UNIVERSITATEA DE TIINE AGRICOLE I MEDICIN VETERINAR

ION IONESCU DE LA BRAD IAI

FACULTATEA DE ZOOTEHNIE
SPECIALIZAREA ZOOTEHNIE
NVMNT LA DISTAN




CARMEN DANILIUC





MATERIAL DE STUDIU I.D.





MATEMATIC I STATISTIC




ANUL I, SEMESTRUL I







IAI, 2007



1


CUPRINS


ALGEBR LINIAR 2
SPAII LINIARE REALE 17
PROGRAMARE LINIAR 26
ELEMENTE DE TEORIA
PROBABILITILOR
47
ELEMENTE DE STATISTIC
MATEMATIC
73
REFERAT NR.1 85
REFERAT NR. 2 88
BIBLIOGRAFIE 90




2


CAPITOLUL I
ALGEBR LINIAR


1.1. Matrice i determinani
n cele ce urmeaz vor fi prezentate cteva definiii i
proprieti elementare din algebra matriceal, limitndu-ne la
elementele care vor fi utilizate n urmtoarele seciuni i
capitole.

Definiia 1.1.1.
a) Numim matrice cu m linii i n coloane un tablou cu m linii i
n coloane, de forma
|
|
|
|
.
|

\
|
=
mn m2 m1
2n 22 21
1n 12 11
a ...... a a
...... ...... ...... ......
a ...... a a
a ...... a a
A
ale crui elemente a
ij
sunt numere reale sau complexe.
b) Numerele a
ij
, i= 1,..., m, j= 1,..., n se numesc elementele
matricei A.
c) O matrice cu m linii i n coloane se numete matrice de
tipul (m,n) sau matrice de ordinul m x n.
Notaii: a) A=(a
ij
) .......sau A
m,n.
.
b) Mulimea matricelor de tipul (m,n) cu elemente
numere reale se noteaz M
m,n
(R).




3
Cazuri particulare:
1. O matrice de tipul (m,1) se numete matrice-coloan i are
forma:
|
|
|
|
|
.
|

\
|
=
m1
21
11
a
.....
a
a
A
.
2. O matrice de tipul (1,n) se numete matrice-linie i are
forma: ( )
1n 12 11
a ...... a a A = .
3. O matrice de tipul (m,n) se numete nul dac are toate
elementele egale cu zero. Se noteaz cu
O
m,n

|
|
|
|
.
|

\
|
=
0 0 0
0 0 0
0 0 0
......
...... ...... ...... ......
......
......

4. Dac m=n, atunci matricea se numete ptratic de ordin n i
are forma
|
|
|
|
.
|

\
|
=
nn n2 n1
2n 22 21
1n 12 11
a ...... a a
...... ...... ...... ......
a ...... a a
a ...... a a
A
Sistemul de elemente (a
11
, a
22
, ..., a
nn
) formeaz diagonala
principal a matricei.
Sistemul de elemente (a
1n
, a
2n
, ..., a
n1
) formeaz diagonala
secundar a matricei.
Matricea ptratic ale crei elementecare nu se afl pe
diagonala principal sunt toate nule, se numete matrice
diagonal.
( )
nn 33 22 11
nn
22
11
a a a a not
a 0 0 0 0
..... ..... ..... ..... .....
0 0 0 a 0
0 0 0 0 a
A ,..... , , . diag
|
|
|
|
|
.
|

\
|
=

Matricea diagonal pentru care a
11
=a
22
=...=a
nn
=1 se numete
matricea unitate de ordinul n. Se noteaz cu

4
Definiia 1.1.2.
Fie A, B
(m,n)
(R), A=(a
ij
) i B=(b
ij
). Spunem c matricele A i
B sunt egale i scriem A=B, dac a
ij
=b
ij
pentru toi m 1, i = i n 1, j = .


Operaii cu matrice

Definiia 1.1.3.
Fie A, B
(m,n)
(R), A=(a
ij
) i B=(b
ij
). Definim suma matricelor
A i B ca fiind matricea C
(m,n)
(R), C=(c
ij
), unde
c
ij
=a
ij
+b
ij,
pentru toi m 1, i = i n 1, j = .
Notaie: C=A+B.

Proprietile adunrii matricelor
1. (A+B)+C=A+(B+C). (asociativitate)
2. A+B=B+A. (comutativitate)
3. A+O=O+A=A, ()A
(m,n)
(R) (element neutru).
4. ()A
(m,n)
(R), ()A=(-a
ij
)
(m,n)
(R), astfel nct
A+(-A)=(-A)+A=O.(opusa matricei A)

Definiia 1.1.4.
Fie A
(m,n)
(R) i B.
(n,p)
(R), A=(a
ij
) i B=(b
jk
). Definim
produsul AB (n aceast ordine) ca fiind matricea
C=AB
(m,p)
(R), C=(c
ik
), unde
.

Observaie. Produsul AB a dou matrice se poate efectua doar
dac numrul de coloaneale lui A este egal cu numrul de linii ale lui
B.


5
Proprietile nmulirii matricelor
1. (AB)C=A(BC).(asociativitate)
2. A(B+C)=AB+AC (distributivitate la stnga)
3. (A+B)C=AC+BC (distributivitate la dreapta)
4. ()A
n
(R), AI
n
=I
n
A=A (element neutru)

Definiia 1.1.5.
Definim produsul matricei A
(m,n)
(R), A=(a
ij
) cu scalarul
R, ca fiind matricea B
(m,n)
(R), B=(b
ij
), cu matricea: b
ij
=

a
ij,
()i= n , 1 , ()j= m , 1
Notaie: B=.

Definiia 1.1.6.
Numim transpus a matricei A
(m,n)
(R), matricea notat
t
A=(a
ji
)
(n,m)
(R), care are drept linii, respectiv coloane, coloanele,
respectiv liniile matricei A.

Definiia 1.1.7.
Spunem c matricea ptratic A
n
(R) este simetric dac
t
A=A, adic a
ij
=a
ji
, ()i,j= n , 1 i antisimetric, dac
t
A=-A, adic
a
ji
=-a
ij
, ()i,j= n , 1 .


Determinani

Definiia 1.1.8.
Fie A=(a
ij
)
n
(R), o matrice ptratic. Determinantul matricei
A este numrul real det(A) dat de:
( )
( ) ( ) ( ) n n 2 2 1 1
S
a ..... a a ) A det(
n


=

,
unde S
n
este mulimea permutrilor mulimii N={1, 2, 3, , n}, iar
() este signatura permutrii .

6
Notaie:
nn 2 n 1 n
n 2 22 21
n 1 12 11
a ..... a a
..... ..... ..... .....
a ..... a a
a ..... a a
) A det( =


Rangul unei matrice

Definiia 1.1.9.
Fie A o matrice de tipul (m,n). Dac n A alegem aleator k linii i
k coloane, k min{m,n}, atunci elementele care se gsesc la
intersecia acestor linii i coloane formeaz o matrice ptraticde
ordinul k, al crui determinant se numete minor de ordinul k al
matricei A.

Definiia 1.1.10.
Fie A
(m,n)
(R) o matruce nenul. Spunem c matricea A are
rangul r dac A are un minor de ordinul r nenul i toi minorii lui A
de ordin mai mare dect r, dac exist, sunt nuli
Notaie: rang A=r.

Matrice inversabile

Definiia 1.1.11.
O matrice ptratic se numete singular dac determinantul su
este nul, i se numete nesingular dac determinantul su este nul.

Definiia 1.1.12.
Fie A o matrice ptratic de ordinul n. Spunem c A este
inversabil dac exist o matrice ptratic de ordinul n, notat
A
-1
astfel nct:
AA
-1
=A
-1
A=I
n
.

7
Teorem 1.1.13.
O matrice este inversabil dac i numai dac este
nesingular.(detA0).

Definiia 1.1.14.
Numim transformri elementare asupra matricei A aplicarea
uneia din urmtoarele operaii:
T1. nmulirea unei linii (coloane) cu un numr diferit de
zero.
T2. Adunarea unei linii (coloane) la o alt linie (coloan),
element cu element.
T3. Schimbarea a dou linii (coloane) ntre ele.
Observaie.
a) Dac asupra unei matrice A aplicm transformri elementare,
rangul acesteia nu se schimb.
b) Folosind tranformri elementare numai asupra liniilor pentru
determina mai simplu inversa unei matrice.
Fie A
n
(R) i blocul matriceal B=[A/In]. Dac exist A
-1
atunci vom

avea: | | | |
1
n n
1 1 1
A / I I A / A A B A B

= = = .
Exemplul 1 S se determine inversa matricei:
|
|
|
.
|

\
|

=
1 1 3
1 1 2
1 0 2
A
Rezolvare:
| |
(
(
(

(
(
(

(
(
(

(
(
(

(
(
(

(
(
(

=
+

2 2 1
4 5 1
1 1 0
1 0 0
0 1 0
0 0 1
2 2 1
0 1 1
0 0 2 / 1
1 0 0
2 1 0
2 / 1 0 1
1 1 2 / 1
0 1 1
0 0 2 / 1
2 / 1 0 0
2 1 0
2 / 1 0 1
1 0 2 / 3
0 1 1
0 0 2 / 1
5 1 0
2 1 0
2 / 1 0 1
1 0 0
0 1 0
0 0 2 / 1
1 1 3
1 1 2
2 / 1 0 1
1 0 0
0 1 0
0 0 1
1 1 3
1 1 2
1 0 2
I / A
3 2
3 1
3 2 3
1 3
1 2
: 1
L 2 L
L 2 / 1 L
) 2 ( L L L
L 3 L
L 2 L
2 : L
3


8
1.2 Sisteme de ecuaii liniare
n continuare ne vom ocupa de sistemele de ecuaii algebrice de
gradul nti cu mai multe necunoscute, deoarece multe
fenomene din natur se pot modela cu ajutorul acestora.

Definiia 1.2.1.
a) Se numete sistem liniar de m ecuaii cu n necunoscute
ansamblul de ecuaii liniare:
[1]

= + + +
= + + +
= + + +
n n mn 2 2 m 1 1 m
2 n n 2 2 22 1 21
1 n n 1 2 12 1 11
b x a ..... x a x a
.. .......... .......... .......... .......... ..........
b x a .... x a x a
b x a ..... x a x a
,
a
ij
,b
i
R, 1im, 1jn.
b) Variabilele x
1
, x
2
, ..., x
n
R se numesc necunoscutele
sistemului.
Numerele a
ij
R, 1im, 1jn se numesc coeficienii sistemului.
Numerele b
i
R, 1im se numesc termeni liberi.
Observaie a) Coeficienii necunoscutelor formeaz o matrice de tip
(m, n);
|
|
|
|
.
|

\
|
=
mn m2 m1
2n 22 21
1n 12 11
a ...... a a
...... ...... ...... ......
a ...... a a
a ...... a a
A , care se numete matricea sistemului.
b) Sistemul (1) poate fi condensat sub forma:
[2]
=
=
n
1 j
i j ij
b x a
, unde m , 1 i = .
c) Dac notm cu
|
|
|
|
|
.
|

\
|
=
m
2
1
b
....
b
b
B
vectorul coloan al termenilor
liberi, iar
|
|
|
|
|
.
|

\
|
=
n
2
1
x
....
x
x
X
este vectorul coloan al necunoscutelor, atunci
sistemul (1) se poate scrie sub form matriceal:

9
[3] AX=B
d) Matricea ) B / A ( A se numete matricea extins a
sistemului.
e) dac b
i
=0, 1im, atunci sistemul liniar se numete
omogen.

Definiia 1.2.2.
a)Un n-uplu (
1
,
2
, ,
n
)R
n
care verific simultan cele m
ecuaii ale sistemului (1) se numete soluie a sistemului .
b)Dac un sistem are soluii se numete compatibil i
incompatibil n caz contrar. Un sistem compatibil care admite o unic
soluie se numete determinat, iar dac admite cel puin dou soluii
se numete nedeterminat. Dou sisteme care admit aceleai soluii se
numesc echivalente.
Aplicnd transformri elementare numai asupra liniilor matricei
extinse a sistemului [1] se obine un sistem echivalent cu acesta.
Fie r=rang(A). Un minor nenul de ordinul r al matricei A se
numete minor principal.
Ecuaiile i necunoscutele ale cror coeficieni intr n formarea
acestui minor se numesc principale. Minorii de ordinul (r+1) obinui
prin bordarea minorului principal cu elementele corespunztoare ale
coloanei termenilor liberi, precum i cu cele ale uneia dintre liniile
corespunztoare unei ecuaii secundare se numesc minori
caracteristici.
Pentru un sistem de m ecuaii i avnd rangul matricei sistemului
r=rang(A), exist minori caracteristici numai dac m>r, iar numrul
lor este (m-r).




10
Sisteme liniare omogene

Dac b
i
=0, sistemul [1| se numete sistem liniar omogen.
Forma general a acestuia este:
[4|
=
= =
n
1 j
j ij
m 1, i , 0 x a
.
Observaie. un astfel de sistem este oricnd compatibil ntruct
admite cel puin soluia banal: x
1
=x
2
=..=x
n
=0.
Un sistem liniar omogen de rang r=rang(A) i cu n
necunoscute admite i soluiile nebanale dac i numai dac r<n.
Un sistem liniar omogen de n ecuaii cu n necunoscute admite i
soluii nebanale dac i numai dac det(A)=0.

Rezolvarea sistemelor de ecuaii algebrice liniare

1.Un sistem algebric liniar pentru care r=m=n se numete
sistem Cramer.
Formula general a acestuia este:
[5|
n , 1 i , b x a
n
1 j
i j ij
= =

=
, unde det (A)0.
Este un sistem compatibil unic determinat i soluia sa se obine
cu formulele lui Cramer:
n 1, j ,
) A det(
) A det(
x
j
j
= =
,
unde A
j
se obine din matricea A prin nlocuirea coloanei j cu
coloana termenilor liberi.
2.Dac r=m=n, atunci exist A
-1
i din [3| obinem: X=A
-1
B,
formul care reprezint rezolvarea matriceal a unui sistem liniar
omogen de n ecuaii cu n necunoscute i de rang n.

11
3.Metoda eliminrii pariale (Gauss). Presupunem c
det(a
ij
)0, r , 1 j , i = i, deci r=rang(A), dac nu exist determinani de
ordin superior lui r, nenuli.
Prin transformri elementare efectuate numai asupra liniilor
matricei extinse A a sistemului [1| aceasta poate fi adus la forma:
|
|
|
|
|
|
|
|
|
.
|

\
|
=
+
m
1 r
r
2
1
rn rr
n 2 r 2 22
n 1 r 1 12 11
q
.....
q
q
......
q
q
0 ..... 0 ..... 0 0
..... ..... ..... ..... ..... .....
0 ..... 0 ..... 0 0
p ..... p ..... 0 0
..... ..... ..... ..... ..... .....
p ..... p ..... p 0
p ..... p ..... p p
P
, n care: r , 1 i , 0 p
ii
= .
Sistemul care are drept matrice extins, matricea P este
echivalent cu sistemul [1|.
Observaie. Dac r=m, sistemul [1| este compatibil. Dac r<m
sistemul [1] este compatibil dac i numai dac: q
r+1
=q
r+2
=..=q
m
=0.
Dac sistemul este compatibil i r=n el are o singur soluie,
adic este compatibil determinat, iar dac r<n, sistemul admite
r n

soluii, adic este compatibil nedeterminat.
4.Metoda eliminrii totale (Gauss-Jacobi). Fie r=rang(A).
presupunem c det(a
ij
)0, r , 1 j , i = . Prin transformri elementare
asupra liniilor matricei extinse A, a sistemului [1] aceasta poate fi
adus la forma n care toate elementele nediagonale ale primelor r
coloane ale matricei obinute sunt nenule, iar celelalte nule.
Astfel analiza structurii sistemului este imediat.

