Matematici Aplicate in Economie

UNIVERSITATEA „BABEŞ-BOLYAI” CLUJ-NAPOCA
FACULTATEA DE ŞTIINŢE ECONOMICE ŞI GESTIUNEA

AFACERILOR
TRUNCHI COMUN ANUL I zi si ID
ANUL UNIVERSITAR 2009/2010
SEMESTRUL I
I. Informaţii generale
Date de identi…care a cursului
Date de contact ale titularilor de curs:

1. Muresan Anton S., Birou: Cabinetul 229, Etajul II, E-mail: anton.muresan@econ.ubbcluj.ro,
Consultatii: Luni orele 12,30-13,30, Marti orele 15,50-16,50
2. Filip Diana Andrada, Birou: Cabinetul 230, Etajul II,
E-mail: diana.…lip@econ.ubbcluj.ro, Consultatii: Marti orele 12,30-13,30,
Joi orele 12,30-13,30
3. Curt Paula, Birou: Cabinetul 229, Etajul II, E-mail: paula.curt@econ.ubbcluj.ro,
Consultatii: Luni 12,30-13,30, Miercuri 11,30-12,30
4. Mihoc Maria, Birou: Cabinetul 229, Etajul II, E-mail: maria.mihoc@econ.ubbcluj.ro,
5. Rap Ilie, Birou: Cabinetul 231, Etajul II, E-mail: ilie.rap@econ.ubbcluj.ro,
6. Rosca Alin, Birou: Cabinetul 231, Etajul II, E-mail: alin.rosca@econ.ubbcluj.ro,
Consultatii: Miercuri 15,40-16,40, Joi 16,30-17,30
Telefon: 0264-418653
Fax: 0264-412570
Date de identi…care curs si contact tutori:
Numele cursului: MATEMATICI APLICATE IN ECONOMIE
Codul cursului: EBS0003
Anul I, Semestrul I
Tipul cursului: Obligatoriu
Pagina web a cursului:
Tutori:
1. Muresan Anton S.: anton.muresan@econ.ubbcluj.ro
2. Filip Diana Andrada, diana.…lip@econ.ubbcluj.ro
3. Curt Paula, paula.curt@econ.ubbcluj.ro
4. Mihoc Maria, maria.mihoc@econ.ubbcluj.ro
5. Rap Ilie, ilie.rap@econ.ubbcluj.ro
6. Rosca Alin, alin.rosca@econ.ubbcluj.ro
7. Mihalca Gabriela, gabriela.mihalca@econ.ubbcluj.ro
8. Coconet Tiberiu, tiberiu.coconet@econ.ubbcluj.ro
9. Filip Darius, …lip_darius@econ.ubbcluj.ro
10. Pop Flaviu, ‡aviu.pop@econ.ubbcluj.ro
Locul de desf¼ aşurare a cursului: Cl¼
adirea Campus, s¼ali etajul II
1
Programarea în orar a activit¼ aţilor (la înv¼
aţ¼
amâtul de zi): S¼
apt¼
amânal 2 ore
de curs + 2 ore de seminar, conform orarului a…şat la sediul facult¼ aţii
(la înv¼aţ¼
amâtul ID) :8 ore activitati tutoriale
Conditionari si cunostinte prerechizite: -
Descrierea cursului :
Se vor avea in vedere urmatoarele obiective:
Studierea si rezolvarea sistemelor de ecuatii liniare, obtinerea de solutii
admisibile de baza, formularea si rezolvarea problemelor de programare liniara
si de transport
Introducerea catorva notiuni de analiza functiilor reale de mai multe
variabile reale care sa constituie pentru studenti instrumente pentru tratarea
unor probleme de extrem, pentru a permite ajustarea datelor experimentale,
etc.
Crearea bazelor de analiza matematica necesare pentru studiul teoriei
probabilitatilor si pentru statistica matematica.
De…nirea si studiul principalelor proprietati ale conceptelor de baza din
teoria probabilitatilor. Crearea la studenti a unor deprinderi de utilizare a tehni-
cilor probabilistice si de folosire a acestora in scop aplicativ. Fundamentarea
probabilistica a statisticii matematice.
Organizarea temelor (partilor) in cadrul cursului:
Cursul va avea urmatoarele trei parti:
1. Elemente de algebra liniara
2. Elemente de analiza matematica
3. Elemente de teoria probabilitatilor
Organizarea temelor s-a facut avand in vederea ordinea …reasca si gradul de
di…cultate sa urmeze o ordine crescatoare. Informatia relevanta referitoare la
…ecare tema (parte) se gaseste in lista bibliogra…ca ce va … prezentata ulterior,
iar accesul va … realizat direct.
Formatul si tipul activitatilor implicate de curs:
Formatul va … unul clasic, permitand studentului de a-si gestiona singur,
fara constrangeri, parcurgerea cursului. De sigur o participare la activitatile
plani…cate va usura intelegerea tematicii cursului. Tipurile de activitati ce vor
… abordate in cadrul cursului vor … atat cele clasice cat si proiecte de grup.
Materiale bibliogra…ce obligatorii:
Principalele materiale bibliogra…ce pe care le vom utiliza, si care se vor gasi
la biblioteca facultatii, iar unele vor putea … accesate prin internet, sunt:
1. Colectiv, Elemente de algebra liniara, analiza matematica si teoria prob-
abilitatilor, Ed. Mega, Cluj-Napoca, 2009
2. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008
Materiale si instrumente necesare pentru curs :
Vom folosi: suport electronic de curs, materiale multiplicate, calculator,
videoproiector.
Calendarul cursului: este prezentat in calendarul disciplinei
Politica de evaluare si notare:
2
Evaluarea si notarea …nala se va face prin rezolvarea de probleme, intocmirea
unor teme de casa. Toate acestea se vor realiza pe parcursul semestrului. In-
trarea in examenul …nal este conditionata de realizarea sarcinilor ce rezulta din
temele de control de la sfarsitul …ecarui modul al suportului de curs. Studentii
vor primi feed-back la rezultatele realizate in examenul …nal prin comunicare
directa cu cei care solicita. In cazul cand studentul doreste sa revina la un ex-
amen de marire a notei, acest nou examen se va desfasura in aceleasi conditii,
cu aceleasi cerinte, ca si examenul initial.
Elemente de deontologie academica:
Pentru a evita situatiile care pun in discutie onestitatea studentilor facem de
la inceput precizarea ca se interzice categoric frauda, iar tentativele de frauda
se vor trata conform reglementarilor in vigoare elaborate la nivelul facultatii
si universitatii. Este normal ca atunci cand se utilizeaza anumite date, texte,
formulari, etc. luate din alte surse, sa se faca citarea, si astfel sa se asume
meritele doar pentru munca si contributia proprie. Se va cere studentului sa
aiba un comprtament academic fata de profesori si fata de colegi.
Studentii cu dizabilitati:
Nu vor avea nici o problema in a se incadra in cerintele cursului si a celorlalte
activitati, sansele in pregatire si obligatiile lor …ind de aceeasi factura ca si
pentru studentii fara dizabilitati.
Strategii de studiu recomandate:
Recomandam studentilor sa se pregateasca mai intai din aspectele teoretice,
asa incat, mai intai, din curs, sa …e studiate modulele cu teoria si exemplele
ilustrative formulate, apoi sa se abordeze problemele rezolvate, iar apoi si prob-
lemele formulate spre rezolvare. Pentru tot cursul, apreciem ca fondul de timp
necesar insusirii complete este de 56 de ore, din care 40 pentru suportul de curs,
8 pentru activitatile directe cu tutorii, iar 12 pentru sarcinile individuale de
studiu al bibliogra…ei si realizarea temelor de control.
II. Suportul de curs propriu-zis

Cursul va … structurat pe module, iar dorinta este de a se obtine o prezentare
gradata a notiunilor si rezultatelor.
MODULUL I. Elemente de algebra liniara
Obiective
Familiarizarea cu notiunile de transformari elementare, rezolvarea sis-

temelor de ecuatii liniare prin metoda lui Gauss;
De…nirea solutiei admisibile de baza pentru un sistem de ecuatii liniare;
Formularea si rezolvarea unei probleme de programare liniara;
Formularea si rezolvarea unei probleme de transport.
Concepte de baza
Transformari elementare, solutii pentru sisteme de ecuatii liniare, solutii

admisibile de baza;
3
Problema de programare liniara, algoritmul simplex;
Problema de transport, algoritmul distributiv.
Rezultate asteptate
In urma parcurgerii acestui modul se asteapta ca studentii sa cunoasca si sa
opereze cu notiunile introduse, sa …e in stare sa le aplice la problemele concrete:
modelul matematic al unei probleme simple de programare liniara, respectiv al
unei probleme de transport.
Sinteza
UNITATEA 1. Aplicatii economice
Formulam cateva exemple de probleme economice care se modeleaza cu aju-
torul unor elemente de algebra liniara, respectiv matematici …nanciare si actu-
ariale.
Exemplul 1. O …rm¼ a intenţioneaz¼a s¼
a produc¼ a n tipuri de produse şti-
ind c¼ a poate s¼ a utilizeze m tipuri de resurse. Se cunosc elementele: cantitatile
disponibile din …ecare resurs¼ a pe o perioad¼a precizat¼
a (bi cantitatea din resursa
Ri ; i = 1; m), bene…ciile unitare nete pentru …ecare produs (cj pentru valori-
…carea unei buc¼ aţi din Pj ; j = 1; n), coe…cienţii tehnologici aij - care reprez-
inta cantitatea din resursa Ri ce se foloseşte pentru o unitate din produsul
Pj ; i = 1; m; j = 1; n:
Se cere s¼ a se determine cantitatile ce urmeaz¼ a a … realizate din …ecare produs
xj =?; j = 1; n; astfel încât s¼ a …e consumate toate cantitatile disponibile din
resursele existente si sa se obtina bene…ciul total maxim.
Modelul matematic al acestei probleme este:
xj =?; j = 1; n astfel încât
8 9 9
< a11 x1 + :::a1n xn = b1 = >
>
=
::::::::::::::::::::::::::::::: sistem de restrictii solutie admisibila
: ;
am1 x1 + ::: + amn xn = bm >
> de baza.
;
xj 0; j = 1; condiţii de nenegativitate
f = c1 x1 + ::: + cn xn ! maxim¼ a (funcţia scop, de e…cienţ¼
a).
Exemplul 2. La m furnizori (produc¼ atori) se a‡a¼ un tip de produs care va

… solicitat de c¼atre n bene…ciari (consumatori).
Se cunosc:
-cantit¼
aţile disponibile existente la …ecare furnizor, astfel dac¼a furnizorul
este Fi , not¼am cu ai ; i = 1; m cantitatea disponibil¼ a la furnizorul Fi ;
-cantitatea solicitat¼ a de …ecare bene…ciar Bj , atunci bj este cantitatea
solicitat¼a, j = 1; n;
-costurile unitare de transport de la …ecare furnizor la …ecare bene…ciar
cij de la Fi la Bj :
Se cer: cantit¼ aţile (xij ) ce urmeaz¼a a … transportate de la …ecare furnizor la
…ecare bene…ciar astfel încât:
-toat¼
a cantitatea disponibil¼ a s¼
a …e transportat¼ a;
-toat¼
a cantitatea solicitat¼ a de …ecare bene…ciar s¼ a …e primit¼
a;
-costul total al transportului s¼ a …e minim.
4
Modelul matematic al acestei probleme se va obţine prin evidenţierea tuturor
cerinţelor formulate economic prin relaţii matematice.
In problema economic¼ a formulat¼a nu au fost evidenţiate din anumite mo-
tive şi alte aspecte referitoare la problema de transport, cum ar … costurile de
achiziţie.
C¼aut¼ am necunoscutele: xij =? i = 1; m; j = 1; n astfel încât
Pn
xij = ai i = 1; m - toat¼ a cantitatea de la Fi s¼
a …e transportat¼
a
j=1
Pm
xij = bj j = 1; n - toat¼
a cantitatea solicitat¼
a de Bj s¼
a …e primit¼
a
i=1
xij 0 i = 1; m; j = 1; n - condiţii de nenegativitate.
0
P
m P
n
f = cij xij s¼
a …e minim¼
a ! min.
i=1 j=1
Bibliogra…e
UNITATEA 2. Sisteme de ecuatii liniare. Solutii ad-
misibile de baza
2.1. Sisteme de ecuatii liniare
Multe din problemele matematice, respectiv din aplicaţiile matematicii în
alte domenii se reprezint¼ a prin intermediul unor sisteme de ecuaţii liniare.
O ecuaţie liniar¼ a este aceea care conţine una sau mai multe necunos-
cute toate …ind la puterea I.
Forma general¼
8 a a unui sistem de ecuaţii liniare este:
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
<
a21 x1 + a22 x2 + ::: + a2n xn = b2
;
>
> ::::::::::::::::::::::::::::::::::::::::::::::::::
:
am1 x1 + am2 x2 + ::: + amn xn = bm
unde ai j sunt coe…cienţi reali, aij 2 R; i = 1; m; j = 1; n; bi 2 R;
i = 1; m sunt termeni liberi iar xj sunt necunoscutele ( j = 1; n)
Problema este de a determina xj astfel încât sa …e veri…cate toate ecuatiile
sistemului.
2.2. Tranformari elementare în matrici
Daca A este matricea coe…cienţilor, b- coloana termenilor liberi şi X coloana
necunostelor atunci sistemul se poate scrie sub forma unei ecuatii matriceale
AX=b
Pentru a introduce transformarile elementare vom considera matricea A
reprezentat¼
a într-o form¼
a în care se evidenţiaz¼
a liniile sale
5
0 1
L1
B L2 C
B C
A=B .. C Li = (ai1 ; ai2 ; :::; ain )
@ . A
Lm
Principalele dou¼ a tipuri de transform¼ari elementare sunt:
t1 ) înmulţirea unei linii cu o constant¼ a diferita de 0 : ; Li ; Li ! Li
Transformarile elementare se utilizeaza pentru a rezolva sisteme de ecuatii
liniare. Avand in vedere faptul ca prin inmultirea unei ecuatii cu o constanta
diferita de zero, si respectiv prin adunarea a doua ecuatii se obtin sisteme echiva-
lente (cu aceleasi solutii), folosim transformarile elementare pentru rezolvarea
sistemelor de ecuatii liniare (metoda eliminarii complete sau a reducerii).
Cu transformari convenabile suntem condusi la sisteme de structuri speciale
din care putem exprima necunoscutele principale in functie de necunoscutele
secundare.
t2 ) adunarea la elementele unei linii a elementelor corespunz¼ atoare
unei alte linii: Li ; Lk : Li + Lk ! Li
2.3. Soluţii admisibile de baz¼ a
Din mulţimea tuturor soluţiilor unui sistem de ecuaţii liniare se poate extrage
o submulţime de soluţii care are o calitate special¼ a, şi anume …ecare soluţie
are toate necunoscutele secundare cu valoarea egal¼ a cu 0, iar necunoscutele
principale au valorile mai mari sau egale cu 0. Aceste soluţii se numesc soluţii
admisibile de baz¼a.
La o astfel de soluţie admisibil¼ a de baza se poate ajunge utilizând metoda
elimin¼ arii complete la care alegerea pivotului se face cu respectarea unor
condiţii:
pivotul trebuie s¼a …e pozitiv ,
raportul dintre termenul liber si posibilul pivotul sa …e cel mai mic dintre
toate rapoartele care se obţin împ¼arţind termenii liberi la elementele pozitive
corespunz¼atoare din coloana pivotului
Bibliogra…e
UNITATEA 3. Programare liniara
3.1. Formularea problemei canonice
In cadrul domeniului economic sunt adesea întâlnite probleme care în for-
mulare matematic¼ a sunt nişte probleme de programare liniar¼ a.
O …rm¼ a intenţioneaz¼a s¼
a produc¼ a n tipuri de produse ştiind c¼ a poate s¼a
utilizeze m tipuri de resurse. Se cunosc elementele: cantitatile disponibile din
…ecare resurs¼a pe o perioad¼ a precizat¼
a (bi cantitatea din resursa Ri ; i = 1; m),
bene…ciile unitare nete pentru …ecare produs (cj pentru valori…carea unei buc¼ aţi
din Pj ; j = 1; n), coe…cienţii tehnologici aij - care reprezinta cantitatea din
resursa Ri ce se foloseşte pentru o unitate din produsul Pj ; i = 1; m; j = 1; n:
6
Se cere s¼ a se determine cantitatile ce urmeaz¼ a a … realizata din …ecare produs
xj =?; j = 1; n; astfel încât s¼ a se obtina bene…ciul total maxim.
Modelul matematic acestei probleme este:
xj =?; j = 1; n astfel încât
8 9 9
< a11 x1 + :::a1n xn = b1 = >
>
=
::::::::::::::::::::::::::::::: sistem de restrictii solutie admisibila
: ;
am1 x1 + ::: + amn xn = bm >
> de baza.
;
xj 0; j = 1; condiţii de nenegativitate
f = c1 x1 + ::: + cn xn ! maxim¼ a (funcţia scop, de e…cienţ¼
a).
Problema canonic¼a de programare liniar¼

a, în scriere matricial¼
a se prezint¼
a
astfel:
Se caut¼
a coloana necunoscutelor X astfel încât
AX = b;
X 0;
f = C X ! max
3.2. Rezolvarea problemei canonice cu ajutorul algoritmului sim-

plex
Etapa 1. Se determina o solutie admisibila de baza.
Etapa 2. Se veri…ca optimalitatea solutiei. Condiţiile de optimalitate
sunt
cj fj 0; 8j = 1; n:
(Daca solutia este optima se trece la etapa 5, daca nu este optima se trece la
etapa 3.)
Etapa 3. Se imbunatateste solutia (alegand o noua necunoscuta prin-
cipala, aceea pentru care nu a fost indeplinita conditia de optimalitate).
Etapa 4. Se repeta etapele 2 si 3 (pana cand toate conditiile de opti-
malitate sunt indeplinite).
Etapa 5. Se scrie solutia optima (necunoscutele principale au valorile
corespunzatoare din coloana termenilor liberi, necunoscutele secundare au toate
valoarea egala cu zero, iar valoarea optima a functiei scop se extrage din tabel).
Bibliogra…e
UNITATEA 4. Problema de repartitie (de transport)
4.1. Formularea problemei
O problem¼ a de programare liniar¼a de o structur¼a special¼
a este problema de
repartiţie. La o astfel de problem¼a se evidenţiaz¼
a grupul de restricţii care
se împarte în dou¼ a, condiţiile de negativitate şi funcţia scop care de
obicei trebuie minimizat¼ a.
7
Pentru comoditate vom scrie necunoscutele cu doi indici în scopul evidenţierii
celor dou¼ a tipuri de parteneri. Ilustr¼ am modelul matematic al unei probleme
de repartiţie sub forma unei probleme de transport.
Formularea economic¼ a.
La m furnizori (produc¼ atori) se a‡a¼ un tip de produs care va … solicitat de
c¼
atre n bene…ciari (consumatori).
Se cunosc:
-cantit¼aţile disponibile existente la …ecare furnizor, astfel dac¼ a furnizorul
este Fi , not¼am cu ai ; i = 1; m cantitatea disponibil¼ a la furnizorul Fi ;
-cantitatea solicitat¼ a de …ecare bene…ciar Bj , atunci bj este cantitatea
solicitat¼a, j = 1; n;
-costurile unitare de transport de la …ecare furnizor la …ecare bene…ciar
cij de la Fi la Bj :
Se cer: cantit¼ aţile (xij ) ce urmeaz¼ a a … transportate de la …ecare furnizor la
…ecare bene…ciar astfel încât:
-toat¼a cantitatea disponibil¼ a s¼
a …e transportat¼ a;
-toat¼a cantitatea solicitat¼ a de …ecare bene…ciar s¼ a …e primit¼
a;
-costul total al transportului s¼ a …e minim.
Modelul matematic al acestei probleme se va obţine prin evidenţierea tuturor
cerinţelor formulate economic prin relaţii matematice. Avem de determinat
nişte necunoscute care s¼ a satisfac¼ a restricţiile iar funcţia scop s¼
a aib¼a valoarea
minim¼ a.
Observatie. In problema economic¼ a formulat¼ a nu au fost evidenţiate din
anumite motive şi alte aspecte referitoare la problema de transport, cum ar …
costurile de achiziţie.
C¼aut¼am necunoscutele: xij =?; i = 1; m; j = 1; n astfel încât
Pn
xij = ai i = 1; m - toat¼ a cantitatea de la Fi s¼ a …e transportat¼ a
j=1
Pm
xij = bj j = 1; n - toat¼
a cantitatea solicitat¼
a de Bj s¼
a …e primit¼
a
i=1
xij 0 i = 1; m; j = 1; n - condiţii de nenegativitate.
P
m P
n
f0 = cij xij s¼
a …e minim¼
a ! min.
i=1 j=1
Observatie. La modelul formulat se mai al¼
atur¼
a de obicei aşa zisa condiţie
de echilibrare:
m
X n
X
ai = bj
i=1 j=1
care arat¼ a c¼
a totalul cantit¼
aţilor disponibile coincide cu totalul cantit¼
aţilor
necesare solicitate.
Dac¼ a problema nu este echilibrat¼ a atunci ea se poate echilibra prin consid-
erarea unui furnizor …ctiv în primul caz sau a unui bene…ciar …ctiv în al doilea
caz astfel încât problema s¼ a devin¼ a echilibrat¼
a.
În continuare ne vom ocupa doar de cazul problemei echilibrate.
Pentru rezolvarea problemei enunţate se va enunţa un algoritm numit al-
goritmul distributiv, etapele c¼ aruia se parcurg comod prin considerarea unui
8
tabel asociat problemei de transport. In tabelul cu dou¼ a intr¼ari se evidenţi-
az¼a pe linie datele referitoare la furnizori şi pe coloane se evidenţiaz¼ a datele
referitoare la bene…ciari.
La intersecţia unei linii Fi cu coloana Bj apare în tabel ceea ce se numeşte
„c¼asuţa cu 4 camere” în …ecare camer¼ a urmând a … înregistrat un anumit ele-
ment.
Bj
cij ui + vj
Fi
xij
Exemplu. La doi furnizori se a‡a¼ acelaşi tip de produs în cantitate 80 buc.
la primul (F1 ) şi 140 buc. la al doilea (F2 ): Trei bene…ciari solicit¼
a acest produs
în cantit¼aţile 60; 90; 70 bucati. Problema este echilibrat¼ a. In plus costurile
2 3 5
unitare de transport sunt prezentate mai jos: C =
4 1 2
S¼
a se determine cantit¼ aţile ce vor … transportate de la …ecare furnizor la
bene…ciari astfel încât cerinţele s¼ a …e îndeplinite.
Modelul matematic: xij =? ; i = 1; 2; j = 1; 3 astfel încât
x11 + x12 + x13 = 80

Example 1
8 x21 + x22 + x23 = 140
< x11 + x21 = 60
x12 + x22 = 90
:
x13 + x23 = 70
xij 0 i = 1; 2; j = 1; 3
f = 2 x11 + 3 x12 + 5x13 + 4x21 + x22 + 2x23 ! min
Tabelul asociat acestei probleme:
B F B1 B2 B3 Cant
2 3 5
Fi 80
x11 x12 x13
14 1 2
F2 140
x21 x22 x23
Cant 60 90 70 220 220
4.2. Rezolvarea problemei de transport
Modelul matematic al problemei de transport xij =? ; i = 1; m; j = 1; n
(m - furnizori, n - bene…ciari) astfel încât:
Pn P
m
xij = ai i = 1; m; xij = bj j = 1; n
j=1 i=1
xij 0 i = 1; m; j = 1; n
P
m Pn P
m P
n
f= cij xij ! min. cu condiţia de echilibru: ai = bj :
i=1 j=1 i=1 j=1
Examinând modelul matematic rezult¼ a c¼
a avem mn necunoscute şi m + n
ecuaţii. Vom avea m + n 1 ecuaţii principale (din cauza condiţiilor de echilibru
rezult¼a c¼
a o ecuaţie e secundar¼
a)
9
Din cele m n necunoscute numai m + n 1 vor … necunoscute principale,
toate celelalte …ind necunoscute secundare.
Cum determin¼ am care sunt necunoscutele principale?
Utiliz¼am în continuare o metod¼ a de a g¼ asi necunoscutele principale (m+n 1
) prin asocierea la problema de transport a tabelului cu dou¼ a intr¼ ari. Pe linii
vom preciza toate datele referitoare la furnizori iar pe coloane vom trece toate
elementele ce corespund bene…ciarilor. La interecţtia liniei de indice i vom
trece datele despre Fi (furnizorii Fi ) iar pe coloane cu indice j datele despre
bene…ciarul Bj . La intersecţia (i; j) vom avea în tabel o aşa zis¼ a „c¼ asuţ¼a cu 4
cij ui + vj
camere”
xij
Avem 2 3 = 6 - necunoscute; 2+3 = 5 - restricţii; 2+3 1 = 4 - necunoscute
principale.
Algoritmul distributiv pentru rezolvarea problemelor de transport
este similar cu algoritmul simplex, etapele …ind ca formulare teoretic¼ a iden-
tice, diferind doar în modul lor concret de parcurgere.
Algoritmul distributiv:
Etapa 1. Se determin¼ a o soluţie iniţial¼ a de baz¼ a.
Etapa 2. Se veri…c¼ a optimalitatea soluţiei.
Etapa 3. Se îmbun¼ at¼aţeşte soluţia.
Etapa 4. Se repet¼ a etapele 2;3 pân¼ a când toate condiţiile de optimalitate
vor … îndeplinite.
Etapa 5. Se scrie soluţia optim¼ a şi se calculeaz¼ a valoarea minim¼ a a lui f:
Metod¼ a de determinare a unei soluţii iniţiale de baz¼ a
(Metoda Nord-Vest) Atribuim valori necunoscutelor problemei în ordinea N-
V din tabelul asociat problemei de transport sau în subtabelele r¼ amase. Incepem
cu x11 = min fa1 ; b1 g = 60:In acest caz x21 trebuie s¼ a ia valoarea 0; devenind
necunoscut¼ a secundar¼ a. Continu¼ am completarea tabelului cu colţul NV r¼ amas
liber, adic¼a x12 = min fa1 b1 ; b2 g = 20 (sc¼ adem din valoarea lui a1 pe x11 -se
consider¼ a c¼
a furnizorul F1 trimite c¼ atre bene…ciarul B1 60 de buc¼ aţi, r¼
amânând
în stoc doar cu 20). Raţionamentul continu¼ a în acelaşi mod.
Ilustr¼am în tabelul de soluţii calculele şi raţionamentele precizate mai sus.
v1 = 2 v2 = 3 v3 = 4
2 2 3 3 5 4
u1 = 0 80 20 0
60 20
4 0 1 1 2 2
u2 = 2 140 70 0
70 70
60 90 70
0 70 0
0
Convenim ca în tabelul de soluţii necunoscutele secundare s¼ a le înscriem
cu punct (valorile lor sunt zero). C¼asuţele ocupate sunt c¼ asuţele ce corespund
necunoscutelor principale (acelea la care am înscris valorile). Celelalte c¼ asuţe
(cu ) care corespund necunoscutelor secundare se numesc c¼asuţe libere.
Pentru Etapa 2, veri…carea optimalit¼ aţii se face cu ajutorul unor necunos-
cute „duale”:
10
ui ! care corespund furnizorilor
vj ! care corespund bene…ciarilor
Aceste necunoscute sunt soluţii ale sistemului de ecuaţii
ui +vj = cij ; unde indicii i si j sunt ai necunoscutelor principale (c¼

asuţe ocupate):
Condiţia de optimalitate: trebuie sa aiba loc inegalitatile
cij ui +vj ; unde indicii i si j sunt ai necunoscutelor secundare (c¼

asuţele libere).
Dac¼ a toate condiţiile de optimalitate vor … îndeplinite atunci de la etapa a

