1

UNIVERSITATEA DE TIINE AGRICOLE I MEDICIN

VETERINAR ION IONESCU DE LA BRAD, IAI
FACULTATEA DE AGRICULTUR
SPECIALIZAREA AGRICULTUR







MATEMATIC I STATISTIC
















Asist.univ.drd.CARMEN DANILIUC





IAI 2009

2





CUPRINS


ALGEBR LINIAR 3
SPAII LINIARE REALE 18
PROGRAMARE LINIAR 27
ELEMENTE DE TEORIA
PROBABILITILOR
44
ELEMENTE DE STATISTIC
MATEMATIC
64
REFERAT NR.1 76
REFERAT NR. 2 78
BIBLIOGRAFIE 80




3




CAPITOLUL I
ALGEBR LINIAR


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

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

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

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

4
|
|
|
|
|
.
|

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

|
|
|
|
.
|

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

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

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

\
|
=

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

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


5
Operaii cu matrice

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

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

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


Observaie. Produsul AB a dou matrice se poate efectua doar dac
numrul de coloaneale lui A este egal cu numrul de linii ale lui B.
Proprietile nmulirii matricelor
1. (AB)C=A(BC).(asociativitate)
2. A(B+C)=AB+AC (distributivitate la stnga)
3. (A+B)C=AC+BC (distributivitate la dreapta)
4. ()Ae
n
(R), AI
n
=I
n
A=A (element neutru)

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

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

6
Definiia 1.1.6.
Numim transpus a matricei Ae
(m,n)
(R), matricea notat
t
A=(a
ji
)e
(n,m)
(R), care are drept linii, respectiv coloane, coloanele, respectiv
liniile matricei A.

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

Determinani

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

=

e
..... ) det(
2 2 1 1
,
unde S
n
este mulimea permutrilor mulimii N={1, 2, 3, , n}, iar c(t) este
signatura permutrii t.
Notaie:
nn n n
n
n
a a a
a a a
a a a
A
.....
..... ..... ..... .....
.....
.....
) det(
2 1
2 22 21
1 12 11
=

Rangul unei matrice

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


Definiia 1.1.10.

7
Fie Ae
(m,n)
(R) o matruce nenul. Spunem c matricea A are rangul r dac
A are un minor de ordinul r nenul i toi minorii lui A de ordin mai mare dect r,
dac exist, sunt nuli
Notaie: rang A=r.

Matrice inversabile

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


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

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

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

avea: | | | |
1 1 1 1
/ /

= = = A I I A A A B A B
n n
.

8
Exerciii rezolvate
1 .S se determine inversa matricei:
|
|
|
.
|

\
|

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

(
(
(

(
(
(

(
(
(

(
(
(

(
(
(

=
+

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

Deci
2. S se determine inversa matricei:
|
|
|
.
|

\
|
=
0 2 4
0 1 2
1 1 1
A
Rezolvare:
| |
(
(
(

(
(
(

(
(
(

(
(
(

=
+

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

Matricea A nu este inversabil.






9
1.2 Sisteme de ecuaii liniare
n continuare ne vom ocupa de sistemele de ecuaii algebrice de gradul
nti cu mai multe necunoscute, deoarece multe fenomene din natur se
pot modela cu ajutorul acestora.

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

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

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

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

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

10
d) Matricea ) B / A ( A se numete matricea extins a sistemului.
e) dac b
i
=0, 1im, atunci sistemul liniar se numete omogen.

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

Sisteme liniare omogene

Dac b
i
=0, sistemul [1| se numete sistem liniar omogen.
Forma general a acestuia este:
[4|

=
= =
n
j
j ij
x a
1
m 1, i , 0 .
Observaie. un astfel de sistem este oricnd compatibil ntruct admite cel
puin soluia banal: x
1
=x
2
=..=x
n
=0.
Un sistem liniar omogen de rang r=rang(A) i cu n necunoscute admite i
soluiile nebanale dac i numai dac r<n.

11
Un sistem liniar omogen de n ecuaii cu n necunoscute admite i soluii
nebanale dac i numai dac det(A)=0.

Rezolvarea sistemelor de ecuaii algebrice liniare

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

=
, unde det (A)=0.
Este un sistem compatibil unic determinat i soluia sa se obine cu
formulele lui Cramer:
n 1, j ,
) det(
) det(
= =
A
A
x
j
j
,
unde A
j
se obine din matricea A prin nlocuirea coloanei j cu coloana
termenilor liberi.
2.Dac r=m=n, atunci exist A
-1
i din [3| obinem: X=A
-1
B, formul care
reprezint rezolvarea matriceal a unui sistem liniar omogen de n ecuaii cu n
necunoscute i de rang n.
3.Metoda eliminrii pariale (Gauss). Presupunem c det(a
ij
)=0, r , 1 j , i =
i, deci r=rang(A), dac nu exist determinani de ordin superior lui r, nenuli.
Prin transformri elementare efectuate numai asupra liniilor matricei
extinse A a sistemului [1| aceasta poate fi adus la forma:
|
|
|
|
|
|
|
|
|
.
|

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

12
Dac sistemul este compatibil i r=n el are o singur soluie, adic este
compatibil determinat, iar dac r<n, sistemul admite
r n
soluii, adic este
compatibil nedeterminat.
4.Metoda eliminrii totale (Gauss-Jacobi). Fie r=rang(A). presupunem c
det(a
ij
)=0, r , 1 j , i = . Prin transformri elementare asupra liniilor matricei extinse
A, a sistemului [1] aceasta poate fi adus la forma n care toate elementele
nediagonale ale primelor r coloane ale matricei obinute sunt nenule, iar celelalte
nule.
Astfel analiza structurii sistemului este imediat.
Exerciii rezolvate
1.Folosind metoda lui Gauss, s se rezolve sistemul:

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

Rezolvare:
|
|
|
.
|

\
|



|
|
|
.
|

\
|



|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
-
-

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

=
=
=

=
=
=
1
1
2
1
10
19
10
9
4
9
4
1
2
1
3
2
1
3
3 2
3 2 1
x
x
x
x
x x
x x x
(sistem compatibil determinat)
2. Folosind metoda lui Gauss Jacobi, s se rezolve sistemul:

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

Rezolvare:

13
|
|
|
.
|

\
|

|
|
|
.
|

\
|


|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
+

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

Sistemul este compatibil nedeterminat:
R
x
x
x
R x
x x
x x
e

=
=
=

e =
= +
= +

,
5
1
9
5
4
11
9
5
1
11
5
41
3
2
1
3
3 2
3 1
























14
1.3 Inegaliti liniare i sisteme de inegalliti liniare
n aplicaiile metodelor matematice apar situaii n care anumite
fenomene se modeleaz nu prin ecuii liniare, ci prin inegaliti
liniare(obinute prin nlocuirea n expresia formei generale a unei
ecuaii liniare a semnului = cu unul din semnele( ,, < ,>,).

