparţine lui X şi la fel βy.2.2.

... ... vectorii v1.. vm formează un sistem de generatori pentru spaţiul vectorial V dacă orice vector x din V se poate reprezenta ca o combinaţie liniară de v1. În caz contrar. vectorul nul {0} şi se numeşte subspaţiul nul..2: Vectorii v1.1: Dacă V este un spaţiu vectorial peste corpul K şi v1.2. .. ...3 Dependenţă şi independenţă liniară. v2.. + λmvm = 0 implică λ1 = λ2 = . 2. vm dacă există scalarii λ1. .3.. + λmvm (λi∈K) se numeşte combinaţie liniară (cu coeficienţi în K) de vectorii v1. + λmvm. . vm sunt liniar dependenţi dacă există 44 . Un vector x este combinaţie liniară de vectorii v1. + λmvm..... .... vm este liniar independent dacă λ1v1 + λ2v2 + .. v2. Bază. λ2. λm se numesc coeficienţii combinaţiei liniare.2 Exemple de subspaţii 1. vm.. Coordonate 2.. . . λm astfel încât : x = λ1v1 + λ2v2 + . λ2. . . vm.3: Sistemul de vectori v1. v2. Aşadar... 2. Spaţiul vectorial al polinoamelor de grad cel mult 3 este un subspaţiu al spaţiului vectorial al polinoamelor de grad cel mult 7...3.. λ2... Definiţia 2. atunci un vector de forma λ1v1 + λ2v2 + .... v2. Orice spaţiu vectorial conţine un subspaţiu format dintrun singur element. adică există λ1...3.. scalarii λ1. vm ∈ V.3.1 Dependenţă şi independenţă liniară Definiţia 2. v2.. vectorii se numesc liniar dependenţi...= λm = 0.. v2. v2. Definiţia 2. λm din K astfel încât x = λ1v1 + λ2v2 + .2..

0). acest lucru se scrie: 45 . v2. 1. Sistemul de vectori B este liniar independent. Dacă x1e1 + x2e2 + x3e3= 0. 0) + (0. vectorii v1.. v3 şi v4 este liniar dependent. 0).. 0).3.. 0). Dacă cel puţin unul dintre scalarii λi este diferit de 0. 0.λ1.1. 0).. . sistemul de vectori : e1 = (1. e2 = (0. 1. Mai trebuie arătat că vectorii sunt liniar independenţi... 0). Există scalarii λ1 = . 1. x3) se poate scrie: x = x1e1 + x2e2 + x3e3. + λmvm = 0. 0. . 1). se spune că relaţia de dependenţă liniară este nebanală.3. astfel încât: λ1v1 + λ2v2 + λ3v3 + λ4v4 = = (. λm nu toţi nuli.. . vm sunt liniar independenţi dacă şi numai dacă singura relaţie de dependenţă liniară a lor este cea banală. Un sistem de vectori B = (e1... + λmvm = 0 se numeşte relaţie de dependenţă liniară a vectorilor v1. 0) + (1. 1) formează o bază.6: În spaţiul vectorial R3.4: Fie spaţiul vectorial R3 şi vectorii v1 = (1. 1. O egalitate de forma λ1v1 + λ2v2 + . v4= (0.1. e3 = (0. v3 = (1. v2. Rezultă că sistemul de vectori v1.. . v2. vm. λ2. Coordonate Definiţia 2. Oricare ar fi x din V există scalarii λ1.. pentru că oricare ar fi vectorul x = (x1. 0.... În concluzie..3..5 (Bază): Fie V un spaţiu vectorial peste corpul K. 0) + (0.1... x2. λ3 = 1 şi λ4 = 0 nu toţi nuli. 2. 0) = (0.2 Bază. astfel încât λ1v1 + λ2v2 + . 0... + λnen. e2.3. Exemplul 2. . λ2. 0.1. . λ2 = . 2. v2 = (0. en) se numeşte bază a lui V dacă: 1. 0. λn astfel încât: x = λ1e1 + λ2e2 + .. 0. Exemplul 2.

. e'n) este o altă bază a spaţiului vectorial V.. polinoamele 1.3 Schimbare de coordonate Fie spaţiul vectorial V peste corpul K şi B = (e1. 1... x3) = (0. Scalarii unic determinaţi λ1. + xnen. notând cu a1j. Orice polinom de grad maxim 2 se poate scrie ca o combinaţie liniară a celor trei: f = a0 + a1X + a2X2.3. .. Cardinalul unei baze se numeşte dimensiunea spaţiului vectorial şi se notează dimKV. en) o bază a lui V şi x un vector din V. coordonatele vectorului x faţă de baza B' se pot determina cu ajutorul coordonatelor din B. 0.. e2..3. Fie vectorul x = x1e1 + x2e2 + ..3.. 0... e'2. e2. x2. λ2. 0) + (0. Se mai poate scrie x = (x1. de unde rezultă x1 = x2 = x3 = 0. . 0). B = (e1.. Teorema 2.8: În spaţiul vectorial Rn sistemul de vectori: e1 = (1.. anj coordonatele vectorului e'j în raport cu baza B: 46 . . a2j.. 1) formează o bază a lui Rn... .. . 0) + (0. 0. deci sistemul este liniar independent.(x1.3.. . Două baze ale aceluiaşi spaţiu vectorial au acelaşi cardinal. en) o bază a lui V. numită baza canonică a lui Rn.. Se exprimă mai întâi vectorii bazei B' în funcţie de baza B.. vectorul x fiind bine determinat de coordonatele sale. Exemplul 2. e2 = (0... x3) = (x1.. 0.. x2.. xn).. Exemplul 2. λn astfel încât x = λ1e1 + λ2e2 + .. . Definiţia 2.. ..10: Orice spaţiu vectorial admite o bază.7 : În spaţiul vectorial al polinoamelor în nedeterminata X de grad maxim 2 cu coeficienţi din R. 0).. Dacă B' = (e'1. 2. x2. .en = (0. 0. 0). iar a0 + a1X + a2X2 = 0 implică a0 = a1 = a2 = 0.9: Fie V un spaţiu vectorial peste corpul K. .... + λnen se numesc coordonatele vectorului x în baza B.3.. X şi X2 formează o bază.

+ annen....... 2. .. ⎟ ⎟ a nn ⎟ ⎠ a 1n ⎞ ⎛ x1' ⎞ ⎜ '⎟ ⎜x ⎟ = ⎜ 2⎟ . . e'n = a1ne1 + a2ne2 + .... . + a1nx'n)e1 + (a21x'1 + a22x'2 + . adică: x = (a11x'1 + a12x'2 + .. . oricare ar fi i ∈ {1... coordonatele vectorului x în baza B se exprimă în funcţie de coordonatele sale în baza B' astfel: xi = ai1x'1 + ai2x'2 + .. + x'ne'n. an2 X B' .. . ... + an2en) + . . + annx'n)en .. ... În concluzie.. . . XB’ = A-1·XB 47 . .. n}.. + an1en e'2 = a12e1 + a22e2 + .. ⎜ ⎜ a n1 ⎝ XB ⎛ x1 ⎞ ⎜ ⎟ ⎜x ⎟ = ⎜ 2⎟ .e'1 = a11e1 + a21e2 + . + an1en) + x'2(a12e1 + a22e2 + .. + ainx'n.. pentru aflarea coordonatelor în noua bază B’.. Dar x = x'1e'1 +x'2e'2 + . .. ⎜ . + a2nx'n)e2 + .. ... ⎟ ⎜ x' ⎟ ⎝ n⎠ atunci XB = A·XB’ sau.. +(an1x'1 + an2x'2 + .. ... Dacă se notează matricele: ⎛ a 11 ⎜ ⎜ a 21 A=⎜ ⎜ ....... ⎜ ⎟ ⎜x ⎟ ⎝ n⎠ a 12 a 22 .. .. + annen).. Se înlocuiesc e'j şi se obţine o scriere a vectorului x în funcţie de baza B: x = x'1(a11e1 + a21e2 + .. + an2en ... . ⎟ a 2n ⎟ ⎟ .... ... + x'n(a1ne1 + a2ne2 + ... . ..

e3 = (0. 0. 1) constituie în spaţiul R3 o bază. b) Să se exprime vectorul x în baza (f1. 1. cu soluţia: x1 = . c. 48 . x3. 0. 0). x2 şi x3 astfel încât: x1f1 + x2f2 + x3f3 = (1.3. x3) = (1. f3 = (1. ceea ce se reduce la rezolvarea sistemului liniar: ⎧ x1 + x2 + x3 = 1 ⎨ x1 + x3 = 2 ⎩ x2 + x3 = 3. 0. 1) formează o bază în R3.2. b) A exprima vectorul x în baza (f1. c) = (0. Fie a. f3) înseamnă a găsi coordonatele x1. 0). f2. 1. 2.Exemplul 2. x2 = . 2. Este suficient să se demonstreze că vectorii f1. 3). 0) + (b. 1). 0. f3). ceea ce se reduce la rezolvarea sistemului liniar omogen: ⎧a+b+c=0 ⎨a +c=0 ⎩ b + c = 0. x2) + (x3. 0) + (x2. f2 şi f3 sunt liniar independenţi. Se cere : a) Să se arate că vectorii: f1 = (1. 3).11: Sistemul de vectori e1 = (1. f2 = (1. b. În această bază vectorul x are coordonatele: x = (1. 3). cu soluţia unică a = b = c = 0.1 şi x3 = 4. a. c numere reale astfel încât af1 + bf2 + cf3 = (0. 0. 0). Rezolvare: a) Dimensiunea spaţiului R3 este 3. 1. . 0). f2. 0. 0. adică: (a. exprimarea lui x în baza (f1.1. b) + (c. e2 = (0. f2. adică: (x1. x1.2. 0). f3) fiind (. 2. 4). ceea ce înseamnă că vectorii sunt liniar independenţi.

unde Hh (x) = hx. 3. unde h este un scalar din K.2: 1. aplicaţia f : X → V definită prin f (x) = x este de asemenea o aplicaţie liniară.1. Aplicaţia identică 1V : V → V definită prin 1V (x) = x este o aplicaţie liniară.4 Aplicaţii liniare 2. Aplicaţia nulă.4.1: Se numeşte aplicaţie liniară a spaţiului vectorial V în spaţiul vectorial W. adică imaginea vectorului nul din V este vectorul nul din W. este aplicaţia Hh : V → V. despre care se arată uşor că este tot o aplicaţie liniară.4. Dacă X este subspaţiu al lui V. g : V → W definită prin g(x) = 0 pentru orice x din V este tot o aplicaţie liniară. Definiţii şi exemple Definiţia 2.2. Omotetia de raport h. 2. Dacă λ = 0 se observă că f (0) = 0. orice funcţie f : V → W compatibilă cu legile de compunere: f (x + y) = f (x) + f (y) f (λx) = λf (x) pentru orice x şi y din V şi orice scalar λ din K.4. 4. 49 . Exemple 2. cu scalarii în acelaşi corp K.

pentru orice x şi y din V şi orice scalari λ şi μ din K este îndeplinită condiţia: f (λx + μy) = λf (x) + μf (y). 2. 3.4. Aplicaţia identică a unui spaţiu vectorial în el însuşi este izomorfism. Izomorfisme de spaţii vectoriale Definiţia 2. 50 . Teorema 2.4.7: Două spaţii vectoriale cu aceiaşi scalari şi de dimensiuni egale sunt izomorfe.4.3: O aplicaţie f : V → W a spaţiului vectorial V în spaţiul vectorial W este liniară dacă şi numai dacă. Omotetiile Hh sunt de asemenea izomorfisme. Reciproc. punând λ = μ = 1 se deduce că f (x + y) = f (x) + f (y) şi pentru μ = 0 rezultă f (λx) = λf (x). Exemple 2.3.2 Teorema de caracterizare a aplicaţiilor liniare Teorema 2.6: 1. Demonstraţie: Se presupune că f este aplicaţie liniară. 2. Atunci: f (λx + μy) = f (λx) + f (μy) = λf (x) + μf (y). Corolarul 2.4.5: O aplicaţie liniară f : V → W care este bijectivă se numeşte izomorfism.4: Imaginea unui subspaţiu X al spaţiului vectorial V printr-o aplicaţie liniară f : V → W este un subspaţiu al lui W. adică f este aplicaţie liniară.4. Imaginea inversă f -1(Y) a oricărui subspaţiu al lui W este un subspaţiu al lui V.4.4.2. Orice spaţiu vectorial de dimensiune n este izomorf cu spaţiul vectorial standard Cn.

3) la baza f1 = (3. c). 1). Să se arate că vectorii v1. Se cere să se exprime în funcţie de această bază vectorii : u = 1 . 6. f2 = X(1 . f3 = 1 .1. 1). e2 = (2. vectorii e1 = 1 + X.X2.X2. 1). 1.1.X. Să se stabilească formulele de transformare a coordonatelor când se trece de la baza e1 = (1. v2 = (1. 5) formează o bază.X + X2 şi v = 1 + 2X . v2. a) Să se arate că sistemul (f1. Să se arate că mulţimea polinoamelor din R[X] de grad mai mic sau egal cu 2 formează spaţiu vectorial peste R faţă de adunarea polinoamelor şi înmulţirea cu scalari. 2). 1. f2 = (6. f2). 1). 0. e2).2. f2 = (6.X). În spaţiul vectorial R3 se consideră vectorii : v1 = (1. unde e1 = (1. e3 = 2X2 formează o bază. f2 = X. dar oricare trei formează o bază în R3. d) f1 = 1+ X. v3. 2) este exprimat în baza (e1. e2 = X. v4 sunt liniar dependenţi. b) f1 = 1. f2 = X. f2) unde f1 = (3.2. vectorul x = (1. 1. b). f3 = 2X2. 5. f3 = X2. Care dintre aceste mulţimi de vectori a). f2 = X2 + 3X . 0) şi e2 = (0. 2. 4. 0). v3 = (0. d) formează o bază a spaţiului vectorial V? 3. În spaţiul vectorial V al polinoamelor din R[X] de grad mai mic sau egal cu 2 se consideră sistemele de polinoame: a) f1 = 1. 51 . v4 = (1. În spaţiul vectorial R2. b) Să se exprime vectorul x în baza (f1. 7) în spaţiul vectorial R2. În spaţiul vectorial al polinoamelor de grad cel mult 2 din R[X].5 Probleme 1. c) f1 = X2 . 1). f3 = X2 . 2).

4. XB’ = A-1·XB. 52 . 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]. v1 + v2 + v3 – 2v4 = 0.−2. Matricea ⎛ 5 4⎞ A=⎜ ⎜−1 1⎟ . pentru aflarea ⎛1 ⎜ A −1 = ⎜ 9 ⎜1 ⎜ ⎝9 4⎞ − ⎟ 9⎟. d) da. iar dimensiunea spaţiului R2 este 2. 5 ⎟ ⎟ 9 ⎠ coordonatelor în noua bază B’. ⎜ ⎟ ⎝ 3 3⎠ 5. nu sunt liniar independenţi . u = 1⎞ ⎛ ⎜1. c) nu . 2⎠ ⎝ v= 1⎞ ⎛ ⎜1. 3. 4 ⎞ . adică oricare ar fi f = a0 + a1X + a2X2 + a3X3. a) da. Spaţiile vectoriale P3 şi P4 nu pot fi izomorfe deoarece nu au aceeaşi dimensiune. sau. Se verifică axiomele spaţiului vectorial. Este acesta un izomorfism de spaţii vectoriale? Răspunsuri 1. T (f) = a0X + a1X2 + a2X3 + a3X4. Să se arate că funcţia T : P3 → P4 definită prin: T (f) = Xf. este o aplicaţie liniară. deci nu sunt liniar independenţi. 2.f3 = 0.1. ⎟ . Se arată că sunt liniar independenţi.− ⎟ . 2⎠ ⎝ 6. ⎟ ⎝ ⎠ de unde XB = A·XB’. Coordonatele vectorului x în baza (f1. 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). de exemplu : f1 + f2 . b) nu. Din av1 + bv2 + cv3 = 0 rezultă a = b = c = 0. unde 7. Analog pentru celelalte grupuri de câte trei vectori. deci formează o bază.7. f2) sunt ⎛ − 7 .

Mulţimea polinoamelor de gradul 2 din R[X] formează spaţiu vectorial peste R? Motivaţi răspunsul. Ar trebui ca orice număr real înmulţit cu un număr complex să dea un număr real. 53 .fişa de autoevaluare 1. f (x) = ax + b o aplicaţie liniară? Pentru ce valori ale lui a şi b devine aplicaţie liniară? Răspunsuri . iar a orice număr real. Mulţimea numerelor reale formează spaţiu vectorial peste corpul numerelor complexe? 4. Dacă b = 0. pentru că nu se verifică condiţiile din definiţie. ceea ce este fals. 2. Mulţimea numerelor complexe formează spaţiu vectorial peste corpul numerelor reale? 3. Nu. În general nu. Se pot verifica axiomele. 3. Nu. Mulţimea polinoamelor de grad 2 nu formează grup faţă de adunare. 4. Este funcţia f : R → R. Da.6 Fişa de autoevaluare 1.2. 2. atunci f (x) = ax este aplicaţie liniară.

astfel încât f (x1. xn) funcţia obiectiv (sau funcţia criteriu sau funcţia de eficienţă).. x2. condiţii numite restricţiile problemei. . prin metodele specifice.... Modelarea matematică a acestor probleme oferă posibilitatea determinării soluţiilor optime.. atunci se obţine problema de programare liniară. contribuind la creşterea eficienţei economice.. În cazul în care funcţiile f şi fi sunt funcţionale liniare. 1 ≤ j ≤ n.Capitolul 3 Programarea liniară 3. nivelurile la care trebuie să se desfăşoare cele n activităţi considerate şi cu f (x1.. O mare parte dintre problemele care se pun în conducerea economică a întreprinderilor sunt probleme de optimizare. 54 . x2. . pentru orice i. x2. 1 ≤ i ≤ m. problemele economice pot fi modelate astfel: se notează cu xj. În multe cazuri. . 1 ≤ j ≤ n.. Programarea liniară utilizează modele matematice ale problemelor economice şi.1 Probleme de programare liniară Activitatea în domeniul producţiei industriale şi a conducerii activităţilor economice a devenit extrem de complexă. Problema este de a afla valorile variabilelor xj. xn) ≥ 0.. caută soluţia optimă. xn) să ia valoarea maximă sau minimă. În acelaşi timp mai trebuie îndeplinite nişte condiţii de forma: fi (x1.

.. . Se notează cu j numărul de ordine al activităţii desfăşurate şi cu xj nivelul la care urmează să se desfăşoare această activitate.. Pn} xj numărul de unităţi din produsul Pj. Rm Beneficiu a11 ..1 Problema de planificare a producţiei O întreprindere industrială dispune de mai multe resurse. .. Pj a1j . ... .. Mulţimea produselor: {P1. se notează cu cj. Ri.... Cu aceste resurse se pot desfăşura diverse activităţi. .. aij reprezintă cantitatea din resursa Ri necesară pentru producerea unei unităţi din produsul Pj (consumuri specifice sau coeficienţi tehnologici) cj este beneficiul obţinut pe unitatea de produs Pj ... . .. ...... ..... am2 c2 . amj cj .. ain .. amn cn Capacitatea resurselor b1 .. în unităţi băneşti.... ai2 ... Rm} bi cantitatea disponibilă din resursa Ri.1.. Beneficiul obţinut pe o unitate de produs j realizată. R2.... Se notează cu i numărul de ordine al resursei şi cu bi cantităţile disponibile din aceste resurse....3.. bm Cantitatea de resursă i folosită pentru producerea cantităţii xj este aij. .. Se mai notează cu aij cantitatea din resursa i necesară pentru producerea unei unităţi din produsul j... .. ai1 ......... .. aij . în cantităţi limitate. Se presupune că aceste cantităţi depind numai de tipul resursei şi de tipul produsului. ... Ri .. Pj. am1 c1 P2 a12 .. ..... . bi . .. Problema lucrează cu: Mulţimea resurselor: {R1. Cantitatea totală din resursa i folosită pentru producţia totală formată din n produse este: 55 .. Pn a1n . P2.. Datele problemei: P1 R1 .

a m 1 x 1 + a m 2 x 2 + ...... + c n xn = ∑ c j x j j =1 n Problema de programare liniară este următoarea: 56 ... Cazul cel mai frecvent pentru problemele practice corect puse este cazul în care sistemul are o infinitate de soluţii. adică procesele de producţie pot fi organizate într-o infinitate de moduri... + a in x n ≤ b i Condiţiile de folosire a resurselor limitate. care trebuie maximizat: f = c1 x1 + c2 x 2 + . + a 2 n x n ≤ b 2 ..a i 1 x 1 + a i 2 x 2 + . Funcţia de eficienţă reprezintă beneficiul total.. numite restricţiile problemei: a 11 x 1 + a 12 x 2 + . Sistemele de inecuaţii liniare pot avea o infinitate de soluţii... a i1 x 1 + a i 2 x 2 + .. + a mn x n ≤ b m Condiţiile de nenegativitate: x j ≥ 0. Adoptarea unei variante se face pe baza unui criteriu economic.. + a 1 n x n ≤ b1 a 21 x 1 + a 22 x 2 + . o soluţie sau nici o soluţie. + a in x n ≤ b i . + a in x n Condiţia de a nu se depăşi cantitatea totală este: a i 1 x 1 + a i 2 x 2 + .. 1≤ j ≤ n. ca de exemplu beneficiul maxim...

1 ≤ j ≤ n de alimente astfel încât costul total să fie minim. 1 ≤ j ≤ n. care să satisfacă anumite cerinţe biologice şi să fie în acelaşi timp cea mai ieftină. Este necesar ca dieta să conţină cel puţin bi unităţi din principiul nutritiv i.2 Problemă de amestec Această problemă constă în determinarea unei anumite diete dintr-un număr dat de alimente. care să aibă anumite 57 . sunt costurile unei unităţi din alimentul j.iar cj. Fie aij este cantitatea din principiul nutritiv i. Problema constă în aflarea cantităţilor xj. conţinută într-o unitate din alimentul j. 1 ≤ i ≤ m. Problema de programare liniară este următoarea: min f = ∑ n j =1 cjx : j cu conditiile ∑ x j n j =1 a ij x ≥ 0 j ≥ bi 1≤ i ≤ m 1≤ j ≤ n Probleme de acelaşi tip apar atunci când se urmăreşte formarea unor amestecuri de ingrediente. 1 ≤ i ≤ m.1. 1 ≤ j ≤ n.max f = ∑c j =1 n j xj cu conditiile : ∑a j =1 n ij x j ≤ bi 1≤ i ≤ m 1≤ j ≤ n xj ≥ 0 3.