Exemplul 1: Folosind metoda lui Gauss, s se rezolve sistemul:

= + +
= +
=
2 x x x
7 x 2 x 3 x
9 x x 2 x 4
3 2 1
3 2 1
3 2 1



12
Rezolvare:
|
|
|
.
|

\
|



|
|
|
.
|

\
|



|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

1
10 / 19
4 / 9
1 0 0
10 / 9 1 0
4 / 1 2 / 1 1
5 / 13
10 / 19
4 / 9
5 / 13 0 0
10 / 9 1 0
4 / 1 2 / 1 1
4 / 1
10 / 19
4 / 9
4 / 5 2 / 3 0
10 / 9 1 0
4 / 1 2 / 1 1
4 / 1
4 / 19
4 / 9
4 / 5 2 / 3 0
4 / 9 2 / 5 0
4 / 1 2 / 1 1
2
7
4 / 9
1 1 1
2 3 1
4 / 1 2 / 1 1
2
7
9
1 1 1
2 3 1
1 2 4
A
13 / 5 L L 2 / 3 L
) 5 / 2 ( L L L
L L
4 : L
3 2 3
2 1 3
1 2
1

=
=
=

=
=
=
1 x
1 x
2 x
1 x
10
19
x
10
9
x
4
9
x
4
1
x
2
1
x
3
2
1
3
3 2
3 2 1

Exemplul 2: Folosind metoda lui Gauss Jacobi, s se rezolve
sistemul:

= +
= +
= + +
3 x 4 x 4 x 6
5 x x 3 x 2
20 x x x
3 2 1
3 2 1
3 2 1

Rezolvare:
|
|
|
.
|

\
|

|
|
|
.
|

\
|


|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
+

0
9
11
0 0 0
5 / 1 1 0
5 / 4 0 1
90
9
20
2 10 0
5 / 1 1 0
1 1 1
90
45
20
2 10 0
1 5 0
1 1 1
30
5
20
4 4 6
1 3 2
1 1 1
A
2 3
2 1
2
1 3
1 2
L 10 L
L L
) 5 / 1 ( L
L 6 L
L 2 L

Sistemul este compatibil nedeterminat:
R ,
x
5
1
9 x
5
4
11 x
R x
9 x
5
1
x
11 x
5
41
x
3
2
1
3
3 2
3 1

=
=
=

=
= +
= +


13

1.3 Inegaliti liniare i sisteme de inegalliti liniare
n aplicaiile metodelor matematice apar situaii n care
anumite fenomene se modeleaz nu prin ecuii liniare, ci
prin inegaliti liniare(obinute prin nlocuirea n expresia
formei generale a unei ecuaii liniare a semnului = cu unul
din semnele( ,, < ,>,).

Definiia 1.3.1. a)Se numete inegalitate liniar sau inecuaie liniar
n dou variabile x i y, expresia c by ax

>

<
+ .
unde acoladele indic faptul c, pe poziia respectiv, trebuie folosit,
dup caz, unul din cele patru simboluri.
b) Se numete soluie a inegalitii liniare date mulimea
perechilor ordonate (x,y) care satisfac inegalitatea.

Pentru a reprezenta grafic o inegalitate liniar n dou variabile trebuie
sa reprezentm mulimea soluiilor sale, care va fi o mulime de
puncte n plan.
Astfel, se pleac de la ecuaia corespunztoare ax +by=c (numit
ecuaia ataat inecuaiei date).
Reprezentarea ei n plan este o dreapt, deci mulimea punctelor
reprezint geometric mulimea soluiilor ecuaiei.
Dreapta d: ax +by=c mparte planul n dou regiuni, numite
semiplane. Aceasta dreapt reprezint frontiera celor dou semiplane.
Atunci cnd ntrunul din semiplane includem i frontiera, acesta se va
numi semiplan nchis.Dac frontiera nu este inclus, avem un
semiplan deschis.

14
Etapele rezolvrii unei inecuaii liniare:
Se reprezint dreapta corespunztoare ecuaiei atasate;
Se alege un punct din plan care nu aparine dreptei i se
nlocuiesc coordonatele lui in expresia inecuaiei;
Dac rezultatul obinut n urma nlocuirii este corect din punct
de vedere logic, atunci soluia inecuaiei este dat de ntregul
semiplan n care se afl punctul respectiv; n caz contrar, soluia
este dat de cellalt semiplan;
Vom lua ca i soluie semiplanul determinat, deschis, dac
inegalitatea din enun este strict i nchis, daca inegalitatea
admite i posibilitatea de egal.
Observaie: Mai multe inegaliti liniare formeaz un sistem de
inegaliti(inecuaii) liniare. Pentru a determina mulimea soluiilor
unui astfel de sistem, se face intersecia tuturor semiplanelor ce
reprezint soluiile inecuaiilor.
Exemplul 1: S se rezolve urmtorul sistem de inecuaii:

+


2 y 2 x
1 y x
8 y x 4
.
Rezolvare:
Fie 8 y x 4 : d
1
=
) 0 , 2 ( B 2 x 0 y
) 8 , 0 ( A 8 y 0 x
= =
= =

Fie 1 y x : d
2
=
) 0 , 1 ( D 1 x 0 y
) 1 , 0 ( C 1 y 0 x
= =
= =

Fie 2 y 2 x : d
3
= +
) 0 , 2 ( B 2 x 0 y
) 1 , 0 ( C 1 y 0 x
= =
= =


15


TEM
1) S se determine inversele urmtoarelor matrice:
a)
|
|
|
.
|

\
|
=
1 1 1
2 1 1
3 2 1
A
b)
|
|
|
.
|

\
|

=
1 1 3
1 2 2
2 1 1
A
2) S se rezolve urmtoarele sisteme, alegnd una din metodele
prezentate:
a)

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

b)

= + + +
= + +
= + +
10 x 4 x 6 x 5 x 2
3 x x x x
2 x 4 x 3 x 2 x
4 3 2 1
4 3 2 1
4 3 2 1


16
c)

= + +
= +
= + +
= + + +
3 x x x 3
2 x x 2 x 2
2 x x 2 x 2
2 x x x x
4 2 1
4 2 1
4 3 2
4 3 2 1

3) S se rezolve urmtoarele sisteme de inecuaii:
a)

+
+
+
0 4 y x 2
0 2 y x 2
0 3 y 3 x
., b)

> +
> +
= +
0 4 y x
0 2 y x 2
0 1 y x
























17


CAPITOLUL II
SPAII LINIARE REALE


2.1. Noiuni introductive
Fie A o mulime nevid oarecare, pe care definim dou
operaii astfel:
a) , un element notat cu astfel nct

b) , un element notat astefl nct
.
Prima operaie, de tip aditiv, este intern, a doua, de tip
multiplicativ, este extern pentru A.

Definiia 2.1.1.
Mulimea A formeaz un spaiu liniar (vectorial) real dac:
a) (V, +) este un grup abelian;
b) nmulirea cu scalari ndeplinete condiiile:
1. V x , x x 1 = i 1R,
2. ( x)=() x , (), R i () x V,
3. ( x +y)= x + y, ()R i () x , yV,
4. (+) x = x + x , (),R i () x V.
Observaie. Elementele spaiului liniar A se vor nota cu z y x , , i
le vom numi vectori. Elementul neutru al grupului (A, +) se noteaz

18
prin 0 i se numete vector nul iar vectorul x se numete opusul
vectorului x .

Definiia 2.1.2 Fie A un spaiu liniar real i fie
. Se numete combinaie liniar de vectorilor cu scalarii

1
,
2
, .,
h
R expresia: +
Scalarii
k
se numesc coeficienii combinaiei liniare.

Definiia 2.1.3.
Sistemul de vectori se numete sistem de
generatori pentru spaiu liniar A dac orice vector este o
combinaie liniar de vectorii acestui sistem.

Definiia 2.1.4.
Spunem c sistemul de vectori este liniar
dependent dac exist scalarii
1
,
2
, .,
h
R nu toi nuli
astfel nct:
[1]: +
n caz contrar, adic dac [1] are loc numai pentru

1
=
2
=.=
h
=0 sistemul se numete liniar independent.

Teorema 2.1.5 Un sistem de vectori liniar independeni nu poate
conine vectorul nul.

Teorema 2.1.6 ntr-un sistem de vectori liniar dependeni cel puin un
vector se scrie ca o combinaie liniar a celorlali.




19
2.2 Baze ntr-un spaiu vectorial. Schimbri de baze i de
coordonate

Definiia 2.2.1. Sistemul de vectori B={
1
,
2
, .,
n
}A se numete
baz a lui A dac:
1. B formeaz un sistem de generatori pentru A;
2. B este liniar independent.
Observaie. ntr-un spaiu vectorial exist o infinitate de baze.
Vectorul nul, 0 , nu poate face parte din nici o baz a spaiului
vectorial V.

Teorema 2.2.2
Condiia necesar i suficient pentru ca sistemul de vectori B s
fie o baz a spaiului vectorial A este ca orice vector al spaiului
s se exprime n mod unic ca o combinaie liniar de
vectorii sistemului e adic, s existe scalarii:
1
,
2
, .,
n
R,
unic determinai astfel nct:
[2|: +
Notnd: B=(
1
,
2
, .,
n
)
(1,n)
(A) i ) R ( M
x
....
x
x
X
) 1 , n (
n
2
1

|
|
|
|
|
.
|

\
|
= ,
vectorul se poate scrie ca produsul celor dou matrice, adic:
[3|:
Scalarii
1
,
2
, .,
n
din descompunerea [2| se numesc
coordonatele vectorului n baza B
Observaie. Dac n spaiul liniar V exist o baz format din n
vectori, atunci orice alt baz din V este format tot din n vectori.
Aadar numrul vectorilor din orice baz a unui spaiu liniar real este
invariant.

20
Definiia 6.
Numrul vectorilor dintr-o baz a unui spaiu liniar (vectorial) se
numete dimensiune a spaiului liniar dat.
Dimensiunea spaiului vectorial A se noteaz cu dimA.
Dac dimA=n, spunem c V este n-dimensional.

Exemplu
n spaiul liniar R
n
, sistemul: B={
1
,
2
, .,
n
}, unde:
( )
( )
( )
( )

=
=
=
=
1 ,..., 0 , 0 , 0 e
... ..........
0 ,..., 1 , 0 , 0 e
0 ,... 0 , 1 , 0 e
0 ,..., 0 , 1 e
n
3
2
1
, formeaz o baz, numit baz canonic, sau natural,
sau standard (dimR
n
=n).
ntruct n orice spaiu vectorial A finit dimensional (dimV=n)
exist o infinitate de baze, se pune problema de a gsi modul n care
se face trecerea de la o baz la alta i legtura dintre coordonatele unui
vector n dou baze distincte.
Fie B=(
1
,
2
, .,
n
) i B=(

1
,

2
, .,

n
) dou baze n spaiul
vectorial A.
Deoarece

1
,

2
, .,

n
A i e este baz, avem:
[4]:

+ + + + =
+ + + + =
+ + + + =
n
nn
3
n 3
2
n 2
1
n 1 n
n
2 n
3
32
2
22
1
12 2
n
1 n
3
31
2
21
1
11 1
e c ... e c e c e c ' e
.. .......... .......... ..........
e c ... e c e c e c ' e
e c ... e c e c e c ' e

Sistemul [4] este echivalent cu ecuaia matriceal:
(

1
,

2
,.,

n
) = (
1
,
2
, .,
n
)
|
|
|
|
|
|
.
|

\
|
nn n 2 1 n
n 3 32 31
n 2 22 21
n 1 12 11
c ... c c
... ... ... ...
c ... c c
c ... c c
c ... c c
, adic:

21
[5]: B

=BC cu C=(c
ij
)
n
(R), numit legea schimbrii de baze
n spaii liniare finit dimensionale.
Observaie. Coloana j, cu n , 1 j = a matricei C, numit matricea
schimbrii de baze are drept elemente coordonatele vectorului

j
A,
n raport cu baza e.
Matricea C de trecere de la o baz la alta, ntr-un spaiu vectorial
finit dimensional A este o matrice nesingular, adic detC0.
Formulele [4] se numesc formule de trecere de la o baz B la
baza B

.
Fie ) x ,....., x , x ( x
n 2 1
=
(B)
i ) ' x ,..... ' x , ' x ( x
n 2 1
=
(B)
, adic:
n n 2 2 1 1
e x ..... e x e x x + + = , respectiv
n n 2 2 1 1
' e ' x ..... ' e ' x ' e ' x x + + =
Vom nota prin:
|
|
|
|
|
.
|

\
|
=
n
2
1
x
...
x
x
X , respectiv
|
|
|
|
|
.
|

\
|
=
'
n
'
2
'
1
x
...
x
x
' X , matricele coloan
ale coordonatelor vectorului n baza B, respectiv B

.
Avem: de unde: sau
[6]: , care reprezint legea matriceal a schimbrii
coordonatelor unui vector la o schimbare de baze n spaiul liniar finit
dimensional A.


2.3. Transformri liniare. Valori proprii i vectori
proprii pentru o transformare liniar.
Fie spaiul liniar n-dimensional R
n
.

Definiia 2.3.1 O aplicai T: R
n
R
n
pentru care:
1.
n
R y , x ) ( ), y ( T ) x ( T ) y x ( T + = + ,
2. R ) ( ), x ( T ) x ( T = i
n
R x ) ( ,
se numete transformare liniar.

22
Teorema 2.3.2 Transformarea T:R
n
R
n
este liniar dac i numai
dac (),R i
n
R y , x ) ( , avem: ) y ( T ) x ( T ) y x ( T + = + .
Avem: 0 ) 0 ( T = .

Definiia 2.3.3 Se numete nucleu sau spaiul nul al transformrii
liniare T mulimea: { } 0 ) x ( T / R x KerT
n
def
= =
Numrul d=dim KerT se numete defectul transformrii liniare
T (operatorului T).

Definiia 2.3.4 Se numete imagine a transformrii liniare T
mulimea:
{
n n
def
R x ) /( R y T Im = a.. } y ) x ( T =
Numrul r=dim ImT se numete rangul operatorului T.
Dac T:R
n
R
n
este o transformare liniar iar B={
1
,
2
, .,
n
}
este o baz n R
n
putem scrie:
[7]:

+ + + =
+ + + =
+ + + =
n
nn
2
n 2
1
n 1
n
n
2 n
2
22
1
12
2
n
1 n
2
21
1
11
1
e a .... e a e a ) e ( T
......... .......... .......... .......... ..........
e a .... e a e a ) e ( T
e a .... e a e a ) e ( T
.
Matricea A=(a
ij
)
n
(R), ce are drept coloane coordonatele
vectorilor n , 1 j ), e ( T j = se numete matricea transformrii liniare
T n baza B.
Avem T(B)=BA, iar dac X este matricea coloan a
coordonatelor vectorului
n
n 2 1
R ) x ,..... x , x ( x = n baza B atunci:
) ( ) ( X A B x T = .

Definiia 2.3.5 Fie T:R
n
R
n
o transformare liniar. Scalarul R se
numete valoare proprie sau autovaloare a transformrii liniare T,
dac exist vectorul 0 x astfel nct x ) x ( T = .

