171168226-Kvantitativne-Metode-u-EiM 1 PDF

Naziv djela:
KVANTITATIVNE METODE U EKONOMIJI I MENADMENTU

Autori:
Prof. dr Rabija Somun-Kapetanovi
Mr Almira Arnaut-Berilo
Ensar ehi
Elma Kahvi-Begi
Izdava:
Ekonomski fakultet u Sarajevu
Glavni i odgovorni urednik:
Dekan, prof. dr Veljko Trivun
Recenzenti:
Prof. dr Ksenija Dumii, redovni profesor Ekonomskog fakulteta u Zagrebu
Emir Veledar, PhD Assistant Professor, Emory University, Atlanta, USA
DTP:
Meanovi Engin
Lektor:
Softi dr Aia
tampa:
VMG Grafika, Mostar
Tira:500
Godina izdanja:
2009.
CIP Katalogizacija u publikaciji

Nacionalna i univerzitetska biblioteka
Bosne i Hercegovine, Sarajevo
Somun-Kapetanovi, Rabija...(et al.)
Kvantitativne metode u ekonomiji i menadmentu
Rabija Somun-Kapetanovi... (et al.) - Sarajevo: Ekonomski fakultet,
2009.
ISBN
COBISS.BH-ID
KVANTITATIVNE METODE
U EKONOMIJI I MENADMENTU
Prof. dr Rabija Somun-Kapetanovi

Mr Almira Arnaut-Berilo
Ensar ehi
Elma Kahvi-Begi
SARAJEVO, 2009.
Predgovor
Kvantitativne metode u ekonomiji su uvijek imale veliki znaaj, a sa razvojem ekonomskih
istraivanja, baziranim na empirijskim podacima, i razvojem informacionih tehnologija
njihova uloga je postala nezaobilazna. Primjena kvantitativnih metoda u ekonomiji ima niz
prednosti koje doprinose kvalitetu ekonomskih istraivanja. Pretpostavke istraivanja treba
da budu precizno, jasno i eksplicitno definisane kako bi se mogle izraziti odgovarajuim
matematikim i statistikim instrumentarijem. Kvantitativni pristup istraivanju olakava
analizu dobijenih rezultata i formulisanje prijedloga za donoenje odluka. Na taj nain,
primjenom kvantitativnih metoda i odgovarajuih algoritama, mogu se efikasnije i preciznije izuavati sloene ekonomske pojave i procesi te njihove meuzavisnosti. Uvoenjem
metoda matematike analize u ekonomiju ekonomska nauka je u svojim savremenim oblicima postala kvantitativna nauka.
Ovaj udbenik ima za cilj da obradi i predstavi odabrane kvantitativne metode. Sadraj je
koncipiran prema nastavnom programu predmeta Kvantitativne metode u ekonomiji i menadmentu koji se izuava na drugoj godini Ekonomskog fakulteta u Sarajevu. To je
uslovilo izbor metoda koje e se obraivati. Udbenik je sastavljen iz etiri poglavlja sa
sljedeim naslovima: 1. Osnovne ekonometrijske funkcije, 2. Tehnike mrenog planiranja,
3. Input-output analiza i 4. Linearno programiranje.
Svako poglavlje koncepcijski predstavljaju jednu oblast, odnosno grupu metoda koje pripadaju toj oblasti, a koje se koriste u izuavanju ekonomskih fenomena. U svim poglavljima
je primijenjen jedinstven metodoloki pristup s ciljem da se na jasan i za korisnike razumljiv nain obradi prezentovani sadraj.
U udbeniku je sadraj obraen sa ekonomsko-teorijskog i kvantitativnog aspekta formalizacijom obraenih ekonomskih kategorija matematikim instrumentarijem. Teorijske
analize i matematike formulacije potom su primijenjene na odabranim numerikim primjerima koji su kompletno rijeeni. Na taj nain je omoguena direktna veza izmeu teorijskih
izlaganja i formalizacija i aplikacije steenih znanja na primjerima. U primjerima se, pored
aplikacije metoda, te istraivanja meuzavisnosti analiziranih pojava i relacija, insistira i na
interpretaciji dobijenih rezultata kao bazi za donoenje odgovarajuih odluka. Za neke
primjere aplikacija je ilustrovana i u MS Excelu. Poslije teorijske i aplikativne obrade
predstavljene materije, pripremljena su teorijska pitanja za ponavljanje, a zatim i zadaci za
vjebu sa kratkim rjeenjima.
Nadamo se da e specifinost i originalnost ovog metodolokog pristupa obradi i prezentovanju tematskih jedinica buduim korisnicima omoguiti savladavanje i primjenu metoda
obraenih u udbeniku.
5
Udbenik je namijenjen studentima dodiplomskog studija ekonomskih fakulteta, ali i ostalim zainteresovanim studentima i ekonomistima koji primjenjuju kvantitativne metode u
svom radu.
Iskrenu zahvalnost izraavamo dr elimiru Vukoviu, profesoru emeritusu Univerziteta u
Sarajevu, za zajedniki rad na predmetu Kvantitativne metode u ekonomiji i menadmentu i
njegov doprinos razvoju ovog predmeta. Znanja koja smo sticali tokom dugogodinje saradnje sa profesorom Vukoviem ine osnovu ovog udbenika koji je nastao kao rezultat
nastavnog, istraivakog i pedagokog iskustva autora iz oblasti kvantitativne ekonomije.
Udbenik Kvantitativne metode u ekonomiji i menadmentu je rezultat kontinuiranog rada
na poboljanju i unapreenju nastavnog sadraja predmeta za koji je napisan.
Posebnu zahvalnost izraavamo recenzentima prof. dr Kseniji Dumii, redovnom
profesoru Ekonomskog fakulteta u Zagrebu, i Emiru Veledaru, PhD Assistant Professor,
Emory University, Atlanta, USA. Njihove primjedbe i prijedlozi su nam bili vrlo korisni i
znaajno doprinijeli poboljanju teksta. Autori ostaju odgovorni za eventualne greke i
propuste nastale u tekstu.
Zahvaljujemo i naoj kolegici Merimi Balavac, asistentici, koja je paljivo proitala rukopis
i uestvovala u tehnikim korekcijama.
Svima koji su doprinijeli da ova knjiga bude napisana i objavljena iskreno zahvaljujemo.
Sarajevo, oktobra 2009. godine

Autori
Sadraj
1.
EKONOMETRIJSKE FUNKCIJE
1.1. UVOD .........................................................................................................................13

1.2. UKUPNA, GRANINA I PROSJENA FUNKCIJA
I NJIHOVI ODNOSI.................................................................................................14
1.2.1. Osnovna ukupna funkcija................................................................................14
1.2.2. Granina funkcija ............................................................................................15
1.2.3. Prosjena funkcija ...........................................................................................17
1.2.4. Analiza odnosa ukupne, granine i prosjene funkcije ...................................19
1.3. ELASTINOST.........................................................................................................35
1.3.1. Apsolutne promjene ........................................................................................35
1.3.2. Relativne promjene..........................................................................................36
1.3.3. Koeficijenti elastinosti kvantitativni izraz meuzavisnosti
izmeu ekonomskih pojava .............................................................................38
1.3.4. Osobine elastinosti.........................................................................................42
1.3.5. Koeficijent parcijalne elastinosti ...................................................................44
1.4. OCJENA EKONOMSKIH FUNKCIJA METODAMA
REGRESIONE ANALIZE .......................................................................................45
1.4.1. Kriterij izbora regresione prave i metod najmanjih kvadrata..........................45
1.4.2. Pretpostavke o osobinama stohastinosti modela ...........................................48
1.5. FUNKCIJA TRANJE .............................................................................................56
1.5.1. Agregatna funkcija tranje ..............................................................................56
1.5.2. Individualna funkcija tranje...........................................................................59
1.5.3. Analitiki oblici funkcije tranje.....................................................................62
1.5.4. Koeficijenti elastinosti tranje .......................................................................62
1.6. FUNKCIJA PRIHODA.............................................................................................80
1.6.1. Funkcija prihoda za konstantnu (determinisanu) cijenu..................................80
1.6.2. Elastinost prihoda kod konstantne cijene ......................................................82
1.6.3. Agregatni prihod..............................................................................................83
1.6.4. Veza izmeu graninog prihoda i elastinosti tranje.....................................88
1.6.5. Elastinost prihoda ..........................................................................................89
1.7. FUNKCIJA TROKOVA.......................................................................................102

1.7.1. Ukupni trokovi ............................................................................................102
1.7.2. Granini trokovi ..........................................................................................103
1.7.3. Prosjeni trokovi ..........................................................................................103
1.7.4. Elastinost trokova.......................................................................................107
1.7.5. Funkcija agregatnih trokova ........................................................................109
1.8. FUNKCIJA DOBITI ...............................................................................................124
1.8.1. Funkcija dobiti kod determinisane cijene......................................................125
1.8.2. Funkcija agregatne dobiti u odnosu na koliinu ...........................................130
1.8.3. Funkcija agregatne dobiti u odnosu na cijenu ..............................................135
1.9. FUNKCIJA PONUDE.............................................................................................146
1.9.1. Funkcija agregatne (trine) ponude .............................................................146
1.9.2. Funkcija individualne ponude .......................................................................148
1.9.3. Odreivanje individualne funkcije ponude iz funkcije trokova...................151
1.9.4. Trina ravnotea (ekvilibrij) ........................................................................154
1.10. FUNKCIJE PROIZVODNJE .................................................................................170
1.10.1. Osobine funkcija proizvodnje .......................................................................171
1.10.2. Granina funkcija proizvodnje ......................................................................173
1.10.3. Prosjena funkcija proizvodnje .....................................................................174
1.10.4. Vertikalni i horizontalni presjeci proizvodne povrine .................................175
1.10.5. Granina stopa supstitucije faktora proizvodnje ...........................................178
1.10.6. Elastinost funkcije proizvodnje ...................................................................180
1.10.7. Prava trokova proizvodnje izocost prava..................................................181
1.10.8. Optimalna kombinacija faktora proizvodnje.................................................182
1.10.9. Oblici funkcija proizvodnje...........................................................................185
1.11. PITANJA ZA PONAVLJANJE .............................................................................196
1.12. ZADACI ZA VJEBU ............................................................................................204
1.13. RJEENJA ZADATAKA ZA VJEBU................................................................211
LITERATURA.........................................................................................................229
2.
TEHNIKE MRENOG PLANIRANJA
2.1. UVOD .......................................................................................................................233

2.2. OSNOVNI POJMOVI U MRENOM PLANIRANJU .......................................234
2.2.1. Projekt ...........................................................................................................234
2.2.2.
2.2.3.
2.2.4.
2.2.5.
Aktivnost .......................................................................................................234
Dogaaj .........................................................................................................236
Matrica meuzavisnosti.................................................................................237
Mreni dijagram ............................................................................................237
2.3. PRIMJENA TEHNIKA MRENOG PLANIRANJA .........................................239

2.4. ANALIZA STRUKTURE .......................................................................................241
2.5. ANALIZA VREMENA ...........................................................................................250
2.5.1. Metoda kritinog puta (CPM)..........................................................................250
2.5.1.1. Odreivanje najranijeg poetka i najranijeg
zavretka aktivnosti .........................................................................................251
2.5.1.2. Odreivanje najkasnijeg poetka i najkasnijeg
zavretka aktivnosti .........................................................................................252
2.5.2. Vremenske rezerve ..........................................................................................253
2.5.3. PERT-TIME metoda........................................................................................261
2.6. ANALIZA TROKOVA .........................................................................................270
2.6.1. PERT-COST metoda .......................................................................................270
2.8. ZADACI ZA VJEBU ............................................................................................284
2.10. ANALIZA SLUAJA PRIMJENOM MS PROJECT-a......................................310
LITERATURA.........................................................................................................326
3.
INPUT-OUTPUT ANALIZA
3.1. UVOD .......................................................................................................................329

3.1.1. Input-output analiza i proizvodni sistem .......................................................332
3.2. KOLIINSKA INPUT-OUTPUT ANALIZA ......................................................334
3.2.1. Formiranje koliinske input-output tabele ....................................................335
3.2.2. Koeficijenti koliinskih input-output odnosa ................................................339
3.2.3. Analiza proizvodnog sistema ........................................................................344
3.3. VRIJEDNOSNA INPUT-OUTPUT ANALIZA ...................................................369
3.3.1. Formiranje vrijednosne input-output tabele ..................................................370
3.3.2. Strukture vrijednosti u transakcionoj input-output tabeli..............................374
3.3.3. Koeficijenti vrijednosnih input-output odnosa..............................................377
9
3.3.4. Analiza proizvodnog sistema u vrijednosnoj strukturi..................................384

3.3.5. Analiza cijena u proizvodnom sistemu i uticaja njihove promjene...............388
3.5. ZADACI ZA VJEBU ............................................................................................427
LITERATURA.........................................................................................................450
4.
LINEARNO PROGRAMIRANJE
4.1. UVOD .......................................................................................................................153

4.2. MODEL LINEARNOG PROGRAMIRANJA .....................................................456
4.2.1. Opti polazni primalni model LP-a ...............................................................458
4.2.2. Standardni (opti) model LP-a ......................................................................466
4.3. BAZNE TEOREME LINEARNOG PROGRAMIRANJA .................................472
4.4. TEORIJA DUALNOSTI U LINEARNOM PROGRAMIRANJU .....................478
4.4.1. Osnovne karakteristike ..................................................................................478
4.4.2. Formulisanje dualnog modela .......................................................................479
4.4.3. Teoreme dualnosti .........................................................................................482
4.4.4. Ekonomsko tumaenje optimalnih vrijednosti dualnih varijabli...................486
4.5. METODE ZA RJEAVANJE PROBLEMA LINEARNOG
PROGRAMIRANJA ...............................................................................................489
4.5.1. Grafika metoda ............................................................................................489
4.5.2. Simplex metoda.............................................................................................528
4.6. SPECIFINI OBLICI PROBLEMA LINEARNOG PROGRAMIRANJA......559
4.6.1. Transportni problem ......................................................................................559
4.6.2. Asignacija......................................................................................................592
4.8. ZADACI ZA VJEBU ............................................................................................616
LITERATURA.........................................................................................................660
10
Kvantitativne metode u
ekonomiji i menadmentu
1. Ekonometrijske funkcije
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
1.8.
1.9.
1.10.
1.11.
1.12.
1.13.
Uvod
Ukupna, granina i prosjena funkcija
i njihovi odnosi
Elastinost
Ocjena ekonomskih funkcija metodama
regresione analize
Funkcija tranje
Funkcija prihoda
Funkcija trokova
Funkcija dobiti
Funkcija ponude
Funkcije proizvodnje
Pitanja za ponavljanje
Zadaci za vjebu
Rjeenja zadataka za vjebu
Literatura
1.1. Uvod
U prvom poglavlju knjige Kvantitativne metode u ekonomiji i menadmentu su obraene i
prezentovane osnovne ekonometrijske funkcije. U samom naslovu ovog poglavlja termin
ekonometrijske ukazuje da e osnovne ekonomske funkcije biti obraene i analizirane sa
ekonometrijskog aspekta. Ovaj pristup obradi funkcija podrazumijeva da se u njihovoj analizi i prezentaciji primijenjuju ekonomske, matematike i statistike tehnike i metode.
Pojedinano posmatrane, navedene discipline nisu dovoljne za analizu i predvianje kompleksnih ekonomskih fenomena na bazi empirijskih podataka.
Ekonometrija se kao posebna nauna disciplina i fundamentalna grana ekonomije pojavila u
modernoj formi oko 1930. godine.1 Iskustvo je pokazalo da je potrebna istovremena primjena ekonomsko-teorijskog, statistikog i matematikog pristupa kako bi se istraivale
kvantitativne relacije u ekonomiji i menadmentu. Jedinstvo ova tri pristupa ini sastavne
dijelove ekonometrije, stoga ekonometrija predstavlja instrumentarij za mjerenje ekonomskih fenomena, provjeru valjanosti ekonomske teorije i predvianje kretanja ekonomskih
pojava i procesa.
Poto se termin ekonometrija sastoji od dvije grke rijei, ekonomija i mjerenje, esto su
se kvantitativna istraivanja nazivala ekonometrijskim to nije tano, jer se na taj nain
ekonometrija proiruje na sve kvantitativne metode od kojih neke i koristi, ali se od ostalih
razlikuje. Mi smo u sljedea tri poglavlja ove knjige obraivali i primjenjivali neke od drugih kvantitativnih metoda i predstavili njihovu primjenu u ekonomiji i menadmentu.
U ovom poglavlju smo, primjenjujui ekonometrijski pristup, obradili i analizirali funkcije
tranje, prihoda, trokova, dobiti, ponude i funkciju proizvodnje. Analizi pojedinih funkcija
prethodi opte razmatranje o odnosima ukupne, prosjene i granine veliine. Pored toga, u
optem sluaju je definisana i analizirana elastinost kao mjera meuzavisnost ekonomskih
veliina. Ekonometrijski pristup podrazumijeva i ocjenu parametara analiziranih funkcija.
Regresiona analiza prua odgovarajui instrumentarij za ocjenu parametara modela i matematiko izraavanje ekonomskih zavisnosti pojava koje se istrauju. U tom cilju je obraen
metod najmanjih kvadrata i ilustrovana njegova primjena u MS Excelu. Analiza rezultata
dobijenih u outputu MS Excela treba biti usmjerena na provjeru zadovoljavanja ekonomskih, statistikih i ekonometrijskih kriterija2, a zatim na kompletiranje ocijenjenog modela
analizirane funkcije.
1
2
Ove godine su Frich, R., Roos, O., i Ficher, I. osnovali Ekonometrijsko drutvo. Prema ignon, V., (2008).
Detaljnije u Somun-Kapetanovi, R., (2008), str. 111-151.
13
Ukupna, granina i prosjena funkcija

1.2. i njihovi odnosi
Da bi se mogle analizirati ekonomske pojave i procesi neophodno je definisati pojmove
osnovne (ukupne), prosjene i granine veliine, odnosno funkcije, i analizirati odnose meu njima.
Prisjetimo se definicije funkcije:
Ako imamo dva neprazna skupa D i K meu kojima je uspostavljeno pravilo (zakon, relacija) po kojem se svakom x iz D pridruuje tano jedan y = f ( x ) iz K, kaemo da je zadana
funkcija jedne varijable ( f : D K ) .
Funkcija moe biti zadata algebarski, tabelarno ili grafiki. Prelazak sa jednog oblika zadane funkcije na drugi predmet je matematsko statistike analize.
1.2.1. Osnovna (ukupna) funkcija
Posmatrajmo dvije mjerljive ekonomske pojave X i Y. Ako je utvreno pravilo kojim se
svakoj vrijednosti obiljeja X pridruuje neka vrijednost obiljeja Y, kaemo da je zadana
osnovna ekonomska funkcija.
Funkcionalna meuzavisnost obiljeja X i Y moe biti izraena algebarski, i to eksplicitno i
implicitno.
Ako se zavisna varijabla Y posmatra kao funkcija nezavisne varijable X, kaemo da je Y
eksplicitno izraeno preko X i piemo
Y = f(X), odnosno Y = Y(X) ili
X = g(Y), odnosno X = X(Y)
(1.1)
ako se zavisna varijabla X posmatra kao funkcija nezavisne varijable Y.

Zavisnost se moe izraziti i u implicitnom obliku i tada piemo
F(X, Y)=0
(1.2)
3
Za konkretne vrijednosti X i Y moemo napisati eksplicitan izraz za zavisnost varijable Y

od varijable X kao y = f ( x) , ili implicitan izraz F(x, y)=0.
Varijabla X ima svoju jedinicu mjere4 (jm X) i osnovna funkcija Y ima svoju jedinicu (jm Y).
3
4
Prema konvenciji uobiajenoj u ekonomiji, varijabla, odnosno pojava koja se posmatra, oznaava se velikim slovom , a konkretne vrijednosti varijable malim slovom.
Za jedinicu mjere e se koristiti skraenica jm.
14
UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI
Ako se zavisna varijabla Y izraava eksplicitno kao funkcija vie nezavisnih varijabli piemo:
Y=F(X1, X2, ..., Xn)
(1.3)
Najei oblik izraavanja funkcionalne zavisnosti obiljeja X i Y je tabelarni prikaz. Kod

mjerenja ekonomskih pojava podaci se prikupljaju u tabelu a kasnije se statistikom analizom odreuje odgovarajui algebarski oblik.
X
Y
x1
y1
x2
y2
...
...
xn
yn
Za uoavanje karakteristinih veza meu ekonomskim pojavama i detaljniju analizu koristiemo grafiki prikaz funkcije. Grafiki, funkcija jedne varijable predstavlja skup taaka u
ravni, dok funkcija vie varijabli (n varijabli) predstavlja skup taaka u n + 1 dimenzionalnom prostoru (hiperpovr).
1.2.2. Granina funkcija

U ispitivanju ekonomskih pojava osim statike analize - analize trenutnog stanja na tritu,
veoma je vana i dinamika analiza analiza promjena koje nastaju mijenjanjem nekih
uslova na tritu.
Stepen promjene odreene varijable y, koja zavisi samo od x, pri nekoj promjeni varijable
x moe biti izraen kvalitativno i kvantitativno. Kvalitativno, zanima nas da li sa porastom
x dolazi do porasta ili smanjivanja y-a i kvantitativno, zanima nas kolika je ta promjena.
y
f (x0 + x)
y
f (x0)
x
x
x0
x0 + x
Grafikon 1. Grafika interpretacija pvog izvoda funkcije
15
Ukoliko x promijeni svoju vrijednost od x0 do x0 + x , tada y mijenja svoju vrijednost od

f ( x0 )
do
f ( x0 + x ) .
Stepen
promjene
po
jedinici
promjene
je
y f ( x0 + x ) f ( x0 )
=
.
x
x
Ako je ugao oznaen na slici, vidimo da je tg =
y
.
x
f ( x0 + x) f ( x0 )
= f ( x0 ) , kaemo da je funkcija diferencijabilna u tax
ki x0 (odnosno da ima izvod u x0 ). Izvod funkcije u x0 oznaavamo sa f ' ( x0 ) .
Ako postoji lim
x 0
Piemo jo i
lim
x 0
y dy
y dy
za malo x
=
= y ' , odnosno,
x dx
x dx
(1.4)
Geometrijski gledajui, prvi izvod funkcije f u taki x0 (dakle, f ' ( x0 ) ) jednak je koeficijentu pravca tangente na krivu y = f ( x ) u taki ( x0 , f( x0 )).
Prvi izvod nam odreuje smjer promjene funkcije. Ako je f ' ( x0 ) > 0 , tu je promjena pozitivna (ako x raste onda i y raste), a ako je f ' ( x0 ) < 0 , tu je promjena negativna (s rastom x
opada y).
Granina ili marginalna ekonomska funkcija se definie kao prvi izvod ukupne funkcije i
izraava se u sljedeem obliku:
Y ' = f '( X ) =
dY
= (X )
dX
(1.5)
Ova funkcija ima svoju jedinicu mjere i izraava se u jedinicama mjere varijable Y u odnosu na jedinice mjere varijable X ( jmY / jmX ) .
Za konkretne vrijednosti varijabli X i Y izraz za graninu funkciju se moe pisati kao prvi
izvod ukupne funkcije:
y ' = f '( x) = lim
x 0
y
f ( x + x) f ( x) dy
= lim
=
= tg
0
dx
x
x
(1.6)
Znaenje granine funkcije u ekonomiji proizilazi iz znaenja i objanjenja prvog izvoda

funkcije. Granina funkcija pokazuje promjenu zavisne varijable Y uzrokovanu infinitezimalnom, odnosno beskonano malom promjenom nezavisne varijable X (x 0) . esto
se pretpostavlja da je infinitezimalna promjena jedinina zbog jednostavnijeg objanjenja.
16
Dakle, ako se nezavisna varijabla X promijeni za jednu jednu jedinicu mjere u kojoj je
izraena, granina funkcija pokazuje da e se zavisna varijabla promijeniti za y' jedinica
mjere u kojima je izraena zavisna varijabla Y. Jednostavnije, moe se rei da jedinina
promjena varijable X uzrokuje promjenu zavisne varijable Y za y' jedinica.
Granina funkcija funkcije vie varijabli odreuje se kao parcijalni izvod po svakoj od
varijabli, uz pretpostavku da ostale varijable ostaju nepromijenjene:
Y F ( X 1 , X 2 ,..., X n )
=
, i = 1,..., n.
X i
X i
(1.7)
Znaenje: Ukoliko se nezavisna varijabla Xi povea za jednu svoju jedinicu mjere, a ostale
varijable ostanu nepromijenjene ( X j = 0 za j i ) , zavisna varijabla Y e se promijeniti
Y
jedinica mjere. Napomenimo da se i ovdje u tumaenju beskonano mala promjena
X i
zamjenjuje sa jedininom promjenom, to znai da e objanjenje biti preciznije to je jedinina promjena manja. U tom sluaju se greka aproksimacije smanjuje.
za
1.2.3. Prosjena funkcija
Prosjena funkcija (veliina) se dobija kada se ukupna funkcija podijeli sa nezavisnom varijablom:
Y =
Y
f (X )
=
= f (X )
X
X
(1.8)
i izraava se u jedinici mjere Y po jedinici mjere nezavisne varijable koju smo u ovom sluaju oznaili sa X ( jmY / jmX ) .
Znaenje: Prosjena funkcija pokazuje koliko u prosjeku po svakoj jedinici nezavisne varijable X dolazi jedinica zavisne varijable Y = f (X).
Za konkretnu vrijednost x varijable X i konkretnu vrijednost y varijable Y, prosjena funkcija se moe izraziti u sljedeem obliku:
y=
y f ( x)
=
= f ( x)
x
x
(1.9)
Vrijednost prosjene funkcije se na grafiku moe odrediti kao tangens ugla kojeg zaklapa
radijus vektor svake take na grafiku osnovne funkcije sa pozitivnim dijelom x ose. Na
grafikonu 2 smo pomenuti ugao oznaili sa .
17
y=
y
= tg
x
y
f (x0) = y0
y0
0
x0
Grafikon 2. Grafika interpretacija prosjene funkcije
Ukoliko je radijus vektor istovremeno i tangenta na krivu y = f ( x ) , onda prosjena funkcija ima ekstrem (maksimum ili minimum).
y
C
B
xB
xC
Grafikon 3. Ekstremne vrijednosti prosjene funkcije
Na grafikonu 3. taka B odreuje minimum prosjene funkcije, a taka C odreuje maksimum

prosjene funkcije. Odnosno, prosjena funkcija y e za vrijednost nezavisno promjenjljive xB
imati minimalnu vrijednost, a za vrijednost x = xC imati maksimalnu vrijednost.
Prosjena funkcija (veliina) funkcije vie varijabli se odreuje kao odnos ukupne funkcije
i jedne od varijabli, uz pretpostavku da ostale varijable ostaju nepromijenjene.
YX i =
18
F ( X 1 , X 2 ,..., X n )
Y
=
= FX i , i = 1,..., n.
Xi
Xi
(1.10)
1.2.4. Analiza odnosa ukupne, granine i prosjene funkcije
Granina i prosjena funkcija su jednake (njihovi grafici se sijeku) u vrijednosti nezavisne

varijable X u kojoj prosjena funkcija ima stacionarnu taku (minimum, maksimum ili prevoj), ili za x = 0 ako je 0 element definicionog podruja funkcije. Ova tvrdnja se dokazuje
na sljedei nain:
y
za x 0
x
y = yx
y=
y ' = y ' x + y
y ' = y kada je y' x = 0, odnosno za x = 0 i/ili y ' = 0
Odredimo odnose izmeu granine i prosjene funkcije za pozitivne vrijednosti nezavisno

promjenjljive X. Razlog ovakvog izbora je to su ekonomske pojave koje mjerimo i koje
nam najee predstavljaju nezavisnu promjenjljivu nenegativne ili pozitivne veliine (koliina proizvoda, cijena, utroak materijala, utroak vremena, itd.).
y=
y
za x > 0
x
> 0 za y ' > y

y ' x y y ' y
=
y'=
= 0 za y ' = y
x2
x
< 0 za y ' < y
(1.11)
Iz izvedenog izraza zakljuujemo:

Kada je prvi izvod prosjene funkcije pozitivan, odnosno kad prosjena funkcija raste, granina funkcija je vea od prosjene funkcije grafik granine funkcije nalazi se iznad
grafika prosjene funkcije.
Kada je pri izvod prosjene funkcije jednak nuli, prosjena funkcija ima ekstremnu vrijednost. U ekstremnoj vrijednosti prosjene funkcije granina i prosjena funkcija su jednake
grafici granine i prosjene funkcije se sijeku za tu vrijednost.
Kada je prvi izvod prosjene funkcije manji od nula, odnosno kad prosjena funkcija opada,
granina funkcija je manja od prosjene funkcije grafik granine funkcije se nalazi ispod
grafika prosjene funkcije.
Na sljedeem grafikonu je predstavljen i detaljno analiziran tok jednog opteg oblika ukupne funkcije. Funkcija ima ekstrem maksimum. Na grafikonu se moe posmatrati tok
funkcije i uslovi uz koje se postiu rastui i opadajui prinosi, kao i tok funkcije kada ubrzano opada i usporeno opada. Na grafikonu su oznaene i prevojne take i izrazi za njihovo
utvrivanje.
19
Taka
ekstrema
Maksimum
y = 0
y < 0
Taka
prevoja
y > 0
y = 0
Taka
prevoja
y < 0
y = 0
Rastui
prinos
Opadajui
prinos
Funkcija
ubrzano
raste
Funkcija
usporeno
raste
y > 0
y > 0
y > 0
y < 0
Funkcija
ubrzano
opada
Funkcija
usporeno
opada
y < 0
y < 0
y< 0
y > 0
Grafikon 4. Tok ukupne funkcije
Sa grafika ukupne funkcije moemo nacrtati grafik prosjene i granine funkcije, pri tome
vodei rauna da:
Kad ukupna funkcija raste, granina funkcija je vea od prosjene i obratno, kad ukupna funkcija opada, granina funkcija je manja od prosjene.
Kad ukupna funkcija ubrzano raste granina funkcija je pozitivna i raste, a kad
ukupna funkcija usporeno raste granina funkcija je pozitivna i opada.
Kad ukupna funkcija ubrzano opada granina funkcija je negativna i opada, a kad
ukupna funkcija usporeno opada granina funkcija je negativna i raste.
y f ( x)
=
= tg predstavlja tangens ugla kojeg zaklapa prava, pox
x
vuena iz koordinatnog poetka sa svakom takom na krivoj, i pozitivnim dijelom X ose.
Odavde zakljuujemo da prosjena funkcija ima vrijednost 0 u istoj taki u kojoj nulu ima i
Prosjena funkcija y =
20
osnovna funkcija, a ekstremne vrijednosti emo dobiti u takama u kojima prava tangira
grafik funkcije.
Na grafikonu 5. su prikazani grafici ukupne, granine i prosjene funkcije.
Posmatrajui uporedo ove tri funkcije mogu se analizirati sljedei odnosi:
Ukupna funkcija postie ekstremnu vrijednost kada je granina funkcija jednaka 0,
odnosno ukupna funkcija ima ekstremnu vrijednost u taki u kojoj je njen prvi izvod
jednak 0. Na grafiku je to taka C.
U intervalu ubrzanog rasta funkcije ( y ' > 0, y '' > 0) , odnosno od take 0 do take A,
granina funkcija raste, ima pozitivnu vrijednost i vea je od prosjene.
U intervalu usporenog rasta funkcije ( y ' < 0, y '' > 0) , odnosno od take A do take B,
granina funkcija opada, ima pozitivnu vrijednost i vea je od prosjene.
Maksimum
osnovne
funkcije
Maksimum
granine
funkcije
Prosjena
funkcija
B
Maksimum
prosjene
funkcije
Granina
funkcija
Minimum
granine funkcije
Grafikon 5. Odnosi ukupne, granine i prosjene funkcije
21
U taki B, prosjena funkcija ima maksimum i grafici granine i prosjene funkcije se

sijeku.
U intervalu usporenog rasta funkcije ( y ' < 0, y '' > 0) , odnosno od take B do take C,
granina funkcija opada, ima pozitivnu vrijednost i manja je od prosjene.
U intervalu ubrzanog pada funkcije ( y ' < 0, y '' < 0) , odnosno od take C do take D,
granina funkcija opada, ima negativnu vrijednost i manja je od prosjene.
U intervalu usporenog pada funkcije ( y ' < 0, y '' > 0) , odnosno od take D do take E,
granina funkcija raste, ima negativnu vrijednost i manja je od prosjene.
Dodavanje fiksne vrijednosti ukupnoj funkciji ne utie na graninu funkciju. Ukupna veliina je izraena u jedinicama zavisne varijable Y, prosjena i granina veliina su izraene
jedinica mjere Y
.
u sljedeoj mjernoj jedinici:
jedinica mjere X
f(x)
y
A
yF
xA
y, y
x
xC
f(x)
x
f(x)
x
xA
xC
Grafikon 6. Ukupna, granina i prosjena funkcija
22
Na grafikonu 6. takoer se mogu posmatrati i analizirati odnosi ukupne, prosjene i granine funkcije. Ovo je sluaj kad je ukupna funkcija rastua i kada prosjena funkcija ima
minimum.
Na grafikonu su oznaene dvije karakterisine take xA i xC. U taki xA ukupna funkcija ima
prevoj, a granina funkcija dostie minimum. Do ove take granina funkcija f opada a
osnovna funkcija f ( x ) ima usporen rast, a nakon ove take funkcija f raste a osnovna
funkcija f (x ) ima ubrzan rast. U taki xC prosjena funkcija ima ekstrem, i to minimum. U
ovoj taki granina funkcija sijee prosjenu i ove dvije funkcije su jednake. Do take xC
prosjena funkcija opada i granina funkcija je manja od prosjene. Grafikon prosjene
funkcije se nalazi iznad grafikona granine funkcije. Poslije take xC prosjena funkcija
raste i manja je od granine funkcije. Grafik granine funkcije se nalazi iznad grafika prosjene funkcije.
Primjer 1.1.
Kroz ovaj primjer emo se prisjetiti nekih elementarnih funkcija i ponoviti njihove
osobine.
Linearna funkcija u implicitnom obliku je data sa:
ax+by+c=0 (a,b,cR),
a u eksplicitnom obliku sa:
y=kx+n (k,nR; k = -a/b)
Grafik linearne funkcije je prava.
k = -a/b
k < 0 funkcija opada,
k>0
k = 0 funkcija je konstantna,
k > 0 f unkcija je rastua.
k=0
k<0
x
Grafikon 1.1. Oblici linearne funkcije
23
Kvadratna funkcija y = f ( x ) je funkcija oblika:

y = ax 2 + bx + c;
a, b, c R .
Grafik kvadratne funkcije je parabola.

y
a>0
D<0
Diskriminanta
a>0
D=0
a<0
D>0
4
a<0
D=0
a<0
D<0
D = b 2 4ac
a>0
D>0
Za D > 0 imamo dvije

realne nule parabole 1 i 6.
6
5
Za D = 0 imamo jednu
realnu nulu parabole 3 i 4.
Za D < 0 nemamo realnih
nula parabole 2 i 5.
Grafikon 1.1.a. Oblici kvadratne funkcije
Eksponencijalna funkcija je funkcija oblika
y = ax (a R+\{1})
Kako je y = a x 0 , to je grafik osnovne eksponencijalne funkcije uvijek iznad x ose.
y
a>1
Za 0 < a < 1 funkcija je opadajua
(usporavajui negativan prinos).
Za a > 1 funkcija je rastua
(ubrzavajui pozitivan prinos).
0<a<1
0
Grafikon 1.1.b. Oblici eksponencijalne funkcije
24
Logaritamska funkcija je funkcija oblika:
y = logax (aR+\{1})
Logaritamska funkcija je inverzna eksponencijalnoj funkciji pa je definisana samo za
pozitivne vrijednosti x, te se grafik osnovne logaritamske funkcije nalazi u I i IV kvadrantu.
y
Za 0 < a < 1 funkcija je opadajua

(usporavajui negativan prinos)
a>1
Za a > 1 funkcija je rastua

(usporavajui pozitivan prinos)
x
0<a<1
Grafikon 1.1.c. Oblici logaritamske funkcije
Primjer 1.2.
Ispitati i na istom grafiku nacrtati funkcije: y = 2 x + 5 i x = 2 y 5 , a zatim odrediti

koordinate presjene take.
Rjeenje:
x = 0 y = 5
Odsjeci sa osama: Za y = 2 x + 5 imamo:

5 ;
y
=
0
x
=
2
5
x = 0 y =
Za x = 2 y 5 imamo:
2
y = 0 x = 5
Presjena taka: x = 1, y = 3 M (1; 3)

Varijabla y eksplicitno izraena preko x : x = 2 y 5 y =
x+5
2
25
30
25
20
15
10
x = 2y-5
0
-10
-8
-6
-4
-2
-5
-10
10
y = -2x+5
-15
-20
Grafikon 1.2. Funkcije y i x
Primjer 1.3.
Na istom grafiku prikazati funkcije:

C = q 2 + 1500; P = 200q 4q 2 ; D = 5q 2 + 200q 1500
Odrediti njihove zajednike take, intervale u kojima su funkcije pozitivne, maksimalne vrijednosti.
Rjeenje:
Odredimo karakteristine take svake od posmatranih kvadratnih funkcija:

C = q 2 + 1500 je parna funkcija sa minimumom.
C = 0 q 2 = 1500 nema nula
Nule:
C = 0 2q = 0 q = 0
Minimum:
C ( 0 ) = 1500
Funkcija
Funkcija
Nule:
P = 200q 4q 2
je
funkcija
sa
maksimumom.
2
P = 0 200q 4q = 0 4q ( 50 q ) = 0 q1 = 0; q2 = 50;
P = 0 200 8q = 0 q = 25
Maksimum:
P ( 25 ) = 2500
26
Funkcija
Nule:
D = 5q 2 + 200q 1500
je
funkcija
sa
maksimumom
2
D = 0 5q + 200q 1500 = 0 q1 = 10; q2 = 30
D = 0 10q + 200 = 0 q = 20
Maksimum:
D ( 20 ) = 500
Presjeci C i P : C = P q1 = 10; q2 = 30
Na sljedeem grafikonu su predstavljeni grafici funkcija:
C = q 2 + 1500; P = 200q 4q 2 ; D = 5q 2 + 200q 1500
6500
4500
2500
500
-1500
10
20
30
40
50
60
70
P
-3500
-5500
-7500
Grafikon 1.3. Funkcije C,
P iD
Primjer 1.4.
Na grafiku funkcije y = f ( x ) oznaiti:

y
f(x)
27
a) nule funkcije i vrijednost funkcije za x = 0 ; b) intervale rasta i pada funkcije; c) intervale ubrzavajueg i usporavajueg rasta i pada; d) minimuma/maksimuma
prosjene funkcije; e) minimuma/maksimuma granine funkcije, a zatim na osnovu
datog grafika skicirati njegovu graninu i prosjenu funkciju
Rjeenje:
y
f(x)
x0
0
y0
x4 x1
x3
x2 x5
Grafikon 1.4. Karakteristine vrijednosti funkcije
a) Nula funkcije y = f ( x ) je taka u kojoj grafik funkcije y = f ( x ) sijee x - osu.

Na grafiku 1.4. ova taka je oznaena sa x0 . Vrijednost funkcije za x = 0 je taka
u kojoj grafik funkcije y = f ( x ) sijee y - osu. Na grafikonu 1.4. ova taka je

oznaena sa y0 .
b) Tok funkcije zavisi od njenog prvog izvoda. Sa grafika se vidi da funkcija raste
pa opada i onda ponovo raste.
Ako maksimum funkcije y = f ( x ) oznaimo sa x1 ( f ( x1 ) = 0 ) , a minimum sa
x2
( f ( x ) = 0 ) onda njen tok moemo zapisati na sljedei nain:

2
Za x ( , x1 ) ( x2 , + ) funkcija raste, odnosno je f ( x ) > 0

Za x ( x1 , x2 ) funkcija opada, odnosno je f ( x ) < 0
c) Brizna rasta, odnosno pada funkcije zavisi od njenog drugog izvoda. Ako taku
prevoja oznaimo sa x3 ( f ( x3 ) = 0 ) , onda dobijamo:
28
Za x ( , x1 ) vrijedi: f ( x ) > 0 i f ( x ) < 0 usporavajui pozitivan prinos

(opadajui prinos)
Za x ( x1 , x3 ) vrijedi: f ( x ) < 0 i f ( x ) < 0 ubrzavajui negativan prinos
Za x ( x3 , x2 ) vrijedi: f ( x ) < 0 i f ( x ) > 0 usporavajui negativan prinos

Za x ( x2 , + ) vrijedi: f ( x ) > 0 i f ( x ) > 0 ubrzavajui pozitivan prinos
f ( x)
se moe odrediti tako to se
x
f ( x)
) koja spaja koorodredi najvei/najmanji koeficijent pravca prave ( tan =
x
dinatni poetak sa takama na krivoj y = f ( x ) . Najvei/najmanji koeficijent
d) Maksimum/minimum prosjene funkcije y =
pravca e imati tangente povuene iz koordinatnog poetka na funkciju

y = f ( x) .
Na grafikonu su to take x4 za max y =
f ( x)
f ( x)
i x5 za min y =
x
x
e) Granina funkcija y = f ( x ) ima ekstrem u taki prevoja x3
( f ( x ) = 0 ) .
3
Kako je f ( x ) < 0 za x ( , x3 ) (to znai da y = f ( x ) opada) i f ( x ) > 0

za x ( x3 , + ) (to znai da y = f ( x ) raste), taka x3 predstavlja minimum
funkcije y = f ( x ) .
y'
y
f'(x)
x4 x1
x3
x2 x5
Grafikon 1.4.a. Prosjena i granina funkcija
29
Napomena: Grafovi granine i prosjene funkcije se sijeku u onoj vrijednosti nezavisno promjenjljive x u kojoj prosjena funkcija ima stacionarnu taku (minimum,
maksimum ili prevoj), ili za x = 0 ako je 0 element definicionog podruja funkcije.
Primjer 1.5.
Data je funkcija y = 10 e0,2 x

a) Nacrtati grafik funkcije,
b) Odrediti njenu graninu i prosjenu funkciju i prikazati ih u istom koordinatnom
sistemu.
Rjeenje:
a)
70
y (x )
60
50
40
30
20
10
0
-10
-5
10
Grafikon 1.5. Grafik funkcije y
b) Granina vrijednost funkcije:

y=
30
10 e
x
0,2 x
y = 5 e0,2 x
15
= 10 e0,2 x
i prosjena vrijednost funkcije:
50
10
-10
-2
-50
0
12 5
Grafikon 1.5.a. Prosjena i granina funkcija
Primjer 1.6.
Nacrtati grafik funkcije V ( y ) = 32 y 12 y 2 + y 3 , a zatim grafike granine V(y) i

prosjene funkcije V ( y ) .
Rjeenje:
Kubna funkcija V ( y ) = 32 y 12 y 2 + y 3 ima tri nule: y1 = 0; y2 = 4; y3 = 8 , dvije ekstremne take Max (1.63; 24.63) i Min (6.3; -24.63) i jednu prevojnu taku ( 4, 0 ) .
Kree iz - a zavrava u +.
400
24,63
-24,63
0
1,63
-400
6,3
Grafikon 1.6. Grafik funkcije V ( y ) = 32 y 12 y + y

2
31
Prosjena i granina funkcija su parabole i njihove karakteristine take su minimum

i nule:
V = 3 y 2 24 y + 32 ima minimum u (4, -16) i nule u y1 = 1, 69; y2 = 6,31;
V = y 2 12 y + 32 ima minimum u (6, -4) i nule u y1 = 4; y2 = 8;
Istaknimo da se ove dvije funkcije sijeku u minimumu prosjene funkcije i u taki

y = 0.
30
20
10
1,63
6, 6,3
12
-16
-20
Grafikon 1.6.a. Grafik funkcije V ;V
Primjer 1.7.
x y
. Odrediti verx+ y
tikalni presjek po x i vertikalni presjek po y, odnosno odrediti nivovske linije
funkcije z
Prikazati u nenegativnom koordinatnom sistemu 0xyz povr z =
- za x =2, x = 3, x = 4
- za y =2, y = 3, y = 4
Rjeenje:
Grafiki prikaz povri z =
32
x y
u I oktantu prostora 0xyz je dat na grafikonu 1.7.
x+ y
Grafikon 1.7. Grafik funkcije z =
xy
x+ y
, x 0, y 0
Vertikalne presjeke po x, dobijamo kao presjek povri z = F ( x, y ) i ravni x = const.

Konkretno uzimajui da je x = 2, x = 3, x =4 dobijamo sljedee nivovske linije:
2 y
3 y
4 y
;
;
;
z=
z=
z=
2+ y
3+ y
4+ y
Analogno, dobijamo vertikalne presjeke po y:
4 x
3 x
2 x
;
z=
z=
z=
;
;
4+ x
3+ x
2+ x
i grafiki prikaz vertikalnih presjeka je dat na grafikonu 1.7.a.
x=2
x=3
x=4
y=2
y=3
y=4
Grafikon 1.7.a. Vertikalni presjeci po x, i vertikalni presjeci po y
33
Primjer 1.8.
Odrediti i grafiki prikazati horizontalne presjeke po z povri z =
x y
za z = 2 ,
x+ y
z = 3, z = 4.
Rjeenje
Horizontalne presjeke dobijamo kao presjek povri z = F ( x, y ) i ravni z = const.
Grafik 1.8. Horizontalni presjeci po z: Presjeci ravni z = ai sa datom povri
Konkretno uzimajui da je z = 2, z = 3, z =4 dobijamo horizontalne presjeke po z:

4 x
3 x
2 x
; i njihovi grafici su dati na grafikonu 1.8.a.
y=
z=
z=
;
;
x2
x3
x4
Grafikon 1.8.a. Horizontalni presjeci po z
34
ELASTINOST
1.3. Elastinost
Elastinost u ekonomiji se mjeri koeficijentom elastinosti koji se naziva i koeficijent osjetljivosti i predstavlja kvantitativni izraz meuzavisnosti izmeu ekonomskih pojava. Jedan
od osnovnih zadataka u ekonomiji je predvianje. Predvianje kretanja neke ekonomske
varijable na osnovu kretanja neke druge ekonomske varijable sa kojom je ona meuzavisna
mogue je samo na osnovu kvantitativno izraene meuzavisnosti izmeu tih varijabli.
U funkciji analize elastinosti potrebno je definisati apsolutne i relativne promjene.
1.3.1. Apsolutne promjene
U optem sluaju definiu se dvije ekonomske varijable X i Y. Pretpostavlja se da varijabla

Y zavisi od varijable X. U tom sluaju, varijabla Y je zavisna ili endogena varijabla, a varijabla X nezavisna ili egzogena varijabla. Matematski, ovaj funkcionalni odnos se moe
zapisati u obliku sljedeeg izraza:
Y = f (X )
(1.12)
Pretpostavlja se da promjena varijable X utie na promjenu varijable Y. Taj uticaj je jai
ukoliko je varijabla Y osjetljivija na promjene varijable X. Zbog toga je potrebno kvantificirati tu osjetljivost, odnosno odrediti kvantitativni izraz meuzavisnosti ekonomskih
varijabli Y i X. Polazi se od pretpostavke da promjena varijable X za X uslovljava promjenu varijable Y za Y.
Kada se podijele apsolutne promjene varijable Y i varijable X dobija se izraz za prosjenu
apsolutnu promjenu:
Y
(1.13)
X
Apsolutna vrijednost izraza (1.13) pokazuje osjetljivost promjene varijable Y na promjenu
varijable X. U zavisnosti od vrijednosti ovog izraza mogu se analizirati sljedei sluajevi:
Y
> 1 . U ovom sluaju promjena varijable Y je vea od promjene varijable X. To znai
X
da varijabla Y relativno jako reaguje na promjenu varijable X, odnosno varijabla Y je osjetljiva na promjenu varijable X.
Y
< 1 . Promjena varijable Y je manja od promjene varijable X. Varijabla Y je manje osX
jetljiva na promjene varijable X, odnosno slabo reaguje na promjene varijable X.
35
Ako se uvede pojednostavljena pretpostavka da je promjena varijable X jedinina, odnosno

Y
da je X=1, tada izraz
pokazuje za koliko e se promijeniti varijabla Y ako se varijabla
X
Y
X promijeni za jednu jedinicu. To znai da izraz
mjeri osjetljivost promjene varijable Y
X
na jedininu promjenu varijable X.
Ukoliko se pretpostavi da su promjene varijable X beskonano male, to jeste da X 0 ,
to se pretpostavlja uvijek kada je meuzavisnost varijabli data neprekidnom funkcijom,
tada se izraz (1.13) moe zapisati u sljedeem obliku:
Y dY
=
X 0 X
dX
lim
(1.14)
Izraz (1.14) pokazuje za koliko jedinica e se promijeniti varijabla Y ako se varijabla X

promijeni za jednu beskonano malu (infinitezimalno malu) jedinicu. Stoga izraz (1.14)
predstavlja graninu veliinu ili graninu promjenu varijable Y.
1.3.2. Relativne promjene
Ako se apsolutne promjene X i Y podijele ukupnim vrijednostima varijabli X i Y respekX Y

. Za konkretnu vrijednost varijabli mogu se
tivno, dobijaju se relativne promjene:
i
X
Y
napisati izrazi za relativnu promjenu varijable X i relativnu promjenu varijable Y.
rx =
x
x
(1.15)
ry =
y
y
(1.16)
Ove veliine su neimenovani brojevi i tumae se u procentima.
Primjer 1.9.
Prije septembarskog ispitnog roka, ispit iz statistike je poloilo 200 studenata I godine.
Nakon septembarskog roka ukupan broj studenata koji su poloili statistiku je 250.
a) Kolika je promjena broja studenata koji su poloili ispit?
b) Kolika je relativna promjena?
c) Objasnite relativnu promjenu iz b).
36
ELASTINOST
Rjeenje:
a) Promjena vrijednosti x:
x = xnovo xstaro
Promjena broja studenata je x = 250 200 = 50
b) rx relativna promjena vrijednosti x
x xnovo xstaro
=
x
xstaro
Relativna promjena iznosi: rx = 50/200 = 0,25 i tumai se u %.
rx =
c) Broj studenata koji su poloili statistiku nakon septembarskog roka je za 25% vei nego prije septembarskog ispitnog roka.
Primjer 1.10.
Broj studenata I godine koji su stekli uslov da upiu narednu godinu prije septembarskog roka bio je 160, a nakon tog roka 180.
a) Kolika je relativna promjena broja upisanih studenata?
b) Koliko je na tu promjenu uticala promjena prolaznosti iz statistike?
Rjeenje:
a) Relativna promjena upisanih studenata ry je:

y/y = (180-160)/160 = 20/160 = 0,125
Nakon septembarskog ispitnog roka broj studenata koji su upisali narednu godinu
je 12,5% vei nego prije.
b) Porast prolaznosti iz statistike je 25% a ukupna prolaznost je porasla za 12,5%.
Moemo rei da u prosjeku na svakih 1% porasta prolaznosti iz statistike raste i
broj upisanih za 0,5%.
Kroz ova dva prakina primjera prisjetili smo se pojma i tumaenja relativne promjene i
uvidjeli potrebu da se posmatraju odnosi (kolinici) dviju relativnih promjena i to nas dovodi do pojma elastinosti.
37
Koeficijenti elastinosti kvantitativni izraz

1.3.3. meuzavisnosti izmeu ekonomskih pojava
Koeficijent odnosa relativnih promjena varijabli oznaava se sa Ey,x i naziva koeficijent

elastinosti varijable Y u odnosu na varijablu X.
Ey,x
y
ry
x y
y
= =
=
rx x y x
x
(1.17)
Koeficijent elastinosti se moe analizirati na luku izmeu dvije take i u jednoj taki.
Koeficijent elastinost na luku
Ako je zavisnost varijable Y od varijable X izraena prekidno, odnosno diskontinuirano, od

take do take, elastinost se mjeri na luku izmeu dvije take. Tada je rije o koeficijentu
elastinosti na luku.
Ey,x
y
x y
y
= =
=
rx x y x
x
ry
(1.18)
Ukoliko take na luku oznaimo sa (i) i (i+1), koeficijent elastinosti na luku ima sljedei
izraz:
Ey,x
y yi +1 yi
r
yi
x y y
y
= y =
=
= i i +1 i
rx x xi +1 xi
yi xi +1 xi
x
xi
(1.19)
gdje su ( xi , yi ) i ( xi +1 , yi +1 ) koordinate taaka na luku.

Vrijednost koeficijenta elastinosti na luku objanjava se na sljedei nain:
A posteriori - xi je prethodna, a xi +1 = xi + x > xi je posmatrana vrijednost varijable
x
100% , a odX. Ako je vrijednost varijable X iz take i u taku (i+1) porasla za
xi
y
govarajua vrijednost varijable Y se promijenila za
100% , to znai da se u
yi
38
ELASTINOST
prosjeku na svaki 1% unutar
x
100% porasta vrijednosti varijable X, varijabla Y
xi
promijenila za E y. x %.
A priori - xi je sadanja vrijednost varijable, a xi +1 = xi + x > xi budua vrijednost.
x
Ako vrijednost varijable X iz take i u taku (i+1) poraste za
100% odgovarajua
xi
y
100% . To znai da e se u prosjeku na svaki 1%
vrijednost Y e se promijeniti za
yi
x
100% porasta vrijednosti varijable X, varijabla Y promijeniti za E y . x %.
unutar
xi
Vrijednost koeficijenta elastinosti na luku ima sljedee znaenje: ako je vrijednost varix
jable X iz take i u taku (i+1) porasla za
% , odgovarajua vrijednost Y e se
xi
y
% To znai da se u prosjeku na svaki 1% porasta vrijednosti varijable X,
promijeniti za
yi
varijabla Y mijenja za Ey,x %.
Postoje i druge mjere stepena meuzavisnosti ekonomskih varijabli, kao to su koeficijent
determinacije i koeficijent korelacije. Koeficijent elastinosti je najpogodnija mjera kvantitativne meuzavisnosti dvije ili vie ekonomskih varijabli i ne zavisi od jedinice mjere
analiziranih varijabli. Koeficijent elastinosti je relativna mjera meuzavisnosti koja zbog
te osobine ima jednostavno objanjenje i ekonomsko znaenje i vrlo veliku primjenu u ekonomiji.
Navedena objanjenja koeficijenta elastinosti na luku pretpostavljaju da je luk pravolinijskog oblika i zanemaruju tok luka izmeu dvije posmatrane take. to luk vie odstupa od
pravolinijskog oblika, greka u objanjenju koeficijenta elastinosti na luku je vea. Ukoliko je luk pravolinijskog oblika, greka tumaenja e biti jednaka nuli. Greka e teiti nuli
ukoliko promjene nezavisne varijable X tee nuli X 0 .
Na sljedeim grafikonima e se ilustrovati postupak smanjenja greke koja nastaje pri mjerenju elastinosti na luku. Pitanje koje se postavlja je: Kako smanjiti ovu greku mjerenja?
39
B
y2
y2
y1
y1
x2
x1
x1
x2
Grafikon 7. Elastinost na luku
Elastinost na luku za ove dvije funkcije je jednaka jer zanemaruje tok kretanja pojave izmeu dvije posmatrane take. Greka mjerenja elastinosti na luku se smanjuje kada su
promjene varijable X manje. Greka e teiti ka nuli kada su, kao to je prethodno ve navedeno, promjene varijable X beskonano male i tee nuli, odnosno kada se na prethodnim
grafikonima take A i B poklope. U tom sluaju definie se elastinost u taki.
Elastinost u taki
Ako je zavisnost varijable Y od varijable X izraena neprekidno, odnosno kontinuirano,

elastinost se mjeri u svakoj taki razmaka u kome je meuzavisnost definisana. Tada je
rije o koeficijentu elastinosti u taki koji se definie sljedeim izrazom:
E y , x = lim
x 0
x y x
y x dy x
= lim
= = y'
x
0
x y dx y
y x y
(1.20)
Koeficijent elastinosti je relativna mjera stepena meuzavisnosti varijabli, to znai da ne

zavisi od jedinica mjere analiziranih varijabli. Koeficijent elastinosti u taki pokazuje relativnu promjenu varijable Y koja je rezultat relativne promjene varijable X. Vea vrijednost
koeficijenta elastinosti znai da je varijabla Y elastinija ili osjetljivija na promjenu varijable X. Analogno tome, manja vrijednost koeficijenta elastinosti ukazuje na manju
elastinost, odnosno osjetljivost promjene varijable Y na promjenu varijable X.
Znaenje koeficijenta elastinosti u taki: ako se vrijednost nezavisne varijable X povea
za 1%, tada e se vrijednost zavisne varijable Y promijeniti za Ey,x % u zavisnosti od znaka koeficijenta elastinosti.
Koeficijent elastinosti varijable Y na promjene varijable X se moe izraziti i kao odnos

granine i prosjene promjene varijable Y:
40
ELASTINOST
Ey,x =
x
y y '
y' = =
y
y
y
x
(1.21)
Koeficijent elastinost moe uzimati vrijednosti od - do +, to se moe ilustrovati na

sljedei nain:
Savrena neelastinost
Savrena elastinost
Indiferentna elastinost
-1
Elastinost
Neelastinost
Indiferentna elastinost
Savrena
elastinost
Neelastinost
Elastinost
Vrijednosti koeficijenta elastinosti se mogu vrlo pregledno predstaviti u tabelarnom obliku.

Tabela 1. Vrijednosti koeficijenta elastinosti i njihovo znaenje
Koeficijent
elastinosti
Znaenje promjene zavisne varijable Y u

odnosu na 1% porasta nezavisne varijable X
EY,X = +
Savreno elastina promjena
+ > EY,X > 1
Elastina promjena
EY,X = 1
Jedinino elastina promjena
1 > EY,X > 0
Neelastina promjena
EY,X =0
Savreno neelastina promjena
0 > EY,X > - 1
Neelastina promjena
EY,X = - 1
Jedinino elastina promjena
- 1 > EY,X > -
Elastina promjena
EY,X = -
Savreno elastina promjena
41
1.3.4. Osobine elastinosti EY,X funkcije Y=f(X)

Elastinost konstante je jednaka nuli: Y = C = const.
EYX = 0
Dokaz:
EY , X =
X ' X ' X
Y = C = 0 = 0
Y
C
C
(1.22)
Elastinost stepene funkcije je jednaka stepenu date funkcije: Y = aXb

EY , X = b = const.
Dokaz:
EY , X =
X '
X
X
1
Y =
a b X b 1 =
a b X b = b
b
b
Y
a X
a X
X
(1.23)
Elastinost eksponencijalne funkcije: Y = a b X EY X = X ln(b)

Dokaz:
EY , X =
X
X
Y =
a b X ln(b) = X ln(b)
X
Y
a b
(1.24)
Elastinost inverzne funkcije je jednaka recipronoj vrijednosti koeficijenta elastinosti

osnovne funkcije. Proizvod izmeu koeficijenta elastinosti inverzne i osnovne funkcije
je jednak jedinici.
1
E X ,Y =
E X ,Y EY , X = 1
EY , X
Dokaz:
E X ,Y =
Y
Y dX
1 1
1
X' =
=
=
X
X dY X dY EY , X
Y dX
(1.25)
Elastinost sloene funkcije jednaka je proizvodu posmatranih funkcija, odnosno za

Z = Z Y ( X ) EZ,X = EZ,Y EY,X,
42
ELASTINOST
Dokaz:
Y = f ( X ) EY , X =
X dY
;
Y dX
Z = g (Y ) EZ ,Y =
Z = g [ f ( X ) ] = ( X ) EZ , X =
EZ ,Y EY , X =
Y dZ
;
Z dY
X dZ
Z dX
Y dZ X dY X dZ

=
= EZ , X
Z dY Y dX Z dX
(1.26)
Odnos elastinosti prosjene i ukupne funkcije:
EY , X = EY , X 1
(1.27)
EY , X = EY , X + 1
(1.28)
Iz izraza (1.27) se zakljuuje da je elastinost prosjene funkcije jednaka elastinosti

ukupne funkcije umanjene za jedinicu. Iz izraza (1.28) slijedi da je koeficijent elastinosti ukupne funkcije jednak koeficijentu elastinosti prosjene funkcije uveanom za
jedinicu.
Dokaz:
'
EY , X
X
X Y X 2 Y ' X Y
= (Y ) ' =
Y X
Y
Y
X2
X
X '
= Y 1 = EY , X 1
Y
Za analizu elastinosti zbira, razlike, proizvoda i kolinika potrebno je definisati sljedee opte izraze:
Y = f(X)
EY , X =
X
Y
Y
Y1 = f1(X)
EY1 , X =
X '
Y1
Y1
Y2 = f2(X)
EY2 , X =
X '
Y2
Y2
gdje funkcija Y = f(X) moe biti odgovarajua algebarska kombinacija funkcije Y1 =

f1(X) i funkcije Y2 = f2(X).
Elastinost proizvoda dvije funkcije je jednaka zbiru elastinosti ove dvije funkcije:
Y = Y1Y2 EY , X = EY1 , X + EY2 , X
(1.29)
43
Dokaz:
EY , X =
X
X
X
'
Y =
(Y1 Y2 ) =
(Y1' Y2 + Y1 Y2' ) =
Y
Y1 Y2
Y1 Y2
X
X
X
X
Y1' Y2 +
Y1 Y2' = Y1' + Y2' = EY1 , X + EY2 , X
Y1 Y2
Y1 Y2
Y1
Y2
Osobina proizvoda se moe generalizirati i primijeniti i za n funkcija.

Elastinost kolinika:
Y=
Y1
EY , X = EY1 , X EY2 , X
Y2
(1.30)
Dokaz:
'
EY , X
X
X Y1 X Y2 Y1' Y2 Y1 Y2' X ' X '
= Y = =
= Y1 Y2 = EY1 , X EY2 , X
2
Y1 Y2
Y
Y1
Y1
Y2
(Y2 )
Y2
Elastinost zbira/razlike je jednaka sljedeem izrazu:
Y = Y1 Y2 EY , X =
1
Y1 EY1 , X Y2 EY2 , X
Y
(1.31)
Dokaz:
X
X
X
X
Y X
Y
'
EY , X = Y = (Y1 Y2 ) = (Y1' Y2' ) = Y1' 1 Y2' 2
Y
Y
Y
Y
Y1 Y
Y2
1
Y1 EY1 , X Y2 EY2 , X
Y
1.3.5. Koeficijent parcijalne elastinosti
Ukoliko se obiljeje Y posmatra kao funkcija vie nezavisnih

Y = F ( X 1 , X 2 , X 3 ,..., X n ) , onda se definie koeficijent parcijalne elastinosti:
varijabli
X i Y
za i = 1,..., n.
(1.32)
Y X i
Koeficijent parcijalne elastinosti pokazuje postotak promjene zavisne varijable Y koji je
rezultat poveanja nezavisne varijable Xi za 1%, uz uslov da ostale varijable ostaju nepromijenjene. Ukoliko se nezavisna varijabla Xi povea za 1%, a ostale varijable ostanu
nepromijenjene, zavisna varijabla e se promijeniti za EY , X i (%).
EY , X i =
44
OCJENA EKONOMSKIH FUNKCIJA METODAMA REGRESIONE ANALIZE
Ocjena ekonomskih funkcija metodama

1.4. regresione analize
Kada se pomou statistikih metoda istrauje jedna pojava nezavisno od ostalih, radi se o
jednodimenzionalnoj statistikoj analizi. Statistikim metodama mogu se analizirati i meusobni odnosi vie pojava. U tom sluaju se radi o viedimenzionalnoj analizi. Ovim
metodama se ne analiziraju uzroci ni posljedice pojava, ve zavisnost pojava i njihovih
promjena. Veze meu pojavama mogu biti funkcionalne i stohastike. Statistika analiza
odnosa izmeu dvije ili vie pojava se vri metodama deskriptivne i inferencijalne statistike. Stepen statistike povezanosti izmeu pojava se istrauje metodama korelacione
analize. Za odreivanje analitikog odnosa meu pojavama primjenjuju se regresioni modeli. Veza meu pojavama je funkcionalna ako su vrijednostima jedne pojave u potpunosti
odreene vrijednosti druge pojave. U tom sluaju za svaku vrijednost nezavisne varijable se
moe precizno odrediti vrijednost zavisne varijable. Funkcionalne veze su najee u prirodnim naukama i u manjoj mjeri u drutvenim naukama. Kada jednoj vrijednosti nezavisno
promjenljive X, odgovara vie vrijednosti zavisno promjenljive Y, kaemo da je njihova
veza stohastika.
Opti oblik regresionog modela se moe napisati u sljedeem obliku::
Y = f ( X 1 , X 2 ,...., X n ) +
(1.33)
gdje je Y zavisna promjenljiva, Xi (i = 1,..., n) su nezavisne promjenljive i parametar sluajno odstupanje. Ovaj model se naziva model viestruke regresije ili viedimenzionalni
regresioni model.
Model koji sadri zavisnu i jednu nezavisnu promjenljivu naziva se model jednostavne regresije ili jednodimenzionalni regresioni model. Model jednostavne regresije ima sljedei
oblik:
Y = f (X ) +
(1.34)
Zadatak regresione analize je istraivanje analitikog oblika veze izmeu pojava kojem se
najvie pribliavaju promjene analiziranih pojava. Zadatak korelacione analize je utvrivanje stepena i smjera povezanosti pojava.
1.4.1. Kriterij izbora regresione prave i metod najmanjih kvadrata
Pretpostavimo da je veza zavisne varijable Y i nezavisne varijable X linearna. Y je varijabla

koju treba objasniti pomou varijable X. Polazni model linearne regresije za skup od n vrijednosti (xi, yi) varijabli X i Y se moe napisati u sljedeem obliku:
45
yi = + xi + i , i = 1,2,...,n.
(1.35)
Potrebno je izvriti ocjenu parametara i . Ocijenjene vrijednosti parametara e se

oznaiti sa a i b , te se model moe napisati u sljedeem obliku:
yi = a + bxi + ei , i = 1,2,...,n.
(1.36)
Oznaimo sa
yi = a + bxi
(1.37)
funkcionalni dio modela gdje su a i b ocijenjeni parametri. Podaci su dati kao n posmatranih parova (xi, yi), a yi predstavlja ocijenjene vrijednosti Y na osnovu posmatranih
vrijednosti xi od X. Na osnovu izraza (1.36.) i (1.37) moe se napisati relacija:
yi = yi + ei
(1.38)
iz koje se izraava sluajno ili rezidualno odstupanje ei kao razlika izmeu posmatranih i
ocijenjenih vrijednosti varijable Y:
ei = yi yi
(1.39)
ei = yi a bxi
Rezidualno odstupanje je predstavljeno na sljedeem grafikonu:
y i = a + bxi
yi
ei = y i y i
y i
xi
Grafikon 8. Rezidualna odstupanja
46
Cilj je primijeniti metod za ocjenu parametara regresionog modela koji e minimizirati rezidualna odstupanja. Pitanje koje se postavlja je izbor kriterija koji e obezbijediti
minimizaciju sluajnih odstupanja.
Kriterij koji omoguava izbor najbolje regresione prave je minimiziranje zbira kvadrata
rezidualnih odstupanja:
minimum
2
i
i =1
(1.40)
Na ovom kriteriju je baziran metod najmanjih kvadrata. Minimiziranje zbira kvadrata rezidualnih odstupanja:
n
i =1
i =1
i =1
ei2 = ( yi yi )2 = ( yi a bxi )2
(1.41)
je mogue uz potrebne uslove koji zahtijevaju da parcijalni izvodi ovog zbira po parametrima a i b budu jednaki nuli:
n
ei2
i =1
= 2 ( yi a bxi )(1) = 0
i =1
ei2
i =1
= 2 ( yi a bxi )( xi ) = 0
i =1
Iz ova dva uslova slijedi sistem normalnih jednaina:

n
i =1
i =1
yi = na + b xi
n
i =1
i =1
i =1
xi yi = a xi + b xi2
Rjeavanjem ovog sistema normalnih jednaina dobijaju se izrazi za ocjenu parametara a i b:
n
a=
yi
i =1
a = y bx
x
i =1
(1.42)
(1.43)
Zamjenom izraza za izraunavanje parametra a u drugu normalnu jednainu dobija se izraz

za izraunavanje parametra b:
47
i =1
i =1
i =1
xi yi = ( y bx ) xi + b xi2
n
i =1
i =1
i =1
i =1
xi yii = y xi bx xi + b xi2
n
x y
i =1
ii
n
n
n
y xi = b xi2 x xi
i =1
i =1
i =1
b=
xi yi y xi
i =1
n
i =1
n
x xi
2
i
i =1
(1.44)
i =1
Parametar b se moe izraziti i u sljedeem obliku:

n
b=
x y n x y
i
i =1
x
i =1
2
i
nx 2
odnosno,
1 n
xi yi x y
n i =1
b=
1 n 2
xi x 2
n i =1
(1.45)
1.4.2. Pretpostavke o osobinama stohastinosti modela
Regresioni model izraen regresionom pravom:

yi = + xi + i , i = 1,2,...,n.
(1.46)
je sastavljen iz dva dijela. Prvi dio modela + xi predstavlja funkcionalnu vezu pri kojoj
je Y linearno zavisna od X ako su drugi faktori konstantni. Drugi, stohastiki dio modela
( i ) predstavlja sluajne varijacije, kojima se uzima u obzir djelovanje promjena drugih varijabli koje nisu eksplicitno ukljuene u model. Pod uslovom da specifikacija modela odgovara
ekonomskoj relaciji u stvarnosti, i da bismo probleme mjerenja ekonomskih relacija preveli u
probleme statistikog ocjenjivanja parametara rasporeda vjerovatnoe, neophodno je navesti
pretpostavke o osobinama stohastinosti linearnog regresionog modela:
48
1. E ( i ) = 0 , (oekivana vrijednost stohastikog lana je jednaka nuli)

2. E ( i2 ) = 2 ,
3. E ( i , j ) = 0 ,
(konstantna zajednika varijansa)

za svako i, j; ij; (nezavisnost)
4. i : N ( 0, 2 ) ,
(normalnost)
5. E ( i , X j ) = 0 ,
za sve i, j; (nezavisnost od Xj).
Da bi se ocijenila statistika pouzadanost ocijenjenog modela potrebno je izraunati standardnu greku regresionog modela prema formuli:
n
y =
( y y )
i =1
kao i koeficijent varijacije regresionog modela5: kVy =
y
y
Ocjena parametara jednostruke i viestruke ili multiple linearne regresije se moe izvriti
primjenom Microsoft Excela. Objasniemo kako se primjenom Microsoft Excela ocjenjuju
parametri modela linearne regresije. Faze u primjeni su sljedee:
1. U izborniku Excela odabire se opcija Tools
Pored navedenih, postoje i drugi pokazatelji kvaliteta pouzdanosti ocijenjenih parametara. Detaljnija analiza ovih pokazatela je predstavljena u Somun - Kapetanov, R. (2008), str.111-145.
49
2. U izborniku opcije Tools odabire se opcija Data Analysis
3. U izborniku Data Analysis odabire se procedura Regression
4. Odabirom procedure Regression otvara se sljedei prozor
50
u koji se unose vrijednosti zavisne varijable Y i nezavisne varijable X. Ukoliko model ne

sadri konstantu, potrebno je oznaiti kvadrat Constant is Zero. Kada model sadri konstantu, ovaj kvadrat ne treba oznaavati. U izlaznim opcijama (Output options) se oznai mjesto
gdje se ele upisati dobijeni rezultati. Preporuuje se Output Range i izbor elije gdje elimo da upiemo dobijene rezultate. Od opcija Residuals mogu se odabrati sve ili neke od
njih, u zavisnosti od cilja analize.
U narednom primjeru emo ilustrovati primjenu Microsoft Excela za ocjenu regresione
prave primjenom metode najmanjih kvadrata. Detaljnija analiza ocijenjene regresione prave
koja predstavlja funkciju tranje e biti uraena u dijelu 1.5., Primjer 1.14. Ovdje emo na
tom primjeru ocijeniti metodom najmanjih kvadrata, primjenom Excela, linearnu funkciju
tranje koja najbolje aproksimira dati skup podataka.
Unesu se podaci za zavisnu i nezavisnu varijablu. U ovom sluaju su unesene elije sa nazivima podataka i zato je potrebno oznaiti kvadrati Labels i primijeniti postupak koji je
prethodno objanjen.
Prodate koliine friidera Super (q) i cijene po jedinici proizvoda (p) date su u tabeli:
q (kom.)
36
32
30
28
24
17
13
12
10
p (KM/kom.) 400 600 700 800 1000 1300 1500 1800 2000
Ukoliko se ne unesu elije sa nazivom varijabli, ne treba oznaavati kvadrat Labels,

kao to se vidi na sljedeoj slici.
51
Odabire se komanda OK i dobiju sljedei rezultati:
Na osnovu dobijenih rezultata kompletira se jednaina regresione prave:

q = 41,55-0,017p
koja predstavlja traenu funkciju tranje. Standardna greka, t statistika i p vrijednost pokazuju da je dobijena ocjena parametra b uz varijablu cijena p statistiki pouzdana.
52
Postoji i drugi nain ocjene parametara regresionog modela koji se moe primijeniti u
Excelu. Postupak je sljedei:
Nacrtati dijagram rasipanja (XY Scatter).
Kliknuti na pozadinu dijagrama rasipanja.
U traci izbornika e se umjesto izbornika Data pojaviti izbornik Chart. Kliknuti na izbornik
Chart i odabrati opciju Add Trendline.
53
U opciji Add Trendline odabire se tip grafika Type i otvara komanda Options na kojoj se
oznaavaju dvije opcije: Display equation on chart da bismo dobili jednainu regresionog
modela i opcija Display R-squared value on chart kako bi se dobila vrijednost koeficijenta
determinacije.
Na dijagramu rasipanja se dobija ucrtana ocijenjena jednaina regresionog modela i ocjena

koeficijenta determinacije koji pokazuje koji postotak varijacije zavisne varijable je ocijenjen
varijacijom nezavisne varijable. Ovaj koeficijent pokazuje procenat varijacije zavisne varijable objanjene modelom u ukupnoj varijaciji zavisne varijable.6
6
Op. cit., str. 126-128.
54
Kao to je vidljivo na gornjoj slici, dobijena je jednaina tranje kao u prethodnom sluaju:
q = 41,551-0,017p.
55
1.5. Funkcija tranje

U teorijskoj i empirijskoj analizi razlikuju se individualna i agregatna trina tranja. U
prvom dijelu e se definisati, prezentovati i analizirati agregatna trina tranja, a zatim i
individualna trina tranja za nekim dobrom.
1.5.1. Agregatna funkcija tranje
Tranja nekog dobra predstavlja koliinu tog dobra7 koja se moe prodati na odreenom
tritu u odreeno vrijeme. Tranja za nekim dobrom zavisi od velikog broja faktora. Najznaajniji faktori od kojih zavisi tranja za nekim dobrom su: cijena tog dobra, cijene
ostalih dobara, prvenstveno komplemenata i supstituta, dohodak potroaa, vrijeme, broj
potroaa, ukus i preferencije potroaa i niz drugih faktora koji posredno ili neposredno
mogu uticati na tranju. Ako se navedeni faktori posmatraju kao promjenljive veliine, tranja za nekim dobrom se izraava kao funkcija vie promjenljivih u sljedeem obliku:
q = F ( p, p1 , p2 ,..., pk , d , t , r )
(1.47)
gdje su:
q koliina tranje odreenog dobra ,

p cijena tog dobra,
p1 , p2 ,..., pk cijene ostalih dobara na tritu ,
d dohodak (budet) potroaa,
t vrijeme,
r ostali faktori koji utiu na tranju za odreenim dobrom (broj potroaa, ukus i preferencije potroaa, itd.).
Izraz (1.47) predstavlja opti oblik funkcije tranje, odnosno tranju u irem smislu. Istraivanje, ekonometrijska ocjena i analiza funkcije tranje preko relacije (1.47) je sloen zadatak.
Svi faktori od kojih zavisi tranja za nekim dobrom ne mogu se izmjeriti i na adekvatan nain
kvantificirati. Stoga se analiza pojednostavljuje smanjivanjem broja faktora koji se ukljuuju
kao nezavisne varijable. Tranja se analizira kao funkcija odreenog broja faktora koji imaju
dominantan uticaj pretpostavljajui konstantnost ostalih faktora.
Na tranju za nekim dobrom najvei uticaj ima cijena tog dobra. Polazei od te injenice, tranja se moe definisati u uem smislu kao funkcija cijene posmatranog dobra, uz pretpostavku
da su ostali faktori od kojih zavisi tranja konstantni i napisati u sljedeem obliku:
q = f ( p), odnosno q = q ( p )
7
Kao sinonim za dobro koristie se termin proizvod.
56
(1.48)
FUNKCIJA TRANJE
gdje je:
q tranja za nekim odreenim dobrom,
p cijena tog dobra.
Odnos izmeu koliine tranje za nekim dobrom i cijene tog dobra dat relacijom (1.48)
naziva se Cournot-ov zakon tranje. Definisanje relacije (1.48), pored polazne pretpostavke
o funkcionalnom odnosu tranje i cijene, uz konstantnost ostalih faktora, implicira i pretpostavke trita potpune konkurencije. Te pretpostavke su:
a) Homogenost dobara ili identinost dobara koja ih ini meusobno savrenim supstitutima.
b) Prisustvo velikog broja kupaca i prodavaca od kojih ni jedan pojedinano svojom tranjom i ponudom nije u stanju da promijeni nivo cijene. Cijena se javlja kao
nezavisna promjenljiva u odnosu na svakog uesnika. Postoji, dakle, objektivno data
cijena po kojoj se vri promet dobara i koja se mijenja kao posljedica aktivnosti svih
prodavaca i kupaca tog dobra.
c) Svi kupci i prodavci su potupno informisani o stanju na tritu.
d) Svi kupci i prodavci slobodno stupaju u kupoprodajne odnose i mogu kada eli ui na
trite i izai sa trita.
Da bi relacija (1.48) predstavljala funkciju tranje, moraju biti ispunjeni sljedei uslovi:
1. Nenegativnost8 zavisne i nezavisne varijable: q 0, p 0 . Oblast definisanosti funkcije tranje se nalazi u intervalu:
0 p p+
q+ q 0
gdje p+ oznaava maximalnu cijenu do koje postoji tranja na tritu, a q+ oznaava
nivo zasienja, odnosno nivo tranje kad bi cijena bila 0.
2. Zakon normalnosti tranje, kojim se izraava osobina da je tranja opadajua funkcija

cijene, matematiki se izraava negativnom vrijednou prvog izvoda funkcije tranje
dq
q =
= f ( p ) < 0.
dp
3. Tranja je neprekidna funkcija 0 < q < +.
Pretpostavlja se da su potroai racionalni i da e sa rastom cijene nekog dobra i tranja za
tim dobrom opadati. Ova pretpostavka se odnosi na normalna dobra. Postoje odstupanja,
odnosno izuzeci od zakona normalnosti tranje koji su definisani kao Giffenov paradoks,
Veblenov efekat i sluaj pekulacije9.
8
9
Termin nenegativnost se uzima jer se pri matematskoj analizi ovih funkcija uzima da je q 0 i p 0 iako
cijena p=0 nema ekonomski smisao.
Jurin, S., ohinger, J., (1990), str. 47-48.
57
Poto se tranja prema zakonu normalnosti mijenja obrnuto proporcionalno sa promjenom

cijene, grafiki prikaz funkcije tranje (1.48) u optem sluaju se predstavlja na sljedeem
grafikonu:
q
q+
q1
q2
0
p1
p2
p+
Grafikon 9. Funkcija tranje
Uz pretpostavku da je funkcija tranje diferencijabilna u posmatranom intervalu, koji mora

biti konaan i priblino jednak intervalu raspoloivih empirijskih vrijednosti, uslov normalnosti tranje kazuje da tranja opada sa rastom cijene i da je u normalnim uslovima tranja
opadajua funkcija cijene.
Iz relacije (1.48) izvodi se inverzni oblik funkcije tranje:
p = (q ), odnosno
p = p(q )
(1.49)
kojim se cijena p izraava kao funkcija koliine tranje q . Inverzni oblik funkcije tranje
(1.49) odreuje se rjeavanjem relacije (1.48) po cijeni p.
Inverzna funkcija tranje, kao i direktni zakon tranje, treba da zadovolji sljedee uslove:
1. Nenegativnost zavisne i nezavisne varijable, tj. inverzna funkcija tranje p i koliina
q treba da budu nenegativne: q 0, p 0 . Oblast definisanosti funkcije tranje se
nalazi u intervalu:
0 p p+
q+ q 0
2. Inverzna funkcija tranje je monotono opadajua to se matematiki izraava negadp

tivnom vrijednou prvog izvoda funkcije inverzne tranje: p (q ) =
= (q ) < 0.
dq
3. Inverzni zakon (funkcija) tranje je neprekidna funkcija 0 < p < +.
58
FUNKCIJA TRANJE
1.5.2. Individualna funkcija tranje
Individualna funkcija tranje je funkcija tranje pojedinanog potroaa za odreenim dobrom. Ovaj oblik funkcije tranje predstavlja odnos izmeu cijene dobra i koliine tranje za
tim dobrom koju iskazuje potroa tog dobra na tritu. Individualna funkcija tranje se
moe posmatrati u irem i uem smislu. Za oznaavanje individualne funkcije tranje koristit emo simbol x.
U irem smislu, to je funkcija veeg broja faktora koji mogu uticati na individualnu tranju:
x = F ( p, p1 , p 2 ,..., p k , d , t , r )
(1.50)
gdje su:
x individualna tranja za odreenim dobrom,

p cijena tog dobra,
p1 , p2 ,..., pk cijene ostalih dobara na tritu,
d dohodak potroaa,
t vrijeme,
r ostali faktori koji utiu na tranju za odreenim dobrom (broj potroaa, ukus i preferencije potroaa, itd.).
Individualna funkcija tranje za nekim dobrom u uem smislu se definie kao funkcija cijene tog dobra:
x = x ( p)
(1.51)
gdje je:
x individualna tranja za nekim odreenim dobrom,
p cijena tog dobra.
Individualna funkcije tranje mora zadovoljiti, kao i agregatna funkcija, sljedee osobine da
bi mogla biti funkcija tranje:
1. Nenegativnost zavisne i nezavisne varijable, odnosno nenegativnost tranje i cijene:
x 0, p 0 . Oblast definisanosti funkcije tranje se nalazi u intervalu:
0 p p+
x+ x 0
2. Zakon normalnosti tranje kojim se izraava osobina da je tranja opadajua funkcija cijene. Matematski, prvi izvod funkcije tranje ima negativnu vrijednost:
x =
dx
= f ( p ) < 0.
dp
59
3. Individualna funkcija tranja je neprekidna funkcija 0 < x ' < +.

Funkcija agregatne tranje se dobija kao zbir svih individualnih tranji na odreenom tritu u odreenom vremenu za nekim dobrom u oblasti njihove definisanosti. Oblast
definisanosti Dq agregatne tranje predstavlja uniju oblasti definisanosti svih individualnih
tranji Dx :
q( p ) = xi ( p);
i
p D xi .
(1.52)
Zapis p Dxi znai da na tritu postoji tranja sve dok je barem jedan potroa sprei
man da kupi predmetno dobro. Prema tome, maksimalna cijena do koje postoji agregatna
tranja je p + = max( pi+ ) , a nivo agregatnog trinog zasienja je q + = xi+ ;
i
U sljedeem optem sluaju emo ilustrovati kako na osnovu dvije individualne funkcije
tranje odreujemo agregatnu funkciju tranje.
Neka su poznate funkcije individualnih tranji dva proizvoaa: x1 = x1 ( p), x2 = x2 ( p) .
Pretpostavimo da su u pitanju linearne funkcije i da je funkcija individualne tranje
x1 = x1 ( p) definisana za p(0, p1+); x1(0, x1+) i funkcija individualne tranje x2 = x2 ( p)
definisana za p(0, p2+); x2(0, x2+).
Bez ogranienja optosti, moemo uzeti da je granina cijena p2+ vea ili jednaka od granine cijene p1+ ( p2+ p1+ ) i da je nivo zasienja x2+ vei ili jednak od nivoa zasienja
x1+ ( x2+ x1+ ) . Na grafikonu 10 je dat prikaz ovih funkcija individualnih tranji.
x(p)
x2+
x1+
x1
p1+
x2
p2+
Grafikon 10. Funkcije individualnih tranji
60
FUNKCIJA TRANJE
Na osnovu pretpostavke ( p2+ p1+ ) slijedi da je agregatna tranja definisana za p 0, p2+ .

Na tritu su prisutna oba potroaa ako je cijena predmetnog dobra manja ili jednaka od
p1+ , odnosno ako je p 0, p1+ . Ako je cijena predmetnog dobra vea od p1+ , potroa x1
odustaje od tranje i za cijenu p ( p1+ , p2+ ) na tritu e biti prisutan samo x2 . Odavde je
zakon agregatne tranje definisan sa:
x1 + x2 za p 0, p1+
.
q( p) =
+
+
x2 za p ( p1 , p2
Nivo zasienja q + = x1+ + x2+ , a granina cijena p+ = p2+ (p2+ > p1+). Grafiki prikaz agregatne tranje, te individualnih tranji i agregatne tranje zajedno dat je na grafikonima 11 i 12.
q(p)
x(p), q(p)
q+= x1++x2+
q+ = x1+ + x2+
x1+x2
x1+x2
x2 x1
x1 +
x2
p1+
x2
x1
p2+=p+ p
Grafikon 11. Funkcija agregatne tranje
p1+
p2+= p+
Grafikon 12. Funkcija agregatne tranje
Postupak utvrivanja agregatne funkcije tranje se moe uoptiti i primijeniti u sluajevima

kada se agregatna tranja odreuje na osnovu individualnih tranji N potroaa. U rijeenim
primjerima e se predstaviti takvi sluajevi. Ilustracija ovog postupka odreivanja agregatne funkcije tranje je prezentovana u primjerima sa rjeenjima koji slijede poslije teorijskog
dijela.
61
1.5.3. Analitiki oblici funkcije tranje
Funkcija tranje kojom se odreuje zavisnost tranje nekog dobra od cijene tog dobra moe
imati razliite analitike oblike. Najei analitiki oblici koji se mogu koristiti za ocjenu
funkcije tranje su sljedei:10
1. q = a bp
2. q = a bp 2
3. q = (a bp) 2
b
4. q = a +
p
a
b;
5. q =
p+c
6. q = ae bp
7. q = ap b + c
8. q = bp a + c
9. q = a p 2 b p + c
10. q = p a e b ( p + c )
Uslovi koje svaka od navedenih funkcija treba zadovoljiti da bi bila funkcija tranje su:
a > 0; b > 0; c > 0 . Za sve navedene direktne zakone tranje mogu se formulisati inverzni
zakoni tranje.11
Lista predstavljenih analitikih oblika funkcije tranje nije egzostivna i u empirijskim analizama se mogu ocijeniti i drugi oblici funkcije tranje u zavisnosti od prikupljenih
empirijskih podataka.
1.5.4. Koeficijenti elastinosti tranje
Za funkciju tranje se moe definisati vie koeficijenata elastinosti. Definisae se i analizirati koeficijent elastinosti tranje na luku, zatim koeficijent elastinosti tranje u taki kao
i dva koeficijenta parcijalne elastinosti tranje: koeficijent elastinosti tranje posmatranog
10
11
U analizi funkcije tranje, i kasnije funkcija prihoda i dobiti, koristiemo osobinu neprekidnosti funkcija
+
tranji i pretpostavku da je q ( p ) = 0 . Ovaj uslov ne umanjuje optost analize, ali olakava matematiku interpretaciju i razumijevanje osobina navedenih ekonometrijskih funkcija. Navedeni analitiki oblici i
+
uslovi postavljeni za parametre zadovoljavaju osobinu q ( p ) = 0 ,
Vidjeti u : Vukovi, ., (2004), str. 59-60.
62
FUNKCIJA TRANJE
dobra u odnosu na dobro k, odnosno koeficijent unakrsne elastinosti i koeficijent dohodovne elastinosti tranje.
Koeficijent elastinosti tranje u prekidnom sluaju se definie polazei od opteg
izraza za koeficijent elastinosti u prekidnom sluaju:
Eq , p
q
r
p q
q
= q =
=
rp p q p
p
(1.53)
U neprekidnom sluaju koeficijent elastinosti se moe napisati u sljedeem obliku:
p q p
q p dq p
= lim
=
= q
p 0 q p
q p 0 p q dp q
lim Eq , p = lim
p 0
(1.54)
Koeficijent elastinosti tranje pokazuju procentualno smanjenje tranje ( Eq , p ) izazvano

poveanjem cijene za 1%. Ukoliko se cijena posmatranog dobra povea za 1%, koeficijent
ekastinosti Eq , p pokazuje za koliko % e se smanjiti funkcija tranje.
Poto funkcija tranje u intervalu definisanosti ima opadajui tok, koeficijent elastinosti
tranje e se kretati u intervalu Eq , p 0.
Vrijednosti koje uzima koeficijent elastinosti tranje se mogu predstaviti tabelarno (tabela 2),
Tabela 2. Koeficijent elastinosti direktnog zakona tranje
Eq,p
Elastinost
p=0
Eq,p =0
Savreno neelastina tranja
0 Eq,p > - 1
Neelastina tranja
p = p1
Eq,p = - 1
Jedinino elastina tranja
p1 Eq,p > -
Elastina tranja
p = p+
Eq,p = -
Savreno elastina tranja
pri emu se cijena p+, za koju je q (p+) = 0, i cijena p1, za koju je Eq, p1 = -1, odreuje u
svakom konkretnom primjeru.
Polazei od izraza (1.47) za agregatnu tranju u irem smislu moe se pomou koeficijenta
parcijalne elastinosti utvrditi relativna promjena tranje koja je uslovljena relativnom
promjenom bilo koje nezavisne promjenljive. Koeficijent parcijalne elastinosti tranje
moe se utvrditi u odnosu na cijenu tog dobra, cijene ostalih dobara, dohodak potroaa i
ostale faktore.
63
Koeficijenti parcijalne elastinosti tranje
Polazei od izraza za agregatnu funkciju tranje (1.47) moe se pomou koeficijenta parcijalne elastinosti utvrditi relativna promjena tranje koja je uslovljena relativnom
promjenom bilo koje nezavisne promjenljive. Koeficijenti parcijalne elastinosti tranje se
mogu utvrditi u odnosu na cijenu tog dobra, cijene ostalih dobara, dohodak potroaa i ostale faktore.
Koeficijent parcijalne elastinosti tranje u odnosu na cijene ostalih dobara koje utiu
na tranju za posmatranim dobrom se definie u obliku sljedeih izraza u prekidnom i neprekidnom obliku i naziva i koeficijent unakrsne elastinosti tranje:
pk
q
p
= k
q
Eq , pk =
Eq , pk
q
pk
q
pk
(1.55)
(1.56)
Koeficijent parcijalne elastinosti tranje u odnosu na cijenu nekog drugog dobra, ili koeficijent unakrsne elastinosti, ukazuje na odnos posmatranog dobra i nekog drugog dobra k i
moe se predstaviti u sljedeoj tabeli:
Tabela 3. Koeficijent parcijalne elastinosti tranje
Koeficijent parcijalne
elastinosti tranje
Odnos posmatranog dobra

i dobra k
Eq , pk > 0
Supstitutski
Eq , pk = 0
Nezavisan
Eq , pk < 0
Komplementaran
Koeficijent parcijalne elastinosti tranje u odnosu na dohodak potroaa
Koeficijent parcijalne elastinosti tranje u odnosu na dohodak potroaa se naziva koeficijent dohodovne elastinosti tranje i definie sljedeim izrazima, u zavisnosti od toga da li
se izraunava na luku izmeu dvije take ili u taki:
64
d q
q d
d q
=
q d
Eq ,d =
(1.57)
Eq , d
(1.58)
FUNKCIJA TRANJE
Pomou ovog koeficijenta vri se klasifikacija dobara na normalna i inferiorna. Ukoliko je

vrijednost koeficijenta dohodovne elastinosti pozitivna ( Eq ,d > 0) radi se o normalnom
dobru, a ukoliko je negativna ( Eq ,d < 0) o inferiornom dobru.
Koeficijent elastinosti (fleksibilnosti) cijene u odnosu na tranju
Polazeci od inverznog zakona tranje p=p(q) moe se definisati koeficijent elastinosti

(fleksibilnosti) cijene u odnosu na tranju sljedeim izrazom:
E p ,q =
q
p 0
p
(1.59)
Znaenje koeficijenta fleksibilnosti cijene u odnosu na tranju je sljedee: Ukoliko se tranja sa datog nivoa povea za 1%, tada e se cijena za datim proizvodom smanjiti za 1%.
Tabelarna i grafika analiza se vre na isti nain kao za koeficijent elestinosti tranje u
odnosu na cijenu.
U sljedeoj tabeli je prezentovan pregled intervala fleksibilnosti cijene u odnosu na tranju.
Tabela 4. Koeficijent elastinosti inverznog zakona tranje
Ep,q
Elastinost
q=0
Ep,q =0
Savrena neelastinost
0 < q < q1
0 > Ep,q > - 1
Neelastinost
q = q1
Ep,q = - 1
Jedinina elastinost
q0 < q < q+
- 1 > Ep,q > -
Elastinost
q = q+
Ep,q = -
Savrena elastinost
pri emu se nivo zasienja q+,za koji vrijedi q (0) = q+, i nivo q1, za koju je E p ,q1 = 1 odreuje u svakom konkretnom primjeru.
Koeficijent elastinosti individualne funkcije tranje u uem i irem smislu se moe
odrediti i analizirati na isti nain kao koeficijenti elastinosti agregatne tranje. U izraze za
izraunavanje koeficijenata elastinosti treba uvrstiti odgovarajue simbole za individualnu
tranju, odrediti ih i analizirati na analogan nain kao koeficijente agregatne tranje.
Primjer 1.11.
Date su funkcije agregatne tranje u zavisnosti od cijene p :

1) q( p ) = 9 2 p
65
2) q( p) =
7
1
p +1
3) q ( p ) = 100 4 p 2
2
4) q ( p ) = p 8 p + 15 .
a) Za koje cijene p ove funkcije tranje imaju ekonomskog smisla i predstaviti ih

grafiki.
b) Odrediti algebarske izraze funkcije elastinosti datih funkcija tranje uz grafiki i
tabelarni prikaz.
Rjeenje:
a) Definiciono podruje funkcije tranje q = q(p) je: p 0; q ( p) 0; q( p) < 0
1)
q( p) = 9 2 p
p0
q( p ) = 9 2 p 0 p 4,5 p [ 0, 4.5]
q( p) = 2 < 0
p+ = 4,5 (maksimalna cijena do koje postoji tranja),

q+ = q(0) = 9 (q+ nivo zasienja).
Funkcija q( p ) = 9 2 p je linearna grafik je prava
p = 0 q = 9
q( p) = 9 2 p
q = 0 p = 4.5
9
8
7
6
5
4
3
2
1
0
q( p)
4,5
Grafikon 1.11.a. Funkcija tranje q ( p ) = 9 2 p
66
FUNKCIJA TRANJE
2) q ( p ) =
6 p
;
p +1
p0
6 p
q( p) =
0 6 p 0 p 6 p [ 0, 6] ( p + = 6 q + = 6 ) q [ 0, 6] ;
p +1
7
q( p) =
0
<
( p + 1) 2
Funkcija q( p ) =
7
1 je hiperbolina funkcija. Njene asimptote su:
p +1
p = 1 (Vertikalna asimptota jer je lim q ( p ) = + )

p 1
q( p) = 1 (Horizontalna asimptota jer je lim q ( p ) = 1 )

p +
Ograniili smo je u oblasti definisanosti funkcije tranje p(0, 6), q(0, 6) pa je njen
grafik oblika:
q(p)
6
5
4
3
2
1
-1 0
Grafikon 1.11.b. Funkcija tranje q ( p ) =
3)
7
1
p +1
q ( p ) = 100 4 p 2
67
p0
100 4 p 2 0 p 2 25 5 p 5 p 0 p [ 0,5] p + = 5, q + = 10 q [ 0,10]
8 p
4 p
q( p ) =
=
< 0 ( p )
2 100 4 p 2
100 4 p 2
Funkcija q ( p ) = 100 4 p 2 je korjena funkcija koju smo ograniili u oblasti definisanosti tranje za p [0,5] .
Grafikon 1.11.c. Funkcija tranje q ( p ) = 100 4 p
4) q( p ) = p 2 8 p + 15
p 0;
2
q ( p ) = p 8 p + 15 0 ( p 3)( p 5) 0 p ( ,3] [5, + )
;
q( p ) = 2 p 8 < 0 p < 4
p [ 0, + ) {( ,3] [5, + )} ( , 4 )
68
FUNKCIJA TRANJE
p[0, 3], q[0, 15]; p+ =3, q+ =15.

Funkcija q ( p ) = p 2 8 p + 15 je parabola sa minimumom koju smo ograniili u oblasti definisanosti funkcije tranje za p[0, 3].
20
q (p )
15
10
p
0
-1
-5
Grafikon 1.11.d. Funkcija tranje q ( p ) = p 8 p + 15

2
b) Funkcija elastinosti tranje u odnosu na cijenu E q , p =

1) Eq , p =
p
q ( p) < 0
q
p
2 p
(2) =
< 0 ; definisana za p [0, 4.5)
92p
92p
Eq , p = 0 za p = 0;
p = 4,5 vertikalna asimptota
( Eq , p ) =
18
< 0 opadajua funkcija
(9 2 p ) 2
Eq , p = 1
2 p
= 1 2 p = 9 2 p 4 p = 9 p = 2, 25
92p
69
Eq , p
Tip
elastinosti
p=0
Eq , p = 0
Savrena
neelastinost
0 Eq , p > -1
Neelastinost
p = 2,25
Eq , p = -1
Jedinina
elastinost
2,25 < p < 4,5
Eq , p < -1
Elastinost
p = 4,5
Eq , p = -
Savrena
elastinost
Eq,p
0
2,25
4,5
-1
Grafikon 1.11.a. Funkcija elastinosti tranje q ( p ) = 9 2 p
p
7
7 p
=
< 0 definisana za p[0, 6)
2
6 p ( p + 1)
(6 p)( p + 1)
p +1
Eq , p = 0 za p = 0
2) Eq , p =
p = 6 vertikalna asimptota
14( p 2 + 3)
( Eq , p ) =
2
[ (6 p)( p + 1)]
Eq , p = 1 p 2 + 2 p 6 = 0 p1,2 = 1 7; p = 1 7 (0, 6); p = 1 + 7 1, 65
Eq , p
Tip
elastinosti
p=0
Eq , p = 0
Savrena
neelastinost
0 Eq , p > -1 Neelastinost
p = 1,65
Eq , p = -1
Jedinina
elastinost
1,65 < p < 6
Eq , p < -1
Elastinost
p=6
Eq , p = -
Savrena
elastinost
Eq, p
0
1,65
Grafikon 1.11.b. Funkcija elastinosti tranje q ( p ) =
70
7
1
p +1
FUNKCIJA TRANJE
3)
Eq , p
4 p 2
=
=
< 0 definisana za p[0, 5)
2
100 4 p 2 100 4 p 2 100 4 p
p
4 p
Eq , p = 0 za p = 0
( Eq , p ) =
800 p
(100 4 p 2 ) 2
Eq , p = 1 4 p 2 = 100 4 p 2 8 p 2 = 100 p 2 = 12,5 p = + 12,5 3,53

Eq , p
Tip
elastinosti
p=0
Eq , p = 0
Savrena
neelastinost
0 Eq , p > -1
Neelastinost
p = 3,53
Eq , p = -1
Jedinina
elastinost
3,53 < p < 5
Eq , p <-1
Elastinost
p=5
Eq , p = -
Savrena
elastinost
Eq, p
0
-1
3,53
Grafikon 1.11.c. Funkcija elastinosti tranje q ( p ) = 100 4 p
4)
Eq , p =
p
2 p2 8 p
p
(2
8)
=
< 0 definisana za p[0,3)
p 2 8 p + 15
p 2 8 p + 15
Eq , p = 0 za p = 0
( Eq , p ) =
4(2 p 2 + 15 p 30)
( p 2 8 p + 15) 2
71
Eq , p = 1 3 p 2 16 p + 15 = 0 p1,2 =
p=
16 76
;
6
16 + 76
16 76
(0,3); p =
1, 2
6
6
Eq , p
Tip
elastinosti
p=0
Eq , p = 0
Savrena
neelastinost
0 Eq , p > -1 Neelastinost
p = 1,2
Eq , p = -1
Jedinina
elastinost
1,2 < p < 3
Eq , p < -1
Elastinost
p=3
Eq , p = -
Savrena
elastinost
Eq, p
0
1,2
-1
Grafikon 1.11.d. Funkcija elastinosti tranje
q ( p ) = p 2 8 p + 15
Primjer 1.12.
Neka su date funkcije tranje iz primjera 1.11.

a) Nai funkcije inverznog zakona tranje i grafiki ih predstaviti.
b) Odrediti fleksibilnosti cijena u odnosu na potraivanu koliinu q = 5 u svim sluajevima i protumaiti rezultate.
Rjeenje:
a) Inverzni zakon agregatne tranje p = p (q) definisan za q 0 p 0 p(q) < 0 .
Pri skiciranju grafika inverznih zakona tranje, iskoristit emo ve nacrtane grafike u
prethodnom primjeru i injenicu da su grafici inverznih funkcija simetrini u odnosu
na simetrali I i III kvadranta, tj. u odnosu na pravu q = p.
1. q( p ) = 9 2 p 2 p = 9 q p = p (q ) =
9q
2
Inverzna tranja je definisana za q [ 0,9] ; p [ 0, 4.5] p(q) =

72
1
< 0.
2
FUNKCIJA TRANJE
p
4,5
Grafikon 1.12.a Funkcija inverznog zakona tranje
p(q) =
9q
2
6 p
6q
q( p + 1) = 6 p qp + p = 6 q p(q) =
p +1
q +1
Inverzna tranja je definisana za p[0,6]; q[0, 6].
2) q( p ) =
U ovom primjeru su funkcije direktnog i inverznog zakona agregatne tranje jedna te

ista funkcija, pa su njihovi grafici isti.
3) q( p ) = 100 4 p 2 q 2 = 100 4 p 2 4 p 2 = 100 q 2 p =
1
100 q 2 .
2
Kako moraju biti zadovoljeni uslovi q 0 p 0 p(q) < 0 , to za funkciju tranje

1
100 q 2 definisanu za q[0, 10] p[0,5].
uzimamo funkciju p =
2
p
6
5
4
3
2
1
0
10
Grafikon 1.12.c. Funkcija inverznog zakona tranje
p(q) =
1
100 q 2
2
73
4)
q( p) = p2 8 p + 15 p2 8 p + 15 q = 0 p1,2 =
8 64 4(15 p)
p1,2 = 4 1 + q
2
Zbog uslova p(q) < 0 funkcija p = 4 + 1 + q ne moe biti funkcija tranje jer vrijedi:
p(q ) =
1
>0.
2 1+ q
Odavde zakljuujemo da je funkcija p (q ) = 4 1 + q funkcija inverznog zakona tranje i ona je definisana za p[0, 3], q[0, 15].
9
8
7
6
5
4
3
2
1
0
-5
10
15
20
Grafikon 1.12.d. Funkcija inverznog zakona tranje p (q ) = 4 1 + q
b) Funkcija fleksibilnosti cijene u odnosu na tranju E p ,q =
q
1
p(q ) =
<0
p(q)
Eq , p
1) Fleksibilnost cijene u odnosu na tranju q = 5 moemo raunati kao

5
E p , q =5 =
p(5)
p(5)
5
5 1
5
p(5) = =
ili izraunamo 5 = 9 2p p = 2;
2 2
4
p (5)
2
4
5
= (2) = E p , q =5 = .
5
5
4
E p , q =5 =
Eq , p = 2
74
FUNKCIJA TRANJE
Ako tranju sa nivoa q = 5 poveamo za 1%, cijena e se sa nivoa p = 2 smanjiti za

1,25 %.
2) E p , q =5 =
5
5 7 35
p(5) =
=
0,97 .
1
36 36
p(5)
6
Ako tranju sa nivoa q = 5 poveamo za 1%, cijena e se sa nivoa p =
1
0,167
6
smanjiti za priblino 0,97%.

3) p =
1
5
2,5 3
1
75 =
3 4,33 Eq , p =
(2) = 3 E p , q =
0,58 .
2
2
5
3
Ako tranju sa nivoa q = 5 poveamo za 1%, cijena e se sa nivoa p 4,33 smanjiti

za priblino 0,58 %.
4) E p , q =5 =
5
5
1
p(5) =
0, 66 .
p(5)
4 6 2 6
Ako se tranja sa nivoa q = 5 povea za 1%, cijena e se sa nivoa p = 4 6 1,55

smanjiti za priblino 0,66 %.
Primjer 1.13.
Na nekom tritu postoje tri potroaa sa individualnim zakonima tranje:

x1 = 4 0,5 p
x2 = 5 p
x3 = 6 1,5 p
a)
b)
c)
d)
Definisati svaku od funkcija individualne tranje uz grafiki prikaz,

Odrediti funkciju agregatne tranje uz grafiki prikaz,
Za koju cijenu je elastinost agregatne tranje jedinina,
Odrediti elastinost tranje za cijenu p = 6 i protumaiti rezultat.
Rjeenje:
a) Definiciono podruje funkcije individualne tranje je p > 0 x 0 x 0 . Odavde su definiciona podruja individualnih tranji data na grafikonu 1.13. i algebarski
odreena sa:
x1 = 4 0,5 p 0 p 8 p [ 0,8] ; x1 [ 0, 4] x1 = 0,5 < 0 .
75
x2 = 5 p 0 p 5 p [ 0,5] ; x2 [ 0,5] x2 = 1 < 0 .

x3 = 6 1,5 p 0 p 4 p [ 0, 4] ; x3 [ 0, 6] x3 = 1,5 < 0 .
x2
x1
x3
6
5
4
p
0
p
0
Grafikon 1.13. Funkcije individualnih tranji
b) Agregatna tranja je zbir svih individualnih tranji u oblasti njihove definisanosti.
x1+ x2 + x3 x1+ x2
0
x1
x1 + x2 + x3 za p (0, 4) 15 3 p
q( p ) = x1 + x2
za p [ 4,5 ) = 9 1,5 p
x
4 0,5 p
za p [5,8 )
1
za
za
za
p [ 0, 4 )
p [ 4,5 ) .
p [5,8]
p+ = 8 (granina cijena); q+ = 15 (nivo zasienja)

Kako je agregatna tranja q(p) sastavljena od tri linearne funkcije definisane u razliitim intervalima, to emo za izradu grafikog prikaza agregata ove tri linearne funkcije
koristiti rubne take intervala njihove definisanosti.
Za p[0, 4), prava koja prolazi kroz take (0, 15), (4,3).
Za p[4, 5), prava koja prolazi kroz take(4, 3), (5, 1.5).
Za p[5, 8], prava koja prolazi kroz take (5, 1.5), (8, 0).
76
FUNKCIJA TRANJE
q(p)
15
3
1,5
0
Grafikon 1.13.a. Funkcija agragatne tranje
c) Jedinina elastinost agregatne tranje Eq , p = 1 . Raunamo je za svaki izraz fun-
kcije tranje u oblasti njene definisanosti.

Za p [0, 4), q(p) = 15 3p, pa je
Eq , p = 1
p
(3) = 1 3 p = 15 3 p 6 p = 15 p = 2,5 [ 0, 4 ) .
15 3 p
Za p [4, 5), q(p) = 9 1,5p, pa je

Eq , p = 1
p
(1,5) = 1 1,5 p = 9 1,5 p 3 p = 9 p = 3 [ 4,5 ) .
9 1,5 p
Za p[5, 8), q(p) = 4- 0,5p, pa je

Eq , p = 1
p
(0,5) = 1 0,5 p = 4 0,5 p p = 4 [5,8] .
4 0,5 p
Ako cijenu sa nivoa p = 2,5 poveamo 1%, tranja e se sa nivoa q(2,5) = 7,5 takoer
smanjiti za 1%.
6
d) Za p = 6[5, 8], q(p) = 4 0,5p = 1, pa je Eq , p =6 = (0,5) = 3 .
1
Ako se cijena sa nivoa p = 6 povea za 1%, tranja e se sa nivoa q = 1 smanjiti za
3%.
77
Primjer 1.14.
Prodate koliine friidera Super (q) i cijene po jedinici proizvoda (p) date su u tabeli:
Q (kom.)
36
32
30
28
24
17
13
12
10
P (KM/kom.)
400
600
700
800
1000
1300
1500
1800
2000
a) Metodom najmanjih kvadrata odrediti linearnu funkciju tranje koja najbolje aproksimira dati skup podataka,
b) Predvidjeti kolika bi bila potraivana koliina friidera za cijenu p = 2200,
c) Odrediti koliki bi bio koeficijent elastinosti tranje za cijenu p = 700 i objasniti
dobijeni rezultat,
d) Odrediti fleksibilnost cijene za nivo q = 15 kom.
Rjeenje:
a) Trai se linearna funkcija q ( p ) = ap + b , odnosno treba ocijeniti metodom najmanjih kvadrata koeficijente a i b koji omoguavaju da odstupanje ocijenjenih
vrijednosti tranje [ q(p) = ap + b ] od vrijednosti datih u tabeli budu minimalna.
Kompletira se radna tabela:

pi
400
600
700
800
1000
1300
1500
1800
2000
10100
qi
36
32
30
28
24
17
13
12
10
202
pi qi
14400
19200
21000
22400
24000
22100
19500
21600
20000
184200
pi2
160000
360000
490000
640000
1000000
1690000
2250000
3240000
4000000
13830000
Formira se sistem normalnih jednaina:
q = a p + b n
q p = a p + b p
i
(i = 1,29 = n).
Uvrtavajui odgovarajue vrijednosti iz gornje tabele u sistem normalnih jednaina

dobija se:
202 = 10100a + 9b
184200 = 13830000a + 10100b

78
FUNKCIJA TRANJE
Rjeavajui gornji sistem jednaina dobijaju se vrijednosti koeficijenata a i b:

a = 0, 017; b = 41,551 .
Funkcija tranje je: q( p) = 0, 017 p + 41,551 .
Procijenjena funkcija tranje se definie na sljedei nain:
p > 0 q( p) = 0, 017 p + 41,551 > 0 p < 2444, 2 q( p) = 0, 017 < 0
p(0, 2444); q(0, 41,551).
U Microsoft Excelu se dobija ista linearna funkcija koja najbolje aproksimira dati
skup podataka. Postupak odreivanja funkcije koja najbolje aproksimira dati skup
podataka upotrebom Excela je objanjen ranije i u ovom sluaju emo ga primijeniti.
40
y = -0.017x + 41.551
R2 = 0.9668
35
30
25
20
15
10
5
0
0
500
1000
1500
2000
2500
Grafikon 1.14. Funkcija tranje
b) Za cijenu p = 2200, potraivana koliina bi bila q = -0,017 2200 + 41,551= 4,151

4 kom.
c) Eq , p =700 =
700
700
(0, 017) =
(0, 017) = 0, 4 .
29, 65
q(700)
Ako se cijena sa nivoa p = 700 nj povea za 1%, tranja e se smanjiti za priblino 0,4%.
p q 700 2
Ili Eq , p =
=
0, 46 .
q p 30 100
d) Za q = 15 kom., p 1562,
1562
1
Eq , p =1562 =
(0, 017) 1, 77 E p ,q =15 =
0,56 .
15
1, 77
Ako se tranja sa nivoa q = 15 kom. povea za 1%, cijena e se smanjiti za priblino
0,56%.
79
1.6. Funkcija prihoda

Prihod proizvoaa odraava realizaciju nekog dobra na tritu zavisno od prodajne cijene i
koliine. Ako se koliina tranje za nekim dobrom koja se realizuje na tritu pomnoi sa
cijenom tog dobra dobije se ukupan prihod proizvoaa.
Funkcija ukupnog prihoda se definie kao proizvod izmeu cijene nekog dobra i tranje za
tim dobrom koja je realizovana na tritu.
Funkciju prihoda emo analizirati za sluajeve konstantne i varijabilne trine cijene.
1.6.1. Funkcija prihoda za konstantnu (determinisanu) cijenu
Ako je cijena p nekog dobra na tritu konstantna, ukupan prihod e biti funkcija prodate
koliine, tj. funkcija tranje.
P = p y
(1.60)
p = const. P = P( y )
Kod determinisane trine cijene p=const.>0, prodata koliina ne moe biti vea od odgovarajue agregatne tranje q niti od ponuene koliine y na tritu. Zbog toga izmeu
tranje q na tritu i ponuene koliine y mogu nastupiti sljedei odnosi:
0 y < q, 0 y = q, y > q 0
U zavisnosti od odnosa y i q ukupan prihod kod konstantne, odnosno determinisane cijene
moe se napisati na sljedei nain:
p y 0 y q
(1.61)
P=
pq y > q 0
Funkcija ukupnog prihoda P za konstantnu cijenu je predstavljena na sljedeem grafikonu:
Grafikon 13. Funkcija ukupnog prihoda kod konstantne cijene
80
FUNKCIJA PRIHODA
Za ponuenu koliinu y koja je manja od maksimalne tranje na tritu pri konstantnoj cijeni p, prihod je jednak proizvodu izmeu te cijene p i koliine y. Za ponuenu koliinu y,
koja je vea od trine tranje q, ukupan prihod je jednak proizvodu izmeu konstantne
cijene i tranje na tritu koja je realizovana, dakle P = p q .
Poto je cijena p konstantna sa rastom realizovane koliine y raste i ukupan prihod P, pa
slijedi da je ukupan prihod maksimalan kada realizovana koliina y dostigne maksimalnu
koliinu tranje: (max) P = p (max y ) = p q.
Granini prihod kod determinisane cijene se moe napisati sljedeim izrazima, u zavisnosti od odnosa y koji predstavlja koliinu koja se nudi na tritu i maksimalne tranje q
koja se moe realizovati na tritu pri cijeni p.
p = const > 0 za 0 y q
, P" ( y ) = 0
P' ( y) =
0 za y > q 0
(1.62)
Na sljedeem grafikonu je predstavljena funkcija graninog prihoda.
P'
p
0
Grafikon 14. Funkcija graninog prihoda
Grafiki prikaz funkcije graninog prihoda pokazuje, kao i izvedeni izrazi za granini prihod, da je granini prihod jednak konstantoj cijeni p do iznosa koliine tranje realizovane
na tritu. Za ponuene koliine koje su vee od tranje na tritu prihod je jednak nuli.
Ako je tranja na tritu dovoljno velika da se moe realizovati sva ponuena koliina, tj.
y q , tada je funkcija graninog prihoda jednaka cijeni koja je konstantna.
Pq' =
dP
= p = const > 0
dq
(1.63)
81
Prosjeni prihod kod determinisane cijene
Funkcija prosjenog prihoda kod detereminisane cijene se moe napisati u sljedeem obliku:
p y
za 0 y q
y = p>0
P=
pq
za y > q 0
y
(1.64)
i predstaviti na grafikonu.
Grafikon 15. Funkcija prihoda kod detereminisane cijene
Ako je tranja na tritu dovoljno velika da se moe realizovati sva ponuena koliina, tj.
y q , tada je funkcija prosjenog prihoda takoer jednaka konstantnoj cijeni.
P=
P pq
=
= p = const > 0
q
q
(1.65)
1.6.2. Elastinost prihoda kod konstantne cijene
Za funkciju prihoda kod konstantne cijene
p y 0 y q
P( y) =
pq y > q 0
elastinost prihoda je definisana sljedeim izrazom
EP , y =
82
y
P'
P
(1.66)
FUNKCIJA PRIHODA
i moe imati dvije sljedee vrijednosti:
P , y = 1% = const
za 0 y q
P , y = 0% = const za y > q 0
Zaista, EP , y
y
p y p =1
y
= P' =
P
y ( p q ) = 0
p q
0 yq
y > q 0.
Elastinost prihoda u odnosu na koliinu y e biti jedinina ili indiferentna ukoliko se y

nalazi u intervalu 0 y q . Ako se ponuena (u ovom sluaju i realizovana) koliina povea za 1% i ukupan prihod e se poveati za 1%.
Ako se ponuena koliina y > q (koja u ovom sluaju nije realizovana, jer je realizovano
samo q) povea za 1% i ukupan prihod se nee promijeniti (EP,y = 1%).
Elastinost prihoda e biti savreno neelastina za vrijednosti y iz intervala y > q 0 .
,y
Grafikon 16. Elastinost prihoda kod determinisane cijene
1.6.3. Agregatni prihod
Kada je cijena na tritu varijabilna, odgovarajua funkcija prihoda nema konstantan pravac
pa samim tim ova funkcija nema isti grafik kao funkcija prihoda sa konstantnom trinom
cijenom.. Odredimo oblik funkcije prihoda kod se cijena mijenja po nekom zakonu tranje:
Neka je q = q ( p) funkcija tranje za predmetnim dobrom na odreenom tritu. Pretpostavimo da za razliite cijene p1 , p2 , p3 ,..., pn vrijedi sljedei odnos:
0 < p1 < p2 < p3 < ... < pn q2 > q3 > ... > qn .
q(p)
q1
q2
q3
.
.
.
qn
p1
p2
p3
. . .
pn
p+
Grafikon 17. Funkcija tranje za odgovarajue cijene
Svakoj moguoj varijanti trine cijene pi ( 0, p + moemo pridruiti odgovarajuu fun-
kciju prihoda Pi = pi y za y [ 0, qi ] i = 1, 2,3,..., n .
Funkcije prihoda Pi = pi y ; i = 1, 2,3,..., n grafiki predstavljaju dui. Krajnje take dui su

take ( 0, 0 ) i ( pi , pi qi ) ; i = 1, 2, 3, , n , odnosno take koje odgovaraju cijeni 0 i cijeni pi.
Kada se spoje take u kojima se ostvaruju maksimalni prihodi, tj. take

( pi , pi qi ) ; i = 1, 2, 3, , n kod svih posmatranih cijena pi, dobije se tipian oblik funkcije
ukupnog prihoda u sluaju varijabilne cijene .
q(p)
p3 q3
p2 q2
p1 q1
pn qn
p1
p2
p3
. . . pn
p+
Grafikon 18. Funkcija ukupnog prihoda kod varijabilne cijene
84
FUNKCIJA PRIHODA
Varijabilna trina cijena prati zakon agregatne tranje izraen kao direktni q = q ( p ) ili kao
inverzni zakon p = p (q ) pa se funkcija ukupnog prihoda kod varijabilne cijene moe
izraziti kao funkcija cijene p ili kao funkcija koliine q.
Napomenimo da je funkcija agregatnog prihoda definisana samo za one vrijednosti nezavisno promjenjljive (p ili q) za koje je definisana tranja.
Polazei od direktnog zakona agregatne tranje q=f(p), odnosno q = q(p) dobijamo funkciju prihoda kao funkciju cijene:
P = p q = p f ( p ) = p q( p) = Pp = P( p)
za
0 p p+
(1.67)
ili kao funkciju koliine polazei od inverznog zakona tranje p = p(q):

P = p q = (q) q = p(q) q = Pq = P(q)
za
0 q q + (1.68)
Funkcija ukupnog prihoda jednaka je nuli uz sljedee uslove12:
p = 0 ili q = q( p) = 0 odosno p = p +
P = p q = 0 za
+
q = 0 ili p = p(q) = 0 odosno q = q
Maksimalni agregatni prihod se ostvaruje za tranju qmax = qP ako su zadovoljeni sljedei
uslovi:
P + = max P(qP )
p
P = P ( qP ) = 0
'
'
za 0 qP q + i
p+ p P 0
P "(qP ) < 0
Analogno, maksimalni agregatni prihod se ostvaruje za cijenu pmax = pP ako su zadovoljeni

sljedei uslovi:
P + = max P( pP )
p
P ' = P ' ( pP ) = 0
za 0 pP p + i
q + q( p) 0
P "(qP ) < 0
Granini prihod P' kod varijabilne cijene
Funkcija graninog prihoda se izvodi iz funkcije ukupnog prihoda. Funkcija graninog prihoda je jednaka prvom izvodu funkcije ukupnog prihoda.
12
Iskoritena je pretpostavka da kod funkcije tranje q=q(p), vrijedi q(p+)=0 i p(q+)=0.
85
Granini prihod kao funkcija cijene
Granini prihod kao funkcija cijene Pp' se izraava u novanoj jedinici prihoda po novnoj
jedinici cijene i pokazuje za koliko novanih jedinica e se promijeniti ukupan prihod ako
se cijena na tritu povea za jednu novanu jedinicu.
Znak graninog prihoda definie rast ili pad funkcije ukupnog prihoda. Kada je granini
prihod vei od nule, ukupan prihod raste, odnosno prihod raste za cijenu 0 0 za 0 < p < pP
P = 0 za p = pP
+
< 0 za pP < p
'
P
Poto je ukupni prihod izraen kao funkcija cijene relacijom (1.67), granini prihod kao
funkcija cijene se moe napisati u obliku sljedeeg izraza:
Pp' =
dP
= [ p f ( p ) ] = f ( p ) + p f ( p) = q + pq
dp
(1.69)
0 q q+ i 0 p p+
Granini prihod kao funkcija koliine
Kada se ukupan prihod izrazi kao funkcija koliine relacijom (1.68) granini prihod se takoer moe izraziti kao funkcija tranje, odnosno koliine q
dP
= [ q (q) ] = (q) + q (q) = p + qp

dq
0 q q+ i 0 p p+
P 'q =
(1.70)
Granini prihod pokazuje promjenu ukupnog prihoda izazvanu jedininom promjenom tranje, odnosno koliine realizovane na tritu. Dakle, granini prihod pokazuje promjenu
ukupnog prihoda koja je rezultat porasta tranje za jednu koliinsku jedinicu. Jedinica mjere je novana jedinica po koliinskoj jedinici. Granini prihod i u ovom sluaju moe da
raste, stagnira ili opada u zavisnosti od tranje q, to se predstavlja sljedeim izrazom:
> 0 za 0 q < qP
P q = 0 za q = qP
+
< 0 za qP < q < q
'
86
FUNKCIJA PRIHODA
Znaenja i objanjenja graninog prihoda se mogu rezimirati na sljedei nain:

Ukoliko se prihod posmatra kao funkcija cijene, granini prihod e takoer biti izraen kao
funkcija cijene i pokazivae promjenu ukupnog prihoda izazvanu jedininom promjenom
cijene. Znaenje: ukoliko se cijena datog proizvoda povea za jednu novanu jedinicu po
koliinskoj jedinici, ukupan prihod e se promijeniti za onoliko novanih jedinica koliko
nj
iznosi granini prihod. Jedinica mjere graninog prihoda u ovom sluaju je
.
nj kj
Ukoliko se ukupni i granini prihod izraze kao funkcija tranje, odnosno traene koliine,
tada granini prihod pokazuje promjenu ukupnog prihoda koja je rezultat jedinine promjene tranje. Znaenje: ukoliko se tranja promijeni za jednu koliinsku jedinicu, granini
prihod pokazuje za koliko e se novanih jedinica promijeniti ukupan prihod. Jedinica
mjere graninog prihoda u ovom sluaju (nj/kj).
Kada je poznata funkcija graninog prihoda ukupna prihod se utvruje kao integral te funkcije, u zavisnosti od toga da li se prihod analizira kao funkcija cijene ili koliine:
p
P = P( p) dp ili
0
P(q) dq
(1.71)
Prosjean prihod kod varijabilne cijene
Prosjean prihod se moe izraziti kao funkcija koliine dijelei ukupan prihod sa cijenom,
ili kao funkcija cijene dijelei ukupan prihod sa koliinom, to je predstavljeno u izrazima
(1.72) i (1.73).
Pri datom nivou cijena, u prosjeku na svaku jedininu cijenu dolazi P p prihoda. Prosjean
prihod, izraen kao funkcija cijene, je pokazatelj osvarenog prihoda po jedininoj cijeni
datog proizvoda. U izrazu (1.72) vidimo da prosjean prihod predstavlja funkciju tranje.
Pp =
P( p)
= q ( p) = q
p
(1.72)
Pri datom nivou tranje, u prosjeku na svaku koliinsku jedinicu tranje dolazi P q prihoda.
Prosjean prihod u ovom sluaju je pokazatelj ostvarenog prihoda po jedinici realizovanog
proizvoda. U izrazu (1.73) vidimo da prosjean prihod predstavlja funkciju inverzne tranje
Pq =
P(q)
= p (q) = p
q
(1.73)
87
Na sljedeim grafikonima su predstavljeni ukupni, granini i prosjeni prihod kao funkcija

koliine i kao funkcija cijene.
Na ova dva grafikona mogu se posmatrati i analizirati odnosi koji postoje izmeu ove tri
fukcije primjenjujui rezultate analize koji su prezentovani u optem sluaju u dijelu 1.2., a
odnose se na veze i odnose izmeu ukupne, granine i prosjene veliine.
Pmax
Pmax
qmax
q+
q+
pmax
p+
p+
q+
qmax
p+
pmax
Grafikon 19. Ukupni, granini i prosjeni prihod kao funkcija koliine q i kao funkcija cijene p
Ukupan prihod dostie maksimum u taki u kojoj je granini prihod jednak nuli. Ukupan
prihod raste u intervalu u kojem je granini prihod pozitivan, a opada u intervalu u kojem je
granini prihod negativan. Analizirane funkcije prihoda su definisane u oblasti definisanosti
tranje.
1.6.4. Veza izmeu graninog prihoda i elastinosti tranje
Proirivanjem izraza (1.69) i njegovim sreivanjem dobije se veza izmeu graninog prihoda i elastinosti tranje:
88
FUNKCIJA PRIHODA
P ' p = ( q + pq)
q q 2 pqq
p
=
+
= q (1 + q) = q (1 + Eq , p )
q q
q
q
(1.74)
Veza izmeu graninog prihoda kao funkcije cijene i elastinosti tranje se moe predstaviti u sljedeem obliku:
> 0 za
Pp' = 0 za
< 0 za
(E
(E
(E
q, p
+ 1) > 0 0 > Eq , p > 1 za 0 q > qP
q, p
+ 1) = 0
q, p
+ 1) < 0 1 > Eq , p >
Eq , p = 1 za
p = pP , q = qP
za
pP q > 0
Odavde vidimo da ukupan prihod raste ako je tranja neelastina u odnosu na cijenu. Ukupan prihod je maksimalan ako je elastinost tranje jedinina i ako je tranja elastina na
promjenu cijene, ukupan prihod opada.
Proirivanjem izraza (1.70) i sreivanjem dobija se veza izeu graninog prihoda kao funkcije koliine i elastinosti (fleksibilnosti) cijene u odnosu na tranju:
Pq' = ( p + qp)
p p 2 qpp
q
=
+
= p(1 + p) = p(1 + E p ,q )
p
p
p
p
(1.75)
Veza izmeu graninog prihoda kao funkcije tranje, odnosno koliine i elastinosti cijene
se moe predstaviti u sljedeem obliku:
> 0 za
P 'q = 0 za
< 0 za
(E
(E
(E
p ,q
+ 1) > 0 0 > E p , q > 1 za 0 q < qP ,
p ,q
+ 1) = 0 E p , q = 1 za q = qP ,
p ,q
+ 1) < 0 1 > E p ,q >
p + > p > pP
p = pP
za qP < q < q + ,
pP > p > 0
Analogno ranijem, zakljuujemo da prihod opada ako je inverzna tranja elastina a raste
ako je inverzna tranja neelastina.
1.6.5. Elastinost prihoda
Elastinost prihoda se moe analizirati u odnosu na koliinu i u odnosu na cijenu. Koeficijent elastinosti prihoda u odnosu na koliinu pokazuje za koliko postotaka e se
promijeniti ukupan prihod ako se tranja povea za 1% i po definiciji je jednak:
EP , q =
'
q ' Pq
Pq =
P
Pq
(1.76)
89
Ako se u gornjoj relaciji Pq' zamijeni izrazom (1.75), dobija se veza izmeu elastinosti
ukupnog prihoda i elastinosti (fleksibilnosti) cijene:
EP , q =
q '
q
Pq =
p(1 + E p ,q ) = 1 + E p ,q
P
pq
(1.77)
Elastinost prihoda u odnosu na tranju je jednaka elastinosti cijene u odnosu na tranju

uveanu za 1.
Koeficijent elastinosti prihoda u odnosu na cijenu se definie kao % promjene ukupnog
prihoda koji je rezultat 1% porasta cijene:
EP , p
'
p ' Pp
= Pp =
P
Pp
(1.78)
Ako se u relaciji (1.78) Pp' zamijeni sa izrazom (1.74), dobija se veza izmeu elastinosti
prihoda kao funkcije cijene i elastinosti tranje:
EP , p =
p '
p
Pp =
q(1 + Eq , p ) = 1 + Eq , p
P
pq
(1.79)
Elastinost prihoda u odnosu na cijenu jednaka je elastinosti tranje u odnosu na cijenu

uveanu za 1.
Elastinost prihoda i veza izmeu elastinosti prihoda u odnosu na cijenu i elastinosti tranje u odnosu na cijenu su predstavljeni u tabeli koja slijedi.
Tabela 5. Elastinost prihoda i elastinost tranje
EP , p
p=0
EP , p =1 (jedinina elastinost)
0 < p < pP
0< EP , p <1 (neelastinost)
p = pP
EP , p 0 (savrena neelastinost)
p2< p < p+
-1< EP , p <0 (neelastinost)
p = p2
EP , p = -1 (jedinina elastinost)
p2 < p < p+
EP , p <-1 (elastinost)
gdje je p2 cijena za koju je EP , p = -1 .
90
Eq , p
Eq , p = 0 (savrena neelastinost)
-1 < Eq , p < 0 (neelastinost)
Eq , p = -1 (jedinina elastinost)
-2 < Eq , p < -1 (elastinost)
Eq , p = - 2 (elastinost)
Eq , p < -2 (elastinost)
FUNKCIJA PRIHODA
Na analogan nain se moe definisati i tabelarno predstaviti veza, izmeu elastinosti prihoda u odnosu na koliinu i elastinosti cijene u odnosu na tranju, definisanu relacijom
(1.77).
Osim u izvoenju 1. 77. vezu izmeu elastinosti ukupnog i prosjenog prihoda moemo
dobiti koristei opte veze izmeu elastinosti ukupne i prosjene funkcije izvedene u dijelu
1.2. sljedeim izrazima:
EP , p = EP , p + 1
ili
EP , q = EP , q + 1
u zavisnosti od toga da li se prihod izraava kao funkcija cijene ili koliine.