în urma investiţiilor. se spune că modelul se prezintă sub forma canonică Orice problemă de programare liniară sub formă canonică poate fi transformată într-o problemă în care restricţiile sunt egalităţi.1. 3. n ≥ 0. aduce un beneficiu unitar de bj unităţi băneşti. 1 ≤ j ≤ n.1: Fie sistemul de m inecuaţii liniare cu n necunoscute: 58 . sumă ce poate fi folosită în diverse activităţi notate cu j. Fiecare activitate de tipul j.1. Problema este următoarea: să se afle sumele xj care trebuie investite. astfel încât o caracteristică a amestecului să fie optimă dintr-un anumit punct de vedere. f = max ∑ n j =1 b jx j unde f reprezintă beneficiul total.1.3 Problemă de planificare a investiţiilor O întreprindere dispune de o sumă B de unităţi băneşti. cu condiţiile: ∑ x n x j =1 j j ≤ B j = 1.proprietăţi. Teorema 3. Se notează cu xj suma investită în activitatea de tipul j. 3.4 Forma standard a problemei de programare liniară Dacă sistemul de restricţii al modelului problemei de programare liniară conţine inegalităţi de acelaşi sens.

x n constituie o soluţie pentru (α). x n + m să constituie o soluţie a lui (β).. x 2 .. + a mn x n ≤ b m Membrii din stânga ai inegalităţilor sunt constante mai mici sau egale cu bi... oricare ar fi soluţia x 1 .... + a 1 n x n ≤ b1 + .. astfel încât: 0 0 0 0 x 10 .. x n .. + a 2 n x n ≤ b 2 .. x 2 . + a x + x 2n n n + 2 = b2 (β ) ⎪ 21 1 22 2 ⎨ . x n + 1 . 0 0 0 Reciproc. x 2 . adică: 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 m 1 x1 + a m 2 x 2 + ........... x n + 2 . Atunci există numerele reale nenegative 0 0 0 x n + 1 . atunci 0 0 x 10 . x n + 2 .... + . + a 2 n x n ≤ b 2 . + a 1 n x n + x n + 1 = b1 ⎪ a x + a x + ........... x n a lui (α)... x 2 . x n o soluţie a lui (α). x n + m care satisfac egalităţile: 59 . + a mn x n + x n + m = b m ⎩ 0 0 0 Atunci.. + a 1 n x n ≤ b1 0 + .... x n + m .. dacă x 1 . există m 0 0 0 constante nenegative x n + 1 .. 0 + ..(α ) ⎧ 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 mn x n ≤ b m şi sistemul de ecuaţii: ⎧ a 11 x1 + a 12 x 2 + .. x n + m este o soluţie a lui (β)....... 0 0 0 Demonstraţie: Fie x 1 ... x 2 ...

În cazul problemei de programare a producţiei se obţine: 60 ... + a 2 n x n + x n + 2 = b 2 ⎨ ....... fie x 1 ... + a mn x n ≤ b m ⎩ 0 0 0 adică x 1 .0 0 0 ⎧ a 11 x10 + a 12 x 2 + ... + a mn x n + x n + m = b m ⎩ 0 0 0 0 de unde rezultă că x n + i = bi − a i1 x1 − a i 2 x 2 − .... x n + m o soluţie a lui (β). Sistemul de inecuaţii se transformă în sistem de ecuaţii prin introducerea necunoscutelor de compensare sau artificiale sau ecart. ⎪ 0 0 0 ⎪ a m 1 x10 + a m 2 x 2 + ..... adică: 0 0 0 ⎧ a 11 x10 + a 12 x 2 + .. − a in x n ≥ 0 . ⎪ 0 0 ⎪ a m 1 x10 + a m 2 x 2 + . + a 2 n x n + x n + 2 = b 2 ⎨ . x 2 . 0 0 0 Deci x 1 ..... x 2 . + a mn x n + x n + m = b m ⎩ 0 0 0 0 şi x n + i = bi − a i1 x1 − a i 2 x 2 − ... 0 0 0 Reciproc.. x n este o soluţie a lui (α). x n + m este o soluţie a lui (β)... x 2 .. + a 1 n x n + x n + 1 = b1 ⎪ 0 0 0 0 ⎪ a 21 x1 + a 22 x 2 + . ⎪ 0 0 0 ⎪ a m 1 x10 + a m 2 x 2 + ... 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 ⎨ ..... − a in x n ≥ 0 pentru orice i. + a 1 n x n + x n + 1 = b1 ⎪ 0 0 0 0 ⎪ a 21 x1 + a 22 x 2 + ....

....a 11 x 1 + a 12 x 2 + ... a m 1 x 1 + a m 2 x 2 + . + a mn x n − x n + m = bm În consecinţă... + a 2 n x n + x n + 2 = b 2 . Funcţia de eficienţă se prezintă sub forma: f = c1 x1 + c2 x2 + . + a 2 n x n − x n + 2 = b2 . + cn xn Forma standard a problemei de programare liniară cuprinde: 61 . + a in x n − x n + i = bi . a i 1 x 1 + a i 2 x 2 + .... Introducerea noilor variabile nu trebuie să schimbe funcţia de eficienţă în problemele economice. + a1n x n − x n +1 = b1 a 21 x1 + a 22 x 2 + . + cn xn + 0 xn+1 + . rezolvarea unui sistem de inegalităţi liniare se reduce la rezolvarea sistemului de ecuaţii asociat... m se scade o i = 1..... Aceste variabile reprezintă m activităţi fictive care consumă plusul de resurse şi din această cauză li se ataşează costuri (respectiv beneficii) nule. + a mn x n + x n + m = b m Pentru inegalităţi de tipul: variabilă nenegativă xn+i ≥ 0. egalităţi: ∑a j =1 n ij x j ≥ bi i = 1.. a m1 x1 + a m 2 x 2 + . + a in x n + x n + i = b i .... + a 1 n x n + x n + 1 = b 1 a 21 x 1 + a 22 x 2 + ...... + 0 xn+m = = c1 x1 + c2 x2 + . m şi inegalităţile devin a11 x1 + a12 x 2 + .... a i1 x1 + a i 2 x 2 + ..

... + c n x n 3............ . . + a mn x n = b m ≥ 0.⎟ ⎜ ⎜ ⎜ am1 am 2 . .... . de optimizat sau de eficienţă.... Funcţia de scop... Sistemul liniar (rezultat din restricţii) 2. Condiţiile de nenegativitate 3.. j = 1.. .....1 Clasificarea soluţiilor Se consideră modelul problemei de programare liniară sub forma standard. Fie A matricea sistemului de restricţii: ⎛ a11 a12 ... amn ⎟ ⎟ ⎝ ⎠ cu m linii şi n coloane... a1n ⎞ ⎜ ⎟ ⎜ a 21 a 22 ... ⎧ 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 + ..2 Rezolvarea problemelor de programare liniară 3......... + a 1 n x n = b 1 + ..1......... a 2 n ⎟ A=⎜ ⎟ .... 62 ....... ..... + a 2 n x n = b 2 . Matricea A se numeşte matricea coeficienţilor tehnologici. + . n f = c 1 x 1 + c 2 x 2 + ...2....

. Se notează cu aj vectorul coloană j din matricea A.. .⎛ b1 ⎞ ⎜ ⎟ ⎜b ⎟ b=⎜ 2 ⎟ . x2. 63 ..2. c 2 .. Dacă rangul matricei A ar fi mai mic decât m. o parte dintre ecuaţii ar fi consecinţe ale celorlalte. deci ar putea fi înlăturate. Vectorul coloană : ⎜ ⎟ reprezintă cererea (în probleme de ⎜b ⎟ ⎝ m⎠ minimizare a costului) sau disponibilul (în probleme de maximizare). ⎛ x1 ⎞ ⎜ ⎟ ⎜x ⎟ X =⎜ 2⎟ Vectorul . evitându-se unicitatea soluţiei sistemului de restricţii.. Problema de programare liniară sub forma standard se scrie astfel : [min ] f = CX AX = b X ≥0 Se presupune că sistemul are cel puţin o soluţie. Definiţia 3. întotdeauna ⎜ ⎟ ⎜x ⎟ ⎝ n⎠ nenegativ.. Vectorul linie C = (c 1 . xn) care verifică sistemul de ecuaţii şi condiţiile de nenegativitate.1: Se numeşte soluţie posibilă (realizabilă) a problemei de programare liniară orice vector X = (x1. este nivelul activităţilor. Se consideră că rangA = m.. Se mai consideră că numărul variabilelor este mai mare decât al restricţiilor. adică m < n.. c n ) reprezintă costul unitar (în probleme de minimizare a costului) sau beneficiul unitar (în probleme de maximizare)...

m+1 este pozitiv: x1. oricare dintre vectorii a1. + xm..2. Astfel.2.... .. Vectorii a1. am sunt liniar independenţi.... 0. . x2...Definiţia 3. an şi se poate presupune că aceştia sunt primii m vectori ai sistemului { a1...m+1a2 + . . Pornind de la soluţia de bază se va determina altă soluţie de bază. Determinarea soluţiilor de bază Se presupune că se cunoaşte o soluţie de bază formată din m vectori aj care aparţin sistemului iniţial al celor n vectori a1.....3: O soluţie de bază se numeşte degenerată dacă numărul componentelor sale strict pozitive este mai mic decât m.2. având coeficienţii xj strict pozitivi sunt liniar independenţi.4: Soluţia optimă este aceea pentru care funcţia scop îşi atinge maximul (respectiv minimul) şi se găseşte printre soluţiile de bază. a2.2.. . Definiţia 3. an se poate exprima ca o combinaţie liniară a vectorilor bazei: a j = ∑ xij a i i =1 m j = 1. . a2..2.. n Pentru vectorul am+1 care nu aparţine bazei se presupune că că cel puţin unul dintre coeficienţii xi.. Definiţia 3. + xmam = b unde toţi xi ≥ 0. a2. 3. Din definiţie rezultă că soluţia de bază este o soluţie posibilă care are cel mult m componente strict pozitive. Soluţia de bază este de forma: X = (x1. xn) se numeşte soluţie de bază dacă vectorii aj din ∑x a j =1 j n j = b ..2: Soluţia posibilă X = (x1.m+1a1 + x2. x2.0) şi sistemul restricţiilor se scrie: x1a1 + x2a2 + ..m+1am = am+1 64 . deci formează o bază în spaţiul vectorial de dimensiune m.. . a2.. an }. . xm..

m+1.. Rezultă : xi ≥ 0 x i .m +1 pentru toţi xi. Se poate presupune că aceasta este chiar prima componentă.m+1.Fie θ un număr real cu care se înmulţesc ambii membri ai relaţiei precedente.θx1.θxm. i = 2.xm .m+1 > 0 şi se va anula componenta lui X’ pentru care este atins minimul...m+1)a2 + . m + 1 Se obţine astfel o nouă soluţie : x’2a2 + x’3a3 + . Se va determina θ > 0 astfel încât: xi – θxi. Se vor examina numai componentele care conţin coeficienţi xi.m+1)a1 + (x2 . Se caută o soluţie X’ ≠ X.m+1)am + θam+1 = b Vectorul: X’ = (x1 .θ x2.θx1. Dar soluţia de bază nu poate conţine m + 1 componente pozitive. determină o soluţie realizabilă a problemei.. Acest lucru se întâmplă pentru: xi θ = θ 0 = min i xi..m +1 x1 . + x’mam + x’m+1am+1 = b unde: x’i = xi – θ0xi.m+1 > 0. care se scade apoi din restricţie: (x1 . pentru toţi xi..m +1 unde minimul se consideră pentru acei indici i pentru care xi.m+1 ≥ 0..m +1 Oricare θ pentru care xi 0 < θ ≤ min i xi.. m x’m+1 = θ0 65 .. x2 . adică xi x1 θ 0 = min = i xi. θ) reprezintă o soluţie posibilă (realizabilă) dacă componentele sale sunt nenegative.m+1 > 0. + (xm . de unde rezultă că cel puţin una dintre componentele lui X’ trebuie să se anuleze. de unde rezultă condiţia θ > 0..m+1>0.θxm. .m+1.m+1. .θ x2.

.. a3.. 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.m+1 x1. . Se exprimă a1: a1 = Fie 1 x1..m+1 ⎟am + 1 j am+1 +⎜ ⎟ x1. În acest caz problema nu admite soluţie.m +1 a m ) a j = x1 j a1 + x 2 j a 2 + .m +1 a 2 − .m+1 x1. Înlocuindu-l pe a1 se obţine: ⎛ ⎞ ⎛ ⎞ x x ⎜ x2 j − 1 j x2.m+1 ⎝ ⎠ ⎝ ⎠ ⎛ ⎞ x x ⎜ xmj − 1 j xm... 66 .m+1 ⎟a2 + ⎜ x3 j − 1 j x3. + aj = ⎜ ⎟ ⎜ ⎟ x1.m+1 ≤ 0 nu se poate determina θ > 0 care să ducă la excluderea a cel puţin un vector din bază.Dacă toţi xi...m+1 ⎝ ⎠ Componenetele vectorilor b şi aj în noua bază se obţin prin metoda eliminării complete Gauss-Jordan.m+1 ⎟a3 + .m +1 (a m +1 − x 2. Criteriul conform căruia se alege vectorul ce urmează să intre în bază este un element important al algoritmului simplex.. am+1 ca o combinaţie liniară de vectorii acestei baze. Noua soluţie de bază şi exprimarea vectorilor care nu fac parte din bază ca şi combinaţii liniare de vectorii bazei se face cu ajutorul procedeului eliminării complete. + x mj a m un vector care nu aparţine noii baze. Procesul obţinerii de noi soluţii de bază se reduce la alegerea unui nou vector care urmează să intre în baza corespunzătoare soluţiei de bază precedente precum şi a variabilei care urmează să fie exclusă din această bază. − x m .

1 Etapele algoritmului simplex Etapele algoritmului simplex sunt următoarele: 1. 4. Ulterior această metodă a fost îmbunătăţită. Aducerea sistemului la forma standard.3 Algoritmul simplex Metoda generală de rezolvare a problemelor de programare liniară o constituie metoda simplex sau algoritmul simplex. În acest sens se foloseşte un criteriu care stabileşte dacă s-a ajuns la valoarea optimă pentru care funcţia scop nu mai poate fi îmbunătăţită. B. încă din 1947. Fie problema de programare liniară: n max f = ∑c j =1 j xj cu conditiile : ∑a j =1 n ij x j ≤ bi 1≤ i ≤ m 1≤ j ≤ n xj ≥ 0 67 . 3. Găsirea soluţiei optime şi aflarea valorii optime a funcţiei de eficienţă. iar în final a soluţiei optime. al cărui creator este G.3. Găsirea unei soluţii de bază. 3. Trecerea de la soluţia găsită la alta mai bună în sensul optimizării funcţiei scop. Soluţia optimă se caută printre cele de bază în mod dirijat.3. Danzig. urmărindu-se îmbunătăţirea funcţiei de eficienţă. Algoritmul se bazează pe rezolvarea sistemului de ecuaţii liniare prin metoda eliminării complete pentru aflarea soluţiilor nenegative. 2.

' 1 .... a1' n ' . ⎪ a m 1 x 1 + a m 2 x 2 + . . . se vor elimina treptat.3. + a x = b ⎪ 21 1 22 2 2n n 2 ⎨ ⎪ . 1 ' ' am. . xm ... + c n x n 3.... m +1 .. .3.. n f = c 1 x 1 + c 2 x 2 + ....... 0 .... amn b1' ⎞ ⎟ ' | b2 ⎟ | . b2 . i = 1.. Funcţia de scop în acest caz este: ( ) f (B1 ) = ∑ c j b 'j ... Se presupune că s-au produs astfel zerouri pe primele m coloane. Se obţine matricea sistemului de forma: ⎛1 ⎜ ⎜0 ⎜ . ...... + a mn x n = b m ⎩ x j ≥ 0.. + a 1 n x n = b 1 ⎪ a x + a x + . soluţia de bază ' ' este B1 = b1' ... . .... m +1 . a2 n ...... bm .... Pm .... j = 1.3........ j =1 m 68 .... x2.3 Găsirea unei soluţii de bază Pentru determinarea unei soluţii de bază se poate utiliza metoda eliminării complete (Gauss-Jordan).. m . Aceste variabile se vor rula în cadrul algoritmului de rezolvare şi. în general.. Vectorii coloană corespunzători se notează P1...... . ⎜ ⎜0 ⎝ 0 . adică în bază se află primele m variabile.......... x1. 0 a1' . .2 Aducerea sistemului la forma standard Sistemul de inegalităţi se aduce la forma standard prin introducerea necunoscutelor de compensare sau artificiale. 0 a2.......... m +1 .... Problema se scrie: ⎧ a 11 x 1 + a 12 x 2 + ........ .... ⎟ ⎟ ' ⎟ | bm ⎠ | Dacă toate componenetele bi' ≥ 0.0.. P2..0 .

....... ... . ......4 Trecerea de la soluţia găsită la alta mai bună prin schimbarea bazei Obţinerea unei noi soluţii de bază se face prin schimbarea unei singure variabile................ bα .. 1 . . Împărţirea liniei α cu elementul pivot aαβ . ..... . .... 0 P2 0 0 . aαβ .. a mβ . . trebuie să fie satisfăcute inegalităţile: b j −θ ⋅ a jβ > 0..... .. . aαβ 2. obţinându-se a valorile θ k = αk . . Pk a1k a2k .. ... amn Elementul aαβ se numeşte element pivot. aαk .. .. Pα . ...... Pasul simplex comportă două operaţii: 1. Pn a1n a2n ..... aαn ...... . . . 0 ... j ∈ {1. m} − {α } Pentru ca noua soluţie să fie de asemenea o soluţie de bază...2.. .. 1 . amk ..... 0 . ... unde rămâne 1.. ... Pβ a1β a2β .... .. Această operaţie se numeşte pas simplex şi se realizează cu ajutorul următorului tabel construit pe baza iniţială: Baza P1 P2 . k = 1..... . Din baza veche se scoate vectorul Pα care se înlocuieşte cu vectorul Pβ.. 0 ... cu excepţia poziţiei acestuia... ... Noua matrice va avea elementele: ⎧a 'jk = a jk − θ k a jβ .... .. . .....3.. m} − {α }.. ⎨ ' ⎩aαk = θ k j ∈ {1. 69 .. n. ...... Pα 0 0 ..3. ... 0 ..... Formarea de zerouri pe coloana pivotului. 0 . Pm Po b1 b2 . bm P1 1 0 ... Pm 0 0 ... . adică cele m componente nenule să fie pozitive.

. a jβ De aici rezultă că numărul pozitiv θ trebuie să fie valoarea bj . cu relaţiile: b 'j = b j − θ ⋅ a jβ . bj 2. adică: bα aαk θ= . j ∈ { . Determinarea elementelor de pe celelalte linii în noul tabel simplex. în funcţie de care se stabileşte vectorul care iese din bază. adică Pα. 3. Fixarea vectorului Pβ care se introduce în bază. Împărţirea liniei α cu elementul pivot. a 'jk = a jk − θ k a jβ . θk = aαβ aαβ . 4.. Pentru fixarea vectorului Pα care se scoate din bază se determină numărul pozitiv ⎛ b j ⎞ bα ⎟= θ = min ⎜ ⎟ +j ⎜ a ⎝ jβ ⎠ aαβ unde j ia doar valorile care corespund coeficienţilor a jβ > 0 . m} − {α }. Metoda simplex prin care se realizează practic trecerea de la o soluţie de bază la alta.Numerele bj sunt pozitive. adică de la un tabel simplex la următorul cuprinde următoarele etape: 1. pentru θ > 0 trebuie ca a jβ > 0 şi: bj 0 <θ < . 1 70 . Calcularea rapoartelor pozitive pentru determinarea a jβ valorii minime a acestora care corespunde numărului θ. care corespunde acum vectorului Pβ ... Un vector Pβ din afara bazei poate fi introdus în bază dacă are componente pozitive. Pentru ca inegalităţile să fie satisfăcute. 2. minimă pozitivă a rapoartelor a jβ Observaţii: 1.

atunci z0 < z0 . Funcţia de eficienţă este o funcţie liniară de forma: f = c1 x1 + c2 x 2 + .. adică prin trecerea de la o bază la alta. valoarea funcţiei de eficienţă devine mai mare. j = 1.. + c n xn = ∑ c j x j j =1 n Pentru a găsi un criteriu care să indice că optimul a fost atins şi nu mai este necesară schimbarea bazei.5 Determinarea soluţiei optime Scopul rezolvării problemei de programare liniară este de a găsi acea soluţie pentru care funcţia de eficienţă are valoarea optimă.. Fie zo valoarea funcţiei de eficienţă corespunzătoare primei soluţii de bază: z0 = ∑ c j x j = ∑ b j c j . adică: ' z0 = ∑ b 'j c j j∈Γ ' Înlocuind b = b j − θ ⋅ a jβ pentru j ≠ α şi θ pentru j=α. În cazul în ' care Δ β < 0. În concluzie: a) Maximizarea funcţiei de scop necesită: 71 . valoarea funcţiei de eficienţă devine mai mică. se studiază variaţia funcţiei de eficienţă la schimbarea soluţiei de bază. j∈Γ ' Dacă Δ β > 0. m j =1 j =1 n m ' Fie z0 valoarea funcţiei f corespunzătoare soluţiei de bază din următorul tabel.. având în vedere că x j = b j .3.3.. adică prin trecerea de la o bază la alta. j∈Γ j∈Γ j∈Γ ⎝ ⎠ Se notează cu z β = ∑ a jβ c j şi se obţine: ' j ' z0 = z0 + θ ⋅ (cβ − z β ) = z0 + θ ⋅ Δ β . atunci z0 > z0 . unde θ > 0. se obţine: ⎛ ⎞ ' z0 = ∑ (b j − θ ⋅ a jβ a ) ⋅ c j + θ ⋅ cβ = ∑ b j c j + θ ⋅ ⎜ cβ − ∑ a jβ c j ⎟ ..