23
n acest caz vectorul nenul x se numete vectorul propriu sau
autovector al transformrii liniare T, corespunztor valorii proprii .
Dac X B x = este un vector propriu corespunztor valorii
proprii R, atunci: X X A X B X A B x x T = = = ) ( ) (
sau: (A-I
n
)X=0, care se scrie:
[8]:

= + + +
= + + +
= + + +
0 x ) a ( .... x a x a
.......... .......... .......... .......... ..........
0 x a .... x ) a ( x a
0 x a .... x a x ) a (
n nn 2 2 n 1 1 n
n n 2 2 22 1 21
n n 1 2 12 1 11

Cum 0 x , este necesar ca sistemul [8] s admit i soluii
nebanale.Sistemul liniar omogen [8] admite soluii nebanale dac i
numai dac determinantul su este egal cu zero.
Aadar scalarul R este valoare proprie a transformrii liniare
T a crei matrice n baza e este A dac i numai dac: [9]:
det(A-I
n
)=0
Polinomul P()=det(A-I
n
) se numete polinomul caracteristic
al matricei A, iar ecuaia [9] se numete ecuaia caracteristic a
matricei A.Dup determinarea valorilor proprii din [9], se nlocuiesc
n [8] i se determin coordonatele vectorilor proprii.
2.4. Lema substituiei
Fie B={
1
,
2
, .,
n
} o baz a spaiului liniar R
n
,
n
R u un
vector dat prin: u =
1

1
+
2

2
+.+
i

i
+.+
n

n
i sistemul de
vectori B

={
1
,
2
, .,
i-1
, u ,
i+1
, .,
n
}, obinut din B prin
nlocuirea vectorului
i
cu vectorul u . Au loc afirmaiile:
1. B

este baz n R
n
dac i numai dac
i
0,
2. dac B este baz n R
n
, atunci coordonatele

1
,

2
, ...,

i
,
..,

n
n baza e

ale unui vector

n
R x se exprim n funcie
de coordonatele
*
1
,
*
2
, .,
*
i
, .,
*
n
ale aceluiai vector
n baza B prin egalitile:
i
*
i '
i

= ,
*
i
i
j *
j
'
j

= , pentru ji.

24
Trecerea de la
*
j
la

j
se poate face formal pe baza urmtoarei
reguli cunoscut sub numele de regula dreptunghiului, pe care o
prezentm schematic mai jos.
j
i
*
i *
j
*
j j
i
*
i
*
i i
.... 0 ....
.... 1 ....

Elementul
i
0 se numete pivot.
Prin aceast metod putem nlocui fiecare vector din baza B,
schimbnd n fiecare etap cte un vector.
n practic aceste calcule se organizeaz, etap de etap, sub
forma unor tablouri.

Exemplu .
Fa de baza canonic B={
1
,
2
,
3
} din R
3
, unde:
1
=(1,0,0),

2
=(0,1,0),
3
=(0,0,1) se consider vectorul ) 4 , 1 , 4 ( = x . S se
determine coordonatele sale n baza B

={
1
,
2
,
3
}, unde:

1
=(1,-1,1),
2
=(1,1,-1),
3
=(1,2,3)



B
(baza)

3

1

2

3

x

1
1 0 0 1 1 1 4

2
0 1 0 -1 1 2 1 L
2
+L
1
(I)

3
0 0 1 1 -1 3 4 L
3
- L
1

1
1 0 0 1 1 1 4

2
1 1 0 0 2 3 5 L
2
: (2)
(II)

3
-1 0 1 0 -2 2 0

1
1 0 0 1 1 1 4 L
2
-L
1

2
1/2 1/2 0 0 1 3/2 5/2
(III)

3
-1 0 1 0 -2 2 0 L
3
+ 2L
1

25

1
1/2 -1/2 0 1 0
-
1/2
3/2

2
1/2 1/2 0 0 1 3/2 5/2

(IV)

3
0 1 1 0 0 5 5 L
1
:5

1
1/2 -1/2 0 1 0
-
1/2
3/2

2
1/2 1/2 0 0 1 3/2 5/2
L
1
+1/2L
3
(V)

3
0 1/5 1/5 0 0 1 1
L
2

3/2L
1

1
1/2 -2/5 1/10 1 0 0 2

2
1/2 1/5 -3/10 0 1 0 1
(VI)

3
0 1/5 1/5 0 0 1 1

x =(2,1,1)
.




Tem Se consider vectorul ) 3 , 4 , 5 ( = x scris n baza canonic
B={
1
,
2
,
3
} din R
3
, unde:
1
=(1,0,0),
2
=(0,1,0),
3
=(0,0,1).S se
determine coordonatele sale n baza B

={
1
,
2
,
3
}, unde:

1
=(0,1,1),
2
=(1,0,1),
3
=(1,1,0).







26


CAPITOLUL III
PROGRAMARE LINIAR


3.1 Structura unei probleme de programare liniar

Programarea liniar este o ramur a statisticii matematice
care s-a dezvoltat necontenit, genernd noi capitole cu multiple
aplicaii n practic, n cele mai diverse domenii de inginerie:
economic, agricol, industrial.

n programarea liniar trebuie luate anumite decizii prin aplicarea
crora s se ating valoarea optim a obiectivului.Aceste decizii sunt
reprezentate printr-un set de variabile de decizie, notate x
j
. variabilele
de decizie sunt folosite pentru formularea modelului de programare
liniar. Cu ajutorul variabilelor de decizie este descris att obiectivul
care trebuie atins, ct i o serie de condiii restrictive care trebuie
respectate de ctre soluia cutat.
Aadar, o problem de programare liniar i propune s
maximizeze sau, dup caz, minimizeze o funcie obiectiv n
condiiile respectrii unui set de restricii.
Funcia obiectiv este o funcie liniar de variabile x
j
. Ea este
reprezentarea matematic a scopului urmrit: nivelul profitului,
costurile totale etc.
Setul de restricii este un sistem liniar de ecuaii i inecuaii n
variabilele x
j
. El descrie condiiile pe care trebuie s le satisfac

27
variabilele de decizie pentru a fi n conformitate cu realitatea:
capaciti de producie limitate, nivel minim obligatoriu al vnzrilor
etc.

Forma general a unei probleme de programare liniar (PL)
O problem de programare liniar nu n variabile de decizie
x
1
, x
2
, ........., x
n
i avnd m restricii are urmtoarea form
general:

[1]

+ + +
+ + +
+ + +
n mn 2 2 m 1 m1
n n 2 2 22 1 21
n n 1 2 12 1 11
x a .... x a x a
.......... .......... .......... ..........
x a .... x a x a
x a .... x a x a

m
2
1
b
...
b
b
(sistemul de restricii).
[2] x
1
, x
2
, ., x
n
0 (condiii de nenegativitate).
[3] (min./max.) f( x )=c
1
x
1
+c
2
x
2
+..+c
n
x
n
,
unde x =(x
1
, x
2
,..., x
n
)R
n
.
[PL][1][2][3]

1.) Forma matriceal
Notm:
|
|
|
|
|
.
|

\
|
=
mn m2 m1
2n 22 21
1n 12 11
a ...... a a
...... ...... ...... ......
a ...... a a
a ...... a a
A M
(m,n)
(R);
|
|
|
|
|
.
|

\
|
=
n
2
1
t
x
....
x
x
x X M
(n,1)
(R);
|
|
|
|
|
.
|

\
|
=
m
2
1
b
....
b
b
b M
(m,1)
(R) i
C=(c
1
, c
2
, ., c
n
) M
(1,n)
(R).

28
Cu aceste notaii problema de programare liniar poate fi
scris sub forma: [1] AX b ; [2] X O
(n,1)
(R); [3] (min./max.)
f( x )=CX, numit forma matriceal a problemei [P].

2.) Forma vectorial.
Notm:
|
|
|
|
|
.
|

\
|
=
1 m
21
11
1
a
....
a
a
P ;
|
|
|
|
|
.
|

\
|
=
2 m
22
12
2
a
....
a
a
P ;...;
|
|
|
|
|
.
|

\
|
=
mn
n 2
n 1
n
a
....
a
a
P i
|
|
|
|
|
.
|

\
|
=
m
2
1
0
b
....
b
b
P
Problema [P] poate fi scris sub forma:
[1] x
1
P
1
+ x
2
P
2
+ .+ x
n
P
n
P
0
;
[2] XO
(n,1)
(R);
[3] (min./max.) f( x )=CX, numit forma vectorial a
problemei [P].

3.) Forma canonic.
O problem de programare liniar este sub form canonic
dac ea se scrie:
[1] b X A ; [2] XO
(n,1)
(R); [3] (min.) f( x )=CX, sau
[1] b X A ; [2] XO
(n,1)
(R); [3] (max.) f( x)=CX.

4.) Forma standard.
O problem de programare liniar este sub forma standard,
dac ea se scrie:
[P]

=
X C ) x ( f .) (min
) R ( O X
b X A
) 1 , n (
sau [P]

= + + +
X C ) x ( f .) (min
) R ( O X
P P x .... P x P x
) 1 , n (
0 n n 2 2 1 1


29
Observaie: Orice problem de programare liniar poate fi
adus la forma standard dac inem seama de urmtoarele:
a) sensul unei inegaliti se schimb prin nmulirea cu 1;
b) o inecuaie de forma: a
i1
x
1
+ a
i2
x
2
+ .+ a
in
x
n
b
i
, poate fi
scris ca o ecuaie: a
i1
x
1
+ a
i2
x
2
+ .+ a
in
x
n
+ y
i
=b
i
, adugnd o nou
variabil y
i
0, numit variabil ecart sau variabil de compensare.
O inecuaie de forma: a
i1
x
1
+ a
12
x
2
+ .+ a
in
x
n
b
i
, poate fi
scris ca o ecuaie: a
i1
x
1
+ a
i2
x
2
+ .+ a
in
x
n
- y
i
=b
i
, scznd o
variabil de compensare y
i
0.
c) o ecuaie poate fi scris ca dou inecuaii de sensuri contrare.

Modele economice care conduc la probleme de programare
liniar.

1.) Problema transporturilor
S presupunem c un anumit produs se afl n m depozite
m , 1 i , D
i
= , n cantitile a
i
. Acest produs trebuie transportat la n centre
C
j
, fiind solicitat n cantitile n , 1 j , b
j
= .
Transportul unei uniti de produs de la depozitul D
i
la centru C
j

cost c
ij
uniti bneti.
Fie x
ij
cantitatea de produs ce urmeaz a fi transportat de la
depozitul D
i
la centrul C
j
. Se pune problema realizrii transportului
astfel nct disponibilul de produs din fiecare depozit s fie epuizat,
cererea s fie satisfcut corect pentru fiecare centru, iar cheltuielile
totale s fie minime.
Cantitatea de produs transportat de la depozitul D
i
la cele n
centre C
j
va fi:

=
= + + + + + =
n
1 j
i in ij 2 i 1 i ij
a x .... x .... x x x ,

30
iar cantitate de produs transportat de la toate depozitele D
i
la
centrul C
j
va fi:

=
= + + + + + =
m
1 i
j mj ij j 2 j 1 ij
b x .... x .... x x x
Dac lum n considerare toate depozitele i toate centrele vom
avea:
[4]

=
=
n
1 j
i ij
a x , m , 1 i = i
[5]

=
=
m
1 i
j ij
b x , n , 1 j = .
Condiiile de nenegativitate sunt: x
ij
0; m , 1 i = ; n , 1 j = .
Costul transportului este dat de funcia:
[6]

= =
=
m
1 i
n
1 j
ij ij
x c ) x ( f , ) x ,..., x ,...., x , x ( x
mn ij 12 11
= a crei valoare se
cere a fi minim.
2.) Problema amestecului optim.
n urma unui studiu biologic ntreprins asupra unor animale,
s-a stabilit c raia zilnic a fiecrui animal crescut ntr-o ferm
zootehnic trebuie s conin n elemente nutritive N
1
, N
2
, ., N
n
n
cantitile b
1
, b
2
, ., b
n
.
Ferma dispune de m tipuri de nutreuri A
1
, A
2
, ., A
m
pe care
le procur la preurile c
1
, c
2
, ., c
m
uniti bneti pe unitatea de
produs. Analiza de laborator a coninutului n substane nutritive
arat c o unitate din nutreul A
j
, m , 1 j = conine a
ji
uniti nutritive
de tipul N
i
, n , 1 i = .
Se pune problema hrnirii raionale a animalelor, ceea ce
nseamn alctuirea unor raii zilnice care s corespund cerinelor
biologice i n acelai timp s existe o aprovizionare eficient (cu
cheltuieli minime).

31
(restriciile)
(condiii de nenegativitate)
(funcia obiectiv)
S notm cu x
1
, x
2
, ., x
m
cantitile de nutre din fiecare tip
de nutre A
1
, A
2
, ., A
m
ce trebuie s fac parte din raia zilnic a
unui animal.
Toate nutreurile vor conine substana i n cantitatea: a
1i
x
1
+
a
2i
x
2
+ .+ a
ji
x
j
+.+ a
mi
x
m
, care, pentru o raie zilnic bine
ntocmit, trebuie s fie n cantitatea b
i
.
Restriciile problemei sunt:

=
=
m
1 j
i j ji
b x a , n , 1 i = , iar condiiile de nenegativitate: x
j
0,
m , 1 j = .
Fie c
j
, m , 1 j = costul unei uniti din nutreul A
j
.
Costul total al raiei zilnice va fi:
m m j j 2 2 1 1
x c .... x c .... x c x c ) x ( f + + + + + = , ) x ,.., x ,.., x , x ( x
m j 2 1
= .
Aadar modelul matematic al problemei este:

[P]

=
=
= =

=
=
m
1 j
j j
j
m
1 j
j j ji
x c ) x ( f (min)
m 1, j , 0 x
n 1, i , b x a

3.) Folosirea optim a produselor.
Un combinat de nutreuri concentrate poate realiza n tipuri de
nutreuri N
1
, N
2
, ., N
n
, pentru care utilizeaz m tipuri de materie
prim (resurse) M
1
, M
2
, ., M
m
, care sunt limitate de cantitile
b
i
, m , 1 i = .
Pentru producerea unei cantiti de nutre N
j
, n , 1 j = se
consum o cantitate a
ij
din materia prim de tipul M
i
, m , 1 i = . La o
unitate de nutre N
j
se obine un profit de c
j
u.b. (uniti bneti).

32
Din punct de vedere economic ne punem problema determinrii
cantitilor din nutreurile N
1
, N
2
, ., N
n
ce urmeaz a fi produse
astfel nct s se obin un profit maxim. Fie x
j
, n , 1 j = , cantitile
de nutreuri N
j
ce urmeaz a fi realizate pentru a se obine un profit
maxim.
Pentru producerea cantitii x
j
din nutreul N
j
se consum din
materia prim M
i
cantitatea a
ij
x
j
.
Cantitatea de materie prim M
i
este limitat de b
i
, deci trebuie
impuse restriciile:

=

n
1 j
i j ij
b x a , m , 1 i = .
Condiiile de nenegativitate sunt: x
j
0, n , 1 j = .
Profitul total este dat de funcia:

=
=
n
1 j
j j
x c ) x ( f , ) x ,.., x , x ( x
n 2 1
=
care trebuie s ia valoarea maxim.