Prosjean prihod je funkcije tranje (direktne ili inverzne).
Elastinost prihoda je za 1 vea od elastinosti tranje.
EP ,q 1 jer je E p ,q 0 , odnosno EP , p 1 jer je Eq , p 0
Jedinina elastinost tranje se postie u taki maksimalnog prihoda.
Primjer 1.15.
Poznata je funkcija agregatne tranje oblika q = 12 p .

a) Odrediti algebarski i grafiki funkciju prihoda ako su poznate sljedee trine cijene:
p = 4 nj/kj,
p = 6 nj/kj,
p = 8 nj/kj.
b) U sva tri sluaja izvesti algebarske izraze za granini i prosjeni prihod i grafiki
ih predstaviti.
c) Pronai elastinost prihoda u odnosu na ponuenu koliinu predmetnog dobra.
Rjeenje:
a) S obzirom da je cijena p = const. radi se o prihodu kod determinisane trine cijene
py 0 y q
.
P ( y) =
yq
pq
Prihod je definisan u oblasti definisanosti funkcije tranje (q 0, p 0, q < 0) ;
U ovom sluaju: q = 1 < 0 q =12 p > 0 p < 12, pa je podruje definisanosti
prihoda i tranje p(0,12).
91
Za postavljene cijene ima smisla traiti funkciju prihoda. U sluaju 1) za cijenu p = 4

bilo bi q = 12 4 = 8 koliinskih jedinica, pa bi funkcija prihoda bila:
4 y 0 y 8
.
(1) P ( y ) =
y 8
32
Analogno, u sluaju 2) za cijenu p = 6 tranja bi bila q = 12 6 = 6 koliinskih jedinica i za cijenu p = 8 tranja bi bila q = 12 8 = 4 pa bi funkcija prihoda bila:
6 y 0 y 6
8 y 0 y 4
, odnosno (3) P ( y ) =
.
(2) P ( y ) =
y6
y4
36
32
P(y)
(2)
36
(1)
(3)
32
Grafikon 1.15. Funkcije prihoda kod cijena p= 4, p = 6, p=8
U sva tri sluaja funkcija prihoda grafiki predstavlja pravu kroz take (0, 0) i taku
( q, pq ) koja predstavlja maksimum prihoda za odreenu cijenu p i to u sluaju 1)
kroz taku (4, 32), u sluaju 2) kroz taku (6, 36) i u sluaju 3) kroz taku (8, 32).
b) Za ponuenu koliinu manju ili jednaku odreenoj tranji predmetnog dobra (y
q) imamo da su funkcije graninog prihoda P ' ( y ) = ( py ) = p i prosjenog prihoda
py
P( y) =
= p konstantne i jednake cijeni dobra.
y
92
FUNKCIJA PRIHODA
Ukoliko je y > q, imamo da je granini prihod nula P ( y ) = 0 , a prosjeni prihod je

pq
jednak P( y ) =
.
y
Na sljedeem grafikonu su dati grafiki prikazi ovih funkcija:
(1)
8
(2)
(2)
6
(3)
(1)
(3)
Grafikon 1.15.a. Funkcije graninog i prosjenog prihoda kod determinisane

cijene p = 4; p = 6, i p = 8
Elastinost
prihoda
u
odnosu
na
yq
ima
vrijednost
y
y
EP , y =
P' ( y) =
p = 1 , tj. ima indiferentnu (jedininu) elastinost dok je za
P( y)
py
y > q 0 elastinost jednaka 0.
c)
Primjer 1.16.
Poznata je funkcija agregatne tranje oblika q = 12 p .

a) Odrediti algebarski i grafiki funkciju agregatnog prihoda, te odrediti za koju cijenu i koliinu se ostvaruje maksimalan prihod i koliko iznosi.
b) Odrediti granini i prosjeni prihod i dati njihov grafiki prikaz
c) Odrediti funkciju elastinosti prihoda i tranje u odnosu na cijenu dobra uz grafiki i tabelarni prikaz, a zatim protumaiti elastinost prihoda i tranje za cijenu
p = 8.
93
Rjeenje:
a) S obzirom da funkcija ukupnog (agregatnog) prihoda odraava realizovanu prodaju nekog dobra ovisno o prodanoj koliini i cijeni, smatrajui funkciju potranje
kao relaciju koja odraava prodaju, funkciju ukupnog prihoda emo dobiti kada funkciju tranje q = f ( p ) pomnoimo cijenom dobra tj. P = p q( p) .
Funkcija ukupnog prihoda je definisana u oblasti definisanosti funkcije tranje, odnosno za ( p > 0, q 0, q 0 ) .
U naem sluaju: q = 1 < 0 q =12 p > 0 p < 12 p(0,12) .
Analizom funkcije ukupnog prihoda P = p q ( p ) = p (12 p ) = 12 p p 2 imamo:
Oblast definisanosti: P = p q ( p ) = p (12 p ) = 12 p p 2 definisan je za p(0,12).
Nule: Prihod P = 0 p q ( p ) = p (12 p ) = 0 p = 0 q ( p ) = 0 , prihod je jednak nuli ako je p = 0 i p = p+ = 12.
Maksimum: Da bi odredili maksimalan prihod, potraimo stacionarnu taku, odnosno
granini prihod izjednaimo sa 0 i imaemo
P ' = 0 12 2 p = 0 p = 6 .
(Kako je P" < 0 za p = 6 prihod ima maksimum).
Dakle, za cijenu p = 6, traena koliina je q =12 6 = 6 i maksimalan prihod je
P+ = P(6) = 66 =36 n.j.
b) Ukupan prihod P = 12 p p 2 ; granini prihod P ' = 12 2 p ; prosjean prihod
P
P = = 12 p = q .
p
Na narednim grafikonima su dati prikazi funkcija ukupnog prihoda, te funkcije graninog i prosjenog prihoda.
Grafici su prikazani jedan ispod drugog zbog uoavanja karakteristinih veza izmeu
ukupne vrijednosti neke funkcije i njenih prosjenih i graninih veliina.
94
FUNKCIJA PRIHODA
P(p)
36
P(p)
12
P', P
12
P
0
P
6
12
Grafikon 1.16.a. i b. Funkcija agregatnog prihoda P (p) i funkcije graninog i prosjenog prihoda
Dakle, funkcija graninog prihoda je linearna i prolazi kroz take (0,12) i (6,0).
Za cijenu 0< p <6 granini prihod je pozitivan, to znai da ukupan prihod raste, za
p = 6 granini prihod je 0 gdje je maksimalan ukupan prihod i za cijenu 6< p <12
granini prihod je negativan to ima za posljedicu da ukupan prihod opada.
Funkcija prosjenog prihoda je funkcija tranje, takoer linearna, prolazi kroz take
( 0,12 ) i (12, 0 ) .
c) EP , p =
p
p
12 2 p
P ' ( p) =
(12 2 p) =
funkcija elastinosti prihoda.
P( p)
p(12 p )
12 p
Analizirajui ovu funkciju, dobivamo:

EP , p = 0 za p = 6
(E )
P, p
12 2 p
12
=
=
2
12 p (12 p)
EP , p = 1 za p = 0 i EP , p = 1 za p = 8.
95
Napomena: Iz odnosa elastinosti prosjene i osnovne funkcije imamo

EP , p = EP , p + 1 = Eq , p + 1
Dakle, funkciju elastinosti prihoda i njene vrijednosti moemo izvesti iz funkcije

elastinosti tranje i njenih vrijednosti i obrnuto, tj. elastinost prihoda je za 1 vea od
elastinosti tranje u odnosu na istu cijenu.
E P, p
Eq, p
1
6
12
0
-1
12
0
-1
-2
Grafikon 1.16.c. Funkcije elastinosti prihoda i tranje
Tabelarni pregled elastinosti:

p
EP , p
Eq , p
p=0
EP , p =1 (jedinina elastinost)
0<p<6
0< EP , p <1 (neelastinost)
Eq , p = 0 (savrena neelastinost)
-1 < Eq , p < 0 (neelastinost)
p=6
EP , p = 0 (savrena neelastinost)
6<p<8
-1< EP , p <0 (neelastinost)
p=8
EP , p = -1 (jedinina elastinost)
8 < p <1 2
E , p <-1 (elastinost)
Eq , p = -1 (jedinina elastinost)
-2 < Eq , p < -1 (elastinost)
Eq , p = - 2 (elastinost)
Eq , p < -2 (elastinost)
Iz tabele i grafikona se konstatuje, da ako se cijena p sa nivoa p = 8 povea za 1%,

prihod e se smanjiti za 1%, a tranja za 2 %.
96
FUNKCIJA PRIHODA
Primjer 1.17.
Data je nepotpuna funkcija graninog prihoda p = A 4 p .

a) Odrediti parametar A ako je granina cijena p+ = 8 nj/kj;
b) Za cijene p = 2, p = 4, p = 6 izraunati granini prihod i protumaiti rezultate;
c) Odrediti algebarski i grafiki funkciju prihoda u zavisnosti od cijene;
d) Odrediti algebarski i grafiki funkciju prihoda u zavisnosti od tranje;
e) Odrediti elastinost prihoda i tranje za cijenu p = 6 i protumaiti rezultate.
Rjeenje:
a) P ( p ) = P ' ( p)dp = ( A 4 p )dp = Ap 2 p 2 + const
Kao to znamo, prihod je jednak 0 kada je p = 0 ili p = p+, to imamo P (0) = 0

const = 0 i P(8) = 0 8A 128 = 0 A = 16.
Dobijamo da je P ( p ) = 16 p 2 p 2 .
b) P ' p = 16 4 p ; Za p = 2 raunamo P ' p (2) = 16 4 2 = 8 .
Ako se cijena sa nivoa p = 2 povea za jedinicu, ukupan prihod e se poveati za 8

novanih jedinica.
Slino, P ' p (4) = 16 4 4 = 0 .
Ako se cijena sa nivoa p = 4 povea za jedinicu, prihod e ostati nepromijenjen.
P ' p (6) = 16 4 6 = 8 .
Ako se cijena sa nivoa p = 6 povea za jedinicu, prihod e se smanjiti za 8 novanih
jedinica.
c) Ve smo odredili funkciju prihoda u zavisnosti od cijene P ( p ) = 16 p 2 p 2 .
Analizom ove kvadratne funkcije imamo:
P(p)
P ( p ) = 16 p 2 p 2 = p(16 2 p ) = p q ( p)
1.
q( p) = 16 2 p
32
2.
def. za p (0, 8).

P(p) = 0 p = 0 p = p+ =8.
3. P ' p = 16 4 p = 0 p = 4 pa je maksimalan
+
prihod P = {(4) = 4 8 = 32 .
p
0
Grafikon 1.17. Funkcija prihoda u zavisnosti od cijene
97
d) Iz inverznog zakona tranje q = 16 2 p 2 p = 16 q p = 8
q
def. za q (0, 16)
2
q
q2
Odavde je P (q ) = q p(q) = q(8 ) = 8q
algebarski izraz prihoda u zavisnosti
2
2
od tranje.
Analizom ove kvadratne funkcije imamo:
P(q)
1.
32
P (q ) = q p (q ) = 0
.
q = 0 p(q) = 0 q = 0 q = 16
2. P(q) = 0 8 q = 0 q = 8;
pa je P+ (8) = 32,
(primjetimo da je za cijenu p = 4 potraivana koliina q = 16 8 = 8).
4
12
16 q
Grafikon 1.17.a. Funkcija prihoda u zavisnosti od tranje
e) EP , p =6 =
p
16 4 p 16 4 6
(16 4 p) =
=
= 2 ; Eq , p =6 = EP , p =6 1 = 3 .
p(16 2 p)
16 2 p 16 2 6
Ako se cijena p sa nivoa p = 6 nj povea za 1%, prihod e sa nivoa P(6) = 24 smanjiti

za 2%, a tranja sa nivoa q(6) = 4 e se smanjiti za 3%.
Primjer 1.18.
Data je nepotpuna funkcija agregatnog prihoda P(q) = q ( A q) 2 .

a) Odrediti nepoznat parametar A ako se zna da je elastinost prihoda EP,q = -3 za
q =6 kj;
b) Protumaiti vrijednost EP,q = -3 za q = 6 kj;
c) Grafiki predstaviti funkciju prihoda uz analizu karakteristinih taaka.
Rjeenje:
a) EP ,q =
98
q
q
A 3q
P ' (q) =
( A q)( A 3q) =
.
2
P(q)
q( A q)
Aq
FUNKCIJA PRIHODA
Iz uslova zadatka raunamo

A 18
= 3 A 18 = 3 A + 18 4 A = 36 A = 9 .
A6
Dakle, funkcija prihoda je P (q ) = q (9 q) 2 .
b) Za q = 6 P(6) = 54 n.j.
Ako se tranja sa nivoa q = 6 povea za 1%, prihod e sa nivoa P(6) = 54 nj smanjiti

za 3%.
c)
P(q)
108
Analizom funkcije se dobija:
Definisanost:
P (q ) = q (9 q) 2 definisana za q (0,9).
Nule:
P (q ) = q (9 q) 2 = 0 za q = 0 i q+ = 9.
54
Ekstremi
P' (q) = (9 q)(9 3q) = 0 q1 = 9 q2 = 3

P" (q) = 6 (6 q) = 0 q = 6 prevojP(6,54)
P" (3) = 18 < 0 maksimum M (3,108)
P" (9) = 18 > 0 minimum N (9,0)
Grafikon 1.18. Funkcija prihoda u zavisnosti od tranje
Primjer 1.19.
Na tritu odreenog tipa robe nalaze se dva potencijalna potroaa sa individualnim

zakonima tranje: x1 = 4 - 0,5p; x2 = 5 p.
a) Odrediti funkciju agregatne tranje i agregatnog prihoda uz grafiki prikaz;
b) Odrediti za koju cijenu je ukupan prihod maksimalan i koliko iznosi;
c) Odrediti elastinost prihoda za cijene p = 2 i p = 6. Protumaiti rezultate.
99
Rjeenje:
a) Definie se funkcija individualne tranje:
(p 0, x 0, x< 0)
x1= -0,5 < 0 i x1 = 4 - 0,5p >0 p < 8 p(0, 8).
x2= -1 < 0 i x2 = 5 - p >0 p < 5 p(0, 5).
Funkcija agregatne tranje je:
x1 + x2 za p (0,5) 9 1,5 p za p [ 0,5 )

.
=
q( p) =
5,8
x
za
p
4
0,5
5,8
p
za
p
)
[
[
]
Kako je agregatni prihod (p) = p q(p), funkcija agregatnog prihoda je:

2
9 p 1,5 p za p [ 0,5 )
P( p) =
.
2
4 p 0,5 p za p [5,8]
p ( 9 1,5 p ) = 0 p1 = 0 i p2 = 6 d . p.
1) Za p(0,5)
+
P = 0 9 3 p = 0 p = 3 d . p. P = P ( 3) = 13,5
p ( 4 0,5 p ) = 0 p1 = 0 d . p. i p2 = 8
2) Za p[5,8)
P = 0 4 p = 0 p = 4 d . p.
q(p)
1,5
0
Grafikon 1.19. Funkcija agregatne tranje
100
FUNKCIJA PRIHODA
P(p)
13,5
7,5
Grafikon 1.19.a. Funkcija agregatnog prihoda
b) Ukupan prihod je maksimalan za cijenu p = 3 i iznosi 13,5 nj

c)
p
3
(9 3 p ) = = 0,5
p (9 1,5 p )
6
p
=
(4 p ) = 2
p (4 0,5 p )
EP , p = 2 =
EP , p = 6
P (2)= 26 = 12 nj i P(6) = 61= 6 nj

Ako se cijena sa nivoa p = 2 nj povea za 1%, prihod e se sa nivoa P= 12 nj poveati
za 0,5%.
Ako se cijena sa nivoa p = 6 nj povea za 1%, prihod e se sa nivoa P = 6 nj smanjiti
za 2%.
101
1.7. Funkcija trokova

Proizvodnja novih dobara ili uinaka uslovljena je troenjem odgovarajuih faktora proizvodnje
(rad, sredstva rada, predmeti rada itd.). Pored koliinskog izraavanja (kg, kom, sat), utroeni
faktori se mogu iskazati i u zajednikom imenitelju, tj. u novanom izrazu. Vrijednosni izraz
faktora utroenih u proizvodnju novih proizvoda ili ostvarenje uinaka naziva se trokovima. U
daljem tekstu e se analizirati vrste trokova i njihovi meusobni odnosi i osobine.
1.7.1. Ukupni trokovi C
Ukupni trokovi C zavise od obima proizvodnje y, cijene i kvaliteta faktora proizvodnje,

tehnikih uslova proizvodnje itd. Ako se pretpostavi da su svi faktori, osim obima proizvodnje, konstanti, ukupni trokovi se mogu izraziti kao funkcija obima proizvodnje.
C = f ( y ), odnosno C = C ( y )
(1.80)
Da bi matematska funkcija (1.80) predstavljala funkciju trokova mora ispuniti sljedee uslove:
1. Uslov nenegativnosti nezavisne i zavisne promjenljive: y 0, C 0 .
2. U posmatranom intervalu funkcija treba da bude diferencijabilna. Prvi izvod treba da
bude pozitivan C = C ( y ) 0 to odrava zakonitost da se rastom obima proizvodnje
y rastu i trokovi C . Funkcija ukupnih trokova C je rastua funkcija u odnosu na
obim proizvodnje y.
Da bi neka funkcija bila funkcija ukupnog troka mora zadovoljiti sljedee uslove:
y 0; C ( y ) 0; C ( y ) 0 .
Podjela trokova se vri sa raznih stanovita uzimajui u obzir razliite kriterije. U ovom
dijelu e se analizirati podjela trokova prema stepenu njihovog reagovanja na promjene
obima proizvodnje. S obzirom na ovaj kriterij, oni se dijele na:
1. Fiksne trokove F
2. Varijabilne trokove V , koji mogu biti
2.1. Proporcionalni
2.2. Neproporcionalni
Fiksni trokovi F su konstantni i ne zavise od obima proizvodnje. Utvruje se uz pretpostavku da je obim proizvodnje jednak nuli (y=0). Prema tome, kad se ne proizvodi, tj. kada
je y = 0, ukupni trokovi C su jednaki fiksnim trokovima F , odnosno C = f (0) = F .
Varijabilni trokovi reaguju na svako poveanje ili smanjenje obima proizvodnje. Varijabilni
trkovi mogu biti proporcionalni i neproporcionalni u zavisnosti od reakcije trokova na kre102
FUNKCIJA TROKOVA
tanje obima proizvodnje. Proporcionalni trokovi se mijenjaju proporcionalno, odnosno srazmjerno, a neproporcionalni nesrazmjerno sa promjenom obima proizvodnje. Rast ukupnih
trokova C je posljedica rasta varijabilnih trokova jer su fiksni trokovi konstantni.
Na osnovu navedene podjele, funkcija ukupnih trokova se moe zapisati kao zbir fiksnih i
varijabilnih trokova:
C = C ( y) = F + V ( y)
(1.81)
1.7.2. Granini trokovi C
Granini trokovi se dobiju deriviranjem funkcije ukupnih trokova C i predstavljaju prvi

izvod funkcije ukupnih trokova.
C ( y ) = lim
y 0
C
C ( y + y ) C ( y ) dC
= lim
=
0
dy
y
y
(1.82)
Granini trokovi su pokazatelj prirasta ukupnih trokova C koji je uslovljen jedininim

poveanjem obima proizvodnje y.
Kada se funkcija ukupnih trokova napie u obliku izraza C = C ( y ) = F + V ( y ) i odredi
funkcija graninih trokova zakljuuje se da je funkcija graninih trokova jednaka funkciji
graninih varijabilnih trokova V ( y ) poto je izvod fiksnih trokova (konstante) jednak
nuli F = 0 .
C ( y) = F + V ( y)
C ( y ) = F + V ( y )
(1.83)
C ( y ) = V ( y ) jer je F = 0
Kada je poznata funkcija graninih trokova, funkcija ukupnih trokova se utvruje primjenom neodreenog integrala:
C ( y ) = C ( y )dy = C * ( y ) + K
(1.84)
Ovim izrazom se odreuje familija funkcija kojoj pripada ova funkcija. Da bi se odredio
ukupni troak potrebno je odrediti konstantu K, a za njeno odreivanje je potrebno poznavati jo jedan podatak, naprimjer C ( 0 ) = F .
1.7.3. Prosjeni trokovi proizvodnje

Prosjeni fiksni trokovi se dobijaju dijeljenjem ukupnih fiksnih trokova sa obimom proizvodnje y:
103
F=
F ( y)
>0
y
(1.85)
i pokazuju fiksne trokove po jedinici proizvodnje. Posmatrani u odnosu na jedinicu proizvoda, fiksni trokovi su promjenljivi i smanjuju se sa porastom obima proizvodnje.
Prosjeni fiksni trokovi su pozitivni i izraavaju se u nj/kj. Ovi trokovi imaju usporavajui negativan prinos F ( y ) < 0, F ( y ) > 0 i dvije asimptote, i to Y i X osu.13
Prosjeni varijabilni trokovi proizvodnje se definiu kao varijabilni trokovi po jedinici
proizvodnje. Pokazuju koliko u prosjeku po svakoj jedinici proizvodnje dolazi varijabilnih
trokova. Jedinica mjere ovih trokova je novana po koliinskoj jedinici (nj/kj).
V =
V ( y)
= V ( y) > 0
y
(1.86)
Sa rastom nivoa proizvodnje rastu ukupni varijabilni trokovi i tada su prosjeni varijabilni
trokovi pozitivni :
y > 0 V ( y) > 0 i V = V ( y) > 0 .
Ukupni varijabilni trokovi se mijenjaju zavisno od promjene obima proizvodnje. Prosjeni

varijabilni proporcionalni trokovi su konstantni za svaki nivo proizvodnje. Prosjeni varijabilni neproporcionalni trokovi mogu da opadaju ili rastu, zavisno od toga da li je rast
trokova slabijeg ili jaeg intenziteta u odnosu na rast obima proizvodnje14.
Prosjeni ukupni trokovi proizvodnje
Prosjeni trokovi su trokovi po jedinici proizvoda. Dobiju se dijeljenjem ukupnih trokova sa koliinom proizvedenih jedinica:
C=
C ( y)
= C ( y) > 0
y
(1.87)
Kada se funkcija ukupnih trokova napie u obliku izraza C = C ( y ) = F + V ( y ) , funkcija

prosjenih trokova e biti jednaka zbiru prosjenih fiksnih i prosjenih varijabilnih trokova:
C=
C ( y) F ( y) + V ( y)
=
= F ( y) + V ( y)
y
y
(1.88)
Funkcija prosjenih trokova je razlomljena funkcija, to znai da, zavisno od funkcije

ukupnih trokova C, funkcija prosjenih trokova moe da opada, stagnira i raste. Tok funkcije prosjenih trokova zavisi od konkretne funkcije ukupnih trokova. Prosjeni trokovi
13
14
Dokaz vidjeti u: Vukovi, ., (2004), str. 95.

Dokaze vidjeti u: Ibid., str. 96 - 97.
104
FUNKCIJA TROKOVA
se izraavaju u novanoj po koliinskoj jedinici (nj/kj). Pokazuju koliko u prosjeku po svakoj proizvedenoj jedinici dolazi ukupnih rokova.
F + V (0) F
= =
Za y = 0 C (0) =
0
0
Za y > 0 C ( y ) = F ( y ) + V ( y ) > 0 C ( y ) > F ( y ) i C ( y ) > V ( y )
Funkcija prosjenih trokova ima vertikalnu asimptotu i to je koordinatna osa C . Na osnovu gornjeg izraza zakljuuje se da e se grafik funkcije prosjenih trokova nalaziti iznad
grafika prosjenih fiksnih i prosjenih varijabilnih trokova. Ako iskoristimo injenicu da
prosjeni fiksni trokovi opadaju sa porastom obima proizvodnje, imamo sljedeu vezu:
F
F
lim C ( y ) = lim V ( y ) + = lim V ( y ) + lim = lim V ( y ) ,
y
y
y y
y
y y
koja nam govori da se prosjeni ukupni trokovi i prosjeni varijabilni trokovi asimptotski
pribliavaju kad obim proizvodnje beskonano poveava.
Za granine i prosjene trokove vrijede odnosi koji su definisani i analizirani u dijelu 1.2. za
odnose prosjene i granine veliine. Ovi odnosi se mogu analizirati pomou sljedee relacije:
C
y C
y
C C y C
C C
C = =
= 2 =
2
y
y
y
y
za y > 0
(1.89)
< 0 za C > C
C C
C =
= 0 za C = C
y
> 0 za C > C
Dok funkcija prosjenih trokova opada, granini trokovi su vei od prosjenih. U minimumu prosjenih trokova granini i prosjeni trokovi se sijeku. Kada prosjeni troak
raste, granini trokovi su vei od prosjenih.
Analiza ekonominosti
Funkcija prosjenih trokova se koristi kao pokazatelj ekonominosti. Nii prosjeni trokovi ukazuju na ekonominiji nivo proizvodnje. Najekonominiji nivo proizvodnje se
ostvaruje u minimumu prosjenih trokova. Rjeenje relacije C = 0 daje nivo ye koji predstavlja najekonominiji nivo proizvodnje:
105
C C y C
C = =
=0
y2
y
C y C = 0/ : y
(1.90)
C C = 0
C = C
Za nivo proizvodnje za koji su prosjeni trokovi najnii, tj. za najekonominiji nivo,

prosjeni trokovi su jednaki graninim trokovima. Najekonominiji nivo proizvodnje
emo oznaavati sa ye.
Ukupni, prosjeni i granini trokovi imaju razliit tok razvoja poev od nultog pa do maksimalnog obima proizvodnje. Pri nultom obimu proizvodnje ukupni trokovi su jednaki
fiksnim trokovima. Poveanjem obima proizvodnje pojavljuju se pored fiksnih i varijabilni
trokovi koji rastu sa rastom obima proizvodnje.
Grafika ilustracija razvojnog toka ukupnih prosjenih i graninih trokova je predstavljena
na sljedeim grafikonima:
C(y)
C
V(y)
E1
M1
yM
V1
yV
ye
C=V
C , C
E
V
F =
M
0
yM
yV ye
F
y
Grafikon 20. Razvojni tok i odnosi ukupnih, varijabilnih, fiksnih i graninih

i prosjenih ukupnih, varijabilnih i fiksnih trokova
106
FUNKCIJA TROKOVA
Ukupni i ukupni varijabilni trokovi rastu sa porastom obima proizvodnje y. Ukupni fiksni
trokovi su konstantni. Granini trokovi dostiu minimum u taki yM koja je taka prevoja
ukupnih trokova. U taki yB prosjeni varijabilni trokovi dostiu minimum i to je taka u
kojoj se sijeku granini i prosjeni varijabilni trokovi. Granini trokovi sijeku prosjene
trokove u minimumu prosjenih trokova, tj u taki yE i ta vrijednost predstavlja najekonominiji nivo proizvodnje. Prosjeni fiksni trokovi imaju opadajui tok.
1.7.4. Elastinost trokova

Elastinost fiksnih trokova
Elastinost ukupnih fiksnih trokova je jednaka nuli:

EF , y =
y
F ( y ) = 0 za
F ( y)
y0
(1.91)
jer je prvi izvod fiksnih trokova koji su konstantni jednak nuli.

Elastinost prosjenih fiksnih trokova je jednaka
EF , y
y
y F y2 0 F y2 F
=
F = =
2 =
= 1 < 0 za
F y
F ( y)
F
y
F y2
y
y0
(1.92)
Isti rezultat bi se dobio ako bi se primijenila veza izmeu elastinosti ukupne i prosjene
funkcije koja je izvedena i analizirana u dijelu 1.2.:
EF , y = EF , y + 1 = 1 + 1 = 0
ili
EF , y = EF , y 1 = 0 1 = 1
Elastinost varijabilnih trokova
Elastinost varijabilnih trokova je jednaka odnosu graninih i prosjenih varijabilnih trokova i moe uzimati sljedee vrijednosti:
EV , y =
y
V ( y )
V ( y ) =
V ( y)
V ( y)
0 za y 0
= 1 za V ( y ) = V ( y )
(1.93)
Elastinost prosjenih varijabilnih trokova je prema izrazu za koeficijent elastinosti jednaka:
107
EV , y =
y
V ( y )
V ( y)
(1.94)
Na osnovu veze izmeu elastinosti ukupne i prosjene funkcije moe se zapisati:

EV , y = EV , y + 1
EV , y = EV , y 1
Elastinost prosjenih varijabilnih trokova e se kretati u sljedeem intervalu:

1 EV , y < + .15
Elastinost ukupnih trokova
Po definiciji, elastinost ukupnih trokova je jednaka odnosu graninih i prosjenih trokova, i pozitivna je, to znai da se moe kretati u intervalu od nula do plus beskonanosti.
EC , y =
y
C
C =
>0
C
C
(1.95)
Koje vrijednosti e uzimati koeficijent elastinosti ukupnih rokova zavisi od konkretnog

oblika funkcije trokova. Zavisno od vrijednosti y utvruje se savrena neelastinost
( EC , y = 0) , interval neelastinosti (0 < EC , y < 1) , jedinina elastinost ( EC , y = 1) , interval
elastinosti (1 < EC , y < + ) i sluaj savrene elastinosti ( EC , y = + )
Navedeni tipovi elastinosti funkcije trokova mogu se predstaviti tabelarno i grafiki.

Tabela 6. Elastinost trokova
y
y=0
EC,y
EC,y =0
Tip elastinosti
neelastinost
0 < y < ye
y = ye
ye < y < +
0<EC,y <1
EC,y =1
1<EC,y <+
interval neelastinosti
jedinina elastinost
interval elastinosti
Kada su granini trokovi jednaki prosjenim trokovima, a to se postie u najekonominijem nivou prizvodnje, elastinost ukupnih trokova je jednaka jedinici. Zbog toga rjeenje
jednaine EC,y =1 predstavlja najekonominiji nivo proizvodnje.
Elastinost prosjenih trokova je, po definiciji, jednaka:
15
Dokaz vidjeti u : Vukovi, ., (2004), str. 105-106.
108
FUNKCIJA TROKOVA
EC , y
y
y C y2 C y C y
=
C ( y ) = =
= C 1 = EC , y 1 .
C y
C ( y)
C
y2
C
y
(1.96)
U gornjoj relaciji je napisan, po definiciji, izraz za koeficijent elastinosti prosjene funkcije i izvedena veza izmeu elastinosti prosjenih i ukupnih rokova.
Iz izvedene relacije slijedi da je elastinost ukupnih trokova jednaka elastinosti prosjenih
trokova uveanim za jedinicu:
EC , y = EC , y + 1
Koeficijent elastinosti ukupnih trokova pokazuje za koliko postotaka e se poveati

(smanjiti) ukupni trokovi ( EC , y % ) ako se nivo proizvodnje y povea (smanji) za 1%.
1.7.5. Funkcija agregatnih trokova
Ako se pretpostavi da se agregatna koliina q datog dobra ostvaruje uz odgovarajue zbirne

trokove C, moe se definisati funkcija agregatnih trokova proizvodnje.
C = C (q) = F + V (q) > 0, C '(q ) 0 za q 0
(1.97)
Funkcija prosjenih trokova

C=
C (q ) F (q) + V (q )
=
= F (q) + V (q)
q
q
Funkcija graninih trokova

C = C (q) = F + V (q) = 0 + V (q) = V (q) > 0 C '(q) = V (q) 0 za q 0
Kompletna analiza i prezentacija koja je izvrena za funkciju individualnih trokova moe

se izvriti i za funkciju agregatnih trokova na analogan nain. Zbog toga se nee ponavljati
i posebno prezentovati.
Primjer 1.20.
Neka je C(y) = 25 + 2y + y2 funkcija ukupnog troka jednog proizvoaa gdje je y 0

nivo proizvodnje.
a) Odrediti i u istom koordinatnom sistemu grafiki prikazati funkcije ukupnog, fiksnog i varijabilnog troka.
109
b) Odrediti i u istom koordinatnom sistemu prikazati funkcije graninog i prosjenog ukupnog i varijabilnog troka.
c) Da li se vea ekonominost proizvodnje ostvaruje za nivoe y = 2 ili y = 4? Za te
nivoe odrediti granini troak i protumaiti dobijene vrijednosti.
d) Tabelarno i grafiki prikazati elastinost ukupnih trokova.
Rjeenje:
a) Da bi jedna funkcija bila funkcija ukupnog troka, mora zadovoljiti sljedee uslove:
y 0; C ( y ) 0; C ( y ) 0 .
Potrebno je provjeriti da li data funkcija ispunjava navedene uslove. Provjerava se da

li je funkcija nenegativna: C(y) > 0 25 + 2y + y2 > 0 za y (jer je koeficijent ispred kvadratnog lana pozitivan, a diskriminanta negativna D = 4 100 = - 96 < 0),
Provjerava se C (y) = 2 + 2y > 0 za y 0.
Na osnovu provjerenih uslova zakljuuje se da data funkcija moe predstavljati funkciju troka za svako y 0.
Potrebo je odrediti fiksni i varijabilni troak. Fiksni troak je troak koji postoji i kada
je obim proizvodnje jednak nuli, odnosno F = C(0) = 25 je funkcija fiksnih trokova.
Varijabilni troak predstavlja razliku ukupnog troka i fiksnog troka, pa funkcija varijabilnog troka ima sljedei oblik V(y) = C(y) F = 2y + y2.
Funkcije ukupnih i varijabilnih trokova su kvadratne funkcije sa minimumom (U oblik).
Ove funkcije su na osnovu definicionog podruja u prvom kvadrantu uvijek rastue dok
je funkcija fiksnih trokova konstantna (prava paralelna sa horizontalnom osom).
Grafiki prikaz ovih funkcija je dat na grafikonu 1.20. (Na osnovu definicionog podruja nas interesuje samo prvi kvadrant.)
Funkcija varijabilnog troka V (y) grafiki predstavlja parabolu sa polaznom takom
u I kvadrantu (0, 0), ogranienu u oblasti definisanosti troka. Minimum ove funkcije
je y = -1 a ovo ne pripada oblasti definisanosti funkcije troka.
Funkcija ukupnog troka je takoer grafiki parabola sa polaznom takom (0, 25); tj.
translirani grafik funkcije varijabilnog troka za fiksne trokove F = 25.
110
FUNKCIJA TROKOVA
50
45
C, V, F
V(y )
40
35
30
F(y ) = 25
25
20
15
10
5
0
-5 0
Grafik 1.20. Funkcije ukupnih,varijabilnih i fiksnih trokova
b) Potrebno je odrediti granini i prosjeni troak:
C(y) = V(y) = 2 + 2y (granini ukupni i granini varijabilni su uvijek jednaki)

C ( y) =
25 + 2 y + y 2 25
25
=
+2+ y =
+ V ( y ) ; V ( y ) = 2 + y.
y
y
y
Prosjeni varijabilni i prosjeni ukupni trokovi se asimptotski pribliavaju kada obim

proizvodnje tei beskonano.
Odreuje se najekonominiji nivo proizvodnje ye nivo za koji se prosjeni trokovi
minimiziraju, tj.
C ( y ) = 0 y = ye .
C ( y ) =
(2 + 2 y ) y 25 2 y y 2 y 2 25
=
= 0 y 2 25 = 0 ye = 5.
2
2
y
y
C ( ye ) = C ( ye ) = 12 . (Iz odnosa prosjene i granine funkcije).
Analizirajui funkciju prosjenog troka, odreuju se:

1. Pozitivnost: C ( y ) =
25 + 2 y + y 2
>0,
y
2. Vertikalna asimptota je y = 0,
3. Kosa asimptota
111
25 + 2 y + y 2
k = lim
=1
y +
y2
25 + 2 y + y 2
n = lim
y = 2
y +
y
KA : ky + n = y + 2 = V ( y ).
Grafici funkcija graninog i prosjenog ukupnog troka sijeku se za nivo nejekonominije proizvodnje ye = 5.
Funkcije graninog i varijabilnog troka su jednake za y = 0.
16
C'
14
12
E (5; 12)
10
8
6
4
2
y
0
0
Grafik 1.20.a. Funkcije prosjenih i graninih trokova
c) Ekonominost proizvodnje se mjeri niim prosjenim ukupnim trokovima.
Rauna se:
C (2) = 16,5;
C (4) = 12, 25
U prosjeku, na svaku jedinicu proizvodnje sa nivoa y = 2, dolazi 16,5 novanih jedinica troka, a sa nivoa y = 4 dolazi 12,25 novanih jedinica troka. Dakle, vea
ekonominost se postie za nivo proizvodnje y = 4.
C (2) = 6
C (4) = 10
Na svaku dodanu jedinicu proizvodnje y sa nivoa y = 2 ukupni troak e se poveati za 6

novanih jedinica, a sa nivoa y = 4 ukupni troak e se poveati za 10 novanih jedinica.
112
FUNKCIJA TROKOVA
EC , y
y
2 y2 + 2 y
=
C ( y) = 2
0.
C ( y)
y + 2 y + 25
Analizira se funkcija elastinosti ukupnih trokova u odnosu na nivo proizvodnje y.

d)
1) Ispituje se monotonost ove funkcije:

EC , y =
(4 y + 2)( y 2 + 2 y + 25) (2 y 2 + 2 y )(2 y + 2) 2 y 2 + 100 y + 50

= 2
> 0 , za y 0.
( y 2 + 2 y + 25) 2
( y + 2 y + 25) 2
2) Horizontalna asimptota lim EC , y = 2 .

3) Za y = 0, EC , y = 0 .
4) Iz odnosa EC , y e = EC , ye + 1 = 0 + 1 = 1 se konstatuje da je jedinina elastinost ukupnih trokova uvijek u nivou najekonominije proizvodnje: y = ye= 5.
5)
EC , y
EC,y
y=0
EC, y = 0
Savrena
neelastinost
0<y<5
0 < EC, y < 1
Neelastinost
y=5
EC, y = 1
Jedinina
elastinost
y>5
1 < EC, y < 2
Elastinost
y +
EC, y = 2
Savrena
elastinost
2
1
0
Tip
elastinosti
Grafikon 1.20.b. Funkcija elastinosti ukupnog troka
Primjer 1.21.
Kod nekog proizvoaa poznata je nepotpuna funkcija ukupnih trokova C = 5e Ay .

a) Odrediti parametar A ako je najekonominiji nivo proizvodnje ye = 5 a zatim odrediti algebarske izraze za funkcije ukupnih, prosjenih i graninih trokova.
b) Algebarski, tabelarno i grafiki odrediti elastinost trokova u odnosu na koliinu
proizvodnje EC , y .
113
Rjeenje:
C = 5e Ay
C = 5e y /5
ye = 5
a) C ( ye ) = C ' ( ye )
C=
5e Ay
= 5e Ay A
y
b) EC , y =
A=
A=
5e y /5
y
1 '
C = e y /5
5
y '
y
y
C = y /5 e y /5 =
C
5e
5
EC , y = 0
EC , y = 1
EC , y = +
y=0
y
=1
5
y
= +
5
y=5
y = +
EC,y
1
5
EC , y
y=0
EC , y =0
0<y<5
0< EC , y <1
y=5
EC , y =1
5< y <+
1< EC , y <+
y +
EC, y
Grafikon 1.21. Funkcija elastinosti ukupnog troka
Primjer 1.22.
Neki proizvoa ima graninu funkciju trokova: C ( y ) = 3 y 2 18 y + 30 i najekonominiji nivo proizvodnje ye = 9.

a) Pronai njegovu funkciju ukupnog troka.
b) Na istom grafiku prikazati funkcije C , C , V , uz isticanje karakteristinih vrijednosti (take: M, V, E).
114
FUNKCIJA TROKOVA
c) Odrediti koeficijent elastinost prosjenih trokova u nivou ye i objasniti znaenje

dobijene vrijednosti.
Rjeenje:
a) C ( y ) = (3 y 2 18 y + 30)dy = y 3 9 y 2 + 30 y + F .
Iz uslova C ( ye ) = C ( ye ) C (9) = C (9) dobivamo F = 729

Dakle, C ( y ) = y 3 9 y 2 + 30 y + 729.
b)
C ( y ) = 3 y 2 18 y + 30,
C ( y) =
y 3 9 y 2 + 30 y + 729
,
y
V ( y ) = y 2 9 y + 30.
Pronaimo karakteristine take M, V, E:

M = minC ( y ) (C ) = 0 6 y 18 = 0 y = 3, C (3) = 3 M (3,3)
y
V = minV ( y ) (V ) = 0 2 y 9 = 0 y = 4,5, V (4,5) = 9, 75 V (4,5, 9, 75)

y
E = minC ( y ) C (9) = C (9) = 111 E (9,111)

y
C , C, V
111
9,75
M
3
4,5
Grafikon 1.22. Funkcije graninog i prosjenog ukupnog troka i

prosjenog varijabilnog troka uz karakteristine take M, V, E
115
Funkcije graninog i prosjenog ukupnog troka se sijeku u taki E, odnosno u minimumu prosjenih trokova.
E: ye = 9, C (9) = C (9) = 111
Funkcije graninog i prosjenog varijabilnog troka sijeku se u taki V, odnosno u

minimumu prosjenih varijabilnih trokova.
V: yv = 4,5, V (4,5) = V (4,5) = C (4,5) = 9, 75
c) EC , yE = 0 jer je C ( yE ) = 0 .
Tumaenje: Ako nivo proizvodnje y = yE poveamo za 1%, vrijednost prosjenih

ukupnih trokova se nee promijeniti.
Primjer 1.23.
Kod nekog proizvoaa poznata je funkcija trokova: C = 4e0,25 y .

a) Odrediti nivo najekonominije proizvodnje i za taj nivo odrediti vrijednosti
EC , ye , C ( ye ) i C ( ye ) i objasni njihovo znaenje;
b) Na istom grafiku prikazati funkcije C , C i V .
Rjeenje:
a) Nivo najekonominije proizvodnje se odreuje iz uslova:
C ( ye ) = 0
ili C ( ye ) = C ( ye ) .
e
4e0,25 y
C =
C=
y
0,25
( y 4) = 0 y
y2
=4
Odavde je nivo najekonominije proizvodnje ye = 4

Vrijednosti: EC , ye = EC , ye + 1 = 1
C ( ye ) = C ( ye ) = e 2, 78
Objanjenja:
EC , ye = 1 ako obim proizvodnje poraste sa nivoa y = 4 kj za 1% ukupni trokovi e
porasti za 1% (indiferentna elastinost).

C ( ye ) = e 2, 78 ako je obim proizvodnje y = 4 kj u prosjeku na svaku koliinsku
jedinicu y dolazi e novanih jedinica troka.
116
FUNKCIJA TROKOVA
C ( ye ) = e 2, 78 na svaku dodanu koliinsku jedinicu y sa nivoa y = 4 kj ukupni
troak e se poveati za e nj.

b) Kod funkcije prosjenih trokova taka minimuma je bila oznaavana sa E. Na osnovu razmatranja pod a) slijedi:
C=
4e0,25 y
E (4, e)
y
Taka minimuma funkcije graninih trokova je oznaavana sa M, a kako je ova funkcija rastua, njen minimum se postie za y = 0, odnosno:
C = e0,25 y M (0, 1)
Za odreivanje funkcije prosjenih varijabilnih trokova mora se prvo odrediti vrijednost fiksnih trokova, a nakon toga formirati funkcija:
C (0) = F F = 4
V = 4e
0,25 y
4 V =
4 ( e0,25 y 1)
y
Minimalna vrijednost prosjenih varijabilnih trokova se u ovom sluaju odreena je

4 ( e0,25 y 1)
pomou lim
= 1 V (0, 1)
y 0
y
C , C, V
C
C
e
1
0
Grafikon 1.23. Funkcije graninog i prosjenog ukupnog troka

i prosjenog varijabilnog troka
117
Primjer 1.24.
Na sljedeem grafikonu su predstavljene funkcije prosjenih, graninih ukupnih i varijabilnih trokova.

a) Sa grafikona odrediti karakteristine take M, V, E.
b) Ako se pretpostavi da je granini troak linearna funkcija, treba, na osnovu grafika, odrediti matematske funkcije graninog i ukupnog troka.
400
350
300
250
200
150
100
88
50
8
0
10
20
30
40
50
60
70
80
Grafikon 1.24. Funkcije graninog i prosjenog

troka i prosjenog varijabilnog troka
Rjeenje:
a) Iz grafika proitamo traene vrijednosti:
M = min(C ) M (0, 8)
V = min(V ) V (0, 8)
E = min(C ) E (10, 88)

b) Pretpostavljajui linearnost funkcije graninog troka C ( y ) = ky + n (grafik je
prava koja prolazi kroz dvije take (0, 8) i (10,88)) postavlja se sistem jednaina:
8=n
88 = 10k + n
Rjeavajui se dobija: k = 8, n = 8.
C ( y ) = 8 y + 8 .
C ( y ) = (8 y + 8)dy = 4 y 2 + 8 y + F .
118
FUNKCIJA TROKOVA
Kako je C (10) = 88
400 + 80 + F
= 88 F = 400.
10
Funkcija ukupnog troka je jednaka: C ( y ) = 4 y 2 + 8 y + 400 .
Primjer 1.25.
Poznata je funkcija prosjenih varijabilnih trokova preduzea cementa

V (q) = q 2 + 15 i nivo najekonominiji nivo proizvodnje qe = 10 tona.
a) Odrediti funkciju ukupnih trokova, varijabilnih i fiksnih trokova i prikazati ih
grafiki.
b) Grafiki prikazati funkcije ukupnih prosjenih trokova, graninih trokova i prosjenih varijabilnih trokova.
c) Koliki je koeficijent elastinosti ukupnih trokova za nivo proizvodnje q = 5 tona?
Rjeenje:
a) Ukupni varijabilni trokovi imaju oblik:
V (q ) = q V (q) = q 3 + 15q = q (q 2 + 15) 0; q 0 .

Kako su granini ukupni i granini varijabilni trokovi uvijek isti, vrijedi sljedea relacija: C (q ) = V (q ) = 3q 2 + 15 > 0
Ukupni trokovi su C (q) = V (q) + F = q 3 + 15q + F , a prosjeni C (q ) =
q 3 + 15q + F
.
q
Potpun algebarski oblik ovih funkcija se dobija ako se odredi vrijednost fiksnih trokova. Iz uslova qe = 10 i odnosa prosjene i granine funkcije troka postavlja se
sljedea jednaina:
C (10) = C (10) , pa se uvrtavanjem oblika prosjene i granine funkcije dobija:
103 + 15 10 + F
= 3 102 + 15 1000 + 150 + F = 3150 F = 2000 .
10
C (q) = q 3 + 15q + 2000 .
Funkcija varijabilnih trokova V(q) je kubna funkcija (neparna, rastua, ima prevoj u
0), ograniena u intervalu definisanosti q 0.
Grafik funkcije ukupnog troka C(q) je dobiven translacijom grafika varijabilnih trokova za fiksne trokove F = 2000.
119
C
V
2000
Grafikon 1.25. Funkcije varijabilnog, fiksnog i ukupnog troka
b) Za grafiki prikaz odredimo algebarske oblike ovih funkcija:
V (q) = q 2 + 15
C (q ) = V (q ) = 3q 2 + 15
q 3 + 15q + 2000
.
C (q) =
q
Funkcije V (q) = q 2 + 15 i C (q) = 3q 2 + 15 su parabole sa minimumom u taki

M = V (0, 15)
q 3 + 15q + 2000
je racionalna funkcija i ima minimum u taki
q
E (10, 315) i u toj taki sijee grafik funkcije C (q ) .
Funkcija C (q ) =
Vertikalna asimptota je fukcije C (q) je q = 0, a nema horizontalne i kose asimptote,

osim toga pozitivna je za q > 0.
120
FUNKCIJA TROKOVA
C
V
315
15 M, V
0
10
Grafikon 1.25.a. Funkcije prosjenih ukupnih i varijabilnih

trokova i graninog troka
c) EC , q =5 =
q
5
9
C (q ) =
90 =
0, 2
C (q)
2200
44
Ako se nivo proizvodnje q = 5 kj povea za 1%, ukupni trokovi e se sa nivoa

C = 2200 nj poveati za 0,2 %.
Primjer 1.26.
Dat je koeficijent elastinosti ukupnih trokova:

2q(q + 1)
gdje je sa q oznaen nivo proizvodnje.
q + 2q + 10
Za koje vrijednosti q ova funkcija elastinosti ima smisla?
Odrediti nivo najekonominije proizvodnje.
Izvesti funkciju elastinosti ukupnih prosjenih trokova.
Grafiki i tabelarno obraditi funkciju elastinosti ukupnih trokova.
Odrediti funkciju ukupnih trokova ako se zna da je fiksni troak F = 100.
EC ,q =
a)
b)
c)
d)
e)
Rjeenje:
a) Funkcija elastinosti ukupnih trokova je uvijek pozitivna, pa slijedi:
EC , q =
2q(q + 1)
0q0
q + 2q + 10
2
121
Uz uslov da je q 2 + 2q + 10 > 0 (q ) .
b) U nivou najekonominije proizvodnje je elasitnost ukupnih trokova jednaka 1,
pa se dobija:
EC , q =
2q(q + 1)
= 1 2q 2 + 2q = q 2 + 2q + 10 qe = 10 .
q + 2q + 10
2
c) Elastinost prosjenih trokova je za 1 manja od elastinosti ukupnih trokova, pa

iz ove osobine slijedi:
EC , q = EC ,q 1 =
q 2 10
.
q 2 + 2q + 10
d) Analizira se funkcija elastinosti ukupnih trokova:
2q(q + 1)
0; q 0
q + 2q + 10
1. EC , q =
2q(q + 1)
= 2 , horizontalna asimptota EC, q = 2.
q + q + 2 q + 10
2. lim
3. EC , q =
q 2 + 20q + 10
> 0 za q 0, funkcija elastinosti raste.
(q 2 + 2q + 10) 2
EC ,q
q=0
EC ,q =0
EC ,q
2
0<q<
1
10
0 < EC , q <1
q=
10
EC ,q =1
q>
10
1< EC ,q <2
q +
Grafikon 1.26. Elastinost trokova
122
10
EC, q =2
FUNKCIJA TROKOVA
e) Ako je poznata funkcija elastinosti ukupnih trokova, kako nai funkciju ukupnih
trokova? Rjeavanjem linearne diferencijalne jednaine separacijom varijabli dobija
se:
q
C
C
2q(q + 1)
2(q + 1)dq
q
C (q )
C = 2
dq = 2
C
q + 2q + 10
C (q)
q + 2q + 10
EC , q =
Rjeavajui ove integrale dobija se:

ln C (q) = ln(q 2 + 2q + 10) + ln K C (q ) = K (q 2 + 2q + 10) .
Iz uslova da je fiksni troak F = 100 slijedi da je za q = 0 ukupni troak jednak fiksnom troku: C = F = 100, odnosno: 100 = 10K K =10.
Funkcija ukupnog troka, ija je funkcija elastinosti data u primjeru, ima oblik:
C (q) = 10(q 2 + 2q + 10) = 10q 2 + 20q + 100 .
123
1.8. Funkcija dobiti

Uporedna analiza funkcije prihoda i funkcije trokova omoguava odreivanje intervala
proizvodnje u kojem se ostvaruje dobit s obzirom na trine i proizvodne uslove. Dobit se
definie kao razlika izmeu ukupnog prihoda i ukupnih trokova i izraava u novanim
jedinicama (nj):
D = P C
(1.98)
Ukupan prihod P je odreen pomou funkcije tranje i trinim uslovima. Funkcija ukupnih
trokova odraava tehniko-tehnoloke uslove proizvodnje. Cilj definisanja funkcije dobiti
je integralna analiza proizvodnih i trinih uslova. Funkcija dobiti se koristi za analizu rentabilnosti.
U zavisnosti od odnosa prihoda i trokova dobit moe biti pozitivna, jednaka nuli i
negativna. U analizi rentabilnosti razlikuju se tri sljedea sluaja:
Ukoliko je prihod vei od trokova dobit e biti pozitivna i poslovanje rentabilno jer se
ostvaruje dobitak od D novanih jedinica:
P > C D = (P C) > 0.
U intervalu rentabilnog poslovanja nalazi se najrentabilniji nivo proizvodnje. Najrentabilniji nivo se odreuje nalaenjem prvog izvoda funkcije dobiti. Znakom drugog izvoda
potvruje se da se radi o maksimumu funkcije:
D = P C
D = P ' C = 0
D = 0 za P ' = C
D < 0
(1.99)
Najrentabilniji nivo proizvodnje se ostvaruje za nivo proizvodnje za koji je prvi izvod jednak
nuli, a drugi izvod manji od nule, odnosno kada je granini prihod jednak graninom troku.
Kada je prihod jednak trokovima, poslovanje je na granici rentabilnosti i ne ostvaruje se
ni dobitak ni gubitak:
P = C D = (P C) = 0
Ako je prihod manji od trokova, poslovanje je nerentabilno i ostvaruje se gubitak D < 0 :

P < C D = (P C) < 0
Poto je funkcija prihoda analizirana i prezentovana u sluaju konstantne i u sluaju varijabilne cijene i u analizi funkcije dobiti e se obraivati ova dva sluaja.
124
FUNKCIJA DOBITI
1.8.1. Funkcija dobiti kod determinisane cijene
Kada su poznati: determinisana cijena proizvoda na tritu p=const.>0, agregatna tranja

q=q(p)= const 0 . i y 0 koliina proizvoda koja je namijenjena prodaji, funkcija dobiti
se definie sljedeim izrazima:
p y C ( y ) ,
D ( y) = P ( y) C ( y) =
p q C ( y ) ,
0 yq
yq0
(1.100)
Definisana funkcija dobiti ima dva dijela. Prvi dio predstavlja sluaj kada je agregatna tranja dovoljno velika da se sva koliina dobra koja se nudi moe prodati y q . Drugi dio
predstavlja funkciju dobiti u sluaju kada se na tritu moe prodati koliina q y , a ostae nerealizovana koliina y q > 0 .
U nastavku emo detaljno analizirati samo prvi sluaj, odnosno sluaj kad je na tritu zadovoljena tranja i realizovana sva ponuena koliina.16
Funkcija
dobiti,
ukoliko
su
poznati
p = const , q = const , q = q ( p ) = const
0 y q = q( p) , se definie sljedeim izrazom:

D ( y ) = P ( y ) C ( y ) = p y C ( y ) = y p C ( y ) za 0 y q = q( p) (1.101)
Na osnovu izvedenog izraza (1.101) moe se izvriti analiza rentabilnosti i prezentovati u
sljedeem obliku:
D ( y)
= F < 0
> 0 ako
= 0 ako
< 0 ako
ako je
y=0
jer je tada ( 0 ) = 0 i C ( 0 ) = F
je P ( y ) > C ( y ) tj.
p > C ( y)
je P ( y ) = C ( y ) tj.
p = C ( y)
je P ( y ) < C ( y ) tj.
p < C ( y)
(1.102)
odakle zakljuujemo:
Ako se ne proizvodi, dobit je jednaka fiksnim trokovima i ostvaruje se gubitak.
Kada je prihod vei od trokova, odnosno konstantna cijena vea od prosjenih trokova,
poslovanje je rentabilno.
Granice rentabilnosti se odreuju za nivo proizvodnje za koji su prihod i trokovi jednaki,
odnosno za koji je cijena jednaka prosjenim trokovima.
Ukoliko je konstantna cijena na tritu manja od prosjenih trokova, prihod e biti manji
od trokova i dobit negativna, to znai da je takvo poslovanje nerentabilno.
16
Za drugi dio analize vidjeti Vukovi, ., (2004), str. 121 122.
125
U zavisnosi od oblika funkcije dobiti (1.101) mogu se pojaviti pojedini sluajevi definisani
u izrazu (1.102). Na grafikonu 21 predstavljene su tri funkcije trokova sa odgovarajuim
fiksnim trokovima F1, F2, F3 (F1 < F2 <F3 i istim varijabilnim trokovima) i funkcija prihoda
za konstantnu cijenu.
C3
D, P, C
C2
C1
P = C1
P = C2
F3
F2
F1
F
P = C1
y1
yD
0
-F1
y2
y
D1
-F2
D2
-F3
D3
Grafikon 21. Funkcije prihoda, trokova i dobiti
Za prvu funkciju trokova grafiki su odreene granice rentabilnosti y1 i y2 i najrentabilniji

nivo proizvodnje yD. Interval y ( y1 , y2 ) je interval rentabilnosti. Intervali nerentabilnosti
su za y [0, y1 ) ( y 2 , q ) .
Za drugu funkciju trokova postoji samo jedna taka ( yD ) u kojoj je prihod jednak trokovima i dobit je u toj taki jednaka nuli. Za ostale nivoe proizvodnje dobit je negativna.
Kada se ne bi proizvodilo dobit bi bila jednaka negativnim fiksnim trokovima (-F2). U
ovom sluaju se nivo ( yD ) poklapa sa granicama rentabilnosti, to znai da je intenrval
nerentabilnog poslovanja y [0, y D ) ( y D , q ) .
Sa treom funkcijom trokova prihod nema presjenih taaka. Trokovi su vei od prihoda i
dobit je negativna. Ukoliko se ne bi proizvodilo, dobit bi bila jednaka fiksnim trokovima i
iznosila (-F3). Nivo proizvodnje yD je i dalje nivo kod kojeg se maksimizira funkcija dobiti,
ali u ovom sluaju ne koristimo termin najrentabilniji nivo proizvodnje (jer je poslovanje
nerentabilno), ve kaemo da yD nivo proizvodnje kod kojeg se minimizira gubitak.
126
FUNKCIJA DOBITI
Funkcija granine dobiti kod determinisane cijene je odreena sljedeim izrazima:

'
p C ( y );
D ( y ) = P ( y ) C ( y ) = '
C ( y );
'
'
0 yq
y>q0
(1.103)
U nastavku emo detaljno analizirati prvi sluaj, odnosno sluaj kada je na tritu tranja
dovoljno velika da se realizuje sva ponuena koliina. Funkcija granine dobiti, ukoliko su
poznati p = const , q = const , q = q ( p ) = const i 0 y q = q( p) , se definie sljedeim
izrazom:
D ' ( y ) = P ' ( y ) C ( y ) = p C ' ( y )
za 0 y q
(1.104)
Funkcija granine dobiti jednaka je razlici izmeu graninog prihoda i graninih trokova,
odnosno razlici izmeu determinisane cijene i graninih trokova. Odnos determinisane
cijene i graninih trokova odreuje tok funkcije ukupne dobiti.
Poto se funkcije dobiti, prihoda i trokova izraavaju kao funkcije nivoa proizvodnje y, u
sljedeem izrazu, zbog jednostavnosti prezentacije, neemo svaki put naglaavati da su to
funkcije od y.
> 0 ako je P ' > C tj.
D = P ' C = 0 ako je P ' = C tj.

< 0 ako je P ' = C tj.
p > C D raste
p = C D ima ekstrem
p = C D opada
Iz gornjeg izraza slijedi da u zavisnosti od odnosa cijene i graninog troka, odnosno od

odnosa graninog prihoda i graninog troka, koja odreuje vrijednost granine dobiti, ukupna dobit moe da raste, stagnira ili opada.
Nivo proizvodnje za koji je granina dobit jednaka nuli se oznaava sa yD, odnosno imamo
da vrijedi:
D( y ) = P ' ( y ) C ( y ) = p C ( y )
D( yD ) = 0 za P ' ( yD ) = C ( yD ) tj. za
D( yD ) < 0
p = C ( yD )
(1.105)
Nivo proizvodnje yD je nivo za koji se ostvaruje maksimalna dobit ako je D ( yD ) > 0 i tada
se yD naziva najrentabilnijim nivoom proizvodnje. To je nivo u kojem su granini prihod i
granini trokovi jednaki, odnosno u kojem su konstantna cijena i granini troak jednaki.
Nivo proizvodnje yD je nivo za koji se minimizira gubitak ako je D ( yD ) < 0 .
Funkcija granine dobiti ima sljedee ekonomsko znaenje: Funkcija granine dobiti pokazuje za koliko novanih jedinica e se promijeniti ukupna dobit ako se nivo proizvodnje
127
povea za jednu koliinsku jedinicu. Jedinica mjere u kojoj je izraena granina dobit je
novana jedinica po koliinskoj jedinici (nj/kj).
Kada je poznata funkcija granine dobiti, funkcija ukupne dobiti se odreuje primjenom
neodreenog integrala:
D( y ) = D ( y ) dy = D * ( y ) + K
(1.106)
Ovim izrazom se odreuje familija funkcija kojoj pripada ova funkcija. Da bi se odredila
ukupna dobit potrebno je odrediti konstantu K, a za njeno odreivanje je potrebno poznavati jo jedan podatak, naprimjer D(0 ) = F .
Funkcija prosjene dobiti kod determinisane cijene je definisana sljedeim izrazima:
p
C
( y ),
D ( y ) = pq
C ( y ),
y
0 yq
(1.107)
yq0
Za analizu prosjene dobiti e se detaljno analizirati prvi sluaj kada je na tritu tranja
dovoljno velika da se realizuje sva ponuena koliina. Funkcija prosjene dobiti, ukoliko su
poznati p = const , q = const , q = q ( p ) = const i 0 y q = q( p) , se definie sljedeim
izrazom:
D( y) =
D( y ) P( y ) C ( y ) P( y ) C ( y )
=
=
= P ( y ) C ( y ) = p C ( y ) 0 y q
y
y
y
y
(1.108)
Funkcija prosjene dobiti jednaka je razlici funkcija prosjenog prihoda i prosjenih trokova, odnosno razlici izmeu konstantne cijene i prosjenog troka. Analiza funkcije
prosjene dobiti se moe predstaviti sljedeim izrazom:
> 0 kada
D ( y ) = 0 kada
< 0 kada
je D( y ) > 0 tj.
p > C ( y)
je D( y ) = 0 tj.
p = C ( y)
je D( y ) < 0 tj.
p < C ( y)
Na osnovu ovog izraza mogu se izvesti sljedei zakljuci: Kada je cijena vea od prosjenog
troka, prosjena i ukupna dobit su pozitivne i ostvaruje se rentabilno poslovanje. Ako je
konstantna cijena jednaka prosjenim trokovima, prosjena i ukupna dobit su jednake nuli i
za taj nivo proizvodnje se ostvaruju granice rentabilnosti. Kada je cijena manja od prosjenog
troka, prosjena i ukupna dobit su negativne i poslovanje je nerentabilno.
Funkcija prosjene dobiti je pokazatelj dobiti po jedinici realizovanog proizvoda. Funkcija
prosjene dobiti pokazuje koliko se u prosjeku po svakoj jedinici proizvedenog dobra ostvari jedinica ukupne dobiti. Ukoliko je ukupna dobit pozitivna, ostvaruje se prosjean
dobitak po jedinici proizvoda. Kada je ukupna dobit negativna, ostvaruje se prosjean gubi128
FUNKCIJA DOBITI
tak. Jedinica mjere u kojoj se izraava prosjena dobit je novana jedinica po koliinskoj
jedinici (nj/kj).
Za analizu i grafiko predstavljanje funkcije prosjene dobiti potrebno je odrediti i analizirati tok funkcije prosjene dobiti. Analiza toka je predstavljena u sljedeem obliku:
> 0 kada
D( y ) = C ( y ) = 0 kada
< 0 kada
je C ( y ) < 0 za
0 < y < ye
je C ( y ) = 0 za
y = ye
je C ( y ) > 0 za
y > ye
(1.109)
Ako prosjeni trokovi opadaju, prosjena dobit raste. U najekonominijem nivou proizvodnje imamo maksimalnu vrijednost funkcije prosjene dobiti. Prosjena dobit opada kada
prosjeni trokovi rastu.
Ako se nivo proizvodnje za koji se maksimizira prosjena dobit oznai sa yD , prosjena
dobit e biti maksimalna ako su ispunjeni sljedei uslovi:
D( yD ) = 0
D( yD ) < 0
Iz ovog i iz izraza (1.109) slijedi da kod funkcije dobiti sa konstantnom cijenom vrijedi
jednakost yD = ye . To znai da je nivo proizvodnje kod kojeg se maksimizira prosjena
dobit jednak najekonominijem nivou proizvodnje.
Razliiti sluajevi funkcija prihoda, trokova i dobiti su predstavljeni i analizirani u primjerima sa kompletnim rjeenjima na kraju.
Elastinost kod konstantne cijene
Funkcija elastinosti dobiti u sluaju kada je cijena p constantna se odreuje primjenom

definisanog izraza za koeficijent elastinosti na sljedei nain:
ED , y =
y
D( y )
D( y )
(1.110)
y
D( y ) p C ( y )
D( y ) =
=
D( y )
D( y ) p C ( y )
(1.111)
odnosno,
ED , y =
Ekonomsko znaenje koeficijenta elastinosti dobiti je sljedee: Ako se koliina y povea

za 1% tada e se dobit/gubitak promijeniti (poveati ako je koeficijent elastinosti pozitivan
i smanjiti ako je koeficijent elastinosti negativan) za ED,q %. Napomenimo da se pri
interpretaciji znaenja koeficijenta elastinosti funkcije dobiti u konkretnoj taki mora vo129
diti rauna o vrijednosti funkcije dobiti u toj taki. Ako je vrijednost funkcije negativnakoristit emo termin gubitak, a ako je pozitivna - koristit emo termin dobitak17.
Koeficijent elastinosti prosjene dobiti se odreuje pomou sljedeeg izraza:
ED , y =
y
D( y )
D( y )
(1.112)
Koeficijent elastinosti prosjene dobiti ima sljedee objanjenje: ukoliko se koliina y povea za 1%, tada e se prosjena dobit/gubitak promijeniti (poveati ako je koeficijent
elastinosti pozitivan i smanjiti ako je koeficijent elastinosti negativan) za onoliko postotaka koliko iznosi koeficijent elastinosti prosjene dobiti.
Veza izmedu elastinosti ukupne i prosjene dobite se izraava, koristei opti odnos izmeu elastinosti ukupne i prosjene funkcije, sljedeim izrazima:
ED , y = ED , y + 1
ili
E D , y = ED , y 1
1.8.2. Funkcija agregatne dobiti u odnosu na koliinu D=D(q)
Polazei od funkcije agregatnog prihoda u sluaju varijabilne cijene i od funkcije ukupnih

trokova, koji su analizirani u prethodnim dijelovima ovog poglavlja, moe se definisati
funkcija dobiti. Funkcija dobiti je definisana kao razlika izmeu funkcije ukupnog prihoda i
funkcije ukupnih trokova.
P = p q = p (q) q = P(q)
C = C (q)
D(q ) = P( q) C ( q) = p( q) q C ( q) = P( q) C (q )
(1.113)
+
Funkcija dobiti D(q) se izraava kao funkcija agregatne tranje i definisana je za 0 q q .
Poto odraava proizvodne i trine uslove dobit se koristi u analizi rentabilnosti. U zavisnosti od odnosa prihoda i trokova definiu se intervali rentabilne i nerentabilne
proizvodnje i granice rentabilnosti.
Kada je prihod vei od trokova, dobit je pozitivna i sve vrijednosti nivoa proizvodnje q za
koje je dobit pozitivna odreuju interval rentabilnosti.
Ako je prohod jednak trokovima, dobit je jednaka nuli. Nivoi proizvodnje za koje je dobit
jednaka nuli predstavljaju granice rentabilnosti.
Trei sluaj je negativna dobit. Za sve nivoe proizvodnje q za koje je prihod manji od trokova dobit e biti negativna i za takve vrijednosti q imamo interval nerentabilnosti.
17
Obrazloenje vidjeti u : Vukovi, . (2004), str. 24. i str. 134.
130
FUNKCIJA DOBITI
Odnosi izmeu ukupnog prihoda i ukupnih trokova te dobit koja se odreuje iz tih odnosa
su predstavljeni sljedeim izrazom:
> 0 D(q ) > 0, P (q ) > C (q )
D(q ) = P( q) C (q ) = 0 D(q ) = 0, P(q ) = C (q )

< 0 D(q ) < 0, P (q ) < C (q )
(1.114)
Na sljedeim grafikonima predstavljena su tri sluaja za analizu funkcije dobiti.
C, P, D
P+
P=C
F
P=C
P
D+
q1
qD
q2
q+
-F
D
Na grafikonu 22. je predstavljen sluaj kad funkcije prihoda i troka imaju dvije zajednike
take. Nivoi proizvodnje q1 i q2 su nivoi za koje je funkcija troka jednaka funkciji prihoda i
predstavljaju granice renabilnosti. Za nivo qD se maksimizira dobit i to je najrentabilniji
nivo proizvodnje. U najrentabilnijem nivou proizvodnje je najvea razlika izmeu prihoda i
trokova. Interval q ( q1 , q2 ) je interval rentabilnosti. Intervali nerentabilnosti su za
q [ 0, q1 ) ( q2 , q + ) .
Na grafikonu 23. je predstavljen sluaj kada funkcije prihoda i trokova imaju samo jednu
zajedniku taku, taka qD je taka u kojoj je funkcija trokova jednaka funkciji prihoda. U
ovom sluaju maksimalna dobit je jednaka nuli za nivo prizvodnje qD, a za sve ostale nivoe
proizvodnje dobit je negativna jer su trokovi vei od prihoda.
131
C, P, D
C
P+
P=C
F
F
P
D+
qD qP
q+
-F
U sluaju kada su trokovi vei od prihoda, poslovanje je nerentabilno i dobit je, kao to je
predstavljeno na grafikonu 24. uvijek negativna. Nivo prizvodnje qD je nivo proizvodnje
gdje sa minimizira gubitak.
C, P, D
C
P+
F
F
0
D+
qD qP
-F
q+
Funkcija agregatne granine dobiti se definie kao prvi izvod funkcije ukupne dobiti:
D
D(q + q) D(q) dD
= lim
=
q 0 q
q 0
q
dq
D '(q ) = lim
132
(1.115)
FUNKCIJA DOBITI
Granina dobit pokazuje za koliko novanih jedinica e se promijeniti funkcija ukupne dobiti ako se nivo proizvodnje q povea za jednu koliinsku jedinicu. Dakle, svaka dodatna
jedinica poveanja nivoa proizvodnje e rezultirati u promjeni ukupne dobiti za onoliko
novanih jedinica koliko iznosi granina dobit.
Funkcija granine dobiti jednaka je razlici izmeu graninog prihoda i graninih trokova,
odnosno:
D = P C
D = P ' C
(1.116)
Zavisno od vrijednosti funkcije granine dobiti, ukupna dobit moe da raste, stagnira ili
opada:
> 0; P ' (q ) > C (q ), D(q ) raste
D(q ) = P ' (q ) C (q ) = 0; P ' (q ) = C (q ), D(q ) ima ekstrem

< 0; P ' (q ) < C (q ), D(q ) opada
(1.117)
Maksimalna dobit, odnosno najrentabilniji nivo proizvodnje se ostvaruje kada je granina

dobit jednaka nuli, odnosno kada je granini prihod jednak graninim trokovima. Najrentabilniji nivo proizvodnje se oznaava sa qD.
D(qD ) = 0, D(qD ) < 0 :
D(qD ) = P ' (qD ) C (qD ) = 0
P ' (qD ) = C (qD )
(1.118)
Kada je poznata funkcija agregatne granine dobiti, funkcija ukupne agregatne dobiti se
odreuje primjenom neodreenog integrala:
D(q ) = D(q ) dq = D* (q) + K
(1.119)
Ovim izrazom se odreuje familija funkcija kojoj pripada ova funkcija. Da bi se odredila
ukupna dobit potrebno je odrediti konstantu K, a za njeno odreivanje je potrebno poznavati jo jedan podatak, a taj podatak je da je dobit u nuli jednaka negativnim fiksnim
trokovima D ( 0 ) = F .
Funkcija agregatne prosjene dobiti D(q) je pokazatelj dobiti po jedinici realizovanog
proizvoda.
D (q ) =
D(q) P( q) C (q) P(q) C (q)

=
=
= P(q) C (q) = p(q) C (q)

q
q
q
q
(1.120)
Funkcija prosjene dobiti jednaka je razlici funkcija prosjenog prihoda i prosjenih trokova.
133
Ukoliko je q = 0, tada je D(0) =
D(0) F
=
= , to znai da funkcija ima vertikalnu
0
0
asimptotu.
Analiza funkcije prosjene dobiti se moe predstaviti sljedeim izrazom za vrijednosti
0 < q q+ :
> 0 kada
D(q ) = 0 kada
< 0 kada
je D(q) > 0 tj. P(q) > C (q)

je D(q) = 0 tj. P(q) = C (q)
(1.121)
je D(q) < 0 tj. P(q) < C (q)
Nivo kod kojeg se maksimizira prosjena dobit se oznaava sa (qD > 0) . Da bi agregatna
prosjena dobit bila maksimalna treba da budu zadovoljeni sljedei uslovi:
D(qD ) = 0
D(qD ) < 0
Za nivo (qD > 0) , za koji se maksimizira prosjena dobit, prosjena i granina dobit su jednake. Poto se prvi izvod prosjenih trokova za nivo (qD > 0) nalazi u intervalu opadanja
prosjenih trokova tada je (qD qe ) . To znai da nivo proizvodnje u kojem se maksimizira prosjena dobit nije jednak najekonominijem nivou proizvodnje.18 Odnos ova dva nivoa
proizvodnje u sluaju agregatne dobiti je razliit od njihovog odnosa u sluaju dobiti kod
konstantne cijene koji smo analizirali i predstavili u dijelu 1.8.1.2. pod naslovom Funkcija
prosjene dobiti kod determinisane cijene.
Agregatna prosjena dobit se izraava u novanoj jedinici po koliinskoj jedinici i pokazuje
koliko se u prosjeku po svakoj koliinskoj jedinici proizvodnje ostvari novanih jedinica
dobiti. Nivo kod kojeg se maksimizira prosjena dobit se oznaava sa (qD > 0)
Elastinost agregatne dobiti se definie sljedeim izrazom:
ED , q =
q
D(q)
D(q)
(1.122)
i daje nam informaciju o procentualnoj promjeni funkcije dobiti ako se koliina proizvodnje
q povea za 1%.
Elastinost dobiti se moe izraziti i kao odnos granine i prosjene dobiti:
ED , q =
18
q
D(q )
D(q ) =
D(q)
D(q )
Dokaz i izvoenje vidjeti u : Vukovi, ., (2004), str. 153.
134
(1.123)
FUNKCIJA DOBITI
Elastinost prosjene dobiti se rauna kao:

ED , q =
q
D(q)
D(q)
(1.124)
i daje nam informaciju o procentualnoj promjeni funkcije prosjene dobiti ako se koliina
proizvodnje q povea za 1%.
Veza izmedu elastinosti ukupne i prosjene dobiti se izraava koristei opti odnos izmeu
elastinosti ukupne i prosjene funkcije sljedeim izrazima:
ED , q = ED , q + 1
ili
ED , q = ED , q 1
U numerikim primjerima sa rjeenjema analizirane su i predstavljene veze i odnosi koji su

prezentovani u ovom dijelu.
1.8.3. Funkcija agregatne dobiti u odnosu na cijenu D=D(p)
Ako se u funkciju agregatne dobiti D=D(q) uvrsti funkcija direktnog zakona tranje q=q(p),
dobija se agregatna funkcija dobiti kao funkcija cijene:
D=D(p) koja je definisana za cijene: 0 p p + ,
p + = p (q = 0) > 0
(1.125)
Mogu se definisati funkcija granine dobiti

Dp = D( p )
(1.126)
i funkcija prosjene dobiti

D( p)
(1.127)
p
U ovom sluaju kada je dobit definisana kao funkcija prodajne cijene, moe se izvriti analiza rentabilnosti, kao i ostale analize, koje su izvrene u sluaju agregatne dobiti izraene
kao funkcija koliine.
D p = D( p) =
Primjer 1.27.
Neko dobro na tritu se prodaje po cijeni p = 35 nj/kj Proizvoa tog dobra ima funkciju trokova C ( y ) = 2 y 2 + 10 y + 50 .
a) Odrediti algebarski izraz funkcije dobiti i analizirati karakteristine take;
b) Grafiki predstaviti funkcije prihoda, troka, dobiti;
135
c) Odrediti funkcije P, C , P , C uz grafiki prikaz ;

d) Odrediti elastinost dobiti ED , y za nivoe proizvodnje y = 2, y = 5, y = 8, y = 12
uz tumaenje rezultata;
e) Ako bi cijena tog dobra bila p = 25 nj/kj, a ista funkcija trokova proizvoaa,
kako bi se to odrazilo na dobit proizvoaa? Obrazloiti uz grafiki prikaz funkcija.
Rjeenje:
a) Funkcija dobiti je razlika ukupnog prihoda i ukupnog troka i kod determinisane cijene vrijedi:
D(y) = P(y) - C(y) = py C (y).

Kako je cijena p = 35, to je prihod P(y) = 35 y, pa je algebarski izraz funkcije dobiti
D( y ) = 35 y 2 y 2 10 y 50 = 2 y 2 + 25 y 50 .
Primjetimo da je D(0) = - F = - 50 (startni gubitak).
Analizom ove funkcije dobijaju se:
1)
granice rentabilnosti:
D( y ) = 0 y1,2 =
y = 2,5
25 625 400 25 15
=
1
y2 = 10
4
4
interval rentabilnosti:
D( y ) > 0 y (2,5; 10)

intervali nerentabilnosti:
D( y ) < 0 y (0; 2,5) (10; + )

2) D( y ) = 0 4 y + 25 = 0 yD = 6, 25
nivo najrentabilnije proizvodnje
3) D + = D( yD ) = D(6, 25) =
maksimalan dobitak
136
225
= 28,125
8
FUNKCIJA DOBITI
b)
C
C, P, D
50
28.125
0
-50
2.5
6.25
10
y
D
Grafikon 1.27. Funkcije prihoda, troka i dobiti
c)
Potrebno je odrediti algebarske izraze ovih funkcija
P ' = P = 35 ;
C = 4 y + 10 ;
C=
2 y 2 + 10 y + 50
.
y
i njihove presjeke:
P = C D = 0 y = yD = 6, 25 .
P = C D = 0 y1 = 2,5 y2 = 10 .
C = C (C ) = 0
(4 y + 10) y (2 y 2 + 10 y + 50)
=0
y2
2 y 2 50 = 0 y = ye = 5.
C (5) = C (5) = 30.
Karakteristine take su:
nivo najrentabilnije proizvodnje yD = 6,25 (taka presjeka P ' , C )
nivo najekonominije proizvodnje ye = 5 ( C (5) = C (5) = 30 )
137
granice rentabilnosti y1 = 2,5 i y2 = 10.

interval rentabilnosti (2,5, 10) P > C
C'
C', C ,
P = P'
C
35
30
P = P ' = 35
10
0
-50
2.5
6.25
10
Grafikon 1.27.a. Funkcije prosjenog i graninog prihoda

i prosjenog i graninog troka
d)
Elastinost dobiti u odnosu na nivo proizvodnje
y
y
ED , y =
D( y ) =
( 4 y + 25) .
2
D( y )
2 y + 25 y 50
Rauna se:
17
= 4, 25 ;
4
Ako se nivo proizvodnje y = 2 povea 1%, gubitak od 8 nj e se poveati za 4,25%.
y = 5 D(5) = 25; ED , y = 1 ;
y = 2 D(2) = 8; ED , y =
Ako se nivo proizvodnje y = 5 povea za 1%, dobitak od 25 nj e se poveati takoer 1%.

y = 8 D(8) = 22; ED , y =
28
2,5 ;
11
Ako se nivo proizvodnje y = 8 kj povea za 1%, dobitak od 22 nj e se smanjiti za

priblino 2,5%.
y =12 D(12)= 38; ED , y =
138
138
7, 26 ;
19
FUNKCIJA DOBITI
Ako se nivo proizvodnje y = 12 kj povea za 1%, gubitak od 38 nj e se poveati za

priblino 7,26%.
e)
Ako je cijena p = 25, tada je funkcija dobiti proizvoaa
D( y ) = 25 y 2 y 2 10 y 50 = 2 y 2 + 15 y 50 .
Odreuju se granice rentabilnosti, odnosno nule funkcije:
D ( y ) = 0 y1,2 =
15 225 400
R , odnosno nema realnih nula.
4
C
C, P, D
115.625
93.75
50
0
-21.875
3.75
10
y
D
-50
Grafikon 1.27.b. Funkcije prihoda, troka i dobiti pri cijeni p = 25
Funkcija dobiti je uvijek negativna ( D ( y ) < 0
( y )
jer nema realnih nula i D''<0, pa
se zakljuuje da proizvoa nerentabilno posluje, odnosno proizvoa posluje sa gubitkom. Grafiki, funkcija dobiti se nalazi u IV kvadrantu. Potrebno je odrediti na
kojem nivou proizvodnje y e proizvoa imati najmanji gubitak.
D( y ) = 0 4 y + 15 = 0 y = yD =
15
= 3, 75 i iznosi D (3, 75) = 21,875 .
4
Troak proizvoaa je uvijek vei od njegovog prihoda, odnosno grafik funkcije troka je iznad grafika funkcije prihoda pa je proizvoa u gubitku D<0. Proizvoa na
nivou yD=3,75 ima najmanji gubitak od 21,875 n.j.
139
C'
C', C ,
P = P'
C
35
30
P = P ' = 25
10
0
-50
2.5
6.25
10
Grafikon 1.27.c. Funkcije prosjenog i graninog prihoda i prosjenog

i graninog troka pri cijeni p=25
Cijena p=25 = P < Cmin = 30, to je D<0 nerentabilno poslovanje.

Primjer 1.28.
1
Poznata je funkcija agregatne tranje q = p + 90 i funkcija ukupnih prosjenih
3
2025
trokova C = 2q +
.
q
a) Pronai funkciju ukupne dobiti D (q) i grafiki prikazati funkcije prihoda, troka i
dobiti uz odreivanje intervala rentabilnosti, najrentabilnije proizvodnje i maksimalne dobiti.
b) Pronai funkcije granine i prosjene dobiti uz njihov grafiki prikaz i istai odnos nivoa najrentabilnije proizvodnje qD i nivoa qD gdje je maksimum prosjene
dobiti.
c) Odrediti elastinost dobiti i prosjene dobiti na nivou q = 50 i objasniti rezultat.
Rjeenje:
a) Zakon inverzne tranje je algebarskog oblika:
1
q = p + 90 3q = p + 270 p = 270 3q .
3
Odavde je funkcija prihoda izraena preko koliine q, oblika:
140
FUNKCIJA DOBITI
P (q ) = p q = 270q 3q 2
Karakteristine vrijednosti za funkciju prihoda, a samim tim i za funkciju dobiti, su:
podruje definisanosti (def. za p>0, q>0, q < 0 ) -3q > - 270 q < 90 tj.
q(0,90). Ove krajnje take su istovremeno i nule funkcije prihoda P ( q ) . MaksimaP + (45) = 6075 .
lan prihod raunamo iz P ' (q) = 270 6q = 0 q = 45; pa je
Funkciju troka raunamo iz funkcije prosjenih trokova, odnosno:

C (q) = C q = 2q 2 + 2025 .
Funkcija troka je rastua funkcija i njena najmanja vrijednost su fiksni trokovi, odnosno F=2025. Ovo nam govori da se prilikom grafikog prikaza funkcije troka
koristi onaj dio parabole koji se nalazi u I kvadrantu i koji raste.
Sada moemo izraunati i funkciju dobiti
D(q ) = P(q) C (q) = 5q 2 + 270q 2025 .
Analizirajmo funkciju dobiti:
1. D=0 q1 = 45, q2 = 9 granice rentabilnosti
2. D> 0 q(9, 45) interval rentabilnosti
3. D = 0 10q + 270 = 0 qD = 27; D + = D(27) = 1620
(najrentabilniji nivo proizvodnje i maksimalna dobit)
C, P, D
6075
P
2025
1620
0
27
45
90
-2025
D
Grafikon 1.28. Funkcije prihoda, troka i dobiti
141
b)
5q 2 + 270q 2025
D = 10q + 270 ; D =
.
q
Pronaimo njihov presjek, taku u kojoj se maksimizira prosjena dobit.

2025
D = D 10q + 270 = 5q + 270
qD = 405 20,1 .
q
D(20,1) = D(20,1) 69 .
Zakljuujemo;
q1 < qD < qD < q2 .
D', D
270
69
0
20,01
45
27
-2025
D'
Grafikon 1.28.a. Funkcije granine i prosjene dobiti
c) ED , q =50 =
q
q(10q + 270)
50 (230)
D =
=
11, 22 .
2
D
5q + 270q 2025
1025
ED ,q = ED , q 1 = 10, 22 .
Ako se q sa nivoa 50 kj povea 1%, gubitak D = -1025 nj, e se poveati za 11,22%, a

prosjean gubitak od 20,5 nj/kj e se poveati za 10,22%.
Primjer 1.29.
Neko poljoprivredno poduzee Agropro proizvodi y - (tona) penice i ostvaruje dobit

od D(y) (stotina KM).
Statistiki podaci su dati u sljedeoj tabeli:
142
FUNKCIJA DOBITI
10
12
D(y)
-20
10
20
30
25
a) Metodom najmanjih kvadrata odrediti funkciju dobiti D( y ) = ay 2 + by + c koja

najbolje aproksimira funkciju dobiti.
b) Odrediti za dobijenu funkciju interval rentabilnosti, nivo najrentabilnije proizvodnje i najveu dobit.
c) Kolika se dobit predvia za 15 tona penice?
d) Odrediti koeficijent elastinosti za nivo proizvodnje y = 4 tone i y =15 tona.
e) Na istoj slici grafiki prikazati empirijske podatke i dobijenu krivu.
Rjeenje:
a) Napravimo radnu tabelu:

yi
0
4
5
10
12
31
Di
-20
10
20
30
25
65
Diyi
0
40
100
300
300
740
yi2
Diyi2
yi3
yi4
0
16
25
100
144
285
0
160
500
3000
3600
7260
0
64
125
1000
1728
2917
0
256
625
10000
20736
31617
Postavljaju se normalne jednaine:
D = a y + b y + cn
D y = a y + b y + c y
D y = a y + b y + c y
2
i
(i = 1,2..,5 = n).
Zamijenjujui u gornji sistem vijednosti iz posljednjeg reda gornje tabele dobija se

sljedei sistem jednaina:
65 = 285a + 31b + 5c
740 = 2917 a + 285b + 31c
7260 = 31617 a + 2917b + 285c
Rjeavajui ovaj sistem dobijaju se vrijednosti koeficijenata:
a = 0,55; b = 10, 49; c = 20,505.
Funkcija dobiti ima sljedei oblik: D( y ) = 0,55 y 2 + 10, 49 y 20,505.
143
b) Analizom funkcije dobiti dobijaju se sljedei rezultati:
D(y) = 0 y1 = 2,21; y2 = 16,79. y (2,21; 16,79) interval rentabilnosti.

D( y ) = 0 1,1 y + 10, 49 = 0 yD = 9,5. nivo najrentabilnije proizvodnje.
D + = D(9,5) = 29,5 maksimalna dobit (2950 KM).
c) D(15)=13,1. Za 15 tona predvia se dobit od 1310 KM.
d)
ED , y = 4 =
4
6, 05 = 1,93 .
12,56
Ako se nivo proizvodnje y = 4 povea 1% ,dobit e se sa nivoa D=12,56 poveati

1,93%.
ED , y =15 =
15
(6, 01) = 6,88 .
13,1
Ako se nivo proizvodnje y =15 t povea 1%, dobit e se sa nivoa D=13,1 KM smanjiti za 6,88%.
e) U Microsoft Exelu se dobija kvadratna funkcija koja najbolje aproksimira skup podataka u ovom primjeru.
y = -0,5542x 2 + 10,499x - 20,505
R2 = 0,9924
Regression
40
30
20
10
0
-10 0
-20
-30
Grafikon 1.29. Funkcija dobiti
144
10
11
12
13
FUNKCIJA DOBITI
Primjer 1.30.
Na tritu je prisutna cijena nekog proizvoda: p =15 nj/kg. Tranja za tim proizvodom
je . Za konkretnog proizvoaa ovog proizvoda funkcija graninih trokova je
C = 2 y + 2 i nivo najekonominije proizvodnje je ye = 6 kg.
a) Odrediti funkcije: troka, prihoda i dobiti za datog proizvoaa;
b) Odrediti intervale rentabilnog poslovanja, nivo najrentabilnije proizvodnje;
c) Grafiki prikazati funkcije prosjenog i graninog prihoda i troka, uz naznaavanje karakteristinih taaka.
Rjeenje:
a)
C = 2 y + 2 C = y2 + 2 y + F
2
F
C = y + 2 y + 36
C ( 6) = C ( 6) 2 y + 2 = y + 2 +
F = 36
y
P ( y ) = 15 y
D ( y ) = P C = y 2 + 13 y 36
b)
Interval rentabilnosti:
y1 = 4; y2 = 9 IR y ( 4, 9 )
D = 0 2 y + 13 = 0 y = 6.5
D =0
Nivo najrentabilnije proizvodnje:

c) P = P ' = 15
C = y+2+
36
y
C = 2 y + 2
= = 15
C
B
VA
Ye = 6 YD = 6,5
Grafikon 1.30. Funkcije prosjenog, graninog prihoda i prosjenog, graninog troka
145
1.9. Funkcija ponude

Ponuda je konaan stadij procesa proizvodnje u trinoj privredi. Koliina nekog dobra
(proizvoda) koja se nudi na tritu po odreenoj cijeni predstavlja ponudu tog dobra. U uslovima slobodnog djelovanja ekonomskih zakonitosti ponuda zavisi od trine cijene
proizvoda p i od cijena ostalih proizvoda koji mogu biti u vezi sa tehniko-tehnolokim
uslovima proizvodnje. To se odnosi na cijene, koliine i kvalitet utroenih faktora proizvodnje, tj. na trokove proizvodnje C f . Ponuda zavisi i od vremena t , od geografskog
podruja G , sezone s , itd. Na ovaj nain definisana ponuda predstavlja funkciju ponude u
irem smislu, koja se izraava kao funkcija vie promjenljivih:
q = F ( p, C f , t , G, s )
(1.128)
Ako funkcija ponude ima izvod po p u intervalu posmatranja taj izvod mora biti vei od
q
nule
> 0 , to znai da je ponuda rastua funkcija u odnosu na cijenu p . Ostali parcijalni
p
izvodi mogu biti razliitog znaka zavisno od uticaja pojedinih faktora na ponudu posmatranog dobra.
Poto najvei uticaj na ponudu nekog dobra ima cijena tog dobra ponuda se definie u uem
smislu kao funkcija jedne nezavisne varijable, a to je cijena tog dobra:
q = f ( p ), odnosno q = q ( p )
(1.129)
Razlikuju se individualna i agregatna ili trina ponuda. Funkcija individualne ponude (ponude pojedinanog proizvoaa) pokazuje kolika je koliina nekog dobra koje individualni
proizvoa nudi na prostorno i vremenski definisanom tritu po odreenoj cijeni. Funkcija
agregatne ponude predstavlja ukupnu koliinu nekog dobra koju nude svi ponuai tog dobra na odreenom tritu u odreenom vremenskom periodu. Agregatna ponuda se dobije
sabiranjem individualnih funkcija ponude. U analizi koja slijedi prvo e biti predstavljena
funkcija agregatne, a zatim i funkcija individualne ponude.
1.9.1. Funkcija agregatne (trine) ponude
Funkcija agregatne ponude predstavlja koliinu nekog dobra koja se nudi na prostorno i
vremenski definisanom tritu po odreenoj cijeni. Funkcija agregatne ponude se dobija
kao zbir koliina nekog proizvoda koje nude razliiti individualni proizvoai na odreenom tritu u odreeno vrijeme i moe se izraziti sljedeom relacijom:
146
FUNKCIJA PONUDE
q = x i .
(1.130)
i =1
u kojoj simbol q predstavlja agregatnu funkciju ponude, a x i , i = 1,..., N . individualne

funkcije ponude N ponuaa na tom tritu.
Da bi neka matematska funkcija mogla biti funkcija agregatne ponude treba da budu zadovoljeni sljedei uslovi:
1. Uslov nenegativnosti na zavisnu i nezavisnu varijablu, to znai da ponuda i cijena
treba da budu nenegativne: p > 0, q 0 . Ako se sa p- oznai minimalna cijena za koju postoji ponuda, a sa x ponuda kod minimalne cijene, tada se oblast definisanosti
ponude
nalazi
u
sljedeim
granicama
0 0 .
dp
Funkcija agregatne ponude je monotono rastua funkcija i ima pozitivan prinos. To znai
da e sa rastom cijene nekog dobra u normalnim uslovima rasti i njegova ponuda. Od ovog
opteg pravila postoje i izuzeci, a u daljoj analizi se polazi od pretpostavke da su normalni
opti uslovi o zavisnosti cijene i ponude ispunjeni.
Najei analitiki oblici funkcije ponude za su za: a 0, b > 0 19
q = a + bp
q = a + bp 2
q = (a bp) 2
q = a + b p + d ;
d 0
q = a + b ln( p d );
d 0
Ovi analitiki oblici funkcije ponude zadovoljavaju osobinu da je p- >0 i da je q = 0 to

teorijski i ne mora biti sluaj, ali u primjerima koje emo mi analizirati ova osobina je zadovoljena.
19
Vidjeti osobine u Vukovi, ., (2004), str. 172.
147
Elastinost funkcije agregatne ponude
Za agregatnu funkciju ponude izraz za koeficijent elastinosti se definie, analogno izrazu

za koeficijent elastinosti individualne ponude, koristei odgovarajui simbol za agregatnu
funkciju ponude:
Eq, p =
p
q > 0.
q
(1.131)
za p > 0, q 0, q > 0 .
Elastinost ponude je uvijek pozitivna poto su cijena i ponuda pozitivne i prvi izvod funkcije ponude pozitivan. Koeficijent elastinosti ponude pokazuje za koliko postotaka (%) e
se poveati ponuda ako se cijena povea za 1%.
Elastinost funkcije ponude je pozitivna i njene vrijednosti se mogu tabelarno predstaviti na
sljedei nain.
Tabela 7. Elastinost funkcije ponude
Eq, p
Tip elastinosti
p Eq, p > 1
Elastinost
p > p1
1 > Eq, p >0
Neelastinost
p = p-
Savrena elastinost
1.9.2. Funkcija individualne ponude
Ako se uini simplifikacija, kao kod funkcije tranje, pretpostavljajui da je uticaj ostalih
faktora na ponudu relativno mali u poreenju sa cijenom p dobra koje se nudi, funkcija
individualne ponude se definie u uem smislu kao funkcija cijene:
x = x ( p)
(1.132)
Da bi funkcija (1.132) mogla biti funkcija ponude, mora ispuniti sljedee uslove:
1. Uslov nenegativnosti na zavisnu i nezavisnu varijablu kod individualne funkcije ponude: p > 0, x > 0 . Ako se sa p- oznai minimalna cijena za koju postoji ponuda i sa
x minimalna koliina ponuena pri toj cijeni, tada se obast definisanosti ponude
moe napisati:
0 < p p , 0 x x .
148
FUNKCIJA PONUDE
2. Funkcija ponude je u intervalu definisanosti neprekidna 0 x < + .

3. Funkcija ponude je diferencijabilna i prvi izvod funkcije ponude mora biti pozitivan, tj.
dx
= x > 0
dp
Ovo znai da je funkcija ponude monotono rastua funkcija (ima pozitivan prinos), odnosno da e sa rastom cijene nekog dobra u normalnim uslovima rasti i njegova ponuda.
Neka je poznata linearna funkcija individualne ponude x1 = x1 ( p) , definisana za
p1 ( p1 , + ) ; x1 (0,+ ) i neka je poznata linearna funkcija individualne ponude
x 2 = x 2 ( p ) definisana za p 2 p 2 ,+ ; x 2 (0,+ )
Minimalne cijene za koje su definisane ponude su p1 i p 2 i neka je p1 p 2 . Prikaimo

na istom grafiku ove dvije funkcije ponude pa onda odredimo funkciju agregatne ponude i
prikaimo je grafiki.
x ( p )
x 2
x1
p1-
p2-
Grafikon 25. Funkcije individualnih ponuda
Agregatna ponuda je zbir svih individualnih ponuda u oblasti njihove definisanosti, pri emu oblast definisanosti Dq i agregatne ponude predstavlja oblast definisanosti svih
individualnih ponuda D x i :
q ( p ) = xi ( p);
i
p D x i .
i
149
Zapis p D x i nam govori da na tritu postoji ponuda kad je barem jedan ponua prisui
tan na tritu, odnosno minimalna cijena za koju postoji agregatna ponuda je p = min( pi ) .
U ovom primjeru imamo da je agregatna ponuda definisana za p p1 ,+ , jer smo pret-
postavili odnos p1 p 2 . Za cijenu p p1 , p 2 na tritu je prisutan samo jedan

ponua sa ponudom x1 , dok ponua sa ponudom x 2 ulazi na trite ako je cijena vea od
p 2 . Za cijenu p p 2 ,+ na tritu su prisutna oba ponuaa sa ponudama x1 i x 2 .

x1
za p ( p1 , p2
q ( p ) =
x1 + x2 za p ( p2 , + )
Minimalna cijena je: p = p1 p1 < p 2 .
q ( p )
q ( p )
q ( p )
x 2
q ( p ) = x1 + x 2
x1
x 2
p1-
p2-
x 2
Grafikon 26. Funkcije individualnih ponuda

i agregatne ponude
p1-
Grafikon 27. Funkcija agregatne ponude
Elastinost funkcije individualne ponude
Elastinost funkcije individualne ponude je odreena sljedeim izrazom:

Ex, p =
150
p
x > 0, za
x
p > 0, x > 0, x > 0
(1.133)
FUNKCIJA PONUDE
Koeficijent elastinosti ponude pokazuje za koliko postotaka (%) e se poveati ponuda

posmatranog proizvoda ako se cijena tog proizvoda na tritu povea za 1%. Ako se cijena
proizvoda povea za 1%, ponuda tog proizvoda e se poveati za Ex, p %. Elastinost ponude je uvijek pozitivna poto su cijena i ponuda pozitivne i prvi izvod funkcije ponude
pozitivan. Analiza elastinosti ponude se moe predstaviti tabelarno i grafiki. Tabelarna
prezentacija je predstavljena u analizi agregatne ponude i na isti nain se primjenjuje i za
individualnu funkciju ponude. Grafike prezentacije funkcije ponude e biti predstavljene u
primjerima sa rjeenjima.
Odreivanje individualne funkcije

1.9.3. ponude iz funkcije trokova
Cilj ponuaa je da maksimizira dobit, odnosno da ponudi onu koliinu dobra koja e mu,
pri datoj trinoj cijeni, obezbijediti najveu dobit. Upravo na ovoj injenici, i uz pretpostavku da je u pitanju trite savrene konkurencije na kojem pojedinac ne utie na cijenu
izvodi se funkcija individualne ponude.
Dobit pojedinca pri trinoj cijeni p se rauna: D( y ) = P( y ) C ( y ) = p y C ( y ) , a nivo y
za koju se maksimizira dobit se odreuje kad se granina dobit izjednai sa nulom, odnosno:
D( y ) = P '( y ) C ( y ) = p C ( y ) = 0
p = C ( y )
(1.134)
Iz gornjeg izraza se zakljuuje da e ponua ostvariti najveu dobit ukoliko cijena na tritu bude jednaka graninim trokovima. Zbog toga se iz jednaine p = C ( y ) moe
eksplicitno izraziti y i dobiti direktni zakon ponude:
y = x = x ( p) .
Za konkretnu cijenu p > 0 ponuda x = x ( p) predstavlja rjeenje jednaine C ( y = x ) = p .
Zakon individualne ponude u uem smislu x = x ( p) je inverzna funkcija funkcije graninih trokova C = C ( y ) za dato p.
Na sljedeem grafikonu su predstavljene funkcije prosjenih ukupnih trokova, prosjenih
varijabilnih trokova, graninih trokova, graninog prihoda, prosjenog prihoda i konstantne cijene p. Na grafikonu je istaknuta konstantna cijena p koja je jednaka prosjenom i
graninom prihodu pri toj cijeni.
Prije analize samog grafika, analizirajmo funkciju dobiti pri konstantnoj cijeni:
151
Poslovanje je rentabilno ako je trina cijena (prosjean prihod) vea od prosjenog troka,
to se vidi iz izraza (1.135). Poslovanje je nerentabilno ako je trina cijena (prosjean prihod) manja od prosjenog troka, a ako je je trina cijena jednaka prosjenom troku
poslovanje je na granici rentabilnosti.
>
: y >0
>
>
<
<
D( y ) = P( y ) C ( y ) = p y C ( y ) = 0 D ( y ) = p C ( y ) = 0 p = C
<
y
x
y,
p= =
C
V
pu
(1.135)
pi
M
0
yM
yV yE
Grafikon 28. Odreivanje funkcije ponude iz funkcije trokova
Na grafikonu su oznaene tri karakteristine take M, V i E. Taka M predstavlja minimum

graninih trokova, taka V minimum prosjenih varijabilnih trokova i taka E minimum
prosjenih ukupnih trokova.
Na horizontalnoj osi su prikazane koliine y sa jedinicama mjere kj, a na vertikalnoj osi su
date cijene, prosjean i granian prihod, prosjean i granian troak i sve mjereno u nj/kj.
Trina cijena p jednaka je prosjenom i graninom prihodu i na grafikonu se vidi da postoji interval kod kojeg je prosjean prihod vei od prosjenog troka. To znai da se pri ovoj
trinoj cijeni moe ostvariti dobitak, odnosno postoji interval rentabilnog poslovanja.
Sa pu je oznaena ulazna cijena. Ta cijena je jednaka prosjenim, odnosno graninim trokovima u najekonominijem nivou proizvodnje yE. Sa grafikona se vidi da, ako je trina
cijena jednaka ulaznoj cijeni pu, onda se prosjean prihod (koji je tada jednak pu) i prosjean
troak sijeku u jednoj taki, pa interval rentabilnosti ne postoji i najbolje poslovanje je na
granicama rentabilnosti, u naem sluaju najbolja ponuda je ponuda yE.
Na osnovu prethodnog i izraza (1.135) zakljuujemo: ako je cijena na tritu vea od pu
pu 0 i poslovanje je rentabilno jer je cijena p
152
FUNKCIJA PONUDE
vea od ukupnih prosjenih trokova p > C .

to je pokazano u relaciji (1.134).
Za cijenu p = C' se maksimizira dobit kao
Kada je cijena jednaka prosjenim trokovima p = pu = C ostvaruju se granice rentabilnosti, a ako je cijena manja od prosjenih trokova p < C = pu dobit je negativna D<0 i
poslovanje nerentabilno.
Sa pi je oznaena izlazna cijena. Ta cijena je jednaka prosjenim varijabilnim, odnosno
graninim trokovima u nivou kod kojeg su minimalni prosjeni varijabilni trokovi yV.
Ukoliko je nivo proizvodnje y = 0, tada je dobit negativna
D ( y = 0) = [P ( y = 0) C ( y = 0)] = F < 0 .
Ostvaruje se tzv. polazni gubitak koji je jednak fiksnim trokovima.

U sluaju kada je cijena na tritu jednaka prosjenim varijabilnim trokovima p = pi takoer se ostvaruje polazni gubitak kao u prethodnom sluaju.
p = V ( y ) [ p V ( y ) ] = 0 / y [ p y V ( y )] < 0 D ( y ) = F .
Ukoliko se trina cijena nalazi u granicama pi V ( y ) [ p V ( y ) ] > 0 / y [ p y V ( y ) ] > 0 D ( y ) > F .
To znai da ponua i dalje moe ostati na triu jer se njegov gubitak izraen fiksnim trokovima smanjuje za D = [ p y V ( y )] > 0 . To znai da, ukoliko se cijena nalazi u
granicama pi < p < pu , ponua ima interes da ostane na tritu jer smanjuje gubitak.20
Ako je cijena manja od cijene pi, odnosno
p < V ( y ) [ p V ( y )] < 0 / y [ p y V ( y )] < 0 D( y ) = F < 0 ponua nema interesa da ostane na tritu jer tada posluje sa gubitkom, odnosno polazni gubitak koji je bio
jednak fiksnim trokovima se poveava za D = [ p y V ( y )].
Rezimirajmo: Proizvoa e ui na trite ukoliko je cijena na tritu vea ili jednaka od
cijene pu (tzv. ulazna cijena). Za trinu cijenu veu od pu proizvoa e ostvariti dobitak.
to je cijena vea ponua e ostvarivati veu dobit.
Ako je trina cijena manja od pu ( p < pu ) proizvoa ima interes da kratkorono ostane na
tritu ukoliko je cijena vea od tzv. izlazne cijene pi. Ta cijena je jednaka graninim trokovima u nivou kod kojeg su minimalni prosjeni varijabilni trokovi yV. Dakle kod cijene
pi < p < pu proizvoa ostaje na tritu jer smanjuje gubitak izraen fiksnim trokovima.
20
Vukovi, . , (2004), str. 178-181.
153
Za cijenu ( p < pi ) ponua nema interesa da ostane na tritu jer tada posluje sa gubitkom.
Zakon inverzne ponude je, za cijenu jednaku ili veu od pi, jednak funkciji graninog troka, kao to je pokazano u izrazu (1.134).
1.9.4. Trina ravnotea (ekvilibrij)
Na tritu savrene konkurencije ravnotea nastaje kada je agregatna ponuda nekog dobra
jednaka agregatnoj tranji za tim dobrom. Cijena za koju su funkcija ponude i funkcija tranje jednake naziva se ravnotena cijena. Ravnotena cijena se odreuje izjednaavanjem
funkcije tranje i ponude:
q = q
(1.136)
Za ravnotenu cijenu koliina dobra koja se nudi e biti jednaka koliini dobra koja se trai
na odreenom tritu u odreeno vrijeme. Odreivanje trine ravnotee je obraeno u
primjerima sa rjeenjima.
Primjer 1.31.
Date su funkcije ponude:

1) q ( p ) = p 2 3 p + 2
2)
q ( p ) = 2 p 1
3) q ( p ) = e p 1 3
p
.
2
a) Za koje cijene p ove funkcije imaju ekonomskog smisla? Grafiki predstaviti date
funkcije.
b) Za funkcije ponude 1) i 2) odrediti algebarske izraze funkcije elastinosti uz grafiki i tabelarni prikaz.
4) q ( p ) = ln
Rjeenje:
a) Definiciono podruje funkcija ponude p > 0; q ( p ) > 0; q ( p ) > 0 .
1) p>0,
q ( p ) = p 2 3 p + 2 > 0 ( p 1) ( p 2 ) > 0 p ( ,1) (2,+ ) ,

q ( p) = 2 p 3 > 0 p > 3 / 2 ,
154
FUNKCIJA PONUDE
0 1
1,5 2
Odavde je definiciono podruje ponude: p (2,+ ) . Minimalna cijena je p = 2
Funkcija ponude je parabola

sa minimumom i definisana je za:
p > 2, q > 0
Grafikon 1.31. Funkcija ponude
2) p - 1>0 p >1, q ( p ) > 0 , q ( p) =
1
p 1
q ( p ) = p 2 3 p + 2
> 0 , p- =1, q- = 0.
Funkcija ponude je korjena

funkcija u oblasti
definisanosti
p > 1; q > 0
Grafikon 1.31.a. Funkcija ponude q ( p ) = 2 p 1
155
3) p>0, q ( p) > 0 e p 1 3 > 0 e p 1 > 3 p 1 > ln 3 p > ln 3 + 1 p > ln 3e ,

q ( p ) = e p 1 > 0 ; za p = ln 3e
q
Funkcija ponude je eksponencijalna funkcija definisana za
p > 1 + ln 3; q > 0
1+ln 3
0
Grafikon 1.31.b. Funkcija ponude
4) p>0, q ( p ) > 0 ln
p
>0
2
q ( p) = e p 1 3
p
1
> 1 p > 2 ; q ( p ) =
> 0;
2
2p
Funkcija ponude je logaritamska funkcija koju smo ograniili

u oblasti definisanosti ponude:
p > 2; q > 0
Grafikon 1.31.c. Funkcija ponude q ( p ) = ln
156
p
2
FUNKCIJA PONUDE
b) Funkcija elastinosti ponude u odnosu na cijenu p je uvijek pozitivna i rauna

se iz:
E q , p =
p
q ( p) > 0 .
q ( p)
1) q ( p ) = p 2 3 p + 2
p
E q , p =
p2 3p + 2
( E q , p ) =
(2 p 3) =
2 p2 3p
p2 3p + 2
> 0 definisana za p > 2
3p2 + 8 p 6
< 0 za p > 2 (opadajua funkcija)

( p 2 3 p + 2) 2
= 2 (horizontalna asimptota)
lim Eq , p
p+
lim E q , p = + p = 2 (vertikalna asimptota)

p2
E q , p = 1
2 p2 3p
2
p 3p + 2
= 1 p 2 = 2 p = 2 d . p.
Eq , p
E q , p
Elastinost
p>2
+> E q , p >2
Elastinost
2
1
2
Grafikon 1.31.d. Funkcija elastinosti ponude q ( p ) = p
3 p + 2
E q , p > 2 to znai da je funkcija ponude elastina.
2)
q ( p ) = 2 p 1
p
E q , p =
2 p 1
1
p 1
p
> 0 definisana za p > 1
2( p 1)
157
p = 1 (vertikalna asimptota)
1
lim E q , p = (horizontalna asimptota)
p +
2
1
( E q , p ) =
< 0 (opadajua funkcija)
2( p 1) 2
E q , p = 1 p = 2 p 2 p = 2 (jedinina elastinost)
Eq , p
E q , p
elastinost
p=1
E q , p =
savrena
elastinost
1 E q , p > 1
elastinost
p=2
E q , p =1
jedinina
elastinost
p >2
1> E q , p >1/2
neelastinost
1/2
0
Grafikon 1.31.e. Funkcija elastinosti ponude q ( p ) = 2
p 1
Primjer 1.32.
Na tritu odreenog tipa robe prisutna su tri proizvoaa sa zakonima individualne

ponude:
a)
b)
c)
d)
x 1 = p 3 ,
x 2 = 0 ,5 p 1,
x 3 = p 6 ,
Definisati funkcije individualnih ponuda i grafiki ih predstaviti.
Odrediti zakon agregatne ponude na tritu i prikazati je grafiki.
Ako je q = 5 0,5p zakon agregatne tranje, odrediti taku ravnotee.
Odrediti elastinost ponude za ravnotenu cijenu i protumaiti rezultat.
Rjeenje:
a) Definiimo svaku od navedenih funkcija individualne ponude: x > 0, p > 0, x > 0 .
x1 > 0 p 3 > 0 p > 3; x1 = 1 > 0 , ponuda prvog proizvoaa je definisana za p >3.
158
FUNKCIJA PONUDE
x 2 > 0 0,5 p 1 > 0 p > 2; x 2 = 0,5 > 0 , ponuda drugog proizvoaa je definisana za p >2 .
x 3 > 0 p 6 > 0 p > 6; x 3 = 1 > 0 , ponuda treeg proizvoaa je definisana za

cijenu p >6.
x3
x 2
x1
Grafikon 1.32. Funkcije individualnih ponuda
b) Sada odredimo funkciju agregatne ponude:
Agregatna ponuda je zbir svih individualnih ponuda u oblasti njihove definisanosti.

x 2
x 2 + x1
x 2 + x1 + x3
0,5 p 1, p (2,3]
x 2 ; p (2,3]
q ( p ) = x 2 + x1 ; p (3,6] = 1,5 p 4 , p (3,6] .

x + x + x ; p > 6 2,5 p 10, p > 6
2
3
159
0.5
0
Grafikon 1.32.a. Funkcija agregatne ponude
c) Taka ravnotee R(pR, qR) je taka u kojoj je ponuda jednaka tranji q( p ) = q ( p) .
Definiimo datu funkciju tranje: (p >0, q >0, q< 0);

q = 5 0,5p > 0 p < 10, q= -0,5 < 0.
Dakle, tranja je definisana za p(0, 10) i q(0, 5).
Rjeavajui jednainu 1,5p 4 = 5 0,5p 2p = 9 pR = 4,5 i qR = 2,75.
Dakle, R = (4.5, 2.75).
q, q
2.75
0.5
0
4,5
10
Grafikon 1.32.b. Funkcije agregatne ponude i tranje i njihova ravnotea
160
FUNKCIJA PONUDE
d) E q , p = 4,5 =
4,5
1,5 = 2,45 .
2,75
Ako cijenu p sa ravnotene cijene pR = 4,5 poveamo za 1%, ponuda sa ravnotenog

nivoa 2,75 e se poveati za priblino 2,45 %.
Primjer 1.33.
Preduzee Hlaaa , koje proizvodi hladnjake, izvrilo je analizu trita i dobilo sljedei grafikon:
q, q ( kom.)
30
14
90
160
300
Grafikon 1.33. Funkcije ponude i tranje za hladnjacima
a)
b)
c)
d)
Definisati tranju i ponudu za hladnjacima.

Odrediti ravnotenu cijenu i ravnotenu koliinu hladnjaka.
Pretpostavljajui linearnost funkcija pronai njihove oblike.
Ako vlada odredi da se ne smiju prodavati hladnjaci po cijeni veoj od 150$, ta
e to znaiti za preduzee?
e) Kako e jedinino poveanje cijene hladnjaka uticati na tranju i ponudu?
Rjeenje:
a) Zna se da je funkcija tranje u zavisnosti od cijene opadajua, a funkcija ponude u
zavisnosti od cijene rastua funkcija. Sa grafikona se uoava:
Tranja q(p) definisana za p (0, 300) i q(p)(0, 30);

Ponuda q ( p) definisana za p > 90.
161
b) Taka ravnotee je taka u kojoj se sijeku funkcije tranje i ponude; (sa grafikona
P.3.1.). Ravnotena cijena je pR = 160 $, a ravnotena koliina qR = 14 kom.
c) Funkcija tranje je linearna funkcija pa je oblika: q(p) = ap + b.
Sa grafikona se odreuje da je granina cijena do koje tranja postoji p+ =300, q = 0 i

nivo zasienja q+ = 30, p = 0.
Rjeavajui sistem jednaina, dobija se:
0 = 300a + b
30 = a0 + b b = 30, a = -1/10 = -0,1.
Funkcija tranje je q(p) = -0,1p + 30.
Funkcija ponude je linearna funkcija pa je oblika q ( p) = cp + d.
Sa grafikona se odreuje da je najnia cijena za koju ponuda postoji p- = 90, q ( p) =0;
i za p = 160, q ( p) =14. Uvrtavajui ove vrijednosti u funkciju ponude q ( p ) = cp + d
dobija se sistem jednaina:
0 = 90c + d
14 = 160c + d
Rjeavanjem ovog sistema odreuju se vrijednosti koeficijenata: c = 0,2, d = -18, odnosno funkcija ponude je q ( p) = 0,2p 18.
d) Za cijenu p < 150 $ tranja je vea od ponude, to znai da e preduzee sve hladnjake prodati.
e) Kako je q(p) = - 0,1 i q ( p ) = 0,2, to e za jedinino poveanje cijene tranja
opasti za 0,1, a ponuda porasti za 0,2 kom.
Primjer 1.34.
Za konkretnog proizvoaa nekog proizvoda poznata je funkcija trokova

C(y) = 6y2 + 6y + 96.
a) Odrediti njegovu funkciju ponude i koliinu ponude kod poznate trine cijene p =30
b) Da li je njegovo poslovanje rentabilno?
c) Odrediti ulaznu cijenu pu i ulaznu koliinu yu iznad koje na proizvoa izlazi sa
ponudom na trite, izlaznu cijenu pi i izlaznu koliinu yi ispod koje bi na proizvoa odustao od ponude; grafiki predstaviti funkcije prosjenog ukupnog i
varijabilnog troka, graninog troka i ponude.
162
FUNKCIJA PONUDE
Rjeenje:
a) Vodei se kriterijem rentabilnosti, cilj je ostvariti maksimalnu dobit

D= 0 C = P C = p (inverzno) x ( p) .
C(y) = 12 y +6 = p y =
p6
p6
; definisana za p > 6.
x ( p) =
12
12
Proizvoaeva ponuda pri cijeni p =30 bi bila: x (30) = 2k . j.

b) D(y) = P(y) C(y) = 30y 6y2 6y 96 = - 6y2 + 24y 96.
D(2) = -72 < 0 nije rentabilan pri cijeni p = 30 KM.

c) Odreuju se funkcije graninog, prosjenog ukupnog i varijabilnog troka:
C= V= 12y + 6.
C=
6 y 2 + 6 y + 96
y
V = 6y + 6 .
Uvode se sljedee standardne oznake:
E(yE, pE) - taka minimuma prosjenih ukupnih trokova,
V(yV, pV) - taka minimuma prosjenih varijabilnih trokova,
M(yM, pM) - taka minimuma graninih trokova.
Odredimo najekonominiji nivo proizvodnje yE (minimum prosjenih ukupnih trokova). Iz jednaine

C = C 12 y + 6 =
6 y 2 + 6 y + 96
6 y 2 = 96 y E = 4 C (4) = C (4) = 54 .
y
Kako su funkcije graninog troka i prosjenog varijabilnog troka rastue linearne

funkcije, to e imati minimalnu vrijednost za y = 0.
Dakle, karakteristine take su E = (4, 54) i V=M = (0, 6) .
163
C , C ,V
x
54
30
4
2
6
V
0 2 4
0 6
30
54
Grafikon 1.34. Funkcije prosjenog ukupnog

troka, prosjenog varijabilnog troka i graninog troka
Grafikon 1.34.a. Funkcija ponude proizvoaa

(grafik funkcije ponude je inverzan grafiku
funkcije graninog troka)
Kako je P ' = P = p , to iz grafika vidimo da je za p > pE = 54 prosjeni prihod vei od

prosjenog troka, pa bi proizvoa bio rentabilan, ostvaruje dobit i izlazi na trite sa
svojom ponudom, to znai ulazna cijena pu = pE = 54 i ulazna koliina yu = yE = 4.
Nadalje, za cijenu pV < p < pE prosjeni prihod je manji od prosjenog troka, proizvoa nije rentabilan, ima gubitak koji je manji od gubitka za fiksne trokove, izlazi
sa ponudom i minimizira gubitak. Za p < pV proizvoa odustaje od ponude, to znai
izlazna cijena pi = pV = 6 i izlazna koliina yi = yV = 0.
Primjer 1.35.
Kod nekog proizvoaa poznata je funkcija prihoda P (q) = 30q 3q 2 i nepotpuna

funkcija trokova C (q) = A + 2q + q 2 .
a) Odrediti vrijednost parametra A ako se zna da je najekonominiji nivo proizvodnje q e = 24 kj .
b) Odrediti algebarski izraz funkcije dobiti i dati grafiki prikaz, uz obiljeavanje
karakteristinih taaka i intervala nerentabilnosti.
c) Odrediti funkciju proizvoaeve ponude, oblast definisanosti i grafiki je predstaviti.
164
FUNKCIJA PONUDE
Rjeenje:
a)
P (q ) = 30q 3q 2 ;
C ( q ) = A + 2q + q 2 ;
A + 2q + q 2
C (q e ) = 0 C =
q
'
'
q e = 24 kj
'
A
= 0 1 2 = 0 A = 24
q
b)
D(q) = P(q) C (q)

D(q) = 30q 3q 2 (q 2 + 2q + 24)
ekstrem: D ' (q) = (4q 2 + 28q 24) ' = 0

8q + 28 = 0
D(q) = 4q 2 + 28q 24
D(q) = 0 4q 2 + 28q 24 = 0
Nule : q1 = 1 , q2 = 6
D(q D ) = D(3,5) = 4 3,5 + 28 3,5 24 = 60
q (0, 1) (6, + )
D max (7 / 2,60)
q1 = 1 , q2 = 6
F = 24
qD = 7 / 2
q (1, 6)
D(q)
x
Dmax(3,5;60)
60
qD=3,5
-F
Interval nerentabilnosti
Grafikon 1.35.a. Funkcija ponude
c)
165
C ' (q ) = p inverzna funkcija ponude

2q + 2 = p
1
1
p 1 x = p 1
2
2
D.P. p (2, + )
q=
Primjer 1.36.
Grafika kua Book je procijenila trokove tampanja i uvezivanja kompleta knjiga

za potrebe Gradske biblioteke. Utvreno je da su fiksni trokovi F = 400 KM. U tabeli su biljeeni varijabilni trokovi proizvodnje jednog kompleta knjiga i metodom
najmanjih kvadrata procijenjena je funkcija varijabilnih trokova:
Broj knjiga 0
Varijabilni
troak
10
11
12
13
14
15
16
0 12 30 60 95 140 190 255 320 400 480 570 670 780 890 1020 1150
V
1400
V = 4y 2 +8y
R2 = 1
1200
1000
800
600
400
200
0
-200
10
15
y
20
a) Koliko kompleta knjiga treba proizvesti da bi se minimizirali prosjeni trokovi

proizvodnje?
b) Ako je trina cijena kompleta knjiga 120 KM, koliko kompleta bi bilo najbolje
tampati? Zato?
c) Da li bi poslovanje bilo rentabilno ako biste pri ovoj cijeni p = 120 KM ponudili
10 kompleta knjiga?
d) Odrediti najmanju cijenu pri kojoj bi optimalna ponuda obezbijedila grafikoj kui Book rentabilno poslovanje? Odgovor obrazloiti uz grafiki prikaz.
166
FUNKCIJA PONUDE
Rjeenje:
a) C(y) = 4y2 +8y + 400 funkcija ukupnog troka;
Funkcije graninog i prosjenog troka su: C ( y ) = 8 y + 8;
C ( y) = 4 y + 8 +
400
.
y
Da bi nali minimum prosjenih trokova proizvodnje:

C ( y ) = 0 4
400
= 0 y 2 = 100 y E = 10 .
2
y
Dakle, najekonominije bi bilo tampati 10 kompleta knjiga.

b) Ako je p =120 KM jednog kompleta, tada bi prihod (y) =120y, pa bi funkcija dobiti bila D(y) = (y) C(y) = - 4y2 +112y 400.
D(y)= -8y + 112 = 0 yD =14 .
Najbolje bi bilo tampati 14 kompleta knjiga, jer bi tada grafika kua ostvarila maksimalnu dobit.
c) D(y) = 0 y1 = 4,2; y2 = 23,8. D(y) > 0 za y(4,2; 23,8), tj. poslovanje grafike
kue bi bilo rentabilno ako bi tampali izmeu 4 i 24 kompleta knjiga. Ako bi ponudili 10 kompleta, bili bi rentabilni.
d) Najmanja cijena pri kojoj bi optimalna ponuda obezbijedila grafikoj kui rentabilno poslovanje je pE = C(yE) = 88 KM.
C'
120
88
8
0
C
V
4.2
10
14
23.8
Grafikon 1.36. Funkcije ukupnog prosjenog troka, prosjenog varijabilnog troka,

graninog troka i prosjenog , graninog prihoda uz karakteristine take
167
(A, B) : P = C = 120
(4,2; 23,8) - interval rentabilnosti
D: P ' = C = 120
yD = 14 najrentabilniji nivo proizvodnje
E: C = C = 88
YE = 10 najekonominiji nivo proizvodnje
Primjer 1.37.
Poznata je funkcija ponude jednog proizvoaa x ( p ) = 2 p 1 .

a) Odrediti funkciju ukupnog troka ovog proizvoaa ako se zna da je najekonominiji nivo njegove proizvodnje ye = 10 k.j.
b) Odrediti funkcije prosjenog ukupnog i varijabilnog troka, graninog troka i
grafiki ih predstaviti uz obiljeavanje karakteristinih taaka (yu, yi, pu, pi). Pri
kojoj cijeni bi ovaj proizvoa bio rentabilan?
c) Izraunati elastinost ponude za cijenu p = pu i objasniti rezultat.
Rjeenje:
a) Definie se funkcija ponude:
p - 1>0 p >1, x ( p) > 0 , x ( p) =
1
p 1
> 0 , p- =1, q- = 0.
Oznava se sa y = x ( p ) > 0 nivo proizvodnje ovog proizvoaa koji e ponuditi na

tritu.
y = 2 p 1
y
=
2
p 1
y2
y2
= p 1
+ 1 = p = C ( y ) .
4
4
Dakle, funkcija graninog troka je C ( y ) =
y2
+ 1 . Treba odrediti funkciju ukupnog
4
y2
y3
troka: C ( y ) =
+ y+F.
+ 1dy =
12
Kako je poznat nivo najekonominije proizvodnje ye = 6, to je C (6) = C (6) = 10 dobiva se:
168
FUNKCIJA PONUDE
63
y3
+ 6 + F = 60 F = 36 ; C ( y ) =
+ y + 36 .
12
12
b) C ( y ) =
y2
y2
y2
36
+ 1; C ( y) =
+1+
; V ( y) =
+ 1.
4
12
12
y
Analiza funkcija trokova:

1. Funkcije C ( y ) i V ( y ) su pozitivne kvadratne funkcije koje imaju za y 0 minimalnu vrijednost 1 za y =0 M = V = (0, 1).
2. Funkcija C ( y ) je pozitivna funkcija ija je vertikalna asimptota y = 0, i ima minimum za y = ye = 6 ija vrijednost iznosi 10 E = (6, 10).
C
C
V
(pu) 10
(pi) 1
0(yi)
6 (yu)
Grafikon 1.37. Funkcije prosjenog ukupnog i varijabilnog

troka i graninog troka
Ulazna cijena pu = 10 novanih jedinica i ulazna koliina yu = 6 kj iznad koje na proizvoa izlazi sa ponudom na trite, ostvaruje dobit, tj. rentabilan je;
Izlazna cijena pi je 1 novana jedinica ispod koje bi na proizvoa odustao od ponude yi = 0.
c) E q , p =10 =
p
2 p 1
1
p 1
10 5
p
=
= 0,55 .
2( p 1) 18 9
Ako se cijena sa nivoa p = 10 povea za 1%, ponuda e se sa nivoa 6 poveati za priblino 0,55%.
169
1.10. Funkcije proizvodnje

Funkcije proizvodnje su, kao instrumenti ekonomske analize, prvo definisane na mikronivou kao relacije izmeu utroaka pojedinih faktora proizvodnje i obima proizvodnje, gdje
su utroci i obim proizvodnje izraeni u koliinskim jedinicama. Proizvodna funkcija kao
instrument mikroekonomske analize moe se, uz izvjesne modifikacije, primijeniti na nivou
veih privrednih cjelina, pa i na nivou cijele privrede.
Sve dok se na neki nain moe izmjeriti masa proizvodnih utroaka, s jedne, i koliina
razliitih gotovih proizvoda i usluga, s druge strane, i sve dok se izmeu tih dvaju kategorija mogu uspostaviti izvjesne analitike veze, proizvodna funkcija moe da poslui kao
pogodan i efikasan instrument u teoriji proizvodnje i na nivoima koji su vii od nivoa preduzea. Od velikog je znaaja injenica da proizvodna funkcija primenjena na celu privredu
ima ista analitika svojstva kao i proizvodna funkcija na nivou preduzea, a njena ekonomska interpretacija na tom znatno viem nivou potpuno je analogna njenoj interpretaciji na
najniem nivou, tj. na nivou jednog proizvodnog procesa ili nekog homogenog, i zato relativno malog, proizvodnog kompleksa.21
Funkcije proizvodnje se kao instrument ekonomske analize primjenjuju na makronivou, uz
pretpostavku da relacije izmeu posmatranih agregata odravaju tehnologiju date privrede,
kao to odgovarajue relacije na mikronivou odraavaju tehnologiju datog proizvodnog
procesa.
Funkcije proizvodnje predstavljaju analitiki izraz proizvodnje koji specificira tehnoloke
relacije izmeu proizvodnje i faktora koji su utroeni u tu proizvodnju. Ove funkcije definiu vezu koja postoji izmeu angaovanih inputa i izraz su tehnolokih znanja koja
egzistiraju u odreenom skupu proizvodnih procesa i koja definiu sve kombinacije gotovih
proizvoda, koje se mogu dobiti na osnovu odgovarajuih kombinacija faktora proizvodnje,
kao i kombinacije svih faktora proizvodnje koje rezultiraju u odreenoj kombinaciji gotovih
proizvoda.
Polazei od pretpostavke da se faktori proizvodnje koriste na najefikasniji nain, ovim funkcijama se izraava maksimalan output kao funkcija varijabilnih inputa. Iako je
funkcija proizvodnje osnovni analitiki instrument u kvantitativnoj analizi rasta, ona je predmet brojnih kontraverzi u pogledu opravdanosti njene primjene.22
21
22
Madar, Lj., (1976), str. 131.