. amβ zβ cβ – zβ cn se Pn a1n a2n . Să existe în afara bazei cel puţin un vector Pβ care să aibă cel puţin o componentă pozitivă ajβ > 0.. 0 z1 c1 – z1 0.. 1 zm cm – zm Valorile zk se obţin prin înmulţirea coeficienţilor cj din prima coloană cu componentele vectorului Pk şi adunarea produselor.. Vectorului Pβ să îi corespundă o diferenţă pozitivă Δβ > 0. Diferenţele Δk se obţin prin scăderea liniei care conţine valorile zk din prima linie. aα k ... Bm z0 c1 P1 c2 P2 cm Pm tabelul ck Pk a1k a2k . aαn . Să existe în afara bazei cel puţin un vector Pβ care să aibă cel puţin o componentă pozitivă ajβ > 0. cα Pα .... 0 ... 2.... 0.. amk zk ck – zk anterior cβ Pβ a1β a2β . z2 c2 – z2 0 0 .. aαβ .... b) Minimizarea funcţiei de scop necesită: 1.... Baza cj coresp... completează în felul următor: Coef. Vectorului Pβ să îi corespundă o diferenţă negativă Δβ < 0.. cm Pm zk Δk = ck – zk Po B1 B2 ...1.. 72 .. 0.... 1. 2.. .. .... amn zn cn – zn 1 0 . Bα . .... ..... 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. bazei c1 P1 c2 P2 .

3.în cazul în care există diferenţe Δk = ck – zk < 0.nu mai există diferenţe Δk = ck – zk > 0. În cazul unei probleme de minim: .Soluţia care realizează optimul se obţine în momentul în care sunt îndeplinite următoarele condiţii: 1.în cazul în care există diferenţe Δk = ck – zk > 0.nu mai există diferenţe Δk = ck – zk < 0. .3. În cazul unei probleme de maxim: . 2.1: Problemă de maxim ⎧ 2 x1 + 5 x 2 + 3x3 ≤ 8 ⎨ ⎩4 x1 + 3x 2 + 8 x3 ≤ 16 x j ≥ 0.3 max f = 2 x1 + 6 x 2 + 2 x3 Prin introducerea necunoscutelor artificiale x4 şi 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. vectorul corespunzător Pk nu are componente pozitive. j = 1.6 Exemple Exemplul 3. .3 max f = 2 x1 + 6 x 2 + 2 x3 Se completează tabelul: 73 . .3. vectorul corespunzător Pk nu are componente pozitive.

Valoarea minimă a rapoartelor a jβ 5 din bază. deci P2 intră în bj 8 este θ = .cj j ∈Γ 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 jβ 8/5 16/3 zk Δk = ck – zk P4 P5 5 3 0 6 Valoarea maximă a diferenţelor Δk este 6. deci P4 iese bază.3/5 6/5 .8/5 0 P4 1/5 . adică 5. adică cu 5 şi se obţine: cj j ∈Γ 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 înmulţită cu 3 şi se obţine: cj j ∈Γ 6 0 Baza Po 8/5 56/5 48/5 - 2 P1 2/5 14/5 12/5 .6/5 0 P5 0 1 0 0 bj a jβ zk Δk = ck – zk P2 P5 Nu mai există diferenţe Δβ > 0. Se împarte prima linie cu elementul pivot. deci s-a obţinut soluţia: 74 .2/5 6 P2 1 0 6 0 2 P3 3/5 31/5 18/5 . Pivotul este elementul de pe linia lui P4 şi coloana lui P2 .

x 2 = .8 56 x1 = 0. x3 = 0. j = 1. x 5 = 5 5 8 48 f max = 2 ⋅ 0 + 6 ⋅ + 2 ⋅ 0 = 5 5 Exemplul 3. P3. P4. 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 obţinut soluţia de bază formată din vectorii P1.2: Problemă 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 ≥ 0.15 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 . Pentru aflarea unei soluţii de bază se utilizează metoda eliminării totale GaussJordan. Se construieşte următorul tabel simplex: -1 -2 -3 1 cj bj j ∈ Γ Baza Po P1 P2 P3 P4 a 2 1 2 3 1 1 2 3 2 jβ -1 -3 1 zk Δk = ck – zk P1 P3 P4 .4 min f = − x1 − 2 x2 − 3x3 + x4 Problema este dată în forma standard.3. x 4 = 0.

x4 = 0. deci s-a obţinut soluţia optimă. Elementul pivot este cel de pe linia lui P4 şi coloana lui P2.Fiind o problemă de minim se caută difenţele Δk < 0. Minimul dintre 10/3 şi 15/6 este 15/6. Există una singură. x3 = .15 - 1 0 0 -1 0 0 0 1 -2 0 0 1 0 -3 0 7/6 . obţinându-se noul tabel simplex: -1 -2 -3 1 cj bj j ∈ Γ Baza Po P1 P2 P3 P4 a jβ -1 -3 -2 zk Δk = ck – zk P1 P3 P2 5/2 5/2 5/2 . obţinânduse: . 5 5 5 x1 = . Se împarte linia 3 cu 6.4 Cazuri speciale într-o problemă de programare liniară 76 .1/2 1/6 0 1 Nu mai există diferenţe negative. deci 6. corespunzătoare vectorului P2. x2 = .15 10 5/2 1 0 0 -7 3 1 0 1 0 0 0 1/6 Pentru a obţine zerouri deasupra pivotului se fac următoarele operaţii: L1 + 7L3 şi L2 – 3L3 . care devine candidat pentru a intra în noua bază. deci vectorul P4 iese din bază. 2 2 2 5 5 5 f min = − − 2 ⋅ − 3 ⋅ + 0 = −15 2 2 2 3.

degenerarea. 3.1 Cazul soluţiei infinite Funcţia de optimizat are un maxim infinit. dar pe coloana acesteia nu există nici un element pozitiv care să poată fi luat ca pivot. Exemplul 3. Este cazul în care există o diferenţă Δk pozitivă. x 4 . x3 .4.4. x 2 . 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 . x5 ≥ 0 max f = x1 − x 2 Primul tabel simplex este următorul: 1 -1 0 cj j ∈ Γ Baza Po P1 P2 P3 0 P4 0 1 0 0 0 0 P5 0 0 1 0 0 bj a jβ 0 0 0 zk Δk = 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 .În acest paragraf se vor analiza cazuri speciale care pot să apară într-o problemă de programare liniară: cazul soluţiei infinite. probleme cu soluţii multiple.1: ⎧− 2 x1 + x 2 ≤ 2 ⎪ ⎨ x1 − 2 x 2 ≤ 2 ⎪ x +x ≥5 ⎩ 1 2 x1 .

obţinându-se următorul tabel: 1 -1 0 0 0 cj bj j ∈ Γ Baza Po P1 P2 P3 P4 P5 a jβ 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 Δk = ck – zk Se observă că există o diferenţă pozitivă. Situaţia apare când la introducerea în bază a unui vector există mai multe elemente pozitive care furnizează acelaşi raport minim. x4 ≥ 0 max f = x1 + 4 x2 + 5 x3 + 2 x4 Se caută o soluţie de bază prin metoda eliminării totale: 78 . x2 .2 Cazul soluţiei degenerate Soluţia de bază se numeşte degenerată dacă numărul componentelor sale strict pozitive este mai mic decât m. În acest caz elementul pivot va fi ales acela care furnizează cea mai mică linie în ordine lexicografică. Exemplul 3. Se alege ca pivot elementul 1 şi se fac următoarele operaţii: L1 + 2L2 şi L3 + L2. deci vectorul P4 va ieşi din bază. P3 P1 P5 0 1 0 3. iar singura sa componentă pozitivă este valoarea 1. dar toate componentele sale sunt negative. vectorul P1 intră în noua bază.4.2: ⎧3 x1 + x2 + x3 + x4 = 6 ⎪ ⎨ x1 + 2 x2 + x3 + x4 = 6 ⎪ 2 x + x + 3x = 7 1 2 3 ⎩ x1 . deci funcţia f este nemărginită. x3 . iar problema de programare liniară nu admite soluţii.4.Există o singură diferenţă pozitivă. pe coloana vectorului P2.

Prima linie este mai mică în ordine lexicografică. aladar se alege vectorul P1 care iese din bază.4/11 79 . dar rapoartele sunt egale.⎛ 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 ⎛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 2 2 ⎛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 3 ⎛ 1 0 0 11 ⎜ 6 ⎜ 0 1 0 11 ⎜0 0 1 − 4 ⎝ 11 ⎞L ⋅5 ⎟ 11 ⎟ ≈ ⎟ ⎠ 1⎞ ⎟ 2⎟ 1⎟ ⎠ După găsirea soluţiei de bază se aşează datele în tabel: cj j ∈Γ 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 . Se împarte prima linie cu 3/11 şi se obţine: 11/3 2 1 11/3 0 0 0 1 0 0 0 1 1 6/11 . Elementul pivot este cel de pe linia lui P1 şi coloana lui P4. adică 3/11.4/11 7/11 15/11 4 5 2 bj a jβ 11/3 11/3 zk Δk = ck – zk Singura diferenţă pozitivă corespunde vectorului P4.

Se fac următoarele operaţii: L2 . Soluţia generală Este posibil ca problema de programare liniară să aibă cel puţin două soluţii distincte care conduc la aceeaşi valoare optimă. α 1 + α 2 = 1. x4 = . unde α 1 . Se completează următorul tabel simplex: cj j ∈Γ 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 jβ zk Δk = ck – zk S-a obţinut soluţia optimă degenerată: 7 11 x1 = 0. Fie X1 şi X2 două soluţii optime distincte.3 Cazul soluţiilor multiple.4. x2 = 0.4. x 2 ≥ 0 min f = − x1 + x 2 80 .6/11L1 şi L3 + 4/11 L1. 3 3 7 11 f max = 5 ⋅ + 2 ⋅ = 19 3 3 3. x3 = . Soluţia generală este de forma: X G = α 1 X 1 + α 2 X 2 . α 2 ≥ 0. Soluţia optimă generală se scrie ca o combinaţie liniară convexă a soluţiilor independente obţinute. Exemplul 3.3: ⎧− 2 x1 + x 2 ≤ 2 ⎪ ⎨ x1 − x 2 ≤ 2 ⎪ x +x ≤5 2 ⎩ 1 x1 .

x2 . x5 ≥ 0 min f = − x1 + x2 Se alcătuieşte tabelul simplex: cj j ∈Γ 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 jβ 2 5 zk Δk = ck – zk Diferenţa negativă (problema este de minim) corespunde vectorului P1. x 5 = 3 f min = −2 81 . x3 .Se aduce problema la forma standard: ⎧− 2 x1 + x2 + x3 = 2 ⎪ ⎨ x1 − x2 + x4 = 2 ⎪ x +x +x =5 ⎩ 1 2 5 x1 . iar minimul rapoartelor se realizează pentru P4. x2 = 0. x4 = 0. Se obţine următorul tabel simplex: cj j ∈Γ 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 jβ zk Δk = ck – zk S-a obţinut soluţia optimă: x1 = 2. x4 . x3 = 6.

Pentru a găsi celelalte soluţii optime se introduc în bază.0. β . cj j ∈Γ 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 .0. x2 = . x3 = . Se ⎛ 7 3 15 ⎞ notează: x (1) = (2. adică: 7 3 15 ⎛ ⎞ x = ⎜ 2α + β . . dacă este posibil. numărul maxim de soluţii m optime este C p . .3) şi x (2 ) = ⎜ . x4 = 0.0. β ≥ 0. iar fmin = .Existenţa mai multor diferenţe Δk = 0 decât numărul de vectori ai bazei semnifică faptul că soluţia nu este unică.3α ⎟ . vectorii Pk pentru care Δk = 0.6.2.6α + β . În acest exemplu se introduce în bază P2 şi se scoate din bază P5. α .1/2 -1 1 0 P5 1/2 1/2 1/2 0 0 bj a jβ zk Δk = ck – zk S-a obţinut soluţia optimă: 7 3 15 x1 = . soluţia optimă generală nu este şi soluţie de bază. 82 . 2 2 2 ⎝ ⎠ În general.0 ⎟ ⎝2 2 2 ⎠ Soluţia generală a problemei va fi: x = αx (1) + βx (2 ) . x 5 = 0 2 2 2 f min = −2 Se observă că acestea sunt singurele soluţii optime. numărul componentelor sale nenule fiind mai mare decât m.0. α + β = 1. Dacă numărul de diferenţe nule este p > m.

dualitatea simetrică ce se referă la modele date sub forma canonică. Dualitatea prezintă interes atât din punct de vedere teoretic. + a1 n x n ≤ b1 ⎪ a x + a x + . cât mai ales prin interpretarea economică a celor două probleme care formează cuplul.. Se consideră două cazuri de dualitate: . ⎪ ⎪ a m 1 x1 + a m 2 x 2 + .3.1 Dualitatea simetrică Cuplul celor două probleme duale în cadrul dualităţii simetrice este: max f = c1 x1 + c 2 x 2 + ..5 Dualitatea în programarea liniară Prin dualitate în programarea liniară se înţelege un concept conform căruia oricărei probleme de programare liniară considerată ca iniţială (primală) îi corespunde o altă problemă... + a mn x n ≤ b m ⎩ xj ≥ 0 j = 1. numită duală. n Duala acestei probleme este: 83 . 3.. în care modelele sunt date sub forma standard sau forma generală. ambele formând un cuplu denumit cuplu de probleme duale....5..dualitatea nesimetrică.. . + a x ≤ b ⎪ 21 1 22 2 2n n 2 ⎨ . + c n x n (P ) ⎧ a11 x1 + a12 x 2 + .

. ⎜ ⎟ ⎜x ⎟ ⎝ n⎠ Y = ( y 1 .. ⎪ ⎪ a1 n y1 + a 2 n y 2 + . care permit scrierea modelului uneia dintre ele ştiind modelul celeilalte: ... ⎟ .x1 . ⎜ .în primală se cere maximul. . ⎜b ⎟ ⎝ m⎠ 84 . ym sunt variabilele duale şi yi ≥ 0..... i = 1.min g = b1 y1 + b 2 y 2 + . Între cele două probleme primala (P) şi duala ei (D) există o strânsă legătură pusă în evidenţă de regulile următoare. în aceeaşi ordine.. + a y ≥ c ⎪ 12 1 m2 m 22 2 2 ⎨ ... ... y2 . iar modelul de minim din duală are inegalităţi de sens ≥. j = 1. .. fiecare dintre ele poate fi considerat dualul celuilalt.... m În cele două modele. ⎛ x1 ⎞ ⎜ ⎟ ⎜x ⎟ X =⎜ 2⎟ Se notează: .modelul de maxim din primală are ca restricţii inegalităţi de tipul ≤.. + bm y m (D ) ⎧ a11 y1 + a 21 y 2 + . . y m ⎛ b1 ⎞ ⎜ ⎟ ⎜b ⎟ b=⎜ 2 ⎟ ) . m . .. + a nm y m ≥ c n ⎩ y i ≥ 0 i = 1.. + a m 1 y m ≥ c1 ⎪ a y + a y + .termenii liberi dintr-un model sunt coeficienţii din funcţia de eficienţă ai celuilalt model.. xn sunt variabilele primale şi x j ≥ 0.. y 2 . iar în duală minimul (sau invers)..matricele celor două sisteme de restricţii sunt transpuse una alteia. . n ..y1 . x2 ...

. .⎛ a11 a12 . ... A = ⎜....... în care modelul primalei se citeşte pe linii......... ⎜ ⎟ ⎜ ⎜ am1 am 2 ... c n . .. a 2 n ⎟ c = c 1 . ... . am1 c1 x2 a12 a22 .. ........ a1n ⎞ ⎜ ⎟ ⎜ a 21 a 22 .. amn cn ≤ b1 b2 .....5...... bm max min Un alt cuplu de probleme duale sub forma canonică este următorul: [min ] f X ≥0 = cX [max ]g = Yb ( P1 ) AX ≥ b ( D1 ) YA ≤ c Y ≥0 Exemplul 3.. xn a1n a2n .1 : Fie problema de programare liniară 85 ...⎟ . .. ym ≥ xj x1 a11 a21 ... am2 c2 . . iar modelul dualei pe coloane: yi y1 y2 .. amn ⎟ ⎟ ⎝ ⎠ Cele două modele se scriu matriceal astfel: ( ) [max ] f ( P ) AX ≤ b X ≥0 = cX [min ]g = Yb ( D ) YA ≥ c Y ≥0 Legătura dintre cele două modele ale cuplului dual se prezintă în următorul tabel. c 2 .

y2 ≥ 0 min g = y1 + 2 y2 Exemplul 3. c) Nici unul dintre cele două modele nu are soluţii realizabile. j = 1. iar celălalt nu are soluţii realizabile.2: Pentru problema primală: ⎧ x + 3x2 − x3 ≥ 2 (P ) ⎨ 1 ⎩− x1 − x2 + 2 x3 ≥ 1 x j ≥ 0. y2 ≥ 0 max g = 2 y1 + y2 Teorema fundamentală a dualităţii Oricare ar fi cuplul (P). 86 .5. 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. b) Unul dintre cele două modele are optim infinit.(P ) ⎧ 3 x1 + x2 ≤ 1 ⎨ ⎩2 x1 + 6 x2 ≤ 2 x1 ≥ 0.3 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. (D) de probleme duale este posibilă una şi numai una dintre situaţiile: a) Ambele modele au optime finite şi valorile optime ale funcţiilor obiectiv sunt egale.

2 Dualitatea nesimetrică Dualitatea nesimetrică se referă la modelele date sub forma standard sau sub forma generală. • Fiecărei restricţii de egalitate dintr-un model îi corespunde o variabilă liberă în celălalt model. • Matricele sistemelor de restricţii sunt transpuse una alteia. • Termenii liberi din restricţiile unui model sunt coeficienţii funcţiei de eficienţă din celălalt. Legăturile dintre problema primală şi cea duală sunt următoarele : • Unul dintre modele cere maximul funcţiei obiectiv. 87 ( P ) AX = b X ≥0 ( D ) YA ≥ c Y oarecare . • Fiecărei restricţii neconcordante dintr-un model îi corespunde o variabilă în celălalt model care se supune condiţiei de nepozitivitate ≤ 0. • Fiecărei restricţii concordante dintr-un model îi corespunde o variabilă în celălalt model care se supune condiţiei de nenegativitate ≥ 0. păstrându-se ordinea. iar celălalt minimul. • Orice restricţie cu ≥ la un model de maxim. Următoarele probleme sunt duale: [max ] f = cX [min ]g = Yb Următoarele noţiuni sunt utile în stabilirea legăturii dintre cele două problemeale cuplului în cazul dualităţii nesimetrice : • Orice restricţie cu ≤ în cazul unei probleme de maxim.3.5. respectiv o restricţie cu ≥ în cazul unui model de minim se numesc restricţii concordante. respectiv o restricţie cu ≤ la un model de minim se numesc restricţii neconcordante.

3 din (P). cum ar fi: 88 . se deduc următoarele: . y2 ≤ 0.cea de a treia restricţie a modelului primal fiind de egalitate. 3.6 Programarea transporturilor Problemele de transport s-au impus datorită multiplelor posibilităţi de aplicabilitate pe care le oferă în diverse sectoare ale activităţii economice. . j = 1. toate cele trei restricţii din modelul dual sunt concordante şi. Variabilele x j ≥ 0. adică y1 ≥ 0. j = 1.prima restricţie fiind concordantă. y3 oarecare [min]g = 10 y1 + 9 y2 + 15 y3 Duala s-a scris în conformitate cu regulile de mai sus.Exemplul 3. fiind problemă de minim. vor fi cu semnul ≥.restricţia a doua fiind neconcordantă. variabila y2 este nepozitivă.5.3: Fie problema de programare liniară: (P ) ⎧ x1 + x2 + 2 x3 ≤ 10 ⎪ ⎨ x1 + 2 x2 + 3 x3 ≥ 9 ⎪ x + x + x = 15 ⎩ 1 2 3 x j ≥ 0. Având în vedere restricţiile din problema primală. fiind nenegative. adică y2 ≤ 0. variabila y3 este liberă.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. . variabila y1 se supune condiţiei de nenegativitate.

.• • • • • transporturi de bunuri de la beneficiari la consumatori.. • optimizarea unor probleme de producţie şi stocare. Bn A A1 c11 c12 c1n a1 x12 x1n x11 A2 c21 c22 c2n a2 x21 x22 x2n . Bn în cantităţile b1. bn. Datele problemei se aranjează în tabelul următor: Disponibil B B1 B2 . • proiectarea traseelor mijloacelor de transport goale către centrele de aprovizionare. . i = 1.. proiectare de linii transportatoare de energie.1 Problema de transport. etc... secţii.. 3..6. j = 1. i = 1. . m. n transportate pe toate rutele. proiectare de canale în agricultură... Am în cantităţile a1. .. a2. Se cere deci determinarea cantităţilor xij . m... am şi se cere să fie transportat în centrele de consum B1. B2. Rezolvarea problemei de transport constă în determinarea unui plan optim de transport de la depozite la consumatori astfel încât costul total al transporturilor să fie minim. b2.. • repartizarea optimă a necesarului de producţie pe utilaje (maşini).... proiectare de depozite de la care aprovizionarea să se facă în condiţii optime (ca timp şi cost). Se cunosc costurile unitare de transport cij . Modelul matematic Un produs omogen este depozitat în centrele de expediţie A1. astfel încât să se realizeze un cost minim de transport. proiectare de canale de informaţii. n de la depozitul Ai la centrul de consum Bj. j = 1.. A2. 89 . astfel încât cheltuielile pentru deplasările în gol să fie minime. .