2-a a algoritmului distributiv se trece la etapa a 5-a .
Dac¼ a îns¼a cel puţin o condiţie de optimalitate nu este îndeplinit¼ a atunci se
va trece la etapa a 3-a (de îmbun¼ at¼
aţire).
La exemplul nostru avem urm¼
8 atorul sistem:
>
> u 1 + v 1 = 2
<
u1 + v2 = 3
4 necunoscute principale =) 4 ecuaţii; 5 necunoscute
>
> u2 + v2 = 1
:
u2 + v3 = 2
In cazul general sistemul ui +vj = cij ; are m+n 1 ecuaţii (câte necunoscute
principale avem) cu m + n necunoscute. Avem o necunoscut¼ a dual¼a secundar¼ a
c¼areia îi putem da orice valoare. Pentru comoditate i se d¼ a valoarea zero şi astfel
se va putea rezolva sistemul obţinându-se o soluţie.
In exemplul nostru presupunem u1 = 0 =) v1 = 2; v2 = 3; u2 = 2; v3 =
4:
Calculul pentru obţinerea acestor valori ale necunoscutelor duale se poate
face pe tabel.
Se testeaz¼ a optimalitatea soluţiei g¼ asite. Pentru aceasta vom calcula sumele
ui + vj în c¼ asuţele libere. 9
cij ui + vj ; xij necunoscute secundare =
5 4 =) sunt îndeplinite condiţi-
;
4 0
ile de optimalitate astfel încât se va trece direct la la etapa a 5-a.
60 20 0
Scriem soluţia optim¼ a: xopt = ; fm in = 120 + 60 + 70 +
0 70 70
140 = 390 (costul total minim al transportului).
Etapa 3. Dac¼ a cel puţin o condiţie de optimalitate nu este îndeplinit¼ a
ci0 j0 < ui0 +vj0 înseamn¼ a c¼
a soluţia nu este optim¼a şi ea trebuie îmbun¼ at¼aţit¼
a în
sensul c¼ a necunocuta secundar¼ a xi0 j0 (care are valoarea zero), trebuie s¼ a devin¼ a
necunoscut¼ a principal¼ a. Aceasta se realizeaz¼ a prin adunarea la zero a unei
cantit¼ aţi unde se determin¼ a astfel încât toate ecuaţiile care au necunoscuta
xi0 j0 s¼a r¼amân¼ a satisf¼acute, xi0 j0 = 0 + :
Deci dac¼ a se adun¼ a într-un loc atunci trebuie s¼ a se scad¼a din alt loc.Sigur
sc¼aderile se vor putea face doar de la necunoscutele care au valori pozitive (sunt
necunoscute principale). De fapt acestor operaţii de adunare / sc¼ adere se vor
11
face într-un aşa zis „ciclu de c¼ asuţe”format dintr-o succesiune de c¼ asuţe, prima
de la care se pleac¼ a …ind c¼ asuţ¼
a liber¼ a, toate celelalte …ind c¼ asuţe ocupate.
În acest mod se obţine o nou¼ a soluţie care este mai bun¼ a decât vechea soluţie,
adic¼a valoarea funcţiei pentru noua soluţie este mai mic¼ a decât valoarea funcţiei
pentru soluţia anterioar¼ a.
Exemplu. S¼ a se rezolve problema de transport dat¼ a prin tabelul:
v1 = 1 v2 = 5 v3 = 10
4 4 2 8 3 13
u1 = 3 100
100
1 1 5 5 2 10
u2 = 0 300 250
50 250 +
3 2 2 2 7 7
u3 = 3 200
+ 0 200
150 250 200
50 0
atenţie la x0ij = x32 = 0; necunoscuta principal¼ a: Trebuie s¼ a …e m + n 1
- necunoscute principale. Am gasit o solutie initiala. Avem: f1 = 400 + 50 +
1250 + 1400 = 3100 .
Etapa 2. Veri…cam optimalitatea (efectuand calculele direct pe tabel).
Deoarece 2 10 este fals, solutia nu este optima, deci trebuie facuta im-
bunatatirea (etapa a 3-a), adica acel zero (punctul din c¼ asuţa liber¼a) trebuie
modi…cat. Pentru aceasta vom adauga ( + "): si vom scadea ( ) un total de
200 care este minimul din casutele notate cu .
Obtinem o noua solutie.
Etapa a 4-a consta in repetarea etapelor 2 si 3. Astfel avem:
v1 = 4 v2 = 8 v3 = 5
4 4 2 8 3 5
u1 = 0
100 0
1 1 5 5 2 2
u2 = 3
+ 50 50 200
3 2 2 2 7 1
u3 = 6
200
Deoarece 2>8 este fals, solutia imbunatatita nu este optima, iar f2 = 1500:
Continuam succesiv (conform cu etapa a 4-a) si obţinem urm¼ atoarele tabele cu
= 50
v1 = 4 v2 = 2 v3 = 5
4 4 2 2 3 5
u1 = 0
50 50 +
1 1 5 1 2 2
u2 = 3
+ 100 200
3 4 2 2 7 5
u3 = 0
200
12
v1 = 0 v2 = 0 v3 = 1
4 2 2 2 3 3
u1 = 2
50 50
1 1 5 1 2 2
u2 = 1
150 150
3 2 2 2 7 3
u3 = 2
200
Solutia este
0 optima si trecem 1 deci la Etapa 5.
0 50 50
Xopt = @ 150 0 150 A ; fmin = 100+150+150+300+400 = 1100 u:m
0 200 0
Bibliogra…e
Probleme rezolvate
Problema 1. Folosind metoda eliminarii complete sa se rezolve urmatorul
sistem
8 de ecuatii:
< 2x1 +x2 +3x3 = 2
x1 x2 + x3 = 2 :
:
x1 + x3 = 1
Rezolvare. Vom reduce pe rand coloanele matricii asociate sistemului ale-
gand elementele pivot numere pozitive intotdeauna de pe o linie sau coloane de
pe care nu au mai fost alese alte elemente pivot. Vom aseza matricea sistemului
intr-un tabel in felul urmator:
b x1 x2 x2 Transformarea:
I. 2 2 1 3
2 1 1 1 L1 + L2 ! L2
1 1 0 1
II. 2 2 1 3 ( 3)L3 + L1 ! L1
4 3 0 4 ( 4)L3 + L2 ! L2
1 1 0 1
III. 1 5 1 0 17 L2 ! L2
0 7 0 0 ( 5)L2 + L1 ! L1
1 1 0 1 L2 + L3 ! L3
IV. 1 0 1 0
0 1 0 0
1 0 0 1
Prin transformarile elementare efectuate am obtinut o matrice echivalenta
cu matricea sistemului,
0 de forma:1
0 1 0 1
A A0 = @ 1 0 0 0 A
0 0 1 1
Din aceasta matrice ne este usor sa citim solutia (unica, sistemul este com-
patibil determinat):
13
8
< x1 = 0
x2 = 1 :
:
x3 = 1
Problema 2. Sa se rezolve urmatorul sistem de ecuatii:
2x1 + x2 x3 = 0
:
x1 x2 + 4x3 = 3
Rezolvare. Vom folosi metoda eliminarii complete:
b x1 x2 x3
I. 0 2 1 1
3 1 1 4
II. 0 2 1 1
3 3 0 3
III. 2 0 1 3
1 1 0 1
In tabelul III observam ca nu a mai ramas nici o line de pe care sa alegem
element pivot. Sistemul nostru a fost redus la un sistem echivalent de forma:
x2 3x3 = 2
x1 + x3 = 1
Sistemul este compatibil nedeterminat, x3 (a carui coloana nu a fost redusa)
este8necunoscuta secundara iar solutia se scrie astfel:
< x1 = +1
x2 = 3 2
:
x3 = 2R
Problema 3. S¼
8 a se rezolve sistemul de ecuatii liniare:
< x1 x2 + x3 = 6
2x1 + x2 x3 = 7
:
x1 + x2 x3 = 10
Rezolvare. Folosim metoda eliminarii complete:
b x1 x2 x3
I. 6 1 1 1
7 2 1 1
10 1 1 1
II. 6 1 1 1
13 3 0 0
16 2 0 0
III. 2 0 1 1
11 0 0 0
8 1 0 0
Dupa cum se observa in tabelul III nu mai putem alege pivot si de pe lina
a 2-a deoarece toate elementele sale sunt nule. In aceasta situatie veri…cam
coloana termenilor liberi. Daca si acolo avem tot zero, atunci inseamna ca
ecuatia corespunzatoare liniei respective este o ecuatie secundara. Daca insa
termenul liber corespunzator nu este nul, ca si in cazul nostru, inseamna ca
avem o situatie imposibila, ecuatia respectiva …ind de forma: 0 = 11:Spunem
ca sistemul este incompatibil.
14
Problema 4. Sa se determine o solutie admisibila de baza pentru urmatorul
sistem de ecuatii liniare:
2x1 + 3x2 x3 = 9
::
x1 x2 + x3 = 2
Rezolvare. Pentru gasirea unei solutii admisibile de baza elementul pivot
trebuie ales astfel incat sa respecte cele doua reguli: sa …e pozitiv si raportul
intre termenul liber si pivot sa …e minimul rapoartelor dintre termenii liberi si
celalte elemente pozitive corespunzatoare de pe coloana sa.
b x1 x2 x3 Rapoarte
I. 9 2 3 1 92 = 4: 5
2 1 1 1 12 = 2:0
II. 5 0 5 3 55 = 1
2 1 1 1 -
III. 1 0 1 3=5
3 1 0 2=5
In primul tabel (I.), pentru a alege un element pivot din prima coloana, vom
construi rapoartele dintre termenii liberi si elementele coloanei: 92 si 12 : Il alegem
pe cel cu valoarea cea mai mica, adica 21 ; deci element pivot va … 1. In tabelul
al doilea putem alege element pivot de pe coloana lui x2 sau a lui x3 : In coloana
lui x2 avem o singura varianta de algere a pivotului, deoarece avem un singur
element pozitiv pe coloana. Tabelul III ne furnizeaza o solutie admisibila de
baza pe care o citim astfel: necunoscutele secundare (corespunzatoare coloanelor
nereduse) vor lua valoarea 0, iar cele principale (corespunzatoare coloanelor
reduse) se citesc de pe coloana termenilor liberi. Astfel, o solutie de baza a
sistemului
8 va …:
< x1 = 3
x2 = 1
:
x3 = 0 - necunoscuta secundara
Problema
8 5. Sã se rezolve urmãtoarea problemã de programare liniarã:
>
> x1 + 2x2 + 2x3 x4 = 6
>
>
< x1 + x2 + 2x4 = 5
2x1 x2 + x3 + x4 = 8
>
>
>
> xj 0; j = 1; 4
:
f = 2x1 + x2 + 5x3 + 3x4 ! max
Rezolvare. Vom rezolva problema folosind algoritmul simplex. Vom con-
strui un tabel similar cu cel pentru rezolvarea sistemelor de ecuaţii, doar cã vom
mai adãuga nişte linii şi nişte coloane:
- deasupra coloanelor corespunzãtoare necunoscutelor mai adãugãm o linie
care sã conţinã valorile coe…cienţilor funcţiei f corespunzãtoare …ecãrei necunos-
cute.
- în stânga tabelului vom mai adãuga douã coloane, una în care vom trece
necunoscutele principale gãsite iar cealaltã în care vom scrie coe…cienţii funcţiei
corespunzãtori acestor necunoscute principale.
Primul tabel va arãta în felul urmãtor:
15
2 1 5 3
CB B b x1 x2 x3 x4
6 1 2 2 1
5 1 1 0 2
8 2 1 1 1
Pentru început nu vom completa coloana B a necunoscutelor principale
deoarece nu avem în matricea sistemului nici o coloanã redusã (nici o necunos-
cuta nu este inca principala).
Trecem acum la prima etapã a algoritmului simplex, adicã determinarea unei
soluţii admisibile de bazã. Pentru aceasta vom avea în vedere ca elementul pivot
sã respecte cele douã reguli: sã …e pozitiv iar raportul dintre termenul liber şi
pivot sã …e minimul rapoartelor similare de pe coloana respectivã:
2 1 5 3
CB B b x1 x2 x3 x4 Rapoarte:
6
6 1 2 2 1 2 =3
5
I 5 1 1 0 2 1 =5
8 2 1 1 1
3
1 x2 3 1=2 1 1 1=2 1 = 6
2
2
II 2 1/2 0 1 5=2 1 = 4
2
11 22
11 5=2 0 2 1=2 5 = 5
2
1
1 x2 1 0 1 2 3 2
III 2 x1 4 1 0 2 5
1 0 0 7 12 1=7
5
1 x2 5=7 0 1 0 3/7 3
30
IV 2 x1 30=7 1 0 0 11=7 11
5 x3 1=7 0 0 1 12=7
fj 10 2 1 5 5
cj fj 0 0 0 8
3 x4 5=3 0 7=3 0 1
V 2 x1 5=3 0 7=3 0 1
5 x3 3 0 4 1 0
fi 70=3 2 59=3 5 3
cj fj 0 56=3 0 0
In tabelul IV observãm cã s-a determinat o primã soluţie admisibilã de bazã.
Se trece de aceea la etapa urmãtoare a algoritmului, adicã la veri…carea optimal-
itãţii acestei soluţii. Pentru aceasta avem nevoie sã calculãm diferenţele cj fj ;
unde cj - coe…cientul lui xj în f iar fj se calculeazã ca şi suma produselor el-
ementelor de pe coloana coe…cienţilor bazei CB şi elementele …ecãrei coloane
j; j = 1; 4:
Se observã cã în tabel vom trece o linie nouã pentru valorile lui fj şi încã
una pentru diferenţele cj fj : Pe linia lui fj şi coloana termenilor liberi vom
obţine valoarea funcţiei f pentru soluţia testatã.
Dacã soluţia ar … optimã atunci toate diferenţele cj fj ar trebui sã …e
negative. Se observã însã cã pe coloana lui x4 ; c4 f4 = 8 > 0: Trecem la
16
urmãtoarea etapã, adicã îmbunãtãţirea soluţiei de bazã gãsite. Acest lucru se
realizeazã prin reducerea coloanei pentru care avem diferenţa cj fj pozitivã
(în cazul nostru coloana lui x4 ), alegând elementul pivot cu respectarea celor
douã reguli.
In tabelul V obţinem astfel o nouã soluţie admisibilã de bazã. Calculând şi
pentru aceasta diferenţele cj fj constatãm cã sunt toate negative sau zero, de
unde deducem cã noua soluţie obţinutã este optimã. O „citim” din tabelul V
ţinând cont de faptul cã necunoscutele principale vor lua valorile corespun-
zãtoare de pe coloana termenilor liberi, adicã x1 = 35 ; x3 = 3 şi x4 = 53
iar cele secundare, în cazul nostru x2 va … zero. Soluţia optimã se scrie:
t
Xopt = 53 ; 0; 3; 53 :
Valoarea optimã a funcţiei apare în tabelul V pe linia lui fj şi coloana ter-
menilor liberi: f (xopt ) = fmax = 70 3 :
Problema
8 6. Sã se rezolve problema de programare liniarã canonicã:
>
> 3x 1 + x3 + 6x 4 = 11
>
>
< 2x2 x3 + 4x4 = 8
3x1 x3 + 4x4 = 8
>
>
>
> xj 0; j = 1; 4
:
f = 4x1 + 2x2 x3 + 4x4
Rezolvare. Vom folosi algoritmul simplex:
4 2 1 4
CB B b x1 x2 x3 x4
11 3 0 1 6
8
I 8 0 2 1 4 2
8 3 0 1 4
11 3 0 1 6
II 2 x2 4 0 1 1=2 2
8 3 0 1 4 8=3
19 0 0 0 10 19=10 = 1; 9
III 2 x2 4 0 1 1=2 2 4=2 = 2
4 x1 8=3 1 0 1=3 4=3 8=4 = 2
4 x4 19=10 0 0 0 1
IV 2 x2 1=5 0 1 1=2 0
4 x1 2=15 1 0 1=3 0
128 7
fj 15 4 2 3 4
cj fj 0 0 4=3 0
In tabelul IV obţinem o soluţie admisibilã de bazã a cãrei optimalitate o
veri…cãm. Observãm însã cã pe coloana lui x3 diferenţa c3 f3 = 43 > 0 deci
soluţia nu e optimã. Dacã însã vrem sã o îmbunãtãţim observãm cã pe coloana
lui x3 nu este nici un element pozitiv care sã poatã … ales pivot. Ne a‡ãm
într-un caz special în care funcţia de optimizat are maxim in…nit.
Problema 7. Sã se rezolve problema de programare liniarã canonicã:
17
8
>
> x1 + 3x2 + x3 + x4 = 7
>
>
< x1 + x2 + 2x3 + x4 = 7
3x1 + 2x2 + x3 =8
>
>
>
> xj 0; j = 1; 4
:
f = 5x1 + x2 + 4x3 + 2x4 ! max
Rezolvare. Aplicam algoritmul simplex
5 1 4 2
CB B b x1 x2 x3 x4
7 1 3 1 1 7=1 = 7
I 7 1 1 2 1 7=2 = 3; 5
8 3 2 1 0 8=1 = 8
7=2 1=2 5/2 0 1=2 7=5
II 4 x3 7=2 1=2 1=2 1 1=2 7=1
9=2 5=2 3=2 0 1=2 9=3
1 x2 7=5 1=5 1 0 1=5 7=1
III 4 x3 14=5 2=5 0 1 2=5 14=2 = 7
12=5 11/5 0 0 4=5 12=11
1 x2 13=11 0 1 0 3=11 13=3
IV 4 x3 26=11 0 0 1 6/11 13=3
5 x1 12=11 1 0 0 4=11
177
fj 11 5 1 4 7=11
cj fj 0 0 0 15=11
1 x2 0 0 1 1=2 0
V 2 x4 13=3 0 0 11=6 1
5 x1 8=3 1 0 2=3 0
39
fi 22 5 1 6 2
15
cj fj 0 0 6 0
In tabelul IV observam ca rapoartele minime necesare pentru alegerea piv-
otului sunt egale intre ele. In acest caz, pentru a alege pivotul vom folosi
ordonarea lexicogra…cã pentru a compara cele douã linii. Pentru aceasta
vom scrie cele douã linii, …ecare împãrţitã la posibilul pivot corespunzãtor:
L1 = 0; 11 11
3 ; 0; 1 şi L2 = 0; 0; 6 ; 1
In ordonarea lexicogra…cã se comparã elementele celor douã linii 2 câte 2.
Este declaratã mai micã şi aleasã ca şi linie pivot linia pentru care apare primul
element mai mic decât corespondentul sãu de pe cealaltã linie.
In cazul nostru avem 0 = 0; 11 3 > 0 de unde rezultã cã linia a doua e mai
6
micã în ordine lexicologicã decât prima şi deci alegem pivot pe 11 : Soluţia gasitã
în tabelul V este optimã deoarece toate diferenţele cj fj sunt negative. Citim
soluţia şi avem: Xopt t
= 83 ; 0; 0; 13
3 ; fmax = 22:
Observaţie: Situatia cã am avut nevoie de ordonarea lexicogra…cã pentru
a alege între 2 rapoarte minime egale ne indicã faptul cã soluţia pe care o
obţinem este degeneratã, adicã avem necunoscute principale cu valoarea zero.
Intr-adevãr, în xopt avem x2 = 0 chiar dacã x2 este necunoscutã principalã.
Problema 8. Sã se rezolve problema de programare liniarã canonicã:
18
8
>
> 3x1 + 2x2 + 3x3 + x4 + 2x5 = 10
>
>
< x2 + x1 + 2x3 6x4 + 3x5 = 5
x1 + x2 + x3 2x4 + 2x5 = 4
>
>
>
> xj 0; j = 1; 5
:
f = 5x1 + 4x2 + 8x3 + 2x4 + 3x5 ! max
Rezolvare. Folosim algoritmul simplex:

5 4 8 2 3
CB B b x1 x2 x3 x4 x5
10 3 2 3 1 2 10=2
I 5 1 1 2 6 3 5=1
4 1 1 1 2 2 4=1
2 1 0 1 5 2 2=1
II 1 2 0 1 4 1
4 x2 4 1 1 1 2 2 4=1
5 x1 2 1 0 1 5 2 2=1
III 5 0 0 3 6 3 5=3
4 x2 2 0 1 0 7 4
5 x1 1=3 1 0 0 3 1
IV 8 x3 5=3 0 0 1 2 1
4 x2 2 0 1 0 7 4 2=4
fj 23 5 4 8 3 3
cj fj 0 0 0 1 0
5 x1 5=6 1 1=4 0 5=4 0
V 8 x3 13=6 0 1=4 1 1=4 0
3 x5 1=2 0 1=4 0 7=4 1
fj 23 5 4 8 3 3
cj fj 0 0 0 1 0
Observãm cã în tabelul IV soluţia admisibilã de bazã obţinutã este soluţia
optimã, deoarece toate diferenţele cj fj 0. Putem scrie aceastã soluţie
t 1 5
Xopt 1 = 3 ; 2; 3 ; 0; 0 ; fmax = 23:
Studiind linia cj fj observãm cã pe coloana necunoscutei secundare x5
avem c5 f5 = 0: Acest lucru indicã faptul cã problema poate avea mai multe
soluţii optime, pe care le putem gãsi reducând coloana lui x5 :
Observaţie: Intodeauna când numãrul zerourilor de pe linia cj fj ; în
cazul unei soluţii optime, este mai mare decât numãrul necunoscutelor principale
înseamnã cã problema poate avea mai multe soluţii optime.
t 5 13 1
Reducând coloana lui x5 obţinem o nouã soluţie: Xopt 2 = 6 ; 0; 6 ; 0; 2 ;
fmax = 23:
Observaţie: Soluţia generalã a problemei de programare liniarã se scrie ca
şi combinaţie liniarã convexã a soluţiilor optime.
t t t
In cazul nostru soluţia generalã se scrie: Xopt = 1 Xopt 1 + 2 Xopt 2 ; 1; 2
t 5 2 5 1 13 2
0; 1 + 2 = 1; Xopt = 3 + 6 ; 2 1 ; 3 + 6 ; 0; 2 ;
1 2
fmax = 23:
Problema 9. S¼ a se rezolve urm¼ atoarea problem¼ a de programare liniar¼ a
generala:
19
8
>
> 2x1 + x2 + x3 50
>
>
>
> x1 + 4x2 + x4 60
<
x1 + x4 = 15
:
>
> x3 + x4 = 20
>
>
>
> xj 0; j = 1; 4
:
f = 2x3 5x4 ! maxima
Rezolvare. Observam ca diferenta dintre forma in care este prezentata
problema data si forma canonica a problemei de programare liniara consta in
acest caz in faptul ca in sistem apar atat ecuatii cat si inecuatii. Deoarece nu
putem aplica algoritmul simplex decat pentru problema canonica de progra-
mare liniara, va trebui sa transformam problema data intr-una echivalenta, dar
scrisa in forma canonica. Pentru aceasta vom transforma inecuatiile in ecuatii
introducand niste variabile noi, de compensare in …ecare inecuatie. Variabilele
de compensare trebuie sa se supuna conditiilor de nenegativitate, si de aceea,
in functie de semnul inecuatiilor, le vom aduna sau le vom scadea la membrul
stang al inecuatiei pentru a obtine egalitate.
Astfel, in prima inecuatie vom adauga variabila de compensare x5 iar in a
doua8 x6 : Problema noastra va deveni:
>
> 2x1 + x2 + x3 + x5 = 50
>
>
< x1 + 4x2 + x4 + x6 = 60
x1 + x4 = 15
>
>
>
> x 3 + x 4 = 20
:
xj 0; j = 1; 6; f = 2x3 5x4 ! maxima
Obsevam ca variabilele de compensare nu modi…ca expresia functiei de op-
timizat.
Avand acum problema scrisa in forma canonica, putem sa aplicam algoritmul
simplex:
20
0 0 2 5 0 0 Rapoarte
cB B b x1 x2 x3 x4 x5 x6
50
I 0 x5 50 2 1 1 0 1 0 2 = 25
0 x6 60 1 4 0 1 0 1 -
15
15 1 0 0 1 0 0 1 = 15
12 0 0 1 1 0 0 -
20
II. 0 x5 20 0 1 1 2 1 0 1 = 20
0 x6 75 0 4 0 2 0 1
0 x1 15 1 0 0 1 0 0
20
20 0 0 1 1 0 0 1 = 20
0
III. 0 x5 0 0 1 0 3 1 0 1 =0
75
0 x6 75 0 4 0 2 0 1 4
0 x1 15 1 0 0 1 0 0 -
2 x3 20 0 0 1 1 0 0 -
fj 40 0 0 2 2 0 0
cj fj 0 0 0 7 0 0
IV. 0 x2 0 0 1 0 3 1 0
0 x6 75 0 0 0 14 4 1
0 x1 15 1 0 0 1 0 0
2 x3 20 0 0 1 1 0 0
fj 40 0 0 2 2 0 0
cj fj 0 0 0 7 0 0
In tabelul numarul II observam ca solutia problemei este degenerata, deoarece
avem rapoarte minime egale. Pentru alegerea pivotului am aplicat ordonarea
lexicogra…ca. Din tabelul III, datorita faptului ca avem mai multe zerouri pe
linia diferentelor cj fj decat numarul de coloane reduse, deducem ca prob-
lema s-ar putea sa aiba mai multe solutii. Prin reducerea coloanei respective
t
observam ca solutia nu se modi…ca. Astfel, avem: Xoptim = (15; 0; 20; 0; 0; 75),
fmax = 40:
Observatie. Problema generala in care se cere minimul functiei obiectiv se
rezolva in acelasi mod doar ca vom schimba conditia de optimalitate, adica o
solutie va … optima daca toate diferentele cj fj sunt > 0:
Problema 10. Sa se rezolve problema de transport data in tabelul:
4 2 1
40
2 1 3
25
10 35 20
Rezolvare. In primul rand, veri…cam daca problema data este echilibrata.
Avem 10 + 35 + 20 = 40 + 25 = 65: In acest caz putem aplica algoritmul
distributiv pentru rezolvarea problemei de transport. Vom folosi metoda Nord-
Vest pentru determinarea unei solutii initiale a problemei:
21
4 2 1
40 30 0
10 30
2 1 3
25 20 0
5 20
10 35 20
0 5 0
0
In continuare veri…cam optimalitatea solutiei rezolvand sistemul de ecuatii
de forma ui + vj = cij; xij sunt necunoscutele principale. In cazul nostru acest
sistem are 2+3 1 = 4 ecuatii si 2+3 = 5 necunoscute. Inseamna ca putem alege
una din necunoscute ca …ind secundara si sa-i dam o valoare oarecare. Pentru
comoditate ii dam valoarea 0 lui u1 : Tot pentru comoditate vom rezolva sistemul
de ecuatii direct pe tabel, scriind pe bordura din stanga a tabelului valorile lui
ui iar deasupra tabelului valorile pentru vj : Pentru rezolvarea sistemului a‡am
pe rand …ecare necunoscuta pornind de la cea la care i-am dat valoare si avand
grija ca pentru casutele ocupate sa aiba loc egalitatea ui + vj = cij : Pe masura
ce a‡am valorile lui ui si vj completam coltul din dreapta sus al …ecarei casute
ocupate cu suma lor ui + vj :
v1 = 4 v2 = 2 v3 = 4
4 4 2 2 1 4
u1 = 0 40 30 0
10 - 30 +
2 3 1 1 3 3
u2 = 1 25 20 0
+ 5 - 20
10 35 20
0 5 0
0
Dupa rezolvarea sistemului vom completa si pentru casutele neocupate coltul
din dreapta sus cu sumele ui + vj : Solutia determinata este optima daca pen-
tru toate casutele neocupate avem inegalitatea ui + vj cij : Veri…cam asadar
casutele neocupate (cu punct) si constatam ca avem u1 + v3 = 4 > 1 = c13 si
u2 + v1 = 3 > 2 = c21 . Deducem ca solutia nu este optima, deci trebuie sa o
imbunatatim.
Imbunatatirea solutie se face pornind de la casuta libera care nu satisface
conditia de optimalitate si diferenta dintre ui + vj si cij este cea mai mare. In
cazul nostru, aceasta este casuta (1; 3). Formam ciclul pornind de la aceasta
casuta, trecand pe linii sau pe coloane doar prin casute ocupate si marcand
alternativ cu + si casutele prin care trecem. Cautam minimul valorilor din
casutele cu semn , adica minf30; 20g = 20: Aceasta este valoarea pe care o
vom adauga, respectiv scadea din casutele ciclului pentru a obtine o solutie im-
bunatatita. Intr-una din casutele ciclului va ramane valoarea 0. In loc de 0 vom
trece ; necunoscuta respectiva va deveni necunoscuta secundara, iar necunos-
cuta de la care am pornit ciclul va deveni necunoscuta principala. Urmatorul
tabel va arata in forma:
22
v1 = 4 v2 = 2 v3 = 1
4 4 2 2 1 4
u1 = 0
10 + 10 20
2 3 1 1 3 0
u2 = 1
+ 25
Veri…cam optimalitatea noii solutii si constatam ca inca nu am ajuns la
…nal deoarece in casuta (2; 1) avem u2 + v1 c21 (2 < 3): Pornim un ciclu
de la aceasta casuta si trecem la solutia urmatoare adunand, respectiv scazand
valorilor din casutele din ciclu pe = 10 = minf10; 25g:
v1 = 3 v2 = 2 v3 = 1
4 3 2 2 1 1
u1 = 0
20 20
2 2 1 1 3 0
u2 = 1
10 15
Pentru noua solutie se veri…ca conditiile de optimalitate, asadar putem scrie
0 20 20
solutia Xoptim = pentru care costul total de transport este
10 15 0
minim, si anume: fmin = 2 20 + 1 20 + 2 10 + 1 15 = 95:
Teme de control
Probleme propuse
Problema
8 1. Sa se rezolve sistemul de ecuatii:
< x1 + x3 = 4
x1 + x2 x3 = 4
:
10x2 + x3 = 3
Raspuns. x1 = 1; x2 = 0; x3 = 3:
Problema 2. Sa se rezolve sistemul de ecuatii:
8
>
> 2x1 + x2 x3 + x4 = 4
<
x1 + x2 + 2x3 x4 = 1
>
> 3x 1 2x 2 + 5x 3 = 5
:
x1 x2 + x3 x4 = 1
Raspuns. x1 = 1; x2 = 1; x3 = 0; x4 = 1:
8
< x1 + x2 + x3 = 7
x1 + 2x2 + x3 = 6
:
x1 10x2 x3 = 20
Rezolvare. Sistemul este incompatibil.
8
>
> 3x1 + 4x2 5x3 + x4 = 40
>
>
< 7x1 + x2 + 3x3 x4 = 13
x1 + x3 + x4 = 0
>
>
>
> 2x 1 x2 + x 4 = 1
:
x1 + x2 + x3 + x4 = 5
Raspuns. x1 = 1; x2 = 5; x3 = 3; x4 = 2:
8
< x1 + x2 x3 + x4 = 4
x1 x2 + x3 x4 = 4
:
2x1 3x3 = 8
23
Raspuns. x1 = 4 3 3 ; x2 = ; x3 = 2 2 ; x4 = ; ; 2 R::
8
< x1 + 2x2 x3 = 2 3b
x1 + x2 + x3 = 1
:
x1 x2 + x3 = 2a + 2b + 1
Raspuns. x1 = a; x2 = 1 b; x3 = a + b:
Problema 7. Sa se determine o solutie admisibila de baza pentru urmatorul
sistem
8 de ecuatii liniare:
< x1 + 3x2 x3 + x4 = 1
x1 x2 + x3 5x4 = 2
:
2x1 + x2 + x3 + 10x4 = 9
Raspuns. x = ( 34 ; 32 ; 29
6 ; 0):
Problema 8. S¼ a se rezolve urm¼ atoarea problem¼
a de programare liniar¼
a
standard:
8
>
> 3x1 + x2 + 2x3 = 10
>
>
< 3x1 + x3 + x4 = 4
5x1 + 2x3 + x5 = 8
>
>
>
> xj 0 ; j = 1; 5
:
f = x1 + 2x3 ! max
aspuns. xtoptim = (0; 2; 4; 0; 0) ; fmax = 8
R¼
Problema 9. S¼ a se rezolve urm¼ atoarea problem¼
a de programare liniar¼
a
dat¼a8în forma general¼ a:
>
> 3x1 + x2 x3 + 2x4 = 50
>
>
>
> 2x 1 x2 + x 3 + 5x 4 30
<
x1 + 2x2 + 2x3 + x4 80
>
> 2x 1 1x 2 + x 3 + 2x 4 70
>
>
>
> x j 0 ; j = 1; 4
:
f = 2x1 + 4x2 + 5x3 + x4 ! maxim¼ a
aspuns. xtoptim = (2; 1; 2; 0; 2; 0; 0) ; fmax = 18
R¼
Problema 10. Sa se rezolve urmatoarea problema de transport:
8 3 5 2
1000
4 1 6 7
1500
:
1 9 4 3
2500
500 1000 2000 1500 0 1
0 0 0 1000
Raspuns. fmin = 14000; Xoptim = @ 0 1000 500 0 A:
500 0 1500 500
24
2 3 1 1
70
3 2 3 1
240
2 1 4 1
190
50 100 250 100
0 1
0 0 70 0
Raspuns. fmin = 910; Xoptim = @ 0 0 180 60 A :
50 100 0 40
Problema 12. Sa se determine solutia generala a urmatoarei probleme de
transport:
2 3 2 4
700
2 1 3 4
100
5 3 2 1
200
250 500 150 100
0 1
250
1 + 250 2 400 1 + 300 2 50 1 + 150 2 0
R. fmin = 2200; Xopt = @ 0 100 1 + 100 2 0 0 A
0 100 1 0 100 1 + 100 2
2 2 1 3
250
1 2 3 4
150
3 2 3 2
100
100 150 50 200
0 1
0 100 50 100
Raspuns. fmin = 950; Xoptim = @ 100 50 0 0 A:
0 0 0 100
MODULUL II. Elemente de analiz¼