Vidjeti detaljnije u Bazler-Madar, M., (1975).
170
FUNKCIJE PROIZVODNJE
1.10.1. Osobine funkcija proizvodnje
Funkcija proizvodnje se analitiki izraava sljedeom relacijom:

Q = F ( X 1 , X 2 ,... X n ), Q 0, X i 0 , i = 1,2,n.
(1.137)
uz pretpostavku da su faktori proizvodnje Xi i proizvodnja Q kontinuirane varijable i da

postoji mogunost supstitucije faktora proizvodnje.
Iz ekonomske teorije proizilaze poeljne osobine funkcija proizvodnje, koje se za funkciju
(1.137) mogu izraziti na sljedei nain:
1. Prva poeljna osobina funkcija proizvodnje se odnosi na granine proizvode. Granini
proizvodi funkcija proizvodnje moraju biti nenegativni u relevantnom intervalu proizvodnje:
Q
0,
X i
i = 1,2,,n.
(1.138)
To znai da u tom intervalu, pri poveanom angaovanju bilo kod faktora proizvodnje, uz
zadravanje nepromijenjenog nivoa ostalih faktora proizvodnje, proizvod ne smije biti
umanjen, odnosno mora se poveati ili ostati nepromijenjen. Ova osobina se matematiki
izraava nenegativnou parcijalnih izvoda funkcije proizvodnje.
2. Druga osobina se odnosi na zakon opadajuih prinosa kao poseban sluaj zakona varijabilnih proporcija. Zakon varijabilnih proporcija implicira promjene proizvodnje koje
nastaju kao rezultat poveanja utroka samog jednog faktora, ako su koliine ostalih faktora
nepromijenjene.
Proizvodnja se, zavisno od promjena varijabilnog faktora, mijenja razliito, ali poslije
izvjesne granice (iza neke take) marginalni prirast e poeti opadati. To je rezultat injenice da se stalnim poveanjem utroka samo jednog faktora, uz fiksni nivo ostalih
faktora, kombinacija utroaka sve vie udaljava od tehnoloki efikasnog podruja proizvodnje.
Zakon opadajuih prinosa se formulie za onaj interval varijacije promjenljivog utroka, u
kome njegova sukscesivna poveanja daju sukscesivno opadajue priraste proizvodnje.23
Zakon opadajuih prinosa vai u sljedeim uslovima: (1) tehnika proizvodnje je data i u
posmatranom trenutku vremena se ne mijenja; (2) utroak bar nekih proizvodnih usluga je
konstantan; (3) postoji mogunost variranja proporcija utroka, jer inae bi marginalni proizvod bio stalno jednak nuli i (4) iza neke take znai iza utroka koji se obino
23
Madar, Lj., (1972), str. 31.
171
postizava.24 Ovaj zakon se matematiki izraava kao smanjivanje marginalnih proizvoda

negativnom vrijednou drugog parcijalnog izvoda funkcije proizvodnje:
2Q
< 0 , i = 1,2,...,n.
X i2
(1.139)
3. Trea poeljna osobina funkcija proizvodnje pretpostavlja postojanje konane granice za

granini proizvod ako se jedan faktor beskonano poveava, a ostali faktori ostaju nepromijenjeni. To znai da se ne moe sva proizvodnja ostvariti ulaganjem u samo jedan faktor
proizvodnje. Ova osobina e biti zadovoljna ako vai relacija:
lim
xi
Q
0 , i = 1, 2, , n.
xi
(1.140)
Proizvodna funkcija
Q = Q ( xi )
{x j = const , j i}
xi
Zakon opadajuih
prinosa
Prosjena
funkcija Q x i
A
Podruje racionalnih odluka
xi
Granina
funkcija Q x i
Podruje neracionalnih odluka
Grafikon 29. Funkcija proizvodnje Q = Q(xi)

24
Horvat, B., (1972), str. 16.
172
U daljoj analizi e se koristiti dvofaktorska funkcija proizvodnje:

Q = F (R, K), Q>0, R>0, K>0
(1.141)
u kojoj Q predstavlja nivo proizvodnje, a R i K faktore rad i kapital angaovane u proizvodnom procesu. Da bi funkcija proizvodnje Q = F (R, K) zadovoljila tri navedene poeljne
osobine funkcije proizvodnje, moraju biti ispunjeni sljedei uslovi:
1.
Q
0,
R
Q
0
K
(1.142)
2.
2Q
< 0,
R 2
2Q
>0,
K 2
(1.143)
3.
Q
0
R R
lim
Q
0
K K
lim
(1.144)
1.10.2. Granina funkcija proizvodnje
Granina funkcija proizvodnje se definie kao prvi izvod funkcije proizvodnje po svakom
od analiziranih faktora proizvodnje, uz pretpostavku da ostali faktori proizvodnje ostanu
konstantni.
Za funkciju Q = F ( X 1 , X 2 ,... X n ), Q 0, X i 0 , i = 1,2,n. granina funkcija ili granini proizvod se odreuju pomou parcijalnog izvoda na sljedei nain:
Q
= Qxi > 0,
X i
i = 1, 2,..., n.
(1.145)
Ekonomsko objanjenje prethodnog izraza je sljedee: ukoliko se utroak faktora Xi povea

za jednu jedinicu mjere u kojoj je faktor izraen, a ostali faktori ostanu konstantni, nivo
ukupne proizvodnje Q e se poveati za onoliko jedinica koliko iznosi granini proizvod, tj.
za Q xi jedinica.
Moe se izraunati onoliko graninih funkcija proizvodnje koliko ima faktora koji su ukljueni u funkciju proizvodnje. Za prethodnu funkciju se moe odrediti n graninih funkcija
proizvodnje.
Za dvofaktorsku funkciju proizvodnje Q = F (R, K) mogu se odrediti dvije funkcije granine proizvodnje i to granina proizvodnja po faktoru R i granina proizvodnja po faktoru K.
Granina proizvodnja u odnosu na faktor rad je jednaka:
Q
= QR > 0
R
(1.146)
173
i pokazuje da e se ukupna proizvodnja poveati za QR jedinica ukoliko se faktor rad povea za jednu jedinicu, a faktor kapital ostane nepromijenjen.
Granina proizvodnja u odnosu na faktor kapital se odreuje sljedeim izrazom:
Q
= QK > 0
K
(1.147)
i njeno znaenje je sljedee: ukoliko se faktor kapital povea za jednu jedinicu, a faktor rad
ostane nepromijenjen, ukupna proizvodnja e se poveati za onoliko jedinica koliko iznosi
granina proizvodnja, dakle za QK jedinica.
1.10.3. Prosjena funkcija proizvodnje
Prosjena funkcija proizvodnje se za funkciju ukupne proizvodnje:

Q = F ( X 1 , X 2 ,... X n ), Q 0, X i 0 , i = 1,2,n., definie sljedeim izrazom:
Qxi =
Q
Xi
i = 1, 2,..., n.
(1.148)
U sluaju gore navedene funkcije proizvodnje moe se odrediti n prosjenih funkcija proizvodnje jer je funkcija proizvodnje definisana kao funkcija n faktora proizvodnje. Prosjena
funkcija proizvodnje pokazuje koliko se u prosjeku po svakoj jedinici angaovanog faktora
X i ostvari jedinica ukupne proizvodnje uz pretpostavku da ostali faktori proizodnje ostaju
nepromijenjeni.
Za dvofaktorsku funkciju proizvodnje Q = F (R, K) mogu se odrediti dvije funkcije prosjene proizvodnje, i to prosjena proizvodnja u odnosu na faktor R i prosjena proizvodnja u
odnosu na faktor K.
Prosjena funkcija proizvodnje u odnosu na faktor rad je jednaka:
QR =
Q
, K = const.
R
(1.149)
Prosjena funkcija proizvodnje u odnosu na faktor rad pokazuje koliko se u prosjeku po

svakoj utroenoj jedinici faktora rad ostvari jedinica ukupne proizvodnje uz pretpostavku da
je faktor kapital ostao konstantan. Ova funkcija naziva se i funkcijom produktivnosti
rada.
Prosjena funkcija proizvodnje u odnosu na faktor kapital je jednaka:
174
QK =
Q
, R = const.
K
(1.150)
Prosjena funkcija proizvodnje u odnosu na faktor kapital pokazuje koliko se u prosjeku po

svakoj utroenoj jedinici faktora kapital ostvari jedinica ukupne proizvodnje uz pretpostavku da je faktor rad ostao konstantan. Ova funkcija naziva se i funkcijom produktivnosti,
odnosno efikasnosti kapitala.
1.10.4. Vertikalni i horizontalni presjeci proizvodne povrine
Proizvodnu povrinu, vertikalne i horizontalne presjeke proizvodne povrine dvofaktorske

funkcije proizvodnje Q = F(R,K), koja ispunjava poeljne osobine, predstavljamo na sljedeim grafikonima:25
Na grafikonu 30. su prikazani vertikalni presjeci proizvodne povrine, odnosno presjeci
proizvodne povrine Q = F(R,K) i ravni K = const (prikazani su presjeci sa tri ravni:
K = K1, K = K2, K = K3). Vertikalni presjeci proizvodne povrine su krive koje pokazuju
kako se mijenja proizvodnja u zavisnosti od promjene R kada je K fiksirano.
Q = F (R, K = const) ) .
Grafikon 30. Vertikalni presjeci proizvodne povrine funkcije

proizvodnje Q = F (Ri, K).
25
Somun-Kapetanovi, R., (1986), str. 43 - 44.
175
Grafikon 31. Vertikalni presjeci proizvodne povrine funkcije

proizvodnje Q = F (R, Ki).
Vertikalni presjeci prikazani na grafiku 31. su presjeci proizvodne povrine Q = F(R,K) i

ravni R = const (prikazani su presjeci sa tri ravni: R = R1, R = R2, R = R3). Vertikalni presjeci su krive koje pokazuju kako se mijenja proizvodnja u zavisnosti od promjene faktora K
kada je faktor R fiksiran: (Q = F (R = const, K )) .
Grafikon 32. Proizvodna povrina dvofaktorske funkcije proizvodnje Q = F (R, K)
176
Na grafikonu 32. su prikazani horizontalni presjeci proizvodne povrine, odnosno presjeci

proizvodne povrine i ravni Q = Q0 . Istaknuta je kriva koja predstavlja horizontalni presjek
(kriva sa krajnjim takama AB) i dio te krive koji zadovoljava poeljne osobine funkcije
proizvodnje (kriva sa krajnjim takama CD). Interval u kojem su zadovoljene osobine funkcije proizvodnje nazivamo interval racionalnih odluka.
Na sljedeem grafikonu su predstavljeni horizontalni presjeci proizvodne povrine za razne
nivoe proizvodnje Q.
Grafikon 33. Horizontalni presjeci proizvodne povrine funkcije

proizvodnje Q = F (R, K)
Krive horizontanih presjeka proizvodne povrine pokazuju sve kombinacije utroaka faktora proizvodnje koji daju istu koliinu proizvodnje. Te krive se nazivaju izokvantama.
Izokvanta se algebarski moe izraziti implicitnom funkcijom:
F ( R, K ) = Q0 gdje je Q = const. = Q0
(1.151)
Izokvanta se moe izraziti i eksplicitnom funkcijom polazei od opteg oblika funkcije proizvodnje Q=F (R, K). Uz pretpostavku da je nivo proizvodnje konstantan, faktor K se
izraava eksplicitno kao funkcija konstantnog nivoa proizvodnje Q0 i faktora R. Analitiki
oblik izokvante u ovom sluaju je dat sljedeim izrazom:
K = F ( R, Q0 ), K = f ( R), Q0 = const.
(1.152)
Totalnim diferenciranjem jednaine Q = F ( R, K ) dobija se relacija:

dQ =
Q
Q
dR +
dK
R
K
(1.153)
177
Uz pretpostavku da je Q = const . dQ = 0 i dobija se sljedei izraz

QR dR + QK dK = 0
(1.154)
iz kojeg se nalazi nagib izokvante K = f ( R, Q0 ) :

dK
Q
= R < 0.
dR
QK
(1.155)
Parcijalni izvodi na desnoj strani jednaine predstavljaju granine proizvode funkcije. Granini proizvodi funkcije imaju pozitivne vrijednosti u oblasti racionalnih odluka, pa je
nagib izokvante negativan. Izokvante su, prema tome, opadajue krive.
Spajanjem taaka u kojima nagibi izokvanti imaju istu vrijednost dobiju se krive koje se
nazivaju izokline. Algebarski izraz izokline dat je jednainom:
Q
dK
= R = k
dR
QK
k=
QR
QK
(1.156)
u kojoj je k nagib izokline. Za pozitivne vrijednosti nagiba izokline k definisano je podruje

racionalnih odluka, odnosno podruje u kome su granini proizvodi faktora pozitivni.
U tom podruju poveanje utroka jednog faktora izaziva smanjenje utroka drugog faktora
da bi ukupna proizvodnja ostala nepromijenjena.
Izokline za k = 0 i k = + predstavljaju granine sluajeve jer omeuju podruje racionalnih
odluka u kome su ispunjene poeljne osobine funkcija proizvodnje i nazivaju se linije grebena
proizvodne povrine (g1 i g2 na grafikonu 32.).
Izokvante karakteriu i sljedee osobine: izokvante koje su vie udaljene od koordinatnog
poetka odgovaraju veem nivou proizvodnje jer je funkcija proizvodnje rastua. Izokvante
se ne sijeku i konveksne su u odnosu na koordinatni poetak.26
1.10.5. Granina stopa supstitucije faktora proizvodnje
Nagib izokvatne koji je izveden u prethodnom dijelu i izraen relacijom (1.155) predstavlja
graninu stopu supstitucije faktora proizvodnje (R i K). Granina stopa supstitucije faktora
proizvodnje se definie kao kolinik graninih proizvoda funkcije proizvodnje:
26
Dokaz za ove osobine vidjeti u Vukovi, ., (2004), str. 210 - 220.
178
S=
dK
Q
= R <0
dR
QK
(1.157)
Granina stopa supstitucije pokazuje kvantitativne odnose izmeu faktora proizvodnje (R

i K) i njihove infinitezimalne promjene pri kretanju na izokvanti i ima preciznu ekonomsku
interpretaciju. Granina stopa supstitucije izraena relacijom (1.157) predstavlja graninu
stopu supstitucije kapitala radom i pokazuje za koliko jedinica treba smanjiti utroak kapitala K ako doe do jedininog poveanja utroka rada R, da bi proizvodnja ostala
nepromijenjena.
Reciprona vrijednost izraza (1.157) predstavlja graninu stopu supstitucije rada kapitalom:
S=
Q
dR
= K <0
dK
QR
(1.158)
Ova granina stopa supstitucije pokazuje za koliko jedinica treba smanjiti utroak rada R
ako se utroak kapitala K povea za jednu jedinicu mjere u kojoj je izraen kapital da bi
nivo proizvodnje Q ostao konstantan.
Granina stopa supstitucije je negativna (1.157) jer je, u intervalu racionalnih odluka, izokvanta opadajua kriva, to znai da poveanjem ulaganja u jedan faktor proizvodnje treba
smanjiti drugi faktor da bi proizvodnja ostala ista. U intervalu racionalnih odluka, izokvanta
je konveksna prema koordinatnom poetku (zakon opadajuih prinosa) to znai da se sve
tee faktori supstituiraju sa porastom ulaganja u jedan faktor proizvodnje. Na grafikonu 34
je prikazano da se granina stopa supstitucije po apsolutnoj vrijednosti smanjuje kako se
kreemo niz izokvantu, jer se zbog djelovanja zakona opadajuih prinosa tee supstituira
faktor K faktorom R ako manje ulaemo u K a vie u R.
K
6
5
4
K1
K2 R
K3
D
R
1
0
E
R
Grafikon 34. Granina stopa supstitucije
179
Kombinacije ulaganja faktora proizvodnje u takama A, B, C, D, E daju isti nivo proizvodnje, ali nemaju istu stopu supstitucije. Pomjerajui se iz take A u taku B, vidimo da
poveanje ulaganje u faktor R (za 1 kj) zahtijeva smanjenje ulaganja u faktor K za K1.
Dalje poveanje ulaganja u faktor R za 1 kj, zahtijevalo bi sve manje smanjivnje ulaganja u
faktor K (....< K3 < K2 < K1).
1.10.6. Elastinost funkcije proizvodnje
Elastinost funkcije proizvodnje se odreuje pomou sljedeih izraza za koeficijent elastinosti funkcije vie varijabli:
EQ , xi =
X i Q
Q X i
i = 1, 2,..., n.
(1.159)
Ovaj koeficijent pokazuje za koliko postotaka (%) e se poveati ukupna proizvodnja ako
se utroak faktora Xi povea za 1%, a utroci ostalih faktora ostanu nepromijenjeni.
Za funkciju proizvodnje Q = F(R, K) odreuju se dva koeficijenta elastinosti, i to koeficijent elastinosti u odnosu na faktor rad i koeficijent elastinosti u odnosu na faktor kapital.
Koeficijent elastinosti u odnosu na faktor rad pokazuje za koliko postotaka (%) e se poveati ukupna proizvodnja ako se utroak faktora rad povea za 1%, a utroak faktora
kapital ostane nepromijenjen i odreuje sljedeom formulom:
EQ , R =
R Q R
= QR
Q R Q
(1.160)
Gornji izraz za koeficijent elastinosti se moe napisati u obliku odnosa granine i prosjene funkcije proizvodnje:
Q Q
R
EQ , R = QR = R = R
(1.161)
Q QR
Q
R
Koeficijent elastinosti u odnosu na faktor kapital se odreuje sljedeom formulom:
K Q K
EQ , K =
(1.162)
= QK
Q K Q
Ovaj koeficijent pokazuje za koliko postotaka (%) e se poveati ukupna proizvodnja ako
se utroak faktora kapital povea za 1%, a utroak faktora rad ostane konstantan.
Koeficijent elastinosti proizvodnje u odnosu na faktor kapital se moe napisati u obliku
odnosa odgovarajue granine i prosjene funkcije proizvodnje:
180
EQ , K =
Q Q
K
QK = K = K .
Q QK
Q
K
(1.163)
1.10.7. Prava trokova proizvodnje izocost prava
Za funkciju proizvodnje Q = F ( X 1 , X 2 ,... X n ), Q 0, X i 0 , i = 1,2,n., funkcija trokova se moe definisati sljedeom relacijom
C = C ( X 1 , X 2 ,..., X n ) = C ( X )i 0, i = 1,..., n.
(1.164)
Da bi se odredili trokovi potrebno je poznavati cijene faktora proizvodnje. Analiza i odreivanje trokova proizvodnje e biti predstavljeno za funkciju Q = F (R, K).27
Ako se cijena faktora R oznai sa pR, a fakotra K sa pK, funkcija ukupnih trokova, uz
pretpostavku da se zanemare fiksni trokovi definie se sljedeim izrazom:
C = F ( R, K ) = pR R + pK K ; pR > 0, pK > 0.
(1.165)
Za dati nivo utroaka dva posmatrana faktora proizvodnje ostvario bi se nivo proizvodnje Q
0 uz odgovarajue trokove C 0.
Uz pretpostavku da su trokovi poznati i konstantni (C=const.,) definie se izocost prava. To je
prava na kojoj svaka kombinacija utroaka faktora za rezultat ima iste trokove proizvodnje:
C = pR R + pK K = CC = const.
(1.166)
Diferenciranjem gornjeg izraza se dobija izraz za koeficijent smjera, tj. nagib funkcije trokova:
dC = pR dR + pK dK
0 = pR dR + pK dK
(1.167)
p
dK
= R
dR
pK
Nalaenjem presjeka sa koordinatnim osama moe se nacrtati grafik funkcije trokova, odnosno izocost prave:
C = CC = pR R + pK K = const.
(1.168)
Presjeci sa osama su:
27
Po analogiji izocost prava se moe izvesti i za bilo koju drugu dvofaktorsku funkciju proizvodnje u kojoj
su faktori oznaeni drugim simbolima kao npr. Q=F(X1, X2) .
181
K = 0 CC = pR R R =
CC
>0
pR
(1.169)
C
R = 0 CC = pK K K = C > 0
pK
K
CC
pK
CC
pR
Grafikon 35. Izocost prava
Svaka izocost prava ima sljedee osobine:

dK
p
1. Negativan nagib
= R
dR
pK
2. Za vei nivo trokova izocost prava se udaljava paralelno sama sebi od koordinatnog
poetka jer su za vei iznos trokova presjeci sa koordinatnim osama K i R vei kod determinisanih cijena za ova dva faktora proizvodnje.
1.10.8. Optimalna kombinacija faktora proizvodnje
U odreivanju optimalne kombinacije faktora proizvodnje mogu se javiti dva sluaja.

Prvi sluaj je odreivanje minimalnih trokova proizvodnje kod zadatog nivoa proizvodnje.
Za ostvarenja iste koliine proizvodnje potrebno je, izmeu razliitih kombinacija ulaganja
faktora proizvodnje, odbrati kombinaciju faktora koja e rezultirati u najniim trokovima
proizvodnje.
Drugi sluaj je odreivanje maksimalnog nivoa proizvodnje kod zadatih trokova proizvodnje. U ovom sluaju potrebno je odrediti kombinaciju faktora proizvodnje koja e, uz
zadate trokove, omoguiti ostvarenje maksimalnog nivoa proizvodnje.
182
Postupak za utvrivanje optimalne kombinacije faktora proizvodnje je sljedei. UporeujudK

Q
i izraze za graninu stopu supstitucije S =
= R < 0 koja predstavlja nagib
dR
QK
dK
p
izokvante i izraz za nagib izocost prave
= R < 0 konstatuje se da su im lijeve stradR
pK
ne jednake. Izjednaavajui desne strane ova dva izraza dobija se uslov za izraunavanje
optimalne kombinacije faktora proizvodnje:
QR
p
= R
QK
pK
(1.170)
Optimalna kombinacija faktora proizvodnje se postie onda kada je odnos graninih proizvoda jednak odnosu cijena utroenih faktora proizvodnje, tj. kada je granina stopa
tehnoloke supstitucije jednaka graninoj stopi ekonomske supstitucije.
Odreivanje minimalnih trokova za poznati nivo proizvodnje
Ukoliko je nivo proizvodnje poznat i konstantan za odreivanje najniih trokova uz koje se

taj nivo proizvodnje moe realizovati, potrebno je rijeiti sistem sljedee dvije jednaine:
1. Q ( R, K ) = QC = cons.t
QR
p
2.
= R
QK
pK
(1.171)
Odreivanje optimalne kombinacije u ovom sluaju se moe predstaviti na sljedeem

grafikonu:
K
QC=const.
C3
C2
K
0
P
C1
Grafikon 36. Odreivanje minimalnih trokova za konstantan nivo proizvodnje
183
Na grafikonu su predstavljene tri izocost prave C3 > C2 > C1 i izokvanta Qc koja predstavlja
odreeni konstantni nivo proizvodnje.
Optimalna kombinacija faktora koja minimizira trokove za dati nivo proizvodnje se postie u taki u kojoj je zadovoljen uslov da je koeficijent smjera (nagib) izokvante jednak
koeficijentu smjera (nagibu) izocost prave, tj.
Q R
p
= R
Q K
pK .
To je taka u kojoj je izocost prava C2 tangenta na izokvantu QC = const. Na grafikonu je ta

taka oznaena sa P. Nivo proizvodnje QC se ne bi mogao realizovati uz trokove C1, jer
ove dvije funkcije nemaju zajednikih taaka. Nivo proizvodnje QC ima presjene take sa
izocost pravom C3 to znai da bi se mogao realizovati uz ove trokove. Meutim, to bi
znailo da se nivo proizvodnje QC ostvaruje uz vee trokove (trokove C3) to nije optimalno, jer se nivo proizvodnje QC moe proizvesti uz nie trokove, trokove C2.
Odreivanje maksimalnog nivoa proizvodnje uz zadate trokove
U ovom sluaju potrebno je odrediti kombinaciju faktora proizvodnje koja e, uz zadate

trokove, omoguiti ostvarenje maksimalnog nivoa proizvodnje.
Optimalna kombinacija se u ovom sluaju odreuje rjeavanjem sistema od sljedee dvije
jednaine:
1. C ( R, K ) = CC = const.
QR
p
2.
= R
QK
pK
(1.172)
Iz gornjeg uslova slijedi da e se optimalna kombinacija ostvariti u taki u kojoj izocost

prava bude tangenta na jednu od izokvanti koje predstavljaju razliite nivoe proizvodnje.
Odreivanje maksimalnog nivoa proizvodnje za zadate trokove e biti ilustrovano i objanjeno na sljedeem grafikonu. Na grafikonu 37. su predstavljena tri razliita nivoa
proizvodnje Q3 > Q2 > Q1 i izocost prava CC .
Optimalna kombinacija faktora koja maksimizira proizvodnju uz zadate trokove postie se
u taki u kojoj je zadovoljen uslov da je koeficijent smjera (nagib) izokvante jednak koeficijentu smjera (nagibu) izocost prave, tj.
184
Q R
p
= R
Q K
pK .
K
Q2
Q3
Q1
CC
P
K
R
Grafikon 37. Odreivanje maksimalne proizvodnje uz zadate trokove
To je taka u kojoj je izocost prava tangenta na izokvantu Q2. Na grafikonu ta taka je oznaena sa P. Nivo proizvodnje Q3 se ne bi mogao realizovati uz zadate trokove jer nemaju
zajednikih taaka sa izocost pravom. Nivo proizvodnje Q1 ima presjene take sa izocost
pravom to znai da bi se mogao realizovati. Meutim, bilo bi neracionalno uz zadate trokove proizvoditi manji nivo proizvodnje Q1, jer se za iste trokove moe proizvesti vei
nivo proizvodnje, nivo Q2.
1.10.9. Oblici funkcija proizvodnje
Oblici funkcija proizvodnje mogu da budu razliiti jer mnoge algebarske funkcije zadovoljavaju ekonomsko-tehnoloke karakteristike. Pored poeljnih osobina, mnoge funkcije
proizvodnje imaju i specifine karakteristike, pa izbor konkretnog oblika funkcije proizvodnje zavisi od proizvodnog procesa koji se istrauje i analizira.
Najpoznatija i najee primjenjivana od svih funkcija proizvodnje je Cobb-Douglasova
funkcija proizvodnje28 koja ima sljedei oblik:
Q = AR K
(1.173)
Q > 0, A > 0, R > 0, K > 0, + = 1
u kojem Q predstavlja proizvodnju, R i K faktore proizvodnje, parametar A predstavlja parametar efikasnosti, a i su parametri koje treba ocijeniti, a koji predstavljaju
koeficijente elastinosti proizvodnje u odnosu na faktor rad i faktor kapital.
28
Ovu funkciju su (uz ogranienje + = 1) 1927. godine predloili i empirijski testirali Cobb, C. W. i Douglas, P. H.
185
Ukoliko je zbir koeficijenata elastinoti proizvodnje u odnosu na faktore R i K jednak jedinici + = 1 , funkcija proizvodnje je linearno homogena i moe se napisati u sljedeem
obliku:
Q = AR1 K
(1.174)
iz kojeg se moe izvesti prosjena funkcija proizvodnje po faktoru R, koja se naziva i funkcija produktivnosti
q=
Q AR1 K
=
= AR K
R
R
(1.175)
Funkcija produktivnosti se moe napisati kao funkcija kapitalne opremljenosti rada:

K
q = A( ) = Ac
R
(1.176)
Ukoliko se u funkciju uvede kao trei faktor tehniki progres, funkcija (1.173) dobija sljedei oblik
Q = AR K e t
(1.177)
Funkcija produktivnosti sa ukljuenim tehnikim progresom je jednaka

q=
Q AR1 K e t
=
= AR K e t
R
R
(1.178)
odnosno,
K
q = A( ) e t = Ac e t .
(1.179)
R
U primjerima koji slijede poslije ovih teoretskih analiza i obrazloenja su predstavljeni i
analizirani razliiti tipovi funkcija proizvodnje.
Primjer 1.38.
Da li opti oblik funkcije Q = A R K gdje A > 0, 0 < < 1, 0 < < 1 ima poeljne osobine?
Rjeenje:
a)
Q
= A R (1 ) K > 0 za > 0
R
Q
= A R K (1 ) > 0 za > 0
K
186
Zadovoljen uslov pozitivnog prinosa.

b)
2Q
Q
= (1 ) A 2 < 0 za < 1
2
R
R
2Q
Q
= (1 ) A 2 < 0 za < 1
2
K
K
Zadovoljen uslov opadajueg graninog prinosa.
K
1
c) lim A 1 = A K lim 1 = 0
R
R R
R
K
1
lim A 1 = A K lim 1 = 0
K
K K
R
Proizvodnja ne moe beskonano rasti sa porastom utroka samo jednog faktora

proizvodnje. Iz prethodnog se moe zakljuiti da navedena funkcija ima poeljne
osobine za 0 < < 1 i 0 < < 1 .
Primjer 1.39.
Data je funkcija proizvodnje Q = 8 R K .

Potrebno je utvrditi i grafiki prikazati
a) izokvante za Q = 16 i Q = 32 ,
b) izoklinu za k = 2 ,
c) linije grebena za proizvodne povrine.
Rjeenje:
Iz navedene funkcije Q = 8 R K slijedi da Q 2 = 64 R K , pa je

Q2
jednaina izokvante.
64 R
16 2
4
Za Q = 16 K =
K=
.
64 R
R
32 2
16
Za Q = 32 K =
K=
.
R
64 R
K=
187
Zadovoljen uslov pozitivnog prinosa.

b)
2Q
Q
= (1 ) A 2 < 0 za < 1
2
R
R
2Q
Q
= (1 ) A 2 < 0 za < 1
2
K
K
Zadovoljen uslov opadajueg graninog prinosa.
1
K
c) lim A 1 = A K lim 1 = 0
R
R R
R
1
K
lim A 1 = A K lim 1 = 0
K
K K
R
Proizvodnja ne moe beskonano rasti sa porastom utroka samo jednog faktora

proizvodnje. Iz prethodnog se moe zakljuiti da navedena funkcija ima poeljne
osobine za 0 < < 1 i 0 < < 1 .
Primjer 1.39.
Data je funkcija proizvodnje Q = 8 R K .
Potrebno je utvrditi i grafiki prikazati
a) izokvante za Q = 16 i Q = 32 ,
b) izoklinu za k = 2 ,
c) linije grebena za proizvodne povrine.
Rjeenje:
Iz navedene funkcije Q = 8 R K slijedi da Q 2 = 64 R K , pa je
Q2
jednaina izokvante.
64 R
16 2
4
Za Q = 16 K =
K=
.
64 R
R
32 2
16
K=
.
Za Q = 32 K =
64 R
R
K=
187
Rjeenje:
a) Q = 4 R + 3 K R 2 + 3 R K
3 (1 + R ) K = Q 4 R + R 2
K=
Q 4 R + R2
predstavlja jednainu za izokvantu.
3 (1 + R )
Za Q = 6 imamo sljedei izraz: K =
6 4 R + R2
.
3 (1 + R )
9 4 R + R2
.
3 (1 + R )
b)
15 4 R + R 2
.
3 (1 + R )
Prvi parcjalni izvodi su QR = 4 2 R + 3 K i QK = 3 + 3 R
Prema tome, za k =
QR
4 2 R + 3 K
= 1 vrijedi sljedei izraz k =
= 1.
3 (1 + R )
QK
To znai da 4 2 R + 3 K = 3 (1 + R ) , odnosno 3 K = 3 (1 + R ) 4 + 2 R
3 (1 + R ) 4 + 2 R
4 2 R
1 5 R
K = 1+ R +
K = +
K=
3
3
3
3
3
1 5 R
Iraz K = +
predstavlja funkciju izokline oblika K = f (R ) .
3
3
4 2 R + 3 K
= , slijedi 3 (1 + R ) = 0 . Prema tome, R = 1 preds3 (1 + R )
tavlja prvu liniju grebena.
c)
Iz relacije
Iz
relacije
4 2 R + 3 K
= 0,
3 (1 + R )
slijedi
4 2 R + 3 K = 0.
Prema
tome,
4 2 R
predstavlja drugu liniju grebena.
K = +
3
3
5 1 R
Sve izokvante imaju asimptote iste krivulje K = +
i R = 1 .
3
3
189
d) Dvije linije grebena definiu podruje racionalnih odluka za datu funkciju proiz4 2 R
vodnje. Granice tog podruje su nejednaine K +
i R 1 . Meutim, u
3
3
ovom podruju racionalnih odluka nisu ispunjeni svi uslovi koji se odnose na nenegativnost faktora proizvodnje. Prema tome, sljedee nejednaine predstavljaju stvarno
podruje racionalnih odluka:
K
4 2 R
, R > 0 , K > 0.
+
3
3
4 2 R
K = +
3
3
R = -1
9 10 11
Grafikon 1.40. Linije grebena proizvodne povrine
Primjer 1.41.
Data je funkcija proizvodnje Q = 10 R 0,5 K 0,5 .
Cijena jednog radnog sata je 10 nj. ( p R = 10) . Cijena jednog mainskog sata je 20 nj.
( p K = 20) . Fiksni trokovi su 60 nj (F = 60) .
a) Pronaite funkciju ukupnih trokova oblika K = f (R ) .
b) Pronaite funkciju ukupne proizvodnje oblika K = f (R ) .
c) Potrebno je izraunati koja kombinacija proizvodnih utroaka predstavlja najnie
trokove proizvodnje ako se poznate izokvante Q1 = 25, Q2 = 35 i Q3 = 50 jedinica finalnog proizvoda.
d) Grafiki predstaviti kompletno rjeenje.
190
Rjeenje:
a) Prvo treba da odredimo funkciju ukupnih trokova: C = C (R, K ) = 10 R + 20 K + 60 .
Langrange-ova funkcija i parcijalni izvodi su sljedei:
L = 10 R + 20 K + 60 10 R 0,5 K 0,5 Q
L
= 10 5 R 0,5 K 0,5 = 0
R
L
= 20 5 R 0,5 K 0,5 = 0
K
L
= Q 10 R 0,5 K 0,5 = 0
Iz prethodnog sistema jednaina slijedi
(10 5 R
0,5
K 0,5 ) 2 = ( 0 ) 2
20 5 R 0,5 K 0,5 = 0
20 10 R 0,5 K 0,5 = 20 5 R 0,5 K 0,5
10 R 0,5 K 0,5 5 R 0,5 K 0,5
=
5 R 0,5 K 0,5
5 R 0,5 K 0,5
2 K
= 1 K = 0,5 R
R
Prethodna relacija predstavlja liniju ekspanzije po kojoj vrijedi da za svaku jedinicu

proizvodnog utroka M koristimo dvije jedinice proizvodnog utroka K.
Provjeravamo da
Q = 10 R 0,5 K 0,5 :
li
su
zadovoljene
osobine
funkcije
proizvodnje
za
Q
= 5 R 0 ,5 K 0 ,5 > 0
R
Q
= 5 R 0,5 K 0 ,5 > 0
K
2Q
R
= 2,5 R 1,5 K 0,5 < 0 za = 0,5
191
2Q
K
= 2,5 R 0,5 K 1,5 < 0 za < 1
b) Funkcija ukupnih trokova oblika K = f (R ) za fisknu vrijednost C ima sljedei

oblik:
C = C (R, K ) = 10 R + 20 K + 60 K =
C 60 10 R
C 60 1
K=
R
20
2
20
Ovaj izraz predstavlja izocost pravu.

c) Funkcija ukupne proizvodnje oblika K = f (R ) za odreenu vrijednost Q ima sljedei oblik:
Q = Q (R, K ) = 10 R
0 ,5
0 ,5
0,5
Q
10 R 0,5
Q2
K=
100 R
Ovaj izraz predstavlja izokvantu.

Izocost prave i izokvante imaju sljedee zajednike take:
Za Q1 = 25 i za datu liniju ekspanzije ( K = 0,5 R ): K =
25 2
100 R
R = 12,5
K = 0,5 12,5
K = 0,5 24,5
35 2
100 R
R = 24,5
50 2
100 R
R = 50
K = 0,5 50
Odgovarajui trokovi, koji ujedno i predstavljaju najnie trokove, za date nivoe proizvodnje se mogu jednostavno izraunati.
Za Q1 = 25 , R = 12,5
K = 0,5 12,5 , C = 10 12,5 + 20 0,5 12,5 + 60 = 131
Za Q1 = 35 , R = 24,5 i
K = 0,5 24,5 , C = 10 24,5 + 20 0,5 24,5 + 60 = 159
Za Q1 = 50 , R = 50
192
K = 0,5 50 , C = 10 50 + 20 0,5 50 + 60 = 201
d)
K
8
7
6
K=0,5R
5
4
3
Q=50
Q=35
Q=25
1
0
10
11
12
R
Grafikon 1.41. Izokvante i putanja ekspanzije
Primjer 1.42.
a) Ocijenite u MS Excel-u funkciju proizvodnje tipa Cobb-Douglas ( Q = A K L )
na osnovu sljedeeg uzorka za 24 preduzea tekstilne industrije.
b) Interpretirati rezultate ocijenjenog modela.
Preduzee
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Output (Q)
200
202
224
244
248
244
286
304
302
252
310
318
306
354
368
338
378
450
454
446
436
462
358
480
Kapital (K)
200
200
214
228
244
262
276
298
326
352
370
396
416
432
452
472
488
532
596
670
732
774
814
834
Radna snaga (L)

200
210
220
236
246
232
250
266
276
242
280
288
290
304
308
298
308
364
392
400
386
386
294
322
193
Rjeenje:
a) Zavisna varijabla je Output (Q). Nezavisne varijable su dva faktora proizvodnje:
Kapital (K) i Radna snaga (L). Tri parametra koja treba ocijeniti su A, i .
Jasno nam je da Cobb-Douglas funkcija nije linearna funkcija. Prema tome, ne moemo direktno ocijeniti tu funkciju u MS Excel-u. Naime, potrebno je prvo
preformulisati datu funkciju tako da se moe ocjena izvriti u MS Excel-u. To podrazumijeva linearizaciju date forme Cobb-Douglas funkcije:
ln(Q) = ln(A K L )
Q = A K L ln(Q) = ln A + ln (K ) + ln ( L )
ln(Q) = ln A + ln K + ln L
Na Grafikonu 0.0. prve etiri kolone pokazuju sirove podatke koje smo dali u prethodnoj tabeli. Ovo kolone predstavljaju etiri varijable (Preduzee, Output, Kapital,
Radnu snagu). Sljedee tri kolone predstavljaju odgovarajue ln vrijdnosti za zavisnu
varijablu i dvije nezavisne varijable. U MS Excelu-u komanda =ln(broj elije) nam
jednostavno izrauna ln vrijednost.
194
U sljedeem koraku koristimo komandni niz Tools Data analysis Regression da

bi uradili regresionu analizu, odnosno ocijenili Cobb-Douglas funkciju za date podatke.
Slijedi output iz MS Excel-a:
Iz datog outputa moemo formirati Cobb-Douglas funkciju u linearizovanom obliku:
Q = A K L
ln (Q ) = ln ( A) + ln (K ) + ln (L )
ln (Q ) = 0,394 + 0,207 ln (K ) + 0,870 ln (L )
Moemo zapaziti da Intercept = ln A = -0.394. Prema tome, A = e 0,394 = 0,674 .

Zakljuujemo da ocijenjena Cobb-Douglas funkcija u multiplikativnoj formi izgleda
ovako: Q = 0,674 K 0,207 L0,870
Vrijednost parametra = 0,207 znai da ukoliko se vrijednost kapitala (K) povea za
1%, cters paribus ,ukupna koliina proizvodnje (Q) e se poveati za priblino 0,21%.
Vrijednost parametra = 0,870 znai da ukoliko se vrijednost radne snage (L) povea za 1%, cters paribus, ukupna koliina proizvodnje (Q) e se poveati za 0,87%.
Vrijednost konstante (presjek sa y osom) je 0,674 i predstavlja koliinu proizvodnje
(Q) koja ne zavisi od nivoa kapitala i od nivoa radne snage.
195
1.11. Pitanja za ponavljanje

1)
Zaokruite faktor koji ne predstavlja determinantu individualne tranje u irem smislu:

a)
b)
c)
d)
e)
f)
cijena predmetnog dobra

cijena supstitutskog dobra
dohodak pojedinca
ponuda predmetnog dobra
cijena komplementarnog dobra
godinje doba
2)
Definisati koeficijent elastinosti na luku i napisati izraz za njegovo izraunavanje.
3)
Izvesti izraz za elastinost stepene funkcije.
4)
Izvesti izraz za elastinost inverzne funkcije.
5)
Izvesti izraz za elastinost proizvoda.
6)
Izvesti izraz za elastinost kolinika.
7)
Dokazati vezu izmeu elastinosti prosjene i ukupne funkcije.
8)
Izvedite vezu izmeu elastinosti prosjene dobiti i elastinosti ukupne dobiti.
9)
Definisati koeficijent elastinosti u taki i napisati izraz za njegovo izraunavanje.
10) Ako je elastinost ukupne funkcije jednaka
nost elastinosti inverzne funkcije X = g (Y ) .
Y X
= 2% , izraunati odgovarajuu vrijed-
11) Zaokruiti samo tane tvrdnje:
a) Eq , p 0
d) EP ,q 1
( p R )
( q R )
+
b) Eq , p 0 ( p R + )
e) ED , x 0 ( x R + )
c) EC , x 0 ( x R + )
12) U ''prvom kvadrantu'' na luku ''negativnog prinosa'' funkcije Y = f ( X ) :

a) Koji je znak njene elastinosti EY . X ?
b) Objasniti znaenje izraza EY . X iz a).
196
PITANJA ZA PONAVLJANJE
13) Ako visina budeta poraste za 1%, a ostale determinante tranje ostanu nepromijenjene, onda e se prethodni nivo tranje smanjiti za Eq, B %. Ova situacija e se desiti ako
se radi o:
a)
b)
c)
d)
Luksuznom dobru,
Normalnom dobru,
Inferiornom dobru,
Nunom dobru.
14) Neka je C=C(Y) funkcija trokova. ta predstavlja rjeenje sljedee jednaine

E C , y = 1 ? Odgovor obrazloiti.
15) Firma Luzer posluje s gubitkom i utvreno je da elastinost u nivou proizvodnje 20
komada iznosi ED, 20 = -5. Objasniti znaenje dobijene vrijednosti:
16) Porast proizvodnje sa nivoa 20 za 1% uzrokuje
a)
b)
c)
d)
Porast dobiti za 5%,

Smanjenje dobiti za 5%,
Porast gubitka za 5%,
Smanjenje gubitka za 5%.
17) Ako cijena komplementarnog dobra poraste za 1%, a ostale determinante tranje ostanu iste, tranja za predmetnim dobrom e:
a)
b)
c)
d)
opasti za Eq,pk%,
porasti za Eq,pk%,
opasti za 1%,
porasti za 1%.
18) Da bi matematska funkcija q = a - bp bila funkcija tranje trebaju biti zadovoljeni uslovi:
a) p>o; q>0; a>0; b<0,
b) p>o; q<0; a<0; b>0,
c) p>o; q>0; a<0; b<0.
19) Neka je C=C(Y) funkcija trokova. ta predstavlja rijeenje sljedee jednaine
EC .Y = 0 ? Odgovor obrazloiti.
20) Grafika kua Book je procijenila da tampanjem 6 kompleta knjiga dnevno ostvaruje
najmanji prosjean troak. Utvreno je da prosjean troak po kompletu knjiga iznosi 60
KM. Odrediti visinu graninog troka za proizvodnju 6 kompleta knjiga:
a) 10 KM/kompletu,
b) 360 KM/kompletu,
197
c) 60 KM/kompletu,
d) 0 KM/kompletu.
21) Da bi matematska funkcija q = a + bp bila funkcija ponude trebaju biti zadovoljeni
uslovi:
a)
b)
c)
d)
p>o; q>0; a>0; b<0,

p>o; q>0; a<0; b>0,
p>o; q<0; a<0; b>0,
p>o; q>0; a<0; b<0.
22) Ocijenjena funkcija prihoda je P = 0,95.q0,2. Izrazite funkcije tranje p = p(q).

23) Data je funkcija dobiti D (x) = 5x2 + 20x 30. Odrediti xr i objasni znaenje te koliine.
24) Koja od osobina ne vrijedi u granicama rentabilnosti?
a)
b)
c)
d)
D=0
P =C
D =0
P = C
25) Zaokruiti samo tane izjave:
a) EC , xe = 0
c) C ( xe ) = 0
b) EC , xe = 1
d) C ( xe ) = min C ( x )
x 0
26) Napisati vezu izmeu elastinosti prihoda i elastinosti tranje.

27) Koja od sljedeih funkcija
a) X 1 ( p) = 25 2 p
b) X 2 ( p) = 1 + 2 p
c) X 3 ( p) = 1 2 p
moe da bude funkcija tranje u individualnom smislu? Odgovor detaljno obrazloiti.
28) Kod neke funkcije trokova C = C (Y ) , ako je Y= 4 kg, C=10 KM i EC.Y=7? Objasniti
znaenje navedene elastinosti.
29) Neka je C=C(Y) funkcija trokova. ta predstavlja rjeenje sljedee jednaine
EC , y = 0 ? Odgovor obrazloiti.
198
30) Ako je y e najekonominiji nivo proizvodnje, zaokruite tane izraze:
a) C ( y e ) = 0
b) C ( ye ) = 1
c) D( ye ) = 0
d) C ( ye ) = C ' ( ye )
31) Koja od sljedeih funkcija

a) X 1 ( p) = 25 2 p
b) X 2 ( p) = 1 + 2 p
c) X 3 ( p) = 1 2 p
moe da bude funkcija ponude u individualnom smislu? Odgovor detaljno obrazloiti.
32) Kod funkcije proizvodnje Q = Q(R, K ) zaokruiti tane osobine izokvante.
a) Dvije njene razne izokvante se nikad ne sijeku.
b) U intervalu ''racionalnih odluka'' luk izokvante je neopadajui.
c) U intervalu ''racionalnih odluka'' luk izokvanta koja pripada viem nivou proizvodnje udaljenija je od x ose).
d) Grafik izokvante lei u prvom kvadrantu
33) Osobina funkcije proizvodnje Q''ff < 0 oznaava:
a) rast proizvodnje pri svakoj dodatoj jedinici faktora,
b) opadajue prinose,
c) ostvarenje cjelokupne proizvodnje nije mogue ulaganjem u samo jedan i to jeftiniji faktor proizvodnje.
34) Kod funkcije proizvodnje Q = Q(R, K ) granina stopa supstitucije faktora R sa faktorom K iznosi S R , K = 0.25 . Kolika je granina stopa supstitucije faktora K sa
faktorom R? Objasniti njeno znaenje.
35) Dokazati da je u intervalu ''racionalnih odluka'' izokvanta opadajua kriva.
36) Ocjenjena funkcija potranje za pamukom p = 0,756 q 0,8 u periodu 1915.1929. u
SAD nam daje i sljedeu informaciju o prihodu:
a)
b)
c)
d)
e)
Ako se potranja za pamukom povea za 1%, prihod od prodaje pamuka e

opasti za 0,2 %,
porasti za 1,756 %,
porasti za 0,2 %,
opasti za 1,8 %.
199
37) Ako za ( X o > 0 Yo > 0) elastinost prosjene funkcije je E Y X = 3 %, izraunati odgovarajuu vrijednost elastinosti inverzne funkcije X = g (Y ) .
38) Neka je C=C(Y) funkcija trokova. Ako je za Y1=5kg C(Y1)=120 KM i za Y2=7kg
C(Y2)=130 KM, koji nivo proizvodnje je ekonominiji?
39) Utvreno je da granini troak u proizvodnji 100 kom stolnih lampi firme Alfa iznosi 4 KM/kom. Ovaj podatak nam govori da porast proizvodnje za 1 komad uzrokuje
a)
b)
c)
d)
Porast graninog troka za 4%,

Porast graninog troka za 4 KM,
Porast ukupnog troka za 4 %,
Porast ukupnog troka za 4 KM.
40) Firma AV je procijenila funkciju trokova u proizvodnji hrane za pse kao C=16+x2.
Odrediti koji obim proizvodnje je najekonominiji:
a)
b)
c)
d)
q = 10,
q = 3,
q = 4,
q = 5.
41) Ako je yD najrentabilniji nivo proizvodnje, a y D nivo proizvodnje kod kojeg se maksimizira prosjena dobit, zaokruite tane izraze:
a) C ( yD ) = 0,
b) D ( yD ) = 0,
c) D ( yD ) = 0,
d) D ( yD ) = D ( yD ) .
42) Firma Menader posluje s gubitkom i utvreno je da elastinost u nivou proizvodnje

20 komada iznosi ED, 20 = -5. Objasniti znaenje dobijene vrijednosti.
43) Porast proizvodnje sa nivoa 20 za 1% uzrokuje
a)
b)
c)
d)
porast dobiti za 5%,

Smanjenje dobiti za 5%,
Porast gubitka za 5%,
Smanjenje gubitka za 5%.
44) Poznata je funkcija granine proizvodnje Q R = 7 K 0,25 R 0,5 . Odrediti za koliko e se

poveati proizvodnja ako se angaovanje sredstava K povea za 1%.
K
Odrediti nivo proizvodnje koji
R
se ostvaruje angaovanjem 64 jedinice R i 256 jedinica K.
45) Poznata je funkcija produktivnosti rada: QR = 100
200
46) Za funkciju prihoda P(q) = 8q 3q2 izraunati P (1) i protumaiti znaenje dobijene
vrijednosti.
47) Definisati izokost pravu i navesti barem dvije njene osobine.
48) Ako je P( p ) = p 5 p 2 funkcija prihoda, odrediti odgovarajuu funkciju tranje.
49) Ako je funkcija prihoda prihoda P = 0.86q0.4, kolika je elastinost tranje?
Ep,q = 0.4 b) Ep,q = 0.4 1 c) Ep,q = 0.4+ 1 d) Ep,q = 0. 86
50) Ako je D (3) = D (3) = 10 , tada je nivo proizvodnje q = 3:
a) nivo najrentabilnije proizvodnje,
b) nivo najekonominije proizvodnje,
c) nivo u kojem se postie maksimalna prosjena dobit.
Zaokruite taan odgovor.
51) Ako su P, C i D funkcije prihoda, trokova i dobiti redom, koji od navedenih grafikona
bi mogli odgovarati ovim funkcijama?
P
C
P
C
C
D
D
a)
D
b)
c)
52) Ako je Q = Q ( x1 , x2 ,..., xn ) neka funkcija. Navesti barem tri uslova koja mora zadovoljavati funkcija Q da bi bila funkcija proizvodnje.
53) Data je funkcija Q=Q (R,K). Napiite izraze koje bi ova funkcija trebala zadovoljiti da
bi bila funkcija proizvodnje.
54) Razliita kombinacija utroaka faktora proizvodnje kojim se ostvaruje isti nivo proizvodnje naziva se:
a)
b)
c)
d)
izoklina,
izokost prava,
izokvanta,
granina stopa supstitucije.
201
55) Poznata je funkcija prosjene proizvodnje: QK = 50 K

proizvodnje Q.
1
2
1
2
R . Odredite funkciju ukupne
56) Data je funkcija proizvodnje Q = Q(R, K ) . Napiite izraze za funkcije granine proizvodnje i objasnite jednu od njih.
1
2
1
2
57) Poznata je funkcija produktivnosti rada: QR = 50 K R . Odredite graninu funkciju QR.

58) Kod funkcije proizvodnje Q = Q(R, K ) zaokruiti tane osobine izokvanti.
a) Dvije se njene razne izokvante uvijek se sijeku.
b) U intervalu ''racionalnih odluka'' kriva izokvante je neopadajua.
c) U intervalu ''racionalnih odluka'' izokvanta koja pripada viem nivou proizvodnje
je udaljenija od koordinatnog poetka.
d) Grafik izokvante lei u drugom kvadrantu.
e) Grafik izokvante lei u prvom kvadrantu.
59) Koje osobine treba da zadovolji funkcija q = q ( p ) da bi bila funkcija ponude?
60) Koje osobine treba da zadovolji funkcija q = 2 + p da bi bila funkcija ponude?
61) Ukoliko je elastinost ukupnih trokova jedinina, u kakvom se odnosu nalaze prosjeni i granini trokovi? Napiite odgovarajui izraz.
62) Ako su date funkcija tranje q= 4 p i funkcija ponude q = 20 + 5 p , ravnotea se
postie za cijenu: a) p=5, b) p=4, c) p=1, d) p=0.
63) Odrediti taku ravnotee na tritu ako su poznate funkcije tranje i ponude: q = 4 p2
i q = 2 + p .
64) Utvreno je da je poslovanje firme Luzer uvijek nerentabilno. Koji od grafikih prikaza funkcija prihoda, troka i dobiti odgovara poslovanju ove firme?
C
P
D
a)
202
C
P
b)
c)
65) Ako je ye najekonominiji nivo proizvodnje, kod nivoa proizvodnji yo > ye zaokruiti
taan odnos izmeu vrijednosti prosjenih C o = C ( yo ) i graninih Co = C ( yo ) trokova:
a) C ( yo ) = C ( yo )
b) C ( yo ) > C ( yo )
c) C ( yo ) < C ( yo )
66) Proizvodna funkcija za industriju u BiH 1955. godine je ocijenjena sa
Q = 2.8R 0,587 K 0,390 gdje je Q - drutveni proizvod, K fiksni fondovi, R broj

zaposlenih radnika. Koliko procenata bi bio vei drutveni proizvod 1955. godine da
su fiksni fondovi bili vei za 10%?
a)
b)
c)
d)
28 %,
5,87 %,
3,90 %,
9,77 %.
203
1.12. Zadaci za vjebu

Zadatak 1.1.
Nacrtati grafik funkcije: y =
8 p
8+ p
Zadatak 1.2.
Data je funkcija tranje q ( p) = p 2 24 p + 144 .

a) Odrediti oblast definisanosti funkcije tranje i algebarski izraz funkcije prihoda (p).
b) Za koju cijenu se maksimizira prihod. Grafiki predstaviti funkciju prihoda.
c) Odrediti elastinost tranje E q , p i prihoda E P , p za cijenu p =5 i protumaiti rezultat.
Zadatak 1.3.
Zadana je nepotpuna funkcija graninog prihoda P'p = - 6p.

a) Odredi parametar ako se prihod maksimizira za cijenu p = 4,5 nj/kj.
b) Odrediti algebarske izraze funkcija agregatnog prihoda P = P(p), graninog prihoda
P'=P'(p) i agregatne tranje.
c) Algebarski, tabelarno i grafiki odrediti elastinost prihoda u odnosu na cijenu EP,p
d) Ako je trina cijena p = 4,5 nj/kj, kolika je elastinost tranje Eq,p. Protumaiti rezultat.
Zadatak 1.4.
Na tritu odreenog tipa robe nalaze se tri potencijalna potroaa sa individualnim zakonima tranje:
X 1 = 12 3 p;
X 2 = 9 p;
X 3 = 3 0,5 p .
a) Odrediti funkciju agregatne tranje i agregatnog prihoda na ovom tritu uz grafiki
prikaz ovih funkcija.
b) Za koju cijenu se maksimizira ukupni prihod i koliko on iznosi?
c) Odrediti elastinost agregatne tranje Eq,p za cijenu p u kojoj se prihod maksimizira.
Objasniti rezultat.
Zadatak 1.5.
Data je nepotpuna funkcija graninih trokova: C ( y ) = 2 b y

a) Odrediti parametar b ako je najekonominiji nivo proizvodnje 4 kj, a fiksni trokovi
proizvodnje su 32 nj.
b) Kakvi su algebarski izrazi funkcija C = C ( y ), C = C ( y ), C = C ( y ) ?
204
ZADACI ZA VJEBU
c) Algebarski, tabelarno i grafiki obraditi elastinost ukupnih trokova EC,y.

d) Kolika je elastinost ukupnih C = C(y) i prosjenih C = C ( y ) trokova kod najekonominijeg nivoa proizvodnje. Dati ekonomsko tumaenje dobijenih rezultata?
Zadatak 1.6.
Poznata je funkcija granine dobiti D ( q ) = 10 2q . Odrediti algebarske izraze funkcije

dobiti D(q)
a) ako je maksimalna dobit D+ = 0,
b) ako su fiksni trokovi proizvodnje F= 30,
c) Grafiki predstaviti obje funkcije uz isticanje karakteristinih taaka.
Zadatak 1.7.
Neko dobro se na tritu prodaje po cijeni p =7 nj/kj. Tranja za tim dobrom je beskonana.
Proizvoa tog dobra ima funkciju trokova C ( y ) = y 2 + 10 .
a) Odrediti funkciju dobiti, analizirati je i grafiki prikazati
b) Odrediti njenu funkciju elastinosti u nivoima y =1, y = 3, y = 4, y = 6 uz tumaenja.
Zadatak 1.8.
Firma Smiley proizvodi jednu vrstu igraaka. Kretanje trokova proizvodnje je dato
sljedeom funkcijom C (q ) = q 2 + 8q + 80 ; gdje je q mjesena proizvodnja tih igraaka.
Ako je q(p) = 36 p funkcija mjesene tranje za tim igrakama treba:
a) Odrediti algebarski i grafiki prikazati funkciju mjesene dobiti ove firme.
b) Odrediti elastinost dobiti za nivo q = 3 kom. i protumaiti rezultat.
c) c) Za koju cijenu e dobit ove firme biti maksimalna?
Zadatak 1.9.
1
Data je nepotpuna funkcija agregatne tranje q = A p i funkcija agregatne ponude
3
2
q = 2 + p .
3
a) Odrediti vrijednost parametra A ako se zna da je ekvilibrij cijena p = 10 nj / kj .
b) Odrediti algebarski izraz inverznog zakona agregatne tranje p = p (q ) , a zatim odrediti, algebarske izraze funkcija ukupnog prihoda P = P (q ) i graninog prihoda
P ' = P ' ( q ) u zavisnosti od tranje.
c) Algebarski, tabelarno i grafiki odrediti elastinost prihoda u odnosu na tranju E P , q .
205
Zadatak 1.10.
Na tritu odreenog tipa robe posmatrana su tri proizvoaa sa individualnim zakonima

ponude:
X 1 = 1 + 0,5 p
X 2 = 4 + p
X = 9 + 1,5 p
3
a) Izvesti zakon trine ponude q = q ( p ) uz algebarsklo odreivanje oblasti definisanosti i grafiki je predstaviti.
b) Ako je poznat zakon trine tranje q ( p ) = 25 4 p odrediti ekvilibrij cijenu i
ekvilibrij koliinu uz grafiki prikaz i obiljeavanje karakteristine take.
c) Za koju cijenu je elastinost tranje jedinina?
Zadatak 1.11.
p
4.
3
a) Pronai njegovu funkciju ukupnih trokova ako je najekonominiji nivo proizvodnje
ye = 8.
b) Odrediti koeficijent elastinost ukupnih trokova u nivou ye i objasniti znaenje dobivene vrijednosti.
Neki proizvoa ima funkciju ponude: x = 4 +
Zadatak 1.12.
Poznate su funkcije graninog prihoda P ' = 100 12 q i graninih trokova C = 8q . Za

nivo proizvodnje q = 10 kj ukupni trokovi proizvodnje iznose 560 nj.
a) Izraunati nivo najekonominije proizvodnje.
b) Izraunati nivo najrentabilnije proizvodnje.
Zadatak 1.13.
Kod nekog proizvoaa poznata je nepotpuna funkcija ukupnih trokova C = 5e .

a) Odrediti parametar A ako je najekonominiji nivo proizvodnje y e = 5 , a zatim odrediti algebarske izraze za funkcije ukupnih prosjenih i graninih trokova, kao i
granine i prosjene varijabilne trokove uz grafiki prikaz ovih funkcija.
b) Odrediti funkciju prizvoaeve ponude, a zatim pu i yu te pi i yi .
Ay
206
ZADACI ZA VJEBU
Zadatak 1.14.
Kod nekog proizvoaa poznata je funkcija prihoda P(q ) = 30q 3q 2 i nepotpuna funkcija
trokova C (q ) = A + 2q + q 2 .
a) Odrediti vrijednost parametra A ako se zna da je najekonominiji nivo proizvodnje
q e = 24 kj .
b) Odrediti algebarski izraz funkcije dobiti i dati grafiki prikaz uz obiljeavanje karakteristinih taaka i intervala nerentabilnosti.
c) Odrediti funkciju proizvoaeve ponude, oblast definisanosti i grafiki je predstaviti.
Zadatak 1.15.
Na tritu je prisutna cijena p = 29 KM za jedinicu odreenog proizvoda. Za konkretnog

100
proizvoaa tog proizvoda imamo poznatu funkciju prosjenih trokova: C = 4 + y +
y
(pretpostaviemo da je potranja za proizvodom beskonana i da pojedinac ne utie na trinu cijenu). Treba odrediti:
a) Funkcije ukupnih trokova, prihoda i dobiti datog proizvoaa.
b) Nivoe najekonominije i najrentabilnije proizvodnje i dati grafiki prikaz funkcija
ukupnih trokova, prihoda i dobiti datog proizvoaa.
c) Odrediti funkciju ponude za datog proizvoaa, koliinu ponude pri zateenoj trinoj cijeni i trinu cijenu kod koje bi na proizvoa odustao od proizvodnje.
Zadatak 1.16.
Date su funkcije trine ponude
q = 2 p 2 i potranje q =
1 2
p 4 p +8.
2
a) Odrediti za koje cijene su definisane funkcije ponude i potranje;

b) Odrediti ravnotenu cijenu i koliinu;
c) Elastinost tranje u taki ravnotee i objasniti znaenje dobijene vrijednosti.
Zadatak 1.17.
Poznata je nepotpuna funkcija agregatne tranje q = q( p ) = A 2 p .

a) Odrediti parametar A i odgovarajuu funkciju inverznog zakona tranje p = p(q )
tako da fleksibilnost cijene bude E p , q = 1 za q = 8 kj.
b) Za naeno A dati grafiki prikaz funkcije tranje, odrediti definiciono podruje i za
cijenu p = 6nj/kj odrediti i protumaiti znaenje elastinosti E q , p .
c) Tabelarno i grafiki obraditi elastinost E q , p .
207
Zadatak 1.18.
Data je funkcija produktivnosti rada Q R = 100 R 0,5 K 0,5 .

a) Odredite funkciju proizvodnje Q = Q ( R, K ) .
b) Izraunati graninu stopu supstitucije rada kapitalom za R = 4 i K = 9 .
Zadatak 1.19.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 50 R 2 / 3 K 1 / 3 . Rad R se mjeri u radnim satima, kapital K u kapitalnim satima i nivo proizvodnje Q u tonama. Za nivo
proizvodnje Q = 5000 tona pronai funkciju izokvante K = f (R ) i nacrtati je za vrijednost
0 R 250 .
a) Formirati funkcije granine proizvodnje Q R' i prosjene proizvodnje Q R za
R = 125 rs i K = 216 ks , odrediti njihove vrijednosti i objasniti ekonomsko znaenje
datih funkcija.
b) Ako je cijena angaovanja 1 radnog sata p R = 20 nj i cijena angaovanja 1 kapitalnog sata p K = 160 nj , odrediti optimalnu kombinaciju faktora proizvodnje (R,K)
kojom e se ostvariti maksimalan nivo proizvodnje uz novana sredstva
C = 24.000 nj .
Zadatak 1.20.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 25R1/ 3 M 1 / 3 (pri emu se rad R

mjeri u radnim satima, maine M u kapitalnim satima i nivo proizvodnje Q u tonama).
a) Odrediti koliko mainskih sati treba da bi se uz angaovanje R=216 radnih sati ostvario nivo proizvodnje od 1050 tona.
b) Odrediti funkciju izokline M=f(R) za k=2 i grafiki je predstaviti.
c) Ako je cijena angaovanja 1 mainskog sata p K = 25 nj i cijena angaovanja 1 radnog sata p R = 10 nj , odrediti optimalnu kombinaciju faktora proizvodnje (K,R) tako
da se nivo proizvodnje Q = 250 tona ostvari pod minimalnim trokovima C. Utvrditi iznos minimalnih trokova i prikazati krivu minimalnih trokova.
Zadatak 1.21.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 100 R1 / 2 K 1 / 2 (pri emu se rad R

mjeri u radnim satima, kapital K u kapitalnim satima i nivo proizvodnje Q u komadima).
a) Odrediti koliki nivo proizvodnje se moe ostvariti angaovanjem 196 radnih sati i
256 kapitalnih sati.
b) Ako je R = 300 r.s. i K = 150 k .s. odrediti graninu stopu supstitucije (s) i dati ekonomsko znaenje.
208
ZADACI ZA VJEBU
c) Ako je cijena angaovanja 1 radnog sata p R = 10 nj i cijena angaovanja 1 kapitalnog sata p K = 640 nj , odrediti optimalnu kombinaciju faktora proizvodnje (K,R)
tako da se nivo proizvodnje Q = 12.800 komada ostvari pod minimalnim trokovima
C. Utvrditi iznos minimalnih trokova i prikazati krivu minimalnih trokova.
Zadatak 1.22.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 36 R 1 / 4 K 1 / 2 (pri emu se rad R

mjeri u radnim satima, kapital K u kapitalnim satima i nivo proizvodnje Q u komadima).
a) Odrediti elastinost proizvodnje u odnosu na kapital i dati ekonomsko znaenje.
b) Odrediti linije grebena proizvodnje.
c) Ako je cijena angaovanja 1 radnog sata p R = 5 nj i cijena angaovanja 1 kapitalnog
sata p K = 200 nj , odrediti optimalnu kombinaciju faktora proizvodnje (R,K) kojom e
se ostvariti maksimalan nivo proizvodnje uz novana sredstva od 30.000 nj.
Zadatak 1.23.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 28 K 4 R (pri emu se rad R

mjeri u radnim satima, maine M u mainskim satima i proizvod Q u tonama).
a) Za nivo proizvodnje Q = 560 t pronai funkciju izokvante K=f(R) i nacrtati je za vrijednosti 0 R 1200 .
b) Ako je cijena angaovanja 1 kapitalnog sata pK = 640 nj i cijena angaovanja 1 radnog sata pR = 16 nj, kako e izgledati optimalna kombinacija faktora proizvodnje (K,
R) pa da se nivo proizvodnje Q=560 ostvari pod minimalnim trokovima C. Utvrditi
iznos minimalnih trokova i prikazati krivu minimalnih trokova na grafiku pod a)
c) Na izokvanti Q = 560 odrediti onu vrijednost (K, R) u kojoj 1 mainski sat supstituira 20 radnih sati.
Zadatak 1.24.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 64 R K (pri emu se rad R

mjeri u radnim satima, kapital K u kapitalnim satima i proizvod Q u tonama).
a) Odrediti koliko kapitalnih sati treba da bi se uz angaovanje 3600 radnih sati ostvario nivo proizvodnje od 34 560 tona.
b) Formirati funkciju izokvante K = f (R ) za Q = 34560 t i i nacrtati je za vrijednosti
0 R 3600 .
c) Ako je cijena angaovanja 1 kapitalnog sata pK = 270 nj i cijena angaovanja 1 radnog sata pR = 30 nj, odrediti maksimalan nivo proizvodnje koji se moe ostvariti uz
novana sredstva C = 97200 nj. Kako e izgledati optimalna kombinacija faktora
proizvodnje (K, R)?
209
Zadatak 1.25.
Poznata je funkcija proizvodnje nekog proizvoaa Q = 36 4 R K (pri emu se rad R

mjeri u radnim satima, kapital K u kapitalnim satima i proizvod Q u tonama).
a) Odrediti koliko kapitalnih sati treba da bi se uz angaovanje 1296 radnih sati ostvario nivo proizvodnje od 2592 tone.
b) Formirati funkcije QK i QK i na osnovu datih podataka iz a) odrediti vrijednosti i
ekonomsko znaenje datih funkcija.
c) Ako je cijena angaovanja 1 kapitalnog sata pK = 180 nj i cijena angaovanja 1 radnog sata pR = 10 nj, kako e izgledati optimalna kombinacija faktora proizvodnje (K,
R) pa da se nivo proizvodnje Q=2592 t ostvari pod minimalnim trokovima C?
Utvrditi iznos minimalnih trokova i prikazati krivu minimalnih trokova.
Zadatak 1.26.
Poznata je funkcija prizvodnje nekog proizvoaa Q = 16 R1 / 2 K 1 / 2 (pri emu se rad R mjeri

u radnim satima, maine K u mainskim satima i nivo proizvodnje Q u komadima).
a) Odrediti koliko radnih sati treba da bi se uz angaovanje K=256 kapitalnih sati ostvario nivo proizvodnje od Q = 512 komada.
b) Ako je R = 115 i K = 230 , odrediti graninu stopu supstitucije (s) i dati ekonomsko
znaenje.
c) Ako je cijena angaovanja 1 kapitalnog sata p K = 20 nj i cijena angaovanja 1 radnog sata p R = 5 nj , odrediti optimalnu kombinaciju faktora proizvodanje (K,R) tako
da se nivo proizvodnje Q = 320 komada ostvari pod minimalnim trokovima C.
Utvrditi iznos minimalnih trokova.
210
1.13. Rjeenja zadataka za vjebu

Rjeenje 1.1.
y
20
10
-20
-20
-10
10
y=
Grafikon 1.1. Prosjena funkcija
8 p
8+ p
Rjeenje 1.2.
Definiciono podruje funkcije tranje je p(0, 12); q(0, 144).

a)
Prihod P ( p ) = p q( p) = p 3 24 p 2 + 144 p = p( p 12) 2 ; definisan za p(0, 12).
b)
Da bi odredili za koju cijenu je prihod maksimalan, potreban uslov je P ' ( p ) = 0 ;
P ' ( p) = 0 3 p 2 48 p + 144 = 0 p1 = 4; p 2 = 12
P " (4) < 0 p = 4, P + = 256
256
12
Grafikon 1.2. Funkcija prihoda
211
c)
10
1, 43
7
= Eq , p =5 + 1 0, 43
Eq , p =5 =
E , p =5
Ako se cijena sa nivoa p = 5 povea za 1 %, tranja e opasti za priblino 1,43 %, a

prihod opasti za priblino 0,43 %.
Rjeenje 1.3.
a)
Za cijenu za koju se maksimizira prihod vrijedi uslov P ' ( p ) = 0 za p = 4,5 64,5=0 = 27.
b)
P ( p ) = (27 6 p )dp = 27 p 3 p 2 ; P ' ( p) = 27 6 p ; P( p) = 27 3 p .
c)
EP , p =
27 6 p
;
27 3 p
1
4,5
9 9
-1
Grafikon 1.3. Funkcija elastinosti prihoda
d)
Eq , p = 4,5 = E , p = 4,5 1 = 0 1 = 1 .
Rjeenje 1.4.
a)
24 4,5 p; za p ( 0, 4 )
q( p ) = 12 1,5 p; za p [ 4, 6 )
9 p; za p [ 6,9 )
24 p 4,5 p 2 ; za p ( 0, 4 )
P ( p ) = 12 p 1,5 p 2 ; za p [ 4, 6 ) .
9 p p 2 ; za p [ 6,9 )
212
RJEENJA ZADATAKA ZA VJEBU
b)
Prihod je maksimalan za cijenu p =
c)
q, p=
8
3
=E
P, p=
8
3
8
i iznosi P+ = 32.
3
1 = 0 1 = 1 . (Jedinina elastinost tranje za cijenu za koju je prihod
maksimalan).
Rjeenje 1.5.
a)
C ( y ) = 2bydy = by 2 + F ; Iz uslova
C ( ye ) = C ( ye ) C (4) = C (4) 8b =
b)
c)
16b + 32
b=2
4
C ( y ) = 2 y 2 + 32
C ( y ) = 4 y
C ( y) =
2 y 2 + 32
y
EC , y =
2 y2
0
y 2 + 16
Grafik 1.5 Funkcija elastinosti ukupnih trokova
d)
E C , ye = 1
E C , ye = 0
;
Ako nivo najekonominije proizvodnje poveamo za 1%, ukupni trokovi e se poveati takoer 1 % (jedinina elastinost), a prosjeni ukupni trokovi se nee
promijeniti.
213
Rjeenje 1.6.
a)
D (q ) = 0 q = q d ;10 2q = 0 q d = 5 (nivo najrentabilnije proizvodnje),
D(q) = (10 2q)dq = 10q q 2 F ;

D + = D(q d ) 0 = 50 25 F F = 25
D(q) = q 2 + 10q 25
b)
D(q) = q 2 + 10q 30 .
Rjeenje 1.7.
a)
D( y ) = 7 y y 2 10 .
Interval rentabilnosti (2, 5); nivo najrentabilnije proizvodnje yd =3,5; Maksimalna
dobit D+= 2,5.
b)
y =1 ED,y = -1,25.
Ako nivo proizvodnje y =1 poveamo za 1%, gubitak D = -4 e se smanjiti za 1,25 %.
y =3 ED,y = 1,5.
Ako nivo proizvodnje y =3 poveamo za 1%, dobit D = 2 e se poveati za 1,5 %.
y =4 ED,y = -2.
Ako nivo proizvodnje y = 4 poveamo za 1%, dobit D = 2 e se smanjiti za 2 %.
y =6 ED,y = 7,5.
Ako nivo proizvodnje y =6 poveamo za 1%, gubitak D = -4 e se poveati za 7,5 %.
Rjeenje 1.8.
a)
p(q) = 36-q inverzni zakon agregatne tranje;

D(q) = P(q ) C (q) = q(36 q) q 2 8q 80 = 2q 2 + 28q 80 .
Interval rentabilnosti (4, 10); nivo najrentabilnije proizvodnje qD = 7; maksimalna dobit D+=18.
214
18
10
-80
b)
E D , q =3 =
c)
p = 29.
24
3,43
7
.
Rjeenje 1.9.
a)
Iz uslova trine ravnotee q (10) = q (10) A = 12.
b)
p (q ) = 36 3q
P(q ) = qp (q ) = 36q 3q 2
P ' (q ) = 36 6q
c)
E P,q =
36 6q
36 3q
E P ,q
q=0
E P , q =1
0<q<6
0< E P , q <1
q=6
E P , q =0
6<q<8
-1< E P , q <0
q=8
E P , q =-1
8<q<12
E P , q <-1
215
Rjeenje 1.10.
a)
DP : p > 0,
X > 0,
X ' > 0
linearne rastua funkcije
1 + 0,5 p > 0
X 1 :
4 + p > 0
X :
p>2
X 3 :
p>6
9 + 1,5 p > 0
p>4
4
R
7/3
1
6
4
PR=44/9
Grafikon 1.10 Funkcija ponude
b)
q ( p ) = 25 4 p
p > 0, q ( p ) > 0, q ( p ) < 0 25 4 p > 0
q( p ) =
p<
25
i
4
4
2
=
< 0 ( p ) p ( 0;6, 25 )
2 25 4 p
25 4 p
D.P. p ( 2;6, 25 )
q ( p ) = q ( p )
25 4 p = 5 + 1,5 p
25 4 p = 25 15 p +
9 2
p 11 p = 0 p = 0 D.P.
4
9
44
4,9 qE = 5 + 1,5 4,9 = 2,3
p = 11 p =
4
9
c)
216
E q , p = 1 p =
25
.
6
9 2
p
4
Rjeenje 1.11.
a)
p = C ( y ) ;
p
4 p = 3 y 2 24 y + 60 C ( y ) = 3 y 2 24 y + 60 .
3
y = 4+
C ( y ) = (3 y 2 24 y + 60)dy = y 3 12 y 2 + 60 y + F
C (8) = C (8) F = 256
C ( y ) = y 3 12 y 2 + 60 y + 256
b)
EC , yE = 1 .
Rjeenje 1.12.
a)
C (q) = 8qdq = 4q 2 + F ; C (10) = 560 F = 160 .
C (q e ) = C (q e ) 8q =
b)
4q 2 + 160
qe = 2 10 .
q
D = 0 P ' = C 100 12q = 8q qd = 5 .
Rjeenje 1.13.
a)
C = 5e Ay
ye = 5
C ( ye ) = C ' ( ye )
5e Ay
1
1
= 5e Ay A =
=
y
y
5
C = 5e y / 5
C=
5e y / 5
y
C = V = ey/5
'
V =
y
5
e
1
5
5(e 1)
y
Grafikon 1.13. Funkcije graninog
i prosjenog ukupnog troka i
prosjenog varijabilnog troka
217
b)
C ' ( y ) = p inverzna funkcija ponude

ey/5 = p
ln
y
ln e = ln p
5
y
= ln p y = 5 ln p
5
E ( yu , pu )
yu = 5
pe = e
yi = 0
C ' ( yi ) = C ' (0) = 1
x = 5 ln p
pi = 1
1
Grafikon 1.13.a. Funkcija ponude
Rjeenje 1.14.
a)
P (q ) = 30q 3q 2 ;
C (q ) = A + 2q + q 2 ;
qe = 24 kj
'
A + 2q + q 2
A
C (qe ) = 0 C =
= 0 1 2 = 0 A = 24
q
q
'
b)
'
D( q) = P( q) C (q)
D(q)
D( q) = 30q 3q 2 (q 2 + 2q + 24)
D( q) = 4q 2 + 28q 24
Dmax(3,5;60)
D( q) = 0 4q + 28q 24 = 0
Nule : q1 = 1, q2 = 6
2
q (0,1) (6, +) interval rentabilnosti

granice rentabilnosti
q1 = 1, q2 = 6
q (1,6)
interval rentabilnosti
ekstrem : D ' (q) = (4q 2 + 28q 24)' = 0
60
qD=3,5
-F
Interval nerentabilnosti
8q + 28 = 0
qD = 7 / 2
D (qD ) = D (3,5) = 4 3,5 + 28 3,5 24 = 60
D max (7 / 2,60)
F = 24
218
c)
C ' (q ) = p inverzna funkcija ponude

2q + 2 = p
1
1
q = p 1 x = p 1
2
2
D.P. p ( 2, )
-1
Grafikon 1.14. a. Funkcija ponude
Rjeenje 1.15.
a)
C ( y ) = y C ( y ) = y 2 + 4 y + 100
P ( y ) = 29 y
D ( y ) = P ( y ) C ( y ) = y 2 + 25 y 100
b)
Nivo najekonominije proizvodnje:
C ( y ) = 0 y = ye
1
100
= 0 ye = 10
y2
Nivo najrentabilnije proizvodnje:
12,5
20
-100
D( y ) = 0 y = yd
2 y + 25 = 0 yd = 12,5
Interval rentabilnosti: (5,
Maksimalna dobit D+ = 56,25.
c)
20);
Izlazna cijena pi = pv = 4.
219
Rjeenje 1.16.
a)
D. P. ponude:
p > 0;
q > 0 p (1, )
q > 0
D. P. potranje:
p>0
q > 0 p ( , 4 ) (4, + ) p (0, 4 )
q < 0 p ( , 4 )
D. P. trita p (1, 4 )
b)
c)
1 2
p 4 p + 8 = 2 p 2 p1 = 2 (1, 4 ) i p2 = 10 (1, 4 )
2
Taka ravnotee je R (2, 2)
q = q
Eq , p = 2 =
( p 4) =
2p
= 2
p4
1
2
( p 4)
2
Ako se cijena sa nivoa p=2 povea za 1%, agregatna tranja e se sa nivoa q = 2 smanjiti za 2%.
Rjeenje 1.17.
a)
p (q ) =
Aq
2
q
p(q)
E p ,q =
p(q)
2q
1
( ) = 1 8 = A 8 A = 16
E p ,q=8 =
2
Aq
b)
c)
220
16
q ( p ) = 16 2 p ; definisana za p(0, 8);

q(0, 16).
Eq , p=6 = 3
Ako se cijena sa nivoa p = 6 povea
za 1%, tranja sa nivoa q = 4 e se
smanjiti za 3%.
Grafikon 1.17. Funkcija tranje
Rjeenje 1.18.
a)
Q = Q( R, K ) = 100 R 0,5 K 0,5
s=
b)
9
4
Rjeenje 1.19.
a)
Q = 50 R 2 / 3 K 1 / 3
5000 = 50 R
2/3
100 = R 2/3 K 1/3
1/3
3
1000000
R2
Izokvanta Q=5000 ima oblik
1000000
K=
R2
1000000 = R 2 K K =
250
Grafikon 1.19. Izokvanta
K = 216;
R = 125;
Q = 50 R
2/3
1/ 3
2
1003 K 1003 216 600
'
Q R = 50 R 1 / 3 K 1 / 3 = 3
= 3
=
= 40
3
15
3 R
3 125
50 R 2 / 3 K 1 / 3
503 K 503 216
= Q = 50 R 1 / 3 K 1 / 3 = 3
= 3
= 60
R
125
R
U prosjeku se po svakom rs faktora R ostvaruje 60 t proizvodnje.
QR =
b)
CC = pR R + pK K
24000 = 20 R + 160 K
2
50 R 1/3 K 1/3
20
1 2K
3
=
=
=
= R = 16
R
160 50 R 2/3 1 K 2/3
8
3
24000 = 20 R + 160 K 24000 = 20 16 K + 160 K
480 K = 24000
K = 50
K = 50
R = 16 50 = 800
pR QR'
=
pK QK'
Qmax = 50 R 2/3 K 1/3 = 30 3 8002 3 50

Qmax = 9524, 41
221
Rjeenje 1.20.
a)
R = 216;
Q = 1050
Q = 25 R M 1/3
1/3
1050 = 25 R1/3 M 1/3

42 = R1/3 M 1/3
74088 = R M
74088 74088
=
= 343
R
216
Q = 1050 t i R = 216 r.s. M = 343k.s.
M=
k =2
k = S =
QR'
QM'
M=2R
1
25 R 2/3 M 1/3
M
3
2=
=
1
25 R1/3 M 2/3 R
3
M = 2R
c)
Q = 25 R1/ 3 M 1/ 3 ;
pK = 25nj;
pR
Q
= R
pM
Q M
Q = 250
pR = 10nj;
1
Q R = 25 R 2 / 3 M 1 / 3
3
1
Q M = 25 R 1 / 3 M 2 / 3
3
10 M
=
25
R
10 R = 25 M
Grafikon 1.20. Izoklina k=2
10
=
25
5
5
M R = 20 = 50
2
2
1/ 3
1/ 3
250 = 25 R M
R=
10 = R 1 / 3 M 1 / 3
10 3 1000
1000
=
=
5/2M
R
R
2
M = 400 M = 20
M =
222
C
M
20
50
Grafikon 1.20.a. Optimalna
kombinacija kaktora
Najnii trokovi kojim se moe ostvariti nivo proizvodnje Q=250 tona iznose:
C = p R R + p M M = 10 50 + 25 20 = 1000 , a izotrokovna prava:
10 R + 25 M = 1000 2 R + 5M = 200 .
Rjeenje 1.21.
a)
R = 196 r.s.; K = 256 k .s.; Q = 100 R 1 / 2 K 1 / 2 Q = 100 196 256 = 22400
b)
R = 300; K = 150
Q'
S = R'
QK
1
100 R 1 / 2 K 1 / 2
K
150
2
S=
= =
= 1 / 2
1
R
300
1/ 2
1 / 2
100 R K
2
Ukoliko se rad povea za jednu rs, kapital je potrebno smanjiti za 1/2 ks da bi nivo
proizvodnje Q ostao konstantan.
c)
Q = 100 R1 / 2 K 1 / 2 ; Q = 12800
pK = 640nj;
pR = 10nj;
p R QR
=
p K QK
1
QR = 100 R 1 / 2 K 1 / 2
10
2
=
640 Q = 100 R1 / 2 1 K 1 / 2
K
2
10 K
=
640 R
10 R = 640 K
R = 64 16 = 1024
R = 64 K
12800 = 100 R 1 / 2 K 1 / 2
128 = ( 64 K ) 1 / 2 K 1 / 2
16384 = 64 K
= 256 K = 16
Najnii trokovi kojim se moe ostvariti nivo proizvodnje Q=12800 komada iznose:
C = p R R + p K K = 10 1024 + 640 16 = 24480 nj , a izotrokovna prava:
10 R + 640 K = 24480 R + 64 K = 2448 .
223
Rjeenje 1.22.
a)
EQ , K =
K
1
1
K
Q'K =
36 R1 / 4 K 1 / 2 = = 0,5
1/ 4 1/ 2
2
2
Q ( R, K )
36 R K
Ukoliko se utroak K promijeni za 1%, Q e se poveati za 0,5%.

b)
k = S =
QR'
QK'
1
36 R 3/ 4 K 1/ 2
K
4
=
k =00=
1
36 R1/ 4 K 1/ 2 2 R
2
c)
K
za K = 0 linija grebena
2R
K
k = =
za R = 0 linija grebena
2R
0=
Q = 36 R1 / 4 K 1 / 2 ;
pK = 200nj;
C = 30000
pR = 5nj
CC = pR R + pK K
pR QR'
=
pK QK'
30000 = 5 R + 200 K
1
36 R 3/4 K 1/2
5
4
=
=
200 36 R1/ 4 1 K 1/ 2
2
1
K
=
= R = 20 K
40 2 R
30000 = 5 R + 200 K 30000 = 5 20 K + 200 K

300 K = 30000
K = 100
K = 100
R = 20 100 = 2000
Qmax = 36 R1/4 K 1/2 = 36 4 2000 100
Qmax = 2407, 47 kom
224
Rjeenje 1.23.
a)
560 = 28 K 4 R 20 = K 4 R
400
400 = K R K =
R
Izokvanta Q=560 ima oblik K =
400
30
20
Q=560
400
1200
R
C=19200
Grafikon 1.23. Optimalna kombinacija
b)
1
2
Q = 28 K R Q = 28 K
4
Q R = 7 K
1
2
R 4
i Q K = 14
1
R4
K 2
1
R4
Optimalnu kombinaciju dobijamo rjeavanjem sljedeeg sistema jednaina:

1
3
2
4
7
K
R
16
pR
R
1
Q R
=
1
1
=
=
640
pK
40
14 K 2 R 4
2K
QK
Q = 560
400
K R = 400
K =
R = 20 K
K = 20
2
K 20 K = 400 K 20 K = 160000
R = 400
Najnii trokovi kojim se moe ostvariti nivo proizvodnje od Q = 560 kj. iznose:
C = p R R + p K K = 16 400 + 640 20 = 19200 nj. Izotrokovna prava jednaka je:
16 R + 640 K = 19200 R + 40 K = 1200 .
c)
Granina stopa supstitucije maina radom iznosi -20 s =

Odnosno,
Q K
= 20 ;
Q R
2R
= 20 R = 10 K . Na izokvanti Q=560 ova kombinacija izgleda:
K
225
K R = 400 K 10 K = 400 K 2 10 K = 160000

K 3 = 16 10 3 K = 20 2 R = 200 2
K = 20 2
R = 400 2
Rjeenje 1.24.
a)
34560 = 64 3600 K
K
540 = 60 K 9 = K K = 81
b)
34560 = 64 R K 540 =
540 2
291600
R K K =
K=
R
R
243
162
81
R
1200 1800
Grafikon 1.24. Izokvanta
c)
pR R + pK K = CC 270 K + 30 R = 97200
QR'
p
= R
'
QK pK
32 R 1/2 K 1/2
30
K 1
=
= R = 9K
1/2
1/2
32 R K
270
R 9
QR' = 32 R 1/2 K 1/2

Q = 32 R K
'
K
1/2
270 K + 270 K = 97200
1/2
K = 180
Qmax = 64 180 1620 = 64 291600
Qmax = 64 540 = 34560
226
540 K = 97200
R = 1620
3600
Rjeenje 1.25.
a)
Q
Q2
Q = 36 R K K = 4 K = 2
36 R
36 R
Za Q=2592 t i R=1296 r.s. K= 144 k.s.

144
b)
QK = 36
14
18 4 R 18 4 1296
=
=9
R K 2 =
2
12
K
1296
Ukoliko K=144 ks poveamo za 1 ks, a R
Grafikon 1.25. Optimalna kombinacija
ostane nepromijenjeno, onda e se Q poveati

za 9 t.
QK =
364 R K 364 R 364 1296

=
=
= 18
K
K
144
Na nivou ulaganja K= 144 ks i R= 1296 rs u prosjeku svaki kapitalni sat daje 18 t outputa.
c)
Q=2592 t
2592 = 364 R K
3
4
1
2
Q R
p
9R K
10
K
1
= R
=
=
R = 9K
1
1
Q K
pK
180
2 R 18
4
2
18 R K
2592 = 364 9 K K K = 144k .s. i R =9144=1296 r.s.
C = p R R + p K K Cmin = 101296+180144= 38800n.j.
227
Rjeenje 1.26.
a)
b)
K = 256;
Q = 512
Q = 16 R1/2 K 1/ 2 512 = 16 R1/2 256
32 = R1/2 16
R1/ 2 = 2 R = 4
Za Q = 512 t i K = 256 k.s. R = 4 r.s.

R = 115
QR'
S
=
K = 230
QK'
1
16 R 1/2 K 1/2
230
K
2
S =
= =
= 2
R
115
1/2
1/2 1
16 R K
2
Jedan radni sat radnika mijenja dva sata rada kapitala, ili ako rad poveamo sa nivoa
115 za 1 rs, K se treba smanjiti za 2 ks da bi proizvodnja ostala na istom nivou.
c)
Optimalnu kombinaciju dobijamo rjeavanjem sljedeeg sistema jednaina:
320 = 16 R 1/ 2 K 1/ 2
pR
Q R
p K Q K
400
20 = R 1/ 2 K 1/ 2
R =
K = 10
K
5
K
R = 4 K
R = 4 10 = 40
20 R
Najnii trokovi kojim se moe ostvariti nivo proizvodnje Q=320 iznose:

C = p R R + p M K = 5 40 + 20 10 = 400 nj, a izotrokovna prava:
5 R + 20 K = 400
228
R + 4 K = 80 .
Literatura
Andriji, S., (2002), Matematiki modeli i metode programiranja u gospodarskom drutvu,
tree izdanje, Synopsis, Zagreb Sarajevo
Babi, M., (1989), Makroekonomski modeli, etvrto izdanje, Narodne novine, Zagreb
Babi, M., (1997), Mikroekonomska analiza, IV. izmijenjeno i dopunjeno izdanje, Mate,
Zagreb
Babi, M., (2004), Makroekonomija, XIV. dopunjeno i izmijenjeno izdanje, Mate, Zagreb
Bahovec, V., Erjavec, N., (2009), Uvod u ekonometrijsku analizu, Element, Zagreb
Bazler-Madar, M., (1975), Proizvodna funkcija u kembridskoj kontraverzi, Ekonomska
analiza, br. 1-2, Beograd
Blanchard, O., (2005), Makroekonomija, Mate, Zagreb
Chiang, A.C., (1996), Osnovne metode matematike ekonomije, tree izdanje, Mate, Zagreb
Cobb, C. W., Douglas, P. H., (1928), A Theory of Production, American Economic
Review, (Suppl), vol. 18, str. 139-165
Gujarati, D.N., (2004), Econometrie, Traduction de la 4e edition americaine par Bernard
Bernier, De Boeck, Bruxxelles
Horvat B., (1972), Ekonomska analiza I, Proizvodnja i tehnoloki progres, Oeconomica,
Beograd
Jurin, S., ohinger, J., (1990), Teorija trita i cijena, Globus, Zagreb
Jovanovi, A., Madar, Lj., (2000), Osnovi teorije razbvoja i planiranja, Savremena administracija, Beograd
Madar Lj., (1972), Osnovi teorije proizvodnje, PFV Oeconomica, Beograd
Madar Lj., (1976a), Optimizacija u teoriji proizvodnje i privrednog rasta, Savremena administracija, Beograd
Marti, Lj., (1976b), Primjena matematikih metoda u ekonomskoj analizi, II izdanje, Informator, Zagreb
Madar, Lj., (1982), Teorija i modeli agregatne tranje, Informator, Zagreb
Mankiw, N.G., (2006), Osnove ekonomije, tree izdanje, Mate, Zagreb
Marti, Lj., (1972a), Matematike metode za ekonomske analize I, Informator, Zagreb
Marti, Lj., (1972b), Matematike metode za ekonomske analize II, Informator, Zagreb
229
Mignon, V., (2008), Econometrie, Theorie et application, Economica, Paris

Samuelson, Paul A., Nordhaus, William D., (2007), Ekonomija, XVIII izdanje, Mate, Zagreb
Somun-Kapetanovi, R., (1986), Doprinosi faktora proizvodnje privrednom razvoju Bosne
i Hercegovine - ekonometrijski pristup i analiza, Doktorska disertacija, Ekonomski fakultet, Sarajevo
Somun-Kapetanov, R., (2008), Statistika u ekonomiji i menadmentu, Ekonomski fakultet
u Sarajevu, Sarajevo
Stojanovi,D., (1975), Matematike metode u ekonomiji preduzea, Savremena administracija, Beograd
Vukovi, ., Somun-Kapetanovi, R., (1990), Zbirka zadaka iz Matematikih metoda u
ekonomskim istraivanjima, Ekonomski fakultet u Sarajevu, Sarajevo
Vukovi, ., (2004), Ekonometrijske funkcije, Ekonomski fakultet u Sarajevu, Sarajevo
Vujkovi, T., (1976), Ekonometrijske metode i tehnike, Informator, Zagreb
ugaj, M., et all., (2006) Temelji znanstvenoistraivakog rada, Metodologija i metodika,
Fakultet organizacije i informatike, Varadin.
230
2. Tehnike mrenog
planiranja
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
2.8.
2.9.
2.10.
Uvod
Osnovni pojmovi u mrenom planiranju
Primjena tehnika mrenog planiranja
Analiza strukture
Analiza vremena
Analiza trokova
Zadaci za vjebu
Analiza sluaja primjenom MS Project-a
2.1. Uvod
Poveavanje broja razliitih projekata, koje je potrebno realizovati, a koji su sve sloeniji i
kompleksniji, uslovilo je potrebu za istraivanjem i nalaenjem metoda za njihovo optimalno rjeavanje. U prvoj fazi razvoja metoda koje omoguuju preglednost procesa realizacije
projekta je dizajniran gantogram. Prvi gantogram dizajnirao je H. L. Gantt izmeu 1910.1915. godine. Gantogram ilustruje poetni i zavrni datum nekih nepromjenjivih i saetih
elemenata. Sa poveanjem broja aktivnosti projekt se uslonjava, to moe prouzrokovati
nepreglednost i neitljivost grafikona. To je jedan od nedostataka gantograma koji ograniava njegovu primjenu. Zbog toga se javila potreba za razvojem novih metoda i tehnika
koje e omoguiti odgovarajui grafiki prikaz kompleksnih i sloenih projekata i njihovo
rjeavanje. Krajem pedesetih godina, razvijene su nove metode planiranja koje se nazivaju
tehnike mrenog planiranja. Ove metode se baziraju na primjeni teorije grafova, moderne
algebre i statistike. Primjenom ovih metoda mogue je jednostavnije i pouzdanije pratiti
odvijanje projekta, koordinirati aktivnosti na realizaciji projekta i otkrivati potekoe koje
mogu usporiti njegovu realizaciju. Osnovna prednost ovih metoda je mogunost odvajanja
pojedinih faza u njihovoj primjeni.
U osnovi razvoja tehnika mrenog planiranja su bila dva odvojena istraivaka projekta.
Metoda kritinog puta (Critical Path Method CPM), ili jednostavnije CPM metoda, razvijena je 1957. godine za potrebe hemijske industrije. Cilj razvoja ove metode je bio da se
izvri planiranje, odravanje i izgradnja fabrike hemijskih proizvoda. CPM metoda primjenjuje planiranje i realizaciju projekata kod kojih se vrijeme trajanja pojedinih aktivnosti
moe precizno i deterministiki odrediti. U okviru istraivakog projekta razvoja raketnog
sistema Polaris, za potrebe amerike mornarice 1958. godine razvijena je metoda za realizaciju i unapreenje upravljanja projektom. Ova metoda je poznata pod nazivom Metoda
evaluacije i revizije programa (Program Evaluation and Review Technique - PERT), ili
jednostavnije PERT metoda. Ova metoda je posebno znaajna za planiranje projekata ije
vrijeme trajanja aktivosti nije mogue deterministiki odrediti.
Postoji veliki broj modifikacija ovih metoda koje se razlikuju metodoloki i mogu se prilagoditi za rjeavanje razliitih projekata.1 Najee se koristi kombinacija CPM i PERT
metode uz podrku razliitih programskih alata, kao to je naprimjer MS Project i drugi.
Tehnika mrenog planiranja je naroito efikasna kada se planiraju procesi koji se jednokratno odvijaju, tako da se prvenstveno koristi pri planiranju naunoistraivakih i razvojnih
projekata, osvajanju novih proizvoda, projektovanju investicionih objekata, investicione
opreme (brodogradnja, velike maine, energetska postrojenja, postrojenja za procesnu industriju itd.), graevinskih radova, integracionih procesa, sve do organizacije kongresa,
konferencija, savjetovanja i drugih drutvenih aktivnosti.2
1
2
Detaljan pregled modifikovanih metoda je predstavljen u : Petri, J., (1983), str. 4 - 5.

Ibid., str. 5.
233
2.2. Osnovni pojmovi u mrenom planiranju

Da bi se prezentovale osnovne metode u Tehnici mrenog planiranja potrebno je definisati
osnovne pojmove i kategorije i naine njihovog oznaavanja. Osnovni pojmovi koji e biti
predstavljeni su projekt, aktivnost, dogaaj, matrica meuzavisnosti i mreni dijagram.
2.2.1. Projekt
Projekt se u Tehnici mrenog planiranja definie kao skup ekonomskih, organizacionih,
tehnikih i drugih poslova usmjerenih ka realizaciji odreenog sloenog posla. Ekonomske
mjere se odnose na trokove realizacije pojedinih aktivnosti i projekta u cjelini. Organizacione mjere su naini koordinacije predvienih aktivnosti kako bi se projekt zavrio u
predvienom roku. Tehnike mjere podrazumijevaju tipove i obim sredstava koji se angauju za izvrenje pojedinih aktivnosti istraivanog projekta.
U Tehnici mrenog planiranja pod projektom se mogu podrazumijevati: nauno istraivaki
i razvojni projekti, kao naprimjer planiranje novih proizvoda, obrada istraivakih tema,
privredni projekti, planiranje kadrova i upravljanje ljudskim resursima, drutveni i kulturni
projekti itd. Sve je vie sloenijih projekata, to je posljedica ubrzanog razvoja i uvoenja
novih tehnologija. Ove projekte, od kojih su mnogi izuzetno znaajni kako za pojedince,
tako i za drutvo u cjelini, treba na efikasan i ekonomian nain realizovati. Zbog toga veliki znaaj ima upravljanje projektima, koje podrazumijeva ne samo odreivanje trajanja
aktivnosti ve i praenje procesa njihove realizacije i poduzimanja odreenih mjera kako bi
se projekt realizovao na optimalan nain.
2.2.2. Aktivnost
Aktivnost je odreena etapa radnog procesa, kojom se obezbjeuje nuan preduslov za
start jedne ili vie narednih aktivnosti pripadnog projekta, ili finalizira rezultat predvien
pripadnim projektom.3 Aktivnost predstavlja dio projekta koja se posmatra kao posebna
cjelina i mora biti definisana tako da se moe odrediti trajanje aktivnosti, poetak i zavretak aktivnosti, kao i sredstva neophodna za njenu realizaciju.
Postoji vie podjela aktivnosti. Kriteriji za podjelu aktivnosti mogu biti sloenost, utroak
vremena i sredstava, kritinost i poloaj u mrenom dijagramu.
Prema sloenosti, aktivnosti se dijele na sloene i proste.
Vukovi, ., (2003), str. 3.
234
OSNOVNI POJMOVI U MRENOM PLANIRANJU
Prosta aktivnost se ne moe razloiti na jo prostije aktivnosti. Ona se obavlja samo

jednim nedjeljivim sredstvom.
Sloena aktivnost zahtijeva angaovanje vie razliitih sredstava, pa se takva aktivnost moe ralaniti na vie prostih aktivnosti koje se obavljaju pojedinim sredstvima.
Sloena aktivnost predstavlja odreeni potprojekt u okviru cijelog projekta. Moe se
rei i da je sam projekt sloena aktivnost jer se sastoji od niza prostih aktivnosti.
Prema angaovanju vremena i sredstava, aktivnosti se dijele na tri grupe: prave aktivnosti, aktivnosti ekanja i fiktivne aktivnosti.
Prava aktivnost je dio radnog procesa za iju je realizaciju potrebno angaovanje
sredstava i protok vremena za njihovo koritenje.
Aktivnost ekanje trai samo protok vremena (ali ne angaovanje bilo kakvih sredstava). Kao primjeri aktivnosti ekanje se obino navode hemijski ili bioloki procesi
koji se moraju odvijati poslije odgovarajuih pravih aktivnosti.
Fiktivna aktivnost je aktivnost koja ne trai angaovanje i sredstava i vremena. Ova
aktivnost stvarno ne postoji jer nema vremenskog trajanja i nema trokova realizacije.
Ove aktivnosti se uvode da bi se mreni dijagram pravilno konstruisao i predstavile
prave meuzavisnosti izmeu aktivnosti. Ove aktivnosti se jo nazivaju vjetake ili
prividne aktivnosti.
Aktivnosti se prema kriteriju kritinosti dijele u dvije grupe: kritine aktivnosti i nekritine aktivnosti.
Kritina aktivnost mora poeti u tano odreenom trenutku, mora se zavriti u odreenom narednom trenutku i vrijeme njenog trajanja treba da bude jednako
vremenskom razmaku izmeu ova dva navedena trenutka.
Nekritina aktivnost ima trajanje krae od vremenskog razmaka izmeu najranijeg
mogueg poetka aktivnosti i najkasnijeg mogueg zavretka aktivnosti.
Aktivnosti se dijele prema mjestu u toku izvoenja projekta na tri grupe: polazne aktivnosti, zavrne aktivnosti i ostale aktivnosti.
Polazna aktivnost ne trai prethodni zavretak ni jedne druge aktivnosti u okviru istog projekta, pa ona moe odmah poeti u trenutku otpoinjanja analiziranog
projekta. Sve polazne aktivnosti u projektu mogu da ponu zajedno u trenutku poetka projekta.
Zavrna aktivnost ne prethodi ni jednoj drugoj aktivnosti u istom projektu. Njenim
zavretkom nije uslovljeno otpoinjanje ni jedne druge aktivnosti u okviru istog projekta.
Ostale aktivnosti, koje nisu ni polazne ni zavrne, nalaze se izmeu odgovarajuih
prethodnih i narednih aktivnosti u projektu.
235
2.2.3. Dogaaj
Dogaaj je trenutak poetka ili zavretka jedne ili vie aktivnosti. Dogaaj se moe definisati i kao vremenska koordinata, trenutak kada poinje jedna aktivnost ili istovremeno
poinje vie aktivnosti, odnosno trenutak kada zavrava jedna ili vie aktivnosti. 4 Dogaaj
ne zahtijeva ni utroak sredstava ni protok vremena. Poto je dogaaj vremenski trenutak,
on nema vrijeme trajanja, to znai - nema aktivnosti. Kada se odredi datum dogaaja on
predstavlja rok deavanja dogaaja, odnosno rok poetka ili zavretka aktivnosti ili cijelog
projekta.
Razlikuje se vie vrsta dogaaja u zavisnosti od kriterija po kojem se dijele. Najee se
koriste dva kriterija i to kriterij pozicije, odnosno poloaja dogaaja u toku izvoenja projekta i kriterij kritinosti.
Prema poloaju u toku izvoenja projekta, dogaaji se dijele u tri grupe: poetni dogaaj, zavrni dogaaj i ostali dogaaji.
Poetni dogaaj projekta je trenutak kada otpoinje projekt, odnosno poetni dogaaj poetne ili poetnih aktivnosti u projektu. Poetni dogaaj projekta je tako
istovremeno poetni dogaaj jedne ili vie polaznih aktivnosti koje mogu otpoeti sa
poetkom projekta. Prije poetnog dogaaja nema drugih aktivnosti u tom projetku.
Zavrni dogaaj projekta je trenutak kada zavrava projekt, odnosno zavrni dogaaj
jedne ili vie aktivnosti koje se zadnje zavravaju u projetku. Poslije zavrnog dogaaja nema drugih aktivnosti u tom projektu.
Ostali dogaaji u projektu su dogaaji koji su istovremeno kod pojedinih prethodnih
aktivnosti zavrni dogaaji, a kod odgovarajuih narednih aktivnosti poetni dogaaji.
Svaka aktivnost ima svoj poetak i kraj, samim tim i poetni i zavrni dogaaj. Poetni dogaaj je trenutak kada poinje aktivnost, a zavrni je trenutak kada zavrava. Vie
aktivnosti moe imati zajedniki poetni dogaaj, pa mogu startati u isto vrijeme. Vie aktivnosti moe imati i zajedniki zavrni dogaaj, pa se mogu zavriti u istom trenutku.
Moe se desiti da zavrni dogaaj neke ili vie aktivnosti predstavlja ujedno poetni dogaaj druge ili vie aktivnosti. Svaka aktivnost, pa tim i projekt, mogu imati samo jedan
poetni i jedan zavrni dogaaj.
Prema kritinosti, dogaaji se dijele na dvije grupe: kritini dogaaji i nekritini dogaaji.
Kritini dogaaj je dogaaj u projektu koji se mora desiti tano u odreenom trenutku. Ne moe se desiti ni prije ni poslije tog odreenog trenutka.
Nekritini dogaaj je dogaaj kod koga se razlikuju najraniji trenutak kada se dogaaj
moe desiti i najkasniji trenutak kada se dogaaj mora desiti. To je dogaaj u projektu
iji je trenutak u kojem se on moe najranije desiti ispred trenutka do kojeg se on mora
najkasnije desiti.
4
Radulovi A., Radojevi M., (1988), str. 12.
236
OSNOVNI POJMOVI U MRENOM PLANIRANJU
2.2.4. Matrica meuzavisnosti

Matrica meuzavisnosti slui za pregledniji prikaz svih uslovljenih meusobnih neposrednih redoslijeda odgovarajuih aktivnosti u projektu. Njeno kompletiranje olakava izradu
mrenog dijagrama projekta. Matrica meuzavisnosti je kvadratnog oblika i ima onoliko
redova, odnosno kolona koliko ima aktivnosti u projektu.
Kvalitetno upravljanje sloenim projektima zavisi o paljivom planiranju svih aktivnosti
koje je potrebno realizovati u projektu. U projektu aktivnosti mogu biti brojne, a poeci/zavreci pojedinih aktivnosti mogu imati razliite odnose (neke aktivnosti ekaju kraj
prethodne aktivnosti da bi se otpoele, a druge aktivnosti poinju istovremeno s tom aktivnou).
2.2.5. Mreni dijagram

Mreni dijagram predstavlja grafiki model analize strukture projekta. Sastavljen je od
krugova povezanih duima orijentisanim strelicama i konstruie se po odreenim pravilima
za konstrukciju mrenog dijagrama. Krugovi u dijagramu predstavljaju dogaaje, a orijentisane dui aktivnosti.
Mreni dijagram se prikazuje kao usmjereni graf. Pri modeliranju mrenih dijagrama aktivnosti se mogu prikazivati u granama ili u vorovima. Osim jednostavnih informacija o
slijedu pojedinih aktivnosti i njihovom trajanju, na grafovima se mogu upisivati i dodatne
informacije o vremenima poetka i zavretka aktivnosti, najranijem poetku i zavretku
aktivnosti i slino. Primjer jednog jednostavnog mrenog dijagrama sa aktivnosti u granama je predstavljen na grafikonu 1.
4
3
Grafikon 1. Jednostavni mreni plan sa aktivnostima u granama
237
Mreni dijagram moe biti orijentisan aktivnostima ili orijentisan dogaajima. Dijagram
orijentisan aktivnostima se ee primjenjuje, jer ima odreene prednosti koje prozilaze iz
definicije projekta. Zadana aktivnost u projektu mora biti ostvarena i zadatak jedne ili vie
aktivnosti mora biti postignut. Prije nego bilo koja aktivnost pone, sve prethodne ve moraju biti zavrene. Sve aktivnosti i dogaaji unutar projekta povezani su duima
orijentisanim strelicama, odnosno strelicama. Duina dui nema poseban znaaj, a smjer
strelice ukazuje na tok odvijanja projekta. Na grafikonu 2. je predstavljen mreni dijagram
orijentisan strelicama. U ovom poglavlju e se konstruisati mreni dijagrami orijentisani
aktivnostima.
Grafikon 2. Mreni dijagram
Dui na grafikonu 2. koje su oznaene punim linijama predstavljaju prave aktivnosti i aktivnosti ekanja. Dui oznaene isprekidanim linijama predstavljaju fiktivne aktivnosti.
Dogaaji su numerisani brojevima. Numeracija dogaaja se vri rastuim redoslijedom sa
lijeva na desno i odozgo prema dolje. Aktivnosti su oznaene nazivima aktivnost, velikim
slovom, ili dogaajima koje povezuju.
Put u mrenom dijagramu projekta je svaki niz vremenski neposredno nasljeivanih
aktivnosti koji povezuje poetni i zavrni dogaaj.
238
2.3. Primjena tehnika mrenog planiranja

Tehnike mrenog planiranja se primjenjuju za rjeavanje problema organizacije odreenih
poslova koji su obino veoma sloeni jer zahtijevaju obavljanje velikog broja razliitih aktivnosti za iju realizaciju je potrebno angaovanje i/ili utroak razliitih sredstava kao to
su: rad, kapital, sirovine, alati, maine itd. Kod optimalnog rjeavanja ovakvog problema
obino se nastoje ostvariti dva cilja. Prvi bi bio realizacija projekta u najkraem roku ukoliko su trokovi unaprijed poznati. Drugi cilj bi mogao biti nalaenje najniih trokova
realizacije projekta za unaprijed odreeno vrijeme trajanja. U prvom sluaju bi se radilo o
najproduktivnijem, a u drugom najekonominijem rjeenju problema. Da bismo pronali
optimalnu realizaciju jednog sloenog posla, moraju se imati u vidu i odreena ogranienja
prilikom rjeavanja datog problema. Neka od njih su sljedea:5
a) Tokom takvog posla treba obaviti veliki broj razliitih aktivnosti;
b) Za takve aktivnosti treba imati odgovarajua sredstva;
c) Trajanje svake pojedine aktivnosti zavisi od angaovane vrste i obima takvih sredstava;
d) Za otpoinjanje svake od tih aktivnosti, pored potrebnih sredstava, trebaju biti obezbijeeni i drugi preduslovi, koji su najee rezultat jedne ili vie drugih prethodnih
aktivnosti u okviru ovakvog istog sloenog posla;
e) Potrebno je odrediti meusobno uslovljene neposredne redoslijede odgovarajuih aktivnosti u okviru istog sloenog posla (koja ili koje moraju biti zavrene da bi
posmatrana aktivnost mogla otpoeti);
f) Aktivnosti koje nemaju meusobno uslovljeni neposredni ili posredni redoslijed mogu se vremenski paralelno obavljati, to omoguava bru realizaciju cijelog pripadnog
sloenog posla.
Kako bi se sloeni poslovi definisani projektom mogli realizovati, neophodno je izraditi
projektni plan. Izrada projektnog plana podrazumijeva obavljanje sljedeih ativnosti:
a) Izrada strukture mrenog plana koja obuhvata definisanje aktivnosti i modelizaciju
njihovih zavisnosti;
b) Utvrivanje resursa koji e se koristiti;
c) Planiranje datuma za zavretak aktivnosti u projektu;
d) Utvrivanje vremena trajanja projekta i odreivanje kritinog puta;
e) Analiza trokova realizacije projekta.
Sloeni poslovi, koji imaju navedene osobine, mogu se optimalno programirati primjenom
tehnika mrenog planiranja (TPM) za etiri vrste analiza koje se realizuju kao etiri faze,
odnosno etape u primjeni ovih metoda. To su:
5
Vukovi, ., (2003), str. 1-2.
239
analiza strukture,
analiza vremena,
analiza trokova,
analiza resursa.
Navedene analize se ne obavljaju odvojeno, ve kombinovano, jer se ne moe znati koliko

e trajati neka aktivnost ako se prethodno ne zna koja e sredstva biti angaovana za izvrenje odreene aktivnosti. Trokovi koji e uslijediti kod izvravanja pojedine aktivnosti
zavise od vrste, obima i vremena angaovanja odgovarajuih sredstava. Analiza strukture je
prva faza, ona se obavlja odvojeno od ostalih analiza i prethodi svim ostalim fazama koje je
potrebno obaviti kako bi se utvrdilo optimalno rjeenje.
240
2.4. Analiza strukture

Analiza strukture je prva faza u primjeni tehnika mrenog planiranja. Ova faza se sastoji iz
sljedeih postupaka:
definisanje i izrada liste aktivnosti koje je potrebno zavriti da bi se projekt realizovao;

utvrivanje meuzavisnosti definisanih aktivnosti;
konstrukcija mrenog dijagrama;
kontrola mrenog dijagrama.
Definisanje i izrada liste aktivnosti

Tehnika mrenog planiranja spada u savremene naune metode analitike procjene realizacije sloenih zadataka i poslova. Ove tehnike se zasnivaju na cjelovitom predstavljanju
detaljno planiranih zadataka odreenog projekta pomou mrenog dijagrama.
Prilikom primjene tehnike mrenog planiranja projekt se, kao sloen posao, razlae na pojedinane sastavne poslove i zadatke. Svaki pojedinaan posao se naziva akivnost.
Prvi korak u analizi strukture je prouavanje projekta, podataka o projektu, njegovih karakteristika, ogranienja uz koje se projekt realizuje a koji bi trebali omoguiti utvrivanje
poslova i zadataka vezanih za projekt, sastavljanje liste aktivnosti neophodnih za realizaciju
projekta i utvrivanje njihovog logikog redoslijeda. esto se pretpostavlja da je lista aktivnosti neophodnih za realizaciju nekog projekta poznata na osnovu prethodnih
istraivanja i iskustava. Kada to nije sluaj, neophodno je detaljno prouiti projekt i sastaviti listu aktivnosti od kojih se projekt sastoji. Projekt se moe razloiti na osnovne etape, a
zatim se svaka etapa dalje ralanjuje na jednostavnije poslove za iju realizaciju se zatim
definiu aktivnosti. Za definisanje i sastavljanje liste aktivnosti neophodno je koristiti iskustva strunjaka iz pojedinih oblasti za koje se projekt realizuje.
Meuzavisnost aktivnosti
Kada se sastavi lista aktivnosti, potrebno je utvrditi meuzavisnost aktivnosti i logiki redoslijed njihove realizacije. Osnova za konstrukciju mrenog dijagrama je lista aktivnosti i
njihova meuzavisnost. Meuzavisnost aktivnosti se obino predstavlja u matrici meuzavisnosti to olakava konstrukciju mrenog dijagrama.
Matrica meuzavisnosti je definisana kao pregledan prikaz svih meusobno uslovljenih
neposrednih redosljeda odgovarajuih aktivnosti u projektu. Ona je kvadratnog oblika i ima
onoliko redova i kolona koliko ima aktivnosti u projektu. U zaglavlju kolona i redova matrice se stavljaju nazivi aktivnosti.
241
Pravilo zapisivanja zavisnosti je sljedee: aktivnosti navedene u zaglavlju kolona zavise od

aktivnosti navedenih u zaglavlju redova. Zavisnost neke aktivnosti u koloni j od neke druge
aktivnosti u redu i zapisujemo kao X u eliji i-j.
Tabela 1: Matrica meuzavisnosti
Aktivnosti
A
B
C
B
X
C
X
X
Iz matrice jednostavnije uoavamo polazne i zavrne aktivnosti kao i odnose zavisnosti

izmeu ostalih aktivnosti u projektu. Hronoloki redosljed aktivnosti je najlake napraviti
upotrebom matrice meuzavisnosti. Sve meuzavisnosti aktivnosti se trebaju nalaziti iznad
dijagonale matrice meuzavisnosti. Ukoliko se neka zavisnost nalazi ispod dijagonale, to je
znak da aktivnosti nisu hronoloki zapisane, pa treba promijeniti redosljed aktivnosti, ili da
je projekat nemogu. Ako se ne moe napraviti redosljed aktivnosti kod koga bi se sve zavisnosti nalazile iznad dijagonale, onda to znai da u projektu imamo petlju i da se takav
projekat ne moe realizovati.6
Konstrukcija mrenog dijagrama
Aktivnosti se u mrenom dijagramu, kao to je ve reeno, oznaavaju linijama orijentisanim strelicama i povezuju dogaaje oznaene krugom i numerisane rastuim redoslijedom
sa lijeva na desno i odozgo prema dolje. Ovaj nain grafikog prikazivanja omoguuje da
se aktivnosti jednostavnije pronalaze u mrenom dijagramu i vri njihova kontrola.
Oznake za aktivnost i dogaaj u mrenom dijagramu su sljedee:
Aktivnost:
Dogaaj:
Primjer petlje je tzv. kruno definisanje zavisnosti: A zavisi od B, B zavisi od C, a C zavisi od A.
242
ANALIZA STRUKTURE
Dva dogaaja, dogaaj i i dogaaj j, na donjem grafikonu su povezana aktivnou Aij. Aktivnost koja povezuje dogaaj i i dogaaj j se moe oznaiti i kao aktivnost (ij).7
i< j
Pri konstrukciji mrenog dijagrama treba primjenjivati odgovarajua pravila. Osnovna pravila za konstrukciju mrenog dijagrama su:
1. Svaka aktivnost mora poeti i zavriti dogaajem.
2. Svaka aktivnost, kao i cijeli projekt, imaju jedan poetni i jedan zavrni dogaaj.
3. Ako neka aktivnosti ne moe poeti prije nego to se zavri neka druga aktivnost, tada se te dvije aktivnosti moraju predstaviti kao redosljedni niz aktivnosti. Zavrni
dogaaj prethodne aktivnosti e biti identian sa poetnim dogaajem naredne aktivnosti.
4. Ako vie aktivnosti treba biti zavreno da bi naredna aktivnost mogla otpoeti, tada se
sve prethodne aktivnosti moraju zavriti u jednom dogaaju koji je istovremeno poetni dogaaj naredne aktivnosti.
5. Ako vie aktivnosti moe otpoeti kada se zavri prethodna aktivnost, tada je zavrni
dogaaj te prethodne aktivnosti identian sa poetnim dogaajem svih narednih aktivnosti.
6. Dvije ili vie aktivnosti ne mogu imati zajedniki poetni i zavrni dogaaj. Da bi se
omoguilo potovanje ovog pravila, u mreni dijagram se uvode fiktivne aktivnosti.
Uvoenje fiktivnih akivnosti osigurava jednoznano oznaavanje aktivnosti i zadovoljenje pravila da dvije ili vie aktivnosti mogu imati zajedniki poetni ili zavrni
dogaaja, a ne mogu imati zajedniki i poetni i zavrni dogaaj, to je ilustrovano na
sljedei nain:
B
C
Postoji vie naina za uvoenje fiktivne aktivnosti. Preporuuje se uvoenje fiktivne
aktivnosti na poetku niza jer to olakava analizu vremena.
7. Ako jednim dogaajem zavrava i poinje vie aktivnosti koje nisu meusobno uslovljene, tada se prave zavisnosti predstavljaju pomou fiktivnih aktivnosti.
8. Dva uzastopna dogaaja mogu biti povezana aktivnou samo u jednom smjeru.
9. Aktivnost se u projektu moe realizovati samo jednom. Ovo pravilo iskljuuje ponavljanje istih aktivnosti i pojavu petlji u mrenom dijagramu.
7
Za oznaavanje aktivnosti e se koristiti dvije sljedee oznake: Aij ili (ij).
243
Primjer 2.1.
Formirati matricu meuzavisnosti i skicirati mreni dijagram za sljedee projekte:
a) Projekt se sastoji od dvije aktivnosti A i B, pri emu aktivnost B zavisi od
aktivnosti A.
U matrici meuzavisnosti navedena zavisnost se predstavlja na sljedei nain:
A
B
X
A
B
Svaka aktivnost mora poeti i zavriti dogaajem. Zavretkom aktivnosti A uslovljen

je poetak aktivnosti B. Dakle, zavrni dogaaj aktivnosti A je istovremeno poetni
dogaaj aktivnosti B. Aktivnost B treba zavriti zavrnim dogaajem. U svakom projektu ima samo jedan poetni i jedan zavrni dogaaj.
B
Na kraju numeriemo dogaaje:

1
Grafikon 2.1.a. Mreni dijagram projekta a
b) Projekt se sastoji od aktivnosti A, B, C, D, E pri emu aktivnostima B i C neposredno prethodi aktivnost A, aktivnosti D neposredno prethodi aktivnost B a aktivnosti E
neposredno prethodi aktivnost C.
Matrica meuzavisnosti je oblika:
A
A
B
C
D
E
244
B
X
C
X
X
X
ANALIZA STRUKTURE
Broj praznih kolona u matrici nam govori koliko imamo i koje su to polazne aktivnosti u projektu. Polazna aktivnost je aktivnost A.
Broj praznih redova u matrici nam govori koje su to zavrne aktivnosti u projektu, pa
vidimo da su zavrne aktivnosti D i E.
U svakom projektu ima samo jedan poetni i jedan zavrni dogaaj.
3
B
A
D
5
2
C
E
4
Grafikon 2.1.b. Mreni dijagram projekta b
c) Projekt se sastoji od tri aktivnosti A, B i C. Meusobna neposredna zavisnost je

sljedea: B i C zavise od A.
U matrici meuzavisnosti traena zavisnost je izraena:
A
A
B
C
Da bi poele aktivnosti B i C aktivnost A se treba zavriti. Zavrni dogaaj aktivnosti
A je istovremeno poetni dogaaj aktivnosti B i C. Aktivnost A zapoinje poetnim
dogaajem, a aktivnosti B i C su zavrne aktivnosti i njihov kraj je zavrni dogaaj.
Na narednom grafikonu je prikazan nezavren mreni dijagram, jer ne mogu biti dva
zavrna dogaaja.
245
B
1
2
C
4
Grafikon 2.1.c. Nepotpun mreni dijagram projekta c
Mreni dijagram emo kompletirati uvoenjem fiktivne aktivnosti. Ve je naglaeno

da ove aktivnosti ne zahtijevaju novac niti protok vremena ve se pojavljuju da bi se
zadrala isprvna informacija o svakoj aktivnosti. Fiktivna aktivnost se na mrenom
dijagramu oznaava isprekidanom linijom.
Uvoenjem fiktivne aktivnosti u prethodni mreni dijagram, dobiemo mreni dijagram projekta:
3
B
A
Grafikon 2.1.c. Nepotpun mreni dijagram projekta c
d) Projekt se sastoji od tri aktivnosti A, B i C. Meusobna neposredna zavisnost je

sljedea: C zavise od A i B.
Zavretkom aktivnosti A i B uslovljen je poetak aktivnosti C to se u matrici meuzavisnosti predstavlja na sljedei nain:
A
C
246
ANALIZA STRUKTURE
Iz matrice vidimo da postoje dvije polazne aktivnosti (A i B) dok je zavrna aktivnost, aktivnost C. Aktivnost C zavisi i od A i od B to znai da aktivnosti A i B imaju
isti poetak i zavretak.
1
A
Grafikon 2.1.d. Neispravan mreni dijagram projekta d
Da bi se izbjeglo da dvije razliite aktivnosti imaju i isti poetak i isti zavretak uvodimo fiktivnu aktivnost tako to jednu aktivnost (npr B) podijelimo i posmatramo kao
da je fiktivna aktivnost njen neposredni prethodnik. Sada mreni dijagram poprima
oblik:
2
B
1
A
Grafikon 2.1.d Mreni dijagram projekta d
Napomenimo da se fiktivna aktivnost mogla uvesti i kod aktivnosti A i ekvivalentan

mreni dijagram bi bio:
2
A
1
f
3
Grafikon 2.1.d. Mreni dijagram projekta d
e) Projekt se sastoji od etiri aktivnosti: A, B, C, D. Meusobna neposredna zavisnost

je sljedea: C zavisi od A, D zavisi od A i B.
247
Matrica meuzavisnosti ima oblik:

A
C
D
Projekt ima dvije polazne aktivnosti: A i B i dvije zavrne aktivnosti: C i D.
2
D ??
4
A
3
Grafikon 2.1.e. Nepotpuni mreni dijagram projekta e
Poto je poetak aktivnosti C uslovljen zavretkom aktivnosti A, a poetak aktivnosti

D zavretkom aktivnosti A i B postavlja se pitanje iz kojeg dogaaja treba krenuti aktivnost D? Mora se uvesti fiktivna aktivnost. Zavretak aktivnosti A se fiktivno
prenosi u zavrni dogaaj aktivnosti B. Zavrni dogaaj aktivnosti A i B je poetni
dogaaj aktivnosti D.
2
B
4
C
A
Grafikon 2.1.e'. Nepotpuni mreni dijagram projekta
248
ANALIZA STRUKTURE
U mrenom dijagramu se obino nalazi vie puteva odnosno naina da se od poetnog

doe do zavrnog dogaaja u projektu. Put u mrenom dijagramu projekta je svaki niz
vremensko neposredno nasljeivanih aktivnosti koji povezuje poetni i zavrni dogaaj. Svaki od tih puteva ima svoje vrijeme trajanja koje se najee razlikuje od puta
do puta. U kasnijoj analizi e nam posebno znaajan biti put sa najduim trajanjem.
Kontrola mrenog dijagrama

Kontrolom mrenog dijagrama se provjerava da li je dijagram pravilno konstruisan i numerisan. Kontrola mrenog dijagrama se vri primjenom odreenih postupaka kojim se
provjerava da li su aktivnosti i dogaaji pravilno odreeni, da li je meuzavisnost ispravno
prikazana na dijagramu i da li su osnovna pravila za konstrukciju mrenog dijagrama zadovoljena.
249
2.5. Analiza vremena

Analiza strukture definie prvu fazu primjene tehnike mrenog planiranja i predstavlja tehnoloki model realizacije projekta. Analiza strukture predstavlja uslov i osnovu za analizu
vremena i analizu trokova i nuno im prethodi. Znaajna specifinost tehnika mrenog
planiranja, u odnosu na klasine tehnike planiranja, je mogunost potpunog razdvajanja
analize strukture od analize vremena. Razdvojenou ovih dvaju faza obezbjeuje se poseban kvalitet planiranja, koji omoguuje postizanje optimalnog odnosa izmeu tehnologije
i vremena izvrenja plana, to do sada nijedna poznata klasina metoda planiranja nije
omoguavala, bar ne na jedan egzaktan nain kakav je primenjen u tehnici mrenog planiranja8
Analiza vremena podrazumijeva utvrivanje vremena trajanja svake aktivnosti, izraunavanje poetaka i zavretaka aktivnosti i vremena realizacije cijelog projekta.
Analiza vremena se izvodi potpuno odvojeno od analize strukture projekta, bez obzira koja
metoda se primjenjuje za analizu vremena. To je znaajna prednost tehnike mrenog planiranja jer se izrada analize strukture, koja predstavlja tehnoloki model projekta, moe
povjeriti strunjacima iz date oblasti koji e ovu fazu struno i kvalitetno realizovati. Analiza vremena predstavlja primjenu odgovarajuih postupaka, odnosno algoritama, koju mogu
izvoditi obueni kadrovi primjenom raunara. Naglasimo da sva vremena trajanja aktivnosti
moraju biti izraena u istoj vremenskoj jedinici.
Za analizu vremena najee se primjenjuju dvije metode:
Metoda kritinog puta CPM,
PERT-TIME metoda.
2.5.1. Metoda kritinog puta (CPM)
Metoda kritinog puta spada u deterministike metode. Da bi se primijenila ova metoda,
vremena trajanja aktivnosti treba da budu tano odreena, odnosno deterministika. Vremena trajanja aktivnosti se odreuju primjenom odreenih standarda i normativa i u modelu
se predstavljaju kao egzaktno mjerljiva veliina.
Za primjenu metode kritinog puta potrebno je definisati sljedee pojmove i simbole koji se
koriste za njihovo oznaavanje:
Najraniji poetak aktivnosti (ij): ti(0)
Najkasniji poetak aktivnosti (ij): t i(1)
8
Martinovi M., Stefanovi D., (1969), str. 74.
250
ANALIZA VREMENA
Najraniji zavretak aktivnosti (ij): t (j0)

Najkasniji zavretak aktivnosti (ij): t (j1)
Na sljedeem grafikonu su za aktivnost (i-j) uneseni defisani pojmovi:
i
t i( 0 )
t i(1)
t ij
t (j0 )
j
i
t (j1)
Grafikon 3. Oznaavanje karakteristinih veliina u CPM metodi
Aktivnost (ij) povezuje dogaaje i i j. Vrijeme trajanja aktivnosti (ij) se oznaava se tij .
2.5.1.1. Odreivanje najranijeg poetka i najranijeg zavretka aktivnosti

Najraniji poetak aktivnosti (ij) se oznaava sa t i( 0 ) . Aktivnost (ij) moe otpoeti poslije
deavanja dogaaja i. Ako dogaaju i prethodi vie aktivnosti, dogaaj i e se desiti kada se
zavri aktivnost koja najdue traje. To znai da, ukoliko u dogaaj i ulazi vie puteva, dogaaj se moe desiti poslije zavretka puta sa najduim trajanjem. Najraniji poetak
aktivnosti (ij) t i( 0 ) e biti odreen vremenom trajanja najdueg puta koji ulazi u dogaaj i,
odnosno vremenom trajanja one prethodne aktivnosti za iju realizaciju je potrebno najdue
vrijeme. Postupak odreivanja najranijih poetaka se vri prema rastuoj numeraciji dogaaja od poetnog do zavrnog dogaaja u projektu.
Ako do dogaaja j vodi vie puteva, tada se najraniji poetak bilo koje aktivnosti koja
ima j kao poetni dogaaj9 izraunava pomou sljedeeg izraza:
t (0)
= max (ti(0) + tij ),
j
i
t1(0) = 0
(2.1)
gdje je: 1 i < j n, j = 2, 3, ..., n.

Najraniji zavretak aktivnosti (ij) se oznaava sa t (0)
j i izraunava kao zbir najranijeg
poetka te aktivnosti t i( 0 ) i vremena trajanja aktivnosti tij:
t (0)
= ti(0) + tij
j
9
(2.2)
Ovdje se moe koristiti i termin najraniji trenutak u kojem se dogaaj j moe desiti.
251
Izraz (2.2) omoguava da se poslije odreivanja najranijeg poetka bilo koje aktivnosti odredi njen najraniji zavretak poto su poznata vremena trajanja aktivnosti. Najraniji poeci
aktivnosti i najraniji zavreci aktivnosti se izraunavaju postepeno, polazei od prvog do
n-tog dogaaja u projektu i uz pretpostavku da je najraniji poetak t1(0) = 0 . Najraniji zavretak cijelog projekta se oznaava sa t n( 0 ) i predstavlja najraniji trenutak deavanja zavrnog
dogaaja u projektu.
2.5.1.2. Odreivanje najkasnijeg poetka i najkasnijeg zavretka aktivnosti
Kada se odrede najraniji poeci i najraniji zavreci pojedinih aktivnosti i cijelog projekta,
mogu se odreivati najkasniji poetak i najkasniji zavretak pojedinih aktivnosti i projekta
u cjelini. Najkasniji poetak aktivnosti (ij) se oznaava sa t i(1) , a najkasniji zavretak sa
t (j1) . Da bi se odredile ove vrijednosti polazi se od pretpostavke da je u zavrnom dogaaju

projekta trenutak najranijeg deavanja dogaaja jednak trenutku najkasnijeg deavanja dogaaja tj.
t n( 0 ) = t n(1) .
Polazei od zavrnog ka polaznom dogaaju u projektu za izraunavanje najkasnijeg poetka aktivnosti koristi se sljedei izraz:
ti(1) = min ( t (1)

j tij ) ,
j
tn(0) = tn(1)
(2.3)
gdje je 1 i < j n, i = n-1, n-2,...,2, 1.

Primjenom izraza (2.3) odreuje se najkasniji zavretak bilo koje aktivnosti koja prethodi
dogaaju i.
Najkasniji poetak bilo koje aktivnosti (ij) se izraunava primjenom sljedeeg izraza:
t i(1) = t (j1) t ij
(2.4)
koji predstavlja specifian sluaj izraza (2.3).

Vrijeme trajanja aktivnosti se moe kretati izmeu najranijeg poetka i najkasnijeg zavretka te aktivnosti. To vrijeme se naziva maksimalno dozvoljeno trajanje aktivnosti (ij) i
odreuje se kao razlika t (j1) t i( 0) .
252
ANALIZA VREMENA
2.5.2. Vremenske rezerve
Trajanje aktivnosti moe da bude jednako ili manje od maksimalno dozvoljenog trajanja
aktivnosti. Ukoliko je vrijeme trajanja aktivnosti jednako maksimalno dozvoljenom trajanju
aktivnosti, vremenska rezerva ne postoji. Ako postoje aktivnosti kod kojih je vrijeme trajaja
aktivnosti manje od maksimalno dozvoljenog vremena trajanja aktivnosti, tada te aktivnosti
imaju vremensku rezervu. Postoje aktivnosti koje nemaju vremensku rezervu jer one moraju poeti i zavriti u tano odreenom trenutku i aktivnosti koje imaju vremenske rezerve.
Vremenske rezerve su izuzetno znaajne sa aspekta trokova realizacije projekta, ukoliko
postoje vremenske rezerve vrijeme realizacije aktivnosti se moe pomjeriti i time smanjiti
trokovi. Postoje etiri vrste vremenskih rezervi:
a) Ukupna vremenska rezerva,
b) Slobodna vremenska rezerva,
c) Nezavisna vremenska rezerva,
d) Uslovna (zavisna) vremenska rezerva.
Svaku od navedenih vremenskih rezervi emo definisati i napisati izraz za njeno izraunavanje, a zatim ih uporediti na ematskom prikazu.
a) Ukupna vremenska rezerva10
Ukupna vremenska rezerva se izraunava pomou sljedeeg izraza kao razlika izmeu najkasnijeg zavretka i najranijeg poetka i vremena trajanja aktivnosti (ij):
(0)
( SU )ij = ( t (1)
j ti ) tij 0
za i < j , i = 1,..., n 1;
j = 2,..., n.
(2.5)
Ukupna vremenska rezerva pokazuje za koliko se vremenskih jedinica moe pomjeriti izvrenje aktivnosti (ij), ili za koliko se vremenskih jedinica moe produiti trajanje aktivnosti
(ij) ako njene neposredno prethodne (h- i) i neposredno naredne (jk) aktivnosti, s obzirom
( 0)
(1)
na ovo produenje, zauzimaju najpovoljnije poloaje t i i t j , a da se ne promjeni vrijeme trajanja projekta. To znai da je ukupna vremenska rezerva jednaka vremenu za koje se
moe odgoditi ili produiti izvrenje neke aktivnosti, a da to nema uticaja na zavretak projekta.
b) Slobodna vremenska rezerva
Kada se izrauna razlika izmeu najranijeg zavretka i najranijeg poetka aktivnosti (ij) i
umanji za vrijeme trajanja aktivnosti tij, dobija se slobodna vremenska rezerva:
10
Ovdje e biti obraeno izraunavanje vremenskih rezervi polazei od simbola koji se koriste u CPM metodi.
Vremenske rezerve se na isti nain odreuju i kod PERT-TIME metode ali je potrebno koristiti odgovarajue
simbole PERT-TIME metode.
253

(0)
( S S )ij = ( t (0)
j ti ) tij 0
za i < j , i = 1,..., n 1;
j = 2,..., n.
(2.6)
Slobodna vremenska rezerva pokazuje za koliko se vremenskih jedinica moe pomjeriti

najraniji poetak aktivnosti (ij), ili za koliko se vremenskih jedinica moe produiti trajanje aktivnosti (ij), a da to ne utie na najranije poetke svih neposrednih narednih
aktivnosti (jk). To znai da je slobodna vremenska rezerva jednaka vremenu za koje se
moe pomjeriti rok najranijeg poetka aktivnosti, a da to ne utie na najranije mogue poetke narednih aktivnosti. Ukoliko je ukupna vremenska rezerva za neku aktivnost jednaka
0, onda je i slobodna rezerva jenaka 0.
c) Nezavisna vremenska rezerva
Nezavisna vremenska rezerva pokazuje za koliko se vremenskih jedinica moe pomjeriti

rok najkasnijeg dozvoljenog poetka aktivnosti (ij), ili za koliko se vremenskih jedinica
moe produiti trajanje aktivnosti (ij), a da to ne utie na najranije poetke svih narednih
aktivnosti (jk). Sve dok se ne iscrpi ova vremenska rezerva ( S N ) ij - dok ne postane = 0 nee se javiti nikakav uticaj na vremenske odnose ostalih aktivnosti u MD projekta."11
Nezavisna vremanska rezerva se izraunava kao razlika izmeu najranijeg zavretka i najkasnijeg poetka aktivnost (ij) i vremena trajanja aktivnosti (ij):
(1)
( S N )ij = ( t (0)
i = 1,..., n 1;
j ti ) tij za i < j ,
j = 2,..., n.
(2.7)
d) Zavisna (uslovna) vremenska rezerva
Zavisna (uslovna) vremenska rezerva se izraunava samo kod dogaaja. Za dogaaj j se

izraunava prema izrazu:
(0)
( S Z ) j = ( t (1)
j = 1,..., n.
j t j ),
(2.8)
Iz navedenog izraza moe se zakljuiti da postoje dogaaji kod kojih je najraniji trenutak
deavanja dogaaja j jednak najkasnijem trenutku deavanja dogaaja j: t (j0 ) = t (j1) , odnosno
da postoje dogaaji kod kojih je zavisna vremenska rezerva jednaka nuli: ( S z ) j = 0 . Ovakve dogaaje nazivamo kritini dogaaji.
Na sljedeem grafikonu su predstavljene ukupna, slobodna, nezavisna i uslovna vremenska
rezerva:
11
Vukovi, ., (2003), str. 24.
254
ANALIZA VREMENA
t ij
t (0)
j
t (1)
j
Najkasniji
Najraniji
Najkasniji
poetak
zavretak
zavretak
t i(0)
t i(1)
Najraniji
poetak
aktivnosti aktivnosti
aktivnosti aktivnosti
(ij)
(ij)
(ij)
t ij
t i(0)
t ij
t i(0)
t i(0)
ti(1)
t i(0)
ti(1)
(S )
t ij
(ij)
t (1)
j
SU
SS
SN
t (0)
j
t (1)
j
t (0)
j
t (1)
j
t (0)
j
t (1)
j
Z i
(S )
Z j
Grafikon 4. ematski prikaz vremenskih rezervi
Grafikon 4. naglaava razlike navedenih vremenskih rezervi. Naime, ukupna vremenska

rezerva, predstavljena SU elementom, pokazuje za koliko se vremenskih jedinica moe
pomjeriti izvrenje aktivnosti (ij), a da to ne utie na najranije mogue poetke narednih
aktivnosti. Slobodna vremenska rezerva, predstavljena SS elementom, pokazuje za koliko se
vremenskih jedinica moe pomjeriti najraniji poetak aktivnosti (ij), a da to ne utie na
najranije mogue poetke narednih aktivnosti. Slobodna vremenska rezerva je manja od
ukupne vremenske rezerve. Nezavisna vremenska rezerva, predstavljena SN elementom,
pokazuje za koliko se vremenskih jedinica moe pomjeriti rok najkasnijeg dozvoljenog poetka aktivnosti (ij), a da to ne utie na najranije poetke svih narednih aktivnosti u
projetku. Nezavisna vremenska rezerva je manja od slobodne vremenske rezerve. Zavisna
vremenska rezerva, predstavljena SZ elementom, predstavlja razliku izmeu najranijeg poetka i najkasnijeg poetka aktivnosti (ij) a odnosi se na konkretan dogaaj i, odnosno j.
255
Kritine aktivnosti i kritian put
Aktivnost kod koje su sve vremenske rezerve jednake nuli je kritina aktivnost. Kritina
aktivnost mora poeti u tano odreenom trenutku i mora se zavriti u odreenom narednom trenutku i svako kanjenje utie na realizaciju projekta. Da bi aktivnost bila kritina
treba da zadovolji sljedee uslove:
ti(0) = ti(1)
i t (0)
= t (1)
j
j
t ij = t (j0) t i(0)
(2.9)
(2.10)
Potreban uslov je da kritina aktivnost povezuje dva kritina dogaaja, to je definisano izrazom (2.9). Kritini dogaaj je dogaaj u kome su trenuci najranijeg i najkasnijeg poetka
jednaki. Ako je vrijeme trajanja aktivnosti tij jednako razlici izmeu najranijeg zavretka aktivnosti i najranijeg poetka aktivnosti slobodna vremenska rezerva je jednaka nuli (2.10). To
je dovoljan uslov da bi aktivnost bila kritina.
Kako je ukupna vremenska rezerva najvea od svih rezervi (ako je ona jednaka nuli onda su i
ostale rezerve jednake nuli), to se za aktivnost kae da je kritina ako je njena ukupna vremenska rezerva jednaka 0. Dakle, potreban i dovoljan uslov da bi aktivnost bila kritina je:
(0)
tij = t (1)
j ti
(2.11)
Vrijeme trajanja aktivnosti tij je jednako razlici izmeu najkasnijeg zavretka aktivnosti i
najranijeg poetka aktivnosti tj. maksimalno dozvoljeno vrijeme trajanja aktivnosti (i-j) je
jednako njenom vremenu trajanja.
Aktivnosti koje ne zadovoljavaju uslove (2.9) i (2.10), odnosno uslov (2.11) nisu kritine
aktivnosti.
Put u mrenom dijagramu projekta je svaki niz vremenski neposredno nasljeivanih aktivnosti koji povezuje poetni i zavrni dogaaj. Put koji povezuje poetni i zavrni dogaaj u
projektu, a koji je sastavljen od kritinih aktivnosti, predstavlja kritini put. U mrenom
dijagramu obino ima vie puteva. Svaki od tih puteva ima svoje vrijeme trajanja koje se
najee razlikuje od puta do puta. Kritini put u mrenom dijagramu ima najdue vrijeme
trajanja koje je jednako najbroj realizaciju projekta.
Na sljedeim primjerima e biti ilustrovana analiza strukture i analiza vremena po CPM
metodi.
Primjer 2.2.
Projekat Alfa se sastoji od est aktivnosti: A, B, C, D, E i F. Uslovljena su otpoinjanja sa zavrecima: C sa A i B; D sa A i B; E sa C; F sa D.