3.2 Rezolvarea grafic a problemelor de programare
liniar n dou variabile

Cosiderm urmtoarea problem de programare liniar:
[1]

+ +
+ +
+ +
n n n
2 2 2
1 1 1
c y b x a
...... .......... ..........
c y b x a
c y b x a

0
..
0
0

[2] x0; y0
[3] (min./max.) f(x.y)=c
1
x+c
2
y

Pentru a determina soluia optim a acestei probleme, trebuie,
mai nti, sa mulimea soluiilor sistemului [1]. Pentru rezolvarea
acestui sistem se procedeaz astfel:

33
Se reprezint, n sistemul ortogonal de axe de coordonate,
dreptele:
(d
i
): a
i
x+b
i
y+c
i
=0, n , 1 i = ,
fiecare dintre ele mprind planul n cte dou regiuni.
Soluia sistemului [1] va fi format din toate punctele din plan
ale cror coordonate ndeplinesc simultan inegalitile din [1].
Intersecia poligonului convex determinat de restriciile [1] cu
primul cadran (x0; y0) reprezint un poligon convex pe care l vom
numi mulimea programelor problemei notat PL. Funcia
obiectiv determin o familie de drepte paralele:
[3] (d

): c
1
x+c
2
y=, R.
Dreptele familiei [3] se vor numi linii de nivel. Pentru
coordonatele punctelor unei linii de nivel funcia obiectiv are aceeai
valoare.
Linia de nivel (d
0
) care trece prin origine (=0) separ planul n
dou semiplane (P
+
) i (P
-
).
Distana de la origine la dreptele [3] este .
c c
d
2
2
2
1
+

=
Fie P mulimea programelor problemei.
Dac (d
0
)(P)=, maximul funciei obiectiv se obine pentru
linia de nivel cea mai deprtat de origine care are cel puin un punct
comun cu (P), iar minimul pentru cea mai apropiat linie de nivel de
origine, care se bucur de aceeai proprietate.
Dac (d
0
) separ mulimea (P) n dou submulimi, maximul,
respectiv minimul se obine pentru cea mai deprtat linie de nivel din
(P
+
) sau (P
-
).





34
Exemplul Utiliznd metoda grafic s se determine:

x 3y 3 0
2x y 2 0
2x y 4 0
x y 1 0
+

;
1
(min/ max)f ( x, y) x y
2
= +

(d
1
): x-3y+3=0; P
1
(x,y)=x-3y+3
(d
2
): 2x-y+2=0; P
2
(x,y)=2x-y+2
(d
3
): 2x+y-4=0; P
3
(x,y)=2x+y-4 ............................................
(d
4
): x-y-1=0; P
4
(x,y)=x-y-1
P
1
(0,0)=3>0; P
2
(0,0)=2>0; P
3
(0,0)=-4<0 i P
4
(0,0)=-1<0.

(d
3
)(d
4
){A}
2x y 4 0
x y 1 0
+ =

5 2
A ,
3 3
| |
|
\ .
.............................
(d
1
)(d
4
){B}
x 3y 3 0
x y 1 0
+ =

B(3, 2).............................
(d
1
)(d
3
){C}
x 3y 3 0
2x y 4 0
+ =

+ =

C
9 10
,
7 7
| |
|
\ .
..........................

Poligonul soluiilor posibile este triunghiul ABC, haurat pe figur
Notm f(x,y)= =x+
1
y
2
(

): 2x+y-2=0; (
0
): 2x+y=0
(0,4)
(2,0) (1,0)
(d
4
)
(0,2)
(-1,0) (-3,0)
(0,1)
O
x
y

B
C
A
(
0
)
(d
3
)
(d
2
)
(d
1
)

35
Observm c toate dreptele familiei (

) sunt paralele cu (d
3
) i
deci, n punctele A,C(d
3
) vom avea pentru funcia obiectiv aceeai
valoare ...........................................................................................
f
min
=f
9 10 5 2
, f , 2
7 7 3 3
| | | |
= =
| |
\ . \ .
i f
max
=f(3,2)=4 ..............................

3.3 Mulimi convexe

Fie spaiul liniar (vectorial) R
n
i MR
n
, o submulime nevid
a sa.

Definiia 3.3.1 Mulimea MR
n
se numete mulime convex dac
i ()[0,1], avem:

Definiia 3.3.2 Un vector se numete punct de extrem sau
vrf al mulimii convexe M, dac nu exist

, i nu
exist (0,1) astfel nct:. .

Definiia 3.3.3 Numim combinaie liniar convex a vectorilor,
, o expresie de forma:
p p 2 2 1 1
x .... x x + + + ,
cu
i
0, i 1 ....
p 2 1
= + + + .
Observaie: Se demonstrez c orice punct ce nu este punct de
extrem se scrie ca o combinaie liniar convex de puncte extreme
ale mulimii convexe.



36
3.4 Soluii ale unei probleme de programare liniar

Fie o problem de programare liniar aflat sub forma
standard:
[PL]
( )

=
X C ) x ( f min
) R ( O X
b X A
) 1 , n (

Presupunem c toate componentele vectorului coloan b sunt
pozitive (n caz contrar, acest lucru se poate realiza prin nmulirea
cu 1 a ecuaiilor respective) i c rangul matricei A este m<n.

Definiia 3.4.1 Un vector
n
R x ale crui componente verific
sistemul de restricii [1] i condiiile de nenegativitate [2] se
numete soluie admisibil a problemei [P].
Mulimea soluiilor admisibile problemei [P], notat cu S
a
, est
o mulime convex.

Definiia 3.4.2 O soluie admisibil care are cel mult m componente
strict pozitive, iar vectorii coloan ai matricei A, corespunztori
acestor componente sunt liniari independeni, se numete soluie
admisibil de baz.
Observaie: Dac soluia admisibil de baz are exact m
componente strict pozitive, spunem c ea este nedegenerat, iar
dac are mai puine o numim degenerat.




37
Exemplu :
Fie problema de programare liniar:
[PL]
| |
| |
| | ( )

= + =
=

= + +
= + +
4
4 3 2 1 4 2 1
j
4 3 2 1
3 2 1
R ) x , x , x , x ( x , x 2 x x 2 ) x ( f min : 3
1,4 j , 0 x : 2
12 x x 6 x x 3
4 x 2 x x
: 1


1.) a x =(1, 1, 1, 4) este o soluie admisibil a problemei pentru
c: x
1
=1, x
2
=1, x
3
=1, x
4
=4, verific [1][2].
2.) a x =(0, 4, 0, 16) este o soluie admisibil de baz,
nedegenerat pentru c: x
1
=0, x
2
=4, x
3
=0, x
4
=16, verific [1][2],
are exact dou componente stric pozitive: x
2
>0, x
4
>0, rang
2
1 6 1 3
0 2 1 1
=
|
|
.
|

\
|

i vectorii coloan din matricea A, corespunztori

acestor coloane,
|
|
.
|

\
|

=
1
1
P
2
i
|
|
.
|

\
|
=
1
0
P
4
sunt liniari independeni.
3.) a x =(0, 0, 2, 0) este o soluie admisibil de baz,
degenerat pentru c: x
1
=0, x
2
=0, x
3
=2, x
4
=0, verific [1][2], are o
singur component stric pozitiv, iar vectorul coloan corespunztor
lui x
3
0,
|
|
.
|

\
|
=
6
2
P
3
, fiind nenul este liniar independent.
4.) a x =(3, 0, 1/2, 0) este o soluie admisibil, dar nu este
admisibil de baz pentru c vectorii corespunztori coloanelor 1 i 3
din matricea A, sunt liniar dependeni (P
3
=2P
1
).
Observaie: Orice soluie admisibil de baz a x a unei
probleme de programare liniar, este un punct de extrem al mulimii
soluiilor admisibile S
a
i reciproc, orice punct de extrem al
mulimii soluiilor admisibile este o soluie de baz a problemei de
programare.

38
Definiia 3.4.3 O soluie admisibil se numete soluie optim a
problemei [PL] dac realizeaz minimul funciei obiectiv ) x ( f .
Vom nota cu 0 x , o soluie optim i prin S
0
, mulimea
soluiilor optime.
Observaie: S
0
este o mulime convex.
Dac problema de programare liniar [P] are o soluie optim
finit, atunci exist un punct de extrem al mulimii S
a
n care
funcia obiectiv ia valoarea minim sau maxim.
Soluiile optime ale unei probleme de programare liniar
trebuie cutate printre soluiile admisibile de baz.

3.5. Metoda simplex. Algoritmul simplex primal
Pentru o problem de programare [PL] se pornete de la o
soluie admisibil care este supus unui criteriu de optimalitate.
Dac acest criteriu nu este satisfcut se indic procedeul de
construcie a unei alte soluii admisibile de baz pentru care funcia
obiectiv ia o valoare mai mic.
Dup un numr finit de pai se ajunge la soluia optim, dac
aceasta exist.
n metod se indic i situaia n care n care problema nu are
soluii sau nu are soluie finit.
Considerm problema de programare liniar aflat sub forma
standard:
[P]
( )

=
X C ) x ( f min
) R ( O X
b X A
) 1 , n (

Presupunem c primele m (m<n) coloane ale matricei A
formeaz matricea unitate de ordinul m. Dac nu este aa, prin

39
transformri elementare putem realiza acest lucru. Astfel matricea
extins a sistemului de restricii este:
|
|
|
|
|
.
|

\
|

=
+
+
+
m
2
1
mn mj 1 mm
n 2 j 2 1 m 2
n 1 j 1 1 m 1
....
.... .... 1 .... 0 0 0
.... .... .... .... .... .... .... .... .... ....
.... .... 0 .... 0 1 0
.... .... 0 .... 0 0 1
A ,
unde vectorii P
1
, P
2
, ., P
m
sunt dai de primele m coloane ale
matricei A i, fiind liniar independeni formeaz o baz n R
m
(baz
canonic). Oricare vector P
j
( n , 1 j = ) se exprim n mod unic ca o
combinaie liniar de vectorii P
i
, m , 1 i = , prin:
P
j
=
1j
P
1
+
2j
P
2
+ .+
mj
P
m
=

=

m
1 i
i ij
P .
S notm cu C
b
, vectorul linie format cu primele m
componente ale vectorului C, componente ce corespund primelor
m<n coloane ale matricei A.
Observaie: Fie x =(x
1
, x
2
, ., x
n
), y=(y
1
, y
2
, ., y
n
),
respectiv
|
|
|
|
|
.
|

\
|
=
n
2
1
x
....
x
x
X ,
|
|
|
|
|
.
|

\
|
=
n
2
1
y
....
y
y
Y , vectorii linie (respectiv coloan) din
spaiul liniar R
n
.
Definim produsul scalar al celor doi vectori prin: y x =x
1
y
1
+
x
2
y
2
+ .+ x
n
y
n
=XY.
Introducem notaiile:
z
j
=
t
C
b
P
j
=c
1

1j
+ c
2

2j
+ .+ c
m

mj
, n , 1 j = ,
|
|
|
|
|
.
|

\
|
=
m
2
1
b
t
c
....
c
c
C ,
|
|
|
|
|
.
|

\
|

=
mj
j 2
j 1
j
....
P .

40
Dac
i
, m , 1 i = sunt pozitivi, atunci: x
1
=
1
, x
2
=
2
, ., x
m
=
m
,
x
m+1
=x
m+2
=.=x
n
=0, este o soluie admisibil de baz.

Criteriul de optimalitate.
Dac diferenele z
j
-c
j
, n , 1 j = nu sunt pozitive (deci sunt zero
sau negative), atunci problema de programare liniar [P] are un
optim finit i 0 x =(
1
,
2
, .,
m
, 0, 0, 0, ., 0) este soluia optim
cutat.
Observaie: n problemele de programare n care se cere
maximul funciei obiectiv, criteriul de optimalitate va cere ca:
z
j
-c
j
0, n , 1 j = .
n problema de minim, dac exist un indice n , 1 j = astfel nct
z
j
-c
j
>0, atunci pot exista soluii admisibile de baz pentru care
funcia obiectiv s ia o valoare mai mic dect pentru a x .
O nou soluie de baz admisibil se poate obine nlocuind un
vector P
i
din baz cu un vector P
j
care nu face parte din baz.
Fie y
k
(k=1, 2, ., i-1, j, i+1, ., m), componenetele noii
soluii de baz y=(y
1
, y
2
, ., y
m
).

Criteriul de ieire.
Dac
ij
>0,
kj
k
ij
i

(
kj
>0), atunci vectorul P
i
din baz se
nlocuiete cu P
j
.

Criteriul de intrare.
Dac z
j
-c
j
0, atunci vectorul P
j
, n , 1 m j + = intr n baz n
locul vectorului P
i
, m , 1 i = .

41
Observaii:
1.) ntruct diferenele z
j
-c
j
pot fi nule pentru vectorii care nu
fac parte din baz rezult c problema de programare liniar [P] poate
avea mai multe soluii optime.
2.) Dac
i
=0 rezult c y este soluia optim chiar dac z
j
-c
j
>0
(condiiile z
j
-c
j
0, sunt suficiente nu i necesare pentru existena
soluiei optime.).
3.) Dac
ij
0,
i
>0, z
j
-c
j
0, nu este posibil s obinem o
soluie admisibil de baz pentru care funcia obiectiv s ia o valoare
mai mic dect pentru a x .

Etapele algoritmului simplex primal.
I.) Se determin o soluie admisibil de baz.
II.) Se calculeaz diferenele z
j
-c
j
, n , 1 j = .
1.) Dac z
j
-c
j
0, n , 1 j = atunci dup criteriul de optimalitate,
soluia admisibil de baz a x este optim i algoritmul se oprete.
2.) Dac exist indici j pentru care z
j
-c
j
0, iar toate
componentele vectorului P
j
sunt mai mici sau egale cu zero (
ij
0),
atunci problema are optim infinit i algoritmul se oprete.
3.) Dac exist indici j pentru care z
j
-c
j
0 i nu toi
ij
0, atunci
se trece la etapa urmtoare.
III.) Se aplic criteriul de intrare, determinnd vectorul P
j
care
intr n baz ca fiind acel vector pentru care z
j
-c
j
=max.(z
k
-c
k
), pentru
acele diferene nenegative.
IV.) Se aplic criteriul de ieire. Prsete baza vectorul P
i

pentru care:
kj
k
0
ij
i
kj
min

>
.
V.) Se face schimbarea de baz obinnd o nou soluie
admisibil de baz y i apoi etapele algoritmului se reiau. Dup un

42
numr finit de pai se gsete soluia optim a problemei dac aceasta
exist.
Datele unei probleme de programare liniar, cu notaiile deja
fcute, le sintetizm n urmtorul tabel:

c
1
c
2

.
c
i

.
c
m

.
c
j

.
c
n
B C
b
P
0

P
1
P
2

.
P
i

.
P
m

.
P
j

.
P
n
P
1
c
1

1
1 0

.
0

.
0

1
j

1
n
P
2
c
2

2
0 1

.
0

.
0

2
j

2
n

.

P
i
c
i

i
0 0

.
1

.
0

ij

i
n

.

P
m
c
m

m
0 0

.
0

.
1

mj

mn
z
j
-
c
j

__
f( x)
0 0

.
0

.
0

.
z
j
-
cj

.
z
n
-
c
n

Observaie: Dac soluia admisibil nu este optim, adic
exist z
j
-c
j
0, alegem diferena z
j
-c
j
cea mai mare, determinnd
astfel vectorul P
j
care intr n baz.
Dac exist mai multe astfel de diferene egale poate intra n
baz oricare dintre vectorii ce corespund acestora.