. m ⎨ ... deci costul total de la toate depozitele Ai (i = 1. n ) va m n i =1 j =1 fi egal cu f = ∑ ∑ cij xij . unde ∑ ai ≠ ∑ b j .. + x = a n ⎪ 21 22 2n 2 sau ∑ xij = ai . j = 1.. j =1 ⎪ ⎪ xm1 + xm 2 + .. j = 1. 2. În practică aceste probleme pot fi de două feluri: 1.. n ).... trebuie îndeplinite condiţiile: xij ≥ 0... Problemă neechilibrată............. b j ≥ 0 (i = 1.. m. Disponibilul şi necesarul sunt de asemenea mărimi nenegative. din necesitatea de a avea sens din punct de vedere economic.. ceea ce înseamnă îndeplinirea condiţiilor: ⎧ x11 + x12 + .. m.. n ). (i = 1... Problemă echilibrată.... i = 1.Am Necesar cm1 b1 xm1 cm2 xm2 b2 cmn xmn bn n am ∑ ai m i =1 j =1 ∑ bj Costul transportului a xij unităţi de produs de la depozitul Ai la centrul Bj este egal cu cij ⋅ xij .. m ) la toate centrele de desfacere B j ( j = 1. + xmn = am ⎩ 90 . i =1 j =1 m n Pentru ambele cazuti. Condiţia de echilibrare implică transportul integral al disponibilului către centrele de consum..... ai ≥ 0. adică necesarul i =1 j =1 m n pentru toate centrele de consum este egal cu totalul expediat din toate centrele de depozitare.. cantităţile transportate fiind nenegative. + x1n = a1 ⎪ x + x + .. unde ∑ ai = ∑ b j ...

j = 1..... O condiţie necesară pentru compatibilitatea sistemului de ecuaţii (2) şi (3) este ca ∑ ∑ xij = ∑ ∑ xij . m. + xm1 = b1 ⎪ x + x + .... Problema de transport este o problemă de programare liniară cu variabilele xij în număr de mn. m n (4) xij ≥ 0... j = 1... ⎪ x1n + x2 n + . + xmn = bn ⎩ Modelul matematic al problemei de transport este următorul: (1) min f = ∑ ∑ cij xij i =1 j =1 m n cu condiţiile: (2) (3) j =1 m ∑ xij = ai . care satisfac restricţiile liniare (2) şi (3)... există alţi algoritmi de rezolvare a acestei probleme. + x = b m ⎪ 12 m2 22 2 sau ∑ xij = b j . n ∑ ai = ∑ b j .... care reprezintă condiţia de echilibru.. Având în vedere forma particulară a problemei de transport în care toţi coeficienţii variabilelor xij sunt egali cu 1 în restricţii.. j =1 m n Problema de transport.. privită ca o problemă de programare liniară se poate rezolva cu algoritmul simplex. i = 1..... condiţiile de nenegativitate (4) şi fac minime cheltuielile totale de transport f. 91 .... (i = 1... n ⎨ i =1 ⎪..... unde f este o funcţie liniară în variabilele xij........ ceea ce înseamnă i =1 j =1 j =1i =1 i =1 m n n m i =1 ∑ xij = b j . j = 1. dar această rezolvare devine dificilă din cauza numărului mare de variabile şi restricţii..Condiţia de satisfacere integrală a cererii tuturor centrulor de consum înseamnă îndeplinirea condiţiilor: ⎧ x11 + x21 + ... n ).

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. a2 = 10. m. atunci valorile variabilelor xij sunt numere naturale în orice soluţie realizabilă de bază şi deci şi soluţia optimă are numai componente numere naturale. n. (3) este întotdeauna compatibil. 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 . B2. i = 1. T i =1 j =1 În general această soluţie nu este optimă. A2. (3) are rangul m + n – 1. T = ∑ ai = ∑ b j . B3. Sistemul (2). O soluţie realizabilă de bază într-o problemă de transport are cel mult m + n – 1 componente nenule. Exemplul 3. B4 sunt necesare respectiv cantităţile: b1 = 50.1: Fie depozitele A1. b2 = 25.6. b3 = 15 şi b4 = 10. Pentru patru centre de consum B1. A3 în care se află cantităţile de acelaşi produs (în mii tone) a1 = 70. O observaţie importantă o constituie faptul că dacă ai şi bj sunt numere naturale. a3 = 20. Orice problemă de transport are o soluţie realizabilă m n ai b j de forma: xij = . Matricea coeficienţilor restricţiilor liniare (2). j = 1.Mulţimea soluţiilor realizabile într-o problemă de transport nu este vidă.

i = 1. j = 1. i = 1.2.2. deci o soluţie de bază are cel mult 6 componente nenule.3.3.3.4 Matricea A a sistemului de restricţii 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 = 6.4. 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 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. Modelul matriceal al problemei este: 93 .2.2. j = 1.Se cere să se determine un plan optim de transport. adică valorile xij ≥ 0. astfel încât costul total al transportului să fie minim.3.

2. unde c = (3.3.min f = cX AX = d X ≥0 .1) d = (70.6. 3. Depozitul A1 şi-a epuizat resursele. 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 rămas 20 mii tone disponibile din cele 70.4.2.70} = 50 Pe prima coloană necesarul este satisfăcut.6..50.20. Îmbunătăţirea soluţiei iniţiale până la obţinerea soluţiei optime..25}=20.4.25. 2. unde: 94 . după mai multe iteraţii.5.1... Se începe din colţul de Nord-Vest. x12 .2) deoarece x12 = min{20.2). adică din căsuţa (1. Aflarea unei soluţii iniţiale realizabile de bază. deci: x13 = x14 = 0 Se porneşte acum din căsuţa (2.3. Algoritmul de rezolvare a problemei de transportpresupune două etape: 1. căreia îi corespunde x11 = min{50.15.1).2. care vor fi plasa te în căsuţa (1.2 Metode de găsire a soluţiilor iniţiale de bază întro problemă de transport 1.2. Metoda colţului Nord-Vest Metoda este descrisă pe exemplul 3.1.10. x34 ) t Modelul de mai sus este modelul unei probleme de programare liniară.10 ) t X = ( x11 .

5}=5. deci x23 = 5.10}=10. deoarece min{5. Centrul de consum B3 mai are nevoie de 10 mii tone. notată cu X0: 50 20 5 5 10 10 cu 6 componente strict pozitive.10}=10. deci x34 = min{20. S-a obţinut soluţia iniţială de bază. Astfel A2 şi-a epuizat resursa. Se porneşte de la căsuţa (3. A2 are încă un disponibil de 5 mii tone pe care le repartizează centrului B3. 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 . care vor fi repartizate în căsuţa (3.3). deci x24 = 0.4) căreia îi corespunde costul minim egal cu 1. Metoda costului minim al matricei Procedeul de repartizare are drept criteriu costul minim. Din resursa A1 rămân 10 mii tone de repartizat. Se ia x34 = min{10.x22 = min{10. Rezultă x32 = 0. adică x33 = 10. deci nedegenerată: 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 funcţiei de eficienţă pentru această soluţie este: f(X0) = 3⋅50 + 2⋅20 + 2⋅5 + 3⋅5 + 2⋅10 + 1⋅10 = 245 2.15} = 5.

etc.1). vj) astfel încât ui + vj = cij.6. adică (2. metoda costului minim pe coloană. 3.. iar x23 = x33 = 0 În căsuţa (1. Pentru variabilele nebazice se notează cij = ui + v j .15}=15. x31 = min{10.Se trece la căsuţa cu costul imediat egal sau superior.40}=30. cum ar fi: metoda costului minim pe linie.6.1) se pune: x11 = min{30.2).10}=10. luând x12 = min{70. aceste metode fiind diferite de cele expuse doar prin ordinea de abordare a căsuţelor care urmează a se completa.50}=10. iar x14 = 0. 96 .3) şi se ia x13 = min{45. iar x22 = x23 = x24 = 0 Se trece la căsuţa (1. iar x22 = x32 = 0 Se trece la căsuţa (1. luând x21 = min{10. În final. Se obţine soluţia iniţială de bază nedegenerată: 30 10 10 25 15 10 Pentru determinarea soluţiei iniţiale de bază mai există şi alte metode.3 Determinarea soluţiei optime a problemei de transport prin metoda potenţialelor Metoda potenţialelor se bazează pe următoarea teoremă: Teorema 3.2: Fiecărei componente xij din soluţia de bază îi corespunde perechea de numere (ui.25}=25. soluţia optimă se obţine când toate diferenţele cij − cij ≤ 0 .

se alege max{ cij − cij > 0 } şi se modifică soluţia. Funcţionarea algoritmului se ilustrează pe exemplul 3.3: Se numeşte ciclu corespunzător unei celule libere o succesiune de celule ocupate.Conform acestei teoreme. succesiunea începând imediat după căsuţa liberă şi terminându-se în vecinătatea aceleiaşi căsuţe libere.6. Prin acest procedeu se obţine o soluţie mai bună decât cea de la care s-a plecat. Apoi valoarea minimă θ se adună la valorile xij din căsuţele marcate cu + şi se scade din valorile xij din căsuţele marcate cu –. Pentru îmbunătăţirea soluţiei se determină valoarea minimă θ a valorii xij din căsuţele marcate cu –. Într-un ciclu se marchează alternativ cu + şi – celulele. unde s-a determinat soluţia de bază prin metoda colţului de NordVest: 97 . Se aplică criteriul de optim: • dacă toţi cij − cij ≤ 0 . începând cu celula liberă. respectiv pe aceeaşi coloană. Se calculează sumele cij şi se efectuează diferenţele cij − cij pentru costurile cij corespunzătoare componentelor nule ale soluţiei. soluţia este optimă.6.1. 3. două câte două alăturate pe aceeaşi linie. Definiţia 3. corespunzătoare maximului ales. Se rezolvă sistemul: ui + vj = cij pentru costurile cij corespunzătoare componentelor nenule ale soluţiei iniţiale de bază. rezultă următoarele etape de calcul pentru găsirea soluţiei optime când se cunoaşte o soluţie de bază: 1. • dacă există cel puţin un cij − cij > 0 . cu treceri alternative pe linii şi coloane. 2. formând ciclul celulei goale.

Se alege v1 = 0 şi se obţin celelalte valori: u1 = 3. v3 = 0. u3 = 2. Se alcătuieşte un tabel în care se trec valorile cij corespunzătoare componentelor xij = 0: 0 -1 0 -1 vj ui 3 3 2 3 3 2 2 2 1 Tabelul corespunzător diferenţelor cij − cij este următorul: 1 2 -1 -4 -2 -2 98 . v2 = . având m + n – 1 = 6 ecuaţii şi m + n = 7 necunoscute.1. u2 = 3.3 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 formează sistemul ui + vj = cij pentru fiecare xij din bază: ⎧ u1 + v1 = 3 ⎪u + v = 2 ⎪ 1 2 ⎪u2 + v2 = 2 ⎨ ⎪u2 + v3 = 3 ⎪u3 + v3 = 2 ⎪ ⎩ u 3 + v4 = 1 Sistemul obţinut este întotdeauna compatibil nedeterminat.1. v4 = .

corespunzător diferenţei c21 − c21 . soluţia de bază nu este optimă. v2 = . Se caută max{ cij − cij > 0 }=max{1. 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 = 3.1): 50 – θ 20 + θ θ 5–θ 5 10 10 Având în vedere că noua soluţie de bază trebuie să conţină numai elemente pozitive.Întrucât nu toate diferenţele cij − cij ≤ 0 . Matricea valorilor cij corespunzătoare componentelor xij=0: 99 . u2 = 1. θ = min{5. v4 = 1. u3 = 0. 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. Se obţine astfel soluţia de bază X1.2}=2. 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).1. Se ia x21 = θ şi se obţine următorul tabel pentru aflarea ciclului corespunzător celulei (2.50}=5. v3 = 2.

v4 = . Se alcătuieşte tabelul în care se trec valorile cij corespunzătoare componentelor xij = 0: 100 .ui 3 1 0 vj 0 -1 0 -1 2 5 1 4 2 0 Tabelul corespunzător diferenţelor cij − cij este următorul: 3 -3 -2 -6 0 -2 Deoarece există o diferenţă pozitivă.2.1. obţinându-se valorile: u1 = 3. v3 = . u3 = 3. Soluţia X2 este: 40 25 5 10 10 10 Valoarea funcţiei de eficienţă pentru soluţia X2 este f(X2) = 3⋅40 + 2⋅25 + 2⋅5 + 1⋅10 + 2⋅10 + 1⋅10 = 220. c13 − c13 = 3 .45}=5.1. Se ia x13 = θ şi se obţine ciclul din tabelul următor: 45 – θ 25 θ 5+θ 5–θ 10 10 Noua soluţie se obţine pentru θ = min{5. v2 = . u2 = 1. v1 = 0. Cu soluţia X2 se procedează la fel ca şi cu soluţia iniţială: se determină ui şi vj pentru xij > 0 din soluţia de bază X2. soluţia X1 nu este optimă.

dar conţine şi alte diferenţe nule decât cele corespunzătoare variabilelor de bază.1): 40 – θ 25 5+θ 10 5–θ θ 10 – θ 10 Pentru θ = 10 se obţine soluţia optimă X’2: 30 25 15 10 10 10 Valoarea funcţiei de eficienţă pentru soluţia X’2 este f(X’2) = 3⋅30 + 2⋅25 + 2⋅15 + 1⋅10 + 3⋅10 + 1⋅10 = 220. atunci orice 101 .ui 3 1 3 vj 0 3 1 3 -1 2 0 2 -1 2 0 2 -2 1 -1 1 Tabelul corespunzător diferenţelor cij − cij este următorul: -2 -3 0 -3 Întrucât toate diferenţele cij − cij ≤ 0 . în particular. iar x31 nu este nulă. de transport. De exemplu. în ultimul tabel apare c31 − c31 = 0 . problema mai are şi alte soluţii optime. Dacă două soluţii X2 şi X’2 ale unei probleme de programare liniară. Aceasta înseamnă că mai există o soluţie optimă care conţine x31 şi care se obţine din X2 efectuând ciclul lui (3. soluţia X2 este optimă şi fmin = f(X2) =220. -3 -5 3. sunt optime.4 Soluţii multiple Dacă matricea diferenţelor cij − cij corespunzătoare soluţiei optime nu conţine nici un element strict pozitiv.6.

fie un centru fictiv de consum. numit zero esenţial. pentru care: i =1 ∑ ai ≠ ∑ b j j =1 m n Rezolvarea problemei de transport neechilibrate se face adăugând fie un centru fictiv de aprovizionare.6. 3. numărul total de căsuţe ocupate trebuie să fie de m + n – 1. Adică soluţia: ' X = λX 2 + (1 − λ ) X 2 . • pe parcursul algoritmului când valoarea minimă este atinsă în ambele căsuţe notate cu –.combinaţie liniară convexă a lor este de asemenea o soluţie optimă pentru problema respectivă.5 Degenerarea în problema de transport Soluţia unei probleme de transport este degenerată dacă are mai puţin de m + n – 1 valori nenule. În ambele situaţii se obţin mai puţine ecuaţii decât m + n – 1. care să preia restul produsului. Se consideră două cazuri: 102 . Degenerarea apare în problemele de transport în următoarele situaţii: • când soluţia iniţială este degenerată. Acest 0* se pune în căsuţele libere cu costuri minime. Pentru înlăturarea acestui inconvenient se foloseşte metoda zerourilor esenţiale. 0 ≤ λ ≤ 1 este optimă. diferenţa dintre necesar şi disponibil.6. care nu formează cicluri cu căsuţele deja ocupate. În final. Aceasta constă în transformarea unor căsuţe libere în căsuţe ocupate cu un 0*. 3. Zerourile esenţiale sunt componente bazice ale soluţiei şi se lucrează cu ele ca şi cu celelalte componente bazice nenule. deci variabilele marginale nu pot fi determinate.6 Problema de transport neechilibrată Cazul cel mai frecvent întâlnit în practică este cel al problemei de transport neechilibrate.

Să se rezolve următoarea problemă de programare liniară: 103 . n +1 = 0. total sau parţial. Problema devine echilibrată. adică xm +1. Problema devine echilibrată cu m + 1 centre de aprovizionare şi n centre de consum. i =1 j =1 m n cu necesarul bn +1 = ∑ ai − ∑ b j i =1 j =1 m n şi toate costurile ci . Aceasta semnifică faptul că în centrul de aprovizionare Ai rămân netransportate xi . cu m centre de aprovizionare şi n + 1 centre de consum. caz în care se introduce un centru Bn+1 de consum. Dacă se obţine o soluţie optimă. Înseamnă că un centru de consum Bj rămâne cu necesarul nesatisfăcut. dacă s-a obţinut o soluţie optimă. n +1 ≠ 0. În acest caz. j = 0. aceasta presupune cel puţin o componentă de pe linia m + 1 diferită de zero. Dacă în problema dată ∑ ai < ∑ b j . 2. de exemplu xi . j ≠ 0. toate costurile cm +1.7.1. ∑ ai > ∑ b j . n +1 unităţi de marfă. rezultă că cel puţin o componentă de pe coloana n + 1 nou adăugată este diferită de zero. se va introduce un centru i =1 j =1 m n fictiv de n j =1 aprovizionare m i =1 Am+1 care deţine cantitatea am +1 = ∑ b j − ∑ ai .7 Probleme 3. 3.1 Enunţuri 1.

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.[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. 0. 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. Să se determine cantităţile x1 şi x2 din alimentele 104 . Să se aducă la forma standard şi să se rezolve problema de programare liniară : [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 ≥ 0.5 unităţi din substanţa D.5 2. i = 1. i = 1.4 4. i = 1.3 5.4 3. Un meniu trebuie să conţină cel puţin 0. i = 1. Aceste substanţe se găsesc în două alimente M şi N.9 unităţi din substanţa B.6 unităţi din substanţa nutritivă A. 3 unităţi din substanţa C şi 2.

30 3 D 0.15 0. iar pentru cultivarea unui hectar de porumb 200 lei.80 lei/kg. Se cere să se determine numărul de hectare x1 şi x2 care trebuie cultivate cu grâu şi respectiv cu porumb.9 C 0.6 B 0 0.50 lei/kg. 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. În planul de cheltuieli s-a prevăzut suma de 70 000 lei pentru ambele culturi.M şi N.15 0 0. Se presupune că recolta medie la grâu este de 2500 kg/ha şi la porumb este de 3250 kg/ha.15 0.55 Preţ unitar 10 4 6. folosind datele din tabelul de mai jos: Alimente M N Necesar Substanţe (x1) (x2) biologic A 0. iar al porumbului 0.30 0. Beneficiul obţinut din vânzarea grâului este de 0. 7. cu datele de intrare specificate în tabelul următor: 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 . astfel încât costul meniului să fie minim.15 2. Să se rezolve problema de transport echilibrată. pentru ca beneficiul total obţinut din vânzarea recoltei să fie maxim.

200. Un întreprinzător deţine două puncte de prelucrare a cărnii de pui (A1. x1 = 0. restul de 20% din necesarul evaluat pentru o lună. B2. Se cere identificarea unui program de aprovizionare optim sub aspectul costului. stabilite în funcţie de lungimea rutei şi de tipul de drum. sunt suficiente capacităţi de transport pe orice rută. x3 = 4. 9. În punctul A1 se prelucrează 80% din întreaga cantitate. respectiv 600 unităţi. 700. Procentele au fost calculate în funcţie de puterea de cumpărare a clienţilor din respectivele zone. x5 = 4. în ipoteza că se mai deţin următoare informaţii : se poate folosi orice rută . Cantităţile vândute în cele trei centre sunt de 40%. respectiv 530 unităţi dintr-o marfă care trebuie expediată consumatorilor B1. x4 = 0. A2). A3 sunt stocate 450. 30% şi respectiv 30% din producţia totală. Matricea costurilor unitare : ⎛ 5 8 12 6 ⎞ ⎜ ⎟ C = ⎜10 7 11 4 ⎟ ⎜ 8 9 9 10 ⎟ ⎝ ⎠ are elemente cvasiconstante. În sursele A1.2 Răspunsuri 1. f min = 20. Costurile de transport se presupun a fi proporţionale cu lungimile rutelor şi sunt date în matricea : ⎛ 5 12 7 ⎞ C =⎜ ⎟ ⎜ 6 8 10 ⎟ ⎝ ⎠ Să se determine programul optim de transport. 3. iar în A2. 106 . 820. Cantităţile solicitate sunt 300. B3. Produsele finite sunt comercializate în trei centre B1.7. B3 şi B4.Necesar 200 270 330 150 950 950 8. A2. B2. x2 = 8. cu costurile minime.

se obţine: cj j ∈Γ 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 jβ zk Δk = ck – zk Singura diferenţă pozitivă este 3. x3 = 0. y2 ≥ 0 [max]g = 2 y1 + y2 (D ) 5. pe coloana lui P3. x2 ≥ 0 = 10 x1 + 4 x2 cu soluţia: x1 = 4. x1 = 0.3 x2 ≥ 3 ⎪0. x2.9 ⎪ ⎨ ⎪ 0. x2 = 9.55 ⎩ x1 ≥ 0.15 x1 + 0.15 x2 ≥ 0.3 x1 + 0. x4 = 20. Soluţia iniţială de bază este x1. După introducerea în bază a lui x4.6 ⎧ ⎪ 0. Problema duală este: ⎧ y1 + 2 y2 ≤ 4 ⎪ ⎨2 y1 + y2 ≤ 5 ⎪ y + y ≤6 ⎩ 1 2 y1 ≥ 0. [min ] f 107 . deci problema are optim infinit. Modelul matematic al problemei este următorul: 0.15 x2 ≥ 2. 3.15 x1 ≥ 0. x2 = 16. f max = 200.2. 4. f min = 76 . dar acesta nu are componente pozitive.

8 ⋅ x1 + 3250 ⋅ 0.1]. Soluţia optimă este: x11 = 40. x2 ≥ 0 200 50 0 150 0 0 250 0 0 220 80 0 Soluţia nu este unică.6. x23 = 0. ⎜ 0 220 80 ⎜ 30 270 0 0 ⎟ 0 ⎟ ⎝ ⎠ ⎝ ⎠ λ ∈ [0. x12 = 10. altă soluţie optimă este: 170 0 80 150 0 0 250 0 30 270 0 0 Orice combinaţie liniară convexă a celor două soluţii este o soluţie optimă: 0 150 ⎞ 80 150 ⎞ ⎛ 200 50 ⎛170 0 ⎜ ⎟ ⎜ ⎟ X * = λ⎜ 0 0 250 0 ⎟ + (1 − λ )⎜ 0 0 250 0 ⎟. f min = 690. x2 = . f max = 512500 cu soluţia: x1 = 3 3 7. x22 = 20. 9. Soluţia optimă este: 300 150 0 0 0 550 200 70 0 0 0 530 108 .5 ⋅ x2 200 700 . x21 = 0. Problema admite următoarea soluţie optimă: [max] f x1 ≥ 0. f min = 5600. 8. Modelul matematic al problemei este următorul: x1 + x2 = 300 ⎧ ⎨ ⎩350 x1 + 200 x2 ≤ 70000 = 2500 ⋅ 0. x13 = 30.

cu fmin = 11410. 109 .