Vremena trajanja u danima su data u tabeli:
256
ANALIZA VREMENA
aktivnost
tij
10
10
15
Kompletirati analizu strukture projekta, odrediti kritini put i odrediti najbru realizaciju datog projekta.
Rjeenje:
Formirajmo matricu meuzavisnosti:

A
C
+
+
A
B
C
D
E
F
D
+
+
+
+
Iz matrice vidimo da su A i B polazne aktivnosti, a E i F su zavrne aktivnosti.

Skicirajmo mreni dijagram i numeriimo dogaaje:
4
2
f
C
A
1
Grafikon 2.2. Mreni dijagram projekta Alfa
Vrijeme trajanja svake aktivnosti unesimo u mreni dijagram.
C
1
-
1
0B
1
5D
8
F
Grafikon 2.2.a. Mreni dijagram projekta Alfa sa uneenim deterministikim

vremenima trajanja aktivnosti
257
Vrijednost t i( 0 ) za poetni dogaaj je uvijek nula. Da bi se odredila vrijednost t (j 0 ) za

svaki naredni dogaaj sabiraju se t i( 0 ) i tij svake aktivnost koja povezuje dogaaj i i
dogaaj j. Ukoliko je dogaaj j povezan sa vie neposredno prethodnih dogaaja i,
onda se uzima vei zbir t i( 0 ) i tij kao vrijednost t (j 0 ) . Ovo pravilo je iskazano formulom (2.1). Grafikon 2.2.b. predstavlja rezultat primjene ovog pravila.
10
B
20
10
C
15
D
25
8
F
33
Grafikon 2.2.b. Mreni dijagram projekta Alfa sa uneenim

deterministikim vremenima trajanja.
Ve sad sa nepotpunom analizom vremena, moemo utvrditi kolika je najkraa reali-
zacija projekta. Taj podatak je dat u t 6(0 ) = 33 , odnosno trenutak deavanja zavrnog
dogaaja. Vrijednost t (j1 ) za zavrni dogaaj je uvijek jednaka vrijednosti t (j 0 ) za za-
vrni dograaj, pa je t 6(1) = 33 . Da bi se odredila vrijednost t i( 1 ) za svaki prethodni

dogaaj potrebno je vrijeme trajanja aktivnosti koja povezuje dogaaj i i dogaaj j,
tij , oduzeti od najkasnijeg zavretka aktivnosti (i-j), odnosno od t (j1 ) . Ukoliko je dogaaj j povezan sa vie neposredno prethodnih dogaaja i, onda se uzima manja
razlika t (j1 ) i tij kao vrijednost t (j 0 ) . Grafikon 2.2.c. predstavlja rezultat primjene ovog
pravila.
258
ANALIZA VREMENA
20
10
29
1
C
0
10
10
10
15
25
25
8
F
33
33
Grafikon 2.2.c. Mreni dijagram projekta Alfa sa zavrenom analizom vremena
Na grafikon 2.2.c. smo oznaili kritini put. Za navedeni primjer, trajanje kritinog puta je
t 6(0 ) = 33 dana , odnosno najbra realizaciju projekta je 33 dana. Kritini put je put koji povezuje sljedee dogaaje: 1356, ili put koji je sastavljen od sljedeih aktivnosti: B-D-F.
Primjer 2.3.
Za realizaciju projekta Beta, treba izvriti slijedee aktivnosti: A, B, C, D, E, F i G.

Uslovljena su otpoinjanja sa zavrecima: B, D i F sa C; G sa B; E sa D i F; A sa E i G.
Vremena trajanja u mjesecima su data u tabeli:
aktivnost
tij
Kompletirati analizu strukture projekta, odrediti kritini put i odrediti najbru realizaciju projekta.
Rjeenje:
Odredimo prvo matricu meuzavisnosti:

A
A
B
C
D
E
F
G
G
+
+
+
+
+
+
259
Iz matrice vidimo da nisu sve meuzavisnosti aktivnosti iznad dijagonale i da bi trebalo izmijeniti redoslijed aktivnosti. U novu matricu, emo zapisati prvo polazne
aktivnosti, odnosno one aktivnosti koje odgovaraju praznim kolonama u matrici meuzavisnosti. Vidimo da je to aktivnost C. Zatim dolaze one aktivnosti kole
neposredno zavise samo od C, a to su aktivnosti B, D i F. U nastavku mogu doi one
aktivnosti koje zavise od prethodno napisanih, itd. Hronoloki ispravan redosljed aktivnosti u projektu je dat u sljedeoj matrici:
C
B
+
C
B
D
F
G
E
A
D
+
F
+
+
+
+
+
+
Kao i u predhodnom primjeru, sad trebamo konstruisati mreni dijagram, unijeti

vremena i izraunati najbru realizaciju projekta. Nakon popunjavanja mrenog
dijagrama potrebno je oznaiti i kritian put. Pomenute aktivnosti su zabiljeene
na grafikonu 2.3.
3
4
2
1
0
0
-
2
3
G 5
B
3
6
2
1
F 2
4
5
6
A
10 10
5
7
14 14
6
2
Grafikon 2.3. Mreni dijagram projekta Beta sa izvrenom analizom vremena
Kritini put (KP): 1-2-5-6-7 ili C-D-E-A
t7(0 ) = 14 mjeseci Najbra realizacija projekta je 14 mjeseci.
260
ANALIZA VREMENA
2.5.3. PERT-TIME metoda
PERT-TIME metoda se primjenjuje za analizu vremena u TMP u sluajevima kada se ne

mogu tano odrediti trajanja aktivnosti u posmatranom projektu. PERT-TIME metoda je
stohastika metoda i primjenjuje se kod projekata kada se vremena trajanja aktivnosti ne
mogu deterministiki odrediti, ali se moe procijeniti interval u kojem e se aktivnost vjerovatno realizovati. Analiza vremena po PERT-TIME metodi se, kao i po CPM metodi,
sastoji iz tri koraka:
1) Odreivanje vremena trajanja aktivnosti u projektu,
2) Odreivanje vremena deavanja dogaaja i
3) Odreivanje vremena trajanja projekta.
Razlika u primjeni PERT-TIME metode u odnosu na CPM metodu je u prvom koraku. Za
razliku od CPM metode, za koju su vremena trajanja aktivnosti deterministiki odreena, u
primjeni PERT-TIME metode potrebno je procijeniti tri vremena trajanja aktivnosti i na
osnovu njih izraunati oekivano vrijeme trajanja aktivnosti. To vrijeme se realizuje uz
odgovarajuu vjerovatnou. Drugi i trei korak se primjenjuju na isti nain, ali je neophodno uvesti nove simbole kako bi se korektno oznaili oekivani poeci i zavreci aktivnosti,
odnosno odredili oekivani trenuci deavanja dogaaja.
Na osnovu iskustva mogu se procijeniti tri vremena trajanja aktivnosti i to:
aij najkrae mogue ili optimistiko trajanje aktivnosti (ij). Ovo je najkrae vrijeme za obavljanje aktivnosti. Vjerovatnoa da e se neka aktivnost zavriti za vrijeme
krae od optimistikog je jednaka nuli.
mij najvjerovatnije (modalno) trajanje aktivnosti (ij). To je vrijeme za koje bi se
aktivnost najvjerovatnije izvrila ako bi se ponavljala vie puta pod istim uslovima.
Ovo vrijeme ima veu vjerovatnou izvrenja nego bilo koje od druga dva procijenjena vremena.
bij najdue mogue ili pesimistiko trajanje aktivnosti. Ovo je najdue vrijeme izvravanja aktivnosti. To je vrijeme za koje e se aktivnosti izvriti pod najnepovoljnijim
uslovima.
Iz definicija i objanjenja optimistikog, najvjerovatnijeg i pesimistikog vremena trajanja

aktivnosti slijedi odnos meu analiziranim vremenima:
aij mij bij .
Optimistiko vrijeme je krae od najvjerovatnijeg koje je krae od pesimistikog.
Pretpostavlja se da se navedena vremena trajanja aktivnosti ponaaju po distribuciji vjerovatnoe. Osnovna karakteristika distribucije je da se sve vrijednosti trajanja aktivnosti
nalaze u intervalu [aij, bij ]. distribucija je predstavljena na sljedeem grafikonu:
261
(tij)
aij
mij
(te)ij
bij
tij
Grafikon 5. distribucija vjerovatnoa
Na osnovu tri procijenjena vremena izraunava se oekivano vrijeme trajanja aktivnosti

(i-j), (te)ij, kao aritmetika sredina distribucije vjerovatnoe:12
( te )ij =
aij + 4 mij + bij

6
(2.11)
Primjenjui izraz za varijansu distribucije izraunava se varijansa da e aktivnost (ij)

realizovati u oekivanom vremenu (te)ij:
2
ij
b a
= ij ij
6
(2.12)
Izraunata varijansa predstavlja mjeru sigurnosti da e se aktivnost (ij) izvriti u oekivanom vremenu (te)ij. Varijansa aktivnosti (ij) se definie i kao mjera grubosti definisanosti
polaznih podataka (aij, mij, bij) za svaku aktivnost (ij) odreenog MD. 13 Manja vrijednost
varijanse znai veu vjerovatnou da e se aktivnost (ij) realizovati za vrijeme (te)ij.
U drugom koraku primjene PERT-TIME metode za analizu vremena utvruju se najraniji
oekivani poeci i zavreci i najkasniji oekivani poeci i zavreci aktivnosti (ij). Za primjenu PERT-TIME metode se koriste odgovarajui simboli koji su uneeni u grafikon:
12
13
Detaljan izvod izraza je predstavljen u Petri, J., (1983), str. 57-61.

Ibid., str. 61.
262
ANALIZA VREMENA
i
(T E ) i
(T L ) i
(te )ij
j
(T E ) j
(T L ) j
Grafikon 6. Oznaavanje karakteristinih veliina u PERT-TIME metodi
Poto se radi o stohastikim vremenima trajanja aktivnosti uvode se sljedei termini i simboli da bi se oznaili najraniji i najkasniji oekivani poeci i zavreci:
(TE ) i najraniji oekivani poetak aktivnosti (ij),
(TL )i najkasniji oekivani poetak aktivnosti (ij),
(TE ) j najraniji oekivani zavretak aktivnosti (ij),
(TL ) j najkasniji oekivani zavretak aktivnosti (ij).
Utvrivanje trenutaka deavanja dogaaja i oekivanih poetaka i zavretaka pojedinih aktivnosti i cijelog projekta se vri na isti nain kao kod CPM metode. Razlika je u simbolici
kako bi se napravila razlika izmeu deterministikog i stohastikog vremena trajanja aktivnosti.
Utvrivanje najranijeg oekivanog zavretka se vri prema formuli:
(TE )j = max (TE )i + (te )ij , (TE )i = 0
i
za 1 i < j n,
(2.13)
j = 2 ,..., n
Za utvrivanje najkasnijeg oekivanog poetka primjenjuje se formula:

(TL )i = min (TL ) j (te )ij , (TL ) j = (TE ) j
j
za 1 i < j n, i = ( n 1) ,...,1.
(2.14)
Odreivanje vjerovatnoe nastupanja dogaaja
Primjena PERT-TIME kao stohastike metode omoguava i procjenu vjerovatnoe ispunjenja planiranih rokova realizacije projekta. Ako se pretpostavi da deavanje dogaaja ima
263
zakon normalne distribucije i sa (TS ) j oznai planirani rok deavanja dogaaja j, tada se
odgovarajui faktor vjerovatnoe zj izraunava pomou izraza:
zj =
(TS ) j (TE ) j
(2.15)
ij2
i< j
gdje je: zj faktor vjerovatnoe, (TS ) j planirani rok deavanja dogaaja j, (TE ) j najraniji
oekivani trenutak deavanja dogaaja j i
ij2 zbir varijansi svih aktivnost koje prethode

i< j
dogaaju j, a nalaze se na putu sa najduim trajanjem. Faktor vjerovatnoe zj je rasporeen

po standardizovanoj normalnoj distribuciji zj ~ N(0, 1).
Faktor vjerovatnoe zj predstavlja vjerovatnou da e dogaaj j desiti u vremenu (Ts)j i moe se odrediti za sve dogaaje u projektu. Odreivanje faktora vjerovatnoe predstavlja prvi
korak u odreivanju vjerovatnoe. Drugi korak se sastoji u odreivanju vjerovatnoe ispunjenja postavljenih rokova na bazi izraunatih faktora vjerovatnoe. Veliina zj se
aproksimativno ponaa po teorijskom zakonu normalne distribucije, pa se vjerovatnoa
nastupanja dogaaja j u vremenu (Ts)j rauna kao P(zj) iz tabela normalnog rasporeda.
Kriva vjerovatnoe P, izraena kao funkcija faktora vjerovatnoe zj, je definisana izrazom:
1
P( z ) =
2
x2
2
dx
(2.16)
i predstavljena na sljedeem grafikonu:14

P(z)
1,0
0,5
-3
-2
-1
Grafikon 7.
14
Prema: Petri, J., (1983), str. 65 69. i Vukovi, ., (2003), str. 36 42.
264
ANALIZA VREMENA
Tabela 2. Vjerovatnoe P(z)
-3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
P(z)
0,0013
0,0019
0,0026
0,0035
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
z
-1,5
-1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
P(z)
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
z
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
P(z)
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,780
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
z
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
P(z)
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
Funkcija P(z) se najee predstavlja u obliku tablinih vrijednosti u zavisnosti od vrijednosti faktora z. U prethodnoj tabeli su predstavljene vrijednosti P(z) za vrijednosti faktora
vjerovatnoe 3 z 3 .
Najee se odreuju vjerovatnoe deavanja dogaaja od 25%, 50%, 75% i 100% i one se
dobivaju za sljedee vrijednosti z:
Vjerovatnoa deavanja dogaaja j e biti minimalno 25 % ukoliko je z -0,675,
Vjerovatnoa deavanja dogaaja j e biti minimalno 50 % ukoliko je z 0,
Vjerovatnoa deavanja dogaaja j e biti minimalno 75 % ukoliko je z 0,675,
Vjerovatnoa deavanja dogaaja j e biti priblino jednaka 100 % ukoliko je z 3.
Za odreivanje roka deavanja dogaaja j uz poznatu vjerovatnou P(z) koristi se sljedea
formula:15
(TS )1 = 0 za i = 1
(TS )i = Max
{(TS )h + ( te )hi + z hi } ,
h
15
1 h < i j n.
(2.17)
Prema Vukovi, ., (2003), str 42.
265
gdje je (t e )hi + z hi trajanje aktivnosti (h-i) sa unaprijed zadatom vjerovatnoom P(z), a

(TS )h je realizacija dogaaja h, koji neposredno prethodi dogaaju i, sa unaprijed zadatom
vjerovatnoom P(z).
U tablici se za poznato P(z) nalazi odgovarajui faktor vjerovatnoe za svaki i-ti dogaaj
koji prethodi dogaaju j i primjenom gornje formule odreuje se odgovarajui najkrai rok
deavanja dogaaja j.
Rezimirajmo: Analiza vremena omoguava da se odredi ukupno vrijeme trajanja projekta, da se odredi kritini put i najkrae vrijeme trajanja projekta. Pored toga, analiza
vremena omoguava utvrivanje kritinih i nekritinih aktivnosti i odreivanje vremenskih rezervi.
Razlikujemo CPM i Pert Time metodu za analizu vremena.
Primjer 2.4.
Za realizaciju nekog projekta treba izvriti sljedee aktivnosti: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa zavrecima: B, D i F sa C; G sa B; E sa D i F; A sa E i G.
Stohastika vremena trajanja su data u tabeli
Aktivnost
aij
mij
bij
A
7
8
9
B
3
5
7
C
2
4
24
D
7
7
7
E
4
8
12
F
4
5
12
G
9
10
11
a) Koja je oekivana najbra realizacija projekta?
Odgovor na ovo pitanje emo dobiti ako odredimo mreni dijagram i uradimo analizu
vremena sa oekivanim vremenima.
Prvo izraunajmo oekivana vremena i standardnu devijaciju za svaku aktivnost u
projektu. To radimu upotrebom formula
(te )ij =
aij + 4 mij + bij

6
ij
bij aij
=
6
odnosno
bij aij
.
ij =
Rezultirajua oekivana vremena i standardne devijacije su dati u sljedeoj tabeli:
266
ANALIZA VREMENA
A
8
2/6
(te)ij
ij
B
5
4/6
C
7
22/6
D
7
0
E
8
8/6
F
6
8/6
G
10
2/6
Odredimo matricu meuzavisnosti:

A
A
B
C
D
E
F
G
+
+
+
+
+
+
+
Hronoloki redoslijed i odgovarajui mreni dijagram datog projekta su dati u narednoj matrici i na grafikonu 2. 4.
C
B
+
C
B
D
F
G
E
A
D
+
F
+
+
+
+
+
+
G
B
C
D
F
f
Grafikon 2.4. Mreni dijagram projekta
267
Oekivana vremena (t e )ij upisujemo u mreni dijagram i onda na isti nain ako i kod
CPM metode odreujemo najbru oekivanu realizaciju projekta.
3
12
2
1
0
7
22/6
2
7
4/6
G 10
2/6
12
14
1
F 6
8/6
14
2
8
8/6
6
A
8
22 22
2/6
3,5
7
30 30
6
4
13
14
2
(TE)7 = 30 Oekivana realizacija projekta je 30 dana.

Vjerovatnoa da e projekt trajati 30 dana je, u skladu sa formulom (2.15), 50%.
b) Koji su kritini putevi?
Projekat ima dva kritina puta i to:

KP1: 1-2-3-6-7 ili C-B-G-A
KP2:1-2-5-6-7 ili C-D-E-A
c) Da li bi smjeli potpisati rok realizacije projekta od 35 dana uz vjerovatnou ostvarenja 75% bez dodatnih ulaganja?
Deavanja svih dogaaja u projektu su procjenjena sa vjerovatnoom 50%, a sada je

potrebno deavanja tih dogaaja procijeniti sa 75% sigurnou.
Koristit emo formulu (2.17) uz napomenu da je z = 0.675 faktor vjerovatnoe P(z) =
0,75.
(Ts)7 = 35 dana
(Ts ) i = max (Ts ) h + (t e ) hi + z o hi

h
268
]}
ANALIZA VREMENA
i =1 h = 0
(Ts)1 = 0
i = 2 h =1
0 + 7 + 0,675 22 / 6 = 9, 475
(Ts)2 = 9, 475
i=3 h=2
9, 475 + 5 + 0,675 4 / 6 = 14,925
(Ts)3 = 14,925
i=4 h=2
9, 475 + 6 + 0,675 8 / 6 = 16,375
(Ts)4 = 16,375
h = 2
i=5
h = 4
h = 3
i=6
h = 5
9, 475 + 7 + 0,675 0 = 16, 475
(Ts)5 = 16, 475
i=7 h=6
16,375 + 0 + 0,675 0 = 16,375

14,925 + 10 + 0,675 2 / 6 = 25,15 (Ts)6 = 25,375
16, 475 + 8 + 0,675 8 / 6 = 25,375
25,375 + 8 + 0,675 2 / 6 = 33,6
(Ts)7 = 33,6
Najkraa mogua realizacija projekta uz vjerovatnou 75% je 33,6 dana. Poto je ponueni rok od 35 dana vei od izraunatog to znai da bismo smjeli prihvatiti rok za
realizaciju projekta od 35 dana uz vjerovatnou 75%.
b) Odrediti ukupnu vremensku rezervu aktivnosti F i objasniti znaenje dobijene vrijednosti.
( SU )ij = ((TL ) j (TE )i ) ( te )ij
( SU ) F = (14 7) 6 = 1
Aktivnost F moe kasniti ili trajati jedan dan due a da to ne utie na najraniji zavretak projekta.
269
2.6. Analiza trokova

Analiza trokova u Tehnici mrenog planiranja obuhvata istraivanje zavisnosti trokova
pojedinih aktivnosti od vremena njihovog trajanja i trokova projekta o vremenu realizacije
projekta. Za svaku pravu aktivnost, dakle aktivnost koja zahtijeva i utroak vremena i utroak sredstava, treba odrediti trokove njene realizacije. Trokovi se u ovoj analizi
posmatraju kao funkcija vremena, a ostali faktori kao parametri. Najpoznatija i najee
primjenjivana metoda za analizu trokova je PERT-COST metoda.
2.6.1. PERT-COST metoda
PERT-COST je metoda za analizu trokova realizacije projekta. Uz praenje vremena trajanja aktivnosti, neophodno je pratiti i trokove pojedinih aktivnosti, ali i projekta u cjelini.
PERT-COST metoda obuhvata planiranje i praenje direktnih trokova po aktivnostima, po
nosiocima i po planskim vremenskim periodima. Osnovna ideja PERT-COST metode je
detaljno planiranje potrebnih trokova, praenje njihovog izvrenja i stalne intervencije radi
svoenja na minimum eventualnih prekoraenja.16
Za primjenu PERT-COST metode i utvrivanje kvantitativnog oblika meuzavisnosti trokova i vremena potrebno je definisati sljedea etiri pojma i njihove simbole:
Normalni troak predstavlja apsolutno najnii troak kojim se moe realizovati aktivnost (ij) i oznaava se sa C ijN .
Normalno trajanje aktivnosti (ij) je najkrae trajanje te aktivnosti uz normalne trokove. Simbol za normalno trajanje aktivnosti je t ijN .
Usiljeno trajanje aktivnosti (ij) predstavlja apsolutno najbru moguu realizaciju aktivnosti (ij) i oznaava se sa t ijU .
Usiljeni troak je minimalni troak sa kojim se moe ostvariti usiljeno trajanje aktivnosti (ij). Usiljeni troak se oznaava sa C ijU .
Normalnom vremenu trajanja aktivnosti t ijN odgovaraju normalni trokovi C ijN . Usiljenom
vremenu trajanja aktivnosti t ijU odgovaraju usiljeni trokovi C ijU .
Funkcija trokova C ij = C (t ij ) proste aktivnosti (ij) i definisana vremena i trokovi su predstavljeni na sljedeem grafikonu:
16
Radulovi, A., Radojevi, M., (1988), str.136.
270
ANALIZA TROKOVA
Cij
CijU
Cij
CijN
N
tij
tij
tij
tij
Grafikon 8.
Na grafikonu su predstavljene dvije ekstremne take N i U. Taka N na grafikonu predstavlja taku ije su koordinate normalno vrijeme trajanja aktivnosti i normalni trokovi
realizacije aktivnosti ( t ijN ; C ijN ).
Taka U predstavlja taku ije su koordinate usiljeno vrijeme trajanja aktivnosti i usiljeni
trokovi realizacije aktivnosti ( t ijU ; C ijU ). Oblik veze izmeu trokova i vremena izmeu
taaka N i U moe da bude razliit: linearan, kvadratni, eksponencijalni, stepeni i zavisi o
prirodi aktivnosti i projekta koji se istrauje. Funkcija C ij = C (t ij ) moe imati razliite oblike. Zbog jednostavnosti izlaganja i objanjenja pretpostavlja se da je veza izmeu trokova i
vremena izmeu taaka N i U linearna, odnosno pravolinijska i da se funkcija trokova za aktivnost (ij) moe napisati u sljedeem obliku:
Cij = a + b t ij , 0 < t ijU t ijN
Prava trokova prolazi kroz take N i U, pa e jednaina ove linearne funkcije biti:
(C
ij
U
ij
)=
CijN CijU
tijN tijU
( tij tijU )
C N CU
C N CU
Cij = CijU ijN Uij tijU + ijN Uij tij
tij tij
tij tij
b=
CijN CijU
t t
N
ij
U
ij
CijU CijN
t t
N
ij
U
ij
Cij
tij
<0
(2.18)
271
Kod linearne funkcije trokova koja povezuje take N i U apsolutna vrijednost koeficijenta
b predstavlja prosjeni prirast trokova.
Razlika izmeu normalnog i usiljenog vremena za aktivnost (ij) pokazuje za koliko se
vremenskih jedinica moe maksimalno skratiti normalno trajanje t ijN te aktivnosti
t ij = t ijN t ijU 0 .
Razlika izmeu usiljenih i normalnih trokova Cij = (CijU CijN ) 0 aktivnosti (ij)
predstavlja minimalan prirataj trokova kod navedenog skraenja aktivnosti (ij) za tijN
vremenskih jedinica.
Odreivanje jedininog prirasta trokova
Na osnovu definisanih usiljenih i normalnih vremena trajanja pojedinih aktivnosti i usiljenih i normalnih trokova potrebnih za realizaciju tih aktivnosti izraunava se jedinini ili
prosjeni prirast trokova. Jedinini prirast trokova za aktivnost (ij) se izraunava primjenom sljedee formule:
Cij
tij
CijU CijN
tijN tijU
0, i < j , i = 1,...,n-1,
j = 2,...,n.
(2.19)
Jedinini prirast trokova pokazuje da e, po svakoj vremenskoj jedinici skraenja trajanja

Cij
aktivnosti, trokovi u prosjeku porasti za
novanih jedinica.
tij
Moe se izraziti i reciprona vrijednost jedininog prirasta trokova:
tij
Cij
tijN tijU
CijU CijN
0, i < j, i = 1,...,n-1,
j = 2,...,n.
(2.20)
Izvedeni izraz predstavlja jedinini prirast trajanja i pokazuje za koliko je prosjeno potrebno produiti trajanje aktivnosti (ij) po svakoj novanoj jedinici smanjenja trokova.17
Ukupni trokovi realizacije projekta su jednaki zbiru svih trokova potrebnih za realizaciju
aktivnosti u posmatranom projektu:
C = CijN
i< j
17
Vukovi, ., (2003), str 53.
272
(2.21)
ANALIZA TROKOVA
Normalnom vremenu realizacije projekta odgovaraju normalni trokovi. U analizi trokova

i iznalaenju optimalnih odnosa izmeu vremena i trokova pojedinih aktivnosti i cijelog
projekta mogu se definisati dva zadatka. Prvi bi bio realizacija projekta u odreenom vremenu uz minimalne trokove. Drugi zadatak bi bio da se za poznate trokove odredi najbra
mogua realizacija projekta.
Da bi se realizovali navedeni zadaci, potrebno je izvriti skraivanje trajanja projekta tako
da se trokovi to manje poveaju.
Postoji nekoliko kriterija koje je pri skraivanju potrebno primijeniti i koji e biti ilustrovani na numerikim primjerima. To su:
Skraivati vrijeme trajanja aktivnosti na kritinom putu, sve dok ne doe do prenoenja kritinosti na neki drugi put;
Prednost pri skraivanju dati aktivnostima koje imaju najmanji jedinini prirast trokova;
Kod mrenih dijagrama koji imaju vie kritinih puteva vriti skaraivanje svakog od
tih puteva za isti broj vremenskih jedinica;
Ukoliko se trai najbra mogua realizacija projekta skraivati vrijeme trajanja do roka ija je donja granica usiljeno vrijeme kritinih aktivnosti na kritinom putu na
kojem se taj rok prvo ostvari.
Na sljedeim primjerima e biti predstavljena primjena PERT-COST metode za analizu

trokova u Tehnici mrenog planiranja.
Primjer 2.5.
Za realizaciju nekog projekta treba izvriti sljedee aktivnosti: A, B, C, D, E i F. Uslovljena su otpoinjanja sa zavrecima: B i F sa E; C sa B; D sa B i F; A sa C i D.
Poznati su i sljedei podaci:
A
t ijN
10
14
10
mjeseci
CijN
20
30
25
15
20
20
1000 KM
t ijU
mjeseci
CijU
32
50
33
45
30
23
1000 KM
Prvo treba da kompletiramo analizu strukture projekta: matricu meuzavisnosti i mreni dijagram
273
A
A
B
C
D
E
F
X
X
X
X
X
Hronoloki poredane aktivnosti date su u sljedeoj matrici meuzavisnosti:

E
B
X
E
B
F
C
D
A
F
X
X
X
X
X
Odgovarajui mreni dijagram je oblika:

E
f
C
U skicirani mreni dijagram za svaku aktivnost unesemo podatke o normalnom i usiljenom trajanju. Ovi podaci se upisuju iznad stralice i odvajamo ih sa ;. Dakle, za
svaku aktivnost upisujemo tijN ; tijU . Ispod strelice koja prezentuje aktivnost upisujemo jedinini prirast trokova.
Jedinini prirast trokova raunamo iz formule (2.19) pa imamo da je:
Aktivnosti
A
B
C
D
E
F
274
C/t
6
5
4
3
2
3
ANALIZA TROKOVA
Nain raunanja najranijih i najkasnijih trenutaka otpoinjanja aktivnosti je isti kao i

kod CPM metode ali se za polazni dijagram, odnosno za realizaciju projekta koja
najmanje kota, koriste normalna vremena.
1
0
E 10; 5
0
10
F 5; 4
10
1
B
16
D 14; 4
16
30
A 5; 3
30
35
35
5
6; 2
C 10; 8
6
3
16
16
2
Grafikon 2.5. Mreni dijagram projekta
Trokovi najekonominije realizacije projekta:
CijN
20
30
25
15
20
20
1000 KM
C = C ijN = 20.000 KM + 30.000 KM + 25.000 KM + 15.000 KM + 20.000 KM +

i< j
+20.000 KM = 130.000 km
Trajanje najekonominije realizacije projekta: t 6(0 ) = 35 mjeseci
Kritini put je 123456, odnosno EBfDA.

Ukoliko treba da optimalno programiramo realizaciju projekta uz odreena finansijska sredstva, ili za odreeni period, onda moramo skraivati kritine aktivnosti u
projektu. Prilikom skraivanja aktivnosti potrebno je posebno navesti koja skraivanja se vre, redoslijed skraivanja, za koliko vremenskih jedinica (u ovom sluaju
mjeseci) se skrauje pojedina aktivnost, kao i prirataj trokova pri svakom skraivanju.
Ako je zadatak da optimalno programiramo realizaciju projekta uz finansijska sredstva od 157.000 KM, to znai da moemo ubrzati projekat jer imamo dovoljno
finansijskih sredstava. Ubrzanje projekta emo postii skraivanjem kritinih aktivnosti. Postupak je sljedei:
275
Odredimo sve puteve u projektu i duine njegovih trajanja. U projektu imamo tri puta
i unaveemo njihova vremena trajanja, normalna i usiljena. Napomenimo da je normalno trajanje puta, najbre trajanje uz finansijska sredstva 130.000 KM a usiljeno
trajanje puta je apsolutno najbre vrijeme za koje se aktivnosti na putu mogu izvriti.
KP
II
III
1 2 3 4 5 6
10/ 5 + 6/ 5 + 0 + 14/ 10 + 5 = 35 30 26 25
=
= 14
5 + 2 + 0 + 4 + 3
1 2 4 5 6
10/ 5 + 5 + 14/ 10 + 5
=
5 + 4 + 4 + 3
1 2 3 5 6
10/ 5 + 6/ 5 + 10 + 5
=
5 + 2 + 8 + 3
= 34 29 25
= 16
= 31 26 25
= 18
Na kritinom putu, najmanji prirast trokova ima aktivnost E, pa emo nju prvu skratiti.
Kratimo aktivnost E (A12) za 5 mjeseci. Prirast trokova pri ovom skraivanju je
C1 = 5 2 = 10 10 1.000 =10.000 KM
Skraivanjem aktivnosti E, skratili smo sve puteve u projektu a i sam projekat za 5
mjeseci. Sada projekat traje 30 mjeseci, a na shemi iznad vidimo da put II traje 29
mjeseci i put III traje 26 mjeseci.
Aktivnost E se ne moe vie skratiti.
Na kritinom putu sa najmanjim prirastom je sada aktivnost D. Iako se ova aktivnost
moe skratiti za 10 mjeseci (14 4), ovim skraivanjem se nabi postiglo skraenje
projekta od 10 mjeseci jer put III nee biti skraen, a on traje 26 mjeseci.
Odavde se zakljuuje da je potrebno aktivnost D skratiti ali samo onoliko mjeseci koliko e to uticati na projekat, odnosno za 4 mjeseca (30 26).
Kratimo aktivnost D (A45) za 4 mjeseca. Prirast trokova pri ovom skraivanju je
C2 = 4 3 = 12 12 1.000 =12.000 KM
Ovim skraivanjem na projekat traje 26 mjeseci i dobili smo dva puta koji traju 26
mjeseci, dakle imamo dva kritina puta.
Trokovi ubrzanja projekta do 26 mjeseci iznose:
C = 130.000 + 10.000 + 12.000 = 152.000 KM
276
ANALIZA TROKOVA
Moemo nastaviti sa skraivanjem. Na raspolaganju imamo 157.000 152.000 = 5.000

KM.
Za nastavak kraenja biramo aktivnosti koje omoguuju skraivanje oba puta a istovremeno najmanje kotaju. Biramo aktivnost B, jer se njegovim kraenjem krate i oba
kritina puta. Jedeinini prirataj kod aktivnosti B je 5.000 KM/mj, pa to znai da je
potrebno skratiti ovu aktivnost samo za 1 mjesec.
Kratimo aktivnost B (A23) za 1 mjesec. Prirast trokova pri ovom skraivanju je
C3 = 1 5 = 5 5 1.000 =5.000 KM
Ukupni prirataj trokova je C = 10.000 KM + 12.000 KM + 5.000 KM = 27.000 KM
Vrijeme realizacije projekta je 25 mjeseci.
Nakon ovog posljednjeg skraivanja projekta, projekat sadri 3 kritina puta:
123456, 12456 i 12356 .
Apsolutno najbra realizacija projekta je 18 mjeseci. Nime, put III se ne moe izvriti
za vrijeme krae od 18 mjeseci pa znai da ni projekat ne moe trajati manje od 18
mjeseci.
Primjer 2.6.
Kod nekog projekta aktivnosti su: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa

zavrecima: B i E sa F i G; A sa B; D sa E; C sa A i D.
A
t ijN
10
dana
t ijU
dana
CijN
20
12
18
15
10
16
100 KM
CijU
20
18
26
18
20
20
24
100 KM
277
a) Treba odrediti najekonominiju realizaciju projekta (trokove realizacije projekta,

vrijeme izvrenja i kritine puteve), i:
A
A
B
C
D
E
F
G
+
A
+
+
B
+
+
E
7; 4
0; 0
G
4; 2
4
2
4
7
1
B 5; 2
2
4
12
14
3
E 10; 5
B
+
+
E
+
+
+
+
+
+
6
20 20
5
6; 6
A
-
D 3;2
F
G
B
E
A
D
C
1
-
C
t
C
+
5; 3
4
7
25
25
6
5
17
17
3
t 7(0 ) = 25 dana
C = 9.600 KM
KP: FEDC
b) Treba odrediti realizaciju projekta za 20 dana (trokove realizacije i kritine puteve).

I 1 3 4 6 7
278
II KP
1 3 5 6 7
III
1 2 3 4 6 7
IV
1 2 3 5 6 7
7 + 5 + 6 + 5 = 23; 21; 20
=
4 + 2 + 6 + 3 = 15
7 + 10 + 3 + 5 = 25; 23; 21; 20
=
4 + 5 + 2 + 3 = 14
4 + 0 + 5 + 6 + 5 = 20; 18; 17
=
2 + 0 + 2 + 6 + 3 = 13
4 + 0 + 10 + 3 + 5 = 22; 20; 18; 17
=
2 + 0 + 6 + 2 + 3 = 13
ANALIZA TROKOVA
Kratimo E (A35) na KP (jer ima najnii prirast trokova) za 2 dana

C1 = 2 2
400 KM
Dobili smo dva kritina puta: put II i put I. Sada imamo dvije alternativne najjeftinije
varijante:
Opcija 1:
Opcija 2:
Kratimo C (A67) za 2 dana
C2 = 2 4
800 KM i
kratimo B i E (A34 i A35) za 1 dan
C3 = 1 (2+2) =
400 KM .
Kratimo B i E (A34 i A35) za 3 dana C2 = 3 (2+2) = 1.200 KM
Projekat traje 20 dana. Kraenje ja zavreno.

KP1: 1-3-5-6-7 KP2: 1-3-4-6-7 t 7(0 )* = 20 dana C*= 9.600 + 400 + 1.200 = 11.200 KM
c) Kolika je slobodna vremenska rezerva aktivnosti B i ta nam ona govori?
(Ss) = 12-5-7 = 0
Aktivnost B ne smije kasniti sa najranijim poetkom jer bi to ugrozilo najranije otpoinjanje narednih aktivnosti.
279

1)
Koje su osnovne etape u primjeni Tehnike mrenog planiranja?
2)
Napiite formulu za izraunavanje (t e ) i , j ?
3)
ta je to ''poetni dogaaj'' u projektu ?
4)
Definiite projekt, aktivnost, dogaaj.
5)
Nabrojte kriterije za podjelu aktivnosti i vrste aktivnosti.
6)
Koji su potrebni i dovoljni uslovi da bi aktivnost Aij bila kritina?
7)
Navesti dvije osnovne metode za analizu vremena u Tehnici mrenog planiranja i objasniti osnovne razlike izmeu njih i kada se koja koristi.
8)
Napisati izraz za izraunavanje trenutka najranijeg zavretka aktivnosti Aij.
9)
Napisati izraz za izraunavanje trenutka najkasnijeg poetka aktivnosti Aij
(0)
10) Objasnite sljedei izraz: ( SU )ij = ( t (1)

j ti ) tij 0 za i < j
11) Ako se rok realizacije nekog dogaaja ''j'' odreuje s vjerovatnoom 1,00, koja se vrijednost za Z o stavlja u test nejednainu Z j Z o ?
12) Kako na osnovu matrice meuzavisnosti u TMP-u moemo saznati koje su zavrne
aktivnosti?
13) ta u TMP predstavlja izraunata vrijednost i2, j ?
14) Objasnite sljedei izraz: ( S Z ) k = ( tk(1) tk(0) ) , k = 1,..., n
15) Ako je PERT-TIME metodom procijenjeno da projekt traje 30 dana, tada je vjerovatnoa izvrenja projekta za 33 dana:
a)
b)
c)
d)
vea od 50 %,
manja od 50%,
vea od 75%,
manja od 75%.
16) Ukoliko je varijansa vremena trajanja aktivnosti (ij) izraunata i iznosi ij2 = 0, onda
za ocijenjena vremena aij i bij vrijedi:
a) aij > bij,
b) aij < bij,
c) aij = bij.
280
17) Objasnite izraz (TE ) j ?

18) ta predstavlja izraunata vrijednost (TL ) j ?
19) ta predstavlja izraz (TL )i u TMP-u?
20) Da bi bili sigurni da je neki projekat u TMP-u ''izvodljiv'', kakva mora biti njegova
''matrica meuzavisnosti'' ?
21) Napisati formulu za odreivanje vrijednosti (TL )i .
22) Definiite kritini put ?
23)
Da li svaki projekt mora imati barem jedan kritini put i zato ?
24) U kakvom su odnosu duina trajanja aktivnosti na kritinom putu i duina trajanja
projekta ?
25) Napisati formulu za odreivanje vrijednosti (TE ) j .
26) Napiite formulu za izraunavanje vjerovatnoe da e dogaaj j nastupiti u vremenu (TS ) j .
27) Napiite izraz za izraunavanje ukupne vremenske rezerve i objasnite ga.
28) Napiite izraz za izraunavanje slobodne rezerve i objasnite ga.
29) Koja je razlika izmeu ukupne i slobodne vremenske rezerve ?
30) Napiite izraz za izraunavanje nezavisne vremenske rezerve i objasnite ga.
31) Definiite zavisnu (uslovnu) vremensku rezervu i objasnite je.
32) Napiite izraz za izraunavanje jedininog prirasta trokova.
33) Objasnite izraze: CijU i tijU i napiite kada i gdje ih koristite.
34) Slobodna vremenska rezerva aktivnosti A nam daje informaciju koliko vremenskih
jedinica moe:
a) kasniti otpoinjanje aktivnosti A da se ne ugrozi duina trajanja projekta,
b) produiti aktivnost A da se ne ugrozi najranije otpoinjanje naredne aktivnosti,
c) kasniti otpoinjanje aktivnosti A da se ne ugrozi najkasnije otpoinjanje naredne
aktivnosti.
35) Za svaku vremensku jedinicu skraenja aktivnosti Aij trokovi realizacije projekta e
se poveati za:
a) C,
b) CijN,
281
c) CijU,
d) C/ t.
36) ta je karakteristino za poetni i zavrni dogaaj projekta:
a)
b)
c)
d)
uvijek su poznate njihove vrijednosti najranijeg i najkasnijeg otpoinjanja,

vremenske rezerve tih dogaaja su pozitivne,
u pitanju su kritini dogaaji,
poetni dogaaj ima veu vremensku rezervu nego zavrni dogaaj?
38) Objasnite sljedee izraze: CijN, tijN i napiite kada i gdje ih koristite.
39) Koje od spomenutih tvrdnji vezanih za kritini put projekta su tane:
a)
b)
c)
d)
Vremenske rezerve na kritinom putu su uvijek vee od nula.

Kritini put je najkrai put u projektu.
Moe postojati najvie jedan kritini put u svakom projektu.
Moe postojati barem jedan kritini put u svakom projektu.
40) Koja od spomenutih izjava vezanih za kritini put projekta nije tana:
a)
b)
c)
d)
e)
Vremenske rezerve na kritinom putu su nula.

Kritian put je najdui put u projektu.
Svi dogaaji na kritinom putu su kritini.
Moe postojati najvie jedan kritian put u svakom projektu.
Mora postojati barem jedan kritian put u svakom projektu.
41) Ako se aktivnost A nalazi na kritinom putu, onda su njene rezerve:

a)
b)
c)
d)
vee od jedan,
sve iste i jednake vremenu trajanja aktivnosti A,
sve su 0,
manje od jedan.
42) Slobodna vremenska rezerva aktivnosti A nam daje informaciju koliko vremenskih
jedinica moe:
a) kasniti otpoinjanje aktivnosti A da se ne ugrozi duina trajanja projekta,
b) produiti aktivnost A da se ne ugrozi najranije otpoinjanje naredne aktivnosti,
c) kasniti otpoinjanje aktivnosti A da se ne ugrozi najkasnije otpoinjanje naredne
aktivnosti.
43) ta je karakteristino za poetni i zavrni dogaaj projekta:
a) uvijek su poznate njihove vrijednosti najranijeg i najkasnijeg otpoinjanja,
b) vremenske rezerve tih dogaaja su pozitivne,
282
c) u pitanju su kritini dogaaji,

d) poetni dogaaj ima veu vremensku rezervu nego zavrni dogaaj?
47) Da bi bili sigurni da je neki projekt u TMP-u izvodljiv, kakva mora biti njegova matrica meuzavisnosti?
48) Kada se u TMP-u primjenjuje PERT-TIME metoda?
49) Kada se primjenjuje CPM metoda u TMP-u?
50) Kako na osnovu matrice meuzavisnosti u TMP-u moemo saznati koje su zavrne
aktivnosti?
51) ta predstavlja izraunata vrijednost (t e )i, j ?
52) Napisati formulu za izraunavanje i2, j ?
53) ta predstavlja vrijednost i2, j u TMP-u ?
54) Koja je razlika izmeu CPM i PERT-TIME metode?
55) Koja je vremena potrebno poznavati za primjenu PERT-TIME metode u TMP-u?
56) Napisati formulu za izraunavanje vjerovatnoe da e dogaaj j nastupiti u vremenu
(TS ) j .
57) ta predstavlja izraz CijN u TMP-u?
58) ta predstavlja izraz CijU u TMP-u?
59) Kada se koristi izraz tijU u TMP-u ?
60) Kojim trokovima odgovara vrijeme tijN u TMP-u ?
283

Zadatak 2.1.
Za realizaciju nekog projekta treba uraditi sljedee aktivnosti: A, B, C, D, E, F, G i H. Uslovljena su otpoinjanja sa zavrecima: E sa B; G sa D i F; H sa F; C sa G i H; A sa C i E.
Vremena trajanja i trokovi su dati u tabeli:
Aktivnost
t ijN
13
19
14
dana
U
ij
13
14
dana
N
ij
10
20
15
10
12
10
16
100 KM
U
ij
19
30
15
34
24
22
22
100 KM
Odrediti najekonominiju realizaciju projekta (trokove realizacije projekta, vrijeme izvrenja projekta i kritine puteve).
Zadatak 2.2.
Kod nekog projekta aktivnosti su: M, N, O, P, R, S i V. Uslovljena su otpoinjanja sa zavrecima: N i R sa S i V; M sa N; P sa R; O sa M i P.

Aktivnost
N
ij
2,5
2,5
1,5
3,5
dana
t ijU
1,5
2,5
dana
CijN
10
7,5
2,5
100 $
CijU
10
13
10
10
12
100 $
Treba odrediti:
a) Najekonominiju realizaciju projekta (trokove realizacije projekta, vrijeme izvrenja
i kritine puteve).
b) Realizaciju projekta za 10 dana (trokove realizacije i kritine puteve).
c) Koliko dana bi trajala apsolutno najbra realizacija projekta?
284
ZADACI ZA VJEBU
Zadatak 2.3.
Za projekat iz zadatka 2.1.

a) Optimalno programirati realizaciju projekta sa novanim sredstvima 12.000 KM.
b) Koliko je tada trajanje projekta i koji su putevi kritini?
Zadatak 2.4.
Za realizaciju nekog posla treba uraditi sljedee aktivnosti: A, B, C, D, E, F, G, H i I. Uslovljena su otpoinjanja sa zavrecima: B, C, D sa A; E sa B i C; F sa C; G sa F; H sa D i F;
I sa E, G i H.
Poznata su i stohastika vremena trajanja ovih aktivnosti:
Aktivnosti
aij
mij
bij
8
9
10
4
5
12
5
5
5
13
15
23
3
10
11
9
12
15
4
6
8
7
10
13
3
4
11
dana
dana
dana
a) Kompletirati analizu strukture projekta, odrediti najkrae oekivano trajanje projekta i

njegove kritine puteve.
b) Koji bi rok ostvarenja smjeli potpisati uz vjerovatnou 100 % (bez dodatnih ulaganja)?
c) Odrediti ukupnu vremensku rezervu aktivnosti B i objasniti znaenje dobijene vrijednosti.
Zadatak 2.5.
Za realizaciju nekog posla treba uraditi sljedee aktivnosti: A, B, C, D, E, F i G. Uslovljena

su otpoinjanja sa zavrecima: C i A sa D; F sa A i C; E sa A; G sa B.
Aktivnosti
aij
mij
bij
5
10
15
12
13
20
5
7
9
6
8
10
3
3
3
2
3
4
2
6
16
dana
dana
dana

c) Odrediti nezavisnu vremensku rezervu aktivnosti C i objasniti znaenje dobijene vrijednosti.
285
Zadatak 2.6.
Kod nekog projekta uoene su sljedee aktivnosti: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa zavrecima: B i C sa A; D sa B; E sa C; F sa C i D; G sa E.

Aktivnosti
Normalno vrijeme
Normalni troak
Usiljeno vrijeme
Usiljeni troak
A
8
4
6
12
B
4
0
4
0
C
6
2
2
18
D
7
10
7
10
E
9
13
2
20
F
10
10
5
20
G
8
10
4
30
dana
100 KM
dana
100 KM
a) Nacrtati mreni dijagram i odrediti vrijeme trajanja projekta koji ima najnie trokove. Naznaiti kritini put (ili kritine puteve), vrijeme i trokove ove realizacije.
b) Optimalno programirati realizaciju projekta sa novanim sredstvima 6.000 KM. Koliko je tada trajanje projekta i koje aktivnosti su tada kritine?
Zadatak 2.7.
Za realizaciju nekog projekta treba izvriti sljedee aktivnosti: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa zavrecima: B, D i F sa C; G sa B; E sa D i F; A sa E i G.
Aktivnost
aij
mij
bij
3,5
4
4,5
1,5
2,5
3,5
1
2
12
3,5
3,5
3,5
2
4
6
2
2,5
6
4,5
5
5,5
a) Koja je oekivana najbra realizacija projekta i vjerovatnoa da e se ona stvarno desiti i koji su kritini putevi?
b) Da li bi smjeli potpisati rok realizacije projekta od 20 dana uz vjerovatnou ostvarenja 75% bez dodatnih ulaganja?
c) Kompletirati analizu strukture projekta i odgovarajue podatke unijeti u mreni dijagram projekta.
d) Odrediti ukupne i nezavisne vremenske rezerve nekritinih aktivnosti.
Zadatak 2.8.
Za realizaciju nekog projekta treba uraditi sljedee aktivnosti: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa zavrecima: D i G sa E; B sa D; A i F sa G; C sa A i F.
286
ZADACI ZA VJEBU
Stohastika vremena trajanja aktivnosti su data u tabeli:

Aktivnost
aij
mij
bij
5
7
9
9
10
11
3
3
3
2
4
6
4
5
12
1
2
3
1
4
7
dana
dana
dana
a) Koja je oekivana najbra realizacija projekta, koja je vjerovatnoa da e se ona

stvarno desiti i koji su kritini putevi?
b) Da li bi smjeli potpisati rok realizacije projekta od 15 dana bez dodatnih ulaganja i
velikog rizika (vjerovatnoa 25%)?
c) Odrediti ukupne vremenske rezerve nekritinih aktivnosti. Objasniti znaenje jedne
od njih.
Zadatak 2.9.
Kod nekog projekta poznate su aktivnosti: A, B, C, D, E, F i G. Uslovljena su otpoinjanja

sa zavrecima: B sa A; C i G sa B i D; D sa E; F sa C i G.
Aktivnost
t ijN
10
10
mjeseci
U
ij
mjeseci
N
ij
10
10
1.000 KM
U
ij
20
20
12
22
20
12
1.000 KM
a) Kompletirati analizu strukture projekta. Optimalno programirati najekonominiju realizaciju projekta (trokove realizacije projekta, vrijeme izvrenja i kritine puteve).
b) Optimalno programirati apsolutno najbru realizaciju projekta. Koliki su trokovi i
vrijeme potrebno za tu realizaciju?
c) Vremena realizacije unijeti u poseban mreni dijagram.
Zadatak 2.10.
Za realizaciju nekog projekta treba uraditi sljedee aktivnosti: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa zavrecima: C i F sa G; E i B sa F; D sa E i B; A sa E.
Stohastika vremena trajanja aktivnosti su data u tabeli:
287
Aktivnost
aij
mij
bij
6
7
8
8
10
12
9
9
9
2
3
10
2
3
4
1
3
5
3
4
9
dana
dana
dana
a) Koja je oekivana najbra realizacija projekta, koja je vjerovatnoa da e se ona

stvarno desiti i koji su kritini putevi?
b) Koji bi rok realizacije projekta smjeli potpisati uz vjerovatnou 75% (bez dodatnih
ulaganja)?
c) Odrediti i objasniti slobodne vremenske rezerve nekritinih aktivnosti.
Zadatak 2.11.
Kod nekog projekta poznate su aktivnosti: A, B, C, D, E, F, G i H. Uslovljena su otpoinjanja sa zavrecima: C i D sa A; E sa C; F sa E i D; G sa B i C; H sa F i G.

Aktivnost
t ijN
10
12
11
16
dana
t ijU
11
dana
CijU
40
30
40
32
40
55
50
100 $
CijN
40
22
20
14
37
20
26
100 $
a) Kompletirati analizu strukture projekta.

b) Optimalno programirati najekonominiju realizaciju projekta (trokove realizacije
projekta, vrijeme izvrenja i kritine puteve).
c) Ako na raspolaganju imamo 20.900 $, za koliko dana se posao moe najranije zavriti
uz data sredstva?
Zadatak 2.12.
Za realizaciju nekog posla treba uraditi sljedee aktivnosti: A, B, C, D, E, F, G, H i I. Uslovljena su otpoinjanja sa zavrecima: B, C, D sa A; E sa B i C; F sa C; G sa F; H sa D i F;
I sa E, G, H.
288
ZADACI ZA VJEBU
Aktivnost
Optimistiko
vrijeme
Najvjerovatnije vrijeme
Pesimistiko
vrijeme
13
dana
15
10
12
10
dana
10
12
23
11
15
13
11
dana

c) Odrediti ukupnu vremensku rezervu aktivnosti B i objasni znaenje dobijene vrijednosti.
Zadatak 2.13.
Kod nekog projekta aktivnosti su: A, B, C, D, E, F i G. Uslovljena su otpoinjanja sa zavrecima: E sa A; F sa B i E; D sa F; C sa F i G.

Aktivnost
N
ij
10
dana
U
ij
dana
U
ij
26
15
24
20
14
16
100
CijN
20
15
16
14
100
Treba odrediti:
a) Najekonominiju realizaciju projekta (trokove realizacije projekta, vrijeme izvrenja
i kritine puteve);
b) Realizaciju projekta za 15 mjeseci (trokove realizacije i kritine puteve).
c) Koliko mjeseci bi trajala apsolutno najbra realizacija projekta?
Zadatak 2.14.
Za realizaciju nekog posla treba uraditi sljedee aktivnosti: A, B, C, D, E, F, G, H i I. Uslovljena su otpoinjanja sa zavrecima: B, C, D sa A; E sa C i D; F sa D; H i G sa B i E; I
sa F, G, H.
289
Aktivnost
aij
mij
bij
A
8
9
10
B
13
15
23
C
5
5
5
D
3
5
7
E
3
10
11
F
9
12
15
G
4
6
8
H
8
10
12
I
3
4
11
dana
dana
dana
a) Prvo treba da kompletiramo analizu strukture projekta i odredimo najkrae oekivano

trajanje projekta, kao i njegove kritine puteve.
c) Odrediti slobodnu vremensku rezervu aktivnosti E i objasniti znaenje dobijene vrijednosti.
290

Rjeenje 2.1.
A
A
B
C
D
E
F
G
H
+
+
+
+
+
+
A
B
C
D
E
F
G
H
B
D
F
E
G
H
C
A
E
+
+
+
+
+
+
+
Zavisi od
C, E
G, H
B
D, F
F
B
D
F
E
G
H
C
A
Zavisi od
B
D, F
F
G, H
C, E
Aktivnost
N
ij
13
19
14
dana
U
ij
13
14
dana
N
ij
10
20
15
10
12
10
16
100 KM
CijU
19
30
15
34
24
22
22
100 KM
C
t
291
3
8
B 8;6
5
1
0
0
-
13; 7
F
5; 3
6
4
13 13
1
0; 0
G 8; 6
E 19; 13
5
21
21
4
6
27 27
3,5
6; 6
C
-
8; 5
3
7
35 35
6
H 14; 14
t7( ) = 35 dana
0
KP1: 1-3-6-7 ili B-E-A
C = 10.100 KM
KP2: 1-4-5-6-7 ili D-G-C-A

Rjeenje 2.2.
a)
M N
M
N
+
O
P
R
S
+
V
+
C
t
1
0
0
-
O
+
+
+
f
2
3,5
1
4
6
7 M
t7( ) = 12,5 dana

0
N
+
+
R
+
+
+
+
+
+
3
N 2,5; 1
3,5 3,5
2
1
0; 0
5
2; 1
S
V
N
R
M
P
O
292
S 3,5; 2
R 5; 2,5
2
C = 4.800 $
3; 3
-
P 1,5; 1
5
6
O 2,5; 1,5
10 10
4
5
3
8,5 8,5
KP: SRPO
12,5 12,5
b)
I 1 3 4 6 7
3,5 + 2,5 + 3 + 2,5 = 11,5; 10

=
2 + 1 + 3 + 1,5 = 7,5
II KP
3,5 + 5 + 1,5 + 2,5 = 12,5; 11,5; 10

=
2 + 2,5 + 1 + 1,5 = 7
1 3 5 6 7
III
1 2 3 4 6 7
2 + 0 + 2,5 + 3 + 2,5 = 10; 8,5

=
1 + 0 + 1 + 3 + 1,5 = 6,5
IV
1 2 3 5 6 7
2 + 0 + 5 + 1,5 + 2,5 = 11; 10; 8,5

=
1 + 0 + 2,5 + 1 + 1,5 = 6
C1 = 1 2 200 $
1. Kratimo R (A35) za 1 dana
2. Opcija 1: Kratimo N i R (A34 i A35) za 1,5 dana C2 = 1,5 (2+2) 600 $

Opcija 2: Kratimo O (A67) za 1 dana
kratimo N i R (A34 i A35) za 0,5 dan
C2 = 1 4 400 $ zatim
C3 = 0,5 (2+2) 200 $ .
KP2: 1-3-4-6-7 t7(
C*= 4.800 + 200 + 600 = 5.600 $
KP1: 1-3-5-6-7
c)
0 )*
= 10 dana
Apsolutno najbra realizacija projekta je 7,5 dana.
Rjeenje 2.3.
a)
C = 12.000 KM
8 + 19 + 8 = 35; 32; 30
=
6 + 13 + 5 = 24
13 + 8 + 6 + 8 = 35; 32 30
=
7 + 6 + 6 + 5 = 24
I KP
1 3 6 7
II KP
1 4 5 6 7
III
1 2 4 5 6 7
5 + 0 + 8 + 6 + 8 = 27; 24
=
3 + 0 + 6 + 6 + 5 = 20
IV
1 2 5 6 7
5 + 14 + 6 + 8 = 33; 30
=
3 + 14 + 6 + 5 = 28
293
1. Kratimo A (A67) za 3 dana

2. Kratimo E i G (A36 i A45) za 2 dana
t 7(0 )* = 30 dana
C1 = 3 3
900 KM
C2 = 2 (2+3) 1.000 KM
C = 1.900 KM
KP1: 1-3-6-7 ili B-E-A

KP2: 1-4-5-6-7 ili D-G-C-A
KP3: 1-2-5-6-7 ili F-H-C-A
C* = C + C =10.100+1.900 = 12.000KM
Kritini putevi:
c)
Apsolutno najbra realizaciju projekta bi trajala 28 dana.
Rjeenje 2.4.
a)
A
A
B
C
D
E
F
G
H
I
(te)ij
ij
294
+
+
+
+
+
+
+
+
9
2/6
6
8/6
5
0
16
10/6
9
8/6
12
1
6
4/6
10
1
5
8/6
b)
P(z0) = 1 z0 = 3
(Ts ) i = max (Ts) h + (t e ) hi + z o hi
h
]}
(TE )8 = 41 dan
A C F f H I
KP : 1 2 3 5 6 7 8
(Ts)1 = 0
i =1
i=2
i =3
h=0
h = 1 0 + 9 + 3 1/ 3 = 10
h = 2 10 + 5 + 3 0 = 15
i=4
h = 2 10 + 6 + 3 4 / 3 = 20
h = 3 15 + 0 + 3 0 = 15
i =5
h = 3 15 +12 + 3 1 = 30
i =6
h = 2 10 +16 + 3 5/ 3 = 31
h = 5 30 + 0 + 3 0 = 30
i =7
h = 4 20 + 9 + 3 4 / 3 = 33
h = 5 30 + 6 + 3 2 / 3 = 38
h = 6 31+10 + 31 = 44
i =8
h = 7 44 + 5 + 3 4 / 3 = 53
(Ts) 2 = 10
(Ts)3 = 15
(Ts) 4 = 20
(Ts)5 = 30
(Ts)6 = 31
(Ts)7 = 44
(Ts)8 = 53
Sa vjerovatnoom 100 % smjeli bi prihvatiti realizaciju projekta od 53 dana.

c)
( SU )ij = ((TL ) j (TE )i ) ( te )ij
( SU ) B = (27 9) 9 = 9
Aktivnost B moe trajati 9 dana due ili kasniti sa otpoinjanjem 9 dana, a da se time
ne ugrozi oekivano trajanje projekta od 41 dan.
Rjeenje 2.5.
a)
A
A
B
C
D
E
F
G
E
+
F
+
G
+
+
+
295
G
+
B
D
G
A
C
E
F
14
3
14
0
-
8
2/3
8
1
18
5/3
(TE )6 = 21 dan
B G
KP : 1 3 6
KP : 1
b)
D
D
2
2
P(z0) = 0,99 z0 = 3
h
296
A E
4 6
]}
ij
14
8
7
10
7
3
3
8/6
4/6
14/6
10/6
4/6
0
2/6
A 10
(te)ij
7/3
7
2/3
18
2
KP : 1
+
+
14
4/3
1
21
F
5
18
18
4
21
3,4,5
1/3
i =1
h=0
(Ts )1 = 0
i=2
h = 1 0 + 8 + 3 2 / 3 = 10
(Ts ) 2 = 10
i=3
h = 1 0 + 14 + 3 4 / 3 = 18
(Ts ) 3 = 18
i=4
h = 2 10 + 10 + 3 5 / 3 = 25
(Ts ) 4 = 25
h = 2
h = 4
h = 3
h = 4
h = 5
i=5
i=6
c)
10 + 7 + 3 2 / 3 = 19
25 + 0 + 3 0 = 25
(Ts ) 5 = 25
18 + 7 + 3 7 / 3 = 32
25 + 3 + 3 0 = 28
25 + 3 + 3 1 / 3 = 29
(Ts ) 6 = 32
(SN)C = 3
Aktivnost C moe trajati 3 dana due, ili kasniti sa otpoinjanjem 3 dana, a da se time
ne ugroze vremanske rezerve narednih aktivnosti.
Rjeenje 2.6.
a)
A
A
B
C
D
E
F
G
C
t
B
X
C
X
A 8; 6
4
X
X
2
8
8
1
C = 4.900 KM
12
t7( ) = 31 dana
4; 4
C 6; 2
4
14
Kritian put: 12467

7; 7
-
5
19
21
3
10; 5
2
f
4
14
14
2
9; 2
1
6
23
23
4
G 8; 4
5
7
31
31
6
297
b)
C =6.000 KM C = 11.00 KM
8 + 4 + 7 + 10 = 29;26
Putevi I: 1 2 3 5 7=
6 + 4 + 7 + 5 = 22
8 + 6 + 0 + 10 = 24;21
II: 1 2 4 5 7=
6 + 2 + 0 + 5 = 13
8 + 6 + 9 + 8 = 31;29;26
III: 1 2 4 6 7=
6 + 2 + 2 + 4 = 14
Kratimo aktivnost A46 za 2 dana C1 = 2 1 = 2
Kratimo istovremeno aktivnosti A57 i A46 za 3 dana C 2 = 3 3 = 9
Kraenja:
t 7(0 )* = 26 dana Kritini putevi: 1-2-3-5-7 i 1-2-4-6-7

c)
Apsolutno najbra realizacija projekta je 22 dana.
Rjeenje 2.7.
a)
A
A
B
C
D
E
F
G
+
+
+
+
+
Zavisi od
E, G
C
C
D
C
B
G
+
A
B
C
D
E
F
G
298
C
B
D
F
G
E
A
B
+
D
+
F
+
+
+
+
+
+
C
B
D
F
G
E
A
Zavisi od
C
C
C
B
D, F
E, G
3
6
1
0
3,5
11/6
2/6
3,5
3,5
1/6
2,5
G 5
F 3
4/6
3,5
4
6,5
4/6
11
11
3,5
1/6
72
15
15
5 10
61
7
2
Aktivnost
aij
mij
bij
3,5
4
4,5
4
1/6
1,5
2,5
3,5
2,5
2/6
1
2
12
3,5
11/6
3,5
3,5
3,5
3,5
0
2
4
6
4
4/6
2
2,5
6
3
4/6
4,5
5
5,5
5
1/6
(te)ij
ij
P = 50% (TE)7 = 15 dana KP1: 1-2-3-6-7 ili C-B-G-A
KP2: 1-2-5-6-7 ili C-D-E-A
b)
(Ts)7 = 20 dana
h
]}
i =1
h=0
i=2
h =1
i =3
i=4
i =5
h = 2 4,7375 + 2,5 + 0,675 2 / 6 = 7, 4625

h = 2 4, 7375 + 3 + 0, 675 2 / 6 = 7,9625
h = 2 4,7375 + 3,5 + 0,675 0 = 8, 2375
0 + 3.5 + 0, 675 11/ 6 = 4,7375
(Ts)1 = 0
(Ts)2 = 4,7375
(Ts)3 = 7, 4625
(Ts) 4 = 7,9625
(Ts)5 = 8, 2375
(Ts ) 6 = 12, 6875
(Ts)7 = 16,8
h = 4 7,9625 + 0 + 0,675 0 = 7,9625

i=6
h=3
h=5
7, 4625 + 5 + 0, 675 1 / 6 = 12, 575

8, 2375 + 4 + 0, 675 4 / 6 = 12, 6875
i = 7 h = 6 12,6875 + 4 + 0,675 1/ 6 = 16,8

(Ts)7 = 20 > 16,8 = (TE)7 prihvatamo projekat
c)
( SU )ij = ((TL ) j (TE )i ) (te )ij ( S N ) ij = ((TE ) j (TL ) i ) (t E ) ij

( SU ) F = (7 3,5) 3 = 0,5
( S N ) F = (6,5 3,5) 3 = 0
299
Rjeenje 2.8.
a)
A
A
B
C
D
E
F
G
C
+
zavisi od
E
D E
G E
A G
F G
B D
C A, F
+
+
+
+
+
3
10
D
1
-
8/6
10
E
D
G
A
F
B
C
G
+
10
2
F 2
2/6
+
+
+
7
4/6
17
17
5
12
17
aij
mij
bij
5
7
9
7
4/6
9
10
11
10
2/6
3
3
3
3
0
2
4
6
4
4/6
4
5
12
6
8/6
1
2
3
2
2/6
1
4
7
4
6/6
(TE)7 = 20 dana P=50% KP1: 1-2-3-7 ili E-D-B KP2: 1-2-4-6-7 ili E-G-A-C
b)
(Ts)7=15 dana
h
300
]}
3
0
Aktivnost
ij
(te)ij
4/6
D
+
B 10
2/6
10
2
72
20
20
5 10
3,6
1
i =1
h=0
(Ts)1 = 0
i=2
h = 1 0 + 6 0,675 8 / 6 = 5,1
(Ts) 2 = 5,1
i =3
h = 2 5,1 + 4 0,675 4 / 6 = 8,65
(Ts)3 = 8,65
i=4
h = 2 5,1 + 4 0,6751 = 8,425
(Ts) 4 = 8,425
i =5
h = 4 8,425+ 2 0,675 2 / 6 = 10,2
(Ts)5 = 10,2
i =6
h = 4 8,425+ 7 0,675 4 / 6 = 14,975
h = 5 10,2 + 0 0,675 0 = 10,2
(Ts)6 = 14,975
h = 3 8,65 + 10 0,675 2 / 6 = 18,425
h = 6 14,975+ 3 0,675 0 = 17,975

(Ts)7 < (TE)7 neemo prihvatiti projekat
( SU )ij = ((TL ) j (TE )i ) ( te )ij
(Ts)7 = 18,425
i =7
( SU ) F = (17 10) 2 = 5
Aktivnost F moe kasniti ili trajati pet dana due a da to ne utie na najraniji zavretak
projekta.
Rjeenje 2.9.
A
A
B
C
D
E
F
G
A
E
B
D
C
G
F
+
+
+
+
+
4; 2
A
1
-
A
E
B, D
B, D
C, G
A
E
B
D
C
G
F
+
+
+
+
+
+
C/
t
5
6
4
+
2
+
2
3
F
5
B 8; 4
4
1
0
D
3
8
12
2
3; 3
E 8; 6
22
10; 5
12
zavisi od
22
4
G 5; 1
2
f 0; 0
-
6
22
22
5
F 10; 5
3
7
32 32
6
9
1
301
t7( ) = 32 mjeseca
0
C* = 10.000 + 4.000 + 2.000 + 0 + 10.000 + 5.000 + 4.000 = 35.000 KM

KP: A-B-C-f-F
b)
4 + 8 + 10 + 0 + 10 = 32; 27; 22; 21;19

I KP 1 2 4 5 6 7 =
2 + 4 + 5 + 0 + 5 = 16
4 + 8 + 5 + 10 = 27; 22; 21;19
II 1 2 4 6 7 =
2 + 4 + 1 + 5 = 12
8 + 3 + 10 + 0 + 10 = 31; 26; 21;19
III 1 3 4 5 6 7 =
6 + 3 + 5 + 0 + 5 = 19
8 + 3 + 5 + 10 = 26; 21;19
=
6 + 3 + 1 + 5 = 15
IV 1 3 5 6 7
1. Kratimo C (A45) za 5 dana

2. Kratimo F (A67) za 5 dana
3. Kratimo B (A24) za 1 dan
4. Kratimo B i E (A24 i A13) za 2 dana
C1 = 5 2 = 10
C2 = 5 3 = 15
C3 = 1 4 = 4
C4 = 2 (4+6) = 20
C = 49
t7( ) = 19 mjeseca
C* = 84.000 KM
10.000 KM
15.000 KM
4.000 KM
20.000 KM
49.000 KM
0*
c)
5
2
4; 2
1
0
B 5; 4
4
1
3; 3
E 6; 6
D
3
6
6
1
302
14
4
f 0
0
-
5; 5
14
9 9
2,3
G 5; 1
6
14 14
4,5
F 5; 5
7
19 19
6
Rjeenje 2.10.
a)
A
A
B
C
D
E
F
G
+
+
+
+
+
+
zavisi od
G
F
G
B
F
E
F
C
G
A
E
D
B, E
F
+
E
D
G
A
F
B
C
C
+
+
+
C 9
-
1
0
0
-
G 4,7
1
2
4,7
4
4,7
10,7 14,7
E 3
2/6
F 3
4/6
3
7,7
7,7
aij
mij
bij
6
7
8
7
2/6
8
10
12
10
4/6
9
9
9
9
-
2
3
10
4
8/6
2
3
4
3
2/6
1
3
5
3
4/6
3
4
9
4,7
1
ij
8/6
17,7 17,7
12
17
3
4
Aktivnost
(te)ij
21,7
D4
5
4/6
21,7
2/6
B 10
dana
dana
dana
P = 50% (TE)6 = 21,7 dan KP: 1-2-3-5-6 ili G-F-B-D

h
]}
303
i =1
h=0
(Ts ) 1 = 0
i=2
h =1
0 + 4 .7 + 0 , 675 1 = 5 .375
(Ts ) 2 = 5 .375
i=3
h=2
5 .375 + 3 + 0 ,675 4 / 6 = 8,825
(Ts ) 3 = 8,825
i=4
h=3
8,825 + 3 + 0 ,675 2 / 6 = 12 ,05
(Ts ) 4 = 12 ,05
i=5
h = 3
h = 4
i=6
h = 2
h = 4
h = 5
8,825 + 10 + 0 ,675 4 / 6 = 19 , 275
(Ts ) 5 = 19 , 275
(Ts ) 6 = 24 ,175
12 ,05 + 0 + 0 ,675 0 = 12 , 05
5,375 + 9 + 0 ,675 0 = 14 ,375
12 ,05 + 7 + 0 ,675 2 / 6 = 19 , 275
19 , 275 + 4 + 0 ,675 8 / 6 = 24 ,175
Rok realizacije projekta koji bi smjeli potpisati uz vjerovatnou 75% je 24,175 dana.
( S S ) ij = ((TE ) j (TE ) i ) (t e )ij
c)
( S s ) A = (21, 7 10, 7) 7 = 4
( S s )C = (21, 7 4, 7) 9 = 8
( S s ) E = (10, 7 7, 7) 3 = 0
Rjeenje 2.11.
a)
C
+
A
B
C
D
E
F
G
H
D
+
+
+
+
+
+
+
+
C/t
2
4
3
1
7
6
4
22
D 12; 6
1
0
0
-
A 7; 7
-
2
7
7
1
C 10; 5
4
1
-
17
17
2
304
F 11; 8
E 5; 5
B 8; 4
t7(0 ) = 40 dana
22
3
C =17.900 KM
f 0; 0
-
6
5
22
17
6
33 33
4,5
G 16; 11
22
17
H 7; 3
6
5
3
KP1: A-C-E-F-H KP2: A-C-f-G-H
7
40 40
6
b)
7 + 12 + 11 + 7 = 37; 34
=
7 + 6 + 8 + 3 = 24
7 + 10 + 5 + 11 + 7 = 40; 37; 34
II KP 1 2 3 4 6 7 =
7 + 5 + 5 + 8 + 3 = 28
7 + 10 + 0 + 16 + 7 = 40; 37; 34
III KP 1 2 3 5 6 7 =
7 + 5 + 0 + 11 + 3 = 26
I
1 2 4 6 7
IV
1 5 6 7
8 + 16 + 7 = 31; 28
=
4 + 11 + 3 = 18
1. Kratimo C (A23) za 3 dana C1 = 3 4 = 12
1.200 $
2. Kratimo H (A67) za 3 dana C2 = 3 6 = 18

C = 30
1.800 $
3.000 $
t7(0 )* = 34 dana C* = 17.900 + 3.000 = 20.900 $

Rjeenje 2.12.
a)
A
A
B
C
D
E
F
G
H
I
(te)ij
ij
B
+
C
+
D
+
+
+
+
+
+
+
+
+
A
9
2/6
B
6
8/6
C
5
0
D
16
10/6
E
9
8/6
F
12
1
G
6
14/6
H
10
1
I
5
8/6
305
6
8/6
15
0
1
0
0
-
9
2/6
2
9
5
0
3
14
14
2
27
9
8/6
2
F 12
9
26
26
3
D
16
10/6
T1 = 0
1
T2 = 0 + 9 + 1 = 10
3
T3 = 10 + 5 + 0 = 15
4
10 + 6 + 3 = 20
T4 = max
3
15
T5 = 15 + 12 + 3 = 30
7
6
36 36
4/6
10
H 1
I 5
8/6
6
26 26
5
(TE)8 = 41 dan KP : 1
b)
A C F f H I
2 3 5 6 7 8
30 + 0 = 30
T6 = max
5
10 + 6 + 3 3 = 31
4
20 + 9 + 3 6 = 33
T7 = max 30 + 6 + 3 = 38
3
31 + 10 + 3 = 44
4
T8 = 44 + 5 + 3 = 53
3
Rok od 53 dana.
c)
( SU ) B = 27 9 6 = 12
Aktivnost B moe kasniti 12 dana a da pri tome ne ugrozi zavretak projekta.
306
8
41
41
7
Rjeenje 2.13.
a)
A B C D E F G
A
+
B
+
C
D
E
+
F
+ +
G
+
3
A 3;1
1
-
E 3; 3
3
0
C/t
3
2
1
2
4
A B G E F D C
A
+
B
+
G
+
E
+
F
+ +
D
C
C/t
3
4
2
1
2
B 2; 2
-
F 4;
2
10
4
3
10
f
D 7; 5
2
18
18
C 8; 4
G 10;5
10 10
1;4
b)
I
II
III
IV
V
3 + 3 + 4 + 7 = 17; 15
=
1 + 3 + 2 + 5 = 11
3 + 3 + 4 + 0 + 8 = 18; 16; 15
1 2 3 4 5 6 =
1 + 3 + 2 + 0 + 4 = 10
1 2 3 4 6
2 + 4 + 7 = 13; 11
=
2 + 2 + 5 = 9
2 + 4 + 0 + 8 = 14; 12
1 3 4 5 6 =
2 + 2 + 0 + 4 = 8
1 3 4 6
1 5 6
10 + 8 = 18; 16; 15
=
5 + 4 = 9
307
t 6(0 ) = 18 mje sec i

C= 8.500
KP1: 123456
KP2: 156
1. Kratimo F i G
moe za 2
FiG
kratimo i F i G za 2 C1 = (1 + 2) 2 = 6 600
smije za 2
2. Kratimo C
moe za 4
C
kratimo C za 1 C2 = 1 4 = 4 400
smije za 1
t6(0 )* = 15 mjeseci C*= 8.500 + 600 + 400 = 9.500

Apsolutno najbra realizacija projekta je 11 mjeseci.
Rjeenje 2.14.
a)
A
A
B
C
D
E
F
G
H
I
B
+
C
+
D
+
+
+
+
+
+
+
;3
(TE)8 = 40 dan
308
KP : 1
A B H I
2 5 7 8
(te)ij
9
16
5
5
9
12
6
10
5
ij
1/3
5/3
0
2/3
4/3
1
2/3
2/3
4/3
b)
P(z0) = 0,75 z0 = 0,675
h
i =1
]}
h=0
(Ts)1 = 0
i = 2 h =1
0 + 9 + 0,675 1/ 3 = 9,225
i =3 h=2
9,225 + 5 + 0,675 2 / 3 = 14,675 (Ts)3 = 14,675
h = 2 14,675 + 0 + 0,675 0 = 14,675

i=4
h = 3 9,225 + 5 + 0,675 0 = 14,225
(Ts)2 = 9,225
(Ts)4 = 14,675
h = 2 9,225 +16 + 0,675 5/ 3 = 26,35 (Ts)5 = 26,35

i =5
h = 4 14,675 + 9 + 0,675 4 / 3 = 24,575
i = 6 h = 5 26,35 + 6 + 0,675 2 / 3 = 32,8
(Ts)6 = 32,8
h = 3 14,675 +12 + 0,675 1 = 27,35
i = 7 h = 5 26,35 +10 + 0,675 2 / 3 = 36,8

h = 6 32,8 + 0 + 0,675 0 = 32,8
(Ts)7 = 36,8
i = 8 h = 7 36,8 + 5 + 0,675 4 / 3 = 42,7

(Ts)8 = 42,7
Sa vjerovatnoom 75 % smjeli bi prihvatiti realizaciju projekta od 42,7 dana.
c)
(S s ) E = (25 14) 9 = 2
Aktivnost E moe trajati 2 dana due ili kasniti sa poetkom dva dana, a da time ne
ugrozi najranije poetke narednih aktivnosti.
309
2.10. Analiza sluaja primjenom MS Project-a

U narednom dijelu emo predstaviti kratko uputstvo
namijenjeno studentima Ekonomskog fakulteta u Sarajevu koje sadri samo najosnovnije odrednice za
samostalan rad u MS Project-u.18
MS Project spada u Office grupu i zbog toga je korisnika podloga (engl. user interface) dijelom ve
poznata korisnicima aplikacija MS Word i MS
Excel. Korisnike opcije su organizovane u menijima, a one koje se ee koriste su dostupne preko
trake s alatima. Korisnika podloga se moe prilagoditi svakom korisniku u skladu sa njegovim nainom
rada.
Nakon to pokrenemo MS Project, moemo kreirati
novi projekt ili nastaviti s ureivanjem ve postojeeg projekta kojeg smo uredno pohranili. Novi
projekt otvaramo izborom opcije New iz File menija,
a nakon toga Blank Project iz okvira sa zadacima
(nalazi se uz lijevu ivicu ekrana). Pored otvaranja
novog, u potpunosti praznog projekta, moemo se
odluiti da iskoristimo odgovarajui primjer projekta
(engl. Template).19
Nakon to ponemo novi projekt, moemo iskoristiti
arobnjaka koji se pojavljuje u okviru sa zadacima.
Svrha arobnjaka je da nam pomogne u definisanju
projekta. Ukoliko elimo promijeniti parametre koje
smo unijeli prilikom definisanja projekta, to svakako
moemo naknadno uraditi u samom procesu planiranja projekta.
U svakom trenutku moemo pohraniti projekt, na isti
nain kako to radimo u drugim MS Office programima: File > Save. Datoteke u koje MS Project
sprema podatke imaju ekstenziju .mpp.
Grafikon 9.
18
19
Graevinski fakultet Sveuilita u Rijeci je kreirao za svoje studente veoma koristan prirunik za MS Project.
Taj prirunik nam je zbog svog efikasnog pristupa u objanjavanju ovog programa bio vodi u kreiranju ovog
dijela poglavlja.
Lukari, S., (2006)
310
ANALIZA SLUAJA PRIMJENOM MS PROJECT-a
Prvi korak je da u ovoj poetnoj fazi upiemo datum poetka projekta ili krajnji rok za zavretak projekta. To emo uraditi kroz sljedee opcije: Project > Project Information > Start date ili
Project > Project Information > Finish date. Grafikon 10. predstavlja prethodne opcije.
Grafikon 10.
Generalne postavke projekta dostupne su nam iz

menija Tools > Options. Vano je ne mijenjati
postavke za koje nismo sigurni kakav efekat imaju na projekt na kojem upravo radimo. Inicijalno
se MS Project pokree s ukljuenim prikazom
gantograma. Meutim, uvijek se moemo vratiti
na ovaj prikaz preko menija View > Gantt Chart.
Radna povrina podijeljena je na dva dijela. S
lijeve strane nalazi se tablica namijenjena za unoenje podataka: aktivnosti i resursa. S desne
strane je prostor s vremenskom linijom u kojem
se kreira gantogram. Radne dane, kao i radno vrijeme, moemo jednostavno postaviti iz menija
Tools > Change Working Times.
Grafikon 11.
311
Grafikon 12.
Aktivnosti unosimo direktno u tablicu. Naime, kliknemo na praznu eliju u koloni Task
Name i upiemo konkretan naziv aktivnosti.
U posljednjoj lijevoj koloni pojavljuje se identifikator aktivnosti
koji se pojavljuje automatski.
Procijenjeno trajanje aktivnosti
upisujemo u kolonu Duration.
Sve dok sami ne definiemo trajanje aktivnosti, MS Project
upisuje pretpostavljenu vrijednost
1 day?. Poetak pojedinanih
aktivnosti program izraunava
na temelju poetnog ili konanog datuma i trajanja prethodnih
aktivnosti. Ako kliknemo dvaput
na aktivnost, onda emo otvoriti
prozor za detaljnije postavke (grafikon 13.
312
Grafikon 13.
Resurs u kontekstu MS Project-a moe biti osoba, imovina, materijal, informacija ili kapital
koji se moe koristiti za postizanje cilja.
Grafikon 14.
Nakon povezivanja resursa i aktivnosti moemo dati odgovore na sljedea pitanja:

Ko i kada radi na odreenoj aktivnosti?
Raspolaemo li sa koliinom resursa koja odgovara obimu projekta?
Oekujemo li da resurs obavlja odreenu aktivnost za vrijeme kada nije na raspolaganju za rad na projektu?
Jesmo li resursu pridruili vie aktivnosti nego to radni kapacitet tog resursa doputa?
Raspoloivost resursa (maximum units) odreuje kada i koliko odreeni resurs moe uestvovati u odreenim aktivnostima. Na samom poetku se postavlja vrijednost od 100%, to
znai da je resurs na raspolaganju cijelo radno vrijeme.
Ovaj sluaj je predstavljen za dvije osobe Senadu i Adu na grafikonu 15.
313
Grafikon 15.
Raspoloivost resursa se moe prilagoditi po potrebi, kao to je to pokazano na grafikonu

16. za osobu Dado. Jedininu cijenu definiemo ukoliko elimo izraunati iznos kotanja
odreenog resursa.
Grafikon 16.
MS Project e se primjeniti na konkretan problem u narednom dijelu ovog poglavlja. Mreni dijagram i Gantt dijagram e biti konstruisani na osnovu skupa aktivnosti koje e se
predstaviti u analizi sluaja.
Analiza sluaja
Centar za zdravstvenu zatitu porodice, Bosna i Hercegovina
Dr. Dino Dinovi, zamjenik direktora Centra za zdravstvenu zatitu porodice, dobio je zadatak za poduavanje pet timova terenskih radnika koji e implementirati obrazovne i druge
314
aktivnosti koje su dio veeg projekta koji ima za cilj prikazati prihvatljivost nove metode
zatite od virusnih infekcija.
Ovi radnici ve su proli obuku vezanu za edukaciju o virusnim infekcijama, ali moraju
proi specifinu obuku koja se odnosi na novi metod terapije. Potrebno je, takoer, pripremiti i dva tipa materijala: (1) za poduavanje radnika i (2) za distribuciju na terenu.
Potrebno je organizovati prevoz i smjetaj uesnika, te dovesti predavae na obuku.
Dr. Dinovi je sazvao sastanak administrativnog osoblja. Zajedno su odredili koje se aktivnosti moraju provesti, njihov redosljed i vrijeme provoenja. Zakljuci sastanka su prikazani u
tabeli 2.
Tabela 2. Aktivnosti Centra za planiranje porodice
Aktivnost
A. Odrediti predavae i njihov raspored
B. Dogovoriti transport do baze
C. Odrediti i prikupiti materijal za trening
D. Dogovoriti smjetaj
E. Odrediti timove
F. Dovesti timove
G. Prevesti predavae do baze
H. Odtampati programski materijal
I. Dostaviti programski materijal
J. Upravljanje trening programom
K. Odravanje treninga
Predhodna
aktivnost
-
Vrijeme
(radni dani)
5
7
5
Potrebno
osoblje
2
3
2
A
A
B, E
A, B
C
H
D, F, G, I
J
3
7
2
3
10
7
15
30
1
4
1
2
6
3
0
0
Jasmin, pomonik rukovodioca, je zabiljeio da e projekat biti zavren tokom 60 dana.

Raunajui na svom kalkulatoru, direktor Centra je doao do podatka da je potrebno vrijeme 64 dana i zakljuio da je projekat nemogu "zadatak".
Dr. Dinovi je imao drugo miljenje: "neki zadaci se mogu obavljati istovremeno". "Onda
budi oprezan", upozorio je direktor Centra, "nema mnogo ljudi koji rade na ovom projektu.
Samo nas je 10". "Ja mogu provjeriti imamo li dovoljno resursa. Paljivo sam isplanirao
svaku aktivnost", dr. Dinovi je odgovorio. "Dalje, imam odobrenje od Ministarstva za finansije da upotrijebim odreena sredstva kako bih ubrzao aktivnosti, dok god mogu da
dokaem da e to biti uraeno sa najmanjim potrebnim trokovima. Moe li mi pomoi da
to dokaem? Ovdje su trokovi aktivnosti koje smo mi planirali i trokovi i vremena ako ih
smanjimo na minimum".
315
Tabela 3. Minimalna trajanja aktivnosti i trokovi aktivnosti

Normalno
Aktivnost
Vrijeme
Trokovi
Prosjena
uteda trokova po
Vrijeme Trokovi
danu (KM)
2
2 700
100
Minimum
A. Odrediti predavae i njihov raspored
400
B. Dogovoriti transport do baze
1000
1450
150
C. Odrediti i prikupiti materijal za obuku
400
500
50
D. Dogovoriti smjetaj
2500
3000
250
E. Odrediti timove
400
850
150
F. Dovesti timove
1000
2000
1000
G. Prevesti predavae do baze
1500
2000
500
10
3000
4000
200
200
600
80
J. Upravljanje programom
15
5000
10
7000
400
K. Odravanje obuke
30
10000
20
14000
400
H. Odtampati programski materijal

I. Dostaviti programski materijal
Pitanja za diskusiju
a) Neki od zadataka u ovom projektu mogu biti uraeni istovremeno. Pripremiti dijagram koji pokuzuje zahtijevanu mreu aktivnosti i definii kritian put.
b) Koje je trajanje projekta?
c) Koji je najmanji iznos koji Dr. Dinovi moe potroiti da bi implementirao zacrtani
raspored ako je kritini put dui od 60 dana?
d) Da li projekat moe biti izveden sa 10-lanim timom?
Rjeenja pitanja za diskusiju
A,B,C su poetne aktivnosti; D zavisi od A; E zavisi od A; F zavisi od B i E; G zavisi od

A i B; H zavisi od C; I zavisi od H; J zavisi od D, F,G i I; K zavisi od J.
Zavrna aktivnost je K.
Za analizu strukture, odredit emo matricu meuzavisnosti i mreni dijagram, a za analizu
trokova odredit emo jedinini prirast trokova.
316
Tabela 4. Matrica meuzavisnosti
D
+
A
B
C
D
E
F
G
H
I
J
K
E
+
G
+
+
+
+
+
+
+
+
+
+
Tabela 5. Jedinini prirast trokova
5
7
5
3
tijN
N
Cij 400 1000 400 2500
2
4
3
1
tijU
U
Cij 700 1450 500 3000
C
100 150 50 250
t
C 5; 3
1
0
A 5; 2
7
400
4
850
2
1000
1
2000
3
1500
2
2000
10
3000
5
4000
7
200
2
600
15
5000
10
7000
30
10000
20
14000
150
1000
500
200
80
400
400
6
15
7; 4
7; 4
150
f2
150
4
7
19
1
I 7; 2
80
7
250
E
f1
15
2
D 3; 1
13
100
200
1
50
H 10; 5
2
5
F 2; 1
5
12 20
3
22
22 15;10
6
400
8
37
37
7
K 30;20
400
9
67
67
8
1000
G 3; 2
500
Grafikon 17. Mreni dijagram prije kraenja (ukupno trajanje projekta 67 dana)
317
Kritini put (KP): 1 2 6 7 8 9

Kritini put ine sljedee aktivnosti: odrediti i prikupiti materijal za obuku, odtampati programski materijal, dostaviti programski materijal, upravljanje programom te odravanje obuke.
t 9(0 ) = 67 dana
Najbra realizacija projekta je 67 dana.
C = CijN = 25.400 KM
i< j
U sljedeoj tabeli se predstavljaju ukupne i slobodne vremenske rezerve za sve aktivnosti u

projetku, prije kraenje aktivnosti.
Tabela 6.
A
B
C
D
E
F
G
H
I
J
K
318
SU
8
12
0
17
8
8
12
0
0
0
0
SS
0
0
0
17
0
8
12
0
0
0
0
I (KP):
1 2 6 7 8 9
= 5 + 10 + 7 + 15 + 30
3 + 5 + 2 +10 + 20
= 67 65 60
= 40
II:
13789
= 5 + 3 + 15 + 30
2 + 1 + 10 + 20
= 53
= 33
III:
135789
= 5 + 7 + 2 + 15 + 30
2 + 4 + 1 + 10 + 20
= 59
= 37
IV:
14789
= 7 + 3 + 15 + 30
4 + 2 + 10 + 20
= 55
= 36
V:
1 3 4 5 7 8 9 = 5 + 0 + 0 + 2 + 15 + 30
2 + 0 + 0 + 1 + 10 + 20
= 52
= 33
VI:
1347 89
= 5 + 0 + 3 + 15 + 30
2 + 0 + 2 + 10 + 20
= 53
= 34
VII:
145789
= 7 + 0 + 2 + 15 + 30
4 + 0 + 1 + 10 + 20
= 54
= 35
Kratimo aktivnost C: moe se skratiti za 2 dana, smije se kratiti za 2 dana = 2 200 = 400 KM
Kratimo aktivnost I: moe se skratiti za 5 dana, smije se skratiti za 5 dana = 5 80 = 400 KM
Realizacija za 60 dana e kotati: 25.400 KM + 800 KM = 26.200 KM
H 10; 5
2
3
200
C 3
3
50
1
0
A 5; 2
E
0
7; 4
7; 4
150
f2
150
4
7
12
1
80
7
250
I 2
D 3; 1
f1
13
2
100
6
13
15
F 2; 1
5
12 13
3
15
6
J 15;10
400
8
30
30
7
K 30;20
400
9
60
60
8
1000
G 3; 2
500
Grafikon 18. Mreni dijagram (ukupno trajanje projekta skraeno na 60 dana)
319
U sljedeoj tabeli se predstavljaju ukupne i slobodne vremenske rezerve za sve aktivnosti u

projetku, nakon kraenja aktivnosti.
Tabela 7.
A
B
C
D
E
F
G
H
I
J
K
SU
1
5
0
7
1
1
5
0
0
0
0
SS
0
0
0
7
0
1
5
0
0
0
0
Ukupne vremenske rezerve za aktivnosti C, H, I, J i K iznose nula. Prema tome, te aktivnosti se ne mogu pomjeriti a da pri tome se ne utie na najranije mogue poetke njihovih
narednih aktivnosti. Ostale aktivnosti imaju pozitivne ukupne vremenske rezerve i mogu se
pomjerati za broj dana koliko iznose njihove odgovarajue ukupne vremenske rezerve.
Slobodne vremenske rezerva za aktivnosti A, B, C, E, H, I, J i K iznose nula. Shodno tome,
najraniji poeci tih aktivnosti se ne mogu pomjeriti a da to ne utie na najranije mogue
poetke narednih aktivnosti. Ostale aktivnosti imaju pozitivne slobodne vremenske rezerve
i njihovi poeci se mogu pomjeriti za broj dana koliko iznose njihove odgovarajue slobodne vremenske rezerve.
U nastavku emo dati rjeenje datog sluaja, upotrebom MS Project-a.
Aktivnosti su unijete u kolonu "Task Name", trajanja aktivnosti su unijete u kolonu "Duration", i poetak prve aktivnosti je unijet u odgovarajuu eliju u koloni "Start" u kolonu
"Predecessors". Potrebno je unijeti redoslijed aktivnosti.
Poetak svake aktivnosti, MS Project automatski odredi u skladu sa poetkom prve aktivnosti. Takoer, MS Project automatski odredi kraj svake aktivnosti u skladu sa pojedinanim
trajanjem aktivnosti. Kada se unesu zavisnosti meu aktivnostima, odnosno njihov redosljed
u projetku, onda dolazi do automatske izmjene u poetku i kraju svake aktivnosti. Drugim
rijeima, datumi u kolonama "Start" i "Finish" se promjene u skladu sa releventnim informacijama za aktivnosti, njihova trajanja i meuzavisnosti. Sve neophodne informacije koje su
uneene u radnu stranicu u MS Project-u su prikazane na sljedeoj tabeli.
320
Tabela 8. Aktivnosti Centra za zdravstvenu zatitu porodice
Na osnovu datih informacija, u MS Project-u je napravljen mreni dijagram na kojem su

aktivnosti i njihove osobine prikazane u elementima pravougaonog oblika. Poreenjem
mrenih dijagrama na grafikonima 17. i 19., primjeujemo da je prikaz aktivnosti i dogaaja drugaiji. Pravougaoni element na grafikonu 19. predstavlja i aktivnost i dogaaje
(poetak i kraj aktivnosti), a strelica prikazuje meuzavisnost. Broj pravoukaonika na poetku pokazuje broj polaznih aktivnosti. Grafikon 19. predstavlja mreni dijagram za
ukupno trajanje projekta 67 dana. Grafikon 20. predstavlja Gantt dijagram za ukupno trajanje projekta 67 dana.
321
Grafikon 19. Mreni dijagram (ukupno trajanje projekta 67 dana)
14 13 12 10
7 6
Grafikon 20. Gantt dijagram (ukupno trajanje projekta 67 dana)
Na osnovu informacija iz tabele 9. potrebno je odrediti da li projekat mogue izvesti sa 10lanim timom.
Tabela 9. Potrebno osoblje za izvrenje aktivnosti Centra za planiranje porodice
A.
B.
C.
D.
E.
F.
G.
H.
I.
J.
K.
Aktivnost
Odrediti predavae i njihov raspored
Dogovoriti transport do baze
Odrediti i prikupiti materijal za obuku
Dogovoriti smjetaj
Odrediti timove
Dovesti timove
Prevesti predavae do baze
Odtampati programski materijal
Dostaviti programski materijal
Upravljanje trening programom
Odravanje obuke
Potrebno osoblje
2
3
2
1
4
1
2
6
3
0
0
Iz grafikona 20., koji predstavlja Gantt dijagram za ukupno trajanje projekta 67 dana, se moe
zakljuiti da projekat nije mogue izvesti sa 10-lanim timom bez koritenja informacije o
vremenskoj rezervi. Naime, u periodu od srijede, 06. 01. 2010. god. do ponedjeljka, 11. 01.
2010. god. potrebno je vie od 10 osoba za izradu datih aktivnosti. U tom periodu, za istovremeno kompletiranje aktivnosti B, D, E i H (odnosno, dogovoriti transport do baze,
dogovoriti smjetaj, odrediti timove i odtampati programski materijal) potreno je 14 osoba.
Za istovremeno kompletiranje aktivnosti D, E, G i H (odnosno, dogovoriti smjetaj, odrediti
timove, prevesti predavae do baze i odtampati programski materijal) potrebno je 13 osoba.
Za istovremeno kompletiranje aktivnosti E, G i H (odnosno, odrediti timove, prevesti predavae do baze i odtampati programski materijal) potrebno je 12 osoba.
Treba provjeriti da li vremenske rezerve aktivnosti dozvoljavaju da projekat zavri 10 osoba.
Znamo da aktivnost E (odrediti timove) zahtjeva 4 osobe i da je vremenska rezerva aktivnosti 8 dana. Ukoliko se aktivnost E pomjeri za 5 dana, projekat moe zavriti 10 osoba.
Dalje, ako se aktivnost E pomjeri za 5 dana (njen najraniji poetak, ponedjeljak, 11. 01. 2010.
god.), onda se aktivnost F mora pomjeriti za 5 dana (njen najraniji poetak, ponedjeljak, 18.
01. 2010. god.). Na osnovu vremenskih rezervi obje aktivnosti vidimo da to moemo uraditi.
Pomenutim pomjeranjem bi se projekat mogao izvesti sa 10lanim timom.
Ako je ukupno trajanje projekta skraeno na 60 dana, potrebno je provjeriti da li projekat moe
biti izveden sa 10-lanim timom? Studentima za dalju analizu sluaja ostavljamo da daju odgovor na ovo pitanje, detaljnijim istraivanjem alata u MS Projectu ili analizom grafikona 21.
324
Grafikon 21. Gantt dijagram (ukupno trajanje projekta skraeno na 60 dana)
Literatura
Backovi, M., Vuleta, J., (2004), Ekonomsko-matematiki metodi i modeli, Ekonomski
fakultet Univerziteta u Beogradu, Beograd
Chatfield, C., (2003), Microsoft Office Project 2003 Step by Step, Microsoft Press
Kennemer, B., (2004), Show Me: Microsoft Office Project 2003, QUE Publishing
Lukari, S., (2006), Microsoft Project osnovne upute, Graevinski fakultet Sveuilita u
Rijeci, Rijeka
Marmel, E., (2004), Microsoft Office Project 2003 Bible, Wiley Publishing, Inc.
Martinovi M., Stefanovi D., (1969), Tehnika mrenog planiranja, Institut za organizaciju
rada i automatizaciju poslovanja, Beograd
Petri, J., (1983), Mreno planiranje i upravljanje, Informator, Zagreb
Vukovi, ., Somun Kapetanovi, R., (1990), Zbirka rijeenih zadataka iz Matematikih
metoda u ekonomskim istraivanjima, peto izdanje, Ekonomski fakultet u Sarajevu, Sarajevo
Vukovi, ., (2003), Tehnike mrenog planiranja, Ekonomski fakultet u Sarajevu, Sarajevo
326
3. Input-output analiza
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.
Uvod
Koliinska input-output analiza
Vrijednosna input-output analiza
Zadaci za vjebu
Literatura
3.1. Uvod
Input-output analizu je razvio Wassily Leontief1 kome je Akademija Kraljevine vedske
dodijelila Nobelovu nagradu 1973. godine za razvoj input-output metode i njenu primjenu u
rjeavanju znaajnih ekonomskih problema. Leontief je 1919. i 1929. godine izradio inputoutput tabele za privredu SAD-a.2
Teoretska razmiljanja o input-output analizi datiraju prije Leontijeva. U 18. stoljeu francuski ekonomista Francois Quesnay3 je koristio svoje uvene ekonomske tabele kako bi
ilustrovao relacije koje postoje izmeu poljoprivrednog i drugih sektora. Stotinu godina
kasnije Karl Marx4 je analizirao veze izmeu industrijskih grana koje su proizvodile investicijska dobra i onih koji su proizvodili dobra za potronju. Francuski ekonomista Leon
Walras5 je u formulisanju generalne ravnotee u jednoj ekonomiji koristio koncept koji je
blizak konceptu tehnikih koeficijenata proizvodnje koje je koristio Leontief. Brojni matematiari su se bavili input-output analizom.
Leontief je isticao da vrijednost jednog teoretiara poinje samo onda kada je on u stanju
dobro formulisati svoju teoriju i kada je sposoban da pokae da ona moe biti primijenjena
u ekonomiji6. Njegov najznaajniji doprinos razvoju input-output analize je da se koeficijenti koji izraavaju vezu izmeu sektora mogu statistiki mjeriti i da budu dovoljno
stabilni kako bi se mogli primijeniti u komparativnoj analizi iji cilj je da evaluira efekte
razliitih ekonomskih politika. Znaajan doprinos poboljanju osnove za empirijske ekonomske analize dao je i Richard Stone7 koji je 1984. godine nagraen Nobelovom
nagradom za ekonomiju za doprinos Sistemu nacionalnih rauna.
U pojednostavljenom obliku input-output tabele, zasnovanom na otvorenom sistemu privrede koji je razradio Leontief, tabela input-output koeficijenata u svakoj koloni predstavlja
tehniku proizvodnje po kojoj je proizveden samo jedan proizvod. Zbog ove pojednostavljene pretpostavke tabela meusektorskih transakcija (odnosno tabela intermedijarne
potronje) mora biti ne samo kvadratna nego i simetrina. Model zasnovan na ovoj tabeli se
naziva simetrian input-output model. Upotreba input-output modela baziranog na ovim
pretpostavkama moe se opravdati pretpostavkom da se tehnika proizvodnje u kratkom
periodu ne mijenja. Input-output tabela u teoriji moe biti izraena u koliinskim ili monetarnim jedinicama, ili istovremeno u obje jedinice.
1
2
3
4
5
6
7
Wassily Leontief (1906. -1999.), dobitnik Nobelove nagrade za 1973. godinu.

Objavljene u radu: The Structure of the American Economie 1919-1929, Harvard University Press, 1941.
Francois Quesnay (1694. - 1774.)
Karl Marx (1818. - 1883.)
Leon Walras (1834. -1910.)
Roux, D., (2002.), str. 87.
Richard Stone (1913. 1991.)
329
U okviru input-output analize definiu se tri vrste tabela i to:8

1. Tabele ponude i upotrebe odnosno tabele stvaranja dobara i usluga i njihove raspodjele;
2. Tabele koje povezuju tabele ponude i upotrebe sa sektorskim raunima;
3. Simetrine input-output tabele.
U tabelama ponude i upotrebe se prezentuju proizvodni procesi i finansijske transakcije
nacionalne privrede prema djelatnostima i proizvodima. Zadatak ovih tabela je da prikau
strukturu trokova proizvodnje i dohodak koji se realizuje u procesu proizvodnje, tokove
dobara i usluga koji se proizvedu u nacionalnoj privredi, kao i tokove dobara i usluga sa
inostranstvom.
Ponuda dobara i usluga prema proizvodu i vrsti dobavljaa (domai i inostrani) se prikazuje
u pojednostavljenoj tabeli ponude.
Tabela 1. Pojednostavljena tabela ponude
Ponuda
Proizvodi
1.
Ukupno
2.
Djelatnosti
1.
Proizvodnja po proizvodu
i po djelatnosti
Ukupna proizvodnja
po djelatnosti
Inostranstvo
2.
Uvoz po proizvodu
Ukupni uvoz
Ukupno
3.
Ukupna ponuda po
proizvodu
Ukupna ponuda
Pojednostavljena tabela upotrebe dobara i usluga prema proizvodu i vrsti upotrebe prikazuje se u sljedeem obliku:
Tabela 2. Pojednostavljena tabela upotrebe
Upotrebe
Proizvodi
1.
Komponente
dodane
vrijednosti
Ukupno
2.
3.
Djelatnosti
Inostran
stvo
Finalna
potronja
1.
Intermedijarna potronja
po proizvodu i po
djelatnosti
Dodana vrijednost po
komponentama i po
djelatnosti
Ukupni input po
djelatnosti
2.
Izvoz
3.
Izdaci za
finalnu
potronju
Bruto
Ukupno
investicije u
kapital
4.
5.
Bruto
Ukupna
investicije upotreba po
u kapital
proizvodu
Prema: Europski sustav nacionalnih rauna ESA 1995, (1998), str. 263 - 265.
330
UVOD
U ovoj tabeli upotreba dobara i usluga je dezagregirana na intermedijarnu, odnosno proizvodnu potronju, izvoz, finalnu potronju koja se takoer moe dalje dezagregirati, i bruto
investicije u kapital. Pored toga ova tabela pokazuje i osnovne komponente bruto dodane
vrijednosti koje se mogu u zavisnosti od nivoa analize dalje dezagregirati. Bruto dodana
vrijednost se moe dekomponirati na plae zaposlenima, porezne subvencije umanjene za
subvencije na proizvodnju, neto mjeoviti dohodak, neto operativni viak i potronju fiksnog kapitala.
Izmeu tabela ponude i upotrebe vrijede dvije vrste identiteta - identitet po djelatnosti i
identitet po proizvodu. Identitet po djelatnosti pokazuje da je output po djelatnosti jednak
inputu po djelatnosti. To znai da bi ukupna proizvodnja po djelatnosti iz tabele 1 trebala
biti jednaka ukupnom inputu po djelatnosti iz tabele 2. Za svaku djelatnost zbir intermedijarne potronje i dodane vrijednosti je jednak outputu. Identitet po proizvodu znai da je
ukupna ponuda po proizvodu jednaka ukupnoj upotrebi po proizvodu. To znai da se realizovana proizvodnja treba utroiti, odnosno upotrijebiti. Posmatrajui ovaj identitet u dvije
prethodno prezentovane tabele konstatuje se da se output i uvoz svakog proizvoda raspodjeljuju na etiri kategorije: intermedijarnu potronju, izvoz, finalnu potronju i bruto
investicije. Ukupna ponuda po proizvodu u tabeli 1. treba da bude jednaka ukupnoj upotrebi
po proizvodu u tabeli 2.
Ove dvije grupe tabela predstavljaju bazu za konstrukciju i analizu tabela po djelatnostima.
Pored toga, tabele ponude i upotrebe sve tokove iskazuju u raunima dobara i usluga, raunu proizvodnje i raunu stvaranja dohotka.
Tabele ponude i upotrebe se mogu prikazati u obliku jedne kombinovane tabele koja je
kompleksnija i prua sve informacije koje se odnose na ponudu i upotrebu, odnosno na
stvaranje i raspodjelu outputa.
Tabela 3. Pojednostavljena kombinovana tabela ponude i upotrebe
Proizvodi
Djelatnosti
Inostranstvo
Finalna
potronja
Bruto investicije u kapital
Ukupno
1.
2.
3.
4.
5.
6.
Proizvodi
1.
Izvoz
2.
Proizvodnja
Izdaci za
finalnu
potronju
-
Bruto investicije
u kapital
Djelatnosti
Intermedijarna
potronja
-
Ukupna
upotreba po
proizvodu
Ukupna
proizvodnja
po djelatnosti
Komponente
dodane
vrijednosti
Inostranstvo
Ukupno
3.
Dodana
vrijednost
4.
5.
Uvoz
Ukupna
ponuda po
proizvodu
Ukupni input
po djelatnosti
331
Pored gore navedene kombinovane tabele ponude i upotrebe dobara i usluga, kompletira se,
zbog praktinih razloga, i simetrina input-output tabela iz koje je vidljivo da ukupna ponuda po proizvodu treba, na osnovu prethodno analiziranog identiteta po proizvodu, biti
jednaka ukupnoj upotrebi po proizvodu. To znai da i ukupna ponuda treba biti jednaka
ukupnoj upotrebi kao to je zapisano u polju (4,5) ove tabele.
Tabela 4. Pojednostavljena simetrina input-output tabela po proizvodima
Proizvodi
1.
Komponente
dodane vrijednosti
Inostranstvo
Ukupno
2.
Proizvodi
Inostranstvo
Finalna
potronja
1.
Intermedijarna
potronja
2.
Izvoz
-
3.
Izdaci za
finalnu
potronju
-
Dodana
vrijednost
3.
Uvoz
4. Ukupna ponuda
po proizvodu
Bruto
Ukupno
investicije
u kapital
4.
5.
Bruto
Ukupna uporaba
investicije
po proizvodu
u kapital
-
Ukupna ponuda
= ukupna
upotreba
Simetrina input-output tabela se moe kompletirati i kao tabela, odnosno matrica prema
djelatnostima (djelatnost x djelatnost)9. Treba istaknuti razliku koja postoji izmeu kombinovane tabele ponude i upotrebe i simetrine input-output tabele. U tabelama ponude i
upotrebe se povezuju proizvodi sa djelatnostima, a u simetrinim input-output tabelama
proizvodi sa proizvodima i djelatnosti sa djelatnostima, odnosno koriste se klasifikacija po
proizvodima ili klasifikacija po djelatnostima unutar tabele kako bi se evidentirali ukupna
ponuda i upotreba po proizvodu ili po djelatnosti. Ove tabele omoguavaju praenje strukture ukupne proizvodnje i njenu raspodjelu na nivou ukupne privrede jedne zemlje, na
regionalnom nivou kao i na nivou preduzea.
3.1.1. Input-output analiza i proizvodni sistem
Input-output analiza, poznata i pod nazivom Meusektorska analiza, spada u oblast kvantitativnih ekonomskih analiza. Bazira se na upotrebi linearnih formi i linearnih
transformacija koji su nuni preduvjet za razumijevanje ove oblasti.
U osnovi, posmatra se jedan otvoreni proizvodni sistem kojeg sainjavaju proizvodni sektori, tj. proizvoai povezani meusobnim isporukama i nabavkama sirovina, poluproizvoda,
9
Djelatnost puta djelatnost znai djelatnosti po vrstama i kolonama.
332
UVOD
energije i proizvodnih usluga u samom sistemu, ali i nabavkama izvana. Proizvodni sistem
je, dakle, povezan sa okruenjem putem finalnih isporuka i nabave dobara izvana, za proizvodnu potronju. Meusobnim isporukama sektora unutar samog proizvodnog sistema
ostvaruju se proizvodne veze sektora koje uzrokuju promjene proizvodnje direktno putem
direktnih nabava i isporuka, ili indirektno putem nabava i isporuka drugih sektora.
Proizvodni sektor mora predstavljati zaokruenu tehnoloko - ekonomsku cjelinu koja proizvodi samo jedan tip proizvoda. Svaki tip proizvoda se klasificira u samo jedan proizvodni
sektor. Prva pretpostavka implicira potpunu homogenost proizvodnih sektora, a druga potpunu jednoznanost klasifikacije proizvoda koje oni proizvode.
U praksi se ove dvije pretpostavke ne mogu uvijek ostvariti to utie na pouzdanost analitikih rezultata dobivenih primjenom input-output modela. Kako bi se dobili pouzdaniji
analitiki rezultati i zadovoljile pretpostavke homogenosti i jednoznanosti proizvoda, proizvodni sistem se dezagregira, odnosno ralanjuje na vei broj proizvodnih sektora.
Osnovni zadatak input-output analize je utvrivanje, analitiko ralanjivanje, kvantificiranje proizvodnih meuzavisnosti direktnih i indirektnih veza proizvodnih sektora, ispitivanje
veza unutar strukture proizvodnog sistema te sloenih veza sa okruenjem. Time se osigurava praenje promjena unutar samog sistema, kao i praenje uticaja vanjskih promjena na
sistem.
Proizvodni sistem, sa stanovita koritenja metoda input-output analize meusobnih odnosa
moe biti privreda jedne zemlje ili jedne regije, kao i preduzee. U prvom sluaju se radi o
primjeni input-output analize na makronivou, a u drugom o primjeni na mikronivou. Na
makronivou input-output tabele predstavljaju sastavni dio Sistema nacionalnih rauna.
U daljem izlaganju e se analizirati proizvodni sistem sastavljen od dva i vie proizvodnih
sektora za odreeni proizvodni period. Analiza i zakljuci koji se budu odnosili na posmatrani proli period vrijedie i primjenjivae se i na istovrsni budui proizvodni period.
U prvom dijelu e se razmatrati i analizirati koliinski odnosi proizvodnog sistema koji se
predstavljaju u obliku koliinske input-output tabele. Ova tabela je baza za odgovarajue
analize meuzavisnosti proizvodnog sistema koje e rjeavati primjenom odgovarajueg
input-output modela i njegovim rjeavanjem. U drugom dijelu e se istraivati vrijednosni
ili transakcioni odnosi predstavljeni u obliku vrijednosne ili transakcione input-output tabele. Rjeavanjem odgovarajueg modela analizirati e se kompleksne meuzavisnosti koje
postoje u okviru proizvodnog sistema.
333
3.2. Koliinska input-output analiza

Kvantitativne vrijednosti elemenata proizvodnog sistema i veliina koje ga povezuju sa
okruenjem mogu se predstaviti pregledno u tabelarnom obliku. Tabela sadri potpune informacije o tokovima proizvedenih dobara u proizvodnom sistemu, njihovim tokovima u
odnosima sa okruenjem izraenim koliinama proizvoda u njihovim jedinicama.10
Posmatra se proizvodni sistem P sastavljen od n proizvodnih sektora (proizvoaa):
P1 , P2 ,..., Pn .
Dio proizvoda svakog proizvoaa se koristi u proizvodnoj, tj. reprodukcionoj potronji11
tog i ostalih proizvoaa kao interni input, a dio se troi izvan proizvodnog sistema kao
finalne potronje (finalne isporuke ili neto proizvodnje).12
Za predstavljanje, analizu i kompletiranje koliinske input-output tabele uvode se sljedei
pojmovi i simboli:
Bruto proizvodnja (ukupna proizvodnja, output) proizvoaa Pi koja e se oznaavati sa Xi
gdje i uzima vrijednost od 1 do n: ( i = 1,..., n ) .
Finalna potronja proizvoaa Pi oznaava se sa Yi i izraava za svih n proizvodnih sektora: ( i = 1,..., n ) .
Interni input Qij predstavlja dio proizvodnje proizvoaa Pi koji se utroi kao interni repromaterijal u proizvodnji proizvoaa Pj 13 gdje i i j uzimaju vrijednosti od 1 do n:
( i = 1,..., n ) ; ( j = 1,..., n ) .
U proizvodnom sistemu P koriste se kao repromaterijali i inputi izvan sistema jer ne postoji
proizvodni sistem koji sve potrebne repromaterijale proizvodi sam. Neka se sa S1 , S2 ,..., Sm
oznai m eksternih snabdjevaa izvan sistema iji se proizvodi koriste za reprodukcionu
potronju u sistemu P.
( e = 1,..., m ) ; ( j = 1,..., n ) .
Prethodno definisani pojmovi se mogu zapisati u matrinom obliku na sljedei nain:
10
11
12
13
Prema Vukovi, ., (2003), str.1-7.

Termini proizvodna potronja, reprodukciona potronja i intermedijarna potronja e se u tekstu upotrebljavati kao sinonimi.
Termini finalna potronja, finalna isporuka, neto proizvodnja, izvoz e se u tekstu upotrebljavati kao sinonimi.
Proizvodna potronja proizvoaa Pj proizvoda proizvoaa Pi ili utroak proizvoda proizvoaa Pi u
proizvodnoj potronji proizvoaa Pj .
334
KOLIINSKA INPUT-OUTPUT ANALIZA
X1
X
Vektor bruto proizvodnji (outputa) proizvoaa [ X i ]n1 = 2 ;

Xn
Xi 0
Y1
Y
Vektor finalnih potronji proizvoaa [Yi ]n1 = 2 ; 0 Yi X i

Yn
Matrica internih inputa Qij

n n
Q11 Q12 Q1n

Q
Q22 Q2 n
= 21
; 0 Qij X i
Qn1 Qn 2 Qnn
U1
U
Vektor ukupnih eksternih inputa (uvoza) u sistem [U e ]m1 = 2

U m
Matrica eksternih inputa Wej

m n
W11 W12
W
W22
= 21
Wm1 Wm 2
W1n
W2 n
; 0 Wej U e
Wmn
3.2.1. Formiranje koliinske input-output tabele

Na osnovu prethodno definisanih pojmova, simbola i veliina u matrinom obliku kompletira se sljedea koliinska input-output tabela.
335
Tabela 5. Koliinska input-output tabela

Sektori primaoci
P1
Pj
Sektori davaoci
Pi
P2
Pn
Qij
Qij
Yi
Xi
P1
Q11
Q12
Q1n
Q1 j
Y1
X1
P2
Q21
Q22
Q2n
Q2 j
Y2
X2
Pn
Qn1
Qn2
Qnn
Qnj
Yn
Xn
U e = Wej
Wej
Se
S1
W11
W12
W1n
U1 = W1 j
S2
W21
W22
W2n
U 2 = W2 j
Sm
Wm1
Wm2
Wmn U m = j Wmj
Koliinska input-output (I-O) tabela predstavlja prikaz raspodjele ukupne proizvodnje svakog sektora (du redova) na reprodukcionu potronju i finalnu potronju. Du kolona
predstavljena je struktura reprodukcione potronje svakog sektora ralanjena na interne i
eksterne inpute.
Koliinska input-output tabela se moe predstaviti u pojednostavljenom obliku gdje se jednostavno u prvom redu predstavlja raspodjela ukupne proizvodnje, odnosno bruto
proizvoda na ukupne interne inpute u sistemu i finalne isporuke. U prvoj koloni su predstavljene reprodukciona potronja sistema iz internih inputa kao i reprodukciona potronja
sistema iz eksternih inputa u sistemu. U drugoj koloni tabele 6. su predstavljeni ukupni interni inputi u sistem te ukupni uvozi u sistem od eksternih dobavljaa.
336
Tabela 6. Pojednostavljena koliinska input-output tabela

Reprodukciona potronja sistema
(interni inputi)
Reprodukciona potronja sistema
(eksterni inputi)
Ukupni interni inputi

u sistemu
Ukupni uvoz u sistem
Finalne
isporuke
Bruto
proizvod
Znaenje i objanjenje sastavnih dijelova koliinske input-output tabele

Kod svake koliinske input-output tabele potrebno je definisati znaenje njenih sastavnih
dijelova.
1) Sadraj du redova gornjeg dijela tabele pokazuju strukturu raspodjela bruto proizvodnje X i > 0 pripadnih proizvoaa Pi na njene dijelove: reprodukcionu potronju u
sistemu
ij
0 i finalne potronje Yi 0 proizvoaa Pi.
Proizvoa Pi je proizveo ukupno X i > 0 koliinskih jedinica (kj) svog outputa i raspodijelio ga na reprodukcionu potronju direktno: Qi1 kj proizvoau P1, Qi 2 kj
proizvoau P2, Qii kj u vlastitu proizvodnju, , Qin kj proizvoau Pn; odnosno
ukupno Qij 0 kj u sistem i na finalnu potronju Yi 0 kj.
j
2) Sadraj du redova donjeg dijela tabele pokazuju strukturu raspodjela pojedinih uvoza
U e > 0 proizvoaima Pj.
Od eksternog snabdjevaa Se je uvezeno u sistem ukupno U e > 0 koliinskih jedinica
i direktno rasporeeno We1 kj proizvoau P1, We2 kj proizvoau P2, ..., Wen kj proin
zvoau Pn, odnosno ukupno U e = We j koliinskih jedinica.

j =1
3) Sadraj du kolona tabele pokazuje strukturu kompletiranja potronji proizvoaa Pj.

Kako se veliine du kolona j odnose na razliite inpute, one su izraene u razliitim
koliinskim jedinicama pa se ne mogu meusobno sabirati.
Proizvoa Pj u proizvodnji svog outputa X j > 0 kj direktno je utroio:
interne repromaterijale (gornji dio tabele) iz sistema: Q1j kj dobijenog od proizvoaa

P1, Q2j kj od proizvoaa P2,..., Qjj kj iz vlastite proizvodnje,. .., Qnj kj od proizvoaa
Pn.
eksterne repromaterijale (donji dio tabele) izvan sistema: W1j kj od snabdjevaa S1,
W2j kj od snabdjevaa S2,, Wmj kj od snabdjevaa Sm.
Iz formiranja koliinske input-output tabele na temelju njenih redova mogu se napisati jednaine raspodjele bruto proizvodnje svakog pojedinog proizvodnog sektora kao i jednaine
raspodjele ukupnog eksternog inputa svakog pojedinog snabdjevaa.
337
Jednaina raspodjele bruto proizvodnje proizvodnih sektora
Raspodjela bruto proizvodnje sektora i se moe izraziti sljedeom jednainom:

n
X i = Qij + Yi
i = 1,..., n.
(3.1)
j =1
Ukupna proizvodnja sektora Pi oznaena sa Xi raspodjeljuje se na dio koji se troi kao reprodukciona potronja ili interni input u sistemu P i dio koji predstavlja finalnu potronju
sektora i.
Poto je sistem P sastavljen od n proizvodnih sektora, jednaina (3.1) predstavlja i-tu jednainu linearnog sistema od n jednaina:
X 1 = Q11 + Q12 + .. + Q1n + Y1
X 2 = Q21 + Q22 + .. + Q2 n + Y2
.............................................
X n = Qn1 + Qn 2 + .. + Qnn + Yn
(3.2)
sa 2n+n2 varijabli: n varijabli Xi, n varijabli Yi i n2 varijabli Qij.

Opta jednaina (3.1) sistema (3.2) predstavlja strukturu raspodjele bruto proizvodnje
(outputa) pripadnog proizvoaa Pi na dva dijela i to:
n
Q
J =1
ij
0 za reprodukcione potronje u sistemu i Yi 0 za finalne potronje proizvoaa
Pi.
Jednaina raspodjele ukupnih eksternih inputa
Jednaina raspodjele ukupnih eksternih inputa se izraava u obliku sljedee jednaine:

n
U e = Wej
e = 1,..., m.
(3.3)
j =1
Jednaina (3.3) predstavlja e-tu jednainu linearnog sistema od m jednaina:

U1 = W11 + W12 + +W1n
U 2 = W21 + W22 + .. + W2 n
.......................................
U m = Wm1 + Wm 2 + .. + Wmn
sa m+mn varijabli i to m varijabli Ue i mn varijabli Wej.
338
(3.4)
Opta jednaina (3.3) sistema (3.4) predstavlja strukturu raspodjele ukupnog eksternog
inputa (eksternog repromaterijala) Ue na proizvoae Pj.
Sistemi jednaina (3.2) i (3.4) imaju vei broj nepoznatih nego jednaina, to znai da nemaju
jednoznano rjeenje, tj. kod svakog (n+m)-dimenzionalnog proizvodnog sistema P
(n proizvoaa i m snabdjevaa) moe se kompletirati neogranien broj raznih njegovih koliinskih input-output tabela, i svaka se odnosi na njegov drugaiji proizvodni program.14
Smanjenje broja nepoznatih vodi ka pojednostavljenju sistema jednaina, tj. egzogeno se
utvrde neke koliine, a primjenom input-output modela odreuju ostale koliine.
3.2.2. Koeficijenti koliinskih input-output odnosa
Na osnovu formirane koliinske input-output tabele 5 e se definisati i objasniti koeficijenti

koliinskih input-output odnosa. To su: tehniki koeficijenti internih inputa, tehniki koeficijenti eksternih inputa i koeficijenti raspodjele.
Tehniki koeficijenti internih inputa aij
Ako je proizvodni sektor15 Pj utroio Qij proizvoda proizvodnog sektora Pi da bi proizveo Xj

Q
jedinica proizvodnje, znai da je za svaku jedinicu proizvodnje prosjeno utroio ij proiXj
zvoda proizvoaa Pi. Na ovaj nain definisan koeficijent se naziva tehniki koeficijent
internog inputa iz Pi ka Pj. Tehniki koeficijent je koeficijent direktnog utroka i pokazuje
prosjean utroak proizvoda proizvoaa Pi po jedinici proizvodnje proizvoaa Pj. Tehniki koeficijent internih inputa se izraava sljedeom relacijom:
aij =
Qij
Xj
(3.5)
kj Pi
.
kj Pj
Tehniki koeficijenti internih inputa treba da zadovolje osobine zapisane u sljedeem izrazu:
jedinice mjere
i = j 0 aii < 1
.
aij :
i j aij 0
14
15
(3.6)
Vukovi, ., (2003), str. 7.

Za proizvodni sektor u tekstu e se koristiti kao sinonim, zbog pojednostavljenja u objanjavanju, termin
proizvoa.
339
Tehniki koeficijent internih inputa aij ima sljedee znaenje: proizvoa Pj po svakoj kj
svog outputa X j > 0 direktno utroi aij kj proizvodnje proizvoaa Pi.
Iz objanjenja tehnikog koeficijenta internih inputa slijedi i objanjenje osobina, odnosno
ogranienje na ove koeficijente. Ako bi neki dijagonalni element bio jednak jedinici
( aii = 1 ), to bi znailo da bi proizvoa Pi za proizvodnju jedne koliinske jedinice proizvodnje kao repromaterijal direktno koristio jednu koliinsku jedinicu vlastite proizvodnje to
ekonomski nije logino niti opravdano. Tada bi reprodukciona potronja proizvoaa Pi
dobivena iz vlastite proizvodnje bila jednaka ukupnoj proizvodnji proizvoaa Pi: Qii = X i .
Slijedei istu logiku konstatuje se da tehniki koeficijenti internih inputa ne mogu biti vei
od jedinice jer bi tada Qii >Xi to je nemogue. Vrijednost svih tehnikih koeficijenata treba
da zadovolji uslov nenegativnosti koji je ekonomski logian.
Tehnikih koeficijenata internih inputa ima koliko i odgovarajuih internih inputa Qij. Zbog
toga se moe formirati matrica tehnikih koeficijenata internih inputa dimenzije n redova i
n kolona:
A = aij
n n
a11
a
= 21
an1
a12
a22
an 2
a1n
a2 n
.
ann
(3.7)
Elementi matrice A treba da zadovolje osobinu nenegativnosti, a dijagonalni elementi matrice A, pored osobine nenegativnosti, treba da zadovolje osobinu da su manji od jedinice,
to smo prethodno zapisali u obliku izraza (3.6).
X1
X
Vektor kolona bruto proizvodnji [ X i ]n1 = 2 koju smo prethodno definisali se moe

Xn
0
X1 0
0 X
0
2
transformisati u dijagonalnu matricu X j =

.
Xn
0
0
Primjenom osobine mnoenja matrica i relacije (3.5) dobijamo:

Qij = aij X j

340
(3.8)
jednainu koja se koristi za izraunavanje matrice internih inputa Qij kada su poznate matrica tehnikih koeficijenata i ukupne proizvodnje proizvodnih sektora.
Iz jednaine (3.8) se moe eksplicitno izraziti matrina jednaina za izraunavanje matrice
tehnikih koeficijenata internih inputa. Obje strane jednaine (3.8) se sa desne strane mnoe
1
matricom X j :
1
Qij X j = aij X j X j

aij = Qij X j

1
X
1
0
1
gdje je X j =
proizvodnji X j .
(3.9)
0
1
X2
0
0
inverzna matrica dijagonalne matrice ukupnih
1
X n
Tehniki koeficijenti eksternih inputa ej
Proizvodni sektori kao inpute u svojoj proizvodnji koriste i repromaterijal nabavljen od eksternih dobavljaa. Ako je proizvoa Pj utroio Wej kj eksternog repromaterijala od
snabdjevaa Se u svojoj proizvodnji Xj, to znai da je za svaku jedinicu svoje proizvodnje proW
sjeno utroio ej eksternog inputa (uvoza) od snabdjevaa Se. Tako definisan koeficijent se
Xj
naziva tehniki koeficijent eksternog inputa od Se ka Pj i zapisuje u obliku sljedeeg izraza:
ej =
Wej
Xj
jedinice mjere
(3.10)
kj Se
.
kj Pj
Znaenje tehnikoga koeficijent eksternog inputa definisanog gornjim izrazom je sljedee:

Proizvoa Pj po svakoj koliinskoj jedinici svog outputa X j > 0 direktno utroi ej kj
eksternog inputa nabavljenog od eksternog dobavljaa Se.
341
Poto tehnikih koeficijenata eksternih inputa ej ima koliko i eksternih inputa Wej, moe
se formirati matrica tehnikih koeficijenata eksternih inputa dimenzije m redova i n kolona:
= ej mn
11 12
22
= 21
m1 m 2
1n
2 n
mn
(3.11)
Na osnovu izraza (3.10) moe se napisati matrina jednaina pomou koje se izraunava
matrica eksternih inputa ukoliko su poznati tehniki koeficijenti eksternih inputa i ukupne
proizvodnje sektora:
Wej = ej X j .

(3.12)
Matrica ukupnih eksternih inputa se izraunava kao proizvod matrice tehnikih koeficijenata eksternih inputa i dijagonalne matrice ukupnih proizvodnji sektora.
Mnoenjem gornje jednaine sa desne strane sa X j
1
dobija se
Wej X j = ej X j X j

ej = Wej X j

(3.13)
jednaina za izraunavanje matrice tehnikih koeficijenata eksternih inputa ukoliko su poznati eksterni inputi u sistem i ukupne proizvodnje sektora.
Koeficijenti raspodjele rij
Koeficijent raspodjele rij se definie kao kolinik izmeu internog inputa Qij iz sektora i u
sektor j i ukupne proizvodnje Xi sektora i:
rij =
Qij
Xi
kod kojih se jedinica mjere skrati tj.
(3.14)
kj Pi
.
kj Pi
Na osnovu gornjeg definicionog izraza za koeficijent raspodjele zakljuuje se da ovaj koeficijent nema jedinice mjere i da je dakle neimenovan broj. Koeficijent raspodjele se, kao i
svi neimenovani brojevi, moe izraavati u procentima.
342
Ako je proizvoa Pi iz svoje bruto proizvodnje Xi>0 raspodijelio Qij 0 kj direktno proizvoau Pj, tada odnos internog inputa Qij i matinog outputa Xi predstavlja koeficijent
raspodjele iz Pi u Pj .
Znaenje koeficijenta raspodjele rij je sljedee: proizvoa Pi je raspodijelio rij100%
svoje ukupne proizvodnje proizvoau Pj.
Koeficijenata raspodjele ima koliko i koeficijenata internih inputa Qij. Zato se i koeficijenti
raspodjele mogu zapisati u matrinom obliku:
r11 r12
r
r
rij = 21 22
n n
rn1 rn 2
Matrica rij je dimenzije n
r1n
r2 n
.
(3.15)
rnn
redova i n kolona jer je u sistemu definisano n proizvodnih
sektora Pi.
Na osnovu definicionog izraza za koeficijent raspodjele moe se napisati sljedea matrina
jednaina:
1
rij = X i Qij .