43
Dac pe coloana lui P
j
toate coordonatele
ij
0, atunci
problema admite optim infinit. Dac pe coloana lui P
j
exist i

ij
>0, vectorul care prsete baza se obine fcnd rapoartele
dintre componentele lui P
0
i componentele strict pozitive ale
vectorului P
j
, determinat anterior. Dac
ij
i

este cel mai mic raport,

atunci P
i
prsete baza, fiind nlocuit cu vectorul P
j
.

Exemplu 1:
Utiliznd algoritmul simplex primal s se determine soluiile
optime ale problemei de programare liniar:
[P]
| |
| |
| |

= + =
=

+
+ +
+ +
3
3 2 1 3 2 1
j
3 2
3 2 1
3 2 1
R ) x , x , x ( x , x 4 x 3 x 5 ) x ( f .) min ( : 3
1,3 j , 0 x : 2
20 x 2 x
10 x 3 x x 2
60 x x x
: 1


Forma standard a problemei este:
[1]:

= +
= + +
= + + +
20 y x 2 x
10 y x 3 x x 2
60 y x x x
3 3 2
2 3 2 1
1 3 2 1
;
[2]: x
j
0, y
j
0, 3 , 1 j = ;
[3]: (min.) f( x )=5x
1
-3x
2
+4x
3
, x =(x
1
, x
2
, x
3
)R
3
.

Utiliznd transformri elementare asupra liniilor matricei
extinse a sistemului de restricii, cutm o soluie admisibil de
baz.


44

|
|
|
.
|

\
|

=
20
10
60
1 0 0 2 1 0
0 1 0 3 ) 1 ( 2
0 0 1 1 1 1
A
( )
|
|
|
.
|

\
|



10
10
50
1 ) 1 ( 0 1 0 2
0 1 0 3 1 2
0 1 1 2 0 1


|
|
|
.
|

\
|

10
20
40
1 1 0 1 0 2
1 0 0 2 1 0
1 0 1 1 0 1


x
1
x
2
x
3
y
1
y
2
y
3

O soluie admisibil de baz a problemei

standard este:
a x =(0, 20, 0, 40, 10, 0)
Avem:
|
|
|
.
|

\
|

=
2
0
1
P
1
;
|
|
|
.
|

\
|
=
0
1
0
P
2
;
|
|
|
.
|

\
|

=
1
2
1
P
3
;
|
|
|
.
|

\
|
=
0
0
1
P
4
;
|
|
|
.
|

\
|
=
1
0
0
P
5
;

|
|
|
.
|

\
|

=
1
1
1
P
6
;
|
|
|
.
|

\
|
=
10
20
40
P
0
i rang(A)=3.
Tabelul simplex.
5 -3 4 0 0 0
B(baza) C
b
P
0

P
1
P
2
P
3
P
4
P
5
P
6
P
4
0 40 1 0 -1 1 0 1
P
2
-3 20 0 1 2 0 0 -1
P
5
0 10 -2 0 -1 0 1 -1
z
j
-c
j
__ -60 -5 0 -10 0 0 3
P
6
0 40 1 0 -1 1 0 1
P
2
-3 60 1 1 1 1 0 0
P
5
0 50 -1 0 -2 1 1 0
z
j
-c
j
__ -180 -8 0 -7 -3 0 0

L
1
-L
2

L
3
-L
2
L
1
-L
3

L
2
-L
3

45
n prima etap se observ c nu toate diferenele z
j
-c
j
sunt mai
mici sau egale cu 0.
Cea mai mare diferen este 3 i se afl n dreptul vectorului
P
6
, care va intra n baz. Cu componentele pozitive ale lui P
6
avem
un singur raport
ij
i

de considerat.
Acesta este 40/1. Aadar va iei din baz vectorul P
4
, care va fi
nlocuit de P
6
. Facem schimbarea de baz realiznd, prin
transformri elementare asupra liniilor matricei extinse A, pe
coloana lui P
6
prima coloan a matricei unitate I
3
.
Constatm acum c toate diferenele z
j
-c
j
sunt mai mici sau
egale cu zero.
Soluia optim a problemei este:
x
1
=0, x
2
=60, x
3
=0 i avem: (min.)f f (0, 60, 0)=50-360+40=-180

Tem 1) Utiliznd metoda grafic, s se rezolve urmatoarele
probleme de programare liniar:

a) y x ) y , x ( f ,
1 y x
0 2 y x 2
0 7 y 2 x
+ =

+
+


b) y 3 x 2 ) y , x ( f ,
0 y 2 x
0 y x 2
0 3 y x
0 3 y x
=

+




46
2) Utiliznd metoda simplex primal sa se rezolve urmtoarele
probleme de programare liniar:
a)
| |
| |
| |

= + + =
=

+
+
3
3 2 1 3 2 1
j
3 2 1
3 2 1
R ) x , x , x ( x , x 2 x x 2 ) x ( f .) min ( : 3
1,3 j , 0 x : 2
4 x 3 x 3 x 2
3 x x x
: 1

b)
| |
| |
| |

= + + =
=

+ +
+ +
3
3 2 1 3 2 1
j
3 2 1
3 2 1
R ) x , x , x ( x , x 5 x x 4 ) x ( f .) (max : 3
1,3 j , 0 x : 2
57 x x 3 x 2
30 x 2 x x
: 1




















47


CAPITOLUL IV
ELEMENTE DE TEORIA
PROBABILITILOR.


4.1. Eveniment. Probabilitate. Cmp de probabilitate

Noiunile fundamentale ale teoriei probabilitilor sunt cele de
eveniment i probabilitate. Evenimentul apare ca un fenomen care, n
cadrul unei anumite experiene, se poate produce sau nu. n teoria
probabilitilor intereseaz numai experienele aleatoare.

S considerm ca exemplu experiena aruncrii unui zar. Este
evident vorba de o experien aleatoare, adic o experien al crei
rezultat variaz la ntmplare.
S notm cu {1} apariia feei cu un singur punct, cu {2}
apariia feei cu dou puncte etc.
n urma unei aruncri obinem unul din rezultatele:
{1}{2}{3}{4}{5}{6}.
Alte rezultate nu sunt posibile i unul dintre ele se produce
neaprat. Acestea sunt probele experienei efectuate.
Ne putem pune ntrebarea dac vom obine o fa cu un numr
par de puncte. n acest caz experiena este aruncarea zarului, proba
este rezultatul care se obine la sfritul experienei, iar evenimentul
ateptat este apariia unui numr par de puncte. Evenimentul se

48
realizeaz dac se obine una din probele {2}, {4}, {6}, i nu se
realizeaz n caz contrar. Exist deci, trei probe care realizeaz
evenimentul.
Dac n cadrul aceleai experiene ne intereseaz apariia feei
cu un punct, suntem n prezena unui eveniment care poate fi realizat
de o singur prob, i anume proba {1}. Evenimentul care poate fi
realizat de o prob i numai una se numete eveniment elementar.
Celelalte evenimente le numim compuse.

Eveniment sigur. Eveniment imposibil

Fiecrei experiene I se ataeaz dou evenimente cu character
special: evenimentul sigur i evenimentul imposibil.
Evenimentul sigur este acela care se realizeaz n orice prob i
evenimentul imposibil care nu se realizeaz n nici o prob.
Evenimentul sigur l vom nota cu E iar cel imposibil lui .

Evenimente contrare

Dac notm cu A evenimentul apariiei uneia din feele 1, 2, 3 la
aruncarea unui zar i cu B apariia uneia din feele 4, 5, 6, atunci
observm c atunci cnd A nu se realizeaz, se realizeaz B.
n acest caz vom spune c A i B sunt evenimente contrare.
ntotdeauna, unui eveniment i corespunde un eveniment contrar,
a crui realizare nseamn prin definiie, nerealizarea primului.


49
Evenimentul contrar lui A l vom nota cu sau cA. n acest caz
sunt evidente relaiile:


Evenimente compatibile. Evenimente incompatibile

Evenimentele A i B se numesc compatibile dac se pot realize
simultan, adic dac exist probe care realizeaz att pe A ct i pe B.
n caz contrar, evenimentele sunt incompatibile.
Evenimentele contrare sunt incompatibile.

Operaii cu evenimente
1.) Reuniunea evenimentelor A i B este evenimentul care se
realizeaz dac i numai dac se realizeaz cel puin unul dintre
evenimentele A sau B, i se noteaz cu AB.
2.) Intersecia evenimentelor A i B este evenimentul care se
realizeaz dac i numai dac se realizeaz simultan cele dou
evenimente i se noteaz cu AB.
3.) Non A este evenimentul a crui realizare const n
nerealizarea evenimentului A i se noteaz cu , dac se
subnelege.
4.) Diferena evenimentelor A i B notat cu A\B, este
evenimentul care se realizeaz atunci cnd se realizeaz A dar nu se
realizeaz B.
Avem: A\B= B A i =\A.

50
5.) Implicaia. Vom spune c evenimentul A implic
evenimentul B i vom nota AB dac atunci cnd se realizeaz
evenimentul A se realizeaz n mod necesar i evenimentul B.
Observaie. Dac avem simultan AB i BA vom spune c
evenimentele A i B sunt echivalente i vom nota aceasta prin AB.
Dac oricrui eveniment i atam mulimea cazurilor favorabile
atunci operaiile dintre evenimente revin la operaiile respective dintre
mulimile corespunztoare.
Observaie. Evenimentele A i B sunt incompatibile dac
AB=.
Dualitate de limbaj
Limbajul evenimentelor Limbajul mulimilor
Eveniment Submulimi ale lui E
Evenimentul sigur Mulimea total E
Evenimentul imposibil Mulimea vid
A implic B AB
A sau B AB
A i B AB
Non A
A i B, incompatibile AB=
Eveniment elementar e, eE

Evenimentele A i B sunt compatibile dac AB.
Fie o mulime finit de evenimente.

51
Definiia 4.1.1 Spunem c mulimea de evenimente KP(E)
constituie un cmp de evenimente dac sunt verificate urmtoarele
proprieti:
1.) ()AKK;
2.) ()A,BKABK.
Observaie. AK, deci evenimentul sigur se gsete n
cmpul de evenimente.
Fiind contrarul evenimentului sigur rezult c evenimentul
imposibil aparine cmpului de evenimente.
Dac A,BKABK.

Probabilitate

Dac ntr-o serie de n probe evenimentul A s-a realizat de n
A
ori
atunci numrul
n
n
) A ( f
A
= se numete frecven relativ a
evenimentului A.
Menionm urmtoarele proprieti ale frecvenei relative:
1.) 0f(A)1, ()AP();
2.) f(E)=1;
3.) f()=0;
4.) f(A\B)=f(A)-f(B), dac BA;
5.) f(A\B)=f(A)-f(AB);
6.) f(AB)=f(A)+f(B)-f(AB);
7.) f()=1-f(A);
8.) f(AB)=f(A)+f(B), dac AB=.

52
Noiunea de frecven relativ este suportul empiric al noiunii de
probabilitate.
A defini o probabilitate n raport cu o experien, avnd un
numr finit de cazuri posibile, nseamn a asocia fiecrui eveniment
A, legat de respectiva experien un numr P(A) numit probabilitatea
evenimentului A. Este natural s cerem ca P s aib proprietile
frecvenei relative.

Definiia 4.1.2 Aplicaia P: P(E)R este o probabilitate dac:
1.) 0P(A)1, ()AP(E);
2.) P(E)=1;
3.) P(AB)=P(A)+P(B), dac AB=, ()A,BP(E)
Observaie. P(A
1
A
2
.A
n
)=

=
n
1 k
k
) A ( P dac evenimentele
A
k
P(E), n k , 1 = sunt disjuncte dou cte dou. Dac ntr-o prob
toate evenimentele au aceeai probabilitate de a se realiza spunem c
aceste evenimente sunt echiprobabile.
Pentru un eveniment A s notm cu n
f
numrul cazurilor
favorabile i cu n
p
numrul cazurilor posibile. n acest caz avem:
p
f
n
n
) A ( P = .
Exemplu 1.
Aruncarea unui zar perfect este o prob cu ase cazuri posibile
echiprobabile. Apariia feei cu cinci sau ase puncte este evenimentul
avnd probabilitatea
3
1
6
2
) A ( P = = .

53
Fiind dat mulimea finit E i aplicaia P:P(E)R satisfcnd
1.), 2.) i 3.) din definiia 3, spunem c s-a dat un cmp finit de
probabilitate.

Probabiliti condiionate. Evenimente independente.

Presupunem c avem dou urne:

n 6
a 5
: U
1
(conine 5 bile albe i 6 bile negre) i

n 7
a 6
: U
2

Din una dintre urne se extrage o bil (nu tim din care)
Care este probabilitatea ca bila s fie alb?
Nu putem rspunde la aceast ntrebare fr informaia
suplimentar dac extragerea s-a fcut din U
1
sau U
2
.
S considerm evenimentele:
A: bila extras este alb;
B: bila extras este din U
1
;
C: bila extras este din U
2
.
Probabilitatea realizrii evenimentului A este condiionat fie de
evenimentul B, fie de evenimentul C, probabiliti pe care le vom nota
P
B
(A) sau P
C
(A) i le vom numi probabiliti condiionate.
P
B
(A) este probabilitatea realizrii evenimentului A,
presupunnd c evenimentul B s-a realizat.
Considerm o experien cu n cazuri posibile echiprobabile i un
eveniment B cu m cazuri favorabile. Dintre cele m cazuri favorabile
evenimentului B, p sunt favorabile unui eveniment A.

54
Evident:
n
m
) B ( P = i
n
p
) B A ( P = .
) B ( P
) B A ( P
n / m
n / p
m
p
) A ( P
B

= = = .
Vom spune, n acest caz, c evenimentele A i B sunt
dependente.
Analog
) A ( P
) B A ( P
) B ( P
A

= .
Definiia 4.1.3 Spunem c evenimentele A i B sunt independente
dac: P(AB)=P(A)P(B).
Exemplul 2: Doi trgtori trag n aceeai int. Probabilitate ca
primul s ating inta este 1/2, iar probabilitatea ca al doilea s ating
inta este 2/3. Cei doi fac fiecare cte o incercare. S se calculeze
probabilitatea ca inta sa fie atins de:
1) cel puin unul din trgtori;
2) ambii trgtori;
3) primul trgtor.
Care este probabilitatea ca inta s nu fie atins de nici un
trgtor?
Rezolvare:
Se consider evenimentele:
A: evenimentul ca primul trgtor s ating inta
B: evenimentul ca al doilea trgtor s ating inta
1)
6
5
3
2
2
1
3
2
2
1
) B ( P ) A ( P ) B ( P ) A ( P ) B A ( P = + = + =
2)
3
1
3
2
2
1
) B ( P ) A ( P ) B A ( P = = =

55
3)
6
1
3
1
2
1
) B ( P ) A ( P ) B A ( P = = =
6
1
3
1
2
1
) B ( P ) A ( P ) B A ( P = = =

4.2. Formule i scheme clasice de probabilitate

Considerm un cmp finit de probabilitate i A
k
, k= n , 1 ,
evenimente ale acestui cmp finit de probabilitate.
Definiia 4.2.1 O mulime de evenimente A
k
, n , 1 k = , care satisface:
1.) A
k
, k= n , 1 ;
2.) A
i
A
j
=, ij, i, j= n , 1 ;
3.)
U
n
k
k
A
1 =
=E, se numete sistem complet de evenimente.
Observaie. Mulimea tuturor evenimentelor elementare ataate
unei experiene formeaz un sistem complet de evenimente.
Aadar, dac A
k
, n , 1 k = formeaz un sistem complet de
evenimente atunci:

= =
= = =
|
|
.
|

\
|
n
1 k
k
n
1 k
k
1 ) ( P ) A ( P A P
U
.

