Sunteți pe pagina 1din 67

CUPRINS

Capitolul 1 Elemente de algebră liniară................................................................1


1.1 Spaţii si subspaţii liniare. Sistem de vectori. Bază……………….……1
1.2 Metoda pivot................................................................................................4
1.3 Algoritmul simplex………………………………………………………..……....9
Capitolul 2: Serii numerice.......................................................................................28
2.1 Definiţii...........................................................................................................28
2.2 Criterii de convergenţă pentru serii cu termeni pozitivi...............30
2.3 Aplicaţii economice......................................................................................32
Capitolul 3 Aplicaţii ale derivatelor ...................................................................34
3.1 Funcţii derivabile .........................................................................................34
3.2 Tabelul derivatelor funcţiilor uzuale...................................................34
3.3 Reguli de derivare.......................................................................................35
3.4 Derivarea funcţiilor compuse................................................................36
3.5 Diferenţiala unei funcţii............................................................................36
3.6 Derivate de ordin superior......................................................................36
3.7 Aproximarea locală a unei funcţii într-un punct...............................37
3.8 Extreme locale...............................................................................................38
3.9 Aplicaţii cu enunţ economic....................................................................39
Capitolul 4 Calculul diferenţial pentru funcţii
de două variabile reale..........................................................................41
4.1 Derivate parţiale..........................................................................................41
4.2 Algoritm pentru determinarea punctelor de extrem local
pentru funcţii f : A  R²  R...................................................................43
4.3 Aplicaţii economice.....................................................................................45
Capitolul 5 Elemente de calcul integral..................................................................49
5.1 Funcţii primitivabile....................................................................................49
5.2 Funcţii integrabile.........................................................................................51
5.3 Integrale generalizate..................................................................................53
Capitolul 6 Ecuaţii Diferenţiale................................................................................55
6.1 Ecuaţii diferenţiale de ordinul întâi.........................................................55
6.2 Ecuaţii diferenţiale liniare de ordinul II
cu coeficienţi constanţi..............................................................................60
6.3 Aplicaţii economice..........................................................................................62
CAP. I Elemente de algebră liniară
1.1 Spaţii si subspaţii liniare. Sistem de vectori. Bază.

Def 1: Fie V o mulţime nevidă şi K un corp comutativ (K=R sau C)

Definim pe V două operaţii:

𝑎𝑑𝑢𝑛𝑎𝑟𝑒𝑎: ͈+,, : ⋁ × ⋁ → ⋁

⋁ × ⋁ ∍ (𝑥, 𝑦) → 𝑥 + 𝑦 ∊ 𝘝

𝑖𝑛𝑚𝑢𝑙ţ𝑖𝑟𝑒𝑎 ∶ ͈ ∙ ": Κ × ⋁ → ⋁

K𝗑𝖵 ∍ (∝,x)→α.x ∍𝖵

Dacă au loc următoarele 8 axiome:

(SL 1) x+(y+z)= (x+y)+z, (∀) 𝑥, 𝑦, 𝑧 ∊ ⋁

(SL 2) (∃) 𝑒 ∊ V atunci (∀) x ∊V, x+e=e+x=x

e se numeşte elementul neutru la adunare.

(SL 3) (∀) x ∊𝖵, (∃) x′∊𝖵 atunci x+x′=x′+x=e

x′ se numeşte elementul simetric (opusul lui x)

(SL 4) x+y = y+x, (∀) x,y∊V

(SL 5) (∝+𝛽)·x=∝·x +𝛽·x, (∀) ∝,∊𝕂, (∀) x∊𝖵

(SL 6) ∝·(𝛽̇·x)= (∝·𝛽̇)·x, (∀) ∝,𝛽∊𝕂, (∀) x∊𝖵

(SL 7) ∝.(x+y) =∝·x + ∝·y, (∀) ∝∊𝕂, (∀) x,y ∊𝖵

(SL 8) 1·x = x, (∀) x∊𝖵, 1- elementul neutru la înmulţirea din 𝕂.

͈ ˝ , .͈ ˝) se numeşte spaţiu liniar peste 𝕂


Atunci ( 𝖵, +

Convenţie: elementele lui 𝖵 se numesc vectori.

Elementele lui 𝕂 se numesc scalari.

Obs. 1: De obicei 𝕂= şi atunci se numeşte spaţiu liniar real.


1
Obs 2: Se poate arăta că elementele e şi x′ sunt unice.

Obs. 3: Din axiomele (SL 1) - (SL 4) avem că (𝖵, ,,+˝ ) grup comutativ.

Exemple:

1)V= . Evident că (ℝ, „ + ˝ , „ · ˝ ) este spaţiu liniar real ( ͈ + ” ş𝑖 „ · ”

operaţiile obişnuite din )

2)𝖵 = ℳ𝑚𝘹𝑛 ( ). Se verifică uşor că:

( ℳ𝑚𝘹𝑛 (ℝ) , ͈ + ˝ ͈ · ˝) este spaţiu liniar real unde:

„ + ” - adunarea matricelor

„ · ” -înmulţirea unei matrici cu un scalar real.

3)V=ℝ𝑛 = {𝑥 = (𝑥 1 , 𝑥 2 , … … … . , 𝑥 𝑛 ) 𝑥 𝑖 ∊ ℝ, (∀)𝑖 = 1, 𝑛}

ℝ1 = ℝ

ℝ2 = ℝ𝘹ℝ = *𝑥 = (𝑥 1 , 𝑥 2 ) 𝑥 1 , 𝑥 2 ∊ ℝ+ − 𝑝𝑙𝑎𝑛𝑢𝑙

ℝ3 = ℝ𝘹ℝ𝘹ℝ = {𝑥 = (𝑥 1 , 𝑥 2 , 𝑥 3 ) 𝑥 𝑖 ∊ ℝ, i=1,3}

ℝ3 - spaţiul fizic.

Putem indentifica ℝ𝑛 cu ℳ1𝘹𝑛 ( ) - mulţimea matricilor linie.

Deci: (ℝ𝑛 , „ + ”, „ · ”) − 𝑠𝑝𝑎ţ𝑖𝑢𝑙 𝑙𝑖𝑛𝑖𝑎𝑟 𝑟𝑒𝑎𝑙.

Def 2: Fie (𝖵, „ +” , „·” ) – spaţiu liniar real şi 𝖵′⊂𝖵 , 𝖵′≠ . Dacă 𝖵′ - spaţiu
liniar real, atunci spunem ca 𝖵′ - subspaţiu liniar a lui V

Teoremă : Fie (𝖵, „ +” , „·” ) – spaţiu liniar real şi 𝖵′⊂𝖵, 𝖵′≠ . Atunci 𝖵′este
subspaţiu liniar a lui V<=> au loc axiomele(axiomele subspaţiului):

(1) x+y ∊𝖵′ , (∀) x,y∊𝖵′


(2) ∝·x ∊ V′, (∀) ∝∊ , (∀) x∊V′

Demonstraţie: Se arată echivalenţa axiomelor (SL 1) – (SL 8) cu (1) şi (2).

Aplicaţie : Să se arate că mulţimea:

2
V′=*x=(x1,x2,x3)(xi∊ℝ, 𝑖 = 1,3, 2𝑥 ′ + 𝑥 2 − 𝑥 3 =0} este un spaţiu liniar
real.
Observăm că V′⊂ℝ3 . Este suficient să arătăm că V′ este subspaţiu liniar a lui
V=ℝ3 . Verificăm axiomele (1) şi (2) :

(1): Fie x,y ∊𝖵′ , x=(x1,x2,x3), 2x1+x2-x3=0

y=(y1,y2,y3), 2y1+y2-y3=0

x+y=(x1+y1, x2+y2, x3+y3)

2(x1+y1)+(x2+y2)-(x3+y3)=(2x1+x2-x3)+(2y1+y2-y3)=0+0=0=>(1)

(2): Fie ∝∊ , x∊V′

∝·x=(∝x1, ∝x2, ∝x3)

2(∝x1)+( ∝x2)-( ∝x3)=∝(2x1+x2-x3)=∝·0=0=>(2)

Fie (V, „+”, „·”) spaţiu liniar real (V=ℝ𝑛 )

Def 3: O mulţime de vectori S={𝓋1 , 𝓋2 , … … . , 𝓋𝑛 +⊂V se numeşte sistem de


vectori din S
Def 4: Un sistem de vectori S={𝓋1 , 𝓋2 , … … . , 𝓋𝑛 +⊂V se numeşte sistem
liniar independent (s.l.i)<=> Din combinaţia liniară a vectorilor din S:
∝1·𝑣1+∝2·𝑣2+ ….∝n·𝑣n= e, avem ∝1=∝2= ….=∝n=0( toţi scalarii sunt nuli)

Def 5: Un sistem de vectori S={𝓋1 , 𝓋2 , … … . , 𝓋𝑛 +⊂V se numeşte sistem


liniar dependent (𝑠.𝑙.𝑑) <=> Din: ∝1𝑣1+∝2𝑣2+∙∙∙+ ∝n𝑣n=𝑒⇒( )∝i≠0,
𝑖=1, 𝑛 (nu toţi scalarii sunt nuli) .

Def 6: Un sistem de vectori S={𝓋1 , 𝓋2 , … … . , 𝓋𝑛 +⊂V se numeşte sistem de


generatori pentru V <=>( ) 𝑣∊V, ( )∝1,……...,∝n∊ℝ a. î. :
𝑣 =∝1·𝑣1+∝2·𝑣2+….…+∝n·𝑣n

Def 7: Un sistem de vectori S={𝓋1 , 𝓋2 , … … . , 𝓋𝑛 +⊂V se numeşte bază


pentru V ⇔ S este (s.l.i) şi S este sistem de generatori pentru V

Obs.1 : Dacă (V=ℝ𝑛 ), atunci numim determinantul asociat sistemului de


vectori S={𝓋1 , 𝓋2 , … … . , 𝓋𝑛 }, determinantul ∆𝑆 a cărui coloane sunt
vectorii lui S.
3
Este uşor de văzut că un sistem de vectori S⊂ℝ𝑛 este bază pentru
ℝ𝑛 ⇔∆S ≠ 0.

