CAPITOLUL I

PROGRAMARE LINIARA


1. Forma general a unei probleme de programare liniar

Problemele de maxim i de minim apar frecvent n cele mai diferite
domenii ale matematicilor pure sau aplicate.n domeniul economic, asemenea
probleme sunt foarte naturale. Astfel, firmele ncearc s maximizeze
profiturile sau s minimizeze costurile. Experii n planificare macroeconomic
se preocup de maximizarea bunstrii unei comuniti economico-sociale.
Consumatorii doresc s cheltuiasc venitul lor ntr-un mod care s le
maximizeze satisfacia (de natur material dar i spiritual etc.)

Programarea liniar se ocup de o clas special de probleme de
optimizare care apar deseori n aplicaiile economice. Aceste probleme constau
n maximizarea sau minimizarea unei funcii liniare, numit funcie obiectiv,
ale crei variabile trebuie s satisfac:

un sistem de relaii date sub forma unor ecuaii i / sau inecuaii
liniare nestricte, denumite generic restricii;
cerina de a lua numai valori numerice nenegative (0).


1.1 Exemple

1) Problema firmei. Considerm un sistem de producie, de exemplu o
firm, care produce n bunuri G
1
,G
2
,...,G
n
utiliznd pentru aceasta m categorii
de resurse R
1
,R
2
,...,R
m
(materii prime, for de munc, capaciti de producie,
combustibili i energie etc.). Adoptm ipoteza c tehnologia de transformare a
resurselor n bunuri este liniar n sensul c:

Pentru fiecare bun, consumul dintr-o anumit resurs este direct
proporional cu cantitatea produs.
Consumurile dintr-o resurs sau alta nu se condiioneaz reciproc.
Fie atunci a
ij
cantitatea din resursa i utilizat pentru producerea unei uniti din
bunul G
j
. Fie deasemeni b
i
cantitatea disponibil din resursa R
i
i c
j
preul (sau
profitul) unitar al bunului G
j
.

I. PROGRAMARE LINIARA 2

Preul unui bun nu depinde de cantitatea produs i nici de situaia
vnzrilor celorlalte bunuri.

Problema const n determinarea unui program de fabricaie care s
maximizeze venitul (sau profitul) firmei.

S notm cu x
j
cantitatea din bunul G
j
care urmeaz a fi produs.
Problema enunat mai nainte devine:

S se gseasc valorile numerice x
1
,x
2
,...,x
n
care maximizeaz funcia:

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

cu satisfacerea restriciilor:

a x a x a x b
a x a x a x b
a x a x a x b
n n
n n
m m mn n
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
+ + +
+ + +
+ + +

L
L
LLLLLL
L
m
0


i a condiiilor de nenegativitate:

x x x
n 1 2
0 0 , , L

Observaie: Ipotezele de liniaritate fcute nu sunt verificate
ntotdeauna n practic. Raiunea lor este dubl:

conduc la modele matematice n general simple;
pe baza modelelor liniare se pot formula concluzii calitative i
legiti economice care i menin valabilitatea - n anumite limite - i ntr-un
context neliniar.

2) Problema dietei a devenit o ilustrare clasic a programrii liniare,
fiind ntlnit n mai toate textele de specialitate. Ea se ocup cu hrnirea unei
colectiviti, s zicem un grup de militari, n cel mai economic mod cu condiia
satisfacerii anumitor cerine de nutriie. Mai concret, este vorba de a prepara un
aliment complex pornind de la n sortimente de hran F
1
,F
2
,...,F
n
. Un numr de
elemente sau principii nutritive N
1
,N
2
,...,N
m
- proteine, glucide, grsimi
1. Forma general a unei probleme de programare liniar

3
calciu,etc. sunt avute n vedere n sensul c alimentul combinat trebuie
s

conin cel puin b
1
,b
2
,...,b
m
uniti specifice din fiecare. S presupunem
cunoscute urmtoarele:

cantitatea a
ij
din principiul nutritiv N
i
coninut ntr-o unitate din
tipul de hran F
j
;
preul unitar c
j
al tipului de hran F
j
.