Formule pentru calculul probabilitilor

1.)
I U
n
1 k
k
k j i
1 n
k j i
n
1 k k j
k j k
n
1 k
k
) A ( P ) 1 ( .... ) A A A ( P ) A A ( P ) A ( P A P
= < <

= < =
+ + + =
|
|
.
|

\
|

.


56
Pentru k=3 obinem:
P(A
1
A
2
A
3
)=P(A
1
)+P(A
2
)+P(A
3
)-P(A
1
A
2
)-P(A
1
A
3
)-
P(A
2
A
3
)+P(A
1
A
2
A
3
).
Observaie. Dac evenimentele A
k
, n , 1 k = sunt incompatibile
dou cte dou atunci: ) (
1 1

= =
=
|
|
.
|

\
|
n
k
k
n
k
k
A P A P
U
, iar dac sunt
independente, atunci:

= < < <

=
+ + + =
|
|
.
|

\
|
n
1 k k j k j i
n 2 1
1 n
k j i k j k
n
1 k
k
) A ( P .... ) A ( P ) A ( P ) 1 ( .... ) A ( P ) A ( P ) A ( P ) A ( P ) A ( P ) A ( P A P
U

2.) Dac 0 A P
n
1 k
k

|
|
.
|

\
|
=
I
atunci:
) A ( P .... ) A ( P ) A ( P ) A ( P A P
n A ... A 3 A A 2 A 1
n
1 k
k
1 n 1 2 1 1

=
=
|
|
.
|

\
|
I
.
Observaie. Dac evenimentele A
k
, n , 1 k = nu sunt independente
atunci: ) A ( P .... ) A ( P ) A ( P A P
n 2 1
n
1 k
k
=
|
|
.
|

\
|
=
I
.
3.) P(A\B)=P(A)-P(AB), iar dac BA, atunci: P(A\B)=P(A)-
P(B).

Formula probabilitii totale

Dac A
k
, n , 1 k = este un sistem complet de evenimente i B este
un eveniment oarecare din acelai cmp de probabilitate, are loc
formula probabilitii totale:
P(B)=P(A
1
)
1
A
P (B)+P(A
2
)
2
A
P (B)+.+P(A
n
)
n
A
P (B).


57
Formula lui Bayes (formula ipotezelor).

n aceleai condiii are loc:
) B ( P ) A ( P
) B ( P ) A ( P
) A ( P
n
1 k
A k
A j
j B
k
j

= , () n , 1 j = .
Aceast formul se aplic n urmtoare situaie: n urma unei
experiene poate aprea un eveniment B, dar acest eveniment apare ca
efect a n evenimente A
1
, A
2
, ., A
n
, care formeaz un sistem complet
de evenimente (B se realizeaz o dat cu unul i numai unul dintre
evenimentele A
1
, A
2
, ., A
n
).

Scheme clasice de probabilitate
1.Schema lui Bernoulli (schema binomial)
n urma efecturii unei experiene se poate realiza evenimentul A
cu probabilitatea p sau contrariul su cu probabilitatea q=1-p.
Repetm experiena de n ori n condiii identice. Probabilitatea ca n
cele n experiene evenimentul A s se realizeze de kn ori este:
P(n;k)=
k
n
C p
k
q
n-k
i, deoarece acesta este coeficientul lui x
k
din
dezvoltarea binomului (q+px)
n
, schema se mai numete i schema
binomial.
2. Schema lui Bernoulli cu mai multe stri.
S presupunem c n urma unei experiene se poate realiza unul
i numai unul dintre evenimentele A
k
, n , 1 k = , care formeaz un sistem
complet de evenimente.
Fie p
k
=P(A
k
), p , 1 k = . Evident

=
=
p
1 k
k
1 p .

58
Se repet experiena de n ori, n condiii identice. Probabilitatea
P(n; m
1
, m
2
, .,m
p
) ca n cele n experiene evenimentul A
k
s se
realizeze de m
k
ori, p , 1 k = este:
P(n; m
1
,m
2
,..., m
p
)=
p
2 1
m
p
m
2
m
1
p 2 1
p .... p p
! m .... ! m ! m
! n


, unde

=
=
p
1 k
k
n m .
Observaie. Schema este cunoscut i sub denumirea de schema
polinomial.

3. Schema lui Poisson.
Fie A
1
, A
2
, ., A
n
evenimente independente avnd
probabilitile p
k
, n , 1 k = de a se realiza n cadrul unei probe i
q
k
=1-p
k
, probabilitatea de a nu se realiza n cadrul aceleiai probe.
Probabilitatea de a se realiza k dintre cele n evenimente i a nu
se realiza (n-k) este coeficientul lui x
k
din dezvoltarea polinomului
P(x)=(p
1
x+q
1
)(p
2
x+q
2
).(p
n
x+q
n
), unde: p
k
=P(A
k
); q
k
=1-p
k
,
pentru n , 1 k = .
Observaie. Schema lui Bernoulli este un caz particular al
schemei lui Poisson, anume acela n cazul n care: p
1
=p
2
=.=p
n
=p.

4. Schema bilei nentoarse
Dintr-o urn cu a bile albe i b bile negre se extrag n bile
(na+b). Probabilitatea ca bile extrase s fie albe i negre
(+=n), este :

59
n
b a
b a
b , a
C
C C
) , ( P
+


= , unde:

>
= =
<

=
i. j daca , 0
0 j sau j i dac 1,
i j dac ,
)! j i ( ! j
! i
C
j
i

Observaie. Justificarea denumirii acestei scheme const n faptul
c extragerea a n bile din urn revine la a extrage de n ori a cte o bil,
fr a pune bila extras napoi.

5. Schema hipergeometric.
O urn conine m
i
bile de culoare c
i
, cu p , 1 i = . Se extrag, fr
repunere n bile. Probabilitatea ca dintre cele n bile extrase, k
i
s fie de
culoarea c
i
este:
p 2 1
p 2 1
p
p
2
2
1
1
p 1
p 1 k .... k k
m .... m m
k
m
k
m
k
m
k ..... k
m ..... m
C
C .... C C
P
+ + +
+ + +

= , unde:

=
=
p
1 i
i
n k .
Exemplul 3: Se arunc o moned de 5 ori. Se cere probabilitatea
de a obine de dou ori stema.
Rezolvare: Vom aplica schema binomial; considerm A
evenimentul ca dup 5 aruncri, s obinem de 2 ori stema.
16
5
2
1
2
1
C ) A ( P
2 k ; 5 n ;
2
1
q ;
2
1
p
3 2
2
5
=
|
.
|

\
|
|
.
|

\
|
=
= = = =


Exemplul 4: ntr-un atelier sunte trei maini. Prima main da
1,5% rebuturi, a doua 1% i a treia 0,9%. Dac lum la ntmplare o

60
pies de la fiecare main, care este probabilitatea ca dou din piesele
luate s fie bune i una s fie rebut?
Rezolvare: Putem aplica schema lui Poisson. Probabilitatea
cerut va fi coeficientul lui x
2
din dezvoltarea polinomului:
(p
1
x+q
1
)( p
2
x+q
2
) ( p
3
x+q
3
), unde
p
1
=0,985, p
2
=0,99, p
3
=0,009
q
1
=0,015 q
2
=0,01, q
3
=0,991

Exemplul 5 O urn conine 30 bile numerotate cu 1,2,..., 30.se
extrag simultan 10 bile. Care este probabilitatea sa obinem 5 dintre
numerele: 2, 6, 14, 16, 21, 29?
Rezolvare: Se aplic schema bilei nentoarse, avnd n=10,
k=5,a=6(bilele din lista de mai sus), b=24.
Fie A evenimentul obinerii a 5 din numerele 2, 6, 14, 16, 21, 29.
10
30
1
24
5
6
C
C C
) A ( P

=
Tem 1.Se arunc de 10 ori o moned. Care este probabilitatea
de a obine de 3 ori stema? Dar probabbilitatea de a obine de cel putin
trei ori stema?
2.Se consider patru urne cu compoziiile:

negre bile 6
albe bile 3
: U
1
,

negre bile 4
albe bile 5
: U
2
,

negre bile 4
albe bile 4
: U
3
,

negre bile 3
albe bile 4
: U
1

Din fiecare urn se extrag cte trei bile, punndu-se dup fiecare
extragere bila napoi n urn. Care este probabilitatea ca din dou urne

61
s obinem combinaia 2 bile albe i o bila neagr, iar din celelalte s
obinem alt combinaie?
3.Un joc cu 32 de cri conine 8 cupe i 4 ai, din care un as de
cup. Cele 32 de cri au probabiliti egale de a fi extrase. Se trag
simunltan 5 cri din cele 32 i fie A i B definite astfel:

A: se extrag exact 3 ai;
B: se extrag exact 3 cupe.
a) S se calculeze probabilitatea fiecruia din aceste evenimente.
b) S se defineasc evenimentul B A C = i s i se calculeze
probabilitatea.
c) S se defineasc evenimentul B A D = i s i se calculeze
probabilitatea.

4.3. Variabile aleatoare
Noiuni introductive

Fie S={A
1
, A
2
, ., A
n
}, un sistem complet de evenimente ale
unui cmp finit de probabilitate. Evenimentele A
i
, n , 1 i = sunt
elementare i ntr-o experien (prob)se poate realiza doar unul
singur.
Avem evident: A
1
A
2
.A
n
=E, A
i
A
j
=, pentru ij, n , 1 j , i =
i notnd cu p
i
=P(A
i
), probabilitatea realizrii evenimentului A
i

rezult

=
=
n
1 i
i
1 p .


62
Definiia 4.3.1 Se numete variabil aleatoare (ntmpltoare,
statistic) o funcie real X definit pe un sistem complet de
evenimente S, adic X: SR.
Valoarea variabilei aleatoare X corespunztoare evenimentului
A
i
S se va nota X(Ai)=xiR.
Deoarece probabilitatea de realizare a evenimentului A
i
este p
i

vom spune c p
i
este probabilitatea ca variabila aleatoare X s ia
valoarea x
i
.
Pe scurt vom spune c are loc evenimentul X=x
i
cu probabilitatea
p
i
=P(X=x
i
).
O variabil aleatoare se va numi discret, dac ea este definit
pe o mulime cel mult numrabil de evenimente.
Fie X o variabil aleatoare discret.

Definiia 4.3.2. Ansamblul format din valorile variabilei aleatoare X,
i probabilitile evenimentelor corespunztoare se numete
distribuia (repartiia) variabilei aleatoare X i se noteaz:
|
|
.
|

\
|
n 2 1
n 2 1
p .... p p
x .... x x
: X sau
|
|
.
|

\
|
i
i
p
x
: X , n . 1 i = cu

=
=
n
1 i
i
. 1 p
Exemplu 1.
ntr-o urn sunt ase bile albe i patru bile negre. Extragem o bil
i considerm evenimentele:
A: extragerea unei bile albe;
B: extragerea unei bile negre;
Evident: A B = iar } B , A { S = este un sistem complet de
evenimente deoarece AB=E i AB=. P(A)=0,6 iar P(B)=0,4.
Definim variabila aleatoare X care ia valoarea x
1
=1 sau valoarea
x
2
=0 dup cum se realizeaz A sau B.
Distribuia variabilei aleatoare X este
|
|
.
|

\
|
4 , 0 6 , 0
0 1
: X .

63
Distribuia unei variabile aleatoare X poate fi reprezentat grafic,
n plan, prin poligonul de repartiie, care se obine unind printr-o
linie poligonal punctele de coordonate (x
i,
p
i
), n , 1 i = .
n general pe cele dou axe se iau uniti de msur diferite.

Distribuii clasice

1.) Distribuia binomial. (corespunztoare schemei lui
Bernoulli).
Se ataeaz schemei lui Bernoulli variabila aleatoare X care
reprezint numrul de realizri ale evenimentului A atunci cnd se
efectueaz n probe; X avnd urmtorul tablou de repartiii:
|
|
.
|

\
|

n i n i i
n
2 n 2 2
n
1 n 1
n
n
p .... q p C .... q p C q p C q
n .... i .... 2 1 0
: X ,
unde: p=P(A), q=1-p,

= + =
n
0 i
n i n i i
n
1 ) q p ( q p C .

2.) Distribuia polinomial. (corespunztoare schemei lui
Poisson).
Se ataeaz schemei lui Poisson variabila aleatoare X care
reprezint numrul de apariii (realizri) ale evenimentului A
i
,
atunci cnd se efectueaz n experiene; X avnd urmtorul tablou
de repartiie:
|
|
.
|

\
|
n i 1 0
p .... p .... p p
n .... i .... 1 0
: X , n care p
i
este coeficientul
x
i
, n , 0 i = , din dezvoltarea polinomului:
P(x)=(p
1
x+q
1
)(p
2
x+q
2
)...(p
i
x+q
i
)...(p
n
x+q
n
), unde: p
i
=P(A
i
),
q
i
=1-p
i
,

=
=
n
0 i
i
1 p .



64
3.) Distribuia corespunztoare schemei bilei nentoarse.
Se ataeaz schemei bilei nentoarse variabila aleatoare X care
reprezint numrul de bile albe dintre cele n bile extrase din urn; X
avnd urmtorul tablou de distribuie:
|
|
|
.
|

\
|

+ +

+
n
b a
0
b
n
a
n
b a
i n
b
i
a
n
b a
n
b
0
a
C
C C
.....
C
C C
.....
C
C C
n .... i .... 0
: X unde

=
+

n
0 i
n
b a
i n
b
i
a
1
C
C C
.
Fie variabilele aleatoare X i Y cu tablourile de distribuie:
|
|
.
|

\
|
n i 1
n i 1
p .... p .... p
x .... x .... x
: X ,
|
|
.
|

\
|
m j 1
n i 1
q .... q .... q
y .... y .... y
: Y , unde,
n general, q
k
1-p
k
, 1 k min{n,m}.

Definiia 4.3.3. Spunem c variabilele aleatoare X i Y sunt
independente dac:
P[(X=x
i
)(Y=y
j
)]=P(X=x
i
)P(Y=y
j
)=p
i
q
j
, n , 1 i = i m , 1 j = .
Observaie. Aceast noiune se poate extinde la orice numr finit
de variabile aleatoare.

Operaii cu variabile aleatoare

n continuare vom presupune c toate variabilele aleatoare la
care ne vom referi sunt ataate aceleiai experiene, adic toate
variabilele aleatoare sunt definite pe aceeai mulime de evenimente
elementare.
Menionm c o constant a poate fi interpretat ca o variabil
aleatoare definit pe orice mulime de evenimente elementare i
anume ca variabila aleatoare care ia valoarea a pentru orice eveniment

65
elementar, prin urmare tabloul de distribuie al constantei a,
interpretat ca variabil aleatoare, este:
|
|
.
|

\
|
1
a
: a .
Din acest motiv se pot efectua totdeauna operaii cu variabile
aleatoare i constante, interpretate ca variabile aleatoare iar variabilele
aleatoare X i constantele a sunt, n acest sens, independente.
Fie variabilele aleatoare:
|
|
.
|

\
|
i
i
p
x
: X , n , 1 i = i
|
|
.
|

\
|
j
j
q
y
: Y , m , 1 j = .