Punctul x0 se numeşte punct de acumulare al mulţimii A dacă orice vecinătate a punctului x0 conţine puncte din A \ {x0}.1. Punct de acumulare Definiţia 4.1.2: O mulţime V ⊂ R este o vecinătate a punctului x0 dacă există un interval centrat în x0 inclus în V. Definiţia 4.1.1 Vecinătate a unui punct.1.2 Definiţia funcţiei reale de o variabilă reală Definiţia 4.Capitolul 4 Elemente de analiză matematică 4.1 Funcţii reale de o variabilă reală 4.3: Fie A ⊂ R. Exemple: 110 . astfel încât f(x) = y. 4.1. x0 ∈ Sr(x0) ⊂ R.1: Fie x0 ∈ R. Definiţia 4.4: Funcţia f : D → R este o funcţie reală de o variabilă reală dacă oricărui element x (argumentul funcţiei) din mulţimea D ⊂ R (domeniul de definiţie) îi corespunde un singur element y din R (codomeniul).1. Mulţimea: Sr(x0) = {x ∈ R | |x – x0| < r} se numeşte interval centrat în x0 de rază r.

Spunem că l este limita funcţiei f în punctul x0 dacă oricare ar fi ε > 0. există δ(ε) > 0.1. →x 0 Exemple : lim (3 x − 8) = −2 x→2 2x + 3 =2 x →∞ x − 1 ex −1 lim =1 x →0 x lim 4. Se numesc funcţii elementare următoarele funcţii: Funcţia putere: f : R → R f(x) = xn 111 .1. Definiţia 4.f : R \ {1} → R. Spunem că funcţia f este continuă în x0 dacă x → x0 lim f ( x) = f ( x0 ). ∞) → R.6: Fie funcţia f : D → R şi x0 un punct din domeniul de definiţie D.1.7: Fie funcţia f : D → R şi A o submulţime a lui D. g : (0.4 Continuitatea unei funcţii într-un punct Definiţia 4.5: Fie funcţia f : D → R şi x0 un punct de acumulare al domeniului de definiţie D. rezultă că |f(x) – l| < ε.3 Limita unei funcţii într-un punct Definiţia 4. Spunem că f este continuă pe A dacă f este continuă în orice punct al mulţimii A. ceea ce se scrie : xlim f ( x) = l .1. 2x + 3 x −1 g ( x) = ln x f ( x) = 4.1. astfel încât oricare ar fi x din D \ {x0} cu |x – x0 | < δ(ε).

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 ( xα )' = nxα −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 . Funcţiile trigonometrice. x→ x x − x0 0 Definiţia 4. a > 0. a ≠ 1. Funcţia exponenţială: f : R → R f(x) = ax . Suma. Spunem că funcţia f este derivabilă în punctul x0 dacă există şi este finită limita: f ( x) − f ( x0 ) lim = f ' ( x0 ).1. a > 0. compusa a două sau mai multe funcţii elementare sunt de asemenea continue pe domeniul de definiţie. Funcţiile trigonometrice inverse.9: Fie funcţia f : D → R şi A o submulţime a lui D.Funcţia radical: f : D → R .8: Fie funcţia f : D → R şi x0 un punct din domeniul de definiţie D. unde D = R+ pentru n par.1. a ≠ 1. f ( x) = log a x. ∞) → R. 4. Funcţiile elementare sunt continue pe domeniul de definiţie. Funcţia logaritmică: f : (0. produsul. Spunem că f este derivabilă pe A dacă f este derivabilă în orice punct al mulţimii A. f ( x) = n x .5 Derivabilitatea unei funcţii într-un punct Definiţia 4. D = R pentru n impar.1.

f(x1) ≤ f(x2). f este monoton crescătoare pe I dacă oricare ar fi x1 şi x2 din I cu x1<x2. f(x1) ≥ f(x2). Spunem că x0 este punct de maxim local (minim local) dacă există o vecinătate V a lui x0 astfel încât oricare ar fi x din V∪ D. f(x1) < f(x2). ( ) Puncte de extrem Definiţia 4. Punctele de maxim sau minim local se numesc puncte de extrem local. f este monoton descrescătoare pe I dacă oricare ar fi x1 şi x2 din I cu x1<x2.12: Fie funcţia f : D → R şi I un interval inclus în domeniul D.11: (Fermat) Fie funcţia f : D → R derivabilă pe domeniul de definiţie D. Spunem că: f este strict crescătoare pe I dacă oricare ar fi x1 şi x2 din I cu x1<x2.′ ⎛f⎞ f '⋅g − f ⋅ g ' ⎜ ⎟ = ⎜ ⎟ g2 ⎝g⎠ ( f (u ))′ = f ' (u ) ⋅ u ' Derivate de ordin superior Derivata a doua a funcţiei f .1. În punctele de extrem local derivata funcţiei se anulează.1. este derivata primei derivate: f ' ' = ( f ')' ′ Derivata de ordin n a funcţiei f : f (n ) = f (n −1) .10: Fie funcţia f : D → R şi x0 un punct din domeniul de definiţie D.1. f(x1) > f(x2). Definiţia 4. Teorema 4. O astfel de funcţie se numeşte monotonă pe I. f(x) ≤ f(x0) (f(x) ≥ f(x0)). 113 . f este strict descrescătoare pe I dacă oricare ar fi x1 şi x2 din I cu x1<x2. dacă există.

restul sub forma lui Lagrange. Atunci: f este strict crescătoare pe I dacă şi numai dacă f’(x)>0. f este strict descrescătoare pe I dacă şi numai dacă f’(x)<0.1. f este monoton crescătoare pe I dacă şi numai dacă f’(x)≥0.. Pentru a = 0 se obţine formula lui MacLaurin. f (n ) ( x ) = e x . restul devine mai mic şi aproximaţia mai bună. f ( x ) = e x . f este monoton descrescătoare pe I dacă şi numai dacă f’(x)≤0. a este un număr din I. a=0. Observaţii: Formula aproximează oricât de bine valoarea f(x) a unei funcţii printr-un polinom.15: Fie f : R → R. Cu cât n este mai mare. pentru oricare x din I. + ( x − a )n f ( n) (a) + R x−a f ( x) = f ( a ) + f ' (a) + n 1! 2! n! Rn ( x − a )n+1 = (n + 1)! f ( n +1) (c). atunci există un număr c cuprins între a şi x∈I.1. ∀n ∈ N . pentru oricare x din I. Cu cât x este mai aproape de a. f (n ) (0) = 1. astfel încât are loc relaţia: ( x − a )2 f ' ' (a) + .13 : Fie funcţia f : D → R derivabilă şi I un interval inclus în domeniul D..1.14: Dacă f : I → R este de n+1 ori derivabilă pe I. aproximaţia este mai bună. pentru oricare x din I. Formula lui Taylor Teorema 4.Teorema 4. Se obţine: 114 . pentru oricare x din I. Exemplul 4.

2.. (1 + x )n n −1 f (n ) (0 ) = (− 1) (n − 1)! f ( x ) = ln(1 + x )...2 Funcţii reale de mai multe variabile reale 4.1: Aplicaţia d : Rn x Rn → R+ se numeşte distanţă dacă: 1. pentru n = 2k + 1 2 n −1 x x3 x5 n x + − . x2. + (−1) + Rn 1 2 3 n Exemplul 4. xn) | xi ∈ R.2.. x). 2. ∀n ∈ N * ... . d(x. d(x... pentru n = 2k f ( n ) ( 0) = ⎨ k ⎩(−1) . d(x. f (n ) ( x ) = n −1 (− 1) (n − 1)! . a = 0 ⎧ 0. n} Rn este un spaţiu vectorial real. y) = 0 dacă şi numai dacă x = y. ∀i = 1. y) ∈ Rn x Rn.. + (−1) +R sin x = − (2n − 1)! n 1! 3! 5! 4...1. . a = 0.. 115 .1.16: Fie f : (− 1. ∞ ) → R. ∀(x. Definiţia 4. f ( x ) = sin x. Vecinătăţi Rn = {x = (x1. y) ≥ 0.1 Mulţimi şi puncte din Rn. deci: Se obţine: n x x2 x3 n −1 x ln(1 + x) = − + − .17: Fie f : R → R. y) = d(y. + + Rn 1! 2! n! x Exemplul 4.x x2 xn e = 1+ + + .

2.. x2 ∈ R}.7: a) Funcţia de eficienţă f(x. atunci d(x.2.2. y) verifică axiomele distanţei. x2. xn) şi y = (y1.2: Dacă x = (x1. y) + d(y..4: O mulţime V ⊂ Rn este o vecinătate a punctului xo există o sferă deschisă cu centrul în xo inclusă în V. x2) | x1.2 Funcţii de două variabile Definiţia 4. y ) = ∑ ( x i − y i ) i =1 n Pentru n = 1 d(x.2.6: Fie R2 = {x = (x1. Exemple 4. ..2.y) = c1x + c2y. d(x. Funcţia f : A → R este o funcţie reală de două variabile reale. x. A ⊂ R2 .5: Fie A ⊂ Rn. Definiţia 4. Definiţia 4.2.. yn) sunt elemente din Rn..y ≥ 0 dintr-o problemă de programare liniară. y ) = (x1 − x2 )2 + ( y1 − y 2 )2 Definiţia 4.3. 4. unde: 2 d ( x. y2. Exemplul 4. . Punctul x0 se numeşte punct de acumulare al mulţimii A dacă orice vecinătate a punctului xo conţine puncte din A \ {xo}. y) = |x – y| Pentru n = 2 d ( x. v venitul mediul al unui consumator şi x cantitatea din produsul X cerută pe 116 . b) Fie p preţul de cost pentru produsul X în unităţi date..2. Mulţimea Sr(x0) = {x ∈ Rn | d(x. z). x0) < r} se numeşte sferă deschisă cu centrul în x0 şi de rază r (sau hipersferă). z)≤ d(x.3: Fie x0 un element din Rn şi r > 0.

y) – l| < ε.b)} cu |x – a | < δ(ε) şi |y – b | < δ(ε). funcţia f : A → R şi punctul (a.b) ∈ A dacă lim f ( x. ceea ce se scrie lim f ( x. y > 0. punct de acumulare al mulţimii A. y )→(2.y) din A \ {(a. unde k. y ) = l. cu x orele de muncă productivă prestate.b). iar x > 0.b) dacă oricare ar fi ε > 0.8: Fie A ⊂ R2. y )→(0.v). rezultă că |f(x.2. există δ(ε) > 0. Spunem că funcţia f este continuă în punctul (a.2. β sunt constante. 2 ) x ( x .10: Fie A ⊂ R2 şi funcţia f : A → R.2. Această funcţie se numeşte funcţia de producţie de tip Coob-Douglas. c) Notând cu V venitul naţional. unde p. y ) = f (a. y )→(0. Spunem că l este limita funcţiei f în punctul (a. 2 ) xy lim Definiţia 4. se poate scrie funcţia de două variabile: V(x.piaţă în unităţi date.2. x →a y →b Exemple 4.9 : ( x . Atunci x este o funcţie de p şi v.v > 0. astfel încât oricare ar fi (x. 4. α. care poate fi scrisă ca o funcţie de două variabile: x = f(p.0) : 117 .y) = kxαyβ. b ). x →a y →b Exemplul 4.11 : Să se studieze continuitatea funcţiei f : R 2 → R în punctul (0. cu y fondurile fixe angajate în producţie.3 Limite şi continuitate pentru funcţii de două variabile Definiţia 4.2.1 lim (x ) 2 + xy + y 2 = 7 ) sin xy sin xy = lim y =2 ( x .

b). Definiţia 4. 0 ) lim lim lim ( x . lim x →a x−a ∂x f’x(a. y )→ ( 0 .0 ) f ( x. y )→ ( 0 . şi (a. 0 ) ( x .2. Spunem că f este continuă pe A dacă f este continuă în orice punct al mulţimii A. Spunem că funcţia f este derivabilă parţial în raport cu x în punctul (a. Spunem că funcţia f este derivabilă parţial în raport cu y în punctul (a.2. y ) ≠ (0.4 Derivate parţiale Definiţia 4. y )→ ( 0 . b ) − f (a. y ) = lim = ( x . funcţia f : A → R. 4.0 ) ( x . b ) ∂f (a. 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. ( x. 0 ) x2 + y2 = = = ( x . şi (a.0) pentru că: 1. funcţia f : A → R.0) ⎩ Funcţia nu este continuă în (0.b) dacă există şi este finită limita: 118 . y )→ ( 0 .b) se numeşte derivata parţială de ordinul întâi a funcţiei f în raport cu variabila x în punctul (a.2.b) ∈ A.⎧ 1 − 1 + x2 + y2 ⎪ .b) dacă există şi este finită limita: f ( x. b ) = f x' (a.2.13: Fie A ⊂ R2 . y ) = (0.b) ∈ A.1+ x2 + y2 lim f ( x.12: Fie funcţia f : D → R şi A o submulţime a lui D⊂R2. ( x.14: Fie A ⊂ R2 . b ) = . 0 ) 1 + 1 + x 2 + y 2 2 −1 Definiţia 4. y )→ ( 0 . y ) = ⎨ x2 + y2 ⎪0.

toate celelalte în afara celei cu care se lucrează se consideră constante. Dacă funcţia are mai multe variabile. y ) ' '' f x ( x. y ) = 4 x 3 y 2 + 5 x 2 y 2 − 2 x + 3 y + 1 f x' ( x. b ) = y −b ∂y Observaţie: Când se calculează derivata parţială în raport cu x. y ) = ⎜ ⎟= ∂y ⎜ ∂y ⎟ ∂y 2 ⎝ ⎠ Exemplul 4. y ) = f ( x. y ) ⎞ ∂ 2 f ( x. y ) ⎞ ∂ 2 f ( x. y ) x = f x ( x. y ) − f (a. = f y' (a.2. y ) y = f ( x. y ))x ' ∂ ⎛ ∂f ( x. y ) ⎞ ∂ 2 f ( x. y ) = 8 x 3 + 10 x 2 2 119 . y ) f ( x. y ) = 24 x 2 y + 20 xy f y'' ( x. y ) = ⎜ ⎟= ∂x ⎝ ∂x ⎠ ∂x 2 ( ) 2 (f (f ( ' x ( x. b ) . variabila y este considerată constantă şi se derivează ca şi când ar fi o singură variabilă x. y ) = 24 x 2 y + 20 xy '' f yx ( x. y ) = ⎜ ⎟= ∂x∂y ∂y ⎝ ∂x ⎠ '' xy ' y (x. y ))y ' ∂ ⎛ ∂f ( x. Derivatele parţiale f’x şi f’y sunt funcţii de variabile x şi y. y ) = ⎜ ⎟= ∂x ⎜ ∂y ⎟ ∂y∂x ⎝ ⎠ '' yx '' y2 ∂ ⎛ ∂f ( x. y ) = 8 x 3 y + 10 x 2 y + 3 f x'' ( x. y ) = f ( x. b ) f (a. Dacă există.lim y →b ∂f (a. derivatele parţiale de ordinul doi sunt următoarele: ' ∂ ⎛ ∂f ( x. y ) = 12 x 2 y 2 + 10 xy 2 − 2 f y' ( x. y ) = 24 xy 2 + 10 y 2 2 '' f xy ( x.15: Fie funcţia f : R2 → R ' y ) ' f ( x. y ) ⎞ ∂ 2 f ( x.

y ) = ln x 2 + 3 y 2 2x f x' ( x.b)∈A şi dacă sunt continue în (a. y ) = 2 x2 + 3y2 − 4x2 + 3y − 2x ⋅ 6 y + 3y2 − 6 y ⋅ 2x 2 2 2 ( (x ) 2 2 2 ) = − 2x2 + 6 y2 (x 2 + 3y2 ) 2 '' f xy ( x. y ) = 2 x + 3y2 6y f y' ( x. 4.2.2. y ) = 2 x + 3y2 f '' x2 ( ) ( x.b). y ) = '' f yx ( x. pentru orice (x.Exemplul 4.17: Funcţia f este diferenţiabilă în punctul (a. 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 2 2 Criteriul lui Schwarz: Dacă funcţia f : A ⊂ R2 → R are derivate parţiale mixte de ordinul doi într-o vecinătate V a punctului (a. y ) = (x ) 2 =− =− (x 12 xy 2 f '' y2 (x + 3 y ) (x + 3 y ) ( x.b) astfel încât. atunci are loc relaţia: f’’xy(a.2.0 )} → R f ( x. Definiţia 4.16 : Fie funcţia f : R 2 \ {(0.b) → R continuă şi nulă în (a.b) = f’’yx(a.b) ∈ intA.y) din A are loc relaţia: 120 .5 Funcţii diferenţiabile Fie funcţia f : A ⊂ R2 → R şi punctul (a.b).b) dacă există două numere λ şi μ şi dacă există o funcţie ω : V(a.

y. y ) 121 .19: Expresia liniară: df(x.1) = 3e 2 f y' ( x.b) + (y – b) f’y(a.b) şi λ = f’x(a.b).f ( x. f x' (1.b) şi μ = f’y(a. y ) ( x − a ) + ( y − b ) 2 2 Teorema 4.y) = dy = y – b. Dacă ϕ(x. f ( x.y) = dx = x – a şi dψ(x. f y' (1.b) = (x – a) f’x(a.1) = 3e 2 dx + 2e 2 dy Diferenţialele de ordin superior se definesc în mod recurent prin relaţia: dnf = d(dn-1f). Diferenţiala funcţiei f se mai poate scrie: ∂f ∂f df = dx + dy ∂x ∂y Exemplul 4. dx şi dy se numesc diferenţialele variabilelor independente.20 : f : R 2 → R.2.1) = 2e 2 df ( x.1.y) = y. Definiţia 4.b) se numeşte diferenţiala funcţiei f în punctul (a. y ) = e x 2 + y2 + 2x 2e x 2 2 + y2 . y ) = xe x + y .18: Dacă funcţia f este diferenţiabilă în punctul (a.b). b ) = λ ( x − a ) + μ ( y − b ) + ω ( x. atunci admite derivate parţiale de ordinul întâi în (a.2.1) 2 2 f x' ( x.a. punctul (1. y ) − f (a. Diferenţiala de ordin doi : ∂2 f 2 ∂2 f 2 ∂2 f 2 dxdy + 2 dy d f = 2 dx + 2 ∂x∂y ∂y ∂x În general : ⎛∂ ⎞ ∂ d f = ⎜ dx + dy ⎟ ⎟ ⎜ ∂x ∂y ⎠ ⎝ n (n ) f ( x.b).y. y ) = 2 xye x + y2 . atunci : dϕ(x.2.y) = x şi ψ(x.

Elasticitatea dă o informaţie mai completă a variaţiei cererii în raport cu preţul. x 2 .7 Derivatele funcţiilor compuse Teorema 4. reprezentând viteza descreşterii relative a cererii pentru o creştere relativă a preţului. x 2 .v) definită pe Y ⊂ R2 are derivate parţiale continue pe Y. a) Se numeşte valoare marginală sau viteza de variaţie a lui f în raport cu variabila xi derivata parţială a acesteia în raport cu xi : ∂f ( x1 . dată de formula: 122 .4.21: Dacă funcţiile u. X ⊂ R au derivate continue pe X.. dacă funcţia f(u.. xi ) R ( f .. xi ) f ∂xi f De exemplu. ea indică viteza cu care scade cererea pentru marfa xi când preţul ei creşte. x n ) VM ( f .. xi ) = i = ⋅ VM ( f . Dacă derivata este negativă.2.. x n ) xi E ( f ..... xi ) = ∂xi b) Se numeşte ritm de variaţie a lui f în raport ca variabila xi expresia : 1 ∂f ( x1 . x 2 .. v : X → R.v(x)) are derivată continuă pe X.2.. Derivata parţială a unei funcţii care depinde de preţurile mărfurilor arată variaţiile cererii când unul dintre preţuri variază. atunci funcţia compusă F(x) = f(u(x).. piaţa de mărfuri funcţionează conform legii cererii şi ofertei.6 Interpretări economice ale derivatelor parţiale Fie funcţia f : Rn → R care admite derivate parţiale de ordinul întâi. 4. xi ) = = f f ∂xi c) Se numeşte elasticitate a lui f în raport cu variabila xi expresia : x ∂f ( x1 .2. x n ) VM ( f .

dx ∂u dx ∂v dx Teorema 4.22: Dacă funcţiile u.v) definită pe Y ⊂ R2 are derivate parţiale continue pe Y. v = x + y.y) = f(x2 – y2. atunci funcţia compusă F(x. u = x2 – y2.2.24: F(x. 123 .2.y) = f(u(x.y).23 : F(x) = f(x2+3x. X ⊂ R2 au derivate continue pe X.2. x + y).b) şi că ordinea în care se derivează nu contează (derivatele mixte de acelaşi ordin sunt egale). v : X → R. v = cosx.8 Formula lui Taylor pentru funcţii de două variabile Se consideră funcţia f : A ⊂ R2 → R şi (a. ∂f ∂f dF ∂f du ∂f dv ⋅ + ⋅ = (2 x + 3) − sin x = F ' (x ) = ∂u ∂v dx ∂u dx ∂v dx Exemplul 4. ∂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. x ∈ R.b) un punct interior lui A. u = x2+3x. 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. Se presupune că f este diferenţiabilă de cel puţin n + 1 ori în (a. cosx).F ' (x ) = dF ∂f du ∂f dv = ⋅ + ⋅ . dacă funcţia f(u.v(x.y)) are derivate parţiale continue pe X.