(3.16)
Iz gornje matrine jednaine se moe izraziti matrica internih inputa Qij kao proizvod dijagonalne matrice ukupnih proizvodnji i matrice koeficijenata raspodjele:
Qij = X i rij .

(3.17)
n
Ako se jednaina raspodjele bruto proizvodnji (3.1) X i = Qij + Yi ; i = 1,..., n podijeli sa

j =1
pripadnim Xi dobija se izraz koji omoguava izraunavanje raspodjele ukupne proizvodnje

svakog sektora izraene u procentima:
n
1=
Q
j =1
Xi
ij
n Q
n
Yi
Y
Y
Y
= ij + i = rij + i = ri + i .
X i j =1 X i X i j =1
Xi
Xi
(3.18)
Vrijednost ri 100% pokazuje koliko je procentualno iz bruto proizvodnje Xi

proizvoaa Pi rasporeeno na reprodukcionu potronju u sistemu, a vrijednost
Yi
100% pokazuje koliko je procentualno iz te proizvodnje rasporeeno na njegovu
Xi
finalnu potronju Yi.
343
3.2.3. Analiza proizvodnog sistema
Na osnovu prethodno definisanih pojmova i relacija u koliinskoj input-output tabeli u narednim dijelovima knjige e se istraivati i analizirati odnosi i relacije u proizvodnom
sistemu. Relacije koje e biti izvedene i formulisane predstavljaju osnovne jednaine za
rjeavanje input-output modela.
Zavisnost finalnih potronji od bruto proizvodnji
Kada su poznate, odnosno egzogeno utvrene bruto proizvodnje svakog sektora (proizvoaa) finalne potronje svakog sektora se mogu utvrditi rjeavanjem jednaine input-output
modela kojom se izraava zavisnost finalnih potronji od bruto proizvodnji. Da bi se rijeio
ovaj model potrebno je poznavati sve elemente matrice tehnikih koeficijenata A za koju se
pretpostavlja da se ne mijenja u toku posmatranog proizvodnog procesa.
Uvrtavajui u jednainu raspodjele bruto proizvodnji (3.1)
n
X i = Qij + Yi ; i = 1,..., n
j =1
izraz za utvrivanje internih inputa Qij = aij X j dobija se u optem obliku jednaina za bruto
proizvodnju Xi sektora Pi:
n
X i = aij X j + Yi ; i = 1,..., n
(3.19)
j =1
odnosno sistem jednaina koji se zapisuje u sljedeem obliku:

X 1 = a11 X 1 + a12 X 2 + ... + a1n X n + Y1
X 2 = a21 X 1 + a22 X 2 + ... + a2 n X n + Y2
............................................................
X n = an1 X 1 + an 2 X 2 + ... + ann X n + Yn
ili u matrinom obliku:
X 1 a11
X a
2 = 21

X n an1
a12
a22
an 2
a1n X 1 Y1
a2 n X 2 Y2
.
+

ann X n Yn
(3.20)
(3.21)
Gornji izraz se jednostavnije i moe napisati i u sljedeem obliku:

X = AX + Y
344
(3.22)
Rjeavajui gornju matrinu jednainu (3.22) po Y dobija se:

Y = X AX
(3.23)
Y = (I A)X
gdje je I jedinina matrica iste dimenzije kao i matrica A.

Ako se uvede smjena L = (I A) dobija se matrina jednaina:
(3.24)
Y = LX
koja predstavlja jednu od osnovnih zavisnosti u input-output modelu. Njenim rjeavanjem

se utvruju finalne potronje ukoliko su poznate bruto proizvodnje sektora i matrica tehnikih koeficijenta internih inputa iz koje se izraunava matrica Leontiefa.
Matrica L se naziva matrica tehnologije, ili matrica Leontiefa, i moe se zapisati u sljedeem obliku:
L = lij
nn
l11 l12
l
l
= 21 22
ln1 ln 2
l1n 1 0
l2n 0 1
=

lnn 0 0
0 a11 a12
0 a21 a22

1 an1 an 2
a1n 1 a11 a12

a2n a21 1 a22
=

ann an1 an 2
a1n
a2 n
1 ann
Jednaina (3.24) se moe napisati u obliku:
[Yi ]n1 = lij nn X j n1 .
(3.25)
Ukoliko se izvue jedan red (i-ti red) iz matrine jednaine (3.25), dobija se izraz:
n
Yi = lij X j .
(3.26)
j =1
Raunajui parcijalne izvode prethodnog izraza dobija se koeficijent matrice Leontiefa.

lij =
Yi
X j
(3.27)
koji ima sljedee znaenje:

Ako se eli samo bruto proizvodnja Xj proizvoaa Pj poveati za jednu koliinsku
jedinicu, (uz pretpostavku da proizvodnje ostalih sektora ostanu nepromijenjene) tada
finalnu potronju Yi proizvoaa Pi treba promijeniti za lij koliinskih jedinica.
Navedeno objanjenje za koeficijent matrice L tehnologije ili matrice Leontiefa vrijedi i za
svaku dodatnu koliinsku jedinicu poveanja bruto proizvodnje, pa se analogno izrazu
(3.27) moe napisati sljedei izraz:
345
[ Yi ]n1 = lij nn X j n1
tj. Y = L X .
(3.28)
Koeficijenti matrice Leontiefa (L) treba da zadovolje osobine predstavljene u sljedeem

izrazu:
i = j 0 < lii = (1 aii ) 1
.
lij :
0
i
j
l
a
ij
ij
(3.29)
Dijagonalni elementi matrice treba da budu jednaki ili manji od jedinice, a vandijagonalni
elementi negativni. Ove osobine proizilaze iz konstrukcije matrice Leontiefa i osobina matrice tehnikih koeficijenata A.
Zavisnost bruto proizvodnji od finalnih potronji
Za analizu proizvodnog sistema je vrlo znaajno utvrditi veliine bruto proizvodnji sektora
sistema kada su poznate finalne potronje, odnosno plan finalnih isporuka pojedinih sektora
sistema.
U izvoenju relacije kojom se izraava zavisnost bruto proizvodnji od finalnih potronji
polazi se od jednaine koju smo oznaili sa (3.25):
[Yi ]n1 = lij nn X j n1

Mnoei gornju jednainu sa lij
lij
1
n n
1
n n
sa lijeva dobija se:
[Yi ]n1 = X j n1
odnosno
X j = b ji [Yi ]n1
n1
n n
(3.30)
gdje se sa b ji = lij , odnosno B = L-1 oznaava matricu ukupnih utroaka internih

inputa.
Jednaina (3.30) se moe zapisati jednostavnije u sljedeem obliku:
X=BY
(3.31)
gdje je B = L1 inverzna matrica matrice Leontiefa L.

Rjeavanjem gornje jednaine input-output modela izraunavaju se bruto proizvodnje pojedinih sektora kada je poznat plan finalnih potronji.
Napie li se jedan red iz sistema jednaina (3.30), dobija se jednaina:
346
X j = b ji Yi ;
j = 1,..., n
(3.32)
i =1
iz koje se, raunajui parcijalne izvode, dobija koeficijent matrice ukupnih utroaka internih
inputa:
X j
Yi
= b ji 0 .
(3.33)
Koeficijent matrice ukupnih utroaka internih inputa definisan gornjim izrazom ima sljedee znaenje:
Ako se eli samo finalna potronja Yi 0 poveati za jednu koliinsku jedinicu, uz
pretpostavku da finalne potronje ostalih sektora ostanu nepromijenjene, bruto
proizvodnju X j > 0 treba poveati za b ji 0 koliinskih jedinica.
Koeficijenti matrice ukupnih utroaka internih inputa treba da zadovolje sljedee osobine:
i = j; bii 1
.
b ji :
i j; b ji 0
(3.34)
Dijagonalni elementi matrice B treba da budu jednaki ili vei od jedan, a vandijagonalni
elementi nenegativni.
Objasnie se osobina (3.34)16:
Na osnovu jednaine Y = L X tj. Y = ( I A) X X A X = Y mnoei posljednju jednainu slijeva redom matricama I, A, A2, A3, slijedi beskonaan niz matrinih jednaina:
I X A X = I Y
A X A2 X = A Y
A2 X A3 X = A2 Y
A3 X A4 X = A3 Y
...............................
Sabirajui gornje jednaine (poslije ponitavanja na lijevoj strani) dobija se matrina funkcija:
X = ( I + A + A2 + A3 + ...) Y .
Uporeujui ovu jednainu sa jednainom (3.31) jedno od moguih rjeenja je:
+
B = I + A + A2 + A3 + ... tj. B = ( I + A) + As
s=2
347
Kako je proizvod nenegativnih matrica nenegativna matrica, to su elementi matrica As nenegativni, pa se za elemente matrice B dobija:
i = j; bii = (1 + aii ) + aiis 1
s
.
s
i
j
;
b
=
(0
+
a
)
+
a
0
s ji
ji
ji
Kada smo govorili o direktnim proizvodnim meuzavisnostima, rekli smo da tehniki koeficijent aij pokazuje direktnu proizvodnu meuzavisnost sektora i i sektora j, tj. tehniki
koeficijent aij smo definisali kao tehniku relaciju koja pokazuje veliinu proizvodnje sektora i koja se troi kao interni input u proizvodnji sektora j. Zbir elemenata u j-toj koloni
n
matrice tehnikih koeficijenata A,
a ;
i =1
ij
( j = 1,..., n) pokazuje udio internih inputa cijelog
proizvodnog sistema u jedinici proizvodnje sektora j .

Meutim, uticaj poveanja proizvodnje j-tog sektora, namijenjenog finalnim isporukama,
ne iscrpljuje se samo tim direktnim efektima. Ukupni efekt jedininog poveanja finalnih
isporuka sektora j na nivo proizvodnje sektora i, tj. bij 0 , moe se rastaviti na direktni
efekt aij i sumu indirektnih efekata. Razlika ( bij aij ) predstavlja sumu svih indirektnih
efekata jedininog poveanja finalnih isporuka sektora j na nivo proizvodnje sektora i. Sumu svih indirektnih efekata jedininog poveanja finalnih isporuka sektora i na nivo
njegove proizvodnje, nai emo tako da od ukupnog efekta tog poveanja bii oduzmemo
(1+ aii ).
Da bi sektor i proizveo jedinicu svoje proizvodnje za finalne isporuke, mora osim te jedinice proizvesti i reprodukcioni materijal za vlastitu potronju u veliini koeficijenta aii .
Prema tome, direktni efekt jedinice finalnih isporuka tog sektora je 1 + aii . Razlika
( bii (1 + aii ) )
predstavlja sumu njegovih indirektnih efekata. Zato su elementi na glavnoj
dijagonali matrice B, bii 1 , a svi ostali vandijagonalni bij 0 .

Efekt jedinice poveanja finalnih isporuka sektora j na ukupnu proizvodnju sistema je
n
b
i =1
ij
. Poto je direktni efekt jedinice finalnih isporuka sektora j na proizvodnju itavog

n
sistema 1 + aij , to je suma indirektnih efekata

i =1
i =1
i =1
bij (1 + aij ) .
Objanjenje koje smo dali za znaenje elemenata matrice B primjenjuje se i za svaku dodanu jedinicu poveanja finalne potronje i-tog sektora pa vrijedi relacija:
348
X j = b ji [ Yi ]n1
n1
n n
(3.35)
odnosno
n
X j = b ji Yi ;
j = 1,..., n .
(3.36)
i =1
Zavisnost uvoza od bruto proizvodnji
Utvrivanje zavisnosti proizvodnog sistema o nabavama dobara izvana za proizvodnu potronju je sljedee bitno podruje u analizi strukture proizvodnog sistema.
Utvrivanje zavisnosti proizvodnog sistema o nabavama dobara izvana za proizvodnu potronju je sljedee bitno podruje u analizi strukture proizvodnog sistema.
U utvrivanju zavisnosti uvoza od bruto proizvodnji polazi se od sljedea dva ve definisan
na izraza: Wej = ej X j i U e = Wej i dobija se:

j =1
j =1
j =1
U e = Wej = ej X j = e1 X 1 + e 2 X 2 + .. + en X n ;
e = 1,..., m .
(3.37)
Gornji izraz se moe zapisati u matrinom obliku:
[U e ]m1 = ej mn X j n1 .
(3.38)
Iz jednaine (3.38) dobijaju se odgovarajui parcijalni izvodi na osnovu kojih se objanjava

znaenje matrice tehnikih koeficijenata eksternih inputa:
U e
= ej 0 .
X j
(3.39)
Tehniki koeficijent eksternih inputa ej u odnosu na gornju jednainu ima sljedee

znaenje. Ako se samo bruto proizvodnja Xj proizvoaa Pj eli poveati za jednu
koliinsku jedinicu, a bruto proizvodnje ostalih sektora ostanu nepromijenjene, tada se
ukupni eksterni input od Se treba poveati za ej koliinskih jedinica.
Ovo objanjenje vrijedi i za svaku dodanu jedinicu bruto proizvodnje. To se moe izraziti
sljedeim relacijama:
349
U e = ej X j
(3.40)
[ U e ]m1 = ej mn X j n1 .
(3.41)
j =1
Zavisnost uvoza od finalnih potronji
Da bi se definisala i formalizirala zavisnost uvoza od finalnih isporuka pojedinih sektora sistema polazi se od sljedeih jednaina koje su u prethodnim dijelovima analize ve definisane:
n
Wej = ej X j i X j = b jiYi ;
j = 1,..., n.
i =1
Uvodei odgovarajue smjene dobija se:

n
i =1
i =1
Wej = ej b jiYi = ( ej b ji )Yi ; e = 1,..., m,
j = 1,..., n.
(3.42)
Iz gornje relacije se mogu napisati parcijalni izvodi:

Wej
Yi
= ej b ji 0
(3.43)
koji imaju sljedee znaenje:

Ako se eli samo finalna potronja Yi i-tog sektora poveati za jednu koliinsku jedinicu,
a finalne potronje ostalih sektora ostaju nepromijenjene, tada se eksterni input Wej od Se
ka Pj treba poveati za ej b ji koliinskih jedinica.
Dato objanjenje se primjenjuje i za svaku dodatnu jedinicu finalne potronje proizvoaa
Pi, pa vrijedi izraz:
n
Wej = ( ej b ji )Yi ; e = 1,..., m, j = 1,..., n .
(3.44)
i =1
Kako je ukupni uvoz od snabdjevaa Se:

n
n
n
n
n n
n
U e = Wej = ej X j = ej b jiYi = ej b ji Yi = eiYi

j =1
j =1
j =1
i =1
i =1 j =1
i =1
gdje je ei = ej b ji .
j =1
350
(3.45)
Izraz (3.45) se moe napisati u matrinom obliku:
[U e ]m1 = [ ei ]mn [Yi ]n1 ; [ ei ]mn = ej mn b ji nn .
(3.46)
gdje je = B matrica ukupnih utroaka eksternih inputa.

Raunajui parcijalne izvode iz izraza (3.45), dobija se:
U e
= ei 0 .
Yi
(3.47)
Znaenje izraza (3.47) je sljedee: ako se eli poveati samo finalna potronja Yi za
jednu koliinsku jedinicu, a da finalne potronje ostalih sektora ostanu nepromijenjene,
ukupni eksterni input od snabdjevaa Se treba se poveati za ei koliinskih jedinica.
Navedeno objanjenje koeficijenta ukupnih eksternih utroaka vrijedi i za svaku dalje dodatnu jedinicu finalne potronje to se moe zapisati sljedeim izrazom:
[ U e ]m1 = [ ei ]mn [ Yi ]n1
(3.48)
odnosno
n
U e = ei Yi .
(3.49)
i =1
Primjer 3.1.
Za protekli proizvodni period proizvodnog sistema poznata je sljedea nekompletna

koliinska input-output tabela:
P1
P2
P3
Qij
Qij
Yi
Xi
100 kom.
P1
100
P2
100
400
500 m3
P3
10
50
60
140
? kg
Wej
Ue
S1
300
500
100
S2
300
120
? kwh
600 l
351
a) Kompletirati datu koliinsku tabelu i objasniti njene sastavne dijelove;

b) Izraunati matricu tehnikih koeficijenata internih inputa A= aij i objasniti
znaenje njenih elemenata;
c) Izraunati matricu tehnikih koeficijenata eksternih inputa = ej i objasniti
znaenje njenih elemenata;
d) Izraunati matricu tehnologije (Leontijefa) L = lij i objasniti znaenje njenih
elemenata;
e) Izraunati matricu ukupnih utroaka internih inputa B = b ji i objasniti znaenje
njenih elemenata;
f) Izraunati matricu ukupnih utroaka eksternih inputa = [ ei ] i objasniti znaenje njenih elemenata;
g) Tabelarno predstaviti strukturu raspodjele proizvodnje.
Rjeenje:
n
a) Primjenom jednaine raspodjele internih inputa X i = Qij + Yi (i =1,, n) i jedj =1
naine raspodjele eksternih inputa U e = Wej (e = 1,..., m), popunjava se tabela:

j =1
P1
P2
P3
S1
S2
P1
P2
0
300
10
Qij
0
0
0
300
300
Wej
500
180
P3
Qij
j
0
100
50
0
400
60
Yi
100
100
140
Xi
100 kom.
500 m3
200 kg
Ue
100
120
900 kwh
600 l
Objanjenje sastavnih dijelova tabele:

Po redovima:
Proizvoa P1 je svoju bruto proizvodnju X1 = 100 komada kompletno rasporedio na finalne isporuke Y1 = 100 kom. i proizvodnja proizvoaa P1 se ne
koristi u reprodukcijskoj potronji sistema.
352
Proizvoa P2 je svoju bruto proizvodnju X2 = 500 m3 rasporedio na sljedei

nain: 300 m3 proizvoau P1, u vlastitu proizvodnju nita, 100 m3 proizvoau
P3 i 100 m3 na svoju finalnu potronju Y2.
Proizvoa P3 je svoju bruto proizvodnju X3 = 200 kg rasporedio: 10 kg proizvoau P1, proizvodi ovog proizvoaa se ne koriste kao inputi u proizvodnji
proizvoaa P2, 50 kg u vlastitu proizvodnju i 140 kg na finalnu potronju Y3.
Od eksternog snabdjevaa S1 u sistemu se koristi U1 = 900 kwh i to: 300 kwh
proizvoau P1, 500 kwh proizvoau P2 i 100 kwh proizvoau P3.
Od eksternog snabdjevaa S2 u sistemu se koristi U2 = 600 l i to: 300 l proizvoau P1, 180 l proizvoau P2 i 120 l proizvoau P3.
Po kolonama:
Proizvoa P1 u proizvodnji je direktno utroio 300 m3 od proizvoaa P2 i 10

kg od proizvoaa P3 kao interne inpute. Pored toga, direktno je utroio 300
kwh od eksternog snabdjevaa S1 i 300 l od eksternog snabdjevaa S2 kao eksterne inpute.
Proizvoa P2 ne troi interne inpute iz sistema, a utroio je 500 kwh eksternog
inputa od snabdjevaa S1 i 180 l od snabdjevaa S2.
Proizvoa P3 ne troi kao input proizvode proizvoaa P1, 100 m3 internog inputa proizvoaa P2 i 50 kg iz vlastite proizvodnje, 100 kwh eksternog inputa
od snabdjevaa S1 i 120 l od eksternog snabdjevaa S2.
b) Tehniki koeficijenti internog inputa iz Pi u Pj
Q
i = j 0 aii < 1
(kj Pi )
aij = ij =
.
i vrijedi
X j (kj Pj )
i j aij 0
Qij = aij X j aij = Qij X j

1
X
1
0
1
X j =

0
1
X2
0
X1
0
gdje je X j =
X2
0
0
0
i
Xn
0
.
1
X n
353
Izraunava se matrica A:
1
0 0 0 100
A = aij = 300 0 100 0
10 0 50
0
0
0

0 =3

1 1
200 10
0
1
500
0
0
0
0
1
.
2
1
Objanjenje elemenata matrice tehnikih koeficijenata internih inputa A:
Proizvoa P1 u proizvodnji svakog komada svog proizvoda direktno utroi:

a11 = 0 kom. vlastite proizvodnje, a21 = 3 m3 proizvodnje proizvoaa P2,
1
a31 =
kg proizvodnje proizvoaa P3.
10
Proizvoa P2 u proizvodnji svakog m3 svog proizvoda ne troi repromaterijal
iz sistema a12 = 0; a22 = 0; a32 = 0 .
Proizvoa P3 u proizvodnji svakog kg svoje proizvodnje ne troi kao reproma1
terijal proizvode proizvoaa P1 jer je a13 = 0 kom., a direktno utroi a23 = m3
2
1
proizvodnje proizvoaa P2 i a33 = kg iz vlastite proizvodnje.
4
c) Tehniki koeficijenti eksternog inputa iz Se u Pj: ej =
Wej
Xj
(kj Se )
0.
(kj Pj )
Wej = ej X j ej = Wej X j .

Izraunava se matrica :
1
100
300 500 100

= ej =
0
300 180 120
354
0
1
500
0
3 1
0 =

9
3
1 25
200
1
2
.
3
5
Objanjenje elemenata matrice tehnikih koeficijenata eksternih inputa :
Proizvoa P1 u proizvodnji svakog komada svog proizvoda direktno troi 11 = 3

kwh od eksternog snabdjevaa S1 i 21 = 3 l od eksternog snabdjevaa S2.
Proizvoa P2 u proizvodnji svakog m3 svog proizvoda direktno troi eksternog
9
l od S2.
inputa 12 = 1 kwh od S1 i 22 =
25
Proizvoa P3 u proizvodnji svakog kg svog proizvoda direktno troi eksternog
1
3
inputa 13 = kwh od S1 i 23 = l od S2.
2
5
d) L = I A predstavlja zavisnost finalnih isporuka od bruto proizvodnje Y = LX
0 0 0 1
0 0
1 0 0

1
1
L = 0 1 0 3 0
= 3 1 .
2
2
0 0 1
1
1
1
3
0
0
4 10
4
10
lij =
Yi
i vrijedi
X j
i = j 0 < lii 1
.
i j lij 0
Objanjenje elemenata matrice L u odnosu na gornju relaciju:

Ako se samo bruto proizvodnja X1 eli poveati za 1 kom., tada se mora finalna
isporuka Y1 poveati za 1 kom. ( l11 = 1 ), finalna isporuka Y2 smanjiti za 3 m3
1
( l21 = 3 ), finalna isporuka Y3 smanjiti za 1/10 kg ( l31 =
).
10
Ako se samo bruto proizvodnja X2 eli poveati za 1 m3, tada finalna isporuka
Y1 treba ostati nepromijenjena ( l12 = 0 ), finalna isporuka Y2 se treba poveati
za 1 m3 ( l22 = 1 ) i finalna isporuka Y3 ostati nepromijenjena ( l32 = 0 ).
Ako se samo bruto proizvodnja X3 eli poveati za 1 kg, tada finalna isporuka
Y1 treba ostati nepromijenjena ( l13 = 0 ), finalna isporuka Y2 se treba smanjiti za
1 3
3
3
m i finalna isporuka Y3 poveati za kg ( l33 = ).
2
4
4
e) B=L-1 predstavlja zavisnost bruto proizvodnje od finalne isporuke X = B Y.
Izraunavanje matrice B emo izvriti primjenom sljedee dvije metode.

355
Prvo, polazei od formule za izraunavanje inverzne matrice: 14
L1 =
1
1
L =
( L )T .
det L
det L
izraunava se determinanta matrice L:

1
det L = 1
0
1
3
2
0
1
3
10
4
1
3
2
+ 0 1
3
10
4
1
0
3 1 1
3
1 3
== 1 0 0 3 + 0 0 1 =
4 10 2
4
10 4
Zatim se izraunavaju kofaktori kako bi se kompletirala matrica kofaktora.
K11= + K11 =
0
K 21 =
1
K 31 = +
0
1
3
2 = 3 K =
12
1
3 4
10
4
1
0
3 = 0 K 22 = + 1
10
4
1
3 1
1
9 1 23
2
= =
K13 = + 1
=
3
0 10
4 20 10
10
4
0
1
0
3
1
K
=
=
3
1 =
23
2
4
3
4
2
1
1
0
1 0
2 = 3 K =
= 0 K 33 = +
=1
1
32
3 1
3 4
0
10
4
Matrica kofaktora je jednaka:

3 23 1
4 10 10
3
*
L = 0
0 .
0 1
1
2
14
Za adjungovanu matricu matrice A koristit emo oznaku
( A *)
. Za oznaavanje ove matrice moe se
koristiti i A . Ova oznaka predstavlja transponovanu matricu kofaktora.
356
Iz matrice kofaktora formira se adjungovana matrica:

3
4 0 0
23 3 1
* T
(L ) =
10 4 2
1 0 1
10
i inverzna matrica je jednaka:

3

4 0 0 1 0

4 23 3 1 46
1
L =
1
=
3 10 4 2 15

1 0 1 2 0
10
15
2
= B.
3
4
Matrica B se moe odrediti i Gaussovom metodom:

0
0
1 0 0 Ivrsta3+IIvrsta
0
1 0 0
1
1 0
3 1 1/ 2 0 1 0
Ivrsta1/10+ IIIvrsta
0 1 1/ 2 3 1 0
1/10 0 3/ 4 0 0 1
0 0 3/ 4 1/10 0 1
0
1
0 0
1
0 0
1 0
1 0 0
IIIvrsta(4/3)
IIIvrsta(1/2)+ IIvrsta
3 1 0 0 1 0 46 /15 1 2 / 3
0 1 1/ 2
0 0
0 0 1 2 /15 0 4 / 3
1
2 /15 0 4 / 3
0
1
Dakle, matrica B = 46 /15 1
2 /15 0
X j
i = j bii
b ji =
i vrijedi
Yi
i j b ji
0
2 / 3 .
4 / 3
1
0
Objanjenje elemenata matrice B u odnosu na gornju relaciju:
Ako se eli samo finalna isporuka Y1 poveati za 1 kom., tada se trebaju: bruto
proizvodnja X1 poveati za 1 kom.(b11 =1), X2 poveati za 46/15 m3 (b21 =
46/15) i X3 poveati za 2/15 kg (b31 = 2/15).
Ako se eli samo finalna isporukaY2 poveati za 1 m3, tada trebaju: bruto proizvodnja X1 ostati nepromijenjena (b12 = 0), X2 se poveati za 1m3 (b22 = 1) i X3
ostati nepromijenjena (b32 = 0).
357
Ako se eli samo finalna isporuka Y3 poveati za 1 kg, tada trebaju: bruto proizvodnja X1 ostati nepromijenjena (b13 = 0), X2 se poveati za 2/3 m3 (b23 = 2/3)
i X3 poveati za 4/3 kg (b33 = 4/3).
f) Matrica = B predstavlja zavisnost ukupnog eksternog inputa Ue od finalnih
isporuka Yi tj. Ue = Y.
Izraunava se matrica = B :
3 1
=
3 9
25
ei =
1 1 0
2 46
1
3 25
5 2
0
15
0 368
2 75
=
3 2339
4 625
1
9
25
4
3
.
26
25
U e
0.
Yi
Objanjenje elemenata matrice u odnosu na gornju relaciju:
Ako se eli samo finalna isporuka Y1 poveati za 1 kom., tada treba poveati
ukupni eksterni input U1 za 368/75 kwh (11 = 368/75) i ukupan eksterni input
od S2 U2 za 2339/625 l (21 = 2339/625).
Ako se eli samo finalna isporuka Y2 poveati za 1m3 tada treba poveati ukupni eksterni input U1 za 1kwh (12 = 1) i ukupan eksterni input od S2 U2 za 9/25 l
(22 = 9/25).
Ako se eli samo finalna isporuka Y3 poveati za 1 kg, tada treba poveati ukupni eksterni input U1 za 4/3 kwh (13 = 4/3) i ukupan eksterni input od S2 U2 za
26/25 l (23 = 26/25).
g) Koeficijenti raspodjele su definisani sljedeim izrazom:
1
Q
rij = ij rij = X j Qij .
X
i
1
100
rij = 0
358
0
1
500
0
0
0
0 0 0
3
0 300 0 100 =
5
10 0 50
1
1
200
20
0
0
0
1
.
5
1
Strukturna raspodjela bruto proizvodnji proizvoaa je predstavljena u sljedeoj tabeli:

rij 100%
ri 100%
Yi
100%
Xi
P1
100
P2
60
20
80
20
P3
25
30
70
Objanjenje:
Proizvoa P1 je kompletno svoju bruto proizvodnju rasporedio na finalnu potronju 100%.

Proizvoa P2 je svoju bruto proizvodnju rasporedio 20% na finalnu potronju i
80% na interne inpute u sistem i to 60% proizvoau P1 i 20% proizvoau P3.
Proizvoa P3 je svoju bruto proizvodnju rasporedio 70% na finalnu potronju i
30% na interne inpute u sistem od ega je 5% proizvoau P1 i 25% u vlastitu
proizvodnju.
Primjer 3.2.
Kod nekog sloenog proizvodnog sistema poznate su sljedee matrice:

0 1 1,5
0, 2 0 0
aij = 0 0 0, 75 i ej =
U1kwh, U2l.
0,1 0 0,5
0 0
0
a) Kompletirati odgovarajuu koliinsku I-O tabelu ako su bruto proizvodnje X1 =
500 kom., X2 = 200 kg i X3 = 100 m3.
b) Kako e se promijeniti bruto proizvodnje Xj i eksterni inputi Ue ako se finalne
potronje ele promijeniti za Yi = {50, -25, 0}.
c) Odrediti i objasniti elemente b13, 13.
Rjeenje:
a)
0 0 200 150
0 1 1,5 500 0
Qij = aij X j = 0 0 0, 75 0 200 0 = 0 0

75 .

0 0
0 0
0 100 0 0
0
359
0
500 0
0, 2 0 0
100 0 0
Wej = ej X j = 0,1 0 0,5 0 200 0 = 50 0 50 .
0 100
0
Koliinska I-O tabela
P1
P2
P3
S1
S2
P1
P2
P3
Qij
0
0
0
100
50
200
0
0
0
0
150
75
0
0
50
350
75
0
100
100
Yi
Xj
150
125
100
500
200
100
b) Kako vrijedi:
X = B Y
U = Y
prvo je potrebno izraunati matrice B =L-1 = (I A)-1 i = B.
1 0 0 0 1 1,5 1 1 1,5
L = 0 1 0 0 0 0, 75 = 0 1 0, 75 .
0 0 1 0 0
0 0 0
1
Polazei od formule za izraunavanje inverzne matrice:

L1 =
1
( L )T .
det L
izraunava se determinanta matrice L:

det L = 1
1 0,75
0 0,75
0 1
+ 1
1,5
= 1 (1 0) + 1 (0 0) 1,5 (0 0) = 1
0
1
0
1
0 0
Zatim se izraunavaju kofaktori i kompletira sljedea matrica kofaktora:

0
0
1
L = 1
1
0 .
2, 25 0, 75 1
*
360
Iz matrice kofaktora formira se adjungovana matrica:

1 1 2, 25
( L ) = 0 1 0, 75
0 0
1
* T
i inverzna matrica je jednaka:

1 1 2, 25 1 1 2, 25
L = 1 0 1
0 = 0 1 0, 75 = B .
0 0
1 0 0
1
1
Kako je inverzna matrica matrice L matrica B, to primjenom Gaussovog metoda za

odreivanje inverza matrice dobija se:
1 1 1,5 1 0 0
1 0 2, 25 1 1 0
0 1 0, 75 0 1 0
Ivrsta + IIvrsta
0 1 0, 75 0 1 0
0 0
0 0
1
0 0 1
1
0 0 1
.
1
0
0
1
1
2,
25
IIIvrsta(2,25) + Ivrsta
IIIvrsta(0,75) + IIvrsta
0 1 0 0 1 0, 75
0 0 1 0 0
1
1 1 2, 25
Dakle, matrica B = 0 1 0, 75 .
0 0
1
1 1 2, 25 50 25
X = 0 1 0, 75 25 = 25 ;
0 0
1 0 0
Bruto proizvodnja X1 e se poveati za 25 kom., bruto proizvodnja X2 e se smanjiti

za 25 kg, bruto proizvodnja X3 e ostati ista.
1 1 2, 25
0, 2 0 0
0, 2 0, 2 0, 05
.
=
0 1 0, 75 =
0,1 0,1 0, 725

0,1 0 0,5
1
0 0
361
50
0, 2 0, 2 0, 05
5
U =
25 = ;
0,1 0,1 0, 725

2,5
0
Ukupan eksterni input U1 e se poveati za 5 kwh, a U2 e se poveati 2,5 l.

c) b13 =
X 1
= 2, 25 ;
Y3
Ako se eli samo finalna isporuka Y3 proizvoaa P3 poveati za 1 m3, tada bruto proizvodnju X1 proizvoaa P1 treba poveati za 2,25 kom.
13 =
U1
= 0, 05 ;
Y3
Ako se eli samo finalna isporuka Y3 proizvoaa P3 poveati za 1 m3, tada ukupan
eksterni input U1 snabdjevaa S1 treba poveati za 0,05 kwh.
Primjer 3.3.
Kod nekog proizvodnog sistema poznate su sljedee matrice:

1
16 4
7 7
1 4
B=
i =
; U1 m, U2kom.
8 16
5 3
7 7
7 7
a) Kompletirati odgovarajuu koliinsku I-O tabelu, ako je plan bruto proizvodnji
X1 = 192 kg i X2 = 208 m2
b) Utvrditi i objasniti znaenje elemenata a21 i 21 .
Rjeenje:
a) B = L-1 L = B-1
Odreuje se matrica L kao inverzna matrica matrice B:

L=
362
1
1
B =
( B )T .
det B
det B
det B =
224
;B
49
1
2
A= I L=
1
4
1
2
Y = L X =
1
4
16
7
=
4
7
1
8
1
2
8
16
7
7
* T
(B ) =
16
8
7
7
4
1
2
7
L=
16
1
4
7
1

8
1
2
1

8 192 70
=
1 208 56
2
1
Iz = B = L =
5
7
1
Qij = aij X j = 2
1
4
7
16
Wej = ej X j = 1
1 1
4 2
3 1
7 4
1 7

16
8
=
1 1
2 4
1
8
1
8 192 0 96 26
=
1 0 208 48 104
2
0
192 0 84 0
=
1 0 208 48 26
8
Koliinska I - O tabela
P1
P2
S1
S2
P1
P2
Qij
Yi
Xi
96
48
84
48
26
104
0
26
122
152
84
74
70
56
192
208
363
b) a21 =
Q21 1
= Proizvoa P1 u proizvodnji svakog kg outputa X1 direktno utroi
X1 4
1 2
m internog inputa od proizvoaa P2.
4
W21 1
1
= Proizvoa P1 po svakom kg svog outputa X1 direktno utroi
X1 4
4
komada eksternog inputa od snabdjevaa S2.
21 =
Primjer 3.4.
Poznata je sljedea input-output tabela jednog proizvodnog sistema:
P1
P2
S1
S2
P1
P2
Qij
Yi
Xi
45
90
20
0
60
40
30
60
105
130
75
110
180
240
a) Ako se u narednom periodu planiraju nove finalne potronje Y1 = 60 kg, Y2 =

120 m3, a ostali tehnoloki uslovi se ne mijenjaju, sastaviti novu koliinsku I-O
tabelu.
b) Izraunati i prezentirati strukturu raspodjele proizvodnje za naredni period.
Rjeenje:
a) X =BY
L = I A; L-1 = B.
Iz poznate koliinske I- O tabele izraunavaju se matrice tehnikih koeficijenata inQ
W
ternih i eksternih inputa. Primjenom formula aij = ij , odnosno ej = ej ili
Xj
Xj
1
aij = Qij X j , odnosno eij = Wej X j

1
4
A=
1
2
364
1
1
9
4
i =
1
0
6
1
8
1
4
dobijaju se traene matrice:
3
4
L= I A=
1
2
5
3
X = B Y =
1
1
5

3
1
4
1
B = L det L = B =
5
2
1
6
1
2 60 160
=
3 120 240
2
1
2
3
2
Qij = ej X j

1 4 1 4 160 0 40 60
Qij =
1 2 1 6 0 240 80 40
Weij = ej X j

1 9 1 8 160 0 17.8 30
Wej =
0 1 4 0 240 0 60
Koliinska I-O tabela u narednom periodu bi bila sljedea:

P1
P2
S1
S2
P1
P2
Qij
40
80
17,8
0
60
40
30
60
100
120
47,8
60
Yi
Xi
60
120
160
240
b) Matrica koeficijenata raspodjele je:
1
4
rij =
1
3
3
8
1
6
Strukturna raspodjela je predstavljena u sljedeoj tabeli:

rij 100%
P1
P2
25 %
33,3 %
37,5 %
16,7 %
ri 100%
Yi
100%
Xi
62,5 %
50 %
37,5 %
50 %
365
Primjer 3.5.
Poznate su matrice tehnologije jednog proizvodnog sistema i tehnikih koeficijenata

eksternih inputa:
1 1
1
0
2
6
2
L=
=
U1 l, U2 kom.
1
1
1
1
4
4 6
3
a) Ako je koliina internog inputa koju proizvoa P1 koristi od proizvoaa P2 50
m, a finalne isporuke proizvoaa P1 50 kg, sastaviti odgovarajuu koliinsku
input-output tabelu.
b) Ako bi se planiralo poveanje finalnih isporuka za 20%, kako bi se promijenili
ukupni outputi proizvoaa i ukupni eksterni inputi snabdjevaa?
Rjeenje:
1
1 0 2
a) A = I L =
0 1 1
4
1 1
6 2
=
1 1
3 4
1
6
.
2
3
Poznato je Q21 = 50m; Y1 = 50kg

Izraunava se:
a21 =
Q21
1 50
=
X 1 = 200kg .
X1
4 X1
a11 =
Q11
1 Q
= 11 Q11 = 100kg.
X1
2 200
Q12 = X 1 Q11 Y1 = 200 100 50 = 50kg .

a12 =
Q12
1 50
=
X 2 = 300m.
X2
6 X2
a22 =
Q22
2 Q
= 22 Q22 = 200m.
X2
3 300
Wej = 2
1
4
366
0
200 0 100 0
.
=
1 0 300 50 50
6
Sada se kompletira koliinska I-O tabela:

P1
P2
Qij
Yi
Xi
P1
100
50
150
50
200
P2
50
200
250
50
300
S1
100
100
S2
50
50
100
10
b) X= B Y; Y = ; B = L-1.
10
8
det L= 1/6 1/24= 1/8 B = 3
2
8
X = 3
4
3 .
4
10 40
3 = ;
10
60
4
Poveanje finalnih isporuka oba proizvoaa za 20%, tj. za 10 kj, uzrokovat e poveanje outputa proizvoaa P1 za 40 kg, a proizvoaa P2 za 60 m, to iznosi
poveanje njihovih outputa takoer za 20%.
Ue =Y; = B.
1
= 2
1
4
0 8
3
1
2
6
4
U e = 3
4 4
3 = 3

4 1
2
3 ;
2
10 20
3 = .
10
20
1
Ukupni eksterni inputi koje koriste proizvoai e se takoer poveati za 20%.
Ue =Y; = B.
367
= 2
1
4
0 8
3
1
2
6
4
U e = 3
4 4
3 = 3

4 1
2
3
2
10 20
3 = .
10
20
1
Ukupni eksterni inputi koje koriste proizvoai e se takoer poveati za 20%.
368
3.3. Vrijednosna input-output analiza

Kvantitativne vrijednosti svih elemenata proizvodnog sistema i veliina koje ga povezuju,
kao i tokovi proizvedenih dobara u samom proizvodnom sistemu i njegovom okruenju
mogu se pregledno i jasno predstaviti vrijednosno, u monetarnim odnosno novanim pokazateljima. U tako izraenoj strukturi proizvoda su ukljuene cijene. Vrijednosna tabela, za
razliku od koliinske, ima veu informacijsku i analitiku vrijednost.
Svakoj koliinskoj input-output tabeli moe se pridruiti odgovarajua vrijednosna inputoutput tabela kojoj su pojedinane i zbirne koliine izraene vrijednosno u istim novanim
jedinicama. U vrijednosnoj tabeli je, pored sabiranja elemenata du redova, dozvoljeno i
sabiranje elemenata du kolona. Zbog toga vrijednosna input-output tabela prua potpunije
i kompleksnije informacije o poslovanju istraivanog sloenog proizvodnog sistema u posmatranom periodu.
Vrijednosna inputoutput tabela omoguava sagledavanje transakcija izmeu proizvodnih
sektora pa se naziva i transakciona input-output tabela.
Da bi se u proizvodnom sistemu mogle ostvariti proizvodnje moraju se obezbijediti prihodi,
odnosno novac kojim e platiti interne i eksterne repromaterijale, amortizaciju opreme, line dohotke, doprinose i poreze, vraanje kredita i slino.
Cijene u vrijednosnoj input-output tabeli
Za konstrukciju vrijednosne input-output tabele skup cijena predstavlja najkompleksniji

izraz direktne i indirektne meuzavisnosti u proizvodnom sistemu i njegovom okruenju, u
njegovoj vrijednosnoj strukturi i raspodjeli.
Posmatra se proizvodni sistem P sa n proizvoaa: P1, P2, , Pn.
Definiu se sljedei pojmovi i simboli koji e biti koriteni u formiranju vrijednosne inputoutput tabele:
Trina (finalna) cijena po kojoj sektor Pi prodaje finalne potronje Yi: pi ( i = 1,..., n).
Interna (proizvodna) cijena po kojoj proizvoa (sektor) Pi obraunava svoju proizvodnju
Xi i njene dijelove: finalnu potronju Yi i interne inpute Qij: i (i = 1,..., n).
Nabavna cijena je cijena po kojoj se obraunavaju uvozi, odnosno eksterni repromaterijali
izvana nabavljeni od snabdjevaa Se: ce , (e = 1,..., m).
Tri definisane vrste cijena se mogu zapisati u matrinom obliku:
p1
p
Vektor trinih cijena: [ pi ] = 2 ;

pn
1

Vektor internih cijena: [ i ] = 2 ;

n
369
c1
c
Vektor nabavnih cijena: [ ce ] = 2

cm
3.3.1. Formiranje vrijednosne input-output tabele
U svrhu kompletiranja vrijednosne input-output tabele i rjeavanja input-output modela

definiu se sljedei pojmovi i odgovarajui simboli. U vrijedonosnoj input-output tabeli
simbolu koliine se dodaje gore desno znak + kojim se oznaava novana vrijednost pripadnih koliina tj. proizvod pripadne cijene i odgovarajue koliine.
Vektor vrijednosti bruto proizvodnji se naziva i vektorom prihoda i definie se sljedeim izrazom:
1 X 1+ 1 X 1
+ X
X
X i + = [ i ] = 2 = 2 = 2 2

+
n X n n X n
Matrica vrijednosti internih inputa se dobija kada se matrica internih inputa izraenih
u koliinskim jedinicama mjere pomnoi sa internim cijenama:
1Q1n
Q11+ Q12 +
Q1n + 1Q11 1Q12
+
Q
+
+
2Q2 n
Q
Q22
Q2 n 2 21 2Q22
Qij + = i Qij = 21
=
nn
n n
+
+
nQnn
Qnn nQn1 n Qn 2
Qn1 Qn 2
Vektor vrijednosti internih raspodjela se dobija sabiranjem internih inputa koje koriste sektori u sistemu P:
n
+
Q1 j
j =1
+
Q
n
2
j
+
Qij = j =1
j =1

+
Qnj
j =1
370
VRIJEDNOSNA INPUT-OUTPUT ANALIZA
Vektor vrijednosti finalnih potronji (finalnih isporuka)

Y1+ 1 Y1
+
Y
Y
+
Yi = [ i Yi ] = 2 = 2 2

Yn n Yn
Vektor vrijednosti ukupnih eksternih inputa, odnosno uvoza u sistem se dobija mnoenjem vektora ukupnih eksternih efekata koliinski izraenih sa nabavnim cijenama.
U1+ c1 U1
+
U 2 c2 U 2
+
U e = [ ce U e ] =
=
U m cm U m
Matrica vrijednosti eksternih inputa se kompletira mnoenjem matrice eksternih inputa izraenih u koliinskim jedinicama sa nabavnom cijenom.
Wej + = ce Wej
mn
mn
W11+ W12+
+
W
W22+
= 21
+
+
Wm1 Wm 2
W1n + c1 W11 c1 W12

W2 n + c2 W21 c2 W22
=

Wmn + cm Wm1 cm Wm 2
c1 W1n
c2 W2 n
cm Wmn
Vektor vrijednosti eksternih raspodjela se dobija sabiranjem du redova vrijednosti

eksternih inputa od pojedinih eksternih dobavljaa utroenih u sistemu P.
n
+
W1 j
j =1
U1+ n
+
n
U 2 + W2 j
+
+
=
Wej = U e =
j =1
j =1
U m n
+
Wmj
1
=
j
Unosei definisane elemente u tabelu kompletira se sljedea vrijednosna input-output

tabela:
371
Tabela 7. Opti oblik vrijednosne (transakcione) input-output tabele

Sektori primaoci
Pj
Sektori davaoci
Pi
P1
P1
P2
Pn
n
Qij +
Qij +
j =1
Q11+
Q12 +
Q1n +
Q1 j
P2
Q21+
Q22 +
Q2n +
Q2 j
Pn
Qn1+
Qn 2 +
Qnn +
Qnj
Qij +
Qi1+
Qi 2 +
Qin
i =1
W11+
W12 +
Qij + = R +
j =1 j =1
W1n +
U = W1 j +
W2n +
U 2 = W2 j +
Sm
Wm1+
Wm 2 +
Wmn +
U m + = Wmj +
We 2
Wen +
U + = U e +
Mj
M1
M2
Mn
M = M j
Vj
V1
V2
Vn
V = V j
= j
e =1
Y2+
X2+
Yn+
Xn+
Y+
X+
W22 +
+
e1
X1+
j =1
+
1
W21+
Y1+
S2
Wej +
Xi+
U e + = Wej +
Wej +
Se
S1
Y i+
e=1
j =1
n
j =1
n
j=1
Vrijednosna tabela predstavlja informativnu osnovu za analizu strukture vrijednosti proizvodnog sistema. U vrijednosnoj tabeli su sadrane sljedee osnovne specifine skupine
elemenata:
372
Matrica elemenata Qij+ koje izraavaju vrijednost reprodukcione potronje svakog

sektora (proizvoaa), detaljno ralanjenu po sektorima davaocima.
n
Kolona vrijednosti interne raspodjele od n sektora davaoca Qij + .

j =1
Kolona Yi+ vrijednosti finalnih potronji (finalnih isporuka). Svaka od finalnih potronji, se moe specificirati po pojedinanim potroaima, korisnicima ili specifinim
oblicima potronje ukoliko postoji potreba za detaljnijom analizom i dekompozicijom
ove veliine. Tako, npr. u sistemu narodne privrede, vrijednost finalnih isporuka se
moe ralaniti na investicije, linu potronju, optu i zajedniku potronju, porast zaliha i izvoz. U tom sluaju, umjesto kolone, formirala bi se tabela vrijednosti finalnih
isporuka.
Kolona vrijednosti bruto proizvoda (prihoda) svakog sektora Xi+ .
n
Red reprodukcione potronje svakog od sektora Qij + , reprodukciona potronja cijei =1
log sistema Qij + = R + , ukupna vrijednost finalne potronje cijelog sistema Y+ i

i =1 j =1
ukupna vrijednost bruto proizvodnje X+ cijelog sistema.

Skup elemenata vrijednosti nabave izvana Wej+ koji pokazuju vrijednosti eksterne potronje po sektorima.
Kolona vrijednosti eksterne raspodjele od snabdjevaa u sistem U e + = Wej + .
j
Red ukupne eksterne potronje po sektorima Wej i ukupan uvoz u sistem U+ .

+
Red materijalnih trokova Mj po sektorima i ukupan materijalni troak cijelog sistema

M su izraeni kao zbirovi vrijednosti internih i eksternih inputa, odnosno reprodukcione potronje domaeg i uvoznog porijekla za svaki sektor i za cijeli sistem.
Red dodane vrijednosti Vj po sektorima i ukupna dodana vrijednost cijelog sistema
V. Red dodane vrijednosti se moe ralaniti na sastavne dijelove: amortizaciju, line
dohotke, viak proizvoda itd. U sluaju dekompozicije dodane vrijednosti na sastavne
dijelove red dodane vrijednosti bi bio transformisan u tabelu dodane vrijednosti.
Red prihoda svakog sektora j i ukupan prihod u sistemu .
Svakom sektoru (proizvoau) u vrijednosnoj tabeli pripada red u kojem je predstavljena
namjenska raspodjela vrijednosti ukupne proizvodnje svakog sektora i proizvodnog sistema
u cijelosti. Za svaki proizvodni sektor i za cijeli proizvodni sistem u kolonama je predstavljeno formiranje strukture vrijednosti ukupne proizvodnje svakog sektora, kao i cijelog
sistema. U tabeli treba biti ispunjen osnovni bilansni uslov prema kome vrijednost ostvarene ukupne proizvodnje u sistemu treba da bude jednaka vrijednosti raspodijeljene ukupne
proizvodnje. To znai da treba da ostvarena jednakost zbirova odgovarajuih redova i kolona to jest:
i = X i+ = X +j = j .
373
3.3.2. Strukture vrijednosti u transakcionoj input-output tabeli
U vrijednosnoj input-output tabeli mogue je posmatrati i analizirati osnovne strukture vrijednosti. Du redova se analiziraju strukture raspodjele ukupne proizvodnje, a du kolona
strukture stvaranja ukupne proizvodnje.
Strukture raspodjele
Struktura raspodjele vrijednosti proizvodnje svakog sektora je predstavljena du redova vrijednosne input-output tabele i zapisuje se u obliku sljedee jednaine
raspodjele:
n
i = X i + = Qij + + Yi + ;
i = 1,..., n.
(3.50)
j =1
Gornja jednaina pokazuje strukturu raspodjele vrijednosti proizvodnje (prihoda) sektora Pi .

Struktura raspodjele vrijednosti proizvodnje (prihoda) cijelog sistema P je u inputoutput tabeli predstavljena u odgovarajuem redu i ima sljedei oblik
n
= X + = X i + = Qij + + Yi + = R + + Y +
i =1
i =1 j =1
(3.51)
i =1
gdje je :
n
Qij + = R + vrijednost reprodukcijskih potronji cijelog sistema (vrijednost utroei =1 j =1
nog internog repromaterijala u ostvarenju ukupne proizvodnje, tj. realizovanog

prihoda).
n
Yi + = Y + vrijednost finalnih potronji (izvoza) cijelog sistema.

i =1
Struktura raspodjele vrijednosti eksternih inputa snabdjevaa izvan sistema se zapisuje u sljedeem izrazu:
U e + = Wej + ; e = 1,..., m.
(3.52)
Struktura raspodjele vrijednosti svih uvoza u sistem

m
U + = U e + = Wej +
e =1
(3.53)
e=1 j =1
Struktura materijalnih trokova proizvodnih sektora

n
i =1
e =1
M j = Qij + + Wej + ;
374
j = 1,..., n
(3.54)
Struktura materijalnih trokova u cijelom sistemu P predstavlja vrijednost svih internih i eksternih repromaterijala utroenih u proizvodnji sistema P.
n
M = M j = R+ + U +
(3.55)
j =1
Struktura raspodjele dodane vrijednosti na sektore (proizvoae)

Vj = X j+ M j = j M j
(3.56)
Struktura raspodjele dodane vrijednosti u sistemu P

n
V = V j = M
(3.57)
j =1
Struktura raspodjele ukupnog prihoda u sistemu P

n
j =1
i =1
= j = i .
(3.58)
Strukture formiranja vrijednosti proizvodnje
U vrijednosnoj input-output tabeli mogue je du kolona pratiti strukturu formiranja vrijednosti bruto proizvodnje pojedinih sektora i cijelog sistema.
Struktura formiranja vrijednosti bruto proizvodnje (prihoda) proizvoaa Pj
n
m
X +j = j = M j + V j = Qij + + Wej + + V j ;
e =1
i =1
j = 1,..., n.
(3.59)
Bruto proizvodnja sektora j se formira kao zbir materijalnih trokova i dodane vrijednosti. Materijalni trokovi se sastoje od materijalnih trokova za reprodukcionu
potronju iz sistema, dakle internih inputa i materijalnih trokova iz uvoza, odnosno
eksternih inputa. Za svaki sektor u sistemu se moe kompletirati i analizirati jednaina formiranja vrijednosti bruto proizvodnje.
Struktura formiranja vrijednosti svih proizvodnji u sistemu
n
j =1
j =1 i =1
X + = = j = M + V = ( R + + U + ) + V = Qij + + Wej + + V j
j =1 e =1
(3.60)
j =1
Bruto proizvodnja cijelog sistema je jednaka prihodu u cijelom sistemu i dobija se sabiranjem materijalnih trokova i dodane vrijednosti u sistemu.
Struktura vrijednosti finalnih poronji u sistemu
n
Yi + = Y +
(3.61)
i =1
375
Finalna potronja sistema je jednaka zbiru finalnih potronji n sektora sistema.

Struktura vrijednosti bruto proizvodnje u sistemu
n
X i+ = X + =
(3.62)
i =1
Bruto proizvodnja sistema je jednaka zbiru bruto proizvodnji n sektora sistema i jednaka prihodu proizvodnog sistema P.
Ravnotea u input-output modelu
U jednaini raspodjele vrijednosti proizvodnje sektora Pj (3.50) pokazano je kako se vrijednost proizvodnje raspodjeljuje na pojedine kategorije potronje. U jednaini vrijednosne
strukture (3.59) pokazano je kako se vrijednost bruto proizvoda sektora Pj sastoji od materijalnih trokova i dodane vrijednosti. Osnovno raunovodstveno pravilo je da se svaka
veliina dva puta knjii, i to jednom na prihodnoj strani i jednom na rashodnoj strani. Ove
dvije strane prihodna i rashodna moraju biti jednake. To pravilo vrijedi i u input-output
tabeli, to u sluaju bruto proizvodnje zapisujemo sljedeim izrazom Xi+ = Xj+ za i = j. Vrijednost bruto proizvodnje koja je stvorena moe se rasporeivati na razliite kategorije
potronje.
Kada se izraze jednaina raspodjele vrijednosti proizvodnje i jednaina strukture vrijednosti
proizvodnje za istog proizvoaa Pk dobija se jednakost:15
+
Qkj + Yk + = Qik + + Wek + + Vk .
j
(3.63)
Ako se odvoji dio vrijednosti proizvodnje proizvoaa Pk koju je raspodijelio u vlastitu

potronju, tj.
+
Qkk + + Qkj + Yk + = Qkk + + Qik + + Wek + + Vk

jk
ik
dobija se sljedea jednaina

+
Qkj + Yk + = Qik + + Wek + + Vk
j k
ik
(3.64)
Lijeva strana jednaine (3.64) predstavlja dio vrijednosti proizvodnje proizvodnog sektora
(proizvoaa) Pk koju je raspodijelio na reprodukcionu potronju drugih sektora i na njegovu finalnu potronju. Desna strana jednaine predstavlja dio vrijednosti proizvodnje
proizvoaa Pk koji je zbir vrijednosti internih repromaterijala utroenih od ostalih proizvoaa, vrijednosti utroenih eksternih repromaterijala i dodane vrijednosti.
15
Prema Vukovi, ., (2003), str. 70-73.
376
Ovi identiteti vrijede ne samo za pojedine proizvodne sektore (proizvoae) ve i za cijeli

proizvodni sistem. Sabirajui po i =1,...,n jednaine raspodjele vrijednosti proizvodnje proizvoaa i po j =1,...,n jednaine formiranja vrijednosti proizvodnji proizvoaa dobija se:
n
= X + = X i + = Qij + + Yi + = R + + Y +
i =1
i =1 j =1
i =1
j =1
j =1 i =1
= j = M + V = Qij + + Wej + + V j = R + + U + + V
j =1 e =1
j =1
Izjednaavanjem desnih strana dvije gornje jednaine slijedi:
R+ + Y + = R+ + U + + V
(3.65)
Y + = U + +V
V =Y+ U+
(3.66)
Jednaina (3.66) predstavlja ravnoteu vrijednosti bruto proizvoda cijelog proizvodnog

sistema tj. vrijednost finalnih isporuka umanjena za vrijednost uvoza je jednaka dodanoj
vrijednosti sistema.
3.3.3. Koeficijenti vrijednosnih input-output odnosa
Za analizu vrijednosnih odnosa proizvodnog sistema primjenjivae se vrijednosni koeficijenti. Ovi koeficijenti e biti formirani i analizirani po analogiji sa koliinskim
koeficijentima koji su definisani i analizirani u sluaju koliinske input-output tabele. Sve
osobine koje su definisane za koliinske koeficijente vrijede i za odgovarajue vrijednosne
koeficijente. Razlika je to se vrijednosni koeficijenti izraavaju u novanim jedinicama
mjere. Pored koliinskih koeficijenata koji su formirani i analizirani u sluaju koliinske
input-output tabele, vrijednosna input-output tabela prua mogunost definisanja dodatnih
koeficijenata koji zbog prirode jedinice mjere nisu mogli biti definisani u sluaju koliinske
input-output tabele.
Vrijednosni koeficijenti internih inputa
Vrijednosni koeficijent internog inputa pokazuje da proizvoa Pj po svakoj novanoj jedinici (nj)17 svog outputa direktno troi aij + novanih jedinica proizvodnje proizvoaa Pi:
+
aij =
Qij +
Xj
i Qij i
= a 0; i, j = 1,..., n.
j X j j ij
(3.67)
Vrijednosni koeficijent internog inputa se moe objasniti i na sljedei nain:
377
U svakoj novanoj jedinici vrijednosti bruto proizvodnje proizvoaa Pj nalazi se aij +

novanih jedinica vrijednosti proizvodnje proizvoaa Pi.
Po analogiji, i uz ista objanjenja koja su data za formiranje matrice koliinskih koeficijenata, formira se i matrica vrijednosnih koeficijenata internih inputa [ aij + ]nxn tj.
A = aij
nn
+
a11+
+
a
= 21
+
an1
a1n +
a2 n +
za ije elemente vrijedi 0 aij + < 1 18.
+
ann
a12 +
a22 +
an 2 +
I u sluaju vrijednosne input-output tabele vrijede sljedei odnosi:
Qij + = aij + X j +
aij + = Qij + X j +
(3.68)
1
(3.69)
Iz formule (3.67) dobija se veza sa tehnikim koeficijentima aij koliinskih odnosa napisanim u matrinom obliku:
aij + = [i ] aij j
odnosno
(3.70)
aij = [i ] aij + j .
1
(3.71)
Napomena: Iz formule (3.67) slijedi da su dijagonalni elementi (i = j) matrica A i A+ jednaki.

Ako se sa 0 a
= aij + < 1 oznae zbirovi elemenata matrice A+ du kolona, tada se

i =1
moe objasniti znaenje elementa a
Kod proizvoaa Pj po jednoj novanoj jedinici njegovog prihoda dolazi a
novanih
jedinica vrijednosti internog repromaterijala utroenog iz sistema.
18
Na osnovu formule (3.59) i relacije (3.67) brojnik i Qij 0 je dio nazivnika j Xj > 0, uz poeljnu
pretpostavku da je Vj >0, pa je Qij+ < Xj+. To vrijedi i za zbirove du kolona matrice A+.
378
Kada je kod nekog proizvoaa Pk zbir a k + = aik + blii jedinici, znai da je taj proizvoi =1
a u veem stepenu primalac repromaterijala proizvedenih u sistemu njegova proizvodnja

je vie zavisna od repromaterijala iz sistema.
Vrijednosni koeficijenti eksternih inputa
Vrijednosni koeficijent eksternih inputa pokazuje zavisnost vrijednosti bruto proizvodnje

pojedinih sektora od vrijednosti eksternih inputa utroenih u toj proizvodnji i koliko je potrebno utroiti ej+ novanih jedinica vrijednosti eksternog inputa od snabdjevaa Se da bi se
proizvela jedna novana jedinica vrijednosti bruto proizvodnje sektora Pj. Ovaj koeficijent
se dobija mnoenjem koliinskog koeficijenta eksternih inputa sa odgovarajuim cijenama.
ej =
+
Wej +
Xj
ce Wej
jXj
ce
ej 0; e = 1,..., m, j = 1,..., n.
(3.72)
Znaenje vrijednosnog koeficijenta eksternih inputa se moe objasniti na sljedei nain:

Svaka novana jedinica vrijednosti bruto proizvodnje proizvoaa Pj sadri ej+ novanih
jedinica vrijednosti eksternog inputa od snabdjevaa Se.
Matrica vrijednosti eksternih inputa ej +
se zapisuje u sljedeem obliku
m n
+ = ej + mn
11+ 12 +
+
22 +
= 21
+
+
m1 m 2
1n +
2n +
mn +
i za njene elemente vrijedi 0 ej + < 119.
Sljedee dvije relacije vrijede i primjenjuju se u analizi i rjeavanju input-output modela:
Wej + = ej + X j +
ej + = Wej + X j +
(3.73)
1
.(3.74)
Iz formule (3.72) se dobija veza sa tehnikim koeficijentima eksternih inputa koliinskih

odnosa u matrinom obliku:
ej + = [ ce ] ej j
19
(3.75)
Na osnovu formule (3.59) i relacije (3.72) brojnik ce Wej 0 je dio nazivnika j Xj > 0, uz poeljnu
pretpostavku Vj >0, pa je Wej+ < Xj+.To vrijedi i za zbirove du kolona matrice +.
379
odnosno
ej = [ ce ] ej + j
1
Ako se sa 0
(3.76)
= ej + < 1; ( j = 1,..., n) oznae zbirovi elemenata matrice + du ko-
lona, tada element
e =1
+
j
ima sljedee znaenje:
Kod proizvoaa Pj po jednoj novanoj jedinici njegovog prihoda dolazi
novanih
jedinica vrijednosti utroenog eksternog repromaterijala dobijenog van sistema.

Vrijednosni koeficijenti raspodjele
Vrijednosni koeficijenti raspodjele se definiu sljedeim izrazom:
rij + =
Qij +
Xi
i Qij Qij
=
= r 0; i, j = 1,..., n.
i X i X i ij
(3.77)
To su, kao to je ve objanjeno u sluaju koliinskih koeficijenata raspodjele, neimenovani

brojevi koji se izraavaju u procentima.
Znaenje vrijednosnog koeficijenta raspodjele je sljedee: Proizvoa Pi je raspodijelio
(rij100%) vrijednosti svoje bruto proizvodnje proizvoau Pj.
Vrijednosni koeficijenti raspodjele se mogu zapisati i u matrinom obliku:
rij + = rij
n n
nn
r11
r
= 21
rn1
r12
r22
rn 2
r1n
r2 n
.
rnn
Pri rjeavanju input-output modela mogu se koristiti sljedee relacije:

1
rij = X i + Qij +
(3.78)
+
+
Qij = X i rij
(3.79)
Za zbirove du redova matrice koeficijenata raspodjele vrijedi:
380
0 rij = ri 1;
i = 1,..., n.
(3.80)
j =1
Vrijednost ri 100% pokazuje koliko procentualno je vrijednosti bruto proizvodnje Xi

(prihoda) proizvoaa Pi ostvareno u sistemu.
n
Ako je kod nekog proizvoaa Pk zbir rk = rkj du k-tog reda matrice rij blii jedinici,
j =1
to je taj proizvoa u veem stepenu davalac repromaterijala proizvodnjama u sistemu.

Koeficijenti dodane vrijednosti
Koliinski koeficijent dodane vrijednosti u prihodu proizvoaa Pj se definie sljedeim kolinikom:
vj =
Vj
Xj
> 0;
j = 1,..., n.
(3.81)
Koeficijenti dodane vrijednosti se mogu zapisati u vektorskom obliku:

v1
v
v j = 2

vn
Znaenje koeficijenata dodane vrijednosti je sljedee: Po svakoj koliinskoj jedinici svog

bruto proizvoda proizvoa Pj je ostvario vj novanih jedinica dodane vrijednosti Vj.
Vrijednosni koeficijent dodane vrijednosti u prihodu proizvoaa Pj se definie sljedeim izrazom
v j+ =
Vj
X j+
> 0;
j = 1,..., n .
(3.82)
Za koeficijente zapisane u vektorskom obliku
381
v1+
+
v
+
v j = 2 i vrijedi uslov 0 < v j + < 1 20.

+
vn
Vrijednosni koeficijent dodane vrijednosti ima sljedee znaenje: Po svakoj novanoj

jedinici vrijednosti bruto proizvoda proizvoau Pj se ostvaruje vj+ novanih jedinica
dodane vrijednosti Vj.
Veza izmeu koliinskog i vrijednosnog koeficijenta dodane vrijednosti proizilazi iz formula (3.81) i (3.82):
vj+ =
Vj
jXj
vj
(3.83)
Vrijednosni koeficijenti materijalnih trokova
Vrijednosni koeficijenti materijalnih trokova se definiu za pojedine sektore i za cijeli sistem kao odnos materijalnih trokova i vrijednosti bruto proizvodnje:
mj+ =
Mj
X j+
j = 1,..., n.
(3.84)
U vektorskom obliku koeficijent materijalnih trokova se zapisuje sljedeim izrazom:

m1+
+
m
+
m j = 2 i vrijedi 0 m j + < 1 21.
+
mn
Vrijednosni koeficijent materijalnih trokova pokazuje da je u svakoj novanoj jedinici

vrijednosti bruto proizvoda proizvoaa Pj udio materijalnih trokova mj novanih
jedinica.
20
21
U razlomku (3.82) brojnik Vj je dio nazivnika Xj+, pa za sve vrijedonosne koeficijente dodane vrijednosti
vrijedi ovo ogranienje.
U razlomku (3.84) brojnik Mj je dio nazivnika Xj+, pa za sve vrijedonosne koeficijente materijalnih trokova vrijedi ovo ogranienje.
382
Poto su materijalni trokovi jednaki zbiru vrijednosti utroenih internih i eksternih repromaterijala
n
i =1
e =1
M j = Qij + + Wej + ;
j = 1,..., n
dijelei gornji izraz sa Xj+ dobija se:

n
Qij +
i =1
X j+
mj+ =
Wej +
e =1
X j+
odnosno
n
m j + = aij + + ej +
i =1
mj = a
(3.85)
e =1
j = 1,..., n.
U prethodnom izrazu koeficijent materijalnih trokova je izraen kao zbir zbirova elemenata matrice A+ du kolona i zbirova elemenata matrice + du kolona.
Koeficijent materijalnih trokova pokazuje da se u svakoj novanoj jedinici vrijednosti
bruto proizvoda proizvoaa Pj nalazi mj+ novanih jedinica vrijednosti utroenog
repromaterijala iz sistema i od eksternih dobavljaa.
Strukture jedininih vrijednosti bruto proizvodnji
Ako se jednaina (3.59) formiranja vrijednosti prihoda j = Xj+ proizvoaa Pj
n
i =1
e=1
j = Qij + + Wej + + V j ; j = 1,..., n
odnosno
j X j = i Qij + ce Wej + V j
j
podijeli sa pripadnim prihodom j = Xj+ dobija se:

Qij +
1=
Xj
i =1
e=1
Wej +
Xj
Vj
X j+
ili
n
1 = aij + + ej + + v j +
i =1
1= a
(3.86)
e=1
+
j
+
j
+ vj
j = 1,..., n
dakle,
383
1 = mj+ + v j+
(3.87)
Jednaina (3.86) predstavlja strukturu formiranja jedinine vrijednosti bruto proizvodnje

(prihoda) proizvoaa Pj.
Objanjenje jednaine je da se svaka novana jedinica vrijednosti bruto proizvoda proizvoaa Pj sastoji od:
a
+
j
i =1
+
j
= aij + novanih jedinica vrijednosti internog repromaterijala,

m
= ej + novanih jedinica vrijednosti eksternog repromaterijala,

e=1
v j novanih jedinica dodane vrijednosti.
odnosno iz jednaine (3.87) slijedi objanjenje da se svaka novana jedinica vrijednosti

bruto proizvoda proizvoaa Pj sastoji od:
m j + novanih jedinica materijalnih trokova,
v j + novanih jedinica dodane vrijednosti.
Strukture jedininih vrijednosti proizvodnje ostaju nepromijenjene sve dok se ne mijenjaju

interne cijene, nabavne cijene, tehniki koeficijenti internih inputa, tehniki koeficijenti
eksternih inputa. Jedinine vrijednosti proizvodnje ne zavise od nivoa bruto proizvodnji Xj.
3.3.4. Analiza proizvodnog sistema u vrijednosnoj strukturi

Zavisnosti vrijednosti bruto proizvodnji, vrijednosti finalnih potronji i uvoza
U poglavlju 3.2.3. predstavljena je analiza proizvodnog sistema izraenog u koliinskim

odnosima, kao i meuzavisnosti izmeu odreenih kategorija u koliinskoj input-output
analizi. Ovdje e se predstaviti i analizirati analogne veze izmeu kategorija u vrijednosnoj
input-output analizi i tumaenje njihovih elemenata. Dokaze i izvoenja zavisnosti vrijednosti bruto proizvoda od vrijednosti finalnih potronji i vrijednosti uvoza te zavisnost
vrijednosti finalnih potronji od vrijednosti bruto proizvoda i uvoza u sistem nee se ponovo prezentovati jer su ve predstavljeni za koliinske odnose. Po analogiji ove zavisnosti se
izvode i za vrijednosne odnose.
Zavisnost vrijednosti finalnih potronji od vrijednosti bruto proizvodnje:
Y + = L+ X + ; L+ = I A+
Zavisnost vrijednosti bruto proizvoda od vrijednosti finalnih potronji:
384
(3.88)
X + = B + Y + ; B + = ( L+ ) 1
(3.89)
Zavisnost uvoza od bruto proizvodnji:
U+ =+ X +
(3.90)
Zavisnost uvoza od finalnih potronji:
U + = + Y + ,
+ = + B+ .
(3.91)
U analizi navedenih meuzavisnosti u proizvodnom sistemu u vrijednosnom obliku koriste

se: matrica tehnologije, matrica ukupnih utroaka internih inputa i matrica ukupnih utroaka
eksternih inputa vrijednosno izraene. Znaenja ovih matrica se daju po analogiji sa objanjenjima koja su predstavljena u dijelu 3.2.3. za ove matrice u koliinskom izrazu.
Predstavie se elementi navedenih matrica vrijednosno izraeni i objasniti njihovo znaenje.
Element matrice tehnologije u vrijednosnom izrazu se zapisuje u sljedeem obliku:
lij + =
Yi +
i vrijedi
X j +
+
+
i = j 0 < lii = (1 aii ) 1
+
+
i j lij = aij 0
(3.92)
i ima sljedee znaenje:

Ako se eli samo vrijednost bruto proizvodnje Xj+ proizvoaa Pj poveati za jednu
novanu jedinicu, a vrijednosti bruto proizvodnji ostalih proizvoaa ostanu
nepromijenjene, tada vrijednost neto proizvodnje Yi+ proizvoaa Pi treba promijeniti za
lij + novanih jedinica.
Element matrice ukupnih utroaka internih inputa vrijednosno izraen:
+
b ji =
X j +
Yi +
i vrijedi b ji
i = j; bii + 1
=
.
+
i j; b ji 0
(3.93)
Pokazuje da ako se eli samo vrijednost finalna potronja Yi+ 0 poveati za jednu
novanu jedinicu, a finalne potronje ostalih sektora ostanu nepromijenjene, vrijednost
bruto proizvodnje Xj+ 0 treba poveati za b ji + 0 novanih jedinica.
Element matrice eksternih inputa vrijednosno izraen:
U e +
= ej + 0 .
+
X j
(3.94)
385
Znai da ako se samo vrijednost bruto proizvodnje Xj+ proizvoaa Pj povea za jednu
novanu jedinicu, a vrijednosti bruto proizvodnji ostalih proizvoaa ostanu
nepromijenjene, tada se vrijednost ukupnog eksternog inputa od Se treba poveati za ej +
novanih jedinica.
Element matrice ukupnih utroaka eksternih inputa vrijednosno izraen:
U e +
= ei + 0 .
+
Yi
(3.95)
Elementi ove matrice imaju sljedee znaenje: Ako se eli poveati samo vrijednost
finalne potronje Yi+ za jednu novanu jedinicu, a da vrijednosti finalnih potronji ostalih
sektora ostanu nepromijenjene, treba vrijednost ukupnog eksternog inputa (uvoza) od
snabdjevaa Se poveati za ei+ novanih jedinica.
Zavisnost dodane vrijednosti Vj proizvoaa Pj od finalnih isporuka Yi proizvoaa Pi
Kako je V j = v j X j ;
V1
v1 0
V
2 = 0 v2

Vn n1 0 0
j = 1,..., n u matrinom obliku zapisano:

0
X1
X
0
2

vn nn X n n1
V j = v j X j
n1
n n
n1
Kako je X j = b ji Yi dobija se
V1
v1 0
V
2 = 0 v2

Vn n1 0 0
0
b11 b12
b
b
0
21 22
vn nn bn1 bn 2
V j = v j b ji [Yi ]n1
n1
n n
n n
386
b1n
Y1
Y
b2 n
2

bnn nn Yn n1
Ako se oznai d ji
n n
v1b11 v1b12
v b
vb
= v j b ji = 2 21 2 22
vnbn1 vnbn 2
v1b1n
v2b2 n 22
vn bnn
dalje se moe pisati

V j = d ji [Yi ]n1 .
n1
n n
(3.96)
Izvue li se jti red iz prethodne matrine jednaine dobija se:

n
V j = d ji Yi ;
j = 1,..., n.
(3.97)
i =1
Raunajui parcijalne izvode iz prethodne jednaine dobija se izraz za koeficijent dji

V j
= d ji = v j b ji 0
Yi
koji ima sljedee znaenje:
(3.98)
Ako se samo finalna potronja Yi proizvoaa Pi povea za jednu koliinsku jedinicu, a

ostale finalne potronje ostanu nepromijenjene, dodana vrijednost proizvoaa Pj e se
poveati za dji novanih jedinica.
Naime, element bji pokazuje veliinu proizvodnje j-tog sektora koja je direktno i indirektno
uslovljena koliinskom jedinicom finalnih isporuka i-tog sektora. Ako se veliinu proizvodnje j- tog proizvoaa pomnoi veliinom dodane vrijednosti tog proizvoaa koju on
ostvaruje po koliinskoj jedinici svoje proizvodnje, dobit e se veliina dodane vrijednosti
tog proizvoaa uslovljena koliinskom jedinicom finalnih isporuka i-tog proizvoaa (sektora).
Analogno, moe se pokazati zavisnost dodane vrijednosti Vj proizvoaa Pj od vrijednosti
finalne potronje Yi+ proizvoaa Pi.
Poto je V j = v j + X j + ; j = 1,..., n , gdje je vj+ vrijednosni koeficijent dodane vrijednosti, u
matrinom obliku se moe zapisati
V j = v j + X j +
n1
n n
n1
Uvrtavanjem X j + = b ji + Yi + u gornji izraz se dobija

22
Matrica d ji = v j b ji predstavlja matricu ukupnih koeficijenata dodane vrijednosti.
387
V j = v j + b ji + Yi + .
n1
n n
n n
n1
Ako se oznai d ji +
n n
v1+ b11+
+ +
v b
+
+
= v j b ji = 2 21
+ +
vn bn1
v1+ b12 +
v2 +b22 +
vn + bn 2 +
v1+ b1n +
v2 + b2 n + 23
vn + bnn +
moe se napisati
V j = d ji + Yi +
n1
n n
n1
(3.99)
Izvue li se jti red iz prethodne matrine jednaine, dobija se:

n
V j = d ji + Yi + ;
j = 1,..., n.
(3.100)
i =1
Raunajui parcijalne izvode iz prethodne jednaine dobija se koeficijent u vrijednosnom

izrazu:
V j
Yi +
= d ji + = v j + b ji + 0
(3.101)
koji ima sljedee objanjenje:

Ako se samo vrijednost finalne potronje Yi+ proizvoaa Pi povea za jednu novanu
jedinicu, a ostale finalne potronje ostaju nepromijenjene, dodana vrijednost u prihodu
proizvoaa Pj e se poveati za dji+ novanih jedinica.
3.3.5. Analiza cijena u proizvodnom sistemu i uticaja njihove promjene
Cijene veliina koje se nalaze u proizvodnom sistemu se mijenjaju, a time i cijene proizvodnje. Zbog toga moe doi do naruavanja ravnotee izmeu potranje i ponude proizvoda
jednog ili vie sektora. Za analizu cijena u proizvodnom sistemu i praenja uticaja njihove
promjene polazi se od pretpostavke da proporcije svakog sektora ostaju konstantne, tj. koeficijenti njihovih odnosa se ne mijenjaju uslijed promjena cijena.
23
+
+
+
Matrica d ji = v j b ji predstavlja matricu ukupnih vrijednosnih koeficijenata dodane vrijednosti.
388
Veza finalnih i internih cijena
Proizvoai Pi, i = 1,...,n prodaju finalne potronje Yi po odgovarajuim trinim cijenama

pi. Na taj nain proizvodni sistem ostvaruje ukupan prihod po formuli:
n
= pi Yi .
(3.102)
i =1
Ako je proizvoa Pi proizveo Xi > 0 koliinskih jedinica ukupne proizvodnje, on ostvaruje

odgovarajui prihod i > 0. Ako je kod tog proizvoaa Yi = 0, onda je piYi = 0, to znai
da piYi nije prihod tog proizvoaa jer su u njegovoj proizvodnji i dijelovi troeni u reprodukcijskoj potronji sistema. Pojedinani prihod svakog proizvoaa se ostvaruje
vrijednou bruto proizvodnje obraunate po internim cijenama, dakle i = iXi.24
n
i =1
i =1
Ukupan prihod sistema je = pi Yi = i X i .

Iz ravnotene jednaine vrijednosti bruto proizvoda i odnosa Y = LX slijedi:
n
n
n
n
n
n
n
= j = j X j = pi Yi = pi ( lij X j ) = ( pi lij ) X j
j =1
j =1
i =1
i =1
j =1
j =1 i =1
Iz gornjeg izraza uporeujui j X j sa ( pi lij ) X j

n
j = pi lij ;
j =1
j =1
i =1
j = 1,..., n.
dobija se
(3.103)
i =1
Ovaj sistem od n linearnih jednaina (j =1,...,n) se moe napisati u matrinom obliku:

j = lij [ pi ]n1 .
n1
n n
T
(3.104)
Jednaina (3.104) omoguava da se na osnovu odreenih, poznatih finalnih cijena i poznate

matrice tehnologije sistema odrede interne cijene po kojima se obraunavaju bruto proizvodi i njegovi dijelovi kod pojedinih proizvoaa.
Iz jednaine (3.103), raunajui parcijalne izvode, dobija se:
j
i = j 0 < lii = (1 aii ) 1

= lij ;
.
i
l
=
0
pi
ij
ij
24
(3.105)
Vukovi, ., (2003), str. 45.
389
Koeficijent lij iz gornjeg izraza ima sljedee znaenje: Ako se trina cijena pi povea za
jednu novanu jedinicu, a ostale trine cijene ostanu nepromijenjene, tada internu cijenu
j treba promijeniti za lij novanih jedinica.
Navedeno objanjenje vrijedi i za svaku dodatnu promjenu trinih cijena, tj.
j = lij [ pi ]n1 .
n1
nn
T
(3.106)
Rjeavajui jednainu (3.104) po vektoru finalnih cijena, tj. mnoei je sa inverznom matricom matrice LT, odnosno matricom BT sa lijeve strane, dobija se:
[ pi ]n1 = b ji nn j n1 .
T
(3.107)
Ako se iz ovog sistema od n linearnih jednaina izdvoji i-ta jednaina, dobija se:
n
pi = j b ji ;
i = 1,..., n .
(3.108)
j =1
Iz jednaine (3.108), raunajui parcijalne izvode, slijedi izraz za koeficijent bji

i = j; bii 1
pi
.
= b ji i vrijedi b ji =
i
j
b
;
0
j
ji
(3.109)
Koeficijent bji iz gornjeg izraza ima sljedee znaenje: Ako se interna cijena j eli
poveati za jednu novanu jedinicu, a da ostale interne cijene ostanu nepromijenjene,
trina cijena pi bi se trebala poveati za bji novanih jedinica.
Pitanje koje ostaje otvoreno za diskusiju je da li se finalna potronja na tritu moe realizovati po cijenama koje su planirali proizvoai, a koje su u analizi oznaene kao trine ili
finalne cijene.
Zavisnost koeficijenta dodane vrijednosti od internih i nabavnih cijena
Ako
se
jednaina
strukture
vrijednosti
proizvodnje
proizvoaa
j X j = i Qij + ce Wej + V j podijeli sa nivoom proizvodnje Xj, dobija se:
i
i Qij
i =1
Xj
j =
390
ce Wej
e =1
Xj
Vj
Xj
Pj:
odnosno
n
i =1
e=1
j = i aij + ce ej + v j .
(3.110)
Iz izraza (3.110) slijedi

n
i =1
e=1
v j = j i aij ce ej = j j a jj i aij ce ej =
j i
e =1
e=1
i =1
e=1
j (1 a jj ) + i ( aij ) ce ej = j l jj + i lij ce ej = i lij ce ej .

j i
e=1
j i
Za j =1,...,n dobija se sistem od n linearnih jednaina:

n
i =1
e =1
v j = i lij ce ej
(3.111)
koji se moe zapisati u matrinom obliku:

v j = lij [ i ] ej [ ce ] .
Iz (3.111) slijede parcijalni izvodi:
T
i = j 0 < lii = (1 aii ) 1

= lij za koje
i
i j lij = aij 0
v j
v j
ce
(3.112)
(3.113)
= ej 0 .(3.114)
Znaenje parcijalnog izvoda (3.113) je sljedee: Ako se samo interna cijena i povea za
jednu novanu jedinicu, a sve ostale interne cijene, kao i cijene nabave ostanu
nepromijenjene, koeficijent dodane vrijednosti kod proizvoaa Pj e se promijeniti za lij
novanih jedinica.
Znaenje parcijalnog izvoda (3.114) je sljedee: Ako se samo nabavna cijena ce povea
za jednu novanu jedinicu, a ostale cijene nabavne, kao i interne cijene, ostanu
nepromijenjene, koeficijent dodane vrijednosti kod proizvoaa Pj e se smanjiti za ej
novanih jedinica.
Prethodna dva objanjenja vrijede i za svaku dodanu promjenu:
v j = lij [ i ] ej [ ce ] .
T
(3.115)
391
Mnoei jednainu (3.112) sa lijeve strane sa matricom b ji dobija se:
[ i ] = b ji
v j + b ji ej [ ce ] odnosno
[ i ] = b ji
v j + [ ei ] [ ce ] ;
i, j = 1,..., n ; e = 1,..., m.
(3.116)
Iz sistema (3.116) moe se napisati i ta jednaina:

n
j =1
e =1
i = v j b ji + ce ei .
(3.117)
Raunajui parcijalne izvode iz jednaine (3.117), dobija se:

i = j; bii 1
i
.
= b ji i vrijedi b ji =
v j
i j; b ji 0
(3.118)
i
= ei 0 .
ce
(3.119)
Znaenje koeficijenta bji zapisanog u izrazu (3.118) je sljedee: Ako se koeficijent

dodane vrijednosti vj eli poveati za jednu novanu jedinicu, a da svi ostali koeficijenti
dodane vrijednosti ostanu isti, kao i nabavne cijene, internu cijenu i kod pripadnog
proizvoaa treba poveati za bji novanih jedinica.
Znaenje koeficijenta ei zapisanog u izrazu (3.119) je sljedee: Ako se samo nabavna
cijena ce povea za jednu novanu jedinicu, a da sve ostale nabavne cijene ostanu iste,
kao i koeficijenti dodanih vrijednosti, internu cijenu i kod proizvoaa Pi treba poveati
za ei novanih jedinica.
Struktura jedinine vrijednosti proizvodnje i njena dekompozicija
na uvoz i dodanu vrijednost
Pokazana je polazna struktura vrijednosti jedinice proizvodnje j tog proizvoaa (sektora)

jednainom (3.86):
n
1 = aij + + ej + + v j +
i =1
1= a
e=1
+
j
+
j
+ v j+ ;
j = 1,..., n.
Jedinica vrijednosti proizvodnje j-tog sektora formira se tako to jedininim vrijednosnim

utrocima internih i eksternih repromaterijala, dakle jedininim materijalnim trokovima,
doda dodana vrijednost koja se ostvaruje u jedininoj vrijednosti proizvodnje j-tog sektora.
392
Na isti nain moe se izraunati struktura jedininih vrijednosti proizvodnje za svakog proizvoaa (j = 1,...,n), pa se dobija sistem od n linearnih jednaina:
1 = ( a11+ + a21+ + .. + an1+ ) + (11+ + 21+ + .. + m1+ ) + v1+
1 = ( a12 + + a22 + + .. + an 2 + ) + (12 + + 22 + + .. + m 2 + ) + v2 +
(3.120)
1 = ( a1n + + a2 n + + .. + ann + ) + (1n + + 2 n + + .. + mn + ) + vn +

Gornji sistem jednaina se moe zapisati u matrinom obliku:
[1]n1 = A+ nn [1]n1 + + nm [1]m1 + v j + n1

T
(3.121)
transponovanjem jednaine (3.121) dobija se:
[1]1n = [1]1n A+ nn + [1]1m + mn + v j + 1n
(3.122)
Jednaina (3.122) se moe napisati u obliku:
[1]1n [1]1n A+ nn = [1]1m + mn + v j + 1n

[1]1n I A+ nn = [1]1m + mn + v j + 1n
[1]1n L+ nn = [1]1m + mn + v j + 1n
Mnoei prethodnu jednainu sa desne strane sa [L+] 1 = B+ dobija se:
[1]1n = [1]1m + mn B + nn + v j + 1n B + nn
odnosno, poto je +B+ = +, slijedi
[1]1n = [1]1m + mn + v j + 1n B + nn .
(3.123)
Izdvoji li se j- ta kolona matrine jednaine (3.123), dobija se:

m
e =1
i =1
e =1
i =1
1 = ej + + vi+ bij +
1 = ej + + dij +
1=
+
j
+d
(3.124)
+
j
393
Jednaina (3.124) predstavlja dekomponiranu strukturu vrijednosti proizvodnje i izraena je

kao zbir vrijednosti uvoza svih proizvoaa (sektora) uvjetovanih jedinicom vrijednosti
finalnih isporuka j-tog proizvoaa i dodane vrijednosti koja se formira u svim sektorima, a
sadrana je u jedinici vrijednosti, finalnih isporuka j- tog proizvoaa25.
Istaknimo da relacije (3.86) i (3.124) pokazuju jedininu strukturu vrijednosti proizvodnje
sektora (proizvoaa). U relaciji (3.86) jedinina struktura vrijednosti proizvodnje se izraava kao zbir direktnih vrijednosnih utroaka internih i eksternih repromaterijala i dodane
vrijednosti, sadranih u jedinici vrijednosti proizvodnje, a relacija (3.124) pokazuje jedininu strukturu vrijednosti proizvodnje kao zbir ukupnih vrijednosnih utroaka vanjskih
nabavki i dodane vrijednosti, sadranih u jedinici vrijednosti finalnih potronji.
Na temelju ovako dekomponirane strukture vrijednosti pojedinog proizvoaa (sektora)
mogue je kvantificirati sloene efekte to ih na promjenu cijena proizvoda pojedinog sektora vri egzogena promjena uvoznih (nabavnih) cijena proizvoda ili promjena elementa
dodane vrijednosti bilo kog proizvodnog sektora.
Primjer 3.6.
Poznata je koliinska input-output tabela jednog proizvodnog sistema
P1
P2
P3
S1
S2
P1
P2
0
300
10
Qij
0
0
0
300
300
Wej
500
180
P3
Qij
j
0
100
50
0
400
60
Yi
Xi
100
100
140
100 kom.
500 m3
200 kg
Ue
100
120
900 kwh
600
kao i finalne cijene (cijene izvoza): p1 = 23 KM/kom., p2 = 3 KM/m3, p3 = 10 KM/kg

i nabavne cijene c1 = 0,5 KM/kwh, c2 = 0,2 KM/l.
a) Formirati odgovarajuu transakcionu input-output tabelu i objasniti njene sastavne dijelove;
b) Odrediti vrijednosne matrice internih i eksternih inputa aij+ i ej+ i objasniti
znaenje elemenata ovih matrica;
25
Andriji, S.,(2002.) str. 229.
394
c) Tabelarno predstaviti strukturu jedininih vrijednosti proizvodnje;

d) Tabelarno predstaviti vrijednosnu strukturu raspodjele pojedinih proizvodnji.
Rjeenje:
a) Prvo se izraunavaju interne cijene po kojima se obraunavaju pojedine proizvodnje i njihovi dijelovi (interni inputi i izvoz).
j = lij [ pi ]
T
1
100
0 0 0
A = aij = 300 0 100 0
10 0 50
0
0
1
500
0
0
0

0 =3

1 1
200 10
0
0
0
1
2
1
0 0 0 1
0 0
1 0 0

1
1
= 3 1 .
L = lij = 0 1 0 3 0
2
2
0 0 1
1
1
1
3
0
0
4 10
4
10
1
1 3 10 23 13
j = 0 1 0 3 = 3 .
1 3 10 6
0
2
4
Mnoei proizvodnje proizvoaa odgovarajuim internim cijenama dobija se odgovarajua transakciona (vrijednosna) input-output tabela:
395
P1
P2
Qij+
P3
Qij+
Yi +
X i+
P1
P2
P3
0
900
60
0
0
0
0
300
300
0
1200
360
1300
300
840
1300
1500
1200
Qij+
960
600
R+=1560
Y+=2440
X+=4000
Wej+
Wej+
j
S1
S2
150
60
250
36
50
24
450
120
Wej+
210
286
74
U+=570
Mj
Vj
j
1170
130
1300
286
1214
1500
674
526
1200
M=2130
V=1870
=4000
Objanjenje elemenata tabele po redovima:
Proizvoa P1 je ostvario prihod X1+ = 1300 KM samo kroz prodaju svoje finalne isporuke.
Proizvoa P2 je ostvario prihod X2+ = 1500 KM, i to 300 KM kroz prodaju
svoje finalne isporuke i 1200 KM u reprodukcijskoj potronji u sistemu, od toga
kroz proizvodnju proizvoaa P1 900 KM i kroz proizvodnju proizvoaa P3
300KM.
Proizvoa P3 je ostvario prihod X3+ = 1200 KM, i to 840 KM kroz prodaju
svoje finalne isporuke i 360 KM u reprodukcijskoj potronji u sistemu, od toga
kroz proizvodnju proizvoaa P1 60 KM i kroz vlastitu proizvodnju 300 KM.
Zbirno u sistemu je ostvaren prihod X+ = 4000 KM, i to kroz vrijednost izvoza
Y+ = 2440KM i vrijednost reprodukcijske potronje u sistemu R+ = 1560KM.
R + = Qij + ; X + = R + + Y + .
i
U sistem je uvezen eksterni input od snabdjevaa S1 u vrijednosti 450KM, i to

kroz proizvodnje proizvoaa P1 150 KM, P2 250 KM i P3 50 KM.
U sistem je uvezen eksterni input od snabdjevaa S2 u vrijednosti od 120KM i
to kroz proizvodnje proizvoaa P1 60 KM, P2 36 KM i P3 24 KM.
Zbirno u sistem je uvezeno 570 KM, vrijednosti eksternog repromaterijala i to
kroz proizvodnje proizvoaa P1 210 KM, P2 286 KM, P3 74KM.
396
Materijalni trokovi sistema iznose M = 2130 KM i to kod proizvoaa P1 1170

KM, P2 286 KM i P3 674 KM.
Dodana vrijednost u prihodu sistema je V = 1870 KM i to kod P1 130 KM, P2
1214 KM i P3 526 KM.
Ukupan ostvaren prihod u sistemu je = 4000 KM i to proizvoaa P1 1300
KM, P2 1500 KM i P3 1200 KM.
Objanjenje elemenata tabele po kolonama:
Kod proizvoaa P1 prihod je 1 = 1300 KM i predstavlja zbir materijalnih trokova M1 = 1170 KM koji je zbir 960 KM vrijednosti internog repromaterijala
(900 KM dobijenog od P2 i 60 KM dobijenog od P3) i 210 KM vrijednosti eksternog repromaterijala (150 KM dobijenog od S1 i 60 KM dobijenog od S2) i
dodane vrijednosti V1 = 130KM.
Kod proizvoaa P2 prihod je 2 = 1500 KM i predstavlja zbir materijalnih trokova M2 = 286KM samo kao vrijednost eksternog repromaterijala (250 KM
dobijenog od S1 i 36KM dobijenog od S2) i dodane vrijednosti V2 = 1214 KM.
Kod proizvoaa P3 prihod je 3 = 1200 KM i predstavlja zbir materijalnih trokova M3 = 674 KM koji je zbir 600 KM vrijednosti internog repromaterijala
(300 KM dobijenog od P2 i 300 KM kroz vlastitu proizvodnju) i 74 KM vrijednosti eksternog repromaterijala (50 KM dobijenog od S1 i 24 KM dobijenog od
S2) i dodane vrijednosti V3 = 526 KM.
U sistemu je ostvaren prihod = 4000KM i predstavlja zbir materijalnih trokova sistema M = 2130 KM koji je zbir vrijednosti reprodukcijske potronje u
sistemu R+ = 1560 KM i vrijednosti uvoza u sistem U+ = 570 KM i dodane vrijednosti sistema V = 1870 KM.
Napomena: M = R+ + U+; = M + V.
b) Rauna se
1
0
0
1300
0 0
0 0 0

1
= 9 0
aij + = Qij + X j + = 900 0 300 0
0

13
1500
60 0 300

1
3
0
0
0
1200 65
1
.
4
1
397
Objanjenje elemenata vrijednosne matrice koeficijenata internih inputa:
Po svakoj novanoj jedinici (KM) vrijednosti svoje bruto proizvodnje proizvo+

a P1 nije direktno utroio vrijednosti svoje proizvodnje a11+ = 0 , a21
= 9 /13
+
= 3 / 65 vrijednosti proizvodnje
vrijednosti proizvodnje proizvoaa P2 i a31
proizvoaa P3.
Po svakoj novanoj jedinici vrijednosti svoje bruto proizvodnje proizvoa P2
nije utroio nita vrijednosti internog repromaterijala iz sistema.
Po svakoj novanoj jedinici (KM) vrijednosti svoje bruto proizvodnje proizvoa P3 nije direktno utroio vrijednosti proizvodnje proizvoaa P1 a13+ = 0 ,
+
+
utroio je a23
= 1/ 4 vrijednosti proizvodnje proizvoaa P2 i a33
= 1/ 4 vrijednosti svoje proizvodnje.
Rauna se
1
0
0
1300
1
1
3
150
250
50

1
= 26 6 24
ej+ = Wej + X j + =
0
0
3
6
1
1500
60 36 24

1 65 25 50
0
0
1200
Objanjenje elemenata vrijednosne matrice koeficijenata eksternih inputa:

je direktno utroio vrijednosti eksternog repromaterijala 11+ = 3/26 od S1 i 21+
= 3/65 od S2.
je direktno utroio vrijednosti eksternog repromaterijala 12+ = 1/6 od S1 i 22+=
6/25 od S2.
je direktno utroio vrijednosti eksternog repromaterijala 13+ = 1/24 od S1 i
23+= 1/50 od S2.
c) Tabela strukture jedininih vrijednosti proizvodnji:
Iz jednaine strukture jedininih vrijednosti proizvodnji svakog proizvoaa

n
1 = aij + + ej + + v j +
i =1
1= a
398
e=1
+
j
+
j
+ v j+ ;
j = 1, 2,3
P1
0
9/13
3/65
48/65
3/26
3/65
21/130
117/130
13/130
1
P1
P2
P3
S1
S2
mj+
vj+
P2
0
0
0
0
1/6
6/25
61/150
61/150
89/150
1
P3
0
1/4
1/4
1/2
1/24
1/50
37/600
337/600
263/600
1
Objanjenje:
Proizvoa P1 u svakoj novanoj jedinici (KM) vrijednosti bruto proizvodnje

obraunava 48/65 KM vrijednosti ukupnog internog repromaterijala i 21/130
KM vrijednosti eksternog repromaterijala, tj. ukupno 117/130 KM materijalnih
trokova i 13/130 KM dodane vrijednosti.
Proizvoa P2 u svakoj svojoj KM vrijednosti bruto proizvoda obraunava
61/150 KM vrijednosti eksternog repromaterijala i time isto materijalnih trokova i 89/150 KM dodane vrijednosti.
Proizvoa P3 u svakoj novanoj jedinici (KM) vrijednosti bruto proizvodnje
obraunava 1/2 KM vrijednosti ukupnog internog repromaterijala i 37/600 KM
vrijednosti eksternog repromaterijala, tj. ukupno 337/600 KM materijalnih trokova i 263/600 KM dodane vrijednosti.
0 0 0
3
1
0
d) Kako je rij+ = rij i iz izraunate matrice rij =
slijedi:
5
5
1
1
0
4
20
rij+ 100%
P1
P2
P3
0
60
5
0
0
0
ri + 100%
0
20
25
0
80
30
Yi +
100%
X i+
100
20
70
399
Objanjenje:
Proizvoa P1 je svoj prihod kompletno rasporedio na vrijednost svoje finalne

potronje.
Proizvoa P2 je svoj prihod rasporedio 20% na vrijednost finalne potronje i 80%
na vrijednost interne raspodjele - 60% proizvoau P1 i 20% proizvoau P3.
Proizvoa P3 je svoj prihod rasporedio 70% na vrijednost finalne potronje i 30%
na vrijednost internih inputa, i to 5% proizvoau P1 i 25% u vlastitu proizvodnju.
Primjer 3.7.
Kod jednog proizvodnog sistema poznate su sljedee matrice:

0, 2 0,1 +
0, 05 0, 04
A+ = aij+ =
= ej+ =
0,1
0
0,1 0, 4
a) Ako su planirane finalne potronje Y1 = 14 0kg i Y2 = 125 m3 i poznate interne

cijene 1= 10 nj/kg i 2 = 8 nj/m3 kao i cijene uvoza c1 = 5nj/kwh i c2 = 4 nj/l
kompletirati odgovarajuu transakcionu tabelu.
b) Kompletirati odgovarajuu koliinsku I-O tabelu.
c) Ako se cijene uvoza poveaju za 1nj kolike trebaju biti interne cijene da bi dodane vrijednosti oba proizvoaa ostale iste?
Rjeenje:
10 140 1400
a) Y + =
=
8 125 1000
1
X + = B + Y + ; B + = L+
0,8 0,1
L+ = I A+ =
0,1 0, 6
47
100 0, 6 0,1
B+ =
100
47 0,1 0,8
100 0, 6 0,1 1400 2000
X + = B+ Y + =
47 0,1 0,8 1000 2000
det L+ =
0 400 200
0, 2 0,1 2000
Qij+ = ij+ X +j =

2000 200 800
0,1 0, 4 0
400
0 100 80
0, 05 0, 04 2000
Wij+ = ej+ X +j =

0,1 0
2000 0 200
0
Transakciona input-output tabela:
P1
P2
Qij+
Yi +
X i+
P1
P2
400
200
200
800
600
1000
1400
1000
2000
2000
Qij+
600
1000
1600
2400
4000
S1
S2
100
0
80
200
180
200
Wej+
100
280
380
M
V
P
700
1300
2000
1280
720
2000
1980
2020
4000
b) Koliinska I-O tabela:
P1
P2
S1
S2
P1
P2
40
25
20
0
20
100
16
50
Qij
Yi
Xi
60
125
36
50
140
125
200
250
c) V j = j M j = X j j * Qij j * + Wej ce* ;

e
i
gdje su j* nove interne cijene po kojima se obraunavaju bruto proizvodnje i njeni

dijelovi i ce* nove cijene nabave.
Rjeavanjem sistema jednaina dobija se:
401
1300 = 200 1* 40 1* + 25 2* + 20 6 + 0 5
720 = 250 2* 20 1* + 100 2* + 16 6 + 50 5
284 = 32 1* 5 2*
533 = 10 1* + 75 2*
1* = 10.42
2* = 9.88
Dakle, ako se cijene uvoza poveaju za 1nj, interne cijene bi se poveale 1 za 0,42
nj, a 2 za 1,88 nj.
Primjer 3.8.
Poznata je nepotpuna vrijednosna input-output tabela, kao i vektori internih cijena

10 nj / kwh
25 nj / kom
=
i nabavnih cijena c =
.
20 nj / kom
15 nj / m
P1
+
ij
P2
Qij+
Yi +
X i+
2100
2500
3000
P1
P2
1250
600
Q
i
+
ij
Wej+
Wej+
j
S1
S2
0
1200
100
160
Wej+
e
Mj
Vj
j
a) Kompletirati vrijednosnu I-O tabelu.
b) Napisati jednainu raspodjele vrijednosti proizvodnje u sistemu.
c) Koliko proizvoa P1 direktno utroi u svojoj proizvodnji internog inputa proizvoaa P2 ?
d) Formirati koliinsku input-output tabelu.
402
e) Izraunati matrice vrijednosnih koeficijenata internih i eksternih inputa i objasniti

vrijednost elementa a12 + , 12 + .
f) Odrediti koliko po jednoj nj proizvoa P2 ostvaruje dodane vrijednosti.
Rjeenje:
a) Vrijednosna I-O tabela
P1
+
ij
P2
Qij+
Yi +
X i+
1250
600
1250
900
1250
2100
2500
3000
1850
2150
3350
5500
P1
P2
0
300
Qij+
300
+
ej
W
j
+
ej
S1
S2
0
1200
100
160
100
1360
Wej+
1200
260
1460
Mj
Vj
j
1500
1000
2500
2110
890
3000
3610
1890
5500
b) = X + = Qij + + Yi + = R + + Y + 5500 = 2150 + 3350 .

i =1 j =1
c) Q21 =
Q21+
i =1
300
= 20m .
15
d) Dijelei vrijednosti internih i eksternih inputa proizvoaa sa odgovarajuim internim i nabavnim cijenama, dobijamo koliinsku I- O tabelu:
P1
P2
S1
S2
P1
P2
Qij
0
20
0
60
50
40
10
8
50
60
10
68
Yi
Xi
50
140
100
200
403
0
1250
2500
e) aij + = Qij + X j =
300 600 0
1
2500
0
100
ij + = Wej + X j =

1200 160 0
a12 + =
5

0 0
12
=
1
1 3
3000 25 5

0 0
=
1 12
3000 25
1
30
.
4
75
5
1
; 12 + =
12
30 .
U svakoj novanoj jedinici vrijednosti proizvodnje proizvoa P2 direktno utroi

vrijednosti proizvodnje proizvoaa P1 i
f) v2 + =
5
12
1
vrijednosti uvoza od snabdjevaa S1.
30
V2
890
=
0, 296 .
+
X2
3000
Primjer 3.9.
Kod jednog proizvodnog sistema u tekuem periodu poznate su matrice:
A+
a)
b)
c)
d)
404
1 1
8 4
400
1
+
=
0 , X + =
, =
.
4
600
1 1
4 3
Kompletirati odgovarajuu vrijednosnu I- O tabelu proizvodnog sistema ;
Izraunati vrijednosnu matricu koeficijenata ukupnih eksternih inputa [+] i komentarisati vrijednosti koeficijenata direktnih i ukupnih utroaka eksternih inputa
za sektor P2;
Izraunati vrijednosne direktne i ukupne koeficijente dodane vrijednosti [v+] i
[d+] i komentirati dobivene rezultate za sektor P2 ;
Napisati vrijednosnu strukturu jedinine proizvodnje za svaki sektor pomou direktnih koeficijenata (polaznu strukturu), a zatim pomou ukupnih koeficijenata
(dekomponiranu strukturu).
Rjeenje:
a) Izraunavaju se:
Qij+ = ij+ X +j = 8

1
4
1
+
+
+
Wej = ej X j = 4
1
4 400 0 50 150
=
1 0 600 100 200

3
400 0
0
= [100 0]
0 600
Dobija se vrijednosna I-O tabela:

P1
+
ij
P2
Qij+
Yi +
X i+
200
300
500
200
300
500
400
600
1000
P1
P2
50
100
150
Qij+
i
150
200
350
Wej+
Wej+
j
S1
Mj
Vj
j
100
250
150
400
0
350
250
600
100
600
400
1000
b) + = +B+; B+ = (L+)-1.
Rauna se matrica B+:

7
8
L+ = ( I A+ ) =
1
4
25
det L+ =
48
1
4
2
3
32
25
1
+
(
)
B+ =
L
det L+
12
25
12
25
42
25
405
32
1
25
Sada matrica + =
0
4
12
25
12
25 8
=
42 25
25
3
.
25
Iz dobivenih matrica traeni direktni vrijednosni koeficijent eksternih inputa za proizvoaa P2 je 12+ = 0 i pokazuje da proizvoa P2 u svojoj proizvodnji ne troi
vrijednost eksternog repromaterijala.
3 U1+
pokazuje da jedinica vrijednosti finalne isporuke proizvoa=
Nadalje =
25 Y2+
a P2 uvjetuje potronju eksternog repromaterijala kod svih proizvoaa u vrijednosti
od 3/25 nj.
+
12
c) Iz v +j =
Vj
3 5
v+ =
X
8 12
+
j
3
32
0
25
8
+
+
+
d = v B =
12
5
0

12 25
12 12
25 25
=
42 1
25 5
9
50
7
10
To znai da je direktni vrijednosni koeficijent dodane vrijednosti proizvoaa P2

5
v2+ =
i pokazuje da se u jednoj novanoj jedinici vrijednosti proizvodnje proizvo12
aa P2 nalazi 5/12 nj dodane vrijednosti.
Dalje, ukupni vrijednosni koeficijent dodane vrijednosti proizvoaa P2 je
9 7 22
i pokazuje da jedinica vrijednosti finalne isporuke prod +2 = d12+ + d 22+ =
+ =
50 10 25
izvoaa P2 sadri 22/25 nj dodane vrijednosti formirane u svim sektorima
proizvodnog sistema i to: u prvom 9/50 nj, u drugom 7/10 nj.
d) Struktura vrijednosti jedininih proizvodnji:
n
1 = aij + + ej + + v j +
i =1
1= a
e =1
+ vj+ ;
j = 1, 2.
1 1 1 3
Za sektor P1: ( + ) + + = 1
8 4 4 8
406
U jednoj novanoj jedinici proizvodnje sektora P1 se nalazi 3/8 nj vrijednosti utroenog internog repromaterijala, vrijednosti utroenog eksternog repromaterijala i 3/8
nj dodane vrijednosti.
1 1
5
Za sektor P2: ( + ) + 0 + = 1
4 3
12
U jednoj novanoj jedinici proizvodnje sektora P2 se nalazi 7/12 nj vrijednosti utroenog internog repromaterijala, nita vrijednosti eksternog repromaterijala i 5/12 nj
dodane vrijednosti.
Dekomponirana struktura vrijednosti jedininih proizvodnji:
m
e =1
i =1
1 = ej + + vi+ bij + ;
1 = ej + + dij + ;
e =1
1=
i =1
+d
Za sektor P1:
8
12 1
8 17
+( + ) =
+
=1
25 25 5 25 25
U jednoj novanoj jedinici proizvodnje sektora P1 se nalazi 8/25 nj vrijednosti eksternih inputa i 17/25 nj dodane vrijednosti formirane u sistemu, a sadranih u jedinici
vrijednosti izvoza ovog sektora.
Za sektor P2:
3
9 7
3 22
+( + ) =
+
=1
25 50 10 25 25
U jednoj novanoj jedinici proizvodnje sektora P2 se nalazi 3/25 nj vrijednosti eksternih inputa i 22/25 nj dodane vrijednosti formirane u sistemu, a sadranih u jedinici
vrijednosti izvoza ovog sektora.
Primjer 3.10.
Kod nekog proizvodnog sistema poznate su sljedee matrice

4
b ji + = 3
2
3
10
1
9 + 25
ej =
20
4
9
25
1
30
407
a) Ako su poznate cijene 1 = 50KM/kg; 2 = 30KM/m; c1 = 20KM/l; c2 =

40KM/kom. i ako je plan vrijednosti finalnih potronji Y1+ = 2000KM i Y2+ =
2100KM formirati odgovarajuu koliinsku I -O tabelu.
b) Odrediti matricu ei+ i objasniti znaenje elementa 12+
c) Koliko se u 1KM vrijednosti proizvodnje proizvoa P1 ostvaruje dodane
vrijednosti?
Rjeenje:
4
3
a) X + = B + Y + =
2
3
10
1
1
9 2000 5000
I A+ = ( B + ) A+ = I ( B + )
=
20 2100 6000
9
10
20

T
20
9
9
det B + = ; ( B + *) =

2
4
9
3
3
10
1
20
1

1
9
9
9
2
L+ = ( B + ) =
=
3
4 3
20 2
3 10 5
3
1
2
A+ = I L+ =
3 2
10 5
Izraunava se:
0
+
+
+

Qij = ij X j = 3
10
1
Wej+ = ej+ X +j = 25

4
15
408
1
0 0
3000
2 5000
=
2 0
6000 1500 2400
5
0
0 200 0
5000
=
1 0
6000 800 200
30
Transakciona I-O tabela

P1
P2
Qij+
Yi +
X i+
P1
P2
0
1500
3000
2400
3000
3900
2000
2100
5000
6000
Qij+
1500
5400
6900
4100
11000
S1
S2
200
800
0
200
200
1000
:20
:40
Wej+
1000
200
1200
Mj
Vj
Xj+
2500
2500
5000
5600
400
6000
8100
2900
11000
P2
Qij
60
130
10
25
:50
:30

P1
P1
P2
S1
S2
0
50
10
20
60
80
0
5
Yi
40
70
Xi
100
200
b)
ei + = ej+ b +ji = 25
4
25
+
U
2
12+ = 1+ =
45
Y2
4
0
3
1 2
30 3
10 4
2
9
75
45
=
20 53
34
9 225 135
Ako se vrijednost izvoza od P2 eli poveati za 1KM, tada vrijednost uvoza od S1 tre2
KM.
ba poveati za
45
c) v1+ = 2500/5000 = 0,5.
U 1KM proizvodni sektor P1 ostvaruje 0,5KM dodane vrijednosti.
409
Primjer 3.11.
U proteklom periodu poznata je vrijednosna input-output trosektorska tabela jedne

privrede (u milionima $):
Industrija Poljoprivreda Tturizam
Qij+
Qij+
Yi +
X i+
Industrija
Turizam
150
50
0
100
120
0
50
80
100
300
250
100
Qij+
200
220
230
R+=650
Poljoprivreda
Wej+
200
150
200
500
400
300
Y+=550 X+=1200
Wej+
j
S(uvoz)
Mj
Vj
j
200
400
100
500
100
320
80
400
50
280
20
300
350
M=1000
V=200
=1200
a) Odrediti matricu vrijednosnih koeficijenata internih inputa A+ i objasniti njene

elemente;
b) Odrediti zbirove aij + i objasniti njihove vrijednosti ;
i
c) Odrediti matricu B+ i objasniti njene elemente;

d) Izraunati indirektne efekte vrijednosti finalnih isporuka svakog sektora na vrijednost outputa itavog sistema;
e) Ako se planira da se vrijednost finalnih isporuka drugog sektora (poljoprivrede)
povea za 50 miliona, a da vrijednosti finalnih isporuka ostalih sektora ostanu
nepromijenjene, kako e to uticati na vrijednost ukupne proizvodnje pojedinih
sektora te privrede, kao i na vrijednost uvoza privrednog sistema?
Rjeenje:
1
150 100 50 500

1
a) A+ = Qij + X j + = 50 120 80 0
0 100
0
0
410
0
1
400
0
3 1 1
0
10 4 6

1
3 4
0 =
10 10 15

1
1
0 0
300
3
ili primjenom relacije aij =
Qij +
X j+
objanjava se:
Sektor industrije po svakom milionu vrijednosti outputa direktno utroi:

3
1
a11+ =
miliona vrijednosti vlastite proizvodnje, a21+ =
miliona vrijednosti
10
10
proizvoda poljoprivrede, a31+ = 0 nita od vrijednosti koju daje sektor turizma.
Sektor poljoprivrede po svakom milionu vrijednosti outputa direktno utroi:
1
3
a12 + = miliona vrijednosti proizvoda prvog sektora (industrije), a22 + =
mili4
10
ona vrijednosti vlastite proizvodnje, a32 + = 0 nita od vrijednosti koju daje sektor
turizma.
Sektor turizma po svakom milionu vrijednosti svog outputa direktno utroi:
1
4
miliona vria13+ = miliona vrijednosti proizvoda sektora industrije, a23+ =
6
15
1
jednosti proizvoda poljoprivrede, a33+ = miliona vrijednosti vlastitog outputa.
3
b) aij + pokazuje vrijednosni utroak interne proizvodnje (reprodukcione potronje)
i
sistema u jedinici vrijednosti outputa sektora j.

Iz matrice A+ sabirajui elemente po kolonama imamo:
ai1+ =
i
4
= 0, 4 ;
10
U milionu vrijednosti outputa sektora 1 (industrije) nalazi se 0,4 miliona vrijednosti interne reprodukcione potronje sistema, ili u vrijednosti outputa sektora
industrije uee vrijednosti domae ili interne potronje je 40%.
ai 2 + =
i
11
= 0,55 ;
20
U milionu vrijednosti outputa sektora poljoprivrede nalazi se 0,55 miliona vrijednosti interne potronje sistema.
ai 3+ =
i
23
0,77 ;
30
U milionu vrijednosti outputa sektora turizma nalazi se 0,77 miliona vrijednosti

interne potronje sistema.
B + = ( L+ ) 1 = ( I A+ ) 1 .
411
7
10
1
+
( I A ) =
10
1
4
7
10
1

6
4
.
15
2
3
Pronaimo inverznu matricu tj. B + =
1
( L+ )
det L+
1
7
15 15
31
1
7
+
+
+ * T
det L =
; L = (( L ) ) =
6 15
100
11 21
60 100
7 1
0
15 6
1 7
=
0
15 15
93
0 0
200
11
60
21
100
93
200
140 50 55
93 93 93
1,51 0,54 0,59

20 140 21
+
B =
0, 22 1,51 0, 68 .
93 93 31
0
1,5
0
3
0
0
2
+
X j
b ji + =
predstavlja zavisnost vrijednosti outputa sektora j uslovljena jedininom
Yi +
promjenom vrijednosti finalnih isporuka (izvoza) sektora i.
Objanjenje:
Ako poveamo vrijednost izvoza samo sektora 1(industrije) za milion, tada e se

njegova bruto vrijednost poveati za b11+ = 1,51 miliona, bruto vrijednost sektora 2
(poljoprivrede) za b21+ = 0, 22 miliona, a bruto vrijednost sektora 3 (turizma) e ostati ista b31+ = 0 ;
Ako poveamo vrijednost izvoza samo sektora 2 (poljoprivrede) za milion, tada e
se bruto vrijednost sektora 1 (industrije) poveati za b12 + = 0,54 miliona, vlastita
bruto vrijednost za b22 + = 1,51 miliona i bruto vrijednost sektora 3 (turizma) se nee promjeniti b32 + = 0 ;
412
Ako poveamo vrijednost izvoza samo sektora 3 (turizma) za milion, tada e se

bruto proizvodnje sektora industrije poveati za 0,59 miliona, sektora poljoprivrede za 0,68 miliona i vlastita bruto vrijednost za 1,5 miliona.
d) b ji + (1 + a ji + ) 26
j
Suma indirektnih efekata prvog sektora: (1,51+0,22+0)-(1+0,3+0,1+0) = 0,33

Suma indirektnih efekata drugog sektora: (0,54+1,51+0)-(1+0,25+0,3+0)=0,5
Suma indirektnih efekata treeg sektora: (0,59+0,68+1,5)-(1+0,77)=1.
Vidi se da najmanji indirektni efekt (putem meusobnih procesa u sistemu) ima sektor industrije, a najvei sektor turizma.
e) X + = B + Y +
1,51 0,54 0,59 0 27
X = 0, 22 1,51 0, 68 50 = 75,5
0
0
1,5 0 0
+
Vrijednost outputa sektora industrije bi se poveao za 27 miliona, sektora poljoprivrede za 75,5 miliona, a vrijednost outputa sektora turizma bi ostao isti.
U + = + Y +
2
1
6
1
4
+ =
5
2
U =
5
+
0
1
50 = 12,5 .
6
0
1
4
Uvoz u sistem bi se poveao za 12,5 miliona.
26
U elementu b ji
sadran je ukupni efekat to ga na vrijednost outputa sektora j putem sloenog sistema
ini jedinica vrijednosti izvoza sektora i, stoga se formira iz direktnih i indirektnih efekata. Direktni efekt
+
je predstavljen sa a ji , stoga je b ji - a ji (ij), odnosno bii -(1+ aii ) predstavlja veliinu indirektnih
efekata. Kako suma
+
ji
predstavlja efekat jedinice vrijednosti finalnih isporuka (izvoza) sektora i na
vrijednost outputa itavog sistema to
+
ji
(1 + a ji + ) predstavlja sumu indirektnih efekata izvoza

j
sektora i na vrijednost outputa itavog sistema.
413
Primjer 3.12.
Neka je u nekom proteklom proizvodnom periodu poznata transakciona I-O tabela jednog proizvodnog sistema (u $), kao i interne cijene proizvodnji i nabavne cijene:
10
10
i = , ce =
5
20
Transakciona I-O tabela:
P1
Qij+
P2
Qij+
Yi +
X i+
P1
P2
0
2000
1000
1000
1000
3000
3000
3000
4000
6000
Qij+
2000
2000
4000
6000
10000
Wej+
Wej+
j
S1
S2
1000
0
500
500
1500
500
Wej+
1000
1000
2000
Mj
Vj
j
3000
1000
4000
3000
3000
6000
6000
4000
10000
a) Prikazati dekomponiranu strukturu jedinine vrijednosti proizvoda za oba proizvoaa.

b) Ako se samo cijena uvezenog materijala c1 od snabdjevaa S1 povea za 20%, a
ostale cijene ostanu nepromijenjene, kako e se promijeniti dodane vrijednosti
kod proizvoaa te ukupna dodana vrijednost u prihodu sistema.
c) Ako se samo cijena uvezenog materijala c1 od snabdjevaa S1 povea za 20%, za
koliko e se poveati cijene proizvoda proizvoaa P1, P2 ako svaki proizvoa
moe poveanje svojih trokova u cijelosti prebaciti na svoje potroae (dodane
vrijednosti u prihodima proizvoaa ostaju iste).
d) Kako bi se uvoenje novog poreza na proizvod drugog proizvoaa, kojima se
njegova dodana vrijednost u prihodu poveava za 10%, odrazilo na cijene proizvoda proizvoaa, ako drugi proizvoa to dodatno optereenje moe prebaciti na
druge sektore, a oni mogu to dodatno optereenje prebaciti u potpunosti na potroae?
414
Pod tim uvjetom sastaviti novu transakcionu I-O tabelu.

Rjeenje:
a) Izraunavaju se matrice:
0
+
A =
1
2
1 1
6
4
12
+
+
+
; =
;L = I A =
1
1
0 1
2
6
12
10
9
1
B + = ( L+ ) =
2
3
1
v + =
4
2
1
3
9
+
+
+
; = B =
4
1
18
3
1
6
5
6
1
6
;
1
9
1
; [ v ] = [ 2,5 10]
2
e =1
i =1
1 = ej + + vi+ bij + ;
1 = ej + + dij + ;
e =1
1=
i =1
+
j
+d
+
j
5 1
dij + = 18 18
1 2
3 3
Za proizvoaa P1:
1 1
5 1
7 11
1= 1 +d 1 = ( + )+( + ) = +
3 18
18 3 18 18 .
Proizvoa P1 po svakoj novanoj jedinici vrijednosti proizvodnje obraunava 7/18
novanih jedinica vrijednosti uvezenog repromaterijala uzrokovanih jedinicom izvoza
i 11/18 novanih jedinica dodane vrijednosti formirane u sistemu, a sadranih u jedinici vrijednosti finalne isporuke (izvoza).
415
Za proizvoaa P2:
1 1
1 2
5 13
1= 2 +d 2 = ( + )+( + ) = +
6 9
18 3 18 18 .
Proizvoa P2 po svakoj novanoj jedinici vrijednosti proizvodnje obraunava 5/18
novanih jedinica vrijednosti uvezenog repromaterijala uzrokovanih jedinicom izvoza
i 13/18 novanih jedinica dodane vrijednosti formiranih u sistemu, a sadranih u novanoj jedinici izvoza.
b) Obzirom da su poznate cijene proizvodnji i nabavne cijene, kompletiramo odgovarajuu koliinsku I-O tabelu:
P1
P2
S1
S2
P1
P2
Qij
Yi
Xi
0
100
100
0
100
50
50
100
100
150
150
100
300
150
400
300
Odrede se sve matrice koliinskih odnosa:
0
A=
1
4
1
1
4
3
; =
1
0
6
10 4
9 9
1
B = ( L) =
;
1 4
3 3
Vrijedi
1
6
;L = I A =
1
1
3
4
1
= B = 3
1
9
1
3
5
6
1
3
;
4
9
v1
= 11 = 0, 25 .
c1
Kako je ovo jedinina promjena, a cijena c1 se poveala 20%, to je c1 = 2 , pa e se

prethodni koeficijent dodane vrijednosti v1 = 2,5 smanjiti za 20,25 = 0,5, tj. novi koeficijent dodane vrijednosti proizvoaa P1 e biti v1 = 2,5 0,5 = 2, a dodana
vrijednost proizvoaa P1: V1 = 2 400 = 800.
Dodana vrijednost proizvoaa se smanjila za 100%
416
800
100% = 20% .
1000
Do ovog rezultata smo mogli doi i ovako: V1 = 4000 -(2000 + 10012) = 800.
v2
1
= 12 = , to e se prethodni koeficijent dodane vrijednosti proizvoc1
6
aa P2 smanjiti za 1/3, tj. bie 10-1/3 = 29/3, rauna se V2 = 29/3 300 = 2900.
Kako je
To
znai da se dodana
2900
100%
100% = 3,33% .
3000
vrijednost
proizvoaa
P2
smanjila
za
1
1
= 11 = i kako je ovo jedinina promjena, a c1 = 2 , to e se cijec1
3
na proizvoda proizvoaa P1 poveati za 21/3 = 2/3, odnosno nova interna cijena
proizvoaa P1 e biti 1 = 10 + 0, 67 = 10, 67 , tj, poveat e se za 6,67%.
c) Iz odnosa
2
1
= 12 = , pa e se cijena proizvoda proizvoaa P2 poveati za 2/3, tj.
c1
3
bie 2 = 20 + 0, 67 = 20, 67 . Dakle, poveat e se za 3,33%.
Slino,
Do istog rezultata se moglo doi rjeavajui sistem jednaina:

1000 = 400 1 (100 2 + 1200)
.
3000 = 300 2 (100 1 + 50 2 + 50 12 + 100 5)
1
1
= b21 = 0,33 te e se nova interna cijena poveati za 0,33 novane jediniv2
3
ce, bie 1 = 10 + 0,33 = 10,33 . Procentualno poveanje je za 3,33%.
d)
2
4
= b22 = 1,33 , nova interna cijena poveat e se za 1,33 novane jedinice, bie
v2
3
2 = 20 + 1,33 = 21,33 . Procentualno poveati e se za 6,6%.

Do ovih rezultata moglo se doi rjeavajui sistem jednaina:
400 1 = 100 2 + 1000 + 1000
.
300 2 = 100 1 + 50 2 + 1000 + 3300
417
Nova transakciona tabela bi bila :

P1
Qij+
P2
Qij+
Yi +
X i+
1033,3
3200
4233,3
3100
3200
6300
4133,3
6400
10533,3
P1
P2
+
ij
0
2133,3
2133,3
1033,3
1066,7
2100
Wej+
Wej+
j
S1
S2
1000
0
500
500
1500
500
Wej+
1000
1000
2000
Mj
Vj
j
3133,3
1000
4133,3
3100
3300
6400
6233,3
4300
10533,3
418

1)
Objasniti znaenje izraza Q2 j = 50 kg .

j =1
2)
Napisati jednainu strukture jedinine vrijednosti proizvodnje proizvoaa Pj .
3)
ta predstavlja izraz aij+ ?
i =1
4)
ta se moe zakljuiti ako je zbir aoj+ = aij+ blii jedinici ?

i =1
5)
Objasniti znaenje vrijednosti W25+ = 20 KM .
6)
Napisati jednainu strukture formiranja vrijednosti proizvodnje proizvoaa Pj ?
7)
ta predstavlja izraz Ce Wej = Wej+ ?
e =1
e=1
8)
Koje vrijednosti mogu imati elementi matrice b ji ?
9)
U matrinoj funkciji j = [?] [ pi ] koju konkretnu matricu treba napisati umjesto matrice [?] ?
10) Kako se odreuju i koje je znaenje veliina U e+ i Wej+ u vrijednosnoj input-output tabeli?
11) Koja od sljedeih jednaina predstavlja jednainu strukture jedinine vrijednosti proizvodnje proizvoaa Pj .
a)
i =1
b)
+
ij
e =1
i =1
e =1
+
ej
+ v +j = 0
aij + ej + v j = 1
n
c)
a +
m
a +
i =1
+
ij
e =1
+
ej
+ v +j = 1
419
12) U matrinoj funkciji X j = [?] [Yi ] koju matricu treba upisati umjesto matrice [?]
13) Napisati emu je jednak element lii matrice lij .
n
14) Napisati znaenje izraza Qij+ u vrijednosnoj input-output tabeli .

i =1 j =1
15) Napisati izraz za izraunavanje izraza Qij+ u vrijednosnoj input-output tabeli.

16) Koje je znaenje vrijednosti izraza
pi
?
k
17) U vrijednosnoj input-output tabeli, koja oznaka predstavlja finalne cijene:

a)
b)
c)
d)
pi
i
Ce
Yi
18) Napisati simbol (oznaku) za interne cijene u vrijednosnoj input-output tabeli:

19) Napisati simbol (oznaku) za nabavne cijene u vrijednosnoj input-output tabeli.
20) Napisati izraz za ukupan prihod u input-output tabeli.
21) Izraz Qij+ predstavlja:
a)
b)
c)
d)
matricu vrijednosti internih inputa,

vektor vrijednosti neto proizvodnji,
vektor vrijednosti bruto proizvodnji,
matricu vrijednosti eksternih inputa.
22) Napisati ta predstavlja izraz [Yi+].

23) Izraz [Xi+] predstavlja:
a)
b)
c)
d)
420
matricu vrijednosti internih inputa,

vektor vrijednosti bruto proizvodnji,
vektor vrijednosti finalnih potronji,
matrica vrijednosti eksternih inputa.
24) Napisati ta predstavlja izraz [Wej+] .

25) Izraz [Ue+] predstavlja:
a)
b)
c)
d)
vrijednost ukupnog uvoza u sistem,

vektor vrijednosti eksternih inputa,
dodanu vrijednost,
ukupan prihod sistema.
26) Napisati izraz za materijalne trokove proizvoaa Pj.

27) Napisati izraz za materijalne trokove cijelog sistema P.
28) Napisati izraz za strukturu vrijednosti proizvodnje Xj proizvoaa Pj.
29) Napisati osobine matrice tehnikih koeficijenata internih inputa A = aij .
30) Napisati osobine matrice Leontijeve L = lij .
31) Napisati osobine matrice ukupnih utroaka internih inputa B = b ji .
32) Definisati koeficijent raspodjele rij+ .
33) Objasniti direktne veze izmeu:
a) W39+ = 50 KM i U 3+ > 0 ,
34) Objasniti znaenje vrijednosti
b) W39+ = 50 KM i X 9+ > 0
m
W
e =1
+
e3
35) Objasniti znaenje vrijednosti 42 = 3

36) Objasniti vrijednost b48 = 3
= 400 KM .
kwh
.
kg
kom
u odnosu na matrinu jednainu X j = b ji [ Yi ]
t
37) Koja od navedenih matrica moe predstavljati matricu L i zato?
421
3 0.1 0
a) 0.5 1
0
0.2 0.2 1.2
0.4 0.10 0
b) 0.1 0.2 0
0.2 0.4 0
0
0
0.6
c) 0.1 0.8 0
0.2 0.4 1
0.1 0.2 0.3

d)
0 0.2
0
38) Objasniti direktne veze izmeu

a) Q32 = 100 kom i X 3 > 0 , b) Q32 = 100 kom i X 2 > 0
n
39) Objasniti znaenje vrijednosti Qij+ = 5000 KM .

i =1 j =1
40) Objasniti znaenje vrijednosti 42+ = 0.3 .

41) Rijeima i matematiki objasniti vrijednost 28 = 0.5
nu [ U e ] = [ ei ] [ Yi ]
l
u odnosu na matrinu jednait
42) Koja od navedenih matrica moe predstavljati matricu B i zato?

3 0.1 0
a) 0.5 1
0
0.2 0.2 1.2
0.4 0.10 0
b) 0.1 0.2 0
0.2 0.4 0
0
0
0.6
c) 0.1 0.8 0
0.2 0.4 1
0.1 0.2 0.3

d)
0 0.2
0
43) Rijeima objasniti direktne veze izmeu

a) W32 = 150 kom i U 3 > 0 , b) W32 = 150 kom i X 2 > 0.
m
44) Rijeima objasniti znaenje vrijednosti Wej+ = 4000 KM.

e =1 j =1
+
45) Rijeima objasniti znaenje vrijednosti a42
= 0,5.
46) Napisati izraz za jednainu raspodjele proizvoaa (sektora davaoca) Pi u koliinskoj

input-output tabeli.
47) Rijeima i matematiki objasniti vrijednost 28 = 0.3
nu [ U e ] = ej X j
l
u odnosu na matrinu jednait
48) Napisati relaciju kojom se izraava matrica tehnikih koeficijenata internih inputa .
422
49) ta se moe zakljuiti ako je zbir ri + = rij+ blii jedinici ?

j =1
50) U matrinoj funkciji X j = [?] [Yi ] koja je vrijednost za X j ?

n
a) X j = rji Yi
i =1
n
b) X j = a ji Yi
i =1
n
c) X j = ji Yi
i =1
n
d) X j = b ji Yi
i =1
51) 51. emu je jednak elementi lii u matrici lij ?

a)
b)
c)
d)
lii
lii
lii
lii
= aii
= 1 aii
= 1 + aii
= aii
n
52) U vrijednosnoj input-output analizi koje je znaenje zbira Qij+ ?

i =1 j =1
a) To je dio proizvodnje X i prizvoaa Pi koji je dobijen od eksternih snabdjevaa.

b) To je ukupna koliina U e uvoza od snadbjevaa Se koja je raspodijeljena na reprodukcionu potronju u cijelom sistemu P.
c) To je vrijednost ''interne reprodukcione potronje'' u cijelom sistemu P.
d) To je dio proizvodnje X i prizvoaa Pi koji je raspodijeljen na reprodukcionu potronju u cijelom sistemu P.
53) Koja od sljedeih izjava predstavlja tumaenje za broj v j ?
a) Po svakoj vrijednosnoj jedinici bruto proizvodnje, proizvoa Pj ostvaruje vj novanih jedinica dodane vrijednosti.
b) Po svakoj vrijednosnoj jedinici bruto proizvodnje, proizvoa Pj ostvaruje vj prihoda.
423
c) Po svakoj koliinskoj jedinici bruto proizvodnje, proizvoa Pj ostvaruje vj prihoda.

d) Po svakoj koliinskoj jedinici bruto proizvodnje, proizvoa Pj ostvaruje vj novanih jedinica dodane vrijednosti.
54) U '' vrijednosnoj input-output'' analizi kako se rauna Qij+ ?
a) Qij+ = i Qij +
b) Qij+ = ci Qij
c) Qij+ = pi Qij
d) Qij+ = i Qij
55) Koja od sljedeih matrica moe biti matrica tehnologije jednog proizvodnog sistema:
0,5
1
a)
2
1,3
0,5
1
b)
1,3 0, 2
1 0,5
c)
0
1,3
56) Ako je poznato u jednom proizvodnom sistemu da je bruto proizvodnja jednog proizvoaa 500kg, i da je 10 % svoje bruto proizvodnje raspodijelio na reprodukcijsku
potronju u sistemu, kolika je njegova finalna potronja?
a) 50 kg
b) 450 kg
c) 500 kg.
n
i =1
e =1
57) ta predstavlja izraz j i Qij ce Wej ? Objasniti dijelove.