1.) Adunarea variabilelor aleatoare.
Suma variabilelor aleatoare X i Y este o nou variabil
aleatoare, notat X+Y, ce are tabloul de distribuie:
|
|
.
|

\
|
+ + + +
+
nm ij 12 11
m n j i 2 1 1 1
p .... p .... p p
y x .... y x .... y x y x
: Y X , unde
p
ij
=P(X+Y=x
i
+y
j
)=P[(X=x
i
) (Y=y
j
)], iar

= =
=
n
1 i
m
1 j
ij
1 p .
Dac variabilele aleatoare X i Y sunt independente, atunci:
p
ij
=P(X=x
i
)P(Y=y
j
)=p
i
q
j
, iar dac nu sunt independente atunci:
p
ij
=P(X=x
i
)P(Y=y
j
/X=x
i
)=P(Y=y
j
)P(X=x
i
/Y=y
j
), unde prin
P(X=x
i
/Y=y
j
) nelegem probabilitatea ca variabila aleatoare X s ia
valoarea x
i
condiionat de faptul c variabila aleatoare Y are valoarea
y
j
.
Suma dintre o variabil aleatoare X i o constant a este o
nou variabil aleatoare, notat X+a, avnd tabloul de distribuie
|
|
.
|

\
| + + + +
+
n i 2 1
n i 2 1
p .... p .... p p
a x .... a x .... a x a x
: a X , deoarece
P(X+a=x
i
+a)=P[(X=x
i
) (a=a)]=P[(X=x
i
)P(a=a)]=p
i
.




66
2.) nmulirea variabilelor aleatoare.
Produsul variabilelor aleatoare X i Y este o nou variabil
aleatoare, notat XY,avnd tabloul de distribuie:
|
|
.
|

\
|

nm ij 12 11
m n j i 2 1 1 1
p .... p .... p p
y x .... y x .... y x y x
: Y X , unde
p
ij
=P(XY=x
i
y
j
)=P[(X=x
i
)(Y=y
j
)].
Dac variabilele aleatoare X i Y sunt independente atunci
p
ij
=p
i
q
j
, iar dac nu sunt independente atunci:
p
ij
=p
i
P(Y=y
j
/X=x
i
)=q
j
P(X=x
i
/Y=y
j
).
n cazul particular Y=a (a=const.) se obine produsul dintre
variabila aleatoare X i constanta a, avnd tabloul de distribuie:
|
|
.
|

\
|
n i 2 1
n i 2 1
p .... p .... p p
ax .... ax .... ax ax
: aX , deoarece
P(aX=ax
i
)=P[(a=a) (X=x
i
)]=P(X=x
i
)=p
i
.
Operaiile de sum i produs se pot extinde la orice numr finit
de variabile aleatoare.

3.) Puterea unei variabile aleatoare.
Fiind dat o variabil aleatoare X, prin X
k
(kN
*
) vom nelege o
nou variabil aleatoare, avnd tabloul de distribuie:
|
|
.
|

\
|
n i 2 1
k
n
k
i
k
2
k
1 k
p .... p .... p p
x .... x .... x x
: X , deoarece:
P(X
k
=x
k
i
)=P(X=x
i
)=p
i
.

4.) Inversa unei variabile aleatoare cu valori nenule.
Dac variabila aleatoare X ia numai valori nenule, x
i
0, n , 1 i = ,
atunci inversa variabilei aleatoare X este variabila aleatoareX
-1
cu
tabloul de distribuie:

67
|
|
|
.
|

\
|

n i 2 1
n i 2 1
1
p .... p .... p p
x
1
....
x
1
....
x
1
x
1
X .

5.) Ctul a dou variabile aleatoare.
Dac variabila aleatoare Y admite inversa Y
-1
, atunci, prin
definiie, ctul
1
Y X
Y
X

= , deci:
|
|
|
.
|

\
|
nm ij 12 11
m
n
j
i
2
1
1
1
p .... p .... p p
y
x
....
y
x
....
y
x
y
x
:
Y
X
, unde
p
ij
=P
|
|
.
|

\
|
=
j
i
y
x
Y
X
=P[(X=x
i
) (Y=y
j
)].

Valori tipice ale unei variabile aleatoare.
Fie X o variabil aleatoarea vnd tabloul de distribuie:
|
|
.
|

\
|
n i 2 1
n i 2 1
p .... p .... p p
x .... x .... x x
: X

Definiia 4.3.4 Se numete valoare medie (speran matematic) a
variabilei aleatoare X numrul real:
M(X)
not
= x =p
1
x
1
+ p
2
x
2
+ .+ p
n
x
n
=

=
n
1 i
i i
x p .
Observaie. Valoare medie a unei variabile aleatoare X este
media ponderat a valorilor sale cu ponderile p
1
, p
2
, ., p
n
.
ntr-adevr cum S este un sistem complet de evenimente,
avem: p
1
+ p
2
+ .+ p
n
=1 i deci:
n 2 1
n n 2 2 1 1
p .... p p
x p .... x p x p
) X ( M
+ + +
+ + +
= .

68
Menionm urmtoarele proprieti pentru valoarea medie a
unei variabile aleatoare X:
P
1
) M(a)=a, a=const.;
P
2
) M(aX)=aM(X);
P
3
) M(X+Y)=M(X)+M(Y);
P
4
) M(a+X)=a+ M(X), a=const.;
P
5
) M(XY)=M(X)M(Y), dac variabilele aleatoare X i Y
sunt independente.
Observaie. Media unei variabile aleatoare este valoarea n
jurul creia se grupeaz valorile variabilei aleatoare X.
Proprietile P
3
) i P
5
) se pot extinde la orice numr finit de
variabile aleatoare.
Valoarea medie a unei variabile aleatoare discrete X satisface
dubla inegalitate:

x x x , unde: { }
i
n i 1
x min x

= i { }
i
n i 1
x max x

= .
Fie acum ) X ( M x = , valoarea medie a variabilei aleatoare X i
x x u
i i
= , n , 1 i = , abaterea valorii x
i
de la valoarea x .

Definiia 4.3.5 Dat o variabil aleatoare X, definit pe un sistem
complet S de evenimente, se numete abaterea variabilei aleatoare
X de la valoarea medie, o nou variabil aleatoare x X U = ,
definit peste aceleai sistem S i care ia valorile x x u
i i
= cu
aceleai probabiliti p
i
, n , 1 i = .



69
Tabloul de distribuie al acesteia este:
|
|
.
|

\
|

n i 2 1
n i 2 1
p .... p .... p p
x x .... x x .... x x x x
: U
Observaie. Probabilitatea ca variabila U s ia valoarea u
i
este
egal cu probabilitatea ca variabila X s ia valoarea x
i
, n , 1 i = .
Dac se cunoate distribuia variabilei aleatoare X atunci
abaterea ei U este complet determinat.
Valoarea medie a abaterii este zero.
ntr-adevr: M(U)=M(X- x )=M(X)- x=0.

Definiia 4.3.6 Numim moment iniial de ordinul k al variabilei
aleatoare X, valoarea medie a variabilei aleatoare X
k
, adic
numrul:
M
k
(X)=M(X
k
)=

=
+ + + =
n
1 i
k
n n
k
2 2
k
1 1 i
k
i
x p .... x p x p p x .
n particular, momentul iniial de ordinul nti este chiar
valoarea medie a variabilei aleatoare X, adic: M
1
(X)=M(X).

Definiia 4.3.7 Numim valoarea medie de ordinul k a variabilei
aleatoare X, numrul real notat M
k
i dat de:
M
k
=[M(X
k
)]
1/k
=(p
1
x
k
1
+ p
2
x
k
2
+ .+ p
n
x
k
n
)
1/k
.
Prin valoare medie ptratic a variabilei aleatoare X vom
nelege valoarea medie de ordinul al doilea al acesteia, adic
numrul real:
2
n n
2
2 2
2
1 1 2
x p .... x p x p M + + + = .


70
Definiia 4.3.8 Se numete moment centrat de ordinul k al
variabilei aleatoare X, momentul de ordinul k al abaterii sale, adic
numrul real:

=
=
n
1 i
k
i i
k
u p ) U ( M , x x u
i i
= , n , 1 i = .

Definiia 4.3.9 Numim dispersie a variabilei aleatoare X momentul
centrat de ordinul al doilea al variabilei aleatoare X, adic numrul
real notat D
2
(X) i dat de:

=
=
n
1 i
2
i i
2
u p ) X ( D .
Menionm urmtoarele proprieti pentru dispersia unei
variabile aleatoare X:
P
1
) D
2
(a)=0, a=const.;
P
2
) D
2
(aX)=a
2
D
2
(X);
P
3
) D
2
(X+Y)=D
2
(X)+D
2
(Y), dac variabilele aleatoare X i Y
sunt independente.
P
4
) D
2
(X+a)=D
2
(X);
P
5
) D
2
(X-Y)=D
2
(X)+D
2
(Y), unde X-Y=X+(-1)Y iar variabilele
X i Y sunt independente.
P
6
) D
2
(X)=M(X
2
)-[M(X)]
2
, care se obin din P
2
), considernd
variabila aleatoare:
2
) x X ( i folosind proprietile valorii medii.

Definiia 4.3.10 Numim abatere medie ptratic a variabilei
aleatoare X, numrul ) X ( D ) X (
2
= =
2
n n
2
1 1
u p .... u p + + .
Observaie. Dispersia unei variabilei aleatoare X msoar
gradul de mprtiere a valorilor variabilei aleatoare X fa de
valoarea medie a acesteia.

71
Definiia 4.3.11 Prin abatere absolut a variabilei aleatoare X
nelegem variabila aleatoare notat x X , avnd repartiia:
x X :
|
|
.
|

\
|

n 2 1
n 2 1
p .... p p
x x .... x x x x
.
Exemplul 2 Fie X i Y dou variabile aleatoare cu repartiiile
|
|
.
|

\
|

8 , 0 2 , 0
3 2
: X i
|
|
.
|

\
|

3 , 0 5 , 0 2 , 0
5 2 1
: Y
a) S se determine repartiiile urmtoarelor variabile aleatoare: X+5,
4X, X
2
, X+Y,XY.
b) S se calculeze M(X) i D
2
(X).
Rezolvare:
a)
|
|
.
|

\
|
+
8 , 0 2 , 0
8 3
: 5 X ;
|
|
.
|

\
|

8 , 0 2 , 0
12 8
: X 4 ;
|
|
.
|

\
|
8 , 0 2 , 0
9 4
: X
2

|
|
.
|

\
|

+
24 , 0 4 , 0 16 , 0 06 , 0 1 , 0 04 , 0
8 5 2 3 0 3
: Y X
|
|
.
|

\
|

24 , 0 4 , 0 16 , 0 06 , 0 1 , 0 04 , 0
15 6 3 10 2 2
: XY
4 4 8 M(X)) ( ) M(X ) X ( D
8 0,8 9 0,2 4 M(X)
2 0,8 3 0,2 (-2) M(X)
2 2 2
= = =
= + =
= + =

Tem
1) Se consider variabilele aleatoare independente
|
|
.
|

\
|

4 , 0 2 , 0 4 , 0
1 0 1
: X i
|
|
.
|

\
|
6 , 0 4 , 0
6 2
: Y
a) S se determine repartiiile urmtoarelor variabile aleatoare: X+3,
2X, X
2
, 2X+4Y,XY.
b) S se calculeze M(X) i D
2
(3X-Y).
2) ntr-o urn sunt 2 bile albe i 4 bile negre. Efectum 3 extrageri a
cte o bil, punnd de fiecare dat bila extras napoi n urn. Atunci

72
numrul de apariii de bile albe este o variabil aleatoare. S se
determine distribuia acestei variabile aleatoare.
3) Fie X o variabil aleatoare cu media m i dispersia
2
. S se
calculeze media i dispersia variabilei

=
m X
Y .





























73


CAPITOLUL V
ELEMENTE DE
STATISTIC MATEMATIC


5.1. Noiuni de baz ale statisticii matematice

Statistica matematic se ocup cu gruparea, analiza i
interpretarea datelor referitoare la un anumit fenomen, precum i cu
unele previziuni privind producerea lui viitoare.
n cadrul analizei statistice a unui fenomen acioneaz mai nti
statistica descriptiv, care se ocup cu culegerea datelor asupra
fenomenului respectiv i cu nregistrarea acestor date, apoi intervine
statistica matematic, care grupeaz datele, le analizeaz i le
interpreteaz n vederea unor predicii privind viitorul fenomenului.

Definiia 5.1.1 Prin populaie statistic se nelege orice mulime
definit de obiecte de aceeai natur. Elementele unei populeii se
numesc uniti statistice sau indivizi. Numrul de elemente care
constituie populaia se numete volumul populaiei.
Se numete caracteristic (sau variabil statistic) a populaiei
trastura comun tuturor indivizilor populaiei
Analiza statistic se poate face dup una sau mai multe
caracteristici.

74
Caracteristic poate fi cantitativ dac se poate msura (vrst,
talie, greutate, lungimea firului de pr, etc.). calitativ sau n caz
contrar (culoarea prului, culoare ochilor, sexul, profesia, etc.).
Caracteristicile cantitative care pot lua numai valori ntregi se
numesc discrete sau discontinue.
O caracteristic ce poate lua orice valoare dintr-un interval finit
sau infinit se numete continu.

Definiia 5.1.2.n cazul populaiilor cu un numr mare de indivizi se
efectueaz o statistic numai pentru o fraciune din populaia total,
iar rezultatul obinut se extinde pentru toat populaia. Fraciunea din
populaia total pe care se face statistica se numete eantion.

Gruparea datelor
Analiza statistic a unui fenomen, n raport cu o singur
caracteristic ne conduce la o serie de perechi de valori, care se va
numi serie statistic. Primul numr al perechii reprezint valoarea
caracteristicii, cel de-al doilea numr reprezentnd numrul de uniti
statistice corespunztoare acelei valori a caracteristicii.

S considerm o populaie P i o caracteristic cantitativ, sau o
variabil, f.
Caracteristica f asociaz fiecrui individ x din populaie o valoare
f(x), determinat n general prin msurtori empirice.
Mulimea: {(x, f(x))/xP} se numete serie statistic.


75
Definiia 5.1.3 Numim frecven absolut a valorii reale a, numrul
indivizilor din mulimea: {x/xP, f(x)=a}.
Frecvena absolut a valorii a se va nota prin n
a
.
Fie N, numrul tuturor indivizilor populaiei statistice P.

Definiia 5.1.4 Numim frecven relativ a valorii a numrul
N
n
f
a
a
= .

Definiia 5.1.5 Numim frecven absolut cumulat cresctor a
valorii a, numrul indivizilor din mulimea: {x/xP, f(x)a}.
Vom nota aceast frecven cu n
a
.

Definiia 5.1.6 Numim frecven absolut cumulat descresctor a
valorii a, numrul indivizilor din mulimea: {x/xP/f(x)a}. Aceast
frecven se va nota cu n
a
.
Observaie. Schimbnd cuvntul absolut cu relativ se
definesc frecvenele relative cumulate cresctor i descresctor, date
de:
N
n
f
a
a

= respectiv
N
n
f
a
a

= .

Definiia 5.1.7 Pentru intervalul [a
i
, a
i+1
), n , 0 i = , numrul indivizilor
din mulimea {x/xP, a
i
f(x)<a
i+1
} se numete frecvena absolut a
intervalului [a
i
, a
i+1
) i se noteaz cu n
i, i+1
.


76
Definiia 5.1.8 Numrul
N
n
f
1 i , i
1 i , i
+
+
= se numete frecvena relativ a
intervalului [a
i
, a
i+1
).
Pentru intervalele [a
i
, a
i+1
) se pot de asemenea defini frecvenele
absolute cumulate i relative cumulate, n mod corespunztor innd
seama de definiia 5.1.5, definiia 5.1.6 i observaia imediat
acestora.