F(0) = f(a.1) 124 . y ) = f (a. unde (a... + (n ) f ( a. 1] Pentru t = 0. y(t) = b + t(y – b) ⎛∂ ⎞ ∂ d F (t ) = ⎜ dx + dy ⎟ ⎜ ∂x ∂y ⎟ ⎝ ⎠ m (m ) f ( x(t ).. b + θ ( y − b )). unde x(t) = a + t(x – a).Fie funcţia : F(t) = f(a + t(x – a). b) + . b) + 1! ⎜ ∂x ∂y ⎟ ⎝ ⎠ ⎞ 1⎛ ∂ ∂ + ⎜ dx + dy ⎟ 2! ⎜ ∂x ∂y ⎟ ⎝ ⎠ ⎞ 1⎛ ∂ ∂ + ⎜ dx + dy ⎟ ⎜ ∂x n! ⎝ ∂y ⎟ ⎠ (2 ) f (a.y) ∈ A.y) în punctul (a.y). b + t(y – b) ). θ ∈ (0. b) + Rn (n +1) ⎞ ∂ 1 ⎛∂ ⎜ dx + dy ⎟ Rn = ⎜ ∂x ⎟ (n + 1)! ⎝ ∂y ⎠ f (a + θ ( x − a ). b) Formula lui Taylor pentru funcţia f(x.b). t ∈ [0.y(t)). y (t )) = f ( x(t ). F(1) = f(x. b) + ⎜ dx + dy ⎟ f (a.b) este : ⎞ 1⎛ ∂ ∂ f ( x. y (t ))dt m (m ) ⎛ ∂ ∂⎞ = ⎜ (x − a ) + ( y − b) ⎟ ⎜ ∂x ∂y ⎟ ⎝ ⎠ (m ) ⎛ ∂ ∂⎞ F (m ) (0 ) = ⎜ ( x − a ) + ( y − b ) ⎟ ⎜ ∂x ∂y ⎟ ⎝ ⎠ f ( a.. F(t) = f(x(t). (x. (n + 1)! Pentru calculul derivatelor F(m)(0) se foloseşte formula de derivare a funcţiilor compuse.b). + F ( n ) (0) + Rn 1! 2! n! 1 Rn = F (n +1) (c ). Se aplică funcţiei F(t) formula Mac Laurin pentru funcţiile de o variabilă : 1 1 1 F (1) = F (0 ) + F ' (0 ) + F ' ' (0 ) + . 0 < c < 1. iar pentru t = 1.

b ) = s f y'' (a. b) = ( x − a ) f x' + ( y − b ) f y' (a.2.26: Dacă funcţia f : A ⊂ R2 → R are un extrem local în (a.b) şi admite derivate parţiale pe o vecinătate a punctului (a. b ) = r f xy (a.2. atunci derivatele parţiale în acest punct sunt nule.b) un punct al lui A. Aceste puncte se numesc puncte de extrem local.b) (respectiv f(x.b) astfel încât oricare ar fi (x. adică f’x(a. b ) = t 2 2 ⎛x−a⎞ fie z = ⎜ ⎜ y −b⎟ ⎟ ⎝ ⎠ T2 = 1 ( y − b )2 z 2 r + 2 zs + t 2! [ ] 125 .2. Definiţia 4.b) =0. y ) − f (a.9 Extremele funcţiilor de două variabile Fie funcţia f : A ⊂ R2 → R şi (a.2.y) ≤ f(a.4.b).b)).b) =0 se numeşte punct staţionar. b ) + R3 2! Se studiază termenul al doilea care dă semnul diferenţei : 2 ⎡ ⎤ ⎛ x−a⎞ 1 2 ⎛ x−a⎞ T2 = ( y − b ) ⎢⎜ ⎟ r + 2⎜ ⎜ ⎟ ⎜ y − b ⎟s + t ⎥ ⎟ 2! ⎝ ⎠ ⎢⎝ y − b ⎠ ⎥ ⎣ ⎦ ( ) ( 2 2 ) '' unde f x'' (a.y) ≥ f(a.b) = f’y(a.b) = f’y(a. Teorema 4. Observaţie : reciproca nu este în general adevărată.y) din V are loc inegalitatea f(x.b) este un punct de maxim local (respectiv minim local) dacă există o vecinătate V a lui (a. b ) + 1! 1 2 2 '' + ( x − a ) f x'' + 2( x − a )( y − b ) f xy + ( y − b ) f y'' (a.25: Punctul (a.b) pentru care f’x(a. Definiţia 4. Nu toate punctele staţionare sunt puncte de extrem. Se consideră formula lui Taylor sub forma : 1 Δf = f ( x. Cele care nu sunt puncte de extrem se numesc puncte şa.27: Un punct (a.

..b). Dacă Δ = s2 – rt > 0 punctul (a..y) ≤ f(a..y) ≥ f(a.−1) f y' ( x...xn) – f(a1.a2. O condiţie necesară ca Δf = f(x1.10 Extreme pentru funcţii de mai multe variabile Fie funcţia f : A ⊂ Rn → R şi a = (a1.y) = x3 + y3 + 3xy f x' ( x..0): r = 0. În acest caz : Dacă r > 0. y ) = 3 x 2 + 3 y = 0 ⎫ ⎪ ⎬ ⇒ A(0. xn ) = f x' ( x1 ... 4.-1): r = . x2 . x2 .a2..b) este punct şa Dacă Δ = s2 – rt = 0 nu se poate trage nici o concluzie. iar r < 0. y ) = 6 x f xy ( x. punct de minim Dacă r < 0. x2 . xn ) = .0).6.an) să aibă semn constant este: f x' ( x1 . xn ) = 0 Semnul termenului de gradul II este dat de un şir de determinanţi extraşi din matricea lui Hesse sau matricea hessiană : 1 2 n 126 .x2.. B (−1. y ) = 6 y 2 2 Pentru punctul A(0.an) un punct interior al lui A. f(x..T2 are semn constant dacă Δ = s2 – rt < 0.2... . s = 3 şi t = 0. deci B este punct de maxim local. s = 3 şi t = ..... y ) = 3 y 2 + 3 x = 0⎪ ⎭ '' f x'' ( x.28 : Să se determine punctele de extrem ale funcţiei : f : R2 → R.. Exemplul 4. y ) = 3 f y'' ( x.b). = f x' ( x1 . punct de maxim.. ... Pentru punctul B(-1..6..2. f(x. deci A este punct şa. deci Δ = 9 > 0. f(x. deci Δ = 9 – 36 = 27 < 0.

... Atunci punctul staţionar este punct de minim.−1. .. Δ n fx x f x'' 2 1 1 2 2 1 2 2 n 1 n 2 f x'' x ⎞ ⎟ '' fx x ⎟ ⎟ . .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⎟ ⎝ ⎠ Δ1 = 2.. an ) = ⎜ . Δn calculaţi într-un punct staţionar sunt pozitivi... Δ2.. ⎜ f x'' x H (a1 . b) Semnele determinanţilor alternează. f y' = 2 y + 2. ⎜ . f z' = 2 z ⎧2x − 4 = 0 ⎪ ⎨2 y + 2 = 0 ⎪ 2z = 0 ⎩ 2 2 2 A(2.... Exemplul 4.29 : Să se determine punctele de extrem ale funcţiei : f(x.2. a2 ....y.. Δ 2 = '' .. ⎝ Se consideră minorii : f x'' f x'' x '' Δ1 = f x ..⎛ f x'' f x'' x . punctul considerat nu este de extrem.z) = x2 + y2 + z2 – 4x + 2y f x' = 2 x − 4. . ⎟ f x'' ⎟ ⎠ 1 n 2 n 2 n 2 1 2 1 1 2 = det (H ) 2 1 2 2 Se pot obţine cazurile : a) Toţi determinanţii Δ1.. ⎜ f x'' x f x'' x . ⎜ f x'' . Δ 2 = 4... Atunci punctul staţionar este punct de maxim. Δ 3 = 8 127 .. c) Dacă semnele determinanţilor nu respectă nici una dintre regulile de mai sus.. începând cu minus...

. datorate unor defecţiuni sau dereglări în procesul de măsurare.-1. obţinându-se şiruri de date care constituie informaţii asupra fenomenului în desfăşurarea sa concretă. atât accidentale. adică asupra tendinţei de desfăşurare a fenomenului studiat. depinzând de mai mulţi factori a căror influenţă determină modelarea sa matematică printr-o funcţie de mai multe variabile. 4. 4. astfel încât să se obţină diferenţe cât mai mici între valorile observate yi corespunzând valorilor xi şi valorile f(xi). xn yn Pentru a descrie cât mai fidel fenomenul cercetat. . valoarea minimă a funcţiei fiind f(2. datorate impreciziei măsurării.0) = . se caută o funcţie cât mai apropiată de valorile obţinute experimental şi care să furnizeze indicaţii asupra trendului.. Datele observate comportă de obicei erori. a formei analitice.. Scopul este de a determina funcţia f(x). Aceste date furnizează informaţia asupra legăturii ce există între variabilele independente ale fenomenului. ceea ce din punct de vedere matematic revine la găsirea dependenţei funcţionale. Evoluţia fenomenului luat în studiu este observată din punct de vedere practic.3. un fenomen economic este deosebit de complex.3 Ajustarea datelor numerice În general. 128 .Rezultă că punctul A(2.0) este punct de minim.-1..1 Problema Se cunosc datele numerice culese din activitatea practică: x y x1 y1 x2 y2 .5. cât şi sistematice.

2 Metoda centrelor de greutate Această metodă se aplică în cazul în care punctele se aşează aproximativ în linie dreaptă. respectiv B: 1 r 1 r x A = ∑ xi .3. n − r i = r +1 n − r i = r +1 Se scrie ecuaţia dreptei prin două puncte: x y 1 xA yA 1 = 0 xB y B 1 Funcţia căutată este f(x) = y. y A = ∑ yi . respectiv n – r puncte. r i =1 r i =1 n n 1 1 xB = xi . 129 .4. B A Se determină coordonatele centrului de greutate pentru clasa A. y B = ∑ ∑ yi . Se împart punctele în două clase A şi B ce conţin r.

Funcţia S este o funcţie de p variabile reale. a2.. b ) = ∑ (ax k + b − y k ) k =1 n 2 Rezultă sistemul: n ⎧ ∂S (a. a1 . .. Pentru determinarea punctelor de minim local se determină punctele staţionare din sistemul de ecuaţii: ∂S ∂S ∂S = 0.. ap).. y = ∑ y k n k =1 n k =1 Soluţia este: 130 .4. b ) = 2 ∑ (ax k + b − y k ) ⋅ x k = 0 ⎪ ∂a k =1 ⎨ ∂S (a.. dreapta de regresie. a p ) = ∑ [yk − f (xk ...3 Metoda celor mai mici pătrate Procedeul constă în determinarea parametrilor ai ai funcţiei y = f (x. iar f(x) = y = ax + b.. a1.3. b ) n ⎪ = 2 ∑ (ax k + b − y k ) = 0 ∂b ⎩ k =1 adică: 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 notează: x = ∑ x k . astfel încât următoarea sumă să fie minimă: S (a1 . = 0.... a2 . S (a. . =0 ∂a1 ∂a 2 ∂a p Se consideră wk = 1... a2 .. a p )] wk n 2 k =1 unde xk şi yk sunt valorile determinate experimental. iar wk sunt ponderi.

131 . b] inclus în R. xi < xi+1.. Se notează D[a.4. Definiţia 4. . 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.33 2 3 4. b]. 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 + . xi se numesc puncte de diviziune.a= k =1 n ∑ (x n k =1 k − x yk 2 ) ∑ (x k − x ) . xn = b.3. b= k =1 ∑ xk (yxk − x y k ) n k =1 ∑ (x k − x ) n 2 Exemplul 4.1 Integrala Riemann Fie intervalul [a.4.b] mulţimea tuturor diviziunilor intervalului [a. 46 x = 2. b] ..4 Integrale generalizate 4. b] un sistem finit de puncte D = (xo.1: Se numeşte diviziune a intervalului [a. unde xi sunt din [a. xn). f (4) = 26.. xo = a. x1.1: În ultimele trei luni.

4. ξ i ∈ [xi −1 . a b Observaţie: Integrala Riemann este definită pe un interval mărginit.4. ∞] → R integrabilă Riemann pe [c. b] → R.2 Integrale improprii Definiţia 4. diviziunii D şi punctelor intermediare ξ i : σ D ( f . i ∈ 1. n ∈ N *. ξ i ) = ∑ f (ξ i )( xi − xi −1 ) Definiţia 4..2: Fie f : [a.4. şirul sumelor Riemann σ D f . atunci această limită se numeşte b lim ∫ f ( x )dx = b→∞ ∫ f ( x )dx a b Observaţii: 132 .. b] → R.b ] .b] dacă oricare ar fi şirul de diviziuni ( ( Dn = x0n ) . d ] ⊂ [a. ξ in n este convergent la acelaşi număr ( ( n )) [ ] real I = ∫ f ( x )dx .4. iar funcţia care se integrează este de asemenea mărginită. ∞] şi pentru care există orice interval mărginit integrala improprie de speţa întâi a funcţiei f pe intervalul [a.3: Fie funcţia f : [a. xin . Se spune că f este integrabilă Riemann pe [a. Se numeşte suma Riemann asociată funcţiei f. x1(n ) . Dn → 0 şi oricare ar fi i =1 n ( n ) sistemul de puncte intermediare ξ in ∈ xin−1 ... ∞ ] şi se notează ∞ a b →∞ a lim ∫ f ( x )dx şi este finită. n puncte intermediare. k n . xi ]. x kn ) ∈ D[a . i = 1.Se numeşte norma diviziunii D: D = max( xi − xi −1 ) 1≤i ≤ n Fie f : [a.

1. a a x a x Definiţia 4. a > 0. Dacă limita este infinită. Dacă există şi este finită limita: lim ∫ f ( x )dx c →b a c 133 . dar mărginită şi integrabilă Riemann pe orice subinterval închis [a. ∞ ( ) 3) Cazul general: ∫ a) Pentru ∞ ∞ dx . Analog se poate defini integrala când intervalul este nemărginit la stânga. integrala improprie este divergentă.4. 2. α > 0. b ). Există integrale improprii convergente cu ambele limite infinite: ∫ f ( x )dx −∞ ∞ Exemple 4.5: Fie f : [a. α a x b α ≠1 b dx dx x −α +1 = lim lim ∫ α = b →∞ ∫ α = b →∞ −α +1 a a x a x ⎧ ∞ pt. 3. 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 lim lim lim ∫ = b → ∞ ∫ = b → ∞ln x a = b → ∞ ln = ∞ . c ] ⊂ [a. b b 1 1 I=∫ dx = lim ∫ dx = lim 2 x = lim 2 b − 2 = ∞ . 2) 1 b →∞ b →∞ b →∞ x x 1 1 divergentă. b ) → R nemărginită într-o vecinătate a lui b. α < 1 1 1 ⎞ ⎪ ⎛ 1 1 = − lim ⎜ ⎟=⎨ pt. b →∞ x b →∞ ⎝ x ⎠ 1 b →∞⎝ b ⎠ 1 x 1 convergentă.4.4: b b ∞ 1 1 ⎛ 1⎞ ⎛ 1 ⎞ 1) I = ∫ 2 dx = lim ∫ 2 dx = lim ⎜ − ⎟ = lim ⎜ − + 1⎟ = 1.

atunci această limită se numeşte integrala improprie de speţa a doua a funcţiei f pe intervalul [a. b] \ {c} → R b a ∫ f ( x )dx = ∫ f ( x )dx + ∫ f ( x )dx a c c b care este convergentă dacă ambele integrale improprii din membrul drept sunt convergente.7: Se numeşte funcţie Gamma. integrala se spune că este convergentă.4.4. b). funcţia definită pentru orice a > 0 prin relaţia: 134 . integrala se spune că este divergentă. Dacă limita este infinită.6: 1) Integrală improprie convergentă: 1 b dx dx b = lim ∫ = lim(arcsin x) 0 = ∫ 2 b →1 0 0 1− x 1 − x 2 b→1 b <1 = lim(arcsin b − arcsin 0) = arcsin 1 = b →1 π 2 2) Integrală improprie divergentă: 5 5 dx dx 5 = lim ∫ = limln( x − 2 ) a = ∫ a →2 x − 2 a →2 2 x−2 a>2 a a>2 = lim(ln 3 − ln(a − 2)) = ∞ a →2 a>2 4. Exemple 4.4. Observaţie: Dacă limita este finită. adică: f : [a. Punctul în care funcţia este nemărginită poate fi cel din stânga intervalului sau unul interior intervalului.3 Funcţia Gamma (integrala sau funcţia Euler de speţa a doua) Definiţia 4.

2) Dacă în proprietatea 5) se înlocuieşte a cu 1/2 rezultă integrala Euler-Poisson: ∞ 0 −t ∫ e dt = 2 π 2 de unde: ∫ e − x dx = π .9: I=∫ ∞ 0 3 x 2 e − x dx ⎛5⎞ 3 ⎛3⎞ 3 1 ⎛1⎞ 3 ⎛3 ⎞ π = Γ⎜ + 1⎟ = Γ⎜ ⎟ = Γ⎜ ⎟ = ⋅ Γ⎜ ⎟ = ⎝2⎠ 2 ⎝2⎠ 2 2 ⎝2⎠ 4 ⎝2 ⎠ 135 . integrala are singularitate şi la capătul din stânga.4. în vecinătatea lui 0 funcţia de sub integrală fiind nemărginită.8: Integrala improprie care defineşte funcţia Gamma este convergentă pentru orice a > 0. Dacă 0 < a < 1 . 2. 2 ∞ −∞ Exemple 4. Proprietăţi 1) Γ(1) = 1 2) Γ(a + 1) = aΓ(a ) 3) Γ(n + 1) = n! pentru n ∈ N 4) Γ(a ) ⋅ Γ(1 − a ) = ∞ 0 π sin aπ 2 5) Γ(a ) = 2 ∫ t 2 a −1e −t dt Aplicaţii: ⎛1⎞ 1) Γ⎜ ⎟ = π .Γ(a ) = ∫ x a −1e − x dx 0 ∞ Observaţii: 1.4. Dacă a ≥ 1. rezultă din proprietatea 4) dacă se înlocuieşte a ⎝ 2⎠ cu 1/2. Teorema 4. unde intervalul de integrare este infinit. funcţia Gamma are singularitate doar în dreapta.

b > 0 a + b −1 b −1 B(a. b ) pt. Proprietăţi: 1) B(a. b > 1 4) B(a. a ) a −1 B(a − 1.4. ∀a. b ) = a + b −1 (a − 1)(b − 1) B(a − 1. b > 1 3) B(a. x → ∞ ⇒ t → ∞ 4. Observaţii: Integrala ce defineşte funcţia Beta este improprie pentru a < 1 sau b < 1. În cazul în care este improprie se demonstrează că este convergentă.4 Funcţia Beta (integrala sau funcţia Euler de speţa întâi) Definiţia 4. funcţia defnită pentru orice a.4.10: Se numeşte funcţie Beta. b > 0 . a > 1. b > 0 prin relaţia: B(a. b ) = a+b−2 Γ(a )Γ(b ) 5) B(a. dx = dt x = 1 ⇒ t = 0.11: 136 . b − 1) pt. b ) = Exemplul 4. a > 0. b ) = B(b. a > 1. b ) = Γ(a + b ) 2) B(a.I = ∫ ( x − 1) e 1 ∞ 5 1− x dx = ∫ t 5 e −t dt = Γ(6 ) = 5!= 24 0 ∞ x − 1 = t . b ) = ∫ x a −1 (1 − x ) 0 1 b −1 dx. b − 1) pt.4.

x = 1 ⇒ t = 1 11 1 1 Γ(3)Γ(6 ) 1 2!⋅5! 1 5 I = ∫ t 2 (1 − t ) dt = B(3. 3x 2 dx = dt x = 0 ⇒ t = 0.6 ) = ⋅ = ⋅ = 30 3 3 Γ(9 ) 3 8! 504 137 .I = ∫ x 8 1 − x 3 dx 0 1 ( ) 5 x 3 = t .

Capitolul 5 Elemente de teoria grafurilor Teoria grafurilor este o ramură relativ nouă a matematicii care oferă soluţii într-o gamă largă de probleme cu caracter economic.1. (x1. în 1736. tehnică de calcul. (x2. de străzi. (x1.2: N = {x1. x6. într-o lucrare numită problema podurilor din Königsberg. Prima referire la teoria grafurilor a fost făcută de matematicianul elveţian Euler. x6).1: Prin graf se înţelege un cuplu format din două mulţimi: N – mulţimea nodurilor sau vârfurilor şi L – mulţimea liniilor sau muchiilor. Exemplul 5.1 Definiţii Definiţia 5. graful se numeşte graf orientat. apoi Kirchoff. x4. cum ar fi: proiectarea reţelelor electrice. medicină. Dacă perechile din L sunt ordonate. (x6.1. (x4. L). apă. x1). Se notează G(N. x5)} 138 . x2. x7} L = {(x1. (x3. x4). În 1956 Ford şi Fulkerson aplică teoria grafurilor în reţelele de transport. x5. x2). în 1847 abordează teoria reţelelor electrice prin metoda grafurilor. gaz. teoria grafurilor s-a constituit ca un instrument puternic de rezolvare a unor probleme concrete. x3). (x5. 5. x6). (x2. x3. iar perechile de vârfuri se numesc arce. x5). După această perioadă. care sunt perechi de vârfuri. x3).