a matematic¼
a
Obiectivele modulului
Introducerea catorva notiuni de analiza functiilor reale de mai multe vari-
abile reale care sa constituie pentru studenti instrumente pentru tratarea
unor probleme de extrem, pentru a permite interpolarea si ajustarea datelor
experimentale, etc.
Crearea bazelor de analiza matematica necesare pentru studiul teoriei
probabilitatilor si pentru statistica matematica.
Concepte de baza
25
Spatiul Rn , distanta in Rn , topologia euclidiana in Rn ;
Limite de functii de la Rn la R, continuitatea functiilor de la Rn la R;
Derivate partiale, diferentiabilitate si diferentiala pentru functiile de la Rn
la R, derivate partiale si diferentiale de ordin superior;
Extremele functiilor reale de mai multe variabile reale (libere sau cu lega-
turi);
Ajustarea datelor experimentale;
Integrale Euler.
Rezultate asteptate
Insusirea conceptelor de baza mentionate si crearea deprinderilor de utilizare
a acestora. Studentul trebuie sa …e capabil sa aplice in practica notiunile studi-
ate pentru analizarea unor situatii concrete din economie, cum ar … de exemplu
probleme de gestiunea optima a stocurilor.
Sinteza
UNITATEA 1. Functii reale de mai multe variabile
reale
1.1. Elemente de topologie a spatiului Rn
În studiul fenomenelor …zice, economice (şi în alte situaţii) apare de mai
multe ori necesitatea studiului mulţimilor …nite cu num¼ar …x de numere reale.
De exemplu, spaţiul în care tr¼aim este modelat ca o mulţime de puncte de-
terminate de trei coordonate. Fie n un num¼ ar natural …xat nenul. Mulţimea
sistemelor de forma:
x = (x1 ; x2 ; :::; xn ) ;
unde x1 ; x2 ; :::; xn sunt numere reale, se numeşte spaţiul Rn . Elementele acestei
mulţimi se numesc puncte, iar numerele x1 ; x2 ; :::; xn care determin¼ a punctul x
se numesc coordonatele sau componentele acestui punct.
Pe spaţiul Rn se pot considera diverse structuri care s¼ a extind¼
a structura
axei reale.
Pentru orice pereche de elemente x şi y din Rn , exist¼ a în Rn suma lor x + y
dat¼a de:
x + y = (x1 + y1 ; x2 + y2 ; :::; xn + yn ) :
De asemenea, pentru …ecare 2 R şi x 2 Rn exist¼ a în Rn
x = ( x1 ; x2 ; :::; xn ) :
Se numeşte metric¼ a sau distanţ¼
a pe mulţimea nevid¼ a X orice aplicaţie
d:X X ! R (x; y) ! d (x; y)
astfel încât:
D1) d (x; y) 0; 8 x; y 2 X şi d (x; y) = 0 () x = y
26
D2) d (x; y) = d (y; x) ; 8 x; y 2 X
D3) d (x; y) d (x; z) + d (z; y) ; 8 x; y; z 2 X (inegalitatea triunghiului)
Cuplul (X; d) unde X este o mulţime nevid¼

a iar d este o metric¼
a (distanţa)
pe X se numeşte spaţiu metric.
Aplicaţia d : Rn Rn ! R dat¼ a de
v
u n
uX
d (x; y) = t
2
(xi yi )
i=1
a pe Rn , numit¼
este o metric¼ a pe Rn :
a metrica (distanta) euclidian¼
Dac¼
a n = 1 atunci
d (x; y) = jx yj ; x; y 2 R:
Dac¼ a n = 2 şi n = 3 reg¼ asim formula distanţei dintre dou¼

a puncte din
plan şi din spaţiu. Intr-adev¼ ar dac¼
a n = 2 atunci
q
2 2
d (x; y) = (x1 y1 ) + (x2 y2 ) ;
iar dac¼
a n = 3 atunci
q
2 2 2
d (x; y) = (x1 y1 ) + (x2 y2 ) + (x3 y3 ) :
Noţiunile de limit¼ a şi continuitate se pot introduce în orice spaţiu metric.In

cele ce urmeaz¼ a vom considera spaţiul Rn înzestrat cu metrica euclidian¼ a.
Fie a = (a1 ; a2 ; :::; an ) 2 Rn şi r > 0:
Se numeşte bila deschis¼ a cu centrul în a şi raza r mulţimea B (a; r) =
fx 2 Rn ; d (x; a) < rg
Pentru n = 1 respectiv n = 2 adic¼ a în R, respectiv în R2 bilele deschise sunt
intervale deschise centrate în a1 de forma (a1 r; a1 + r) ; respectiv discuri
deschise cu centrul în a = (a1 ; a2 ) :
Spunem c¼a mulţimea V Rn este o vecin¼ atate a punctului a 2 Rn

dac¼
a exist¼
a o bil¼
a deschis¼
a cu centrul în a inclus¼
a în mulţimea V , adic¼
a
B (a; r) V:
Not¼am cu V (a) = fV Rn jV vecin¼
atate a lui ag mulţimea vecin¼ at¼aţilor
punctului a:Din de…niţie rezult¼
a c¼
a orice bil¼ a cu centrul în a 2 Rn
a deschis¼
este o vecin¼
atate a lui a.
Spunem c¼ a a 2 Rn este punct interior mulţimii A Rn dac¼a 9V 2
V (a) astfel ca V A: intA = fa ja punct interior lui A g - reprezintã
mulţimea punctelor interioare mulţimii A:
O mulţime A Rn care conţine numai puncte interioare se numeşte
mulţime deschis¼
a.
27
a 2 Rn este punct de acumulare al mulţimii A Rn dac¼a orice
vecin¼
atate V a lui a conţine cel puţin un punct din mulţimea A;diferit de
a, adic¼
a 8 V 2 V (a) ; (V n fag) \ A 6= ;
A0 = fa 2 Rn ja punct de acumulare pentru a g - reprezint¼ a mulţimea
punctelor de acumulare a mulţimii A: Din de…niţie rezult¼
a c¼
a punctul a
poate sau nu s¼
a aparţin¼
a mulţimii A.
a 2 A este punct izolat al mulţimii A Rn dac¼
a exist¼
a o vecin¼
atate V
a lui a astfel încât V \ A = fag
1.2. Limite şi continuitate pentru funcţii reale de mai multe vari-
abile
Fie A Rn : Aplicaţia
f : A ! R; astfel ca A 3 x = (x1 ; :::; xn ) ! f (x) = f (x1 ; x2 ; :::; xn ) 2 R
se numeşte funcţie real¼

a de n variabile reale.
Dac¼
a V este venitul unei societ¼ aţi comerciale, x num¼
arul de ore de munc¼
a
productiv¼a prestat¼a, y fondurile …xe angajate în producţie atunci
V (x; y) = kx y ; k; ; constante pozitive
(funcţie de producţie de tip Cobb-Douglas) este o funcţie real¼

a de 2 variabile
reale.
Dac¼a A = [0; 1) [0; 1) [0; 1) R3 atunci funcţia
f : A ! R; f (x) = f (x1 ; x2 ; x3 ) = x1 x2 x3
(funcţie real¼
a de trei variabile reale) reprezint¼
a producţia unei intreprinderi
dac¼a x1 este productivitatea muncii, x2 num¼ arul de muncitori, x3 timpul de
munc¼ a.
Fie A Rn (n 1) o mulţime nevid¼ a, a un punct de acumulare al mulţimii

A, a 2 A0 şi f : A ! R
Spunem c¼ a f are limita l 2 R când x tinde c¼ atre a şi scriem l =
lim f (x) (sau f (x) ! l) dac¼ a 8 " > 0; 9 " > 0 astfel încât pentru orice
x!a x!a
x 2 A n fag cu proprietatea d(x; a) < " s¼
a avem jf (x) lj < ":
Limita l = lim f (x) se numeşte limita global¼

a a funcţiei f când x tinde
x !a
c¼
atre a; se noteaz¼
a prin
l= lim f (x1 ; x2 ; :::; xn )

x1 !a1
x2 !a2
::::::::::
xn !an
şi se citeşte limita funcţiei f când x1 ! a1 ; x2 ! a2 ; :::; xn ! an simultan

şi independent.
28
In cele ce urmeaz¼a, menţion¼
am câteva propriet¼ aţi ale limitelor de funcţii de
la Rn la R;propriet¼aţi analoage celor ale funcţiilor reale de o variabil¼ a real¼
a.
Fie n 2; A Rn , o mulţime nevid¼ a, a 2 A0 ; l1 ; l2 2 R şi f; g : A ! R:
Dac¼a f are limit¼
a atunci când x tinde c¼ atre a, atunci limita este unic¼ a.
Dac¼a lim f (x) = l1 atunci exist¼ a V 2 V (a) astfel încât f este m¼ arginit¼
a
x !a
pe V \ A:
Dac¼a lim f (x) = l1 şi lim g (x) = l2 atunci
x !a x !a
lim (f (x) + g (x)) = l1 + l2 ; lim (f g) (x) = l1 l2

x !a x !a
f (x)
iar dac¼
a l2 6= 0 şi are sens pe o vecin¼
atate a lui a atunci avem şi
g (x)
f (x) l1
lim = :
x !a g (x) l2
(criteriul major¼
arii) Fie ' : A ! R. Dac¼
a exist¼
a V 2 V (a) astfel încât
a) ' (x) 0; 8x 2 V \ A
b) jf (x) l1 j ' (x) ; 8x 2 V \ A
c) lim ' (x) = 0
x !a
atunci exist¼a limita funcţiei f când x tinde la a şi lim f (x) = l1 :

x !a
In continuare vom studia câteva propriet¼ aţi relative la continuitatea funcţi-
ilor de…nite pe Rn cu valori în R:
Fie A Rn o mulţime nevid¼ a a 2 A şi f : A ! R. Funcţia f se numeşte
continu¼ a (sau global continu¼ a) în a 2 A dac¼ a pentru orice " > 0 exist¼ a
> 0 astfel încât pentru orice x 2 A cu d(x; a) < " avem c¼ a jf (x) f (a)j <
":Funcţia f este continu¼ a (sau global continu¼ a) pe mulţimea nevid¼ aB A
dac¼a f este continu¼ a în orice punct a 2 B:
Dac¼ a a 2 A este un punct izolat al mulţimii A atunci f este continu¼ a în a.
Dac¼ a a 2 A\A0 atunci f este continu¼ a în a dac¼
a şi numai dac¼ a lim f (x) = f (a) :
x!a
1.3. Derivate parţiale, diferenţiabilitate şi diferenţial¼

a pentru
funcţiile reale de mai multe variabile reale
Spunem c¼ a mulţimea D Rn este un domeniu dac¼ a este deschis¼
a şi conex¼
a
(format¼ a dintr-o singur¼ a „bucat¼
a”adic¼
a nu se poate scrie ca reuniune disjunct¼ a
de dou¼ a mulţimi deschise şi nevide).
Menţion¼am c¼a dac¼a D Rn este un domeniu, atunci D nu are puncte izolate
şi prin urmare orice punct a 2 D este punct de acumulare pentru mulţimea D
(a 2 D0 ) :
Fie D Rn (n 2) un domeniu, a = (a1 ; :::; an ) 2 D şi f : D ! R. Fie
i = f1; :::; ng
29
Spunem c¼ a f este derivabil¼ a parţial în raport cu variabila xi în punctul
a dac¼
a
lim f (a1 ;a2 ;:::;ai 1 ;xi ;axi+1 ;:::;an ) f (a1 ;a2 ;:::;an )
i ai
; exist¼
a şi este …nit¼
a.
xi !ai
@f
Not¼ am aceast¼ a limit¼ a (dac¼ a exist¼ a) cu @xi
(a) sau fx0i (a) :
Spunem c¼ a f este derivabil¼ a parţial în raport cu xi pe D dac¼ a este
derivabil¼ a parţial în raport cu xi în orice punct a 2 D: Dac¼ a f este derivabil¼ a
parţial în raport cu xi pe D atunci se poate vorbi de funcţia parţiala a lui f în
@f
raport cu variabila xi notat¼ a @x i
şi anume
@f @f
@xi : D ! R, x 7 ! @xi (x)
In cazul n = 2 se noteaz¼ a cu (x; y), în loc de (x1 ; x2 ) punctul curent din
R2 ;iar în R3 se noteaz¼ a cu (x; y; z) în loc de (x1 ; x2 ; x3 ) : Aşadar, o funcţie de
dou¼ a variabile f : D ! R, D domeniu, D R2 este derivabil¼ a parţial în
raport cu x, respectiv cu y în punctul a = (a1 ; a2 ) 2 D; dac¼ a exist¼ a şi este …nit¼ a
urm¼ atoare limit¼ a
@f f (x;a2 ) f (a1 ;a2 ) f (a1 ;y) f (a1 ;a2 )
@x (a) = lim x a1 , respectiv @f
@y (a) = lim y a2 :
x!a1 y!a2
Pentru funcţii elementare (polinoame, funcţiile raţionale, trigonometrice, ex-
ponenţial¼
a, logaritmic¼a şi compuneri ale acestora, etc.) @f 0
@x = fx se calculeaz¼ a
@f 0
derivând f uzual în raport cu x, considerând y ca parametru, iar @y = fy se
calculeaz¼
a derivând f în raport cu y şi considerând x ca parametru.
1) Fie f (x; y) = x2 + xy şi a = (5; 3) ; D = R2 . In acest caz

2
@f
@x (a) = lim f (x; 3) f (5; 3)
x 5 = lim x 3x 10
x 5 = lim (x 5)
x 5
(x+2)
=7
x!5 x!5 x!5
@f f (5;y) f (5; 3)
@y (a) = lim y+3 = lim 5y+15 = 5:
y! 3 y! 3 y+3
@f @f
In punctul curent avem (x; y) = 2x + y şi
@x @y (x; y) = x şi dac¼
a înlocuim
x = 5; y = 3 reg¼ asim valorile anterioare.
a f (x; y; z) = x2 + sin yz; D = R3 ; atunci avem

2) Dac¼
@f @f @f @f
@x : R3 ! R, @x (x; y; z) = 2x; @y : R3 ! R, @y (x; y; z) = z cos yz;
@f 3
@z :R ! R, (x; y; z) = y cos yz:
3) f : D ! R D = fx 2 Rn j x1 > 0; x2 > 0; :::; xn > 0 g
f (x1 ; :::; xn ) = x21 + x22 + ::: + x2n 1 + xxn1 : In acest caz derivând în raport cu
câte o variabil¼ a şi considerând celelalte n 1 ca parametrii, obţinem
@f @f
@x1 (x) = 2x 1
xn
x2
; @x 2
(x) = 2x2 ; :::; @x@f
n 1
@f
(x) = 2xn 1 ; @x n
(x) = x11 :
1
Funcţia f se numeşte de clas¼ a C 1 pe D şi se noteaz¼ a f 2 C 1 (D) dac¼ a f este
@f @f
derivabil¼
a parţial pe D în raport cu toate variabilele şi plus, funcţiile @x1
; :::; @x n
sunt continue pe D:
xy 2
Fie f : R2 ! R, f (x; y) = x2 +y 2 ; (x; y) 2 R n f(0; 0)g :
0; (x; y) = (0; 0)
Atunci f nu este continu¼ a în (0; 0) dar f admite derivate parţiale în punctul
(0; 0) :
30
Intr-adev¼ar:
@f
@x (0; 0) = lim f (x;0) x f (0;0) = 0 @f
@y (0; 0) = lim f (0;y) y f (0;0) = 0:
x!0 y!0
Fie D domeniu, D Rn ; a 2 D şi f : D ! R. Spunem c¼ a f este
a în punctul a dac¼
diferenţiabil¼ a exist¼
a 1 ; 2 ; :::; n 2 R şi o funcţie ! :
D ! R cu lim ! (x) = ! (a) = 0 (deci ! continu¼ a şi nul¼
a în a) astfel încât s¼
a
x!a
avem
Pn
f (x) f (a) = i (xi ai ) + ! (x) d(x; a); 8 x 2 D:
i=1
Spunem c¼ a f este diferenţiabil¼ a pe A D dac¼ a este diferenţiabil¼
a în orice
punct din A.
Fie D domeniu, D Rn ; a 2 D şi f : D ! R. Dac¼ a f este diferenţiabil¼
a
în a atunci f este continu¼ a în a:
In continuare vom studia leg¼ atura între diferenţiabilitatea unei funcţii într-
un punct şi existenţa derivatelor parţiale în acel punct.
Fie D domeniu, D Rn ; a 2 D şi f : D ! R. Dac¼ a f este diferenţiabil¼
a
@f
în a atunci f admite derivate parţiale în a şi @x i
(a) = i pentru orice i = 1; n:
Rezultatul precedent implic¼

a faptul c¼
a relaţia de de…niţie a diferenţiabilit¼
aţii
devine:
P
n
@f
f (x) f (a) = @xi (a) (xi ai ) + ! (x) d(x; a); 8 x 2 D:
i=1
Concret, când e nevoie s¼ a studiem diferenţiabilitatea unei funcţii într-un
punct este necesar s¼ a avem cunoscute condiţii su…ciente de diferenţiabilitate.
Urm¼atorul rezultat rezolv¼a aceast¼
a problem¼ a.
Fie D domeniu, D Rn ; a 2 D şi f : D ! R. Dac¼ a exist¼
a V vecin¼atate
a punctului a astfel încât f are derivate parţiale pe V \ D şi dac¼
a acestea sunt
continue în a atunci f este diferenţiabil¼
a în a.
Dac¼
a f admite derivate parţiale continue pe D atunci f este diferenţiabil¼
a pe
D:
Rezultatul precedent prezint¼
a condiţii su…ciente de diferenţiabilitate nu
şi necesare.
Fie D Rn ; un domeniu a 2 D şi f : D ! R o funcţie diferenţiabil¼ a în

a: Se numeşte diferenţial¼
a a funcţiei f în punctul a notat¼
a df(a) ; aplicaţia
Pn
@f
df(a) : Rn ! R ; df(a) (h) = @xi (a) hi :
i=1
n
Fie D R ;un domeniu a 2 D şi f : D ! R o funcţie diferenţiabil¼ a în a:
Atunci exist¼
a ! : D ! R, ! continu¼
a şi nul¼
a în a astfel încât 8 x 2 D
P
n
@f
avem f (x) f (a) = @xi (a) (xi ai ) + ! (x) d(x; a):
i=1
xi ai se numeşte creşterea celui de-al i-lea argument a lui f i = 1; n

x a = (x1 a1 ; x2 a2 ; :::; xn an ) se numeşte sistem de creşteri ale ar-
gumentelor lui f:
31
f (x) f (a) se numeşte creşterea funcţiei corespunz¼ atoare sistemului de
creşteri x a ale argumentelor.
Pentru x su…cient de apropiat de a (adic¼a pentru kx ak su…cient de mic¼ a
astfel încât cantitatea ! (x) kx ak poate … neglijat¼ a) avem evident f (x)
f (a) df(a) (x a) adic¼ a df(a) aproximeaz¼
a creşterea (sau descreşterea) funcţiei
f în a corespunz¼atoare unui sistem x a de creşteri ale argumentelor (deci când
se trece de la punctul x la punctul a).
am funcţiile 'i : Rn ! R, 'i (x1 ; x2 ; :::; xn ) = xi ; 1

Consider¼ i n:
@'i 1; j = i; i; j = 1; n
Avem: @xj (x) = pentru orice x 2 Rn , deci
0; j 6= i;
funcţiile 'i admit derivate parţiale continue pe Rn şi prin urmare sunt difer-
P
n
@'i (a)
enţiabile în orice punct a 2 Rn şi d 'i(a) (x a) = @xj (xj aj ) = xi ai
j=1
, i = 1; n:
Pentru simpli…carea notaţiilor vom nota d 'i(a) = dxi ;
Pn
@f
Cu aceasta putem scrie df(a) (x a) = @xi (a) dxi :
j=1
Adesea dx1 ; dx2 ; :::; dxn se identi…c¼a cu creşterile argumentelor şi deci avem
P
n
@f
df(a) (dx1 ; dx2 ; :::; dxn ) = @xi (a) dxi :
i=1
@
Interpretând produsul simbolic @x i
f (a) ca …ind derivata parţial¼
a a lui f în
raport cu xi în punctul a i = 1; n se obţine
@ @
df(a) = @x 1
dx1 + @x 2
dx2 + ::: + @x@n dxn f (a) ; a 2 D:
Putem considera astfel operatorul de diferenţiere
@ @
d = @x 1
dx1 + @x 2
dx2 + ::: + @x@n dxn :
1.4. Derivate parţiale de ordin superior. Diferenţiale de ordin

superior
1.4.1. Derivate parţiale de ordin superior
Fie D domeniu, D Rn ; a 2 D şi f : D ! R o funcţie ce admite derivate
parţiale pe D .
@f
Dac¼ a derivata @xi
: D ! R i = 1; n; este derivabil¼ a în raport cu variabila
xj ; j = 1; n în punctul a 2 D, numim derivat¼ a parţial¼a de ordinul al doilea în
punctul a a funcţiei f în raport cu variabilele xi ; xj (în aceast¼
a ordine) num¼ arul
@2f @ @f
@xi @xj (a) = @xj @xi (a) ;
2 not
Dac¼ a i 6= j; i; j 2 f1; :::; ng atunci derivata @x@i @x
f
j
(a) = fx00i xj (a) se nu-
meşte derivata mixt¼ a în raport cu variabilele xi şi xj :
2
Dac¼ a i = j 2 f1; :::; ng atunci vom folosi una dintre notaţiile @@xf2 (a) =
i
fx002 (a) :
i
32
In general o funcţie de n variabile reale f are n derivate parţiale de ordin
întâi şi n2 derivate parţiale de ordinul doi.
S¼
a calcul¼ am derivatele parţiale de ordinul întâi şi doi pentru funcţia f :
R2 ! R f (x; y) = ln x2 + y 2 + 1
@f 0 2x @f 0 2y
@x (x; y) = fx (x; y) = x2 +y 2 +1 ; @ y (x; y) = fy (x; y) = x2 +y 2 +1 :
0 2(x2 +y 2 +1) 2x 2x 2( x2 +y 2 +1)
@2f 2x
@x2 (x; y) = x2 +y 2 +1 = (x2 +y 2 +1)2
= (x2 +y2 +1)2 :
x
0
@2f 2x 2y 4xy
@x@y (x; y) = x2 +y 2 +1 = 2x (x2 +y 2 +1)2
= (x2 +y 2 +1)2
:
y
0 2(x2 y 2 +1)
@2f 2y
@y 2 (x; y) = x2 +y 2 +1 = (x2 +y2 +1)2 :
y
Se observ¼ a a fxy00 (x; y) = fyx
c¼ 00
(x; y). In general, aceste derivate parţiale de
ordinul al doilea nu sunt egale. Urm¼ atorul criteriu stabileşte condiţii su…ciente
pentru ca derivatele parţiale mixte s¼ a …e egale.
(Schwarz). Dac¼ a funcţia f : D ! R , D domeniu, D Rn , are derivate
2 2
parţiale de ordinul doi mixte @x@i @x f
j
şi @x@j @x
f
i
; i; j 2 f1; :::; ng ; i 6= j; într-
o vecin¼ atate V a punctului a 2 D şi dac¼ a aceste funcţii derivate parţiale de
2 2
ordinul doi mixte @x@i @x
f
j
şi @x@j @x
f
i
sunt continue în a atunci are loc egalitatea:
@2f 2
@xi @xj(a) = @x@j @x

f
i
(a) :
Pentru simpli…carea notaţiilor vom face demonstraţia doar în cazul n = 2:
Fie (a; b) 2 D R2 :
Alegem un punct (x; y) 2 V \Dnf(a; b)g astfel încât dreptunghiul cu vârfurile
opuse (x; y) şi (a; b) s¼
a …e conţinut în V \ D:
Consider¼ am funcţia R : V \D ! R; R ( x; y) = f (x;y) f(x
(x;b) f (a;y)+f (a;b)
a) (y b) :
Fie g (t) = f (t;y)y f (t;b)
b unde t 2 [a; x] sau t 2 [x; a] dup¼
a cum a < x sau
a > x:
f (x;y) f (x;b) f (a;y) f (a;b)
Deoarece g (x) = y b ; g (a) = y b rezult¼
a c¼
a R (x; y) =
g(x) g(a)
x a :
Aplicând teorema lui Lagrange funcţiei g rezult¼ a c¼
a exist¼a între a şi x astfel
g(x) g(a) 0
încât R (x; y) = x a = g ( ) :
Pe de alt¼
a parte observ¼ am c¼ a ipotezele din enunţ asigur¼ a faptul c¼
a funcţia g
este derivabil¼
a pe (a; x) (respectiv (x; a)) şi astfel egalitatea precedent¼ a devine:
R (x; y) = g(x)x ag(a) = g 0 ( ) = y 1 b @f
@x ( ; y) @f
@x ( ; b) :
Aplicând din nou teorema lui Lagrange în raport cu variabila y, obţinem c¼ a
exist¼
a între b şi y astfel încât:
@2f
R (x; y) = y 1 b @f@x ( ; y)
@f
@x ( ; b) = @x @y ( ; ) :
In mod analog, considerând funcţia h (s) = f (x;s)x af (a;s) ; unde s 2 [b; y] sau
s 2 [y; b] dup¼ a cum b < y sau b > y; deducem c¼ a exist¼a 1 între b şi y şi 1 între
@2f
a şi x astfel încât R (x; y) = @y @x ( 1 ; 1 ) :
2
@ f @2f
In concluzie @x @y ( ; ) = @x @y ( 1; 1) unde ; 1 se g¼
asesc între a şi x
iar ; 1 se g¼
asesc între b şi y.
33
Folosind continuitatea funcţiilor derivate parţiale de ordinul doi mixte în
punctul (a; b), obţinem prin trecere la limit¼ a cu x ! a şi y ! b (ceea ce
@2f @2f
implic¼a faptul c¼ a ; 1 ! a şi ; 1 ! b) egalitatea @x @y (a; b) = @y @x (a; b) ;
deci teorema este demonstrat¼ a.
Dac¼a funcţia f : D ! R, D Rn are derivate parţiale de ordinul doi mixte
@2f @2f
@xi @xj şi @xj @xi ; i; j 2 f1; :::; ng ; i 6= j; pe D şi sunt funcţii continue pe D
atunci ele sunt egale pe D adic¼ a
@2f @2f
(x) = (x) ; x 2 D:
@xi @xj @xj @xi
Condiţia de continuitate a derivatelor mixte este esenţial¼a.