Exemplu 1.
Numrul purceilor nscui la o ftare este dat n tabelul de mai
jos:
Nr.
purcei
Frecv.
absolut.
Frecv.
relativ
Frecv.abs.
cum.cresc.
Frecv.abs..
cum.descresc
Frecv.rel..
cum.cresc.
Frecv.rel..
cum.descresc
1 1 0,02 1 50 0,02 1
2 1 0,02 2 49 0,04 0,98
3 2 0,04 4 47 0,08 0,94
4 4 0,08 8 43 0,16 0,86
5 6 0,12 14 37 0,28 0,74
6 7 0,14 21 30 0,42 0,60
7 6 0,12 27 24 0,54 0,48
8 7 0,14 34 17 0,68 0,34
9 9 0,18 43 8 0,86 0,16
10 7 0,14 50 1 1 0,02






77
5.2. Reprezentarea grafic a seriilor statistice

n cele ce urmeaz ne vom referi la reprezentarea grafic a
seriilor statistice cu o singur caracteristic.
Reprezentarea grafic a seriilor statistice este uneori foarte
sugestiv, ea contribuind la o prim interpretare intuitiv, pe cale
vizual, a datelor. Deseori reprezentarea grafic sugereaz nsi legea
pe care o urmeaz fenomenul studiat.
Graficul corespunztor unei serii statistice se numete diagram.

1.) Reprezentarea prin dreptunghiuri sau cercuri de structur.
n acest caz suprafaa unui dreptunghi sau a unui cerc este de
100%.
Exemplu 2.
S considerm distribuia mediilor studenilor dup prima sesiune
de examene:
1 Sub 5 54
2 ntre 5 i 6 89
3 ntre 6 i 7 149
4 ntre 7 i 8 314
5 ntre 8 i 9 136
6 ntre 9 i 10 45




78
Reprezentarea prin sectoare de cerc
7%
11%
19%
40%
17%
6%
1
2
3
4
5
6

Reprezentarea prin dreptunghi
54
89
149
314
136
45
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1



2.) Diagrame prin coloane sau benzi.
nlimile acestor dreptunghiuri sunt proporionale cu frecvenele
caracteristicilor corespunztoare.
Considerm datele din exemplul 2:

79
Reprezentarea n batoane
54
89
149
314
136
45
0
50
100
150
200
250
300
350
1 2 3 4 5 6
Series1


5.) Histogram.
Fiind dat o serie cu clase de valori de amplitudini egale,
obinem histograma acestei serii statistice dac lum pe axa orizontal
o succesiune de segmente egale, care vor reprezenta amplitudinea
claselor i ridicm, pe fiecare dintre aceste segmente considerate ca
baze, dreptunghiuri cu nlimi proporionale cu frecvenele (absolute
sau relative) ale claselor respective.
S presupunem c s-a msurat greutatea unui eantion de 120 de
persoane. Dm pe clase de valori i frecvene rezultatele obinute.
Clasa de
valori
Frecvena
absolut
Frecvena absolut
cumulat cresctor
Frecvena absolut
cumulat descresctor
[40,50) 2 2 120
[50,60) 7 9 118
[60,70) 16 25 111
[70,80) 37 62 95
[80,90) 40 102 58
[90,100) 11 113 18
[100,110) 7 120 7

80

Histograma corespunztoare este:



6.) Poligonul frecvenelor.
Dac din mijlocul fiecrei segment de pe axa (Ox) ridicm
segmente proporionale cu frecvenele claselor corespunztoare i
unim printr-o linie poligonal extremitile superioare ale acestor
segmente, obinem poligonul frecvenelor.

7.) Dac aceleai puncte le unim nu printr-o linie poligonal, ci
printr-o curb, obinem curba de distribuie a seriei respective.







0
5
10
15
20
25
30
35
40
45
40 50 60 70 80 90 100 110

81
4.3. Valori caracteristice ale unei serii statistice.

Definiia 5.3.1. Se numete valoare central a unei clase de variaie,
media aritmetic a extremitilor acelei clase.

Definiia 5.3.2. Se numete modulul sau dominanta unei serii
statistice valoarea caracteristicii corespunztoare celei mai mari
frecvene, n cazul cnd valorile caracteristicii sunt date individual i
valoarea central a clasei corespunztoare celei mai mari frecvene n
cazul variabilelor continue.

Definiia 5.3.3.Se numete median a unei serii statistice numrul x
care are proprietatea c exist tot attea uniti statistice
corespunztoare valorilor mai mici dect x ca i cele corespunztoare
valorilor mai mari dect x.
Exemplul 1 a) Dac o caracteristic ia valorile 1, 2, 2, 3, 4, 5, 6, 7, 7,
8, 9 , atunci 5 este mediana, deoarece avem cinci valori mai mici dect
5 i cinci valori mai mari dect 5.
b) Dac o caracteristic ia valorile 1, 2, 2, 3, 4, 5, 6, 7, 8,
9, atunci se va lua ca mediana media aritmetic a numerelor situate la
mijloc (dac ele au fost scrise n ordinea mrimii).n acest caz,
mediana este 4,5.
Definiia 5.3.4. Se numete amplitudine a unei serii statistice cu
caracteristic discret diferena dintre cea mai mare i cea mai mic
valoare a caracteristicii.
Observaie. n cazul seriilor statistice cu caracteristic continu
amplitudinea este diferena dintre limita superioar a caracteristicii

82
corespunztoare clasei cu cea mai mare frecven i limita inferioar a
caracteristicii corespunztoare clasei cu cea mai mic frecven (ne
referim la caracteristici cantitative i nu calitative).
Fie dat repartiia statistic a unei caracteristici x:

Valoarea Frecvena
x
1
n
1

x
2
n
2

. .
x
n
n
n

Definiia 5.3.5. Prin valoarea medie a caracteristicii x nelegem
numrul real notat x i dat de:
n 2 1
n n 2 2 1 1
n .... n n
n x .... n x n x
x
+ + +
+ + +
=
Observaie.a) n cazul cnd valorile caracteristice sunt grupate n
clase, n calculul valorii medii se vor folosi valorile centrale ale
claselor respective.
b) Dac notm cu
N
n
f
i
i
= , unde N=
n 2 1
n .... n n + + + , atunci
n n 2 2 1 1
f x .... f x f x x + + + =

Definiia 5.3.6. Prin dispersia repartiiei statistice a unei caracteristici
f, avnd media x, nelegem numrul real notat
2
i dat de:
N 2 1
N
2
N 2
2
2 1
2
1 2
n .... n n
n ) x x ( .... n ) x x ( n ) x x (
+ + +
+ + +
= .

83
Definiia 5.3.7. Numrul real
2
= se numete abaterea medie
ptratic a repartiiei statistice.
Exemplu 2.
Pentru un hibrid de porumb H s-a analizat numrul de boabe pe
rnd, n vederea comparrii cu ali hibrizi. Astfel s-au ales 20 tiulei ,
i n urma msurtorii s-au obinut datele din tabelul urmtor:

Nr.
Crt.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nr.
boabe
32 35 34 38 32 37 37 34 39 38 33 37 35 38 37 32 36 40 39 34

Se cere:
a) S se fac gruparea datelor;
b) S se completeze tabelul statistic obinut la punctul a) cu
frecvenele relative, frecvenele absolute cumulate cresctor sau
descresctor i frecvenele relative cumulate cresctor sau descresctor;
c) S se calculeze modulul, mediana, dispersia i abaterea
medie ptratic;

Rezolvare.
a) Caracteristica este dat de numarul de boabe (minimul =
320,10 iar maximul = 40).
Notm cu x
i
caracteristica, iar n
i
numrul de tiulei carea au
caracteristica x
i
.

x
i
32 33 34 35 36 37 38 39 40
n
i
3 1 3 2 1 4 3 2 1

84
b) Cu relaiile de calcul pentru frecvene se obine tabelul:

x
i
n
i
f
i
n
a
n
a
f
i
f
i

32 3 0,15 3 20 0,15 1
33 1 0,05 4 17 0,2 0,85
34 3 0,15 7 16 0,35 0,8
35 2 0,1 9 13 0,45 0,65
36 1 0,05 10 11 0,5 0,55
37 4 0,2 14 10 0,7 0,5
38 3 0,15 17 6 0,85 0,3
39 2 0,1 19 3 0,95 0,15
40 1 0,05 20 1 1 0,05

Exemplu de calcul: 0,15;
20
3
1
f =

c) Modulul este 37, deoarece corespunde celei mai mari
frecvene.
85 . 35
1 40 2 39 3 38 4 37 1 36 2 35 3 34 1 33 3 2
= =
+ + + + + + + +
20
3
X .
027 , 6
4 3 3 3
=
+ + + +
=
20
2 2 2 2
2
35.85) - 0 ( 1 .... 35.85) - 4 ( 3 35.85) - 3 ( 1 35.85) - 2 ( 3

Aadar
2
=6,0275, iar =2,455.

Observaie: Abaterea medie ptratic precum i dispersia unei
repartiii statistice caracterizeaz mprtierea valorilor n jurul valorii
medii; cu ct este mai mic abaterea medie ptratic, cu att valorile
caracteristicii seriei statistice se grupeaz mai mult n jurul valorii medii.

85

Referat nr. 1

1.Folosind metoda lui Gauss, s se rezolve sistemul:

= + +
= + +
=
14 2 2 5
8 3 2
2 3 5 9
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x


2.Folosind metoda lui Gauss-Jacobi, s se rezolve sistemul:

= +
= +
= +
4 5 3
7 9 5 2
6 12 6 3
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x


3.Folosind metoda transformrilor elementare, sa se determine inversa
matricei:
|
|
|
.
|

\
|

=
3 1 4
3 2 0
1 0 1
A

4. Se consider vectorul ) 5 , 1 , 2 ( = x scris n baza canonic
B={
1
,
2
,
3
} din R
3
, unde:
1
=(1,0,0),
2
=(0,1,0),
3
=(0,0,1).S se
determine coordonatele sale n baza B

={
1
,
2
,
3
}, unde:

1
=(1,1,0),
2
=(2,0,-1),
3
=(3,1,2).

5. Utiliznd metoda grafic, s se rezolve urmtoarea problem de
programare liniar.:
,


86
6.Utiliznd algoritmul simplex primal, s se rezolve urmtoarea
problem de programare liniar.

| |
| |
| |

= + + =
=

+ +
+ +
3
3 2 1 3 2 1
j
3 2 1
3 2 1
) , , ( x , 5 4 ) ( .) (max : 3
1,3 j , 0 x : 2
57 3 2
30 2
: 1
R x x x x x x x f
x x x
x x x

7. Un porumbel voiajor se ntoarce la locul de plecare cu
probabilitatea 0,8. Care este probabilitatea ca din 8 porumbei
voiajori cu aceeai probabilitate de ntoarcere, s se ntoarc 6?

8.Patru tractoare ce sunt folosite ntr-o ferma agricol se pot defecta
ntr-un schimb cu probabilitile 5%, 3%, 4% i respectiv 10%.Care
este probabilitatea ca ntr-un schimb sa nu se defecteze nici un
tractor?

9.Se dau variabilele aleatoare independente:
i
S se scrie repartiia variabilei aleatoare XY.

10.Un lot de piese de combin conine 12 piese bune i 4 defecte.
Se selecioneaz 4 piese la ntmplare (fr revenire). S se
construiasc tabloul de repartiie al numrului d epiese defecte i s
se calculeze media i dispersia variabilei aleatoare obinute.


87
11. Fie X abaterea diametrului interior al unor inele de la diametrul
standard. n urma unei selecii repetate, efectuat din producia de
inele, s-a obinut repartiia statistic:

Abaterea
diametrului
-4 -3 -2 -1 0 2 3
Frecvena
absolut
1 4 3 9 10 2 1

a) S se completeze tabelul statistic cu frecvenele relative,
frecvenele absolute cumulate cresctor sau descresctor i
frecvenele relative cumulate cresctor sau descresctor;
b) S se calculeze modulul, mediana, dispersia i abaterea
medie ptratic;












88

Referat nr. 2

1.Folosind metoda lui Gauss, s se rezolve sistemul:

= + +
= +
= + +
2 4 4
4 4 2
1 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

2.Folosind metoda lui Gauss-Jacobi, s se rezolve sistemul:

= + +
= +
= +
= + +
7 2
8 2 4
1 2
6
3 2 1
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
x x x

3.Folosind metoda transformrilor elementare, sa se determine inversa
matricei:
|
|
|
.
|

\
|

=
2 1 3
0 1 2
4 2 1
A
4. Se consider vectorul ) 1 , 2 , 1 ( = x scris n baza canonic B={
1
,
2
,
3
}
din R
3
, unde:
1
=(1,0,0),
2
=(0,1,0),
3
=(0,0,1).S se determine
coordonatele sale n baza B

={
1
,
2
,
3
}, unde:
1
=(1,0,0),

2
=(2,1,1),
3
=(0,0,1).
6.Utiliznd algoritmul simplex primal, s se rezolve urmtoarea
problem de programare liniar.

| |
| |
| |

= + + + + =
=

= +
= +
= +
5
5 4 3 2 1 5 4 3 2 1
j
5 4 3
5 4 2
5 4 1
) , , , , ( x , 20 5 3 2 ) ( .) (max : 3
1,5 j , 0 x : 2
4 3
3 2 2
2
: 1
R x x x x x x x x x x x f
x x x
x x x
x x x


89
7. Trei tunuri trag asupra unei inte. Probabilitaile de atingere a
intei pentru cele trei tunuri sunt respectiv 0,6, 0,8, 0,7. Se cere
probabilitatea ca inta s fie atins cel puin odat.
8.Se extrage la ntmplare un numr dintr+o urn ce conine
numerele de la 1 la 100. Care este probabilitatea ca numrul extras
sa fie multiplu de 3 sau de 4, dar sa nu fie nici ptrat perfect i nici
cub perfect?
9.S se calculeze media i dispersia variabilei aleatore 2X+3Y,
unde X i Y sunt variabile aleatore independente, cu repartiiile:
i
















90


BIBLIOGRAFIE


1. BURDUJAN, I. Matematici cu aplicai n biologie. Ed. Ion
Ionescu de la Brad, 1999.
2. CEAPOIU, N. Metode statistice aplicate n experienele agricole
i biologice. Ed. Agrosilvic, Bucureti, 1968.
3. DANCEA, I. Metode de optimizare. Ed. Dacia, Cluj-Napoca,
1976.
4. DIACONIA, V., RUSU, GH. Optimizri liniare. Ed. Sedcom
Libris, Iai, 2001.
5. DIACONIA, V., SPNU, M., RUSU, GH. Matematici aplicate
n economie. Ed. Sedcom Libris, Iai, 2004.
6. ISPAS, M, MANOLE, D. Matematici speciale aplicate n
agronomie (aplicate n agronomie).Ed. I.Ionescu de la Brad, ,
2004
7. MICULA, M. Matematici aplicate n agronomie. Ed.
Transilvania-Press, Cluj-
8. MIHOC, GH., MICU, N. Teoria probabilitilor i statistic
matematic. E.D.P., 1980.
9. PROCOPIUC, GH., SLABU, GH., ISPAS, M. Matematic
(teorie i aplicaii). Ed. Gh. Asachi Iai, 2001.
10. . L. RILEANU Matematici cu aplicaii n Biologie, Rotaprint
Univ. Al. I. Cuza Iai, 1978
11. SNEDECOR, G.W., -Metode statistice aplicate n cercetarea din
agricultur i biologie. E.D.P., Bucureti, 1968.