Obs.2: Sistemul Bu={u1,u2,………..,un} unde ui=(0, …,0,1,0, ….0), 𝑖 = 1, 𝑛, (1


este pe locul i), este o bază pentru ℝn numită baza canonică:

𝑢1 𝑢2 … .. 𝑢𝑛
1 0…….. 0
∆S = =1≠0
0 1…….. 0
0 0…….. 1

1.2. Metoda pivot

Este o metodă prin care o matrice A, este adusă la o formă echivalentă mai
simplă cu ajutorul unor transformări elementare. Calculele se organizează
în tabele.

Etapa 1: Se alege un element nenul care va fi pivotul. Fie acesta aij.( aij >0).

Etapa 2: In noul tabel se fac transformările:

- Linia pivotului se împarte la pivot


- Coloana pivotului se completează cu zerouri
- Restul elementelor se transforma cu regula dreptunghiului :
elementul ce va fi transformat împreună cu pivotul formează
diagonala principală a dreptunghiului. Noul element va fi: (produsul
diagonalei principale – produsul diagonalei secundare) / pivot

4
A v1 v2 vj vn u1 u2 ui um

u1 a11 a12 . . . . . . . ……... a1j ………………………… a1n 1 0 0 0


a21 a22 ………………… a2j ………………………. a2n
.u2 0 1 0 0

. .

. .

. .
ai1 ai2 …………………. aij …………………………… ain
→ui. 0 0 1 0

. .

. .

. .
am1 am2……………….. amj …………………………... amn
um 0 0 0 1

u1 a′11 a`12 . . . . . . . ……... …0………………………… ….a′1n 1 0 0 0


a′21 a22 ………………… …0 ………………………. a′2n
.u2 0 1 0 0

. ..

. .

0 0 1 0
ai1/aij ai2/∕aij ………………….1 ……………………… ain∕ aij
.vj .

.
a′m1 a′m2……………….. ….0 …………………………... a′mn
um 0 0 0 1

5
Ex: ai2___________________ aij

am2 _____________________ amj


𝑎 𝑚 2 𝑎 𝑖𝑗 −𝑎 𝑖2𝑎
𝑚𝑗
a′m2=
𝑎 𝑖𝑗

Etapa 3: Se aplică etapa 1 noului tabel. (un vector 𝑣 înlocuieşte un vector u)

Metoda se sfârşeşte dacă:

- Toţi vectorii ui au fost înlocuiţi.


- Toţi posibili pivoţi sunt nuli.

Aplicaţiile metodei pivot:

1) Rangul unei matrici:

Fie Amxn Rang A = număr de vectori ui care au fost înlocuiţi cu metoda


pivot.

Aplicaţie : Să se determine rang A,

3 1 0 2
A= −1 0 1 1
2 1 1 0

6
↓ ↓ ↓

A v1 v2 v3 v4 u1 u2 u3

u1 3 1 0 2 1 0 0

←u2 -1 0 1 1 0 1 0

u3 2 1 11 0 0 0 1

←u1 3 1 0 2 1 0

v3 -1 01 1 1 0 1

u3 3 1 0 -1 0 0

v2 3 1 0 2 0

v3 -1 0 1 1 1

←u3 0 0 0 -3 0

v2 3 1 0 0

v3 -1 0 1 0

v4 0 0 0 1

Rang A = 3

2)Rezolvarea unui sistem liniar.

Aplicaţie

Să se rezolve sistemul liniar:


𝑣1 𝑣2 𝑣3
2𝑥 − 𝑦 + 𝑧 = 4 4
A= 2 −1 1 𝑣=. /
4𝑥 + 𝑦 − 3𝑧 = 6 6
4 1−3

7
↓ ↓

A v1 v2 v3 v

←u1 2 -1 1 4

u2 4 1 -3 6

v3 2 -1 1 4
−3𝑥 + 𝑧 = −5

←u2 10 0 18 −5𝑥 + 𝑦 = −9
-2

v3 -3 0 1 -5

v2 -5 1 0 -9

∥ ∥

Alegem y şi z necunoscute principale (corespunzătoare vectorilor


unitari); x = ∝ ∊ℝ, necunoscută secundară.
𝑧 = 3 ∝ −5
Avem: 𝑦 = 5 ∝ −9 ∝∊ℝ
𝑥 =∝
(sistem cu soluţii multiple compatibil nedeterminat)

3)Inversa unei matrici.

Fie Anxn şi det. A ≠0 Atunci ( ) 𝐴−1


𝑛𝑥𝑛 a.î. A·A = A ·A= In
-1 -1

8
1 0 1
Aplicaţie: Să se determine A-1, unde 𝐴 = 0 1 1
1 0−1
1 0 1
detA= 0 1 1 = -1-1=-2≠0, deci ( ) A-1
1 0 −1

↓ ↓ ↓

A v1 v2 v3 u1 u2 u3

u1 1 0 1 1 0 0

← u2 1 1 1 0 1 0

u3 1 0 -1 0 0 1

← u1 1
0 1 1 0 0

v2 0 1 1 0 1 0

u3 1 0 -1 0 0 1

v1 1 0 1 1 0 0

v2 0 1 1 0 1 0

← u3 0 0 -2 -1 0 1

L1 v1 1 0 0 1/2 0 1/2 Linia 1

L2 v2 0 1 0 -1/2 1 1/2 Linia 2

L3 v3 0 0 1 1/2 0 -1/2 Linia 3

1 1
0
2 2
1 1
A-1 = − 2 1
2
1 1
0 −
2 2

1.3 Algoritmul simplex:

9
Problemă: O fabrică de mobilă produce 3 tipuri de mobilier: P1, P2, P3,
folosind două tipuri de materii prime principale:

-lemn de fag ( 60 m3 disponibili pe lună )

-lemn de cireş ( 40 m3 disponibili pe lună )

Beneficiile unitare sunt: 200€ pentru o mobilă P1

300€ pentru o mobilă P2

500€ pentru o mobilă P3

Consumurile unitare sunt:

1 m3 lemn de fag şi 0,5 m3 lemn de cireş pentru P1

1,5 m3 lemn de fag şi 1 m3 lemn de cireş pentru P2

3 m3 lemn de fag şi 2 m3 lemn de cireş pentru P3

Să se determine un plan de producţie care să asigure beneficiul maxim pe o


lună.

Elementele problemei:
Beneficiul total: 200x1+300x2+500x3

unde: x1= număr de mobile P1 ce vor fi produse într-o lună

x2= număr de mobile P2 ce vor fi produse într-o lună

x3= număr de mobile P3 ce vor fi produse într-o lună

Restricţiile problemei:

-lemnul de fag: 1x1+1.5x2+3x3 ≤ 60

-lemnul de cireş: 0.5x1+1x2+2x3 ≤ 40

Modelul matematic al problemei:

10
max⁡
(200𝑥1 + 300𝑥2 + 500𝑥3 )
3
𝑥1 + 𝑥2 + 3𝑥3 ≤ 60
(𝒫) 2
1
𝑥 + 𝑥2 + 2𝑥3 ≤ 40
2 1
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

𝒸 = (200, 300, 500) -vectorul beneficii unitare (preţuri)


60
𝓋 = . / -vectorul resurselor.
40
𝑣1 𝑣2 𝑣3
3
A= 1 3 -matricea tehnologiilor.
2
1
1 2
2

𝑣1 , 𝑣2 , 𝑣3 , -vectorii tehnologici.

x= (𝑥1 , 𝑥2 , 𝑥3 ) -vectorul plan de productie.

Problema (𝒫) este numită problemă de programare liniară si se poate


scrie:

𝑚𝑎𝑥
(𝒫) 𝐴· ͭ𝑥 ≤ 𝓋 unde ƒ(x)=< c,x >=200𝑥1 + 300𝑥2 + 500𝑥3
𝑥≥0
ƒ(x) - funcţia obiectiv

< c,x > = produsul scalar al vectorilor c şi x

Formele unei probleme de programare liniară (p.l)

1)Forma generală:

11
𝑜𝑝𝑡𝑖𝑚 𝔣(𝑥)
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ≤ 𝒷𝒾 , 𝑖 = 1, 𝑝
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ≥ 𝒷𝒾 , 𝑖 = 𝑝 + 1, 𝑟
(𝒫ℊ )
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 = 𝒷𝒾 , 𝑖 = 𝑟 + 1, 𝑚
𝑥𝑖 ≥ 0, 𝑖 = 1, 𝑛

Unde ƒ(x)=c1x1+c2x2+…………+cnxn

optim=max. sau min.

ci= coeficienţii funcţiei obiectiv, i= 1, 𝑛

2)Formele canonice:

max ƒ(𝑥)
(𝒫𝒸 ) 𝐴· ͭ𝑥 ≤ 𝓋 unde A= (aij) i=1, 𝑚 𝑗 = 1, 𝑛
𝑥≥0
𝒷1
𝒷2
𝓋= , x=(x1, …………,xn) ƒ(x)=c1x1+………….+cnxn
.
𝒷𝓂

respectiv:
min ƒ(𝑥)
(𝒫𝒸 ) 𝐴· ͭ𝑥 ≥ 𝓋
𝑥≥0

3)Forma standard
optim ƒ(𝑥)
(𝒫𝑠 ) 𝐴· ͭ𝑥 = 𝓋
𝑥≥0
Obs: Orice problemă de p.l . poate fi adusă la forma standard: Inegalităţile se
transformă în egalităţi prin adăugarea unor variabile de compensare nenegative.

12
Ex: Să se aduca la forma standard, problema din exemplul iniţial:
max⁡ (200𝑥1 + 300𝑥2 + 500𝑥3 )
3
𝑥1 + 𝑥2 + 3𝑥3 ≤ 60
2
(𝒫𝒸 ) 1
𝑥 + 𝑥2 + 2𝑥3 ≤ 40
2 1
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

Forma standard este:


max⁡
(200𝑥1 + 300𝑥2 + 500𝑥3 + 0x4 + 0x5 )
3
𝑥1 + 𝑥2 + 3𝑥3 + x4 = 60
(𝒫s ) 2
1
𝑥 + 𝑥2 + 2𝑥3 + x5 = 40
2 1
𝑥i ≥ 0, i = 1,5

x4 şi x5 sunt variabile de compensare.

Soluţiile unei probleme de p.l.

Soluţie admisibilă: Un vector x∊ℝn ce verifică sistemul de restricţii al


problemei.

Soluţie admisibilă de bază: Un vector x∊ℝn care este o soluţie admisibilă şi


care are cel mult m componente nenule corespunzătoare bazei B (pentru
matricea A! )

Soluţie optimă: Un vector x∊ℝn care este soluţie admisibilă de bază şi care
realizează optimul funcţiei obiectiv.

Determinarea soluţiei optime pentru o problemă de p.l. se face cu


algoritmul simplex.

Algoritmul SIMPLEX pentru o problemă de MAX.

In cele ce urmează, vom presupune că matricea A a problemei adusă la


forma standard conţine cei m vectori unitari ai formei canonice.

13
Etapa 1: Se aduce problema la forma standard

Etapa 2: Se construieşte tabelul simplex initial

MAX C c1 c2 ci cm cj cn

VB VVB v1 v2 vi vm vj vn

z00 z01 z02 z0i z0m z0n


z0j

c1 v1 b1 1 0 0 0 a1j a1n

c 2 v2 b2 0 1 0 0 a2j a2n

. .

← c i vi bi 0 0 1 0 aij ain

. .

c m vm bm 0 0 0 1 amj amn

zʹ00 zʹ01 zʹ02 zʹ0i zʹ0m zʹ0j zʹ0n

c1 v1 b1 1 0 0 0 a1j aʹ1n

c 2 v2 b2 0 1 0 0 a2j aʹ2n

c j vj bi/aij 0 0 1/aij 0 1 ain/aij

c m vm bm 0 0 0 1 0 aʹmn

14
z00 = c1b1+c2b2+………..+cmbm

z0j=c1a1j+c2a2j+ …………..+cmamj-cj, (∀) j=1, 𝑛

observăm că z01=z02= ……… =z0m =0

Criteriul de optim (0)


Dacă: 𝑧0𝑗 ≥ 0, (∀)𝑗 = 1, 𝑛, 𝑠𝑜𝑙𝑢ţ𝑖𝑎 𝑒𝑠𝑡𝑒 𝑜𝑝𝑡𝑖𝑚ă:

𝑥1 = 𝑏1 , 𝑥2 = 𝑏2 , … 𝑥𝑚 =bm, 𝑥𝑚 +1 = ⋯ . = 𝑥𝑛 = 0

Dacă (∃) z0j<0 , j = 1, 𝑛 se aplică:

Criteriul de intrare în bază (І)


Intră în bază vj pentru care z0j = min{𝑧0ℓ } ℓ 𝑧0ℓ < 0, ℓ = 1, 𝑛

Criteriul ( I ) ne asigură coloana pivotului.

Criteriul de părăsire a bazei (P)


Părăseşte baza vectorul vi pentru care:

𝑏𝑖 𝑏ℓ
= 𝑚𝑖𝑛
𝑎𝑖𝑗 𝑎ℓ𝒿

ℓ 𝑎ℓ𝑗 > 0, ℓ = 1, 𝑚

Criteriul (P) ne asigură linia pivotului.

Din criteriile (I) şi (P) => pivotul aij>0

Etapa 3: Se obţine un nou tabel simplex, aplicând metoda pivot ,tabelului


simplex iniţial, în care pivotul este aij.

Etapa 4: Se aplică etapa 2 ( criteriile 0,I şi P ) pentru noul tabel simplex.

Obs: Pentru a rezolva o problemă de minim, în algoritmul precedent se fac


urmatoarele modificări:

Criteriul (0) se înlocuieşte cu criteriul (0ʹ)

15
(0ʹ): Dacă z0j≤0, ( ) 𝒿 = 1, 𝑛 soluţia este optimă (vezi soluţia scrisă în
algoritmul anterior)

Dacă (∃) z0j>0, se aplică criteriul (Iʹ)

Criteriul ( I ) se înlocuieşte cu criteriul (Iʹ)

Criteriul (Iʹ): Intră în bază vectorul vj pentru care

Z0j =max {z0𝑙} –(cel mai mare pozitiv din linia criterială)

ℓ/𝑧0ℓ < 0

ℓ = 1, 𝑛

Aplicaţie: Să se rezolve problema dată iniţial.

Forma standard a problemei este:


max⁡
(200𝑥1 + 300𝑥2 + 500𝑥3 + 0x4 + 0x5 )
3
𝑥1 + 𝑥2 + 3𝑥3 + x4 = 60
2
1
𝑥 + 𝑥2 + 2𝑥3 + x5 = 40
2 1
𝑥i ≥ 0, i = 1,5

𝑣1 𝑣2 𝑣3 v4 v5
3
A= 1 3 1 0
2
1
1 2 0 1
2

u1 u2

16
MAX C x1 x2 x3 x4 x5

200 ↓ 300 ↓ 500 ↓ 0 0


VB VVB v1 v2 v3 v4 v5
0 -200 -300 -500 0 0
60 1 3/2 3 1 0
0v4 60 40
min ,
40 1/2 1 0 1 3 2
2
← 0v5

10,000 -75 -50 0 0 250
1
0v4 0 1/4 0 0 1 -3/2 1 2
min ,
3 2
← 500v3 20 1/4 1/2 1 0 1/2
10,000 0 -50 0 300 -200
200v1 0 1 3/2 3 1 0 0 20
min 1 , 1
1/4 4 4
← 500v3 20 0 1/2 -1/2 1
12,000 0 0 100 200 0

200v1 60 1 3/2 3 1 0

← 0v5 10 0 1/4
1/2 -1/2 1

12,000 0 0 100 200 0


200v1 0 1 0 0 4 -6 ⋆∗

300v2 40 0 1 2 -2 4

Tabelul ne dă o soluţie optimă particulară, deoarece

z02=0 deşi 𝜈2 ∉ 𝐵 = {𝜈1 , 𝜈5 }

Aceasta este: 𝑥1 = 60; 𝑥2 = 0; 𝑥3 = 0; 𝑥4 = 0; 𝑥5 = 10

max ƒ(x)= 12.000 €

17
Tabelul ⋆∗ ne dă o altă soluţie optimă particulară:

deoarece z06=0 deşi a6 ∉ 𝐵 = {𝜈1 , 𝜈2 }

Aceasta este: 𝑥1 ʹ = 0; 𝑥2 ʹ = 40; 𝑥3 ʹ = 𝑥4 ʹ = 𝑥5 ʹ = 0

Scriem vectorial soluţiile particulare:

x1 = (60,0,0,0,10 ); x2 = ( 0,40,0,0,0 )

Soluţia generală este 𝑥∝ =∝ 𝑥1 + (1−∝)𝑥2 ; ∝∈ [0,1]

𝑥∝ =∝ (60,0,0,0,10) + (1−∝)(0,40,0,0,0) =
= (60 ∝ ,0,0,0,10 ∝) + (0,40 − 40 ∝ ,0,0,0) = (60 ∝ ,40 − 40 ∝ ,0,0,10 ∝)

Deci: 𝑥1 ∝ = 60 ∝

𝑥1 ∝ = 40 − 40 ∝

𝑥3 ∝ = 0

𝑥3 ∝ = 0 , ∝ 𝜖 ,0,1-, max ƒ(𝑥) = 12.000€

𝑥3 ∝ = 0

𝑥4 ∝ = 0

𝑥5 ∝ = 10 ∝
1
Pentru: ∝= se obţine soluţia:
2

1
𝑥1 1/2 = 60· = 30 𝑏𝑢𝑐. 𝑚𝑜𝑏𝑖𝑙𝑒 Ρ1
2
1
𝑥2 1/2 = 40 − 40· = 20 𝑏𝑢𝑐. 𝑚𝑜𝑏𝑖𝑙𝑒 Ρ2
2

𝑥3 1/2 = 0 𝑏𝑢𝑐. 𝑚𝑜𝑏𝑖𝑙𝑒 Ρ3

𝑥4 1/2 = 0 𝑚3 𝑓𝑎𝑔 𝑟ă𝑚𝑎𝑠


18
1
𝑥5 1/2 = 10· = 5 𝑚3 𝑐𝑖𝑟𝑒ş 𝑟ă𝑚𝑎𝑠
2

Dualitate în programare liniară

Def: Se numesc probleme duale următoarele perechi de probleme de p.l

max ƒ(𝑥) min ƒ(𝑢)


(𝒫𝒸 ) şi (𝒟𝒸 )
𝐴· ͭ𝑥 ≤ 𝓋 ͭ𝐴· ͭ𝑢 ≥ ͭ𝒸

unde: ƒ(x)=c1x1+………….+cnxn

c=(c1,c2, ……….,cn)

x=(x1,x2, ………, xn)


𝒷1
𝒷2
𝓋= ; A= (aij) i=1, 𝑚 𝑗 = 1, 𝑛
.
𝒷𝓂

ƒ(n)=b1u1+………….+bmum

u=(u1,u2, ………, um) -variabile duale

ͭA= (aji) 𝑗 = 1, 𝑛 i=1, 𝑚

respectiv:

min ƒ(𝑥) 𝑚𝑎𝑥ƒ(𝑢)


(𝒫𝒸 ) 𝐴· ͭ𝑥 ≥ 𝓋 şi (𝒟𝒸 ) ͭ𝐴 ͭ𝑢 ≤ ͭ𝑐
𝑥≥0 𝑢≥0
Teoremă Funcţiile obiectiv a perechilor de probleme duale au aceeaşi
valoare de optim.

Observaţie: Soluţia problemei (𝒟)𝒸 se citeşte în ultimul tabel simplex a


problemei (𝒫𝒸 ). În ordinea: u1,u2, ………, um , sunt ultimele m valori ale liniei
criteriale finale.

19
Aplicaţie: Pentru un organism normal sunt necesare:

minim 3000 calorii şi 100g proteine pe zi

1 kg pâine costă 4 lei şi conţine: 2000cal. şi 50g proteine.

1 kg brânză costă 16 lei şi conţine: 4000cal şi 200g proteine.

Să se determine cantitatea x1( în kg) de pâine şi cantitatea x2( în kg) de


brânză ce va fi consumată pe zi ,astfel încât necesarul biologic să fie
satisfăcut şi la un preţ de cost minim.

Costul meniului: 4x1+16x2

Necesarul biologic:

-caloriile: 2000x1+4000x2 ≥ 3000 : 1000

-proteinele: 50x1+200x2 ≥ 100 : 50

Modelul matematic al problemei:


𝑚𝑖𝑛(4𝑥1 + 16𝑥2 )
2𝑥1 + 4𝑥2 ≥ 3
(𝒫𝒸 )
𝑥1 + 4𝑥2 ≥ 2
𝑥1 , 𝑥2 ≥ 0

-observăm că este o problemă sub formă canonică

Forma standard:
𝑚𝑖𝑛𝑖𝑚 (4𝑥1 + 16𝑥2 + 0𝑥3 + 0𝑥4 )
2𝑥1 + 4𝑥2 − 𝑥3 =3
(𝒫𝑠 ) 𝑥1 + 4𝑥2 − 𝑥4 = 2
𝑥𝑖 ≥ 0, 𝑖 = 1,4

Observăm că (∄) vectorii unitari, deci nu putem aplica direct algoritmul


simplex.

Vom rezolva problema cu ajutorul problemei duale (𝒟𝒸 )

20
Pentru (𝒫𝒸 ) avem: Pentru (𝒟𝒸 ) avem:

c=(4,16) ͭv =(3, 2)
2 4 2 1
A=. / ͭA=. /
1 4 4 4
3 4
v=. / ͭ𝒸=. /.
2 16
min( 4 x1  16 x 2 ) min( 4 x1  16 x 2  0 x3  0 x 4 )
2 x  4 x  3 2 x  4 x  x 3
 1 2  1 2 3
(PC)  (PS) 
 x1  4 x 2  2  x1  4 x 2  x4  2
 x1 , x 2  0  x  0, i  1,4
 i

max( 3u1  2u 2 ) max (3u1  2u 2  0u 3  0u 4 )


2u  u  4 2u  u  u 4
 1 2  1 2 3
(DC)  (DS) 
4u1  4u 2  16 4u1  4u 2  u4  16
u1 , u 2  0 u  0, i  1,4
 i

 v1 v 2 v3 v 4 
 
Pentru (DS) matricea A =  2 1 1 0 
4 4 0 1 
 
‫׀׀ ׀׀‬

u1 u2

(  ) BU = { v3 , v4 } deci putem aplica algoritmul simplex.

Elementele problemei ( DS) sunt:

t
v = ( 3,2,0,0 ) ─coeficientul functiei obiectiv duale.

2 1 1 0
t
A =   ─ matricea problemei
4 4 0 1 

4 
t
c =   ─ termenii liberi.
16 

u = ( u1, u2 ) ─ variabile duale.

21
MAX v 3 2 0 0

VB VVB v1 ↓ v2 ↓ v3 v4

0 -3 -2 0 0

← 0 v3 4 2 1 1 0  4 16 
min  , 
0 v4 16 4 4 0 1 2 4 

6 0 -1/2 3/2 0

 
 2 8 
min  ,  →
← 3 v1 2 1 1/2 1/2 0  1 2
 2 
← 0 v4 8 0 2 -2 1
‫׀׀ ׀׀‬

4 4

8 0 0 1 1/4

 
(1) 3 v1 0 1 0 1 -1/4  1 0 
→ min 1 , 
2 v2 4 0 1 -1 1/2  2
 2 

8 1 0 2 0

(2) 2 v2 4 2 1 1 0

0 v4 0 -4 0 -4 1

Din tabelul (1) avem : Soluţia optimă a problemei

22
u 1 0

u 2 4
(Ds ) :  max f(u)=8
u 3 0

u 4 0

x1  1, min f ( x)  8
Soluţia optimă a problemei (Pc )
x 2  1/ 4

Din tabelul (2) avem soluţia optimă a problemei.

u 1  0

u 2  4 max f ( x)  8
(Ds ) : 
u 3  0

u 4  0

x1  2
Soluţia optimă a problemei (PC) :
x2  0

Min f(x) = 8

Concluzie : Problema (DC) are soluţie unică.

x1  (1, 1 / 4) si
Problema (PC) are două soluţii optime particulare:
x 2  (2, 0)

Soluţia generală a problemei (PC) este:

x  =  x1+ (1-  )x2,  ε*0;1+

 
x  =  (1, ¼) + (1-  )(2,0) = (  , )  (2  2 ,0)  (2   , )   [0,1]
4 4

Deci x 1 = 2- 

 
x2    [0,1]
4

( Soluţii optime multiple )

23
1 1/ 2 1 3
  , x1  2   Kg . paine
2 2 2
Pentru 1
1/ 2 1
x 2  2  Kg . branza  125 g branza
4 8

METODA BAZEI ARTIFICIALE. METODA PENALIZARII

Fie problema de P.l. sub forma standard:

optim f(x)
 t
( PS )
A x  v
x  0

Presupunem că din matricea A lipsesc vectorii unitari. Vectorii unitari lipsă se obţin în mod
artificial astfel:

Dacă lipseşte vectorul unitar ui , atunci la restricţia de ordinul „i” se adaugă o variabilă
auxiliară xaj ≥ 0 , j≥ n+1.

Obţinem astfel “restricţiile modificate”.

Vom rezolva problema extinsă .

optim (f(x)    M  x aj )

restrictiile modificate

(Pe ) x i  0, i  1, n
x a  0, j  n  1
 j

 1 daca optim  min.


Unde:   
- 1 daca optim  max.

M >>0 este coeficientul de penalizare

24
Obs. 1. Problema (Pe ) poate fi rezolvată cu algoritmul simplex, pentru că matricea sa conţine baza
unitară.

2. Soluţia optimă a problemei ( Pe ) este soluţia optimă a problemei (P).

3. Dacă ( ) x aj ≠ 0 în soluţia optimă a problemei (Pe), atunci problema (P) nu are soluţii.

Aplicaţie:

Să se rezolve problema de p.l.

max(x 1  2x 2  3x 3 - x 4 )

x1  2x 2  3x 3  15

2 x1  x2  5 x3  20
 x  2 x  5 x  x  20
 1 2 3 4

 xi  0, i  1,4

v1 v 2 v3 v4

1 2 3 0 0 1 
     
A=  2 1 5 0 Lipsesc vectorii u2 = 1  si u1= 0
1 1  0 0
 2 5    

u1

Aplicăm metoda penalizării .

25
max( x1  2 x 2  3x3  x 4  Mx5  Mx6 )

 x1  2 x 2  3x3  x5  15

Problema extinsa: (Pe ) 2 x1  x 2  5 x3  x6  20
x  2 x  5x  x  20
 1 2 3 4

 xi  0, i  1,6

x 5 si x 6 - variabile auxiliare

v1 v2 v3 v4 v5 v6

1 2 3 0 1 0
 
A= 2 1 5 0 0 1
1 0 
 2 5 1 0

  
u3 u1 u2

Observăm că (  ) Bu= {v5, v6, v4 }- baza unitară,

deci putem aplica algoritmul simplex pentru a rezolva problema (Pe).

26
MAX C 1 ↓ 2↓ 3↓ -1 -M -M

VB VVB v1 v2 v3 v4 v5 v6

-35M-20 -3M-2 -3M-2 -8M-8 0 0 0

-M v 5 15 1 2 3 0 1 0
min
-M v6 20 2 1 5 0 0 1 15 20 20 
 , , 
3 5 5
← -1v4 20 1 2 5 1 0 0


7M M 8
-3M+12 - 0 M 0 0 2 1
5 5 5 min  , 
5 5

3 2/5 4/5 0 -3/5 1 0


-M v5 ← - min
M v6 0 1 -1 0 -1 0 1  
 3 0 4 
3 v3 4 1/5 2/5 1 1/5 0 0 2 , , 1
 1 
 5 5 

 6M M 2M
-3M+12 0 0 0
5 5 5

0 6/5 0 -1/5 1 -2/5


← M v5 3
1 -1 0 -1 0 1
1v1 0
0 3/5 1 2/5 0 -1/5
3 v3 4

15 0 0 0 1

2 v2 5/2 0 1 0 -1/6

1 v1 5/2 1 0 0 -7/6

3 v3 5/2 0 0 1 1/2

27
Soluţia optimă este unică:

 x1  5 / 2

x 2  5 / 2

x 3  5 / 2
 max f (x) = 15
x 4  0

x 5  0
x 6  0

Capitolul 2: Serii numerice


2.1 Definiţii

Def. 1 : Fie (an) n≥ 0, șir de numere reale.

Considerăm șirul: (sn) n≥ 0 unde :

sn = a0 + a1+ ……..+ an, numit șirul sumelor parţiale asociat șirului


( an), n≥ 0.
Perechea : ( (an), (sn) ) n≥ 0 se numește serie numerică de termen
general an , și se notează :

a
n0
n sau a n .
n 0

Seria se numește convergentă dacă (  ) limn→oo sn=s unde, s =  a n


n 0

este suma seriei.

In caz contrar seria se numește divergentă.


1
Ex :  n(n  1)
n 1

28
1 1 1
an =  
n(n  1) n n  1

1 1
a1 = 
1 2

1 1
a2 = 
2 3

---------

an-1 = 1  1
n 1 n

1 1
an = 
n n 1

------------------+
1 1
sn = 1- ; lim s n  1  lim  1 0  1
n  1 n  n  n  1

Deci seria e convergentă și are suma s=1

Prop. 1 : Seria geometrică: r


n0
n
, r  R * este convergentă  r 1 In
.
1
acest caz suma seriei este: .
1 r

1  r n 1
Demonstraţie : sn =1+r+r2+…………….+rn=
1 r

1  lim r n 1 r 1 1
lim s n  n 
= ( ) =
n  1 r lim r n 1
0 1 r
n 

1
Prop. 2 : Seria armonică generalizată : n
n 1
p

este convergentă ⇔ p>1, și divergentă dacă p≤1.

29
2.2 Criterii de convergenţă pentru serii cu termeni pozitivi.

Teorema 1 ( Criteriul necesar de convergenţă )

Dacă seria : a
n 0
n este convergentă, atunci : lim a n  0
n 

Demonstraţie : sn =a0 + a1 + ………..+ an-1 + an = sn-1 + an


serie
 an = sn – sn-1  lim a n  lim s n  lim s n 1  ( ) ss 0
n  n  n  convergenta

Reciproca e în general falsă.

Ex. (
n 0
n 1  n)

( n 1  n n 1 n 1
lim a n  lim    lim  0
n  n  1 n 
n 1  n 

a0 = 1  0

a1  2  1

a2  3  2

…………………….

an  n  1  n │+

s n  n  1; lim s n   
n seria e divergentă.

Consecinţă : Prin negarea teoremei 1 

“Dacă lim an  0 atunci seria :  an e divergenta"


n
n0

Teorema 2 ( Criteriul I al comparaţiei )

Fie seriile  a , b
n0
n
n0
n si presupunemca ()N  IN

Astfel încât (  ) n≥N, an≤bn . Atunci au loc afirmaţiile:

30
i) b
n0
n convergenta   an convergenta
n0

ii) a
n0
n divergenta   b n
n 0
divergenta.

Teorema 3 (Criteriul II al comparaţiei )

an
Fie seriile: a
n 0
n si b
n 0
n . Dacă (  ) lim
n bn
not   (0;) atunci seriile

au aceeași natură.

Teorema 4 (Criteriul rădăcinii a lui Cauchy)

Fie a
n0
n . Dacă (  ) lim
n
n a not   [0;), atunci au loc afirmaţiile:
n

i) 1 seria e convergentă.

ii) 1 seria e divergentă.

iii)  = 1 natura seriei e incertă.

Teorema 5 (Criteriul raportului a lui D`Alembert)

a n 1
Fie a
n 0
n . Dacă (  ) lim
n  an
not   [0;) atunci au loc afirmaţiile:

i) 1 seria este convergentă.

31
ii) 1 seria este divergentă.

iii)   1 natura seriei e incertă.

Teorema 6 (Criteriul lui Leibnitz)

Seria alternată:  (1)


n 1
n 1
a n este convergentă  lim an  0 și an
n 

monoton descrescător.

Def. 2: O serie :  a n se numește absolut convergentă , dacă seria


n 0

a
n 0
n este convergentă.


Obs: absolut convergentă convergentă

1
Exemplu:  (1)
n 1
n 1

2.3 Aplicaţii economice

O suma S este împrumutată cu o dobandă lunară i. Suma este


rambursată în n rate lunare.

La sfârșitul lunii p debitorul plătește:

- o parte mp din suma S

- dobânda lunară i pe suma încă nerambursată la începutul lunii p.

Să se determine mp în funcţie de S,i și n, astfel încât cele n


vărsăminte Vp, p= 1, n să fie egale.

Determinaţi valoarea fiecărui vărsământ în funcţie de S,i și n.

32
Soluţie:

v1= m1+iS

v2= m2+i(S-m1)

v3= m3+i(S-m1-m2)

……………………

vp= mp+i(S-m1- ………… -mp-1)

Cum vp = vp-1  mp+i(S-m1- … -mp-1)=mp-1+i(S-m1- ….. –mp-2) 


mp=mp-1+i mp-1= mp-1(1+i )

Deci:

m2 = m1(1+i)

m3 = m2(1+i) = m1(1+i)2

………………………

mp = m1(1+i)p-1, (  ) p= 1, m
n n
Deci: S =  m p  m1  (1  i) p1  m1 (1  (1  i)  (1  i) 2  ........  (1  i) n1 ) =
p 1 p 1

1  (1  i) n (1  i) n  1 iS
= m1  m1  m1 
1  (1  i) i (1  i) n  1

(1+𝑖)𝑝 −1 (1+𝑖)𝑛
Deci 𝑚𝑝 = 𝑖𝑆 ; Vp= V1 = m1+iS = 𝑖𝑆 ,( ) p.
(1+𝑖)𝑛 −1 (1+𝑖)𝑛 −1

33
Cap. 3. Aplicaţii ale derivatelor

3.1 Funcţii derivabile.

Def. 1: Fie ƒ: D   , x 0  D  D

D = { x │( ) V  V(x), V D {x}≠ ∅}

Spunem că ƒ e derivabilă în x0 dacă există și este finită limita:


f ( x)  f ( x0 )
lim  f ( x0 )
x x0 x  x0

f  (x0) ─ derivata lui ƒ în x0 .

Observaţie:
x  x  x0 f df
}  f ( x0 )  lim . f ( x) 
f  f ( x)  f ( x0 ) x0 x dx

3.2 Tabelul derivatelor funcţiilor uzuale.

1. c  0, () c  R
a1
2. ( x )  ax , a  R,
a
x>0

34
1
(log a x)  , a  0, a  1, x  0
3. xn(a)

4. (a )  a n(a), a  0, a  1, x  R , (e x )  e x
x x

5. (sin x)  cos x

6. (cos x)   sin x xR

1
(tg x )  , cos x  0
7. cos 2 x

1
8. (ctgx )   , sin x ≠ 0
sin 2 x

1
9. (arcsin x)  , x  (1.1)
1 x2

1
(arccos x)  ,
10. 1 x2 x  (1,1)

1
(arctgx )  ,
11. 1 x2 xR

1
12. (arcctg x)   , xR
1  x2

3.3 Reguli de derivare

Teoremă Dacă : ƒ, g: I → R sunt derivabile pe I, atunci:

f
ƒ±g, f .g , , ( g  0) sunt derivabile pe I și:
g

1) ( f  g )  f   g 

35
2) ( f .g )  f .g  f .g 

3) (a. f )  a. f , () a  R*

f f g  fg 
( )  , g0
4) g g2

3.4 Derivarea funcţiilor compuse.

Teorema: Dacă u: I→J e derivabilă pe I și f : J  R e derivabila pe J , atunci


funcţia ƒou: I→ R e derivabilă pe I și are loc:
( fou )( x)  f (u( x)).u ( x)

3.5 Diferenţiala unei funcţii.

Definiţie: Fie ƒ: I→R, x0  I  I 

Dacă ƒ e derivabilă in x0, atunci aplicaţia: dxoƒ:R→R, (d x 0 f )(h)  f ( x0 ).h se


numește diferenţiala funcţiei ƒ în x0

Exemplu: ƒ:R→R, ƒ(x)= 3x2+cos x ; x0=0 , atunci: (d0ƒ)(h) = 0h=0.


df
Convenţie: dƒ= f  (x).dx deci f ( x) 
dx

3.6 Derivate de ordin superior.

Definiţie: Fie f : I  R  R, x0  I  I .

36
Dacă ()V  v( x0 ) astfel încât ƒ derivabilă pe V și 𝑓 ′ e derivabilă în 𝑥0 ,
atunci spunem că ƒ e de două ori derivabilă în 𝑥0 .

Astfel 𝑓 ′′ (𝑥0 ) = (𝑓 ′ (𝑥) ́(𝑥0 ).

Prin inducţie după n, se defineşte 𝑓 (𝑛) (𝑥0 ).

3.7 Aproximarea locală a unei funcţii într-un punct

Teorema Taylor:

Fie 𝑓: 𝐼 → 𝑅, o funcţie de n+1 ori derivabilă în 𝑥0 ∊I , atunci are loc formula


Taylor : 𝑓(𝑥) = 𝑇𝑛 (𝑥) + 𝑅𝑛 (𝑥) , unde
x  x0 ( x  x0 ) 2 ( x  x0 ) n ( n )
Tn ( x)  f ( x0 )  . f ( x0 )  . f ( x0 )  .....  f ( x0 ) ,
1! 2! n!
𝑇𝑛 (𝑥) - polinomul Taylor de ordinul n,
(𝑥−𝑥 0 )𝑛 +1
Rn(x)= ∙ 𝑓 (𝑛 +1) (𝑐), unde c între x şi x0 .
(𝑛 +1)!

Rn(x) - restul de ordinul n+1 sub forma Lagrange.

Observaţii

1) Din formula Taylor obţinem aproximarea:


f ( x)  Tn ( x), cu atât mai bună cu cât: - n este mai mare

-respectiv x este mai apropiat de x0

2) Numărul: ε  f ( x)  Tn ( x) se numește eroarea absolută a aproximării.

Din formula Taylor obţinem că ε=│Rn(x) │

37
Caz particular: Pentru x0 = 0, formula Taylor se numește formula Mac-
Laurin.

x x2 xn (n) x n 1
f ( x)  f (0)  . f (0)  . f (0)  .....  f (0)  f ( n 1) (c); , c între x și 0.
1! 2! n! (n  1)!

Aplicaţii:

1)Să se scrie formula Taylor de ordinul doi cu restul lui Lagrange pentru
ƒ:R→R, ƒ(x)= 5 x în vecinătatea unui punct x0. Să se aproximeze apoi 5 34
și să se delimiteze eroarea de aproximaţie.

2) Să se scrie formula Mac-Laurin de ordinul n, pentru funcţia ƒ(x) = ex.

Aplicaţie: aproximarea lui 3 e

3) Să se scrie formula Mac-Laurin de ordinul 3 cu restul Lagrange pentru


1
f ( x)  .
4  x2

3.8 Extreme locale.

Definiţie: Fie: f : I  R  R, xI

Punctul x0 se numește punct de maxim local pentru ƒ dacă () V  v( x0 ) :

f ( x)  f ( x0 ), () x  U

Punctul x0 se numește punct de minim local pentru ƒ dacă () V  v( x0 ) :

f ( x)  f ( x0 ), () x U

38
Teorema Fermat: Dacă f : I  R  R este derivabilă în punctul de extrem
local x0  I , atunci f ( x0 )  0

Teoremă: Dacă f : I  R  R este de n+1 ori derivabilă în


x0  I si f ( x0 )  0, f ( 2) ( x0 )  ....  f ( n1) ( x0 )  0, f ( n) ( x0 )  0, atunci:

i)n=2h, h  N si f ( n) ( x0 )  0  x0  maxim local pentru f

ii)n= 2h, h  N si f (n) ( x0 )  0  x0  minim local pentru f

iii)n= 2h+1, h  N  x0 nu e punct de extrem local pentru f

Aplicaţii:

1) Să se determine punctele de extrem local pentru funcţiile: a)


f ( x)  x 6  2 x 3  10

1
b) f ( x)  x 4  x 2  1
2

3.9 Aplicaţii cu enunţ economic .

1)Elasticitatea cererii in raport cu preţul.

Dacă se cunoaște funcţia de cerere a unui consumator, ce exprimă legătura


între q- cantitatea cerută și p – preţul unui bun, vom defini un indicator
care să traducă sensibilitatea cererii la variaţii ale preţului.

Cum ∆q se exprimă în unităţi fizice

39
∆p se exprimă în unităţi monetare
q
raportul nu convine.
p

x
Dacă x – mărime economică, atunci se numește rata de variaţie
x
(creștere) a lui x.
Definim: coeficientul elasticităţii cererii q a unui bun în raport cu preţul p,
raportul:
q
q
Ec  
p
p

Acesta arată cu câte procente variază q dacă preţul p se modifică cu 1%

Pentru o creștere foarte mică a lui p, adică  p → 0,

q
q ∆𝑞 𝑝 𝑑𝑞 𝑝
obţinem: E = lim  =lim∆𝑝→0 − ∙ =- ∙
p  0 p ∆𝑝 𝑞 𝑑𝑝 𝑞
p

dq p
Se consideră relaţia: E = .
dp q

E – elasticitatea cererii in raport cu preţul p.

Avem situaţiile:

E = 0, bunul se numește perfect inelastic

0< E < 1, bunul se numește inelastic.

E=1, variaţiile lui q și p sunt egale.

40
E >1 , bunul se numește elastic.

E →∞, bunul se numește perfect elastic.

CAP. 4. Calculul diferenţial pentru funcţii de două


variabile reale

4.1 Derivate parţiale

Definiţia 1: Fie f: A  R²  R. Spunem că f are derivată parţială în raport cu x


respectiv y în punctul (x 0,y0) din A, dacă există si este finită:

f ( x, y0 )  f ( x0 , y0 ) not f
lim ( x 0,y0)
x x 0 x  x0 x

respectiv

f ( x0 , y )  f ( x0 , y0 ) not f
lim ( x 0,y0)
y  y0 y  y0 y

41
Definiţia 2: Funcţia f:A  R²  R se numeşte derivabilă parţial de două ori în
raport cu x şi y în a = (x,0,y0)  A, dacă (  ) V  V(a), V  A astfel încât f
f
derivabilă parţial în raport cu x pe V și e derivabilă parţial în raport cu
x
y în a.

2 f  f
Vom nota: (a) =   (a)
xy y  x 

2 f   f 
Analog: (a) =   (a)
yx x  y 

2 f  f
(a) =   (a)
x 2
x  x 

2 f   f 
(a) =   (a)
y 2
y  y 

Acestea sunt derivatele parţiale de ordinul doi ale lui f în punctul a.

Teorema Schwartz: Fie f : A  R²  R derivabilă parţial de două ori pe A în


2 f 2 f
raport cu x şi cu y. Dacă şi : A  R sunt continue în a  A, atunci:
xy yx
2 f 2 f
(a) = (a) .
xy yx

Definiţia 3: Se numeşte matricea hessiană pentru f: A  R²  R matricea:

 2 f 2 f 
 2 
H (x ,y) =  2x xy 
 f 2 f 
 
 yx y 2 

42
Observaţie: H (x ,y) – matrice simetrică.

Aplicaţii: Să se calculeze derivatele parţiale de ordinul I şi II pentru


următoarele funcţii în punctele indicate:

1) f (x ,y) = 3x2y – x y 2 + 3x – y + 6 ; a = (1,1)

2) f (x ,y) = e x ; a = (1,0)
2
y

3) f (x ,y) = ln(x3 + 4 y) ; a = (1,0)

4.2 Algoritm pentru determinarea punctelor de


extrem local pentru funcţii f : A  R²  R

Pas 1: Se determină punctele staţionare Mi (x i, yi) ale funcţiei f, adică


soluţiile sistemului:

 f
 x  0
 f
 0
 y

43
Pas 2: Se scrie matricea hessiană a funcţiei f:

 2 f 2 f 
 2 
2 f
H (x ,y) =  2x xy 
;  1 def ;  2 def det H(x ,y)
 f 2 f  x 2
 
 yx y 2 

Pas 3: Pentru fiecare punct Mi , se calculează H(Mi) respectiv  1 si  2 .

Pas 4: a) Dacă  1 > 0 ,  2 > 0 , Mi – punct de minim local

b) Dacă  1 < 0 ,  2 > 0, Mi – punct de maxim local

c) Dacă  2 < 0 , Mi nu este punct de extrem local pentru f.


Mi se numește punct şa.

Aplicaţii: Să se determine punctele de extrem local pentru următoarele


funcţii:

1) f (x ,y) = x3 – 5x2 - y2 + 4y + 3

2) f (x ,y) = x3 + 3xy2 – 15x – 12y

3) f (x ,y) = 6x2 + 3xy + x – y + 2y2

44
4.3 APLICAŢII ECONOMICE

1) Productivitatea marginală a unui factor de producţie.

Fie funcţia de producţie: Q=ƒ(K,L), unde:

K= capital

L= forţa de munca

Vom fi interesaţi de modificări ale producţiei când un factor variază şi


celălalt rămâne constant.

Exemplu: Q= ƒ(K,L) = 10.𝐾 2 .𝐿3

Dacă: L = 𝐿0 = 5, atunci Q = 10.𝐾 2 . 53 = 1250𝐾 2

Productivitatea medie a capitalului:


𝑄 1250 K 2
= = 1250𝐾
𝐾 K

Productivitatea marginală a capitalului:


𝜕𝑄
= 20.K.𝐿30 =20.K.125 = 2500K.
𝜕𝐾

Daca: K=K0=1000, atunci Q=10∙10002∙L3=107∙L3

Productivitatea medie a muncii:


𝑄
=107.L2
𝐿

Productivitatea marginală a muncii:


𝜕𝑄
=3.107.L2
𝜕𝐿

45
Dacă: Q=Q0 avem:

- curba de isoproducţie

K Q=Q0

0 L

𝜕𝑄
Daca: K=K0 si L variază, panta la curba Q este
𝜕𝐿

𝜕𝑄
Daca: L=L0 si K variază, panta la curba Q este
𝜕𝐾

46
2)Elasticitatea substituirii factorilor de producţie.

Fie funcţia de producţie: Q= ƒ(K,L)

Se numeşte: Rata marginală de substituţie capital-muncă raportul dintre


cantitatea de capital cedata pentru o cantitate suplimentară de muncă
pentru o aceeaşi producţie.

dK
Avem relaţia: RMS= -
dL

K0

K1

L0 L1 L

47
dL= L1 - L0

dK = K1 – K0

Pentru o funcţie ƒ(x,y) în punctul a =(x0,y0) avem diferenţiala:


𝜕𝑓 ∂f
df= dx + dy,
𝜕𝑥 ∂y

unde dx = x-x0 , dy = y-y0

Astfel, pentru Q =ƒ(K,L), diferenţiala este:


𝜕ƒ 𝜕ƒ
dQ = dk + .dL
𝜕𝐾 𝜕𝐿
𝜕ƒ
𝜕ƒ
𝜕ƒ 𝜕ƒ 𝑑𝐾 𝜕𝐿
Dacă: Q = Q0 atunci: dQ=0 => dK= - .dL=> 𝜕𝐿
𝜕ƒ =− 𝑅𝑀𝑆 = 𝜕ƒ
𝜕𝐾 𝜕𝐿 𝑑𝐿
𝜕𝐾 𝜕𝐾

K
Vom fi interesaţi de modificarea raportului în funcţie de variaţia RMS.
L

K
Notăm cu: S = și RMS = R, atunci vom fi deci interesaţi de elasticitatea
L
funcţiei S=ƒ(R)
dy x
Dacă y=ƒ(x), elasticitatea lui y este E= ∙
dx y
𝑑𝑆 𝑅
Deci pentru S=ƒ(R), 𝐸= ∙
𝑑𝑅 𝑆

O funcţie de producţie 𝜑=ƒ(K,L) de forma 𝜑= A∙𝐾 ∝ ∙ 𝐿𝛽 se numește


funcţia Cobb-Douglass

Pentru această funcţie, elasticitatea este E=1

Se numeşte funcţia C.E.S ( constant elasticy of substitution) o funcţie de


producţie pentru care elasticitatea substituirii este constantă, nu neapărat
1
48
Q=ƒ(K,L)= A,∝∙ 𝐾 𝛾 +(1- )∙ 𝐿−𝛾 ] −1 𝛾 , A> 0, 𝛾>-1, 0<𝛼 < 1

γ – parametru de substituţie.
1
Se poate arăta că elasticitatea acestei funcţii este ∙
1+λ

Obs: O funcţie Cobb-Douglass este o funcţie C.E.S cu 𝛾 → 0

Parametrii A, 𝛼, 𝛽 pentru funcţia Cobb-Douglass se pot determina pe baza


unor date statistice.

CAP. 5 Elemente de calcul integral

5.1 Funcţii primitivabile


Def. 1: Funcţia ƒ: I ⊆ ℝ→ℝ se numeşte primitivabilă dacă (  ) F: I →ℝ
derivabilă pe I, astfel încât F′(x) =ƒ(x),(  ) xєI . Funcţia F se numeşte
primitiva funcţiei ƒ; F notam ∫ ƒ(x)dx.

Observăm că: ∫ƒ(x)dx = F+C, Cєℝ

Teorema1: Dacă ƒ,g: I→ℝ sunt primitivabile şi aϵ * atunci f+g si af sunt


primitivabile şi avem:
∫(ƒ(x)+g(x))dx =∫ƒ(x)dx+∫g(x)dx

∫aƒ(x)dx =a∫ƒ(x)dx

49
Teorema 2: Daca ƒ: I→ ℝ este continuă, atunci ƒ este primitivabilă.

Teorema 3 (Formula de integrare prin părţi)

Daca ƒ,g: I→R sunt derivabile si cu derivate continue atunci:

∫ƒ′(x).g(x)dx=ƒ(x).g(x) - ∫ƒ(x).g′(x)dx

Teorema 4: (Formula schimbării de variabilă)

Dacă ƒ:J→R primitivabilă si φ: I → J derivabilă atunci


∫ƒ(x)dx=∫f(φ(t))·φ’(t)·dt

Tabel de primitive:

𝑥 𝑎 +1
1) ∫ xa dx= + 𝑐 , 𝑑𝑎𝑐ă 𝑎 ≠ −1
𝑎+1
ln 𝑥 + 𝑐 , 𝑑𝑎𝑐ă 𝑎 = −1

𝑎𝑥
2) ∫ 𝑎 𝑥 𝑑𝑥 = + 𝑐 , 𝑎 > 0, 𝑎 ≠ 1
ln 𝑎

3) ∫ sin 𝑥 𝑑𝑥 = − cos 𝑥 + 𝑐

4) ∫ cos 𝑥 𝑑𝑥 = sin 𝑥 + 𝑐

1
5) ∫ 2 𝑑𝑥 = 𝑡𝑔 𝑥 + 𝑐
𝑐𝑜𝑠

1
6) ∫ 2 𝑑𝑥 = −𝑐𝑡𝑔 𝑥 + 𝑐
𝑠𝑖𝑛

7) ∫ tg 𝑥 𝑑𝑥 = − ln cos 𝑥 + 𝑐

8) ∫ ctg 𝑥 𝑑𝑥 = ln sin 𝑥 + 𝑐

50
1 1 𝑥−𝑎
9) ∫ 2 2 · 𝑑𝑥 = ln + 𝑐 ,𝑎 ≠ 0
𝑥 −𝑎 2𝑎 𝑥+𝑎

1 1 𝑥
10) ∫ 𝑥 2 +𝑎 2 · 𝑑𝑥 = 𝑎𝑟𝑐𝑡𝑔 + 𝑐 ,𝑎 ≠ 0
𝑎 𝑎

1
11) ∫ · dx = ln∣ 𝑥 + 𝑥 2 − 𝑎2 ∣ + 𝑐 , 𝑎 > 0
𝑥 2 −𝑎 2

1
12) ∫ · dx = ln 𝑥 + 𝑥 2 + 𝑎2 + 𝑐 , 𝑎 ≠ 0
𝑥 2 +𝑎 2

1 𝑥
13) ∫ 𝑑𝑥 = arcsin + 𝑐 , 𝑎 > 0
𝑎 2 −𝑥 2 𝑎

5.2 Funcţii integrabile


Def:1 Fie ƒ:,a,b-→ℝ şi :a = x0 < x1 < x2 < ….< xn =b , o diviziune a
intervalului [a,b]

Lungimea celui mai mare interval al diviziunii se numeşte norma


diviziunii ∆ , notată ║∆║.

Considerăm un sistem de n puncte: Ʒ1, Ʒ2, ……..…,Ʒn atunci:

(∀)𝑘 = 1, 𝑛 xk-1 ≤ Ʒk ≤ xk numit sistem de puncte intermediare.

Se numeşte sumă Riemann asociată lui ƒ,∆ şi { Ʒk }k=1, 𝑛 , numărul


n
σ (ƒ,∆,* Ʒk + = ∑ ƒ(Ʒk)(xk-xk-1)
k=1

Spunem că funcţia ƒ:,a,b- →ℝ este integrabilă Riemann dacă sumele


Riemann

asociate lui ƒ converg spre o limită finită I , atunci când △ →0.


b
I=∫a ƒ(x)dx

51
y

0 a Ʒ1 x1 Ʒ2 x2 xn-1 Ʒn b

|| ||

x0 xn

Propozitia 1: Fie ƒ:,a,b-→ℝ şi c 𝜖 (a,b).

Dacă : ƒ este integrabilă Riemann pe ,a,c- şi ,c,b-, atunci


𝑏 𝑐 𝑏

ƒ 𝑒𝑠𝑡𝑒 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑏𝑖𝑙ă 𝑅𝑖𝑒𝑚𝑎𝑛𝑛 𝑝𝑒 [𝑎, 𝑏] ş𝑖: ƒ(x)dx = ƒ(x)dx + ƒ(x)dx


𝑎 𝑎 𝑐

Teorema 1 (Formula Leibnitz-Newton)

Fie ƒ: ,a,b- →ℝ o functie integrabilă Riemann pe ,a,b- şi primitivabilă pe


,a,b- si fie F o primitivă a ei.
𝑏

𝐴𝑡𝑢𝑛𝑐𝑖: ƒ(x)dx = F(x) ba = 𝐹(𝑏) − 𝐹(𝑎)


𝑎

Propoziţia 2: Dacă ƒ este continuă pe ,a,b-, atunci ƒ este integrabilă pe ,a;b-

52
Obs.1: Dacă ƒ este integrabilă pe ,a,b-, atunci ƒ este mărginită pe ,a;b-.

Obs.2: Formula de integrare prin părţi pentru integrala definită se obţine


din formula pentru primitive cu ajutorul formulei Leibnitz-Newton.

Teorema 2 ( Formula de schimbare a variabilei)

Fie 𝜑:[a,b] J, derivabilă şi cu derivata continuă si ƒ: J→ℝ continuă. Atunci:

𝑏 𝜑 *𝑏)

ƒ(𝜑(𝑡)𝑑𝑡 = ƒ (𝑥)𝑑𝑥.
𝑎 𝜑 (𝑎)

5.3 Integrale generalizate:


Definitie si metodă de calcul

Vom numi generalizate, integralele pentru care lungimea intervalului [a,b]


este infinită sau (şi) ƒeste nemărginită pe ,a;b-.

𝐶𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑟𝑒:

𝐼𝑛𝑡𝑒𝑔𝑟𝑎𝑙𝑒 𝑑𝑒 𝑠𝑝𝑒ţ𝑎 𝐼: b-a=∞ şi f mărginită pe [𝑎; 𝑏]


∞ 𝑏 ∞

𝐼= ƒ(𝑥)𝑑𝑥, 𝐼 = ƒ (𝑥)𝑑𝑥. 𝑠𝑖 Ι = ƒ(𝑥)𝑑𝑥;


𝑎 −∞ −∞

Integrale de speţa II: b-a < dar ƒ are puncte singulare x0 (ƒ(x0)=±∞)

Integrale de speţa III: b-a= ∞ ş𝑖 ƒ are puncte singulare.

Definiţia 1: Fie ƒ: ,a,b) →ℝ, integrabilă pe orice ,a,t- ⊂[a;b] şi b- punct


singular pentru ƒ, sau b=∞.
𝑡 𝑏

𝐷𝑎𝑐ă (∃) ş𝑖 𝑒 𝑓𝑖𝑛𝑖𝑡ă 𝑙𝑖𝑚𝑖𝑡𝑎: lim ƒ(𝑥)𝑑𝑥 = ℓ 𝑠𝑝𝑢𝑛𝑒𝑚 𝑐ă ƒ(𝑥)𝑑𝑥


𝑡→𝑏
𝑎 𝑎

𝑒 𝑐𝑜𝑛𝑣𝑒𝑟𝑔𝑒𝑛𝑡ă 𝑠𝑖 𝑎𝑟𝑒 𝑣𝑎𝑙𝑜𝑎𝑟𝑒𝑎 ℓ.

53
𝑏 𝑡

𝐷𝑒𝑐𝑖 ∶ 𝐼 = ƒ(𝑥)𝑑𝑥 = lim ƒ(𝑥)𝑑𝑥.


𝑡→𝑏
𝑎 𝑎

In caz contrar, spunem că I este divergentă .

Obs: Analog se procedează daca a=punct singular.

Metode de calcul:

Folosind definiţia 1 vom obţine formula Leibnitz-Newton generalizată,


formula de integrare prin părţi generalizată şi formula schimbării de
variabilă generalizată.

Teorema: (Criterii practice pentru studiul convergenţei integralelor


generalizate)

Fie ƒ: ,a; ) ℝ integrabilă pe (∀) [a,t] [a; ).


𝑙𝑖𝑚
𝐷𝑎𝑐ă: (∃)𝑥→∞ 𝑥 α ∙ ƒ(𝑥) = ℓ𝜖(0; +∞), atunci:

𝑖) ∝> 1, ƒ(x)dx convergentă.


a

𝑖𝑖) ∝≤ 1, ƒ(x)dx divergentă


𝑎

2) Fie ƒ:,a,b)→ ℝ 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑏𝑖𝑙ă 𝑝𝑒 (∀),𝑎, 𝑡- ⊂ ,𝑎; 𝑏).

Daca (∃) lim𝑥→𝑏 (𝑏 − 𝑥)𝛼 ∙ ƒ(x) = ℓϵ(0; +∞), atunci:


𝑥<𝑏

𝑖) ∝< 1, ƒ(x)dx convergentă


𝑎
𝑏

𝑖𝑖) ∝≥ 1, ƒ(x)dx divergentă


𝑎

54
3) Fie ƒ: (𝑎; 𝑏- → ℝ 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑏𝑖𝑙ă 𝑝𝑒 (∀),𝑡; 𝑏- ⊂ (𝑎; 𝑏-.

𝐷𝑎𝑐𝑎 (∃) 𝑙𝑖𝑚𝑥→𝑎 (𝑥 − 𝑎)∝ ƒ(x) = ℓϵ(0; +∞), atunci ∶


𝑥>𝑎

𝑖) ∝< 1, ƒ(x)dx convergentă


𝑎
𝑏

𝑖𝑖) ∝≥ 1, ƒ(x)dx divergentă


𝑎

CAP.6 ECUAŢII DIFERENŢIALE


6.1. Ecuaţii diferenţiale de ordinul întâi

Def.1: Se numește ecuaţie diferenţială ordinară de ordinul întâi , o


relaţie între variabilele independente: t, funcţia necunoscută x=x(t)
și derivata sa 𝑥 ′ , deci o relaţie de forma:
dx
(1) F(t,x,𝑥 ′ )=0, unde 𝑥 ′ = .
dt
Relaţia (1) se numește forma implicită a ecuaţiei diferenţiale.

Def. 2: Se numește soluţie a ecuaţiei diferenţiale (1) pe un interval


(a,b) o funcţie x = x(t) definită pe acest interval (a,b) împreună cu
derivata sa de ordinul întâi, astfel încât această funcţie substituită în
(1) să o transforme într-o identitate în raport cu x pe (a,b).

Exemplu: Funcţia x = e-t este soluţie a ecuaţiei diferenţiale 𝑥 ′ + x =


0 pe ℝ.

55
Def. 3: Graficul soluţiei unei ecuaţii diferenţiale se numește curbă
integrală a ecuaţiei diferenţiale.
Def.4: Egalitatea:
(2) 𝑥 ′ =f(t,x) , x=x(t)
Se numește forma normală a ecuaţiei diferenţiale (1)
Def.5: Se numește Problemă Cauchy, problema găsirii soluţiei x=x(t)a
ecuaţiei 𝑥 ′ =f(t,x) ce satisface condiţia iniţială: x(t0)=x0, unde x0 și t0
ℝ,date.

Interpretarea geometrică a problemei Cauchy:


Constă în a găsi o soluţie a ecuaţiei (2) a cărei curbă integrală trece
prin M0(t0, x0).
Obs: O ecuaţie diferenţială de ordinul întâi are mai multe soluţii
Ex: ecuaţia =1 are soluţiile x =x(t)=t+c, cϵℝ.
Dacă impunem condiţia iniţială: x(0)=1, adică transformăm ecuaţia
dată într-o problemă Cauchy, atunci avem: 1=c o singură soluţie:
x=t+1.

Def.6: Se numește soluţie generală a ecuaţiei diferenţiale (2) o funcţie


x= (t,c), c astfel încât aceasta să fie soluţie a ecuaţiei diferenţiale
(2), ( ) cϵℝ și ( ) x(t0)=x0, o condiţie iniţială să existe c0ϵℝ, astfel
încât funcţia: x=x(t,c0) să satisfacă condiţia iniţială.

Def.7: Se numește soluţie particulară a ecuaţiei diferenţiale (2) o


soluţie a acestei ecuaţii obţinută prin particularizarea constantei c
Obs: O soluţie particulară a ecuaţiei (2) este o soluţie a unei
probleme Cauchy asociate ecuaţiei (2).

Def.8: Se numește soluţie singulară a ecuaţiei (2) o soluţie x=x(t) a


acestei ecuaţii care nu se obţine din soluţia generală prin
particularizarea lui c.
Obs: Soluţiile singulare apar de obicei atunci când se pun condiţii la
împărţirea ecuaţiei date cu un anumit factor.
În continuare vom prezenta câteva tipuri speciale de ecuaţii
diferenţiale de ordinul I

56
1) Ecuaţia cu variabile separabile (E.V.S.)

Def 1: Se numește ecuaţie diferenţială cu variabile separabile (E.V.S)


o ecuaţie diferentiala de ordinul I care are forma normală:

=f(t) g(x), unde f și g : I R ℝ sunt funcţii continue iar g(x) 0, (


) x I.

Ecuaţia se mai scrie: = f(t) g(x)

Separând variabilele avem: = f(t) dt

Integrând egalitatea avem: = , atunci x = G-1 .

Exemplu: Să se rezolve ecuaţia :

unde .

Avem:

Sau = dacă x 0.

Deci ecuaţia este o E.V.S cu f(t) = și g(x) =

Scriem: = sau

dt

Dacă c = ln c0 x= , c R.

Aceasta este soluţia generală.

Soluţia particulară transformă ecuaţia dată într-o problemă Cauchy

Cum x(0) = 1 avem:

57
Deci

Deci

2) Ecuaţia omogenă (E.O)


Def: Se numește ecuaţie diferenţială omogenă (E.O)
o ecuaţie diferenţială de ordinul I care are forma normală:
, x = x (t), f- funcţie continuă
Facem schimbarea de funcţie
Avem noua ecuaţie:
care este o E.V.S cu - în y;
Deci o (E.O) este o ecuaţie reductibilă la o (E.V.S).

Def1: o funcţie se numește omogenă de grad p în sens Euler în


raport cu x și y dacă verifică egalitatea:

În particular, dacă p = 0, adică: spunem că f este omogenă de


grad 0.
Obs: funcţia din expresia (E.O) este o funcţie care este o funcţie
omogenă de grad 0.

Deci pentru a testa dacă o ecuaţie diferenţială de ordinul I este o (E.O) se


pune sub forma și se testează dacă adică f este
omogenă de grad 0 sau se arată că are forma

Exemplu: Să se rezolve ecuaţia diferenţială:

58
Se observă și că f e omogenă de grad 0.

Avem: este o (E.V.S) în y cu

Scriem:
,

dar ,

3) Ecuaţia liniară (E.L.)

Def: Se numește ecuaţie diferenţială liniară de ordinul I (ecuaţie


liniară) o ecuaţie diferenţială de ordinul I cu forma normală:

Sau

Unde P,Q: sunt funcţii continue.

Obs: Dacă Q(t)=0 atunci ecuaţia are forma care este o E.V.S și
are soluţia generală: . În acest caz ecuaţia se numește
omogenă.

Teoremă: Soluţia generală a ecuaţiei

Este: ,

Exemplu: Să se rezolve ecuaţia: ,

Ecuaţia este o (E.L) cu și

59
Soluţia generală este:

. Deci

6.2 Ecuaţii diferenţiale liniare de ordinul II cu coeficienţi constanţi

Def1: Se numește ecuaţie diferenţială liniară de ordinul II cu coeficienţi


constanţi, o ecuaţie diferenţială de forma:
unde ,

, continuă pe I

Ecuaţia: (*) se numește ecuaţie diferenţială de ordinul II cu


coeficienţi constanţi omogenă
Def2: Numim ecuatia caracteristică asociată ecuaţiei (*) ecuaţia:

Obs: Ecuaţia caracteristică asociată se obţine din (*) cu transformările:

Teoremă: Fie ecuaţia și ecuaţia caracteristică asociată

cu

Atunci soluţia generală a ecuaţiei (*) este

a) ,
;

b)
;

60
c) ,

Fie ecuaţia omogenă : (**)

Vom studia doar cazul particular al funcţiilor f(t) cu următoarea formă


particulară:

Unde , P,Q polinoame in t

Teoremă: O soluţie particulară pentru ecuaţia neomogenă(**) este

Unde: sunt polinoame în t astfel încât grad

K=ordinul de multiplicitate pentru ca rădăcină a ecuaţiei


caracteristice (k=0 dacă nu e rădăcină a ecuaţiei caracteristice)

Soluţia generală a ecuaţiei (**) este

Def3: O ecuaţie diferenţială (*) sau (**) se numește Problemă Cauchy dacă
satisface sistemul de condiţii iniţiale:

Exemplu 1. Să se rezolve ecuaţia diferenţială:

Este o ecuaţie omogenă.

Ecuaţia caracteristică asociată este: au rădăcina


reală dublă

Deci soluţia generală este

61
Dar

Deci soluţia particulară a problemei Cauchy este:

2) Să rezolvăm ecuaţia: ,

Deci soluţia ecuaţiei omogene este

Observăm că pentru

are forma particulară prezentată. Deci o soluţie particulară pentru ecuaţia


neomogenă este:

Observăm că nu e rădăcină a ecuaţiei caracteristice

Punem condiţia ca să verifice ecuaţia dată si avem:

Deci

Soluţia generală a ecuaţiei date este:

6.3 ALICAŢII ECONOMICE

1) Determinarea funcţiei logistice

O întreprindere apărută la un moment dat pe piaţă nu are mijloacele


tehnice suficient de dezvoltate. Acest lucru conduce la un preţ de cost
ridicat. Pe de altă parte produsele ei nu sunt încă cunoscute. Astfel la
început vom avea o vânzare lentă a producţiei. În timp, datorită
progresului mijloacelor de producţie și datorită cererii, producţia va
crește. La un moment dat însă va interveni o anumită saturaţie a
pieţei., o anumită stabilitate, o stabilizare a producţiei la un nivel
62
aproape constant a. Dacă notăm cu x mărimea respectivă și cu
viteza ei de creștere, aceasta este proporţională cu valoarea mărimii
respective și distanţa rămasă de parcurs până la nivelul de saturaţie
a-x. Daca notam cu A factorul de proporţionalitate, modelul
matematic este dat de ecuaţia:

Aceasta este o ecuaţie cu variabile separabile. Deci avem:

Notând și obţinem

Exemplul 2)
Se știe că dezintegrarea radiului se face după următoarea lege: “la
orice moment t, viteza de dezintegrare a radiului este proporţională
cu cantitatea de radiu la momentul t”.
Se arată că dacă se notează cu cantitatea de radiu la momentul t,
atunci este viteza de dezintegrare la momentul t și avem
conform legii de mai sus ecuaţia diferenţială:

K constantă chimică.
Problema care se pune este să se determine cantitatea de radiu la
orice moment , cunoscându-se

Acest lucru înseamnă a rezolva problema Cauchy

63
3) Evoluţia în timp a producţiei.
Producţia y a unui bun material poate fi considerată o funcţie de
timp, . Presupunem că se analizează evoluţia volumului
producţiei, de exemplu în două momente, . Evoluţia
producţiei este reprezentată de diferenţa

Dacă , producţia crește, dacă producţia scade în intervalul de


timp .
Variaţia producţiei în unitatea de timp este reprezentată de raportul

Se poate presupune că acest raport are limita finită dacă și fie

Din punct de vedere matematic, valoarea este de fapt valoarea


derivatei funcţiei y în , adică . La un anumit produs, evoluţia
poate să fie constantă, fapt care se exprimă prin relaţia .
Dacă , “evoluţia” înseamnă chiar “creștere”, dacă evoluţia
înseamnă “scădere” a producţiei. La un alt produs y poate să nu
evolueze constant în timp.
De cele mai multe ori intervin și alţi factori, printre care volumul
producţiei însuși, fapt care se exprimă prin

(*)

Unde este o funcţie de , iar este o constantă potrivită. Egalitatea


de mai sus reprezintă și ea evoluţia în timp a producţiei, cu condiţia
ca, la un moment dat, , de exemplu, ca să fie cunoscută, .
Din punct de vedere matematic atât cât și (*) sunt ecuaţii
diferenţiale de ordinul întâi cu funcţia necunoscută , care trebuie
rezolvate în condiţia iniţială .

Exemplu 4. Modelul dinamic cerere-ofertă în economia de piaţă.


Acest model presupune drept funcţie necunoscută funcţia - preţul
unui produs la momentul . Cererea se presupune exprimată
printr-o funcţie depinzând liniar de , , iar
oferta este o funcţie liniară de , adică de preţul mediu:
64
. Aceasta ţine seama de preţul produsului în perioada
anterioară, deoarece producţia și deci apariţia pe piaţă, sunt
anterioare cererii.
Astfel, , adică preţul mediu este o funcţie de și
de derivata sa
Prin urmare, oferta este:

Pentru o economie echilibrată, deci în cazul “ideal”, se presupune că


în fiecare moment piaţa determină preţul în așa fel, încât cererea
absoarbe exact cantitatea oferită, adică nici un producător nu este
lăsat cu produsele nevândute și nici un consumator cu cererea
nesatisfăcută. Aceasta înseamnă că sau:

Egalitatea de mai sus determină preţul produsului în economia de


piaţă în ipotezele de mai sus, cu condiţia ca preţul la momentul iniţial
să fie (cunoscut).
În continuare se vor prezenta ecuaţii diferenţiale de ordinul întâi
rezolvabile cu ajutorul integralelor, aceasta numindu-se integrabile
prin cuadraturi.

65
66