58) Ako je poznato a23+ = 0,1 i Q23+ = 150KM, koliki je prihod proizvoaa P3 ?
a) 15 KM,
b) 1500 KM ,
c) 149,9 KM.
424
T
T
v
59) Iz matrine jednaine v j = lij [ i ] ej [ ce ] je dobijeno 2 = 5 . Objasniti
c3
znaenje vrijednosti tog parcijalnog izvoda i napisati koji element predstavlja ova vrijednost.
T
T
v2
= 2 . Objasniti
60) Iz matrine jednaine v j = lij [ i ] ej [ ce ] je dobijeno
3
znaenje vrijednosti tog parcijalnog izvoda i napisati koji elemenat predstavlja ova vrijednost.
61) Objasniti vrijednost d21 = 3 u odnosu na matrinu jednainu V j = d ji [Yi ] .

62) Napisati dekomponiranu strukturu vrijednosti jedinine proizvodnje proizvoaa Pj.
63) Napisati jednainu ravnotee vrijednosti proizvodnje u meusektorskom modelu.
64) Koje informacije o proizvodnom sistemu sadre kolone u vrijednosnoj input-output
tabeli?
65) Koje informacije o proizvodnom sistemu sadre vrste u vrijednosnoj input -output tabeli?
T
3
T
66) Iz matrine jednaine [ i ] = b ji v j + [ ei ] [ ce ] je dobijeno
= 0,5 . Objasv2
niti znaenje vrijednosti tog parcijalnog izvoda i napisati koji element predstavlja ova
vrijednost.
T
2
T
= 2. Objasniti
67) Iz matrine jednaine [ i ] = b ji v j + [ ei ] [ ce ] je dobijeno
c2
znaenje vrijednosti tog parcijalnog izvoda i napisati koji element predstavlja ova vrijednost.
68) Napisati vezu izmeu tehnikih koeficijenata i vrijednosnih koeficijenata internih inputa i navesti razlike.
69) U proizvodnji svakog kg bruto proizvodnje proizvoa P3, izmeu ostalog, treba direktno utroiti 3m proizvodnje proizvoaa P5. Broj 3 je vrijednost koeficijenta:
a) a35
b) a53
425
c) 35
d) l53
70) Ako se planira samo finalna isporuka proizvoaa P3 poveati za 1kg, izmeu ostalog,
mora se bruto proizvodnja proizvoaa P5 poveati za 10m. Broj 10 je vrijednost koeficijenta:
a) a35
b) l53
c) b53
71) Zaokruite faktor koji ne predstavlja determinantu individualne tranje u irem smislu:
a)
b)
c)
d)
e)
f)
cijena predmetnog dobra

cijena supstitutskog dobra
dohodak pojedinca
ponuda predmetnog dobra
cijena komplementarnog dobra
godinje doba
72) Definisati koeficijent elastinosti na luku i napisati izraz za njegovo izraunavanje.

73) Izvesti izraz za elastinost stepene funkcije.
74) Izvesti izraz za elastinost inverzne funkcije.
75) Izvesti izraz za elastinost proizvoda.
426

Osnovni matrini raun
Zadatak 3.1.
Sastaviti matricu Q = qij
33
za ije elemente vrijedi
i j qij = (i + j ) 10
i = j qii = 10
;
3
i =1
j =1
a zatim pronai q13 , q31 , q33 , qi 3 , q1 j , QT .

Zadatak 3.2.
1 3
1 3
2
;
;
Date su matrice A =
B
C
=
=
2 5
3 ; D = [ 3 2] .
2 4

Izraunati: A +B; A B; B A; A C; C D; D C; A-1.
Zadatak 3.3.
Odrediti inverzne matrice matrica

x1 0
1 0 1
A = 2 3 4 , D = 0 x2
0 0
0 1 2
0
0 .
x3
Zadatak 3.4.
2 0
1 3
Date su matrice A =
;B =
.
0 3
2 1
Rijeiti matrine jednaine:
a) AXB = I
b) AX+X = B
c) XA = B-2X.
Zadatak 3.5.
Preduzee PHONTELE prodaje dva tipa telefona: super i compact, preko dva prodajna
mjesta P1 i P2. Vrijednost prodaje u $, za septembar i oktobar, date su u matricama A i B
redom:
427
A
P1
P2
septembar
sup er
compact B
18000
35000 P1
25000
27000 P2
oktobar
sup er compact
20000
40000
30000
25000
a) Kolika je ukupna prodaja preduzea u ta dva mjeseca po pojedinom prodajnom mjestu i

pojedinom tipu telefona?
b) Koliko je poveanje prodaje u oktobru u odnosu na septembar po pojedinom prodajnom
mjestu i tipu telefona? Komentirajte.
c) Ako je provizija na prodaju 5%, izraunajte proviziju za svako prodajno mjesto po pojedinom tipu telefona za mjesec septembar.
d) Ako je porez na prihod u septembru bio 3%, a u oktobru 3,2%, izraunajte ukupan porez preduzea po pojedinom prodajnom mjestu i tipu telefona.
Zadatak 3.6.
Neko preduzee proizvodi tri tipa friidera: super, compact i delux. Svaki tip mora proi
kroz tri razliita postrojenja P1- proizvodnja dijelova, P2-sklapanje dijelova i P3- pakovanje.
Trajanje tih prolaza (u satima) po jedinici proizvoda data su u tabeli
P1
P2
P3
super
0,4
0,25
0,2
compact
0,5
0,3
0,2
delux
0,5
0,4
0,2
Postrojenja P1, P2 i P3 raspolau sedminim kapacitetom odredom 37, 25, 16 sati respektivno.
Koliko se friidera mora sedmino proizvoditi da bi preduzee radilo punim kapacitetom?
Input-output analiza
Zadatak 3.7.
U tekuem proizvodnom periodu poznata je koliinska I-O tabela proizvodnog sistema

Proizvoai
428
Ukupno
P1
50
50
50
100
P2
20
40
60
140
200
kom
S1
10
10
S2
20
25
kg
ZADACI ZA VJEBU
a) Ako se u narednom periodu planiraju finalne potronje Y1 = 90 t i Y2 = 162 kom, kompletirati novu koliinsku I-O tabelu.
b) Objasniti znaenje elemenata b21 i a21 .
c) Ako su poznate finalne cijene p1 = 30 KM/t i p2 = 40 KM/kom, kao i nabavne cijene c1
= 10 KM/m i c2 = 10 KM/kg odrediti u kojem periodu e se ostvariti vea dodana vrijednost, tekuem ili planiranom.
Zadatak 3.8.
Kod nekog sloenog proizvodnog sistema P poznate su matrice :

0
0,3
1
0,1
lij =
ej =
0,5 0, 6
0, 2 0, 025
a) Ako je plan finalne potronje Y1 = 40 kg i Y2 = 70 t, formirati odgovarajuu koliinsku IO tabelu.
b) Ako su poznate finalne cijene p1 = 100 nj/kg i p2 = 100 nj/t, a nabavne cijene c1 = 20
nj/kom i c2 = 40 nj/m3, kompletirati odgovarajuu transakcionu I-O tabelu i odrediti matrice [aij+ ] i [ej+].
Zadatak 3.9.
Kod nekog proizvodnog sistema poznate su sljedee matrice

1
6
2
0
40 +
25 100
aij + =
ej =
3
3 1
0
50
5 40
a) Ako su poznate interne cijene 1 = 5 KM/kg; 2 = 10 KM/m, kao i nabavne cijene c1 =

2 KM/l i c2 = 4 KM/kom, odrediti matrice aij i ej .
b) Ako je plan bruto proizvodnje X1 = 100 kg i X2 = 400 m, kompletirati odgovarajuu
transakcionu tabelu.
c) Odrediti vektor vrijednosnih koeficijenata dodane vrijednosti [vj+] i objasniti znaenje
elementa v1+.
Zadatak 3.10.
Kod nekog proizvodnog sistema poznati su sljedei podaci:

1
16 5
50
20
15 9
30
+
B+ =
=
= c=
30
40
4 4
12 4
25 75
25 3
429
a) Ako je plan neto proizvodnje Y1 = 50t i Y2 = 140kom., kompletirati odgovarajuu transakcionu I-O tabelu
b) Kompletirati koliinsku I-O tabelu
c) Ako su uslijedile promjene cijena uvoza: c1=10 nj i c2 =10 nj, kolike treba da budu
interne cijene 1 nj/t i 2 nj/kom pa da proizvoai P1 i P2 ostvaruju iste dodane vrijednosti kao u a).
d) Objasniti znaenje elemenata 12+ i b12+.
Zadatak 3.11.
Kod nekog proizvodnog sistema poznate su matrice

1
16 4
7 7
1 4
B=
i =
8
16
5 3
7 7
7 7
a) Ako je plan bruto proizvodnji X1 = 192 kg i X2 = 208 m2, sastaviti odgovarajuu koliinsku I-O tabelu
b) Ako su poznate finalne cijene p1 = 32 nj/kg, p2 = 24 nj/m2 i cijene nabave c1 =3 nj/kwh,
c2 = 2 nj/m3, sastaviti odgovarajuu transakcionu I-O tabelu
+
i 21+ . Objasniti njihovo znaenje.
c) Koliki su koeficijenti a21
Zadatak 3.12.
Kod nekog proizvodnog sistema poznate su matrice

1
1
2 6
0
0,1
L = lij =
i = ej =
0, 2 0, 25
1 1
4 3
a) Ako je plan finalne potronje Y1= 50 kom, Y2 = 50 kg, kompletirati odgovarajuu koliinsku I-O tabelu.
b) Ako su poznate interne cijene 1 = 50 nj/kom i 2 = 30 nj/kg, kao i cijene nabave c1= 20
nj/m2 i c2 = 6 nj/kwh kompletirati transakcionu tabelu.
c) Ako se bruto proizvodnja prvog proizvoaa povea za 100 kom, a kod drugog ostane
nepromijenjena kako e se promijeniti finalne isporuke i uvoz u sistem?
Zadatak 3.13.
Kod nekog sloenog proizvodnog sistema poznate su matrice
430
ZADACI ZA VJEBU
0 1 1,5
0, 2 0 0
aij = 0 0 0, 75 i ej =
0,1 0 0,5
0 0
a) Ako su finalne cijene p1 = 10 nj/kom, p2 = 20 nj/kg, p3 = 60 nj/m3 i nabavne cijene c1 = 2

nj/l i c2 = 3 nj/kwh, kolike su interne cijene{1, 2, 3} ?
b) Ako su finalne potronjeY1 =150 kom,Y2 =125 kg, Y3 =100 m3 kompletirati odgovarajuu koliinsku I-O tabelu,
c) Kompletirati odgovarajuu vrijednosnu (transakcionu) tabelu.
Zadatak 3.14.
Poznata je sljedea nekompletna koliinska I-O tabela.

Proizvoai
P1
P2
50
Uvoz
20
Ukupno
60
130
Finalne
isporuke
40
Ukupna
proizvodnja
70
a) Ako se u narednom periodu planira izvoz Y1 = 60 kg i Y2 = 150 kom, kompletirati odgovarajuu koliinsku I O tabelu.
b) Ako su poznate finalne cijene p1 = 50 $/kg i p2 = 30 $/kom, i nabavna cijena c1 = 20 $/l.
Odrediti ukupan prihod sistema u tekuem i narednom periodu, kao i njihove dodane
vrijednosti u sistemu.
c) Ako bi bruto proizvodnju prvog proizvoaa poveali za 1kg, kako bi se trebali promijeniti izvoz proizvoaa i uvoz u sistem?
Zadatak 3.15.
Poznate su matrice tehnologije jednog proizvodnog sistema i uvoza u sistem:

1 0,1 0, 2
L = 0 0,8 0, 4 ; U = [50 20 0] (kwh)
0
0
0,5
a) Ako je ukupni output prvog sektora 100 kom., finalne isporuke drugog sektora 50
kg i finalne isporuke treeg sektora 100 l, sastaviti koliinsku I-O tabelu.
b) Koliko je potrebno kwh eksternog repromaterijala od snabdjevaa da bi se proizveo
kg proizvodnje drugog proizvoaa?
431
Zadatak 3.16.
Poznata je nepotpuna transakciona tabela u tekuem proizvodnom periodu (u KM):

P1
P1
P2
Q+ij
S1
M
V
P
P2
Q+ij
Y+i
75000
6000
25000
12000
25000
X+i
30000
93000
1250
750
2000
100000
30000
130000
50
kao i cijene = ; c1 = 10 .
30
a) Kompletirati datu tabelu.
b) Ako se planiraju novi izvozi u vrijednosti Y1+ = 90000, Y2+ = 30000, odrediti materijalne trokove proizvoaa, kao i dodane vrijednosti u prihodima proizvoaa
c) Koliko bi se po jednoj koliinskoj jedinici proizvodnje proizvoaa ostvarivalo dodane
vrijednosti proizvoaa u narednom periodu?
d) Ako se nabavna cijena povea za jedinicu, a interne cijene ostanu nepromijenjene, kako
e se to odraziti na koeficijente dodane vrijednosti proizvoaa?
432

Rjeenje 3.1.
10 30 40
Q = 30 10 50 ,
40 50 10
q13 = 40, q31 = 41, q33 = 10,

3
q
j =1
1j
q
i =1
i3
= q13 + q23 + q33 = 40 + 50 + 10 = 100 ,
= q11 + q12 + q13 = 10 + 30 + 40 = 80 .
Matrica Q je simetrina pa je QT = Q .
Rjeenje 3.2.
1 + (1) 3 + (3) 0 0
A+ B =
.
=
4 + 5 4 9
2+2
1 (1) + 3 2 1 (3) + 3 5 5 12
A B =
=
.
2 (1) + 4 2 2 (3) + 4 5 6 14
7 15
B A =
.
12 26
1 2 + 3 3 11
AC =
= .
2 2 + 4 3 16
6 4
CD =
.
9 6
D C = [3 2 + 2 3] = [12] .
1
A ; A = ( A* )T , pa raunamo det A= 1 4 - 2 3= - 2.
det A
3
4 2
4 3
1 4 3
2 .
1
A* =
A
A
=
=
2 1
1
2 2 1
3 1
1
2
A1 =
433
Rjeenje 3.3.
Koristiemo Gausov metod pronalaenja inverzne matrice.

1
2
0
1
0
0 1|1 0 0
1 0
Ivrsta ( 2) + IIvrsta
3 4|0 1 0
0 3
0 1
1 2|0 0 1
0 1| 1 0 0 IIvrsta( 3) + IIIvrsta 1
1 2| 0 0 1 0
0
3 2| 2 1 0
1| 1 0 0 IIvrsta
zamjenjena
IIIvrstom
2| 2 1 0
2| 0 0 1
IIIrstu
0 1 | 1 0 0 dije
lim o
sa ( 4)
1 2 | 0 0 1
0 4| 2 1 3
0
0 IIIvrsta( 1) + Ivrsta 1 0 0|1/ 2 1/ 4 3 / 4
1 0 1| 1
0 1 2| 0
IIIvrsta( 2) + IIvrsta
0
1
0 1 0| 1 1/ 2 1/ 2
0 0 1|1/ 2 1/ 4 3 / 4
0 0 1|1/ 2 1/ 4 3 / 4
1/ 2 1/ 4 3 / 4
Dakle, A = 1 1/ 2 1/ 2 .
1/ 2 1/ 4 3 / 4
1
x1
D je dijagonalna matrica pa je njena inverzna matrica D 1 = 0
Rjeenje 3.4.
0
1
x2
0
0 .
x3
a)
AXB=I (mnoimo sa A-1 slijeva i B-1 zdesna) X = A-1 B-1.
1/10 3 /10
1/ 2 0 1 1/ 5 3 / 5
;B =
imamo da je X =
Kako je A1 =
.
2 /15 1/15
0 1/ 3
2 / 5 1/ 5
b)
1/ 3 0 1 3 1/ 3 1
(A+I) X = B X = (A+I)-1B =
=
.
0 1/ 4 2 1 1/ 2 1/ 4
c)
1/ 4 3 / 5
XA + 2X = B X(A+2I) = B X = B(A+2I)-1 =
.
1/ 2 1/ 5
434
Rjeenje 3.5.
a) A+B;
2000 5000
b) B A =
to znai da prodajno mjesto P2 gubi 2000 $ vrijednosti prodaje
5000 2000
compact telefona u odnosu na septembar.
c) 0,05A;
d) 0,03A+0,032B.
Rjeenje 3.6.
x1- broj super friidera, x2- broj compact friidera, x3- broj delux friidera.
Na zadatak se svodi na rjeenje sistema jednaina u matrinom obliku AX=B, gdje je
0, 4 0,5 0,5
x1
37
A = 0, 25 0,3 0, 4 ;
X = x2 ;
B = 25
0, 2 0, 2 0, 2
x3
15
pa je rjeenje
30
1
X = A B = 25 .
25
Mora se proizvoditi 30 super, 25 compact i 25 delux friidera da bi preduzee radilo punim
kapacitetom.
Rjeenje 3.7.
0
0 4
a) A =
; =
1
1 1
5 5
5
-1
X=BY; B=L = (I-A)-1
16
15
B=
4
15
1
150
3
; X =
4
240
3
1
20
1
40
P1
P2
S1
S2
P1
0
30
0
30
P2
60
48
12
6
Qij
60
78
12
36
Yi
90
162
Xi
150
240
435
0 0,3
A= I L=
;
0,5 0, 4
0
Qij = ij X j =

1
5
1
4 150 0 0 60
=
1 0 240 30 48
5

Wej = ej X j = 1
1
20 150 0 0 12
=
1 0 240 30 6
40
4
;
15
Ako neto proizvodnju Y1 poveamo za 1 t, bruto proizvodnju X2 treba poveati za
4
b21 = kom.
15
1
a21 = ;
5
1
Po svakoj toni proizvoa P1 direktno utroi a21 = komada proizvodnje proizvoaa P2.
5
b) b21 =
c) Izraunavaju se interne cijene po kojima se obraunavaju proizvodnje i njeni dijelovi.

1
T
5 30 22
j = lij [ pi ] =
=
1 4 40 24,5
5
4
U tekuem periodu V = 4180 KM, u planiranom V = 5469 KM.
Rjeenje 3.8.
a)
4
3
X = B Y ; B = L1 =
10
9
100
X =
200
436
2
3
;
20
9
0 0,3
A= I L=
;
P1 P2 Qij Yi Xi
0,5 0, 4
P1
0 60
60 40 100
0 0,3 100 0 10 0

Qij = aij X j = 0,5 0, 4 0 200 = 20 5

P2 50 80 130 70 200
0 100 0 0 60 S1 10
0,1
0
10
Wej = ej X j =
0, 2 0,025 0 200 = 50 80

S2 20
5
25
b)
1
T
2 100 50
j = lij [ pi ] =
=
3 3 100 30
10 5
Mnoei dijelove proizvodnje internim cijenama i uvoz nabavnim cijenama dobijamo transakcionu tabelu ovog proizvodnog sistema:
P1
P2
S1
S2
Mj
Vj
Xj+
P1
P2
Y+
X+
0
1500
1500
200
800
1000
2500
2500
5000
3000
2400
5400
0
200
200
5600
400
6000
3000
3900
6900
200
1000
1200
8100
2900
11000
2000
2100
4100
5000
6000
11000
0 0,5
A+ =
0,3 0, 4
+ = 25
4
25
0
.
1
30
437
Rjeenje 3.9.
a) Primjenom formula:
1
aij + = [i ] aij j aij = [i ] aij + j

1
1

1

ej + = [ ce ] ej j ej = [ ce ] ej + j
dobijaju se
1

5 0 0
aij =
0 1 3
10 5
1
ej = 2
0
2
0
25
1
0
4
0
5
0
40
=
1 0 10 3
10
40
1
20
1
40
3
1
50 5 0 5
=
3 0 10
0
50
3
10
.
3
20
b) X1= 100kg X 1+ = 100 5 = 500 KM ; X2 = 400m X 2+ = 400 10 = 4000 KM
0
+
Qij =
3
5
1
0 0 100
40 500
=
1 0 4000 300 100

40
6
2
500
0 40 240
Wej+ = 25 100
=
3 0 4000 0 240
0
50
V
c) [vj+] = 1+
X1
V2 160
=
X 2+ 500
P1
P2
S1
S2
Mj
Vj
Xj+
P1
P2
Y+
X+
0 100 100 400 500

300 100 400 3600 4000
300 200 500 4000 4500
40 240 280
0 240 240
40 480 520
340 680 1020
160 3320 3480
500 4000 4500
3320
= [ 0.32 0.83]
4000
U jednoj KM vrijednosti proizvodnje P1 dolazi v1+=0,32 KM dodane vrijednosti.
438
Rjeenje 3.10.
2500
a) Y + =
;
4200
16
15
X + = B +Y + =
4
25
5
9 2500 5000
=
4 4200 6000
3
5
5
1
0
12
12
+
+
L+ = ( B + ) 1 =
A = I L =
1
3 4
3
25 5
25 5
5
0 0 2500
12 5000
Qij + =
=
1 0
6000 600 1200
3
25 5
Wej+ = ej+ X +j

0 5000
0 0
200
0,1
Wej+ =
6000 2400 320

0, 2 0.025 0
Transakciona I-O tabela
P1
P2
S1
S2
Mj
Vj
Xj+
P1
P2
Y+
X+
0
600
600
0
2400
2400
3000
2000
5000
2500
1200
3700
200
320
520
4220
1780
6000
2500
1800
4300
200
2720
2920
7220
3780
11000
2500
4200
6700
5000
6000
11000
b) Dijelei ostvarene vrijednosti proizvodnje i njenih dijelova proizvoaa sa odgovarajuim internim cijenama i uvoz sa nabavnim cijenama, dobijamo koliinsku I-O tabelu:
439

P1
P2
S1
S2
P1
P2
Qij
Yi
Xi
0
20
0
60
50
40
10
8
50
60
10
68
50
140
100
200
c) 2000 = 1001 (01 + 202+0+ 3000)

1780 = 2002 (501 + 402 +300 + 400)
5000 = 1001 -202
2480 = -501 + 1602
1 = 57,31; 2 = 36,53.
1
30
Proizvoa P2 po svakoj novanoj jedinici vrijednosti svoje proizvodnje direktno utroi
1/30 novane jedinice vrijednosti eksternog repromaterijala od snabdjevaa S1.
U +1 1
=
Ili +12 =
X + 2 30
Ako poveamo samo vrijednost proizvodnje proizvoaa P2 za jednu novanu jedinicu,
tada e se vrijednost uvoza od S1 poveati za 1/30 novanih jedinica.
5
b +12 =
9
Ako elimo vrijednost izvoza proizvoaa P2 poveati za jednu novanu jedinicu, tada moramo vrijednost proizvodnje proizvoaa P1 poveati za 5/9 novanih jedinica.
d) +12 =
Rjeenje 3.11.
a) B = L-1 L = B-1
1
2
224
det B =
L=
49
1
4
1
2
A= I L=
1
4
440
1
8
1
2
1

8
1
2
1
2
Y = LX =
1
4
1
= L =
5
7
Qij = 2
1
4
1

8 192 70
=
1 208 56
2
1 1
1 7

16
4
2
8
=
3 1
1 1
7 4
2 4
1
8 192
1 0
2
7
16
W ej = 1
1
8
0 96 26
=
208 48 104
0
192
1 0
8
0 84
=
208 48
0
26

P1
P2
S1
S2
P1
P2
Qij
Yi
Xi
96
48
84
48
26
104
0
26
122
152
84
74
70
56
192
208
b) Transakciona IO tabela
P1
P2
Q+ij
S1
S2
W+ej
M
V
P
P1
P2
Q+ij
Y +i
X +i
960
384
1344
252
96
348
1692
228
1920
260
832
1092
0
52
52
1144
520
1644
1220
1216
2436
252
148
400
2836
748
3584
700
448
1148
1920
1664
3584
441
384
96
+
= 0, 2; 21
=
= 0, 05 c)
1920
1920
Proizvoa P1 po svakoj novanoj jedinici vrijednosti svoje bruto proizvodnje direktno utroi 0,2 nj vrijednosti proizvodnje od P2 i 0,05 nj vrijednosti eksternog inputa od S2.
+
a21
=
Rjeenje 3.12.
a) X =BY
B = L-1
8 3 4 3
1
B=
4
8
2
1 1
2 6
L = I A A= I L =
1 2
4 3
8 3 4 3 50 200
=
X = B Y =
4 50 300
2
det L =
Qij = aij X j

1
2
1 6 200 0 100 50
Qij =
1 4 2 3 0 300 50 200
Wej = ej X j

0.1
0 200 0 20 0
Wej =
0.2 0.25 0 300 40 75

P1
P2
S1
S2
442
P1
P2
Qij
Yi
Xi
100
50
20
40
50
200
0
75
150
250
20
115
50
50
200
300
b) Transakciona I-O tabela
P1
P2
Q+ij
S1
S2
W+ej
M
V
P
P1
P2
Q+ij
Y +i
X +i
5000
1500
6500
400
240
640
7140
2860
10000
2500
6000
8500
0
450
450
8950
50
9000
7500
7500
15000
400
690
1090
16080
2910
19000
2500
1500
4000
10000
9000
19000
c)
100
X =
0
Y = L X
1 2 1 6 100 50
Y =
=
1 4 1 3 0 25
U = X
0.1 0 100 10
U =
=
0.2 0.25 0 20
Rjeenje 3.13.
a) j = lij [ pi ]
L= I A
T
1 0 0 0 1 1,5 1 1 1,5
L = 0 1 0 0 0 0, 75 = 0 1 0, 75
0 0 1 0 0
0 0 0
1
0
0
1
T
lij = 1
1
0
1,5 0, 75 1
443
0
0 10 10 1
1
j = 1
1
0 20 = 10 2
1,5 0, 75 1 60 30 3
b) X j = b ji [Yi ]
1
1
T
b ji = lij =
( L *)
det L
1 1 1,5
det L = 0 1 0, 75 = 1
0 0
1
( L *)
1 1 2, 25
= 0 1 0, 75
0 0
1
0
0
1
1
0
( L *) = 1
2, 25 0, 75 1
1 1 2, 25
b ji = 0 1 0, 75
0 0
1
1 1 2, 25 150 500
X j = b ji [Yi ] = 0 1 0, 75 125 = 200
0 0
1 100 100
Qij = aij X j

0 0 200 150
0 1 1,5 500 0
Qij = 0 0 0, 75 0 200 0 = 0 0
75

0 0
0 0
0 100 0 0
0
Wej = ej X j

0
500 0
0, 2 0 0
100 0 0
Wej =
0 200 0 =
0,1 0 0,5
50 0 50
0
0
100
444
Koliinska I-O tabela:
P1
P2
P3
2
Qij
Wej
Yi
Xi
j =1
P1
200
150
350
150
500
kom 10nj / kom
P2
75
75
125
200
kg 10nj / kg
P3
100
100
m3 30nj / m3
Se
S1
S2
Wej
Wej
100
50
0
0
j =1
0
50
l 2nj / l
kwh 3nj / kwh
100
100
c) Transakciona I-O tabela

P1
P2
P3
Q+ij
S1
S2
W+ej
M
V
P
P1
P2
P3
Q+ij
Y+i
X+i
0
0
0
0
200
150
350
350
4650
5000
2000
0
0
2000
0
0
0
2000
0
2000
1500
750
0
2250
0
150
150
2400
600
3000
3500
750
0
4250
200
300
500
4000
6000
10000
1500
1250
3000
5750
5000
2000
3000
10000
Rjeenje 3.14.
a)
P1
60
60
Finalne
isporuke
40
P2
50
80
130
70
Uvoz
20
25
Proizvoai
Ukupno
Ukupna
proizvodnja
100
200
445
0 0,3
A=
; = [ 0, 2 0, 025]
0,5 0, 4
0,3
1
L=
0,5 0, 6
2
4
3
3
B = L1 =
10 20
9
9
180
X = B Y =
400
Qij = aij X j

0 0,3 180 0 0 120
Qij =
0,5 0, 4 0 400 90 160

Wej = ej X j

180 0
Wej = [ 0, 2 0, 025] 0 400 = [36 10]
P1
120
120
Finalne
isporuke
60
P2
90
160
250
150
Uvoz
36
10
46
Proizvoai
Ukupno
Ukupna
proizvodnja
180
400
1 2 50 35
j = lij [ pi ] = 3 3 30 = 3

10 5
T
Ukupan prihod u sistemu u tekuem periodu iznosi 4100$, a u narednom periodu 7500$.
Dodane vrijednosti za tekui period 4100- 2990 =1110, za naredni 7500-5870 =1630.
446
c)
Y1
Y2
= l11 = 1;
= l21 = 0,5
X 1
X 1
U
= 11 = 0, 2
X 1
Ako bi poveali bruto proizvodnju prvog proizvoaa za jedan kg, onda bi njegovu finalnu
potronju morali poveati takoer za 1 kg, finalnu potronju drugog proizvoaa smanjili za
0,5 kom, a uvoz poveali za 0,2 l.
Rjeenje 3.15.
a)
0
A = I L = 0
0
0 0,1
[Q ] = 0 0, 2
0 0
0,1 0, 2
0, 2 0, 4 ;
0 0,5
0, 2 100 0
0 0 0,1X 2 0, 2 X 3
0, 4 0 X 2 0 = 0 0, 2 X 2 0, 4 X 3
0,5 0
0 X 3 0
0
0,5 X 3
Iz jednaine raspodjele bruto proizvodnji dobijamo sistem tri jednaine sa tri nepoznate:
0,1X2 + 0,2X3 +Y1 =100
0,2X2 +0,4X3 + 50 = X2
0,5X3 +100 = X3
Rjeavanjem dobijamo:
X3 = 200, X2 = 162,5, Y1 = 43,75.
Sada moemo kompletirati traenu koliinsku IO tabelu:
Proizvoai
Ukupno
Finalne
isporuke
Ukupna
proizvodnja
P1
16,25
40
56,25
43,75
100
P2
32,5
80
112,5
50
162,5
P3
100
100
100
200
Uvoz
50
20
70
20
0,1231 .
162,5
Potrebno je priblino 0,1231 kwh uvoza da bi se proizveo kg proizvodnje proizvoaa P2.
b) 12 =
447
Rjeenje 3.16.
a)
P1
P2
Q+ij
S1
M
V
P
P1
P2
Q+ij
Y+i
25000
6000
31000
1250
32250
67750
10000
0
0
6000
6000
750
6750
23250
25000
12000
37000
2000
39000
91000
75000
18000
93000
30000
130000
1
4
b) A+ =
3
50
X + = B +Y +
4
3
B+ =
1
10
0
1
+
; =
1
80
0
,
5
4
X+i
100000
30000
130000
1
40
120000
X+ =
46500
Qij+ = ij+ X +j = 4

3
50
0
0 30000
0
12000
=
3 0
46500 7200 9300
4
0
1 140 12000
Wij+ = ej+ X +j =
= [1500 1162,5]
0
80
46500
M1 = 38700; M2 = 10462,5; V1 = 81300; V2 = 36037,5.
V
V2
c) v = 1
= [33,875 23, 25] .
X1 X 2
Proizvoa P1 po svakoj koliinskoj jedinici svoje proizvodnje ostvari 33,875 KM dodane
vrijednosti, a proizvoa P2 po svakoj koliinskoj jedinici svog proizvoda ostvari 23,25 KM
dodane vrijednosti.
448
1 50 0 25 15
1
d) [ ] = c + j = 10
=
2
80 40 0 30 4
v j
v
25 v
15
= ej 1 = ; 2 = .
4 c1
2
ce
c1
Ako se nabavna cijena povea za jedinicu, koeficijent dodane vrijednosti prvog proizvoaa e se smanjiti za 6,25 KM, a kod drugog proizvoaa za 7,5 K
449
Literatura

Babi, M., (1978), Osnove Input-output analize, Narodne novine, Zagreb
Babi, M., (1989), Makroekonomski modeli, etvrto izdanje, Narodne novine, Zagreb
Babi, M., (2004), Makroekonomija, XIV. dopunjeno i izmijenjeno izdanje, Mate, Zagreb
Europski sustav nacionalnih rauna ESA 1995., (1998), Eurostat, Prevod: Dravni zavod za
statistiku Republike Hrvatske, Zagreb
Roux, D., (2002): Nobel en economie, Economica, Paris
Sustav nacionalnih rauna 1993, (1997), UN, Svjetska banka, Washington D.C. Prevod:
Dravni zavod za statistiku Republike Hrvatske, Zagreb
Vukovi, ., (2003), Input-output analiza, Ekonomski fakultet u Sarajevu, Sarajevo
Vukovi, ., Somun Kapetanovi, R., (1990), Zbirka zadataka iz Matematikih metoda u
450
4. Linearno programiranje
4.1.
4.2.
4.3.
4.4.
4.5.
4.6.
4.7.
4.8.
4.9.
4.10.
Uvod
Model linearnog programiranja
Bazne teoreme linearnog programiranja
Teorija dualnosti u linearnom programiranju
Metode za rjeavanje problema linearnog programiranja
Specifini oblici problema linearnog programiranja
Zadaci za vjebu
Literatura
4.1. Uvod
O pojmu matematikog programiranja
Iz potrebe za optimizacijom rjeenja, koja je oduvijek bila prisutna u ljudskoj svijesti, razvila se oblast matematikog programiranja. Problemi programiranja se bave efikasnou
koritenja ili alokacije ogranienih resursa s ciljem da se zadovolji objektivnost. Ove probleme karakterie veliki broj rjeenja koja zadovoljavaju bazine uslove svakog problema.
Poeci matematikog programiranja datiraju iz vremena II svjetskog rata, kad je jedan od
osnovnih problema bio kako da se rasporedi ograniena koliina vojnog materijala i ljudi za
odreene vojne operacije na to djelotvorniji nain. Nakon rata postalo je jasno da se matematiko programiranje moe uspjeno primijeniti i u mnogim drugim oblastima: u
ekonomiji, vazduhoplovstvu, tehnikim naukama i industriji.
Najpoznatiji ekonomski problemi koji se rjeavaju matematikim programiranjem su: odreivanje optimalnog proizvodnog plana, optimalno voenje zaliha, optimalni izbor
investicijskog projekta, problem optimalnog transporta, optimalne alokacije resursa, optimalne raspodjele kadrova na radne zadatke, problem trgovakog putnika, problem
optimalnog otpada itd. Razne metode matematikog programiranja postale su posebne naune discipline. Meu najpoznatijim su: linearno programiranje, dinamiko programiranje,
viekriterijalno programiranje, stohastiko programiranje i analiza omeivanja podataka.
Danas se ove metode preklapaju i sa mnogim drugim podrujima kao to su teorija aproksimacija, teorija vjerovatnoe, klasina mehanika i raun varijacija.
Najznaajnija imena u oblasti linearnog programiranja
Matematski model linearnog programiranja konceptualno je postavljen prije II svjetskog
rata od strane poznatog sovjetskog matematiara Leonida Kantorovicha. Njegov rad Matematiki metodi organizacije i planiranja proizvodnje iz 1939.g. se smatra zaetkom
ubrzanog razvoja ovog modela, kao i ekonomsko-matematikih modela uopte.
George Dantzing, Marshall Wood i saradnici pri US odjelu vazdunih snaga 1947. godine,
u projektu pod nazivom SCOOP (Scientific Computation of Optimum Programs), daju matematiku osnovu i razvijaju metodu (simplex metoda ili Dantzingov algoritam) za
rjeavanje problema linearnog programiranja sa velikim brojem varijabli. Dantzingov originalni primjer na kojem je pokazao primjenu simplex algoritma je pronalaenje najboljeg
naina rasporeda 70 ljudi na 70 radnih mjesta. Iste godine (1947), povezujui teoriju linearnog programiranja i teoriju ''matrinih igara'', J. Von Neumann razvija teoriju dualnosti.
Teorija dualnosti u linearnom programiranju omoguava i postoptimalnu analizu i parametarsko linearno programiranje.
453
Za formiranje i upotrebu algoritama koji omoguavaju brzo rjeavanje problema linearnog

programiranja uz pomo raunara vaan je bio dokaz da su problemi linearnog programiranja rjeivi u polinomskom vremenu. Za ovaj dokaz zasluan je Leonid Khachiyan 1979.
godine. Veliki proboj u teorijskom i praktinom smislu u ovom polju veemo za ime indijskog matematiara Narendra Karmarkera koji je razvio algoritam za rjeavanje problema
linearnog programiranja u polinomskom vremenu. On je uveo novi metod (interior point
method) za rjeavanje ovih problema.
U ovom kratkom pregledu najznaajnijih imena iz oblasti linearnog programiranja spomenimo i matematiara i ekonomistu Tjallinga Koopmansa koji je 1975. godine podijelio
Nobelovu nagradu iz ekonomije sa ruskim matematiarem Leonidom Kantorovichem. Koopmans je nagradu dobio za svoj doprinos u teoriji optimalne alokacije resursa.
Matematiko okruenje kod linearnog programiranja
Matematiki, osnovni problem linearnog programiranja je pronalaenje uslovnog ekstrema
(minimuma ili maksimuma) odreene linearne funkcije vie promjenljivih (funkcija: cilja
ili kriterija ili optimuma), tako da odabrana kombinacija vrijednosti tih promjenljivih zadovolji skup ograniavajuih uslova datog problema (nehomogeni sistem linearnih jednaina).
Prisjetiemo se osnovnih matematskih pojmova koje emo koristiti u opisu i rjeavanju
problema linearnog programiranja.
Vektorski prostor V nad poljem realnih brojeva je preslikavanje
f: R x V V; f (, x) = x ( R, x V) sa osobinama:
( x ) = ( ) x
( + ) x = x + x
(x + y ) = x + y
1 x = x
( , R;
x, y V )
gdje je (V, +) Abelova grupa.

Realna matrica je preslikavanje A: I x J R gdje su I = {1, 2, ..., m} i J = {1, 2, ...,n}. Poto se I x J moe napisati u m redova i n kolona, matrica se najee identifikuje sa tabelom:
a11
a
A = aij = 21
a m1
[ ]
a12
a 22
am2
a1n
a 2 n
a mn
i kae se da matrica A ima dimenziju m x n ili da je tipa m x n .
454
UVOD
Skup svih matrica dimenzije n x 1 nad poljem realnih brojeva ini jedan vektorski prostor
nad poljem R. Taj vektorski prostor oznait emo sa Vn, a elemente tog prostora (matrice
tipa n x 1) zvaemo vektorima (vektor kolone).
Skup vektora {A1 , A 2 , ..., A n } = A j j = 1, n
je linearno nezavisan ako je j Aj = 0 samo

j =1
za realne brojeve 1 = 2 =. .. = n = 0. U suprotnom, taj skup je linearno zavisan.

Konveksna kombinacija elemenata A1, A2, ..., An iz vektorskog prostora Vn je element
A= 1A1 + 2A2 + ...+ nAn gdje su i skalari, takvi da je i 0 i i = 1 .
i
Podskup K skupa Vn je konveksan skup ako i samo ako za svaki par elemenata iz K vrijedi
da je i njihova konveksna kombinacija takoer u K. Elemente skupa K zvaemo takama.
Svaka taka na segmentu koji povezuje dvije take skupa K moe se izraziti kao konveksna
kombinacija tih taaka, i obrnuto1. (1)
Taka konveksnog skupa K koja se ne moe izraziti kao konveksna kombinacija bilo kojih
drugih razliitih taaka u K naziva se ekstremna taka skupa K.
Gass S. (1970), poglavlje 2, teorema 1 i teorema 2.
455
4.2. Model linearnog programiranja

Linearno programiranje predstavlja skup metoda i postupaka kojima se odreuju ekstremne
vrijednosti takve linearne funkcije ije podruje definicije odreuje sistem linearnih jednaina ili nejednaina.
Matematski zapisano, problem linearnog programiranja glasi: nai ono nenegativno rjeenje
(x1, x2, , xn), (xi 0, i = 1, 2, , n) sistema linearnih nejednaina (ogranienja, uvjeta)
d1
a21x1 + a22x2 + + a2nxn d2
.
.
.
.
.
.
.
.
.
.
a11x1 + a12x2 + + a1nxn
am1x1 + am2x2 + + amnxn
dm
za koje funkcija cilja ili funkcija kriterija

f = f(x1, x2, , xn) = c1x1 + c2x2 + + cnxn
dostie ekstremnu vrijednost, pri emu su c1 , c2 , , cn ; a11 , amn , d1 , d 2 , , d m poznate, a
x1, x2, , xn nepoznate vrijednosti u modelu.
Rjeenje (x1, x2, , xn) u primjenama najee ima znaenje plana ili programa (proizvodnje, transporta), pa je otuda ovaj problem dobio naziv "programiranje", a naziv "linearno
programiranje" potie od toga to su ogranienja varijabli, kao i funkcija cilja, linearni.
Proizvoljno rjeenje sistema nejednaina predstavlja taku n-dimenzionalnog prostora, to
jest (x1, x2, , xn) Rn.
Nenegativno rjeenje sistema nejednaina S naziva se dopustivim ili moguim rjeenjem. U
zavisnosti od oblika skupa moguih rjeenja, za problem linearnog programiranja vrijedi
jedna od sljedeih osobina:
1. Ima konano optimalno rjeenje (jedinstveno ili ne) ako je skup moguih rjeenja S
ogranien konveksan skup.
2. Optimalno rjeenje je beskonano (optimalan program je neizvediv). Ovo se moe
desiti (ali i ne mora, zavisi od funkcije cilja) u sluaju da je skup moguih rjeenja
neogranien.
3. Nema optimalnog rjeenja ako je skup moguih rjeenja prazan skup.
456
MODEL LINEARNOG PROGRAMIRANJA
Za problem linearnog programiranja rei emo da ima rjeenje ako veliina fmax (fmin) ima
konanu vrijednost na skupu S dopustivih rjeenja, a nema rjeenja ako je skup S prazan
skup, ili ako veliina fmax (fmin) nema konanu vrijednost.
Linearnim programiranjem moe se rijeiti svaki problem koji se moe predstaviti odgovarajuim modelom linearnog programiranja.
Osnovne pretpostavke modela linearnog programiranja2
Linearnost: Pretpostavka linearnosti podrazumijeva postojanje linearnih zavisnosti izmeu
promjenljivih u zadatku linearnog programiranja. Ova pretpostavka zadovoljena je tako to
su funkcija cilja i ograniavajui uslovi u modelu linearnog programiranja izraeni linearnim funkcijama. Kao posljedica linearnosti u modelu linearnog programiranja zadovoljene
su takoer dvije osnovne pretpostavke: proporcionalnost i aditivnost.
Izvjesnost: Svi parametri modela linearnog programiranja su unaprijed jednoznano odreeni, to znai da su koeficijenti funkcije cilja i sistema ogranienja deterministiki
odreeni i ne mijenjaju se u toku rjeavanja modela. S obzirom na ovu osobinu, model linearnog programiranja smatramo deterministikim modelom.
Djeljivost: Ova pretpostavka podrazumijeva da promjenljive u modelu linearnog programiranja ne moraju biti cijeli brojevi. Prema tome, u optem obliku modela linearnog
programiranja ne postavlja se tzv. uslov cjelobrojnosti rjeenja, to znai da vrijednosti
promjenljivih mogu biti izraene i u obliku decimalnih brojeva. Ukoliko se, meutim, iz
odreenih razloga zahtijeva cjelobrojnost promjenljivih, onda je u pitanju specijalan oblik
zadatka - model cjelobrojnog linearnog programiranja.
Nenegativnost: Uslov nenegativnosti promjenljivih predstavlja jednu od osnovnih pretpostavki modela linearnog programiranja. Ova pretpostavka ima svoj metodoloki i sutinski
(ekonomski) znaaj. Naime, kako opti algoritam rjeavanja modela linearnog programiranja predstavlja simplex metod, to je za primjenu ovog metoda neophodno zadovoljenje
uslova nenegativnosti promjenljivih, to ini metodoloki aspekt uslova nenegativnosti
promjenljivih. S druge strane, kako promjenljive u modelu linearnog programiranja, koji se
koristi za odreene ekonomske analize, predstavljaju odreene ekonomske veliine, jasno
je da one ne mogu biti negativne. Jasno je, naprimjer, da ukoliko koritenjem modela linearnog programiranja elimo da odredimo optimalan program proizvodnje nekog preduzea,
promjenljive modela pokazuju vrijednost (koliinu) proizvodnje odreenih proizvoda koja
ne moe biti negativna. Zbog toga uslov nenegativnosti, pored funkcije cilja i sistema ogranienja (predstavljenih u vidu nejednaina i jednaina), predstavlja jedan od osnovnih
elemenata modela linearnog programiranja.
Prema: Backovi, M., Vuleta, J. (2008), str. 197-198.
457
Navedene pretpostavke predstavljaju osnovne pretpostavke modela linearnog programiranja

i one moraju biti uvijek zadovoljene. Ukoliko, meutim, bilo koja od navedenih pretpostavki nije zadovoljena, onda se radi ili o specijalnom obliku modela linearnog programiranja,
ili postavljeni model ne predstavlja model linearnog programiranja.
Osnovni elementi modela linearnog programiranja su funkcija cilja, sistem ogranienja i
uslovi nenegativnosti.
Polazni model koji odgovara konkretnom problemu LP-a nazivaemo primalnim modelom. U nastavku emo detaljno izloiti dijelove polaznog primalnog modela LP-a u
formama:
Opti polazni primalni model LP-a, i to u njegovim sljedeim oblicima:
ekstezivni (razvijeni) oblik,
kondenzovani oblik,
matrini oblik
i objasnit emo kako se iz opteg polaznog primalnog modela formira simetrini model.
Standardizovani primalni model LP-a u sljedeim oblicima:
ekstezivni (razvijeni) oblik,
kondenzovani oblik,
matrini oblik.
4.2.1. Opti polazni primalni model LP-a
Funkcija cilja u problemu LP-a izraava osnovni cilj, odnosno ono to elimo postii rjeavanjem modela i mora biti unaprijed definisana (npr. maksimizirati prihod).
Oznaimo sa x1 , x2 , , xn R nepoznate veliine u problemu linearnog programiranja
(npr. koliine proizvoda koje trebamo proizvesti, ili resursa koje trebamo rasporediti) i neka
su c1 , c2 , , cn R poznati parametri koji karakteriu fukciju cilja (npr. prihod ili troak
po jedinici proizvoda ili resursa koji odreujemo). Kako je zadatak linearnog programiranja
odreivanje ekstremne vrijednosti funkcije (funkcije cilja), uz dati skup linearnih ogranienja (sistem ogranienja i uslovi nenegativnosti), to ustvari znai da trebamo odrediti one
vrijednosti nepoznatih x1 , x 2 ,, xn kojima bi se maksimizirala/minimizirala linearna
kombinacija vektora X = x p = [x1 x 2 x n ] i vektora c p = [c1 c 2 c n ] .
[ ]
[ ]
Odavde je polazni oblik primalne funkcije cilja f oblika:

(
458
Max.
) f = c1 x1 + c 2 x 2 + ... + c n x n
Min.
ili kondenzovano (
n
Max.
) f = cpxp
Min.
p =1
i matrino:
Max.
) f = cp T xp
Min.
[ ] [ ]
Varijable x1 , x2 , , xn R nazivamo polazne primalne varijable i usvojiemo da je njihov broj n .

Sistem ogranienja se sastoji od odreenog broja linearnih nejednaina. U optem sluaju
ogranienja koja se javljaju u nejednainama mogu biti tipa:
(npr. maksimalna koliina novca koju imamo na raspolaganju) i ovo ogranienje nazivamo ogranienjem I tipa.
(npr. minimalna koliina proizvoda koju trebamo nabaviti) i ovo ogranienje nazivamo
ogranienjem II tipa.
= (npr. moraju se iskoristiti svi resursi) i ovo ogranienje nazivamo ogranienjem III
tipa.
Polaznih ogranienja tipa moe biti vie, npr KNo, pa skup svih polaznih primalnih
ogranienja I tipa moemo zapisati:
a1,1 x1 + a1, 2 x 2 + ... + a1,n x n d 1
a 2,1 x1 + a 2, 2 x 2 + ... + a 2, n x n d 2
..................................................
a K ,1 x1 + a K , 2 x 2 + ... + a K , n x n d K
ili kondenzovano
n
a
p =1
kp
x p d k za k = 1, K
Parametri a kp su poznate veliine koje karakteriu ogranienje d k .

Polaznih ogranienja tipa moe biti vie, npr. LN0, pa skup svih polaznih primalnih
ogranienja II tipa moemo zapisati:
a K +1,1 x1 + a K +1, 2 x 2 + ... + a K +1, n x n d K +1
a K + 2,1 x1 + a K + 2, 2 x 2 + ... + a K + 2, n x n d K + 2
.............................................................
a K + L ,1 x1 + a K + L , 2 x 2 + ... + a K + L , n x n d K + L
459
ili kondenzovano
n
a
p =1
lp
x p d l za l = K + 1, K + L .
Parametri alp su poznate veliine koje karakteriu ogranienje d l .

I ogranienja tipa = moe biti vie, npr. RN0, pa skup svih polaznih primalnih ogranienja III tipa moemo zapisati:
a K + L +1,1 x1 + a K + L +1, 2 x 2 + ... + a K + L +1, n x n = d K + L +1
a K + L + 2,1 x1 + a K + L + 2, 2 x 2 + ... + a K + L + 2, n x n = d K + L + 2
........................................................................
a K + L + R ,1 x1 + a K + L + R , 2 x 2 + ... + a K + L + R , n x n = d K + L + R
ili kondenzovano
n
a
p =1
rp
x p = d r za r = K + L + 1, K + L + R .
Parametri a rp su poznate veliine koje karakteriu ogranienje d r .

Opti uslovi nenegativnosti se odnose na polazne primalne varijable x1 , x2 , , xn R i
predstavljaju injenicu da koliine ne mogu biti negativni brojevi.
Opte uslove nenegativnosti zapisujemo u ekstenzivnom obliku

x1 0, x 2 0, , x n 0 , odnosno u kondenzovanom x p 0 za p = 1, n i u matrinom
x p 0 .
n1
Na osnovu prethodnog, matematski zapisi opteg primalnog modela LP-a imaju sljedee
forme:
Opti polazni primalni oblik LP-a ekstezivni oblik
n
Max.
) f = cpxp
Min.
p =1
a1,1 x1 + a1,2 x 2 + ... + a1, n x n d1

a 2,1 x1 + a 2,2 x 2 + ... + a 2, n x n d 2
..................................................
a K ,1 x1 + a K ,2 x 2 + ... + a K , n x n d K
460
a K +1,1 x1 + a K +1,2 x 2 + ... + a K +1, n x n d K +1

a K + 2,1 x1 + a K + 2,2 x 2 + ... + a K + 2, n x n d K + 2
.............................................................
a K + L,1 x1 + a K + L,2 x 2 + ... + a K + L, n x n d K + L
(4.1)
a K + L +1,1 x1 + a K + L +1,2 x 2 + ... + a K + L +1, n x n = d K + L +1
a K + L + 2,1 x1 + a K + L + 2,2 x 2 + ... + a K + L + 2, n x n = d K + L + 2
........................................................................
a K + L + R,1 x1 + a K + L + R,2 x 2 + ... + a K + L + R, n x n = d K + L + R
x p 0 za p = 1, n
gdje su aip, di, cp R poznate konstante, za p = 1, n i i = 1, m i gdje je ukupan broj ogranienja m = K + L + R i n ukupan broj polaznih primalnih varijabli.
Usvojimo da su svi di 0, to se moe mnoenjem 1 spornih polaznih jednaina u (i) uvijek obezbijediti.
Opti polazni primarni oblik LP-a u kondenzovanom obliku je dat sa:
n
Max.
f = cp xp
Min.
p =1
II
III
a
p =1
kp
a
p =1
lp
a
p =1
rp
xp dk
za
k = 1,K
x p dl
"
l = K + 1,K + L
xp = dr
"
r = (K + l) + 1,(K + L) + R
xp 0
"
p = 1,n ;
(4.1')
m = (K + L + R)
Ako poznate parametre u funkciji cilja i polazne primalne varijable zapiemo kao ndimenzionalne vektore c p n1 i x p n1 , te poznate koeficijente u ogranienjima kao m x n
[ ] m x n , a sva ogranienja kao [d ]
- dimenzionalnu matricu aip
m1
vektor ogranienja, onda
se moe dati i matrini oblik opteg polaznog primalnog modela LP-a:
461
[ ] [ ]
Max.
) f = cp T xp
1n
n1
Min.
I
II
III
[akp ] Kn [x p ] n1 [d k ] K1
[alp ] Ln [x p ] n1 [d l ] L1
[arp ] Rn [x p ] n1 = [d r ] R1
m = ( K + L + R)
(4.1'')
x p 0
n1
gdje je x p n1 vektor polaznih primalnih varijabli, c p n1 vektor parametara koji karakteriu funkciju cilja,
[ di ] m1
vektor ogranienja i A = aip

matrica koeficijenata u
mxn
ogranienjima.
Kod problema maksimizacije prirodno je oekivati barem jedno ogranienje tipa (odozgo) jer bi u suprotnom optimalna vrijednost bila beskonano velika i analogno kod
problema minimizacije, ako nemamo donjeg ogranienja (tipa ), optimum bi bio u nuli
(zbog uslova nenegativnosti). Upravo iz ovih razloga se esto u literaturi kao polazni model
linearnog programiranja uzima tzv. simetrian model.
Za model emo rei da je simetrian ako funkcija cilja i skup ogranienja zadovoljavaju
sljedee osobine:
funkcija cilja je max f , a sva ogranienja u modelu su tipa , odnosno I tipa.
funkcija cilja je min f , a sva ogranienja u modelu su tipa , odnosno II tipa.
Kad polazni model nije simetrian moemo ga, jednostavnim transfomacijama skupa ogranienja, pretvoriti u simetrian. Postupak je opisan u nastavku:
Kod funkcije cilja max f , potrebno je transformisati skup ogranienja tako da sva ogranienja u modelu imaju oblik . To znai da ogranienja I tipa neemo transformisati,
ogranienja II tipa emo mnoiti sa (-1), dok emo ogranienja tipa = razdvojiti na dvije
jednaine sa istim oblikom, samo to jedna jednaina ima oblik , a druga oblik .
Postupak transformacije opteg polaznog primalnog modela 4.1' (opteg modela datog u
kondenzovanom obliku) sa ciljem max f u simetrini model:
462
SLUAJ (Max.)f
n
( Max.) f = c p x p
p =1
II
III
p =1
akp x p d k
p =1
n
alp x p dl
a
p =1
rp
x p = dr
xp 0
p =1
p =1
( Max.) f = c p x p
(-a
p =1
akp x p
lp
) xp
dk
- dl
n
arp x p d r
p =1
n
(a ) x d
rp
p
r

p =1
xp 0
k
l
r
odnosno, model 4.1'. u sluaju maksimuma ima svoj ekvivalentan simetrian oblik:
n
(Max.)f = c p x p
p =1
a x p d i
p =1
ip
xp 0
, i = 1,m , m = m + R
(4.1''')
p = 1,n
gdje su:
m = [ m + R ] = [(K + L + R) + R ] = K + L + 2 R
akp
i d i = d k
za p = 1,n
k = 1,K
i=k
= alp " di = d l
aip
"
"
l = K + 1,K + L
i=l
a rp " d i = d r
"
"
r = K + L + 1,K + L + R
i=r
"
"
"
i = m + 1,m + R
a rp " d i = d r
pa se ovaj simetrian model 4.1'''. moe posmatrati kao polazni model LP-a.
463
Kod funkcije cilja min f , potrebno je transformisati skup ogranienja tako da sva ogranienja u modelu imaju oblik . To znai da ogranienja I moramo transformisati i to tako
to emo ovaj tip ogranienja pomnoiti sa (-1). Ogranienja II tipa emo prepisati, dok
emo ogranienja tipa = razdvojiti na dvije jednaine sa istim oblikom, samo to jedna
jednaina ima oblik , a druga oblik .
Sluaj (Min.)f
n
( Min.) f = c p x p
p =1
II
III
a
p =1
kp
a
p =1
lp
a
p =1
rp
( Min.) f = c p x p
p =1
xp dk
x p dl
xp = dr
xp 0
(- a
) xp - dk
alp x p d l
a rp x p d r
p =1
n
p =1
p =1
kp
(a
p =1
rp
) x p d r
xp 0
odnosno, model 4.1'. u sluaju minimuma ima svoj ekvivalentan simetrian oblik:
n
( Min)f = c p x p
p =1
a x p di
p =1
ip
xp 0
, i = 1,m , m = m + R
p = 1,n
gdje su:
m = [m + R ] = [(K + L + R) + R ] = K + L + 2 R
464
(4.1''''.)
akp
aip = alp
arp
a
rp
d i = d k
"
d i =
"
d i = d r
za p = 1,n
dl
"
"
"
k = 1,K
i=k
l = K + 1,K + L
i=l
r = K + L + 1,K + L + R
"
i=r
d i = d r
"
"
"
i = m + 1,m + R
"
Na osnovu prethodnog izvoenja vidimo da se (uz naglaavanje izvedenih transformacija)

simetrini modeli mogu uzimati za polazne modele linearnog programiranja, to brojni autori i rade.
Primjer 4.1.
Dat je opti polazni model LP-a

min f = 80 x1 + 120 x2 + 80 x3
2 x1 +
x1 +
x2 + 3 x3 1000
2 x2 +
x3 200
x2
x3 = 100
x1 ,
x2 ,
x3 0
transformisati dati model u simetrian, pa ga zapisati u matrinom obliku.
Rjeenje:
Kako je u pitanju min f, to se sva ogranienja moraju svesti na oblik , to znai da

emo transformisati ogranienja I i ogranienje III datog modela:
2 x1 x 2 3 x3 1000
2 x1 + x 2 + 3 x3 1000
I
x1 + x 2 x3 = 100
x1 + x 2 x3 100
x1 + x 2 x3 100
x1 x 2 + x3 100
x1 + x 2 x3 100
Odnosno, ekvivalentan simetrian zapis polaznog modela LP-a ima oblik:

min f = 80 x1 + 120 x2 + 80 x3
2 x1
x2 3 x3 1000
2 x2 +
x3
200
x1
x2 +
x3 100
x1 +
x2
x3
100
x1 ,
x2 ,
x3
465
Definiimo matrice:
2 1 3
1000
80
x1
0
200
2
1
A=
; d=
; c = 120 i x = x 2
1 1 1
100
80
x3
1
1
1
100
Matrini zapis modela bi sada izgledao ovako:

min f = c T x
.
Ax d
x0
4.2.2. Standardni (opti) model LP-a
Navedene opte oblike modela linearnog programiranja emo kompletirati definisanjem

standardnog modela LP-a, koji je neophodan za razvoj i upotrebu algoritama kojima se
rjeavaju problemi linearnog programiranja.
Polazni model LP-a 4.1. se prevodi u ekvivalentan standardni oblik tako to se sva ogranienja transformiu u jednaine. To se postie tako to se svakom ogranienju I i II tipa
pridrui po jedna nova varijabla koja e omoguiti izravnanje ogranienja. Ove varijable se
nazivaju izravnavajue varijable (dopunske ili oslabljene) i njihov broj jednak je broju ogranienja I i II tipa (odnosno K + L u optem modelu). Izravnavajue varijable ispunjavaju
uslov nenegativnosti i njihove vrijednosti ne smiju uticati na vrijednost funkcije cilja. Zbog
toga su koeficijenti uz izravnavajue varijable u funkciji cilja jednaki 0.
Uvoenjem izravnavajuih varijabli je omoguena transformacija ogranienja tipa i
tipa u jednakost, ali za potpuno formiranje standardnog modela i primjenu simplex
algoritma za rjeavanje problema LP-a neophodno je matricu ogranienja A = aip
[ ]mxn
proiriti sa jedininom matricom, odnosno svakom ogranienju (pa i ogranienju tipa =)

moramo dodati neku novu varijablu.
Varijable koje se uvode u model iskljuivo da bi se dobila jedinina matrica kao dio proirene matrice ogranienja A nazivamo vjetakim (umjetnim, eng. artificial) varijablama.
Vjetake varijable nemaju ekonomsko znaenje i u optimalnom rjeenju problema LP-a
ove varijable moraju imati vrijednost 0. Da bi se obezbijedila vrijednost 0 za sve vjetake
varijabe u modelu, potrebno je ovim varijablama dodijeliti koeficijente u funkciji cilja koji
e ih uiniti inferiornim i u optimalnom sluaju im obezbijediti uvijek vrijednost 0. Ovo
emo postii ako svim vjetakim varijablama dodijelimo dovoljno mali broj za maksimum,
oznaimo ga sa M i dovoljno veliki broj za minimum, oznaimo ga sa +M, M R + .
466
U nastavku emo objasniti nain uvoenja novih varijabli u polazni model i njihovo znaenje.
Polaznom modelu LP-a dodajemo dvije vrste varijabli:
Izravnavajue varijable (dopunske ili oslabljene) za koje mora vrijediti uslov nenegativnosti i koje imaju ekonomsko znaenje;
Vjetake varijable (umjetne, eng. artificial), koje nemaju ekonomsko znaenje i u optimalnom sluaju moraju imati vrijednost 0.
Kod svih ogranienja I tipa () imamo manju vrijednost na lijevoj strani u ogranienju, pa
dodajemo neku pozitivnu vrijednost, odnosno uvodimo izravnavajuu varijablu sa znakom
(+1). Izravnavajua varijabla pridruena ogranienju k oznaava se sa x n + k i mjeri se u
istoj jedinici mjere kao i ogranienje (naziv: izravnavajua I tipa3 ili neiskoritena ili oslabljena varijabla, eng. slack).
Npr., da bi izvrili standardizaciju kod 3. ogranienja I tipa u optem modelu 4.1. LP-a
a3,1 x1 + a3, 2 x 2 + ... + a3,n x n d 3
moramo dodati izravnavajuu varijablu x n +3 0 , pa bi sad ogranienje 3 poprimilo oblik:
a3,1 x1 + a3, 2 x 2 + ... + a3,n x n + x n +3 = d 3 .
Varijabla x n +3 0 oznaava koliko u ponuenom rjeenju (ne mora biti optimalno) nedostaje jedinica ogranienja 3 da bi se ovo ogranienje potpuno iskoristilo.
Kod svih ogranienja II tipa () imamo veu vrijednost na lijevoj strani nejednakosti u ogranienju, pa da bi izravnali ogranienje oduzimamo neku pozitivnu vrijednost, odnosno
uvodimo izravnavajuu varijablu sa znakom (-1) i jednu vjetaku sa znakom (+1).
Izravnavajua varijabla pridruena ogranienju l oznaava se sa x n +l i mjeri se u istoj jedinici mjere kao i ogranienje (izravnavajua II tipa ili suviak, eng. surplus), dok se
vjetaka varijabla oznaava sa x n*+l i nema ekonomsko znaenje (vjetaka II tipa, eng.
artificial)
Npr., da bi izvrili standardizaciju kod petog ogranienja koje je II tipa:
a5,1 x1 + a5, 2 x 2 + ... + a5,n x n d 5
uvodimo izravnavajuu varijablu x n +5 i vjetaku x n*+5 na sljedei nain:
a5,1 x1 + a5, 2 x 2 + ... + a5,n x n x n +5 + x n*+5 = d 5 ,
pa je ovim izvrena standardizacija petog ogranienja.

3
Vukovi, ., (1989), str. 6.
467
Prilikom standardizacije ogranienja III tipa, odnosno kod ogranienja tipa =, vidimo da
nema potrebe za uvoenjem izravnavajue varijable jer je ogranienje ve izravnato, ali se
uvodi vjetaka varijabla sa znakom (+1) i oznaava sa x n*+ r (vjetaka varijabla III tipa).
U funkciji cilja, izravnavajue varijable imaju koeficijent 0, dok vjetake imaju koeficijent
M (+M ako je cilj min f i M ako je cilj max f) gdje je M jako veliki realni broj.
Napomenimo jo jedanput da vjetake varijable II i III tipa nemaju ekonomsko tumaenje i
u optimalnom rjeenju problema LP-a njihove vrijednosti uvijek moraju biti 0. Prilikom
uvoenja i tumaenja dualnih varijabli vidjeemo da se vjetaka varijabla III tipa koristi
pri izraunavanju njene dualne vrijednosti.
Izravnavajue (slack) varijable pridruene ogranienju tipa u ogranienjima imaju koeficijent +1, pa e one initi dio jedinine matrice u standardnom modelu LP-a. Meutim,
izravnavajue (surplus) varijable pridruene ogranienju tipa e u ogranienjima imati
koeficijent -1 (oduzimamo od lijeve strane nejednakosti) i one nee biti dio jedinine matrice. Upravo vjetake varijable koje su pridruene ogranienjima II i III tipa omoguavaju
sa
kompletiranje jedinine matrice, odnosno proirenje matrice ogranienja A = aip
[ ]mxn
jedininom matricom.
Na osnovu izloenog imamo da je standardizovani polazni model LP-a u kondenzovanom
obliku dat sa:
n
(1) Max. f = C p x p + 0 xn + k + 0 xn +l + M x*n +l + M xn + r

Min.
(2)
(3)
p =1
n
akp x p
p =1
n
alp x p
p =1
+ xn + k
= dk ,
xn + l
+ x* n + l
arp x p
p =1
x p 0 ; xn + k 0 ; xn + l 0 , xn + r = 0 ; x*n + l = 0 ,
odnosno, krae:
468
(k )
= dl ,
(l )
+ xn + r = d r ,
(r )
(p, k, l, r )
N
Max
f
=
cs xs
Min
s =1
N
a
s =1
is
xs = d i ,
xs 0
i = 1, m m = K + L + R
(4.2)
s = 1, N N = n + (K + L + R ) = n + m
i u matrinom obliku:
Max
T
T
f = [c s ] [x s ] [c s ] je (1 N ) dim
Min
[ais ] [x s ] = [d i ] [x s ] " (N 1) dim ,
[x s ] 0
[ais ] " (m N ) dim
[d i ] "
(m 1)
(4.2')
dim
gdje je matrica [ais ] proirena matrica koeficijenata u ogranienjima po ve opisanom pravilu.

Rezimirajmo, standardizacija polaznog primalnog modela se vri tako to se skup polaznih varijabli proiruje i uvode se dva tipa varijabli: izravnavajue
( xn+i i = 1,, K + L ) i vjetake ( x*n+ j j = K + 1,, m ) .
Kod ogranienja I tipa (tipa ) uvodimo jednu izravnavajuu varijablu sa koeficijentom +1.
Kod ogranienja II tipa (tipa ) uvodimo jednu izravnavajuu varijablu sa koeficijentom
-1 i jednu vjetaku varijablu sa koeficijentom +1.
Kod ogranienja III tipa (tipa =) uvodimo jednu vjetaku varijablu sa koeficijentom +1.
Izravnavajue varijable su nenegativne i imaju svoje ekonomsko znaenje, dok vjetake
varijable nemaju ekonomsko znaenje i njihova vrijednost mora biti 0. Izravnavajua varijabla xn+i nam govori koliko nedostaje da se zadovolji ili koliki je suviak u
ogranienju i .
U funkciji cilja, izravnavajue varijable imaju koeficijent 0, dok vjetake varijable imaju
koeficijent M (gdje je M neki veliki realni broj), i to M kod cilja max f i + M kod
cilja min f .
469
Primjer 4.2.
Dat je opti polazni model LP-a

min f = 80 x1 + 120 x 2 + 80 x3
I
2 x1 + x 2 + 3 x3 1000
2 x 2 + x3 200
x1 + x 2 x3 = 100
x1 , x 2 , x3 0
Izvriti standardizaciju modela pa ga zapisati u matrinom obliku.

Rjeenje:
Standardizacija ogranienja:
Ogranienje I tipa:
2 x1 + x2 + 3x3 1000
(4.2. a)
Da bi izravnali ovo ogranienje, potrebno je dodati lijevoj strani nejednakosti (4.2. a)

neki pozitivan broj, oznaimo ga sa x 4 . Varijabla x 4 predstavlja izravnavajuu varijablu I tipa (neiskoritena ili oslabljena varijabla, eng. slack), a ogranienje (4.2. a)
poprima ekvivalentan oblik (4.2. a'):
2 x1 + x2 + 3x3 + x4 = 6
x1, x2 , x3 , x4 0
(4.2. a')
Ogranienje II tipa:
2 x 2 + x3 200
(4.2. b)
gdje je x1 , x 2 , x3 0 .
U ovom sluaju imamo viak na lijevoj strani nejednakosti (4.2. b). Da bi izravnali
ogranienje, potrebno je oduzeti od lijeve strane nejednakosti (4.2. b) neki pozitivan
broj, oznaimo ga sa x5 . Varijabla x5 predstavlja izravnavajuu varijablu II tipa
(suviak varijabla, eng. surplus). Osim izravnavajue, moramo dodati i vjetaku varijablu x5* , a ogranienje (4.2. b) poprima ekvivalentan oblik (4.2. b''):
2 x 2 + x3 x5 + x5* = 200
x1 , x 2 , x3 , x5 0; x5* = 0
Ogranienje III tipa:

470
(4.2. b'')
x1 + x 2 x3 = 100
(4.2. c)
gdje je x1 , x 2 , x3 0 .
U ovom sluaju uvodimo samo jednu vjetaku varijablu III tipa, oznaimo je sa x6* ,
i ogranienje (4.2. c) poprima ekvivalentan oblik:
x1 + x2 x3 + x6* = 100
(4.2. c)
Kako je cilj min f, to se u funkciji cilja vjetakim varijablama dodjeljuje koeficijent

+M, a izravnavajuim koeficijent 0.
Nakon uvoenja izravnavajuih i vjetakih varijabli u model koji je dat u primjeru
4.2, dobiemo sljedeu ekvivalentnu interpretaciju modela:
min f = 80 x1 + 120 x2 + 80 x3 + 0 x4 + 0 x5 + M x5* + M x6*
+ x2
2 x1
+ x3
2 x2
x1 + x2
+ 3x3 + x4
= 1000
x5
+ x
= 200
*
5
x3
+ x6*
= 100
x1 , x2 , x3 , x4 , x5 0; x5* = x6* = 0
Odnosno, u matrinoj interpretaciji:

min f = [80 120 80 0 0 M
M ] x1
x2
x3
x4
x5
x5 *
x6 *
x1
x
2
2 1 3 1 0 0 0 x3 1000
0 2 1 0 1 1 0 x = 200
1 1 1 0 0 0 1 x5 100
*
x5
x *
6
[x
x2
x3
x4
x5
x5 *
x6*
471
4.3.
Bazne teoreme linearnog programiranja
Naveemo osnovne teoreme na bazi kojih je definisan nain rjeavanja problema i osnovne osobine modela linearnog programiranja.4 U navoenju osnovnih teorema koristiemo
standardizovani opti model LP-a dat u jednom od sljedea dva ekvivalentna zapisa:
f = cT X
AX = d
X 0
(4.3)
f = N c x
j j
j =1
N
Aj x j = d
j =1
xj 0
(4.4)
j =1, N
gdje su c = [c1 c2 c N ] ; d = [d 1
a11
A =
a m1
d2
d m ] ; A j = a1 j
a2 j
a mj i
a1N
x1
poznati koeficijenti u modelu, a X = nepoznat vektor u modelu.

x N
a mN
Teorema 4.3.1:
Skup K svih moguih rjeenja problema linearnog programiranja je konveksan skup.

Dokaz:
Treba pokazati da je bilo koja konveksna kombinacija mogueg rjeenja LP-a takoer
mogue rjeenje istog LP-a.
Neka su X1 i X2 dva razna mogua rjeenja problema (1), a to znai da X1 i X2 zadovoljavaju uslove:
AX1 = d
X1
X1 VN
4
5
AX2 = d
X2 0.
X2 VN.5
Arnaut-Berilo A., (2000)

VN (skup svih N-dimenzionalnih vektora) predstavlja vektorski prostor nad poljem realnih brojeva.
472
BAZNE TEOREME LINEARNOG PROGRAMIRANJA
Neka je
X = X1 + (1-)X2,
[0, 1]
AX = A(X1 + (1-)X2) = AX1 + (1-)AX2 = d + (1-)d = d,
slijedi
odnosno X K.
Dakle, konveksna kombinacija bilo koja dva elementa iz K je element iz K, tj. K je
konveksan skup
Oznaili smo konveksan skup rjeenja LP-a sa K. Poto je K odreeno sa presjekom konanog broja ogranienja, to skup K moe biti ili prazan skup, ili konveksan poligon, ili
konveksna regija koja je neograniena sa jedne strane. Ukoliko je K prazan skup, problem
LP-a nema ni jedno rjeenje. Ukoliko je K konveksan poligon, problem LP-a ima rjeenje
sa konanom vrijednou objektivne funkcije f. Ukoliko je K konveksna regija koja je neograniena sa jedne strane, to problem LP-a moe imati konano ili beskonano rjeenje.
U nastavku emo pretpostaviti da je K konveksan poligon.
Teorema 4.3.2:
Objektivna funkcija f postie svoju optimalnu vrijednost (minimum ili maksimum) u

ekstremnim takama konveksnog poligona K. Ako se desi da f prima optimalnu vrijednost za vie od jedne ektremne take, onda e problem LP-a imati optimalnu
vrijednost za svaku konveksnu kombinaciju tih ekstremnih taaka.
Dokaz:
Uzet emo da je u pitanju minimum (analogno zakljuivanje bi izvrili i za maksimum).

Prema pretpostavci, skup K je konveksan poligon. Slijedi da K ima konano mnogo
ekstremnih taaka, recimo p. Oznaimo te ekstremne take sa : X 1 , X 2 , . . . , X p sa
odgovarajuim vrijednostima funkcije cilja: f ( X 1 ), f ( X 2 ), . . . , f (X p ) .
Neka ekstremnu vrijednost funkcija cilja ima u taki X0, odnosno min f(X) = f(X0), slijedi
f (X0) f (X), za sve X K.
Ako je X0 ekstremna taka poligona K, onda je prvi dio teoreme dokazan.
Pretpostavimo da X0 nije ekstremna taka skupa K. Tada se X0 moe napisati kao
konveksna kombinacija ekstremnih taaka poligona K:
p
X 0 = e X e ,
e =1
e 0 i
e =1
=1
(4.5)
473
Odavde emo imati:6

p
f ( X 0 ) = e f (X e )
(4.6)
e =1
Neka je
p
f ( X min ) = min f ( X i ) f ( X e ) f ( X min )
f ( X 0 ) e f ( X min ) = f ( X min ) (4.7)
e=1, p
e=1
Iz (4.6) i (4.7) imamo da je f (X0) = f (Xmin), to znai da se u ektremnoj taki Xmin minimizira funkcija cilja. Prvi dio teoreme je dokazan.
Neka je npr. f ( X 1 ) = f (X 2 ) = . . . = f (X q ) = f (q p), odnosno neka funkcija cilja
dostie minimalnu vrijednost f u ekstremnim takama X 1 , X 2 , . . . , X q . Pokazaemo
da je za svaku konveksnu kombinaciju ovih q vektora vrijednost funkcije cilja minimalna. Neka je X proizvoljna konveksna kombinacija elemenata: X 1 , X 2 , . . . , X q ,
tada je
q
X = e X e ,
e 0 i
e =1
e =1
=1
(4.8)
Uvrtavanjem prethodnog u funkciju cilja f imaemo:

q
e =1
e=1
f ( X ) = e f ( X e ) = e f = f
Ovim je teorema dokazana
Za sljedeu teoremu koristit emo model linearnog progamiranja u obliku (4.4). Napomenimo da kolone matrice A predstavljaju m dimenzionalne vektore, oznaili smo ih sa Ai, i
da je d takoer m dimenzionalan vektor sastavljen od elemenata di 0.
Teorema 4.3.3:
Ako postoji podskup {P1 , P2 , ..., Pk } od k m linearno nezavisnih vektora skupa

{A1 , A 2 , ..., A N } , takvih da je
x1P1 + x2P2 +. .. + xkPk = B i xi 0 (i = 1,.., k)
Iskoritena je injenica da VN predstavlja vektorski prostor.
474
tada je taka X = (x1, x2,. .. ,xk, 0,.. ., 0) ekstremna taka skupa moguih rjeenja. Ovo
znai da je X jedan N dimenzionalni vektor kod kojeg su zadnjih N k elemenata
jednaki 0.
Dokaz:
Teorema pretpostavlja da vektor X zadovoljava uslove (i) i (ii) modela (4.4), pa je takvo X mogue rjeenje problema LP-a (X K).
Pretpostavimo da X nije ekstremna taka skupa K.
To znai da X moe biti napisana kao linearna kombinacija druge dvije take X1 i X2
iz K :
X = X1 + (1 - )X2 za 0 < <1
Kako vrijedi da je 1 > > 0 i (1 - ) > 0 i da su svi elementi xi vektora X nenegativni,
imamo da je posljednjih (n k) elemenata u X1 i u X2 takoer jednako 0.
Poto X1, X2 K slijedi
AX1
= d odnosno x1(1) P1
+ x2(1) P2
+ . . . + xk(1) Pk
AX 2
= d odnosno x1( 2) P1
+ x2( 2) P2
+ . . . + xk( 2) Pk
A ( X1 X 2 ) = 0 odnosno
+
= d ( 1)
=d
( x( ) x( ) ) P + ( x( ) x( ) ) P + . . . + ( x( ) x( ) ) P = 0
1
1
1
2
2
2
1
k
zbog linearne nezavisnosti vektora Pi imamo da su

x1(1) = x1(2 ) ;
x 2(1) = x 2(2 ) ; . . . x k(1) = x k(2 )
Ovo znai da se X ne moe izraziti kao konveksna kombinacija dvije razliite take iz
K, pa X mora biti ekstremna taka u skupu K. Time je teorema dokazana
Teorema 4.3.4:
Ako je X = (x1, x2,. .. ,xn) ekstremna taka skupa moguih rjeenja K, tada m dimenzionalni vektori P1, P2,.. ., Pk koji su asocirani7 sa pozitivnim koeficijentima xi
ine linearno nezavisan skup. Odavde slijedi da je najvie m od ovih xi pozitivno.
Dokaz:
Neka su nenulti xi prvih k koeficijenata u X, to na osnovu teoreme 4.3.3 imamo
Za vektore Pi, i = 1..k, emo rei da su asocirani sa xi ako vrijedi x1P1 + x2P2 + . . . + xkPk = P0 i xi > 0
475
x P =d.
i =1
Pretpostavimo suprotno, da su vektori P1, P2,.. ., Pk linearno zavisni, to znai da imamo :

d1P1 + d2P2 +.. .+ dkPk = 0 i bar jedan di 0.
(4.9)
Iz pretpostavke teoreme slijedi:
x1P1 + x2P2 +. .. + xkPk = d
(4.10)
Za neko d > 0 imamo:
(x1 dd1 )P1 + (x 2 dd 2 )P2 + .

(x1 + dd1 )P1 + (x 2 + dd 2 )P2 + .
. . + (x k dd k )Pk = d
. . + ( x k + dd k )Pk = d
Izaberimo d > 0 dovoljno malo tako da je :
(x1 dd1) > 0; (x2 dd2) > 0;. . .(xk ddk) > 0
pa imamo da su
X1 = (x2 dd2, x2 dd2,.. ., xk ddk) i X1 = (x2 + dd2, x2 + dd2,.. ., xk + ddk)

dva razliita mogua rjeenja problema LP-a, odnosno da X1, X2 K;
1
1
X 1 + X 2 , to je u suprotnosti sa pretpostavkom da je X ektremna
2
2
taka. To znai da skup vektora P1, P2,.. ., Pk mora biti linearno nezavisan.
Odavde je X =
Kako je svaki skup od (m+1) vektora u m dimenzionalnom prostoru linearno zavisan, ne moe postojati vie od m pozitivnih xi, i=1,...,n. Time je teorema dokazana
Moemo, bez gubitka optosti, pretpostaviti da u skupu vektora {A1 ,A2,. .. ,An} uvijek postoji podskup od m linearno nezavisnih vektora. (Ukoliko to ne bi bio sluaj, onda moemo
proiriti skup {A1 ,A2,. .. ,An} vektora dok ne dobijemo da su linearno nezavisni i traiti rjeenje proirenog problema.)
Kao posljedicu prethodnih teorema imamo sljedei korolar:
Korolar 4.3.1:
Asociran sa svakom ekstremnom takom iz skupa moguih rjeenja, K je podskup od

m linearno nezavisnih vektora iz pripadnog skupa {A1 ,A2,. .. ,An}.
Kao rezultat prethodnih teorema imamo:
476
Postoji ektremna taka skupa K u kojoj funkcija cilja f uzima optimalnu vrijednost;
Svako bazino mogue rjeenje odgovara ekstremnoj taki u K;
Svaka ektremna taka u K ima m linearno nezavisnih vektora iz datog skupa od
n asociranih sa njom.
Iz ranije navedenog moemo zakljuiti da trebamo provjeriti samo ektremne take, a

n
to znai da treba provjeriti najvie vrijednosti. Kako m i n mogu biti jako veliki,
m
to su razvijene tehnike za rjeavanje problema linearnog programiranja.
Tehnike za rjeavanje LP problema:

Dvije familije tehnika za rjeavanje LP-a danas su u irokoj upotrebi. Ove tehnike
uzimaju kao input samo modele LP-a u standardnoj formi i odreuju rjeenje vezano
za standardizirani model LP-a.
Ove tehnike se zasnivaju na progresivnom unapreivanju rjeenja dok se ne postigne
rjeenje koje zadovoljava uslove za optimum. Simplex metode, koje je uveo Dantzig
pedesetih godina, koriste bazino rjeenje, odnosno ekstremne take skupa moguih
rjeenja i kreui se po tim takama dolazimo do optimalnog rjeenja. Za razliku od
simleks, barrier ili interior-point metoda koristi take unutar skupa moguih rjeenja.
Ove tehnike su se razvile iz tehnika nelinearnog programiranja, koje su razvili i popularizirali ezdesetih godina XX stoljea Fiacco i McCormick, a njihova aplikacija u
linearnom programiranju potie od Karmarkarove analize iz 1984.godine.
Upotrebom raunara, problemi linearnog programiranja od nekoliko hiljada varijabli i
uslova su regularno rjeivi. Softveri za rjeenje problema LP-a su raeni za Pentium
PC i nekoliko varijanti za Unix.
Najpoznatiji softveri (free - kodovi) bazirani na ksimplex metodi su: lp_solve, koji
moe (po autoru) rijeiti modele od 30 000 varijabli i 50 000 uslova (pisan u C-u).
Verzija 3.0 je dostupna pod Lesser GNU Public License. LP Optimizer je simplex
baziran kod za linearno i integer programiranje. SoPlex je orijentisan za primjenu
primalnog i dualnog simplex algoritma (dostupni su besplatni source kodovi za nekomercijalne i akademske institucije).
Najpoznatiji programi (free - kodovi) bazirani na inter-point metodi su: PCx, (dostupan besplatno, Fortran ili C verzija, za bilo koju verziju Windowsa); BPMPD (za
linearno i konveksno kvadratne programe, za Linux operativni sistem); HOPDM (za
LP i konveksne QP, Fortran verzija dostupna, ali C verzija nije).
Kod MATLAB, mogu se koristiti korisni optimizacijski paketi: Optimization
Toolbox; TOMLAB Optimization Enviroment; milp.m; LPMEX.
477
4.4. Teorija dualnosti u linearnom programiranju

U teoriji optimizacije princip dualnosti nam govori da se svaki problem optimizacije moe
posmatrati sa dva aspekta - kao primalni problem ili kao dualni problem.
Teoriju dualnosti u linearnom programiranju je razvio John Von Newman 1947. godine.
Problem linearnog programiranja se ne moe u potpunosti razumjeti, niti se znaaj informacija koje dobijamo odreujui optimalno rjeenje moe pravilno sagledati bez upotrebe
teorije dualnosti. Osnovna ideja je da se optimizacijski problem moe uvijek sagledati sa
dva aspekta, na dva ekvivalentna naina sa suprotno definisanim optimizacijskim ciljevima.
Ideja za razvoj i matematiko definisanje dualnih problema kod linearnog programiranja je
nastala prouavanjem konkurentskih matrinih igara dva igraa suma nula, gdje je jednom
igrau cilj maksimum, a drugom cilj minimum.
U nastavku emo dati osnovne karakteristike dualnih modela, vezu izmeu dualnog i primalnog modela, naine oznaavanja i tumaenje dualnih varijabli. Osim toga, bie izloene
(jedan dio sa dokazima) osnovne teoreme dualnosti kao matematska osnova osobina i relacija koje vrijede izmeu primalnih i dualnih problema.
4.4.1. Osnovne karakteristike
Da bismo lake razlikovali polazni (primalni) model od odgovarajueg dualnog modela

usvojimo sljedee:
Varijable u dualnom modelu emo oznaavati sa y, a varijable u primalnom modelu sa x.
Uopteno, primalni model linearnog programiranja ima:
Funkciju cilja u dualnom modelu emo oznaavati sa g, a u primalnom modelu sa f.
linearnu funkciju cilja oznaenu sa f sa zadatkom Max. f ili Min. f, pri emu smo sa
c = c p nx1 oznaili vektor koeficijenata u funkciji cilja;
[ ]
n polaznih varijabli koje moraju biti nenegativne ( x p 0, p = 1, n ) ;

sistem od m polaznih ograniavajuih linearnih (ne) jednaina (i = 1, m) , pri emu
oznaavali matrica koeficijenata u ogranienjima, a sa
smo sa A = aip
[ ]mn
d = [d i ]m1 vektor ogranienja;
m izravnavajuih varijabli ( xn + i 0, i = 1, m ) , po jedna za svako od m navedenih

polaznih primalnih ograniavajuih nejednaina;
Polazni primalni model ne mora biti simetrian;
478
TEORIJA DUALNOSTI U LINEARNOM PROGRAMIRANJU
Odgovarajui (opti) dualni model linearnog programiranja ima:

Linearnu funkciju cilja oznaenu g suprotnog optimizacijskog cilja od funkcije f:
Max. f Min. g, odnosno Min. f Max. G, dok su koeficijenti u funkciji cilja dati
sa d = [d i ]m1 , odnosno ogranienja u polaznom modelu predstavljaju koeficijente u
funkciji cilja u dualnom modelu;
m polaznih varijabli oznaenih sa ( y n + i , i = 1, m ) , po jednu pridruenu odgovarajuoj i-toj primalnoj polaznoj (ne)jednaini. Jedinica mjere polazne dualne varijable
y n + i je
jm funkcije cilja
i ove varijable ne moraju biti nenegativne;
jm ogranienja
sistem od n ograniavajuih linearnih (ne) jednaina ( p = 1, n) , pri emu je
[ ]
A = aip nm matrica odgovarajuih koeficijenata u ogranienjima kod dualnog

modela a c = c p
vektor ogranienja;
[ ]n1
n izravnavajuih varijabli ( y p 0, p = 1, n ) , po jedna za svako od n navedenih po-
laznih dualnih ograniavajuih nejednaina;

dualni model LP-a mora biti simetrian.
4.4.2. Formulisanje dualnog modela
Kod simetrinog polaznog primalnog modela LP-a sa ciljem max f

Max. f =
cpxp
p =1
n
aip x p d i
, i = 1, m
p =1
xp 0 ,
p = 1, n
odgovarajui polazni dualni model LP-a je
yn + i
i = 1, m
Ogranienju i pridruujemo odgovarajuu
dualnu varijablu yn+ i
Min. g = d i y n + i
i =1
m
aip y n + i c p
p = 1, n
i =1
yn + i 0 ,
i = 1, m
479
a odgovarajui standardni dualni model LP-a je

n
p =1
i =1
0 y p + di yn + i
Min. g =
y p + aip y n + i = c p ,
p = 1, n
i =1
yp 0
yn + i 0
Napomenimo da se u standardizovanom dualnom modelu obino ne uvode vjetake varijable. Od ovog pravila odstupamo jedino u sluaju da koristimo dualni model kao primalni8
pri rjeavanju nekog problema linearnog programiranja.
Kod simetrinog polaznog primalnog modela LP-a sa ciljem min. f
Min. f =
cpxp
Ogranienju i pridruujemo odgovarajuu dualnu

varijablu yn+ i
p =1
n
aip x p d i
, i = 1, m
p =1
xp 0 ,
yn + i
p = 1, n
odgovarajui polazni dualni model LP-a je

m
Max. g = d i y n + i
i =1
m
aip y n + i c p
p = 1, n
i =1
yn + i 0 ,
i = 1, m

Max . g =
0 y p + d i y n+i
p =1
i =1
+ y p + a ip y n + i = c p ,
p = 1, n
i =1
yp 0
8
y n +i 0
Dual se moe rjeavati kao polazni model samo kad je odgovarajui primalni model simetrian. Pogledati
teoreme dualnosti.
480
Kod opteg polaznog primalnog modela LP-a

n
Max.
f = cp xp
Min.
p =1
polazne dualne varijable
akp x p d k
za
k = 1, K
yn + k
za
l = K + 1, K + L
yn + l
p =1
n
II
alp x p d l
p =1
n
III
arp x p = d r
r = ( K + L) + 1, ( K + L) + R
za
p =1
xp 0
yn + r
p = 1, n ; m = ( K + L + R)
odgovarajui polazni dualni model LP-a je dat sa

(
K
K +L
K + L+ R
Min.
) g = d k yn + k + d l yn + l + d r yn + r
Max.
k =1
l = K +1
r = K + L +1
K+L
K + L+ R
akp y n + k + alp y n + l +
k =1
l = K +1
yn + k
yn + l
r = K + L +1
yn + r = 0 ,
a rp Yn + r
c p , p = 1, n
k,l, r

(
n
Min.
) g = 0 y p + d k yn + k + d l y n + l + d r y n + r
Max.
p =1
k
l
r
y p + a kp y n + k + alp y n + l + a rp y n + r = c p , p = 1, n
k
yp 0
yn + k
yn + l
y n + r = 0 , p, k,l,r
481
4.4.3. Teoreme dualnosti9

Teorema 4.4.3.1.
Kod mogueg rjeenja (opeg) dualnog modela LP-a, dualne varijable moraju imati
sljedee uslove (pred)znaka:
Tip ogranienja
Izravnavajue
dualne varijable
yp 0
dk
Polazne dualne varijable

Max. f Min.g
Min. f Max.g
y n+k 0
y n+k 0
dl
"
"
y n+ l 0
y n+ l 0
= dr
"
"
y n + r <> 0
y n + r <> 0
Dokaz
Posmatrajmo opti standardni primarni model LP-a i svakom ogranienju pridruimo

odgovarajue dualne varijable:
n
Max.
f . = c p x p + 0 x n + k + 0 x n +l + ( M ) x n + r
Min.
p =1
k
l
r
II
III
a
p =1
kp
a
p =1
lp
a
p =1
rp
xp
+ 1 xn+k
xp
= d k y n + k k
1 x n +l
xp
xp 0
+ 1 x n + r = d r y n + r r
xn+k 0
x n +l 0
Sada opti polazni dualni model LP-a ima oblik:
Prema: Vukovi ., (1989), str. 179-231.
482
= d l y n +l l
x n + r < 0
p,k,l,r
K
K +L
K + L+ R
Min.
f.
d
y
d
y
=
l n+l r = K+ L+1 d r y n+r

k
n+ k
Max.
k =1
l = K +1
K
K +L
K + L+ R
k =1
l = K +1
r = K + L +1
akp y n+k +
1 y n+k
alp y n+l +
a rp y n + r
c p , p = 1,n
k
1 y n +l
l
1 y n+ r
-M
+M
pa iz posljednjih K+L+R nejednakosti imamo dokazanu tvrdnju teorema, odnosno:
y n+ k
(k );
y n +l
(l );
y n+r < 0
(r );
to je i trebalo dokazati.
Teorema 4.4.3.2.
Samo kod simetrinog polaznog primarnog modela LP-a dual od njegovog duala je
primal jer je i dual od duala takoer simetrian polazni model LP-a.
Dokaz:
Dokaz ove teoreme je posljedica prethodne teoreme, odnosno injenice da kod simetrinog primalnog modela odgovarajue polazne dualne varijable moraju biti
nenegativne, pa se dualni model moe posmatrati kao polazni model (primal).
Polazni (alternativni) simetrini primarni model LP-a je:
(1)
(2)
n
Max.
f = cp xp
Min.
p =1
n
a
p =1
(3)
ip
xp
di
xp 0
i = 1,m
p = 1,n
483
Polazni dualni model LP-a:

m
Min.
g
d i yn + i
=
Max.
i =1
m
a
i =1
ip
/ (-1 )
yn + i
cp
p = 1,n
yn + i 0
/ (-1 )
i = 1,m
Polazni dualni model, nakon mnoenja sa (-1), postaje:

m
Max.
(
)
( d i ) yn + i
g
Min.
i =1
m
(a
i =1
ip
) yn + i
( c p )
p = 1,n
yn + i 0
i = 1,m
Dualni model prethodnog modela LP-a je:

n
Min.
( f ) = ( c p ) x p
Max.
p =1
n
(a
p =1
ip
) xp
/ (-1)
(di )
xp 0
i = 1,m
/ (-1)
p = 1,n
Odnosno, mnoenjem sa (-1) dobiemo pokalazni model.

Ostale teoreme navodimo bez dokaza.
Teorema 4.4.3.3.
Ako su f i g neke mogue vrijednosti a f i g optimalne vrijednosti, funkcija cilja primala i duala istog problema LP-a:
a ) kod odnosa Max.f Min.f uvijek je f ' f g g '
b) kod odnosa Min.f Max.g uvijek je f ' f g g '
484
Teorema 4.4.3.4.
Ako jedan od modela (primalni ili dual) istog problema LP-a ima neogranienu optimalnu vrijednost svoje funkcije cilja, drugi njemu odgovarajui model nema ni jedno
mogue rjeenje.
Teorema 4.4.3.5.
Ako jedan od modela (primal ili dual) istog problema LP-a ima svoje optimalno rjeenje, tada
a) i drugi model ima svoje optimalno rjeenje, kao i
b) optimalne vrijednosti funkcije cilja su im jednake: f = g
Teorema 4.4.3.6.
U odnosu na opti (standardni) primarni model LP-a i njemu odgovarajui opti

(standardni) dualni model LP-a, optimalne vrijednosti odgovarajuih dualnih varijabli
su:
s = k :
s = l :
s = r :
s = p :
0
y n+ k = (c n+ k fn+ k ) = fn+ k
0
0
y n+l = (cn+l fn+l ) = fn+l
0
(c
n+ r f n+ r) M = f n+ r
y n+ r =
(c n+ r f n+ r) + M = f n+ r
(c p f p ) 0
y p =
(c p f p ) 0
kod Max.f Min.g

kod Min.f Max.g
kod Max.f Min.g
kod Min.f Max.g
<0
<0
kod Max.f Min.g

kod Min.f Max.g
kod Max.f Min.g
kod Min.f Max.g
Teorema 4.4.3.7. Princip oslabljene komplementarnosti
Uvijek je optimalno:
x s y s = 0
za s = 1, N
485
Teorema 4.4.3.8.
Ako je optimalno primalno rjeenje bazino nedegenerisano, tada je optimalno dualno

rjeenje jednoznano.
Ako je optimalno primalno rjeenje bazino degenerisano, tada optimalno dualno rjeenje nije jednoznano.
Ove izjave vrijede obratno (dual primal).
Teorema 4.4.3.9.
Ako se usvoje sljedee primjedbe:

1. Elementi optimalnog rjeenja su kod optimalnog standardnog:
{
{ y p}, { y
}
i z},
- primalnog modela LP - a : { x p p}, x n +i i z , x n + z

- dualnog modela LP - a :
n +i
za i = z
za i = z
y n + z
2. Ako neko polazno primalno ogranienje i = z pomnoimo sa nekom konstantom

H z 0 dobiemo transformirani i polazni primalni model LP-a uz sigurnu jednakost f i = f .
3. Elementi optimalnog rjeenja su kod transformiranog standardnog
{
{ y
}{
p} ,{ y
- primalnog modela LP - a : x ip p , x ni +i i z , x ni + z
- dualnog modela LP - a :
i
p
i
n +i
za i = z
i z , y ni + z
za
i=z
uvijek vrijede sljedee (optimalne) jednakosti:
A - kod primala
)(
f = f i , x p = x ip p = 1, n , x n +i = x ni +i i z ; x n + z = x ni + z : H z
B - kod duala
g = g i ,
(y
) (y
= y ip p = 1, n ,
n+i
= y ni +i i z ; y n + z = y ni + z H z
4.4.3. Ekonomsko tumaenje optimalnih vrijednosti dualnih varijabli
Kako za optimalnu vrijednost dualnih varijabli dobijamo optimalnu vrijednost funkcije cilja
i kod primala, to imamo da vrijedi:
m
g = d i y n+i = f
i =1
486
a odavde je
g
f
=
= y n+i .
d i d i
(4.11)
Na osnovu tumaenja parcijalnog izvoda dobiemo znaenje optimalne vrijednosti polazne dualne varijable:
Ukoliko se ogranienje i povea za jednu svoju jedinicu ( d i = 1 jedinica i ), a ostala ogranienja se ne mijenjaju, optimalna vrijednost funkcije cilja e se promijeniti za y n+i .
Drugim rijeima, varijabla y n+i nam govori koliki uticaj na optimalnu vrijednost funkcije cilja ima jedinina promjena ogranienja i.
Na osnovu principa oslabljene komplementarnosti (teorema 4.4.3.7) imamo da je za
y n +i > 0 ili za y n+i < 0 odgovarajua primalna varijabla x n +i obavezno jednaka 0
(x n+i = 0) . Primalna varijabla x n+i predstavlja izravnavajuu varijablu vezanu za ogranianje i, pa kako je x n+i = 0 , to znai da je ogranienje i potpuno iskoriteno, odnosno
usko grlo programa. Dakle, poboljanje optimalne vrijednosti funkcije cilja f se moe
postii ukoliko se mijenjaju ogranienja koja predstavljaju uska grla programa. Efekat koji na f ima pomjeranje uskog grla programa za jednu njegovu jedinicu mjere iznosit
e y n +i . Ukoliko je odgovarajue y n +i = 0 , onda pomjeranje uskog grla programa za ogranienje i nee uticati na popravak funkcije cilja, pa se ovo ogranienje ne bi trebalo
mijenjati.
Takoer, iz principa oslabljene komplementarnosti imamo da u sluajevima kad neko ogranienje i nije u potpunosti iskoriteno, tj. x n+i > 0 , odgovarajua dualna varijabla y n +i
mora biti jednaka nuli y n+i = 0 , pa je jasno da se pomjeranjem ovog ogranienja ne moe
popraviti funkcija cilja.
Napomenimo da se iz 4.6. moe proitati i jedinica mjere za dualnu varijablu y n +i :
jm funkcije cilja
.
jm ogranicenja i
Pogledajmo sada kakvu nam informaciju daju optimalne vrijednosti izravnavajuih dualnih
varijabli.
Iz principa oslabljene komplementarnosti imamo da je u sluajevima kad je polazna primalna varijabla ula u program, tj. x p > 0 odgovarajua dualna varijabla jednaka nuli
y p = 0 , pa moemo rei da kad je y p = 0 , odgovarajue x p je konkurentno da ue u
program. Termin konkurentno da ue u program smo iskoristili jer se moe desiti da je i
x p = 0 i y p = 0 , a to bi znailo da je x p ulo u program, ali ima vrijadnost 0, pa imamo
487
degenerisano rjeenje ili da x p nije ulo u ponueni optimalni program, ali imamo jo jedno optimalno rjeenje.
U sluaju y p > 0 10 imamo da je x p = 0 , pa odgovarajua varijabla nije ula u program.
Ako varijabla nije ula u program, to znai da nije bila dovoljno konkurentna, odnosno da
vrijednost njenog koeficijenta c p u funkciji cilja nije bila dovoljno velika (kod cilja max f),
ili dovoljno mala (kod cilja min f).
Ako elimo da ukljuimo varijablu x p u program, postavlja se pitanje kako se treba promijeniti koeficijent u funkciji cilja da bi to mogli uraditi.
Na osnovu teoreme 4.4.3.6. imamo da je
y p
(c p f p ) 0
(c p f p ) 0
kod Max.f Min.g

kod Min.f Max.g
pa ako elimo da odgovarajua x p * > 0 , mora odgovarajue y p * = 0 .

Kod max f je
y p = (c p f p ) 0 c p f p + y p 0 c p + y p f p 0
Ako elimo da promijenimo koeficijent c p , onda ta promjena mora biti takva da odgovarajue y p * = 0 , odnosno iz prethodnog imamo:
c + y f = y * = 0
(p
pa za odgovarajui koeficijent c p * = c p + y p imamo da vrijedi:

c * f = y * = 0
p
Analogno bi se u sluaju min f dobilo c p * = c p y p i c p * f p = y p * = 0 .

Iz prethodnog razmatranja vidimo da je c p = c p * c p = y p , pa imamo sljedee tumaenje izravnavajue dualne varijable:
y p > 0 nam daje informaciju za koliko bi se najmanje trebao promijeniti koeficijent c p
u funkciji cilja (poveati ako je cilj maximum, a smanjiti ako je cilj minimum) da bi odgovarajua x p bila konkurentna da ue u program.
10
y p < 0 se ne moe desiti po definiciji izravnavajuih dualnih varijabli.
488
Metode za rjeavanje problema

4.5. linearnog programiranja
U nastavku e teorijski i praktino biti izloene najee koritene metode za rjeavanje
problema linearnog programiranja:
1.
2.
3.
4.
Grafika metoda;
Simplex metoda;
Transportni problem;
Asignacija.
4.5.1. Grafika metoda
Grafika metoda linearnog programiranja obino se primjenjuje kada polazni oblik modela
linearnog programiranja sadri 2 promjenljive {x1; x2}, ili se moe svesti na dvije promjenjljive. Ako model sadri 3 promjenljive {x1; x2; x3}, onda primjena grafike metode
zahtijeva upotrebu nacrtne geometrije (predstavljanje 3-dimenzionalnog prostora u ravni).
Ova metoda nam omoguava da lake shvatimo:
Oblast svih moguih rjeenja;

Kada je neko ogranienje suvino;
ta je jednoznano, a ta vieznano rjeenje;
Postojanje uskih grla kod optimuma i sl.
Grafika metoda rjeavanja problema linearnog programiranja se sastoji od grafikog prikaza cijelog modela LP u 2-dim koordinatnom sistemu x10x2. Uslovne jednaine su
predstavljene pravcima, a uslovne nejednaine poluravnima. Funkcija kriterija je predstavljena jednoparametarskom familijom pravaca.
489
Opti polazni model LP kod grafike metode
(1)
Max.
f = c1 x1 + c 2 x 2
Min.
( 2 )
a11 x1 + a12 x2 d1
a21 x1 + a22 x2 d 2
K ogranienja I tipa
aK 1 x1 + aK 2 x2 d K
aK +1,1 x1 + aK +1,2 x2 d K +1
aK + 2,1 x1 + aK + 2,2 x2 d K + 2
L ogranienja II tipa
aK + L ,1 x1 + aK + L ,2 x2 d K + L
aK + L +1,1 x1 + aK + L +1,2 x2 = d K + L +1
aK + L + 2,1 x1 + aK + L + 2,2 x2 = d K + L + 2
R ogranienja III tipa
aK + L + R ,1 x1 + aK + L + R ,2 x2 = d K + L + R
(3)
x1 0;
x2 0
ili kondenzovano:
(1)
Max.
f = c1 x1 + c 2 x 2
Min.
(2) II
III
(3)
a k1 x1 + a k 2 x 2 d k
al1 x1 + al 2 x 2 d l
k = 1, K
l = K + 1, K + L
(4.12)
a r1 x1 + a r 2 x 2 = d r r = K + L + 1, K + L + R
x1 0; x 2 0
Grafika interpretacija ogranienja
Na osnovu baznih teorema linearnog programiranja, imamo da je skup svih moguih rjeenja problema linearnog programiranja konveksan skup i da se optimalna vrijednost nalazi u
rubnoj taki tog konveksnog skupa.
490
METODE ZA RJEAVANJE PROBLEMA LINEARNOG PROGRAMIRANJA
Upotreba grafike metode je zasnovana na tome da se predstavi skup moguih rjeenja (konveksan skup) datog problema u koordinatnom sistemu x10x2, a zatim da se od svih moguih
rjeenja izabere ono najbolje, odnosno da se izabere rubna taka koja predstavlja optimum.
Pogledajmo sada kako se grafiki prikazuju razni tipovi ogranienja. Kod svih ogranienja
trebamo prikazati poluravni odreene linearnim nejednainama datim u modelu (4.12), odnosno trebamo prvo prikazati pravu koja predstavlja rub poluravni pa izabrati poluravan.
Napomenimo da se zbog uslova nenegativnosti posmatra samo I kvadrant u koordinatnom
sistemu x10x2.
Ogranienje I tipa : ak1 x1 + ak 2 x2 d k
(4.13.)
Potrebno je prikazati pravu koja predstavlja rub poluravni pa izabrati koji dio ravni zadovoljava ogranienje.
Ako je a k1 > 0 i a k 2 > 0 , onda su odsjeci na koordinatnim osama:11
x1 = 0 x2 =
dk
d
> 0 ; x2 = 0 x1 = k > 0
ak 2
ak1
i prava koja predstavlja rub poluravni 4.4.je opadajua prava. Kako koordinatni poetak, tj.
taka (0, 0 ) zadovoljava nejednainu ak1 x1 + ak 2 x2 d k za a k1 > 0 i a k 2 > 0 , to ogranienje I tipa predstavlja sljedeu poluravan12:
x2
dk
ak 2
Ogranienje I tipa
Skup moguih
rjeenja za dato
ogranienje
0
dk
a k1
x1
Grafikon 1. Skup moguih rjeenja za ogranienja

ak1 x1 + ak 2 x2 d k i ak1 > 0 i ak 2 > 0 i x1 , x2 0
11
12
Ve smo ranije istakli da smatramo da je dk 0.

Biramo onu poluravan koja sadri koordinatni poetak.
491
Ako je a k1 < 0 i a k 2 > 0 , onda su odsjeci na koordinatnim osama:

x1 = 0 x 2 =
dk
>0
ak 2
x 2 = 0 x1 =
dk
<0
a k1
i prava koja predstavlja rub poluravni 4.4 je rastua prava. Kako koordinatni poetak, tj.
taka (0, 0 ) zadovoljava nejednainu ak1 x1 + ak 2 x2 d k za a k1 < 0 i a k 2 > 0 , to ogranienje I tipa predstavlja sljedeu poluravan:13
x2
Ogranienje I tipa
dk
ak 2
Skup moguih
rjeenja za dato
ogranienje
dk
a k1
x1

ak1 x1 + ak 2 x2 d k i ak1 < 0 i ak 2 > 0 i x1 , x2 0
Ako je a k1 > 0 i a k 2 < 0 , onda su odsjeci na koordinatnim osama:
13
x1 = 0 x 2 =
dk
<0
ak 2
x 2 = 0 x1 =
dk
>0
a k1
Ukljuili smo i uslove nenegativnosti, odnosno posmatramo samo I kvadrant.
492
i prava koja predstavlja rub poluravni je rastua prava. Kako koordinatni poetak, tj. taka
(0, 0) zadovoljava nejednainu ak1 x1 + ak 2 x2 d k za ak1 > 0 i ak 2 < 0 , to ogranienje
I tipa predstavlja sljedeu poluravan:
x2
Skup moguih
rjeenja za dato
ogranienje
0
Ogranienje I tipa
x1
dk
a k1
dk
ak 2

ak1 x1 + ak 2 x2 d k i ak1 > 0 i ak 2 < 0 i x1 , x2 0
U sluaju da je a k1 = 0 ili a k 2 = 0 imaemo prave paralelne sa koordinatnim osama 0x2

ili 0x1 respektivno, i ponovnim uvrtavanjem koordinatnog poetka (0, 0 ) vidjeti koju poluravan biramo.
x2
x2
Ogranienje I tipa
Ogranienje I tipa
dk
ak 2
Skup moguih
rjeenja za dato
ogranienje
Skup moguih
rjeenja za dato
ogranienje
x1
Grafikon 4. Skup moguih rjeenja kod ak1 = 0
dk
a k1
x1
Grafikon 5. Skup moguih rjeenja kod ak 2 = 0
493
Ukoliko je d k = 0 , onda ograniavajua prava prolazi kroz koordinatni poetak, pa za izbor odgovarajue poluravni treba uvrstiti neku taku koja se ne nalazi na pravoj, npr. bilo
koja taka sa koordinatnih osa.
Moe se pokazati da je, zbog uslova nenegativnosti, skup moguih rjeenja u sluaju
d k = 0 i a k1 > 0 i a k 2 > 0 prazan skup, dok u sluajevima d k = 0 i a k1 < 0 i a k 2 > 0
ili d k = 0 i a k1 > 0 i a k 2 < 0 imamo sljedee poluravni:
x2
x2
Skup moguih
rjeenja za dato
ogranienje
Ogranienje I tipa
Ogranienje I tipa
Skup moguih
rjeenja za dato
ogranienje
x1
Grafikon 6. Mogua rjeenja kod ak1 > 0 i ak 2 < 0
x1
Grafikon 7. Skup moguih rjeenja kod

ak1 < 0 i ak 2 > 0
Ogranienje II tipa : a l1 x1 + al 2 x 2 d l
(4.14.)
Ako je al1 > 0 i al 2 > 0 , onda su odsjeci na koordinatnim osama:

x1 = 0 x 2 =
dl
>0
al 2
x 2 = 0 x1 =
dl
>0
a l1
i prava koja predstavlja rub poluravni 4.5. je opadajua prava. Kako koordinatni poetak, tj.
taka (0, 0 ) ne zadovoljava nejednainu al1 x1 + al 2 x 2 d l za al1 > 0 i al 2 > 0 , to
ogranienje II tipa predstavlja sljedeu poluravan14:
14
Biramo onu poluravan koja ne sadri koordinatni poetak.
494
x2
Skup moguih rjeenja za dato

ogranienje
dl
al 2
Ogranienje II tipa
x1
dl
a l1

al1 x1 + al 2 x 2 d l i al1 > 0 i al 2 > 0 i x1 , x2 0
Izgled skupa moguih rjeenja ogranienja 4.5. u sluaju rastuih ograniavajuih pravih ili
u sluaju da je d l = 0 se odreuje analogno ranije opisanom postupku, pa kod ogranienja
II tipa moe imati i sljedee oblike:
x2
x2
Skup moguih
rjeenja za dato
ogranienje
Ogranienje II tipa
dl
al 2
Skup moguih
rjeenja za dato
ogranienje
dl
al 2
dl
al1
al1 > 0; al 2 < 0; d l > 0
x1
dl
al1
x2
x2
Ogranienje II tipa
dl
al 2
dl
al1
dl
al 2
Skup moguih
rjeenja za dato
ogranienje
al1 > 0; al 2 < 0; d l = 0
x1
dl
al1
Ogranienje II tipa
al1 < 0; al 2 > 0; d l > 0
x1
Skup moguih
rjeenja za dato
ogranienje
Ogranienje II tipa
al1 < 0; al 2 > 0; d l = 0
x1
Grafikon 9. Skup moguih rjeenja za ogranienja al1 x1 + al 2 x 2 d l
495
Ogranienje III tipa =: a r1 x1 + a r 2 x 2 = d r
(4.15)
Kod ovog tipa ogranienja, skup moguih rjeenja su samo one take u I kvadrantu koje se
nalaze na pravoj a r1 x1 + a r 2 x 2 = d r .
Ako je a r1 > 0 i a r 2 > 0 , onda je skup moguih rjeenja oblika:
x2
dr
ar 2
Ogranienje III tipa
dr
a r1
x1

a r1 x1 + a r 2 x 2 = d r i a r1 > 0 i a r 2 > 0
x2
Skup moguih rijeenja predstavlja du BC.
B (IIII)
C (IIIII)
A (III)
x1
0
Ogranienje III tipa
=
Ogranienje I tipa
Ogranienje II tipa
ak1 x1 + ak 2 x2 d k
Grafikon 11. Skup moguih rjeenja za sistem ogranienja al1 x1 + al 2 x2 dl

a x + a x = d
r2 2
r
r1 1
ak1, ak 2, al1, al 2,ar1, ar 2 > 0
496
Grafiki se skup moguih rjeenja polaznog modela 4.3. dobije kada se odredi presjek svih
ograniavajuih poluravni i pravaca datih u modelu.
Ukoliko bi model 4.3. imao samo tri ogranienja, i to ona data na grafikonima 1, 8 i 10.,
onda bi skup svih moguih rjeenja modela imao oblik prikazan na grafikonu 11.
Na osnovu baznih teorema, sigurno je optimalna ili taka B ili toka C, zavisno od funkcije cilja
to je predstavljeno na grafionu 12.
Ako je cilj max f, biramo onu taku koja e dati najveu vrijednost, odnosno grafiki biramo onu pravu na pravcu funkcije cilja koja je najudaljenija od koordinatnog poetka.
Obratno, ako je cilj min f, biramo onu taku koja e dati najmanju vrijednost funkciji cilja,
odnosno onu taku koja je najblia koordinatnom poetku.
x2
Skup moguih rijeenja predstavlja du BC.
B (IIII)
f0
translacija
C (IIIII)
A (III)
f0
Pravac funkcije cilja
x2
Ogranienje III tipa

=
Ogranienje I tipa
Ogranienje II tipa
Grafikon 12. Skup moguih rjeenja i pravac funkcije cilja
Kroz ovaj uopteni prikaz rjeavanja problema LP-a grafikom metodom, a na osnovu baznih teorema LP-a, moemo istai sljedee:
Ukoliko je presjek svih ogranienja u modelu prazan skup, onda model LP-a nema
rjeenja.
Ukoliko je presjek svih ogranienja u modelu zatvorena povr (konveksan poligon),
model LP-a ima konano optimalno rjeenje bez obzira da li je cilj min f ili max f.
Ukoliko su dvije take konveksnog poligona optimalne, onda je optimalna i svaka taka
izmeu te dvije take, odnosno pravac funkcije cilja je paralelan sa ogranienjem koje
sadri optimalne take i tada imamo beskonano mnogo optimalnih rjeenja.
497
Ukoliko je presjek svih ogranienja otvorena konveksna povr, onda model ima
konano rjeenje ako je cilj min f, a nema rjeenja, odnosno rjeenje je
beskonano ako je cilj max f.
Taka koja predstavlja optimalno rjeenje problema LP-a nam, osim informacije o
optimalnom planu, daje i informaciju o ogranienjima koja e biti potpuno iskoritena
u optimalnom sluaju tzv. uskim grlima programa.
Kad se odredi optimalno rjeenje problema LP-a pod datim uslovima, postavlja se pitanje
koliko je to rjeenje stabilno, odnosno koliko je osjetljivo (eng. sensitive) na promjenu pojedinih parametara u problemu. Analiza promjena parametara u modelu spada u tzv.
postoptimalnu ili senzitivnu analizu. Dio te analize e biti praktino prikazan kroz upotrebu
dualnog modela, ali napomenimo da se sa grafikona moe vidjeti kad e promjena ogranienja ili pravca funkcije cilja uticati na promjenu optimalnog rjeenja.
Na osnovu prethodnih razmatranja vidimo da se grafiki metod odreivanja rjeenja zadatka linearnog programiranja sastoji od sljedeih aktivnosti:
1. Formulisanje problema u obliku zadatka linearnog programiranja;
2. Grafiko predstavljanje pravih koje reprezentuju (ne)jednaine sistema ogranienja;
3. Identifikacija skupa moguih rjeenja za koja su zadovoljene sve (ne)jednaine sistema ogranienja i opti uslov nenegativnosti;
4. Odreivanje prave koja reprezentuje pravac funkcije cilja f0;
5. Translacija prave funkcije cilja slijeva udesno ili obratno (zavisno od funkcije cilja),
sve dok ne ucrtamo jednu takvu pravu koja sa skupom moguih rjeenja ima samo jednu zajedniku taku;
6. Utvrivanje optimalnih vrijednosti promjenljivih x1 i x2 u vidu koordinata ekstremne
take skupa moguih rjeenja najudaljenije, odnosno najblie koordinatnom poetku
u zavisnosti od cilja. Utvrivanje optimalnih vrijednosti se moe uraditi identifikacijom sa grafikona ili rjeavanjem sistema jednaina pravih na ijem presjeku se taka
nalazi;
7. Odreivanje vrijednosti funkcije cilja za optimalne vrijednosti promjenljivih.
Pogledajmo na primjerima kako se koristi grafiki metod u rjeevanju problema linearnog
programiranja.
Primjer 4.3.
Neka kompanija proizvodi dobra A i B. Maine koje se koriste u proizvodnji imaju

maksimalan mjeseni kapacitet 24 000 sati (ms mainski sati). Jedinica dobra A
moe se izraditi za 3 sata, a jedinica dobra B za 2 sata rada maina.
Mjeseno se moe raunati sa najvie 35 000 radnih sati radnika (rs). Potrebno vrijeme za izradu jedinice dobra A je 2,5 sata, a jedinice dobra B je 5 sati.
498
Istraivanje trita kazuje da se mjeseno moe prodati najvie 6 000 jedinica dobra
A i 5 000 jedinica dobra B.
Dobit po jedinici dobra A je 140 KM, a dobra B je 80 KM.
Cilj je ostvarenje maksimalne dobiti za kompaniju, pa treba:
a) formirati model LP-a;
b) izraunati optimalan program proizvodnje;
c) izvriti analizu optimalnog programa.
Rjeenje:
Rjeavanjem zadatka trebamo dati odgovor na pitanje: Koliko jedinica dobra A i dobra B treba proizvoditi mjeseno da bi se time maksimizirala dobit? Koliko iznosi ta
maksimalna mjesena dobit?
Nepoznate vrijednosti u zadatku (modelu) su: x1 mjeseni broj jedinica dobra A i x2
mjeseni broj jedinica dobra B.
Funkcija cilja: Cilj je maksimizirati dobit. Iz postavke zadatka vidimo da je dobit po
jedinici dobra A 140 KM , a dobra B 80 KM . Ako proizvodimo x1 jedinica dobra A
dobit e biti 140 x1 , dok e dobit za proizvodnju x2 jedinica dobra B iznositi 80 x 2 .
Ako istovremeno proizvodimo x1 jedinica dobra A i x2 jedinica dobra B, dobit e iznositi 140 x1 + 80 x 2
Odavde funkcija cilja ima oblik:
max f = 140 x1 + 80 x 2
Odredimo sad ogranienja u modelu. Iz teksta zadatka vidimo da su mjeseni kapacitet rada maina i radnika unaprijed dati i da bez dodatnih ulaganja ove vrijednosti
mjeseno ne mogu biti vee. Takoer se vidi da je unaprijed poznata maksimalna potranja za proizvodima A i B na tritu, pa se bez promjene osobina proizvoda ili bez
osvajanja novih trita ova koliina ne bi trebala prekoraiti (stvaraju se dodatne zalihe i time poveavaju trokovi, odnosno smanjuje dobit i ovaj zadatak se mijenja).
Ogranienje I: Mainski kapacitet (max 24 000 mainskih sati)
Jedinica dobra A moe se izraditi za 3 sata, a jedinica dobra B za 2 sata rada maina. Ako se izradi x1 jedinica dobra A, maine moraju raditi 3 x1 sati, a ako se uradi
x2 jedinica dobra B, maine moraju raditi 2 x 2 sati. Ako izradimo istovremeno x1 jedinica dobra A i x2 jedinica dobra B, maine moraju raditi 3 x1 + 2 x 2 sati. Odavde
se dobije prvo ogranienje:
499
3 x1 + 2 x 2 24 000 (m. s.)15
Ogranienje II: Radni kapacitet radnika (max 35 000 radnih sati)
Potrebno vrijeme za izradu jedinice dobra A je 2,5 sata, a jedinice dobra B je 5 sati.
Ako se izradi x1 jedinica dobra A, radnici moraju raditi 2,5 x1 sati, a ako se uradi x2
jedinica dobra B, radnici moraju raditi 5 x 2 sati. Ako izradimo istovremeno x1 jedinica dobra A i x2 jedinica dobra B, radnici moraju raditi 2,5 x1 + 5 x 2 sati. Odavde
se dobije drugo ogranienje:
2,5 x1 + 5 x 2 35 000 (r. s.)
II
Ogranienje III: Plasman proizvoda A na tritu (max 6 000 kom)
Istraivanje trita kazuje da se mjeseno moe prodati najvie 6000 jedinica dobra
A. Odavde je tree ogranienje dato sa:
III
x1 6 000 (kom A)
Ogranienje IV: Plasman proizvoda B na tritu (max 5 000 kom)
Istraivanje trita kazuje da se mjeseno moe prodati najvie 5 000 jedinica dobra
B. Odavde je tree ogranienje dato sa:
IV
x 2 5 000 (kom B)
Uslovi nenegativnosti: x1 0; x 2 0
Na osnovu prethodnih razmatranja, model linearnog programiranja (LP-a) koji odgovara postavljenom problemu ima oblik:
(1)
(2)
max f = 140 x1 + 80 x2
2,5 x1 + 5 x2 35 000 (r.s.)
(3)
3 x1 + 2 x2 24 000 (m.s.)
6 000 kom A
x1
x2
5 000 kom B
x1 , x2 0
(odgovor pod a)
Napomena: Dati model LP-a je simetrian16.
15
16
Jedinica mjere nepoznatih x1 i x2 je komad. Potrebni mainski sati za izradu kom. A ili B imaju jedinicu
mjere ms/kom, pa je ogranenje I izraeno u ms (mainskim satima).
Simetrian model: Cilj max i sva ogranienja su , ili cilj min i sva ogranienja su .
500
Kako u modelu postoje samo dvije nepoznate, to se u koordinatnoj ravni x1 0x 2 moe

prikazati skup moguih rjeenja odreenih ogranienjima (2) i uslovima nenegativnosti (3) i najbolje rjeenje, odreeno funkcijom cilja (1).
Ogranienja I, II, III i IV predstavljaju poluravni u koordinatnom sistemu x1 0x 2 i odreena su pravima: 3 x1 + 2 x 2 = 24 000 ; 2,5 x1 + 5 x 2 = 35 000 ; x1 = 6 000 ;
x 2 = 5 000
Prikaimo u koordinatnom sistemu x1 0x 2 ogranienje I:
3 x1 + 2 x 2 24 000 (m s).
Presjene take prave 3 x1 + 2 x 2 = 24 000 sa koordinatnim osama su:

x1 = 0 x2 =12000
x2 = 0 x1 = 8000, pa grafikon prave 3 x1 + 2 x 2 = 24 000 izgleda:
x2
12 000
8000
x1
Grafikon 4.3.a. Prava 3 x1 + 2 x 2 = 24 000
Prava 3 x1 + 2 x 2 = 24 000 dijeli ravan x1 0x 2 na dvije poluravni i ako elimo odabrati ba onu poluravan za koju vrijedi I 3 x1 + 2 x 2 24 000 izabraemo
proizvoljnu taku iz jedne poluravni i provjeriti da li je zadovoljena nejednaina I.
Najlake je uzeti koordinatni poetak ( x1 , x 2 ) = (0, 0 ) , pa uvrtavanjem u I imamo:
3 0 + 2 0 24 000 0 24 000 to je tano. Dakle, u pitanju je poluravan koja sadri koordinatni poetak.
Ako pri grafikoj interpretaciji uzmemo u obzir uslove nenegativnosti (3) (tj. posmatramo samo prvi kvadrant), onda skup svih moguih taaka koje zadovoljavaju
ogranienje I i uslove nenegativnosti (3) moemo prikazati kao osjenenu povrinu na
grafikonu 4.3.a.
501
12 000
8000
x1
Grafikon 4.3.a. Poluravan I 3 x1 + 2 x 2 24 000
Dodajmo prethodnom drugo ogranienje u modelu. Odnosno, grafiki trebamo odrediti skup taaka koje istovremeno zadovoljavaju i I i II ogranienje. Ovaj skup taaka
ustvari predstavlja sve one odluke o koliini mjesene proizvodnje proizvoda A i B za
koje imamo dovoljno i radnika (mjeseni kapacitet 35 000 radnih sati) i maina (mjeseni kapacitet 24 000 mainskih sati).
Prikaimo u koordinatnom sistemu x1 0x 2 ogranienje II: 2,5 x1 + 5 x 2 35 000
Na analogan nain, kao i ranije, odredit emo grafiki prikaz prave
2,5 x1 + 5 x 2 = 35 000 , a zatim odabrati koja poluravan odgovara ogranienju II
2,5 x1 + 5 x 2 35 000 .
Presjene take prave 2,5 x1 + 5 x 2 = 35 000 sa koordinatnim osama su:
x1 = 0 x2 = 7 000
x2 = 0 x1 = 14 000
pa je grafikon prave dat na slici 4.3. b, dok je poluravan II data na slici 4.3. b.
x2
x2
7 000
7 000
x1
x1
0
14 000 II
Grafikon 4.3.b. Prava 2,5 x1 + 5 x2 = 35 000
502
14 000
II
Grafikon 4.3.b. Poluravan 2,5 x1 + 5 x2 35 000
Ako se oba ogranienja prikau zajedno, onda se na grafiku 4.3. c vidi skup svih moguih taaka (osjenen) koje zadovoljavaju ogranienje I i II.
x2
12 000
7 000
x1
14 000 II
8 000 I
Grafikon 4.3.c. Skup rjeenja III
U nastavku bismo trebali ukljuiti i ogranienja III i IV, te ove poluravni presjei sa
poluravnima I i II.
Prikaimo u koordinatnom sistemu x1 0x 2 ogranienja III: x1 6 000 i IV:
x 2 5 000
Prave x1 = 6 000 i x 2 = 5 000 su paralelne sa koordinatnim osama 0x 2 i 0x1 respektivno, a poluravni III i IV su date na sljedeim grafikonima:
x2
x2
III
5 000
IV
x1
0
6 000
Grafikon 4.3.d. Poluravan x1 6 000
x1
0
Grafikon 4.3.e. Poluravan x1 5 000
Ako bismo sva ogranienja prikazali na istom grafikonu i odredili presjek, dobili bi
skup moguih rjeenja datog modela LP-a, odnosno svaka taka u osjenenom esto503
uglu MNCDEO na grafikonu 4.3.f predstavlja izvodljivu (moguu) kombinaciju mjesene proizvodnje proizvoda A i B.
x2
12 000
7 000
5 000
IV
E
C
N
M
6 000
III
x1
8 000
14 000
I
II
Grafikon 4.3.f. Skup moguih rjeenja modela LP 1
Od svih moguih rjeenja trebamo izabrati ono najbolje. Vidjeli smo da sva mogua
rjeenja dobijemo presjekom svih ogranienja u modelu i uslova nenegativnosti, a
najbolje rjeenje zavisi od funkcije cilja.
Po teoremi17, optimalno rjeenje e biti jedna od taaka M, N, C, D, E, O, a koja od
njih - to zavisi od funkcije cilja.
Vrijednost funkcije cilja u taki O (0, 0) je 0 KM, dok je u taki E(0, 5000) njena vrijednost 400 000 KM. U nekoj drugoj taki iz skupa moguih rjeenja vrijednost
funkcije cilja e biti drugaija. Ono to je sigurno, jeste da je vrijednost funkcije cilja
vea to je ona (prava koja predstavlja pravac funcije cilja) udaljenija od koordinatnog poetka. Nas zanima najvea vrijednost funkcije cilja, odnosno najudaljenija
taka po pravcu funkcije cilja.
Odaberimo proizvoljno taku P koja pripada skupu moguih rjeenja i odredimo kolika je vrijednost funkcije cilja u toj taki. Uzmimo da su koordinate take P (3 000,
2 000), pa je vrijednost funkcije cilja:
f ( x1 = 3000, x 2 = 2000 ) = 580 000 ,
odnosno prava koja pripada pravcu funkcije cilja i prolazi kroz taku P ima
jednainu:
17
Teorema 4.3.2: Funkcija cilja f dostie svoju optimalnu vrijednost u ekstremnim takama konveksnog skupa moguih rjeenja. Ako se desi da f prima optimalnu vrijednost za vie od jedne ekstremne take, onda e
problem LP-a imati optimalnu vrijednost za svaku konveksnu kombinaciju tih ekstremnih taaka.
504
f 0 140 x1 + 80 x2 = 580 000

a njen grafiki prikaz dat je na grafikonu 4.3. g. Koordinate taaka kroz koje prolazi
x = 0 x 2 = 7 250
prava f0 su: 1
x1 = 3000 x 2 = 2000
Paralelnim pomjeranjem prave f0 od koordinatnog poetka vidimo da je taka N najudaljenija taka u skupu svih moguih rjeenja i stoga ova taka predstavlja optimalno
rjeenje (grafikon 4.3.h).
x2
12 000
7 000
7250
5 000
IV
E
C
P
N
M
6 000 8 000
III
x1
14 000
I
II
Grafikon 4.3.g. Skup moguih rjeenja i pravac funkcije cilja
III
x2
7 000
7250
5 000
IV
E
C
P
N
f0
6 000
II
M
8 000
x1
I
Grafikon 4.3.h. Skup moguih i optimalno rjeenje
505
Koordinate take N dobijamo kao presjek prave I i III, odnosno rjeavanjem sistema:
3 x1 + 2 x 2 = 24 000
x1 = 6000
odakle se dobije x1 = 6000; x 2 = 3000 i ove vrijednosti predstavljaju optimalan plan

proizvodnje.18 Vrijednost funkcije cilja je u ovoj taki vea od njene vrijednosti u
svakoj drugoj taki skupa moguih rjeenja i iznosi:
f = 140 6000 + 80 3000 = 1 080 000 KM
Provjerimo koliko iznosi vrijednost funkcije cilja u ostalim rubnim takama skupa
moguih rjeenja:
M (6000, 0)
f (M ) = 840 000 KM
E (0,5000)
f (E ) = 400 000 KM
3 x1 + 2 x 2 = 24 000
C (5000, 4500)
2,5 x1 + 5 x 2 = 35 000
{C} = I II
f (C ) = 1 060 000 KM
{D} = II IV
x 2 = 5 000
2,5 x1 + 5 x 2 = 35 000
f (D ) = 960 000 KM
D (4000, 5000)
Vidimo da je zaista najvea vrijednost funkcije cilja u taki N i na osnovu prethodne

analize moemo ponuditi sljedei optimalan plan proizvodnje:
Uz ponuena ogranienja optimalna mjesena proizvodnja iznosi 6 000 komada proizvoda A i 3 000 komada proizvoda B ( x1 = 6000; x 2 = 3000 ). Maksimalna mjesena
dobit iznosi 1 080 000 KM (odgovor pod b).
Pod analizom optimalnog plana podrazumijevaemo analizu ispunjenosti ogranienja, iako se pod ovim pojmom moe raditi i puno ira analiza.
Ogranienje I: Mainski kapacitet (max 24 000 mainskih sati, mjeseno) je potpuno
iskoriten u optimalnom planu. Za ovo ogranienje kaemo da predstavlja usko grlo
programa.
18
Oznaku koristimo ukoliko smo odredili optimalan plan.
506
I 3 6000 + 2 3000 = 24 000 (m. s.)

Ogranienje II: Radni kapacitet radnika (max 35 000 radnih sati mjeseno) nije u
potpunosti iskoriten. Po optimalnom programu proizvodnje mjeseno ostaje 5 000
radnih sati radnika neiskoriteno.
II 2,5 6000 + 5 3000 = 30 000 35 000 (r. s.)

Ogranienje III: Plasman proizvoda A na tritu (max 6 000 kom, mjeseno) predstavlja usko grlo programa, odnosno trite e biti u potpunosti zadovoljeno
proizvodima A.
III 6 000 = 6 000 (kom A)

Ogranienje IV: Plasman proizvoda B na tritu (max. 5 000 kom) nije u potpunosti
zadovoljen. Na tritu se moe plasirati jo 2000 komada proizvoda B mjeseno.
IV 3 000 5 000 (kom B)

Napomena: Uska grla programa se mogu vidjeti direktno sa grafikona 4.8, jer one
prave (ogranienja) koje odreuju optimalnu taku istovremeno predstavljaju usko grlo programa. Kod nas su to prave I i III.
Primjer 4.4.
Kompjuterska koorporacija MSA prizvodi dva modela mini kompjutera Alfa 4 i Beta
5. Firma zapoljava 5 tehniara. Svaki od njih radi 160 sati mjeseno na montai.
Za sklapanje kompjutera Alfa 4 potrebno je 20 sati rada tehniara, dok je za model
Beta 5 potrebno 25 sati rada. U narednom mjesecu MSA eli proizvesti barem 10
kompjutera Alfa 4 i barem 15 kompjutera Beta 5.
Svaki kompjuter Alfa 4 ostvaruje profit od 1200 USD, a Beta 5 profit od 1800 USD.
a) Odrediti najprofitabilniji broj mini kompjutera koje treba proizvesti u narednom
mjesecu.
b) Napisati odgovarajui standardni model i odrediti znaenje optimalne vrijednosti
izravnavajuih varijabli.
c) Formirati dualni model datog problema LP-a i odrediti optimalne vrijednosti dualnih varijabli.
d) Koliko bi primanje jo jednog radnika unaprijedilo funkciju cilja?
507
Rjeenje:
a) Oznaimo varijable:
x1 broj kompjutera Alfa 4

x2 broj kompjutera Beta 5
I ogranienje: Firma zapoljava 5 tehniara. Svaki od njih radi 160 sati mjeseno na
montai. Ovo znai da imamo na raspolaganju 800 radnih sati montaera mjeseno.
Za sklapanje kompjutera Alfa 4 potrebno je 20 sati rada tehniara, dok je za model
Beta 5 potrebno neophodno 25 sati rada. Odavde je prvo ogranienje dato sa:
I 20 x1 + 25 x 2 800 (rs)
II ogranienje: U narednom mjesecu MSA eli proizvesti barem 10 kompjutera Alfa
4.Odavde je II ogranienje dato sa:
II x1 10 (kom)
III ogranienje: U narednom mjesecu MSA eli proizvesti barem 15 kompjutera Beta
5. Odavde je III ogranienje dato sa:
III x 2 15 (kom)
Funkcija cilja: Svaki kompjuter Alfa 4 ostvaruje profit od 1200 USD, a Beta 5 profit
od 1800 USD. Proizvodnjom x1 komada kompjutera Alfa 4, ostvaruje se dobit od
1200 x1 a proizvodnjom x 2 komada kompjutera Beta 5, ostvaruje se dobit od
1800 x 2 . Odavde je funkcija cilja data sa:
max f = 1200 x1 + 1800 x 2
Ako jo ukljuimo i uslove nenegativnosti, onda je model problema 4.4.dat sa:

max f = 1200 x1 + 1800 x 2
I
20 x1 +
II
x1
III
25 x 2 800
10
x 2 15
x1 , x 2 0
Odredimo grafiki skup moguih rjeenja:
508
I:
Presjene take prave
x2
20 x1 + 25 x2 = 800
II
sa koordinatnim osama:
32
C
III
15
A
II:
Paralelna sa x 2 osom
10
x = 0; x2 = 32
1
x2 = 0; x1 = 40
40
x1
III:
Paralelna sa x1 osom
Grafikon 4.4.a. Skup moguih rjeenja za LP 2
Odredimo pravac funkcije cilja:

Izaberimo proizvoljnu taku iz skupa moguih rjeenja19. Neka je to taka P (15, 15).
Pravu f0 koja prolazi kroz ovu taku, a paralelna je funkciji cilja, odreujemo uvrtavanjem koordinata take P u funkciju cilja:
f ( x1 = 15; x 2 = 15) = 1200 15 + 1800 15 = 45 000
Odavde je jednaina prave f0:
f 0 1200 x1 + 1800 x2 = 45 000

Napomenimo da vrijednost funkcije cilja u taki P govori da bi mjeseni profit firme
bio 45000 USD ako bi u narednom mjesecu planirali proizvesti 15 kompjutera Alfa 4
i 15 kompjutera Beta 5. Ovo oito nije najbolje rjeenje.
Sa grafikona 4.4.b vidimo da je taka C optimalna. Odredimo koordinate ove take:
I II
20 x1 +
x1
25 x 2 = 800
= 10
x1 = 10; x2 = 24
f = 1200 10 + 1800 24 = 55 200
19
Izabrana taka ne mora biti u skupu moguih rjeenja jer nam je potrebna samo zbog odreivanja pravca
funkcije cilja, ali se radi bolje preglednosti najee bira taka iz skupa moguih rjeenja.
509
x2
Presjene take prave
II
32
f 0 1200x1 + 1800x2 = 45 000

sa koordinatnim osama:
B
f0
x1 = 0; x2 = 25
x2 = 0; x1 = 37,5
III
15
10
foptimalno
40
x1
Grafikon 4.4.b. Skup moguih rjeenja, pravac funkcije

cilja i optimalno rjeenje
Odgovor pod a)
Najprofitabilniji broj mini kompjutera koje treba proizvesti u narednom mjesecu je
x1 = 10 kompjutera Alfa 4 i x 2 = 24 kompjutera Beta 5. Oekivani najvei profit iznosit e: f = 55 200 USD .
Sa grafikona vidimo da su ogranienja I i II uska grla programa, odnosno mjeseni
broj radnih sati montaera i ugovoreni minimalan broj kompjutera Alfa 4 predstavljaju ogranienja zbog kojih se ne moe ostvariti vea vrijednost funkcije cilja. Ova
analiza nam govori da, ako bismo eljeli unaprijediti funkciju cilja, onda bismo morali mijenjati ogranienja I ili II, ali ne i ogranienje IV.
b)
Prilikom formiranja standardnog modela LP-a moramo uvesti odreen broj dopunskih varijabli - izravnavajuih i vjetakih20.
Standardni model ovog problema LP-a ima oblik:
20
Kod ogranienja uvodimo jednu izravnavajuu sa koeficijentom +1, kod ogranienja uvodimo jednu
izravnavajuu sa koeficijentom -1 i vjetaku sa koeficijentom +1, dok kod ogranienja = uvodimo jednu
vjetaku sa koeficijentom +1. U funkciji cilja izravnavajue varijable imaju koeficijent 0, dok vjetake
imaju koeficijent M u zavisnosti od funkcije cilja (+M kod cilja min f i M kod cilja max f).
510
max f = 1200 x1 + 1800 x2 + 0 x3 + 0 x4 M x4* + 0 x5 M x5*

I
= 800
20 x1 + 25 x2 + x3
II
x4 + x4*
x1
III
= 10
x5 + x5* = 15
x2
x1 , x2 , x3 , x 4 , x5 0;
x 4* , x5* = 0
Kako su nam ve izraunate optimalne vrijednosti polaznih primalnih varijabli u

modelu x1 = 10 i x 2 = 24 , to su odgovarajue optimalne vrijednosti izravnavajuih
primalnih varijabli u modelu: x 3 = 0 , x 4 = 0 i x5 = 9
Izravnavajue varijable x 3 , x 4 su vezane za uska grla programa, pa je njihova vrijednost 0. Ako je vrijednost izravnavajue varijable jednaka nula, onda je ogranienje
kojem izravnavajua varijabla pripada ustvari usko grlo programa.
Varijabla x 5 je vezana za tree ogranienje u modelu, odnosno za minimalno potreban broj mini kompjutera Beta 5, pa x 5 = 9 nam govori da se 9 kompjutera tipa Beta
5 proizvodi vie od minimalno potrebne koliine.
c)
Dualni model polaznog primalnog modela odreujemo tako da svakom ogranienju
i pridruimo odgovarajuu polaznu dualnu varijablu y n + i :
max f = 1200 x1 + 1800 x 2
I
20 x1 +
II
x1
III
25 x 2 800 y3
10
x 2 15
y4
y5
x1 , x 2 0
Na osnovu osobina duala21 formiraemo odgovarajui dualni model.

Funkcija cilja u dualu: Oznaimo odgovarajuu dualnu funkciju sa g. Kako je u
primalu cilj max f, to je u dualu cilj min g. Koeficijenti u ogranienjima kod primala
nalaze se u funkciji cilja kod duala:
min g = 800 y3 + 10 y 4 + 15 y5
21
Dualni model je simetrian; Matrica A koja se nalazi u ogranienjima primalnog modela je transponovana
u ogranienjima kod dualnog modela; Cilj max f kod primala min g kod duala i min f kod primala
max g kod duala; Polazne dualne varijable ne moraju biti 0.
511
Ogranienja: Kako je dual simetrian, a cilj je min g, to su sva ogranienja u dualu

. Ogranienja u dualu imamo onoliko koliko u primalu imamo polaznih varijabli, tj.
dva ogranienja.
Prvo ogranienje odreujemo tako da gledamo sve koeficijente uz x1 u polaznom

primalnom modelu, a granicu tako to gledamo koeficijent uz x1 u funkciji cilja:
20 y3 + y 4
1200
Analogno, za drugo ogranienje gledamo koeficijente uz x 2 :

+ y5 1800
25 y3
Znak polaznih dualnih varijabli y n + i zavisi od znaka u ogranienju i kojem je pridruena odgovarajua varijabla y n + i . Ako znak u ogranienju primala odgovara
simetrinom modelu22, onda je dualna varijabla y n + i 0 , u suprotnom je y n + i 0 .
Dakle, imamo:
y3 0 ; y 4 0; y5 0
Na osnovu prethodnog razmatranja, odgovarajui dualni model ima oblik:
min g = 800 y3 + 10 y 4 + 15 y5
20 y3 + y 4
25 y3
1200
+ y5 1800
y3 0 ; y 4 0; y5 0
Za odreivanje optimalnih vrijednosti dualnih varijabli potrebno je izvriti standardizaciju dualnog modela i iskoristiti princip oslabljene komplementarnosti23.
Prilikom strandardizacije dualnog modela uvodimo izravnavajue varijable yi koje
obavezno moraju biti nenegativne (vjetake dualne varijable nije potrebno uvoditi).
Standardni dualni model ima oblik:
min g = 800 y3 + 10 y 4 + 15 y5
y1 + 20 y3 + y 4
= 1200
y 2 + 25 y3
+ y5 = 1800
y1 , y 2 0; y3 0 ; y 4 0; y5 0
22
23
Za cilj max f ogranienje traba biti , a za cilj min f ogranienje treba biti .
x i y i = 0; i = 1, m
512
Na osnovu principa oslabljene komplementarnosti i optimalnih vrijednosti svih primalnih varijabli, imamo:
x1 = 10 y1 = 0 ;
x 5 = 9 y 5 = 0
x 2 = 24 y 2 = 0
x 3 = 0 y 3 = ? ,
x 4 = 0 y 4 = ?
Iz prethodnog sistema, moemo odrediti vrijednost ostalih nepoznatih dualnih varijabli, odnosno vrijednost y 3 i y 4 .
20 y3 + y 4 = 1200
y 3 = 72, y 4 = 240
25 y3 = 1800
Jedinice mjere i znaenje optimalnih vrijednosti dualnih varijabli:
Polazne dualne varijable y n + i su vezane za ogranienje i , te nam govore koliko e

se promijeniti funkcija cilja ukoliko se ogranienje i promijeni za jednu svoju jedini jm funkcije cilja
cu mjere. Jedinice mjere za polazne dualne varijable y n + i su
.
jm ogranicenja i
Izravnavajue dualne varijable yi su vezane za koeficijente u funkciji cilja uz primalne varijable xi . Govore nam koliko se najmanje mora promijeniti koeficijent u
funkciji cilja uz xi da bi varijabla xi ula u program, odnosno da bi xi bilo >0. Jedinica mjere yi je ista kao i jedinica mjere koeficijenta ci , koji se nalazi uz xi u
jm funkcije cilja
funkciji cilja primala, dakle
jm xi
Konkretno, dualne varijable y1 = 0 ; y 2 = 0 govore da su u optimalnom rjeenju

x1 , x 2 > 0 (ule u program).
Varijabla y 5 = 0 nam govori da poveanjem ogranienja III za 1 kom. ne bismo
promijenili funkciju cilja.
Varijabla y 3 = 72 nam govori da bi se, pomjeranjem ogranienja I za 1 rs (kad bi
imali mjeseno na raspolaganju 801 rs), funkcija cilja poveala za 72 USD.
Varijabla y 4 = 240 nam govori da bi se, pomjeranjem ogranienja II za 1 kom. (kad
bismo morali mjeseno proizvesti najmanje 11 komjutera Alfa 4), funkcija cilja smanjila za 240 USD.
513
d)
Primanje jo jednog radnika e direktno uticati na I ogranienje. Primanjem jednog

novog radnika broj radnih sati montaera e se poveati za 160, odnosno I ogranienje e imati oblik:
20 x1 + 25 x 2 960
Na grafikonu vidimo da e skup moguih rjeenja promijeniti (prava I e se pomjeriti

prema gore) i optimalna taka C e se pomjeriti u taku C. Kako se pravac funkcije cilja nije promijenio, to e novo rjeenje biti x1=10; x2=30,4, odnosno funkcija
cilja e se poveati za 11 520 USD.
x2
II
32
C
C
III
15
B
I
10
40
x1
Grafikon 4.4.c. Skup moguih rjeenja, pravac funkcije cilja

i optimalno rjeenje kod promjene ogranienja I
Do istog ovog rezultata smo mogli doi da smo iskoristili vrijednost i znaenje dualne
varijable y 3 = 72 . Poveanjem granice I za 160 rs, funkcija cilja e se poveati za
160 72 = 11 520 USD , odnosno nova vrijednost funkcije cilja e biti
f = 55 200 + 11 520 = 66 720 USD
Napomena: Kako se nova optimalana vrijednost u stvarnosti ne moe realizovati (proizvodnja 30,4 komada kompjutera Beta 5 nije mogua), mi emo uzeti cjelobrojno
rjeenje najblie optimalnom koje se nalazi u skupu moguih rjeenja.
514
Primjer 4.5
Napraviti standardizirani model modela LP iz primjera 4.3. i pronai optimalne vrijednosti svih varijabli. Objasniti njihovo znaenje.
Rjeenje:
(1)
max f = 140 x1 + 80 x 2 + 0 x3 + 0 x 4 + 0 x5 + 0 x 6
3 x1 + 2 x 2
2,5 x1 + 5 x 2
(2)
(3)
= 24 000 ( m.s.)
+ x4
= 35 000 (r.s.)
+ x5
x1
+ x3
x2
= 6 000 kom A
+ x 6 = 5 000 kom B
x1 , x 2, x3 , x 4, x5 , x 6, 0
Optimalne vrijednosti izravnavajuih varijabli su:

x3 = 0;
Znaenje: raspoloivi mainski sati su usko grlo programa;
x4 = 5000; Znaenje: 5000 neiskoritenih radnih sati u optimalnom programu proizvodnje;

x5 = 0;
Znaenje: trite je zasieno proizvodom A, usko grlo programa;
x6 = 2000; Znaenje: moe se plasirati jo 2000 jedinica dobra B na tritu;

Primjer 4.6.
Napraviti odgovarajui dualni model modela LP iz primjera 4.3. pa odrediti optimalne vrijednosti dualnih promjenjljivih i objasniti njihovo znaenje.
Rjeenje:
Primal:
(1)
(2)
max f = 140 x1 + 80 x2
3 x1 + 2 x 2 24 000 (m.s.)
2,5 x1 + 5 x2 35 000 (r.s.)
(3)
y3
y4
6 000 kom A y5
x 2 5 000 kom B y 6
x1 , x 2 0
x1
515
Dual:
min g = 24 000 y3 + 35 000 y 4 + 6 000 y5 + 5 000 y 6
3 y3 + 2,5 y 4 + y5 140
2 y3 + 5 y 4
+ y 6 80
y3 ; y 4 ; y5 ; y 6 0
Standardizacija duala:
min g = 24 000 y3 + 35 000 y 4 + 6 000 y5 + 5 000 y 6
y1
+ 3 y3 + 2,5 y 4 + y5
y 2 + 2 y3 + 5 y 4
= 140
+ y 6 = 80
y1 ; y 2 ; y3 ; y 4 ; y5 ; y 6 0
Pomou principa oslabljene komplementarnosti:

x1 = 6000 y1 = 0
x 2 = 3000 y 2 = 0
3 y3 + y5 = 140
x 3 = 0
sistem 4.6. poprima oblik:
y 3 = 40; y 5 = 20
2 y3 = 80
x 4 = 5000 y 4 = 0
x 5 = 0
x 6 = 2000 y 6 = 0
Polazne dualne varijable y 4 = 0 i y 6 = 0 nam govore da ogranienja II i IV nisu do

kraja iskoritena, pa pomjeranjem ovih ogranienja neemo promijeniti funkciju cilja.
KM
nam govori da e se funkcija cilja poveati za
ms
Polazna dualna varijabla y3 = 40
40 KM ako se ogranienje I povea za 1 mainski sat.

KM
nam govori da ako na tritu uspijemo plasi komA
Polazna dualna varijabla y5 = 20
rati jo jedan dodatni komad proizvoda tipa A, funkcija cilja e se poveati za 20 KM.
Izravnavajue dualne varijable y1 = 0 i y 2 = 0 nam govore da se koeficijenti u funkciji cilja (dobit po jedinici proizvoda A i dobit po jedinici proizvoda B) ne moraju
mijenjati da bi x1 i x 2 ule u optimalan plan.
516
Primjer 4.7.
U proizvodnom pogonu firme mogu se proizvoditi dva proizvoda (P1, P2). Strojevi
prvog pogona (S1) imaju mjeseni kapacitet 450 sati, a drugog (S2) kapacitet od 600
sati. Potreban broj sati rada strojeva u proizvodnji jedinice proizvoda je sljedei:
S1
2
1
P1
P2
S2
2
2
Na temelju analize trokova zna se da treba proizvesti najmanje 100 jedinica P1.
Ako je prihod po jedinici P1 10 KM i po jedinici P2 takoer 10 KM, treba odrediti optimalan plan proizvodnje koji omoguava maksimalan prihod.
Rjeenje:
x1 broj proizvoda P1; x2 broj proizvoda P2

Funkcija cilja:
max f = 10 x1 + 10 x 2
Ogranienja:
Strojevi prvog pogona (S1) imaju mjeseni kapacitet 450 sati. Za x1 jedinica proizvoda P1 potrebno je 2 x1 sati, a za x2 jedinica proizvoda P2 potrebno je 1 x2 sati.
2 x1 + 1x 2 450 (m.s.) S1
Strojevi drugog pogona (S2) imaju mjeseni kapacitet 600 sati. Za x1 jedinica proizvoda P1 potrebno je 2 x1 sati, a za x2 jedinica proizvoda P2 potrebno je 2 x2 sati.
2 x1 + 2 x 2 600 (m.s.) S 2
Na temelju analize trokova zna se da treba proizvesti najmanje 100 jedinica P1.
100 kom P1
1x1
Model:
(1)
(2)
(3)
max f = 10 x1 + 10 x 2
2 x1 + 1x 2 450 (m.s.) S1
2 x1 + 2 x 2 600 (m.s.) S 2
1x1
100 kom P1
x1 , x 2 0
0
Za grafiki prikaz vidimo da prava I sijee ose u x1 = 225; x 2 = 450 , te da prava II

0
sijee ose u x1 = 300; x 2 = 300 .

517
Skup moguih rjeenja je etverougao ABCD na grafikonu 4.7.

x2
450
300
C (IIIII)
P
100
D
0
III
100
B (III)
A
225 I300
f0
II
x1
foptimal-
Grafikon 4.7.a. Skup moguih rjeenja, pravac funkcije cilja i optimalno rjeenje
Pravac funkcije cilja:

Proizvoljno, taka P (100, 100) f (100,100 ) = 2000 , odavde je prava koja prolazi
f 0 10 x1 + 10 x 2 = 2 000 (na grakroz P, a paralelna je sa funkcijom cilja, data sa:
fikonu je prikazana isprekidanom linijom).
Paralelnim pomjeranjem vidimo da se pravac funkcije cilja podudara sa pravcem ogranienja II, a da obje najudaljenije rubne take skupa moguih rjeenja (kandidati za
optimum) pripadaju ogranienju II.
To znai da su optimalne i taka B (150, 150) i taka C (100, 200). Vrijednost funkcije cilja u ovim takama je ista i iznosi f(C) = f (B) = 3 000.
Ako postoji vie od jednog optimalnog rjeenja, onda optimalnih rjeenja ima beskonano. U naem sluaju optimalne su take C i B, ali i svaka taka na dui BC. Sva
ostala optimalna rjeenja se dobijaju kao linearna konveksna kombinacija rubna dva.
Elementi optimalnog plana 1:
Mjesena proizvodnja 150 kom P1 i 150 kom P2, uz maksimalan prihod od 3 000 KM.
Elementi optimalnog plana 2:
Mjesena proizvodnja 100 kom P1 i 200 kom P2, uz maksimalan prihod od 3 000 KM.
Elementi svih ostalih optimalnih rjeenja:
518
x1
150
100
x = 150 + (1 ) 200

[0,1]
Primjer 4.8.
Preduzee koristi tri stroja, S1, S2, S3, da bi proizvelo dva tipa plastine mase - P1, P2.
Jedan sat rada stroja S1 kota 10 KM, S2 kota 7 KM i S3 kota 12 KM.
Svake sedmice preduzee mora proizvesti barem 7 kg plastine mase tipa P1 i barem
4 kg mase tipa P2.
Podaci o obradi plastinih masa u jednom satu dati su u sljedeoj tabeli:
P1
P2
S1
1 kg
2 kg
S2
1 kg
1 kg
S3
2 kg
1 kg
a) Sastaviti odgovarajui model LP-a za minimalne sedmine trokove,

b) Formirati dualni model i odrediti optimalne vrijednosti duala i primala,
c) Protumaiti znaenje varijabli: y 4 i x 4 .
Rjeenje:
a) x1 broj radnih sati S1
x2 broj radnih sati S2

x3 broj radnih sati S3
Funkcija cilja: min f = 10 x1 + 7 x 2 + 12 x3
Ogranienja: Zahtjevi za minimalnom potrebnom koliinom plastinih masa P1 i P2.
I
II
x1 + x 2 + 2 x3 7
2 x1 + x2 + x3 4
Model:
min f = 10 x1 + 7 x 2 + 12 x3
x1 + x 2 + 2 x3 7
2 x1 + x 2 + x3 4
x1 0; x 2 0; x3 0
519
Standardizovani oblik modela je.

min f = 10 x1 + 7 x 2 + 12 x3 + 0 x 4 + 0 x5
x1 + x 2 + 2 x3 x 4 = 7
2 x1 + x 2 + x3 x5 = 4
x1 0; x 2 0; x3 0; x 4 0; x5 0
b) U modelu imamo tri polazne primalne varijable i klasini grafiki model se ne

moe primijeniti. Meutim, analizirani model je simetrian i ima osobinu dual duala
je primal, odnosno moemo prvo rijeiti odgovarajui dualni model, pa iz njega proitati optimalne vrijednosti primalnih varijabli.
Odgovarajui dualni model je:
max g = 7 y 4 + 4 y5
min f = 10 x1 + 7 x 2 + 12 x3
y 4 + 2 y5 10
x1 + x 2 + 2 x3 7
y4 0
y 4 + y5 7
y5 0
2 x1 + x 2 + x3 4
2 y 4 + y5 12
x1 0; x 2 0
y 4 0; y5 0
Na grafikonu 4.8.a. vidimo da je skup moguih rjeenja petougao ABCOD i da je optimalno rjeenje taka A.
Koordinate rubnih taaka
skupa moguih rjeenja:
A: II III = (5, 2); B: III I
= (4, 3); C (6, 0);
D (0, 5); O (0, 0);
y5
12

7
5
C
Proizvoljna taka M (4, 2):
gmax
74 + 42 = 36
g0: 7y4 + 4y5 = 36 (y4 = 0
y5 = 9)
B
M
A
g0
D
III
y4
10
7
II
Grafikon 4.8.a. Skup moguih rjeenja, pravac funkcije

Izravnavajue dualne: y1 = 1; y 2 = 0; y 3 = 0;
520
Optimalno rjeenje:
gmax = g (A) = 43 za
y 4 = 5; y 5 = 2;
Po principu oslabljene komplementarnosti imamo da su vrijednosti odgovarajuih

primalnih varijabli: x1 = 0; x 4 = 0; x 5 = 0;
Sa ovim vrijednostima, vraajui se u standardizovani model, imamo:
x2 + 2 x3 = 7
x2 + x3 = 4
x2 = 1; x3 = 3
Odgovor: Minimalni sedmini trokovi iznose 43 KM, a optimalan plan koritenja

strojeva za proizvodnju plastinih masa P1 i P2 je 1 sat koristiti S2 i 3 sata koristiti S3.
Stroj S1 se nee koristiti.
KM
govori da e se funkcija cilja poveati za 5 KM ako se ogranienje I
kg
povea za 1 kg.
c) y 4 = 5
x 4 = 0 kg govori nam da je ogranienje I usko grlo programa, odnosno da e se u optimalnom planu proizvesti minimalno potrebna koliina plastine mase P1.
Primjer 4.9.
Trgovinsko preduzee ima na raspolaganju 25 000 $ koje namjerava potroiti na TV reklamu. Svi spotovi bi se emitovali na jednoj TV stanici. Relevantni su sljedei podaci:
Vrijeme emitovanja
Trokovi
7:00 18:00
18:00 23:00
23:00 02:00
1200 $
2500 $
1500 $
Broj potencijalnih
gledalaca
15 000
25 000
18 000
TV stanica nee emitovati vie od 15 spotova u svim terminima zajedno.

a) Napraviti model datog problema LP-a u cilju maksimizacije broja potencijalnih
kupaca koji e vidjeti spotove;
b) Formirati dualni model i odrediti optimalne vrijednosti duala;
c) Protumaiti znaenje dualnih varijabli.
Rjeenje:
a)
x1 broj spotova od 7:00 do 18:00

521
Funkcija cilja: max f = 15000 x1 + 25000 x 2 + 18000 x3

Ogranienja: Maksimalan broja spotova koji e se emitovati x1 + x 2 + x3 15
Trokovi za reklamu, maksimalno 25 000$ 1200 x1 + 2500 x 2 + 1500 x3 25000

Model:
max f = 15000 x1 + 25000 x 2 + 18000 x3
x1 +
x2 +
x3 15
y4 0
1200 x1 + 2500 x 2 + 1500 x3 25000 y5 0
x1 0; x 2 0; x3 0
b) Simetrian primal dual duala je primal
Dualni model:
min g = 15 y 4 + 25000 y 5
y 4 + 1200 y5 15000
y 4 + 2500 y 5 25000
y 4 + 1500 y5 18000
y 4 0; y5 0
Koordinate presjenih taaka:
y5
(1000)
D12,5
g0
A
10
A: I III = (3, 10)

B: III II = (7, 7.5)
C (25, 0)
D (0, 12.5)
M (10, 10)
1510 000 + 25 00010 = 400 000
g0: 15y4 + 25 000y5 = 400 000
(y4 = 0 y5 = 16)
12
M
B
Optimalno rjeenje:
gmin
0
15
18
III
C
25
y4 u hiljadama KM
II
Grafikon 4.9.a. Skup moguih rjeenja, pravac funkcije

522
gmin = g (B) = 292 500 KM za
y 4 = 7; y 5 = 7,5;
Odgovarajue
izravnavajue
dualne
varijable
imaju
vrijednosti:
y1 = 1000; y 2 = 0; y 3 = 0; . Odavde su primalne varijable: x1 = 0; x 4 = 0; x 5 = 0; a
iz modela 4.1.8 imamo:
x2 +
x3 = 15
2500 x2 + 1500 x3 = 25000
x2 = 2.5; x3 = 12.5
c)
y1 = 1000 govori da bi se gledanost u terminu 7:00 do 18:00 trebala poveati za 1000
da bi se u optimalnom planu izabralo emitovanje spotova u tom terminu.
y 4 = 7000 nam govori da bi se broj potencijalnih gledalaca (vrijednost funkcije cilja)
poveao za 7 000 ukoliko bismo poveali planirani broj spotova za 1 (ogranienje 1).
y 5 = 7,5 nam govori da bi se broj potencijalnih gledalaca (vrijednost funkcije cilja)

poveao za 7,5 ukoliko bismo poveali novac planiran za oglaavanje za 1$ (ogranienje 2).
Primjer 4.10.
Poljoprivredno dobro proizvelo je 1000 t jabuka i prodavae ih u gradovima A, B i C

po cijenama: 25 nj / t u gradu A, 30 nj / t u gradu B i 28 nj / t u gradu C.
Trokovi proizvodnje po toni jabuka iznose 10 nj , a transportne cijene su: 5 nj / t
do grada A, 2 nj / t do grada B i 3 nj / t do grada C.
Proizvedenu koliinu jabuka treba kompletno prodati.
U gradu C se moe prodati maksimalno 50% jabuka, dok se u gradovima A i B moe
prodati zbirno maksimalno 600 t jabuka.
U gradu A ve je ugovorena prodaja od minimalno 150 t jabuka.
a) Nai optimalan plan prodaje proizvedene koliine koji e biti najrenatabilniji za
proizvoaa;
b) Napraviti dualni model datog problema LP-a i nai optimalne vrijednosti dualnih
varijabli;
c) Protumaiti znaenje optimalnih dualnih varijabli y 6 i y 7 .
523
Rjeenje:
a)
x1-tone jabuka u A (transportovane i prodate) dobit od prodaje u A: 25-(10+5) = 10 nj
x2-tone jabuka u B (transportovane i prodate) dobit od prodaje u B: 30-(10+2) = 18 nj
x3-tone jabuka u C (transportovane i prodate) dobit od prodaje u C: 28-(10+3) = 15 nj
Funkcija cilja: maximalna dobit max f = 10 x1 + 18 x 2 + 15 x3
Ogranienja:
Proizvedenu koliinu treba kompletno prodati I ) x1 + x 2 + x3 = 1000

U gradu C se moe prodati maksimalno 50% jabuka x3 500
U gradovima A i B moe se prodati zbirno maksimalno 600 t jabuka x1 + x2 600
U gradu A ve je ugovorena prodaja od minimalno 150 t jabuka x1 150
Model:
max f = 10 x1 + 18 x 2 + 15 x3
x1 + x 2 + x3 = 1000
x3 500
II
III
x1 + x 2
IV
x1
600
150
x1 0; x 2 0; x3 0;
U pitanju je model koji ima tri nepoznate. Model nije simetrian, ali postoji jedno ogranienje treeg tipa (tipa =) i ono nam omoguava da model transformiemo u model
sa dvije nepoznate.
Transformacija se vri za svako ogranienje i to na sljedei nain:
Iz I x3 = 1000 ( x1 + x 2 ) 0 x1 + x 2 1000 ;
Iz II x3 500 1000 ( x1 + x 2 ) 500 x1 + x 2 500 ;
Iz III x1 + x 2 600 (ostaje isto)
Iz IV x1 150 (ostaje isto)
Iz max f = 10x1 + 18x2 + 15x3 = 10x1 + 18x2 + 15 (1000 x1 x2 ) = 5x1 + 3x2 + 15000
524
Na osnovu spomenutih transformacija polazni model poprima oblik:

max f = 5 x1 + 3 x 2 + 15000
I
x1 + x 2 1000
II
x1 + x 2 500
II I
IV
x1 + x 2 600
150
x1
x1 0; x 2 0
Pravac funkcije cilja moemo odrediti ako izaberemo proizvoljnu taku (iz skupa
moguih rjeenja ili ne) i uvrstimo u izraz max f = 5 x1 + 3 x 2 + 15000 , odnosno na
isti nain kao i ranije. Meutim, kako je funkcija cilja rastua funkcija (znak ispred
jedne nepoznate) i kako ima konstantni lan (15 000), najlaki nain za odreivanje
pravca je da izraz max f izjednaimo sa 0. Na ovaj nain smo pravac funkcije cilja izrazili funkcijom f0, odnosno sa:
5 x1 + 3x 2 + 15000 = 0
f 0 5 x1 3x 2 = 15000 {x1 (0) = 300; x 2 (0 ) = 500
Sa grafikona 4.10.a. se vidi da je skup moguih rjeenja ABCD i da je optimalna taka A.
1200
f max
1000
f0
800
600
400
200
I
C
0
-200
-400
-600
100 200 300 400 500 600 700 800 900 1000 1100
III
IV
II
Grafikon 4.10.a. Skup moguih rjeenja, pravac funkcije cilja i optimalno rjeenje
Elementi optimalnog rjeenja su: A (150, 150) i f (A) =15 600, odnosno:
x1 = 150; x 2 = 150; x 3 = 1000 (150 + 150) = 700;
525
Odgovor: Optimalan plan prodaje jabuka je 150 t u gradu A, 150 t jabuka u gradu B i
700 t jabuka u gradu C i sa ovim planom e se ostvariti maksimalna dobit od 15 600
KM.
b)
Odgovarajui dualni model ima oblik:

min g = 1000 y 4 + 500 y5 + 600 y 6 + 150 y 7
y4 +
y6 +
y 7 10
y4 +
y6 +
18
y4 +
y4
y5 +
15
0; y 5 0; y 6 0; y 7 0;
Po principu oslabljene komplementarnosti i iz gornjeg sistema imamo:

x i y i = 0
x1 = 150 y1 = 0
x 2 = 450 y 2 = 0
x 3 = 400 y 3 = 0
x 4 = 0 y 4 = 15
x 5 = 100 y 5 = 0
x 6 = 0 y 6 = 3
x 7 = 0 y 7 = 8
Optimalna vrijednost funkcije cilja primala f = 15600 i duala g = 15600

c)
f
= 3nj / t
d 3
f
= 8nj / t
d 4
Pomjeranjem ogranienja III za 1 tonu, funkcija cilja e se poveati za 3 KM.

Pomjeranjem ogranienja IV za 1 tonu, funkcija cilja e se smanjiti za 8 KM.
Primjer 4.11.
Preduzee proizvodi tri vrste tkanina: A, B, C. Za njih su potrebne tri vrste vune: crvena, bijela i plava. Za 1 m tkanine A potrebno je 2 kg crvene, 1 kg plave i 1 kg bijele
vune; za 1m tkanine B potrebno je 4 kg crvene i 4 kg bijele vune, dok je za tkaninu C
potrebno 6 kg crvene, 2 kg plave i 4 kg bijele vune.
Moe se utroiti maksimalno 48 kg crvene i 32 kg bijele vune, dok je potrebno utroiti tano 18 kg plave vune. Treba odrediti onu kombinaciju proizvodnje tkanina koja
e obezbijediti najvei prihod preduzeu ako je prihod po metru tkanine A 10 KM,
tkanine B 20 KM i tkanine C 10 KM.
526
a) Slobodno izabranom metodom pronai optimalno rjeenje i izvriti analizu ispunjenja ogranienja;
b) Formirati odgovarajui dualni model i odrediti optimalne vrijednosti dualnih
promjenljivih.
Rjeenje:
a)
x1 kg tkanine A; x2 kg tkanine B; x3 kg tkanine C
Funkcija cilja: maximalan prihod max f = 10 x1 + 20 x 2 + 10 x3

Ogranienja:
I: Moe se utroiti maksimalno 48 kg crvene vune 2 x1 + 4 x 2 + 6 x3 48

II: Moe se utroiti maksimalno 32 kg bijele vune x1 + 4 x 2 + 4 x3 32
III: Potrebno utroiti tano 18 kg plave vune x1 + 2 x3 = 18
Model:
max f = 10 x1 + 20 x 2 + 10 x3
2 x1 + 4 x 2 + 6 x3 48
x1 + 4 x2 + 4 x3 32
x1
+ 2 x3 = 18
x1 0; x 2 0; x3 0;
Ponovo vidimo da postoji jedno ogranienje treeg tipa (III ogranienje) i ono nam
omoguava da imodel transformiemo u model sa dvije nepoznate na sljedei nain:
III x1 + 2 x3 = 18 x1 = 2 x3 + 18 0 x3 9
I 2 x1 + 4 x 2 + 6 x3 48 2( 2 x3 + 18) + 4 x 2 + 6 x3 48 4 x 2 + 2 x3 12
II x1 + 4 x 2 + 4 x3 32 ( 2 x3 + 18) + 4 x 2 + 4 x3 32 4 x 2 + 2 x3 14
Iz ovih transformacija vidimo da je ogranienje II suvino (jer I i II imaju iste lijeve

strane), pa se skup moguih rjeenja moe dobiti iz ogranienja I i III.
Ako u funkciji cilja zamijenimo x1 sa , 2 x3 + 18 , onda e funkcija cilja poprimiti oblik:
max f = 20 x 2 10 x3 + 180
Funkcija cilja je rastua funkcija i trebamo odrediti njen pravac. Meutim, ako pogledamo oblast moguih rjeenja datih na grafikonu 4.10, vidimo da se koordinate
tjemena mogu proitati sa grafikona i optimalna je jedna od taaka A (0, 6) ili B (3,
0). Uvrtavanjem u funkciju cilja vidimo da je optimalna taka B.
527
10
x3
f (B) = f (3, 0) = 240

f (A) = f (0, 6) = 120
Odavde je optimalno rjeenje:

x2 = 3 i x3 = 0;
Ako se vratimo u polazni model i
ogranienje III, imaemo da je x1
= 18.
9
8
7
6
5
4
3
2
1
0
0
x2
4
Odavde vidimo da je optimalno

koristiti 18 kg tkanine A, 3 kg
tkanine B i 0 kg tkanine C.
Maksimalan prihod 240 KM.
Grafikon 4.11.a. Mogua rjeenja
4.5.2. Simplex metoda
Na osnovu baznih teorema linearnog programiranja vidjeli smo da se optimalno rjeenje

nalazi u nekoj od rubnih taaka konveksnog skupa koji predstavlja skup moguih rjeenja.
Grafikim prikazom skupa moguih rjeenja se mogu vidjeti rubne take i pojedinanom
provjerom vidjeti koja od njih daje optimalno rjeenje. Kod problema sa velikim brojem
varijabli nije mogue grafiki prikazati skup moguih rjeenja (u pitanju su n dimenzionalni
prostori), ali je koncept isti.
Simplex metoda predstavlja opti algoritam koji se koristi za rjeavanje svih oblika zadataka linearnog programiranja. Ovaj metod omoguava sistematsko ispitivanje rubnih taaka
n-dimenzionalnog poliedrona koji predstavlja skup moguih rjeenja sve dok se ne pronae
optimalno rjeenje. U pitanju je iterativni postupak baziran na istom skupu procedura definisanih algebarskim operacijama nad matricama gdje se svakom narednom iteracijom
dobija vrijednost blia optimalnom rjeenju. Ovo ustvari znai da simplex metoda omoguava najkrai put do optimalnog rjeenja i da se ne moraju ispitati sve rubne take.
Za upotrebu simplex metode moramo koristiti standardni primalni model problema linearnog programiranja koji smo prethodno oznaili sa (4.2):
N
Max
f = cs xs
Min
s =1
N
ais x s = d i ,
i = 1, m
s =1
xs 0
528
s = 1, N
gdje je m broj svih ograniavajuih linearnih jednaina; m = ( K + L + R ) , a N je broj svih

primalnih varijabli.
Da bismo objasnili sutinu simplex metode i nain izraunavanja optimalnog rjeenja zadatka linearnog programiranja moramo standardni primalni model izraziti u matrinom
obliku ranije oznaenom sa (4.2'):
Max
f =
Min
[ cs ] [ xs ]
T
[ ais ] [ xs ] = [ di ]
[ xs ] 0
Kolone matrice [ais ] oznaimo kao vektore As , a vektor ogranienja [d i ] oznaimo sa A.
Kako su vektori A i As , (s = 1,..., N ) m dimenzionalni, to je skup ogranienja, pa i cijeli
problem LP-a, smjeten u m - dimenzionalan vektorski prostor Vm. Na zadatak je da odredimo vektore koji e predstavljati bazu tog vektorskog prostora.
Uvoenjem ovih oznaka skup ogranienja u modelu 4.2 se moe zapisati kao linearna kombinacija vektora As :
N
A = x s As
(4.16)
s =1
pri emu je x s 0
(s = 1,..., N )
Ako pretpostavimo da sistem ograniavajuih jednaina ima rang m i time barem jedno
rjeenje, onda se iz skupa {A1 , A2 , , AN } moe izabrati barem jedna kombinacija od m
vektora, oznaimo ih sa Ab , koji su linearno nezavisni i koji predstavljaju rjeenje sistema
4.16. Ovi vektori mogu predstavljati bazu vektorskog prostora Vm. Bazu vektorskog prostora Vm oznaimo sa B.
Ako postoji baza B = {Ab } vektorskog prostora Vm, onda se moe pronai m bazinih varijabli xb 0 za koje vrijedi:
A = xb Ab
(4.17)
Bazine varijable xb 0 ine m baznih komponenti vektora [x s ] , dok su ostale komponente ovog vektora jednake nuli x s = 0; s b . Vektor bazinih varijabli oznaimo sa XB.
Na osnovu teoreme 4.3.3, imamo da je ovaj vektor XB ekstremna taka skupa moguih rjeenja, a odgovarajua vrijednost funkcije cilja za XB iznosi:
529
f = cb xb = c s x s
(4.18)
s =1
Za vrijednost f kaemo da predstavlja vrijednost vektora A manifestovanog u odgovarajuoj bazi.24

Kako je B = {Ab } baza vektorskog prostora Vm, to znai i da se svaki vektor iz skupa
{A1 , A2 , , AN } moe izraziti kao linearna kombinacija vektora iz baze:
As = K bs Ab
(4.19)
a vrijednost vektora As koju manifestuje u datoj bazi je data sa:

f s = cb K bs
(4.20)
Na osnovu (4.20) imamo da f s predstavlja vrijednost vektora As izraenog preko baze B,

dok je c s vrijednost vektora As kad je on uzet kao bazini vektor. Odavde imamo da izraz:
c s f s = c s cb K bs
b
predstavlja doprinos funkciji cilja ukoliko bi vektor As uao u bazu sa vrijednou x s = 1 .

Iz ovih uvodnih napomena je vidljivo da je ispitivanje rubnih taaka konveksnog poliedrona, koji predstavlja skup moguih rjeenja, ekvivalentno pronalasku odgovarajue baze
vektorskog prostora Vm, pa u sutini simleks metoda predstavlja izbor baznih vektora iz
skupa {A1 , A2 , , AN } i prelazak sa jedne baze na drugu, sve dok sa ne dobije optimalno
rjeenje.
Objasnimo sutinu simplex metode na standardnom primalnom modelu LP-a.
Kao prvo, matrica [ais ] sigurno ima m linearno nezavisnih kolona jer smo pri standardizaciji
dodali izravnavajue (ogranienjima I tipa) i vjetake varijable (ogranienjima II i III tipa)
i time proirili matricu ogranienja sa jedininom matricom ranga m.
Odavde se vidi da e polazna baza biti sastavljena od K izravnavajuih vektora
An+ k , k =1,..., K i od L+R vjetakih vektora A* n+ k +l , l = K +1,..., K + L + R
24
Vukovi ., (1989), str 103.
530
To znai da polazno bazno rjeenje XB ima oblik:

X B = (0
0 d1
d m ) , odnosno bazne varijable imaju vrijednost jednaku vrijednosti ograniavajuih faktora [d s ] .
Uopteno, moemo uzeti da polazno bazino rjeenje ima oblik
X B = xb1
xb2
xbm
i neka su iz skupa {A1 , A2 , , AN } odabrani odgovarajui bazni vektori
B = Ab1 ,
, Av ,
, Abm ,
pri emu nam indexi bi , i = 1,..., m govore o kojim varijablama je konkretno rije, odnosno u pitanju su konkretni indeksi iz skupa {1,2, , N }
Ako u ovoj bazi vektor Av elimo zamijeniti sa nekim nebaznim vektorom Au , dobiemo
novu bazu vektorskog prostora Vm :
B = Ab1 ,
, Au ,
, Abm ,
kojoj odgovara novo bazino mogue rjeenje:
X B = x b 1
xb 2
xb m
Zadatak simplex metode je da odredi pravilo (proceduru) kako se transformiu elementi

modela ako smo napravili prelazak iz baze B u bazu B .
Iz izraza (4.17) vrijedi:
m
A = xb i Abi = xb1 Ab1 +

i =1
+ x v Av +
+ xbm Abm
(4.21.)
Svaki vektor As se moe izraziti kao linearna kombinacija baznih vektora, pa i vektor Au ,
odnosno iz (4.19) slijedi:
m
As = K bi s Abi = K b1s Ab1 +

i =1
Au = K biu Abi = K b1u Ab1 +

i =1
+ K vs Av +
+ K vu Av +
+ K bm s Abm
+ K bmu Abm
(4.22.)
(4.23.)
Ako jednainu (4.23). pomnoimo sa nekim 0 i oduzmemo od jednaine (4.21), dobiemo relaciju:
531
A = xb1 K b1u Ab1 +

m
+ ( xv K vu ) Av +
+ xbm K bmu Abm + Au =
(4.24)
= xb i K biu Abi + Au
i =1
a odavde vidimo da je
X B = xb1 K b1u
x v K vu
x bm K bmu
mogue rjeenje modela.

Zbog uslova nenegativnosti u modelu imamo da xbi K biu 0 (i ) , odakle slijedi da je:
0 <
xbi
za i = 1,..., m
K biu
(4.25)
Poto ovo novo rjeenje mora biti bazino, to jedna pozitivna komponenta vektora XB' treba
da uzme vrijednost 0. Izaberemo takvo da odgovara najmanjem od svih kolinika (4.25),
odnosno neka je
xbi
,
bi K bi u
= min
i = 1, , m ,
(4.26)
i ako je samo jedan ovakav , onda e bazno rjeenje imati m nenegativnih veliina i
N m vrijednosti e biti 0.25
Pretpostavimo da najmanja vrijednost odgovara indeksu v i tada je x v K vu = 0
novo bazno rjeenje:
X B = x b 1
xb 2
xb m
i njegove komponente su oblika:

xb i = xbi
xu =
xv
Kbi u
K vu
bi u
za
(4.27)
xv
K vu
a odavde je xv = 0 .
sa novim sistemom baznih vektora: B = Ab1 ,

25
, Au ,
, Abm
U sluaju da imamo vie istih minimalnih , onda bi se pojavio degenarisani problem LP-a i postoji opasnost da simpleks algoritam ne pronae optimalno rjeenje u konanom broju koraka.
532
Odredimo sada komponente vektora As u novoj bazi. Iz (4.23) izraavamo vektor Av :

Av =
Kb u
Kb u
1
Au 1 Ab1 m Abm
K vu
K vu
K vu
i uvrtavamo ga u (4.22) pa nakon sreivanja dobijamo:
Kb u
K
As = K b1s 1 K vs Ab1 + + vs Au +
K vu
K vu
Kb u
K
= K bi s i K vs Abi + vs Au
K vu
K vu
bi u
Kb u
+ K bm s K bm s m K vs Abm
K vu
odnosno, koeficijenti vektora As u novoj bazi B se izraavaju sljedeim relacijama:
= K bs
K bs
=
K bu
K bu
K vs
K vu
za
bu
(4.28)
K vs
K vu
Element K vu se naziva bazni element i primijetimo da iz relacije (4.28). vrijedi da bazni

element K vu u novoj bazi B ima vrijednost 1.
Pogledajmo sada kako se mijenja funkcija cilja sa promjenom baze. Koristit emo izraze
(4.18) i (4.20), odnosno:
f = cb1 xb1 + cb2 xb2 + + c v xv +
+ cbm xbm = cbi xbi
f s = cb1 K b1s + cb2 K b2 s + + c v K vs +
(4.29)
i =1
+ cbm K bm s = cbi K bi s
(4.30)
i =1
gdje smo uzeli da je bi = v za neko i .

Iz (4.30) imamo da je:
f u = cb1 K b1u + cb2 K b2u + + c v K vu +
+ cbm K bmu = cbi K biu
(4.31)
i =1
U novoj bazi B je bazni vektor Av zamijenjen sa nebaznim vektorom Au , odnosno iz

{
}
skupa baznih indeksa b1 , b2 , , bm je izbaen indeks v , a uvrten je indeks u . U zapisu
533
formula oznaka bi (i = 1, , m ) se odnosi na sve polazne bazne indekse, dok se oznaka

bi u odnosi na sve bazne bez dodatog indeksa u .26 Vrijednost funkcije cilja u novoj bazi
je data sa
f = cb i xb i =
bi
cb (xb
bi u
K biu + cu
(4.32)
i u novoj bazi nema vektora Av . S obzirom da je izabran tako da vrijedi:
xv K vu = 0 , odavde je i
c v ( x v K vu ) = 0 cv x v c v K vu = 0
(4.33)
Transformacijom izraza (4.32) i uvrtavanjem (4.33) dobijamo:

f =
cb (xb
bi u
K biu + cu =
cb
bi u
xbi
cb
bi u
K biu + cu + cv xv cv K vu =
m
m
c
x
c
K
f
c
cbi K biu = f + (cu f u )
=
+
bi bi
bi biu
u
u
i =1
i =1
i =1
Odnosno, veza izmeu vrijednosti funkcije cilja u novoj i staroj bazi je data sa:
f = f + (cu fu )
(4.34)
Iz izraza (4.34). imamo da, zbog > 0 , vrijednost (cu f u ) pokazuje smjer promjene funkcije cilja, dok izraz (cu f u ) pokazuje njen intenzitet. Dakle, ako je (cu f u ) > 0 ,
vrijednost funkcije cilja e biti vea u novoj bazi nego u staroj i to za (cu f u ) > 0 ,
odnosno bie manja za (cu f u ) ako je (cu f u ) > 0 .
Izraz (4.34) nam omoguava odreivanje kriterija za ulazak novog vektora u bazu:
Ako je cilj max f, a postoji neki nebazni vektor As kod kog je (c s f s ) > 0 , onda e se
vrijednost funkcije cilja poveati za (c s f s ) > 0 , pa su samim tim svi As sa ovom
xb
osobinom korisni vektori za ulazak u bazu, gdje je = min i ,
bi K bi s
26
Ne mora se naglasiti bi v jer je zbog (4.33) ovo svakako 0).
534
i = 1, , m .
Ako je cilj min f, a postoji neki nebazni vektor As kod kog je (c s f s ) < 0 , onda e se
vrijednost funkcije cilja smanjiti za (c s f s ) > 0 , pa su samim tim svi As sa ovom
xb
osobinom korisni vektori za ulazak u bazu, gdje je = min i ,
bi K bi s
i = 1, , m .
Najkorisniji je onaj vektor koji e najvie popraviti funkciju cilja, odnosno od svih korisnih
As traimo onaj sa najveim (c s f s ) .
Opiimo sada algoritam simplex metode:
1) Odredimo bazu B vektorskog prostora Vm.
2) Izraunamo vrijednosti baznih varijabli, odnosno odredimo bazni vektor X B :
Iz izraza (4.17) imamo A = xb Ab = X B B , odnosno X B = B 1 A
b
3) Izraunamo vrijednost nebaznih vektora As u datoj bazi B , odnosno transformaciju

kolone b polazne matrice ogranienja [ais ] u bazi B .
Iz izraza (4.19) imamo As = K bs Ab = B [K bs ]m1 , odnosno [K bs ] = B 1 As
b
4) Izraunamo vrijednost funkcije cilja i vrijednost vektora As u trenutnoj bazi

N
f = cb xb = c s x s f s = cb K bs
b
s =1
5) Za sve nebazne As odredimo vrijednosti (c s f s )

6) Ako je cilj max f i
Postoji neko s sa osobinom (c s f s ) > 0 za neko s (koristan vektor), odredi x
mo s = min b , a onda biramo da u bazu ulazi onaj koristan vektor Au
b K bs
koji ima najveu vrijednost s (c s f s )
f s ) 0 (s ) dobili smo optimalno rjeenje i optimalna vrijednost programa je X B u trenutnoj bazi. Algoritam se zaustavlja i dobijamo optimalno
rjeenje.
7) Ako je cilj min f i
(c s
535
Postoji neko s sa osobinom
(c s
f s ) < 0 (koristan vektor), odredimo
xb
, a onda biramo da u bazu ulazi onaj koristan vektor Au koji
b K bs
s = min
ima najveu vrijednost s (c s f s )
f s ) 0 (s ) dobili smo optimalno rjeenje i optimalna vrijednost programa je X B u trenutnoj bazi. Algoritam se zaustavlja i dobijamo optimalno
rjeenje.
8) Na osnovu u izaberemo vektor Av koji izlazi iz baze i formiramo novu bazu.
(c s
x
Av je onaj bazni vektor koji ima osobinu da je u = min b ,
b K bu
9) U novoj bazi raunamo vrijednosti baznih varijabli kao:
xb = xb
xu =
xv
K bu za
K vu
bu
xv
K vu
i komponente vektora As kao:
= K bs
K bs
K bu
K vs
K vu
za
bu
K vs
K vu
10) Vraamo se na korak 4.
=
K bu
Simplex tabela
Algoritam simplex metode se moe pojednostaviti upotrebom simplex tabele. Tabela omoguava jednostavniji prikaz toka rjeavanja modela i jednostavniji raun.
Vrijednosti pojedinih koeficijenata koje smo raunali u simplex algoritmu su smjeteni u
tabelu i svaka iteracija, odnosno prelazak na novu bazu se prikazuje novom tabelom. Opti
oblik simplex tabele je dat u sljedeoj tabeli.
536
Tabela 1. Opti oblik simplex tabele
Cb
Ab
Xb
Cs
As
Kbs
(Cs-fs)
pri emu se pojedini elementi u tabeli raunaju po formulama (4.17) (4.20).

Prva simplex tabela se sastavlja na osnovu standardnog polaznog modela linearnog programiranja.
n
(1) Max. f = C p x p + 0 xn + k + 0 xn + l + M x*n + l + M xn + r

Min.
(2)
(3)
p =1
n
akp x p
p =1
+ xn + k
alp x p
p =1
= dk ,
xn + l
+ x*n + l
arp x p
p =1
x p 0 ; x n + k 0 ; x n + l 0 , xn + r = 0 ; x * n + l = 0 ,
(k )
= dl ,
(l )
+ xn + r = d r ,
(r )
(p, k , l, r )
Vektora As imamo onoliko koliko imamo polaznih, izravnavajuih i vjetakih varijabli.

Kbs su elementi proirene matrice [ais ] , odnosno elementi koji se nalaze uz odgovarajue
varijable.
Bazne vektore Ab ine sljedei vektori:
537
Ak , k = 1, K (koji odgovaraju izravnavajuim varijablama), A*l , l = K + 1, K + L (koji
odgovaraju vjetakim varijablama II tipa) i A* r , r = K + L + 1, K + L + R (koji odgovaraju vjetakim varijablama III tipa).
Komponente baznog mogueg rjeenja xb su elementi ogranienja A, odnosno u kolonu Xb
d1
upisujemo vrijednosti: .
d m
Ostale elemente u tabeli raunamo iz formula (4.17) (4.20).
Sada iz algoritma trebamo:
Odrediti korisne vektore (po kriteriju);
Izabrati vektor koji ulazi u bazu i vektor koji naputa bazu;
Napraviti novu simplex tabelu pomou formula:
xb = xb
xu =
xv
K bu za
K vu
bu
xv
K vu
= K bs
K bs
=
K bu
K bu
K vs
K vu
za
bu
K vs
K vu
i formula (4.17) (4.20).

Istaknimo:
Kriterij ulaska vektora u bazu:
Korisne vektore odreujemo na osnovu pravila
Cilj max. f :
(c j f j' ) > 0
jer e tada biti f '' > f ' ako je X 'j' > 0
Cilj min. f :
(c j f j' ) > 0
jer e tada biti f '' < f ' ako je X 'j' > 0
Za svaki korisni vektor As:

538
Treba izraunati m kolinika
xbi
K bi s
za i = 1,..., m
Vrijednost j ne smije biti vea ni od jednog navedenog kolinika, a mora biti jednaka
bar jednom (za b = v) od tih kolinika i mora biti pozitivna. To e biti ako je ispunjen
uslov:
xbi
,
K bi s
= min
bi
i = 1, , m
za svaki koristan vektor As
Kriterij izlaska vektora iz baze:

Odreivanje najkorisnijeg para vektora zamjene (Av, Au):
Za sve korisne vektore za ulazak u bazu Au treba izraunati prirataj funkcije cilja:
f vs = ( f f ) = s (C s f s )
i prednost dati onom vektoru kod kojeg je apsolutna vrijednost prirataja najvea.
Kod max. f u bazu ulazi vektor kod kojeg je vrijednost j (C j f j' ) maksimalno pozitivna.
Kod min. f u bazu ulazi vektor kod kojeg je vrijednost j (C j f j' ) maksimalno negativna.
Optimalno rjeenje je dobijeno ako u simplex tabeli :
vrijednosti svake od N varijabli Xs zadovoljavaju uslove nenegativnosti;
vrijednost funkcije cilja je konana i ako su:
Kod cilja max.f sve razlike (C s f s' ) < 0 ;
Kod cilja min.f sve razlike (C s f s' ) > 0 .
Primjer 4.12.
Rijeiti problem LP iz primjera 4.3. simplex metodom.

Rjeenje:
Zadatak je bio da se odredi broj jedinica dobra A i broj jedinica dobra B koje treba
proizvoditi sa ciljem maksimizacije mjesene dobiti. Spomenuti problem LP-a ima
dvije nepoznate i mi smo ga rjeavali grafikom metodom. Da bi se na polazni model
LP-a mogao primijeniti simplex algoritam, potrebno je prethodno napraviti standardni
539
model datog problema. Kako su i model i standardizacija ranije detaljno objanjeni27,

sada emo samo napisati navedene modele:
Polazni model:
(1)
max f = 140 x1 + 80 x2
(2)
3 x1 + 2 x2 24 000 (m.s.)
2,5 x1 + 5 x2 35 000 (r.s.)
(3)
6 000 kom A
x1
x2
5 000 kom B
x1 , x2 0
Standardni model:
max f = 140 x1 + 80 x2 + 0 x3 + 0 x4 + 0 x5 + 0 x6
3 x1 + 2 x2 + 1x3 + 0 x4 + 0 x5 + 0 x6 = 24 000
2,5 x1 + 5 x2 + 0 x3 + 1x4 + 0 x5 + 0 x6 = 35 000
1x1 + 0 x2 + 0 x3 + 0 x4 + 1x5 + 0 x6 = 6 000

0 x1 + 1x2 + 0 x3 + 0 x4 + 0 x5 + 1x6 = 5 000
x1 , x2 , x3 , x4 , x5 , x6 0
Simplex tabela omoguava prikaz svih vektora As (sastavljanih od koeficijenata uz
nepoznatu Xs) i vektora ogranienja A0 (sastavljnog od vrijednosti ogranienja u svakoj jednaini) izraenih u odabranoj bazi u m dimenzionalnom vektorskom
prostoru.
U naem sluaju mi emo prikazati vektore A1, A2, A3, A4, A5, A6 i vektor A0 u etverodimenzionalnom prostoru. Napomenimo da svaki vektor koji bude odabran za bazni
u ovom prostoru mora imati jedan od sljedeih oblika:
1
0
e1 = ;
0

0
27
0
1
e 2 = ;
0

0
Primjer 4.3. i Primjer 4.4.
540
0
0
e3 = ;
1

0
0
0
e 4 = ;
0

1
Polazna simplex tabela ima sljedei oblik:
C0
Koeficijenti u
funkciji
cilja uz
bazne
varijable
A0
Koeficijenti u funkciji cilja uz varijable xs
A1
Vrijednost Vrijedogranie- nost

Bazne
varijable nja u datoj vektora
A1 u
bazi
(Ab)
datoj bazi
(xb)
A2
A3
Vrijednost
vektora ...
A2 u
datoj bazi
A4
...
A5
A6
Vrijednost
vektora
A6 u
datoj bazi
...
Vrijednost
funkcije (Cs fs) Doprinos vektora As promjeni vrijednosti funkcije
cilja u
cilja izraen u datoj bazi B
datoj bazi
odnosno popunjena tabela ima sljedei oblik:

Tabela 4.12.a. Polazna simplex tabela
C0
A0
0
0
0
0
A3
A4
A5
A6
24000
35000
6000
5000
140
A1
3
2,5
1
0
80
A2
2
5
0
1
0
A3
1
0
0
0
0
A4
0
1
0
0
0
A5
0
0
1
0
0
A6
0
0
0
1
Posljednji red u simplex tabeli se sastoji od vrijednosti funkcije cilja u datoj bazi
(zapisuje se u koloni A0) i doprinosa koji svaki vektor daje promjeni funkcije cilja
(zapisuje se u kolonama As i oznaava se sa cs fs).
Vrijednost funkcije cilja u datoj bazi se odreuje iz formule f = cb xb , odnosno

f = 0 24000 + 0 35000 + 0 6000 + 0 5000 = 0
Doprinos vektora As promjeni funkcije cilja se odreuje iz c s f s = c s cb K bs

b
gdje je Kbs komponenta b vektora As, odnosno
541
c1 f1 = 140 (0 3 + 0 2,5 + 0 1 + 0 0) = 140

c2 f 2 = 80 (0 2 + 0 5 + 0 0 + 0 0) = 80
c3 f 3 = 0 (0 1 + 0 0 + 0 0 + 0 0 ) = 0
c4 f 4 = 0 (0 0 + 0 1 + 0 0 + 0 0) = 0
c5 f 5 = 0 (0 0 + 0 0 + 0 1 + 0 0) = 0
c6 f 6 = 0 (0 0 + 0 0 + 0 0 + 0 1) = 0
Uvrtavanjem ovih vrijednosti u tabelu (4.11a) dobiemo popunjenu prvu simplex tabelu.
Tabela 4.12.b. Prva simplex tabela problema LP 4.11
C0
A0
0
0
0
0
A3
A4
A5
A6
24000
35000
6000
5000
0
140
A1
3
2,5
1
0
140
80
A2
2
5
0
1
80
0
A3
1
0
0
0
0
0
A4
0
1
0
0
0
0
A5
0
0
1
0
0
0
A6
0
0
0
1
0
Dalje emo koristiti osobinu da je kod baznih vektora vrijednost (Cs fs) uvijek jednaka nuli28.
Iz prve tabele vidimo da bi vrijednost funkcije cilja u trenutnoj bazi (A3, A4, A5, A6)
bila 0. U posljednjem redu prve simplex tabele gledamo koliki doprinos funkciji cilja
daje svaki nebazni vektor. Ukoliko je doprinos cs fs pozitivan, kod cilja maximum,
kaemo da je vektor As koristan i analogno, kod cilja minimum korisni su oni vektori koji imaju negativne doprinose cs fs.
U naem primjeru korisni vektori su A1 i A2. Podatak (c1 f1) = 140 govori da bi ulaskom vektora A1 u bazu sa vrijednou X1 = 1, funkcija cilja se poveala za 140
KM, dok podatak (c2 f2) = 80 govori da bi ulaskom vektora A2 u bazu sa vrijednu X2 = 1, funkcija cilja se poveala za 80 KM.
28
Dokaz je vrlo lagan, potrebno je samo u c s f s = c s

nicu da je
542
c b K bb
b
= c b jer je K =1.
bb
c b K bs uvrstiti da je s = b i iskoristiti inje-
Odreivanje vektora koji e napustiti bazu i vektora koji ulazi u bazu
Za formiranje naredne simplex tabele trebamo izabrati koji od korisnih vektora ubaciti u bazu i koji bazni izbaciti. Za odreivanje najboljeg para (ulazni, izlazni)
vektora, kriterij je najvei popravak funkcije cilja uz osiguravanje nenegativnosti
baznih (svih) varijabli.
Maksimalnu vrijednost koju nebazna varijabla Xs moe imati pri ulasku u bazu oznaiemo sa s i raunamo je kao s = Min(Kbs/Xb) za sve b iz B.
U naem primjeru imamo:
1 = Min (24000/3; 35000/2.5; 6000/1; -)29 = Min (8000; 14000; 6000; -) = 6000.
Veliina 6000 odgovara treem elementu u koloni, to znai da je trei element u trenutnoj bazi kandidat za izlazak.
2 = Min (24000/2; 35000/5; -; 5000/1) = Min (12000; 7000; -; 5000) = 5000.
Veliina 5000 odgovara etvrtom elementu u koloni, to znai da je etvrti element u
trenutnoj bazi kandidat za izlazak.
Vrijednost 1 daje informaciju da je najvea vrijednost koju vektor A1 moe poprimiti
pri ulasku u bazu jednaka X1 = 1 = 6000 i da e se u tom sluaju funkcija cilja poveati za:
1 (c1 f1) = 6000 140 = 840 000 KM
pri ulasku u bazu jednaka X2 = 2 = 5000 i da e se u tom sluaju funkcija cilja poveati za:
2 (c2 f2) = 5000 80 = 400 000 KM
Iz ovih razmatranja zakljuujemo da je bolje u bazu ukljuiti vektor A1 i da u tom
sluaju iz baze izlazi vektor A5.
Druga simplex tabela se dobije transformacijom prve tabele tako to se u bazu ubaci
najkorisniji vektor, a iz baze izbaci vektor koji smo odredili preko .
Transformacija prve (prethodne) simplex tabele je ekvivalentna Gausovoj metodi

transformacije nad redovima matrice. Cilj transformacije je obezbijediti da novi bazni
vektor (vektor koji ulazi u bazu) ima bazne koordinate.
U naem sluaju transformacije se moraju izvriti sa ciljem da vektor A1 poprimi oblik:
29
Dijeljenje sa 0 nije mogue, a sa negativnim vrijednostima nije dozvoljeno jer se gubi nenegativnost varijabli.
543
0
0
A1 = ;
1

0
Tabelarna interpretacija elementarnih transformacija nad matricom u prethodnoj

simplex tabeli se moe iskazati na sljedei nain:
I
Red koji odgovara izlaznom vektoru (bazni red) podijelimo sa elementom (bazni
element) koji se nalazi na presjeku baznog reda i kolone koja odgovara ulaznom
vektoru (bazna kolona) (Tabela 4.11c).
U naem sluaju, bazni element je 1 i bazni red se prepie.
II
Bazna kolona je bazni vektor, to znai da su joj svi elementi jednaki 0, osim
baznog koji mora biti 1.
III
Sve ostale elemente u matrici emo dobiti krunom transformacijom:
K us
K bv , gdje je Kbs bazni element a Kus element u baznoj koloni i Kbv
K bs
element u baznom redu.
= K uv
K uv
Konkretno, vrijednosti pojedinih elemenata u tabeli su:

3
X 3 = 24000 1 6000 = 6000
2,5
6000 = 20000
Kolona A0: X 4 = 35000
1
X 6 = 5000 1 6000 = 5000
Tabela 4.12b'. Prva simpex tabela problema LP 4.1.1 sa oznaenim baznim redom, kolonom i elementom
544
C0
A0
0
0
0
0
A3
A4
A5
A6
24000
35000
6000
5000
0
140
A1
3
2,5
1
0
140
80
A2
2
5
0
1
80
0
A3
1
0
0
0
0
0
A4
0
1
0
0
0
0
A5
0
0
1
0
0
0
A6
0
0
0
1
0
K 12
K
Kolona A2: 22
K 32
K
42
0
= 2 3 = 2
1
0
= 5 2,5 = 5
Kolona A5:
1
= K 32 = 0
0
= 1 0 = 1
1
K 15
K
25
K 35
K
45
1
= 0 3 = 3
1
1
= 0 2,5 = 2,5
1
= K 35 = 1
0
= 0 1 = 0
1
Kolone (vektori) A3, A4, A1 i A6 su bazne i one imaju oblik (respektivno):

1
0
A3 = ;
0

0
0
1
A4 = ;
0

0
0
0
A1 = ;
1

0
0
0
A6 = ;
0

1
Ove transformacije moemo zapisati u drugu simplex tabelu 4.2. 1. c u kojoj ostaje
jo da se izrauna posljedni red.
Tabela 4.12.c. Druga simplex tabela problema LP 4.11
C0
0
0
140
0
A3
A4
A1
A6
A0
6000
20000
6000
5000
140
A1
0
0
1
0
80
A2
2
5
0
1
0
A3
1
0
0
0
0
A4
0
1
0
0
0
A5
-3
-2,5
1
0
0
A6
0
0
0
1
Vrijednost funkcije cilja u datoj bazi

f = 0 6000 + 0 20000 + 140 6000 + 0 5000 = 840000
Doprinos vektora As promjeni funkcije cilja tj. c s f s :
( bazni )
c2 f 2 = 80 ( 0 2 + 0 5 + 140 0 + 0 1) = 80
c3 f 3 = 0 ( bazni )
c1 f1 = 0
545
( bazni )
c5 f5 = 0 ( 0 ( 3) + 0 ( 2,5 ) + 140 1 + 0 0 ) = 140
c6 f 6 = 0 ( bazni )
c4 f 4 = 0
Kompletirajmo drugu simplex tabelu i, na osnovu vrijednosti c s f s , vidimo da je

koristan samo jedan vektor i to A2 ( c 2 f 2 > 0 ).
Odreivanjem odgovarajuih vrijednosti , dobiemo
2 = Min {6000/2; 20000/5; -; 5000/1} = Min {3000; 4000; -; 5000} = 3000, pa je
vektor A3, vektor koji izlazi iz baze.
Odavde vidimo da je I red bazni (odreuje ga izlazni vektor A3), a II kolona bazna
(odreena sa ulaznim vektorom A2). Bazni element je 2 (presjek I reda i II kolone)
Tabela 4.12.c'. Druga simplex tabela problema LP 4.11
C0
A0
0
0
140
0
A3
A4
A1
A6
6000
20000
6000
5000
840000
140
A1
0
0
1
0
0
80
A2
2
5
0
1
80
0
A3
1
0
0
0
0
0
A4
0
1
0
0
0
0
A5
-3
-2,5
1
0
-140
0
A6
0
0
0
1
0
Postupak transformisanja simplex tabele nastavljamo sve dok se ne dobije tabela u

kojoj nema vie korisnih vektora.
U treoj tabeli podijelimo bazni red sa 2.
Kolone koje odgovaraju bazi popunimo odgovarajuim jedininim vektorima:
1
0
A2 = ;
0

0
0
1
A4 = ;
0

0
0
0
A1 = ;
1

0
0

0
A6 =
;
0

1
= K uv

Sa preostalim elementima radimo krunu transformaciju: K uv
546
K us
K bv
K bs
X 2 = 3000 (bazni red )
X 4 = 20000 6000 5 = 5000

2
Kolona A0:
6000
X 1 = 6000 2 0 = 6000
X = 5000 6000 1 = 2000

6
2
K 13
K
Kolona A3: 23
K
33
K 43
K 13
1
= (bazni red )
2
2
5
5
= 0 1 =
Kolona A5:
2
2
0
= 0 1 = 0
2
1
1
= 0 1 =
2
2
K 15
K
25
K
35
K 45
K 15
3
= (bazni red
2
2
5
= 2 ,5 ( 3 ) = 5
2
0
= 1 ( 3 ) = 1
2
3
1
= 0 ( 3 ) =
2
2
Odredimo i posljednji red tabele:

Vrijednost funkcije cilja u datoj bazi
f = 80 3000 + 0 5000 + 140 6000 + 0 2000 = 1 080 000
Doprinos vektora A3 i A5 promjeni funkcije cilja:
1
5
1
c3 f 3 = 0 80 + 0 + 140 0 + 0 = 40
2
2
2
3
3
c5 f 5 = 0 80 + 0 5 + 140 1 + 0 = 20
2
2
Odavde vidimo da nemamo vie korisnih vektora i da smo dobili posljednju, optimalnu simplex tabelu.
Tabela 4.12.d. Trea i zavrna simpleks tabela problema LP 4.11
C0
A0
80
0
140
0
A2
A4
A1
A6
3000
5000
6000
2000
1080000
140
A1
0
0
1
0
0
80
A2
1
0
0
0
0
0
A3
1/2
-5/2
0
-1/2
-40
0
A4
0
1
0
0
0
0
A5
-3/2
5
1
3/2
-20
0
A6
0
0
0
1
0
547
Optimalne vrijednosti funkcije cilja primala i duala su iste (ako optimum postoji) i iznose:
f = g = 1 080 000 KM
Optimalne vrijednosti primalnih varijabli itamo iz kolone A0, odnosno:
x1 = 6000 ; x 2 = 3000 ; x 3 = 0 ; x 4 = 5000 ; x 5 = 0 ; x 6 = 2000 ;
Optimalne vrijednosti dualnih varijabli itamo iz posljednjeg reda u optimalnoj
simplex tabeli, i odavde je:
y1 = 0 ; y 2 = 0 ; y 3 = 40 ; y 4 = 0 ; y 5 = 20 ; y 6 = 0 ;
30
Primjer 4.13.
Preduzee proizvodi tri proizvoda A, B, C koji se obrauju u dva pogona. Tehnikotehnoloki uslovi proizvodnje su dati u tablici:
Proizvodni pogoni
P1
P2
Sati potrebni za izradu jedinice

A
B
C
6
5
2
4
5
6
Raspoloivi
fond sati
6000
9000
Po jedinici dobra A, B i C ostvaruju se dobiti od 20, 25 i 12 KM

a) Odrediti optimalan program proizvodnje kojom se ostvaruje maksimalna dobit.
b) Formirati dualni model i rijeiti ga.
Rjeenje:
a)
x1 broj jedinica dobra A

x 2 broj jedinica dobra B
x 3 broj jedinica dobra C
Model koji odgovara ovom problemu je:

max f = 20 x 1 + 25 x 2 + 12 x 3
6 x 1 + 5 x 2 + 2 x 3 6000
4 x 1 + 5 x 2 + 6 x 3 9000
x 1 0; x 2 0; x 3 0
30
Znak dualne promjenljive zavisi od ogranienja za koje je vezana dualna varijabla, s tim da su sve izravnavajue dualne varijable nenegativne.
548
Standardizacijom polaznog modela dobijamo sljedeu tabelu:

max f = 20 x 1 + 25 x 2 + 12 x 3 + 0x4 + 0x5
6 x 1 + 5 x 2 + 2 x 3 + x4 = 6000
4 x 1 + 5 x 2 + 6 x 3 + x5 = 9000
x 1 0; x 2 0; x 3 0; x4 0; x 5 0
Zadatak emo rijeiti pomou simplex algoritma. Iz standardizovanog modela formiraemo prvu simplex tabelu:
C0
A0
0
0
A4
A3
6000
9000
0
20
A1
6
4
20
25
A2
5
5
25
12
A3
2
6
12
0
A4
1
0
0
0
A5
0
1
0
Ponovo je cilj maximum, pa su korisni vektori A1, A2 i A3. Za svaki od njih treba odrediti odgovarajue :
1 = Min{6000/6; 9000/4} = 1000
2 = Min{6000/5; 9000/5} = 1200
3 = Min{6000/2; 9000/6} = 1500
pri ulasku u bazu jednaka x1 = 1 = 1000 i da e se u tom sluaju funkcija cilja poveati za:
1 (c1 f1) = 1000 20 = 20 000 KM
2 (c2 f2) = 1200 25 = 30 000 KM
3 (c3 f3) = 1500 12 = 18 000 KM
Iz ovih razmatranja zakljuujemo da je najbolje u bazu ukljuiti vektor A2 i da u tom
sluaju iz baze izlazi vektor A4.
549
Bazni element iznosi Kbs' = 5 i bazni red je prvi red, to znai da bazni red dijelimo sa
1
5. Bazna kolona je druga kolona, pa su njene koordinate .
0
Ranije opisanim krunim transformacijama dobiemo narednu simplex tabelu:
C0
A0
25
0
A2
A5
1200
3000
30000
Cs fs
20
A1
6/5
-2
-10
25
A2
1
0
0
12
A3
2/5
4
2
0
A4
1/5
-1
-5
0
A5
0
1
0
Iz tabele vidimo da je koristan samo jedan vektor, i to vektor A3, i odgovarajue 3 iz1200 3000
nosi 3 = Min
;
= 750 , to znai da u bazu ulazi vektor A3, a iz baze
4
25
izlazi vektor A5 i ukupna vrijednost funkcije cilja e se poveati za
3 (c3 f 3 ) = 750 2 = 1500 .
Bazni element iznosi Kbs'' = 4 i bazni red je drugi red, to znai da bazni red dijelimo
0
sa 4. Bazna kolona je trea kolona, pa su njene koordinate .
1
Ponavljamo opisane korake iteracije i dobijemo treu simplex tabelu, u kojoj nemamo
pozitivnih vrijednosti c s f s pa to znai da nemamo vie korisnih vektora, odnosno
dobili smo optimalnu simplex tabelu.
C0
A0
25
12
A2
A3
900
750
31500
Cj-fj
20
A1
8/5
-1/2
-14
25
A2
1
0
0
12
A3
0
1
0
0
A4
3/10
-1/4
-4,5
Optimalne vrijednosti funkcija cilja duala i primala proitamo iz tabele:

Primal:
x1 = 0
x 2 = 900
x 3 = 750
550
x 4 = 0
x5 = 0
f = 3150
0
A5
-1/10
1/4
-0,5
Optimalno bi bilo proizvoditi 900 jedinica proizvoda B i 750 jedinica proizvoda C, i

tada bi maksimalna dobit iznosila 3150 KM. Kako su izravnavajue varijable jednake
nuli, zakljuujemo da su kapaciteti potpuno iskoriteni.
min g = 6000 y 4 + 9000 y5
6 y 4 + 4 y5 20
Dual:
5 y 4 + 5 y5 25
2 y 4 + 6 y5 12
y 4 ; y5 0
y1 = 14
y 2 = 0
y 3 = 0
y 4 = 4,5
y 5 = 0,5
g = 3150
Primjer 4.14.
Preduzee proizvodi dva tipa proizvoda A i B. Troak za izradu jedinice proizvoda A

je 24 nj, a proizvoda B je 25 nj. Da bi se izradila 1 jedinica proizvoda A potrebno je 1
sat rada maine i 4 sata rada radnika, dok je za izradu jedinice proizvoda B potrebno 5
sati rada maine i 1 sat rada radnika. Dnevno se maksimalno moe koristiti 10 sati rada maine, a minimalno 12 sati rada radnika.
Treba odrediti onu kombinaciju dnevne proizvodnje da se pri datim uslovima minimiziraju trokovi proizvodnje.
a) Formirati model datog problema;
b) Simplex metodom pronai optimalno rjeenje datog problema;
c) Formirati odgovarajui dualni model, odrediti optimalne vrijednosti dualnih
promjenljivih i objasni znaenje dualne promjenljive y4.
Rjeenje:
a)
x1 broj jedinica A
x2 broj jedinica B
min f = 24x1 + 25x2

x1 + 5x2 10
4x1 + x2 12
x1 0; x2 0
551
b) Standardizacija
min f = 24x1 + 25x2 + 0 x 3 + 0 x 4 + M x *4

x1+ 5 x2+ x3
= 10
4 x 1 + x 2 - x 4 + x *4 = 12
x 1 0; x 2 0; x 3 0; x 4 0; x *4 = 0
Prva simplex tabela:
C0
A0
0
M
A3
A*4
10
12
12M
Cs-fs
24
A1
1
4
24 - 4M
25
A2
5
1
25 - M
0
A3
1
0
0
0
A4
0
-1
M
M
A*4
0
1
0
U ovoj simplex tabeli se pojavio parametar M. Za njega smo rekli da predstavlja jako
veliki pozitivan broj, pa emo ga i u svim algebarskim izrazima u kojima se pojavljuje tako i tretirati.
U problemu 4.13. cilj je minimum, te se za korisne vektore uzimaju negativne vrijednosti cs fs, pa imamo:
Korisni vektori za ulazak u bazu su A1 i A2. Odgovarajue 1 = Min{10/1; 12/4} = 3,
odnosno 2 = Min{10/5; 12/1} = 2.
Ulaskom vektora A1 u bazu, iz baze bi izaao vektor A4* i funkcija cilja bi se promijenila za
1 (c1 f1) = 3 (24 4M) = 72 12M.
Ulaskom vektora A2 u bazu, iz baze bi izaao vektor A3 i funkcija cilja bi se promijenila za
2 (c2 f2) = 2 (25 M) = 50 2M
Korisniji nam je onaj vektor kod koga je negativnije (c s f s ) , a u naem sluaju

to je vektor A1, pa bi naredni korak u iteraciji simplex tabele imali kad u bazu ue
vektor A1, a iz baze izae vektor A4*.
Druga simplex tabela:
C0
A0
0
24
A3
A1
7
3
72
Cs-fs
552
24
A1
0
1
0
25
A2
19/4
1/4
19
0
A3
1
0
0
0
A4
1/4
-1/4
6
M
A*4
-1/4
1/4
M-6
Nemamo vie korisnih vektora, pa je ova tabela istovremeno i optimalna i odgovarajue optimalne vrijednosti polaznog modela su:
f = 72; x1 = 3; x 2 = 0; x 3 = 7; x 4 = 0; x * 4 = 0
Minimalni trokovi proizvodnje iznose 72 KM i ostvaruju se pri proizvodnji 3 jedinice dobra A, dok dobro B ne moramo proizvoditi. Provjerom uslova vidjeemo da su
zadovoljene pretpostavke zadatka.
Izravnavajua varijabla x3 = 7 nam govori da prvo ogranienje nije u potpunosti iskoriteno.
c) Dualni model
max g = 10 y 3 + 12 y 4
y 3 + 4 y 4 24
5 y 3 + y 4 25
y 3 0; y4 0
y1 = 0; y 2 = 19; y 3 = 0; y 4 = 6
g = 72
Na osnovu vrijednosti izravnavajue dualne varijable y 2 = 19 vidimo da je potrebno
trokove po jedinici proizvoda B smanjiti za najmanje 19 KM da bi proizvod B uao
u optimalan plan proizvodnje.
Na osnovu vrijednosti polazne dualne varijable y 4 = 6 vidimo da je drugo ogranienje usko grlo programa (minimalan broj radnih sati radnika dnevno) i da bi se
poveanjem ovog ogranienja za 1 rs, funkcija cilja poveala za 6 KM.
Primjer 4.15.
Fabrika duhana proizvodi tri vrste cigareta: light (L), superlight (SL), ultralight (UL),
koje kao gotovi proizvodi prolaze kroz dva procesa: P1 kontrola i P2 pakiranje.
Tehniko- tehnoloki uslovi ova dva procesa obrade, kao i raspoloivi sedmini fond
sati, dati su u tabeli:
Kutija (20 cigareta)
P1
P2
L
1
3
SL
1
1
UL
5
1
Raspoloivi fond sati

1200 r.s.
900 r.s.
553
Ako je prihod po kutiji (L), (SL), (UL) redom 15 KM, 6 KM i 10 KM treba:

a) Formirati model ako je cilj maksimizirati prihod fabrike.
b) Upotrebom solvera u Excelu odrediti optimalno rjeenje modela.
c) Za koliko e se poveati prihod ako fond sati pakiranja P2 poveamo za 1 rs?
Rjeenje:
a)
x1 broj kutija L
x2 broj kutija SL
x3 broj kutija UL
max f = 15x1 + 6x2 + 10x3

x1 + x2 + 5x3 1200
3x1 + x2 + x3 900
x1 0; x2 0; x3 0
b)
Za rjeavanje zadataka linarnog programiranja putem Excel koristi se opcija Solver.

Ukoliko Solver nije koriten ranije, potrebno
ga je instalirati na sljedei nain:
Na meniju Tools treba izabrati AddIns
Na otvorenom prozoru Add-Ins, selektirati kvadrati do reda gdje pie Solver
Add-in i kliknuti OK.
Pojavie se poruka da Solver Add-in nije
trenutno instaliran na vaem kompjuteru, i
treba izabrati opciju Yes da ga instalirate.
Ponovnim izborom Tools na glavnom meniju

vidjeemo da se u sub-meniju nalazi opcija
Solver.
Kada je Solver instaliran, potrebno je unijeti
sve podatke o konkretnom problemu u Excel
stranicu.
554
Nakon postavljenog modela (to ukljuuje jasno napisane zavisne varijable, funkciju cilja i sva ogranienja), otvorite opciju Solver.
U otvorenom prozoru treba izabrati Options, te u novom prozoru Options selektirati redove Assume linear i Assume nonnegative. Time je zadovoljen uslov
nenegativnosti.
Nakon selektiranja, kliknite OK i automatski se vraate na prozor Solvera.
Na mjestu gdje pie Set

Target Cell, potrebno je oznaiti eliju u kojoj e biti
upisana optimalna vrijednost
funkcije cilja.
Kod opcije Equal To, treba

oznaiti da li je funkcija cilja
minimum, maksimum ili tano odreena vrijednost.
U polju By Changing Cells

treba izabrati elije u radnom
sheetu koje Excel treba mijenjati (po principu simleks tabele), da bi doao do optimalnog rjeenja. U ovim elijama e se nalaziti optimalne vrijednosti polaznih varijabli.
Na mjestu Subject To Constraints se upisuju sva ogranienja na nain da se nova dodaju putem Add, a ve unesena se eventualno mijenjaju putem Change.
Ovdje je vano znati da se vrijednosti koeficijenata u ogranienjima moraju upisati u odgovarajue elije i da se vrijednosti ogranienja moraju nalaziti u
konkretnim elijama.
Ako dodajete novo ogranienje, kada kliknete Add, otvara vam se novi prozor. Na
Cell Reference unosite cell iz modela koji oznaava lijevi dio vaeg ogranienja. Desno od Cell Reference unosite kojeg tipa je ogranienje, s tim da int
znai integer i podrazumijeva da rezultat ogranienja mora biti cijeli broj. Na kraju, Constraint oznaava desni dio vaeg ogranienja. Kada unesete sve potrebne
podatke, kliknite OK i automatski se vraate na prozor Solvera.
Kada ste unijeli sva ogranienja, kliknite Solve i, ukoliko su svi podaci tano
uneseni, Excel e nai optimalno rjeenje problema.
Primijeniemo gore opisani niz koraka na na konkretan problem. Na odabranoj radnoj stranici unijet emo koeficijente u funkciji cilja, koeficijente u ogranienjima i
ogranienja na sljedei nain:
555
Napomenimo da su naslovi dati pojedinim elijama da bi se lake moglo proitati optimalno rjeenje. Prije pristupa rjeavanju zadatka potrebno je koeficijente iz modela
unijeti u odabrane elije u excel sheetu (polja C7:E7, za funkciju cilja i C9:E10, za
ogranienja).
Za optimalne vrijednosti (bazne varijable) u modelu odabrali smo elije
C4:E4.Funkcija SUMPRODUCT, koja se nalazi u elijama F9, F10, mjeri iskoritenost kapaciteta u datoj bazi, dok funkcija SUMPRODUCT, koja se nalazi u eliji F7,
mjeri vrijednost funkcije cilja u datoj bazi (C4: E4).
Pokretanjem opcije Solver, popuniti o Opcijama: Assume linear i Assume nonnegative i u prozoru solvera izabrati eliju u kojoj e biti rezultat (maksimalna
vrijednost funkcije cilja). Kod nas je to elija F7.
556
U polju By Changing Cells

izabrati elije koje Excel treba
mijenjati (baza), a to su u
C4:E4.U ovim elijama e se na
kraju nalaziti optimalne vrijednosti
polaznih
primalnih
varijabli.
Na mjestu Subject To Constraints trebamo odabrati ogranienja. Ovdje se podrazumijeva
vrijednost ogranienja u datoj
bazi (F9 i F10) i njihov odnos
(vee ili manje) prema zadatoj
granici (H9 i H10).
Dodavanje ogranienja se vri
pokretanjem opcije Add.
Nakon unosa svih potrebnih parametara moemo pokrenuto
postupak rjeavanja (opcija Solver). Pojavie nam se prozor sa
upitom o prikazivanju rjeenja i
odgovarajuim izborom (npr.
Keep Solver Solution) dobiemo ispis optimalnog rjeenja. U
ovom prozoru se moe traiti i
izvjetaj o granicama u kojima
se kreu optimalne vrijednosti,
ispunjenje ogranienja ili o vrijednosti
dualnih
varijabli
(senzitivna analiza).
Izgled optimalnog rjeenja je prikazan na narednoj slici i vidimo da je maksimalna
vrijednost prihoda 5700 KM sedmino i da je optimalan plan proizvoditi 825 kutija
superlight i 75 kutija ultralight cigareta sedmino. Po ovom planu ne bismo prizvodili
light cigarete.
Sedmini kapaciteti su u potpunosti iskoriteni.
557
Slika 4.15.a. Optimalno rjeenje problema 4.14
Sensitivity Report za ovaj zadatak je dat u tabeli 4.14b. i u njemu su date optimalne
vrijednosti polaznih dualnih varijabli (kolona Shadow Price) i optimalne vrijednosti
izravnavajuih dualnih varijabli (kolona Reduced Cost).
Kolone Allowable Increase i Allowable Decrease nam pokazuju dozvoljeno poveanje ili smanjenje koeficijenata u funkciji cilja (gornji dio tabele), odnosno ogranienja
(donji dio tabele), a da se optimalno rjeenje ne promijeni.
Tabela 4.15.b. Microsoft Excel 10.0 Sensitivity Report
Adjustable Cells
Cell
$C$4
$D$4
$E$4
Name
vrijednosti varijabli broj
kutija L
kutija SL
kutija UL
Final
Value
Reduced Objective Allowable

Cost
Coefficient Increase
0
-1
15
825
75
10
Allowable
Decrease
1E+30
4 0,285714286
2
Final
Shadow Constraint Allowable
Value
Price
R.H. Side Increase
1200
1
1200
3300
900
5
900
300
Allowable
Decrease
300
660
Constraints
Cell
Name
$F$9 I Iskoritenost kapaciteta
$F$10 II Iskoritenost kapaciteta
558
4.6. Specifini oblici problema linearnog programiranja

4.6.1. Transportni problem
Transport robe od odreenog broja proizvoaa do odreenog broja potroaa izaziva obino velike trokove distribucije i prevoza. Stoga minimizacija ovih trokova predstavlja
jedan od uslova efikasne organizacije i finansijskog uspjeha poslovanja velikog broja preduzea. Ovaj zahtjev, s obzirom na direktni uticaj transportnih trokova na cijenu
proizvoda, predstavlja interes i proizvodnih i prometnih preduzea, kao i krajnjih potroaa.
Problemi poput ovog se veoma efikasno mogu modelirati i rjeavati upotrebom modela
linearnog programiranja Kao osnovni zahtjev optimizacije transporta robe najee se postavlja problem minimizacije ukupnih trokova prevoza i na taj nain funkcija cilja izraavala bi ukupne trokove prevoza robe, dok bi sistem ogranienja izraavao ogranieni iznos
ponude homogene vrste robe razliitih proizvoaa (ponuaa), odnosno iznos tranje pojedinih odredita (potroaa).
Ovaj specifian problem linearnog programiranja, koji u optom sluaju i ne mora biti formulisan iskljuivo kao problem minimizacije, naziva se transportni problem i postoje
razliiti algoritmi prilagoeni za rjeavanje upravo ovakvih problema.
Formulacija modela transporta
Pretpostavimo da postoji konaan broj mjesta ponude (ishodita) koja raspolau sa odreenom homogenom vrstom robe za ije koritenje je izraena tranja u konano mnogo
mjesta tranje (odredita). Transportni problem je dio problema linearnog programiranja
koji rjeava problem prijevoza (transporta) istovrsnog tereta iz vie ishodita
( I i , (i = 1,2, , m ) ) u vie odredita ( O j , ( j = 1, , n ) ), odnosno iz m ishodita u n odredita.
Ishodita imaju fiksnu ponudu ai, (i = 1,2, , m ) , dok odredita imaju fiksnu potranju bj,
( j = 1,2, , n ) .
Oznaimo sa cij troak prijevoza po jedinici tereta od ishodita Ii do odredita Oj i ove veliine su nam unaprijed poznate.
Nepoznate koliine transporta na relaciji i j, odnosno od ishodita i do odredita j oznaimo sa xij.
Zadatak transportnog problema je minimizacija trokova prijevoza na relacijama izmeu
ishodita i odredita, uz uslov da se zadovolje potrebe odredita i u potpunosti iskoriste ponude ishodita.
559
Matematika formulacija funkcije cilja transportnog problema izgleda ovako:
min f = c11 x11 + c12 x12 + + c1n x1n +

+ c 21 x 21 + c 22 x 22 + + c 2 n x 2 n +
(4.35a)
+ c m1 x m1 + c m 2 x m 2 + + c mn x mn
dok se ogranienja u modelu mogu zapisati:
x11 + x12 + . . . +x1n = a1
x21 + x22 + . . . +x2n = a2
.
xm1 + xm2 + . . . +xmn = am
x11 + x21 + . . . +xm1 = b1

x12 + x22 + . . . +xm2 = b2
.
(4.35b)
x1n + x2n + . . . +xmn = bn
i uslovi nenegativnosti: xij 0 (i = 1,2, , m ) , ( j = 1,2, , n )
(4.35c)
Puno jednostavnije je model transporta prikazati u kondenzovanom obliku:

n
min f = cij xij

j =1 i =1
n
xij = ai
j =1
m
xij = b j
i =1
( i = 1, 2,, m )
(4.36)
( j = 1, 2,, n )
xij 0 ( i = 1, 2, , m ) ; ( j = 1, 2, , n )
Istaknimo da, iako je razvoj ovakvih specifinih modela zasnovan na ideji minimizacije
trokova transporta, postoji i niz drugih problema koji se mogu interpretirati kao problemi
transporta, a da im nije cilj minimizacija transpotrnih trokova. Ako bi, naprimjer, vrijednosti cij predstavljale zaradu za jedinicu transporta iz mjesta i do mjesta j, onda bi cilj bio
napraviti takav transport kojim bi se maksimizirala zarada i zadovoljila transportna ogranienja.
Prema tome, opti oblik modela transporta se moe zapisati u obliku:
560
SPECIFINI OBLICI PROBLEMA LINEARNOG PROGRAMIRANJA
n m
min
f = cij xij
max
j =1 i =1
n
xij = ai
j =1
m
xij = b j
i =1
( i = 1, 2,, m )
(4.37)
( j = 1, 2,, n )
xij 0 ( i = 1, 2, , m ) ; ( j = 1, 2, , n ).
Mi emo u nastavku izlaganja pretpostaviti da je cilj u modelu minimalna vrijednost transportnih trokova i, ukoliko bude potrebno, izdvojiti zakljuivanja koja su razliita kod cilja
min f i kod cilja max f .
Transportni problem se moe zapisati u obliku tabele sa m redova (koji predstavljaju ishodita) i n kolona (koji predstavljaju odredita) i u toj tabeli se unose podaci o cijenama
transporta i koliini transporta.
Tabela 2. Tablini izgled transportnog problema
O1
O2
I1
x11
x 12
...
...
I2
x 21
x 22
...
.
.
.
.
.
.
.
.
.
Im
x m1
x m2
.
.
.
...
bj
c11
c21
cm1
b1
c12
ai
x 1n
a1
x 2n
a2
.
.
.
.
.
.
c1n
c22
cm2
b2
On
c2n
x mn
cmn
...
am
bn
U donji desni ugao transportne tabele se upisuju podaci o cijenama transporta (trokovima
transporta po jedinici tereta) na relaciji i j, dok se u gornji lijevi ugao upisuju koliine
transporta.
Openiti primjer transportnog problema mogue je prikazati i pomou mree koja sadri m
ishodita, n odredita te m n veza izmeu pojedinih ishodita i odredita.
561
ISHODITA
ODREDITA
c11, x11
a1
b1
a2
b2
.
.
.
.
.
.
.
.
.
am
.
.
.
bn
Grafikon 13. Grafiki prikaz transportnog problema
Kao to se vidi iz sistema jednaina (4.36), transportni problem je problem linearnog programiranja koji se sastoji od m + n jednaina i od m n varijabli. U nastavku emo navesti,
sa dokazima, teoreme koje daju uslove za rjeavanje problema transporta.
Osnovne teoreme transportnog modela
Teorema 4.6.1.1.
Transportni problem ima rjeenje ako i samo ako je

m
i =1
j =1
ai = b j ,
(4.38)
odnosno, ako je ukupna ponuda jednaka ukupnoj potranji.

Dokaz
Pretpostavimo da je xij 0 ( i = 1, 2,, m ) , ( j = 1, 2,, n ) jedno rjeenje transportnog

problema i pokaimo da tada mora vrijediti uslov (4.37). Ukoliko u ogranienjima u
modelu (4.36) saberemo prvih m jednaina i posljednjih n jednaina imaemo:
m
xij = ai ,
i =1 j =1
odnosno,
562
i =1
(4.39)
xij = b j .
j =1 i =1
(4.40)
j =1
Kako su lijeve strane u izrazima (4.39) i (4.40) jednake, to moraju biti jednake i desne
strane, odnosno mora vrijediti:
( i = 1, 2,, m )
Ovim smo pokazali da je uslov (4.38) potreban da bi model transporta bio rjeiv.
Pokaimo da je ovaj uslov i dovoljan, odnosno da, ako vrijedi (4.38), onda se moe
pronai barem jedno rjeenje transportnog problema (4.36).
Neka je
xij =
ai b j
m
ai
i =1
ai b j
n
bj
, ( i = 1, 2,, m ) , ( j = 1, 2,, n )
(4.41)
j =1
pokazaemo da (4.41) predstavlja mogue rjeenje modela (4.36)

Jasno je, iz nenegativnosti koliina koje su u ishoditima ili u odreditima, da moraju
vrijediti uslovi nenegativnosti, odnosno sigurno vrijedi:
xij 0 ( i = 1, 2, , m ) , ( j = 1, 2, , n )
Uvrtavanjem vrijednosti (4.41) u ogranienja u modelu (4.36) imamo da vrijedi:

m
xij =
i =1
i =1
ai b j
m
ai
i =1
1
m
ai
ai b j =
i =1
i =1
bj
m
ai
ai = b j
i =1
i =1
odnosno,
n
xij =
j =1
j =1
ai b j
n
bj
j =1
1
n
bj
j =1
ai b j =
i =1
ai
n
bj
b j = ai
j =1
j =1
i odavde vidimo da xij definisano kao (4.41) zadovoljava ogranienja u modelu, odnosno vidimo da predstavlja mogue rjeenje problema. Time je teorema dokazana
Vidimo da je ( i = 1, 2,, m ) potreban i dovoljan uslov za postojanje rjeenja transportnog
problema. Transportni problem kod kojeg vrijedi relacija (4.38) se naziva zatvoreni problem transporta.
Model transporta ima m + n jednaina, ali se postavlja pitanje koliko tih jednaina je linearno zavisno, odnosno postavlja se pitanje koliko imamo baznih varijabli. Naredna teorema
nam daje tu informaciju.
563
Teorema 4.6.1.2.
Broj linearno nezavisnih jednaina sistema ogranienja zatvorenog transportnog modela (4.36) je m + n 1.
Dokaz
Da bi dokazali tvrdnju teoreme, potrebno je pokazati da svako rjeenje koje zadovoljava proizvoljnih m + n 1 jednaina u skupu ogranienja modela transporta (4.36),
zadovoljava i ono koje je preostalo.
Bez
ogranienja
optosti,
moemo
pretpostaviti
da
je
xij 0
( i = 1, 2,, m ) , ( j = 1, 2,, n )
takav skup vrijednosti koji zadovoljava sva ogranienja u modelu (4.36), osim prvog.
Trebamo pokazati da on onda mora zadovoljavati i prvo ogranienje, odnosno da vrijedi:
n
x1 j = a1
(4.42)
j =1
Iz pretpostavke o zatvorenosti modela imamo:
( i = 1, 2,, m ) ,
odnosno, izraavanjem a1 :
n
j =1
i =2
a1 = b j ai ,
(4.43)
Iz pretpostavke da su xij 0 ( i = 1, 2,, m ) , ( j = 1, 2,, n ) rjeenja ostalih m + n 1 jednaina u skupu ogranienja imamo da vrijedi:
n
xij = ai
j =1
m
xij = b j
i =1
( i = 2,, m )
( j = 1, 2,, n )
(4.44)
Uvrtavanjem (4.44) u (4.43) dobiemo:

n
m
n m
m n
n m
n m
n
m
m
n
a1 = b j ai = xij xij = xij xij = xij xij = x1 j i time smo
j =1
i =2
j =1 i =1
i = 2 j =1
j =1 i =1
j =1 i = 2
j =1 i =1
i=2
j =1
pokazali da vrijedi (4.42), odnosno dokazali smo teoremu

Navedena teorema je ekvivalentna sa sljedeom teoremom:
564
Teorema 4.6.1.3.
Matrica koeficijenata sistema ogranienja naeg zatvorenog transportnog problema

(4.36) ima rang m + n 1
Vidjeli smo da model transporta ima rjeenja ako je zatvoren, ali ta u sluajevima da model transporta nije zatvoren? Da li to znai da takvi modeli transporta nemaju rjeenje?
Problemi transporta koji ne zadovoljavaju relaciju (4.38) se nazivaju otvoreni problemi
transporta.
Otvoreni transportni problem
Otvoreni transportni problem je transportni problem kod kojeg suma kapaciteta ishodita
nije jednaka sumi kapaciteta odredita.
ai b j
i
Viak koji se javlja mogu je na strani ishodita ili na strani odredita, te se prema tome
moe rei da postoje dvije vrste otvorenog transportnog problema, a to su:
1) otvoreni transportni problem sa vikom u ponudi,
2) otvoreni transportni problem sa vikom u potranji.
Kod otvorenog transportnog problema sa vikom u ponudi, viak se javlja na strani ishodita, odnosno suma kapaciteta ishodita vea je od sume potranje odredita.
ai > b j
i
Model ovog otvorenog transportnog problema je dat sa:

min f = c11 x11 + c12 x12 + + c1n x1n +
+ c 21 x 21 + c 22 x 22 + + c 2 n x 2n +
(4.45a)
+ c m1 x m1 + c m 2 x m 2 + + c mn x mn
Ogranienja za ishodita:
x11 + x12 + . . . + x1n a1
x21 + x22 + . . . + x2n a2
(4.45b)
..........
xm1 + xm2 + . . . + xmn am
565
Ogranienja za odredita:
x11 + x21 + . . . +xm1 = b1
x12 + x22 + . . . +xm2 = b2
. . . . . . . . .
x1n + x2n + . . . +xmn = bn

Uslovi nenegativnosti:
xij 0
(i = 1,2, , m ) , ( j = 1,2, , n )
(4.45c)
Da bi bilo mogue rijeiti ovaj tip otvorenog transportnog problema potrebno je otvoreni
transportni problem pretvoriti u zatvoreni transportni problem. Drugim rijeima, potrebno
je dodati fiktivno odredite (Of) iji je kapacitet (bf) onoliki koliko je vea ponuda od
potranje.
n
b f = ai b j
i
j =1
Jedinini trokovi prijevoza su nula i dobili smo zatvoreni transportni problem. Tabelarni
prikaz bi tada izgledao:
Tabela 3. Otvoreni transportni problem sa vikom u ponudi nakon zatvaranja
O1
I1
x11
x 12
...
...
I2
x 21
x 22
...
x m2
.
.
.
...
.
.
.
Im
bj
c11
c21
.
.
.
x m1
cm1
b1
O2
c12
c22
.
.
.
cm2
b2
On
x 1n
x1,f
x 2n
x2,f
c1n
...
Of
c2n
.
.
.
x mn
cmn
bn
ai
0
0
a2
.
.
.
xm,f
bf
Sada je mogue napisati dopunjeni originalni oblik koji izgleda ovako:
566
a1
am
min f = c11 x11 + c12 x12 + + c1n x1n + 0 x1 f +

+ c 21 x 21 + c 22 x 22 + + c 2n x 2n + 0 x 2 f +
(4.46a)
+ c m1 x m1 + c m 2 x m 2 + + c mn x mn + 0 x mf
x11 + x12 + . . . +x1n + x1f = a1

x21 + x22 + . . . +x2n + x2f = a2
.
x11 + x21 + . . . + xm1 = b1

x12 + x22 + . . . + xm2 = b2
.
xm1 + xm2 + . . . +xmn + xmf = am
.
.
.
.
(4.46b)
x1n + x2n + . . . + xmn = bn

x1f +x2f + . . . + xmf = bf
Uslovi nenegativnosti
xij 0 (i = 1,2, , m ) , ( j = 1,2, , n )
(4.46c)
Otvoreni transportni problem sa vikom u potranji je problem kod kojeg je suma ishodita manja od sume odredita, to znai da je ponuda manja od potranje,
ai < b j .
i
Originalni oblik ove vrste transportnog problema izgleda ovako:

min f = c11 x11 + c12 x12 + + c1n x1n +
+ c 21 x 21 + c 22 x 22 + + c 2 n x 2n +
(4.47a)
+ c m1 x m1 + c m 2 x m 2 + + c mn x mn
x11 + x12 + . . . + x1n = a1
x21 + x22 + . . . + x2n = a2
(4.47b)
..........
xm1 + xm2 + . . . + xmn = am
567
x11 + x21 + . . . +xm1 b1
x12 + x22 + . . . +xm2 b2
. . . . . . . . .
x1n + x2n + . . . +xmn bn

xij 0 ( i = 1, 2, , m ) , ( j = 1, 2, , n )
(4.47c)
Jednako kao i u prethodnom sluaju, kod otvorenog transportnog problema sa vikom u

ponudi, i otvoreni transportni problem sa vikom u potranji potrebno je pretvoriti u zatvoreni transportni problem, a to se postie dodavanjem fiktivnog ishodita (If) iji kapacitet
(af) je onoliki kolika je razlika izmeu ponude i potranje, a jedinini trokovi prijevoza
jednaki su nuli.
m
a f = b j ai
i =1
Tabelarni prikaz transportnog problema ovog tipa izgleda ovako:

Tabela 4. Otvoreni transportni problem sa vikom u potranji nakon zatvaranja
O1
I1
x11
x 12
...
...
I2
x 21
x 22
...
.
.
.
c11
c21
.
.
.
O2
c12
c22
.
.
.
Im
x m1
x m2
If
x f1
x f2
...
bj
0
b1
cm2
0
b2
a1
x 2n
a2
c2n
.
.
.
.
.
.
x mn
am
x fn
af
cmn
...
ai
x 1n
c1n
.
.
.
...
cm1
On
0
bn
Sada, kada su kapaciteti ishodita i odredita izjednaeni, original zatvorenog problema

izgleda ovako:
568
min f = c11 x11 + c12 x12 + + c1n x1n +

+ c 21 x 21 + c 22 x 22 + + c 2 n x 2 n +
(4.48a)
+ c m1 x m1 + c m 2 x m 2 + + c mn x mn +
+0 x f 1 + 0 x f 2 + + 0 x fn
x11 + x12 + . . . +x1n = a1
x21 + x22 + . . . +x2n = a2
.
x11 + x21 + . . . + xm1 + x f 1 = b1
x12 + x22 + . . . + xm2 + x f 2 = b2
.
xm1 + xm2 + . . . +xmn = am

xf1 +xf2 + . . . + xfn = af
.
.
.
.
x1n + x2n + . . . + xmn+ xfn = bn
(4.48b)
xij 0 ( i = 1, 2, , m ) , ( j = 1, 2, , n )
(4.48c)
Rezimirajmo:
Problem transporta se moe rijeiti ako i samo ako je zatvoren.
U sistemu ogranienja modela transporta imamo m + n jednaina, ali je samo m + n 1
nezavisnih, pa zbog toga rjeenje problema transporta mora sadravati m + n 1 pozitivnih vrijednosti xij.
Bazino rjeenje problema transporta ima m + n 1 pozitivnih vrijednosti:
Ako neko od rjeenja transportnog problema sadri manje od m + n 1 pozitivnih vrijednosti xij tada je to rjeenje degenerisano31.
Ukoliko je problem transporta otvoren, potrebno je model zatvoriti da bi se mogao rjeavati.
Da bi odredili optimalno rjeenje naeg transportnog problema, neophodno je prvo odrediti poetni program transporta (poetno bazino rjeenje), a zatim se koritenjem
metoda optimizacije ovo rjeenje mora popraviti.
31
Degenerisano rjeenje potrebno je nadopuniti tako da ono postane nedegenerisano, to e biti objanjeno u
primjerima.
569
Polazno bazino rjeenje transporta se odreuje nekom od sljedeih metoda:

a) Metoda gornji lijevi ugao,
b) Metoda jedininih koeficijenata,
c) Vogelov metoda.
Sve ove metode omoguavaju pronalazak m + n -1 pozitivnih vrijednosti transporta koji
zadovoljavaju sistem moguih rjeenja.
Odreivanje optimalnih vrijednosti transporta se realizuje iterativnim postupkum, pri emu
je svako naredno rjeenje bolje od prethodnog i nakon konanog broja koraka pronalazimo
optimum. Metode za popravak ili unapreenje poetnog bazinog rjeenja su:
1) Stepping stone metoda,
2) MODI metoda.
Pojedinane metode za odreivanje poetnog bazinog rjeenja, kao i metode za unapreenje bazinog rjeenja, objanjene su kroz sljedei primjer.
Primjer 4.16.
Odrediti poetno bazino rjeenje transportnog problema ako su u tabeli date transportne cijene, te koliine ponuda (bj) raznih ishodita Ij i koliine potreba (ai) raznih
odredita Oi.
I1
I2
I3
I4
Potrebe
bj
O1
O2
O3
O4
O5
O6
Ponude ai
3
12
13
7
8
11
9
17
13
8
11
10
6
7
23
6
7
18
6
4
19
10
5
11
30
40
10
70
50
20
15
30
30
150
Rjeenje:
Iz tabele vidimo da imamo est odredita i etiri ishodita, te da su ukupne tranje ishodita iste kao i ukupne ponude odredita (150)32.
Broj c11 = 3, koji se nalazi u prvom redu i prvoj koloni, govori kolika je cijena transporta jedinice predmetnog dobra od ishodita I1 do odredita O1, analogno broj c31 =
13, koji se nalazi u treem redu i prvoj koloni, govori nam kolika je cijena transporta
jedinice predmetnog dobra od ishodita I3 do odredita O1. Broj 40 iz kolone Ponu32
Zatvoren model
570
de, govori kolika je ukupna koliina koju ishodite I2 moe isporuiti, a broj 15 iz
reda Potrebe govori kolika je koliina predmetnog dobra koja treba odreditu O3.
Prilikom obavljanja transporta sa konkretnog ishodita i do konkretnog odredita j mi
emo u tabeli popuniti konkretno polje (i-j) i popunjenu vrijednost zvati transport xij.
Radi lakeg oznaavanja mi emo i polje na koje stavljamo transport oznaavati sa xij.
Metode za odreivanje polaznog bazinog rjeenja u transportnom problemu su: metod gornji lijevi ugao, metod jedininih koeficijenata i Vogelov metod. Svaki od ovih
metoda ima zadatak da popuni odreenom koliinom transporta najvie (m + n 1)
polja u tabeli33.
a) Metoda gornji lijevi ugao
Ovaj metod se sastoji u tome da se ponude i potrebe zadovoljavaju polazei od polja

x11, odnosno od gornjeg lijevog ugla, pa sve dok se ne iscrpe sva ishodita i zadovolje sva odredita. Napominjemo da se zbog jednakosti suma svih potreba i svih
ponuda (150) ovo moe uraditi.
Ako krenemo od polja x11, vidimo da ishodite I1 nudi 30 jedinica predmetnog dobra, dok
odredite O1 trai 50 jedinica tog dobra. Na polje x11 upisujemo manji broj, dakle 30.
Kao rezultat ove odluke, ishodite I1 e biti potpuno iscrpljeno. Na osnovu ove injenice, ni jedan drugi transport u prvom redu tabele vie nije mogu.
Prilikom rjeevanja zadatka to moemo zapisati sjenenjem polja na kojima transport
vie nije mogu:
Tabela 4.16.a. Ispranjeno ishodite I1 a u odreditu O1 imamo nezadovoljenu tranju od 20 jedinica predmetnog dobra.
O1
I1
O2
O3
O4
O5
Ponude
ai
O6
30
3
13
19
I2
12
11
18
10
I3
13
11
23
17
10
11
I4
Potrebe
bj
50
20
15
30
30
30
40
10
70
150
Sljedee polje koje treba popuniti je polje x21. Vidimo da odredite O1 nije zadovoljilo
svoju potranju i da mu nedostaje 20 jedinica predmetnog dobra. S druge strane, isho33
(m + n 1) je maksimalan broj nenultih vrijednosti transporta xij od ishodita i do odredita j. Ukoliko je

broj nenultih varijabli xij manji od (m + n 1), onda je u pitanju degenerisano rjeenje. (m je broj ishodita
a n je broj odredita).
571
dite I2 nudi 40 jedinica predmetnog dobra. Transport koji se moe obaviti na ovom polju je manja vrijednost, dakle x21 = 20 i u ovom sluaju odredite O1 je zadovoljeno.
Tabela 4.16.b. Ispranjeno ishodite I1 i zadovoljeno odredite O1. U ishoditu I2 je preostalo 20 jedinica predmetnog dobra.
O1
I1
30
I2
20
O2
I3
I4
Potrebe
bj
O3
O4
O5
Ponude
ai
O6
13
19
12
11
18
10
13
11
23
17
10
11
50
20
15
30
30
40
10
70
30
150
Sljedee prazno polje (gornji lijevi ugao) je polje x22. Vidimo da odredite O2 trai 20
jedinica, a u ishoditu I2 je preostalo 20 jedinica predmetnog dobra. Transport koji se
moe obaviti na ovom polju je x22 = 20 i u ovom sluaju i odredite O2 i ishodite I2 je
zadovoljeno (tabela 4.16.c.).
Ukoliko se u odreivanju polaznog bazinog rjeenja u transportu u isto vrijeme zadovolje i ponuda konkretnog ishodita i potranja konkretnog odredita, a nije
kompletiran cjelokupan transport (kao to je sluaj u tabeli 4.16a), onda se pojavljuje
degenerisano polazno bazino rjeenje.
Postupak opisan ranije nastavljamo dok se ne iscrpe sva ishodita i ne zadovolje sva
odredita. Polazno bazino rjeenje dobijeno metodom gornji lijevi ugao je prikazano u tabeli 4.15d, a odgovarajue vrijednosti transporta su:
x11 = 30; x21 = 20; x22 = 20; x33 = 10; x43 = 5; x44 = 30; x45 = 5; x46 = 30
Tabela 4.16.c. Zadovoljena odredita O1 i O2 ,a ispranjena ishodita I1 i I2.
O1
I1
30
I2
20
O3
O4
O5
Ponude
ai
O6
13
19
30
12
11
18
10
40
I3
13
11
23
10
I4
17
10
11
70
Potrebe
bj
572
O2
3
50
20
20
15
30
30
150
Tabela 4.16.d. Zadovoljena sva odredita, a ispranjena sva ishodita.

O1
I1
30
I2
20
O2
O3
O4
O5
Ponude
ai
O6
13
19
30
12
11
18
10
40
I3
13
11
23
10
I4
17
11
70
Potrebe
bj
20
10
5
50
20
30
10
15
30
30
30
150
Ako pogledamo broj punih polja u tabeli 4.16.d., vidimo da smo napravili ukupno
8 transporta, a broj polja koja bi trebala biti popunjena je m + n -1 = 6 + 4 1.
Odgovarajua vrijednost funkcije cilja je:
f =303 + 2012 + 2011 + 1011 + 510 + 306 + 54 + 3011 = 1240
b) Metoda jedininih koeficijenata
Nedostatak metode gornji lijevi ugao je to nam daje isto polazno rjeenje bez obzira da li je cilj transportnog problema minimum ili maksimum. Bolje polazno
rjeenje se postie metodom jedininih koeficijenata, pri emu pod terminom bolje podrazumijevamo manju ili (veu) vrijednost funkcije cilja. U naem zadatku se
u tabeli nalaze cijene transporta svih kombinacija ishodita do svih kombinacija odredita, pa samim tim nama je cilj ostvariti to manje transportne trokove.
Metod jedininih keficijenata se sastoji u tome da se u cijeloj tabeli pronae polje sa
najmanjom cijenom cij (odnosno, polje sa najveom cijenom cij ako je cilj max f) i na
to polje postavimo najvei mogui transport. Postupak se ponavlja dok se ne popune
sva odredita i ne iscrpe sva ishodita.
Ako pogledamo polaznu tabelu 4.16.a. vidimo da je najmanji element u njoj c11 = 3 i
na ovo polje trebamo napraviti najvei mogui transport. Ponuda ishodita I1 je 30, a
potranja odredita O1 je 50 jedinica predmetnog dobra. Najvei transport koji moemo napraviti je x11 = 30. Ovom odlukom smo iscrpili ishodite I1, pa se red 1 vie
ne uzima u razmatranje (tabela 4.16.a.).
U nastavku potraimo najmanju transportnu cijenu u preostalim kolonama i redovima
tabele. Najmanji element je c45 = 4 i na ovo polje trebamo napraviti najvei mogui
transport. Ponuda ishodita I4 je 70, a potranja odredita O5 je 5 jedinica predmetnog
dobra. Najvei transport koji moemo napraviti je X45 = 5. Ovom odlukom smo iscrpili odredite O5, pa se kolona 5 vie ne uzima u razmatranje (tabela 4.16.e.).
573
Tabela 4.16.e. Ispranjeno ishodite I1 i odredite O5

O1
O2
O3
O4
O5
Ponude
ai
O6
30
3
13
19
30
I2
12
11
18
10
40
I3
13
11
23
10
I4
17
10
11
70
I1
Potrebe
bj
50
20
15
30
30
150
Po prethodno opisanoj proceduri, naredni element je x36 = 10 (jer je c36 = 5), zatim x44
= 30 (jer je c44 = 6), zatim x41 = 20 (jer je c41 = 7), zatim x23 = 15 (jer je c23 = 8), zatim
x26 = 20 (jer je c26 = 10), zatim x22 = 5 (jer je c22 = 11) i na kraju je x42 = 15.
Polazno bazino rjeenje dobijeno metodom jedininih koeficijenata je dato u tabeli 4.16.f.
Tabela 4.16.f. Polazno bazino rjeenje dobijeno metodom
jedininih koeficijenata
O1
I1
O4
O5
Ponude
ai
O6
13
15
19
30
10
40
20
12
11
18
13
11
23
10
17
10
11
70
10
I3
Potrebe
bj
O3
30
I2
I4
O2
20
15
7
50
20
30
15
5
6
30
30
150
Ako pogledamo broj punih polja u tabeli 4.16.f. vidimo da smo napravili ukupno 9
transporta, a broj polja koja bi trebala biti popunjena je 9 (m + n-1), dakle ovo polazno rjeenje nije degenerisano.
Odgovarajua vrijednost funkcije cilja je:
f = 303 + 207 + 511 + 1517 + 158 + 306 + 54 + 2010 + 105 = 1110.
Vidimo da je poetno rjeenje koje se dobije metodom jedininih koeficijenata bolje od
rjeenja koje se dobije metodom gornji lijevi ugao (ima manju vrijednost funkcije cilja).
574
c) Vogelova metoda
Procedura za odreivanje bazinog rjeenja pomou Vogelove metode poinje odreivanjem razlika izmeu dva najmanja (u problemu minimuma), ili dva najvea (u
problemu maksimuma) koeficijenta cij u svakom redu i koloni transportne tabele. Zatim odaberemo kolonu ili red sa najveom razlikom i u njemu polje sa najmanjim
(problem minimuma) ili najveim (problem maksimuma) koeficijentom cij. Neka je to
polje (r, s). U odabrano polje upisujemo broj jednak min{a r , bs }.
Ako je a r < bs , tada je varijabla xrs = ar, a ako je a r > bs ,onda je xrs = bs.
Ako uzmemo da vrijedi prvi odnos, tada je poslije upisivanja vrijednosti varijable xrs
= ar u polje (r, s) ishodite Ir iscrpljeno. Skraujemo tablicu za r red.
Na reduciranoj tablici ponavljamo postupak. To inimo sve dok ne dobijemo poetno
bazino mogue rjeenje.
Kako je kod nas cilj minimum, to smo u dodatnoj koloni i dodatnom redu izraunali
razlike dva najmanja koeficijenta po redovima i kolonama respektivno. Od izraunatih razlika, najvea iznosi 5 i odgovara estoj kolini. U odabranoj koloni odredimo
najmanji koeficijent i u njega upiemo najvei mogui transport. Odabrano je polje
(3, 6) i najvei mogui transport iznosi 10 (x36 = 10). Nakon ovog transporta vidimo
da je ishodite I3 iscrpljeno pa moemo reducirati tabelu tako da trei red vie ne posmatramo.
Tabela 4.16.g. Vogelovom metodom popunjen dio tabele
Min
O1
I1
I2
O3
O4
O5
O6
I4
Potrebe bj
13
19
12
11
18
10
13
11
23
17
10
11
50
4
20
1
15
2
30
0
5
2
30
Razlike dva
najmanja cij
Ponude ai
10
I3
Razlike dva
najmanja cij
O2
30
40
10
70
150
U reduciranoj tabeli ponovo odreujemo razlike dva najmanja elementa, a kako smo
izbacili red, to se promijenila razlika samo po kolonama. Nove razlike upiemo u dodatni red i ponovo traimo najveu razliku.
575
Nakon ponovnog izraunavanja vidimo da najvea razlika iznosi 4 i da ona odgovara

prvoj koloni. U odabranoj koloni je namanji keoficijent c11 = 3, to znai da trebamo
napraviti transport na polje (1, 1). Vidimo da ishodite I1 nudi 30 kj, dok odredite O1
trai 50 kj predmetnog dobra, pa najvei transport koji se moe napraviti iznosi 30 (x11
= 30). Ovim smo ispraznili ishodite I1 i tabelu reduciramo za prvi red (tabela 4.16.h.).
Tabela 4.16.h. Vogelovom metodom popunjen dio tabele
Min
I1
O1
O4
O5
Ponude
ai
O6
I4
Razlike dva
najmanja cij
13
19
30
12
11
18
10
40
13
11
23
10
17
10
11
70
10
I3
Razlike dva
najmanja cij
O3
30
I2
Potrebe
bj
O2
50
20
4, 4
15
1, 3
30
2, 2
0, 0
30
2, 3
150
5, 1
U daljnjem izraunavanju imali bi najveu razliku (=14) u koloni 5 i u toj koloni bi

odabrali polje (4, 5) pa izvrili transport x45 = 5. Time bismo iz tabele izbacili petu
kolonu i promjene razlika raunali po redovima (4.16.i.)
Tabela 4.16.i. Vogelovom metodom popunjen dio tabele
Min
I1
O4
O5
Ponude
ai
O6
13
19
30
8
11
18
10
40
12
11
23
10
13
17
10
11
70
I4
50
Razlike dva
najmanja cij
10
I3
Razlike dva
najmanja cij
O3
30
I2
Potrebe
bi
O2
O1
20
15
30
4, 4, 5, 1, 3, 6, 2, 2, 4, 0, 0, 1,
30
2, 3,
14,
5, 1, 1
150
Postupak bi nastavljali dok ne iscrpimo sva ishodita i ne zadovoljimo sva odredita.

Kratak redoslijed odreivanja ostalih transporta je sljedei:
576
x22 = 20
(Najvea razlika je 6 i odabrana je kolona 2 i u njoj polje (2, 2). Iscrpljeno

je odredite O2.)
x41 = 20
(Najvea razlika je 5 i odabrana je kolona 1 i u njoj polje (4, 1). Iscrpljeno

je odredite O1.)
x44 = 30
(Najvea razlika je 4 i odabran je red 4 i u njemu polje (4, 4). Iscrpljeno je

odredite O4.)
x23 = 15
(Najvea razlika je 2 u drugom redu i u drugoj koloni. Treba izabrati ono

polje u kojem imamo manji cij. Odabrano je polje (2, 3) i iscrpljeno je odredite O3.)
x26 = 5; x46 = 15 (Preostala polja popunimo da ispraznimo ishodita i zadovoljimo odredita).