De exemplu, …e
f : R2 ! R,
( 2 2
xy xx2 +yy2 ; dac¼
a (x; y) 6= (0; 0)
f (x; y) =
0; dac¼
a (x; y) = (0; 0)
a în raport cu x şi y pe R2 şi anume

:Funcţia f este derivabil¼
@f 3x2 y y3 x2 + y 2 2x2 y x2 y2 y x4 y 4 + 4x2 y 3

(x; y) = 2 = 2
@x (x2 + y2 ) (x2 + y 2 )
pentru (x; y) 6= (0; 0) ;
@f x3 3xy 2 x2 + y 2 2xy 2 x2 y2 x x4 y4 4x3 y 2

(x; y) = 2 = 2
@y (x2 + y 2 ) (x2 + y 2 )
pentru (x; y) 6= (0; 0) ;

iar
@f f (x; 0) f (0; 0)
(0; 0) = lim =0
@x x!0 x
@f f (0; y) f (0; 0)
(0; 0) = lim = 0:
@y y!0 y
De asemenea exist¼
a, peste tot, derivatele de ordinul al doilea, îns¼
a
@f @f y5
@2f (0; y) (0; 0) y4
(0; 0) = lim @x @x
= lim = 1
@x @y y!0 y y!0 y
@f @f x5
@2f @y (x; 0) @y (0; 0) x4
(0; 0) = lim = lim =1
@y @x x!0 x y!0 x
@2f @2f
deci (0; 0) 6= (0; 0) :
@x @y @y @x
Aceasta se întâmpl¼
a din cauz¼
a c¼
a derivatele mixte nu sunt funcţii continue.
34
Fie D domeniu, D Rn ; şi f : D ! R o funcţie ce admite derivate parţiale
de ordinul doi pe D . Atunci putem studia existenţa derivatelor parţiale de
ordinul 3. 2
Dac¼a derivata @x@i @x
f
j
: D ! R ( i; j 2 f1; :::; ng) este derivabil¼a în raport
cu xk (k 2 f1; :::; ng) în punctul a 2 D, numim derivat¼ a parţial¼
a de ordinul al
treilea în punctul a a funcţiei f în raport cu variabilele xi ; xj ; xk (în aceast¼a
ordine) num¼ arul
@3f not @ @2f

(a) = fx000
i xj xk
(a) = (a) :
@xi @xj @xk @xk @xi @xj
Dac¼ a cel puţin doi indici dintre i; j; k sunt diferiţi derivata se va numi mixt¼ a. In
caz contrar, adic¼ a i = j = k; se obţine derivata de ordinul 3 în raport cu aceiaşi
3
variabil¼ a xi i = 1; n ; @@xf3 (a) = fx000 3 (a) :
i i
In mod analog se pot de…ni derivate parţiale de ordin mai mare ca trei.
Concluzia Teoremei lui Schwarz r¼ amâne adev¼ arat¼a şi pentru derivatele parţiale
mixte de ordin mai mare ca doi. De fapt, în ipoteza continuit¼ aţii acelor funcţii
derivate mixte de ordin superior, important¼ a este nu ordinea în care se face
derivarea ci variabilele în raport cu care se face derivarea şi de câte ori se de-
3
@3f @3f
riveaz¼ a în raport cu o variabil¼ a. De exemplu avem c¼ a @x@ 2 f@y = @x@y@x = @y@x 2:
Fie funcţia f : R (0; 1) ! R dat¼ a de f (x; y) = x ln y

Derivatele parţiale distincte de ordinul doi, trei se calculeaz¼ a astfel:
Calcul¼ am mai întâi derivatele parţiale de ordinul întâi
@f (x;y) 0 0
@x = (x ln y)x = ln y; @f @y (x; y) = (x ln y)y = y
x
Calcul¼ am derivatele parţiale de ordinul doi distincte

@ 2 f (x;y) @ @f @
@x2 = @x @x (x; y) = @x (ln y) = 0
@ 2 f (x;y) @ @f @ 1 @ 2 f (x;y)
@x @y = @y @x (x; y) = @y (ln y) = y = @y @x
@ 2 f (x;y) @ @f @ x x
@y 2 = @y @y (x; y) = @y y = y2 :
Calcul¼
am derivatele parţiale de ordinul trei distincte
@3f @ @2f @
@x3 (x; y) = @x @x2 (x; y) = @x (0) = 0
@3f @3f @3f @ @2f @
@x2 @y (x; y) = @x@y@x (x; y) = @y@x2 (x; y) = @y @x2 (x; y) = @y (0) = 0
3 3 3 2
@ f @ f @ f @ @ f @ x
@x @y 2 (x; y) = @y@x@y (x; y) = @y 2 @x (x; y) = @x @y 2 (x; y) = @x y2 =
1
y2
@3f @ @2f @ x 2x
@y 3 (x; y) = @y @y 2 (x; y) = @y y2 = y3 :
1.4.2. Diferenţiale de ordin superior

In paragraful 1.3. a fost introdus¼
a noţiunea de diferenţial¼
a a unei funcţii în
punctul a, notat¼
a df(a) :
P
n
@f
Aceasta este dat¼a de df(a) : Rn ! R, df(a) (h) = @xi (a) hi
i=1
35
sau dac¼
a not¼
am cu dx = (dx1 ; dx2 ; :::; dxm ) creşterile argumentelor atunci
Xn
@f
df(a) (dx) = (a) dxi :
i=1
@xi
De asemenea, am introdus operatorul de diferenţiere

@ @ @
d= dx1 + dx2 + ::: + dxn
@x1 @x2 @xn
cu ajutorul c¼
aruia se poate scrie
@ @ @
df(a) = dx1 + dx2 + ::: + dxn f (a) :
@x1 @x2 @xn
Fie D domeniu, D Rn ; a 2 D şi f : D ! R
1) Spunem c¼ a f este de dou¼ a în punctul a sau c¼

a ori diferenţiabil¼ a are
diferenţiabil¼
a de ordinul doi în a dac¼a f admite derivate parţiale în raport
cu toate variabilele pe o vecin¼ atate V a lui a şi funcţiile derivate parţiale
@f
@xi ; i 2 1; :::; n; (considerate pe V \ D) sunt diferenţiabile în a.
In general
2) Spunem c¼ a funcţia f este diferenţiabil¼a de k ori în punctul a, sau c¼ a

are diferenţial¼
a de ordinul k în a dac¼
a toate derivatele parţiale de ordinul
k 1 ale lui f exist¼ a într-o vecin¼
atate V a lui a şi sunt diferenţiabile în a.
3) Spunem c¼ a funcţia f este diferenţiabil¼

a de k ori pe domeniul D dac¼
a este
diferenţiabil¼
a de k ori în …ecare punct din D:
Prezent¼ am în continuare (f¼ ar¼ a demonstraţie) un rezultat care ne d¼ a condiţii

su…ciente pentru ca o funcţie s¼ a …e de k ori diferenţiabil¼ a într-un punct.
Fie D domeniu, D Rn ; a 2 D şi f : D ! R.
Dac¼ a f are într-o vecin¼atate V a lui a toate derivatele parţiale de ordinul k
şi dac¼a aceste funcţii derivate parţiale sunt continue în a, atunci f este difer-
enţiabil¼a de k ori în a:
Diferenţiala de ordinul k în punctul a se de…neşte prin egalitatea
h i(k)
@ @ @
dk f(a) (dx) = @x 1
dx1 + @x 2
dx 2 + ::: + @x n
dxn f (a) ;
unde dx = (dx1 ; dx2 ; :::; dxm ) iar (k) reprezint¼ a puterea simbolic¼a-formal¼a,
dup¼ a care se dezvolt¼ a suma din parantez¼ a şi apoi se înmulţeşte formal cu f (a) :
Utilizând ridicarea la puterea simbolic¼ a se obţine expresia:
X k! @ k f (a)
dk f(a) (dx) = dxk1 dxk22 :::dxknn :
k1 !; k2 !; :::; kn ! @xk11 :::@xknn 1
k1 +k2 +:::+kn =k
Operatorul de diferenţiere de ordinul k este
36
(k)
@ @ @
dk = dx1 + dx2 + ::: + dxn
@x1 @x2 @xn
care este (formal) puterea de ordinul k a operatorului de diferenţiere de
ordinul întâi.
Pentru o mai bun¼ a înţelegere a puterii simbolice vom prezenta în continuare
expresia detaliat¼ a a diferenţialelor de ordinul doi şi trei pentru o funcţie de
dou¼a variabile reale
Dac¼a f : D ! R, D R2 ; a = (a1 ; a2 ) şi dac¼ a f este o funcţie de trei ori
diferenţiabil¼
a în a atunci
@2f @2f @2f

d2 f(a1 ;a2 ) (dx; dy) = (a) dx 2
+ 2 (a) dx dy + (a) dx dy;
@x2 @x@y @y 2
respectiv
@3f @2f
d3 f(a1 ;a2 ) (dx; dy) = (a) dx 3
+ 3 (a) dx2 dy +
@x3 @x2 @y
@2f 2 @3f
+3 (a) dxdy + (a) dy 3 :
@x@y 2 @y 3
Scriem diferenţialele de ordinul unu, doi şi trei pentru funcţia:
f : R (0; 1) ! R prezentat¼ a în exemplul 2.4.2.
Diferenţiala de ordinul unu este
@f @f
df(a1 ;a2 ) (dx; dy) = (a1 ; a2 ) dx + (a1 ; a2 ) dy =
@x @y
a1
= ln a2 dx + dy:
a2
Diferenţiala de ordinul doi este
@2f @2f
d2 f(a1 ;a2 ) (dx; dy) = 2
(a1 ; a2 ) dx2 + 2 (a1 ; a2 ) dx dy +
@x @x @y
@2f 2 a1 2
+ (a1 ; a2 ) dy 2 = dx dy dy :
@y 2 a2 a22
Diferenţiala de ordinul trei va …

3 2a1
d2 f(a1 ;a2 ) (dx; dy) = dx dy 2 + 3 dy 3 :
a22 a2
1.5. Extreme pentru funcţii de mai multe variabile

1.5.1. Noţiunea de punct de extrem
37
Aşa cum pentru funcţiile de o singur¼ a variabil¼a şi pentru funcţiile de mai
multe variabile se pune problema, atât teoretic cât şi prin prisma aplicaţiilor,
determin¼ arii punctelor de extrem. Derivatele parţiale vor juca un rol important
în aceast¼ a determinare, cu ajutorul lor vor … stabilite condiţiile necesare şi cele
su…ciente ca un punct din domeniul de de…niţie al funcţiei s¼ a …e punct de extrem.
Fie funcţia de m variabile f : D ! R, D Rm .
De…niţia 1.5.1. Spunem c¼ a punctul a = (a1 ; a2 ; : : : ; am ) 2 D este punct
de maxim local pentru funcţia f dac¼ a exist¼
a o vecin¼ atate V (a) a lui a astfel
încât f (x) f (a) pentru orice x = (x1 ; x2 ; : : : ; xm ) 2 D \ V (a). Spunem c¼ a
punctul a 2 D este punct de minim local dac¼ a exist¼a o vecin¼ atate V (a) a lui
a astfel încât f (x) f (a) pentru orice x 2 D \ V (a).
Punctele de maxim local respectiv de minim local le numim puncte de ex-
trem local.
Observaţie. Când inegalit¼ aţile din De…niţia 1.5.1 sunt îndeplinite pentru
orice x 2 D vom avea puncte de extrem global.
De…niţia 1.5.2. Spunem c¼ a punctul interior a = (a1 ; a2 ; : : : ; am ) 2 D este
punct staţionar al funcţiei f : D ! R, D Rm , dac¼ a exist¼ a derivatele parţiale
@ f (a) @ f k (a)
@xk , k = 1; m, şi @xk = 0, pentru k = 1; m.
1.5.2. Condiţii necesare pentru existenţa extremelor locale
Din de…niţia punctului de extrem local se constat¼ a c¼
a diferenţa f (x) f (a)
trebuie s¼a-şi p¼astreze semnul pe o întreag¼ a vecin¼
atate a punctului a aşa încât
acesta s¼a …e punct de extrem. A stabili acest semn se dovedeşte adesea a … o
problem¼ a di…cil¼ a. Dar în cazul funcţiilor care admit derivate parţiale se obţin
nişte condiţii necesare de extrem exprimabile foarte simplu. Are loc
Teorema 1.5.1. Fie f : D ! R, D Rm , o funcţie de m variabile care are
punctul interior a = (a1 ; a2 ; : : : ; am ) 2 D punct de extrem local. Dac¼a exist¼a
derivatele parţiale @f (a)
@ xk , k = 1; m, atunci
@f (a)
@ xk =0, k=1; m.
Observaţie. Relaţiile precedente constituie condiţiile necesare ca un punct
interior a 2 D s¼
a …e punct de extrem pentru funcţia f care are derivate parţiale
de ordinul întâi. În fond se constat¼
a c¼
a punctele de extrem local (interioare) se
a‡a¼ printre punctele staţionare.
1.5.3. Condiţii su…ciente pentru existenţa extremelor locale
Consider¼ am funcţia de m variabile f : D ! R, D Rm , care are derivatele
parţiale pân¼ a la ordinul doi continue într-o vecin¼ atate V (a) a punctului staţionar
a = (a1 ; a2 ; : : : ; am ). Atunci formula lui Taylor, pentru k = 2 şi x 2 D \ V (a),
este f (x) = f (x1 ; x2 ; : : : ; xm ) = f (a) + df(a) (dx) + d2 f(a) (dx) + R2 :
Dar, cum a este punct staţionar, rezult¼ a c¼a df(a) (dx) = 0, şi în consecinţ¼
a
putem scrie
f (x) f (a) = d2 f(a) (dx) + R2 :
Are loc urm¼ atorul rezultat care evidenţiaz¼ a condiţiile su…ciente pentru exis-
tenţa extremelor locale
Teorema 1.5.2. Fie f : D ! R, D Rm o funcţie de m variabile care
are derivatele parţiale pân¼a la ordinul doi continue într-o vecin¼atate V (a) a
punctului staţionar a = (a1 ; a2 ; : : : ; am ) 2 D. Dac¼a:
38
d2 f(a) (dx) > 0 atunci a este un punct de minim local;
d2 f(a) (dx) < 0 atunci a este un punct de maxim local.
Observaţii. 1. Inegalit¼ aţile d2 f(a) (dx) < 0 respectiv d2 f(a) (dx) > 0 arat¼ a
2
c¼a forma p¼ atratic¼
a d f(a) (dx) este negativ de…nit¼ a respectiv pozitiv de…nit¼ a şi
constituie condiţiile su…ciente de extrem. Când forma p¼ atratic¼a d2 f(a) (dx) este
nede…nit¼ a punctul staţionar a nu este punct de extrem.
2. Dac¼ a forma p¼ a d2 f(a) (dx) este semipozitiv de…nit¼
atratic¼ a sau semine-
gativ de…nit¼ a problema privind natura punctului staţionar r¼ amâne deschis¼ a.
Adic¼ a sunt cazuri când a este punct de extrem f¼ a ca d2 f(a) (dx) s¼
ar¼ a …e de…nit¼ a,
respectiv sunt cazuri când a nu este punct de extrem f¼ a ca d2 f(a) (dx) s¼
ar¼ a …e
nede…nit¼ a.
3. Sintetizând toate cele spuse pân¼ a acum putem preciza etapele ce trebuie
parcurse pentru a g¼ asi punctele de extrem locale interioare.
1 Se determin¼ a punctele staţionare ale funcţiei f .
2 Se calculeaz¼ a derivatele parţiale de ordinul doi în …ecare punct staţionar a
şi se determin¼ a natura formei p¼ atratice d2 f(a) (dx). În raport cu natura acesteia
se precizeaz¼ a tipul punctului staţionar a.
3 Dac¼ a a este punct de extrem local se calculeaz¼ a valoarea extrem¼ a pentru
funcţia f .
1.6. Ajustarea datelor experimentale
S¼ a presupunem c¼ a legile teoretice care guverneaz¼a procesul în care apar cele
dou¼ a m¼ arimi m¼asurabile ne asigur¼ a c¼a dependenţa dintre aceste dou¼ a m¼ arimi
este descris¼ a de relaţia y = f (x), unde f 2 F, unde F este o clas¼ a precizat¼a de
funcţii reale de o variabil¼ a real¼
a. Se pune atunci problema determin¼ arii acelei
funcţii f din clasa F care d¼ a cât mai bine dependenţa lui y de x în procesul
concret respectiv.
S¼ a admitem c¼ a n observaţii experimentale asupra procesului respectiv dau
pentru x şi y valorile din tabelul urm¼ ator:
x x1 x2 xn
y y1 y2 yn
Problema pus¼ a revine la determinarea funcţiei f din clasa F ale c¼ arei valori
în punctele x1 ; x2 ; : : : ; xn s¼
a "se apropie cât mai mult" de datele determinate
experimental. Pn
O m¼ asur¼
a a ”apropierii”funcţiei f de datele experimentale este i=1 (f (xi )
yi )2 :
Pn
Determinarea funcţiei f din clasa F pentru care (f (xi ) yi )2 are cea
i=1
mai mic¼ a valoare posibil¼
a va … numit¼
a ajustarea datelor experimentale din
tabelul
x x1 x2 xn
cu metoda celor mai
y y1 y 2 yn
mici p¼ atrate.
În cele ce urmeaz¼ a vom considera cazul când F este clasa funcţiilor polino-
miale de grad cel mult
Pm m în nedeterminata x, adic¼ a
F = Pm (x) = k=0 ak xk j ak 2 R; k = 0; m :
A determina funcţia f revine atunci la a determina coe…cienţii a0 ; a1 ; : : : ; am .
39
Pn
S¼
a not¼ am F (a0 ; a1 ; : : : ; am ) = i=1 (Pm (xi ) yi )2 :
Problema pus¼ a se reduce atunci la problema determin¼ arii punctului de minim
al funcţiei F .
Punctele staţionare ale funcţiei F sunt soluţiile sistemului
F 0 aj (a0 ; a1 ; : : : ; am ) = 0; j = 0; m
care conduce la 8 sistemul normal
>
> s0 a0 + s1 a1 + + sm am = t0
<
s1 a0 + s2 a1 + + sm+1 am = t1
>
> :::
:
sm a0 + sm+1 a1 + + s2m am = tm :
Pn P
n
unde avem sumele sl = xli si tl = xli yi :
i=1 i=1
Aceste sume pot … determinate completând tabelul urm¼ ator
x0i x1i x2i x2mi x 0
i iy x 1
i iy xm
i yi
1 x1 x21 x1 2m
y1 x1 y1 xm1 y1
1 x2 x22 x2m2 y 2 x 2 2y x m
2 y2
.. .. .. .. .. .. ..
. . . . . . .
2 2m m
P 1 xn x n x n y n xn y n xn yi
s0 s1 s2 s2m t0 t1 tm
în care coloanele x1i şi x0i yi sunt date de tabelul de date experimentale.
Fie (a0 ; a1 ; : : : ; am ) soluţia unic¼ a a sistemului normal. Atunci punctul
(a0 ; a1 ; : : : ; am ) este punctul staţionar unic Pnal funcţiei F .
Având în vedere c¼ a F (a0 ; a1 ; : : : ; am ) = i=1 (Pm (xi ) yi )2 ;
deci c¼a F este o sum¼ a de p¼ atrate, se poate ar¼ ata c¼ a dac¼a F are un punct de
extrem …nit atunci el este punct de minim şi c¼ a punctul staţionar (a0 ; a1 ; : : : ; am )
este întotdeauna punctul de minim al funcţiei F .
În acest fel, etapa a doua a procedeului de determinare a extremelor funcţiei
F nu mai trebuie parcurs¼ a şi deci polinomul (de grad cel mult m) care ajusteaz¼ a
- în sensul metodei celor mai mici p¼ atrate - datele experimentale considerate este
Pm (x) = a0 + a1 x + a2 x2 + + am xm :
Menţion¼ am c¼ a, dac¼a m = 1, în locul expresiei "s¼ a se determine polinomul
de ajustare de grad cel mult unu", se mai utilizeaz¼ a expresia "s¼ a se ajusteze cu
o dreapt¼ a", iar dac¼ a m = 2, în locul expresiei "s¼ a se determine polinomul de
ajustare de grad cel mult doi", se mai utilizeaz¼ a expresia "s¼ a se ajusteze cu o
parabol¼ a". Aceste exprim¼ ari se bazeaz¼ a pe faptul c¼ a imaginea geometric¼ a a unui
polinom de gradul întâi este o dreapt¼ a, iar imaginea geometric¼ a a unui polinom
de gradul doi este o parabol¼ a.
1.7. Exerciţii şi probleme rezolvate
1.7.1.S¼ a se studieze existenţa limitei funcţiilor de mai jos în punctele spec-
i…cate iar atunci când este cazul s¼
a se calculeze aceste limite.
x2 +y 2 xy
a) f (x; y) = jxj+jyj ; (0; 0); b) f (x; y) = pxy+1 1
; (0; 0); c) f (x; y) =
x2 y 2
x2 +y 2 ;
(0; 0).
Rezolvare. a) Domeniul de de…niţie al funcţiei este D = R2 n f(0; 0)g . (0; 0)
nu aparţine domeniului D dar este punct de acumulare al s¼ au. Avem:
40
x2 +y 2 jx2 j+jy2 j+2jxjjyj 2
jf (x; y)j = jxj+jyj jxj+jyj = (jxj+jyj)
jxj+jyj = jxj + jyj
şi cum lim (jxj + jyj) = 0, din criteriul major¼arii, rezult¼
a c¼
a
(x;y)!(0;0)
l= lim f (x; y) = 0:
(x;y)!(0;0)
xy
p +1 0
b) f este de…nit¼
a pentru adic¼
a pe D = f(x; y) 2
xy + 1 1 6= 0
R2 j xy 1; xy 6= 0g
l= lim f (x; y) = lim p xy =
(x;y)!(0;0) (x;y)!(0;0) xy+1 1
p
xy ( xy+1+1) p
= lim xy = lim xy + 1 + 1 = 2:
(x;y)!(0;0) (x;y)!(0;0)
c) Domeniul de de…niţie al funcţiei este D = R2 n f(0; 0)g.
x2 m2 x2 x2 (1 m2 )
lim f (x; y) = lim x!0 f (x; y) = lim 2 2 2 = limx!0 x2 (1+m2 ) =
(x;y)!(0;0) y=mx x!0 x +m x
1 m2
1+m2 ;
depinde de m şi deci f nu are limit¼
a în (0; 0).
1.7.2. S¼
a se cerceteze continuitatea funcţiei
(
1 cos(x3 +y 3 )
dac¼
x2 +y 2 ,
a (x; y) 6= (0; 0)
f (x; y) =
0, dac¼ a (x; y) = (0; 0)
Rezolvare. f este continu¼ a pe R2 n f(0; 0)g…ind o functie compusa de functii
elementare. Mai r¼
amâne de studiat continuitatea în punctul (0; 0). Avem:
3 3
1 cos(x3 +y 3 ) 2 sin2 x +y
2
l= lim 2
x +y 2 = lim 2
x +y 2 =
(x;y)!(0;0) (x;y)!(0;0)
2
x3 +y 3 x3 +y 3
sin2 (x3 +y3 )
2
2 2 1
= lim 2 x +y 3 2
3 x2 +y 2 = lim
2 (x;y)!(0;0) x2 +y 2 :
(x;y)!(0;0) 2
Pentru a calcula limita l, aplic¼

am inegalitatea Cauchy-Schwarz-Buniakowsky:
(x3 + y 3 )2 = (x x2 + y y 2 )2 (x2 + y 2 )(x4 + y 4 ) (x2 + y 2 )3
Avem 3
(x2 +y2 )
0 l 21 lim 1
x2 +y 2 = 2 0 = 0 = f (0; 0)
(x;y)!(0;0)
adic¼
a f este continu¼ a si în origine şi deci continu¼a pe tot spaţiul R2 .
@f @f
1.7.3. Folosind de…niţia s¼ a se calculeze @x ; @y în punctele precizate, pentru
funcţia de mai jos:
f (x; y) = x2 + y 2 + xy, (2; 1)
f (x;1) f (2;1) (x2 +1+x) (4+1+2)
Rezolvare. @f@x (2; 1) = lim x 2 = lim x 2 =
x!2 x!2
x2 +x 6
lim = lim (x + 3) = 5
x!2 x 2 x!2
@f f (2;y) f (2;1) (4+y2 +2y) (4+1+2)
@y (2; 1) = lim
y!1 y 1 = lim
y!1 y 1 =
y 2 +2y 3
lim y 1 = lim (y + 3) = 4
y!1 y!1
1.7.4. S¼a se calculeze derivatele parţiale de ordinul întâi pentru urm¼
atoarele
funcţii:
a) f : D ! R, f (x; y) = x2 + y 2 3axy
41
y
b) f : D ! R, f (x; y) = x
p
c) f : D ! R, f (x; y) = ln x + x2 + y 2
(D este domeniul maxim de de…niţie.)
Rezolvare. a) @f 2
@x (x; y) = (x + y
2
3axy)0 x = 2x 3ay
@f 2 2 0
@y (x; y) = (x + y 3axy) y = 2y 3ax
@f y 0 y@f y 0 1
b) @x (x; y) = x x = @y (x; y) = x y = x
x2 şi
@f
p 0 p 0
c) @x (x; y) = ln x + x2 + y 2 = p1 2 2 x + x2 + y 2 =p 1
x x+ x +y x x2 +y 2
@f
p 0
@y (x; y) = p1 2 2 x + x2 + y 2 = p 2 y2 p 2 2
x+ x +y y x+ x +y x +y
1.7.5. S¼ a se scrie diferenţialele de ordinele unu, doi şi trei pentru funcţia
f (x; y) = ln(xy) cu xy > 0
Rezolvare. Derivatele partiale sunt:
@f (x;y)
@x = x1 ; @f @y
(x;y)
= y1
@ 2 f (x;y) 1 @ 2 f (x;y) @ 2 f (x;y) 1
@x2 = x2 ; @x@y = 0; @y 2 = y2
@ 3 f (x;y) 2 @ 3 f (x;y) @ 3 f (x;y) @ 3 f (x;y) 2
@x3 = x3 ; @x2 @y = 0; @x@y 2 = 0; @y 3 = y3
@f (x;y) @f (x;y)
Diferenţiala de ordinul intai este: df(x;y) (dx; dy) = @x dx+ @y dy =
1
x dx + y1 dy
Diferenţiala de ordinul doi este:
2 2 2
d2 f(x;y) (dx; dy) = @ f@x(x;y)
2 dx2 +2 @ @x@y
f (x;y)
dxdy + @ f@y(x;y)
2 dy 2 = 1
x2 dx
2
1 2
y 2 dy
Diferenţiala de ordinul trei va …:
(3)
@ 3 f (x;y) 3
d3 f(x;y) (dx; dy) = @
@x dx + @
@y dy f (x; y) = @x3 dx3 +3 @@xf (x;y) 2
2 @y dx dy+
3
3 @@x@y
f (x;y) 2
2 dxdy +
3
+@ f (x;y)
@x3 = x23 dx3 + y23 dy 3
dy 3
1.7.6. O fabric¼ a produce dou¼ a tipuri de bunuri. Costul producerii acestor
bunuri este dat prin funcţia f (x; y), unde x şi y reprezint¼
a cantit¼
aţile produse
din …ecare tip de produs. S¼ a se minimizeze costul când
f (x; y) = x3 + y 3 9xy + 100:

Rezolvare. Pentru început determin¼ am punctele staţionare.
(
@f (x;y)
@x = 3x2 9y = 0
@f (x;y)
@y = 3y 2 9x = 0
Soluţiile sistemului, adic¼ a (0; 0) şi (3; 3), vor … punctele staţionare ale funcţiei
f . Derivatele parţiale de ordinul doi vor …
@ 2 f (x;y) 2 2
@x2 = 6x; @ @x@y

f (x;y)
= 9; @ f@y(x;y) 2 = 6y
şi deci diferenţialele de ordinul doi calculate în punctele staţionare vor …
d2 f(0;0) (dx; dy) = 18dxdy
şi d2 f(3;3) (dx; dy) = 18dx2 18dxdy + 18dy 2
42
0 9
Matricea asociat¼
a primei diferenţiale de ordinul doi este A =
9 0
Folosind aceast¼
a matrice putem a…rma c¼ a punctul staţionar (0; 0) nu este
punct de extrem local.
Matricea asociat¼
a celei de-a doua diferenţiale este
18 9 18 9 18 0
A= v 27 v 27 = D:
9 18 1
2 L1 +L2 !L2
0 2
1
2 C1 +C2 !C2
0 2
Din forma matricei D rezult¼ a c¼

a forma p¼ atratic¼
a asociat¼a celei de-a doua
diferenţiale este pozitiv de…nit¼
a. Deci punctul staţionar (3; 3) este un punct de
minim local. Valoarea minim¼ a a costului este fmin = f (3; 3) = 73.
1.7.7. Fie datele numerice
x 1 0 1 2
y 2 1 2 11
S¼
a se ajusteze aceste date numerice:
a) printr-un polinom de gradul întâi (o dreapt¼ a)
b) printr-un polinom de gradul doi (o parabol¼ a)
Rezolvare. a) Avem gradul polinomului m = 1, deci pentru scrierea sistemu-
lui normal trebuie calculate sumele s0 ; s1 ; s2 şi sumele t0 şi t1 .
x0i x1i x2i x0i yi x1i yi

1 1 1 2 2
1 0 0 1 0
1 1 1 2 2
P 1 2 4 11 22
4 2 6 16 22
Deci s0 = 4, s1 = 2, s2 = 6, t0 = 16 şi t1 = 22. Sistemul normal este:
4a0 + 2a1 = 16
2a0 + 6a1 = 22
a a acestui sistem este: a0 = 13
Soluţia unic¼ 5 ; a1 = 5
14
Atunci polinomul de ajustare de grad cel mult unu este P1 (x) = 13 14

5 + 5 x;iar
13 14
dreapta de ajustare este dreapta de ecuaţie y = 5 + 5 x.
b) Având m = 2, pentru scrierea sistemului normal vom calcula sumele
s0 = 4, s1 = 2, s2 = 6, s3 =
88, s4 = 18, t0 = 16, t1 = 22, t2 = 48.
< 4a0 + 2a1 + 6a2 = 16
Sistemul normal va …: 2a0 + 6a1 + 8a2 = 22
:
6a0 + 8a1 + 18a2 = 48
1 3 25
ce admite soluţia unic¼
a a0 = 10 ; a1 = 10 ; a2 = 10 :Polinomul de ajustare
1 3 25 2
de grad cel mult 2 este P2 (x) = 10 + 10 x + 10 x iar parabola de ajustare este
parabola de ecuaţie: y = 0; 1 + 0; 3x + 2; 5x2
Teme de control
43
1.8. Exerciţii şi probleme propuse
1.8.1. S¼ a se studieze existenţa limitelor funcţiilor de mai jos în punctele
speci…cate iar atunci când este cazul s¼ a se calculeze aceste limite:
sin(x3 +y 3 ) 2
a) f (x; y) = x2 +y2 ; (0; 0); b) f (x; y) = yy2 +xx ; (0; 0); c) f (x; y) =
p
1 x2 y 2 ; 12 ; 21 .
R¼aspuns. a) D = R2 n f(0; 0)g, l = 0, b) D = f(x; y) 2 R2 j x 6= 0; y 6=
0; x 6= y 2 g, nu exist¼ a limita lui f ,
c) D = f(x; y) 2 R2 j x2 + y 2p 1g este discul cu centrul în originea axelor
de coordonate şi de raz¼ a 1, l = 22 .
1.8.2. S¼ a se
( cerceteze continuitatea urm¼atoarelor funcţii:
3xy 2
f (x; y) = 2x2 +9y 4 ; dac¼
a (x; y) 6= (0; 0)
0; dac¼
a (x; y) = (0; 0)
2
R¼aspuns. f continu¼ a pe R n f(0; 0)g
1.8.3. S¼ a se calculeze derivatele parţiale de ordinul întâi pentru urm¼
atoarele
funcţii:
a) z = f (x; y) = xx+yy , b) z = f (x; y) = p 2x 2 , c) z = arctg xy
x +y
@z 2y @z 2x @z y2 @z
R¼aspuns. a) @x = (x+y)2
, @x = (x+y)2
, b) @x = p
3
, @y =
(x2 +y 2 )2
2
p y @z y @z x
3
;c) @x = x2 +y 2 , @y = x2 +y 2 ,
(x2 +y 2 )2
1.8.4. S¼ a se calculeze derivatele parţiale de ordinul doi şi trei pentru funcţia
f (x; y; z) = x2 yz 3
2 2 2 2
R¼aspuns. a) @ f@x (x;y;z)
2 = 2yz 2 ; @ f@y
(x;y;z)
2 = 0, @ f@z
(x;y;z)
2 = 6x2 yz; @ f@x@y
(x;y;z)
=
2 2
2xz 3 ; @ f (x;y;z)
@x@z = 6xyz 2 ; @ f@y@z (x;y;z)
= 3x2 z 2
3 3 3 3 3
@ f (x;y;z)
@x3 = 0; @ @x f (x;y;z)
2 @y = 2z 2 ; @ @x
f (x;y;z)
2 @z = 4yz; @ f@y
(x;y;z)
3 = 0; @ @y f (x;y;z)
2 @z =
3
@ f (x;y;z) 2
0; @z 3 = 6x y
@ 3 f (x;y;z) 3 3 3
@x@y 2 = 0; @ @x@y@z
f (x;y;z)
= 4xz; @ @x@z f (x;y;z)
2 = 12xyz; @ @y@z
f (x;y;z)
2 = 6x2 z
1.8.5. S¼
a se scrie diferenţialele de ordinele doi şi trei pentru funcţia f (x; y) =
x2 xy + 2y 3 + 3x 5y + 10
R¼aspuns. d2 f(x;y) (dx; dy) = 2dx2 2dxdy + 12ydy 2 ; d3 f(x;y) (dx; dy) = 12dy 3
1.8.6. S¼a se determine punctele de extrem local pentru funcţia f (x; y) =
2x2 + 2xy 5y 2 + 6x + 6y, (x; y) 2 R2 ,
R¼aspuns. fmax = f (2; 1) = 9
1.8.7. Se consider¼ a datele numerice:
x 2 0 1 2
y 48 32 9 8
S¼
a se ajusteze aceste date numerice printr-o dreapt¼
a şi g¼
asiţi apoi valoarea
lui y în punctul x = 3.
R¼aspuns. y = 10; 89x + 26; 97; y(3) = 5; 69
Rezumat modul
In acest capitol s-au prezentat de…nitii si concepte de baza legate de functiile
reale de mai multe variabile reale cum sunt: elemente de topologie ale spatiului
44
Rn , limite de functii si continuitatea lor de la Rn la R; derivate partiale si
diferentiala. Au fost prezentate notiunile de derivate partiale si derivate de
ordin superior, extremele functiilor de mai multe variabile (conditii necesare
si su…ciente pentru existenta extremelor locale). De asemenea s-au prezentat
si notiuni legate de ajustarea prin metoda celor mai mici patrate a datelor
experimentale.
Bibliogra…e modul
UNITATEA 2. Integrale Euler
2.1. Integrala lui Euler de speţa întâi. Funcţia beta
De…niţia 2.1. Se numeşte integrala lui Euler de speţa întâi integrala
Z 1
xp 1
(1 x)q 1
dx;
0
care pentru p < 1 este o integral¼
a improprie având ca punct critic pe 0 şi pentru
q < 1 este o integral¼
a improprie având ca punct critic pe 1.
Se arata ca integrala lui Euler de speta intai este convergenta pentru p > 0
si q > 0: Astfel putem de…ni o funcţie reala de dou¼
a variabile reale B : (0; 1)
(0; 1) ! R prin relaţia
Z 1
B(p; q) = xp 1
(1 x)q 1
dx:
0
Aceast¼a funcţie se numeşte funcţia lui Euler de speţa întâi sau funcţia
beta.
În continuare vom da câteva propriet¼ aţi ale funcţiei beta.
1
(B1) B (p; 1) = :
p
În particular, pentru p = 1 se obţine
B(1; 1) = 1:
(B2)
1 1
B ; = :
2 2
(B3)
B(p; q) = B(q; p):

(B4) Dac¼
a p > 1 atunci
p 1
B(p; q) = B(p 1; q):
p+q 1
45
Menţion¼ am c¼a ipoteza p > 1 este necesar¼ a pentru ca p 1 > 0 şi deci
B(p 1; q) s¼ a existe.
Proprietatea (B4) permite micşorarea cu o unitate a primului argument al
funcţiei B. Ea poate … utilizat¼
a succesiv atâta timp cât primul argument r¼
amâne
pozitiv.
(B5) Dac¼ a q > 1 atunci
q 1
B(p; q) = B(p; q 1):
p+q 1
Proprietatea (B5) permite micşorarea cu o unitate a celui de al doilea argu-
ment al funcţiei B. Ea poate … de asemenea utilizat¼ a succesiv atâta timp cât al
doilea argument r¼ amâne pozitiv.
Observ¼am astfel c¼a prin utilizarea convenabil¼ a a propriet¼
aţilor (B4) şi (B5)
se poate calcula B(p; q) pentru p > 1 şi q > 1 dac¼ a se cunoaşte B(fpg; fqg),
unde fxg noteaz¼ a partea fracţionar¼
a a lui x.
Exist¼
a tabele cu valori ale lui B(p; q) pentru 0 < p 1 şi 0 < q 1.
Exemplu de utilizare a propriet¼ aţilor (B4) şi (B5).
Avem
3
3 5 2 1 3 5 1 1 5
B ; = 3 5 B 1; = B ; =
2 2 2 + 2 1 2 2 6 2 2
5
1 2 1 1 5 1 3 1 3
= 1 5 B ; 1 = B ; =
6 2 + 2 1 2 2 6 4 2 2
3
1 3 2 1 1 3 1 3 1 1 1
= 1 3 B ; 1 = B ; =
6 4 2 + 2 1 2 2 6 4 2 2 2
1 3 1 1
= = :
6 4 2 16
(B6) Dac¼
a m 2 N şi n 2 N atunci
(m 1)! (n 1)!
B(m; n) = :
(m + n 1)!
Astfel, de exemplu
4! 3! 1
B(5; 4) = = :
8! 280
(B7) Dac¼
a 0 < p < 1 atunci
B(p; 1 p) = :
sin p
2.2. Integrala lui Euler de speţa a doua. Funcţia gama
De…niţia 2.2. Se numeşte integrala lui Euler de speţa a doua integrala
Z 1
xa 1 e x dx;
0
46
care este o integral¼
a improprie (având limita superioar¼ a de integrare 1) şi în
plus dac¼a a < 1 are punct critic şi pe
R10.
a integrala improprie 0 xp 1 e x dx este convergent¼
Se arata c¼ a dac¼a p > 0.
Acest rezultat ne permite s¼ a de…nim funcţia real¼ a de o variabil¼
a real¼
a :
(0; 1) ! R prin relaţia
Z 1
(p) = xp 1 e x dx:
0
Aceast¼a funcţie se numeşte funcţia lui Euler de speţa a doua sau funcţia
gama.
În continuare vom da câteva propriet¼ aţi ale funcţiei gama.
( 1) (1) = 1.
( 2) Dac¼ a p > 1, atunci
(p) = (p 1) (p 1):
Menţion¼
am c¼a ipoteza p > 1 este necesar¼ a pentru a exista (p 1).
Proprietatea 2) permite micşorarea cu o unitate a argumentului funcţiei
gama. Prin utiliz¼ari succesive ale acestei propriet¼
aţi, calculul lui (p) pentru
p > 1 poate … redus la calculul lui (fpg).
Exist¼
a tabele cu valori ale funcţiei gama pentru 0 < p 1.
( 3) Dac¼a m 2 N , atunci
(m) = (m 1)!
Proprietatea 3) sugereaz¼
a faptul c¼
a funcţia gama este o generalizare a fac-
torialului.
S¼
a observ¼
am în continuare c¼
a dac¼
a în proprietatea B6) a funcţiei beta,
(m 1)! (n 1)!
B(m; n) = ;
(m + n 1)!
utiliz¼
am în locul factorialului valori ale funcţiei gama date de proprietatea 3)
obţinem
(m) (n)
B(m; n) = ; 8 m; n 2 N :
(m + n)
Aceast¼
a relaţie dintre funcţiile beta şi gama r¼amâne adev¼arat¼
a şi pentru
argumente reale, adic¼a are loc proprietatea
(p) (q)
( 4) B(p; q) = ; 8 p > 0 şi 8 q > 0;
(p + q)
cunoscut¼
a sub denumirea de relaţia lui Euler.
1 p
( 5) = :
2
2.3. Integrala Euler-Poisson
De…niţia 2.3. Integrala improprie
47
Z 1
x2 1p
e dx = :
0 2
se numeşte integrala Euler-Poisson.
Observaţie. Prin calcule elementare se g¼
asesc urm¼
atoarele rezultate
Z 1 Z 1 p
2 p x2
e x dx = şi e 2 dx = 2 :
1 1
2.4. Exercitii si probleme rezolvate

2.4.1. S¼ a se calculeze valorile funcţiilor lui Euler:
5 3 1 1 5
a) (6), b) 2 , c) B (3; 5), d) B 2 ; 2 , e) B 4 ; 4
Soluţie:
a) (6) = 5! = 120
5 5 5
b) 2 = p 2 1 2 1 = 23 32 = 23 32 1 3
2 1 =
31 1 3
22 2 = 4
c) B (3; 5) = (3(3+5
1)!(5 1)! 2! 4! 48
1)! = 7! = 5040 = 105
1
p p
(3) (1) 1
d) B 32 ; 12 = 23 + 12 = 2 1! = 2
(2 2)
7 3
1
e) B 14 ; 74 = 1 +4 7 1 B 41 ; 34 = 14 B 14 ; 34 = 34 sin = 34 p2 = 3p
2 2
4 4 4 2
2.4.2. Folosind integralele euleriene s¼
a se calculeze integralele:
Rb R1 R1 p 3
a) a p dx , b) 2 x e2 x dx, c) 0 1+xx2 dx.
(x a)(b x)
Soluţie:
a xb aa = t; dx = (b
a) Facem schimbarea de variabil¼ a) dt
x = a; ) t = 0
Limitele de integrare:
x = b; ) t = 1
Rb R1 R1
Deci, a p dx = 0 p (b a)dt = 0 p dt =
(x a)(b x) (b a)t(b a)(1 t) t(1 t)
R1 1 1
0
t 2 (1 t) 2 dt = B 12 ; 12 =
b) Facem schimbarea de variabil¼ a
x 2
R1 2 x= t ) dx
R1 = dt Obţinem astfel:
R1 R1
2
xe dx = 0 (t + 2) e t dt = 0 te t dt + 2 0 e t dt = (2) + (1) =
1! + 2 1 = 3
c) Facem schimbarea de variabil¼ a
1
2
t 1 t 1
x2 = 1 t ; dx = 2 1 t (1 t)2
dt
R1 p
3 R 1 ( 1 t t ) 16 1
2 R1 1 1
6 +1+ 2 2
x 1 t 1 1 1 1
0 1+x2
dx = 0 1+ 1 t 2 1 t (1 t)2
dt = 2 0
t6 2 (1 t) dt
t
R 1 1 2
= 12 0 t 3 (1 t) 3
dt = 12 B 2 1
3; 3 = 12 B 1 2
3; 3 = 1
2 sin = 1
2
p
3
= p
3
.
3 2
Teme de control
2.5. Exerciţii şi probleme propuse:
2.5.1. S¼
a se calculeze valorile funcţiilor lui Euler:
9 3 3
a) (8), b) 2 , c)B (2; 2), d) B 2 ; 2 ,
48
R¼aspuns: p
a) 5040, b) 10516 , c) 61 , d) 8
2.5.2. Folosind integralele euleriene s¼
a se calculeze:
R1p R R 1 x3 dx R1 2 x
a) 0 x5 x6 dx, b) 02 sin4 x cos2 x dx, c) 0 (1+x 3 )2 , d) 0
x e 5 dx,
R1 p 3 x
e) 0 (1+x)4 dx
R¼aspuns: p p
a) 527 , b) 8 , c) 2 27 3 , d) 250, e) 1035 3
Rezumat
In aceasta unitate au fost introduse si studiate notiunile privind integralele
Euler de speta intai (functia beta), de speta a doua (functia gama), proprietatile
acestora, precum si integrala Euler-Poisson.
Bibliogra…e
MODULUL III. Elemente de teoria probabilitatilor

Obiective
De…nirea si studiul principalelor proprietati ale conceptelor de baza din
teoria probabilitatilor.
Crearea la studenti a unor deprinderi de utilizare a tehnicilor probabilistice
si de folosire a acestora in scop aplicativ.
Fundamentarea probabilistica a statisticii matematice.
Concepte de baza
Eveniment aleator, probabilitate, probabilitate conditionata, scheme cla-
sice de probabilitate.
Variabila aleatoare, functie de probabilitate a unei variabile aleatoare dis-
crete, functie de repartitie a unei variabile aleatoare, densitate de proba-
bilitate, functia de repartitie a unei variabile aleatoare de tip continuu.
Caracteristici numerice ale variabilelor aleatoare (media, dispersia, mo-
mente, corelatia)
Repartitii clasice.
Rezultate asteptate
Se urmareste buna intelegere de catre studenti a tehnicilor de abordare prob-
abilistica a fenomenelor aleatoare, utilizarea adecvata a schemelor probabilis-
tice care modeleaza astfel de fenomene, intelegerea conceptului de variabila
aleatoare, precum si formarea deprinderilor de calcul ale caracteristicelor nu-
merice pentru variabilelor aleatoare. Se doreste ca studentii sa inteleaga foarte
49
bine semni…catia caracteristicilor pe care le calculeaza si, de asemenea sa inte-
leaga motivele aplicarii teoriei probabilitatilor in statistica matematica.
Sinteza
UNITATEA 1. Camp de evenimente. Camp de pro-
babilitate. Scheme clasice de probabilitate.
1.1. Corp ( -corp) de p¼
arţi ale unei mulţimi
De…niţia 1.1.1. Se numeşte corp de p¼ arţi ale mulţimii nevide orice
familie nevid¼a K P ( ) unde P ( ) este mulţimea p¼ arţilor lui , astfel încât
a) 8 A 2 K =) CA 2 K unde CA = A
b) 8 A; B 2 K =) A [ B 2 K
Propoziţia 1.1.1.: Fie K un corp de p¼ arţi ale mulţimii nevide . Atunci:
1) ; 2K
2) 8 A; B 2 K =) A \ B 2 K
3) 8 A; B 2 K =) A B 2 K
Observaţii: Prin de…niţie, un corp de p¼ arţi K este închis faţ¼ a de trecerea
la complementar¼ a şi faţ¼
a de reuniune. De…niţia corpului de p¼ arţi garanteaz¼ a şi
închiderea sa faţ¼a de reuniunea sau diferenţa de menţiuni.
De asemenea, un corp de p¼ arţi conţine în mod necesar submulţimile improprii
şi :
Prin inducţie matematic¼ a rezult¼ a c¼
a un corp de p¼ arţi este închis şi faţ¼
a de re-
uniunea sau intersecţia …nit¼ a oarecare de mulţimi adic¼ a pentru orice A1 ; A2 ; :::; An
n n
2 K (n 3) avem şi [ Ai 2 K respectiv \ Ai 2 K
i=1 i=1
Exemple:
1) Dac¼ a 6= atunci K = P ( ) este un exemplu (banal) de corp de p¼ arţi
ale lui :
2) Fie = f1; 2; 3; 4; 5; 6g
K = f ; ; f1; 6g ; f2; 3g ; f4; 5g ; f1; 2; 3; 6g ; f1; 4; 5; 6g ; f2; 3; 4; 5gg este un corp
de p¼arţi ale lui :
De…niţia 1.1.2. Se numeşte -corp de p¼ arţi ale mulţimii nevide orice
familie nevid¼ a K P ( ) astfel încât
a’) 8 A 2 K =) CA 2 K
1
b’) 8 (An )n2N K [ An 2 K
n=1
1.2. Câmp ( -câmp) de evenimente
Vom înţelege prin experiment aleator orice experiment al c¼ arui rezultate,
considerate din punct de vedere al unui anumit criteriu, nu sunt cunoscute
înainte de efectuarea experimentului (repetând un astfel de eveniment, în condiţii
identice, se pot obţine rezultate diferite, nu se poate preciza rezultatul ci se
poate face doar o list¼a cu rezultatele posibile). Orice rezultat posibil în urma
unui experiment aleator se numeşte eveniment aleator. Evenimentele care nu
se pot realiza drept consecinţ¼ a a reraliz¼
arii altora se numesc evenimente ele-
mentare.Consider¼ am, de exemplu, experimentul arunc¼ arii unui zar (obişnuit,
nem¼asluit) şi evalu¼
am rezultatul din punc de vedere al apariţiei (non-apariţiei)
vreunora dintre feţele de la 1 la 6. Folosim notaţii de tipul ce urmeaz¼a:
A = f1g- apariţia feţei 1.
50
B = f1; 4g- apariţia vreuneia dintre feţele 1 sau 4.
C = f2; 5; 6g- apariţia vreuneia dintre feţele 2,5 sau 6,etc.
A este evenimentul elementar (analog f2g ; f3g ; f5g ; f6g) dar B nu este
elementar (B se poate realiza ca şi consecinţ¼ a a realiz¼
arii lui A). Vom reveni
ulterior, cu mai mult¼ a rigoare, asupra conceptului de experiment elementar.
Not¼am cu mulţimea tuturor evenimentelor elementare generate de un ex-
periment aleator. In continuare ne este comod s¼ a trat¼
am aceast¼ a mulţime ca o
mulţime de puncte pentru care submulţimile reduse la un punct corespund eveni-
mentelor elementare. se mai numeşte şi mulţime fundamental¼a (de referinţ¼a)
sau spaţiu de selecţie. Orice alt eveniment poate … asimilat cu o submulţime a
spaţiului (în exemplul de mai sus avem = f1; 2; 3; 4; 5; 6g şi A; B; C ).
In particular, corespunde evenimentului constând în realizarea a cel puin unul
dintre evenimentele elementare posibile ceea ce se întâmpl¼ a la orice efectuare a
evenimentului şi de aceea acest eveniment se numeşte eveniment cert sau sigur.
Un alt eveniment particular este cel care corespunde mulţimii vide şi care
revine la nerealizarea a cel puţin unui eveniment elementar posibil, ceea ce este
imposibil la orice efectuare a experimentului şi din acest motiv acest eveniment
se numeşte eveniment imposibil. Vom p¼ astra pentru evenimentul sigur şi eveni-
mentul imposibil aceleaşi notaţii şi respectiv ca şi pentru submulţimile lui
c¼
arora le corespund.
Fie mulţimea tuturor evenimentelor aleatoare generate de un experiment
aleator.
De…niţia 1.2.1. Fie A; B 2 .
Se numeşte intersecţie a evenimentelor A şi B, notat¼ a A \ B, evenimentul
care se realizeaz¼a dac¼ a şi numai dac¼a se realizeaz¼ a atât A cât şi B.
Se numeşte reuniune a evenimentelor A şi B, notat¼ a A[B, evenimentul care
se realizeaz¼
a dac¼a şi numai dac¼ a se realizeaz¼a cel puţin unul dintre evenimentele
A şi B.
Se numeşte diferenţ¼a a evenimentelor A şi B, notat¼ a A B, evenimentul
care se realizeaz¼
a atunci când se realizeaz¼ a A dar nu şi B (adic¼ a A B = A\CB ).
Se numeşte eveniment contrar evenimentului A, notat CA , evenimentul
care se realizeaz¼a dac¼ a şi numai dac¼a nu se realizeaz¼ a A (evenimentul comple-
mentar lui A se mai numeşte şi eveniment contrar lui A şi se mai noteaz¼ a A sau
nonA).
Propoziţia 1.2.1. Pentru orice A; B; C 2 au loc propriet¼ aţile:
a) (A [ B) [ C = A [ (B [ C) ; (A \ B) \ C = A \ (B \ C) (asociativitate)
b) A [ B = B [ A; A \ B = B \ A (comutativitate)
c) A [ (B \ C) = (A [ B) \ (A [ C) ; A \ (B [ C) = (A \ B) [ (A \ C)
(distributivitate)
d) A [ A = A; A \ A = A (...)
e) A\CA = ; A[CA = ; A\ = A; A[ = ; A\ = ; A[ = A
De…niţia 1.2.2. Fie A; B 2 : Se spune c¼ a evenimentul A implic¼a eveni-
mentul B (sau c¼ a B este implicat de A) şi se scrie A B (respectiv B A)
dac¼a realizarea lui A antreneaz¼ a neap¼arat şi realizarea lui B.
Observaţii:
51
1. Relaţia de implicaţie se poate de…ni şi cu ajutorul „[” sau „\”. Mai
precis, pentru A; B 2 avem
A B () A \ B = A () A [ B = B
Cum A \ = şi A \ = A rezult¼ a c¼
a A şi A adic¼a avem
A ; 8 A2 :
2. Relaţia de implicaţie este o relaţie de ordine parţial¼ ape (adic¼ a este
re‡exiv¼ a, antisimetric¼
a şi tranzitiv¼a). Intr-adev¼
ar avem:
a) 8 A 2 =) A A (re‡exivitate)
b) A; B 2 ; A B şi B A =) A = B (antisimetrie)
c) A; B 2 ; A B şi B C =) A C
3. Se poate ar¼ ata c¼a dac¼a A; B 2 ; A[B = ; şi A\B = atunci A = CB
sau, echivalent, B = CA (în particular cum A \ CA = şi A [ CA = avem
C (CA ) = A şi de asemenea din [ = ; \ =
rezult¼ a c¼
a = C şi = C ).
Utilizând aceast¼ a observaţie se poate demonstra propoziţia de mai jos (pe
care o admitem f¼ ar¼
a demonstraţie).
Propoziţia 1.2.2. (relaţiile lui De Morgan)
Pentru orice A; B 2 avem:
CA[B = CA \ CB şi CA\B = CA [ CB :
De…niţia 1.2.3. Se spune c¼ a evenimentele A; B 2 sunt incompatibile
dac¼a ele nu se pot realiza simultan, adic¼ a A\B =
De…niţia 1.2.4. Se spune c¼ a evenimentul A 2 este eveniment elementar
dac¼a 8 B 2 ; B A rezult¼ a c¼
a B = sau B = A
(A nu poate … implicat decât de c¼ atre evenimentul imposibil sau de c¼ atre el
însuşi).
De…niţia 1.2.5. Se numeşte câmp de evenimente orice corp de p¼ arţi ( ; K)
al unei mulţimi nevide : Se numeşte -câmp de evenimente orice -corp de
p¼
arţi ( ; K) al unei mulţimi nevide :
1.3. Câmp ( -câmp) de probabilitate
De…niţia 1.3.1. (de…niţia axiomatic¼a a probabilit¼aţii)
Fie ( ; K) un câmp de evenimente. Se numeşte probabilitate pe K orice
aplicaţie P : K ! R astfel încât:
P 1) P (A) 0; 8 A 2 K
P 2) P (A [ B) = P (A) + P (B) ; 8 A; B 2 K, A\B =
P 3) P ( ) = 1
Se numeşte câmp de probabilitate orice triplet ( ; K; P ) unde ( ; K) este un
câmp de evenimente iar peste o probabilitate pe K.
Propoziţia 1.3.1. Fie ( ; K; P ) un câmp de evenimente. Atunci:
a) P ( ) = 0
b) P (CA ) = 1 P (A) ; 8 A 2 K
c) P (B A) = P (B) P (A) ; 8 A; B 2 K, A B
d) P (B A) = P (B) P (A \ B) ; 8 A; B 2 K,
e) P (A [ B) = P (A) + P (B) P (A \ B) ; 8 A; B 2 K
Consecinţe:
1. A; B 2 K, A B =) P (A) P (B) (monotonie).
2. A 2 K =) 0 P (A) 1
52
Prin inducţie matematic¼
a, pornind de la P 2), rezult¼
a c¼
a dac¼
a A1 ; A2 ; :::; An
2 K, Ai \ Aj = ; i = 1; n
n Pn
i 6= j atunci P [ Ai = = P (Ai ) (probabilitatea unei reuniuni …nite
i=1 i=1
de evenimente incompatibile dou¼ a câte dou¼a este suma probabilit¼ aţilor eveni-
mentelor reuniunii). Comportamentul probabilit¼ aţii faţ¼
a de o reuniune …nit¼ a de
evenimente oarecare (nu mai sunt incopatibile dou¼ a câte dou¼ a) din K este dat
de propoziţia care urmeaz¼a, obţinut tot prin inducţie matematic¼ a pornind de la
subpunctul e) din propoziţia 1.4.1.
Propoziţia 1.4.2. (formula de adunare a probabilit¼aţilor sau formula lui
Poincaré).
Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K. Atunci
n Pn Pn Pn
P [ Ai = P (Ai ) P (Ai \ Aj ) + P (Ai \ Aj \ Ak ) ::: +
i=1 i=1 i;j=1 i;j;k=1
i<j i<j<k
n 1 n
( 1) P [ Ai :
i=1
Observaţie. Dac¼ a A; B; C; D 2 K avem evident:
a) P (A [ B [ C) = P (A) + P (B) + P (C) P (A \ B) P (A \ C)
P (B \ C) + P (A \ B \ C)
b) P (A [ B [ C [ D) = P (A) + P (B) + P (C) + P (D) P (A \ B)
P (A \ C) P (A \ D) P (B \ C) P (B \ D)
P (C \ D) + P (A \ B \ C) + P (A \ B \ D) + P (A \ C \ D) +
P (B \ C \ D) P (A \ B \ C \ D) :
De…niţia 1.3.2. Fie ( ; K; P ) un -câmp de evenimente. Se numeşte
probabilitate -aditiv¼a pe K orice aplicaţie P : K ! R astfel încât:
P 1’) P (A) 0; 8 A 2 K
1 P
1
P 2’) P [ An = P (An ) 8 (An )n2N K, Ai \ Aj = 8 i; j 2
n=1 n=1
N ; i 6= j:
P 3’) P ( ) = 1
Se numeşte -câmp de probabilitate orice triplet ( ; K; P ) unde ( ; K) este
un -câmp de evenimente iar P este o probabilitate -aditiv¼a pe K.
Observaţie:
Orice -câmp de probabilitate este şi câmp de probabilitate şi deci toate
propriet¼aţile probabilit¼
aţii sunt adev¼ arate şi pentru - probabilit¼
aţi. Urm¼
arim
în continuare câteva propriet¼ aţi ale - probabilit¼aţilor.
Propoziţia 1.3.3. Fie ( ; K; P ) un -câmp de probabilitate şi (An )n2N
un şir de evenimente din K. Atunci:
1 P1
P [ An P (An )
n=1 n=1
Propoziţia 1.3.4. (inegalitatea lui Boole). Fie ( ; K; P ) un -câmp de
probabilitate şi (An )n2N un şir de evenimente din K. Atunci:
1 P
1
P \ An 1 (1 P (An )) :
n=1 n=1
Observaţie. Inegalitatea lui Boole este adev¼ arat¼
a şi pentru un câmp de
probabilitate. Dac¼
a: A1 ; A2 ; :::; An 2 K atunci
53
n P
n P
n
P \ Ai 1 (1 P (Ai )) = P (Ai ) (n 1) : Avem deci:
i=1 i=1 i=1
n P
n
P \ Ai P (Ai ) (n 1)
i=1 i=1
Observaţie. Fie = fw1 ; w2 ; :::; wn g şi K = P ( ): Pe câmpul de eveni-
mente ( ; K) se consider¼
a probabilitatea P cu proprietatea P (fw1 g) = P (fw2 g) =
::: = P (fwn g) = n1
k
Dac¼
a A = fwi1 ; wi2 ; :::; wik g 2 K atunci P (A) = P [ wij =
j=1
P
k P
k
1 k
P wij = n = n:
j=1 j=1
Se obţine astfel o alt¼
a de…niţie a probabilit¼
aţii, adev¼
arat¼
a într-un cadru mult
mai restrictiv decât cel din de…niţia 1.3.1. dar extrem de utilizat¼ a în numeroase
cazuri practice şi constituind din punct de vedere istoric, prima de…niie dat¼ a
conceptului de probabilitate.
De…niţia 1.3.3. (de…niţia clasic¼a a probabilit¼aţii):
Probabilitatea unui eveniment A, generat de un experiment aleator care
genereaz¼ a un câmp …nit de probabilitate cu evenimente elementare egal proba-
bile, este egalã cu raportul dintre numãrul evenimentelor elementare favorabile
realizãrii lui A şi numãrul total de evenimente elementare posibile.
1.4. Probabilitãţi condiţionate. Independenţa evenimentelor
In paragraful precedent, printre alte proprietãţi, s-au şi proprietãţi care arã-
tau comportamentul probabilitãţii faţã de reuniunea evenimentelor. In acest
paragraf vom urmãrii comportamentul probabilitãţii faţã de intersecţia eveni-
mentelor, proprietãţi grupate într-un paragraf separat tocmai datoritã impor-
tanţei deosebite pe care o au în aplicaţiile practice.
De…niţia 1.4.1. Fie ( ; K; P ) un câmp de probabilitate şi A 2 K cu
P (A) 6= 0:
Se numeşte probabilitatea evenimentului X 2 K condiţionatã de evenimentul
A, notatã P (X jA ) ; raportul
P (X \ A)
P (X jA ) =
P (A)
Observaţie:
Avem P (X \ A) = P (A) P (X jA ) :Dacã A; B 2 K, P (A) 6= 0; P (B) 6= 0;
atunci
P (A \ B) = P (A) P (B jA ) = P (A) P (A jB ). Am obţinut un prim rezul-
tat care indicã comportamentul probabilitãţii faţã de intersecţie.
Propoziţia 1.4.1. Fie ( ; K; P ) un câmp de probabilitate şi A 2 K cu
P (A) 6= 0:
Atunci, aplicaţia PA : K ! R, PA (X) = P (X jA ) este de asemenea o
probabilitate pe K adicã ( ; K; PA ) este tot un câmp de probabilitate.
Observaţie. Analog pornind de la -câmpul de probabilitate ( ; K; P ) şi
A 2 K cu P (A) 6= 0 se obţine -câmpul de probabilitate ( ; K; PA ) unde
PA : K ! R, PA (X) = P (X jA )
54
Propoziţia 1.4.2. (formula de înmulţire a probabilitãţilor)
Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K astfel încât
n 1
P \ Ai 6= 0:Atunci:
i=1
!
n 1
P \ Ai = P (A1 ) P (A2 jA1 ) P (A3 jA1 \A2 ) :::P An n 1 :
i=1 \ Ai
i=1
De…niţia 1.4.2. Fie ( ; K; P ) un câmp de probabilitate. Se spune cã