G(N. Se notează ca succesiune a vârfurilor sale.un nod se numeşte grad exterior. Se numeşte ciclu un lanţ care are capetele unite. Un nod se numeşte sursă dacă grint = 0 şi grext > 0. Se numeşte circuit un drum elementar ale cărui capete coincid. iar numărul arcelor ce intră într-un nod se numeşte grad interior.1. Un nod se numeşte de ieşire dacă grint > 0 şi grext = 0. Un drum (circuit) care trece o singură dată prin fiecare vârf al grafului se numeşte drum (circuit) hamiltonian. Un nod izolat este un nod pentru care grint = grext = 0.3 : Se numeşte drum într-un graf orientat o succesiune de arce în care vârful terminal al fiecărui arc coincide cu vârful iniţial al arcului următor. Se numeşte lanţ într-un graf o succesiune de muchii (sau arce) în care oricare două muchii (sau arce) vecine au un vârf comun. Un drum se numeşte elementar dacă nu trece de două ori prin acelaşi vârf. reciproca nu e adevărată. Un drum este un lanţ. L) se poate reprezenta printr-o imagine grafică: x1 x2 x7 x6 x4 x3 x5 Numărul de arce ce pleacă dintr. 139 . Definiţii 5.

prin eliminarea vârfurilor x3 şi x7. Dacă fiecare pereche din G este tare conexă.4 : Un graf este conex dacă între oricare două vârfuri ale sale există cel puţin un lanţ.5 : (Ordine de conexiune) Vârfurile xi şi xj se numesc semi-tare conexe dacă există un drum care leagă pe xi de xj. În exemplul 5. 140 .1.7 : Se numeşte graf parţial al unui graf G. graful care se obţine prin eleminarea unor arce.1. graful care se obţine din acesta prin eliminarea unor vârfuri împreună cu toate arcele adiacente lor.1.1.2. se obţine următorul subgraf: x1 x2 x6 x4 x5 Definiţia 5.Definiţia 5. Definiţia 5.6: Se numeşte subgraf al unui graf G. spunem că graful G este semi-tare conex şi că are ordinul doi de conexiune.1. spunem că graful G este tare conex şi că are ordinul trei de conexiune. Dacă fiecare pereche din G este semi-tare conexă. Vârfurile xi şi xj se numesc tare conexe dacă există un drum care leagă pe xi de xj şi un drum care leagă pe xj de xi. Definiţii 5.

2. unde n este numărul vârfurilor grafului.8 : Distanţa dintre două vârfuri ale unui graf este lungimea celui mai scurt lanţ care le uneşte.1.1. Elementele sunt definite astfel : 141 .1 Matricea legăturilor (matricea conexiunilor. în ordinea în care apar în mulţimea L. 5.2 Matricea de incidenţă Matricea de incidenţă este o matrice cu n linii (numărul vârfurilor) şi m coloane (numărul arcelor).2. 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 5.2. notate cu uj.Definiţia 5.2 Matrice asociate unui graf 5. matricea booleană) Matricea legăturilor este o matrice pătratică de ordin n. 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.

3 Matricea lungimilor Dacă arcelor li se atribuie câte o valoare.1: Numărul de vârfuri care pot fi atinse plecând din vârful xi se numeşte puterea de atingere a lui xi. care se obţine din matricea legăturilor prin înlocuirea valorilor 1 cu lungimea arcelor corespunzătoare.2. 142 . 5.1.2. graful se numeşte capacitat şi se defineşte matricea lungimilor.⎧ + 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 5.4 Matricea drumurilor Matricea drumurilor D sau matricea conexă terminală 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 găsesc în matricea conexiunilor se notează 1*. matricea de incidenţă 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 5.2.2. Definiţia 5.

. 2) Se presupune că au mai apărut şi alte elemente nenule pe prima linie : c1p. C. b) Nu se mai pot genera elemente 1 noi prin operaţiile descrise. . 3) Se repetă pasul 2) până se obţine una dintre situaţiile : a) Prima linie conţine numai elemente 1 în afară eventual de poziţia de pe diagonala principală.. r la prima linie... Se adună boolean în continuare şi liniile p. 1} respectă regulile: + 0 1 0 0 1 1 1 1 ⋅ 0 1 0 0 0 1 0 1 5. . Chen pentru construirea matricei drumurilor (terminală) 1) Fie matricea C a conexiunilor.. c1r... m la prima linie. c1j.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 .. Fie elementele nenule de pe prima linie : c1i. c1q. 4) Se repetă procedeul de mai sus pentru fiecare linie din C. Exemplul 5.5 Algoritmul lui Y.Operaţiile de adunare (sau) şi înmulţire (şi) booleană pe mulţimea {0. ... q. j.2. .. Se adună boolean liniile i.2.. c1m.

deci se adună şi 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 . 3 şi 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. x3 şi x5.x4 x5 0 0 1 0 0 0 0 0 0 0 Pe linia 1 există elemente nenule pe coloanele lui x2. Se adună boolean liniile 2.

Se adună 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. la care se adună linia 2: 145 . deci se adună 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 apărut un element 1 nou pe coloana 5. Se continuă cu linia 4. dar linia 5 are numai zerouri. nu apare nici o schimbare. deci se adună boolean linia 5 la linia 2.Nu mai apare alt element nou 1. Linia 5 fiind de zerouri. deci se continuă cu linia 3. Elementul nenul este pe coloana 5. deci se continuă cu linia 2.

deci algoritmul s-a încheiat.A. dar linia 5 este de zerouri. Se marchează cu asterisc elementele 1 din matricea C.2. Se completează 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. 4 1 3 2 0 5. Pe linia 5 nu avem elemente egale cu 1.6 Matricea terminală triangularizată superior TTS 146 .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 apărut un 1 pe coloana 5.

se pot aranja toate elementele 1 deasupra diagonalei principale.Dacă graful este fără circuite.A. 2) Se ordonează liniile în ordinea descrescătoare a puterilor. 4 1 3 2 0 Se ordonează liniile în ordinea descrescătoare a puterilor de atingere: C x1 x3 x1 0 0 x2 1* 1 x3 1* 0 x4 1 1* x5 1* 1 P. 4 3 147 .A. Exemplul 5.3: 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. formă numită triangularizată superior. 3) Se ordonează coloanele în aceeaşi ordine şi se obţine matricea terminală triangularizată superior. Procedeu de triangularizare 1) Se scrie puterea de atingere a fiecărui vârf.2.

4 3 2 1 0 5.x4 x2 x5 0 0 0 1* 0 0 0 0 0 0 0 0 1 1* 0 2 1 0 Se ordonează coloanele în aceeaşi ordine şi se obţine matricea terminală triangularizată 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.1 Drumuri hamiltoniene în grafuri orientate şi fără circuite 148 . 5.3.3 Drumuri hamiltoniene în grafuri Drumurile hamiltoniene sunt modele matematice utile în procesele tehnologice în care un produs trebuie să treacă prin diverse operaţii parcurse toate o singură dată.

Se verifică condiţiile : a) graful să fie fără circuite : pe diagonala principală matricea terminală să nu aibă 1. iar arcele reprezintă relaţiile dintre acestea.2. P5. Se construieşte matricea conexiunilor.3.2: Prelucrarea unui produs necesită 5 operaţii P1. c) după P3 poate urma numai P4 . P4.1: În orice graf orientat şi fără circuite cu n vârfuri există drum hamiltonian dacă şi numai dacă numărul elementelor n(n − 1) . 149 . 2 4.Teorema 5. Dacă a) şi b) sunt îndeplinite. b) să conţină drum hamiltonian : suma puterilor de atingere să fie n(n − 1) . Verificarea condiţiilor : a) Pe diagonala principală nu există 1. b) după P2 poate urma P3 sau P5. pentru care sa dedus matricea terminală. Exemplul 5. d) după P4 poate urma numai P2 . Problema se modelează printr-un graf care are 5 vârfuri. deci graful nu are circuite. nenule ale matricei terminale este 2 Algoritmul practic de determinare a drumului hamiltonian 1. care îndeplinesc următoarele condiţii: a) după P1 poate urma P2. Se formează matricea drumurilor (terminală). 3. P3 sau P5. 2. Matricea de conexiune este cea din exemplul 5.1.3. se aranjează vârfurile în ordinea descrescătoare a puterilor de atingere şi succesiunea lor dă drumul hamiltonian. e) P5 este ultima operaţie. P2. P3.

P5. Corijarea grafului se face prin înlocuirea elementelor 0 din matricea terminală triangularizată superior care sunt situate pe prima paralelă la diagonala principală care conţine elemente nule. P3. adică adăugarea unui număr minim de arce astfel încât să apară drumul hamiltonian. P4. Drumul hamiltonian este : dH : P1. Se scrie matricea conexiunilor C care se adună cu matricea unitate I de acelaşi ordin cu ea.3.b) Suma puterilor de atingere este 10 = (5x4)/2. 2 În aplicaţii este important ca drumul hamiltonian să existe şi atunci se procedează la corijarea minimală a grafului. 150 . Corijarea realizată astfel este minimală. Se scriu toate drumurile hamiltoniene parţiale din fiecare clasă care se asamblează în ordinea claselor. 2. P2. Algoritmul lui Foulkes Graful se descompune în subgrafuri tare conexe. Etapele algoritmului 1. aşezate într-o anumită succesiune.2 Drum hamiltonian într-o reţea oarecare. 5. deci există drum hamiltonian. atunci nu există drum hamiltonian. Se calculează (C+I)n până când două puteri succesive sunt egale. ceea ce se realizează prin gruparea vârfurilor într-o mulţime ordonată de clase de echivalenţă. Corijarea grafului Dacă în graf suma puterilor de atingere ale celor n vârfuri este n(n − 1) mai mică decât .

Vârfurile care au în această matrice pe linii numai 1. iar cu matricea rămasă se procedează la fel pentru aflarea următoarei clase. Astfel toate vârfurile vor fi repartizate în clase.3. b) Se trasează toate arcele care leagă clasele consecutive. 4. 5. Se reconstruieşte un graf parţial al grafului dat astfel : a) Fiecare clasă dă naştere unui subgraf tare conex. se grupează în prima clasă de echivalenţă.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 .3. după care se asamblează între ele. 6. Se elimină din matricea (C+I)n liniile şi coloanele corespunzătoare acestor vârfuri. iar coloanele corespunzătoare lor numai 0 cu excepţia intersecţiilor. Se află drumurile hamiltoniene din fiecare clasă. numai în sensul obţinerii lor. Exemplul 5.

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 calculează (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 calculează (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 .

x3} dH2 = {x1. Se determină drumurile hamiltoniene: dH1 = {x1. x5} care înseamnă două ordini posibile ale operaţiilor tehnologice în problema propusă. x3.x5 x6 0 0 0 0 1 1 0 0 1 1 1 1 Se observă că (C + I)8 = (C + I)4. Matricea rămasă 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 elimină x4. x4. x2} formează prima componentă tare conexă a grafului. Justificarea algoritmului Împărţirea vârfurilor în clase de echivalenţă se face pe baza următoarei definiţii: 153 . x2. Se suprimă liniile şi coloanele 1 şi 2. x4. deci ultima clasă este {x3. x6. deci vârfurile {x1. x6. x5. x5. deci următoarea clasă este formată din {x4} Rămâne o matrice care are toate liniile 1. x2. x6}.

Când se obţine egalitatea (C + I)k = (C + I)k+1. Elementele egale cu 1 din matricea (C + I)2 reprezintă existenţa drumurilor de cel mult două arce între vârfurile respective ale grafului. unde adunarea şi înmulţirea sunt booleene. Analog. . obţinând succesiv puterile (C + I)2.Definiţia 5. Observaţie: Vârfurile a două clase de echivalenţă distincte nu pot fi legate decât prin drumuri sau arce orientate într-un singur sens. bij este k =1 n egal cu 1 dacă şi numai dacă există cel puţin un întreg k astfel încât aik = akj = 1 . (C + I)4.1 Drum critic (rută maximă) în grafuri fără circuite 154 . (C + I)8. Procesul se opreşte când două matrice succesive din şir sunt egale. În matricea (C + I)k ce conţine toate posibilităţile de drumuri dintre vârfurile grafului. Un element arbitrar din matricea (C + I)2 este de forma bij = ∑ aik akj .4. 5. etc.. apoi pătratul ei la pătrat.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. Aceste vârfuri fac parte din prima clasă de echivalenţă... ceea ce înseamnă că de la vârfurile corespunzătoare lor se poate ajunge la toate celelalte vârfuri ale grafului.4 Drum optim 5. etc. elementele egale cu 1 din matricea (C + I)3 reprezintă existenţa drumurilor de cel mult 3 arce. există linii ce conţin numai elemente egale cu 1. care vor depăşi curând forma (C + I)k de la care toate puterile sunt egale.3. Pentru simplificarea calculelor se va ridica matricea (C + I) la pătrat. matricea obţinută indică toate posibilităţile de drumuri între diferitele vârfuri ale grafului. altfel are valoarea 0.

. Vârfurile reprezintă punctele de racordare a două activităţi. xip-1.Fie G = (N. .. 5. 5.j valorile arcelor care compun drumul d..4. cip-1. .j.i1. Pentru găsirea drumului critic şi a valorii sale. iar durata activităţii reprezintă capacitatea arcului.costuri sau timpi într-o reţea de transport. xj). Lungimea lui d este: V(d) = ci. Se cere timpul necesar terminării întregii lucrări care corespunde cu lungimea drumului maxim în modelul matematic şi drumul critic corespunzător care realizează acest maxim. În practică se poate cere cel mai scurt sau cel mai lung drum între vârfuri (problema drumului minim sau problema drumului maxim). xj) un drum format din p arce între xi şi xj. Activităţile corespunzătoare arcelor care ies din vârful xi pot începe abia după ce a trecut timpul corespunzător celui mai lung drum de la xo la xi.4. . Fie d = (xi. iar ci.distanţe directe între puncte (localităţi). imaginea unui proces tehnologic sau economic.+ cip-1. ..i1 + ci1. L) un graf orientat cu n vârfuri şi c : L → R o funcţie care asociază fiecărui arc din L o valoare reală.i2..timpi de execuţie a unor faze dintr-un proiect... În cazurile reale. xi1. se va calcula matricea DM care conţine distanţele cele mai mari dintre două vârfuri ale grafului. ci1. xi2.3 Algoritm pentru aflarea matricei DM a distanţelor maximale 155 . Fiecărei activităţi i se asociază un arc al grafului.i2+ .2 Modelul matematic Se dă un graf. Se notează cu cij = c(xi. această valuare a arcelor poate însemna: ..

x2. Pentru găsirea vârfurilor drumului critic se aleg indicii k pentru care este îndeplinită relaţia dik + dkj = dij. unde N = {x1.1 Fie graful G(N. 4) Următoarelor elemente nenule de pe linie li se aplică aceleaşi operaţii. x3. x1)}. Se cere matricea drumurilor maximale DM şi intervalul maxim de timp între x3 şi x1 şi drumul critic corespunzător. 3) Se consideră prima linie din C1 şi fie clj primul element nenul. x4). x2). cu costurile: c21 = 5. c51 = 1.L). 6) În C2 se înlocuiesc zerourile cu ∞ (cu excepţia celor de pe diagonala principală) şi se obţine matricea DM = ||dij|| a distanţelor maximale.1) Se construieşte matricea terminală care se triangulează superior şi se obţine matricea TTS. c42 = 4. 2) În matricea C a capacităţilor arcelor (lungimilor) se aranjează liniile şi coloanele ca în matricea TTS şi se obţine matricea C1 = ||cij||.4. x4. Matricea legăturilor este următoarea: C0 x1 x2 x1 0 1 x2 0 0 x3 0 0 x4 0 0 x5 0 1 156 . c34 = 2. Dacă clj + cjk > clk. x1). Se adună clj cu fiecare element nenul din linia j. x1). (x3. Exemplul 5. obţinându-se o matrice C2. (x2. c32 = 1. dar pentru linia respectivă modificată. obţinându-se sume de forma clj + cjk. c25 = 3. în locul lui clk se trece suma. (x4. (x3. c31 = 10. x5} L = {(x2. altfel rămâne clk. (x3. 5) Operaţiile de la etapele 3) şi 4) se efectuează pentru fiecare linie a matricei C1. x5). (x5. x2).

x3 x4 x5 1 0 1 1 1 0 0 0 0 1 0 0 0 0 0 Se construieşte matricea terminală triangularizată 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 capacităţilor: 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 .

x4. x1.5 Fluxul în reţea Multe probleme din practica economică cer repartizarea unui anumit flux în scopul maximizării sau minimizării lui pe o reţea dată. x2. 160 . 5.x2 x5 x1 0 0 0 0 0 0 0 0 0 3 0 0 5 1 0 Matricea distanţelor 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 între x3 şi x1 este d31 = 11 Pentru aflarea drumului critic se calculează sumele d3k + dk1: d34 + d41 = 2 + 9 = 11 d32 + d21 = 6 + 5 = 11 d35 + d51 = 9 + 1 = 10. x4 şi x2 aparţin drumului critic Drumul critic este: x3.

astfel de grafuri pot fi: Noduri intersecţii aeroporturi staţii de pompare puncte de control noduri de reţea Muchii şosele linii aeriene ţevi linii telefonice linii de date Flux vehicule avioane fluid mesaje informaţii Se notează: X o mulţime finită de noduri. Fiecărui arc îi este asociată capacitatea maximă ce poate fi transportată pe arcul respectiv.. am) atunci ckm = 0. O pereche ordonată de noduri (ai. 161 .5. n + 1 (2) k =0 ∑ xki = ∑ xij j =1 n n +1 i = 1.. În activitatea practică. Relaţia (2) înseamnă că mărimea cantităţii de materie care pleacă dintr-un vârf este egală cu cea care intră în acel vârf. aj) este un arc. Fie o reţea cu n+2 noduri: ao. j = 0.O reţea este un graf pe arcele căruia poate circula un flux de un anumit produs. Din (2) rezultă că mărimea totală a cantităţii de materie care pleacă din ao este egală cu cea care vine în an+1: (3) n +1 j=1 ∑ x 0j = ∑ xi . Relaţia (1) semnifică faptul că fluxul care trece printr-un arc nu poate depăşi capacitatea acestuia. Dacă nu există arcul (ak. an. a1.1: Cantităţile xij de materie ce trec prin arcele reţelei la un moment dat şi care satisfac condiţiile: (1) 0 ≤ xij ≤ cij i. .. an+1. aj).n +1 = Z i =0 n Forma liniară Z se numeşte fluxul total din reţea. Definiţia 5. n definesc un flux ce străbate reţeaua. cij este capacitatea arcului (ai.

Definiţii 5.5. n + 1 care verifică relaţiile (1) şi (2) şi care maximizează forma liniară (3). care arată dacă fluxul complet găsit este maxim sau nu. c) Dacă un vârf aj a fost marcat.2: Arcul (ai. După marcare se poate obţine una dintre situaţiile : 1) vârful an nu a fost marcat. aj) se numeşte saturat dacă xij = cij.Problema: Se caută fluxul maxim în reţea. În situaţia 2) se trece la modificarea fluxului pe drumul marcat: 162 . ak) este nesaturat şi orientat în semnsul de la aj la ak şi se marchează cu (-j) dacă arcul (ak. j = 0. deci fluxul complet găsit e maxim . acesta conţine cel puţin un arc saturat. ai) nu este saturat .1 Algoritmul lui Ford-Foulkerson (procedeul marcării) Fie reţeaua G = (X. L) care conţine n+1 vârfuri. 2) vârful an a fost marcat. b) Se marchează cu (+0) vârful ai dacă arcul (ao. aj) este nesaturat şi orientat de la ak la aj. Un flux {xij} se numeşte complet dacă oricare ar fi drumul de la ao la an. ( ) 5. 2) Se caută un flux complet. deci fluxul complet găsit nu e maxim. Operaţia de marcare se face astfel : a) Se marchează cu (+) vârful ao .5. adică găsirea cantităţilor * xij i. Etapele algoritmului 1) Se construieşte un flux iniţial arbitrar {xij} unde xij verifică condiţiile (1) şi (2). 3) După aceste etape urmează o operaţie de marcare a vârfurilor reţelei. vârful ak legat printr-un arc de aj se marchează cu (+j) dacă arcul (aj.

obţinându-se un nou flux în care 163 . a6). a7}. se obţine faptul că destinaţia a7 poate fi etichetată pe lanţul V = {a0. a7}. a5. a7) este (a5. (a5. b) Se scade o unitate din fluxurile arcelor notate cu (-) şi noul flux ( 0 va fi : xij1) = xij − 1 . a7) şi se va micşora tot cu o unitate pe arcul (a5. fluxul găsit este maxim. deci arcul anterior lui (a4. a2). a2. Exemplul 5. V – = (a5. a6. deci următorul arc este (a2. Vârful a5 are eticheta -6. deci ultimul arc este (a0. a4). a6). vârful a4 are eticheta +5. a4).3 : Fie reţeaua de transport cu fluxul marcat în figura următoare : Aplicând procesul de marcare. (a2. c) Fluxurile ce nu aparţin drumului marcat rămân neschimbate. vârful a6 are marcajul +2. a6). deci ultimul arc al lanţului este (a4. (a4. a4. iar vârful a2 are marcajul +0. a6). Se măreşte fluxul cu câte o unitate pe arcele (a0. a2. Pentru fiecare arc a cărui extremitate finală a fost marcată cu (+) se obţine un ( 0 nou flux : xij1) = xij + 1 .5. deci următorul arc este (a5. Se observă că a7 are eticheta +4. se deduce V = {a0. a6. a6). Procedeul de marcare continuă atâta timp cât vârful an mai poate fi marcat. a7). În caz contrar. Scriind arcele în ordinea inversă găsirii lor. a2).a) Se adaugă o unitate la fluxurile marcate cu (+).

164 .destinaţia nu mai poate fi marcată pentru că orice lanţ între a0 şi a7 conţine cel puţin un arc saturat.

teoria jocurilor. depinzând de mulţi factori care la rândul lor sunt aleatori. XVII. Dezvoltarea ulterioară a teoriei probabilităţilor este legată de nume sonore în ştiinţă. În ţara noastră domeniul teoriei probabilităţilor are vechi tradiţii şi numeroşi matematicieni de certă valoare au avut remarcabile contribuţii: Octav Onicescu. Pascal şi P. Poisson. Teoria probabilităţilor ca model matematic este esenţială în studiul economiei. Cu ajutorul acesteia se fundamentează modele matematice pentru statistica matematică. programarea stohastică. Gauss. Cavalerul de Méré i se adresează lui Pascal pentru rezolvarea unor probleme legate de jocuri. în biologie.Capitolul 6 Elemente de teoria probabilităţilor În economie şi sociologie. 165 . Cebâşev. Studiul matematic al fenomenelor aleatoare începe în sec. cu scopul de a calcula şansele de câştig la jocurile de noroc. Kolmogorov. Aceşti matematicieni au prevăzut rolul pe care îl va avea ştiinţa care se ocupă de stabilirea regulilor privind evenimentele aleatoare. Hincin. Fermat. care au rămas pentru multă vreme sursa şi stimulentul acestor cercetări. Markov. Huygens dă şi el o soluţie la aceste probleme. acesta i le rezolvă şi îi comunică şi lui Fermat problemele studiate. ca de exemplu: Moivre. teoria firelor de aşteptare. al ştiinţelor sociale. Mai târziu C. Începuturile teoriei probabilităţilor sunt legate de numele matematicienilor B. Laplace. numeroase fenomene sunt întâmplătoare. se petrec în mod aleatoriu.