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

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

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

Etapele rezolvrii unei inecuaii liniare:
- Se reprezint dreapta corespunztoare ecuaiei atasate;
- Se alege un punct din plan care nu aparine dreptei i se nlocuiesc
coordonatele lui in expresia inecuaiei;
- Dac rezultatul obinut n urma nlocuirii este corect din punct de vedere
logic, atunci soluia inecuaiei este dat de ntregul semiplan n care se afl
punctul respectiv; n caz contrar, soluia este dat de cellalt semiplan;

15
- Vom lua ca i soluie semiplanul determinat, deschis, dac inegalitatea din
enun este strict i nchis, daca inegalitatea admite i posibilitatea de egal.
Observaie: Mai multe inegaliti liniare formeaz un sistem de
inegaliti(inecuaii) liniare. Pentru a determina mulimea soluiilor unui astfel de
sistem, se face intersecia tuturor semiplanelor ce reprezint soluiile inecuaiilor.


Exemplul 1: S se rezolve urmtorul sistem de inecuaii:

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


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


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


16


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

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

\
|

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

\
|

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

\
|



=
2 1 1
1 3 2
2 4 3
A
2) S se rezolve urmtoarele sisteme, alegnd una din metodele prezentate:
a)

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

b)

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

c)

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



17
d)

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

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

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

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






























18




CAPITOLUL II
SPAII LINIARE REALE


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

b) ()oeR i () x eA, un element notat o x eA astefl nct
.
Prima operaie, de tip aditiv, este intern, a doua, de tip multiplicativ,
este extern pentru A.

Definiia 2.1.1.
Mulimea A formeaz un spaiu liniar (vectorial) real dac:
a) (A, +) este un grup abelian;
b) nmulirea cu scalari ndeplinete condiiile:
1. A x x x e = , 1 i 1eR,
2. o(| x)=(o|) x , ()o, |eR i () x eA,
3. o( x + y )=o x+o y, ()oeR i () x , y eA
4. (o+|) x =o x +| x , ()o,|eR i () xeA.
Observaie. Elementele spaiului liniar A se vor nota cu z y x , , i le vom
numi vectori. Elementul neutru al grupului (A, +) se noteaz prin 0 i se numete
vector nul iar vectorul x se numete opusul vectorului x.

19

Definiia 2.1.2 Fie A un spaiu liniar real i fie . Se
numete combinaie liniar de vectorilor cu scalarii
1
,
2
, .,
h
R expresia:
+
Scalarii o
k
se numesc coeficienii combinaiei liniare.

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

Definiia 2.1.4.
Spunem c sistemul de vectori este liniar dependent
dac exist scalarii o
1
, o
2
, .,o
h
eR nu toi nuli astfel nct:
[1]: +
n caz contrar, adic dac [1] are loc numai pentru o
1
=o
2
=.=o
h
=0
sistemul se numete liniar independent.

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

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







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


20
Definiia 2.2.1. Sistemul de vectori B={
1
,
2
, .,
n
}cA se numete baz a lui A
dac:
1. B formeaz un sistem de generatori pentru A;
2. B este liniar independent.
Observaie. ntr-un spaiu vectorial exist o infinitate de baze. Vectorul nul,
0 , nu poate face parte din nici o baz a spaiului vectorial V.

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

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

Definiia 2.2.3.
Numrul vectorilor dintr-o baz a unui spaiu liniar (vectorial) se numete
dimensiune a spaiului liniar dat.
Dimensiunea spaiului vectorial A se noteaz cu dimA.
Dac dimA=n, spunem c V este n-dimensional.
Exemplu

21
n spaiul liniar R
n
, sistemul: B={
1
,
2
, .,
n
}, unde:
( )
( )
( )
( )

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

1
,

2
, .,

n
) dou baze n spaiul vectorial
A.

Deoarece

1
,

2
, .,

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

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

Sistemul [4] este echivalent cu ecuaia matriceal:
(

1
,

2
,.,

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

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

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

j
eA, n raport cu baza e.
Matricea C de trecere de la o baz la alta, ntr-un spaiu vectorial finit
dimensional A este o matrice nesingular, adic detC=0.
Formulele [4] se numesc formule de trecere de la o baz B la baza B

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

22
Vom nota prin:
|
|
|
|
|
.
|

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

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

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


























23
2.3. Transformri liniare. Valori proprii i vectori
proprii pentru o transformare liniar.
Fie spaiul liniar n-dimensional R
n
.

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

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

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

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

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

24
Definiia 2.3.5 Fie T:R
n
R
n
o transformare liniar. Scalarul eR se numete
valoare proprie sau autovaloare a transformrii liniare T, dac exist vectorul
0 x = astfel nct x ) x ( T = .
n acest caz vectorul nenul x se numete vectorul propriu sau autovector al
transformrii liniare T, corespunztor valorii proprii .
Dac X B x = este un vector propriu corespunztor valorii proprii
eR, atunci: X X A X B X A B x x T = = = ) ( ) ( sau: (A-
I
n
)X=0, care se scrie:
[8]:

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

Cum 0 x = , este necesar ca sistemul [8] s admit i soluii nebanale.
Sistemul liniar omogen [8] admite soluii nebanale dac i numai dac
determinantul su este egal cu zero.
Aadar scalarul eR este valoare proprie a transformrii liniare T a crei
matrice n baza e este A dac i numai dac:
[9]: det(A-I
n
)=0
Polinomul P()=det(A-I
n
) se numete polinomul caracteristic al matricei
A, iar ecuaia [9] se numete ecuaia caracteristic a matricei A.
Dup determinarea valorilor proprii din [9], se nlocuiesc n [8] i se
determin coordonatele vectorilor proprii.
Dezvoltnd n factori determinantul, obinem:
.

Teorem 2.3.6 (Cayley-Hamilton) O matrice A=(a
ij
)e
n
(R), satisface
propria ei ecuaie caracteristic:










25
2.4. Lema substituiei
Fie B={
1
,
2
, .,
n
} o baz a spaiului liniar R
n
,
n
R ue un vector dat prin:
u=
1

1
+
2

2
+.+
i

i
+.+
n

n
i sistemul de vectori B

={
1
,
2
, .,
i-1
, u,

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

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

1
, o

2
, ..., o

i
, .., o

n
n
baza e

ale unui vector

n
R xe se exprim n funcie de coordonatele
o
*
1
, o
*
2
, ., o
*
i
, ., o
*
n
ale aceluiai vector n baza B prin
egalitile:
i
*
i '
i
o
o
= o ,
*
i
i
j *
j
'
j
o
o
o
o = o , pentru j=i.
Trecerea de la o
*
j
la o

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

o o o o

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

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

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

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

B
(baza)

3

1

2

3

x

(I)

1
1 0 0 1 1 1 4

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

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

26
(II)

1
1 0 0 1 1 1 4

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

3
-1 0 1 0 -2 2 0
(III)

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

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

3
-1 0 1 0 -2 2 0 L
3
+ 2L
1
(IV)

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

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

3
0 1 1 0 0 5 5 L
1
:5
(V)

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

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

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

3/2L
1
(VI)

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

2
1/2 1/5 -3/10 0 1 0 1

3
0 1/5 1/5 0 0 1 1
+
x=(2,1,1)
.