evenimentul A1 ; A2 ; :::; An 2 K formeazã un sistem complet de evenimente
dacã:
a) P (Ai ) 6= 0; 8i = 1; n
b) Ai \ Aj 6= 0; 8i; j = 1; n i 6= j
n
c) [ Ai = :
i=1
Observaţie: A1 ; A2 ; :::; An 2 K formeazã un sistem complet de evenimente
dacã şi numai dacã la orice efectuare a experimentului se realizeazã unul şi nu-
mai unul dintre evenimentele sistemului. Un exemplu banal de sistem complet
de evenimente este sistemul fA; CA g unde A 2 K, P (A) 6= 0: Renunţând la
condiţia a) (cerutã aici pentru comoditate) mulţimea tuturor evenimentelor el-
ementare (poate … o in…nitate mãsurabilã) ale unui câmp de evenimente oferã
un alt exemplu de sistem complet de evenimente.
Propoziţia 1.4.3.(formula probabilitãţii totale)
Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K un sistem com-
plet de evenimente şi X 2 K. Atunci:
n
X
P (X) = P (Ai ) P (X jAi )
i=1
Propoziţia 1.4.4. (formula lui Bayes)

Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K un sistem com-
plet de evenimente şi X 2 K
astfel încât P (X) 6= 0. Atunci, pentru orice j 2 f1; 2; :::; ng …xat, avem
P (Aj ) P X Aj
P (Aj jX ) = P
n
P (Ai ) P (X jAi )
i=1
De…niţia 1.4.3. Fie ( ; K; P ) un câmp de probabilitate şi A; B 2 K. Se

spune cã A şi B sunt independente dacã
P (A \ B) = P (A) P (B)
Observaţie. De…niţia independenţei a douã evenimente, la care s-a dat
formula mai sus, este echivalentã cu a…rmaţia cã A şi B sunt independente dacã
nu se condiţioneazã reciproc. Fie A; B 2 K astfel încât P (A) 6= 0; P (B) 6= 0 şi
A; B independente în sensul de…niţiei 1.5.3. Atunci:
P (A jB ) = P P(A\B)
(B) =
P (A) P (B)
P (B) = P (A) şi P (B jA ) = P P(B\A)
(A) =
P (B) P (A)
P (A) =
P (B)
55
adicã faptul cã B nu condiţioneazã pe A este respins în relaţia P (A jB ) =
P (A) şi analog faptul cã Anu condiţioneazã pe B rezultã din egalitatea P (B jA ) =
P (B) :
Propoziţia 1.4.5. Fie ( ; K; P ) un câmp de probabilitate şi A; B 2 K.
Dacã A şi B sunt independente, atunci CA şi B; CB şi A;
CA şi CB sunt de asemenea independente.
De…niţia 1.4.4. Fie ( ; K; P ) un câmp de probabilitate şi n 2 N; n 2:
Se spune cã evenimentele A1 ; A2 ; :::; An 2 K sunt independente (în totalitate)
dacã oricare ar … i1 ; i2 ; :::ir 2 N; 1 i < i2 < ::: < ir n
avem P (Ai1 \ Ai2 \ ::: \ Air ) = P (Ai1 )P (Ai2 ) :::P (Air ) unde r 2 N ; r
n:
Se spune cã evenimentele A1 ; A2 ; :::; An 2 K sunt independente k câte k
(k 2 N; 2 k n 1) dacã oricare k evenimente dintre A1 ; A2 ; :::; An sunt
independente în (totalitate). Se spune cã familia (Ai )i2I de evenimente din K
este formatã din evenimente independente(în totalitate) dacã orice subfamilie
…nitã a sa este formatã din evenimente independente (în totalitate).
Se spune cã familia (Ai )i2I de evenimente din K este formatã din evenimente
independente k câte k (k 2 N; k 2) dacã orice subfamilie …nitã cu cel puţin
k elemente este formatã din evenimente independente k câte k:
Incheiem acest paragraf cu trei exemple care sã ilustreze modul de utilizare al
formulelor tratate (formula de adunare şi respectiv înmulţire a probabilitãţilor,
formula probabilitãţii totale şi respectiv formula lui Bayes).
Exemplul 1. Dintre cei 20 de studenţi ai unei grupe, 6 cunosc limba englezã,
5 cunosc limba francezã, 2 cunosc limba germanã. Care este probabilitatea ca
un student, luat la întâmplare din aceastã grupã, sã cunoascã o limbã strãinã
(dintre cele trei menţionate)?
Soluţie: Considerãm evenimentele:
E - studentul considerat cunoaşte limba englezã,
F - studentul considerat cunoaşte limba francezã
G - studentul considerat cunoaşte limba germanã
X - studentul considerat vorbeşte o limbã strãinã (dintre cele trei)
6 5
Din de…niţia clasicã a probabilitãţii avem P (E) = 20 ; P (F ) = 20 ; P (G) =
2
20 :Cum X = E [ F [ G şi evenimentele E; F; G; nu sunt incompatibile douã
câte douã rezultã (formula lui Poincaré) cã:
P (X) = P (E [ F [ G) = P (E) + P (F ) + P (G) P (E \ F ) P (E \ G)
P (F \ G) + P (E \ F \ G)
Evenimentele E; F; G; sunt independente în totalitate şi deci:
P (X) = P (E) + P (F ) + P (G) P (E)P (F ) P (E)P (G) P (F )P (G) +
P (E)P (F )P (G) =
= 6+5+2
20
6 5+6 2+5 2
20 20 + 20620
52 13
20 = 20
52 3 211
400 + 400 = 400 :
Exemplul 2. O urnã conţine a bile albe şi b bile negre. Se xtrag succesiv,
fãrã repunere trei bile. Care este probabilitatea ca toate cele trei bile extrase sã
…e albe (presupunem a 3)?
Ai - a i-a bilã extrasã a fost albã, i = 1; 3
X - toate cele trei bile extrase au fost albe
56
Avem X = A1 \ A2 \ A3 : Din formula de înmulţire a probabilitãţilor avem:
P (X) = P (A1 ) P (A2 jA1 ) P (A3 jA1 \A2 ). Utilizând de…niţia clasicã a prob-
abilitãţii obţinem:
a a 1 a 2
P (A1 ) = a+b ; P (A2 jA1 ) = a+b 1 ; P (A3 jA1 \A2 ) = a+b 2 : Si deci:
a a 1 a 2
P (X) = a+b a+b 1 a+b 2 :
Exemplul 3. Trei urne conţin bile albe şi bile negre în compoziţiile:
U1 (a; b) ; U2 (c; d) ;
U3 (e; f ) : Se extrage o bilã din U3 şi dacã ea este albã se pune în U1 şi se
extrage o a doua bilã din U1 iar dacã este neagrã se pune în U2 şi a doua bilã
extrage din U2 : Sã se a‡e probabilitãţile ca:
a) a doua bilã extrasã sã …e albã,
b) prima bilã extrasã sã … fost albã dacã a doua bilã extrasã sã … fost neagrã.
Ai - a i-a bilã extrasã a fost albã, (i = 1; 2)
Ni - a i-a bilã extrasã a fost neagrã, (i = 1; 2)
a) Se cere P (A2 ). Rezolvarea este un exemplu de utilizare a formulei
probabilitãţii totale cu sistemul complet de evenimente A1 ; N1 :Avem:
A2 = A2 \ = A2 \ (A1 [ N1 ) = (A2 \ A1 ) [ (A2 \ N1 )
Cum A2 \ A1 şi A2 \ N1 sunt incompatibile rezultã:
P (A2 ) = P (A2 \ A1 )+P (A2 \ N1 ) = P (A1 ) P (A2 jA1 )+P (N1 ) P (A2 jN1 ) =
e a+1 f c
e+f a+b+1 + e+f c+d+1
Analog:
e b f d+1
P (N2 ) = P (A1 ) P (N2 jA1 ) + P (N1 ) P (N2 jN1 ) = e+f a+b+1 + e+f c+d+1
(sau P (N2 ) = 1 P (A2 ))
b) Se cere P (A1 jN2 ) : Rezolvarea oferã un exemplu de utilizare a formulei lui
Bayes care permite interschimbarea raportului de condiţionare apriori-aposteori.
Probabilitatea P (A1 jN2 ) ne este mai puţin la îndemânã decât P (N2 jA1 ) iar
formula lui Bayes ne permite calculul lui P (A1 jN2 ) cu ajutorul lui P (N2 jA1 ) :
Avem:
e b
P (A1 ) P (N2 jA1 ) e+f a+b+1
P (A1 jN2 ) = = e b f d+1
P (N2 ) e+f a+b+1 + e+f c+d+1
1.5. Scheme clasice de probabilitate

Sub acest titlu vor … descrise anumite experimente aleatoare şi vor … cal-
culate probabilit¼ aţile unor evenimente ale acestora. Din multiple motive aceste
experimente aleatoare apar foarte des în aplicaţii. Tradiţional descrierea exper-
imentelor respective se face cu ajutorul unor urne din care se extrag bile.
În cele ce urmeaz¼ a vom înţelege prin urn¼ a o incint¼
a în care se a‡a¼ bile (sfere
identice ca m¼ arime şi greutate, dar putând avea culori diferite). Din exterior nu
se pot vedea culorile bilelor din urn¼ a, îns¼
a se consider¼ a c¼
a exist¼
a un mecanism
cu ajutorul c¼ aruia bilele pot … extrase din urn¼ a, bilele existente în urn¼a având
toate aceeaşi şans¼
a de a … extrase.
1.5.1. Schema urnei cu bila nerevenit¼
a
Urna U conţine a bile albe şi b bile negre. Din U se fac n extrageri succesive
de câte o bil¼
a f¼
ar¼
a întoarcere, adic¼ a f¼
ar¼
a a reintroduce în urn¼a bilele extrase.
57
(S¼a remarc¼ am c¼a modul acesta de a extrage n bile din urna U este echivalent cu
extragerea celor n bile deodat¼ a.) Se pune problema determin¼ arii probabilit¼
aţii
k;l
evenimentului Xa;b c¼
a din cele n bile astfel extrase k sunt albe şi l = n k sunt
negre. (Evident c¼ a a; b; n; k şi l sunt numere naturale şi n a+b, k minfn; ag,
l minfn; bg.)
S¼a ne imagin¼ am c¼a cele a + b bile existente în urna U ar … numerotate de la 1
la a + b. Experimentul aleator al extragerii celor n = k + l bile din aceast¼ a urn¼a
k+l
are Ca+b rezultate posibile egal probabile. Dintre acestea, favorabile realiz¼ arii
k;l
evenimentului Xa;b sunt Cak Cbl c¼ aci k bile dintre cele a bile albe existente în urn¼a
pot … alese în Cak moduri diferite, …ec¼ arei asemenea alegeri corespunzându-i Cbl
moduri diferite de alegere a l bile dintre cele b bile negre existente în urna U .
S¼a not¼am
k;l
Pa;b (k; l) = P (Xa;b ):
Dup¼ a de…niţia clasic¼
a a probabilit¼aţii se obţine
CkCl
Pa;b (k; l) = ak+lb :
Ca+b
Exemplu. Urna U conţine 3 bile albe şi 2 bile negre. Din U se extrag
deodat¼ a 3 bile (sau - echivalent - se fac 3 extrageri succesive de câte o bil¼ a f¼
ar¼
a
întoarcere). S¼ a se calculeze probabilitatea evenimentului A c¼ a cel mult dou¼ a din
bilele astfel extrase sunt albe.
Este clar c¼a evenimentul A se realizeaz¼ a dac¼a din cele trei bile extrase din U
exact dou¼ a sunt albe, sau exact una este alb¼ a, sau nici una nu este alb¼ a, adic¼a
2;1 1;2 0;3
A = X3;2 [ X3;2 [ X3;2 :
Evenimentele reunirii care d¼
a evenimentul A sunt evident dou¼
a câte dou¼
a
incompatibile, deci
2;1 1;2 0;3
P (A) = P (X3;2 ) + P (X3;2 ) + P (X3;2 )=
= P3;2 (2; 1) + P3;2 (1; 2) + P3;2 (0; 3):

0;3
Dar X3;2 = ; deoarece este imposibil ca din urna U s¼ a …e extrase (f¼ ar¼
a
întoarcere) 3 bile negre, ea conţinând doar 2 asemenea bile. Atunci P3;2 (0; 3) =
0;3
P (X3;2 ) = P (;) = 0 şi deci
C32 C21 C1 C2
P (A) = P3;2 (2; 1) + P3;2 (1; 2) = 3 + 3 3 2 =
C5 C5
3 2 3 1 9
= + = = 0; 9:
10 10 10
1.5.2. Schema urnei cu bila nerevenit¼
a cu mai multe st¼
ari
O generalizare natural¼a a schemei precedente se obţine considerând c¼ a în
urn¼
a se g¼
asesc bile de mai mult decât dou¼
a culori (st¼
ari), s¼
a zicem de s culori.
58
Urna U conţine ai bile de culoarea ci , i = 1; s. Din U se fac n extrageri suc-
cesive de câte o bil¼
a f¼
ar¼
a întoarecere (ceea ce este echivalent cu extragerea celor
n bile deodat¼a). Se cere probabilitatea evenimentului Xak11;a ;k2 ;:::;ks
2 ;:::;as
c¼a dintre cele n
bile extrase ki sunt de culoarea ci , i = 1; s. (Evident c¼
a a1 ; a2 ; : : : ; as ; k1 ; k2 ; : : : ; ks
P s
şi n sunt numere naturale şi c¼
a ki = n şi ki minfai ; ng, i = 1; s.)
i=1
În acest caz num¼ arul total de evenimente elementare ale experimentului
aleator este Cak11+a
+k2 + +ks
2 + +as
, iar num¼ arul evenimentelor elementare favorabile eveni-
mentului Xak11;a
;k2 ;:::;ks
2 ;:::;as
este Cak11 Cak22 : : : Cakss .
S¼
a not¼am
P (Xak11;a
;k2 ;:::;ks
2 ;:::;as
) = Pa1 ;a2 ;:::;as (k1 ; k2 ; : : : ; ks ):
De…niţia clasic¼
a a probabilit¼
aţii d¼
a
Cak11 Cak22 : : : Cakss
Pa1 ;a2 ;:::;as (k1 ; k2 ; : : : ; ks ) =
Cak11+a
+k2 + +ks
2 + +as
Exemplu. Dintre cele 10 bilete ale unei loterii unul este câştig¼ ator cu
10000 u.m., dou¼ a sunt câştig¼atoare cu câte 5000 u.m., trei sunt câştig¼ atoare
cu câte 1000 u.m. şi patru sunt nec¼ aştig¼
atoare. Un juc¼ ator cump¼ ar¼
a patru
bilete din aceast¼
a loterie. S¼a se calculeze probabilitatea p ca dintre cele patru
bilete cump¼arate unul s¼a …e câştig¼
ator cu 5000 u.m., dou¼ a s¼
a …e câştig¼
atoare cu
câte 1000 u.m. şi unul s¼a …e necâştig¼
ator.
Probabilitatea c¼
autat¼ a poate … calculat¼ a utilizând relaţia de mai sus şi se
obţine
C10 C21 C32 C41 1 2 3 4 24 4

p = P1;2;3;4 (0; 1; 2; 1) = 4 = = = 0; 114:
C10 210 210 35
1.5.3. Schema urnei cu bila revenit¼

a
Urna U conţine bile de dou¼ a culori (albe şi negre). Compoziţia urnei este
cunoscut¼ a în sensul c¼
a se cunoaşte probabilitatea ca o bil¼ a extras¼a din U s¼ a …e
alb¼ a (…e aceast¼ a probabilitate p) şi probabilitatea ca o bil¼a extras¼a din U s¼ a …e
neagr¼ a (o not¼am cu q, q = 1 p). Din U se efectueaz¼ a n extrageri succesive
de câte o bil¼ a cu întoarcere (adic¼ a dup¼ a extragerea oric¼arei bile şi observarea
culorii ei, bila extras¼ a este reintrodus¼ a în urn¼
a înaintea extragerii urm¼ atoare).
Se cere probabilitatea evenimentului Xnk ; c¼ a dintre cele n bile astfel extrase k
sunt albe (atunci restul de n k bile sunt negre), notata prin Pn (k). Evident k
şi n sunt numere naturale şi k n. Se obtine
Pn (k) = Cnk pk q n k :
Observaţie. Cum membrul drept al relaţiei precedente este coe…cientul lui
tk din dezvoltarea cu formula binomului lui Newton a lui (pt+q)n , schema urnei
cu bila revenit¼ a se mai numeşte schema binomial¼ a. Aceast¼ a schem¼ a este nu-
mit¼ a şi schema lui Bernoulli. Esenţial în schema urnei cu bila revenit¼ a este
faptul c¼ a, din cauza reintroducerii bilei în urn¼ a dup¼a …ecare extragere, rezul-
tatele extragerilor sunt evenimente total independente şi din acest motiv ea este
59
uneori numit¼ a schema extragerilor (probelor) repetate şi independente,
iar schema urnei cu bila nerevenit¼ a este numit¼a atunci schema extragerilor (pro-
belor) repetate şi dependente.
Exemplu. Urna U conţine 2 bile albe şi 3 bile negre. Din U se fac 6 extrageri
succesive de câte o bil¼ a cu întoarcerea bilei în urn¼ a dup¼a …ecare extragere. S¼ a
se calculeze probabilitatea ca 4 dintre cele 6 bile extrase s¼ a …e albe, iar 2 s¼
a …e
negre.
Cum la …ecare extragere putem obţine oricare dintre cele 2 + 3 = 5 bile ex-
istente în urn¼a, …ecare extragere este un experiment aleator care genereaz¼ a câte
un câmp de evenimente cu 5 rezultate posibile echiprobabile. Atunci, folosind
de…niţia clasic¼
a a probabilit¼ aţii, g¼
asim c¼a probabilitatea ca la oricare din cele 6
2
extrageri s¼a se obţin¼
a o bil¼
a alb¼ a este p = , iar probabilitatea ca la oricare din
5
3
cele 6 extrageri s¼a se obţin¼
a o bil¼ a neagr¼ a este q = .
5
Probabilitatea ca 4 din cele 6 bile extrase s¼ a …e albe şi 2 s¼
a …e negre este
deci
4 2
2 3 16 9 432
P6 (4) = C64 = 15 = = 0; 13824:
5 5 625 25 3125
Observaţie. Din schema urnei cu bila revenit¼ a se obţine urm¼atoarea schem¼ a
numit¼a schema lui Pascal.
S¼a presupunem c¼ a urna U conţine bile albe şi negre. Fie p probabilitatea
ca o bil¼
a extras¼a din U s¼
a …e alb¼a şi q = 1 p probabilitatea ca o bil¼ a extras¼a
din U s¼a …e neagr¼ a. Se cere probabilitatea evenimentului Ynk ca la efectuarea
a n extrageri succesive de câte o bil¼ a cu întoarcere din urna U s¼ a se obţin¼
a
k bile albe şi n k bile negre, iar a n-a bil¼ a extras¼a din U s¼ a …e alb¼
a (adic¼a
probabilitatea ca cea de a k-a bil¼ a alb¼ a s¼
a se obţin¼
a dup¼ a ce au fost extrase
n k bile negre).
F¼ar¼
a di…cultate se obţine c¼
a probabilitatea acestui eveniment este
P (Ynk ) = P (Xnk 1
1 \ An ):
Deoarece rezultatul unei extrageri nu este in‡uenţat de rezultatele extrager-
ilor precedente (bila …ind reintrodus¼
a în urn¼
a dup¼a …ecare extragere) avem
P (Ynk ) = P (Xnk 1
1 )P (An ) = Pn 1 (k 1)p =
= Cnk 1 k 1 (n 1) (k 1)
1p q p = Cnk 1 k n k
1p q :
Observaţie. Din schema lui Pascal se obţine ca un caz particular schema
geometric¼ a luând k = 1. Probabilitatea ca efectuând n extrageri succesive de
câte o bil¼a cu întoarcere din urna U (cunoscut¼ a în sensul c¼a se ştie c¼
a proba-
bilitatea ca o bil¼
a extras¼
a din U s¼a …e alb¼
a este p, iar probabilitatea ca o bil¼ a
extras¼a din U s¼a …e neagr¼
a este q = 1 p) s¼ a se obţin¼
a pentru prima dat¼ a bil¼
a
alb¼a în cea de a n-a extragere este
60
P (Yn1 ) = P (Xn0 1 \ An ) = P (Xn0 1 )P (An ) =
= Pn 1 (0)p = Cn0 1p
0 n 1 0
q p = pq n 1
:
Denumirea de schema geometric¼ a provine de la faptul c¼a probabilitatea
pq n 1
este al n-lea termen al progresiei geometrice cu primul termen p şi raţia
q.
1.5.4. Schema urnei cu bila revenit¼
a cu mai multe st¼
ari
Aceast¼ a schem¼a este o generalizare natural¼ a a schemei urnei cu bila revenit¼ a,
ea referindu-se la extrageri cu întoarcere dintr-o urn¼ a în care exist¼
a bile de mai
mult decât dou¼ a culori.
Urna U conţine bile de s culori: c1 ; c2 ; : : : ; cs , s 2 N, s > 2. Compoziţia
urnei U este cunoscut¼ a în sensul c¼ a se cunoaşte probabilitatea ca o bil¼ a extras¼
a
din U s¼a aib¼ a culoarea ci , i = 1; s. Fie aceast¼
a probabilitate pi . Evident pi > 0,
Ps
i = 1; s şi pi = 1.
i=1
Din U se fac n extrageri succesive de câte o bil¼ a cu întoarcere (adic¼a, dup¼a
extragerea oric¼
arei bile şi observarea culorii ei, bila extras¼
a este reintrodus¼a în
urn¼
a înaintea extragerii urm¼ atoare).
Se cere probabilitatea evenimentului Xnk1 ;k2 ;:::;ks c¼
a dintre cele n bile astfel
extrase ki s¼
a …e de culoarea ci , i = 1; s. Evident 0 ki n, i = 1; s şi
Ps
ki = n.
i=1
Vom utiliza notaţia
P (Xnk1 ;k2 ;:::;ks ) = Pn (k1 ; k2 ; : : : ; ks ):