Notm cu x
1
,x
2
,...,x
n
cantitile din felurile de hran F
1
,F
2
,...,F
n
care
trebuie cumprate n vederea elaborrii dietei. Formal, x
1
,x
2
,...,x
n
vor trebui
determinate astfel nct:

costul f c x c x c x
n n
= + + +
1 1 2 2
... al alimentelor cumprate s fie
minim.
amestecul s conin principiile nutritive N
1
,N
2
,...,N
m
n cantiti cel
puin egale cu b
1
,b
2
,...,b
m
, adic:

a x a x a x b
a x a x a x b
a x a x a x b
x x x
n n
n n
m m mn n
n
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
1 2
0 0 0
+ + +
+ + +
+ + +

...
...
................................
...
, ,...,
m


Din nou au fost tacit utilizate ipotezele de liniaritate ntlnite i n modelul
precedent.


1.2 Soluii admisibile ale unei probleme de programare liniar

Considerm o problem de programare liniar (P) cu m restricii
egaliti i/sau inegaliti nestricte , n variabile i cu funcia obiectiv f. Un
ansamblu de n valori numerice care satisfac restriciile se va numi soluie a
programului (P). Dac n plus sunt verificate i condiiile de nenegativitate,
ansamblul se numete soluie admisibil. O soluie admisibil care
maximizeaz sau minimizeaz - dup caz - funcia obiectiv se va numi soluie
optim. Notnd cu A mulimea soluiilor admisibile , problema (P) se scrie:

I. PROGRAMARE LINIARA 4
S se determine x
*
A cu proprietatea: f(x
*
) = max min ( ) sau
x
f x
A


Este posibil ca (P) s aibe soluii dar nici una din ele s fie admisibil:
A = . Spunem n acest caz c problema (P) este incompatibil .Chiar dac
A , este posibil ca funcia obiectiv s fie nemrginit pe A , adic s
existe
un ir de soluii admisibile dealungul cruia funcia obiectiv s tind spre +
sau -, dup caz. n aceast situaie vom spune c (P) are optim infinit.Dac
(P) are (cel puin) o soluie optim, zicem c (P) are optim finit.
Deoarece eventualele restricii inegaliti sunt nestricte mulimea A
este inchis (n topologia uzual a spaiului R
n
), adic o dat cu un ir
convergent de puncte conine i limita acestuia. Aceast proprietate este
esenial pentru existena unei soluii optime a problemei (P)! Conform unui
rezultat clasic al analizei matematice, dac A este mrginit, atunci f i
atinge efectiv extremele pe A, i deci (P) are optim finit. n consecin, dac
(P) are optim infinit, cu siguran A este nemrginit. Reciproca nu este n
general adevrat: este posibil ca A s fie nemrginit i totui (P) s aibe
optim finit.


1.3 Forma canonic a unei probleme de programare liniar

O restricie a unei probleme (P) de programare liniar se zice
concordant dac este o inegalitate de tipul "" cnd funcia obiectiv se
maximizeaz i de tipul "" cnd funcia obiectiv se minimizeaz.O restricie
inegalitate care nu este concordant se va numi neconcordant. Restriciile
egaliti nu fac obiectul acestei clasificri.
Spunem c o problem de programare liniar este n form canonic
dac toate restriciile ei sunt inegaliti concordante.
n consecin, o problem n form canonic de maximizare arat astfel:

sau matricial unde:
a x b i m
x j n
f c x
ij j
j
n
i
j
j j
j
n
=
=
=
=
=

1
1
1
0 1
,...,
,...,
(max)
Ax b
x
f c

0
(max) x

1. Forma general a unei probleme de programare liniar

5
A
a a a
a a a
a a a
b
b
b
b
n
n
m m mn m
=

(
(
(
(
=

(
(
(
(
11 12 1
21 22 2
1 2
1
2
L
L
M M L M
L
| |
c c c c
n
=
1 2
L
x
x
x
x
n
=

(
(
(
(
1
2
M M
x




O problem n form canonic de minimizare se va scrie:


a x b
x
f c x
ij j
j
n
i
j
j j
j
n
=
=

1
1
0
(min)
Ax b
x
f c

0
(min)

De exemplu, problema firmei (1.1, exemplul 1)) este o form canonic de
maximizare n timp ce problema dietei (1.1, exemplul 2)) este o form
canonic de minimizare.

Orice problem de programare liniar se poate pune sub o form
canonic de maximizare sau minimizare, fr modificarea mulimii soluiilor
admisibile, observnd c:
o egalitate se poate nlocui cu dou inegaliti de sens contrar;
o restricie neconcordant devine concordant prin nmulire cu -1;
putem schimba sensul optimizrii funciei obiectiv, graie formulei
generale:


| |
x
f x
x
f x

A A
min
( )
max
( ) (1.3.1)

n consecin, putem face anumite raionamente teoretice pe o form canonic,
ca de exemplu n teoria dualitii liniare, fr ca prin aceasta s restrngem
generalitatea.

Exemplul 1.3.1

I. PROGRAMARE LINIARA 6
(max)
, ,
f x x x
x x x
x x
x x
x x x
= +
+ =
+
+

2 3 4
3 5 3
3 5
2 10
0 0 0
1 2 3
1 2 3
1 2
1 3
1 2 3

(min)( )
, ,
= +
+
+
+

f x x
x x x
x x x
x x
x x
x x x
2 3 4
3 5 3
3 5 3
3 5
2 1
0 0 0
1 2
1 2 3
1 2 3
1 2
1 3
1 2 3
x
0
3
4
9

Programul (P) Forma canonic de minimizare
a programului (P)

1.4 Forma standard a unei probleme de programare liniar

Spunem c o problem de programare liniar este n form standard
dac toate restriciile ei sunt egaliti. Importana acestei forme particulare
rezult din faptul c metoda de rezolvare a problemelor de programare liniar
care va fi expus mai departe cere ca problema s fie n aceast prezentare.
n consecin, o problem (P) care are i restricii inegaliti va fi
nlocuit - n vederea rezolvrii ei - cu o alta n care toate restriciile sunt
egaliti. Noua problem, numit forma standard a problemei (P) i notat
(FSP), se construiete astfel:

O restricie inegalitate din problema original (P) de tipul ""
(respectiv de tipul "") se transform n egalitate prin adugarea (respectiv
prin scderea) unei variabile nenegative din membrul su stng.
Restriciile inegaliti nu se modific.
Noile variabile introduse nu apar n funcia obiectiv a problemei
originale (alternativ, spunem c ele apar cu coeficieni nuli)

Exemplul 1.4.1

( )
(max)
, ,
P
f x x x
x x x
x x x
x x x
x x x
= + +
+
+ + =
+ +

7 9 8
5 2 4
3 5
2 3 9
0 0 0
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
( )
(max)
, ,...,
FSP
f x x x
x x x x
x x x
x x x x
x j
j
= + +
+ =
+ + =
+ + + =
=

7 9 8
5 2
3 5
2 3
0 1 5
1 2 3
1 2 3 4
1 2 3
1 2 3 5


1. Forma general a unei probleme de programare liniar

7
Problema care apare n acest context este aceea de a explica modul n care se
obine soluia optim a problemei (P) dac se cunoate soluia optim a formei
sale standard (FSP).
Se poate arta uor c ntre mulimile de soluii admisibile A
P
,ale problemei
(P) i A
FSP
, ale problemei (FSP), exist o coresponden bijectiv care
conserv soluiile optime. Vom arta cum funcioneaz aceast coresponden
pe exemplul precedent.
Notnd-o cu , aceasta va asocia unei soluii admisibile x = ( x x x
1 2 3
, , )
a problemei (P) vectorul:

( ) ( , , , , ) x x x x x x x x x x = +
1 2 3 1 2 3 1 2 3
5 2 4 9 2 3


care prin construcie se dovedete a fi o soluie admisibil a problemei (FSP).
Reciproc, unei soluii admisibile a problemei (FSP)
corespondena invers
~
(
~
,
~
,
~
,
~
,
~
) x x x x x x =
1 2 3 4 5
~
,
~
,
~
) x x x
1 2 3
-1
i asociaz vectorul ( care satisface n mod
clar restriciile problemei originale (P). Dac x este soluia optim a
problemei (P) atunci ( x ) este soluia optim a problemei (FSP) i reciproc,
dac cunoatem soluia optim
~
x a problemei (FSP) , reprezint
soluia optim a problemei (P).

1
(
~
) x

n problemele concrete, variabilele de abatere au interpretri
economice precise aa c n analiza soluiei optime valorile lor vor fi luate n
considerare laolalt cu valorile variabilelor originale. Astfel, n problema
firmei (1.1, exemplul1)) variabilele de abatere x
n+1
, x
n+2
,...,x
n+m
definite prin:

x b a x i
n i i ij j
j
n
+
=
= = 1
1
,..., m
m


reprezint cantiti de resurse neconsumate i prin urmare cunoaterea
valorilor lor n soluia optim ofer indicaii utile n analiza modului n care
sunt utilizate resursele firmei: materii prime, capaciti de producie, for de
munc, etc.
n problema dietei (1.1,exemplul 2)) variabilele de abatere:

x a x b i
n i ij j i
j
n
+
=
= = 1
1
,...,

reprezint cantitile de principii nutritive cu care sunt depite nivelele
minimale specificate n reet.
I. PROGRAMARE LINIARA 8


1.5 Rezolvarea grafic a problemelor de programare liniar

S considerm problema:

(max)
,
f x x
x x
x x
x x
x x
= +
+
+
+

3 4
3 4 12
6
2 2
0 0
1 2
1 2
1 2
1 2
1 2


Identificm x
1
, x
2
cu abscisa, respectiv ordonata unui punct din planul raportat
la un sistem ortogonal de axe. Este cunoscut faptul c mulimea punctelor din
plan ale cror coordonate satisfac prima restricie coincide cu unul din
semiplanele determinate de dreapta d
1
de ecuaie -3x
1
+4x
2
=12. Mai precis,este
vorba de semiplanul care conine originea (0,0) , deoarece coordonatele
acesteia satisfac evident prima restricie. n mod analog, urmtoarele restricii
sunt verificate n semiplanele determinate de dreapta d
2
de ecuaie x
1
+x
2
=6 i
respectiv d
3
de ecuaie -2x
1
+x
2
=2 i care conin originea. n fine, condiia x
1
0
are loc n semiplanul din dreapta axei verticale, n timp ce condiia x
2
0 are
loc deasupra axei orizontale.
Soluiile admisibile ale problemei se identific cu punctele comune
celor cinci semiplane. Acestea formeaz interiorul i frontiera poligonului
OABCD din figura 1.5.1.

f= 22
2
7

A
f=24
f=12
x
2

x
1

d
3

d
1

d
2

O
A
B
C
D














1. Forma general a unei probleme de programare liniar

9
Figura 1.5.1

Funcia obiectiv determin - pentru f variabil - o mulime de drepte
paralele care intersecteaz sau nu mulimea A. Astfel punctele situate pe
dreapta 3x
1
+4x
2
=12 reprezint diferite combinaii ale mrimilor x
1
, x
2
care dau
funciei obiectiv f aceeai valoare 12. ntruct aceast dreapt taie A, rezult
c problema are soluii admisibile - chiar o infinitate - care ofer funciei
obiectiv valoarea 12. Dreapta 3x
1
+4x
2
=24 nu mai taie A i deci nici o soluie
admisibil a problemei nu este capabil s asigure funciei obiectiv valoarea
24. Conchidem c maximul funciei f este undeva ntre 12 i 24. Se observ
uor c acest maxim se atinge n vrful C al frontierei lui A. Punctul C
este


intersecia dreptelor d
1
i d
2
i deci coordonatele sale, care reprezint soluia
optim a problemei, se determin rezolvnd sistemul format din ecuaiile celor
dou drepte. Se gsete x x
1
12
7 2
30
7
* *
, = = maximul lui f fiind 22
2
7
. Soluia
optim satisface cu egalitate primele dou restricii i cu inegalitate strict pe
ceea de a treia.
n mod asemntor se arat c dac funcia de maximizat ar fi fost
f = - x
1
+x
2
atunci optimul ar fi fost atins n vrful B de coordonate x
1
=4/5,
x
2
=18/5 .

Examinnd acest exemplu putem trage urmtoarele concluzii:

1. Mulimea A este convex, adic o dat cu dou puncte conine i
segmentul care le unete. O consecin intuitiv a acestei proprieti este c
soluia optim, dac exist, se gsete undeva pe frontiera lui A .
2. Frontiera lui A este un contur poligonal cu un numr finit de
vrfuri i o soluie optim se gsete neaprat ntr-unul din ele.

Aceste concluzii, care se confirm pe orice alt problem n dou sau
trei variabile (mulimea soluiilor admisibile putnd fi vizualizat n planul
R
2
sau spaiul R
3
) au constituit sursa ntregii teorii a programrii liniare.