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

={
1
,
2
,
3
}, unde:
1
=(0,1,1),
2
=(1,0,1),
3
=(1,1,0).
2. Folosind lema substituiei, s se determine coordonatele vectorului l
) 2 , 3 , 3 ( = x n baza B

={
1
,
2
,
3
}, unde:
1
=(1,4,-3),
2
=(2,1,3),
3
=(4,-5,-2)


.

27




CAPITOLUL III
PROGRAMARE LINIAR



3.1 Structura unei probleme de programare liniar

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

n programarea liniar trebuie luate anumite decizii prin aplicarea crora s
se ating valoarea optim a obiectivului.Aceste decizii sunt reprezentate printr-un
set de variabile de decizie, notate x
j
. variabilele de decizie sunt folosite pentru
formularea modelului de programare liniar. Cu ajutorul variabilelor de decizie
este descris att obiectivul care trebuie atins, ct i o serie de condiii restrictive
care trebuie respectate de ctre soluia cutat.
Aadar, o problem de programare liniar i propune s maximizeze sau,
dup caz, minimizeze o funcie obiectiv n condiiile respectrii unui set de
restricii.
Funcia obiectiv este o funcie liniar de variabile x
j
. Ea este reprezentarea
matematic a scopului urmrit: nivelul profitului, costurile totale etc.
Setul de restricii este un sistem liniar de ecuaii i inecuaii n variabilele x
j
.
El descrie condiiile pe care trebuie s le satisfac variabilele de decizie pentru a fi
n conformitate cu realitatea: capaciti de producie limitate, nivel minim
obligatoriu al vnzrilor etc.
Forma general a unei probleme de programare liniar (PL)
O problem de programare liniar nu n variabile de decizie
x
1
, x
2
, ........., x
n
i avnd m restricii are urmtoarea form general:

[1]

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

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

28
1.) Forma matriceal
Notm:
|
|
|
|
|
.
|

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

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

\
|
=
m
2
1
b
....
b
b
b eM
(m,1)
(R) i
C=(c
1
, c
2
, ., c
n
)e M
(1,n)
(R).
Cu aceste notaii problema de programare liniar poate fi scris sub
forma: [1] AX b; [2] X> O
(n,1)
(R); [3] (min./max.) f( x)=CX, numit
forma matriceal a problemei [P].
2.) Forma vectorial.
Notm:
|
|
|
|
|
.
|

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

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

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

\
|
=
m
2
1
0
b
....
b
b
P
Problema [P] poate fi scris sub forma:
[1] x
1
P
1
+ x
2
P
2
+ .+ x
n
P
n
P
0
;
[2] X>O
(n,1)
(R);
[3] (min./max.) f( x)=CX, numit forma vectorial a problemei [P].
3.) Forma canonic.
O problem de programare liniar este sub form canonic dac ea se
scrie:
[1] b X A > ; [2] X>O
(n,1)
(R); [3] (min.) f( x)=CX, sau
[1] b X A s ; [2] X>O
(n,1)
(R); [3] (max.) f( x)=CX.
4.) Forma standard.
O problem de programare liniar este sub forma standard, dac ea se
scrie:

[P]

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

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



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


Modele economice care conduc la probleme de programare liniar.

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

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

=
= + + + + + =
n
1 j
i in ij 2 i 1 i ij
a x .... x .... x x x ,
iar cantitate de produs transportat de la toate depozitele D
i
la centrul C
j
va
fi:

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

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

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

30
(restriciile)
(condiii de nenegativitate)
(funcia obiectiv)
[6]

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

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

[P]

=
= >
= =

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



31
3.) Folosirea optim a produselor.
Un combinat de nutreuri concentrate poate realiza n tipuri de nutreuri
N
1
, N
2
, ., N
n
, pentru care utilizeaz m tipuri de materie prim (resurse) M
1
,
M
2
, ., M
m
, care sunt limitate de cantitile b
i
, m , 1 i = .
Pentru producerea unei cantiti de nutre N
j
, n , 1 j = se consum o
cantitate a
ij
din materia prim de tipul M
i
, m , 1 i = . La o unitate de nutre N
j
se
obine un profit de c
j
u.b. (uniti bneti). Din punct de vedere economic ne
punem problema determinrii cantitilor din nutreurile N
1
, N
2
, ., N
n
ce
urmeaz a fi produse astfel nct s se obin un profit maxim. Fie x
j
, n , 1 j = ,
cantitile de nutreuri N
j
ce urmeaz a fi realizate pentru a se obine un profit
maxim.
Pentru producerea cantitii x
j
din nutreul N
j
se consum din materia
prim M
i
cantitatea a
ij
x
j
.
Cantitatea de materie prim M
i
este limitat de b
i
, deci trebuie impuse
restriciile:

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

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





















32
3.2 Rezolvarea grafic a problemelor de programare
liniar n dou variabile

Cosiderm urmtoarea problem de programare liniar:
[1]

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

0
..
0
0

[2] x>0; y>0
[3] (min./max.) f(x.y)=c
1
x+c
2
y
Pentru a determina soluia optim a acestei probleme, trebuie, mai nti, sa
mulimea soluiilor sistemului [1]. Pentru rezolvarea acestui sistem se procedeaz
astfel:
Se reprezint, n sistemul ortogonal de axe de coordonate, dreptele:
(d
i
): a
i
x+b
i
y+c
i
=0, n , 1 i = ,
fiecare dintre ele mprind planul n cte dou regiuni.
Soluia sistemului [1] va fi format din toate punctele din plan ale cror
coordonate ndeplinesc simultan inegalitile din [1].
Intersecia poligonului convex determinat de restriciile [1] cu primul cadran
(x>0; y>0) reprezint un poligon convex pe care l vom numi mulimea
programelor problemei notat PL. Funcia obiectiv determin o familie de
drepte paralele:
[3] (d

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

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





33
Exemplu Utiliznd metoda grafic s se determine:

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

+ >

+ >

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


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


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

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

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

+ =

C
9 10
,
7 7
| |
|
\ .
...................................
Poligonul soluiilor posibile este triunghiul ABC, haurat pe figur .................
Notm f(x,y)= =x+
1
y
2
(A

): 2x+y-2=0; (A
0
): 2x+y=0 .......
Observm c toate dreptele familiei (A

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



(0,4)
(2,0) (1,0)
(d4)
(0,2)
(-1,0) (-3,0)
(0,1)
O
x
y

B
C
A
(A0)
(d3)
(d2)
(d1)

34
3.3 Mulimi convexe.

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

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

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

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

Definiia 3.3.3 Numim combinaie liniar convex a vectorilor,
, o expresie de forma:
p p 2 2 1 1
x .... x x + + + , cu

i
>0, i 1 ....
p 2 1
= + + + .
Observaie: Se demonstrez c orice punct ce nu este punct de extrem se
scrie ca o combinaie liniar convex de puncte extreme ale mulimii convexe.

















35
3.4 Soluii ale unei probleme de programare liniar

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

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

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

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

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

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

e = + =
= >

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


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

36
stric pozitive: x
2
>0, x
4
>0, rang 2
1 6 1 3
0 2 1 1
=
|
|
.
|

\
|

i vectorii coloan din

matricea A, corespunztori acestor coloane,
|
|
.
|

\
|

=
1
1
P
2
i
|
|
.
|

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

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

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











37
3.5. Metoda simplex. Algoritmul simplex primal.

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

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

Presupunem c primele m (m<n) coloane ale matricei A formeaz
matricea unitate de ordinul m. Dac nu este aa, prin transformri elementare
putem realiza acest lucru. Astfel matricea extins a sistemului de restricii este:
|
|
|
|
|
.
|

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

=
o
m
1 i
i ij
P .
S notm cu C
b
, vectorul linie format cu primele m componente ale
vectorului C, componente ce corespund primelor m<n coloane ale matricei A.

38
Observaie: Fie x=(x
1
, x
2
, ., x
n
), y=(y
1
, y
2
, ., y
n
), respectiv
|
|
|
|
|
.
|

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

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

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

\
|
o
o
o
=
mj
j 2
j 1
j
....
P .
Dac |
i
, m , 1 i = sunt pozitivi, atunci: x
1
=|
1
, x
2
=|
2
, ., x
m
=|
m
,
x
m+1
=x
m+2
=.=x
n
=0, este o soluie admisibil de baz.

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

din baz cu un vector P
j
care nu face parte din baz.
Fie y
k
(k=1, 2, ., i-1, j, i+1, ., m), componenetele noii soluii de baz
y=(y
1
, y
2
, ., y
m
).
Criteriul de ieire.
Dac o
ij
>0,
kj
k
ij
i
o
|
s
o
|
(o
kj
>0), atunci vectorul P
i
din baz se nlocuiete
cu P
j
.

39

Criteriul de intrare.
Dac z
j
-c
j
>0, atunci vectorul P
j
, n , 1 m j + = intr n baz n locul
vectorului P
i
, m , 1 i = .
Observaii:
1.) ntruct diferenele z
j
-c
j
pot fi nule pentru vectorii care nu fac parte din
baz rezult c problema de programare liniar [P] poate avea mai multe soluii
optime.
2.) Dac |
i
=0 rezult c y este soluia optim chiar dac z
j
-c
j
>0
(condiiile z
j
-c
j
s0, sunt suficiente nu i necesare pentru existena soluiei
optime.).
3.) Dac o
ij
s0, |
i
>0, z
j
-c
j
>0, nu este posibil s obinem o soluie
admisibil de baz pentru care funcia obiectiv s ia o valoare mai mic dect
pentru a x .

Etapele algoritmului simplex primal.
I.) Se determin o soluie admisibil de baz.
II.) Se calculeaz diferenele z
j
-c
j
, n , 1 j = .
1.) Dac z
j
-c
j
s0, n , 1 j = atunci dup criteriul de optimalitate, soluia
admisibil de baz a x este optim i algoritmul se oprete.
2.) Dac exist indici j pentru care z
j
-c
j
>0, iar toate componentele
vectorului P
j
sunt mai mici sau egale cu zero (o
ij
s0), atunci problema are optim
infinit i algoritmul se oprete.
3.) Dac exist indici j pentru care z
j
-c
j
>0 i nu toi o
ij
s0, atunci se trece la
etapa urmtoare.
III.) Se aplic criteriul de intrare, determinnd vectorul P
j
care intr n
baz ca fiind acel vector pentru care z
j
-c
j
=max.(z
k
-c
k
), pentru acele diferene
nenegative.
IV.) Se aplic criteriul de ieire. Prsete baza vectorul P
i
pentru care:
kj
k
0
ij
i
kj
min
o
|
=
o
|
> o
.
V.) Se face schimbarea de baz obinnd o nou soluie admisibil de baz
y i apoi etapele algoritmului se reiau. Dup un numr finit de pai se gsete
soluia optim a problemei dac aceasta exist.
Datele unei probleme de programare liniar, cu notaiile deja fcute, le
sintetizm n urmtorul tabel:


40
B C
b
P
0

c
1
c
2

.
c
i

.
c
m

.
c
j

.
c
n

P
1
P
2

.
P
i

.
P
m

.
P
j

.
P
n

P
1
c
1
|
1
1 0

.
0

.
0

.
o
1
j

.
o
1
n
P
2
c
2
|
2
0 1

.
0

.
0

.
o
2
j

.
o
2
n

.

P
i
c
i
|
i
0 0

.
1

.
0

.
o
ij

.
o
i
n

.

P
m
c
m
|
m

0 0

.
0

.
1

.
o
mj

.
o
mn
z
j
-c
j
__
f(
x
)
0 0

.
0

.
0

.
z
j
-
cj

.
z
n
-
c
n


Observaie: Dac soluia admisibil nu este optim, adic exist z
j
-
c
j
>0, alegem diferena z
j
-c
j
cea mai mare, determinnd astfel vectorul P
j
care
intr n baz.
Dac exist mai multe astfel de diferene egale poate intra n baz oricare
dintre vectorii ce corespund acestora.
Dac pe coloana lui P
j
toate coordonatele o
ij
s0, atunci problema admite
optim infinit. Dac pe coloana lui P
j
exist i o
ij
>0, vectorul care prsete
baza se obine fcnd rapoartele dintre componentele lui P
0
i componentele
strict pozitive ale vectorului P
j
, determinat anterior. Dac
ij
i
o
|
este cel mai mic
raport, atunci P
i
prsete baza, fiind nlocuit cu vectorul P
j
.

Exemplu :
Utiliznd algoritmul simplex primal s se determine soluiile optime ale
problemei de programare liniar:

41
[P]
| |
| |
| |

e = + =
= >

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


Forma standard a problemei este:
[1]:

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

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


|
|
|
.
|

\
|

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

\
|



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


|
|
|
.
|

\
|

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


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


O soluie admisibil de baz a problemei

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

\
|

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

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

\
|

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

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

\
|
=
1
0
0
P
5
;
L
1
-L
2

L
3
-L
2
L
1
-L
3

L
2
-L
3

42

|
|
|
.
|

\
|

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

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

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

n prima etap se observ c nu toate diferenele z
j
-c
j
sunt mai mici sau
egale cu 0.
Cea mai mare diferen este 3 i se afl n dreptul vectorului P
6
, care va
intra n baz. Cu componentele pozitive ale lui P
6
avem un singur raport
ij
i
o
|
de
considerat.
Acesta este 40/1. Aadar va iei din baz vectorul P
4
, care va fi nlocuit
de P
6
. Facem schimbarea de baz realiznd, prin transformri elementare
asupra liniilor matricei extinse A, pe coloana lui P
6
prima coloan a matricei
unitate I
3
.
Constatm acum c toate diferenele z
j
-c
j
sunt mai mici sau egale cu zero.
Soluia optim a problemei este:
x
1
=0, x
2
=60, x
3
=0 i avem: (min.)f f (0, 60, 0)=50-360+40=-180
Exerciii propuse
1. Utiliznd metoda grafic, s se rezolve urmatoarele probleme de programare
liniar:
a) y x y x f
y x
y x
y x
+ =

s
> +
s +
) , ( ,
1
0 2 2
0 7 2


43
b) y x y x f
y x
y x
y x
y x
3 2 ) , ( ,
0 2
0 2
0 3
0 3
=

s
>
>
s +

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

e = + + =
= >

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

b)
| |
| |
| |

e = + + =
= >

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



















44




CAPITOLUL IV
ELEMENTE DE TEORIA
PROBABILITILOR.


4.1. Eveniment. Probabilitate. Cmp de probabilitate

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

S considerm ca exemplu experiena aruncrii unui zar. Este evident vorba
de o experien aleatoare, adic o experien al crei rezultat variaz la ntmplare.
S notm cu {1} apariia feei cu un singur punct, cu {2} apariia feei cu
dou puncte etc.
n urma unei aruncri obinem unul din rezultatele: {1}{2}{3}{4}{5}{6}.
Alte rezultate nu sunt posibile i unul dintre ele se produce neaprat.
Acestea sunt probele experienei efectuate.
Ne putem pune ntrebarea dac vom obine o fa cu un numr par de
puncte. n acest caz experiena este aruncarea zarului, proba este rezultatul care se
obine la sfritul experienei, iar evenimentul ateptat este apariia unui numr
par de puncte. Evenimentul se realizeaz dac se obine una din probele {2}, {4},
{6}, i nu se realizeaz n caz contrar. Exist deci, trei probe care realizeaz
evenimentul.
Dac n cadrul aceleai experiene ne intereseaz apariia feei cu un punct,
suntem n prezena unui eveniment care poate fi realizat de o singur prob, i
anume proba {1}. Evenimentul care poate fi realizat de o prob i numai una se
numete eveniment elementar. Celelalte evenimente le numim compuse.


45
Eveniment sigur. Eveniment imposibil

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

Evenimente contrare

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


Evenimente compatibile. Evenimente incompatibile

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

Operaii cu evenimente
1.) Reuniunea evenimentelor A i B este evenimentul care se realizeaz
dac i numai dac se realizeaz cel puin unul dintre evenimentele A sau B, i se
noteaz cu AB.
2.) Intersecia evenimentelor A i B este evenimentul care se realizeaz
dac i numai dac se realizeaz simultan cele dou evenimente i se noteaz cu
AB.
3.) Non A este evenimentul a crui realizare const n nerealizarea
evenimentului A i se noteaz cu , dac se subnelege.

46
4.) Diferena evenimentelor A i B notat cu A\B, este evenimentul care
se realizeaz atunci cnd se realizeaz A dar nu se realizeaz B.
Avem: A\B= B A i =\A.
5.) Implicaia. Vom spune c evenimentul A implic evenimentul B i
vom nota AcB dac atunci cnd se realizeaz evenimentul A se realizeaz n mod
necesar i evenimentul B.
Observaie. Dac avem simultan AcB i BcA vom spune c evenimentele
A i B sunt echivalente i vom nota aceasta prin AB.
Dac oricrui eveniment i atam mulimea cazurilor favorabile atunci
operaiile dintre evenimente revin la operaiile respective dintre mulimile
corespunztoare.
Observaie. Evenimentele A i B sunt incompatibile dac AB=|.
Dualitate de limbaj
Limbajul evenimentelor Limbajul mulimilor
Eveniment Submulimi ale lui E
Evenimentul sigur Mulimea total E
Evenimentul imposibil Mulimea vid |
A implic B AcB
A sau B AB
A i B AB
Non A
A i B, incompatibile AB=|
Eveniment elementar e, eeE
Evenimentele A i B sunt compatibile dac AB=|.
Fie o mulime finit de evenimente.
Definiia 4.1.1 Spunem c mulimea de evenimente KcP(E) constituie un cmp
de evenimente dac sunt verificate urmtoarele proprieti:
1.) ()AeKeK;
2.) ()A,BeKABeK.
Observaie. AeK, deci evenimentul sigur se gsete n cmpul de
evenimente.
Fiind contrarul evenimentului sigur rezult c evenimentul imposibil |
aparine cmpului de evenimente.
Dac A,BeKABeK.



47
Probabilitate

Dac ntr-o serie de n probe evenimentul A s-a realizat de n
A
ori atunci
numrul
n
n
) A ( f
A
= se numete frecven relativ a evenimentului A.
Menionm urmtoarele proprieti ale frecvenei relative:
1.) 0sf(A)s1, ()AeP();
2.) f(E)=1;
3.) f(|)=0;
4.) f(A\B)=f(A)-f(B), dac BcA;
5.) f(A\B)=f(A)-f(AB);
6.) f(AB)=f(A)+f(B)-f(AB);
7.) f()=1-f(A);
8.) f(AB)=f(A)+f(B), dac AB=|.
Noiunea de frecven relativ este suportul empiric al noiunii de
probabilitate.
A defini o probabilitate n raport cu o experien, avnd un numr finit de
cazuri posibile, nseamn a asocia fiecrui eveniment A, legat de respectiva
experien un numr P(A) numit probabilitatea evenimentului A. Este natural s
cerem ca P s aib proprietile frecvenei relative.

Definiia 4.1.2 Aplicaia P: P(E)R este o probabilitate dac:
1.) 0sP(A)s1, ()AeP(E);
2.) P(E)=1;
3.) P(AB)=P(A)+P(B), dac AB=|, ()A,BeP(E)
Observaie. P(A
1
A
2
.A
n
)=

=
n
1 k
k
) A ( P dac evenimentele A
k
eP(E),
n k , 1 = sunt disjuncte dou cte dou. Dac ntr-o prob toate evenimentele au
aceeai probabilitate de a se realiza spunem c aceste evenimente sunt
echiprobabile.
Pentru un eveniment A s notm cu n
f
numrul cazurilor favorabile i cu n
p

numrul cazurilor posibile. n acest caz avem:
p
f
n
n
) A ( P = .




48
Exemplu 1.
Aruncarea unui zar perfect este o prob cu ase cazuri posibile
echiprobabile. Apariia feei cu cinci sau ase puncte este evenimentul avnd
probabilitatea
3
1
6
2
) A ( P = = .
Fiind dat mulimea finit E i aplicaia P:P(E)R satisfcnd 1.), 2.) i 3.)
din definiia 3, spunem c s-a dat un cmp finit de probabilitate.

Probabiliti condiionate. Evenimente independente.

Presupunem c avem dou urne:

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

n 7
a 6
: U
2

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

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

= .
Definiia 4.1.3 Spunem c evenimentele A i B sunt independente dac:
P(AB)=P(A)P(B).

49
Exemplul 2: Doi trgtori trag n aceeai int. Probabilitate ca primul s
ating inta este 1/2, iar probabilitatea ca al doilea s ating inta este 2/3. Cei doi
fac fiecare cte o incercare. S se calculeze probabilitatea ca inta sa fie atins de:
1) cel puin unul din trgtori;
2) ambii trgtori;
3) primul trgtor.
Care este probabilitatea ca inta s nu fie atins de nici un trgtor?
Rezolvare:
Se consider evenimentele:
A: evenimentul ca primul trgtor s ating inta
B: evenimentul ca al doilea trgtor s ating inta
1)
6
5
3
2
2
1
3
2
2
1
) B ( P ) A ( P ) B ( P ) A ( P ) B A ( P = - + = - + =
2)
3
1
3
2
2
1
) B ( P ) A ( P ) B A ( P = - = - =
3)
6
1
3
1
2
1
) B ( P ) A ( P ) B A ( P = - = - =
6
1
3
1
2
1
) B ( P ) A ( P ) B A ( P = - = - =


















50
4.2. Formule i scheme clasice de probabilitate

Considerm un cmp finit de probabilitate i A
k
, k= n , 1 , evenimente ale
acestui cmp finit de probabilitate.
Definiia 4.2.1 O mulime de evenimente A
k
, n , 1 k = , care satisface:
1.) A
k
=|, k= n , 1 ;
2.) A
i
A
j
=|, i=j, i, j= n , 1 ;
3.)

n
k
k
A
1 =
=E, se numete sistem complet de evenimente.
Observaie. Mulimea tuturor evenimentelor elementare ataate unei
experiene formeaz un sistem complet de evenimente.
Aadar, dac A
k
, n , 1 k = formeaz un sistem complet de evenimente atunci:

= =
= = =
|
|
.
|

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

.

Formule pentru calculul probabilitilor

1.)

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

= < =
+ + + =
|
|
.
|

\
|

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

= =
=
|
|
.
|

\
|
n
k
k
n
k
k
A P A P

, iar dac sunt independente, atunci:

= < < <

=
+ + + =
|
|
.
|

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


2.) Dac 0 A P
n
1 k
k
=
|
|
.
|

\
|
=

atunci:
) A ( P .... ) A ( P ) A ( P ) A ( P A P
n A ... A 3 A A 2 A 1
n
1 k
k
1 n 1 2 1 1

=
=
|
|
.
|

\
|

.

51
Observaie. Dac evenimentele A
k
, n , 1 k = nu sunt independente atunci:
) A ( P .... ) A ( P ) A ( P A P
n 2 1
n
1 k
k
=
|
|
.
|

\
|
=

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

Formula probabilitii totale

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

Formula lui Bayes (formula ipotezelor).

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

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

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

=
=
p
1 k
k
1 p .

52
Se repet experiena de n ori, n condiii identice. Probabilitatea P(n; m
1
,
m
2
, .,m
p
) ca n cele n experiene evenimentul A
k
s se realizeze de m
k
ori,
p , 1 k = este: P(n; m
1
,m
2
,..., m
p
)=
p
2 1
m
p
m
2
m
1
p 2 1
p .... p p
! m .... ! m ! m
! n


,
unde

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

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

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

= | o , unde:

>
= =
<

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

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

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

= , unde:

=
=
p
1 i
i
n k .

53
Exemplul 3: Se arunc o moned de 5 ori. Se cere probabilitatea de a obine
de dou ori stema.
Rezolvare: Vom aplica schema binomial; considerm A evenimentul ca
dup 5 aruncri, s obinem de 2 ori stema.
16
5
2
1
2
1
C ) A ( P
2 k ; 5 n ;
2
1
q ;
2
1
p
3 2
2
5
=
|
.
|

\
|
|
.
|

\
|
=
= = = =


Exemplul 4: ntr-un atelier sunte trei maini. Prima main da 1,5%
rebuturi, a doua 1% i a treia 0,9%. Dac lum la ntmplare o pies de la fiecare
main, care este probabilitatea ca dou din piesele luate s fie bune i una s fie
rebut?
Rezolvare: Putem aplica schema lui Poisson. Probabilitatea cerut va fi
coeficientul lui x
2
din dezvoltarea polinomului:
(p
1
x+q
1
)( p
2
x+q
2
) ( p
3
x+q
3
), unde
p
1
=0,985, p
2
=0,99, p
3
=0,009
q
1
=0,015 q
2
=0,01, q
3
=0,991

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

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

negre bile
albe bile
U
6
3
:
1
,

negre bile
albe bile
U
4
5
:
2
,

negre bile
albe bile
U
4
4
:
3
,

negre bile
albe bile
U
3
4
:
1

Din fiecare urn se extrag cte trei bile, punndu-se dup fiecare extragere
bila napoi n urn. Care este probabilitatea ca din dou urne s obinem
combinaia 2 bile albe i o bila neagr, iar din celelalte s obinem alt
combinaie?

54
2.Un joc cu 32 de cri conine 8 cupe i 4 ai, din care un as de cup. Cele
32 de cri au probabiliti egale de a fi extrase. Se trag simunltan 5 cri din cele
32 i fie A i B definite astfel:
A: se extrag exact 3 ai;
B: se extrag exact 3 cupe.
a) S se calculeze probabilitatea fiecruia din aceste evenimente.
b) S se defineasc evenimentul B A C = i s i se calculeze
probabilitatea.
c) S se defineasc evenimentul B A D = i s i se calculeze
probabilitatea.
3 O urn conine 10 bile roii i 5 bile albastre. Se scot simultan 3 bile. Care
este probabilitatea ca cele 3 bile extrase s fie de aceeai culoare?


























55
4.3. Variabile aleatoare
Noiuni introductive

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

=
=
n
1 i
i
1 p .

Definiia 4.3.1 Se numete variabil aleatoare (ntmpltoare, statistic) o funcie
real X definit pe un sistem complet de evenimente S, adic X: SR.
Valoarea variabilei aleatoare X corespunztoare evenimentului A
i
eS se va
nota X(Ai)=xieR.
Deoarece probabilitatea de realizare a evenimentului A
i
este p
i
vom spune
c p
i
este probabilitatea ca variabila aleatoare X s ia valoarea x
i
.
Pe scurt vom spune c are loc evenimentul X=x
i
cu probabilitatea
p
i
=P(X=x
i
).
O variabil aleatoare se va numi discret, dac ea este definit pe o mulime
cel mult numrabil de evenimente.
Fie X o variabil aleatoare discret.

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

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

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

=
=
n
i
i
p
1
. 1
Exemplu 1.
ntr-o urn sunt ase bile albe i patru bile negre. Extragem o bil i
considerm evenimentele:
A: extragerea unei bile albe;
B: extragerea unei bile negre;

56
Evident: A B = iar } B , A { S = este un sistem complet de evenimente
deoarece AB=E i AB=|. P(A)=0,6 iar P(B)=0,4.
Definim variabila aleatoare X care ia valoarea x
1
=1 sau valoarea x
2
=0 dup
cum se realizeaz A sau B.
Distribuia variabilei aleatoare X este
|
|
.
|

\
|
4 , 0 6 , 0
0 1
: X .
Distribuia unei variabile aleatoare X poate fi reprezentat grafic, n plan,
prin poligonul de repartiie, care se obine unind printr-o linie poligonal
punctele de coordonate (x
i,
p
i
), n , 1 i = .
n general pe cele dou axe se iau uniti de msur diferite.

Distribuii clasice

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

\
|

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

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

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

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

=
=
n
i
i
p
0
1.

3.) Distribuia corespunztoare schemei bilei nentoarse.

57
Se ataeaz schemei bilei nentoarse variabila aleatoare X care reprezint
numrul de bile albe dintre cele n bile extrase din urn; X avnd urmtorul
tablou de distribuie:
|
|
|
.
|

\
|

+ +

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

=
+

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

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

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

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

Operaii cu variabile aleatoare

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

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

58
Fie variabilele aleatoare:
|
|
.
|

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

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

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

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

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

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

\
|

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

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

59
Operaiile de sum i produs se pot extinde la orice numr finit de variabile
aleatoare.

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

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

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

\
|

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

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

= , deci:
|
|
|
.
|

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

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

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

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


Definiia 4.3.4 Se numete valoare medie (speran matematic) a variabilei
aleatoare X numrul real:

60
M(X)
not
= x=p
1
x
1
+ p
2
x
2
+ .+ p
n
x
n
=

=
n
1 i
i i
x p .
Observaie. Valoare medie a unei variabile aleatoare X este media
ponderat a valorilor sale cu ponderile p
1
, p
2
, ., p
n
.
ntr-adevr cum S este un sistem complet de evenimente, avem: p
1
+
p
2
+ .+ p
n
=1 i deci:
n 2 1
n n 2 2 1 1
p .... p p
x p .... x p x p
) X ( M
+ + +
+ + +
= .
Menionm urmtoarele proprieti pentru valoarea medie a unei
variabile aleatoare X:
P
1
) M(a)=a, a=const.;
P
2
) M(aX)=aM(X);
P
3
) M(X+Y)=M(X)+M(Y);
P
4
) M(a+X)=a+ M(X), a=const.;
P
5
) M(XY)=M(X)M(Y), dac variabilele aleatoare X i Y sunt
independente.
Observaie. Media unei variabile aleatoare este valoarea n jurul creia se
grupeaz valorile variabilei aleatoare X.
Proprietile P
3
) i P
5
) se pot extinde la orice numr finit de variabile
aleatoare.
Valoarea medie a unei variabile aleatoare discrete X satisface dubla
inegalitate:
| o
s s x x x , unde: { }
i
n i 1
x min x
s s
o
= i { }
i
n i 1
x max x
s s
|
= .
Fie acum ) X ( M x = , valoarea medie a variabilei aleatoare X i
x x u
i i
= , n , 1 i = , abaterea valorii x
i
de la valoarea x.

Definiia 4.3.5 Dat o variabil aleatoare X, definit pe un sistem complet S de
evenimente, se numete abaterea variabilei aleatoare X de la valoarea medie,

61
o nou variabil aleatoare x X U = , definit peste aceleai sistem S i care ia
valorile x x u
i i
= cu aceleai probabiliti p
i
, n , 1 i = .
Tabloul de distribuie al acesteia este:
|
|
.
|

\
|

n i
n i
p p p p
x x x x x x x x
U
.... ....
.... ....
:
2 1
2 1

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

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

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

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

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

62

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

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

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

Definiia 4.3.10 Numim abatere medie ptratic a variabilei aleatoare X,
numrul ) ( ) (
2
X D X = =
2 2
1 1
....
n n
u p u p + + .
Observaie. Dispersia unei variabilei aleatoare X msoar gradul de
mprtiere a valorilor variabilei aleatoare X fa de valoarea medie a acesteia.
Definiia 4.3.11 Prin abatere absolut a variabilei aleatoare X nelegem
variabila aleatoare notat x X , avnd repartiia:
x X :
|
|
.
|

\
|

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

63
|
|
.
|

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

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

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

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

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

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

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

Exerciii propuse
1. Se consider variabilele aleatoare independente
|
|
.
|

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

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

m X
Y

= .





64




CAPITOLUL V
ELEMENTE DE
STATISTIC MATEMATIC


5.1. Noiuni de baz ale statisticii matematice

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

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

65
Caracteristic poate fi cantitativ dac se poate msura (vrst, talie,
greutate, lungimea firului de pr, etc.). calitativ sau n caz contrar (culoarea
prului, culoare ochilor, sexul, profesia, etc.).
Caracteristicile cantitative care pot lua numai valori ntregi se numesc
discrete sau discontinue.
O caracteristic ce poate lua orice valoare dintr-un interval finit sau infinit
se numete continu.

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

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

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

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

66
Definiia 5.1.4 Numim frecven relativ a valorii a numrul
N
n
f
a
a
= .

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

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

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

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





67
Exemplu 1.
Numrul purceilor nscui la o ftare este dat n tabelul de mai jos:
Nr.
purcei
Frecv.
absolut.
Frecv.
relativ
Frecv.abs.
.cum.cresc.
Frecv.abs..
cum.descresc
Frecv.rel..
cum.cresc.
Frecv.rel..
cum.descresc
1 1 0,02 1 50 0,02 1
2 1 0,02 2 49 0,04 0,98
3 2 0,04 4 47 0,08 0,94
4 4 0,08 8 43 0,16 0,86
5 6 0,12 14 37 0,28 0,74
6 7 0,14 21 30 0,42 0,60
7 6 0,12 27 24 0,54 0,48
8 7 0,14 34 17 0,68 0,34
9 9 0,18 43 8 0,86 0,16
10 7 0,14 50 1 1 0,02













68
5.2. Reprezentarea grafic a seriilor statistice

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

1.) Reprezentarea prin dreptunghiuri sau cercuri de structur.
n acest caz suprafaa unui dreptunghi sau a unui cerc este de 100%.

Exemplu 2.
S considerm distribuia mediilor studenilor dup prima sesiune de
examene:
1 Sub 5 54
2 ntre 5 i 6 89
3 ntre 6 i 7 149
4 ntre 7 i 8 314
5 ntre 8 i 9 136
6 ntre 9 i 10 45

69
Reprezentarea prin sectoare de cerc
7%
11%
19%
40%
17%
6%
1
2
3
4
5
6

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



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

70
Reprezentarea n batoane
54
89
149
314
136
45
0
50
100
150
200
250
300
350
1 2 3 4 5 6
Series1

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

71

Histograma corespunztoare este:


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

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










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

72
4.3. Valori caracteristice ale unei serii statistice.

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

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

Definiia 5.3.3.Se numete median a unei serii statistice numrul x care are
proprietatea c exist tot attea uniti statistice corespunztoare valorilor mai
mici dect x ca i cele corespunztoare valorilor mai mari dect x.

Exemplul 1 a) Dac o caracteristic ia valorile 1, 2, 2, 3, 4, 5, 6, 7, 7, 8, 9 , atunci
5 este mediana, deoarece avem cinci valori mai mici dect 5 i cinci valori mai
mari dect 5.
c) Dac o caracteristic ia valorile 1, 2, 2, 3, 4, 5, 6, 7, 8, 9 , atunci se va
lua ca mediana media aritmetic a numerelor situate la mijloc (dac ele
au fost scrise n ordinea mrimii).n acest caz, mediana este 4,5.

Definiia 5.3.4. Se numete amplitudine a unei serii statistice cu caracteristic
discret diferena dintre cea mai mare i cea mai mic valoare a caracteristicii.
Observaie. n cazul seriilor statistice cu caracteristic continu
amplitudinea este diferena dintre limita superioar a caracteristicii
corespunztoare clasei cu cea mai mare frecven i limita inferioar a
caracteristicii corespunztoare clasei cu cea mai mic frecven (ne referim la
caracteristici cantitative i nu calitative).

Fie dat repartiia statistic a unei caracteristici x:

73
Valoarea Frecvena
x
1
n
1

x
2
n
2

. .
x
n
n
n

Definiia 5.3.5. Prin valoarea medie a caracteristicii x nelegem numrul real
notat x i dat de:
n
n n
n n n
n x n x n x
x
+ + +
+ + +
=
....
....
2 1
2 2 1 1

Observaie.a) n cazul cnd valorile caracteristice sunt grupate n clase, n
calculul valorii medii se vor folosi valorile centrale ale claselor respective.
b)Dac notm cu
N
n
f
i
i
= , unde N=
n 2 1
n .... n n + + + , atunci
n n
f x f x f x x + + + = ....
2 2 1 1


Definiia 5.3.6. Prin dispersia repartiiei statistice a unei caracteristici f, avnd
media x, nelegem numrul real notat o
2
i dat de:
N
N N
n n n
n x x n x x n x x
+ + +
+ + +
=
....
) ( .... ) ( ) (
2 1
2
2
2
2 1
2
1 2
.
Definiia 5.3.7. Numrul real
2
= se numete abaterea medie ptratic a
repartiiei statistice.

Exemplu 2.
Pentru un hibrid de porumb H s-a analizat numrul de boabe pe rnd, n
vederea comparrii cu ali hibrizi. Astfel s-au ales 20 tiulei , i n urma
msurtorii s-au obinut datele din tabelul urmtor:


74
Nr.
Crt.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nr.
boabe
32 35 34 38 32 37 37 34 39 38 33 37 35 38 37 32 36 40 39 34
Se cere:
a) S se fac gruparea datelor;
b) S se completeze tabelul statistic obinut la punctul a) cu frecvenele
relative, frecvenele absolute cumulate cresctor sau descresctor i frecvenele
relative cumulate cresctor sau descresctor;
c) S se calculeze modulul, mediana, dispersia i abaterea medie
ptratic;
Rezolvare.
a) Caracteristica este dat de numarul de boabe. (minimul = 320,10 iar
maximul = 40).
Notm cu x
i
caracteristica, iar n
i
numrul de tiulei carea au caracteristica x
i

x
i
32 33 34 35 36 37 38 39 40
n
i
3 1 3 2 1 4 3 2 1
b) Cu relaiile de calcul pentru frecvene se obine tabelul:
x
i
n
i
f
i
n
a
| n
a
+ f
i
| f
i
+
32 3 0,15 3 20 0,15 1
33 1 0,05 4 17 0,2 0,85
34 3 0,15 7 16 0,35 0,8
35 2 0,1 9 13 0,45 0,65
36 1 0,05 10 11 0,5 0,55
37 4 0,2 14 10 0,7 0,5
38 3 0,15 17 6 0,85 0,3
39 2 0,1 19 3 0,95 0,15
40 1 0,05 20 1 1 0,05

75
Exemplu de calcul: 0,15;
20
3
1
f ~ =
.
c) Modulul este 37, deoarece corespunde celei mai mari frecvene.
85 . 35
1 40 2 39 3 38 4 37 1 36 2 35 3 34 1 33 3 2
= =
+ + + + + + + +
20
3
X .
027 , 6
4 3 3 3
=
+ + + +
=
20
2 2 2 2
2
35.85) - 0 ( 1 .... 35.85) - 4 ( 3 35.85) - 3 ( 1 35.85) - 2 ( 3

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

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
















76

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

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

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

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

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

\
|

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

={
1
,
2
,
3
}, unde:
1
=(1,1,0),
2
=(2,0,-1),
3
=(3,1,2).
5. Utiliznd metoda grafic, s se rezolve urmtoarea problem de programare
liniar.:
y x y x f
y x
y x
y x
y x
+ =

s
s +
> +
s +
) , ( max) (min/ ,
0 1
0 4 2
0 2 2
0 3 3
,

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

| |
| |
| |

e = + + =
= >

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

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

77
8.Patru tractoare ce sunt folosite ntr-o ferma agricol se pot defecta ntr-un
schimb cu probabilitile 5%, 3%, 4% i respectiv 10%.Care este probabilitatea
ca ntr-un schimb sa nu se defecteze nici un tractor?
9.Se dau variabilele aleatoare independente:
|
|
|
.
|

\
|
+ +

3
1
3
1
5
2
1 0 1
:
q p
X i
|
|
|
.
|

\
|

2
12 2
3
1
1 0 1
:
p q p
Y
S se scrie repartiia variabilei aleatoare XY.
10.Un lot de piese de combin conine 12 piese bune i 4 defecte. Se
selecioneaz 4 piese la ntmplare (fr revenire). S se construiasc tabloul de
repartiie al numrului d epiese defecte i s se calculeze media i dispersia
variabilei aleatoare obinute.
11. Fie X abaterea diametrului interior al unor inele de la diametrul standard. n
urma unei selecii repetate, efectuat din producia de inele, s-a obinut
repartiia statistic:
Abaterea
diametrului
-4 -3 -2 -1 0 2 3
Frecvena
absolut
1 4 3 9 10 2 1

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






78

Referat nr. 2
1.Folosind metoda lui Gauss, s se rezolve sistemul:

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

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

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

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

\
|

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

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

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

| |
| |
| |

e = + + + + =
= >

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



79
7. Trei tunuri trag asupra unei inte. Probabilitaile de atingere a intei pentru
cele trei tunuri sunt respectiv 0,6, 0,8, 0,7. Se cere probabilitatea ca inta s fie
atins cel puin odat.
8.Se extrage la ntmplare un numr dintr+o urn ce conine numerele de la 1
la 100. Care este probabilitatea ca numrul extras sa fie multiplu de 3 sau de 4,
dar sa nu fie nici ptrat perfect i nici cub perfect?
9.S se calculeze media i dispersia variabilei aleatore 2X+3Y, unde X i Y
sunt variabile aleatore independente, cu repartiiile:
|
|
.
|

\
|
2 . 0 1 . 0 7 . 0
4 2 1
: X i
|
|
.
|

\
|
3 . 0 5 . 0 . 0 2 . 0
5 3 1
: Y



















80


BIBLIOGRAFIE



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