Atunci se obţine
n!
Pn (k1 ; k2 ; : : : ; ks ) = pk1 pk2 : : : pks s :
k1 !k2 !:::ks ! 1 2
Observaţie. Deoarece membrul drept al relaţiei precedente este coe…cientul
lui tk11 tk22 : : : tks s din dezvoltarea lui (p1 t1 +p2 t2 + +ps ts )n , schema urnei cu bila
revenit¼ a cu mai multe st¼ ari se mai numeşte schema polinomial¼ a sau schema
multinomial¼ a.
Exemplu. Urna U conţine 2 bile roşii, 4 bile albe şi 3 bile albastre. Din U
se fac 6 extrageri succesive de câte o bil¼ a cu întoarcere. Se cere probabilitatea ca
dintre cele 6 bile extrase una s¼ a …e roşie, dou¼ a s¼a …e albe şi trei s¼ a …e albastre.
2 4 3
Avem evident p1 = , p2 = , p3 = , n = 6, k1 = 1, k2 = 2 şi k3 = 3, deci
9 9 9
probabilitatea cerut¼ a este
1 2 3
6! 2 4 3
P6 (1; 2; 3) = 0; 0325:
1!2!3! 9 9 9
1.5.5. Schema urnelor lui Poisson
Schema urnelor lui Poisson este o alt¼
a generalizare a schemei urnei cu bila
revenit¼
a.
61
Experimentul de la schema urnei cu bila revenit¼ a poate … imaginat şi în
modul urm¼ ator: exist¼
a n urne U1 ; U2 ; : : : ; Un cu compoziţii identice, din …ecare
urn¼ a se extrage câte o bil¼ a şi se caut¼ a probabilitatea evenimentului c¼ a dintre
cele n bile astfel extrase k sunt albe.
O generalizare a acestui experiment se obţine considerând c¼ a cele n urne au
compoziţii diferite.
S¼a presupunem date urnele U1 ; U2 ; : : : ; Un şi c¼a aceste urne conţin bile albe şi
negre, compoziţiile urnelor sunt cunoscute în sensul c¼ a se ştie c¼a probabilitatea
ca o bil¼ a extras¼a din Ui s¼
a …e alb¼ a este pi , i = 1; n (atunci probabilitatea ca o
bil¼a extras¼a din Ui s¼
a …e neagr¼ a este qi = 1 pi , i = 1; n). Se extrage câte o bil¼ a
din …ecare din cele n urne şi se cere probabilitatea evenimentului X k c¼ a dintre
cele n bile astfel extrase k sunt albe şi n k negre.
Evident 0 < pi < 1, i = 1; n şi 0 k n.
Dac¼ a Ai este evenimentul c¼ a bila extras¼ a din Ui este alb¼ a atunci P (Ai ) = pi
şi P (Ai ) = 1 pi = qi .
Se constat¼ a ca probabilitatea ceruta este egal¼ a cu coe…cientul lui tk din
polinomul de gradul n în t (p1 t + q1 )(p2 t + q2 ) : : : (pn t + qq ), astfel încât
probabilitatea P (X k ) este dat¼ a de relaţia
P
n Qn
P (X k )tk = (pi t + qi ):
k=0 i=1
Remarc¼am faptul c¼a dac¼a în schema urnelor lui Poisson consider¼ am toate
cele n urne identice (adic¼
a pi = p, qi = q, i = 1; n) atunci relaţia precedenta
devine
n
X
P (X k )tk = (pt + q)n ;
k=0
astfel încât
P (X k ) = Cnk pk q n k
;
k
adic¼a P (X ) = Pn (k).
Exemplu. O întreprindere agricol¼ a cultiv¼
a grâu în 3 ferme. Din date statis-
tice se ştie c¼
a probabilitatea ca într-un an oarecare producţia de grâu la hectar
s¼
a dep¼ aşeasc¼
a 3000 kg este p1 = 0; 5 la prima ferm¼ a, p2 = 0; 4 la a doua şi
p3 = 0; 6 la ferma a treia. Se cere probabilitatea evenimentului X c¼ a într-un
anumit an producţia de grâu la hectar s¼ a dep¼aşeasc¼
a 4000 kg la cel puţin dou¼a
din cele trei ferme.
S¼a not¼ am cu X k evenimentul c¼ a exact în k dintre cele 3 ferme producţia
de grâu în anul respectiv dep¼ aşeşte 3000 kg la hectar, k = 0; 3. Se observ¼ a c¼
a
evenimentul X k este de tipul celor descrise în schema urnelor lui Poisson.
Vom avea
P (X) = P (X 2 [ X 3 ) = P (X 2 ) + P (X 3 ):
Relaţia (1.5.9) ne d¼
a
62
(0; 4t + 0; 6)(0; 5t + 0; 5)(0; 6t + 0; 4) =
= 0; 12 + 0; 38t + 0; 38t2 + 0; 12t3 ;

a P (X 2 ) = 0; 38 şi P (X 3 ) = 0; 12, deci
astfel c¼
P (X) = 0; 38 + 0; 12 = 0; 50:
UNITATEA 2. Variabile aleatoare. Repartitii clasice
de probabilitate
2.1. Variabile aleatoare
Pân¼ a acum evenimentele au fost studiate mai întâi din punct de vedere
calitativ iar o dat¼
a cu introducerea probabilit¼ aţilor şi din punct de vedere can-
titativ. Studiul se extinde prin considerarea unei noţiuni noi, aceea de variabil¼ a
aleatoare, variabil¼a care va juca un rol similar în teoria probabilit¼ aţilor ca şi
variabila din cadrul analizei matematice sau din alt¼ a parte a matematicii.
În cazul variabilelor aleatoare valorile vor … luate dintr-o anumit¼ a mulţime
nu în mod cert ci numai cu o anumit¼ a probabilitate. Ca notaţie pentru vari-
abila aleatoare se utilizeaz¼
a de obicei literele mari sau pot … utilizate şi literele
greceşti: ; ::::
Consider¼ am un câmp de probabilitate ( ; K; P )
De…nitia 1. Se numeşte variabil¼a aleatoare real¼a orice aplicaţie
X: !R
aplicaţie care asociaz¼a …ec¼arei probe ! un num¼ar real X (!) ;
! 7 ! X (!)
astfel încât
1
X ( 1; x) 2 K 8x 2 R:
1
Aici, prin X ( 1; x) am notat evenimentul identi…cat cu mulţimea pro-
belor ! 2 astfel încât X (!) < x :
1
X ( 1; x) = f!; ! 2 ; X (!) < xg :
Observatie. În cele ce urmeaz¼a vom avea în vedere dou¼a categorii de vari-
abile aleatoare şi anume:
- variabile aleatoare de tip discret
- variabile aleatoare de tip continuu
Variabilele aleatoare de tip discret sunt variabile aleatoare pentru care mulţimea
valorilor (codomeniul lui X) este o mulţime …nit¼a sau num¼arabil¼a de forma
M = fxi jxi 2 R gi2I ; I N:
Variabila aleatoare de tip continuu este variabila aleatoare a c¼arui codomeniul

M este un interval M = [a; b] R închis sau nu.
63
Exemplul 2. Not¼ am cu X variabila aleatoare care reprezint¼
a suma punctelor
obţinute la aruncarea a dou¼
a zaruri. Atunci
M = f2; 3; 4; 5; 6; :::; 11; 12g :
Exemplul 3. Fie = f! 1 ; ! 2 ; ! 3 g; K = f;; f! 1 g; f! 2 ; ! 3 g; g; M =

fx1 ; x2 g R; x1 < x2 :
Ar¼at¼ am c¼a X : ! M; X(! 1 ) = x1 ; X(! 2 ) = x2 ; X(! 3 ) = x2 este o
variabil¼ a aleatoare.
X 1 (( 1; x)) = ; pentru orice x x1 ;
X 1 (( 1; x)) = f! 1 g pentru orice x1 < x x2 ;
X 1 (( 1; x)) = f! 2 ; ! 3 g pentru orice x > x2 .
De…nitia 4. Dac¼a X este o variabil¼a aleatoare de tip discret atunci numim
funcţie de probabilitate şi o not¼am cu fX : M ! R funcţia care asociaz¼a
…ec¼arui xi 7 ! fX (xi ) = P (fX = xi g) unde fX = xi g reprezint¼a evenimentul
ca variabila aleatoare discret¼a X ia valoarea xi :
Observatia 5. Atunci când nu e pericol de confuzie indicele X de la funcţia
f se va omite şi vom nota f (xi ) cu pi , unde pi reprezint¼a probabilitatea eveni-
mentului ca variabila X s¼a ia valoarea xi : Se constat¼a f¼ar¼a greutate c¼a sistemul
de evenimente fX = xi gi2I este un sistem complet de evenimente şi atunci vor
… îndeplinite întodeauna urm¼atoarele dou¼a condiţii:
( P
pi = 1
i2I
pi 0; i 2 I
Astfel variabilei aleatoare de tip discret X i se asociaz¼a un tabel (tablou) de

repartiţie (distribuţie) de forma:
xi x1 x2 ::: xn :::
X: sau detaliat X : :
pi i2I
p1 p2 ::: pn :::
Se vede c¼ a repartiţia (distribuţia) conţine pe prima linie valorile pe care

variabila aleatoare le ia, de obicei scrise o singur¼ a dat¼
a şi în ordine cresc¼ atoare,
iar pe linia a doua sunt trecute probabilit¼ aţile cu care variabila aleatoare X ia
valoarea corespunz¼ atoare (pi ).
Exemplul 6. Revenim la primul exemplu din aceast¼ a secţiune şi cerem în
plus s¼
a construim distribuţia acestei variabile aleatoare:
2 3 4 5 6 7 8 9 10 11 12
X= 1 2 3 4 5 6 5 4 3 2 1 :
36 36 36 36 36 36 36 36 36 36 36
2.2. Operaţii cu variabile aleatoare de tip discret

Ca şi cu variabilele obişnuite şi cu variabilele aleatoare se pot face operaţii.
Pentru …ecare nou¼ a variabil¼a obţinut¼ a dup¼a efectuarea operaţiilor trebuie s¼a
cunoaştem tabloul de repartiţie:
1. Adunarea unei variabile aleatoare X cu un num¼ ar constant: C + X
64
C + xi
C +X :
pi i2I
2. Înmulţirea unei variabile cu o constant¼

a
C xi
CX :
pi i2I
3. Ridicarea la putere. Fie k 2 N
xki
Xk :
pi i2I
când au sens xki se poate lua k 2 Z sau chiar k 2 R.

4. Suma a dou¼ a variabile aleatoare X; Y : X + Y
xi yi xi + yj
X: ;Y : =) X + Y :
pi i2I
qi i2I
Pij i2I; j2J
unde
Pij = P [fX = xi g \ fY = yj g]
Caz particular: Atunci când X şi Y sunt independente
fX = xi g şi fY = yj g 8 (i; j) 2 I J
vor … tot independente deci Pij este produsul:
Pij = pi qj :
4. Produsul a dou¼
a variabile aleatoare
xi yj
XY : Pij = P [fX = xi g \ fY = yj g]
Pij i2I; j2J
Exemplul 7. Se consider¼
a variabilele aleatoare de distribuţii
1 0 2 2 1
X: Y :
0:3 0:5 0:2 0:4 0:6
Presupunem c¼ a acestea sunt independente. S¼

a se efectueze urm¼
atoarele operaţii:
2X; 3 + Y; X 4 ; X + Y; X Y; X Y :
2 0 4
2X : ;
0:3 0:5 0:2
1 4
3+Y : ;
0:4 0:6
0 1 16
X4 : ;
0:5 0:3 0:2
3 0 2 1 0 3
X +Y :
0:12 0:18 0:2 0:3 0:08 0:12
65
3 2 0 1 3
X +Y : ;
0:12 0:2 0:26 0:3 0:12
1
1
Y 1: 2 ;
0:4 0:6
1 1
X 1 ( 1) 2 = 2 ( 1) 1 = 1 0 0 1 2
Y = X Y :
0:12 0:18 0:2 0:3 0:08 0:12
1
X 1 0 2 2
Y : 0:26 0:5 0:12 0:12
2.3. Funcţia de repartiţie
Studiul variabilelor aleatoare se poate considera şi prin intermediul unei
noi funcţii asociate variabilei aleatoare. Aceast¼
a funcţie numit¼ a uneori funcţie
„cumulativ¼ a a probabilit¼
aţilor” are o serie de propriet¼ aţi foarte uşor de ex-
ploatat.mai ales când e vorba de a evalua probabilit¼ aţile unor evenimente con-
struite cu variabile aleatoare.
Fie X o variabil¼a aleatoare discret¼a.
De…nitia 8. Se numeşte funcţie de repartiţie asociat¼a lui X şi se noteaz¼a
cu FX : R ! [0; 1] ; funcţia care asociaz¼a x 7 ! FX (x) ; de…nit¼a prin:
def
FX = P (fX < xg) :
Observatia 9. Atunci când nu exist¼a pericolul de confuzie se va renunţa la

indicele X şi la acoladele din membrul drept:
F (x) = P (X < x) :
Exemplul 10. S¼ a construim funcţia de repartiţie pentru variabila aleatoare

X din exemplul 7
Studiem …ecare caz în parte:
x 1 =) F (x) = P (X < x) = P (;) = 0

1 < x 0 =) F (x) = P (X < x) = P (x = 1) = 0:3
0 < x 2 =) F (x) = P (X < x) = P (fx = 1g [ fx = 0g) =
= 0:3 + 0:5 = 0:8
x > 2 =) F (x) = P (X < x) = 1
deci putem scrie:

8
>
0;
> x 1
<
0:3; 1<x 0
=) F (x) = :
>
> 0:8; 0<x 2
:
1; x>2
Propriet¼
aţi ale funcţiei de repartiţie:
Folosind doar de…niţia şi propriet¼ aţi ale probabilit¼
aţilor se deduc urm¼
atoarele
propriet¼
aţi ale funcţiei de repartiţie:
1. 0 F (x) 1:
66
2. F ( 1) = lim F (x) = 0:
x! 1
3. F (+1) = lim F (x) = 1:
x!+1
atoare: 8 x0 ; x00 2 R
3. F cresc¼
x0 < x00 =) F (x0 ) F ( x00 ) :
4. F este continu¼
a la stânga 8 x 2 R,
F (x ) = F (x 0) = lim F (x) :
x!0
x<x
5. 8 x0 ; x00 2 R ; cu x0 < x00 :
P (x0 X < x00 ) = F (x00 ) F (x0 ) :

2.4. Variabile de tip continuu
În aplicaţii variabilele aleatoare de tip discret nu sunt întotdeauna su…ciente.
Într-adev¼ar exist¼ a probleme care sunt descrise de variabile aleatoare care nu sunt
discrete.
Exemplul 11. Greutatea unui produs e reprezentat¼ a printr-o variabil¼
a
aleatoare care ia orice valoare dintr-un anumit interval: Este nevoie s¼ a se aib¼
a
în vedere o variabil¼ a aleatoare de tip continuu.
De…nitia 12. Variabila aleatoare real¼a X este de tip continuu dac¼a funcţia
sa de repartiţie F este dat¼a printr-o relaţie de forma:
Zx
F (x) = f (t) dt
1
f …ind o funcţie integrabil¼a pe orice interval de forma ( 1; x); x 2 R.

Funcţia de repartiţie a unei variabile aleatoare de tip continuu se bucur¼ a de
aceleaşi propriet¼ aţi ca şi în cazul variabilelor aleatoare de tip discret precum şi
de propriet¼ aţi speci…ce.
Observatia 13. Din de…niţia de mai sus şi având în vedere propriet¼aţile
integralelor avem:
F (x + x) F (x)
f (x) = Fd0 (x) = lim :
x!0 x
x>0
De…nitia 14. Funcţia f se numeşte funcţie densitate de probabilitate a

variabilei aleatoare de tip continuu, funcţie care are propriet¼aţi similare cu acelea
ale funcţiei de probabilitate din cazul discret.
Teorema 15. Dac¼a F este funcţie de repartiţie a unei variabile aleatoare
continue atunci densitatea de probabilitate f are urm¼atoarele propriet¼aţi:
1:f (x) 0; (8)x 2 R
Z1
2: f (t)dt = 1 .
1
67
Observatia 16. Dup¼a cum în cazul variabilei aleatoare discrete aveam o
aşa zis¼a repartiţie, adic¼a un tablou cu dou¼a linii, pe prima linie …ind trecute
valorile variabilei iar pe a doua funcţia de probabilitate, tot aşa şi la variabilele
aleatoare de tip continuu vom considera o aşa zis¼a repartiţie sau distribuiţie.
Astfel, pentru o variabil¼a aleatoare de tip continuu care ia valori doar dintr-un
interval [a; b] repartiţia va avea forma:
x
X:
f (x) x2R
f (x) 0 (8)x 2 R
Z1
f (t)dt = 1:
1
2.5. Caracteristici numerice ale variabilelor aleatoare

Studiul variabilei aleatoare atât de tip discret cât şi de tip continuu se ex-
tinde prin introducerea unor caracteristici numerice cu ajutorul c¼ arora se dau
informaţii suplimentare despre ele. Aceste caracteristici se împart în mai multe
categorii:
de grupare - care evidenţiaz¼

a nişte numere în jurul c¼
arora se grupeaz¼
a
valorile variabilelor,
de împr¼aştiere (de dep¼
artare) care dau informaţii asupra gradului de de-
p¼
artare a valorilor variabilelor faţ¼
a de o caracteristic¼
a de grupare princi-
pal¼
a,
privind forma distribuţiei: simetrie, asimetrie, boltire, turtire, etc.
2.5.1. Caracteristici de grupare

Sunt nişte numere care se determin¼
a pornind de la variabila aleatoare con-
siderat¼
a, numere în jurul c¼
arora se grupeaz¼
a toate valorile variabilei aleatoare.
Valoarea medie
De…nitia 17. Se numeşte valoarea medie a variabilei aleatoare X şi se
noteaz¼a M (X) num¼arul calculabil prin una din relaţiile:
X
M (X) = xi pi ; -dac¼
a X este variabil¼
a aleatoare discret¼
a
i2I
Z +1
M (X) = xf (x) dx:; dac¼
a X este variabil¼
a aleatoare continu¼
a
1
2 1 2
Exemplul 18. X : =)
0:4 0:3 0:3
M (X) = 0:8 + 0:3 + 0:6 = 0; 1
x 3x2 x 2 [0; 1]
Exemplul 19. X : unde f (x) =
f (x) x2R 0 în rest
68
Z +1 Z 1
x4 3
M (X) = xf (x) dx = x 3x2 dx = 3 1
0 =
1 0 4 4
Propozitia 20. Valoarea medie are câteva propriet¼aţi. Astfel dac¼a X şi Y
sunt variabile aleatoare, c o constant¼a, avem:
1. M (cX) = c M (X) :
c
2. M (C) = c unde C : :
1
3. M (X + Y ) = M (X) + M (Y ) :
4. M (X Y ) = M (X) M (Y ) ; dac¼ a X; Y - independente
5. Xm in M (X) Xm ax unde Xm in ; Xm ax sunt valorile minime şi maxime
pe care le poate lua X şi
a M (X) b unde X este o variabil¼ a aleatoare continu¼a, iar [a; b] e
intervalul pentru care fX (x) 6= 0:
Valoarea medie este considerat¼ a cea mai important¼ a dintre caracteristicile
de grupare.
Momente de ordin superior
În aceeaşi categorie de caracteristici de grupare …gureaz¼ a aşa zisele momente
de ordin superior. În unele aplicaţii este nevoie s¼ a se utilizeze puterile naturale
ale unei variabile aleatoare X 2 ; X 3 ; :::; X k ; valori pentru care caracteristicile de
grupare principale joac¼ a un rol important. Astfel introducem momentele de
ordin superior în urm¼ atoarea de…niţie:
De…nitia 21. Se numeşte moment de ordin k al variabilei aleatoare X şi
se noteaz¼a k :num¼arul:
k
k =M X :
Observatia 22. Se observ¼a c¼a 1 = M (X) ; 0 = 1:
Observatia 23. Cele mai des utilizate în aplicaţii sunt: 2 ; 3 ; 4 :
2 1 2
Exemplul 24. Fie X : : Avem:
0:4 0:3 0:3
2 2
2 =M X = ( 2) 0:4 + 12 0:3 + 22 0:3 = 1:6 + 0:3 + 1:2 = 3:1
3
3 =M X = ( 8) 0:4 + 0:3 + 8 0:3 = 3:2 + 0:3 + 2:4 = 5:9
4
4 = M X = 16 0:4 + 0:3 + 16 0:3 = 6:4 + 0:3 + 4:8 = 11:5
x
Exemplul 25. Pentru X : avem:
3x2 x2[0;1]
Z 1
3
2 = x2 3x2 dx = ;
0 5
Z 1
1
3 = x3 3x2 dx = ;
0 2
Z 1
3
4 = x4 3x2 dx = :
0 7
2.5.2. Caracteristici de împr¼

aştiere (sau de dep¼
artare)
69
Dup¼a ce au fost analizate principalele caracteristici de grupare vom evi-
denţia cât de dep¼ artate sunt valorile variabilei faţ¼
a de o valoare de grupare.
Într-adev¼ar, valoarea medie d¼ a informaţii asupra num¼arului în jurul c¼
aruia se
grupeaz¼ a valoarile variabilei, dar acestea nu sunt de ajuns. De exemplu în cazul
variabilelor aleatoare care pot … diferite dar s¼ a aib¼
a aceeaşi valoare medie.
1 1 100 100
Exemplul 26. Fie variabilele X1 : 1 1 şi X2 : 1 1 :
2 2 2 2
Avem:
M (X1 ) = M (X2 ) = 0:
cu toate c¼
a valorile lor difer¼
a semni…cativ.
Exist¼a mai multe caracteristici de împr¼ aştiere. Cele mai des utilizate sunt
urm¼atoarele:
- dispersia (varianţa)
- abaterea medie p¼
atratic¼
a
- momente centrate de ordin superior
Dispersia
Dispersia este cea mai important¼
a caracteristic¼
a de împr¼aştiere.
De…nitia 27. Se numeşte dispersia variabilei aleatoare X num¼arul notat
D (X) de…nit ca valoare medie a p¼atratului variabilei aleatoare abatere [X
M (X)]; adic¼a num¼arul:
h i
2
D (X) = M (X M (X)) :
Observatia 28. Avem:

X 2
D (X) = (xi M (X)) pi X variabil¼
a aleatoare discret¼
a
i2I
Z 1
2
D (X) = (x M (X)) f (x) dx X variabil¼
a aleatoare continu¼
a.
1
Propozitia 29. Se demonstreaz¼a c¼a dispersia are urm¼atoarele propriet¼aţi:

1. D (X) 0:
2. D (cX) = c2 D (X) :
3. D (c) = 0:
4. D (X Y ) = D (X) + D (Y ) ; dac¼a X; Y - independente.
2
5. D (X) = M X 2 (M (X)) = 2 2
1:
2 1 2
Exemplul 30. Pentru X : avem M (X) = 0:1:
0:4 0:3 0:3
2 2 2
D (X) = ( 2 0:1) 0:4 + (1 0:1) 0:3 + (2 0:1) 0:3 = 3: 09:
2
Sau D (X) = 2 1 = 3:1 0:01 = 3: 09:
Exemplul 31. În cazul variabilei aleatoare continue din exemplul 19 avem:
70
R1 2 R1
D (X) = 0 x 34 3x2 dx = 3 0 (x4 23 x3 + 169 2
x )dx = 3
80
2 3 9 3
Sau D(X) = 2 1 = 5 16 = 80 :
Exemplul 32. Pentru X1 din exemplul 26 avem:
2 1 2 1
D (X1 ) = ( 1 0) + (1 0) = 1;
2 2
iar pentru X2 din acelaşi exemplu vom avea:
2 1 2 1 1002
D (X2 ) = ( 100 0) + (100 0) =2 = 10000:
2 2 2
Abaterea medie p¼
atratic¼
a
De…nitia 33. Se numeşte abatere medie p¼atratic¼a a variabilei aleatoare X
şi se noteaz¼a (X) num¼arul dat prin relaţia
p
(X) = D (X):
Observatia 34. Abaterea medie p¼atratic¼a a fost introdus¼a pentru c¼a unit¼aţile
de m¼asur¼a ale acesteia sunt exact aceleaşi cu unit¼aţile de m¼asur¼a ale valorilor
variabilei aleatoare.
Momente centrate de ordin superior
Pentru k 2 N se introduc ca o extensie a dispersiei momentele centrate de
ordin superior prin de…niţia
De…nitia 35. Se numeşte moment centrat de ordinil k al variabilei aleatoare
X şi se noteaz¼a k valoarea medie a puterii k a variabilei abatere
h i
k
k = M (X M (X)) :
Observatia 36. 1 = 0; 2 = D (X) : Cele mai des utilizate sunt 3 ; 4 :

Are loc urm¼atorul rezultat:
Teorema 37. Între momentele centrate de ordin superior k şi momentele
de ordin superior k exist¼a relaţia de leg¼atur¼a:
k
X i i
k = Cki ( 1) k i ( 1) :
i=0
În particular avem:
2
2 = 2 1;
3
3 = 3 3 2 1 +2 1;
2 4
4 = 4 4 3 1+6 2 1 3 1:
2.6. Distribuţii clasice ale variabilelor aleatoare

Tipurile de distribuţii clasice se asociaz¼
a schemelor clasice de probabilitate.
Distribuţii de variabile aleatoare discrete:
71
a) Distribuţia binomial¼
a (corespunz¼
atoare schemei urnei cu bila revenit¼
a):
k
X: ; p + q = 1; p; q > 0:
Cnk pk q n k k=0;n
b) Distribuţia hipergeometric¼
a (corespunz¼
atoare schemei urnei cu bila nerevenit¼
a):
k
X: Cak Cbn k :
n
Ca+b
k=0;n
c) Distribuţia lui Poisson (se obţine printr-un proces de trecere la limit¼

a din
distribuţia binomial¼a - n ! 1 , np = (const.))
k
X: k
k! e k=0;1;:::
d) Distribuţia lui Pascal (corespunz¼

atoare schemei lui Pascal):
k
X: ; p + q = 1; p; q > 0
Ckn+k 1 pn q k k=0;1;:::
Caz particular, pentru n = 1 avem distribuţia geometric¼

a:
k
X: ; p + q = 1; p; q > 0:
p qk k=0;1;:::
Distribuţii de variabile aleatoare continue:

a) Distribuţia uniform¼
a:
x
X: 1 :
b a x2[a;b]
b) Distribuţia normal¼
a este cea mai des utilizat¼
a:
x
X: (x m)2 ; ; m 2 R; > 0:
p1 e 2 2
2 x2( 1;1)
În leg¼
atur¼
a cu aceast¼
a distribuţie amintim urm¼
atorul rezultat (Integrala
Euler-Poisson-Gauss):
Z1 p
t2
e 2 dt = 2 :
1
Media si dispersia in cazul distribuţiilor clasice
72
Prezent¼
am în continuare valoarea medie şi dispersia în cazul variabilelor
aleatoare care urmeaz¼
a distribuţii clasice.
Distribuţia M (X) D(X)
Binomial¼ a np npq
a a b a+b n
Hipergeometric¼
a n a+b n a+b a+b a+b 1
: Poisson :
1 q
Pascal (Geometric¼
a) p p2
a+b (b a)2
Uniform¼a 2 12
2
Normal¼a m
2.7. Exercitii si probleme rezolvate

2.7.1. Se studiaz¼ a alegerea unui proiect de modernizare a unei companii.
S-au prezentat 3 proiecte care pot … viabile sau nu. Dac¼ a not¼
am cu Ai ; i = 1; 3,
evenimentul proiectul i este viabil”, s¼ a se exprime în funcţie de A1 ; A2 ; A3
urm¼ atoarele evenimente:
a) toate proiectele sunt viabile;
b) cel puţin un proiect este viabil;
c) dou¼a proiecte sunt viabile;
d) cel mult dou¼ a proiecte sunt viabile;
e) un singur proiect este viabil.
Soluţie:Not¼ am cu Ai ; i = 1; 3, evenimentul „proiectul i nu este viabil”.
a) Not¼am cu A evenimentul „toate proiectele sunt viabile”A = A1 \A2 \A3 ,
adic¼a toate cele 3 proiecte sunt rentabile.
b) Not¼am cu B evenimentul „cel puţin un proiect este viabil”şi astfel putem
scrie B = A1 [ A2 [ A3
c) Not¼am cu C evenimentul „dou¼ a proiecte sunt viabile”.
C = A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A3 \ A3
d) Not¼am cu D evenimentul „cel mult dou¼ a proiecte sunt viabile”. Eveni-
mentul D este echivalent cu a spune c¼ a: nici un proiect nu este viabil, doar un
proiect este viabil sau dou¼ a proiecte sunt viabile.
D = A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 [C:
e) Not¼am cu E evenimentul „un singur proiect este viabil”. Atunci:
E = A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 :
2.7.2. O moned¼ a este aruncat¼a de 3 ori şi secvenţa de m¼arci şi steme este
înregistrat¼
a.
a) Scrieţi spaţiul evenimentelor elementare
b) Scrieţi urm¼ atoarele evenimente, folosind evenimentele elementare:
A-s¼a apar¼ a cel puţin 2 steme
B-primele 2 arunc¼ ari sunt steme
C-ultima aruncare este marc¼ a
c) Determinaţi urm¼ atoarele evenimente:
1) CA ; 2) A \ B; 3) A [ C
Soluţie: Spaţiul evenimentelor aleatoare este:
= fSSS; SSM; SM S; M SS; M M S; M SM; SM M; M M M g, unde cu S
not¼am apariţia stemei, iar cu M apariţia m¼ arcii.
73
b) Evenimentele A; B; C;se scriu folosind evenimentele elementare din
dup¼ a cum urmeaz¼ a:
A = fSSS; SSM; SM S; M SSg
B = fSSM; SSSg
C = fSSM; SM M; M M M; M SM g
c) Evenimentele CA ; A \ B; A [ B se scriu folosind punctul b) astfel:
CA = A = fSM M; M M M; M M S; M SM g
A \ B = fSSM; SSSg
A [ C = fSSS; SSM; SM S; M SS; SM M; M M M; M SM g
2.7.3. Presupunem c¼ a într-o camer¼ a sunt 5 persoane. Care este probabili-
tatea ca cel puţin 2 persoane s¼ a aib¼a aceiaşi zi de naştere.
Soluţie: Fie A evenimentul „cel puţin 2 persoane au aceiaşi zi de naştere”.
Atunci A este evenimentul „cele 5 persoane au zile de natere diferite”
Presupunem c¼ a anul are 365 zile
Aşadar P A = 365 364 365 363 362 361
5
Deci, P (A) = 1 P A = 1 365 364 365 363 362 361