3. T.1: Fie E aruncarea zarului. 4. 2. 6}.1 Câmp de evenimente 6. 5. se numeşte eveniment o submulţime a mulţimii Ω. Rezultatele respective se numesc probe. iar mulţimea probelor este {1. Un eveniment realizat de oricare probă a experienţei se numeşte eveniment sigur (Ω).Gheorghe Mihoc. Un eveniment A este realizat când proba face parte din submulţimea A. Un eveniment pe care nu îl realizează nici o probă este evenimentul imposibil (Φ). Mulţimea probelor este: Ω = {1. 6}. 2. 3.1 Experienţă. eveniment Experienţă înseamnă producerea unui fenomen în condiţii ce permit urmărirea rezultatelor sale şi care au un caracter întâmplător (aleator). sau B = apariţia unui număr impar sunt evenimente. numărul de puncte de pe suprafaţa superioară este proba. 4.1. 2. 6. C. Ionescu Tulcea. aruncarea unui zar constituie experienţa. Atunci A = {1. Exemplul 6. Marius Iosifescu. Fiind dată o experienţă E şi Ω mulţimea probelor sale. 3}. fiecărei experienţe asociindu-i-se mulţimea probelor sale. Evenimentul {2} este un eveniment elementar. 166 . 5. George Ciucu. Ioan Cuculescu. Se numeşte eveniment elementar o submulţime a lui Ω care conţine numai un element. probă. De exemplu.1.

Diferenţa simetrică: A Δ B este evenimentul care apare dacă şi numai dacă apare numai unul dintre evenimentele A sau B: AΔB = ( A \ B ) ∪ (B \ A) Evenimentul contrar lui A. Reuniunea: Evenimentul A ∪ B se realizează dacă se realizează cel puţin unul dintre evenimentele A. adică A ∩ B = Φ.3 Definiţii ale noţiunii de probabilitate Definiţia clasică (indusă de frecvenţa relativă) Definiţia 6. notată P(A) este: P ( A) = k nr. cazuri posibile Exemplul 6.1. Implicaţia (incluziunea) A → B sau A ⊂ B dacă realizarea lui A asigură şi realizarea lui B. 6.1. Evenimente incompatibile sunt acelea care nu se pot realiza simultan.3: Să se determine probabilitatea ca la aruncarea a două zaruri să se obţină o dublă. Diferenţa: Evenimentul A\B apare când se realizează A şi nu se realizează B.2: Fie E un experiment format din n evenimente elementare şi evenimentul A compus din k evenimente elementare. cazuri favorabile = n nr. Ā se realizează atunci când A nu se realizează. Probabilitatea evenimentului A.1. Număr cazuri posibile: 36 167 .6. Intersecţia: Evenimentul A ∩ B se realizează atunci când se realizează simultan A şi B.1. B.2 Operaţii cu evenimente Fie E o experienţă şi evenimentele A şi B.

P (A) = 1 − P( A) 2.1.4: O submulţime K ⊂ P(Ω ) nevidă se numeşte corp sau câmp de evenimente dacă verifică următoarele axiome: 1. B ∈ K ⇒ A ∪ B ∈ K Proprietăţi 1.1. Daca A. ∀A ∈ K 2. Se numeşte probabilitate relativă la acest câmp o aplicaţie P : K → R care verifică axiomele: 1. A ⊂ B ⇒ P ( A ) ≤ P ( B ) 5. A. P( A) ≥ 0.5: Fie ( Ω. P (Φ ) = 0 4. Ω. Definiţia 6. B ∈ K . A ∩ B = Φ ⇒ P( A ∪ B ) = P( A) + P(B ) 6. B ∈ K ⇒ A ∩ B ∈ K Definiţia axiomatică a probabilităţii Definiţia 6. A ∩ B = Φ ⇒ P ( A ∪ B ) = P ( A) + P ( B ) 168 . Φ ∈ K 2. Proprietăţi ale probabilităţii 1.Număr cazuri favorabile: 6 P(A) = 6 / 36 = 1 / 6. A ⊂ B ⇒ P(B \ A) = P(B ) − P( A) Fie Ω evenimentul sigur ataşat unui experiment şi P(Ω) mulţimea părţilor acestuia. A. 0 ≤ P ( A) ≤ 1 3. P(Ω ) = 1 3. P (Ω) = 1. Daca A ∈ K ⇒ A ∈ K 2. K) un câmp finit de evenimente.

3} ⊂ Ω1 = {1. 5.4).1.7: Se aruncă succesiv două zaruri. P(A|B). K) un câmp de evenimente şi B ∈ K cu P(B) > 0. 6} B = {(2. P( A ∪ B ) = P( A) + P(B ) − P( A ∩ B ) Probabilităţi condiţionate Definiţia 6.6: Fie ( Ω.5). A ⊂ B ⇒ P ( A ) ≤ P ( B ) 5. 4. P(B \ A) = P( A) − P( A ∩ B ) 4. P(Φ ) = 0 2. P(B ) Exemplul 6. Să se calculeze P(A). ∀A ∈ K .(3.(6.6).(5. 2. Se consideră evenimentele: A – evenimentul ca pe primul zar să se obţină cel mult 3 puncte B – evenimentul ca suma cifrelor obţinute pe cele două zaruri să fie 8.(4. P(A ∩ B) A = {1. P ( A ) = 1 − P ( A ) 3. P(B).2)} ⊂ Ω = Ω1 × Ω1 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 .2.Proprietăţi 1. 3.3). P(B|A). P( A) ≤ 1 6.1. Se numeşte probabilitate a evenimentului A condiţionată de evenimentul B numărul real notat P( A / B ) = P( A ∩ B ) .

Se aruncă un zar.. A ∈ K .8: Se consideră două urne având compoziţiile U1(6a.1. În aceste condiţii are loc relaţia: P( Ai / A) = P( Ai ) ⋅ P( A / Ai ) k =1 ∑ P( Ak )P( A / Ak ) n . i =1 U Ai = Ω n atunci pentru orice eveniment A ∈ K avem: P( A) = ∑ P( Ai ) ⋅ P( A / Ai ) i =1 n Exemplul 6. P( A) > 0.6.evenimentul ca bila să fie albă. n. n} 1 Exemplul 6. i ∈ { .1. B .2)..9: 170 . Care este probabilitatea de a obţine o bilă albă? Se notează: Ai . Dacă se obţine număr impar se extrage o bilă din prima urnă.2. 10n). 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.evenimentul ca bila să fie extrasă din urna i (i = 1.4 Formula probabilităţii totale Fie evenimentele Ai ∈ K care formează un sistem complet de evenimente (desfacere a evenimentului sigur) adică: Ai ∩ A j = Φ. iar dacă se obţine număr par se extrage o bilă din a doua urnă.1. 4n) şi U2(5a...

2.02.5 ⋅ 0. 30%.02 4 = 0.03 9 = 0. respectiv 20%. respectiv 2%.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 Definiţia 6.5 ⋅ 0.2 ⋅ 0.3 ⋅ 0. 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. Cele trei întreprinderi dau rebuturi 1%.02 18 0.3 ⋅ 0. 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.3 ⋅ 0.01 + 0. Probabilitatea ca un rebut să provină de la furnizorul 1. P(X/A3) = 0.3 ⋅ 0.02 18 0.10: Spunem că evenimentele A şi B sunt independente dacă P(A/B) = P(A) sau P(B/A) = P(B).Trei întreprinderi trimit acelaşi tip de produse la un magazin.2 ⋅ 0.1.3. Produse în valoare de 3600 lei sau dovedit rebuturi.5 ⋅ 0. Proprietăţi: Condiţia necesară şi suficientă ca două evenimente A şi B să fie independente este ca P ( A ∩ B ) = P ( A) ⋅ P ( B ) 171 .01 + 0. în proporţie de 50%. P(X/A1) = 0. 2. P(A1) = 0. P(A2) = 0. P(X/A2) = 0.5 ⋅ 0.03 + 0. P(A3) = 0.03 + 0. 3%.2 ⋅ 0.2 ⋅ 0.01.01 + 0.5.01 5 = 0.03.03 + 0.

Din fiecare urnă este extrasă câte o bilă.Exemplul 6. 10n). A2 evenimentul obţinerii unei bile albe din a doua urnă.11: Se consideră două urne având compoziţiile U1(6a. 3 1 P( A1 ) = . 4n) şi U2(5a. A1 şi A2 sunt evenimente independente. Evenimentele contrare înseamnă obţinerea de bile negre. 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? Fie A1 evenimentul obţinerii unei bile albe din prima urnă. P( A2 ) = 5 3 a) Pentru a obţine două bile albe: 3 1 1 P( A1 ∩ A2 ) = P( A1 ) ⋅ P( A2 ) = ⋅ = 5 3 5 b) Se calculează probabilitatea evenimentului contrar. de a obţine două 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 obţine două bile de aceeaşi culoare: P( AC ) = P( A1 ∩ A2 ) + P (A1 ∩ A2 ) = 1 4 7 = + = 5 15 15 172 .1.

Se cere calcularea probabilităţii ca din cele n repetări ale experimentului. albe şi negre. punând de fiecare dată bila înapoi.6. k să fie albe. evenimentul precizat să apară de k ori. Se extrag n bile. Se cere probabilitatea ca din cele n bile extrase.3 ) = 3!⋅7! 210 ⎝2⎠ ⎝2⎠ 10 ⋅ 9 ⋅ 8 1 120 15 ⋅ = = 3 ⋅ 2 1024 1024 128 3 ⎛1⎞ C10 ⎜ ⎟ 3 10 − 3 173 . k ) = Cn p k q n − k k Cn = n! k!(n − k )! Exemplul 6.1 Schema lui Bernoulli cu bila întoarsă (schema binomială) Această schemă se aplică în cazul în care un experiment se repetă de mai multe ori în aceleaşi condiţii. iar probabilitatea ca bila să fie neagră se notează cu q = 1 – p. p = 1/2. în proporţie cunoscută. Modelul probabilistic O urnă conţine bile de două culori. Care este probabilitatea de a obţine de 3 ori stema? n = 10.2.1: Se aruncă o monedă de 10 ori.2 Scheme clasice de probabilitate 6.2. Probabilitatea ca bila extrasă să fie albă se notează cu p. q = 1/2 10! 1 ⎛1⎞ ⋅⎜ ⎟ = ⋅ = P (B10. k = 3. k P (Bn .

k1+k2+. p1 = 5/13... p2 = 4/13. Modelul: o urnă ce conţine bile de r culori în proporţie cunoscută. Se extrag pe rând n bile punând de fiecare dată bila extrasă înapoi. k1 .. punând de fiecare dată cartea extrasă înapoi. . kr de culoarea cr..2. P(n. Care este probabilitatea să apară de 4 ori o carte mai mică decât 7. pr.4. k3 = 2. k2 = 3. prk r k1!k 2 !.. k ) = n Ca + b 174 .. . fără a mai pune bila extrasă înapoi. k4 = 1. p3 = 3/13.6... damă sau popă şi o dată as? k1 = 4.3 Schema bilei neîntoarse (schema hipergeometrică) Se consideră o urnă cu a bile albe şi b bile negre. Se cere probabilitatea ca din cele n bile extrase k să fie albe.2. Se extrag din urnă n bile. de 2 ori valet. Se cere probabilitatea ca din bilele extrase k1 să fie de culoarea c1. p4 = 1/13...2: Din pachetul de 52 de cărţi de joc se extrag 10 cărţi. k 2 . Probabilităţile de apariţie sunt p1.. unde p1+p2+. k n Ca ⋅ Cb − k P(n...2.+kr = n.1) = ⋅⎜ ⎟ 4!⋅3!⋅2!⋅1! ⎝ 13 ⎠ 4 ⎛4⎞ ⋅⎜ ⎟ ⎝ 13 ⎠ 3 ⎛3⎞ 1 ⋅⎜ ⎟ ⋅ ⎝ 13 ⎠ 13 2 6..3.2 Schema lui Bernoulli cu mai multe stări (polinomială) Experimentul se repetă de n ori. Se cere probabilitatea ca r evenimente urmărite să apară de un număr dat de ori fiecare.. k2 de culoarea c2..+pr = 1. de 3 ori o carte de la 7 la 10. 10! ⎛5⎞ P(10.k r ! Exemplul 6. p2.2. k r ) = n! k ⋅ p1k1 p2 2 ...

. cei 12 concurenţi sunt împărţiţi în grupe de câte 4.3 Variabile aleatoare Definiţia 6.. Se extrag n bile fără a pune bila înapoi. dintre care 18 băieţi şi 12 fete.cr.4: La un concurs se prezintă 12 concurenţi: 6 americani. b = 12. Prin tragere la sorţi. fiecare grupă urmând să susţină probele de concurs într-o zi. c1.. ⋅ Ca rr k + .2. k1. Care este probabilitatea ca în prima zi să concureze 3 americani şi 1 francez? 3 1 0 C6 ⋅ C4 ⋅ C2 16 P(12.2.2. a2.3: Într-o grupă de seminar sunt 30 studenţi. n = 10..1: (variabile aleatoare discrete) Fie un experiment şi evenimentul sigur ataşat. kr bile de culoarea cr. + k Ca11 + .3. .. c2... . ar..6 ) = 10 667 C30 6. 175 .. Se cere probabilitatea să se obţină k1 bile de culoarea c1. O funcţie reală definită pe o desfacere a evenimentului sigur se numeşte variabilă aleatoare X : Ω → R. 4 francezi şi 2 italieni.. în număr de a1.. k = 6..+ a rr Exemplul 6.k r ) = k k Ca11 ⋅ .. .1.3. P(n...4 Schema bilei neîntoarse cu mai multe stări În urnă sunt bile de r culori.0) = = 4 99 C12 6.Exemplul 6. Care este probabilitatea ca alegând la întâmplare 10 studenţi din această grupă să fie 6 băieţi şi 4 fete? a = 18. 6 4 C18 ⋅ C12 612 = P(10. n – k = 4...

Variabilele aleatoare pot fi de tip discret sau continuu.3: Variabila aleatoare este o funcţie reală definită pe mulţimea evenimentelor elementare ale unui câmp de probabilitate. Variabila aleatoare care descrie jocul are forma: A2 A3 ⎞ ⎛ A X⎜ 1 ⎜1000 − 1000 2000 ⎟ ⎟ ⎝ ⎠ O variabilă aleatoare discretă se scrie sub forma: ⎛A X⎜ 1 ⎜x ⎝ 1 A2 . xn ⎞ X =⎜ 1 ⎜ p p .... xn ⎟ ⎠ Variabilelor aleatoare de tip discret li se poate ataşa un tablou.. iar lui A3 2000. n. p ⎟ ⎟ ⎝ 1 2 n⎠ unde xi sunt valorile pe care le ia variabila aleatoare X. A2 = {3.2 este următoarea: ⎛1000 − 1000 2000 ⎞ 1 1 ⎟ X =⎜ 1 ⎜ ⎟ 2 6 ⎠ ⎝ 3 Definiţia 6.5}. ∑ pi = 1 i =1 n Repartiţia de probabilitate pentru exemplul 6.3.2}. lui A2 – 1000.. An ⎞ ⎟ x2 . numit repartiţia sau distribuţia de probabilitate: ⎛ x x2 . Se presupune că într-un joc lui A1 îi corespunde 1000.4..3. iar pi probabilitatea cu care variabila aleatoare X ia valoarea xi: pi = P( X = xi ) ∀i = 1.2: La aruncarea unui zar se consideră evenimentele A1 = {1. A3 = {6}.3. 176 . o desfacere a evenimentului sigur.Exemplul 6...

n Legea hipergeometrică 177 . Se prind 2 fluturi.3.3.Exemplul 6. Fie X variabila aleatoare: numărul de fluturi masculi prinşi. 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 6.4: O cuşcă conţine 9 fluturi: 3 masculi (2 albi şi 1 galben) şi 6 femele (4 albe şi 2 galbene).5: Legea binomială k ⎛ ⎞ X = ⎜ k k n−k ⎟ p ∈ (0. iar Y variabila aleatoare: numărul de fluturi galbeni prinşi.1) q = 1 − p ⎜C p q ⎟ ⎝ n ⎠ k = 0.

k ⎛ ⎜ C k ⋅ C n−k X =⎜ a b ⎜ Cn ⎝ a +b

⎞ ⎟ ⎟ ⎟ ⎠ k = 0, n

Legea evenimentelor rare a lui Poisson
⎛ k ⎞ X = ⎜ λk − λ ⎟ λ >0 ⎜ e ⎟ ⎝ k! ⎠ k = 0,1, 2,...

Este o repartiţie cu o infinitate de valori discrete.
Definiţia 6.3.6: Variabilele aleatoare X şi Y care au distribuţiile:
⎛x ⎞ X⎜ i ⎟ ⎜p ⎟ ⎝ i ⎠i =1, n ⎛ yj ⎞ Y⎜ ⎟ ⎜q ⎟ ⎝ j ⎠ j =1, m

sunt independente, dacă adică rij = pi ⋅ q j

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

6.3.1 Operaţii cu variabile aleatoare
Înmulţirea cu o constantă

Dacă variabila aleatoare X are repartiţia: ⎛x ⎞ X⎜ i ⎟ ⎜p ⎟ ⎝ i ⎠i =1, n atunci variabila aleatoare a ⋅ X are repartiţia: ⎛ ax ⎞ aX ⎜ i ⎟ ⎜p ⎟ ⎝ i ⎠i =1, n

178

Adunarea cu o constantă

a+ X are repartiţia:
⎛ a + xi ⎞ a + X⎜ ⎜ p ⎟ ⎟ ⎝ i ⎠i =1, n

Ridicarea la putere
X
k

are repartiţia:

⎛ xi k ⎞ X ⎜ ⎟ ⎜p ⎟ ⎝ i ⎠i =1, n
k

Adunarea şi înmulţirea

Variabilele aleatoare X şi Y au distribuţiile
⎛x ⎞ X⎜ i ⎟ ⎜p ⎟ ⎝ i ⎠i =1, n ⎛ yj ⎞ Y⎜ ⎟ ⎜q ⎟ ⎝ j ⎠ j =1, m

Suma X+Y şi produsul XY au distribuţiile:
⎛ 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 şi Y două variabile aleatoare independente având repartiţiile:
⎛− 2 3 ⎞ X =⎜ ⎟ ⎜ 0,2 0,8 ⎟ ⎝ ⎠ 5 ⎞ ⎛ −1 2 Y =⎜ ⎟ ⎜ 0,2 0,5 0,3 ⎟ ⎝ ⎠

Să 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 (speranţa matematică) Fiind dată variabila aleatoare X cu repartiţia
⎛ x x2 ... xn ⎞ X =⎜ 1 ⎜ p p ... p ⎟ ⎟ ⎝ 1 2 n⎠ Valoarea medie a acesteia este numărul:
M ( X ) = p1 x1 + p2 x2 + ... + pn xn = ∑ pi xi
i =1 n

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

9: Se numeşte funcţie de repartiţie ataşată variabilei aleatoare X funcţia F :R→ R F ( x ) = P( X < x ) ∀x ∈ R 181 . Abaterea standard sau abaterea medie pătratică σ = D( X ) = D 2 ( X ) = M (X 2 ) − [M ( X )]2 6.3.3 Variabile aleatoare continue Definiţia 6.3.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 i =1 [ ] μ k = ∑ ( xi − M ( X ))k pi 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).

ρ ( x ) ≥ 0 2.p. b ∈ R.t. ∀a. lim F ( y ) = F ( x ) Densitatea de probabilitate Definiţia 6. x2 ∈ R.3. 0 ≤ F ( x ) ≤ 1 ∀x ∈ R 2.10: Fie variabila aleatoare X având funcţia de repartiţie F(x). P(a ≤ x < b ) = ∫ ρ ( x )dx a b 4. −∞ Proprietăţi: 1. lim F ( x ) = P(Φ ) = 0 x → −∞ x→∞ y→x y< x 5. ∀x1 . F ' ( x ) = ρ ( x ) a. x1 < x2 : F ( x1 ) ≤ F ( x2 ) 4. Vom spune că X este variabilă aleatoare de tip continuu dacă funcţia de repartiţie F se poate reprezenta sub forma: x F ( x ) = ∫ ρ (t )dt ∀x ∈ R funcţia ρ : R → R numindu-se densitate de probabilitate a variabilei aleatoare X. a < b : P(a ≤ X < b ) = F (b ) − F (a ) 3.Proprietăţi 1. ∫ ρ ( x )dx = 1 −∞ ∞ Caracteristici numerice pentru variabile aleatoare continue Valoarea medie (speranţa matematică) 182 . lim F ( x ) = P(Ω ) = 1 6. ∀x ∈ R. pe R 3.

m. σ ) = 1 e σ 2π 1⎛ x−m ⎞ − ⎜ ⎟ 2⎝ σ ⎠ 2 M(X) = m.4 Legi de probabilitate continue uzuale Legea uniformă ⎧ 0 x<a ⎪x − a F (x ) = ⎨ x ∈ [ a.M ( X ) = ∫ xρ ( x )dx −∞ ∞ Momentele iniţiale de ordinul k vk = M X ( )= k ∞ −∞ k ∫ x ρ ( x )dx Momentele centrate de ordin k μ k = M ( X − M ( x )) = ∫ ( x − M ( X ))k ρ ( x )dx k −∞ [ ] ∞ Dispersia D (X) D ( X ) = M ( X − M ( x )) = ∫ ( x − M ( X )) ρ ( x )dx 2 2 2 −∞ 2 [ ] ∞ Abaterea standard σ = D( X ) = D 2 ( X ) 6.3. b) b−a ⎪ ⎩ 1 x≥b Legea normală a lui Gauss ρ ( x. D(X) = σ 183 . D2(X) = σ2 .

1) = e 2π x2 184 .0.Caz particular: 1 −2 ρ ( x.

Sign up to vote on this title
UsefulNot useful