Tabela 4.16.k. Vogelovom metodom popunjena tabela
Min
I1
O1
3
Razlike dva
najmanja cij
20
O4
O5
Ponude
ai
O6
13
15
30
3*
40
1, 1, 1, 2,
10
10
1*
70
2, 1, 4, 1
11
12
11
18
13
11
23
17
10
20
50
30
20
4, 4, 5, 1,
5*,
6*,
15
15
30
Razlike dva
najmanja cij
19
10
I3
Potrebe
bi
O3
30
I2
I4
O2
30
150
3, 2, 2, 4, 0, 0, 1, 2,
3, 5, 1, 1,
2,
1,
14*
1
Popunjeno je devet polja sa odgovarajuim transportom (polazno rjeenje nije degenerisano), pa polazno bazino rjeenje dobijeno Vogelovom metodom ima vrijednost
funkcije cilja.
f = 303 + 207 + 2011 + 158 + 306 + 54 + 510 + 105 + 1511 = 1035 $
a odgovarajui transporti su:
x11 = 30; x22 = 20; x23 = 15; x41 = 20; x44 = 30; x45 = 5; x26 = 5; x36 = 10; x46 = 15.
Od spomenute tri metode, Vogelova daje poetno mogue rjeenje koje ima najmanju
vrijednost funkcije cilja. Kako se trai minimalna vrijednost funkcije cilja, to znai da
je ona dala najbolje poetno rjeenje.
577
Primjer 4.17.
Izvriti optimizaciju rjeenja odreenog pomou metode jedininih koeficijenata

koristei:
a) Stepping Stone metodu,
b) Modi metodu.
Rjeenje:
Stepping Stone je iterativna metoda koja omoguava da dobijemo optimalno rjeenje iteracijama putem niza moguih bazinih rjeenja (mora biti popunjeno (m + n -1) polja).
Bazirana je na testiranju praznih polja i utvrivanju onih polja koja bi nam omoguila popravak vrijednosti funkcije cilja. Ako je cilj max, onda nas interesuje
poveanje, a ako je cilj min, interesuje nas smanjenje vrijednosti funkcije cilja. Od
svih korisnih prijedloga realizira se samo onaj koji ima najbolji efekt, najvee poveanje (smanjenje) vrijednosti funkcije cilja.
Testiranje praznih polja se sastoji u odreivanju efekata dodjeljivanja pozitivne vrijednosti nekom polju za koje je xij = 0. Promjena jednog transporta zahtijeva
preraspodjelu ranijih transporta da bi se ouvala ravnotea potreba odredita i ponude
ishodita. Ove preraspodjele se vre po zatvorenom poligonalnom putu koji povezuje
testirano i puna polja u polaznoj tabeli. Ako se napravi jedinina preraspodjela
transporta, onda se promjena vrijednosti funkcije cilja mjeri sa koeficijentom dij.34
Postupak odreivanja vrijednosti d12 za prazno polje u tabeli 4.16.f. je sljedei:
d12 = c12 c 42 + c 41 c11 = 8 17 + 7 3 = 5
Element d12 oznaava promjenu vrijedosti funkcije cilja ako bismo jednu kj predmetnog dobra transportovali na polje (1, 1). Opisani poligon ustvari pokazuje da transport
veliine na polje (2, 2) zahtijeva oduzimanje te vrijednosti sa polja (4, 2) jer je odredite O2 zadovoljeno (20 jedinica je ve rasporeeno odreditu O2), ali time se
remeti ponuda ishodita I4, pa se ranije oduzeta vrijednost mora dodati polju (4, 1),
a dodavanje ove vrijednosti ovom polju remeti O1, pa se dodata vrijednost mora
oduzeti polju (1, 1). Ovim je ravnotea uspostavljena (ovo prebacivanje vrijednosti je
i opravdanje zato se ovaj metod zove skakanje s kamena na kamen). Ako je = 1,
promjena vrijednosti je izraunata i iznosi d12 = 5 .
34
Vrijednost dij je analogna vrijednosti cs fs u linearnom programiranju.
578
Tabela 4.16.f. Polazno bazino rjeenje dobijeno metodom jedininih koeficijenata

O1
I1
O4
O5
Ponude
ai
O6
13
15
19
30
10
40
20
12
11
18
13
11
23
10
17
10
11
70
10
I3
Potrebe
bj
O3
30-
I2
I4
O2
20+ 15-
7
50
20
30
15
5
6
30
30
150
Odredimo i ostale diferencije dij.

d13 = c13 c23 + c22 c42 + c41 c11 = 13 8 + 11 17 + 7 3 = 3
d14 = c14 c 44 + c 41 c11 = 6 6 + 7 3 = 4
d15 = c15 c45 + c41 c11 = 7 4 + 7 3 = 7
d16 = c16 c 26 + c 22 c 42 + c 41 c11 = 19 10 + 11 17 + 7 3 = 7
d 21 = c 21 c 22 + c 42 c 41 = 12 11 + 17 7 = 11
d 24 = c 24 c 44 + c 42 c 22 = 7 6 + 17 11 = 7
d 31 = c31 c41 + c42 c22 + c26 c36 = 13 7 + 17 11 + 10 5 = 17
d 32 = c32 c 22 + c 26 c36 = 9 11 + 10 5 = 3
d33 = c33 c23 + c26 c36 = 11 8 + 10 5 = 8
d 34 = c34 c44 + c42 c 22 + c26 c36 = 23 6 + 17 11 + 10 5 = 28
d 35 = c35 c45 + c42 c22 + c 26 c36 = 6 4 + 17 11 + 10 5 = 13
d 43 = c43 c 44 + c 22 c 23 = 10 17 + 11 8 = 4
d 46 = c 46 c 42 + c 22 c26 = 11 17 + 11 10 = 5
Kako je cilj minimum funkcije transporta, to su nam korisna polja ona koja imaju negativan doprinos, odnosno polja (1, 2); (4, 3) i (4, 6).
Za svako od ovih polja moramo izraunati maksimalan mogu transport i vidjeti koliko bi ustvari ovo polje smanjilo vrijednost funkcije cilja. To znai da trebamo odrediti
najmanje koje se nalazi na polju od kojeg oduzimamo cij.
Naprimjer, 12 = 15 jer na poljima sa kojih oduzimamo najmanji je broj 15. Kod polja
(4, 3) imamo da je 43 = 15 jer na poljima sa kojih oduzimamo najmanji je broj 15 i
46 = 15 jer na poljima sa kojih oduzimamo najmanji je broj 15.
579
Tabela 4.16.f. Polazno bazino rjeenje dobijeno metodom jedininih koeficijenata

O1
I1
5+
O4
O5
Ponude
ai
O6
13
15-
19
30
10
40
10
11
70
20-
12
11
18
13
11
23
10
I3
Potrebe
bj
O3
30-
I2
I4
O2
20+ 15-
7
+
17
50
20
30
10
15
5
6
30
30
150
Kod odabranih korisnih polja vidimo da je doprinos polja (2, 1) isti kao i polja (4, 6) i
iznosi 21 d 21 = 46 d 46 = 5 15 = 75 i predstavlja najvei doprinos popravci
funkcije cilja pa se u ova polja treba napraviti transport.
Kod polja (4, 3) taj doprinos bi bio 43 d 43 = 4 15 = 60
Izaberimo proizvoljno jedno od odabranih polja, npr. polje (2, 1), i prebacimo transport veliine 12 = 15, tada e poboljano rjeenje transporta izgledati:
Tabela 4.17.a. Poboljano rjeenje problema dobijeno stepping stone metodom
O1
I1
15
O4
O5
Ponude
ai
O6
13
15
19
30
10
40
20
12
11
18
13
11
23
10
17
10
11
70
10
I3
Potrebe
bj
O3
15
3
I2
I4
O2
35
50
30
20
15
5
6
30
30
150
Sa ovim poboljanjem vrijednost funkcije cilja e biti za 75 nj manja od polazne vrijednosti f = 1100 f = 1100 75 = 1035 .
Da bismo provjerili da li je ovo optimalno, trebalo bi ponovo testirati sva prazna polja
i provjeriti da li ima korisnih.
580
Kako je ovaj postupak dosta dugaak, razvijena je modificirana stepping stone metoda koja nam omoguava da se na laki nain odrede vrijednosti d ij ; (i, j )
b) Modi metod
Kod modi metode se uvode dualne varijable za svako ishodite i za svako odradite
(tj. za svako ogranienje). Varijable koje odgovaraju kolonama oznaiemo sa kj, a
varijable koje odgovaraju redovima oznaiemo sa ri.
Veza koja postoji izmeu dualnih varijabli i koeficijenata u transportnoj tabeli je data sa:
ri + k j + d ij = cij
(i = 1, m) (j = 1, n)
(4.49)
Kod baznih polja (punih polja) znamo da je distanca d ij = 0 , pa imamo da kod baznih polja vrijedi
ri + k j = cij
(i, j B )
(4.50)
Iz formule (4.50) vidimo da se moe formirati sistem od m + n 1 jednaina sa m + n

nepoznatih. Izabiramo jednu dualnu varijablu proizvoljno i odredimo vrijednosti ostalih:
r1 + k1 = 3
k1 = 7
r2 + k 2 = 11
r2 + k 3 = 8
k 2 = 17
k4 = 6
r2 + k 6 = 10
k5 = 4
r3 + k 6 = 5 za proizvoljno npr. r4 = 0 r1 + k1 = r1 + 7 = 3 r1 = 4
r4 + k1 = 7
r4 + k 2 = 17
r2 + k 2 = r2 + 17 = 11 r2 = 6
r2 + k 3 = 8 6 + k 3 = 8 k 3 = 14
r4 + k 4 = 6
r4 + k 5 = 4
r2 + k 6 = 10 6 + k 6 = 10 k 6 = 16
r3 + k 6 = 5 r3 + 16 = 5 r3 = 11
581
Tabela 4.17.b. Primjena modi metode
k1 = 7
k2 =17 k3 =14 k4 =6
O1
r1 = -4
I1
r2 = -6
I2
r3 = -11
I3
r4 = 0
I4
O2
O3
k5 =4
O4
k6 =16
O5
Ponude
ai
O6
30
8
13
15
19
30
10
40
20
12
11
18
13
11
23
10
17
10
11
70
10
20
15
7
Potrebe
bj
50
20
30
15
5
6
30
30
150
Koritenjem formule (4.49) dobiemo vrijednosti diferencija za sva nebazna polja:
d ij = cij ri + k j
) (i = 1, m) (j = 1, n)
(4.51)
Primjenom 4.37 izraunaemo vrijednost diferencija za sva prazna polja u tabeli 4.15 f.
d12 = 8 ( 4 + 17 ) = 5 d 21 = 12 ( 6 + 7 ) = 11 d 33 = 11 ( 11 + 14) = 8
d13 = 13 ( 4 + 14) = 3 d 24 = 7 ( 6 + 6) = 7
d 34 = 23 ( 11 + 6) = 28
d14 = 6 ( 4 + 6) = 4
d15 = 7 ( 4 + 4 ) = 7
d 25 = 18 ( 6 + 4 ) = 16 d 35 = 6 ( 11 + 4 ) = 13
d 31 = 13 ( 11 + 7 ) = 17 d 43 = 10 (0 + 14) = 4
d16 = 19 ( 4 + 16) = 7 d 32 = 9 ( 11 + 17 ) = 3 d 46 = 11 (0 + 16 ) = 5
Kako je nama cilj minimum funkcije transporta, to su nam korisna polja ona koja
imaju negativan doprinos, odnosno polja (1, 2); (4, 3) i (4, 6).
Vidimo da se vrijednosti diferencija poklapaju sa vrijednostima koje smo dobili stepping stone metodom. Postupak optimizacije rjeenja je u nastavku isti kao i kod
stepping stone metode - modi metoda se koristi samo kao modificirana stepping stone
metoda jer omoguava bri izraun diferencija.
Rezimirajmo:
Korisna polja za transport sa ciljem min f su ona kod kojih je vrijednost diferencije dij
negativna.
Korisna polja za transport sa ciljem max f su ona kod kojih je vrijednost diferencije dij
pozitivna.
582
Kriterij za izlazak veliine xit iz baze (pranjenje polja i-t) je odreivanje sa osobi-
nama da je = min xit , pri emu oznaka - govori da koristimo sva polja sastavljena
od popunjenih mjesta u prethodnom rjeenju, a koja trebamo umanjiti prilikom novog

transporta.
Kriterij za ulazak veliine xuv u bazu (popunjavanje polja u v) je izbor polja sa najveim proizvodom d ij pri emu je i j korisno polje.
Optimalno rjeenje smo dobili ako nema vie korisnih polja, odnosno ako:
kod min f vrijedi d ij 0 (i )(j )

kod max f vrijedi d ij 0 (i )(j )
Primjer 4.18.
Tri rudnika (R1, R2, R3) snabdijevaju ugljenom 4 grada (G1, G2, G3, G4). Rudnik R1
moe da isporui 45000 t, rudnik R2 15000 t i rudnik R3 40000 t uglja.
Potrebe gradova G1, G2, G3, G4 su: 10 000 t, 30 000 t, 25 000 t i 35 000 t uglja respektivno. Trokovi transporta po toni uglja dati su u tabeli (u KM):
G1
G2
G3
G4
R1
R2
R3
3
6
5
8
a) Nai program snabdijevanja da trokovi prevoza ukupne koliine uglja budu najnii,
b) Izraunati iznos tih trokova.
Poetno rjeenje odrediti metodom jedininih koeficijenata, a optimum stepping stone
metodom.
Rjeenje:
Potrebe gradova zbirno iznose: 10 000 + 30 000 + 25 000 + 35 000 = 100 000 t uglja.
Ponude rudnika zbirno iznose: 45 000 + 15 000 + 40 000 = 100 000 t uglja, pa je u pitanju zatvoreni problem transpotra.
Cilj je minimalan troak, pa se metod jedininih koeficijenata sastoji u pronalasku polja sa najmanjim koeficijentom cij u tabeli i smjetanja najveeg transporta u to polje.
583
Redoslijed unosa transpotra u tabelu je sljedei:

X31 = 10, zadovoljeno odredite G1; X13 = 25, zadovoljeno odredite G3; X22 = 15, iscrpljeno ishodite R2; X14 = 20, iscrpljeno ishodite R1;
Preostala polja su X32 = 15 i X34 = 15.
Odgovarajua tabela sa polaznim rjeenjem je tabela 4.18.a. Vrijednost funkcije cilja
iznosi:
f = 25 4 + 20 5 + 15 4 + 10 3 + 15 6 + 15 8 = 500
Tabela 4.18.a. Polazno bazino rjeenje odreeno metodom
jedininih koeficijenata
G1
G2
R1
R2
R3
G3
25
G4
20
15
10
15
15
10
30
25
35
45
15
40
100
Testirajmo prazna polja i odredimo da li je ovo rjeenje optimalno:

d11 = 5 5 + 8 3 = 5 d 23 = 7 4 + 6 8 + 5 4 = 2
d12 = 7 5 + 8 6 = 4 d 24 = 9 8 + 6 4 = 3
d 21 = 8 4 + 6 3 = 7 d 33 = 5 4 + 5 8 = 2
Dobili smo da polje (3, 3) ima negativnu diferenciju, odnosno da ukljuivanjem ovog
polja u bazu moemo unaprijediti (smanjiti) funkciju cilja.
Odredimo maksimalan mogui transport koji moemo prebaciti na polje (3, 3), odnosno odredimo .
U tabeli 4.18.b. je pokazano da maksimalna vrijednost koju moe uzeti iznosi
= 15 (zbog polja (3,4)), a to znai da e se premjetanjem transporta na polje (3, 3)
vrijednost funkcije cilja smanjiti za 215 = 30 KM. Nova transportna tabela je data u
4.18.c.
584
Tabela 4.18.b. Odreivanje korisnog

polja i u polaznom bazinom rjeenju
G1
G3
G4
G1
25- 20+
R1
15
R2
R3
G2
10
15
3
10
30
15-
5
25
Tabela 4.18.c. Nova transportna tabela

sa transportnim trokovima f = 470 KM
35
G3
G4
10
45
R1
15
R2
40
R3 10
100
G2
5
35
15
8
15
3
10
15
6
30
25
35
45
15
40
100
Ponovo testirajmo prazna polja i vidjeemo da su svi dij pozitivni, odnosno da nemamo vie korisnih polja. Prema tome, ponueno rjeenje u tabeli 4.18.c. je optimalno:
d11 = 5 4 + 5 3 = 3 d 23 = 7 5 + 6 4 = 4
d12 = 7 4 + 5 6 = 2 d 24 = 9 4 + 6 5 + 4 5 = 5
d 21 = 8 4 + 6 3 = 7 d 34 = 8 5 + 4 5 = 2
Najmanji trokovi transporta kojim bi se transpotrovalo 100 000 t uglja iz tri rudnika
u etiri grada iznose 470 KM, a optimalan plan transporta uglja bi bio:
Iz rudnika R1 u grad G3 transportovati 10 000 tona uglja (x13 = 10) i 35 000 tona uglja
u grad G4 (x14 = 35).
Iz rudnika R2 u grad G2 transportovati 15 000 tona uglja (x22 = 15).
Iz rudnika R3 u grad G1 transportovati 10 000 tona uglja (x31 = 10); 15 000 tona uglja
u grad G2 (x32 = 15) i 15 000 tona uglja u grad G3 (x33 = 15).
Primjer 4.19.
Korporacija DL planira postavljanje novih maina u postojeim fabrikama na lokacijama Decatur, East St. Luis i St. Luis. Analizirajui samo trokove transporta po
jedinici treba:
a) Odrediti optimalan plan transporta maina iz pojedinih skladita B, C i D. Trokovi transporta po jedinici, kao i kapaciteti i potrebe su dati u tabeli:
B
C
D
Potrebe
East St. Luis

29
30
30
150
St. Luis
27
30
31
150
Decatur
20
25
22
300
Kapacitet
250
200
350
585
b) Odrediti po optimalnom planu koja skladita nee biti ispranjena.

c) Odrediti da li je optimalno rjeenje jedinstveno i, ako nije, dati bar jo jedan optimalan plan transporta.
Napomena: Problem rijeiti koristei Vogelov metod za polazno rjeenje i modi metod za optimizaciju.
Rjeenje:
a) Ponuda maina u skladitima je 250 + 200 + 350 = 800, a potranja fabrika za mainama iznosi 150 + 150 + 300 = 600.
Vea je ponuda nego potranja, pa uvodimo fiktivnu kolonu sa potrebama 200. Kod
fiktivne kolone (poto ona ne postoji) uzimamo da su svi trokovi transporta 0 (ci4 = 0).
Tabela 4.19.a. Poetno bazino rjeenje dobijeno Vogelovom metodom
East St.
Luis
100
50
Potrebe
kj
St. Luis
150
29
20
25
300
31
150
3,
28
Kapacitet
200
30
30
fiktivna
-
27
30
150
1,
30
Decatur
22
300
4
22
200
2, *
0
ri
250
20, 7, 2
-1
200
25, *
350
22, 8, 1
800
0, *
Vogelovom metodom smo dobili degenerisano poetno rjeenje. Funkcija cilja ima
vrijednost f = 15050.
Zbog degenerisanog poetnog rjeenja ne moe se primijeniti ni stepping stone ni
modi metoda za unapreenje rjeenja. Zbog toga se nekom praznom polju dodijeli
mali teret 0 i time obezbijediti popunjenost m + n -1 polja. Izbor polja na koji
emo staviti mali teret 0 je proizvoljan, ali treba da nam omogui koritenje metoda za unapreenje rjeenja. (Npr. polje (3, 2) nije dobro za mali teret 0, dok
polje (3, 4) jeste).
Odredimo vrijednosti dualnih varijabli:
586
r1 + k1 = 29
k1 = 30
r1 + k 2 = 27
k 3 = 22
r2 + k 4 = 0
k =0
za proizvoljno npr. r3 = 0 4
r3 + k1 = 30
r1 + k1 = r1 + 30 = 29 r1 = 1
r3 + k 3 = 22
r1 + k 2 = 1 + k 2 = 27 k 2 = 28
r3 + k 4 = 0
r2 + k 4 = 0 r2 + 0 = 0 r2 = 0
Modi metodom testiramo slobodna polja

d13 = 20 (22 1) = 1
d14 = 0 (0 1) = 3
d 21 = 30 (30 + 0) = 0
d 22 = 30 (28 + 0) = 2
d 23 = 25 (22 + 0) = 3
d 32 = 31 (28 + 0) = 3
i dobili smo da je korisno polje (1, 3), odnosno d13 = -1, a odgovarajue = 100.
Napravimo transport veliine 100 na odabrano polje (X13 = 100) i odredimo novu
transportnu tabelu:
Tabela 4.19.b. Transportna tabela dobijeno nakon popunjavanja polja (1, 3)
East St.
Luis
B
St. Luis
Decatur
150
27
20
30
30
100
29
150
fiktivna
200
30
25
200
31
22
Potrebe
150
150
300
200
ri
30
29
22
Kapacitet
kt
250
-2
200
350
800
Testiranjem slobodnih polja vidimo da je popravljeno rjeenje optimalno sa vrijednosti funkcije cilja f = 14950.
Optimalan plan transporta je: 150 maina prebaciti iz skladita D u East St. Luis, 150
maina transportovati iz skladita B do St. Luisa i 100 maina transportovati iz skladita A, a 200 iz sladita B do Decatura. U skladitu C e ostati 200 maina.
b) Skladite C nee biti ispranjeno.
587
c) S obzirom da kod optimalnog rijeenja imamo d21 = 0, to znai da postoji vie optimalnih rjeenja i novo optimalno rjeenje emo dobiti ako napravimo transport
na polje (2, 1), a zbog 21 = 150 novo optimalno rjeenje ima oblik predstavljen u
tabeli 4.19.c.
Tabela 4.19.c. Drugo optimalno rjeenje problema 4.3.4.
East St. Luis

B
C
D
St. Luis
150
27
29
150
Decatur
100
20
30
25
200
30
50
30
-
fiktivna
150
22
31
Potrebe
150
150
300
200
kj
30
29
22
Kapacitet
ri
250
-2
200
350
800
Primjer 4.20.
Korporacija DL planira postavljanje novih maina u postojeim fabrikama na lokacijama Decatur, Minneapolis i Carbondale. Stoga je nabavila tri tipa maina.
Analizirajui potrebe i karakteristike fabrika, te efikasnost pojedinih maina na konkretnim pozicijama u fabrikama, sainjena je tabela oekivanih sedminih dobiti kroz
lociranja konkretne vrste maina na konkretno mjesto.
a) Odrediti optimalan plan rasporeivanja maina tipa B, C ili D na konkretne lokacije ako su procijenjene sedmine dobiti, potrebe fabrika i broj maina dati u tabeli:
B
C
D
Potrebe
Decatur
20
25
22
300
Minneapolis
17
27
25
200
Carbondale
21
20
22
150
Broj maina
250
200
350
b) Odrediti po tom optimalnom planu koliko i kojeg tipa maina e ostati nerasporeeno.
c) Odrediti vrijednost dualne varijable k2 i napisati koju informaciju nam ona nudi.
Napomena: Problem rijeiti koristei Vogelov metod za polazno rjeenje i modi metod za optimizaciju.
588
Rjeenje:
Kako je vei broj maina nego potrebe za njima (otvoreni problem transporta), potrebno je uvesti fiktivnu lokaciju (kolonu) sa potrebama 150.
Transportni problem se postavlja sa ciljem maksimizacije dobiti pa je upotreba Vogelove metode malo drugaija nego u ranije opisanim primjerima. Sad se u svakoj
koloni i u svakoj vrsti trae dva najvea koeficijenta cij i rauna njihova razlika. Od
svih razlika biramo najveu i u odgovarajuoj koloni ili redu upisujemo transport u
polje sa najveim cij. Postupak ponavljamo dok ne iscrpimo ishodita i ne zadovoljimo odredita.
Tabela 4.20.a. Polazno i optimalno rjeenje problema 4.19
Minneapolis
Decatur
B
C
D
Potrebe
kj
20
200
17
200
20
50
25
200
2, 8*
25
Kapacitet
27
22
300
3, 2*,
22
21
25
100
CarbonFiktivno
dale
100
150
22
150
1, 1,
22
150
0
1
ri
250
1, 1
-1
200
2*
350
3,
2*
0,
800
Vogelov metoda nam je dao polazno rijeenje (nedegenerisano) sa odgovarajuom

vrijednosti funkcije cilja: f = 15400
Modi metodom provjeravamo da li je rijeenje optimalno. Testiranjem slobodnih polja dobijamo da su svi dij negativni, odnosno da nemamo korisnih polja (sad su
korisna ona koja e poveeti funkciju cilja). Na osnovu ove analize imamo da je optimalno rjeenje odreeno odmah Vogelovom metodom.
Optimalno je ugraditi 200 maina tipa C i 100 maina tipa D u fabriku u Decaturu,
200 maina tipa D prebaciti u fabriku u Minneapolisu, te 150 maina tipa B i 50 maina tipa C prebaciti u fabriku u Carbondale.
a) 150 maina tipa B ostaje neiskoriteno.
b) k2 = 25 nam daje sljedeu informaciju: poveanje potreba u Minneapolisu za 1
izazvae poveanje funkcije cilja za 25 nj.
589
Primjer 4.21.
Upotrebom Solvera u Excelu rijeiti sljedei problem transporta lijekova.

Farmaceutska kompanije proizvodi lijekove u Los Angelesu, Atlantai i New Yorku.
Fabrika u Los Angelesu moe mjeseno proizvesti koliinu od 10 000 komada lijekova, fabrika u Atlantai 12 000 komada lijekova, dok fabrika u New Yorku mjeseno
proizvodi 14 000 komada lijekova.
Svakog mjeseca, farmaceutska kompanije mora isporuiti lijekove u 4 regije Sjedinjenih Amerikih Drava (East, Midwest, South i West). Koliine koje se trebaju
isporuiti su prikazane u elijama od B2 do E2 na slici 4.3.6.a (npr. regija West (Zapad) mora mjeseno primiti najmanje koliinu od 13000 komada lijekova).
Jedinini trokovi (trokovi za proizvodnju i transport jednog komada lijeka u svakoj
fabrici do svake regije) su prikazani u elijama od B4 do E6 (npr. da bi se 1 komad lijeka proizveo u Los Angelesu i transportovao u regiju Midwest treba potroiti 3,5$).
Koji je najjeftiniji nain da bi svaka regija dobila koliinu lijekova koju treba?
Rjeenje:
Problem je potrebno napisati u excel stranici. Voditi rauna da trebamo podatke o trokovima upisati u konkretna polja (B4:E4), a podatke o transportu (elije koje excel
mijenja sa ciljem odreivanja minimuma ili maksimuma) u neka druga konkretna polja (B10:E12).
590
Da bi izrazili funkciju cilja (target cell B18), moramo pratiti ukupne transportne trokove. Nakon to se u elije od B10 do E12 unesu probne vrijednosti za isporuku iz
svake take ponude do svake regije, ukupne transportne trokove moemo izaunati
na sljedei nain:
(koliina poslata iz LA u regiju East) (troak po komadu poslatom iz LA u regiju East) + koliina poslata iz LA u regiju Midwest) (troak po komadu poslatom iz LA u
regiju Midwest) + (koliina poslata iz LA u regiju South) (troak po komadu poslatom iz LA u regiju South) + (koliina poslata iz LA u regiju West) (troak po
komadu poslatom iz LA u regiju West) + ...+ (koliina poslata iz NY u regiju West)
(troak po komadu poslatom iz NY u regiju West).
Upravo ovo radi funkcija SUMPRODUCT. Funkcija SUMPRODUCT (zbir umnoaka) moe umnoiti odgovarajue elemente u dva razliita pravougaonika (sve dok su
ti pravougaonici iste veliine) i zbrojiti te proizvode u jedan iznos. elije od B4 do E6
su na slici prikazani kao trokovi, a elije od B10 do E12 se zovu transport.
Iz ovoga slijedi da ukupne trokove (proizodnja i tansport) moemo izraunati u eliji
B18 koristee funkciju SUMPRODUCT (B4:E6,B10:E12).
Da bi izrazili nae ogranienje, prvo emo izraunati transportne iznose iz svake take ponude. Koristei funkciju SUM(B10:E10) u eliji F12 zbir elija od B10 do
E10, izraunat emo ukupne transportovane koliine iz Los Angelesa (LA do East +
LA do Midwest + LA do South + LA do West). Kopirajui ovu formulu u elije F11 i
F12 izraunat emo i transportovane koliine iz Atlantae i New Yorka. Kasnije emo
dodati ogranienja (koja se zovu ogranienja ponude) koja osiguravaju iznos transportovan iz svake lokacije, a koji nije prekoraio kapacitet fabrike.
Slijedi izraunavanje ukupnog iznos koji primi svaka taka potranje. Prvo se u eliju
B13 unese formula SUM(B10:B12). Ova formula izraunava ukupan broj komada lijekova primljen u regiju East (broj komada transportovan iz LA u East + broj komada
transportovan iz Atlantae u East + broj komada transportovan iz NY u East). Ova
formula se, potom, kopira iz elije B13 u elije od C13 do E13 kako bi se izraunala
koliina lijekova koja je primljena i u ostale regije (Midwest, South, West). Kasnije
se dodaju ogranienja (koja se zovu ogranienja potranje) jer osiguravaju da svaka
regija primi minimalan iznos lijekova koji potrauje.
Sad otvaramo opciju Solver Parameters tako to u meniju Tools kliknemo na Solver, a potom popunimo dialog box na sljedei nain:
591
Na cilj je da minimiziramo ukupne transportne trokove (izraunate u eliji B18).

Nae changing cells je broj komada transportovan iz svake fabrike u svaku regiju.
(Ovi iznosi su u elijama B10 do E12). Ogranienje F10:F12<=H10:H12 (ogranienje
ponude) osigurava da iznos poslat iz svake fabrike ne prekorai njen kapacitet. Ogranienja B13:E13 >= B15:E15 (ogranienje potranje) osigurava da svaka regija
najmanje primi onu koliinu lijekova koju potrauje.
Na model je linearni model u Solveru jer je naa funkcija cilja kreirana tako to su se
sastavili uslovi obrasca (changing cell)(constant), a oba naa ogranienja (i ponude i
potranje) su nastala uporeujui zbir u changing cell i konstantu.
Potom se u Solver Parameters meniju klikne na Options i oznae opcije Assume
Linear Model i Assume Non-Negative. Nakon toga se klikom na Solve (rijei) u
Solver Parameters dobije optimalno rjeenje problema. Najmanji troak da bi se zadovoljila potranja iznosi 86.800$. Minimalan troak se moe postii ako kompanija
bude koristila sljedei raspored proizvodnje i transporta:
Transportovati 10 000 komada lijekova iz Los Angelesa u regiju West.
Transportovati 3000 komada lijekova iz Atlantae u regiju West i regiju Midwest.

Iz Atlantae transportovati i 6000 komada lijekova u regiju South.
Transportovati 9000 komada lijekova iz New Yorka u regiju East i 3000 komada
iz New Yorka u regiju Midwest.
4.6.2. Asignacija
Opis problema rasporeivanja

Kandiduju se m raznih objekata (osoba, materijala, aktivnosti i sl.) da budu rasporeeni na n
raznih mjesta. Prilikom tog rasporeivanja moraju biti zadovoljena sljedea ogranienja:
592
1. svaki objekat moe se rasporediti samo na jedno od tih mjesta,

2. svakom mjestu moe se rasporediti samo jedan od tih objekata.
Kod asignacije najee se odreuje takav plan rasporeivanja kojim e se postii najbolji
odgovarajui efekat. Takav problem rasporeivanja je specijalan sluaj transportnog problema. Ako odluimo da objekat iz nekog konkretnog Ai rasporedimo na neko konkretno Bt,
na toj konkretnoj relaciji Ai Bt transport e biti xit=1. Suprotno, ako odluimo da
objekat iz nekog konkretnog Ai ne rasporedimo na neko konkretno Bt, na toj konkretnoj
relaciji Ai Bt transport e biti xit = 0.
Broj raznih relacija Ai Bt je m n , pa time je i m n razliitih promjenljivih xit, ija vrijednost moe biti samo 1 ili 0. Na osnovu ogranienja koja vae kod asignacije, kod svakog
mogueg plana rasporeivanja u svakom redu i u svakoj koloni odgovarajue transportne
tabele moe biti najvie jedno puno polje.
4.6.2.1. Modeli linearnog programiranja rasporeivanja
Kod problema rasporeivanja, izmeu broja objekata m i broja mjesta n moe biti prisutan
jedan od tri sljedea odnosa:
1) m = n svi objekti mogu biti rasporeeni i sva mjesta mogu biti popunjena;
2) m > n - svi objekti ne mogu biti rasporeeni, ali sva mjesta mogu biti popunjena;
3) m < n svi objekti mogu biti rasporeeni, ali sva mjesta ne mogu biti popunjena.
Kako je asignacija specijalan oblik transportnog problema, to znamo da problem rasporeivanja ima rjeenja ako je u pitanju zatvoren problem.
Model asignacije - zatvoreni problem rasporeivanja

Ako je m = n, odnosno ako imamo jednak broj objekata i mjesta, to e svi objekti biti rasporeeni i sva mjesta biti popunjena.
Zatvoreni model asignacije se moe napisati kao:
m m
Max
=
f
cit xit
i =1 t =1
Min
m
xit = 1 i = 1, m
t =1
(4.52)
xit = 1 t = 1, m
i =1
xit {0,1} , i = 1, m, t = 1, m
593
Ukoliko broj objekata nije jednak broju mjesta na koja vrimo rasporeivanje, odnosno ako je
mn
imaemo otvoreni problem asignacije. U optimalnom rjeenju nee biti popunjena sva
mjesta ili nee biti rasporeeni svi objekti.
Kod otvorenog problema rasporeivanja razlikujemo situaciju kad:
m > n imamo vie objekata nego mjesta,
m < n imamo vie mjesta nego objekata.
Opti oblik modela otvorenih problema asignacije i nain njihovog zatvaranja su opisani u
nastavku.
Model m > n - otvoreni problem rasporeivanja

m n
Max
f = cit xit
i =1 t =1
Min
n
xit 1 i = 1, m
t =1
(4.53)
xit = 1 t = 1, n
i =1
xit {0,1} , i = 1, m, t = 1, n
Zbog odnosa n < m, svako od n mjesta bit e popunjeno, ali svi objekti nee biti rasporeeni. Otvoreni model rasporeivanja m > n se moe uvijek zatvoriti uvoenjem (m n)
fiktivnih mjesta (kolona). Svaki od vika objekata koji bude rasporeen na fiktivno mjesto
u stvarnosti e ostati nerasporeen.
Za razliku od transportnog modela, gdje smo dodavali samo jednu fiktivnu kolonu (odredite) sa ukupnom tranjom koja je jednaka razlici ukupne ponude i potranje, kod asignacije
je potranja svakog mjesta 1, pa moramo dodati m n fiktivnih mjesta.
Zatvaranje modela (4.53) bi izgledalo:
m n
m m
Max
f = cit xit + 0 xit

i =1 t =1
i =1 t = n +1
Min
n
t =1
t = n +1
xit + xit = 1 i = 1, m
m
xit = 1
t = 1, n
i =1
m
xit = 1t = n + 1, m
i =1
xit {0,1} , i = 1, m, t = 1, m
594
(4.54)
Model m < n - otvoreni problem rasporeivanja

m n
Max
f = cit xit
i =1 t =1
Min
n
xit = 1 i = 1, m
(4.55)
t =1
m
xit 1 t = 1, n
i =1
xit {0,1} , i = 1, m, t = 1, n
Zbog odnosa n > m, svako od m objekata e biti rasporeeno, ali sva mjesta nee biti popunjena. Otvoreni model rasporeivanja m < n se moe uvijek zatvoriti uvoenjem (n m)
fiktivnih objekata (redova). Svaki od fiktivnih objekata koji bude rasporeen na odreeno
mjesto u stvarnosti znai da e mjesto ostati nepopunjeno.
Dakle, zatvaranje modela (4.55) bi izgledalo:
m n
n
n
Max
f = cit xit + 0 xit

i =1 t =1
i = m +1 t =1
Min
n
xit = 1
i = 1, m
t =1
n
xit = 1i = m + 1, n
(4.56)
t =1
m
i =1
i = m +1
xit + xit = 1
t = 1, n
xit {0,1} , i = 1, n, t = 1, n
Napomenimo da svaki zatvoreni model rasporeivanja ima najmanje jedno mogue rjeenje, odnosno uvijek je rjeiv.
4.6.2.2. Maarska metoda
Metoda rasporeivanja se sastoji iz sljedeih koraka:
1. Reduciranje matrice
u svakom redu odredimo najmanji element pa ga odbijemo od ostalih elemenata tog
reda,
zatim, u svakoj koloni odreujemo najmanji element i odbijemo ga od ostalih elemenata te kolone.
Rezultat je matrica koja u svakom redu i u svakoj koloni ima bar jednu nulu.
595
2. Kategorizacija nula
a) polazimo od prvog reda i nalazimo redove u kojima je samo jedna neoznaena 0. Ta
nula se oznai sa 0, a ostale nule u toj koloni se precrtaju,
b) isti postupak zatim primjenjujemo na kolone.
Postupak a) i b) ponavljamo dok sve 0 ne oznaimo na jedan od navedenih naina. Ukoliko
imamo u svakom redu i u svakoj koloni oznaenu 0 asignacija je zavrena, ako to nije sluaj prelazimo na 3. korak
3. Nova matrica:
a) oznaimo strelicom redove bez asignacije ,
b) oznaimo strelicom kolone koje u oznaenim redovima imaju precrtanu nulu,
c) oznaimo redove koji u oznaenim kolonama imaju zaokruenu nulu,
d) nastavljamo korake b) i c) dok se lanac ne zavri,
e) povuku se linije kroz oznaene kolone i neoznaene redove. Kroz svaku zaokruenu
nulu mora prolaziti jedna i samo jedna linija, to znai linija imamo koliko i zaokruenih nula,
f) piemo novu reduciranu matricu tako to najmanji nepokriveni element
oduzmemeo od svih ostalih nepokrivenih,
dodamo elementima dva puta precrtanim.
Ponavlja se 2. korak, pa ako nema rjeenja ponavljamo i 3. korak, i tako dok ne izvrimo
asignaciju.
Primjer 4.22.
Pet dobara se moe proizvoditi na pet strojeva. Istovremeno se moe proizvoditi na

jednom stroju samo jedno dobro. Trokovi proizvodnje dobra, ovisno o stroju na kojem se proizvodi, (u nekim nj) su:
Dobro
I
II
III
IV
V
1
7
1
2
1
1
2
5
4
3
7
9
Stroj
3
3
5
1
3
4
4
1
6
2
6
10
5
6
6
4
6
8
Treba nai kombinaciju proizvodnje koja obezbjeuje najnie trokove.
596
Rjeenje:
1. korak: Reduciramo matricu tako da u svakom redu odredimo najmanji element i

oduzmemo ga od ostalih elemenata u tim redovima:
7
1
2
1
1
5
4
3
7
9
3
5
1
3
4
1
6
2
6
10
6
6
4
6
8
-1
-1
-1
-1
-1
Zatim u svakoj koloni oduzmemo najmanji element iz kolone:

6
0
1
0
0
-0
4
3
2
6
8
-2
2
4
0
2
3
-0
0
5
1
5
9
-0
5
5
3
5
7
-3
Rezultat je matrica koja u svakom redu i u svakoj koloni ima bar jednu nulu.
6
0
1
0
0
2
1
0
4
6
2
4
0
2
3
0
5
1
5
9
2
2
0
2
4
2. korak - kategorizacija nula:

6
0
0
4
6
2
3
5
9
2
4
0
0
4
6
2
3
5
9
2
4
3. korak -nova matrica:
597
Oduzimamo (dodajemo dva puta precrtanim) element 1:

7
0
2
0
0
2
0
0
3
5
2
3
0
1
2
0
4
1
4
8
2
1
0
1
3
2. korak -kategorizacija nula:

7
3. korak - nova matrica:
Oduzimamo (dodajemo dva puta precrtanim) element 1:

8
1
3
0
0
2
0
0
2
4
2
3
0
0
1
0
4
1
3
7
2
1
0
0
2
2. korak - kategorizacija nula:
598
3
0
0
2
0
0
1
3
0
0
Prilikom kategorizacije preostale dvije nule u matrici vidimo da su ravnopravni njihovi poloaji i po kolonama i po redovima, to znai da imamo dva optimalna
rjeenja. Proizvoljnim biranjem jedne opcije dobiemo jedno rjeenje, a izborom druge opcije dobiemo drugo rjeenje.
I rjeenje:
8
Dobro I se proizvodi na stroju 4, dobro II na stroju 2, dobro III na stroju 3, dobro IV na

stroju 5 i dobro V na stroju 1. Trokovi proizvodnje su: f = 1 + 4 + 1 + 6 + 1 = 13 nj.
II rjeenje:
8
Dobro I se proizvodi na stroju 4, dobro II na stroju 2, dobro III na stroju 5, dobro IV na

stroju 3 i dobro V na stroju 1. Trokovi proizvodnje su: f = 1 + 4 + 4 + 3 + 1 = 13 nj.
Primjer 4.23.
Posada astronauta NASA ima 10 specijalista sa doktorskim zvanjem iz astrofizike ili

astromedicine koji odlaze u misije u svemir. Jedan od specijalista bit e upisan na
svakom od 10 rasporeda letenja u sljedeih devet mjeseci. Specijalisti su odgovorni
za izvoenje znanstvenih i medicinskih eksperimenata u svemiru ili za lansiranje,
pronalaenje ili popravljanje satelita.
ef astronautskog osoblja, i sam bivi lan posade koji je ve uestvovao u tri misije,
mora odluiti ko bi trebao biti treniran za svaku od ovih, veoma razliitih misija. Jasno da su astronauti koji imaju medicinsko obrazovanje najpogodniji za misije koje su
vezane za bioloke ili medicinske eksperimente, dok e inenjeri i fiziari biti rasporeeni na druge vrste misija. ef ocjenjuje svakog astronauta ocjenama na skali od 1
do 10 za svaku pojedinanu misiju (10 dobivaju astronauti koji su savreni za izvre-
599
nje zadatka, a 1 oni koji uopte ne odgovaraju). Samo jedan specijalist je odreen za
svaki let, te ne uestvuje u drugoj misiji dok svi ostali ne odlete barem jednom.
a) Ko bi trebao biti odreen za svaki let?
b) NASA je obavijetena da je Andersonovo vjenanje zakazano za februar i da
namjerava tada provesti medeni mjesec u Evropi. Kako e to promijeniti konaan
raspored?
Podaci o ocjenama svakog astronauta za svaku planiranu misiju su dati u tabeli 4.23.
Zadatak rijeiti upotrebom solvera.
Tabela 4.23. Ocjene svakog astronauta za svaku planiranu misiju
Astronaut
Vincze
Veit
Anderson 442
Herbert
Schatz
Plane
Cerato
Moses
Brandon
Drtina
Jan.
12
9
8
2
4
10
1
9
3
5
10
Jan. Feb. Feb. Mar. Apr. Maj

27
5
26
26
12
1
7
8
1
4
10
3
9
2
4
10
2
3
10
10
9
5
8
7
5
9
1
4
10
9
9
7
8
6
9
7
10
7
1
9
8
9
9
4
10
6
9
9
4
9
9
7
1
3
10
7
8
7
7
1
1
10
1
9
5
5
Jun. Aug. Sep.

9
20
19
9
7
6
2
1
10
2
7
4
4
2
4
6
3
1
9
2
7
9
8
6
4
7
4
1
2
9
9
8
8
Rjeenje:
Zadatak se moe posmatrati kao problem transporta gdje su ponude svih ishodita jednake 1 i potrebe svih odredita jednaka 1 i prema postupku koritenja solvera za
transportne probleme koji je prethodno obraen zadatak se moe rijeiti.
600
Tabela 4.23.a.
Prvo emo prenijeti tabelu i zaglavlja na Excelovu stranicu. Zatim definisati prostor
za asignaciju (kod nas je to u elijama odmah ispod, odnosno sa zaglavljima zauzeli
smo prostor A16:K27). Asignaciju radimo na poljima B20:K29 i ovaj prostor moramo popuniti proizvoljnim vrijednostima ili ostaviti prazan.
U koloni i redu UKUPNO raunamo zbir popunjenih polja (U eliji B28 kucamo
SUM(B18:B27) i razvuemo formulu, odnosno u eliji L18 kucamo SUM(B18:K18)
i razvuemo formulu).
U kolonama i redovima sa nazivom kapacitet (potrebe) unosimo vrijednosti 1 jer je u
pitanju asignacija.
U eliji B32 sa nazivom vrijednost rasporeda unosimo vrijednost proizvoljnog (poetnog) rjeenja koje se dobije kao zbir ocjena svakog astronauta rasporeenog za neki
let. Ovu vrijednost raunamo koristei formulu SUMPRODUCT i vodei rauna da
dvije tabele koje povezujemo budu istih dimenzija (istog tipa)
(SUMPRODUCT(B3:K12;B18:K27)).
Pokretanjem opcije Solver u Tools meniju, otvorie nam se prozor za solver parametre:
601
Tabela 4.23.b.
U polju Subject to the Constraints unosimo da je kolona UKUPNO manja ili jednaka
koloni KAPACITET i red UKUPNO je vei ili jednak od reda POTREBE (ako je problem asignacije zatvoren, moemo koristiti znak = i kod kapaciteta i kod potranje).
U prostor Set Target Cell unosimo eliju u kojoj elimo da nam se prikae vrijednost
funkcije cilja, odnosno vrijednost asignacije. Kod nas je to polje B32.
U prostor By Changing Cells unosimo adresu tabele u kojoj elimo de se uradi asignacija. Kod nas je to B18:K27.
Potom se u Solver Parameters meniju klikne na Options i oznae opcije Assume
Linear Model i Assume Non-Negative. Nakon toga se klikom na Solve (rijei) u
Solver Parameters dobije optimalno rjeenje problema. (tabela 4.23.)
Vidimo da je vrijednost asignacije 96 i vidimo raspored pojedinih astronauta na konkretne letove.
AstroVincze
nauti
Mar
Letovi
26
602
Veit
Apr
12
Anderson Herbert Schatz

442
Feb
26
Feb
5
Jan
12
Plane
Cerato
Moses
Brandon
Drtina
Jun
9
Sept
19
Maj
1
Aug
20
Jan
27
Tabela 4.23.c
b) Astronaut Anderson ne moe putovati u februaru. Zato moramo prilagoditi tabelu

tako da upotrebom solvera dobijemo rjeenje po kojem je Anderson slobodan u tom
periodu.
Iskljuiti Andersona za letove u februaru moemo tako to emo u polaznoj tabeli
4.23. promijeniti njegove ocjene i dati mu najmanje vrijednosti (da je cilj bio minimizacija, onda bismo mu dodijelili najvee vrijednosti, pa da bude nekonkurentan na
posmatranoj poziciji)
Tabela 4.23.d
603
Vidimo da je nova vrijednost rasporeda 92 i da je Anderson planiran za let u maju.

Takoer vidimo da su se planovi letova za gotovo sve astronaute promijenili.
Astro- Vincze
nauti
Letovi
604
Mar
26
Veit
Apr
12
Anderson Herbert Schatz

442
Maj
1
Feb
5
Feb
26
Plane
Cerato
Moses
Brandon
Drtina
Jun
9
Jan
27
Sept
19
Aug
20
Jan
12

1. Ako je skup ogranienja nekog modela dat sa:
(a ) 2 x1 + 2 x2 100
(b )
(c )
x1
20
x 2 40
60
60
2 x1 + 2 x 2 100
x 2 40
koje ogranienje se moe izbaciti, a da

skup moguih rjeenja i dalje bude isti?
3. Ako je skup ogranienja nekog modela
2 x1 + 2 x 2 100
x1
D
(c)
C
(a)
A
0
0
20
x 2 40
x1 , x 2 0
kad problem LP-a nee imati rjeenje?

a) ako je cilj max f,
10
20
30
40
50
x1
60
x2
F
50
40
x1 , x 2 0
(a )
(b )
(c )
(b)
20
tada je oblast moguih rjeenja:

a) prazan skup,
b) trougao ABC,
c) trougao CDE,
d) petougao OACEG,
e) neogranien konveksan skup sa jednim tjemenom u D.
20
40
10
x1
50
30
x1 , x 2 0
(a )
(b )
(c )
x2
(b)
E
D
(c)
C
30
20
(a)
10
A
0
0
60
20
30
40
50
x1
60
x2
F
50
40
10
(b)
E
D
(c)
C
30
20
(a)
10
A
0
0
10
20
30
40
50
x1
60
605
b) ako je cilj min f,

c) uvijek e imati rjeenje,
d) nema rjeenja jer je skup moguih rjeenja prazan.
(a )
(b )
(c )
x2
F
50
2 x1 + 2 x 2 100
x1
20
x 2 40
40
x1 , x 2 0
koje ogranienje se moe izbaciti, a da

skup moguih rjeenja i dalje bude isti?
(a )
(b )
60
x1 2 x 2 10
(b)
E
D
(c)
C
30
20
(a)
10
A
0
0
50
40
2 x1 + 2 x 2 80 ,
30
x1 , x 2 0
20
10
20
30
40
50
x1
60
x2
D
A (30, 10)
10
6. Odrediti skup moguih rjeenja

B
0
a) prazan skup,
0
10
20
30
b) trougao ABC,
-10
c) trougao CDO,
d) etverougao OBAD,
e) neogranien konveksan skup sa jednim tjemenom u D, a drugim u A.
6)
C
40
x1
50
Ako je u prethodnom modelu cilj max f = x1 + x2, odrediti optimalnu vrijednost funkcije cilja.
a)
b)
c)
d)
606
optimalna je taka A,
optimalna je taka B,
optimalna je taka C,
optimalna je du AC.
7)
U ''polaznom dualnom modelu LP-a'' broj ogranienja je n = 4 , a broj polaznih dualnih varijabli {Yn+i } je m = 3. Koliko odgovarajui ''polazni primalni model LP-a'' ima
ogranienja:
a) 3,
b) 4,
c) 7,
d) nije mogue utvrditi bez konkretnog zadatka.
8)
U ''polaznom dualnom modelu LP-a'' broj ogranienja je n = 4 , a broj polaznih dualnih varijabli {Yn+i } je m = 3. Koliko odgovarajui ''polazni primalni model LP-a'' ima
polaznih primalnih varijabli:
a) 3,
b) 4,
c) 7,
d) nije mogue utvrditi bez konkretnog zadatka.
9)
Ako primal ima cilj Min.f, kojeg su oblika polazna dualna ogranienja ?
a) Sva su ogranienja tipa ,
b) Sva su ogranienja tipa ,
c) Sva su ogranienja tipa =,
d) Ogranienje u dualu zavisi od ogranienja u primalu.
10) U standardnom primalnom modelu LP-a broj ogranienja je m = 7 , a broj svih (polaznih i izravnavajuih) varijabli { X s } = X p + { X n+i } je N=11. Koliko u tom modelu
{ }
ima polaznih dualnih varijabli?

a) 7,
b) 11,
c) 4,
d) 18.
11) U standardnom primalnom modelu LP-a broj ogranienja je m = 7 , a broj svih (polaznih i izravnavajuih) varijabli { X s } = X p + { X n+i } je N=11. Koliko u tom modelu
{ }
ima ''izravnavajuih dualnih varijabli?

a) 7,
b) 11,
c) 4,
d) 18.
607
12) Objasniti znaenje konkretne optimalne vrijednosti izravnavajue dualne promjenljive

KM
.
y 2 = 5
kom
a) 5 KM/kom nedostaje da bi ogranienje II bilo u potpunosti iskoriteno.
b) Ako se ogranienje II povea za 1 komad, a ostala ogranienja ostanu ista, funkcija cilja e se promijeniti za 5 KM.
c) Da bi polazna dualna varijabla x2 ula u optimalan program proizvodnje, potrebno je da se njen koeficijent u funkciji cilja (c2) promijeni za najmanje 5 KM.
13) Objasniti znaenje konkretne optimalne vrijednosti polazne dualne promjenljive
KM
y n + 2 = 5
ms
a) 5 KM/kom nedostaje da bi ogranienje II bilo u potpunosti iskoriteno.
b) Ako se ogranienje II povea za 1 ms, a ostala ogranienja ostanu ista, funkcija cilja e se promijeniti za 5 KM.
14) Objasniti znaenje konkretne optimalne vrijednosti izravnavajue primalne promjenljive x n+ 2 = 5 kom
a) 5 kom nedostaje da bi ogranienje II bilo u potpunosti iskoriteno.
b) Ako se ogranienje II povea za 1 ms, a ostala ogranienja ostanu ista, funkcija cilja e se promijeniti za 5 KM.
15) Ako postoje optimalna rjeenja, kakav je odnos izmeu vrijednost funkcije cilja primala i vrijednosti funkcije cilja duala?
a) f g
b) g f
a)
c) f > g
d ) g > f
e) g = f
16) Ako primalni model ima m ogranienja i n varijabli, tada dualni model mora imati:
a) m polaznih varijabli,
b) n polaznih varijabli,
608
17) Ako je optimalna vrijednost neke varijable odluivanja u linearnom programiranju

razliita od nule, tada optimalna vrijednost odgovarajue dualne varijable mora biti
a) jednaka 0,
b) razliita od 0,
c) vea od 0,
d) manja od 0.
18) Koji od sljedeih odgovora nije svojstvo problema linearnog programiranja:
a) ogranienja,
b) softverski paket,
c) optimizacija funkcije cilja,
d) linearne jednaine i nejednaine?
19) Dovri reenicu: Optimalno rjeenje problema linearnog programiranja
a) se dostie u ekstremnoj taki skupa moguih rjeenja,
b) moe biti bilo koja taka iz skupa moguih rjeenja,
c) je jedinstveno,
d) mora uvijek biti cjelobrojno.
20) Koje od sljedeih ogranienja ne moe biti ogranienje problema linearnog programiranja?
a) 4 x1 + 2 x 2 = 820
b) 4 x1 + x 2 820
c) 4 x1 + 2 x 2 820
d)
x1 + x23 80
21) Kod optimalnog rjeenja primala LP-a svi su (C s f s ) 0 . Znai da je cilj:

a) max f,
b) min f.
22) Kod optimalnog rjeenja primala LP-a svi su (C s f s ) 0 . Kakav je cilj kod odgovarajueg dualnog modela?.
a) max g,
b) min g.
23) ta predstavlja sljedei izraz: X i Yi = 0 i = 1, N ?
a) Princip oslabljene komplementarnosti.
b) Princip oslabljene kolinearnosti.
c) Princip oslabljene kompatibilnosti.
609
24) Kako se upotrebom grafike metode manifestuje postojanje viestrukog optimalnog

rjeenja u zadatku linearnog programiranja?
a) Skup moguih rjeenja je prazan.
b) Skup moguih rjeenja je neogranien.
c) Pravac funkcije cilja je paralelan sa ogranienjem koje predstavlja usko grlo programa.
25) Kako se upotrebom simplex algoritma manifestuje postojanje viestrukog optimalnog
rjeenja u zadatku linearnog programiranja?
a) Optimalna tabela ne postoji.
b) Bazino rjeenje je degenerisano.
c) U optimalnoj simplex tabeli su svi (C s f s ) 0
d)
e)
U optimalnoj simplex tabeli su svi (C s f s ) 0

U optimalnoj simplex tabeli postoji nebazni vektor kod kojeg vrijedi
(C s f s ) = 0
26) U kojoj se jedinici mjere izraava vrijednosti izravnavajue primarne varijable xn + i ?

a) U jedinici mjere primalne varijable xi.
b) U jedinici mjere dualne varijable yi.
c) U jedinici mjere ogranienja i .
d) U jedinici mjere funkcije cilja.
e) U jedinici mjere funkcije cilja / jedinica mjere ogranienja i.
27) Napisati izraz za kriterij ulaska vektora u bazu ako je cilj LP minimum.
28) Napisati kriterij izlaska vektora iz baze.
29) U kojoj se jedinici mjere izraava vrijednosti izravnavajue dualne varijable Y p ?
30) Koje je znaenje optimalne vrijednosti polazne dualne varijable Yn + i ?
31) Koji uslovi trebaju biti zadovoljeni da bi simplex tabela koja odgovara linearnom programu maksimizacije bila optimalna?
32) Koji je bio cilj primalnog modela ukoliko su kod optimalnog rjeenja primala LP-a
sve razlike {C s f s } 0 ?
33) Koji je bio cilj dualnog modela ukoliko su kod optimalnog rjeenja primara LP-a sve
razlike {C s f s } 0 ?
610
34) Po definiciji, kako se u tekuoj bazi B izraavaju vektori As s = 1, N ?
35) Napisati opti oblik izraavanja vektora As s = 1, N u novoj bazi B ( Au ; Ab b v ) .

i K bs
(s b ) .
36) Napisati formule za izraunavanje K us
37) Ako je u optimalnom rjeenju duala odgovarajua dualna varijabla Ys = 0 , koja od
sljedeih tvrdnji je sigurno tana za odgovarajuu primalnu varijablu X s ?
a) X s = 0
b) X s 0
c) X s 0
38)
Koji kriterij mora da zadovolji nebazini vektor Aj kod simplex tabele linearnog problema maksimizacije da bi eventualno uao u bazu? Odgovor obrazloiti.
39) Napisati kondezovani opti oblik dualnog modela linearnog programiranja koji odgovara polaznom primalnom modelu:
n
Max( f ) = c p x p
p =1
a
p =1
kp
x p d k , k=1K
lp
x p d l , l=K+1,K+L
a
p =1
x p 0 , p=1, ..n
40) U polaznom dualnom modelu LP-a broj ogranienja je n = 4 , a broj 'polaznih dualnih
varijabli {Yn+i } je m=3. Ako primal ima cilj Min.f, kojeg su oblika polazna dualna
ogranienja ?
41) U standardnom primalnom modelu LP-a broj ogranienja je m = 8 , a broj svih (polaznih i izravnavajuih) varijabli { X s } = X p + { X n+i } je N=12.
{ }
a)
b)
Koliko u tom modelu ima polaznih dualnih varijabli?

Koliko u tom modelu ima izravnavajuih dualnih varijabli?
42) Napisati u kondenzovanom obliku simetrian model LP iji je cilj minimum.
611
43) Kako se u grafikoj metodi LP manifestuju situacija da problem LP-a ima beskonano
mnogo optimalnih rjeenja i kako ih nalazimo?
44) Objasniti ekonomsko znaenje optimalnih dualnih promjenjivih.
45) Objasniti znaenje konkretne optimalne vrijednosti izravnavajue dualne promjenljive
KM
.
y 2 = 5
kom
46) Napisati u kondenzovanom obliku simetrian model LP iji je cilj maksimum.
47) Kako se u grafikoj metodi LP manifestuje situacija da problem LP- a nema optimalno rjeenje?
48) Objasniti znaenje konkretne optimalne vrijednosti polazne dualne promjenjljive
KM
.
y n + 2 = 5
ms
49) Ako postoje optimalna rjeenja, kakav je odnos izmeu vrijednost funkcije cilja primala i vrijednosti funkcije cilja duala?
50) Ako primalni model ima m ogranienja i n varijabli, tada dualni model mora imati m
ili n varijabli.
51) Koji od sljedeih odgovora nije karakteristika problema linearnog programiranja:
a) ogranienja,
b) softverski paket,
c) optimizacija funkcije cilja,
d) linearne jednaine i nejednaine?
52) Optimalno rjeenje problema linearnog programiranja:
a) se dostie u ekstremnoj taki skupa moguih rjeenja,
b) moe biti bilo koja taka iz skupa moguih rjeenja,
c) je jedinstveno,
d) mora uvijek biti cjelobrojno.
53) Napiite izraz za opti polazni model linearnog programiranja kod grafike metode.
612
54) Dopunite sljedeu tabelu za simplex algoritam LP-a.
55) Napiite izraz za kondenzovani oblik funkcije cilja "f" u primalnom modelu LP.
56) Napiite izraz za kondenzovani oblik primalnog ogranienja "prvog tipa" u primalnom
modelu LP.
57) Napiite izraz za kondenzovani oblik primalnog ogranienja "drugog tipa" u primalnom modelu LP-a.
58) Napiite izraz za kondenzovani oblik primalnog ogranienja "treeg tipa" u primalnom modelu LP.
59) ta predstavlja sljedei izraz: X i Yi = 0 i = 1, N ?
60) Kako matematski glasi teorema ''Princip oslabljene komplementarnosti'' u LP-u? Objasniti kako se taj princip primjenjuje na odreivanje optimuma duala ako je poznato
optimalno rjeenje primala?
61) Na osnovu ega se utvruje postojanje viestrukog optimalnog rjeenja u zadatku linearnog programiranja grafikim i simplex algoritmom?
62) Napisati u kondenzovanom obliku polazni primalni model linearnog programiranja.
63) Napisati u kondenzovanom obliku polazni dualni model linearnog programiranja.
64) Koji uslovi trebaju biti zadovoljeni da bi simplex tabela, koja odgovara linearnom
programu maksimizacije, bila optimalna?
65) Po definiciji, kako se u tekuoj bazi B izraava vektor A ?
613
66)
Koji kriterij mora da zadovolji nebazini vektor Aj kod simplex tabele linearnog problema maksimizacije da bi eventualno uao u bazu? Odgovor obrazloiti.
67) Kod nekog problema linearnog programiranja poznata je optimalna simplex tabela:
CS
10
10
-M
CB
A0
A1
A2
A3
A4
A5
A5*
A3
50
-1
10
A2
200
-1
10
A1
100
-1
3000
-5
-M
CS - fS
A) Na osnovu ponuene tabele odrediti:

i) Koji je bio cilj Max f ili Min f?
ii) Koliko je optimalno f ?
iii) Kojeg polaznog tipa su ogranienja? Koje su optimalne vrijednosti polaznih
primalnih varijabli Xp i izravnavajuih primalnih varijabli Xn+i ?
B) Na osnovu ponuene tabele odrediti:
iv) Optimalnu vrijednost duala g ?
v) Koje su optimalne vrijednosti polaznih dualnih varijabli Yn+i i izravnavajuih
dualnih varijabli Yp ?
68)
Kod nekog problema LP-a data je polazna simplex tabela:
614
25
A2
5
5
12
A3
2
6
0
A4
1
0
0
A5
0
1
20
25
12
A0
0
0
X4
X3
Cj-fj
a)
b)
c)
d)
6000
9000
20
A1
6
4
C0
Ako se zna da je cilj max f, napisati kako glasi model.

Koliko ima polaznih primalnih varijabli?
Koliko ima polaznih dualnih varijabli?
Kojeg tipa su ogranienja i da li je model simetrian?
e)
f)
Ako bismo vektor A2 ukljuili u bazu, koliku vrijednost on treba uzeti i koliko bi
se tada popravila vrijednost funkcije cilja?
Da li je bolje ukljuiti u bazu vektor A2 ili A1? Obrazloiti odgovor.
69) Napisati kondezovani opti oblik dualnog modela linearnog programiranja koji odgovara polaznom primalnom modelu:
n
Max( f ) = c p x p
p =1
a
p =1
kp
x p d k , k=1K
lp
x p d l , l=K+1,K+L
a
p =1
x p 0 , p=1, ..n
70) Koje metode se koriste za dobivanje polaznog plana transportnog modela?
71) Koje metode se koriste za unapreenje tekueg plana transportnog modela?
72) U modelu transporta a>b, broj izravnavajuih primalnih varijabli je jednak:
a) broju ishodita
b) broju odredita
c) nema izravnavajuih varijabli jer je model zatvoren.
73) U optimalnom rjeenju problema asignacije dobijena je sljedea vrijednost x 35 = 0 .
Objasniti znaenje dobijenog izraza.
74) Navesti korake u primjeni metode asignacije.
75) Koliko pozitivnih vrijednosti xij mora biti u rjeenju transportnog modela sa m ishodita i n odredita da bi rjeenje bilo degenerisano?
615

Zadatak 4.1.
Neko preduzee proizvodi dva tipa skija, skije za tranje T1 i skije za slalom T2. Relevantni
podaci o proizvodnom programu dati su u tabeli.
BROJ RADNIH
SATI PO PARU
SKIJA T1
BROJ RADNIH
SATI PO PARU
SKIJA T2
5
5
40$
4
2
30$
ODJEL ZA PROIZVODNJU
ODJEL ZA FINALIZACIJU
PROFIT PO SKIJI
KAPACITET U
SATIMA (mjeseni)
750
450
Ispitivanjem trita preduzee je odluilo da proizvodnja skija za slalom bude najmanje dva
puta vea od proizvodnje skija za tranje. Treba:
a) Pronai optimalan program proizvodnje u cilju maksimizacije mjesenog profita predu-
zea i analizirati rjeenje;

b) Ako bi se poveao profit po paru skija za slalom za 10$ ,kakva bi bila posljedica po
optimalnom programu proizvodnje?
Zadatak 4.2.
Jedan lanac restorana eli proiriti svoju djelatnost otvarajui nove restorane u odreenim
gradovima.
Za jedan novi restoran tipa FAST FOOD potrebno je 20 000 KM i 2 nova radnika, a oekivani godinji prihod je 200 000 KM.
Za jedan novi restoran tipa CLASIC potrebno je 30 000 KM i 4 nova radnika, a oekivani
godinji prihod je 500 000 KM.
Preduzee ima na raspolaganju 600 000 KM i zakonski ugovor zahtijeva da uposli najmanje
44 nova radnika.
Istraivanje trita je pokazalo da restorana tipa FAST FOOD treba biti najmanje za 10 vie
od restorana tipa CLASIC.
a) Pronai optimalan program program irenja djelatnosti u cilju maksimizacije profita i
analizirati rjeenje.
b) Ako bi se naknadnim istraivanjem trita u gradovima ustanovilo da ne treba vie od 6
restorana tipa CLASIC, kako bi to uticalo na optimalan plan proizvodnje?
616
ZADACI ZA VJEBU
Zadatak 4.3.
Electrocom korporacija proizvodi dva tipa proizvoda: klima ureaje i velike ventilatore.
Proces proizvodnje za svaki proizvod je slian: zahtijeva se odreena koliina oiavanja i
odreena koliina buenja.
Svaki klima ureaj trai 3 sata oiavanja i 2 sata buenja, a za svaki ventilator treba 2 sata
oiavanja i 1 sat buenja.
U narednom proizvodnom periodu raspolaemo sa 240 sati oiavanja i do 140 sati buenja.
Svaki klima ureaj donosi profit od 25 USD, a svaki ventilator donosi profit od 15 USD.
Menadment kompanije je potpisao ugovor kojim se garantuje isporuka 20 klima ureaja.
Ispitivanjem trita su ustanovili da ponudu ventilatora treba ograniiti na maksimalno 80
komada u narednom proizvodnom periodu.
a) Odrediti optimalnu kombinaciju proizvodnje klima ureaja i ventilatora u narednom
periodu koja e osigurati najvei profit Electocomu;
b) Izvriti analizu optimalnog programa proizvodnje;
c) Formirati dualni model i odrediti optimalne vrijednosti dualnih promjenljivih.
Zadatak 4.4.
Preduzee proizvodi dva proizvoda (A i B). Oba proizvoda se proizvode na strojevima kapaciteta 250 sati mjeseno. Za jedan sat rada strojeva izradi se 3 jedinice A proizvoda, ili
1,5 jedinica B proizvoda.
Prodaja proizvoda B je ograniena na 300 jedinica mjeseno.
Iz jedinice osnovne sirovine moe se proizvesti 6 jedinica A proizvoda ili 10 jedinica B
proizvoda.
Mjeseno se moe obezbijediti najvie 90 jedinica te sirovine.
Dobit po jedinici A proizvoda je 20 KM a po jedinici B proizvoda je 50 KM.
Treba:
a) Odrediti program proizvodnje koji osigurava najveu dobit;
b) Izvriti analizu optimalnog programa;
c) Odrediti da li e biti promijenjen optimalni program proizvodnje ako je naknadno ustanovljeno da se mora proizvesti najmanje 100 jedinica proizvoda A mjeseno.
Uputstvo: (Potrebno je prethodno izraziti koliko sati ili sirovine treba za jedinicu proizvoda
A ili B. Npr: Za jedan sat rada strojeva izradi se 3 jedinice A proizvoda, ili 1,5 jedinica B
proizvoda za jedinicu dobra A potrebno je 1/3 sata rada strojeva ...)
617
Zadatak 4.5.
Kandidat za gradonaelnika u gradu XYZ je izdvojio 40 000 USD za oglaavanje u posljednjem danu pred izbore. Planirano je da se koriste dva tipa oglaavanja: radio i televizija.
Oglas na radiju kota 200 USD i procjenjuje se da e svako oglaavanje na radiju uti novih
3000 osoba.
Oglas na TV kota 500 USD i procjenjuje se da svaki TV oglas informie novih 7 000 osoba.
U planiranju reklamne kampanje menader bi elio da oglase uje to vie ljudi, ali ugovorom su ogranieni da:
- moraju imati najmanje 10 oglasa svakog tipa i
- da radio oglasa mora biti najmanje toliko koliko i TV oglasa.
a) Odrediti koliko oglaavanja svakog tipa treba koristiti da bi se informisalo to vie ljudi
i koliko maksimalno ljudi e uti oglase.
b) Izvriti analizu optimalnog programa;
c) Ako bi ugovorom bilo odreeno da moramo imati najmanje 20 TV oglasa, a ostali uslovi ugovora ostaju nepromijenjeni, da li bi tada vie ljudi bilo informisano?
Zadatak 4.6.
Brokerska firma BLW je izvrila analizu i preporuila dvije dionice jednom investitorskom
klubu profesora. Profesori su bili zainteresovani za faktore kao to su: kratkoroni rast vrijednosti, srednjoroni rast vrijednosti i stope dividendi.
Traeni podaci za svaku dionicu su:
Faktor
Luizijana Gas Trimex Insulation

& Power
Company
Oekivani kratkoroni rast po

uloenom dolaru
Oekivani srednjoroni rast (u toku
naredne 3 godine) po uloenom dolaru
Oekivana stopa dividendi (godinja)
3,6%
2,4%
20%
25%
4%
8%
lanovi kluba imaju sljedee investicijske ciljeve:

Porast vrijednosti ne manji od 720 $ za kratkoroni period,
Porast vrijednosti ne manji od 5 750 $ za srednjoroni period,
Prihod od dividendi ne manji od 200 $ na godinjem nivou.
Koja je najnia suma koju klub profesora treba uloiti kako bi postigao gore navedene ciljeve i uz koju kombinaciju ulaganja? Odrediti uska grla optimalnog programa i koje
ogranienje je suvino.
618
ZADACI ZA VJEBU
Zadatak 4.7.
Uspjena firma koja gradi dva tipa skladita (Maxi i Mini) je odluila da razvije posao na
teritoriji X. Zakonski ugovor im dozvoljava koritenje maksimalno 8000 m2 prostora i to
100 m2 po Maxi, a 50 m2 po Mini tipu skladita.
Istraivanje trita je pokazalo da na ovoj teritoriji ne treba vie od 60 skladita tipa Maxi.
Raspoloivi mjeseni budet firme za oglaavanje je 400 $, i to 2 $ po Maxi i 4 $ po Mini.
Ako je mjeseni profit firme 50 $ po Maxi tipu i 20 $ po Mini tipu skladita, napraviti optimalan program izgradnje ovih tipova skladita da bi firma ostvarila maximalan profit.
Analizirati rjeenje i odrediti kakav bi efekat na optimalno rjeenje imao mjeseni porast
profita po Mini tipu skladita za 50% .
Zadatak 4.8.
Dekan Western Business Collegea mora isplanirati ponude kurseva za jesenji semestar.
Ugovor fakulteta diktira najmanje 55 obaveznih i izbornih kurseva ukupno.
Studenti zahtijevaju bar 20 izbornih kurseva.
Na svaki obavezan kurs fakultet zapoljava 2 nastavnika, a na svaki izborni 3 nastavnika,
dok fakultet raspolae sa najvie 150 nastavnika za jesenji semestar.
Analizom trokova je utvreno da svaki obavezan kurs kota 3000$, a svaki izborni 2500$.
a) Napraviti optimalan plan broja obaveznih i izbornih kurseva da bi se minimizirali trokovi fakulteta.
b) Da li bi se trokovi fakulteta poveali ako bi studenti traili barem 30 izbornih kurseva?
Zadatak 4.9.
Neka su na raspolaganju samo dva artikla dnevne prehrane A1 - hljeb i A2 - meso koji sadre hranjive sastojke H1 - bjelanevine, H2 - masti, H3 - ugljikohidrate. Svi potrebni podaci i
minimalne dnevne potrebe hranjivih sastojaka za osobu odreene teine i dobi, kao i cijene
dati su u tabeli:
Hranjivi sastojci
(u gramima)
H1
H2
H3
Cijena po 100gr.
A1 (u 100 gr.)
A2 (u 100 gr.)
8
2
50
0,70 KM
16
24
0
4,00 KM
Dnevne potrebe
u gr.
104
66
360
619
a) Odrediti optimalan program dnevne prehrane s tim da trokovi za hranu budu minimalni. Protumai dobiveno rjeenje!
b) Formirati dualni model i, ako se zna da je y 4 = 0,13 KM/gr, objasniti znaenje ove vrijednosti.
Zadatak 4.10.
Jedno poduzee izvozi dva proizvoda A, B u dvije zemlje Z i W.
Za zemlju Z vrijednost izvoza je ograniena na 30 000$, po cijeni od 1$ za komad proizvoda A i 2$ za proizvod B.
Za zemlju W vrijednost izvoza je ograniena na 60 000$, po cijeni od 3$ za komad proizvoda A i 2$ za proizvod B.
Proizvod A se mora izvesti u koliini od najmanje 6 000 komada.
Devizni efekat po komadu proizvoda A iznosi 180$, a proizvoda B 120$.
a) Odrediti optimalan program izvoza proizvoda A i B za koji e se ostvariti maksimalan
devizni efekat.
b) Ako se devizni efekat po proizvodu B povea za 10%, da li biste onda odabrali drugaiji optimalan plan?
Zadatak 4.11.
Novi pogon nekog preduzea treba da proizvodi proizvode A, B, C. Istraivanja trita su
pokazala da: proizvoda A treba proizvoditi najvie 1800 jedinica, proizvoda B treba proizvoditi najmanje 4200 jedinica, proizvoda C treba proizvoditi najmanje 2400 jedinica.
Za proizvodnju ovih proizvoda treba da obui radnike kvalifikacija K1 i K2. Trokovi obuke
jednog radnika kvalifikacije K1 iznose 300 KM, a radnika K2 400 KM. Jedan radnik jedne
ili druge kvalifikacije moe u toku radnog vremena da proizvede sljedeu koliinu proizvoda A, B, C:
Jedan
radnik
K1
K2
A (jed.)
B (jed.)
C (jed.)
1
1
3
2
1
4
a) Koliko radnika kvalifikacija K1, K2 treba obuiti da trokovi preduzea budu minimalni?
b) Izvriti standardizaciju modela i analizirati rjeenje.
620
ZADACI ZA VJEBU
Zadatak 4.12
Fabrika obue je u program proizvodnje uvrstila novi model mukih cipela i enskih izmica za iju proizvodnju se koriste iste sirovine. Za obradu jednog para cipela koristi se 1 m
koe, a za izmice 2 m koe. Za obradu jednog para cipela neophodno je utroiti 6 sati rada,
a za proizvodnju izmica 3 sata rada. Za potrebe izrade prve serije nabavljeno je 2400 m
koe i moe se angaovati 4500 radnih sati. Ustanovljeno je da proizvodnja enskih izmica mora biti bar dva puta vea od mukih cipela!
Profit po jednom paru cipela je 25 KM, a po jednom paru izmica 30 KM.
a) Odrediti optimalan program proizvodnje u jednoj seriji za koji bi se ostvario maksimalan profit poduzea.
b) Formirati dualni model, izraunati i protumaiti dualnu varijablu y 3 .
Zadatak 4.13.
Pobjednik na teksakom lotou je odluio da godinje investira do 50000$ u dionice. U razmatranje su uzete dionice Petrohemije i JP Vodovod i Elektroprivreda. Plan je da se na dui
vremenski period dobije to vei povrat. Uzeti su u obzir i rizici od ulaganja u dionice koje
su na tritu. Index rizika na skali od 1-10 (sa 10 kao najrizinijom skupinom) je dodijeljen
svakoj dionici. Ukupni rizik portfolija se dobije mnoei rizik svake dionice sa ulaganjem u
tu dionicu.
U tabeli je prikazan povrat i rizik.
Petrohemiska industrija
JP. Vodovod i Elektroprivreda
Oekivani povrat
Rizik
12%
6%
9
4
Investitor bi elio da maximizira povrat, ali prosjean rizik ne smije biti vei od 6.
Koliko bi trebalo biti investirano u svaku dionicu? Koji je prosjean rizik? Koji je oekivani povrat?
Zadatak 4.14.
U tampariji se tampaju tri vrste knjiga: A, B, C, uz jedinine trokove: 15 KM/kom A,
10 KM/kom B, 12 KM/kom C.
Istraivanjem trita je ustanovljeno da knjiga tipa A treba proizvesti najmanje 100 kom
vie nego knjiga B i C zajedno. Dogovoreno je da se u takvoj proizvodnji angauje minimalno 420 r, a zna se da se treba utroiti: 2 r/kom A, 3 r/kom B i 4 r/kom C.
a) Formirati model datog problema ako je cilj minimizirati trokove;
621
b) Slobodno izabranom metodom pronai optimalno rjeenje i izvriti analizu ispunjenja

ogranienja;
c) Formirati odgovarajui dualni model i odrediti optimalne vrijednosti dualnih promjenjljivih;
d) Protumai znaenje optimalne vrijednosti dualnih varijabli.
Zadatak 4.15.
U hranjenju pilia dnevni obrok treba da sadri najmanje 18 jedinica hranljivog sastojka A,
16 jedinica hranljivog sastojka B i 24 jedinice hranljivog sastojka C. Dvije vrste hrane I i II
koje se koriste u spravljanju dnevnog obroka sadre sljedei broj jedinica hranljivih sastojaka:
A
B
C
I
6
2
2
II
2
4
12
Nabavna cijena I vrste hrane je 8 KM, a hrane II je 12 KM. Treba:

a) Izraunati sastav obroka koji osigurava najjeftiniju hranu i cijenu kotanja obroka;
b) Izvriti analizu ovog optimalnog programa isporuke;
c) Formirati dualni model, odrediti optimalne vrijednosti dualnih promjenljivih i dati njihovo ekonomsko znaenje.
Zadatak 4.16.
Davalac usluga Com.co za kompjutersku obradu podataka ima cijene 1000 KM na minutu visokoprioritetnog vremena i 600 KM na minutu niskoprioritetnog vremena. Korisnicima
njihovih usluga treba najmanje 5 minuta visokoprioritetnog vremena dnevno, a davalac
usluga moe obezbijediti najvie 40 minuta za obradu podataka i to najvie 10 minuta visokoprioritetnog vremena, dnevno.
a) Koliko kojeg vremena bi trebalo biti kupljeno pa da Com.co maksimizira svoj prihod?
b) Ispitati da li e rjeenje ostati optimalno ukoliko davalac usluga snizi cijenu visokoprioritetnog vremena za 20% .
Zadatak 4.17.
Napravljeni su projekti za dva prigradska naselja M i N koja se mogu etapno izgraivati. Za
prvu etapu njihove izgradnje grad je obezbijedio sljedea namjenska investiciona sredstva:
200 nj za puteve, 130 nj za vodovod i 108 nj za kanalizaciju.
Prema projektima, za navedene infrastrukture na svakih 1000 stanovnika treba utroiti :
622
ZADACI ZA VJEBU
Za puteve
Za vodovod
Za kanalizaciju
Naselje M
2,5
2
1,8
Naselje N
5
2
1,2
Uslovljeno je da u ovoj etapi treba izgraditi infrastrukturu u koju bi se uselilo najmanje

25000 stanovnika zbirno u oba naselja.
a) Pronai takav plan raspodjele navedenih namjenskih investicionih sredstava za naselja
M i N kojim e se izgraditi odgovarajua infrastruktura za maksimalan broj stanovnika.
b) Ako optimalno rjeenje u a) nije jednoznano, izabrati ono rjeenje kojim e se najvie
utedjeti namjenskih investicionih sredstava bez obzira na namjenu.
c) Formirati dualni model i odrediti optimalne vrijednosti dualnih promjenljivih koje odgovaraju rjeenju b).
Zadatak 4.18.
Predviena je proizvodnja dva proizvoda A i B. U proizvodnji se koristi stroj iji je maksimalan mjeseni kapacitet 1200 m. Za izradu jedinice proizvoda A potrebna su 2 m i za
izradu jedinice proizvoda B potrebna su 2 m. Za proizvodnju ovih proizvoda potrebno je
obezbijediti najmanje 400 kg sirovine mjeseno. Iz 1 kg sirovine proizvede se jedinice
proizvoda A ili 1 jedinica proizvoda B.
Istraivanjem trita ustanovljeno je da se mjeseno moe prodati najvie 500 jedinica proizvoda B i da se na svaku jedinicu proizvoda A mora proizvesti najmanje proizvoda B.
Dobit po jedinici proizvoda A je 40 KM, a proizvoda B je 50 KM.
a) Utvrditi program proizvodnje koji osigurava najveu dobit i izvriti analizu optimalnog
rjeenja;
b) Utvrditi posljedice na optimalno rjeenje ako se dobit po jedinici proizvoda B povea za
60%;
c) Formirati dualni model i odrediti optimalne vrijednosti dualnih promjenljivih koje odgovaraju rjeenju b).
Zadatak 4.19.
Tvornica gume isporuuje proizvoau traktora gume za male traktore trotokae i standardne traktore. Cijena isporuke gume za zadnji toak malog traktora G1 je 600 nj/kom, za
prednji toak G2 je 1000 nj/kom i za standardni traktor je 1200 nj/kom.
Na strojevima mjesenog kapaciteta 6 000 sati izradi se jedna guma G1 za 0,5 h, G2 za 0,5
h i G3 za 0,5 sati.
623
Za jednu gumu G1 treba 1,5 kg uvozne sirovine, za G2 gumu 2 kg i za G3 gumu 5 kg sirovine. Uvoz je ogranien na najvie 42 t na mjesec.
Proizvoa traktora preuzima itavu proizvodnju, s tim da guma G1 bude 2 puta vie nego
guma G2. Treba:
a) Odrediti mjeseni proizvodni program tvornice guma ako je cilj ostvarenje maksimalnog ukupnog prihoda;
Zadatak 4.20.
Jedan rudnik ugljena opskrbljuje tri potrona mjesta. Rudnik moe isporuiti najvie 1000
vagona uglja. Prvo i drugo mjesto troe zajedno 100 vagona ugljena vie od treeg mjesta, a
drugo i tree mjesto zajedno troe najmanje 200 vagona. Trokovi prevoza po vagonu od
rudnika do svakog mjesta potronje su: prvog 80 KM, drugog 120 KM i treeg 80 KM.
a) Odrediti program opskrbe koji osigurava najnie trokove prevoza;
b) Izvriti analizu najpovoljnijeg rjeenja;
Zadatak 4.21.
Preduzee proizvodi tri vrste proizvoda A, B i C. Strojevi koji se koriste u proizvodnji imaju mjeseni kapacitet 1000 ms koji se mora u potpunosti iskoristiti. Jedinica proizvoda A
moe se izraditi za 1 sat, jedinica proizvoda B moe se izraditi za 2 sata i C za 4 sata rada
strojeva. Moe se raunati sa najvie 2500 rs radnika, a potrebno vrijeme za izradu jedinice
proizvoda A je 2 sata, proizvoda B 1 sat i proizvoda C 2 sata.
Istraivanjem trita je ustanovljeno da se moe prodati najvie 400 jedinica proizvoda A.
Dobit po jedinici proizvoda A je 20 nj, proizvoda B 10 i proizvoda C 30 nj.
a) Ako je cilj maksimizirati dobit, izraunati optimalan program proizvodnje i izvriti analizu optimalnog programa;
b) Formirati odgovarajui dualni model i odrediti optimalne vrijednosti dualnih promjenljivih;
c) Dati ekonomsko znaenje vrijednosti y 2 i y 5 .
Zadatak 4.22.
Preduzee eli da odredi optimalan program proizvodnje tri tipa proizvoda: C, D, E, tako da
minimizira ukupne trokove. Zna se da su trokovi proizvodnje: 1 KM/kg C, 2KM/m D i 3
KM/kom E.
624
ZADACI ZA VJEBU
Smije se utroiti maksimalno 150 KM za kupovinu repromaterijala, a zna se da treba utroiti 1 KM/kg C, 0 KM/m D i 2 KM/kom E.
Raspoloivi fond je 200 radnih sati (rs) i on se mora u potpunosti iskoristiti, a zna se da
treba angaovati 2 rs/kg C, 4 rs/m D i 1 rs/komE.
a) Proizvoljno izabranom metodom nai sve elemente oba optimalna programa proizvodnje i izvriti analizu ispunjenja ogranienja. Kojem programu biste dali prednost i
zato?
b) Formirati dualni model ovog problema i pronai elemente njegovog optimalnog rjeenja
koje odgovara programu iz a).
Zadatak 4.23.
Preduzee proizvodi dva proizvoda (A i B). U procesu proizvodnje koriste se: strug kapaciteta 50000 radnih sati, glodalice kapaciteta 40000 radnih sati i builica kapaciteta 24000
radnih sati. Da bi se proizvela jedinica proizvoda A potreban je rad struga u trajanju od 8
sati, glodalice 4 sata i builice 4 sata, a za jedinicu proizvoda B rad struga od 4 sata i glodalice 8 sati. Istraivanje trita je pokazalo da se na tritu mora plasirati najmanje 1000
jedinica proizvoda A. Takoer treba uzeti u obzir da se proizvod A treba proizvesti u koliini najvie dva puta veoj od koliine proizvoda B.
Cilj preduzea je ostvarenje najvee dobiti.
a) Utvrditi takav program proizvodnje koji osigurava najveu dobit ako su dobiti po jedinici proizvoda A i B jednake;
b) Izvriti analizu optimalnog programa proizvodnje;
c) Formirati dualni model i odrediti optimalne vrijednosti dualnih promjenljivih. ta moemo zakljuiti o polaznom rjeenju?
Zadatak 4.24.
Neko poljoprivredno dobro snabdijeva jabukama tri pijace A, B i C. Dobro moe dnevno da
isporui maksimalno 600 kg jabuka.
Na pijacama A i B mora se ukupno isporuiti najmanje 10 kg vie nego na pijacu C.
a) Ako su prodajne cijene jabuka na svim pijacama 100 nj/kg i ako su cijene transporta po
kilogramu jabuka od dobra do pojedinanih pijaca: 10 nj do A, 15 nj do B i 10 nj do C,
kakav treba da bude optimalni plan isporuke jabuka pa da dobro ostvaruje najveu dobit?
625
Zadatak 4.25.
Fabrika konfekcije proizvodi dva tipa mukih odijela, A i B. Odijela se proizvode od istog
tofa, pri emu se za odijelo A utroi 2,5 m platna, a za odijelo B 2,7 m.
Za ivenje odijela A utroi se 5 rs, dok za odijelo B treba 3 radna sata. Fabrika raspolae sa
27 000 m tofa i 42 000 radnih sati mjeseno.
S obzirom na ugovorene obaveze, odijela B se mora proizvoditi najmanje 3000 kom mjeseno.
Profit po odijelu A iznosi 90 KM, a po odijelu B 55 KM.
a) Treba odrediti optimalan plan mjesene proizvodnje odijela i izvriti analizu optimalnog programa.
b) Formirati odgovarajui dualni model i odrediti optimalne vrijednosti dualnih promjenljivih.
Zadatak 4.26.
Jedan mlin snabdijeva branom tri pekare A, B, C. Mlin moe da isporui najvie 1000 tona
brana u toku mjeseca.
U pekare A i B zajedno mora isporuiti 100 tona brana vie nego pekari C. Pekarama B i C
zajedno mora isporuiti najmanje 200 tona brana.
Trokovi prevoza brana od mlina do pekare po jednoj toni iznose: 80 KM do pekare A, 120
KM do pekare B i 80 KM do pekare C.
Treba utvrditi program isporuke brana koji osigurava da ukupni trokovi prevoza budu
najmanji te izvriti analizu tog optimalnog rjeenja.
Zadatak 4.27.
Kod nekog problema linearnog programiranja poznata je optimalna simplex tabela:
CB
0
10
10
B
A3
A2
A1
CS - fS
CS
A0
50
200
100
3000
10
A1
0
0
1
0
10
A2
0
1
0
0
0
A3
1
0
0
0
0
A4
-
0
-5
a) Na osnovu ponuene tabele odrediti:
i) Koji je bio cilj Max f ili Min f i koliko je optimalno f ?

ii) Kojeg polaznog tipa su ogranienja?
626
0
A5
1
1
-1
0
-M
A5*
-1
-1
1
-M
ZADACI ZA VJEBU
iii) Koje su optimalne vrijednosti: polaznih primalnih varijabli Xp i izravnavajuih

primalnih varijabli Xn+i?
b) Na osnovu ponuene tabele odrediti:
a) Optimalna vrijednost duala g ?

b) Koje su optimalne vrijednosti: polaznih dualnih varijabli Yn+i i izravnavajuih dualnih varijabli Yp?
c) Na osnovu prethodne simplex tabele rjeenje problema nije jedinstveno. Kompletirati
simplex tabelu sa drugim optimalnim rjeenjem.
Zadatak 4.28.
Jedna graevinska firma treba distribuirati tri vrste materijala A, B, C uz jedinine trokove
15 KM/ m3 materijala A, 10 KM/m3 materijala B i 12 KM/m3 materijala C. Ustanovljeno
je:
- da materijala A treba distribuirati 90 m3 vie nego materijala B i C zajedno.
- da se takvom distribucijom treba angaovati minimalno 120 radnih sati i to: 1 rs/m3 materijala A, 2 rs/m3 materijala B i 2 rs/m3 materijala C.
a) Formirati model ako je cilj minimizirati trokove distribucije.
b) Simplex metodom pronai optimalno rjeenje problema. Kako bi se zadatak rijeio grafikom metodom?
c) Analizirati ogranienja.
Zadatak 4.29.
Fabrika duhana proizvodi tri vrste cigareta: light (L), superlight (SL), ultralight (UL), koje
kao gotovi proizvodi prolaze kroz dva procesa: P1 kontrola i P2 pakiranje. Tehnikotehnoloki uslovi ova dva procesa obrade, kao i raspoloivi sedmini fond sati, dati su u
tabeli:
Kutija (20 cigareta)
P1
P2
L
1
3
SL
1
1
UL
5
1
Raspoloivi fond sati

1200 r.s.
900 r.s.
Ako je prihod po kutiji (L), (SL), (UL) redom 15 KM, 6 KM, 10 KM treba:
a) Formirati model ako je cilj maksimizirati prihod fabrike.
b) Simplex metodom pronai optimalno rjeenje problema.
c) Za koliko e se poveati prihod ako fond sati pakiranja P2 poveamo za 1 rs?
627
Zadatak 4.30.
Kompanija R proizvodi madrace i krevete. Prioritetni ugovor zahtijeva da kompanija proizvede najmanje 30 madraca ili kreveta u bilo kojoj kombinaciji. Kao dodatak, Unija
sindikata ima dogovor sa poslodavcem da maine moraju raditi najmanje 40 sati sedmino,
to predstavlja jedan proizvodni period. Za svaki krevet je neophodno 2 sata rada, a za svaki madrac 1 sat rada maine. Proizvedeni madrac kota 20 $, dok svaki proizvedeni krevet
kota 24 $.
a) Rijeiti problem tako da se minimiziraju ukupni trokovi proizvodnje. Problem rijeiti
koristei simplex metod.
b) Protumaiti znaenje dualne promjenjljive y3
Zadatak 4.31.
BK korporacija u toku razvoja nove hrane za make nazvane Yum-Mix suoila se sa problemom mijeanja hrane. Standardima je utvreno da svaka konzerva Yum-Mixa mora
sadravati najmanje 30 jedinica proteina i 80 jedinica riboflavina. Ova dva sastojka su dostupna od strane dva konkurentska proizvoaa komponenti za maiju hranu.
Kod proizvoaa A dodatak po kilogramu kota 9$, dok kod proizvoaa B dodatak kota
15$ po kilogramu.Kilogram dodatka proizvoaa A obezbijedi 1 jedinicu proteina i 1 jedinicu riboflavina po konzervi, dok kilogram dodatka B obezbjeuje 2 jedinice proteina i 4
jedinice riboflavina po konzervi. Korporacija BK mora zadovoljiti standarde uz minimalne
trokove.
a) Nai najbolju kombinaciju kupovine ova dva dodatka (A i B) da bi se ispunili zahtjevi
uz minimalni troak. Optimalno rjeenje naite koristei simplex metod.
b) Potumaite vrijednost dualne promjenljive y1.
Zadatak 4.32.
Dva tipa vitamina V1 i V2 mogu se konzumirati putem dva tipa tableta T1 i T2, koji se mogu
kupiti po cijeni 24 nj za T1 i 25 nj za T2.
Dnevno treba konzumirati minimalno 10 jedinica V1, a maksimalno 12 jedinica V2. Tableta
T1 sadri 1 jedinicu V1 i 4 jedinice V2, dok tableta T2 sadri 5 jedinica V1 i 1 jedinicu V2.
Treba odrediti onu kombinaciju konzumiranja tableta dnevno koja najmanje kota.
a) Formirati model datog problema;
b) Simplex metodom pronai optimalno rjeenje datog problema;
c) Formirati odgovarajui dualni model, odrediti optimalne vrijednosti dualnih promjenljivih i objasni znaenje dualne promjenljive y1.
628
ZADACI ZA VJEBU
Zadatak 4.33.
Za neki problem LP-a postavljen je sljedei model:
max f = 10 x1 + 5 x 2 + 10 x3
4 x1 + x 2 + 2 x3 10
2 x1 + x 2 + x3 50
x1 0; x 2 0; x3 0;
a) Formirati odgovarajui dualni model:

b) Napraviti standardni model, popuniti I simplex tabelu i odrediti najkorisniji vektor za
ulazak u bazu u narednoj iteraciji.
Zadatak 4.34.
Kod nekog problema minimuma nakon jedne iteracije dobivena je sljedea simplex tabela.
65
50
45
A1
20
1
10
A2
5
1
55
A3
10
1
0
A4
-1
0
M
A*4
1
0
0
A5
0
1
65M
45-20M
10-5M
55-10M
Cb
A0
M
0
A*4
A5
Cs-Fs
a) Da li je ova tabela optimalna? Kojeg su polaznog tipa ogranienja?

b) Ako tabela nije optimalna, poboljati rjeenje kompletirajui novu simplex tabelu.
c) Odrediti optimalne vrijednosti funkcije cilja, polaznih i dopunskih varijabli.
Zadatak 4.35.
Za neki problem LP-a postavljen je sljedei model:
min f = 9 x1 + 2 x 2 + 11x3
8 x1 + 2 x 2 + 4 x3 26
x1 + x 2 + x3 50
x1 0; x 2 0; x3 0;
a) Formirati odgovarajui dualni model;

b) Napraviti standardni model, popuniti I simleks tabelu i odrediti najkorisniji vektor za
ulazak u bazu u narednoj iteraciji.
629
Zadatak 4.36.
Kod nekog problema minimuma nakon jedne iteracije dobivena je sljedea simplex tabela.
Cb
A0
10
A1
1/2
3/2
7
A2
1/2
1/2
7/2
12 A3
*
M A5
1/2
42+(M/2) 4 - (3M/2) 1 - (M/2)
Cs-fs
12
A3
1
0
0
0
A4
-1/2
1/2
M
A4*
1/2
-1/2
6 - (M/2) (3M/2) - 6
0
A5
0
-1
M
A5*
0
1
a) Da li je ova tabela optimalna? Obrazloiti! Kojeg su polaznog tipa ogranienja?

b) Ako tabela nije optimalna, poboljati rjeenje kompletirajui novu simplex tabelu. Odrediti optimalne vrijednosti funkcije cilja, polaznih i dopunskih varijabli.
Zadatak 4.37.
Tri mlina snabdijevaju 4 pekare branom. Dnevni kapaciteti mlinova su: M1 25 t, M2 10;
M3 35 t brana.
Dnevne potrebe pekara P1, P2, P3, P4 iznose: 45 t, 15 t, 20 t, 30 t respektivno. Trokovi prevoza za tonu brana dati su u tabeli (u nekim nj):
M1
M2
M3
P1
10
12
14
P2
20
10
15
P3
14
8
12
P4
22
18
14
a) Izraunati program snabdijevanja pekara branom tako da ukupni trokovi transporta

budu minimalni;
b) Rei koja pekara i u kojim koliinama nee biti zadovoljena;
c) Da li ima vie optimalnih rjeenja? Ako ima, napisati ih.
Zadatak 4.38.
Tri tvornice dema (T1, T2, T3) istog vlasnika, izvoze dem u tri grada (G1, G2, G3). Koliina dema koju tvornice nude u toku mjeseca su: T1 7000 kg, T2 12500 kg i T3 15 500 kg,
dok su mjesene potrebe gradova sljedee: G1 6500 kg, G2 9000 kg, G3 16 500 kg. Dobiti
vlasnika tvornica po kg dema date su u sljedeoj tabeli (u nekim nj):
T1
T2
T3
630
G1
7
8
9
G2
8
3
6
G3
6
7
3
ZADACI ZA VJEBU
a) Nai optimalan plan za vlasnika tvornica i analizirati dobijeno rjeenje.

b) Da li ima vie optimalnih rjeenja? Ako ima, napisati ih.
Zadatak 4.39.
etiri proizvoaa neke sirovine (F1, F2, F3, F4) podmiruju potrebe tri pogona (P1, P2, P3) za
tom sirovinom. Dnevni kapaciteti fabrika (F1, F2, F3, F4) su: 20, 50, 75, 55 tona respektivno,
dok su dnevne potrebe pogona (P1, P2, P3) za sirovinom: 60, 50, 80 tona redom.
Utvreno je da ne postoji mogunost prevoza sirovine iz F3 u P1. Trokovi prevoza po toni
sirovine dati su u tabeli (u nekim nj):
P1
7
9
10
F1
F2
F3
F4
P2
4
7
5
5
P3
7
8
6
6
Cilj je utvrditi takav program snabdijevanja kojim bi se osigurao prevoz cjelokupne koliine sirovine uz najmanje trokove.
Zadatak 4.40.
Vlasnik lanca trgovina treba iz svojih skladita dostaviti brano u 5 prodajnih centara (PC).
U skladitu S1 nalazi se 200t, u skladutu S2 200t, u skladitu S3 150t i u skladitu S4 200t
brana.
Prodajnim centrima treba: 100t za PC1, 200t za PC2, 400t za PC3, 200t za PC4 i 100t za
PC5. Cijene transporta (po toni) od skladita do centra dati su u tabeli:
S1
S2
S3
S4
PC1
3
7
5
10
PC2
10
5
8
12
PC3
4
8
15
10
PC4
2
4
7
8
PC5
3
10
12
4
Treba odrediti:
a) Plan transporta robe koji e najmanje kotati i skladita koja e biti ispranjena.
b) Navesti metode koje ste koristili za dobijanje polaznog optimalnog rijeenja.
631
Zadatak 4.41.
Vlasnik lanca treba iz svojih skladita dostaviti eer u 5 prodajnih centara (PC). U skladitu S1 nalazi se 30t, u skladutu S2 20t, u skladitu S3 50t eera.
Prodajnim centrima treba: 25t za PC1, 15t za PC2, 55t za PC3, 20t za PC4 i 5. Cijene transporta (po toni) od skladita do centra dati su u tabeli (transport od S3 do PC1 nije mogu).
PC1
PC2
PC3
PC4
PC5
S1
S2
S3
10
Treba odrediti:
a) Plan transporta robe koji e najmanje kotati, koliko kota planirani transport i koji centri e biti snabdjeveni.
b) Navesti metode koje ste koristili za dobijanje polaznog optimalnog rijeenja.
Zadatak 4.42.
Za potrebe tri industrijska centra (C1, C2 i C3) uvozi se jedna vrsta materijala iz tri zemlje
(Z1, Z2 i Z3) prema sljedeim uslovima:
Ponuda zemalja: a1 = 7000; a2 = 12500; a3 = 15500 kj materijala mjeseno;
Tranja industrijskih centara: b1 =6500; b2 = 9000;b3 = 16500 kj materijala mjeseno;
Transportni trokovi po jedinici prevezenog materijala su (u nekim nj):
c11 = 7
c12 = 8
c13 = 6
c21 = 8
c22 = 3
c23 = 7
c32 = 6
c33 = 5
c31 = 9
Nai optimalan plan transporta materijala za koji e ukupni trokovi transporta biti najmanji
i odredi te trokove. Analizirati optimalan plan.
Da li ima vie optimalnih rjeenja? Ako ima - napisati ih, a ako nema - objasniti zato.
Zadatak 4.43.
Korporacija DL planira postavljanje novih maina u postojeim fabrikama na lokacijama
Decatur, Minneapolis i Carbondale. Analizirajui samo trokove transporta po jedinici treba:
a) Odrediti optimalan plan transporta maina iz pojedinih skladita B, C i D. Trokovi
transporta po jedinici, kapaciteti i potrebe su dati u tabeli:
632
ZADACI ZA VJEBU
Decatur
B
C
D
Potrebe
20
25
22
300
Minne- Carbon- Kapaapolis

dale
citet
17
21
250
27
20
200
25
22
350
200
150
b) Odrediti po tom optimalnom planu koja skladita nee biti ispranjena.

c) Odrediti vrijednost dualne varijable r12 i napisati koju informaciju nam ona nudi.
Napomena: Problem rijeiti koristei Vogelov metod za polazno rjeenje i modi metod za
optimizaciju.
Zadatak 4.44.
Na konkurs raspisan za prijem po jednog prevodioca za engleski (E), francuski (F), panski
() i njemaki jezik (Nj) prijavila su se tri kandidata. Nakon testiranja, dobili smo sljedee
vrijednosti:
E
F
NJ
K1
3
2
5
4
K2
6
4
7
8
K3
1
6
3
7
Jedan kandidat moe biti primljen za prevodioca samo za jedan jezik.
a) Izvriti optimalan raspored tako da zbir poena koje su kandidati dobili na testu bude
maksimalan.
b) Koje radno mjesto e ostati nepopunjeno?
Zadatak 4.45.
Na nova radna mjesta M1, M2, M3 konkurisali su kandidati K1, K2, K3, K4 i K5. Odgovarajue kvalifikacije nemaju: K2 za M2, K4 za M1 i K5 za M3.
Za ostala mjesta svi kandidati imaju odgovarajue kvalifikacije. Nakon testiranja, kandidatima su dodijeljeni odgovarajui negativni poeni i to redom po radnim mjestima: K1: 5, 11,
17; K2: 6, -, 18; K3: 7, 12, 19; K4: -, 13, 20; K5: 8, 14, -;
a) Kompletirati matricu rezultata kandidata.
b) Izvriti optimalan raspored kandidata na odgovarajua radna mjesta tako da zbir negativnih poena bude minimalan.
c) Koji kandidati nee biti primljeni?
633
Zadatak 4.46.
Na raspisani oglas za obavljanje etiri poslovna zadatka (A, B, C, D) prijavilo se pet kandidata. Kandidati imaju iste uslove za obavljanje posla, ali su dali izjavu da e, u sluaju
neizvravanja ugovora, platiti sljedee nadoknade (u nekim nj):
Poslovi
A
B
C
D
K1
21
18
16
10
K2
24
20
20
14
Kandidati
K3
K4
18
15
20 19
15
22
12
16
Sa kojim kandidatima bi trebalo zakljuiti ugovor?
634
K5
20
15
18
11

Rjeenje 4.1.
a)
x1 broj skija za tranje,

x2 broj skija za slalom.
Funkcija cilja: Profit po skiji T1 je 40$, a po skiji T2 je 30$.

max f = 40 x1 + 30 x 2
Ogranienje I: Kapacitet odjela za proizvodnju je 750 sati, pa slijedi 5 x1 + 4 x 2 750

Ogranienje II: Kapacitet odjela za finalizaciju je 450 sati, pa slijedi 5 x1 + 2 x 2 450
Ogranienje III: Proizvodnja skija za slalom treba da bude najmanje dva puta vea od
proizvodnje skija za tranje, odnosno x 2 2 x1
Model:
max f = 40 x1 + 30 x 2
5 x1 + 4 x 2 750
5 x1 + 2 x 2 450
x 2 2 x1
x1 0; x 2 0
x2
III
22
C
187,5
B
M
A
fmax
f0
90
x1
II
15
Grafikon 4.1. Odreivanje optimalnog rjeenja Prikaz modela Z 4.1
Skup moguih rjeenja je etverougao ABCO, a koordinate rubnih taaka su:

A: II III = (50, 100)
B: I II = (30, 150)
C (0, 187.5)
635
Pravac funkcije cilja emo odrediti izborom proizvoljne take M (30, 100), pa njenim
uvrtavanjem u f = 40 x1 + 30 x 2 imamo 4030 + 30100 = 4200.
Prava koja prolazi kroz M i paralelna je funkciji cilja je data sa f0: 40x1 + 30x2 = 4200
x = 0 x1 = 105
Presjeci sa osama ove prave su 2
x1 = 0 x 2 = 140
Napominjemo da je dovoljno odrediti presjek sa jednom osom jer je druga taka kroz koju
prolazi prva f0 ustvari taka M.
Optimalna taka je ona rubna taka koja je najudaljenija od koordinatnog poetka, po

pravcu funkcije cilja. U naem sluaju to je taka B.
Elementi optimalnog plana su x 1 = 30; x 2 = 150; odnosno najbolje je mjeseno proizvoditi 30 pari skija za tranje i 150 pari skija za slalom i odgovarajui najvei profit e biti:
fmax = f (B) = 5700$

Analiza rjeenja: Ogranienja I i II predstavljaju usko grlo programa, odnosno odjeli za
proizvodnju i finalizaciju rade punim kapacitetom; proizvodi se 90 skija za slalom vie od
minimalno potrebne koliine.
b) Ako bi se poveao profit po paru skija za slalom za 10$, onda bi se promijenila funkcija
cilja i njen novi oblik bi bio:
max f0= 40x1 + 40x2
Ovom promjenom, mijenja se i pravac funkcije cilja, ali skup moguih rjeenja ostaje isti.
x2
III
22
C
187,5
B
M
A
fmax
II
0
90
f0
x1
15
Grafikon 4.1. Promjena pravca funkcije cilja
636
Provjerom vrijednosti funkcije cilja u rubnim takama imaemo sljedee:

f (A) = 6000$; f (B) = 7200$; f (C) = 7500$; Optimalan plan se promijenio (grafikon
4.1.), odnosno optimalno je prizvoditi 187,5 pari skija za slalom, a ni jedan par skija za
tranje.
Rjeenje 4.2.
a) x1 broj novih restorana tipa FAST FOOD
x2 broj novih restorana tipa CLASIC
Funkcija cilja maksimalan prihod max f = 200000 x1 + 500000 x 2
Ogranienja:
Za irenje djelatnosti imamo na raspolaganju 600 000 KM
20000 x1 + 30000 x 2 600000
Zakonski ugovor o minimalnom broju radnika koje treba zaposliti 2 x1
Istraivanje trita x1 10 + x 2
Model:
+ 4 x 2 44
x2
max f = 200000 x1 + 500000 x2

20000 x1 + 30000 x2 600000
2 x1
20
III
+ 4 x2 44
x1 10 + x2
11
x1 0; x2 0
A
Koordinate rubnih taaka:
f0
A: II III = (14, 4)
B: III I = (18, 8)
C (22, 0)
D (30, 0)
fmax
10
22
C
D x1
30
II
Grafikon 4.2. Odreivanje optimalnog rjeenja

Proizvoljno M (20, 5) 220 + 55 = 65
f0: 2x1 + 5x2 = 65 (x1 = 0 x2 = 13)
637
Optimalno rjeenje:
fmax = f (B) = 7 600 000
za x1 = 18; x 2 = 8;
x2
20
III
Odgovor:
Optimalno bi bilo otvoriti 18 restorana
tipa FAST FOOD i 8 rastorana tipa
CLASIC, a oekivani maksimalni prihod je 7 600 000 KM
Analiza rjeenja:
11
B
A
E
M
10
f0
fmax
22
C
IV
x1
30
II
I
ogranienja I i III predstavljaju
usko grlo programa, odnosno noGrafikon 4.2.a. Model sa dodatnim ogranienjem
vac koji preduzee ima na
raspolaganju i trina potranja su uska grla programa;
program nudi upoljavanje 24 radnika vie od minimalno zahtijevane granice;
b) Promijenie se oblast moguih rjeenja, dobiemo jo jedno ogranienje x 2 6 .

Optimalno rjeenje se pomjera u novu taku E: IV I = (21, 6), a funkcija cilja ima manju
vrijednost: f (E) = 7 200 000$ (grafikon 4.2.a.)
Rjeenje 4.3.
x1 broj klima ureaja
x2 broj ventilatora
Model:
max f = 25 x1 + 15 x 2
3x1 + 2 x 2 240
2 x1 + x 2 140
x1
20
x 2 80
x1 0; x 2 0
638
Optimalno rjeenje:
fmax = 1900
za x1 = 40; x 2 = 60;
Optimalno rjeenje duala:
gmmin = 1900
za y 3 = 5; y 4 = 5; y 5 = 0; y 6 = 0
Rjeenje 4.4.
Model:
max f = 20 x1 + 50 x 2
1
1
x1 +
x 2 250
3
1,5
x 2 300
Optimalno rjeenje:
Analiza:
Ogranienja II i III su uska
grla programa
x1 = 150; x 2 = 300; f = 18 000
1
1
x1 + x 2 90
6
10
x1 0, x 2 0
b) Dodavanje ogranienja
x1 100 nece uticati na optimalno rjeenje
Rjeenje 4.5.
a) max f = 3000x1 + 7000x2
I 200 x1 + 500 x2
II
x1
III
x2
- x2
IV
x1
40 000 USD
10
10
x1 0; x2 0
Treba koristiti 175 oglasa na radiju i 10 oglasa na TV da bi informisali 595 000 ljudi.
b) Mijenja se ogranienje III, pa se optimalna taka pomjera. Novo optimalno rjeenje je

150 radio oglasa i 20 TV oglasa i f = 590 000, odnosno 5000 ljudi manje bi ulo oglase.
639
Rjeenje 4.6.
Optimalno rjeenje:
x1 = 10 000; x 2 = 15 000; f = 25 000
Rjeenje 4.7.
Optimalno rjeenje:
x1 = 60; x 2 = 40; f = 3 800
640
Rjeenje 4.8.
Optimalno rjeenje:
x1 = 15; x 2 = 40; f = 145 000
b) Skup moguih rjeenja bi se promijenio ako se promijeni ogranienje II,
ali bi optimalno rjeenje ostalo isto.
Ve im je u optimalnom sluaju ponueno 40 izbornih kurseva.
Rjeenje 4.9.
Optimalno rjeenje: x1 = 9; x 2 = 2; f = 14,3
Rjeenje 4.10.
Optimalno rjeenje:
Bazino 1:
x1 = 20 000; x 2 = 0; f = 3 600 000
Bazino 2:
x1 = 15 000; x 2 = 7 500; f = 3 600 000
Sva optimalna rjeenja imaju oblik:
x1
20000
15000
x = 0 + (1 ) 7500
2
b) Optimalno rjeenje bi bila samo taka
2, odnosno x1 = 15 000; x 2 = 7 500; ali
bi vrijednost funkcije cilja bila vea.
Grafikon 4.10. Odreivanje optimalnog rjeenja.
Dvije rubne take su optimalne.
Rjeenje 4.11.
x1 = 1200; x 2 = 300; f = 480 000
641
Rjeenje 4.12.
max f = 25 x1 + 30 x 2
1x1 + 2 x 2 2400
6 x1 + 3 x 2 4500
x1
2 x2
x1 0; x 2 0
x1 = 600; x 2 = 300; f = 24 000
Rjeenje 4.13.
x1 = 20 000; x 2 = 30 000; f = 4 2 00
Rjeenje 4.14.
x1 = 136.6667; x 2 = 36.6667; f = 2490
Rjeenje 4.15.
Optimalno rjeenje je:

x1 = 2; x 2 = 3; f = 52
642
Rjeenje 4.16.
x1 = 10; x 2 = 30; f = 28000
b) Nee
Grafikon 4.16.
Odreivanje optimalnog rjeenja
Rjeenje 4.17.
x1 = 50; x 2 = 15; f = 65
Grafikon 4.17.
Rjeenje 4.18.
x1 = 100; x 2 = 500; f = 29000
Grafikon 4.18.
643
Rjeenje 4.19.
Model zadatka
max f = 600 x1 + 1000 x 2 + 1200 x3
0,5 x1 + 0,5 x 2 + 0,5 x3 6000
1,5 x1 + 2 x 2
x1
+ 5 x3 4200
= 2 x2
x1 0; x 2 0; x3 0
Optimalno rjeenje: x1 = 3 600; x 2 = 1800; x 3 = 6600; f = 11 880 000
Zadatak se moe rijeiti grafikom metodom ili simplex algoritmom. Upotrebom simplex
algoritma moemo primijetiti da se u prvoj simplex tabeli dobije degenerisano bazino rjeenje jer vjetaka varijabla koja je dodijeljena treem ogranienju x6* u prvoj tabeli ima
vrijednost 0. U ovakvim sluajevima se moe desiti da simplex algoritam ne funkcionie
najbre, odnosno postoji opasnost od beskonanog ponavljanja degenerisanog bazinog
rjeenja. Koraci su pri rjeavanju sljedei: u prvoj iteraciji iz baze izlazi vjetaka varijabla
x6* dodijeljena treem ogranienju, a ulazi polazna varijabla x1 , u narednoj iteraciji treba
iz baze izbaciti izravnavajuu varijablu x 4 , a u bazu ubaciti varijablu x 2 . Na kraju iz baze
izlazi varijabla x5 , a ulazi x3
Grafikim rjeavanjem u koordinatnom sistemu x2Ox3 rjeenje ima oblik:
644
Rjeenje 4.20.
Zadatak se moe rijeiti grafikom metodom ili simplex algoritmom.
Simplex algoritam izgleda:
Cb
M
M
Cs-Fs
M
A0
0 A4
A*5
A*6
1000
100
200
0
300
(Cs-Fs)Q
M
Cb
A0
0 A4
120 A2
M
A*6
Cs-Fs
M
80
A1
120
A2
1
1
1
1
0
1
80
120
-1
-2
Koristan! Koristan!
8000
12000
-100
-200
80
A1
900
100
100
12000
100
0
1
-1
-40
1
0 A4
120 A2
80 A3
Cs-Fs
M
A0
80
A1
120
A2
80
A3
0
1
0
0
0
0 M
A*5
1
0
0
0
0
A4
1
-1
1
80
0
120
A2
(Cs-Fs) Q
M
Cb
80
A3
M
A*5
A4
800
1
0
0
150
0,5
1
0
50
-0,5
0
1
22000
60
0
0
0
0
0
0
Nema vie korisnih vektora, dobili ste optimum!
0
1
0
0
0
0 M
A*5
A6
1
-1
0
1
0
-1
0
-120
0
2
A4
2
-1
2
200
-2
Koristan!
10000
-100
80
A3
A6
1
0
0
0
0
0
0,5
-0,5
-20
1
0 M
A*6
0
0
-1
0
1
0
0
1
0
0
0 M
A*6
0
0
-1
0
1
0
0
1
0
0
0
A6
1
-0,5
-0,5
100
0
M
A*6
-1
0,5
0,5
-100
1
Rjeenje 4.21.
Zadatak se moe rijeiti grafikom metodom ili simplex algoritmom.
Optimalno rjeenje: x1 = 400; x 2 = 0; x 3 = 150; f = 12 500
Rjeenje 4.22.
Optimalno rjeenje 1: x1 = 100; x 2 = 0; x 3 = 0; f = 100
Optimalno rjeenje 2: x1 = 0; x 2 = 50; x 3 = 0; f = 100
U oba optimalna rjeenja II ogranienje je usko grlo, ali kod optimalnog plana 2 ostaje 150
KM za kupovinu repromaterijala pa bi ovom programu trebalo dati prednost.
645
Rjeenje 4.23.
Optimalno rjeenje:
x1 = 5000; x 2 = 2500; f = 7500
Rjeenje 4.24.
Model zadatka
max f = (100 10 )x1 + (100 15)x 2 + (100 10 )x3
x1 + x 2 + x 3 600
x1 + x 2 10 + x3
x1 0; x 2 0; x 3 0
Optimalno rjeenje: x1 = 305; x 2 = 0; x 3 = 295; f = 54 000
Rjeenje 4.25.
Optimalno rjeenje:
x1 = 5400; x 2 = 5000; f = 761 000
646
Rjeenje 4.26.
Model:
(1)
min f = 80 x1 + 120 x 2 + 80 x3
x1 + x 2 + x3 1000
x1 + x 2 x3 = 100
x 2 + x3 200
x1 , x 2 , x3 0
Standardizacija:
min f = 80 x1 + 120 x2 + 80 x3 + 0 x4 + Mx5 + 0 x6 + Mx6
1x1 + 1x2 + 1x3 + 1x4 + 0 x5 + 0 x6 + 0 x6 = 1000
*
1x1 + 1x2 1x3 + 0 x4 + 1x5 + 0 x6 + 0 x6 = 100
*
0 x1 + 1x2 + 1x3 + 0 x4 + 0 x5 1x6 + 1x6 = 200
*
x1 , x2 , x3 , x4 , x6 0 ; x5 , x6 = 0

C0
A0
0
M
M
A4
A5
A6*
1000
100
200
300M
80
A1
1
1
0
120
A2
1
1
1
80
A3
1
-1
1
0
A4
1
0
0
M
A*5
0
1
0
0
A6
0
0
-1
M
A6*
0
0
1
80
120
A2
0
1
0
80
A3
2
-1
2
0
A4
1
0
0
M
A*5
-1
1
1
0
A6
0
0
-1
M
A6*
0
0
1
200-2M
-120
80 M 120 2M
Druga simplex tabela:

C0
A0
0
120
M
A4
A2
A6*
900
100
100
80
A1
0
1
-1
12000+100
-40 + M
M
koristan
koristan
647
Trea simplex tabela:
800
150
50
80
A1
1
1/2
-1/2
120
A2
0
1
0
80
A3
0
0
1
0
A4
1
0
0
M
A*5
-2
3/2
1/2
0
A6
1
-1/2
-1/2
M
A6*
-1
1/2
1/2
22000
60
M-220
100
M-100
C0
A0
0
120
80
A4
A2
A3
Optimalno rjeenje
Rjeenje 4.27.
a)
ii)
i) max f = 3000
I ogranienje tipa ; II ogranienje tipa ; III ogranienje tipa
iii)
X 1 = 100 X 2 = 200 (polazne varijable)

X 3 = 50 X 4 = 0 X 5 = 0 (izravnavajue varijable)
b)
i) g = 3000
ii) Y3 = 0 Y4 = 5 Y5 = 0 (polazne varijable)
Y1 = 0 Y2 = 0 (izravanavajue varijable)
c)
Rjeenje nije jedinstveno jer nebazna varijabla A5 ima vrijednost c5 f 5 = 0 . Dakle,

rjeenje sa nee promijeniti ukoliko A5 ue u bazu.
A5 ulazi, a A3 izlazi iz baze, pa je druga optimalna simplex tabela data sa:
CB
CS
A0
10
A1
10
A2
0
A3
0
A4
0
A5
-M
A5*
A5
50
-1
10
A2
150
-1
10
A1
150
3000
-10
-M-10
CS - fS
Napomenimo da u sluaju postojanja dva optimalna bazna rjeenja mi ustvari imamo beskonano mnogo optimalnih opcija i sve te opcije se mogu dobiti kao konveksna linearna
kombinacija bazna dva, tj.
648
x1
100
150
x
200
150
2

x3 = 50 + (1 ) 0 ;

x4
0
0
x5
0
50
[0,1]
Rjeenje 4.28.
Model:
(1)
min f = 15 x1 + 10 x 2 + 12 x3
x1 x 2 x3 = 90
x1 + 2 x 2 + 2 x3 120
x1 , x 2 , x3 0
Optimalno rjeenje: x1 = 100; x 2 = 10; x 3 = 0; f = 1 6 00
Rjeenje 4.29.
Model:
(1)
max f = 15 x1 + 6 x 2 + 10 x3
x1 + x 2 + 5 x3 1200
3 x1 + x 2 + x3 900
x1 , x 2 , x3 0
x = 0; x 2 = 825; x 3 = 75; f = 5700

Optimalno rjeenje: 1
y 5 = 5
Rjeenje 4.30.
Prva simplex tabela
Cb
M
M
Cs-Fs
M
B
A*3
A*4
24
A0
A1
30
40
0
70
1
2
24
-3
Koristan!
20
A2
1
1
20
-2
Koristan!
0
A3
0
A*3
-1
0
0
1
A4
1
0
0
0
M
A*4
0
-1
0
1
0
1
0
0
649
...
Posljednja simplex tabela
Cb
20
24
Cs-Fs
M
A2
A1
24
A0
A1
20
10
640
0
20
A2
0
1
0
0
A3
1
0
0
0
0
A*3
-2
1
16
0
A4
2
-1
-16
1
M
A*4
1
-1
4
0
-1
1
-4
1
Rjeenje 4.31.
Optimalno rjeenje:
x1 = 0; x 2 = 20; f = 300
y1 = 10
Rjeenje 4.32.
Cb
M
0
A*3
A4
10
12
0
10
Cs-Fs
M
Cb
B
25
0
Cs-Fs
M
650
A2
A4
24
A0
25
A1
A2
1
4
24
-1
Koristan!
5
1
25
-5
Koristan!
A3
0
A*3
-1
0
0
1
A4
1
0
0
0
0 M
A3
A*3
2
0,2
1
-0,2
0,2
10
3,8
0
0,2
-0,2
50
19
0
5
-5
0
0
0
0
1
Nema vie korisnih vektora, naeno je optimalno rjeenje.
A0
24
A1
0
1
0
0
25
A2
0
A4
0
1
0
0
Rjeenje 4.33.
a) Dualni model:
(1)
min g = 10 y 4 + 50 y 5
4 y 4 + 2 y 5 10
y 4 + y5 5
2 y 4 + y 5 10
y 4 0; y 5 0
max f = 10 x1 + 5 x 2 + 10 x 3 + 0 x 4 M x * 4 +0 x 5
4 x1 + x 2 + 2 x3 x 4 + x * 4 = 10
b)
2 x1 + x 2 + x3
+ x5 = 50
x1 0; x 2 0; x 3 0; x 4 0; x5 0
Cb
-M
0
10
A1
5
A2
10
A3
4
2
10
4
Koristan!
25+10M
1
1
5
1
Koristan!
50+10M
2
1
10
2
Koristan!
50+10M
A0
A*4
A5
10
50
0
-10
Cs-Fs
M
(Cs-Fs)*Q
0
A4
-M
A*4
-1
0
0
-1
0
A5
1
0
0
0
0
1
0
0
Rjeenje 4.34.
Tabela nije optimalna.
U narednoj iteraciji u bazu ulazi A2, a izlazi A*4

Rjeenje 4.35.
Dualni model:
(1)
max f = 26 y 4 + 50 y 5
8 y 4 + 1y 5 9
2 y 4 + 1y 5 2
4 y 4 + y 5 11
y 4 0; y 5 0
651

Cb
M
0
A0
A*4
A5
26
50
0
26
Cs-Fs
M
9
A1
2
A2
11
A3
0
A4
8
1
9
-8
Koristan!
2
1
2
-2
Koristan!
4
1
11
-4
Koristan!
M
A*4
-1
0
0
1
0
A5
1
0
0
0
0
1
0
0
Rjeenje 4.36.
Nije optimalna tabela jer je cilj minimum, a imamo negativnih Cs-fs. Osim toga, u bazi se
ne smije nalaziti vjetaka varijabla.
Oba ogranienja su tipa
U bazu ulazi A2 a izlazi A*5
Rjeenje 4.37.
kj
ri
-4
-4
0
-14
d12 = 20 ( 4 + 15) = 9
d13 = 14 ( 4 + 12 ) = 4
M1
14
15
12
P1
P2
P3
14
P4
25
10
20
12
10
14
22
18
12
14
10
M2
M3
M4
10
15
45
15
20
30
10, 2, 4
10, 5,
5, *
8, 6, 2
14,*
14
10
15
30
10
0
d 21 = 12 ( 4 + 14 ) = 2
25
4, 4,*
10
2,*
35
2, 2,
40
0,*
d 34 = 14 (0 + 14) = 0
d 22 = 10 ( 4 + 15) = 1 d 42 = 0 ( 14 + 15) = 1
d14 = 22 ( 4 + 14) = 12 d 24 = 18 ( 4 + 14) = 8 d 43 = 0 ( 14 + 12 ) = 2
Korisna su polja (2, 2) i (4, 2). Kako je 22 = 10 i 42 = 10, sasvim je svejedno koje polje
emo popuniti transportom.
652
kj
ri
-4
-5
0
-14
d12 = 9
d13 = 4
M1
14
15
12
P1
P2
P3
14
P4
25
10
20
14
22
10
18
14
10
M2
12
M3
M4
10
45
20
14
15
12
30
10
15
20
25
10
35
40
30
d 21 = 12 ( 5 + 14 ) = 3 d 34 = 14 (0 + 14) = 0
d 23 = 8 ( 5 + 12) = 1
d 42 = 0 ( 14 + 15) = 1
d14 = 12 d 24 = 18 ( 5 + 14) = 9 d 43 = 0 ( 14 + 12 ) = 2
Korisno polje (4, 2). 42 = 5, pa imamo:
kj
ri
10
10
14
0
M1
-2
P1
P2
P3
0
P4
25
10
20
14
22
12
10
18
14
15
12
14
10
M2
M3
M4
15
45
20
30
5
0
15
20
25
10
35
40
30
d12 = 10 d 21 = 2 d 32 = 1
d13 = 6 d 23 = 0 d 34 = 0
d14 = 12 d 24 = 8 d 43 = 2
Dobili smo optimalan transport.
Zadatak nije jednoznano rjeiv jer postoje dva polja (2, 3) i (3, 4) koja takoer mogu ui u optimalan program transporta.
653
II optimalan plan transporta:
P1
P2
P3
P4
25
M1
10
20
M2
14
22
18
14
12
10
14
15
12
M3
M4
20
15
45
15
20
30
P1
P2
P3
P4
30
10
0
25
10
35
40
III optimalan plan transporta:

25
M1
10
20
14
22
12
10
18
14
15
12
10
M2
20
M3
M4
20
45
15
15
5
0
15
14
20
25
10
35
40
30
Rjeenje 4.38.
Cilj je maksimum.
Optimalan plan transporta je dat u tabeli.
Vrijednost funkcije cilja je 257 000
T1
T2
T3
G1
0
0
9500
G2
3000
0
6000
G3
4000
12500
0
Rjeenje 4.39.
Cilj je minimum. Optimalan plan transporta je dat u tabeli. Vrijednost funkcije cilja je 1230 nj.
Rjeenje 4.40.
654
S1
S2
S3
S4
PC1
0
0
0
100
PC2
0
0
100
100
PC3
150
200
50
0
PC4
50
0
0
0
PC5
0
0
0
0
Rjeenje 4.41.
S1
S2
S3
S4
PC1
25
0
0
0
PC2
0
0
15
0
PC3
5
20
10
20
PC4
0
0
20
0
PC5
0
0
5
0
Rjeenje 4.42.
Kako su vei kapaciteti nego potrebe (otvoreni problem transporta), potrebno je uvesti fiktivnu lokaciju (kolonu) sa potrebama 150.
Decatur
B
C
D
Potrebe
Ri
50
Minneapolis
200
20
300
2,
0
27
150
25
200
8,*
-3
20
22
Fiktivno
21
150
25
200
17
50
Carbondale
22
150
1,
-5
150
0,*
-22
Kapacitet
Kt
250
17, 3, 1
20
200
20, 5, 5
25
350
22, 0, 0
22
800
Vogelov metod nam je dao polazno rijeenje (nedegenerisano) sa odgovarajuom vrijednosti funkcije cilja: f = 13050.
Modi metodom provjeravamo da li je rjeenje optimalno.
Testiranjem slobodnih polja dobijamo:
d24 = -3 <0 i = 50
655
Postaviemo novi plan transporta i nova vrijednost funkcije cilja je za 150 nj (3*50) manja
od polazne.
Minneapolis
200
Decatur
B
C
D
Potrebe
Ri
50
20
Carbondale
-
250
17
21
150
25
20
200
-3
100
25
300
0
50
27
22
Fiktivno
22
150
-2
150
-22
Kapacitet
Kt
250
20
200
22
350
22
800
Svi dij su vei od 0, znai da je ovo optimalan plan.

a) u skladitu C ostaje 50 maina, a u skladitu D 100 maina.
b) R2 = -3
Informacija: poveanje potreba u Minneapolisu za 1 izazvae smanjenje funkcije cilja za 3 nj.
Rjeenje 4.43.
U pitanju je problem asignacije iji je cilj maksimizirati vrijednost funkcije cilja
Tabela na kojoj provodimo algoritam maarske metode je oblika (zatvoreni model):
3
6
1
0
-6
2
4
6
0
-6
5
7
3
0
-7
4
8
7
0
-8
i oduzete najvee vrijednosti iz svake kolone te matrica pomnoena sa (-1):

3
0
5
6
656
4
2
0
6
2
0
3
7
4
0
1
8
Sa ovom tabelom provodimo postupak asignacije za cilj min:

1 korak (oduzmemo najmanje elemente iz svakog reda)
3
0
5
6
4
2
0
6
2
0
3
7
-2
0
0
-6
4
0
1
8
1
0
5
0
2
2
0
0
0
0
3
1
2
0
1
2
Odnosno, kompletirana asignacija izgleda:

1
Odavde vidimo da e K1 biti primljen za prevodioca njemakog, K2 za prevodioca panskog, K3 za prevodioca francuskog i K4 za prevodioca engleskog jezika.
Kako K4 ne postoji, to e ovo mjesto ostati nepopunjeno.
Vrijednost funkcije cilja je
max f = 19 poena
Rjeenje 4.44.
Matrica rezultata:
M1
M2
M3
K1
5
11
17
K2
6
18
K3
7
12
19
K4
13
20
K5
8
14
-
Zatvorimo model i na mjestima gdje ne moemo izvriti asignaciju (mjesta sa -) upisujemo

vrijednost M, podrazumijevajui da je M jako veliki pripadan broj (puno vei od svih ostalih elemenata u matrici).
657
Min
M1
M2
M3
fiktivno
fiktivno
K1
5
11
17
0
0
K2
6
M
18
0
0
K3
7
12
19
0
0
K4
M
13
20
0
0
K5
8
14
M
0
0
I faza (od svih elemenat u redu oduzmemo najmanji element u tom redu)
5
11
17
0
0
6
M
18
0
0
7
12
19
0
0
M
13
20
0
0
8
14
M
0
0
-5
-11
-17
-0
-0
II i III korak
0
0
0
0
0
1
M
1
0
0
2
1
2
0
0
M
2
3
0
0
3
3
M
0
0
Nova matrica i ponovna kategorizacija nula:

0
Asignacija je zavrena. Zbog proizvoljnog izbora prve nule imamo vie optimalnih planova:
658
I plan:
K1 na radno mjesto M1,
min f = 5 + 18 + 12 = 35
II plan:
min f = 17 + 6 + 12 = 35
U oba optimalna plana kandidati K4 i K5 nee biti primljeni na posao.
659
Literatura
Backovi, M., Vuleta, J., (2008), Ekonomsko Matematike Metode i Modeli, esto izdanje,
Centar za izdavaku djelatnost Ekonomskog fakulteta u Beogradu, Beograd.
Chiang, A. C., (1996), Osnovne metode matematike ekonomije, tree izdanje, Mate, Zagreb
Dantzing, G., (2003), Linear Programming and Extensions, Princeton University Press,
New Jersey
Dantzing, G., Thapa, (2003), M., Linear Programming: Theory and Extensions, Springer
Verlag, New York
Dorfman R.,Samuelson P., Solov, R., (1986), Linear Programming and Economic Analysis,
Dover Publications, New York
Gass, S., (1970), An Illustrated Guide to Linear Programming, McGraw Hill, New York
Gass, Saul I. (1985), Linear Programing: Methods and Applications, 5-th edition, McGraw
Hill, Inc. New York
Lasserre, J., B., (2009), Linear and integer programming vs. linear integration and counting:a duality viewpoint, Springer, New York
Maros, I., (2003), Computational Techniques of the simplex method, Kluwer Academic
Publisher, Boston
Peri, V., (1980), Algebra, Svjetlost, Sarajevo
Render, B., Stair, R., Hanna, M.,(2003), Quantitative Analysis for Management, Eighth
Edition, Prentice Hall, New Jersey
Stanojevi, R., (1966), Linearno programiranje, Institut za ekonomiku industrije, Beograd
Stojanovi, D., (1975), Matematike metode u ekonomiji preduzea, Savremena administracija, Beograd
660
Tourki, M., Backovic, M. (1994, Matematiki modeli i metodi u ekonomiji, Ekonomski

fakultet, Beograd
Vukovi, . (1983), Linearno programiranje, Savremena administracija, Sarajevo
Vukovi, ., Kapetanovi Somun, R., (1988), Zbirka zadataka iz matematikih metoda u
lanci
N. Karmarkar, (1984), New polynomial-time algorithm for linear programming,
http://www.eecs.berkeley.edu/~orecchia/working/kar
Ioannis Z. Emiris, John, John F. Canny, (1991), A General Approach To Removing Degeneracies, http://www.cs.berkeley.edu/~jfc/papers/95/ECsiam95
Bartl, D.,(2007), Farkas' Lemma, other theorems of the alternative, and linear programming
in infinite-dimensional spaces: a purely linear-algebraic approach, Linear & Multilinear
Algebra; Jul2007, Vol. 55 Issue 4, Academic Search Complete, EBSCO,
McCarl, B.A., Spreen, T.H., (2002), Duality in linear programming,
http://agecon2.tamu.edu/people/faculty/mccarl-bruce/mccspr/new04.pdf
Linkovi
http://en.wikipedia.org/wiki/Linear_programming
http://encyclopedia2.thefreedictionary.com/Linear+programming+duality
http://www.
Questions;
unix.mcs.anl.gov/otc/guide/faq/
Linear
Programing
Frequentli
Asked
661
O autorima
Prof. dr. Rabija Somun-Kapetanovi, vanredni profesor, rukovodilac Katedre za kvantitativnu ekonomiju na Ekonomskom fakultetu u Sarajevu. Izvodila je i izvodi nastavu na predmetima
Kvantitativne metode u ekonomiji i menadmentu, Statistika u ekonomiji i menadmentu, Ekonomska analiza, Poslovna statistika na dodiplomskom i predmetima Ekonometrija,
Eksperimentalna statistika i Metodologija nauno-istraivakog rada na postdiplomskom studiju. Od 1994. godine ima status vanrednog profesora i uestvuje u nastavnom procesu i
istraivanjima na Fakultetu ekonomskih nauka i upravljanja Univerziteta Louis Pasteur u Strasbourgu u Francuskoj.
Autor je knjiga Statistika u ekonomiji i menadmentu (2006. i 2008.) i Deskriptivna statistika
(2004.) u izdanju Ekonomskog fakulteta u Sarajevu. Koautor je knjige Statistika (NUTS) regionalizacija BiH (2009.) u izdanju Ekonomskog instituta Sarajevo i Odbora za ekonomske
nauke ANU BiH, te koautor Zbirke zadataka iz matematikih metoda u ekonomskim istraivanjima, u izdanju Ekonomskog fakulteta u Sarajevu, koja je od 1980. do 1990. godine imala pet
izdanja.
Mr. sc. Almira Arnaut-Berilo, diplomirani matematiar i magistar ekonomskih nauka, saradnik je u nastavi na predmetima Kvantitativne metode u ekonomiji i menadmentu i Operaciona
istraivanja na Ekonomskom fakultetu u Sarajevu. Kao asistent je bila angaovana i na predmetu Statistika u ekonomiji i menadmentu, a kao spoljni saradnik na predmetu Algebra na
Prirodno-matematikom fakultetu u Sarajevu. Od 2008. godine ima status vieg asistenta na
oblasti Kvantitativna ekonomija. Prijavila je temu doktorske disertacije Multivarijacioni dinamiki modeli optimizacije portfolija na tritu vrijednosnih papira na Ekonomskom fakultetu u
Sarajevu.
Ensar ehi je diplomirao na Ekonomskom fakultetu Simon Fraser University, Kanada, i asistent je na oblasti Kvantitativna ekonomija na Ekonomskom fakultetu u Sarajevu. Uestvovao je
u realizaciji nastavnog procesa na predmetima Kvantitativne metode u ekonomiji i menadmentu,
Operaciona istraivanja, Statistika u ekonomiji i menadmentu i Business Mathematics and Statistics, u okviru Sarajevo Business School studija u saradnji sa Griffith College Dublin. Prijavio je
magistarski rad na temu Kvantitativna analiza povezanosti ljudskog kapitala i meudravnog konflikta na Ekonomskom fakultetu u Sarajevu.
Elma Kahvi-Begi, diplomirani matematiar, profesor je matematike u Prvoj gimnaziji u Sarajevu. U zvanju asistent - spoljni saradnik angaovana je na predmetima Kvantitativne metode
u ekonomiji i menadmentu i Operaciona istraivanja na Ekonomskom fakultetu u Sarajevu.
Student je postdiplomskog studija na smjeru Primijenjene matematike na Prirodnomatematikom fakultetu u Sarajevu.
662

171168226-Kvantitativne-Metode-u-EiM 1 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

171168226-Kvantitativne-Metode-u-EiM 1 PDF

Uploaded by

Copyright:

Available Formats

Naziv djela:

KVANTITATIVNE METODE U EKONOMIJI I MENADMENTU

CIP Katalogizacija u publikaciji

Prof. dr Rabija Somun-Kapetanovi

Sarajevo, oktobra 2009. godine

1.1. UVOD .........................................................................................................................13

1.7. FUNKCIJA TROKOVA.......................................................................................102

TEHNIKE MRENOG PLANIRANJA

2.1. UVOD .......................................................................................................................233

2.3. PRIMJENA TEHNIKA MRENOG PLANIRANJA .........................................239

3.1. UVOD .......................................................................................................................329

3.3.4. Analiza proizvodnog sistema u vrijednosnoj strukturi..................................384

4.1. UVOD .......................................................................................................................153

Ukupna, granina i prosjena funkcija

ako se zavisna varijabla X posmatra kao funkcija nezavisne varijable Y.

Za konkretne vrijednosti X i Y moemo napisati eksplicitan izraz za zavisnost varijable Y

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

Najei oblik izraavanja funkcionalne zavisnosti obiljeja X i Y je tabelarni prikaz. Kod

1.2.2. Granina funkcija

Grafikon 1. Grafika interpretacija pvog izvoda funkcije

Ukoliko x promijeni svoju vrijednost od x0 do x0 + x , tada y mijenja svoju vrijednost od

Ako je ugao oznaen na slici, vidimo da je tg =

Ako postoji lim

Znaenje granine funkcije u ekonomiji proizilazi iz znaenja i objanjenja prvog izvoda

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

1.2.3. Prosjena funkcija

Grafikon 2. Grafika interpretacija prosjene funkcije

Grafikon 3. Ekstremne vrijednosti prosjene funkcije

Na grafikonu 3. taka B odreuje minimum prosjene funkcije, a taka C odreuje maksimum

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

1.2.4. Analiza odnosa ukupne, granine i prosjene funkcije

Granina i prosjena funkcija su jednake (njihovi grafici se sijeku) u vrijednosti nezavisne

Odredimo odnose izmeu granine i prosjene funkcije za pozitivne vrijednosti nezavisno

> 0 za y ' > y

Iz izvedenog izraza zakljuujemo:

Grafikon 4. Tok ukupne funkcije

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

Grafikon 5. Odnosi ukupne, granine i prosjene funkcije

U taki B, prosjena funkcija ima maksimum i grafici granine i prosjene funkcije se

Grafikon 6. Ukupna, granina i prosjena funkcija

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

k < 0 funkcija opada,

Kvadratna funkcija y = f ( x ) je funkcija oblika:

Grafik kvadratne funkcije je parabola.

Za D > 0 imamo dvije

Grafikon 1.1.a. Oblici kvadratne funkcije

Eksponencijalna funkcija je funkcija oblika

Grafikon 1.1.b. Oblici eksponencijalne funkcije

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

Logaritamska funkcija je funkcija oblika:

Za 0 < a < 1 funkcija je opadajua

Za a > 1 funkcija je rastua

Grafikon 1.1.c. Oblici logaritamske funkcije

Ispitati i na istom grafiku nacrtati funkcije: y = 2 x + 5 i x = 2 y 5 , a zatim odrediti

Odsjeci sa osama: Za y = 2 x + 5 imamo:

Presjena taka: x = 1, y = 3 M (1; 3)

Grafikon 1.2. Funkcije y i x

Na istom grafiku prikazati funkcije:

Odredimo karakteristine take svake od posmatranih kvadratnih funkcija:

UKUPNA, GRANINA I PROSJENA FUNKCIJA I NJIHOVI ODNOSI

Grafikon 1.3. Funkcije C,

Na grafiku funkcije y = f ( x ) oznaiti:

Grafikon 1.4. Karakteristine vrijednosti funkcije