5
2.7.4. In România numerele de înmatriculare ale maşinilor au 7 caractere:

2 litere urmate de 2 cifre şi alte trei litere. Dac¼ a toate secvenţele de 7 caractere
sunt egal probabile, care este probabilitatea ca num¼ arul de înmatriculare al unei
maşini noi s¼ a nu conţin¼ a cifre şi litere identice?
Soluţie: Not¼ am cu A evenimentul cerut.
Alfabetul conţine 26 litere, iar cifrele de pe num¼ arul de înmatriculare pot
…: 0,1,2,3,4,5,6,7,8,9. Num¼ arul total de pl¼ acuţe de înmatriculare este 265
102 (corespunz¼ atoare celor 5 litere şi 2 cifre). Num¼ arul pl¼
acuţelor ce conţin litere
şi cifre diferite este: (26 25) (10 9) (24 23 22) (corespunz¼ atoare primelor 2
litere diferite, urmate de 2 cifre diferite şi alte trei litere diferite de primele 2 şi
diferite între ele).
Deci, P (A) = 26 25 10 9 24 23 22
265 102 = 0; 597
2.7.5. Fie PB (A) = 2 ; PB (A) = 21 şi PA (B) = 12 . Se cere :
1
a) s¼a se determine P (A) şi P (B).

b) evenimentele A şi B sunt independente?
Soluţie:Folosind de…niţia probabilit¼ aţii condiţionate se obţin·e:
PB (A) = P P(A\B)
(B) = 1
2
P (A\B )
PB (A) = P B = 1P (AnB) P (B) =
P (A) P (A\B)
1 P (B) = 12
( )
PA (B) = P P(B\A) P (A\B)
(A) = P (A) = 2
1
Dac¼ a not¼am P (A) = x; P (B) = y; P (A \ B) = z, se obţine sistemul

liniar:
8 z 8
1
< y =2 < z = 12 y
x z 1
= , z = 21 x , de unde prin calcule x = 12 ; y = 12 ;
: 1zy 12 : 1 1
x = 2
x z = 2 2y
1
z = 4.
In concluzie: P (A) = 12 ; P (B) = 12
Condiţia ca evenimentele A şi B s¼ a …e independente este: P (A \ B) =
P (A) P (B)
74
Deoarece P (A \ B) = 41 = 12 21 = P (A) P (B) se obţine c¼ a evenimentele A
şi B sunt independente.
2.7.6. O …rm¼ a de asigur¼ari are clienţi din 3 categorii de risc: ridicat, mediu,
sc¼ azut, care au respectiv probabilit¼ aţile de a cere desp¼ agubiri în caz de accidente:
0,02, 0,01, 0,0025 într-un an. Proporţiile celor 3 categorii de clienţi în cadrul
companiei sunt respectiv 10%, 20%, 70%. Care este probabilitatea ca un client
al …rmei s¼ a …e desp¼agubit? Care este proporţia de desp¼ agubiri ce provin într-un
an de la clienţii cu risc ridicat?
Soluţie:Not¼ am cu B evenimentul „un client al companiei este desp¼ agubit”şi
cu:
A1 -evenimentul „clientul provine din categoria de risc ridicat”
A2 -evenimentul „clientul provine din categoria de risc mediu”
A3 -evenimentul „clientul provine din categoria de risc sc¼ azut”
Sistemul fA1 ; A2 ; A3 g, formeaz¼ a un sistem complet de evenimente deoarece
reuniunea lor este evenimentul sigur şi sunt dou¼ a câte dou¼ a incompatibile.
Astfel conform formulei probabilit¼ aţii totale:
P (B) = P (A1 ) P AB1 + P (A2 ) P AB2 + P (A3 ) P AB3 = 0; 1 0; 02 + 0; 2
0; 01 + 0; 7 0; 025 = 0; 00575:
Pentru a r¼ aspunde la a doua întrebare folosim formula lui Bayes:
P (A1 ) P (B=A1 ) 0;1 0;02
P (A1 =B) = P (A1 ) P (B=A1 )+P (A2 )P (B=A2 )+P (A3 )P (B=A3 ) = 0;00575 = 0; 347:
2.7.7. La o loterie sunt 100 bilete, din care 10 sunt câştig¼ atoare. Opersoan¼ a
cump¼ ar¼a 15 bilete. S¼ase determine probabilitatea ca:
a) 1 bilet s¼a …e câştig¼
ator;
b) s¼a se obţin¼
a toate cele 10 bilete câştig¼ atoare;
c) cel puţin 2 bilete s¼a …e câştig¼atoare.
Rezolvare: Se aplic¼ a schema urnei cu 2 st¼ ari şi bila nerevenit¼ a.
1 14 10 5
C10 C90 C10 C90
a) P10;90 (1; 14) = 15
C100
b) P10;90 (10; 5) = 15
C100
c) Fie A evenimentul ca „cel puţin 2 bilete s¼a …e câştig¼

atoare„. Consider¼ am
A evenimentul contrar ca ca cel mult unul din cele 15 cump¼ arate s¼
a …e câştig¼
ator.
Are loc:
C 0 C9015
C 1 C9014
P A = P10;90 (0; 15) + P10;90 (1; 14) = 10 C 15
+ 10C 15
100 100
Probabilitatea cerut¼ a va … P (A) = 1 P A
2.7.8. Un depozit de piese auto are în stoc piese de la 4 furnizori în urm¼ a-
toarele cantit¼ aţi: 100 de la furnizorul F1 , 50 de la F2 , 30 de la F3 şi 80 de la
F4 .
In decursul unei s¼ apt¼amâni, depozitul a vândut 45 piese. Care e probabili-
tatea ca din cele 45 de piese vândute, 15 s¼ a provin¼
a de la furnizorul F1 , 5 de la
F2 , 10 de la F3 şi 15 de la F4 .
Rezolvare: Se aplic¼a schema urnei cu 4 st¼ ari şi bila nerevenit¼
a, unde
a1 = 100; a2 = 50; a3 = 30; a4 = 80
k1 = 15; k2 = 5; k3 = 10; k4 = 15. Probabilitatea cerut¼ a este:
15 5 10 15
C100 C50 C30 C80
P100;50;30;80 (15; 5; 10; 15) = C 45
260
75
2.7.9. Pe parcursul unei s¼ apt¼amâni s-a dat predicţia cursului valutar, astfel
încât cursul poate s¼ a creasc¼ a zilnic cu probabilitatea 14 , respectiv s¼
a scad¼a cu
probabilitatea 43 . Stabiliţi probabilitatea ca:
a) în 5 zile ale s¼
apt¼amânii cursul valutar s¼ a creasc¼
a;
b) în cel mult 3 zile cursul valutar s¼ a creasc¼a;
c) în cel puţin 2 zile cursul valutar s¼ a creasc¼a;
Rezolvare: Consider¼ am evenimentul A „cursul valutar s¼ a creasc¼
a într-o
zi„. In …ecare zi poate avea loc A sau A.
Se aplic¼a schema urnei cu 2 st¼ ari şi bila revenit¼
a (schema binomial¼a), unde:
n = 7; p = P (A) = 41 ; q = P A = 34 ,
Probabilitatea de a se produce A de k ori este: P (k) = C7k pk q 7 k .
5 3 2
a) Probabilitatea cerut¼ a este: P7 (5) = C75 p5 q 7 5 = C75 14 4
b) Probabilitatea cerut¼
a este:
P3 P3
k k 7 k
P
3
1 k 3 7 k
P7 (k) = C7 p q = C7k 4 4 .
k=0 k=0 k=0
c) Not¼am cu C evenimentul „cursul valutar s¼ a creasc¼ a în cel puţin 2 zile„.
Atunci C este evenimentul: „cursul valutar s¼ a nu creasc¼ a în nici o zi sau s¼ a
creasc¼a într-o zi„. Aşadar putem scrie:
0 3 7 1 3 6
P C = P7 (0) + P7 (1) = C70 41 4 + C71 14 4
Probabilitatea cerut¼ a este:
P (C) = 1 P C .
2.7.10. Un supermarket vinde urm¼ atoarele sortimente de cafea: natural¼ a,
cappuccino şi expresso. Probabilitatea ca un client s¼ a cumpere cafea natural¼ a
este 0,55, cappuccino 0,3, iar expresso 0,15.
Determinaţi probabilitatea ca din 100 clienţi, 70 s¼ a cumpere cafea natural¼ a,
20 s¼a cumpere cappuccino, iar 10 s¼ a cumpere expresso.
Rezolvare: Aplic¼ am schema urnei cu 3 st¼ ari şi bila revenit¼a (schema multino-
mial¼a)
Fie Ai , evenimentul ca un client s¼ a cumpere sortimentul i de cafea , i = 1; 3.
Avem evident:
p1 = P (A1 ) = 0; 55, p2 = P (A2 ) = 0; 3, p3 = P (A3 ) = 0; 15, n = 100,
k1 = 70, k2 = 20, k3 = 10
Probabilitatea cerut¼ a este:
100! 70 20 10
P100 (70; 20; 10) = 70!20!10! (0; 55) (0; 30) (0; 15)
2.7.11. Care e probabilitatea ca al 80-lea client care intr¼ a într-o banc¼ a, s¼a
…e a 20-a persoan¼ a care încheie o poliţ¼
a de asigurare, ştiind c¼ a probabilitatea ca
cineva s¼a încheie o poliţ¼
a de asigurare este de 0,6.
Rezolvare: Se aplic¼ a schema lui Pascal cu n = 80 (num¼ arul clienţilor),
k = 20 (num¼ arul succeselor), p = 0; 6, q = 0; 4.
20 60
Probabilitatea cerut¼ a este: Cnk 11 pk q n k = C79 19
(0; 6) (0; 4) .
2.7.12. La trei reprezentanţe ale concernului Nokia se g¼ asesc telefoane mo-
bile cu ecran color sau alb-negru în urm¼ atoarele proporţii: la prima reprezen-
tanţ¼
a 14 cu ecran color şi 16 cu ecran alb-negru, la a doua 13 cu ecran color şi
17 cu ecran alb-negru, iar la a treia 14 cu ecran color şi 18 cu ecran alb-negru.
76
Se alege la întâmplare câte un telefon mobil de la …ecare reprezentanţ¼ a, pentru
a … supus unor probe de veri…care. Care e probabilitatea ca din cele 3 telefoane
alese dou¼ a s¼a …e cu ecran color, iar unul cu ecran alb-negru?
Rezolvare:Aplic¼ am schema lui Poisson. Pentru aceasta not¼ am cu pi pro-
babilitatea ca telefonul ales de la reprezentanţa i s¼ a ecran color, i = 1; 3.
a aib¼
Avem c¼ a:
14
p1 = 30 ; q1 = 16 13 17 14
30 ; p2 = 30 ; q2 = 30 ; p3 = 32 ; q3 = 32
18
Conform schemei lui Poisson, probabilitatea cerut¼ a este dat¼

a de coe…cientul
lui t2 al polinomului
(p1 t + q1 ) (p2 t + q2 ) (p3 t + q3 )
adic¼a de:
p1 p2 q3 + p1 q2 p3 + q1 p2 p3 = 14 13 18 14 17 14 16 13 14
30 30 32 + 30 30 32 + 30 30 32 = 0; 33.
Teme de control
2.8. Exercitii si probleme propuse
2.8.1. In drum spre locul de munc¼ a un om trece prin 3 intersecţii consecu-
tive, semaforizate. La …ecare semafor se opreşte sau îşi continu¼ a drumul. Dac¼ a
not¼ am cu Ai ; i = 1; 3 evenimentul „la intersecţia i continu¼ a drumul”, s¼ a se
exprime folosind A1 ; A2 ; A3 urm¼ atoarele evenimente:
a) persoana are liber la toate intersecţiile,
b) persoana opreşte la toate intersecţiile,
c) persoana opreşte la cel puţin o intersecţie,
d) persoana opreşte la cel mult o intersecţie.
Soluţie:
a) A = A1 \ A2 \ A3
b) B = A1 \ A2 \ A3
c) C = A1 [ A2 [ A3
d) D = A [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3
2.8.2. Se arunc¼ a o moned¼ a de dou¼ a ori. Care este probabilitatea ca marca
s¼a apar¼a cel puţin o dat¼ a?
Soluţie: p = 0; 75
2.8.3. Doi tr¼ ag¼
atori trag simultan asupra unei ţinte. Probabilitatea de a
nimeri ţinta este p, respectiv p2 cu p 2 (0; 1) pentru cei doi. Stabiliţi valoarea
lui p astfel încât probabilitatea ca primul s¼ a nimereasc¼ a ţinta şi al doilea s¼
a nu
o loveasc¼ a s¼
a …e cel
h p puţin egal¼
i a cu 0; 375.
Soluţie: p 2 12 ; 134 1
2.8.4. Se arunc¼ a 2 zaruri. Care este probabilitatea ca suma feţelor s¼ a …e 6,
ştiind c¼
a suma acestor feţe a dat un num¼ ar par?
5
Soluţie:Folosind formula probabilit¼ aţii condiţionate se obţine p = 18 .
2.8.5. Un lift ce conţine 5 persoane se poate opri la oricare din cele 7 etaje
ale unei cl¼adiri. Care este probabilitatea ca 2 persoane s¼ a nu coboare la acelaşi
etaj?
Soluţie: 0; 15
2.8.6. Ocompanie produce în 3 schimburi. Intr-o anumit¼ a zi, 1% din arti-
colele produse de I schimb sunt defecte, 2% din cele produse în al II-lea schimb
şi 3% din al III-lea schimb. Dac¼ a cele trei schimburi au aceeiaşi productivitate,
77
care este probabilitate ca un produs din acea zi s¼ a …e defect? Dac¼ a un produs
este defect, care este probabilitatea ca el s¼a … fost fabricat în schimbul al III-lea?
Soluţie: Folosind formula probilit¼ aţii totale şi formula lui Bayes se obţine:
0; 02 respectiv 0; 5
2.8.7. Presupunem c¼ a ocupaţiile în cadrul unei mari companii sunt gru-
pate în 3 nivele de performanţ¼ a: superior (U ), mijlociu (M ), şi inferior (L).
U1 reprezint¼a evenimentul c¼a tat¼al este în nivelul superior, iar U2 evenimentul
c¼
a …ul este în nivel superior, etc. S-a determinat urm¼ atorul tabel privind mo-
bilitatea ocupaţional¼a unde indicele1 se refer¼ a la tat¼ a, iar indicele 2 la …u:
F iu
T ata U2 M2 L2
U1 0; 45 0; 48 0; 07
M1 0; 05 0; 70 0; 25
L1 0; 01 0; 50 0; 49
Prima linie a tabelului se citeşte astfel: dac¼ a tat¼al este în nivelul ocupaţional
U probabilitatea ca …ul s¼ a …e în U este 0; 45, probabilitatea ca …ul s¼ a în M este
0; 48, respectiv probabilitatea ca …ul s¼ a …e în L este 0,07 (celelalte linii ale
tabelului se citesc analog). Presupunem c¼ a 10% din generaţia tat¼ alui suntU ,
40% sunt M şi 50% în L. Care este probabilitatea ca un …u din generaţia
urm¼ atoare s¼ a …e în U ? Dac¼ a un …u este în nivelul ocupaţional U , care este
probabilitatea ca tat¼ al s¼
a … fost în U ?
Soluţie: Folosind formula probilit¼ aţii totale şi formula lui Bayes se obţine:
0; 07 şi 0; 64.
2.8.8. Intr-un lot de 400 piese, 10 sunt defecte. Se aleg aleator 20 piese. S¼ a
se calculeze probabilitatea ca între piesele alese :
a) 4 piese s¼ a …e defecte;
b) s¼ a …e cel mult 6 piese defecte;
c) s¼a nu …e nici o pies¼a defect¼a
C 4 C390
16 P
6
R¼aspuns: a) P10;390 (4; 16) = 10 C 20
; b) P10;390 (k; 20 k); c)
400
k=0
P10;390 (0; 20)
2.8.9. O comisie internaţional¼ a este format¼ a din 5 români, 7 italieni, 4
olandezi şi 6 elveţieni. Se aleg la întâmplare 10 persoane pentru a forma o
subcomisie. S¼ a se calculeze probabilitatea ca din cele 10 persoane alese, 2 s¼a …e
români, 3 italieni, 3 olandezi şi 2 elveţieni.
C2 C3 C3 C2
R¼aspuns: P5;7;4;6 (2; 3; 3; 2) = 5 C7 104 6
22
2.8.10. Pe parcursul a 10 zile de var¼ a s-a dat prognoza meteo astfel încât
zilnic pot c¼adea precipitaţii cu probabilitatea 0,2.Calculaţi probabilitatea de a
ploua:
a) în 3 zile;
b) în cel mult 4 zile;
c) în cel puţin 3 zile.
3 3 7 P4
R¼aspuns: a) P10 (3) = C10 (0; 2) (0; 8) ; b) P10 (k); c) 1
K=0
78
P
2
P10 (k).
K=0
2.8.11. Se arunc¼ a un zar de 20 de ori. S¼ a se calculeze probabilitatea ca de
8 ori s¼
a apar¼a un num¼ ar prim, de 10 ori un num¼ ar compus şi de 2 ori faţa cu un
punct.
3 2 2 10 1 2
R¼aspuns: P20 (8; 10; 2) = 8! 20! 10! 2! 6 6 6
2.8.12. Avem 4 grupe de studenţi: în prima grup¼ a sunt 20 fete şi 5 b¼
aieţi, în
a doua grup¼ a sunt 15 fete şi 10 b¼
aieţi, în a treia grup¼a sunt 10 fete şi 15 b¼
aieţi, în
a patra grup¼ a sunt 24 fete şi 1 b¼
aiat. Se alege câte un student din …ecare grup¼ a
pentru a participa la o acţiune publicitar¼ a pentru promovarea unui produs.
S¼
a se calculeze probabilitatea ca între studenţii aleşi:
a) trei s¼
a …e fete;
b) s¼
a …e numai fete;
c) s¼
a …e cel puţin o fat¼
a.
R¼aspuns: Se aplic¼ a schema lui Poisson
20 15 10 24 5 10 15 1
a) 0; 453, b) 25 25 25 25 = 0; 184, c) 1 25 25 25 25 = 0; 998
Rezumat modul
In acest modul s-au introdus notiunile de eveniment, probabilitate, operatii
cu evenimente.S-au de…nit variabilele aleatoare de tip discret si continuu, functia
de repartitie precum si caracteristicile numerice ale variabilelor aleatoare.
In cazul repartitiilor clasice, s-au precizat functiile de probabilitate si den-
sitate de probabilitate si au fost calculate valorile medii si dispersiile acestor
variabile aleatoare.
Bibliogra…e modul
III. Anexe
Bibliogra…a completa a cursului:
1. Colectiv, Elemente de Algebra liniara si Analiza matematica pentru
economisti, Ed. Todesco, Cluj-Napoca, 2003
2. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004
4. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
6. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004
7. Mihoc I., Calculul probabilitatilor si statistica matematica, lito UBB,
Cluj-Napoca, 1998
79
8. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
Scurta biogra…e a titularilor de curs

Numele şi prenumele MURESAN ANTON SILVIU
Data naşterii 31 mai 1947
Funcţia didactic¼ a actual¼ a Profesor
Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Instituţia
Doctorat in matematica 1976 UBB
Licenta in matematica 1970 UBB
Bacalaureat 1965 Sc. Medie nr. 2 Baia Mare
Cariera didactic¼ a–
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Profesor universitar 1994-prezent Titular UBB
Conferentiar universitar 1990-1994 Titular UBB
Lector universitar 1976-1990 Titular UBB
Asistent universitar 1974-1976 Titular UBB
Asistent universitar 1970-1974 Stagiar UBB
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼a
Num¼ ar
C¼arţi, monogra…i, materiale de studiu 63
Alte articole 47
Particip¼ ari la conferinţe internaţionale 15
Particip¼ ari la conferinţe interne 29
Membru în comitete de organizare sau ştiinţi…ce ale unor conferinţe 5
Alte rezultate (denumirea) Premiu UBB 1
Visiting Professor Italia Univ. La Sapienza Roma 1
Activit¼ aţi în domeniul ID Denumirea/perioada Instituţia organiza-
toare
Profesor Matem. aplicate in economie UBB
Profesor Matem. …nanciare si actuariale UBB
Profesor Teoria jocurilor si aplicatii UBB
Numele şi prenumele FILIP DIANA ANDRADA

Data naşterii 18-03-1969
Funcţia didactic¼ a actual¼ a Profesor
FSEGA, UBB
80
Bacalaureat 1988 Liceul "Nicolae Balcescu"Cluj-
Napoca
de înv¼
aţ¼
amânt
Conferentiar universitar 2004 - prezent Titular UBB
Lector universitar 2000 - 2004 Titular UBB
Asistent universitar 1996 - 2000 Titular UBB
Preparator universitar 1994-1996 Titular UBB
Profesor de matematica 1993-1994 Titular Liceul Traian

Vuia Cluj-Napoca
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼
a
Num¼ar
Articole BDI 6
Activit¼ aţi în domeniul ID Denumirea Instituţia organizatoare
Conferentiar Matem. aplicate in economie UBB
Conferentiar Matem. …nanciare si actuariale UBB
Numele şi prenumele CURT PAULA

Data naşterii 31 mai 1964
Funcţia didactic¼ a actual¼ a Conferentiar
FSEGA, UBB
Bacalaureat 1982 Liceul „Andrei Muresanu"
Dej
de înv¼aţ¼
amânt
Conferentiar universitar 2003-prezent Titular UBB
Lector universitar 1995-2003 Titular UBB
Asistent universitar 1990-1995 Titular UBB
a
Num¼ ar
Articole BDI 27
81
Activit¼
aţi în domeniul ID Denumirea Instituţia organizatoare
Numele şi prenumele MIHOC MARIA

Funcţia didactic¼ a actual¼ a Conferentiar
FSEGA, UBB
Bacalaureat 1957 - Liceul Teoretic “G. Cosbuc” (Regina
Maria) Cluj-Napoca
de înv¼aţ¼
amânt
Conferentiar universitar 1995 - Titular UBB
Lector universitar 1990 –1995 Titular UBB
Cercetator 1963 –1990 Titular UBB
a
Num¼ ar
Articole BDI 25
Activit¼ aţi în domeniul ID Denumirea Instituţia organizatoare
Numele şi prenumele RAP ILIE

Funcţia didactic¼ a actual¼ a Lector
FSEGA, UBB
Bacalaureat 1956 Liceul Alba Iulia
de înv¼aţ¼
amânt
Lector universitar 1973 - Titular UBB
Asistent 1968 - 1973 Titular UBB
Cercetator 1963 –1968 Titular Institutul de
Fizica Atomica Cluj
82
a
Num¼
ar
C¼
arţi, monogra…i, materiale de studiu 15
Articole BDI 33
Particip¼ari la conferinţe internaţionale 2
Particip¼ari la conferinţe interne 2
Contracte de cercetare 12
Activit¼aţi în domeniul ID Denumirea Instituţia organizatoare
Lector Matem. aplicate in economie UBB
Lector Matem. …nanciare si actuariale UBB
83

Matematici Aplicate in Economie

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Matematici Aplicate in Economie

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA „BABEŞ-BOLYAI” CLUJ-NAPOCA

FACULTATEA DE ŞTIINŢE ECONOMICE ŞI GESTIUNEA

Date de contact ale titularilor de curs:

II. Suportul de curs propriu-zis

Familiarizarea cu notiunile de transformari elementare, rezolvarea sis-

Transformari elementare, solutii pentru sisteme de ecuatii liniare, solutii

Exemplul 2. La m furnizori (produc¼ atori) se a‡a¼ un tip de produs care va

Problema canonic¼a de programare liniar¼

3.2. Rezolvarea problemei canonice cu ajutorul algoritmului sim-

x11 + x12 + x13 = 80

Tabelul asociat acestei probleme:

ui +vj = cij ; unde indicii i si j sunt ai necunoscutelor principale (c¼

Condiţia de optimalitate: trebuie sa aiba loc inegalitatile

cij ui +vj ; unde indicii i si j sunt ai necunoscutelor secundare (c¼

Dac¼ a toate condiţiile de optimalitate vor … îndeplinite atunci de la etapa a

Rezolvare. Folosim algoritmul simplex:

MODULUL II. Elemente de analiz¼

d:X X ! R (x; y) ! d (x; y)

D1) d (x; y) 0; 8 x; y 2 X şi d (x; y) = 0 () x = y

Cuplul (X; d) unde X este o mulţime nevid¼

Dac¼ a n = 2 şi n = 3 reg¼ asim formula distanţei dintre dou¼

Noţiunile de limit¼ a şi continuitate se pot introduce în orice spaţiu metric.In

Spunem c¼a mulţimea V Rn este o vecin¼ atate a punctului a 2 Rn

f : A ! R; astfel ca A 3 x = (x1 ; :::; xn ) ! f (x) = f (x1 ; x2 ; :::; xn ) 2 R

se numeşte funcţie real¼

V (x; y) = kx y ; k; ; constante pozitive

(funcţie de producţie de tip Cobb-Douglas) este o funcţie real¼

Fie A Rn (n 1) o mulţime nevid¼ a, a un punct de acumulare al mulţimii

Limita l = lim f (x) se numeşte limita global¼

l= lim f (x1 ; x2 ; :::; xn )

şi se citeşte limita funcţiei f când x1 ! a1 ; x2 ! a2 ; :::; xn ! an simultan

lim (f (x) + g (x)) = l1 + l2 ; lim (f g) (x) = l1 l2

atunci exist¼a limita funcţiei f când x tinde la a şi lim f (x) = l1 :

1.3. Derivate parţiale, diferenţiabilitate şi diferenţial¼

1) Fie f (x; y) = x2 + xy şi a = (5; 3) ; D = R2 . In acest caz

a f (x; y; z) = x2 + sin yz; D = R3 ; atunci avem

3) f : D ! R D = fx 2 Rn j x1 > 0; x2 > 0; :::; xn > 0 g

Rezultatul precedent implic¼

Fie D Rn ; un domeniu a 2 D şi f : D ! R o funcţie diferenţiabil¼ a în

xi ai se numeşte creşterea celui de-al i-lea argument a lui f i = 1; n

am funcţiile 'i : Rn ! R, 'i (x1 ; x2 ; :::; xn ) = xi ; 1

1.4. Derivate parţiale de ordin superior. Diferenţiale de ordin

@xi @xj(a) = @x@j @x

Condiţia de continuitate a derivatelor mixte este esenţial¼a.

a în raport cu x şi y pe R2 şi anume

@f 3x2 y y3 x2 + y 2 2x2 y x2 y2 y x4 y 4 + 4x2 y 3

pentru (x; y) 6= (0; 0) ;

@f x3 3xy 2 x2 + y 2 2xy 2 x2 y2 x x4 y4 4x3 y 2

pentru (x; y) 6= (0; 0) ;

@3f not @ @2f

Fie funcţia f : R (0; 1) ! R dat¼ a de f (x; y) = x ln y

Calcul¼ am derivatele parţiale de ordinul doi distincte

1.4.2. Diferenţiale de ordin superior

De asemenea, am introdus operatorul de diferenţiere

1) Spunem c¼ a f este de dou¼ a în punctul a sau c¼

2) Spunem c¼ a funcţia f este diferenţiabil¼a de k ori în punctul a, sau c¼ a

3) Spunem c¼ a funcţia f este diferenţiabil¼

Prezent¼ am în continuare (f¼ ar¼ a demonstraţie) un rezultat care ne d¼ a condiţii

Operatorul de diferenţiere de ordinul k este

@2f @2f @2f

Diferenţiala de ordinul trei va …

1.5. Extreme pentru funcţii de mai multe variabile

Pentru a calcula limita l, aplic¼

f (x; y) = x3 + y 3 9xy + 100: