Sunteți pe pagina 1din 95

UNIVERSITATEA “DANUBIUS” GALAŢI

DEPARTAMENTUL DE STUDII PENTRU ÎNVÃŢĂMÂNT LA


DISTANŢĂ

CĂTĂLIN ANGELO IOAN

C
MATEMATICĂ
APLICATĂ S
ÎN
ECONOMIE
I
Anul I, semestrul I

D
EDITURA FUNDAŢIEI ACADEMICE “DANUBIUS” GALATI
2008
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
CUPRINS

Cuvânt înainte................................................................................................................................... 4
Modulul 1: Algebră liniară............................................................................................................... 5
1. Matrice şi determinanţi................................................................................................................... 5
2. Sisteme de ecuaţii liniare................................................................................................................ 9
3. Spaţii vectoriale reale...................................................................................................................... 10
4. Aplicaţii liniare................................................................................................................................ 12
5. Aplicaţii multiliniare. Forme pătratice. Vectori şi valori proprii.................................................... 13
Modulul 2: Analiză matematică....................................................................................................... 25
1. Spaţii topologice.............................................................................................................................. 25
2. Diferenţiabilitatea funcţiilor............................................................................................................ 29
3. Serii numerice. Serii de funcţii. Serii de puteri. Dezvoltarea în serie Taylor................................. 32
4. Extremele funcţiilor........................................................................................................................ 37
5. Integrarea funcţiilor......................................................................................................................... 39
Modulul 3: Teoria probabilităţilor şi statistică matematică......................................................... 47
1. Elemente de teoria probabilităţilor.................................................................................................. 48
2. Variabile aleatoare. Funcţia de repartiţie. Densitatea de repartiţie................................................. 51
3. Procese stochastice. Lanţuri Markov.............................................................................................. 54
4. Principalele legi de repartiţie.......................................................................................................... 56
2. Elemente de statistică matematică.................................................................................................. 59
Modulul 4: Programare liniară........................................................................................................ 66
1. Probleme economice ce conduc la modelul matematic al programării liniare............................... 66
2. Algoritmul simplex primal.............................................................................................................. 67
3. Dualitate în programarea liniară...................................................................................................... 75
4. Reoptimizare şi parametrizare în programarea liniară.................................................................... 78
5. Problema de transport..................................................................................................................... 79
Modulul 5: Matematici financiare................................................................................................... 86
1. Dobânzi........................................................................................................................................... 87
2. Operaţiuni de scont......................................................................................................................... 90
3. Plăţi eşalonate (rente)...................................................................................................................... 91

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

CUVÂNT ÎNAINTE

Matematica aplicată în economie este disciplina care îşi propune iniţierea studenţilor din anul I
specializarea Economia comerţului, turismului şi serviciilor, forma de învăţământ ID în studiul matematicii,
însuşirea logicii şi procedurilor specifice acesteia.
Lucrarea are un scop didactic, formativ şi instructiv, iar prin aplicaţiile prezentate este, în acelaşi
timp, şi un ghid practic la îndemâna celor interesaţi, care fac cunoştinţă cu elementele teoretice fundamentale
ale obiectului şi metodei de cercetare a matematicii, cu principiile, procedeele şi instrumentele specifice
utilizate în modelarea realităţilor lumii economice.
Cursul este structurat pe module de studiu, fiecare având un număr de lecţii, iar cunoştinţele sunt
asimilate prin parcurgerea paşilor de învăţare.
Ritmul mediu recomandat de studiu individual este, conform programei analitice, de 2 ore
săptămânal, dar pentru parcurgerea fiecărui modul se recomandă un timp de învăţare propriu acestuia.
Fiecare modul are precizat încă de la început:
 obiectivele specifice;
 rezultatele aşteptate;
 competenţe dobandite ca urmare a parcurgerii modulului;
 timpul mediu necesar pentru asimilarea modulului,
iar în final:
 rezumate;
 concluzii;
 exemple ilustrative;
 recomandări bibliografice;
 teste de autoevaluare;
 teme de control (conform cu calendarul disciplinei).
Astfel structutată, materia se parcurge uşor, asigurând pregătirea graduală a studenţilor.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
MODULUL 1

ALGEBRĂ LINIARĂ

Obiectivele specifice modulului:


 Recapitularea şi reformularea metodelor de calcul a determinanţilor, inversei şi
rangului unei matrice şi rezolvarea sistemelor de ecuaţii liniare;
 Introducerea noţiunii de spaţiu vectorial ca generalizare a unor mulţimi studiate în
anii anteriori;
 Introducerea noţiunii de aplicaţie liniară în scopul transportului de structuri de la
aplicaţiile practice la cele teoretice şi invers;
 Definirea noţiunilor de vector şi valoare proprie.

Rezultatele aşteptate:
 Însuşirea algoritmilor rapizi de calcul a determinanţilor, inversei şi rangului unei
matrice şi rezolvarea sistemelor de ecuaţii liniare;
 Folosirea noţiunii de spaţiu vectorial, bază, aplicaţie liniară în structurarea unor
modele matematice;
 Aplicarea rezultatelor specifice algebrei liniare la rezolvarea unor probleme
economice.

Competenţe dobandite ca urmare a parcurgerii modulului:


 Deprinderea folosirii spaţiilor vectoriale în structurarea matematică;
 Realizarea de referate aplicative legate de problematica modulului;
 Discuţii cu specialişti în domeniu.

Timpul mediu necesar pentru asimilarea modulului : 6 ore

LECŢIA 1
MATRICE ŞI DETERMINANŢI

Pasul 1 - Noţiuni introductive


Pentru început să notăm Nm={1,...,m}, m∈N*.
Definiţie
Se numeşte matrice de tipul m×n cu coeficienţi reali o funcţie A:Nm×Nn→R, (i,j)→A(i,j)∈R.
Pentru ca operaţiile şi aplicaţiile matricelor să aibă o exprimare cât mai simplă vom conveni să
aranjăm elementele unei matrice sub forma unui tablou:
 a 11 a 12 L a 1n 
 
 a 21 a 22 L a 2 n 
A= 
L L L L
 
a 
 m1 a m 2 L a mn 
sau prescurtat A= (a ij )i=1,...,m , A=(aij), i=1,...,m, j=1,...,n (notaţie preferată aici din motive de redactare) sau
j=1,...,n

simplu A=(aij) dacă domeniile de variaţie ale lui i şi j sunt subînţelese din context. Elementul (ai1 ai2 ... ain)
 a 1j 
 
 a2j 
reprezintă linia “i” a matricei A, i=1,...,m, iar   coloana “j” a matricei A, j=1,...,n. O matrice cu o linie şi
M
 
a 
 mj 
n coloane se numeşte matrice linie, iar o matrice cu m linii şi o coloană se numeşte matrice coloană.
O matrice cu acelaşi număr de linii şi coloane, m=n, se numeşte matrice pătratică. Numărul n se numeşte
ordinul matricei.
Vom nota cu Mmn(R) mulţimea matricelor cu m linii şi n coloane şi cu Mn(R) mulţimea matricelor
pătratice de ordinul n.
Considerând o matrice A∈Mn(R), mulţimea ordonată (a11,a22,...,ann) se numeşte diagonala
principală a matricei, iar mulţimea ordonată (a1n,a2 n-1,...an1) se numeşte diagonala secundară a matricei.
Definiţie

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Se numeşte aplicaţie de transpunere aplicaţia f:Mmn(R)→Mnm(R), f(A)=A unde At=(a'ij), i=1,...,n, t

j=1,...,m iar a'ij=aji ∀i=1,...,n, j=1,...,m, A=(aji), j=1,...,m, i=1,...,n fiind matricea dată. Matricea At se numeşte
transpusa lui A.
Transpusa unei matrice se obţine prin schimbarea liniilor în coloane sau a coloanelor în linii.
Operaţia de transpunere nu păstrează tipul matricelor decât în cazul celor pătratice.
Definiţie
Fie A,B∈Mmn(R), A=(aij), B=(bij). Se numeşte suma matricelor A şi B matricea
A+B=(cij)∈Mmn(R), cij=aij+bij ∀i=1,...,m, j=1,...,n.
Definiţie
Fie α∈R şi A∈Mmn(R), A=(aij). Se numeşte înmulţirea cu scalari a matricei A cu α matricea
αA=(cij)∈Mmn(R), cij=αaij ∀i=1,...,m, j=1,...,n.
Definiţie
Fie A∈Mmn(R), B∈Mnp(R), A=(aij), B=(bij). Se numeşte produsul matricelor A şi B matricea
n
AB=(cij)∈Mmp(R), cij= ∑ a ik b kj ∀i=1,...,m, j=1,...,p.
k =1

Definiţie
Fie A∈Mn(R). Matricea A se numeşte inversabilă dacă ∃B∈Mn(R) astfel încât AB=BA=In.
Definiţie
Se numeşte permutare de m elemente (m≥1) o funcţie bijectivă σ:Nm→Nm.
Definiţie
Fie A∈Mn(R), A=(aij). Se numeşte determinantul lui A numărul:
det A= ∑ ε(σ)a 1σ (1) ...a nσ ( n )
σ∈Sn

Definiţii
Fie o matrice A∈Mn(R), A=(aij). Fixăm liniile i1,...,ik şi coloanele j1,...,jk în matricea dată.
Determinantul format cu elementele aflate la intersecţia liniilor şi coloanelor fixate se numeşte minor al
matricei A şi se notează:
ai j L ai j 11 1 k

∆i j ......i j = L
1
1
k
k
L L
ai j k 1
L ai j k k

Determinantul obţinut prin eliminarea liniilor şi coloanelor fixate mai sus se numeşte minor
complementar lui ∆i j ......i j şi se notează δ ij ......ij . Numărul: Γji ......ji = (−1) i +...+ i + j +...+ j δ ij ......ij se numeşte cofactorul
1
1
k
k
1
1
k
k
1
1
k
k
1 k 1 k 1
1
k
k

sau complementul lui ∆ i1 ...i k


j1 ... jk .

Pasul 2 - Rezultate esenţiale în calculul determinanţilor

Teoremă (Binet-Cauchy)
Fie m,n∈N*, m≤n şi A∈Mmn(R), B∈Mnm(R). Atunci:
det AB = ∑ det A j1... jm det B j1 ... jm
1≤ j1 <...< jm ≤ n

Corolar
Fie A,B∈Mn(R). Atunci det AB=det A⋅det B.
Definiţie
Fie A∈Mmn(R), A=(aij). Fie p∈N* astfel încât 1≤p<m şi r∈N* astfel încât 1≤r<n. Definim patru
matrice B∈Mpr(R), C∈Mp,n-r(R), D∈Mm-p,r(R), E∈Mm-p,n-r(R) astfel:
 a 11 L a 1r   a 1 r +1 L a 1n 
   
B =  L L L , C =  L L L ,
a  a 
 p1 L a pr   p r +1 L a pn 
 a p +11 L a p +1 r   a p +1 r +1 L a p +1 n 
   
D =  L L L , E =  L L L 
a   a 
 m1 L a mr   m1 L a mn 
 B C
Se spune în acest caz că am partiţionat matricea A în blocurile B, C, D, E. Vom scrie A=   .
D E

Propoziţie

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
B 0 
Fie A∈Mn(R) şi B∈Mk(R), C∈Mn-k(R) unde k<n astfel încât A=   . Are loc atunci următoarea
 0 C
egalitate:
det A=det B⋅det C
Teoremă (Laplace)
Fie A∈Mn(R) şi i1,...,ik linii fixate în matrice. Atunci: det A= ∑ ∆i j......i j Γji ......ji
1
1
k
k
1
1
k
k
1≤ j1 <...< jk ≤ n

Pasul 3 - Rangul unei matrice

Definiţie
Se numeşte rang al unei matrice, maximul ordinelor minorilor nenuli ai matricei date.
Definiţie
Se numesc transformări elementare ale unei matrice următoarele:
i) permutarea liniilor sau coloanelor;
ii) înmulţirea unei linii (coloane) cu un factor nenul;
iii) adunarea a două linii (coloane).
Propoziţie
Rangul unei matrice este invariant la transformări elementare.
Propoziţie
B 0 
Fie A=   . Atunci: rang A=rang B+rang C
 0 C
Corolar
 A1 0 L 0 
 
 0 A2 L 0  k
Fie A=  . Atunci rang A = ∑ rang A i .
L L L L
 
i =1

0 0 L Ak  

Corolar
 A11 A12 L A1k 
 
 0 A 22 L A 2 k 
Fie A=  unde Aii, i=1,...,k-1 sunt matrice pătratice de rang egal cu ordinul lor.
L L L L
 
 0 0 L A kk 

n
Atunci: rang A= ∑ rang A ii .
k =1

Definiţii
 A11 A12 L A1k 
 
 0 A 22 L A 2 k 
O matrice de forma A=  unde Aii, i=1,...,k sunt matrice pătratice se numeşte
L L L L
 
 0 0 L A kk 

matrice superior cvasitriunghiulară. Transpusa unei matrice superior cvasitriunghiulare se numeşte
matrice inferior cvasitriunghiulară. O matrice inferior (superior) cvasitriunghiulară cu blocurile Aij=0
∀i≠j=1,...,k se numeşte matrice cvasidiagonală. O matrice A în care blocurile Aij, i,j=1,...,k sunt matrice de
ordin 1 se numeşte matrice superior triunghiulară, matrice inferior triunghiulară respectiv matrice
diagonală. Dacă matricea Akk este nulă şi nu neapărat pătratică vom spune că A este matrice trapezoidală.
Vom numi bloc diagonal principal (sau uneori bloc diagonal) un bloc al matricei care are diagonala
principală inclusă în diagonala principală a matricei date.
Propoziţie
Determinantul unei matrice cvasidiagonale sau cvasitriunghiulare este egal cu produsul
determinanţilor blocurilor diagonale principale.

Pasul 4 - Regula dreptunghiului


Fie deci A=(aij)∈Mmn(R). Fixăm două linii i şi j şi două coloane k şi p în matricea A astfel încât
aik≠0. Avem deci:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
a jk
Vom numi elementul aik≠0 pivot. Înmulţind linia i cu − şi adunând-o la linia j obţinem a'jk=0
a ik
a ik a jp − a ip a jk
unde notăm cu ' elementele transformate. Avem atunci pentru un element oarecare ajp: a'jp= .
a ik
Regula de obţinere a lui a'jp din ajp se numeşte regula dreptunghiului. Într-adevăr, împrumutând denumiri
matriceale, construind dreptunghiul cu diagonala principală (în sensul de mai jos) determinată de pivot şi de
elementul supus transformării, obţinem că noul element va fi dat de scăderea produsului elementelor de pe
diagonala secundară din produsul celor de pe diagonala principală, rezultatul împărţindu-se la pivot. Cum
pivotul este nenul, putem să mai facem o transformare elementară înmulţind linia i cu pivotul. În acest caz,
avem: a'jp=aikajp-aipajk. Vom conveni să distingem regulile după cele două moduri de transformare numindu-le
regula dreptunghiului cu împărţire la pivot, respectiv fără împărţire la pivot. Vom prefera însă regula
dreptunghiului fără împărţire la pivot din două motive: pe de o parte reduce numărul de calcule, iar pe de alta,
reduce erorile de rotunjire ce apar în urma prelucrării cu mijloace de calcul. Din acest motiv, vom spune
simplu regula dreptunghiului (specificând explicit faptul că este cu împărţire la pivot atunci când va fi cazul).
Pentru determinarea rangului lui A vom proceda astfel: dacă A=0 atunci rang A=0. Dacă A≠0 atunci
∃aij≠0. Dacă i,j≠1 atunci prin permutări de linii şi coloane se poate aduce acest element în colţul din stânga-
sus al matricei. Putem deci presupune că a11≠0. Considerându-l pe a11 drept pivot şi aplicând regula
dreptunghiului pentru liniile 2,...,m obţinem matricea A1∼A:
 a '11 a '12 a '13 L a '1n 
 
 0 a ' 22 a '23 L a ' 2 n 
A1=  0 a '32 a '33 L a '3 n 
 
L L L L L 
 
 0 a ' m 2 a ' m 3 L a ' mn 
Procesul se continuă apoi pentru sub-matricea obţinută din A1 prin eliminarea primei linii şi primei
coloane obţinându-se în final o matrice Ak∼A (relaţia este tranzitivă):
 a '11 L a '1k L a '1n 
 
L L L L L
 0 L a' L a' 
Ak=  kk kn

 0 L 0 L 0 
 
L L L L L
 0 L 0 L 0 
 
unde am notat tot cu ' elementele transformate fără a le confunda însă cu cele din A1. Ultimele linii pot
evident lipsi în cazul în care k=m (să mai notăm aici şi faptul că rang A≤min{m,n}). Conform corolarului 45,
avem rang A=rang Ak=rang(a11)+...+ rang(akk)=k deci rangul este egal cu numărul pivoţilor.

Pasul 5 - Inversabilitatea matricelor


Teoremă
Fie A∈Mn(R). A este inversabilă⇔det A≠0.
Teoremă
Dacă printr-o succesiune de transformări elementare asupra liniilor (coloanelor) unei matrice A se
obţine matricea unitate I atunci considerând aceleaşi transformări aplicate matricii unitate I se obţine matricea
inversă A-1.
Teoremă
 A A2 
Fie matricea A=  1  unde A∈Mn(R), A1∈Mk(R), A2∈Mk,n-k(R),
A3 A4 
A3∈Mn-k,k(R), A4∈Mn-k,n-k(R), 1≤k≤n-1. Dacă matricele A1, A4, A1-A2A4-1A3 şi A4-A3A1-1A2 sunt inversabile
 B B2 
atunci A-1=  1  unde: B1=(A1-A2A4-1A3)-1, B4=(A4-A3A1-1A2)-1, B2= -A1-1A2B4 şi B3= -A4-1A3B1.
 B 3 B 4 

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

LECŢIA 2
SISTEME DE ECUAŢII LINIARE

Pasul 1 - Noţiuni introductive


Definiţii
Se numeşte sistem de m ecuaţii liniare cu n necunoscute problema determinării numerelor reale
xi∈R astfel încât:
 a 11x1 + a 12 x 2 + ... + a 1n x n = b1

 L
a x + a x + ... + a x = b
 m1 1 m 2 2 mn n m

unde aij∈R, bi∈R, i=1,...,m, j=1,...,n. Numerele reale aij se numesc coeficienţii sistemului, bi se numesc
termenii liberi ai sistemului iar xi - necunoscutele sau variabilele sistemului. Matricea A=(aij)∈Mmn(R) se
numeşte matricea sistemului, B=(bi)∈Mm1(R)-matricea termenilor liberi, iar X=(xi)∈Mn1(R)- matricea
necunoscutelor. Definim, de asemenea, matricea Ae=(A,B) obţinută prin adăugarea lui B la dreapta matricei
A. Matricea Ae se numeşte matricea extinsă a sistemului. Cu aceste notaţii, sistemul de mai sus se scrie şi
sub forma AX=B. Dacă B=0 acesta se numeşte sistem omogen. O altă notaţie a unui sistem se obţine
n
considerând vectorii coloană aj=(a1j a2j ... amj)t, j=1,...,n ai matricei A. Sistemul se va scrie atunci: ∑ a j x j = B .
j=1

Definiţie
Considerând un sistem de ecuaţii AX=B se numeşte soluţie a sistemului un vector
X=(x1,...,xn)t∈Mn1(R) ce satisface egalitatea matriceală AX=B.
Definiţii
Un sistem care admite soluţie se numeşte sistem compatibil. Dacă soluţia este unică, atunci el se
numeşte sistem compatibil determinat, în caz contrar, numindu-se sistem compatibil nedeterminat. Un
sistem care nu are soluţie se numeşte sistem incompatibil.
Teoremă (Kronecker-Capelli)
Un sistem este compatibil dacă şi numai dacă rangul matricei sistemului este egal cu rangul matricei
sale extinse.
Definiţie
Fiind dat sistemul AX=B numim sistem omogen asociat, sistemul AX=0.
Propoziţie
Fie sistemul AX=B şi X0 o soluţie a sa. Atunci, orice soluţie este de forma X=X0+Y unde Y este
soluţie a sistemului omogen asociat. Reciproc, pentru orice soluţie Y a sistemului omogen asociat rezultă că
X=X0+Y este soluţie a sistemului dat.
Teoremă
Fie un sistem omogen AX=0, rang A=r≤n unde A∈Mn(R). Mulţimea soluţiilor sistemului are
următoarele proprietăţi:
1) Dacă X1,X2 sunt soluţii atunci X1+X2 este soluţie;
2) Dacă X1 este soluţie şi α∈R atunci αX1 este soluţie;
3) Există n-r soluţii independente X1,...,Xn-r (în sensul că nu se poate obţine una ca o combinaţie liniară
de celelalte - se va studia ulterior conceptul de combinaţie liniară) astfel încât orice soluţie X se poate
scrie sub forma: X=α1X1+...+αn-rXn-r cu α1,...,αn-r∈R.

Pasul 2 - Metoda lui Gauss


Fie sistemul AX=B cu n ecuaţii şi n necunoscute, iar rang A=n.
Fie matricea extinsă Ae. Ideea folosită aici este cea de la determinarea rangului unei matrice. Dacă Ae este
supusă transformărilor elementare cu pivoţi numai din A atunci rangurile celor două matrice rămân
invariante, compatibilitatea sistemului conservându-se. Ne propunem să analizăm efectul transformărilor
elementare asupra soluţiilor sistemului. Astfel, la permutarea a două linii ale lui Ae efectul va fi de permutare
a ecuaţiilor sistemului ceea ce evident nu alterează soluţiile. Amplificarea unei linii cu un factor nenul se
transpune în amplificarea ecuaţiei respective, iar adunarea a două linii reprezintă adunarea ecuaţiilor
corespunzătoare, niciuna din variante nemodificând soluţiile. Transformările elementare aplicate coloanelor
modifică în general soluţiile, singurul efect minor apărând la permutarea coloanelor ceea ce duce la
renumerotarea variabilelor. Aplicând deci regula dreptunghiului pe linii, sistemul capătă forma:
a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
 a 22 x 2 + ... + a 2 n x n = b 2


 L
 a nn x n = b n

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
cu aii≠0, i=1,...,n (deoarece rang A=n). Înlocuind succesiv soluţiile în ecuaţiile de deasupra obţinem:
 b
 xn = n
a nn
 b − a kn x n − ... − a k k +1 x k +1
x k = k , k = n − 1,...,1
 a kk

Pasul 3 - Metoda descompunerii în blocuri


Fie sistemul AX=B cu n ecuaţii şi necunoscute iar rang A=n. Partiţionăm matricea A în forma
 A A2 
A=  1  unde A∈Mn(R), A1 ∈Mk(R), A2∈Mk,n-k(R), A3∈Mn-k,k(R), A4∈Mn-k,n-k(R), 1≤k≤n-1 iar
 A3 A4 
matricele A1 şi A4-A3A1-1A2 sunt inversabile. Notăm Y1=(x1,..., xk)t, Y2=(xk+1,...,xn)t, B1=(b1,...,bk)t,
B2=(bk+1,...,bn)t. Sistemul se scrie sub forma:
 A1Y1 + A 2 Y2 = B1

A 3 Y1 + A 4 Y2 = B2
Din prima ecuaţie rezultă Y1=A1 B1-A1-1A2Y2 şi înlocuind în a doua ecuaţie, obţinem: Y2=(A4-A3A1-
-1
1
A2)-1(B2-A3A1-1B1). Revenind apoi la Y1 se obţine şi expresia acestuia: Y1=A1-1B1-A1-1A2(A4-A3A1-1A2)-1(B2-
A3A1-1B1).

LECŢIA 3
SPAŢII VECTORIALE REALE

Pasul 1 - Definiţie, reguli de calcul, subspaţii vectoriale


Definiţie
Fie câmpul numerelor reale R şi V o mulţime nevidă. V se numeşte spaţiu vectorial real dacă există
o lege de compoziţie internă +:V×V→V şi o lege de compoziţie externă ⋅:R×V→V astfel încât:
1) (x+y)+z=x+(y+z) ∀x,y,z∈V;
2) ∃e∈V astfel încât ∀x∈V⇒e+x=x;
3) ∀x∈V⇒∃x'∈V astfel încât x'+x=e;
4) α(x+y)=αx+αy ∀α∈R ∀x,y∈V;
5) (α+β)x=αx+β x ∀α,β∈R ∀x∈V;
6) (αβ)x=α(βx) ∀α,β∈R ∀x∈V;
7) 1x≠0 ∀x∈V, x≠0.
Vom nota în cele ce urmează V/R faptul că V este spaţiu vectorial peste câmpul R sau, uneori,
simplu V.
Propoziţie (reguli de calcul)
Fie V/R. Atunci:
a) (V,+) este grup cu elementul neutru 0 şi -x elementul opus lui x∈V;
b) α(x-y)=αx-αy ∀α∈R ∀x,y∈V;
c) (α-β)x=αx-βx ∀α,β∈R ∀x∈V;
n m n m
d) ∑α ∑ y
i =1
i
j =1
j
= ∑ ∑ α i y j ∀m,n∈N* ∀αi∈R, i=1,...,n ∀yj∈V, j=1,...,m;
i =1 j=1

e) α0=0 ∀α∈R;
f) 0x=0 ∀x∈V;
g) 1x=x ∀x∈V;
h) αx=0⇒α=0 sau x=0;
i) α(-x)=(-α)x=-αx ∀α∈R ∀x∈V;
j) (-α)(-x)=αx ∀α∈R ∀x∈V;
k) x+y=y+x ∀x,y∈V;
n n
l) Fie σ∈Sn (grupul permutărilor de n elemente). Atunci: ∑x
i =1
i = ∑ x σ ( i ) ∀n∈N* ∀xi∈V, i=1,...,n.
i =1

Definiţie
Fie V/R şi U⊂V. U se numeşte subspaţiu vectorial al lui V dacă operaţiile induse de pe V pe U
conferă lui U o structură de spaţiu vectorial real. Vom nota U<V.
Definiţie

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie V/R şi v1,...,vn∈V, α1,...,αn∈R, n∈N . Vectorul v=α1 v1+...+αnvn se numeşte combinaţie liniară a
*

vectorilor vi, i=1,...,n.


Noţiunea de combinaţie liniară furnizează cea mai largă operaţie complexă care se poate efectua într-
un spaţiu vectorial.
Teoremă
Fie V/R şi U⊂V. Următoarele afirmaţii sunt echivalente:
1) U este subspaţiu vectorial al lui V;
2) ∀x,y∈U ∀α∈R⇒x+y∈U,αx∈U;
3) ∀α,β∈R ∀x,y∈U⇒ αx+β y∈U;
4) ∀n∈N* ∀αi∈R ∀vi∈U, i=1,...,n⇒α1 v1+...+αn vn ∈U.
Propoziţie
Fie V/R şi v1,...,vn∈V, n∈N*. Atunci:
<v1,...,vn>= {α1v1+...+αnvnαi∈R, i=1,...,n}
este un subspaţiu vectorial al lui V şi este cel mai mic (în sensul incluziunii) subspaţiu care conţine pe
v1,...,vn.
Definiţie
Numim <v1,...,vn> subspaţiul generat de sistemul de vectori {v1,...,vn}.
Propoziţie
Fie V/R şi U1,U2<V. Atunci U1∩U2<V.
Propoziţie
Fie V/R şi U1,U2<V. Atunci U1+U2={v+wv∈U1, w∈U2}<V.

Pasul 2 - Sisteme de generatori, dependenţă liniară, baze


Definiţie
Fie V/R şi S={v1,...,vn}⊂V unde n∈N*. S se numeşte sistem (finit) de generatori pentru V dacă
∀v∈V⇒∃α1,...,αn ∈R astfel încât v=α1v1+...+αn vn. V se numeşte spaţiu vectorial finit generat şi vom scrie
V=<v1,...,vn>.
Teoremă
Fie V/R şi S={v1,...,vn} un sistem de generatori al lui V. Fie T={w1,...,wn}⊂V şi p≠q∈{1,...,n} astfel
încât
v i daca 1 ≤ i ≤ n, i ≠ p, q;

w i =  av p + bv q daca i = p; , i= 1, n
 cv + dv daca i = q
 p q

unde a,b,c,d∈R, ad-bc≠0. În aceste condiţii, T este un sistem de generatori pentru V.


Definiţie
Două sisteme de vectori ai unui spaţiu vectorial se numesc sisteme echivalente de vectori dacă
generează acelaşi subspaţiu.
Propoziţie
Două sisteme de vectori sunt echivalente dacă şi numai dacă vectorii din fiecare sistem sunt
combinaţii liniare de vectorii celuilalt sistem.
Definiţie
Fie V/R şi S={v1,...,vn}⊂V, unde n∈N*. Sistemul de vectori S se numeşte sistem liniar independent
(finit) de vectori din V dacă ∀α1,...,αn∈R astfel încât α1v1+...+αn vn=0⇒α1=0,...,αn=0. Vom scrie, pe scurt,
ind S.
Definiţie
Fie V/R şi S={v1,...,vn}⊂V, unde n∈N*. Sistemul de vectori S se numeşte sistem liniar dependent
(finit) de vectori din V dacă nu este liniar independent, adică ∃α1,...,αn∈R, nu toţi nuli, astfel încât
α1 v1+...+αnvn=0. Vom scrie, pe scurt, dep S.
Propoziţie
n
Fie V/R şi S={v1,...,vn}⊂V. Atunci dep S⇔∃1≤k≤n, astfel încât vk= ∑ α i v i .
i =1
i≠k

Definiţie
Fie V/R. Un sistem de vectori din V se numeşte bază dacă este sistem de generatori şi sistem liniar
independent.
n
Fie V/R şi B={v1,...,vn}⊂V o bază. Fie v∈V, arbitrar. Atunci ∃α1,...,αn∈R astfel încât v= ∑ α i v i .
i =1

Sistemul de scalari (α1,...,αn) fiind unic determinat de vectorul v şi baza dată, poartă numele de coordonate

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
 α1 
 
ale vectorului v în baza dată. Vom mai scrie şi vB=(α1,...,αn )t=  ...  unde αi, i=1,...,n sunt coordonatele lui v
α 
 n
în baza B. Dacă adoptăm o astfel de scriere condensată a unui vector, va trebui să considerăm baza ca fiind
ordonată, în caz contrar, la o permutare a vectorilor bazei permutându-se şi coordonatele respective.
n
Fie acum V/R şi o bază B=={v1,...,vn}⊂V. Fie, de asemenea, vectorii v,w∈V, v= ∑ α i v i ,
i =1
n n n n
w= ∑ β i v i , αi,βi∈R, i= 1, n . Avem: v+w= ∑ α i v i + ∑ β i v i = ∑ (α i + β i ) v i şi cum toate descompunerile sunt
i =1 i =1 i =1 i =1

unice, rezultă că putem scrie formal: ( α1,...,αn)t+(β1,...,βn)t=(α1+β1,...,αn+βn)t. Prin urmare, adunarea a doi
n
vectori se poate face adunându-i pe coordonate. Analog, pentru α∈R, arbitrar, avem αv= α ∑ α i v i =
i =1
n

∑ αα v
i =1
i i
, deci, formal: α(α1,...,αn) =(αα1,...,ααn) , de unde rezultă că înmulţirea unui vector cu un scalar se
t t

face pe coordonate.
Din aceste consideraţii, vedem că noţiunea de bază este fundamentală în studiul spaţiilor vectoriale,
deoarece reduce operaţiile definitorii la operaţii algebrice între coordonate.
Teoremă
Orice spaţiu vectorial nenul admite o bază.
bile.
Teoremă
Dacă B este o bază a lui V/R, atunci orice altă bază B' a lui V/R are card B'=card B.
Definiţie
Fie V/R. Se numeşte dimensiunea lui V numărul vectorilor unei baze. Vom nota
dim V.

LECŢIA 4
APLICAŢII LINIARE

Pasul 1 - Noţiuni introductive


Definiţie
Fie V/R şi W/R. O aplicaţie f:V→W se numeşte morfism de spaţii vectoriale sau aplicaţie R-
liniară sau, simplu, aplicaţie liniară dacă satisface următoarele axiome:
1) f(x+y)=f(x)+f(y) ∀x,y∈V-aditivitatea;
2) f(αx)=αf(x) ∀x∈V ∀α∈R-omogenitatea.
Propoziţie
Fie V/R, W/R şi f∈L(V,W). Atunci:
1) f(0)=0;
2) f(-v)=-f(v) ∀v∈V.
Propoziţie
Fie V/R, W/R şi f:V→W. Următoarele afirmaţii sunt echivalente:
1) f este aplicaţie liniară;
2) f(αx+β y)=αf(x)+βf(y) ∀α,β∈R ∀x,y∈V;
3) f  ∑ α i v i  = ∑ α i f ( v i ) ∀αi∈R ∀vi∈V, i=1,...,n, n≥1.
n n

 i=1  i =1
Din propoziţia de mai sus, se observă, ca şi în cazul subspaţiilor vectoriale, cum verificarea faptului
că a aplicaţie este sau nu liniară se reduce la o singură formulă. În aplicaţiile practice, vom folosi punctul 2)
de mai sus, urmând ca, în cazul existenţei liniarităţii să aplicăm 3) pentru orice sistem de vectori. Practic,
punctul 3) al propoziţiei afirmă faptul că o aplicaţie liniară duce orice combinaţie liniară de vectori în
combinaţia liniară a imaginilor acestora.

Pasul 2 - Comportarea aplicaţiilor liniare la operaţiile cu subspaţii


Propoziţie
]Fie V/R, W/R şi f∈L(V,W). Dacă V'<V, W'<W atunci f(V')<W şi f-1(W')<V.
Corolar
Fie V/R, W/R, f∈L(V,W). În acest caz, imaginea aplicaţiei liniare Im f<W, iar nucleul acesteia
(kernel (engl.)=nucleu) Ker f={x∈V f(x)=0}<V.
Propoziţie
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie V/R, W/R, f∈L(V,W). Atunci:
1) f este injectivă ⇔Ker f={0};
2) f este surjectivă ⇔Im f=W.
Definiţie
Fie V/R, W/R. f∈L(V,W) se numeşte izomorfism de spaţii vectoriale dacă ∃g∈L(W,V) astfel încât
f°g=1W, g°f=1V.
Propoziţie
Fie V/R şi V1,V2<V astfel încât V=V1⊕V2. Fie f∈L(V,W), injectivă. Atunci: f(V1⊕V2)=f(V1)⊕f(V2).
Teoremă (fundamentală de izomorfism)
Fie V/R, W/R şi f∈L(V,W). Atunci V/Ker f≅Im f.
Corolar
Fie V/R, W/R şi f∈L(V,W). Atunci: dim V=dim Ker f+ dim Im f.
Corolar
Fie V/R, W/R şi f∈L(V,W). Atunci:
1) f este injectivă⇒dim V≤dim W;
2) f este surjectivă⇒dim V≥dim W;
3) f este bijectivă⇒dim V=dim W.
Propoziţie
Fie V/R, W/R, Z/R. Dacă f,g∈L(V,W) şi h∈L(W,Z) atunci f+g∈L(V,W), αf∈L(V,W) ∀α∈R,
h°g∈L(V,Z).
Teoremă
Fie V/R, W/R. Atunci: V≅W⇔dim V=dim W.
Corolar
Fie V/R, dim V=n. Avem V≅Rn.
Fie acum V/R cu o bază B={e1,...,en} şi W/R cu o bază B'={f1,...,fm}. Fie T∈L(V,W). Avem
∀i=1,...,n⇒T(ei)∈W şi cum B' este bază în W rezultă că T(ei) se descompune după ea. Avem deci
T(ei)= ∑ a ji f j , aji∈R, i=1,...,n, j=1,...,m. Vom numi matricea (a ji )j=1,...,m matricea asociată aplicaţiei liniare T
m

i =1,...,n
j=1

în bazele B şi B'. Vom mai scrie şi [T]BB' de câte ori va fi necesar. Avem astfel:
T ( e1 ) T (e2 ) T (e n )
↓ ↓ ↓

a a12 ... a1n 


componenta dupa f 1 →  11 
[T]BB'=
componenta dupa f 2 →  a 21 a 22 ... a 2n 
...  ... ... ... ... 
componenta dupa f m → 


 a m1 a m2 ... a mn 
n
Fie v∈V. Atunci v= ∑ α i e i cu αi∈R, i=1,...,n. Avem:
i =1

T(v)=T( ∑ α i e i )= ∑ α i T(e i ) = ∑ α i ∑ a ji f j = ∑  ∑ a ji α i f j


n n n m m n

i =1 i =1 i =1 j=1 j=1  i =1 
Ţinând seama de convenţia de scriere a unui vector pe coloană avem (T(v))B'=[T]BB'vB.

LECŢIA 5
APLICAŢII MULTILINIARE. FORME PĂTRATICE. VECTORI ŞI VALORI PROPRII

Pasul 1 - Aplicaţii multiliniare

Definiţie
n
Fie V1,...,Vn,W spaţii vectoriale peste R. O aplicaţie f: ∏ Vi →W se numeşte aplicaţie n-liniară
i =1

(aplicaţie multiliniară) dacă este liniară în fiecare argument adică:


f(x1,...,xi-1,axi+byi,xi+1,...,xn)=af(x1,...,xi-1,xi,xi+1,...,xn)+bf(x1,...,xi-1,yi,xi+1,...,xn)
∀xk,yk∈Vk, k=1,...,n ∀a,b∈R ∀i=1,...,n.
Propoziţie
Ln(V1,...,Vn;W) este un R-spaţiu vectorial împreună cu operaţiile de adunare şi înmulţire cu scalari
ale aplicaţiilor n-liniare.
Teoremă
Fie V/R, W/R, Z/R. Atunci: L2(V,W;Z)≅L(V,L (W,Z)).

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Corolar
Fie V1/R,...,Vn/R,W/R. Atunci:
Ln(V1,...,Vn;W)≅L(V1,L(V2,...,L(Vn-1,L(Vn,W))...))
Teoremă
Fie V/R, W/R şi dim V=n, dim W=m. Atunci: dim L(V;W)=mn.
Corolar
Fie V1/R,...,Vn/R,W/R, dim Vi=di, i=1,...,n şi dim W=m. Atunci:
dim Ln(V1,...,Vn;W)=d1...dnm
Observaţie
Dacă W=R aplicaţiile n-liniare se numesc forme n-liniare. Pentru n=1 se numesc simplu forme
liniare sau funcţionale liniare, iar pentru n=2-forme biliniare.
Corolar
Fie V/R. Atunci dim Ln(V;R)=dn unde dim V=d.
Fie acum V/R şi B={e1,...,em} o bază a lui V. Fie f∈Ln(V;R) o formă n-liniară. Atunci ∀x∈V avem
m
x= ∑ x i ei deci:
i =1

m  m m
( )
m
f(x1,...,xn)= f  ∑ x1i1ei1 ,..., ∑ x inn ein  = ∑ ...∑ x1i1 ...x inn f ei1 ,..., ein .
 i1=1 i n =1  i1=1 in =1
Prin urmare, valoarea formei n-liniare este unic determinată de acţiunea ei asupra bazei spaţiului
( )
vectorial. Notând f ei1 ,..., ein = a i1...in ∈R, obţinem forma generală a lui f:
m m
f(x1,...,xn)= ∑ ...∑ a i1...in x 1i1 ...x inn
i1 =1 i n =1

Reciproc, orice aplicaţie de forma de mai sus este n-liniară deoarece ∀a,b∈R ∀x,y∈V avem pentru
componenta k (1≤k≤n):
m m m
f (x1 ,...,ax + by,...x n ) = ∑ ...∑ ...∑ a i ...i x1i ...(ax p + byp )...x in =
1 n
1 n

i1 =1 p=1 in =1
m m m m m m
a ∑...∑...∑ a i ...i x1i ...x p ...x in + b∑...∑...∑ a i ...i x1i ...yp ...x in =
1 n
1 n
1 n
1 n

i1 =1 p=1 i n =1 i1 =1 p=1 in =1

af (x1 ,..., x,...x n ) + bf ( x1 ,..., y,...x n ).


Definiţie
Fie V/R, W/R şi f:Vn→W, n≥1. Considerând Sn-grupul permutărilor de n elemente definim aplicaţia:
σf:V →W: (σf)(x1,...,xn)=f(xσ(1),...,xσ(n)), σ∈Sn
n

Definiţie
O aplicaţie n-liniară f se numeşte aplicaţie simetrică dacă ∀σ∈Sn⇒σf=f.
Definiţie
O aplicaţie n-liniară f se numeşte aplicaţie alternată (aplicaţie antisimetrică) dacă
∀σ∈Sn⇒σf=ε(σ)f (ε(σ) este signatura permutării σ).
Teoremă
O aplicaţie n-liniară f:Vn→W este alternată dacă şi numai dacă: f(x1,...,xi,...,xj,...,xn)=0 ∀xi∈V,
i=1,...,n iar xi=xj, i≠j arbitrari.
Definiţie
Fie o aplicaţie n-liniară f:Vn→W. Definim aplicaţia de alternare:
1
Alt:Ln(V;W)→Ln(V;W), Alt(f)= ∑ ε(σ)σf
n! σ∈S n

Alt se numeşte operatorul de alternare.


Propoziţie
O aplicaţie n-liniară f:Vn→W este alternată dacă şi numai dacă Alt(f)=f.
Corolar
Operatorul de alternare este involutiv adică Alt°Alt= Alt.
Definiţie
Fie o aplicaţie n-liniară f:Vn→W. Definim aplicaţia de simetrizare:
1
Sim:Ln(V;W)→Ln(V;W), Sim(f)= ∑ σf
n! σ∈S n

Sim se numeşte operatorul de simetrizare.


Propoziţie
O aplicaţie n-liniară f:Vn→W este simetrică dacă şi numai dacă Sim(f)=f.
24. Corolar
Operatorul de simetrizare este involutiv adică Sim°Sim=Sim.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Pasul 2 - Forme liniare
În continuare, vom studia câteva aspecte privind formele liniare.
Fie deci V/R, dim V=n. O formă liniară este deci o aplicaţie f∈L(V,R) astfel încât dacă B={e1,...,en}
n n
este o bază a lui V/R atunci f(x)= ∑ a i x i unde x= ∑ x i ei , f(ei)=ai, i=1,...,n.
i=1 i =1

Deoarece L(V,R) este un spaţiu vectorial peste R, îl vom nota V* şi-l vom numi dualul spaţiului
vectorial V/R. Elementele lui V* se numesc covectori. Din corolarul 10, rezultă că dim V*=dim V=n.
Să considerăm acum un sistem de forme liniare pe V: (ei)i=1,...,n unde ei:V→R, ei(ej)=δij, i,j=1,...,n. Se
n
n  n
verifică uşor că ei sunt forme liniare pe V. În plus, dacă: x = ∑ x je j avem ei ( x ) = ei  ∑ x je j  = ∑ x jei (e j ) =
j=1  j=1  j=1
n
∑ x jδij = x i , i = 1,..., n.
j=1

Propoziţie
Fie V/R şi B={e1,...,en} o bază a sa. Atunci B*={e1, ...,en} unde ei(ej)=δij, i,j=1,...,n este o bază a lui
V*.
Observaţie
Baza B* se numeşte baza duală lui B.
Se pune acum în mod natural următoarea problemă: cum se schimbă bazele duale în raport cu
schimbările de baze din V. Fie deci B1={e1,...,en} şi B2={f1,...,fn} două baze în V. Fie B1*={e1,...,en} şi
. Avem: [T ]B = [T ]B M B B . Dar:
n n
B2*={f1,...,fn} bazele duale. Fie T∈V*. Atunci: T = ∑ T(e i )e i = ∑ T (f )f
j
j
2 1 1 2
i =1 j=1

T = [T ]B1 (e ,..., e ) = [T ]B2 M B1B2 (e ,..., e ) = [T ]B2 (f ,..., f ) de unde:


1 n t −1 1 n t 1 n t

−1
M B B (e1 ,..., e n ) t = (f 1 ,..., f n ) t sau altfel: (e1 ,..., e n ) t = M B B (f 1 ,..., f n ) t . Fie acum: T(ei)=ξi, T(fj)=ωj. Avem
1 2 1 2

deci: T = (ξ1 ,..., ξ n )(e1 ,..., e n ) t =


(ξ1 ,..., ξ n )M B B (f 1 ,..., f n ) t = (ω1 ,..., ωn )(f 1 ,..., f n ) t de unde rezultă:
1 2

(ξ1,...,ξn) M B B =(ω1, ...,ωn).1 2

Prin urmare, la o transformare de bază în V, vectorii bazei lui V* se transformă după legea de
schimbare a coordonatelor din V, iar componentele unui covector se transformă după legea de schimbare a
bazei din V.

Pasul 3 - Forme biliniare, forme pătratice


Vom studia acum câteva aspecte caracteristice privind formele biliniare.
Am văzut că expresia generală a unei forme biliniare într-o bază B={e1,...,en} a lui V/R este:
n n n
f(x,y)= ∑ a ij x i y j unde x = ∑ x i e i , y = ∑ y je j . Dacă vom considera o altă bază B'={f1,...,fn} a lui V/R, se
i , j=1 i =1 j=1

pune în mod natural problema determinării matricei formei în această nouă bază în funcţie de matricea din
vechea bază. Notând deci [f]B=(aij), este evident că o formă biliniară se poate scrie f(x,y)=xBt[f]ByB sau ţinând
seama de faptul că f(x,y)∈R, deci transpunerea îl lasă invariant, f(x,y)=yBt[f]BtxB. Considerând matricea de
trecere MBB' de la baza B la B' avem în baza B': f(x,y)=xB't[f]B'yB'=(MBB'-1)txBt[f]B'MBB'-1yB de unde, după
identificare, avem: [f]B=
(MBB'-1)t[f]B'MBB'-1 sau altfel [f]B'=MBB't[f]BMBB'.
Propoziţie
Orice formă biliniară f se poate scrie ca suma unei forme biliniare simetrice cu una alternată:
f=Sim(f)+Alt(f).
Definiţie
Fie o formă biliniară f:V2→R. Se numeşte forma pătratică asociată lui f, aplicaţia: H:V→R,
H(x)=f(x,x) ∀x∈V.
Dându-se o formă omogenă de grad 2, adică o aplicaţie H:V→R, H(αx)=α2H(x) ∀x∈V ∀α∈R
1
definim: g(x,y)= (H(x+y)-H(x)-H(y)) ∀x,y∈V. Avem g(x,x)=H(x) ∀x∈V, deci g este formă biliniară
2
simetrică, a cărei formă pătratică asociată este H. Vom numi g-forma polară a lui H.
Se observă că matricele formei pătratice şi a formei polare sunt identice.
n
Fie acum în V/R baza B={e1,...,en} şi x= ∑ x ie i ∈V. Fiind dată matricea A=(aij), i,j=1,...,n a unei
i =1
n
forme pătratice H, avem: H(x)=x Ax= ∑ a ijx x de unde detaliat:t i j

i , j=1

H(x)= a11 (x ) + 2a12x1x 2 + ... + 2a1n x1 x n + a 22 (x 2 ) 2 + ... + a nn (x n ) 2


1 2

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
La o schimbare de bază în V, avem aceeaşi formulă de transformare a matricei unei forme pătratice
ca şi în cazul formelor biliniare. Simetria matricei se păstrează indiferent de baza lui V.
Forma polară a lui H este:
1 1 n n n

g(x,y)= (H(x+y)-H(x)-H(y))=  ∑ a ij ( x i + y i )( x j + y j ) − ∑ a ij x i x j − ∑ a ij y i y j  =
2 2 i , j=1 i , j=1 i , j=1 
1 n n n n n n
 1 n n

∑ a ij x i x j + ∑a ij x i y j + ∑a ij yi x j + ∑a ij yi y j − ∑a ij x i x j − ∑a ij yi y j  =  ∑ a ij x i y j + ∑ a ij y i x j  =
2 i, j=1 i , j=1 i , j=1 i , j=1 i , j=1 i , j=1  2 i , j=1 i , j=1 
1 n  n n n

 ∑ (a ij + a ji ) x i y j  = ∑ a ij x i y j = ∑ a ii x i y i + ∑ a ij x i y j .
2 i , j=1  i , j=1 i =1 i , j=1
i≠ j

Prin urmare, forma polară lui H se poate obţine prin procedeul de dedublare care constă în
următoarele transformări:
• Expresiile de forma aii(xi)2 se transformă în aiixiyi;
• Expresiile de forma 2aijxixj se transformă în aij(xiyj+xjyi) (∀i≠j).

Pasul 4 - Vectori şi valori proprii

Definiţie
Fie V/R. Un subspaţiu W<V se numeşte subspaţiu invariant al lui V faţă de un endomorfism
f:V→V dacă f(W)⊂W adică f(x)∈W ∀x∈W.
Fie f:V→V şi W<V, invariant prin f. Să considerăm o bază B'={e1,...,ek} a lui W şi să o completăm
până la o bază B={e1,...,ek, ek+1,...,en} a lui V. Avem deci f(B')⊂W de unde f(ei)∈W, i=1,...,k. Fie deci:
k n
f (e i ) = ∑ a ji e j , i = 1,..., k iar f (e s ) = ∑ a js e j , s=k+1,...,n. Matricea lui f în baza B este:
j=1 j=1

 a 11 L a 1k a 1 k +1 L a 1n 
 
L L L L L L 
a L a kk a k k +1 L a kn 
[f]B=  k1 
 0 L 0 a k +1 k +1 L a k +1 n 
 
L L L L L L 
 0 L 0 a n k +1 L a nn 

Considerând spaţiul Z generat de vectorii {ek+1,...,en} avem V=W⊕Z. Dacă şi Z este invariant atunci
matricea lui f este cvasidiagonală, adică:
 a 11 L a 1k 0 L 0 
 
L L L L L L 
a L a kk 0 L 0 
[f]B=  k1 
 0 L 0 a k +1 k +1 L a k +1 n 
 
L L L L L L 
 0 L 0 a n k +1 L a nn 

Generalizarea este imediată în sensul că dacă V=V1⊕...⊕Vp iar V1,..., Vp sunt invariate de f atunci
matricea lui f în baza B1∪...∪Bp (Bi-bază a lui Vi, i=1,...,p) este cvasidiagonală.
Reamintim că operaţiile cu matrice cvasidiagonale se fac ca şi când blocurile diagonale sunt simple
elemente. În particular, inversarea unui operator implică inversarea blocurilor. Evident, cu cât ele vor fi mai
mici (în sensul dimensiunii acestora) cu atât operaţiile vor fi mai simple. Vom încerca, deci, să determinăm
cele mai mici subspaţii invariante ale unui operator. Subspaţiile de dimensiune nulă sunt întotdeauna
invariante deoarece f({0})={0}⊂{0} ştiind că unicul subspaţiu de dimensiune 0 este subspaţiul nul. Cum
acesta oricum nu are o bază, el nu prezintă importanţă pentru studiul nostru. Ne vom continua deci discuţia
relativ la subspaţiile invariante de dimensiune 1.
Fie deci W<V, dim W=1. Atunci, ∀w∈W, w≠0⇒B'={w} este bază a lui W. În acest caz, f(B')⊂W
implică faptul că ∃λW∈R astfel încât f(w)=λWw.
Definiţie
Fie V/R şi f∈L(V). Un vector v∈V-{0} se numeşte vector propriu pentru f dacă ∃λ∈R astfel încât
f(v)=λv. λ se numeşte valoare proprie a endomorfismului f.
Propoziţie
Orice vector propriu corespunde unei singure valori proprii.
Propoziţie

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie f∈L(V) şi λ1,...,λk∈R, k≥2, valori proprii distincte. Vectorii proprii v1,...,vk, corespunzători
acestor valori proprii, sunt liniar independenţi.
Ne punem acum problema determinării concrete a vectorilor proprii. Cu toate că noţiunea de valoare
proprie a apărut în procesul definirii vectorilor proprii, algoritmul de determinare a acestora va acţiona exact
invers. Vom determina astfel, mai întâi valorile proprii şi apoi vectorii proprii respectivi.
Fie deci v≠0 un vector propriu al lui f∈L(V). Există atunci λ∈R astfel încât f(v)=λv=λ1V(v) unde 1V
este endomorfismul unitate al lui V. Avem deci: (f-λ1V)(v)=0 de unde v∈Ker(f-λ1V) adică Ker(f-λ1V)≠{0}.
Fie A=[f]B şi I=[1V]B într-o bază oarecare B a lui V. Din cele de mai sus rezultă că rang(A-λI)<n deci det(A-
λI)=0.
Definiţie
Polinomul P(λ)=det(A-λI) se numeşte polinomul caracteristic al endomorfismului f iar ecuaţia
P(λ)=0 se numeşte ecuaţia caracteristică a endomorfismului f.
Propoziţie
Polinomul caracteristic este invariant la schimbări de bază.
Teoremă
Fie f∈L(V) şi λ1,...,λk valori proprii distincte. Atunci există o bază B a lui V astfel încât:
 λ 1 0 L 0 b1 k +1 L b1n 
 
 0 λ 2 L 0 b 2 k +1 L b 2n 
L L L L L L L 
 
[f]B=  0 0 L λ k b k k +1 L b kn 
 
 0 0 L 0 c k +1 k +1 L c k +1 n 
L L L L L L L 
 
 0 0 L 0 c n k +1 L c nn 
unde bij∈R, i=1,...,k, j=k+1,...,n şi cpr∈R, p=k+1,...,n, r=k+1,...,n.
Corolar
Dacă f are toate valorile proprii distincte, atunci există o bază a lui V în care matricea lui f are forma
diagonală.
Teoremă
Fie f∈L(V) şi λ o valoare proprie a lui f. Fie mulţimea S(λ)={v∈Vf(v)=λv}. Atunci:
1) S(λ) este un subspaţiu vectorial al lui V invariant faţă de f;
2) Dacă d(λ)=dim S(λ) atunci d(λ)=n-rang(A-λI) unde A=[f]B, B-bază arbitrară;
3) Dacă m(λ) este ordinul de multiplicitate al valorii proprii λ atunci d(λ)≤m(λ).
Observaţie
S(λ) se numeşte subspaţiul propriu asociat lui λ.
Definiţie
Un endomorfism f∈L(V) se numeşte endomorfism diagonalizabil dacă există o bază B a lui V în
care [f]B este matrice diagonală.
Teoremă
Fie f∈L(V) şi λ1,...,λk valori proprii distincte ale lui f. Endomorfismul f este diagonalizabil dacă şi
numai dacă d(λi)=m(λi), i=1,...,k. În baza B formată cu vectorii proprii corespunzători valorilor proprii
λ1,...,λk avem:
 λ1 L 0 L 0 L 0  
  
 L L L L L L L  d (λ1 ) linii
0 L λ L 0 L 0 
 1
 
[f]B=  L L L L L L L  M
 
 0 L 0 L λ k L 0  
 L L L L L L L  d(λ k ) linii
  
 0 L 0 L 0 L λk  
Definiţie
Un endomorfism se numeşte endomorfism triangularizabil dacă există o bază în care matricea
acestuia să fie (inferior sau superior) triunghiulară.
Teoremă
Un endomorfism f∈L(V) este triangularizabil dacă şi numai dacă polinomul său caracteristic se
descompune în factori de gradul I (nu neapărat distincţi).
Definiţie
Fie un polinom P=anXn+...+a1X+a0 ∈R[X] şi o matrice A∈Mm(R). Vom numi polinom de matrice
expresia: P(A)=anAn+...+a1A+a0Im∈Mm(R).
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Definiţie
O matrice A se spune că este de tip celulă Jordan dacă este de forma:
λ 1 0 L 0
 
0 λ 1 L 0
A (λ ) =  0 0 λ L 0 
 
L L L L L 
 
0 0 0 0 λ
Definiţie
O matrice A se spune că are forma canonică Jordan dacă este de forma:
 A (λ 1 ) L 0 
 
A= L L L 
 0 L A (λ k ) 

unde λ1,...,λk∈R nu neapărat distincte iar A(λi), i=1,...,k sunt celule Jordan.
Teoremă (Hamilton-Cayley)
Fie f∈L(V), B o bază a lui V, A=[f]B şi P polinomul caracteristic al lui f. Atunci P(A)=0.
Definiţie
Fie f∈L(V). f se numeşte endomorfism nilpotent dacă ∃p∈N* astfel încât fp(x)=0 ∀x∈V. p se
numeşte indicele de nilpotenţă dacă este cel mai mic cu această proprietate.
Teoremă
Fie V/R, dim V=n. Dacă f∈L(V) este nilpotent, atunci există o bază a lui V astfel încât:
 0 ε1 0 L 0 0 
 
 0 0 ε2 L 0 0 
[f]B= L L L L L L 
 
 0 0 0 L 0 ε n −1 
 
0 0 0 L 0 0 
unde εi∈{0,1}, i=1,...,n-1.
Propoziţie
Fie V/R, dim V=n, f∈L(V) şi fie P polinomul său caracteristic. Dacă R este algebric închis iar
P(λ)=(-1)n (λ − λ1 ) 1 ...(λ − λ j ) j cu λ1≠...≠λj, m1+...+mj=n notăm Vk=Ker(f-λk1V), k=1,...,j. În aceste condiţii:
m m

1) Vk≠{0}, k=1,...,j;
2) Vk<V, k=1,...,j;
3) Vk este invariant faţă de f;
4) V=V1⊕...⊕Vj.
Teoremă
Fie f∈L(V) cu V/R, dim V=n şi R algebric închis. Atunci există o bază în V în care matricea lui f are
forma canonică Jordan.
Teoremă
 [f ]B L 0 
 1
Fie f∈L(V) cu V/R, dim V=n şi R algebric închis. Dacă [f]B=  L L L  cu B şi Bk, k= 1, j
 
 0 L [f ]B  j

astfel încât Bk o bază pentru care [f − λ 1 ]


k V Bk
are forma din teorema 35, iar B=B1∪...∪Bj, atunci
 P ([f ]B ) L 0 
 1 
∀P=anXn+...+a1X+a0∈R[X] avem: P([f]B)=  L L L  unde:
 0 
L P([f ]B ) 
 j

 P' (λ i ) P" (λ i ) P ( di −1) (λ i ) 


 P (λ i ) L 
 1! 2! (d i − 1)! 
 P ' (λ i ) P ( d i − 2 ) (λ i ) 
P ([f ]Bi ) =  0 P (λ i ) L 
 1! (d i − 2)! 
 L L L L L 
 0 0 0 L P ( λ ) 
 i 
λi fiind valoarea proprie corespunzătoare blocului [f ]Bi iar di fiind ordinul lui [f ]Bi , i=1,...,j.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

Pasul 5 - Reducerea formelor pătratice la forma canonică


Fie V/R, dim V=n şi o formă pătratică H:V→R, H(x)=xtAx, A∈Mn(R)-simetrică. Ne propunem în
această secţiune să determinăm o bază a lui V, în care matricea formei pătratice să aibă forma diagonală.
În acest caz se spune că forma pătratică este adusă la forma normală. Dacă matricea formei pătratice în
această nouă bază are pe diagonala principală numai 1 sau –1 spunem că forma este cea canonică.
Fie o bază B a lui V şi baza căutată B'. Dacă C este matricea de trecere MBB' atunci
 c1 L 0 
 
A'=C AC= L L L  cu ci∈R, i=1,...,n. În această bază avem H(x)=xtA'x=c1(x'1)2+... +cn(x'n)2 şi este
t

0 L c 
 n 

evident că H are cel mai mic număr de termeni.


Metoda Gauss
n
Fie H(x)= ∑ a ijx i x j ≠0 unde x=(x1,...,xn)t. Avem două situaţii:
i , j=1

I. ∃i=1,...,n astfel încât aii≠0. După o eventuală renumerotare putem considera a11≠0. În acest caz formăm un
pătrat perfect care să includă termenii ce-l conţin pe x1. Astfel:
H(x)= [a112 (x1 ) 2 + 2a11x1 (a12 x 2 + ... + a1n x n ) + (a12 x 2 + ... + a1n x n ) 2 ] +E(x2,...,xn)=
1 1
(a11x1+...+a1nxn)2+E(x2,...,xn)
a11 a11
.
Fie transformarea:
a x1 + ... + a1n x n , i = 1;
yi =  11
 xi ,i > 1
1 12
Avem atunci H(y)= (y ) +E(y2,...,yn) unde E este o formă pătratică în y2,...,yn.
a 11
II. ∀i=1,...,n avem aii=0. Cum H≠0⇒∃aij≠0. După o eventuală renumerotare putem presupune că a12≠0. Fie
transformarea:
 x1 + x 2 , i = 1;

y i = x1 − x 2 , i = 2;
 xi ,i > 2

Înlocuind în expresia lui H obţinem a'11≠0 deci ne reducem la cazul I.
Cum E este o formă pătratică în y2,...,yn reluăm consideraţiile anterioare. În final H va avea forma
normală: H(x)=b1(z1)2+...+bk(zk)2 unde x=(z1,...,zn)t în noua bază. Cu transformarea de variabile:
 v1 = b z1 ;
 1

 ...
 k
v = b k z ;
k

 vi = zi , i > k

forma H are forma canonică şi devine H(x)=ε1(v1)2+...+εk(vk)2 unde x=(v1,...,vn)t în această ultimă bază iar
εp=sgn(bp)∈{-1,1}, p=1,...,k. Transformarea generală de coordonate se obţine din compunerea celor succesive
de mai sus.
Metoda Jacobi
Teoremă
Fie H:V→R o formă pătratică reală şi B={e1,...,en} o bază a lui V/R. Fie A=(aij) matricea lui H în
baza B. Fie, de asemenea:
 a 11 L a 1i 
 
Ai=  L L L  , i=1,...,n
a 
 i1 L a ii 
Dacă ∆i=det Ai sunt nenuli atunci există o bază B'={f1,...,fn} obţinută din B cu o matrice de trecere
triunghiulară în care forma normală a lui H este:
1 1 2 ∆1 2 2 ∆
H( x ) = (ξ ) + (ξ ) + ... + n −1 (ξ n ) 2
∆1 ∆2 ∆n
iar x=(ξ ,...,ξ ) este expresia lui x în noua bază.
1 n t

Definiţii
Fie V un spaţiu vectorial real.
• O formă pătratică H:V→R se numeşte formă pozitiv definită dacă H(x)>0 ∀x≠0.
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
• H se numeşte formă negativ definită dacă H(x)<0 ∀x≠0.
• H se numeşte formă semidefinită sau formă nedefinită dacă ∃x1,x2∈V astfel încât H(x1)H(x2)<0.
• H se numeşte formă pozitiv semidefinită dacă H(x)≥0 ∀x∈V şi ∃x0 ∈V-{0} astfel încât H(x0)=0.
• H se numeşte formă negativ semidefinită dacă H(x)≤0 ∀x∈V şi ∃x0∈V-{0} astfel încât H(x0)=0.
Teoremă (de inerţie, Sylvester)
Numărul coeficienţilor strict pozitivi, numărul coeficienţilor strict negativi şi rangul unei forme
pătratice în expresia canonică (normală) nu depind de baza aleasă.
Definiţie
Diferenţa între numărul termenilor pozitivi şi cel al termenilor negativi din expresia canonică
(normală) a unei forme pătratice se numeşte signatura formei pătratice respective.
Teoremă
Fie V un spaţiu vectorial real şi H:V→R o formă pătratică. Condiţia necesară şi suficientă ca H să fie
pozitiv definită este ca ∆i>0, i=1,...,n.
Corolar
Fie V un spaţiu vectorial real şi H:V→R o formă pătratică. Condiţia necesară şi suficientă ca H să fie
negativ definită este ca ∆i<0, i=impar, i=1,...,n şi ∆i>0, i=par, i=1,...,n.

REZUMAT
Noţiunea de spaţiu vectorial generalizează dintr-un anumit punct de vedere categoriile matricelor,
cea a polinoamelor, funcţiilor, mulţimilor numerice şi multe altele. Avantajul acestei noţiuni este acela că
permite tratarea unitară a unor concepte, la prima vedere diferite, obţinând rezultate generalizatoare, dar, în
acelaşi timp, permiţând noii structuri adaptarea la noi şi noi provocări ale practicii.
Noţiunea de “bază” este fundamentală şi ea permite simularea unui anumit proces economic (după
transformarea matematică, eminamente necesară) printr-un altul mult mai simplu, reprezentat, de regulă, de
spaţiul aritmetic n-dimensional.
Formele pătratice prezentate în ultima parte a modului au un rol bine conturat în geometria analitică,
dar, în cazul de faţă, se vor dovedi esenţiale în studiul extremelor funcţiilor din modulul următor ceea ce va
permite, în final, determinarea optimului unui proces economic arbitrar.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la noţiunea de spaţiu vectorial, împreună cu
cele conexe cum ar fi: bază, aplicaţie liniară, formă pătratică.
EXEMPLE ILUSTRATIVE
1 3 5 − 1
 
 2 −1 −3 4 
1. Folosind regula dreptunghiului să se determine rangul următoareI matrice: A= 
5 1 −1 7 
 
7 7 9 1 

1 3 5 − 1  1 3 5 − 1
   
2 −1 − 3 4  0 − 7 − 13 6 
Soluţie Avem următoarele matrice echivalente: A=  ∼ ∼
5 1 −1 7  0 − 14 − 26 12 
   
7 7 9 1   0 − 14 − 26 8 

1 3 5 − 1  1 3 − 1 5   1 3 − 1 5 
     
 0 − 7 − 13 6   0 − 7 6 − 13   0 − 7 6 − 13 
0 0 ∼ ∼ de unde rang A=3.
0 0  0 0 0 0   0 0 28 0 
     
0 0 0 28   0 0 28 0   0 0 0 0 

7 6 3 7
3 5 7 2
2. Folosind regula dreptunghiului să se calculeze următorul determinant: D= .
5 4 3 5
5 6 5 4

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
7 6 3 7 7 6 3 7 7 6 3 7 7 6 3 7
3 5 7 2 0 17 40 − 7 0 −2 6 0 0 −2 6 0
Soluţie D= ∼ ∼ ∼ ∼
5 4 3 5 0 −2 6 0 0 17 40 − 7 0 0 − 182 14
5 6 5 4 0 12 20 − 7 0 12 20 − 7 0 0 − 112 14
7 6 3 7
0 −2 6 0 7(−2)(−182)(−980)
de unde: D=- =-10.
0 0 − 182 14 7 3 (−2) 2 (−182)
0 0 0 − 980
 2 7 3
 
3. Folosind regula dreptunghiului să se inverseze următoarea matrice: A=  3 9 4  .
 1 5 3
 
Soluţie Vom aplica regula dreptunghiului fără împărţire la pivot. Avem deci:
 2 7 3 1 0 0 1 5 3 0 0 1 1 5 3 0 0 1  1 0 7 0 −5 9 
       
(AI3)=  3 9 4 0 1 0  ∼  3 9 4 0 1 0  ∼  0 − 6 − 5 0 1 − 3  ∼  0 − 6 − 5 0 1 − 3
1 5 3 0 0 1  2 7 3 1 0 0 0 − 3 − 3 1 0 − 2 0 0 3 −6 3 3 
      
 7 1
− 2 − 
 1 0 0 42 − 36 6  : 1(−6)3  3 3
  -1  5 1
∼  0 − 6 0 − 30 18 6  : (−6)3 de unde: A = −1 − .
0 0 3 − 6  :3  3 3
 3 3   −2 1 1 
 
 
4. Să se studieze compatibilitatea iar în caz afirmativ să se rezolve prin metoda Gauss sistemul:
 (a + 3) x + y + 2z = a

 ax + (a − 1) y + z = 2a , a∈R.
3(a + 1) x + ay + (a + 3)z = 3

Soluţie Vom nota la permutarea a două coloane a matricei extinse noua ordine a necunoscutelor deasupra
acesteia pentru ca în cazul compatibilităţii să le putem recupera corect din sistem.
x y z y z x y z x
 a +3 1 2 a  1 2 a + 3 a  1 2 a +3 a 
Avem: Ae=  ∼ ∼  . Dacă
 a a − 1 1 2a   a − 1 1 a 2a   0 3 − 2a − a − a + 3 − a + 3a 
2 2

     
 3a + 3 a a+3 3   a a + 3 3a + 3 3   0 3 − a 3 − a2 3 − a2 
3y + 6z + 11x = 2
2 
a= atunci rezultă că: rang Ae=rang A=3 iar sistemul devine:  21z + 23x = 23 de unde:
3 
 17x = 14
y z x
14 23 326 2 1 2 a +3 a 
x= ,z = ,y=− . Dacă a≠ atunci: Ae∼   de unde se
17 119 119 3  0 3 − 2a − a 2
− a + 3 − a 2
+ 3a 
 
0 0 a (a − 1) a + 3a − 15a + 9 
2 3 2

obţine că a=0 sau a=1⇒rang(Ae)=3≠2=rang(A) deci sistemul este incompatibil iar în caz contrar este
a 3 + 3a 2 − 15a + 9 8a 4 − 18a 3 − 15a 2 + 45a − 18
compatibil iar soluţia este: x= , z= ,
a (a − 1)
2
a 2 (a − 1)
− 16a 4 + 29a 3 + 36a 2 − 54a + 9
y= .
a 2 (a − 1)
5. Fie în R3 mulţimile U1={(a+b,2a-b,a)a,b∈R} şi U2={(c+2d,2c+d,-3c-d) c,d∈R}.
1) Să se arate că U1<R3 şi U2<R3;
2) Să se determine U1∩U2;
3) Să se arate, folosind definiţia, că U1∩U2<R3.
Soluţie 1)Fie x=(a+b,2a-b,a)∈U1 şi y=(a'+b',2a'-b',a')∈U1 şi α,β∈R. Avem αx+βy=α(a+b,2a-
b,a)+β(a'+b',2a'-b',a')=(αa+αb,2αa-αb,αa)+(βa'+βb',2βa'-βb',βa')= ((αa+βa')+(αb+βb'),2(αa+βa')-(αb+βb'),
(αa+βa'))∈U1 deci U1<R3. Putem proceda însă mult mai simplu. Fie x∈U2. Avem x=(c+2d,2c+d,-3c-
d)=(c,2c,-3c)+(2d,d,-d)=c(1,2,-3)+d(2,1,-1). U2 este deci un spaţiu vectorial generat de vectorii (1,2,-3) şi
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
(2,1,-1). 2)Fie x∈U1∩U2. Atunci ∃a,b,c,d∈R astfel încât x=(a+b,2a-b,a)=(c+2d,2c+d,-3c-d). Din sistemul:
 a + b = c + 2d

2a − b = 2c + d obţinem în final x=(-3c,0,-c), c∈R. Reciproc, dacă x=(-3c,0,-c), c∈R, considerând a=-c, b=-
 a = −3c − d

2c⇒ x∈U1 iar dacă d=-2c⇒x∈U2 deci x∈U1∩U2. Prin urmare U1∩U2={(-3c,0,-c) c∈R}. 3)Fie x=(-3a,0,-a)
şi y=(-3b,0,-b) vectori din U1∩U2. Pentru α,β∈R, arbitrari, avem:αx+βy=(-3(αa+βb),0,-(αa+βb))∈U1∩U2
deci U1∩U2<R3.
6. Fie sistemul de vectori S={v1,v2,v3} din R4, unde v1=(1,2,0,3)t, v2=(3,2,1,0)t, v3=(1,1,2,2)t şi V=<S>. Să se
cerceteze dacă vectorii w1=(4,4,1,3)t, w2=(2,3,2,5)t, w3=(4,3,3,2)t constituie un sistem de generatori pentru
<S>.
Soluţie Avem <S>={(a+3b+c,2a+2b+c,b+2c,3a+2c)ta,b, c∈R} şi fie S‘={w1,w2,w3}. Avem
<S‘>={(4d+2e+4f,4d+3e+3f,d+2e+3f,3d+5e+2f)td,e,f∈R}. Fie v∈<S>. Atunci v∈<S‘> dacă şi numai dacă
există d,e,f∈R astfel încât v=(a+3b+c,2a+2b+c,b+2c,3a+2c)t=(4d+2e+4f,4d+3e+3f,d+2e+3f,3d+5e+2f)t.
 4d + 2e + 4f = a + 3b + c
4d + 3e + 3f = 2a + 2b + c 4 2 4

Rezultă sistemul:  . Avem: 4 3 3 =14 de unde, cum:
 d + 2e + 3f = b + 2c 1 2 3
 3d + 5e + 2f = 3a + 2c
4 2 4 a + 3b + c
4 3 3 2a + 2b + c
∆car= =26(a+3b+c)-34(2a+2b+c)-10(b+2c)+14(3a+2c)=0, rezultă că sistemul este
1 2 3 b + 2c
3 5 2 3a + 2c
compatibil determinat. Prin urmare, <S>⊂<S‘>. Analog, se arată că <S‘>⊂<S> deci, în final, <S>=<S‘>
adică S‘ reprezintă un sistem de generatori pentru <S>.
7. Fie aplicaţia f:R3→R3, f(x1,x2,x3)=(3x1-x2+x3,2x1+x2,-x1+x3).
1) Să se arate că f este operator liniar;
2) Să se determine Ker f şi Im f;
3) Să se stabilească dacă f este injectivă, surjectivă, bijectivă.
 3 −1 1
 
Soluţie 1) Se procedează ca la problema 1 obţinându-se [f]=  2 1 0  . 2) Fie x=(x1,x2,x3)∈R3 astfel
 −1 0 1
 
3x1 − x 2 + x 3 = 0

încât f(x)=0. Avem sistemul:  2 x1 + x 2 = 0 de unde x1=x2=x3=0 deci x=0 şi Ker f={0}. Fie acum
 −x +x =0
 1 3

3x1 − x 2 + x 3 = y1

y=(y1,y2,y3)∈R3 şi ecuaţia f(x)=y. Avem deci sistemul:  2 x1 + x 2 = y 2 care este compatibil determinat de
 −x +x = y
 1 3 3

unde rezultă că ∃x∈R3 astfel încât f(x)=y. Prin urmare Im f=R3. 3) Deoarece Ker f={0} rezultă f-injectivă iar
faptul că Im f=R3 implică faptul că f este surjectivă, deci, în final, f-bijectivă.
8. Fie operatorul T:R4→R4 a cărui matrice în baza canonică este:
1 2 0 3 
 
 − 1 − 2 0 − 3
A= 
0 0 2 0 
 
1 2 0 3 

1) Să se determine valorile şi vectorii proprii ale lui T;
2) Să se studieze dacă T este diagonalizabil iar în caz afirmativ să se determine baza şi forma acestui
operator.
1− λ 2 0 3
−1 − 2 − λ 0 −3
Soluţie 1)Ecuaţia caracteristică este: =0 de unde, dezvoltând după linia a treia,
0 0 2−λ 0
1 2 0 3−λ
obţinem: λ (λ-2) =0.
2 2
Valorile proprii sunt deci: λ1=λ2=0 şi λ3=λ4=2. Pentru λ=0 avem:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
1 2 0 3  x   0 
    
 − 1 − 2 0 − 3  y   0 
0 = de unde x=-2a-3b, y=a, z=0, t=b şi deci v=(-2a-3b,a,0,b)t, a,b∈R-{0}. Analog,
0 2 0  z   0 
    
1 2 0 3  t   0 

−1 2 0 3  x   0 
    
−1 − 4 0 − 3  y   0 
pentru λ=2 rezultă:  = de unde: v=(a,-a,b,a)t, a,b∈R-{0}. 2)Avem subspaţiile
0 0 0 0  z   0 
    
1 2 0 1  t   0 

proprii asociate valorilor proprii: S(0)={a(-2,1,0,0)t+b(-3,0,0,1)ta,b∈R} deci dim S(0)=2=m(0)-ordinul de
multiplicitate al lui λ=0. De asemenea, S(2)={a(1,-1,0,1)t+ b(0,0,1,0)t a,b∈R} deci dim S(2)=2= m(2).
Operatorul este deci diagonalizabil. Baza în care fenomenul are loc este dată de reuniunea bazelor subspaţiilor
proprii, deci B={(-2,1,0,0)t,(-3,0,0,1)t,(1,-1,0,1)t,(0,0,1, 0)t} iar forma lui T în această bază este dată de
0 0 0 0
 
0 0 0 0
matricea:  . Se observă pe acest caz concret avantajul enorm al considerării operatorului în
0 0 2 0
 
 0 0 0 2
 
această nouă bază acesta având o expresie foarte simplă.
9. Să se aducă la forma normală, folosind metoda lui Gauss, forma pătratică: H(x)=(x1)2-2x1x2+2x1x3-
2x1x4+(x2)2+2x2x3-4x2x4+(x3)2-2(x4)2, x= (x1,x2,x3,x4)∈ R4.
Soluţie Avem: H(x)=(x1)2-2(x2-x3+x4)x1+(x2-x3+x4)2-3(x4)2+4x2x3-6x2x4+2x3x4=(x1-x2+x3-x4)2-3((x4)2+2(x2-
1 3 4 2 1 32 1 1 1
x )x +(x - x ) )+3(x2)2+2x2x3+ (x3)2=(x1-x2+x3-x4)2-3(x2+x4- x3)2+3(x2+ x3)2. Prin urmare, cu ξ1=x1-
3 3 3 3 3
4 1 3 2 1 3
x +x -x , ξ =x + x - x , ξ =x + x , ξ =x obţinem H(x)=(ξ ) -3(ξ ) +3(ξ ) .
2 3 4 2 2 3 4 4 1 2 2 2 3 2
3 3

RECOMANDĂRI BIBLIOGRAFICE:
1. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii
diferenţiale, Bucureşti, Editura All, 1994;
2. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions
Mir Moscou, Vol. I, II, 1985;
3. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981;
4. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980;
5. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983;
6. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004;
7. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006;
8. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981;
9. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991;
10. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984;
11. Lang, S., Algebra, Addison-Wesley, 1971;
12. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988;
13. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986;
14. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978;
15. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982;
16. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.

TESTE DE AUTOEVALUARE
1. Fie în R3 subspaţiile: 1. U1∩U2=(-13h,15h,14h)t
U1={(a+7b,8a-b,5a)ta,b∈R} şi 2. U1∩U2=(-11h,17h,14h)t
U2={(c+-17d,6c+d,4c-d)tc,d∈R}. 3. U1∩U2=(-14h,19h,11h)t
Să se determine U1∩U2. 4. U1∩U2=(-10h,17h,17h)t
2. Fie în R3 vectorii v1=(1,7,1)t, v2=(7,48,3)t, v3=(8,7,α)t, v4=v1+v2, α∈R. Să se 1. α≠-184 2. α≠-181
determine α∈R astfel încât sistemul de vectori {v1,v2,v3,v4} să fie un sistem de 3. α≠-188 4. α≠-185
generatori pentru R3.
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
3. Fie în R vectorii v1=(1,7,1) , v2=(7,48,3) , v3=(8,7,β) , β∈R. Să se determine
3 t t t
1. β=-184 2. β=-181
β∈R astfel încât vectorii {v1,v2,v3} să nu fie o bază pentru R3. 3. β=-188 4. β=-185
4. Să se determine α∈R astfel încât următoarea aplicaţie să fie liniară: f:R3→R2, 1. α=10 2. α=5
f(x1,x2,x3)=(1x1-4x3,8x2+8x3+α-4). 3. α=4 4. α=12
5. Fie forma biliniară B:R2×R2→R, B(x,y)=9x1y1+8x1y2+1x2y1+9x2y2 unde 1. H=9x12+9x1x2+9x22
x=(x1,x2), y=(y1,y2)∈R2. Să se determine forma pătratică asociată H. 2. H=13x12+8x1x2+11x22
3. H=12x12+5x1x2+10x22
4. H=10x12+7x1x2+13x22
6. Să se aducă la forma canonică, folosind metoda lui Jacobi, forma: H(x)=-3x12- 1. -x12+x22-x32 2. +x12+x22+x32
10x1x2+-18x1x3+1x32. 3. -x12-x22+x32 4. -x12+x22+x32
7. Fie în R3 subspaţiile: 5. U1∩U2=(-5h,2h,8h)t
U1={(a+5b,3a-b,5a)ta,b∈R} şi 6. U1∩U2=(-4h,1h,5h)t
U2={(c+-8d,2c+d,4c-d)tc,d∈R}. 7. U1∩U2=(-5h,-1h,6h)t
Să se determine U1∩U2. 8. U1∩U2=(-7h,3h,3h)t
8. Fie în R3 vectorii v1=(1,6,2)t, v2=(9,53,3)t, v3=(1,4,α)t, v4=v1+v2, α∈R. Să se 2. α≠-28 2. α≠-27
determine α∈R astfel încât sistemul de vectori {v1,v2,v3,v4} să fie un sistem de 4. α≠-23 4. α≠-20
generatori pentru R3.
9. Fie în R3 vectorii v1=(1,6,2)t, v2=(9,53,3)t, v3=(1,4,β)t, β∈R. Să se determine 2. β=-28 2. β=-27
β∈R astfel încât vectorii {v1,v2,v3} să nu fie o bază pentru R3. 4. β=-23 4. β=-20
10. Să se determine α∈R astfel încât următoarea aplicaţie să fie liniară: f:R3→R2, 2. α=12 2. α=9
f(x1,x2,x3)=(3x1-8x3,7x2+3x3+α-7). 4. α=7 4. α=15
11. Fie forma biliniară B:R2×R2→R, B(x,y)=3x1y1+1x1y2+1x2y1+3x2y2 unde 5. H=3x12+2x1x2+3x22
x=(x1,x2), y=(y1,y2)∈R2. Să se determine forma pătratică asociată H. 6. H=5x12+1x1x2+5x22
7. H=6x12+-2x1x2+6x22
8. H=6x12+0x1x2+7x22
12. Să se aducă la forma canonică, folosind metoda lui Jacobi, forma: H(x)=5x12-- 2. x12-x22-x32 2. +x12-x22-x32
10x1x2+-12x1x3+-1x32. 4. x12+x22-x32 4. x12-x22+x32

TEMĂ DE CONTROL
1 2 0 1
3 0 0 2
1. Să se calculeze următorul determinant:
4 1 23 0
2 3 1 0
 2 1 0 0 0 0
 
 3 4 0 0 0 0
 0 0 1 5 0 0
2. Să se determine rangul matricei: A=  
 0 0 2 4 0 0
 
 0 0 0 0 7 2
 0 0 0 0 3 1
 
3. Folosind regula dreptunghiului să se inverseze următoarea matrice:
1 2 3 4
 
 2 3 1 2
 1 1 1 − 1
 
 1 0 − 2 10 
 
4. Să se studieze compatibilitatea iar în caz afirmativ să se rezolve prin metoda Gauss sistemul:
 4 x + 21y + 2z = 1

 − 3x + 8 y + 3z = 1
2 x + 5y + 10z = −23

5. Să se determine dacă mulţimea de mai jos este subspaţiu vectorial al spaţiului aritmetic R2:
U={(x,y)∈R2x3+y3=r3, r∈R}.
6. Fie în R3 subspaţiile U1={(a+b,5a-b,a)a,b∈R} şi U2={(c+2d,2c+d,-3c-d) c,d∈R}.Să se determine
U1∩U2.
7. Fie în R4 vectorii v1=(1,2,3,4)t, v2=(2,6,1,3)t şi v3=(4,4,7,α)t, α∈R. Să se determine α∈R astfel încât
dep(v1,v2,v3).
8. Fie aplicaţia liniară f:R3→R3, f(x1,x2,x3)=(3x1-5x2+x3,7x1+x2,-x1+2x3). Să se determine Ker f şi Im f;
9. Fie aplicaţia B:R2×R2→R, B(x,y)=3x1y1-2x1y2+3x2 y1-x2y2 unde x=(x1,x2), y=(y1,y2 )∈R2. Să se
determine forma pătratică asociată H.
10. Fie forma pătratică H(x)=4(x1)2+6(x2)2+α(x3)2+15x1x2+6x2x3, x=(x1,x2,x3)∈R3. Să se determine cea
mai mică valoare întreagă a lui α∈R astfel încât forma să fie pozitiv definită.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

MODULUL 2

ANALIZĂ MATEMATICĂ

Obiectivele specifice modulului:


 Introducerea noţiunii de spaţiu topologic;
 Studiul diferenţiabilităţii funcţiilor;
 Studiul seriilor numerice şi al seriilor de puteri;
 Determinarea extremelor funcţiilor;
 Studiul integralelor improprii, duble şi triple.

Rezultatele aşteptate:
 Înţelegerea noţiunilor de bază ale topologiei;
 Formarea modului de gândire diferenţial;
 Înţelegerea noţiunii de serie ca simplificare a unor reprezentări funcţionale;
 Determinarea corectă a maximelor şi/sau minimelor unei funcţii.

Competenţe dobandite ca urmare a parcurgerii modulului:


 Deprinderea folosirii noţiunilor topologice cum ar fi: mulţimea deschisă, închisă,
punctul de acumulare, compactitatea şi conexitatea;
 Calculul derivatelor parţiale şi a diferenţialelor de ordinele I şi II;
 Dezvoltarea în serie Taylor a unei funcţii;
 Realizarea de referate aplicative legate de problematica modulului.

Timpul mediu necesar pentru asimilarea modulului : 6 ore

LECŢIA 1
SPAŢII TOPOLOGICE

Pasul 1 - Elemente de topologie

Definiţie
Fie Rn, n≥1 şi mulţimea T={D⊂Rn∀a=(a1,...,an)∈D⇒∃r>0 astfel încât
n
(a1-r,a1+r)×...×(an-r,an+r)⊂D}. Perechea (R ,T) se numeşte spaţiu topologic, T purtând numele de topologie
reală pe Rn. O mulţime D∈T se numeşte mulţime deschisă.
Teoremă
Pe Rn au loc următoarele afirmaţii:
1) ∀(Di)i∈I⊂T ⇒ U D i ∈T, I-o mulţime oarecare de indecşi;
i∈I
m
2) ∀(Di)i=1,...,m⊂T⇒ I D i ∈T ∀m∈N*;
i =1

3) ∅,Rn∈T.
Definiţie
Fie Rn şi X⊂Rn. T'={D∩XD∈T} este o topologie pe X şi se numeşte topologia indusă de T pe X.

Definiţie
Fie Rn şi A⊂Rn. O mulţime V⊂Rn se numeşte vecinătate a lui A dacă ∃D∈T astfel încât A⊂D⊂V.
Dacă A={x}, x∈Rn, atunci V se numeşte vecinătate a punctului x.
Propoziţie
Pe Rn o submulţime A⊂Rn este deschisă dacă şi numai dacă este vecinătate pentru orice punct al său.
Propoziţie
Mulţimea vecinătăţilor V(x) ale unui punct arbitrar x∈Rn are următoarele proprietăţi:
1) V∈V(x)⇒x∈V;
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
2) V∈V(x), V⊂U⇒U∈V(x);
n
3) Vi∈V(x), i= 1, n ⇒ I Vi ∈V(x);
i =1

4) V∈V(x)⇒∃U⊂V, U∈V(x) astfel încât U∈V(y) ∀y∈U.


Definiţie
Un punct a∈Rn se numeşte punct interior al unei submulţimi A⊂Rn dacă A∈V(a)
Definiţie
o
Fie A⊂Rn. Mulţimea A =int A={a∈Rna este punct interior al lui A} se numeşte interiorul lui A.
Propoziţie
o
∀A⊂Rn avem: A = UD.
D∈T
D⊂ A

Definiţie
Un punct a∈Rn se numeşte punct aderent unei submulţimi A⊂Rn dacă ∀V∈V(a)⇒V∩A≠∅.
Definiţie
Fie A⊂Rn. Mulţimea A ={a∈Rna este punct aderent pentru A} se numeşte închiderea (aderenţa)
lui A.
Definiţie
O submulţime F⊂Rn se numeşte mulţime închisă dacă Rn-F∈T.
Definiţie
Un punct a∈Rn se numeşte punct de acumulare al unei submulţimi A⊂Rn dacă ∀V∈V(a)⇒(V-
{a})∩A≠∅.
Definiţie
Fie A⊂Rn. Mulţimea A’={a∈Xa este punct de acumulare al lui A} se numeşte mulţimea derivată
(derivata) a lui A.
Definiţie
Un punct a∈Rn se numeşte punct izolat al unei submulţimi A⊂Rn dacă nu este punct de acumulare,
adică dacă ∃V∈V(a)⇒(V-{a})∩A=∅.
Definiţie
Fie A⊂Rn. Mulţimea ∂A=Fr A= A ∩ CA se numeşte frontiera lui A.

Teoremă
Spaţiul topologic Rn este un spaţiu Hausdorff (spaţiu topologic separat) adică ∀x,y∈Rn,
x≠y⇒∃U∈V(x), ∃V∈V(y) astfel încât U∩V=∅.
Definiţie
O mulţime C⊂Rn se numeşte compactă dacă ∀(Ui)i∈I⊂T astfel încât C⊂ U U i ⇒∃J⊂I-finită astfel
i∈I

încât C⊂ U U i , adică dacă din orice acoperire cu mulţimi deschise a lui C se poate extrage o subacoperire
i∈J

finită a acesteia.
Definiţie
O mulţime C⊂Rn se numeşte mulţime relativ compactă dacă C este compactă.
Definiţie
O mulţime C⊂Rn se numeşte conexă dacă nu există D1,D2 ∈T astfel încât C⊂D1∪D2, D1∩D2∩C=∅,
D1∩C≠∅, D2∩C≠∅.

Pasul 2 - Şiruri în Rn

Definiţie
Numim şir pe spaţiul topologic Rn o funcţie f:N→Rn.

Definiţie
Fie un şir (an)⊂Rn. Spunem că (an) este şir convergent dacă ∃a∈Rn astfel încât ∀V∈V(a)⇒∃nV∈N
astfel încât an∈V ∀n≥nV. Elementul a∈Rn se numeşte limită a şirului (an) şi vom scrie:
a= lim an
n →∞

Teoremă
Limita unui şir convergent din Rn este unică.
Propoziţie
Fie A⊂Rn şi (an)⊂Rn un şir convergent. Dacă ∃n0∈N astfel încât an ∈A ∀n≥n0 atunci lim an∈ A .

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Propoziţie
Dacă A⊂Rn atunci ∀a∈ A ⇒ ∃(an)⊂A astfel încât lim an=a.
Propoziţie
Fie R cu topologia reală şi C⊂R. Atunci următoarele afirmaţii sunt echivalente:
1) C este compactă;
2) ∀(an)⊂C⇒∃( a n k )k∈N un subşir al lui (an) (restricţie a lui (an) la o submulţime a lui N) şi a∈R astfel
încât lim a n =a;
k

3) C este închisă şi mărginită.


Teoremă
Şirul (am)=(am1,...,amn)⊂Rn este convergent dacă şi numai dacă şirurile (am1)⊂R,...,(amn)⊂R sunt
convergente şi în acest caz avem:
lim am=(lim am1,...,lim amn)

Pasul 3 - Spaţii metrice. Spaţii normate

Definiţie
Numim metrică (distanţă) pe Rn o funcţie d:Rn×Rn→R, (x,y)→d(x,y) ∀x,y∈Rn, astfel încât sunt
satisfăcute următoarele axiome:
1) d(x,y)=0⇔x=y;
2) d(x,y)=d(y,x) ∀x,y∈Rn;
3) d(x,z)≤d(x,y)+d(y,z) ∀x,y,z∈Rn.
Definiţie
Considerând o metrică d pe Rn, vom numi perechea (Rn,d) spaţiu metric.
Definiţie
Fie (Rn,d) un spaţiu metric. Mulţimea B (a,r)={x∈Rnd(a,x)≤r}, r≥0 se numeşte bila închisă de
centru a şi rază r. Mulţimea B(a,r)={x∈Rnd(a,x)<r}, r>0 se numeşte bila deschisă de centru a şi rază r.

Propoziţie
Un spaţiu metric (Rn,d) este spaţiu topologic.
Propoziţie
Fie (Rn,d) un spaţiu metric. Atunci ∀a∈Rn ∀r>0⇒B(a,r) este o mulţime deschisă, B (a,r) este o
mulţime închisă iar B(a , r ) = B(a , r ) .
Propoziţie
Fie un spaţiu metric (Rn,d) şi (an)⊂Rn un şir convergent. Atunci lim an este unică.
Propoziţie
Fie un spaţiu metric (Rn,d) şi (an)⊂X. Atunci (an) este un şir convergent şi lim an=a∈X dacă şi numai
dacă ∀ε>0⇒ ∃nε∈N astfel încât d(an,a)<ε ∀n≥nε.
Definiţie
Fie (Rn,d) un spaţiu metric. Un şir (an)⊂Rn se numeşte şir Cauchy (şir fundamental) dacă
∀ε>0⇒∃nε∈N astfel încât d(an,am)<ε ∀n,m≥nε.
Propoziţie
Fie (Rn,d) un spaţiu metric şi (an)⊂Rn un şir convergent. Atunci (an) este şir Cauchy.
Reciproc, nu este în general adevărat, deci se impune următoarea:
Definiţie
Un spaţiu metric (Rn,d) se numeşte spaţiu metric complet dacă orice şir Cauchy din Rn este
convergent.
Definiţie
Fie un spaţiu metric (Rn,d). O mulţime A⊂Rn se numeşte mulţime mărginită dacă ∃a∈Rn ∃r>0
astfel încât A⊂B(a,r).

Definiţie
Fie un spaţiu metric (Rn,d). Un şir (an)⊂Rn se numeşte şir mărginit dacă mulţimea valorilor acestuia
este mărginită.
Lemă (Cesàro)
Orice şir mărginit din Rn conţine un subşir convergent.
Definiţie
Numim normă pe Rn o funcţie ⋅:Rn→R, x→x ∀x∈Rn astfel încât sunt satisfăcute
următoarele axiome:
1) x=0⇒x=0;
2) αx=α⋅x ∀x∈Rn ∀α∈R;
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
3) x+y≤x+y ∀x,y∈R . n

Definiţie
Fiind dată o normă ⋅ pe Rn, perechea (Rn,⋅) se numeşte spaţiu vectorial real n-dimensional
normat (sau simplu spaţiu normat).
Definiţie
Un spaţiu normat complet se numeşte spaţiu Banach.

Pasul 4 - Limite de funcţii în Rn

Definiţie
O aplicaţie f:A⊂Rn→Rm, n,m≥1 se numeşte funcţie vectorială reală de n variabile reale. Dacă m=1
vom spune pe scurt că f este funcţie de n variabile.
Definiţie
O aplicaţie f:A⊂Rn→Rm se spune că are limita y∈Rm într-un punct de acumulare a∈A' dacă
∀V∈V(y)⇒ ∃U∈V(a) astfel încât:
f((U-{a})∩A)⊂V
Propoziţie
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A'. Următoarele afirmaţii sunt echivalente:
1) f are limita y∈Rm în a;
2) ∀(an)⊂A-{a} astfel încât lim an=a⇒lim f(an)=y;
3) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A-{a} şi d(x,a)<δε⇒ d(f(x),y)<ε.
4) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A-{a} şi x − a <δε⇒ f ( x ) − y <ε.
Corolar
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A'. Funcţia f nu are limită în punctul “a” dacă ∃(an),(bn)⊂A-{a} cu
lim an=lim bn=a şi fie unul din şirurile (f(an)),(f(bn)) nu este convergent, fie sunt amândouă convergente, dar
au limite diferite.
În cazul funcţiilor de mai multe variabile, se poate defini limita unei funcţii după o direcţie astfel: fie
f:A⊂Rn→R şi a=(a1,...,an)∈A'. Ecuaţia unei drepte ce trece prin “a” este:
 x 1 = a 1 + λv 1

 L , λ∈R
 x = a + λv
 n n n

unde v1,...,vn reprezintă parametrii directori ai dreptei (care dau “înclinarea” dreptei faţă de axele de
coordonate). Notând v=(v1,...,vn) putem scrie ecuaţia dreptei succint sub forma: x=a+λv, λ∈R. Definim
atunci limita unei funcţii după direcţia dată de dreapta x=a+λv ca fiind:
lim f(a+λv)
λ →0

Este evident că dacă o funcţie are limită într-un punct, atunci ea are limită după orice direcţie în acel
punct. Reciproc, nu este adevărat.
Fie acum f:A⊂Rn→R şi a=(a1,...,an)∈A'. Să considerăm mulţimile Ai={xi∈R(x1,...,xi,...,xn)∈A} şi
să presupunem că ai∈Ai', i=1,...,n. Atunci lim f(x) depinde de variabilele x1,...,xi-1,xi+1,..., xn. Considerând
x i →a i

apoi acelaşi proces obţinem în final o valoare reală notată lim σf(x)= xlim
→a
... x lim
→a
f(x) unde
x →a i1 i1 in in

1 2 L n 
σ=   ∈Sn (grupul permutărilor de n elemente). Vom numi aceasta limita iterată după
 i1 i 2 L i n 
permutarea σ a funcţiei f în punctul a. Are loc următoarea:

Propoziţie
Fie f:A⊂Rn→R şi a=(a1,...,an)∈A'. Dacă f are limită în “a” şi, în plus, ∃σ∈Sn astfel încât lim σf(x)
x →a

există atunci lim σf(x)= lim f(x).


x →a x →a

Pasul 5 - Continuitatea funcţiilor

Definiţie
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
O aplicaţie f:A⊂R →R se numeşte funcţie continuă în a∈A dacă ∀V∈V(f(a))⇒∃U∈V(a) astfel
n m

încât f(U∩A)⊂V.
Propoziţie
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A. Următoarele afirmaţii sunt echivalente:
1) f este continuă în a;
2) ∀(an)⊂A astfel încât lim an=a⇒lim f(an)=f(a);
3) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A şi d(x,a)<δε⇒ d(f(x),f(a))<ε.
4) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A şi x − a <δε⇒ f ( x ) − f (a ) <ε.
Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie continuă pe A dacă este continuă în orice punct a∈A.
Propoziţie
O aplicaţie f:A⊂Rn→Rm este continuă în a∈A’∩A dacă şi numai dacă are limită în a şi
lim f(x)=f(a).
x →a

Teoremă
Fie o aplicaţie f:Rn→Rm. Următoarele afirmaţii sunt echivalente:
1) f este continuă pe Rn;
2) ∀D-deschisă în Rm⇒f-1(D)-deschisă în Rm;
3) ∀E-închisă în Rm⇒f-1(E)-închisă în Rn.
Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie uniform continuă pe A dacă ∀ε>0⇒∃δε>0 astfel încât
∀x,y∈A şi d(x,y)<δε⇒ d(f(x),f(y))<ε.
Propoziţie
O funcţie f:A⊂Rn→Rm uniform continuă pe A este continuă pe A.
Propoziţie
O funcţie f:A⊂Rn→Rm continuă pe mulţimea compactă A este uniform continuă pe A.
Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie lipschitziană pe A dacă ∃C>0 astfel încât
d(f(x),f(y))≤C⋅d(x,y) ∀x,y∈A.
Propoziţie
O funcţie f:A⊂Rn→Rm lipschitziană pe A este uniform continuă pe A.
Propoziţie
Fie o aplicaţie liniară f:Rn→Rm. Următoarele afirmaţii sunt echivalente:
1) f este continuă pe Rn;
2) f este continuă în 0∈Rn;
3) ∃M>0 astfel încât f ( x ) ≤M x ∀x∈Rn.
Definiţie
O aplicaţie f:A⊂Rn→f(A)⊂Rm se numeşte homeomorfism dacă:
1) f este bijectivă;
2) f este continuă pe A şi f-1 este continuă pe f(A).
3)

LECŢIA 2
DIFERENŢIABILITATEA FUNCŢIILOR

Pasul 1 - Derivabilitatea după o direcţie şi cea parţială a funcţiilor

Vom considera în cele ce urmează funcţii de forma f:D⊂Rn→R, n≥1, D-deschisă,


(x1,...,xn)→f(x1,...,xn). Vom nota generic x=(x1,...,xn)∈ Rn.
v
Fie a∈D şi o dreaptă de parametri directori v=(v1,...,vn)∈Rn: x=a+λv, λ∈R. Avem: x = a + λ v
v
v
şi notând: λ v =α, =w, rezultă: α∈R şi w =1. Putem scrie deci ecuaţia unei drepte sub forma d:
v
x=a+αw, α∈R, w =1. Deoarece a∈D⇒∃V∈V(a)∈Rn astfel încât a∈V⊂D. Vom alege V ca fiind o bilă
deschisă centrată în a. Fie deci r>0 astfel încât B(a,r)⊂D. Fie x∈D. Avem: x − a = a + αw − a = αw =
α ⋅ w = α . Dacă α∈(-r,r) atunci x − a <r deci x∈B(a,r)⊂D. Definim acum funcţia: g:(-r,r)→R,
g(α)=f(a+αw) ∀α∈(-r,r). Din cele de mai sus, rezultă că definiţia este corectă.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Definiţie
Funcţia f se numeşte aplicaţie derivabilă după direcţia w în a∈Rn dacă funcţia
g:(-r,r)→R, g(α)=f(a+αw) este derivabilă în originea 0∈R. Vom numi în acest caz numărul real
df
(a)=g'(0)-derivata după direcţia w în punctul a al lui f.
dw
Pentru n=1 se obţine definiţia clasică a derivatei într-un punct.
În Rn avem câteva direcţii “privilegiate” şi anume cele date de vectorii bazei canonice
e1=(1,0,...,0),... ,en=(0,0,...,1).
Definiţie
Funcţia f se numeşte aplicaţie derivabilă parţial în punctul a, în raport cu variabila xk, 1≤k≤n, dacă
există derivata după direcţia ek adică dacă există:
∂f f (a1 ,..., a k + t,..., a n ) − f (a1 ,..., a k ,..., a n )
(a ) = f 'x k (a ) = lim
∂x k t →0
t
∂f ∂
Numărul real (a ) sau notat uneori ( f )(a ) sau f ' xk (a ) se numeşte derivata parţială a lui f
∂x k ∂x k
în punctul a în raport cu xk.
Definiţie
Vom spune că f este derivabilă parţial în raport cu xk pe D dacă este derivabilă parţial în raport cu xk
în orice punct a∈D.
Definiţie
Vom spune că f este derivabilă parţial pe D dacă este derivabilă parţial în raport cu orice xk k= 1, n în
orice punct a∈D.
Definiţie
Dacă f este derivabilă parţial în fiecare punct x∈V unde V∈V(a), a∈D-fixat şi dacă la rândul lor
∂f
derivatele parţiale , k= 1, n , sunt derivabile parţial în a, vom spune că f este derivabilă parţial de ordinul 2
∂x k
în a. Vom scrie:
∂ ∂f ∂ 2f
( ( ))(a ) = (a ) ∀j,k= 1, n
∂x j ∂x k ∂x j∂x k
∂ 2f
şi vom spune că (a) este derivata parţială de ordinul 2 a lui f în punctul a în raport cu variabilele xj şi
∂x j∂x k
xk. Pentru j=k adoptăm notaţia:
∂ ∂f ∂ 2f
( ( ))(a ) = (a ) ∀k= 1, n
∂x k ∂x k ∂x k
2

Definiţie
Dacă f este derivabilă parţial de ordinul k, k≥1 în fiecare punct x∈V unde V∈V(a), a∈D-fixat şi dacă
∂kf
la rândul lor derivatele parţiale de ordinul k: ∀i1,...,ik∈{1,...,n} sunt derivabile parţial în a, vom
∂x i1 ...∂x ik
spune că f este derivabilă parţial de ordinul (k+1) în a. Vom scrie:
∂ ∂kf ∂ k +1f
( ( ))(a ) = ( )(a )
∂x i ∂x i ...∂x i 1 k
∂x i ∂x i ...∂x i
1 k

În cazul mai multor variabile identice vom adopta notaţia:


∂ n +...+n f
1 k
∂ n +...+n f 1 k

( )(a ) = ( )(a )
∂x i ...∂x i ...∂x i ...∂x i ∂x i ...∂x i
n 1 nk

1424 1
3 1424 1
3 k k 1 k

n1 −ori n k −ori

Teoremă (Schwarz)
Dacă f:D→R, D⊂Rn-deschisă admite derivate parţiale de ordinul 2 într-o vecinătate V a lui a∈D şi
∂ 2f
dacă pentru 1≤i≠j≤n-fixaţi este continuă în a, atunci:
∂x i∂x j
∂ 2f ∂ 2f
(a)= (a)
∂x j∂x i ∂x i∂x j

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Pasul 2 - Diferenţiabilitatea funcţiilor

Definiţie
Fie f:D⊂Rn→Rm, D-deschisă şi a∈D. f se numeşte aplicaţie diferenţiabilă în a dacă ∃T∈L(Rn,Rm)
astfel încât
f(x)=f(a)+T(x-a)+ω(x) x − a ∀x∈D
unde ω:D-{a}→Rm satisface lim ω(x)=0. Dacă f este diferenţiabilă în orice punct din D vom spune că f este
x →a

diferenţiabilă pe D.
Teoremă
Fie o aplicaţie f=(f1,...,fm):D⊂Rn→Rm, D-deschisă şi a∈D. Aplicaţia f este diferenţiabilă în a dacă şi
numai dacă aplicaţiile f1,...,fm sunt diferenţiabile în a. În acest caz:
df(a)=(df1(a),...,dfm(a))
Teoremă
Fie f:D⊂Rn→R, D-deschisă.
1) Dacă f este diferenţiabilă în a∈D atunci f este continuă în a;
2) Dacă f este diferenţiabilă în a∈D atunci ∀w∈Rn, w =1 există derivata după direcţia w în a şi avem
df ∂f
(a)=df(a)(w). În particular, există derivatele parţiale de ordinul I şi avem (a)=df(a)(ek),
dw ∂x k
k= 1, n , unde ek sunt vectorii bazei canonice din Rn;
3) Dacă f∈C1(D) atunci f este diferenţiabilă pe D.
Considerând acum diferenţialele dxi ale variabilelor xi, i=1,...,n după exemplul 3.c, avem:
Teoremă
Fie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct a∈D. Atunci:
n
∂f
df (a ) = ∑ (a )dx i (a )
i =1 ∂x i

Definiţie
Fie o aplicaţie f=(f1,...,fm):D⊂Rn→Rm, D-deschisă şi a∈D. Matricea Jf(a) definită prin:
 ∂f1 ∂f1 
 (a ) L (a ) 
 ∂x 1 ∂x n 
Jf(a)=  L L L 
 ∂f m ∂f m 
 ∂x (a ) L ∂x (a ) 
 1 n

se numeşte matricea jacobiană a lui f în punctul a. Dacă m=n vom numi det(Jf(a)) jacobianul sau
determinantul funcţional al lui f în a. Vom mai nota:
D(f1 ,..., f n )
det(Jf(a))= (a)
D( x1 ,..., x n )
Propoziţie
Fie f:D⊂Rn→R, D-deschisă, diferenţiabilă în a∈D. Atunci ∀w=(w1,...,wn)∈Rn cu w =1 funcţia f
are derivată după direcţia w şi
df ∂f ∂f
(a ) = w 1 (a ) + ... + w n (a )
dw ∂x 1 ∂x n
Definiţie
Vom defini diferenţiala de ordin m a funcţiei f prin egalitatea:
m
 n ∂ 
m
d f =  ∑ dx i  f
 i =1 ∂x i 
unde suma din paranteză se dezvoltă formal cu ajutorul formulei generalizate a
m-nomului şi apoi se aplică derivatele parţiale lui f.
Definiţie
Matricea formei pătratice d2f într-un punct a∈D se numeşte hessiana lui f în a şi avem:
 ∂ 2f ∂ 2f 
 (a ) L (a ) 
 ∂x 2
1
∂ x 1
∂ x n 
Hf(a)=  L L L 
 ∂ f 2
∂ f2

 (a ) L (a ) 
∂x ∂x ∂x n 2

 n 1 

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Definiţie
Fie o aplicaţie f:D⊂Rn→R, D-deschisă, f∈C1(D) şi a∈D. Numim gradientul lui f în a∈D:
 ∂f ∂f 
(grad f)(a)=(∇f)(a)=  (a ),..., (a )  ∈Rn

 1x ∂x n 

LECŢIA 3
SERII NUMERICE. SERII DE FUNCŢII. SERII DE PUTERI.
DEZVOLTAREA ÎN SERIE TAYLOR

Pasul 1 - Serii numerice

În această secţiune vom considera, până la menţiuni contrare, că toate şirurile sunt indexate după N.
Definiţie
n
Fie un şir (an)⊂R şi şirul (Sn)⊂R definit prin Sn= ∑a
i =0
n
, n≥0. Numim serie numerică de termen

general an perechea de şiruri ((an),(Sn)). Vom numi şirul (Sn) şirul sumelor parţiale ale seriei.
Definiţie

O serie ∑a
n =0
n
se numeşte serie convergentă dacă şirul sumelor parţiale (Sn) este convergent. O serie
se numeşte serie divergentă dacă nu este convergentă.
Definiţie
∞ ∞
Dacă seria ∑a
n =0
n
este convergentă numim lim Sn-suma seriei şi o vom nota ∑a
n =0
n
.

Propoziţie
∞ ∞ ∞
Fie o serie ∑ a n şi m∈N, fixat. Considerând şirul bn=am+n ∀n≥0 seriile ∑ a n şi ∑ b n au aceeaşi
n =0 n =0 n =0

natură.
Teoremă (Criteriul general de convergenţă al lui Cauchy)

O serie ∑ a n este convergentă dacă şi numai dacă ∀ε>0⇒∃nε∈N astfel încât:
n =0

an+1+...+an+m<ε ∀n≥nε ∀m≥1


Corolar

Dacă o serie ∑a n =0
n
este convergentă atunci lim an=0.

Propoziţie
∞ ∞
Fie seriile ∑an =0
n
, ∑b
n =0
n
şi α,β∈R*. Atunci:
∞ ∞ ∞
1) Seria ∑ αa
n =0
n
are aceeaşi natură cu seria ∑a
n =0
n
, iar dacă ∑a
n =0
n
este convergentă are loc egalitatea
∞ ∞

∑ αa
n =0
n
=α ∑ a n ;
n =0
∞ ∞ ∞
2) Dacă seriile ∑a
n =0
n şi ∑b
n =0
n
sunt convergente atunci şi ∑ ( αa
n =0
n + β b n ) este convergentă şi are loc
∞ ∞ ∞
egalitatea: ∑ ( αa
n =0
n + β b n ) =α ∑ a n +β ∑ b n .
n =0 n =0

Definiţie
∞ ∞
O serie ∑a
n =0
n
se numeşte serie absolut convergentă dacă seria ∑a
n =0
n
este convergentă. O serie
convergentă care nu este absolut convergentă se numeşte serie semiconvergentă.
Propoziţie

O serie ∑a
n =0
n
absolut convergentă este convergentă.

Definiţie

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

O serie ∑a
n =0
n se numeşte serie necondiţionat convergentă (serie comutativ convergentă) dacă

∀σ:N→N o aplicaţie bijectivă (permutare a mulţimii numerelor naturale) seria ∑a
n =0
σ(n )
este convergentă.

Teoremă (Criteriul I de comparaţie)


∞ ∞
Fie ∑a
n =0
n şi ∑b
n =0
n
două serii cu termeni pozitivi. Dacă an≤bn ∀n≥0 atunci:
∞ ∞ ∞ ∞
1) ∑b
n =0
n
este convergentă⇒ ∑ a n este convergentă şi
n =0
∑a
n =0
n
≤ ∑ bn ;
n =0
∞ ∞
2) ∑a
n =0
n
este divergentă⇒ ∑ b n este divergentă.
n =0

Teoremă (Criteriul II de comparaţie)


∞ ∞
an
Fie ∑a
n =0
n
şi ∑b
n =0
n
două serii cu termeni strict pozitivi. Dacă lim
bn
există şi este nenulă şi finită

atunci seriile au aceeaşi natură.


Teoremă (Criteriul III de comparaţie)
∞ ∞
a n +1 b n +1
Fie ∑a
n =0
n
şi ∑b
n =0
n
două serii cu termeni strict pozitivi. Dacă
an

bn
∀n≥0 atunci:
∞ ∞
1) ∑b
n =0
n este convergentă⇒ ∑ a n este convergentă;
n =0
∞ ∞
2) ∑a
n =0
n
este divergentă⇒ ∑ b n este divergentă.
n =0

Corolar

Fie ∑a
n =0
n
o serie cu termeni strict pozitivi.

a n +1
1) Dacă ∃r∈(0,1) astfel încât ≤ r ∀n≥0 atunci seria este convergentă;
an
a n +1
2) Dacă ∃r∈[1,∞) astfel încât ≥ r ∀n≥0 atunci seria este divergentă.
an
Teoremă (Criteriul raportului al lui D'Alembert)
∞ ∞
Fie ∑a
n =0
n o serie cu termeni nenuli. Dacă L=lim ∑ a n există atunci:
n =0

1) L<1⇒ ∑ a n este absolut convergentă;
n =0

2) L>1⇒ ∑a
n =0
n
este divergentă.

Teoremă (Criteriul radical al lui Cauchy)



Fie ∑a
n =0
n
o serie numerică cu elemente nenule. Dacă L=lim n a n există atunci:

1) L<1⇒ ∑ a n este absolut convergentă;
n =0

2) L>1⇒ ∑a
n =0
n
este divergentă.

Teoremă (Criteriul Raabe-Duhamel)


∞  an 
Fie ∑a o serie numerică cu elemente nenule. Dacă L=lim n  − 1 există atunci:
n
a 
n =0
 n +1 

1) L>1⇒ ∑ a n este absolut convergentă;
n =0

2) L<1 iar seria este numerică cu termeni strict pozitivi⇒ ∑ a n este divergentă.
n =0

Teoremă (Criteriul Abel-Dirichlet)


Fie (an) şi (bn) două şiruri de numere reale având proprietăţile:
1) lim an=0;

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

2) ∑a
n =0
n +1 − a n este convergentă;
n
3) Dacă Sn= ∑ b i atunci M= sup S n <∞.
i=0 n ≥0


În aceste condiţii seria ∑a
n =0
n b n este convergentă.

Teoremă (Leibniz)

Fie (an) un şir de numere reale convergent monoton la 0. Atunci seria alternată ∑ (−1)
n =0
n
a n este
convergentă.

Pasul 2 - Şiruri şi serii de funcţii

Definiţie
Fie D⊂R. Se numeşte şir de funcţii pe D o aplicaţie n∈N→(fn)∈RD.
Definiţie
Fie (fn) un şir de funcţii fn:D⊂R→R, n≥0. Vom spune că (fn) este şir de funcţii punctual
convergent pe D dacă ∀a∈D⇒∃ba∈R astfel încât ∀ε>0⇒ ∃nε,a∈N cu proprietatea că fn(a)-ba<ε ∀n≥nε,a.
Definiţie
Fie (fn) un şir de funcţii fn:D⊂R→R, n≥0. Vom spune că (fn) este şir de funcţii uniform convergent
pe D către o funcţie f:D→R dacă ∀ε>0⇒∃nε∈N cu proprietatea că fn(a)-f(a)<ε ∀n≥nε ∀a∈D.
Propoziţie
Fie (fn) un şir uniform convergent de funcţii continue fn:[a,b]→R. Atunci f=lim fn este continuă pe
[a,b].
Teoremă
Fie (fn) un şir uniform convergent de funcţii continue fn:[a,b]→R. Atunci:
b b

1) lim ∫ f n ( x )dx = ∫ lim f n ( x )dx ;


a a
UC
2) Dacă fn∈C ([a,b]) şi ∃g:[a,b]→R astfel încât fn' → g atunci f=lim fn este derivabilă pe [a,b] şi (lim
1

fn)'=lim f'n.
Definiţie
Fie un şir de funcţii mărginite fn:[a,b]→R, n≥0. Considerând şirul de funcţii (Sn) unde
n
Sn(x)= ∑ f k ( x ) ∀x∈[a,b], n≥0 perechea de şiruri de funcţii ((fn),(Sn)) se numeşte serie de funcţii pe [a,b].
k =0

Vom numi (Sn) şir al sumelor parţiale ale seriei de funcţii. Vom nota o serie de funcţii simbolic: ∑f
n =0
n
.

Definiţie

Fie o serie de funcţii ∑f
n =0
n
. Numim mulţime de convergenţă a seriei mulţimea

C={x∈[a,b] ∑ f n ( x ) este convergentă}.
n =0

Definiţie

Considerând mulţimea de convergenţă C putem defini funcţia f:C→R, f(x)= ∑ f n ( x ) . Funcţia f se
n =0

numeşte suma seriei de funcţii iar ∑ f n se numeşte serie punctual convergentă pe C. Dacă în plus şirul
n =0

sumelor parţiale (Sn) converge uniform la f pe C spunem că ∑ f n este serie uniform convergentă pe C.
n =0

Teoremă

Fie ∑ f n o serie uniform convergentă pe [a,b] de funcţii continue şi f suma seriei. Atunci:
n =0

1) f este continuă pe [a,b];


 ∞  ∞ b
b

2) ∫  ∑ f n ( x ) dx = ∑ ∫ f n ( x )dx ;
a  n=0  n =0 a

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

3) Dacă fn∈C1([a,b]), n≥0 iar ∑f n=0
n ' este uniform convergentă pe [a,b] atunci f este derivabilă pe [a,b] şi

 ∞  ∞
 ∑ f n ' = ∑ f n ' .
 n=0  n =0
Teoremă (Weierstrass)
∞ ∞
Fie o serie de funcţii ∑f n =0
n
şi o serie numerică convergentă ∑a
n =0
n
astfel încât fn(x)≤an ∀x∈[a,b]

∀n≥1. Atunci seria ∑f
n =0
n
este uniform convergentă pe [a,b].

Pasul 3 - Serii de puteri

Definiţie

Fie (an)⊂R. Se numeşte serie de puteri centrată în x0 ∈R seria de funcţii ∑a
n =0
n ( x − x 0 ) n . Numerele

reale an se numesc coeficienţii seriei de puteri. Dacă x0=0 vom spune că seria ∑a
n =0
n
x n este centrată în
origine.
Lemă (Abel)

Fie seria de puteri ∑a
n =0
n x n şi r∈R* astfel încât şirul (anrn) este mărginit. Atunci:

1) ∀x∈(-r,r) seria ∑a
n =0
n x n este absolut convergentă;

2) ∀0<r'<r seria ∑a
n =0
n x n este uniform convergentă pe intervalul compact [-r',r'].

Definiţie

Fie ∑a
n =0
n x n o serie de puteri. Numărul real

R=sup{r ∈R+(anrn) este mărginit}


se numeşte raza de convergenţă a seriei.
Teoremă

Fie ∑a
n =0
n x n o serie de puteri şi R raza sa de convergenţă. Atunci:

1) Dacă R∈(0,∞) atunci seria ∑a
n =0
n x n este absolut convergentă ∀x∈(-R,R) şi divergentă pentru x∈(-

∞,R)∪(R,∞). Seria este uniform convergentă pe orice interval [-r,r],0<r<R;



2) Dacă R=0 atunci seria ∑a
n =0
n x n este convergentă (absolut) numai pentru x=0;

3) Dacă R=∞ atunci seria ∑a
n =0
n
x n este absolut convergentă pe R. Seria este uniform convergentă pe

orice interval [-r,r],r>0.

Teoremă (Cauchy-Hadamard)

Fie seria de puteri ∑a
n =0
n x n . Atunci:

1
R=
limn a n
1 1
unde vom considera = 0 şi = ∞ .
∞ 0
Teoremă

Fie ∑a
n =0
n xn o serie de puteri cu raza de convergenţă R şi fie

f:(-R,R)→R, f(x)= ∑ a n x n ∀x∈(-R,R). Atunci:
n =0

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

1) Seria ∑ na
n =1
n x n −1 are raza de convergenţă R;
2) f este indefinit derivabilă pe (-R,R);

3) f'(x)= ∑ na n x n −1 ∀x∈(-R,R);
n =1
b ∞
an n
4) ∀a,b∈(-R,R)⇒ ∫ f ( x )dx = ∑ x .
a n =0 n + 1

Pasul 4 - Dezvoltarea în serie Taylor

Definiţie
Fie f:(a,b)→R, derivabilă de ordinul n+1, n≥1 pe (a,b). Numim polinomul Taylor de grad n asociat
funcţiei f în punctul x0:
f ' (x 0 ) f (n ) (x 0 )
Tn= f ( x 0 ) + (X − x 0 ) + ... + (X − x 0 ) n
1! n!
Observaţie
Definind restul de ordin n ca fiind Rn(x)=f(x)-Tn(x) ∀x∈(a,b) avem f(x)=Tn(x)+Rn(x) ∀x∈(a,b) sau
detaliat:
f ' (x 0 ) f (n ) (x 0 )
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + ( x − x 0 ) n +Rn(x) ∀x∈(a,b)
1! n!
numită formula lui Taylor de ordinul n.
Fie I=[x,x0] dacă x<x0 şi I=[x0,x] dacă x0<x. Fie funcţia h:I→R definită prin:
n
f (k ) (t ) ( x − t ) n +1  n
f (k ) (t ) 
h( t ) = ∑ (x − t ) k + 
n +1 
f ( x ) − ∑ ( x − x 0 ) k 
k =0 k! (x − x 0 )  k =0 k! 
Avem acum h(x0)=h(x)=f(x). Din faptul că f este derivabilă de ordinul n+1 pe (a,b)⊃I rezultă că h
o o
este derivabilă pe I şi continuă pe I. Aplicând teorema lui Rolle rezultă că ∃ξ∈ I (deci x<ξ<x0 sau x0<ξ<x)
astfel încât h’(ξ)=0. Calculând h' rezultă:
f ( n +1) (ξ)
Rn(x)= ( x − x 0 ) n +1 -restul lui Lagrange
(n + 1)!
iar formula lui Taylor cu restul lui Lagrange este:
f ' (x 0 ) f (n ) (x 0 ) f ( n +1) (ξ)
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + (x − x 0 )n + ( x − x 0 ) n +1
1! n! (n + 1)!
∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)).
Se pot determina şi alte variante ale restului Rn având astfel:
f ( n +1) (ξ)
Rn(x)= ( x − x 0 ) p ( x − ξ) n − p +1 ,p≥1-restul lui Schlömlich
n!p
de indice p iar formula lui Taylor cu restul lui Schlömlich este:
f ' (x 0 ) f (n ) (x 0 ) f ( n +1) (ξ)
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + (x − x 0 )n + ( x − x 0 ) p ( x − ξ) n − p + 1
1! n! n!p
∀p≥1 ∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)).
Se observă că pentru p=n+1 se obţine restul lui Lagrange. De asemenea, pentru p=1 în formula
restului lui Schlömlich avem:
f ( n +1) (ξ)
Rn(x)= ( x − x 0 )( x − ξ) n -restul lui Cauchy
n!
iar formula lui Taylor cu restul lui Cauchy este:
f ' (x 0 ) f (n ) (x 0 ) f ( n +1) (ξ)
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + (x − x 0 )n + ( x − x 0 )( x − ξ) n
1! n! n!
∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)).
Dacă 0∈(a,b) atunci din formula lui Taylor cu restul lui Lagrange aplicată în x0=0 avem formula lui
Mac Laurin:
f ' (0) f " (0 ) 2 f ( n ) (0) n f ( n +1) (ξ) n +1
f ( x ) = f (0) + x+ x + ... + x + x
1! 2! n! ( n + 1)!
∀x∈(a,b), ξ∈(0,x) (sau (x,0)).
Teoremă (Formula lui Taylor)

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie x0∈R şi r>0. Fie de asemenea o funcţie f:B(x0,r)→R, derivabilă de n+1-ori pe B(x0,r). Atunci
n

∀x∈ B(x0,r)⇒∃α∈(0,1) astfel încât:


m ∂f 1 m ∂ 2f
f ( x ) = f ( x 0 ) + ∑ i (x 0 )(x i − x i0 ) + ∑ i j (x 0 )(x i − x i0 )(x j − x 0j ) + ...
i =1 ∂x 2 i, j=1 ∂x ∂x
1 m ∂ nf
+ ∑ ( x 0 )(x − x 0 )...( x i − x i0 ) +
1 i 1 i n n

n! i ,...,i =1 ∂x i ...∂x i
1 n
1 n

1 m ∂ n +1f
∑ ((1 − α) x 0 + αx )(x i − x i0 )...(x i − x i0 )
1 1 n +1 n +1

(n + 1)! i ,...,i =1 ∂x ...∂x i


1 n +1
i
1 n +1

∀x=(x1,...,xm)∈B(x0,r)⊂Rm iar x0=(x01,...,x0m)∈Rm, α∈(0,1).


Teoremă (de dezvoltare în serie Taylor)
Fie f:(a,b)→R, f∈C∞((a,b)) astfel încât ∃M>0 cu f(n)(x)≤M ∀n∈N ∀x∈(a,b). Seria Taylor:

f (n ) (x 0 )

n =0 n!
(x − x 0 ) n

asociată lui f într-un punct x0∈(a,b) este uniform convergentă pe orice interval compact din (a,b) şi

f (n) (x 0 )
f(x)= ∑ ( x − x 0 ) n ∀x∈(a,b)
n =0 n!

LECŢIA 4
EXTREMELE FUNCŢIILOR

Pasul 1 - Extreme locale

Definiţie
Fie D⊂Rn, deschisă şi f:D⊂Rn→R. Se numeşte punct de maxim local (punct de minim local) un
punct a ∈D astfel încât ∃V∈V(a) cu proprietatea că f(x)≤f(a) (f(x)≥f(a)) ∀x∈V∩D. f(a)∈R se numeşte maxim
local (minim local) al funcţiei f.
Definiţie
Fie D⊂Rn, deschisă şi o funcţie f:D⊂Rn→R. Numim punct de maxim (punct de minim) un punct
a∈D astfel încât f(x)≤f(a) (f(x)≥f(a)) ∀x∈D. f(a)∈R se numeşte maxim (minim) al funcţiei f.
Observaţie
Vom spune, atunci când nu ne interesează explicit natura unui punct din definiţia 3, că “a” este
punct de extrem (global) iar f(a)-extrem (global).
Observaţie
Un punct de maxim local (global) al funcţiei f este punct de minim local (global) pentru funcţia -f.
Un punct de minim local (global) al funcţiei f este punct de maxim local (global) pentru funcţia –f (fig.126).
Definiţie
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct a∈D. Spunem că “a” este un
punct critic (punct staţionar) al lui f dacă df(a)=0.
Teoremă (Fermat)
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct de extrem local a∈D al lui f.
Atunci df(a)=0 (a este punct critic al lui f).
Corolar
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct de extrem local a∈D al lui f.
∂f
Atunci (a)=0,i=1,...,n.
∂x i
Teoremă
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă de ordinul 2 într-un punct critic a∈D al lui f.
Punctul “a” este un maxim local dacă forma pătratică d2f(a) este negativ definită. Punctul “a” este un minim
local dacă forma pătratică d2f(a) este pozitiv definită.

Pasul 2 - Funcţii implicite

Teoremă (a funcţiilor implicite, Goursat)


Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie o funcţie f=(f1,...,fn):D⊂R →R ,
m+n n
D-deschisă, n≥1, m≥0,
(x1,...,xm,y1,...,yn)→(f1(x1,...,xm,y1,...,yn),...,fn(x1,...,xm,y1,...,yn)) şi
c=(a1,...,am,b1,...,bn)∈D Dacă: f(c)=0; fi∈C1(D), i= 1, n ;
D(f1 ,..., f n )
(c)≠0 atunci:
D( y1 ,..., y n )
∃W=U×V∈V(c) astfel încât U⊂Rm,V⊂Rn şi ϕ=(ϕ1,...,ϕn):U→V astfel încât bi=ϕi(a1,...,am), i= 1, n iar
fk(x1,...,xm,ϕ1(x1,...,xm),...,ϕn(x1,..., xm))=0, k= 1, n , ∀(x1,...,xm)∈U; ϕk∈C1(U),k= 1, n , iar:
D(f1 ,..., f n )
∂ϕ k D( y1 ,..., y k −1 , x i , y k +1 ,..., y n )
=− , k= 1, n ,i= 1, m ;
∂x i D(f1 ,..., f n )
D( y1 ,..., y n )
Dacă funcţiile fi∈Cs(D), i= 1, n , s≥1 atunci şi funcţiile ϕi∈Cs(U), i= 1, n .
Corolar
Fie o funcţie f=(f1,...,fn):D⊂Rn→Rn, D-deschisă, n≥1 şi a=(a1,...,an)∈D. Dacă: fi∈C1(D), i= 1, n şi
D(f1 ,..., f n )
(a)≠0 (f este transformare regulată) atunci:
D( x 1 ,..., x n )
1) ∃U∈V(a) astfel încât fU:U→f(U) este bijectivă;
2) Considerând aplicaţia inversă f-1:f(U)→U avem f-1k∈C1(f(U)), k= 1, n , iar:
D(f1−1 ,..., f n−1 ) 1
(f (a )) =
D( y1 ,..., y n ) D ( f 1 ,..., fn )
(a )
D( x 1 ,..., x n )
Definiţie
Fie funcţiile fi:D⊂Rn→R, D-deschisă, i=1,...,m, m,n≥1. Spunem că funcţiile fi, i=1,...,m sunt în
dependenţă funcţională (sau că sunt dependente funcţional) dacă ∃Φ:E⊂Rm→R astfel încât
Φ(f1(x1,...,xn),...,fm(x1,...,xn))=0 ∀(x1,...,xn)∈D. Funcţiile fi, i=1,...,m sunt în independenţă funcţională (sau
independente funcţional) dacă nu sunt dependente funcţional.
Teoremă
Fie funcţiile fi:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,...,m, 1≤m≤n. Funcţiile fi, i=1,...,m sunt
dependente funcţional dacă şi numai dacă diferenţialele dfi, i=1,...,m sunt liniar dependente în spaţiul
vectorial L(Rn,R).
Corolar
Fie funcţiile fi:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,..., m, 1≤m≤n. Funcţiile fi, i=1,...,m sunt
independente funcţional dacă şi numai dacă diferenţialele dfi, i=1,...,m sunt liniar independente în spaţiul
vectorial L(Rn,R).
Corolar
Fie funcţiile fi:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,..., m, 1≤m≤ n. Funcţiile fi, i=1,...,m sunt
independente funcţional dacă şi numai dacă rangul matricei jacobiene a funcţiilor fi, i=1,...,m este m.
Teoremă (Lagrange)
Fie o funcţie f:D⊂Rn+m→R, D-deschisă, m,n≥1 şi legăturile gk:D→R, gk(x1,...,xn,y1,..., ym)=0,
k=1,...,m, diferenţiabile pe D. Dacă un punct (a1,...,an,b1,...,bm)∈D este un punct de extrem local astfel încât
D(g1 ,..., g m )
gk(a1,...,an,b1,...,bm)=0, k=1,...,m şi dacă (a1,...,an,b1,...,bm)≠0 atunci există λ1,...,λm∈R şi funcţia
D( y1 ,..., y m )
∂Φ ∂Φ
Φ:D→R, Φ=f+λ1g1+...+λmgm astfel încât (a1,...,an,b1,...,bm)=0, i=1,...,n, (a1,...,an,b1,...,bm)=0,
∂x i ∂y j
j=1,...,m.
Observaţie
Metoda expusă mai sus se numeşte metoda multiplicatorilor lui Lagrange iar numerele λi,
i=1,...,m se numesc multiplicatorii lui Lagrange.

LECŢIA 5
INTEGRAREA FUNCŢIILOR

Pasul 1 - Integrala Riemann-Stieltjes

Definiţii
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie f:[a,b]→R şi ∆=(t0,t1,...,tn) o diviziune a intervalului [a,b] (a=t0<t1<...<tn-1<tn=b). Notăm
∆ =max{tk-tk-1}k=1,...,n şi numim norma diviziunii ∆. Numim variaţia lui f pe ∆ numărul
n
V(f,∆)= ∑ f ( t k ) − f ( t k −1 ) . Fie Div mulţimea diviziunilor intervalului [a,b]. Numărul
k =1

V(f)=V(f,[a,b])=sup∆∈DivV(f,∆) se numeşte variaţia totală a lui f pe [a,b]. Dacă numărul V(f) este finit atunci
f se numeşte funcţie cu variaţie mărginită.
Teoremă Fie f,g:[a,b]→R.
1) Dacă f este monotonă atunci ea este cu variaţie mărginită şi V(f,[a,b])=f(b)-f(a);
2) Dacă f este cu variaţie mărginită pe [a,b] iar [c,d]⊂[a,b] rezultă că f este cu variaţie mărginită pe [c,d]
şi V(f,[c,d])≤V(f,[a,b]);
3) Dacă f este cu variaţie mărginită pe [a,b] iar a≤c≤b rezultă V(f,[a,b])= V(f,[a,c])+V(f,[c,b]);
4) Dacă f şi g sunt cu variaţie mărginită atunci af+bg este cu variaţie mărginită ∀a,b∈R;
5) (Teorema de structură a lui Jordan) Aplicaţia f este cu variaţie mărginită dacă şi numai dacă
∃ϕ,ψ:[a,b]→R, crescătoare astfel încât f=ϕ-ψ. Mai mult, aplicaţiile ϕ şi ψ pot fi considerate pozitive.
6) Dacă f şi g sunt cu variaţie mărginită atunci fg este cu variaţie mărginită;
7) O funcţie f cu variaţie mărginită pe [a,b] este mărginită pe [a,b] (dar nu şi reciproc) şi este integrabilă
Riemann;
8) O funcţie lipschitziană pe [a,b] este cu variaţie mărginită pe [a,b];
9) O funcţie derivabilă cu derivata mărginită pe [a,b] este cu variaţie mărginită pe [a,b];
10) Dacă f este derivabilă cu derivata integrabilă pe [a,b] atunci
b

V(f,[a,b])= ∫ f ' ( x ) dx
a

Definiţie
Fie acum f,g:[a,b]→R. Considerăm diviziunea ∆=(t0,t1,...,tn) a lui [a,b] şi punctele ξi∈[ti-1,ti], i=1,...,n.
Fie suma σ(f,g,∆)= ∑ f (ξ i )(g ( t i ) − g ( t i −1 ) ) . Dacă ∃ I∈R astfel încât ∀ε>0⇒∃η>0 astfel încât ∆ <η şi ∀ξi în
n

i =1

∆⇒σ(f,g,∆)-I<ε spunem că f este funcţie integrabilă Riemann-Stieltjes (vom spune pe scurt RS-
integrabilă) în raport cu g şi notăm
b

I = ∫ fdg
a

Teoremă
Fie f,g:[a,b]→R. Atunci:
1) Dacă f este continuă şi g este cu variaţie mărginită atunci f este RS-integrabilă în raport cu g şi avem:
b

 ∫ fdg ≤supf(x)V(g,[a,b]);
a

2) Dacă f este RS-integrabilă cu g atunci şi g este RS-integrabilă cu f şi are loc formula de integrare
prin părţi:
b b
b
∫a fdg + ∫a gdf = fg a = f (b)g(b) − f (a )g(a ) ;
3) Dacă f1 şi f2 sunt RS-integrabile cu g şi a,b∈R atunci af1+bf2 este RS-integrabilă cu g şi avem:
b b b

∫ af1 + bf 2 dg = a ∫ f1dg + b ∫ f 2 dg ;
a a a

4) Dacă f este RS-integrabilă cu g1 şi g2 şi a,b∈R atunci f este RS-integrabilă cu ag1+bg2 şi avem


b b b

∫ fd(ag 1 + bg 2 ) = a ∫ fdg1 + b ∫ fdg 2 ;


a a a

5) Dacă f este continuă şi g derivabilă cu derivata continuă pe [a,b] atunci f este RS-integrabilă cu g şi
b b

∫ fdg = ∫ fg' dt
a a
(reducerea integralei Riemann-Stieltjes la integrala Riemann);

6) Dacă f este RS-integrabilă pe [a,b] atunci f este RS-integrabilă pe ∀[c,d]⊂[a,b];


7) Dacă a<c<b şi f este RS-integrabilă cu g pe [a,c] şi [c,b] atunci f este
RS-integrabilă cu g pe [a,b] şi
b c b

∫ fdg = ∫ fdg + ∫ fdg ;


a a c

8) Dacă f este RS-integrabilă cu g pe [a,b] iar h:[c,d]→[a,b] este un homeomorfism crescător (deci
h(c)=a, h(d)=b) atunci f°h este RS-integrabilă cu g°h pe [c,d] şi

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
b d

∫ fdg = ∫ f o h d(g o h )
a c

Pasul 2 - Integrale improprii

Definiţie
Fie a∈R, b∈ R şi o funcţie f:[a,b)→R, integrabilă pe orice interval compact [α,β]⊂[a,b). Dacă
y
lim ∫ f ( x )dx există şi este finită atunci f se numeşte funcţie integrabilă impropriu pe [a,b) şi vom scrie
y →b
y<b a

b y b
f ( x )dx . Vom mai spune că ∫ f ( x )dx este integrala improprie a lui f pe [a,b) sau că
y→b ∫
∫ f ( x )dx = lim
a y<b a a

∫ f ( x )dx este integrală convergentă pe [a,b).


a

Definiţie
Fie a∈ R , b∈R şi o funcţie f:(a,b]→R, integrabilă pe orice interval compact [α,β]⊂(a,b]. Dacă
b
lim ∫ f ( x )dx există şi este finită atunci f se numeşte funcţie integrabilă impropriu pe (a,b] şi vom scrie
y→a
y >a y

b b b
f ( x )dx . Vom mai spune că ∫ f ( x )dx este integrala improprie a lui f pe (a,b] sau că
y →a ∫
∫ f ( x )dx = lim
a y >a y a

∫ f ( x )dx este integrală convergentă pe (a,b].


a

Definiţie
Fie a,b∈ R şi o funcţie f:(a,b)→R, integrabilă pe orice interval compact [α,β]⊂(a,b). Dacă există
c b
c∈(a,b) astfel încât ∫ f ( x )dx şi ∫ f ( x )dx sunt convergente atunci f se numeşte funcţie integrabilă
a c
b c b b
impropriu pe (a,b) şi vom scrie ∫ f (x )dx = ∫ f (x )dx + ∫ f (x )dx . Vom mai spune că ∫ f (x )dx
a a c a
este integrala
b
improprie a lui f pe (a,b) sau că ∫ f ( x )dx este integrală convergentă pe (a,b).
a

Teoremă (de comparaţie)


Fie f,g:[a,b)→R, integrabile pe orice interval compact [α,β]⊂[a,b). Dacă 0≤f(x)≤g(x) ∀x∈[a,b) iar
b b b b
integrala ∫ g( x )dx este convergentă atunci şi ∫ f ( x )dx este convergentă şi avem ∫ f ( x )dx ≤ ∫ g( x )dx .
a a a a

Propoziţie
Fie f:[a,b)→R, integrabilă pe orice interval compact [α,β]⊂[a,b). Dacă c∈[a,b) atunci integralele
b b

∫ f ( x )dx şi ∫ f ( x )dx au aceeaşi natură.


a c

Teoremă (Criteriul integral al lui Cauchy)


∞ ∞
Fie a≥0 şi f:[a,∞)→[0,∞) descrescătoare. Atunci ∫ f (x )dx şi seria ∑
[ ]
f (n )
n = a +1
(unde [a] reprezintă
a

partea întreagă a lui a∈R+) au aceeaşi natură.


Propoziţie
Fie a>0. Atunci:

dx
1) ∫ α este convergentă pentru α>1 şi divergentă pentru α≤1;
a x
a
dx
2) ∫ α este convergentă pentru α<1 şi divergentă pentru α≥1.
0 x

Pasul 3 - Integrala curbilinie

Definiţii

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
O aplicaţie continuă γ=(γ1,...,γn):[a,b]⊂R→R se numeşte drum în R . Elementul γ(a)∈Rn se
n n

numeşte capătul iniţial al drumului (originea drumului) iar γ(b)∈Rn se numeşte capătul final al drumului
(extremitatea drumului). Un drum pentru care γ(a)=γ(b) se numeşte drum închis. Un drum γ=(γ1,...,γn)
pentru care aplicaţiile γi∈C1([a,b]), i=1,...,n şi (γ'1(t))2+...+(γ'n(t))2≠0 ∀t∈[a,b] se numeşte drum neted. Un
drum neted pentru care aplicaţia γ este injectivă se numeşte drum simplu (drum jordanian).

Definiţie
Două drumuri netede γ1:[a,b]→Rn şi γ2:[c,d]→Rn se numesc drumuri echivalente şi vom scrie γ1∼γ2
dacă ∃h:[a,b]→[c,d], bijectivă, strict crescătoare şi h∈C1([a,b]) astfel încât γ1=γ2°h.
Definiţie
Numim curbă o clasă de echivalenţă de drumuri.
Definiţie
Fie γ şi γ':[0,1]→Rn două drumuri pentru care γ(1)=γ'(0). Definim compunerea lor, notată γ∪γ', ca
fiind drumul:
  1
 γ (2t ) daca t ∈ 0, 2 ;
(γ∪γ')(t)=   
γ ' (2t − 1) daca t ∈ ,1
 1
 2 
 
Definiţie
Fie un drum γ:[0,1]→Rn. Definim drumul opus lui γ ca fiind drumul
γ :[0,1]→Rn, γ-(t)=γ(1-t) ∀t∈[0,1].
-

Definiţie
Fie un drum γ:[0,1]→Rn. Mulţimea Supp(γ)=Im γ={γ(t)t∈[0,1]} se numeşte suportul drumului γ.
Definiţie
Fie γ:[a,b]⊂R→Rn un drum simplu din Rn şi f:D⊂Rn→R, o funcţie continuă pe Supp(γ)⊂D. Definim
integrala curbilinie a lui f pe drumul γ prin:
b

∫ f = ∫ f (γ (t ),..., γ
γ 1 n ( t )) (γ ' 1 ( t ) ) + ... + (γ ' n ( t ) ) dt
2 2

Teoremă
Fie a,b,c∈Rn, γ∈D(a,b),γ‘∈D(b,c) drumuri simple, f,g:D⊂Rn→R continue pe Supp(γ)∪Supp(γ‘) şi
α,β∈R. Avem următoarele proprietăţi:
1) ∫ αf + β g =α ∫ f +β ∫ g ;
γ γ γ

2) ∫ f = ∫ f + ∫ f;
γ∪γ ' γ γ'

3) Fie γi, i=1,...,n drumuri astfel încât f este continuă pe Supp(γ1)∪...∪Supp(γn).


n n
Daca γ = U γi atunci ∫ f = ∑ ∫ f .
i =1 γ i =1
γ i

Pasul 4 - Funcţiile lui Euler

Teoremă
Fie p,q>0. Integrala improprie
1

B(p, q ) = ∫ x p −1 (1 − x ) q −1 dx
0

este convergentă iar funcţia B:(0,∞)2→R definită mai sus se numeşte funcţia Beta sau integrala euleriană
de prima speţă.
Teoremă
Fie x>0. Integrala improprie

Γ( x ) = ∫ t x −1e − t dt
0

este convergentă iar funcţia Γ:(0,∞)→R se numeşte funcţia Gamma sau integrala euleriană de speţa a
doua.
Propoziţie
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Funcţia Γ are proprietăţile:
1) Γ(x+1)=xΓ(x) ∀x>0 (formula de recurenţă a funcţiei Gamma);
2) Γ(x+n)=x(x+1)...(x+n-1)Γ(x) ∀x>0;
3) Γ(1)=1;
4) Γ(n+1)=n! ∀n∈N.
Propoziţie
Funcţia B are următoarele proprietăţi:
1) B(p,q)=B(q,p);
π
2
2) B(p, q ) = 2 ∫ sin 2 p −1 θ cos 2 q −1 θdθ ;
0

3) pB(p,q+1)=qB(p+1,q)
unde p,q>0.
Teoremă
Are loc următoarea egalitate:
Γ ( p )Γ (q )
B(p, q ) = , p, q > 0
Γ(p + q )
Propoziţie
Funcţia Gamma are următoarele proprietăţi:
1
1) Γ  = π ;
2
 1  1 ⋅ 3 ⋅ 5 ⋅ ... ⋅ (2n − 1)
2) Γ n +  = π;
 2 2n
 1 π
3) Γ( x )Γ x +  = 2 x −1 Γ(2 x ) ∀x>0 (formula lui Legendre);
 2 2
π
4) Γ( x )Γ(1 − x ) = ∀x∈(0,1) (formula complementelor).
sin πx

Pasul 5 - Integrale multiple

Definiţie
Fie D⊂Rn, n=1,2,3 şi d distanţa determinată de norma euclidiană ⋅2. Se numeşte diametrul lui D
numărul: diam(D)=sup{d(x,y)x,y∈ D} dacă D este mărginită şi diam(D)=∞ dacă D nu este mărginită.
Definiţie
Fie o mulţime compactă D⊂Rn, n=1,2,3. Se numeşte descompunere a lui D o partiţie cu interioare
disjuncte D=D1∪...∪Dm, m≥1, unde Di, i=1,...,m sunt compacte. Vom scrie succint ∆=(D1,...,Dm). Numim
norma descompunerii ∆ ca fiind maximul diametrelor Diam(Di), i=1,...,m şi o vom nota ∆.
Definiţie
Fie f:D⊂Rn→R, n=1,2,3, D-compactă. Fie de asemenea o descompunere ∆=(D1,...,Dm) a lui D şi
m
punctele (ξi1,...,ξin)∈Di, i=1,...,m. Suma σ(f,ξi1,...,ξin)= ∑ f (ξ1i ,..., ξ in ) m(Di) unde m(Di)=lungimea(Di) dacă
i =1

n=1, m(Di)= aria(Di) dacă n=2 şi m(Di)= volumul (Di) dacă n=3 se numeşte sumă Riemann asociată funcţiei
f, descompunerii ∆ şi punctelor intermediare (ξi1,...,ξin), i=1,...,m.
Definiţie
Fie f:D⊂Rn→R, n=1,2,3, D-compactă. Dacă există I∈R astfel încât ∀ε>0⇒∃δε>0 astfel încât oricare
ar fi o descompunere ∆=(D1,...,Dm) a lui D cu ∆<δε⇒σ(f,ξi1,...,ξin)-I<ε ∀(ξi1,...,ξin)∈Di vom spune că f
este integrabilă Riemann pe D iar I se numeşte integrala Riemann a funcţiei f pe D. Vom nota: I= ∫ f ( x )dx
D

dacă n=1 – integrala Riemann deja cunoscută, I= ∫∫ f ( x , y)dxdy dacă n=2 – numită integrală dublă şi
D

I= ∫∫∫ f ( x , y, z)dxdydz dacă n=3 – numită integrală triplă.


D

Vom prezenta în continuare câteva proprietăţi ale integralelor duble şi a celor triple.
Teoremă
1) Fie funcţiile continue ϕ,ψ:[a,b]→R, ϕ≤ψ şi D={(x,y)∈R2ϕ(x)≤y≤ψ(x),a≤x≤b}. Dacă f:D→R este
continuă pe D atunci:

b ψ(x)

∫∫D f ( x, y)dxdy = ∫a  ϕ∫( x f) (x, y)dy dx
 
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
2) Fie funcţiile continue ϕ,ψ:[a,b]→R, ϕ≤ψ şi D={(x,y)∈R ϕ(y)≤x≤ψ(y),a≤y≤b}. Dacă f:D→R este
2

continuă pe D atunci:

b ψ( y)

∫∫D f ( x, y)dxdy = ∫a  ϕ∫( y f) ( x, y)dx dy
 
Teoremă
Fie funcţiile continue ϕ,ψ:[a,b]→R, ϕ≤ψ, domeniul D'={(x,y)∈R2ϕ(y)≤x≤ψ(y), a≤y≤b} şi funcţiile
continue α,β:D'→R, α≤β. Fie de asemenea D={(x,y,z)∈R3 α(x,y)≤z≤β(x,y),ϕ(x)≤y≤ψ(x), a≤x≤b}. Dacă
f:D→R este continuă pe D atunci:
b  ψ ( x ) β( x ,y )
  
∫∫∫ f ( x , y, z)dxdydz = ∫  ∫  ∫ f ( x , y, z)dz dy dx

a  ϕ ( x )  α ( x ,y )

D  
Teoremă (de schimbare de variabilă în integrala dublă)
Fie în R2 un domeniu compact D, cu frontiera o curbă simplă, închisă şi cu tangentă continuă. Dacă
T:D→R , T(u,v)=(ϕ(u,v),ψ(u,v)) este o transformare regulată (având jacobianul nenul pe D) şi ϕ,ψ∈C2(D)
2

atunci:
D(ϕ, ψ)
∫∫ f ( x, y)dxdy = ∫∫ f (ϕ(u , v), ψ (u , v)) dudv
T(D) D D( u , v )
Teoremă (de schimbare de variabilă în integrala triplă)
Fie în R3 un domeniu compact D, cu frontiera o suprafaţă simplă, închisă şi cu plan tangent continuu.
Dacă T:D→R3, T(u,v,w)=(ϕ(u,v,w),ψ(u,v,w),χ(u,v,w)) este o transformare regulată (având jacobianul nenul
pe D) şi ϕ,ψ,χ∈C 2(D) atunci:
D(ϕ, ψ, χ)
∫∫∫f (x, y, z)dxdydz= ∫∫∫f (ϕ(u, v, w),ψ(u, v, w),χ(u, v, w)) D(u, v, w) dudvdw
T ( D) D

Teoremă (Fubini, pentru n=2)


Fie în R2 domeniul D={(x,y)∈ R2a≤x≤c, b≤y≤d} şi f:D→R, continuă pe D. Atunci:
c
d  d
c 
∫∫D f ( x, y)dxdy = ∫a  ∫b f (x, y)dy dx = ∫b  ∫a f (x, y)dx dy
Teoremă (Fubini, pentru n=3)
Fie în R3 domeniul D={(x,y,z)∈R3a≤x≤c, b≤y≤d,g≤z≤h} şi f:D→R, continuă pe D. Atunci:
bd h
    
  f (x, y, z)dzdydx = ... =   f (x, y, z)dxdydz
h d b

∫∫∫f ( x, y, z) dxdydz = ∫ ∫ ∫   ∫ ∫∫  



a cg gca  
D  
Teoremă (Green-Riemann)
Fie D⊂R2 un domeniu compact, simplu în raport cu axele de coordonate, P,Q:D→R, continue pe D
∂P ∂Q
iar şi există şi sunt continue pe D. Atunci:
∂y ∂x
 ∂Q ∂P 
∫ P(x, y)dx + Q(x, y)dy = ∫∫  ∂x
∂D D 
− dxdy
∂y 
unde ∫ P( x , y)dx + Q( x , y)dy este integrala formei diferenţiale P(x,y)dx+Q(x,y)dy pe drumul ∂D parcurs
∂D

astfel încât interiorul acestuia să fie la stânga.

REZUMAT
Noţiunile de mulţime deschisă şi mulţime închisă sunt fundamentale în construcţia obiectelor
specifice analizei matematice. De asemenea, punctul de acumulare este fundamental în definirea limitei unei
funcţii, iar ulterior în definiţia diferenţiabilităţii acesteia. Noţiunile de derivată după o direcţie şi cea
particulară a derivatei parţiale aduc conceptul de “viteză” a unui proces, de multe ori mai importantă decât
procesul în sine.
Seriile numerice reprezintă o extensie a sumelor finite, aplicabile în calcule iterative de dimensiuni
mari. De asemenea, seriile de funcţii şi cele de puteri în special, permit “simularea” unei funcţii printr-un
“polinom de grad infinit” ceea ce înlesneşte ulterior calculul unor mărimi, de multe ori dificile, cum ar fi
diferenţialele sau integralele.
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Extremele funcţiilor îşi găsesc o aplicare firească la optimizarea proceselor economice general,e ce
nu permit, de exemplu, aplicarea unor algoritmi specifici (vezi mai târziu algoritmul Simplex).

CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la noţiunile de mulţime deschisă, închisă,
punct de acumulare, mulţime compactă sau conexă, derivată după o direcţie, derivată parţială, serie numerică
sau de puteri şi modul de determinare a extremelor funcţiilor.
EXEMPLE ILUSTRATIVE
1. Să se calculeze derivatele parţiale de ordinul I şi II pentru funcţia f:R3→R, f(x,y,z)=x2+exy+xyz4 în punctul
(x,y,z)∈R3, verificându-se criteriul lui Schwarz pe acest exemplu concret.
Soluţie Avem:
∂f ∂f ∂f
• =2x+yexy+yz4, =xexy+xz4, =4xyz3;
∂x ∂y ∂z
∂ 2f ∂ ∂f ∂
• = ( )= (2x+yexy+yz4)=2+y2exy;
∂x 2
∂x ∂x ∂x
∂ 2f ∂ ∂f ∂
• = ( )= (xexy+xz4)=(xy+1)exy+z4;
∂x∂y ∂x ∂y ∂x
∂ 2f ∂ ∂f ∂
• = ( )= (2x+yexy+yz4)=(xy+1)exy+z4;
∂y∂x ∂y ∂x ∂y
∂ 2f ∂ ∂f ∂
• = ( )= (4xyz3)=4yz3;
∂x∂z ∂x ∂z ∂x
∂ 2f ∂ ∂f ∂
• = ( )= (2x+yexy+yz4)=4yz3;
∂z∂x ∂z ∂x ∂z
∂ 2f ∂ ∂f ∂
• = ( )= (xexy+xz4)=x2exy;
∂y 2
∂y ∂y ∂y
∂ 2f ∂ ∂f ∂
• = ( )= (4xyz3)=4xz3;
∂y∂z ∂y ∂z ∂y
∂ 2f ∂ ∂f ∂
• = ( )= (xexy+xz4)=4xz3;
∂z∂y ∂z ∂y ∂z
∂ 2f ∂ ∂f ∂
• = ( )= (4xyz3)=12xyz2.
∂z 2 ∂z ∂z ∂z
2. Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=4xy+exz-5zex în punctul (1,1,1).
∂f ∂f ∂f
Soluţie Avem: df(1,1,1)= (1,1,1)dx+ (1,1,1)dy+ (1,1,1)dz=(4-4e)dx+4dy-4edz.
∂x ∂y ∂z
3. Fie funcţia f:R3→R, f(x,y,z)=x2+y2-z2+2xy-3xz. Să se calculeze d2f.
∂ 2f ∂ 2f ∂ 2f ∂ 2f ∂ 2f ∂ 2f 2
Soluţie Avem: d2f= 2 dx2+2 dxdy+2 dxdz+ 2 dy2+2 dydz+ dz de unde:
∂x ∂x∂y ∂x∂z ∂y ∂y∂z ∂z 2
d2f=2dx2+4dxdy-6dxdz+2dy2-2dz2.

n!
4. Să se studieze convergenţa seriei: ∑ n .
n =1 n

(n + 1)!
(n + 1) n +1 nn 1 1
Soluţie Aplicăm criteriul D’Alembert şi obţinem lim =lim = lim = <1 deci seria
n! (n + 1) n  1
n
e
nn n + 
 n
este convergentă.
5. Să se determine mulţimea de convergenţă a seriei de puteri:

n+ n n
∑n
n =1
2
+n
x

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
∞ n+ n
1 1
Soluţie R= = =1 deci D⊃(-1,1). Pentru x=1 avem seria ∑ şi cum lim
a n +1 n +1 + n +1 n =1 n2 + n
lim
an (n + 1) 2 + (n + 1)
lim
n+ n
n2 + n
n+ n
n 2 + n =1 rezultă că seria are aceeaşi natură cu seria ∞ 1 care este divergentă. Pentru x=-1 avem
1

n =1 n

n
∞ n+ n x+ x − 2 x ( x 2 + 1) − (3x 2 − x )
∑ (−1) n 2 . Fie funcţia f(x)= 2 , x>0. Avem: f’(x)= . Cum limita
n =1 n +n x +x 2 x (x 2 + x) 2
numărătorului tinde la -∞ atunci când x→∞ rezultă că pentru x suficient de mare avem f’(x)<0. Considerând
n+ n
restricţia funcţiei f la N* rezultă că şirul an= este descrescător pentru n suficient de mare. Seria este
n2 + n
deci convergentă ca urmare a teoremei lui Leibniz. Avem deci D=[-1,1).
6. Să se determine punctele de extrem ale funcţiei:
f:R2→R, f(x,y)=xy(1-xy)
 ∂f
 ∂x = y − 2 xy = 0;
2

 y(1 - 2xy) = 0;
Soluţie Punctele critice se determină rezolvând sistemul:  ∂f de unde  . Dacă
 = x − 2x y = 0
2
 x(1 - 2xy) = 0
 ∂y
 1
1-2xy≠0 atunci x=y=0. Prin urmare, punctele critice sunt: (x, y) ∈ R 2 xy =  ∪ {(0,0)} . Avem însă
 2
∂f
2
∂f
2
∂f
2

= −2 y 2 , = 1 − 4xy , 2 = −2 x 2 de unde: d2f(a,b)(u,v)=-2b2u2+(1-4ab)uv-2a2 v2. Matricea formei


∂x 2 ∂x∂y ∂y
 1 - 4ab 
 - 2b 
2

pătratice este:  2  de unde: ∆1=-2b2, ∆2= 8ab − 1 . Dacă a=b=0 avem d2f(0,0)(u,v)=uv şi cu
 1 - 4ab - 2a 2  4

 2 
1
metoda Gauss: u’=u+v, v’=u-v rezultă d2f(0,0)(u’,v’)= (u '2 − v'2 ) care este semidefinită. Prin urmare,
4
1 3
punctul (0,0) nu este de extrem fiind deci punct şa. Pentru ab= avem ∆1<0, ∆2= şi deci (a,b) este punct
2 4
 1 
de maxim local. Punctele de extrem ale funcţiei sunt deci: (x, y) ∈ R 2 xy =  .
 2
7. Să se calculeze integrala ∫y
2
unde γ(t)=(t-sin t,1-cos t), t∈[0,π].
γ

Soluţie
π
π π t =2 s
t 2 t 5 t
2

∫γ y = ∫0 (2 sin 2 ) 2 sin 2 dt = 8∫0 sin 2 dt = 16∫0 sin sds =


2 2 5

π
1
2 cos s = u 128
− 16 ∫ (1 − cos 2 s) 2 (cos s)' ds = 16 ∫ u 4 − 2u 2 + 1du = .
0 0 15
RECOMANDĂRI BIBLIOGRAFICE:
17. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii
diferenţiale, Bucureşti, Editura All, 1994;
18. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions
Mir Moscou, Vol. I, II, 1985;
19. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981;
20. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980;
21. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983;
22. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004;
23. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006;
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
24. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981;
25. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991;
26. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984;
27. Lang, S., Algebra, Addison-Wesley, 1971;
28. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988;
29. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986;
30. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978;
31. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982;
32. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.

TESTE DE AUTOEVALUARE
1. Fie mulţimile de numere reale: A=(-1,7] şi B=[2,9). Să se afle „n” cel mai 1. n=8 2. n=6
o 3. n=3 4. n=12
mic număr întreg al lui A ∩ B .
∂f ∂f ∂f
2. Să se calculeze (3,0,6) pentru funcsţia f:R3→R, f(x,y,z)=x6+exy+xy3z3. 1. (3,0,6)=1463 2. (3,0,6)=1458
∂x ∂x ∂x
∂f ∂f
3. (3,0,6)=1467 4. (3,0,6)=1470
∂x ∂x
3. Să se determine diferenţiala de ordinul I a funcţiei f:R →R, 3
1. df(9,9,0)=74dx+71dy+69dz
f(x,y,z)=8xy+e8xz-6z în punctul (9,9,0). 2. df(9,9,0)=72dx+72dy+66dz
3. df(9,9,0)=74dx+68dy+68dz
4. df(9,9,0)=73dx+71dy+72dz
∞ an b + cn d 1. convergenta 2. divergenta
4. Să se studieze convergenţa seriei: ∑ unde: a=3, b=7, c=9, d=3, 3. nu are sens 4. conv & div
n =1 en + gn
f h

e=5, f=1, g=9, h=7.


∞ an + b n 1. C=(9,15) 2. C=(8,15)
5. Mulţimea C de convergenţă a seriei de puteri: ∑ (x-8)n unde a=1, 3. C=(7,9) 4. C=(12,19)
n =1 n + dn
c

b=6, c=1, d=1 este:


6. Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin 3x, x∈R. 1. f(x)=x-4,5x3+2,02x5-0,43000001x7+...
2. f(x)=x-6,1100001x3+6,5300002x5-
3,6900001x7+...
3. f(x)=x-8,1999998x3+3x5-2,3699999x7+...
4. f(x)=x-5,3600001x3+2,9100001x5-3,77x7+...
7. Să se determine punctele de extrem ale funcţiei: f:R2→R, 1. x=3, y=0,49000001
f(x,y)=2,5x2+1y2+3xy+4x+3y+9. 2. x=1, y=-3
3. x=6,3499999, y=0,31999999
4. x=7,9899998, y=-1,8099999
8. Fie mulţimile de numere reale: A=(-5,3] şi B=[-2,5). Să se afle „n” cel mai 1. n=5 2. n=3
o 3. n=8 4. n=-1
mic număr întreg al lui A ∩ B .
∂f ∂f ∂f
9. Să se calculeze (4,0,1) pentru funcsţia f:R3→R, f(x,y,z)=x5+exy+xy2z8. 1. (4,0,1)=1288 2. (4,0,1)=1280
∂x ∂x ∂x
∂f ∂f
3. (4,0,1)=1290 4. (4,0,1)=1293
∂x ∂x
10. Să se determine diferenţiala de ordinul I a funcţiei f:R →R, 3
1. df(3,5,0)=32dx+16dy+13dz
f(x,y,z)=6xy+e7xz-9z în punctul (3,5,0). 2. df(3,5,0)=30dx+18dy+12dz
3. df(3,5,0)=32dx+15dy+14dz
4. df(3,5,0)=32dx+17dy+17dz
∞ an b + cn d 1. nu are sens 2. convergenta
11. Să se studieze convergenţa seriei: ∑ unde: a=1, b=6, c=4, d=9, 3. divergenta 4. conv & div
n =1 en f + gn h
e=2, f=9, g=6, h=4.
∞ an + b n 1. C=(2,8) 2. C=(4,9)
12. Mulţimea C de convergenţă a seriei de puteri: ∑ (x-2)n unde a=2, 3. C=(1,3) 4. C=(7,12)
n =1 n + dn
c

b=5, c=2, d=9 este:


13. Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin 1x, x∈R. 1. f(x)=x-3,0999999x3+4,73x5-1,4299999x7+...
2. f(x)=x-0,17x3+9,9999998E-3x5-0x7+...
3. f(x)=x-5,46x3+2,9400001x5-3,1700001x7+...
4. f(x)=x-2,6500001x3+2,8499999x5-4,96x7+...
14. Să se determine punctele de extrem ale funcţiei: f:R2→R, 1. x=-45,299999, y=32,59
f(x,y)=1,62x2+4y2+5xy+9x+5y+4. 2. x=-47, y=28,799999
3. x=-43,060001, y=31,790001
4. x=-40,970001, y=31,610001

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

TEMĂ DE CONTROL
 3n 2 + n − 5 n +5 
1. Să se calculeze limita şirului din R2: an=  , 2  ∀n≥1;
 3 n 2
+ 2 n − n + 6 
6x 3 + y 3
2. Să se calculeze lim .
( x , y ) →( 0 , 0 )
x2 + y2
3. Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=4xy+e2xz-9zex în punctul (1,1,1).
4. Fie funcţia f:R3→R, f(x,y,z)=x2+3y2-z2+2xy-3xz. Să se calculeze d2f.

1
5. Să se studieze convergenţa seriei: ∑ .
n =1 (6n − 2)(3n + 1)


(7 x ) n
6. Să se determine mulţimea de convergenţă a seriei de puteri: ∑
n =1 n!
7. Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin 4x, x∈R.
8. Să se dezvolte în serie Mac Laurin funcţia: f(x)=e5x, x∈R.
9. Să se determine punctele de extrem ale funcţiei: f:R2→R, f(x,y)=x3+y3-6xy+2
10. Să se determine punctele de extrem ale funcţiei: f:R2→R, f(x,y)=xy(10-xy).

MODULUL 3

TEORIA PROBABILITĂŢILOR

Obiectivele specifice modulului:


 Introducerea noţiunii de probablitate;
 Studiul schemelor de probabilitate;
 Studiul indicatorilor numerici ai variabilelor aleatoare;
 Determinarea regresiei liniare.

Rezultatele aşteptate:
 Înţelegerea noţiunilor de bază ale teoriei probabilităţilor;
 Formarea modului de gândire probabilistic;
 Încadrarea noţiunii de probabilitate în acţiunile previzionale;
 Determinarea corectă a indicatorilor numerici asociaţi unei variabile aleatoare.

Competenţe dobandite ca urmare a parcurgerii modulului:


 Deprinderea folosirii noţiunilor probabilistic;
 Folosirea corectă a schemelor de probabilitate;
 Calculul indicatorilor numerici asociaţi unei variabile aleatoare.

Timpul mediu necesar pentru asimilarea modulului: 6 ore

LECŢIA 1
ELEMENTE DE TEORIA PROBABILITĂŢILOR

Pasul 1 - Probabilităţi - câmp de evenimente, frecvenţă, probabilitate

Noţiunile de eveniment şi experienţă sunt noţiuni primare. Aşa cum în teoria mulţimilor sunt
considerate uneori drept noţiuni primare cele de mulţime şi de element al acesteia, în mod analog vom
proceda în această teorie.
Vom sugera aceste două noţiuni pe baza unor exemple. De asemenea, trebuie să facem următoarea
remarcă, fără de care teoria probabilităţilor poate părea vulgară. Majoritatea exemplelor şi aplicaţiilor se vor
face pe situaţii uşor de înţeles. Astfel, vom prefera exemple privind aruncarea cu zarul sau cu banul, extrageri
de bile din urne etc. în locul unor experienţe cu maşini şi utilaje sau altele de acest gen (în fond, oricâte
maşini şi utilaje am avea în viaţă, tot în urnă ajungem!)

Exemplu
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Să considerăm experienţa aruncării cu zarul, gândit ca un cub omogen numerotat pe cele şase feţe de
la 1 la 6. Cele de mai jos sunt câteva exemple de evenimente ce pot apare la o aruncare:
• E1:”apare faţa 2”;
• E2:”apare una din feţele 2 sau 5”;
• E3:”apare o faţă impară”;
• E4:”apare una din feţele 1, 3 sau 5”;
• E5:”apare faţa 5”;
• E6:”apare una din feţele 1, 2, 3, 4, 5 sau 6”;
• E7:”apare faţa 7”;
• E8:”apare o faţă pară”;
• E9:”apare una din feţele 1, 2 sau 3”
Definiţie
Evenimentul care se realizează la fiecare experienţă se numeşte eveniment sigur, iar cel care nu se
realizează niciodată-eveniment imposibil.
Astfel, la aruncarea cu zarul, E6 este evenimentul sigur, iar E7 este evenimentul imposibil (este
evident că vom elimina aici cazuri extrem de rare cum ar fi oprirea zarului pe o muchie sau pe un colţ). De
asemenea, trebuie să remarcăm că aceste două evenimente constituie într-un anumit sens “extreme” ale
experienţelor. Ele se vor gândi ca nişte clase de situaţii notate, fiecare, printr-un singur simbol, aşa cum vom
vedea mai departe. Este necesară o atare înţelegere deoarece, spre exemplu şi evenimentul “apare una din
feţele 1,2,3,4,5,6 sau 7” este sigur aşa cum evenimentul “apare faţa 8” este şi el imposibil.
Există o teorie generală, aşa-numita teorie a măsurii, care până într-un anumit punct, tratează în mod
unitar teoria probabilităţilor, teoria mulţimilor, teoria integralei, teoria ariilor şi volumelor şi altele. Din acest
motiv, vom utiliza în prezentarea unor concepte ale teoriei probabilităţilor notaţii din teoria mulţimilor, având
grijă însă de interpretarea acestora în sensul primei dintre teoriile de mai sus. În acest sens, vom nota
evenimentul sigur cu E şi evenimentul imposibil cu ∅.
Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe. Dacă realizarea unui eveniment A∈E
implică realizarea unui eveniment B∈E spunem că A implică pe B sau că B este implicat de A şi scriem
A⊂B sau B⊃A.
Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E. Dacă A⊂B şi B⊂A
spunem că A este echivalent cu B şi notăm A=B.
Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A∈E . Evenimentul care se
realizează atunci când nu se realizează A şi care nu se realizează atunci când se realizează A se numeşte
contrarul lui A şi se notează non A, A (notaţie preferată aici) sau Ac.
Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E. Evenimentul care constă
în realizarea fie a lui A, fie a lui B, fie a amândurora (deci a cel puţin unuia dintre evenimente) se numeşte A
sau B şi se notează A∪B.
Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E . Evenimentul care constă
în realizarea fie numai a lui A, fie numai a lui B (deci a unuia singur dintre evenimente) se numeşte A sau
exclusiv B şi se notează A∆B.
Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E . Evenimentul care constă
în realizarea atât a lui A cât şi a lui B se numeşte A şi B şi se notează A∩B.
Definiţie
Două evenimente A,B∈E pentru care A∩B=∅ (deci nu se pot realiza simultan) se numesc
evenimente incompatibile, în caz contrar numindu-se evenimente compatibile.
Definiţie
Fie M=P(E), E-mulţime, mulţimea tuturor evenimentelor asociate unei experienţe. O familie nevidă
K⊂P(E) finită, se numeşte câmp de evenimente dacă:
1) A∈K⇒ A ∈K;
2) A∈K, B∈K⇒A∪B∈K.
Vom nota (E,K) un câmp de evenimente. În cele ce urmează, vom analiza numai câmpuri finite de
evenimente, acestea fiind cele mai întâlnite în aplicaţiile practice.
Teoremă
n
Fie (E,K) un câmp finit de evenimente. Dacă Ai∈K ∀i=1,...,n atunci UA i
∈K.
i =1

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Teoremă
Fie (E,K) un câmp finit de evenimente. Au loc următoarele afirmaţii:
1) E∈K, ∅∈K;
n
2) ∀Ai∈K, i=1,...,n⇒ I A i ∈K;
i =1

3) ∀A,B∈K⇒A-B∈K;
4) ∀A,B∈K⇒A∆B∈K.
Să considerăm acum o experienţă pe care o efectuăm de n ori, la fiecare repetare a ei posibilitatea de
realizare a unui anumit eveniment fiind aceeaşi. Dacă evenimentul se realizează de k ori, vom spune că
k
frecvenţa acestuia este . Vom numi în general frecvenţa unui anumit eveniment A ca fiind:
n
numarul cazurilor realizate
fA =
numarul cazurilor posibile
Definiţie
Fie (E,K) un câmp finit de evenimente. Se numeşte probabilitate pe K o funcţie P:K→R+ astfel
încât:
1) P(E)=1;
2) ∀A,B∈K, A∩B=∅⇒P(A∪B)=P(A)+P(B).
Definiţie
Numim tripletul (E,K,P) câmp de probabilitate.
Teoremă
Fie (E,K,P) un câmp de probabilitate. Atunci:
1. P(∅)=0;
n n
2. ∀Ai∈K, Ai∩Aj=∅, i,j=1,...,n, i≠j⇒ P(U A i ) = ∑ P (A i ) ;
i =1 i =1

3. P( A )=1-P(A) ∀A∈K;
4. P(A)∈[0,1] ∀A∈K;
5. A⊂B⇒P(A)≤P(B) şi P(B-A)=P(B)-P(A).
Teoremă
Fie (E,K,P) un câmp de probabilitate. Atunci:
P(A∪B)=P(A)+P(B)-P(A∩B) ∀A,B∈K
Corolar
Fie (E,K,P) un câmp de probabilitate. Atunci are loc proprietatea de subaditivitate finită:
n n
P (U A i ) ≤ ∑ P(A i ) ,∀Ai∈K, i=1,...,n.
i =1 i =1

Corolar
Fie (E,K,P) un câmp de probabilitate. Atunci:
P(A∆B)=P(A)+P(B)-2P(A∩B) ∀A,B∈K
Definiţie
Fie M=P(E) mulţimea evenimentelor asociate unei experienţe şi I o familie de indici cel mult
numărabilă. O submulţime S={Ai}i∈I⊂P(E), Ai≠∅ se numeşte sistem complet de evenimente (partiţie) a lui
E dacă:
1. Ai∩Aj=∅ ∀i,j∈I, i≠j;
2. U A i =E.
i∈I

Pasul 2 - Probabilităţi condiţionate

Să presupunem că efectuăm un experiment de n ori şi un eveniment A s-a realizat de k ori, k≠0. În


k p
cele k apariţii ale lui A s-a realizat de asemenea de p ori, p≤k, un eveniment B. Avem deci fA= şi fA∩B= .
n n
p
p n f A∩B
Dacă notăm fA(B) frecvenţa lui B în ipoteza că A s-a produs avem fA(B)= = = . Aceasta conduce la
k k fA
n
o nouă definiţie şi anume:
Definiţie
Fie (E,K,P) un câmp de probabilitate şi A,B∈K,P(A)≠0. Probabilitatea evenimentului B
condiţionată de (realizarea lui) A se defineşte ca fiind:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
P(A ∩ B)
PA (B) = P(B A ) =
P( A )
Propoziţie
Probabilitatea condiţionată este o probabilitate pe K.
Definiţie
Fie (E,K,P) un câmp de probabilitate. Două evenimente A,B∈K se numesc evenimente
independente dacă P(A∩B)=P(A)P(B).
Definiţie
Fie (E,K,P) un câmp de probabilitate. O mulţime finită de evenimente {Ai}i∈I⊂K se numeşte
independentă dacă ∀J⊂I implică:
P(I A j ) = ∏ P(A j )
j∈J j∈J

Teoremă (formula probabilităţii totale)


Fie (E,K,P) un câmp de probabilitate şi S={Ai}i∈I⊂K un sistem complet de evenimente cu P(Ai)≠0
∀i∈I (I-cel mult numărabilă). Are loc egalitatea:
P(X) = ∑ P(A i ) PAi (X) ∀X∈K
i∈I

Teoremă (formula lui Bayes)


Fie (E,K,P) un câmp de probabilitate şi S={Ai}i∈I⊂K un sistem complet de evenimente (I-cel mult
numărabilă). Are loc egalitatea:
P(A k )PA k (X)
PX (A k ) = ∀X∈K ∀Ak∈S
∑ P(A i )PAi (X) i∈I

Teoremă (regula de înmulţire a probabilităţilor)


Fie (E,K,P) un câmp de probabilitate şi {Ai}i=1,...,n⊂K un sistem de evenimente pentru care
P(A1∩...∩Ak)≠0 ∀k=1,...,n-1. Are loc următoarea egalitate:
P (A 1 ∩ ... ∩ A n ) = P( A1 )PA1 (A 2 )...PA1 ∩...∩A n −1 ( A n )

Pasul 3 - Scheme de probabilitate

I. Schema bilei neîntoarse (hipergeometrică)


Într-o urnă sunt k tipuri de bile şi anume ai bile de culoarea ci, i=1,...,k. Dacă extragem n bile
simultan (sau altfel, fără a returna bilele, ceea ce este acelaşi lucru) atunci probabilitatea ca să obţinem bi
bile de culoarea ci, i=1,...,k (evident n=b1+...+bk) este:
k

∏C
i =1
bi
ai

P=
C ab ++......++ ab
1
1
k
k

Pentru demonstraţie, să remarcăm că la extragerea celor n bile avem C an + ...a cazuri posibile. Un grup
1 k

bi
de bi bile poate fi ales din cele ai bile în C ai
moduri. Extragerile bilelor de diferite culori fiind independente,
k

k ∏C bi
ai

∏C
bi i =1
vom avea în total cazuri favorabile. Prin urmare, probabilitatea căutată este: P= .
i =1
ai
C ab11 ++......++ abkk
II. Schema lui Poisson
Fie evenimentele independente A1,...,An cu P(Ai)=pi şi fie qi=1-pi, i=1,...,n. Probabilitatea ca în n
experienţe să se realizeze k dintre ele este:
P=coef (xk) din polinomul (p1x+q1)...(pnx+qn)
Pentru demonstraţie, să considerăm evenimentele A i , i=1,...,n pentru care P( A i )=qi. Evenimentul
căutat (realizarea a k evenimente în cele n experienţe) este:
U (A i1 ∪ ... ∪ A ik ∪ A ik +1 ∪ ... ∪ A in )
i1 ,...,i n =1, n
i1 ≠...≠ i n

şi cum toate evenimentele reuniunii sunt disjuncte două câte două rezultă că probabilitatea este cea de mai
sus.
Trebuie remarcat că în schema lui Poisson evenimentele A1,...,An nu sunt neapărat legate de situaţii
distincte. Este posibil ca să repetăm experienţa pentru acelaşi eveniment cercetat, dar probabilitatea acestuia
să se schimbe pe parcursul derulării ei.
III. Schema lui Bernoulli (binomială)
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie un eveniment A cu P(A)=p şi q=1-p. Probabilitatea ca în n experienţe evenimentul A să se
producă de k ori este
P= C kn pkqn-k
Demonstraţia acestui fapt este banală, considerând pur şi simplu în schema lui Poisson A1=...=An şi
deci p1=...=pn=p, q1=...=qn=q. În acest caz, coeficientul lui xk din dezvoltarea (px+q)n=(q+px)n este
P= C nn − k q n − k p k = C kn q n − k p k deoarece din formula combinărilor complementare, avem: C nn − k = C kn ∀k=0,...,n.
IV. Schema multinomială
Fie evenimentele independente Ai, i=1,...,k cu probabilităţile pi. Probabilitatea ca în n experienţe
evenimentul Ai să se realizeze de ai ori, i=1,...,n (a1+...+ak=n) este:
n! a a
P= p1 1 ...p k k
a 1!...a k !
Pentru demonstraţie, fie A evenimentul căutat. Evenimentul A este reuniunea tuturor n-uplelor de
evenimente în care A1 apare de a1 ori,...,Ak apare de ak ori. Probabilitatea unui astfel de eveniment este:
a a
P’= p1 1 ...p k k . Totalul n-uplelor care se pot forma cu aceste evenimente este de n!. Pentru o distribuţie a
evenimentelor în cadrul unui n-uplu, cum nu interesează ordinea de apariţie a evenimentelor vor trebui
eliminate permutările de evenimente identice. Acestea sunt în număr de a1!...ak! deci în total reuniunea va
n!
conţine evenimente. Obţinem deci (evenimentele reuniunii fiind incompatibile două câte două)
a 1!...a k !
formula căutată.

LECŢIA 2
VARIABILE ALEATOARE. FUNCŢIA DE REPARTIŢIE. DENSITATEA DE REPARTIŢIE

Pasul 1 – Evenimente elementare. Variabile aleatoare

Definiţie
Fie E≠∅ şi K0=P(E). Numim eveniment elementar orice eveniment ω∈K0 astfel încât singurele
evenimente din K0 care-l implică sunt ω şi ∅. Vom nota mulţimea evenimentelor elementare cu Ω.
Definiţie
Fie Ω mulţimea evenimentelor elementare ale lui K0=P(E). O aplicaţie f:Ω→R, ω→f(ω)∈R se
numeşte variabilă aleatoare.
Definiţie
Fie K⊂P(E) un câmp de evenimente. O aplicaţie f:Ω→R se numeşte variabilă aleatoare în raport
cu K dacă {ω∈Ωf(ω)<x}∈K ∀x∈R.

Definiţie
Dacă mulţimea valorilor unei variabile aleatoare este cel mult numărabilă aceasta se numeşte
variabilă aleatoare discretă, în plus dacă este finită se numeşte variabilă aleatoare simplă, iar dacă
mulţimea valorilor este nenumărabilă se numeşte variabilă aleatoare continuă.
Teoremă
Fie Ω mulţimea evenimentelor elementare ale lui K0=P(E) şi f:Ω→R o aplicaţie care ia valorile
distincte vi, i∈I (I-cel mult numărabilă). Fie Ai={f=vi}. Mulţimea S={Ai}i∈I este un sistem complet de
evenimente iar f este o variabilă aleatoare în raport cu câmpul K generat de S.
Teoremă
Fie Ω mulţimea evenimentelor elementare ale lui K0=P(E) şi f:Ω→R o aplicaţie. Următoarele afirmaţii
sunt echivalente:
1) {f <x}∈K ∀x∈R;
2) {f ≤x}∈K ∀x∈R;
3) {f >x}∈K ∀x∈R;
4) {f ≥x}∈K ∀x∈R;
5) {a<f<b}∈K ∀a,b∈R;
6) {a≤f<b}∈K ∀a,b∈R;
7) {a<f≤b}∈K ∀a,b∈R;
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
8) {a≤f≤b}∈K ∀a,b∈R.
Definiţie
Fie (E,K,P) un câmp de probabilitate şi f:Ω→R o variabilă aleatoare în raport cu K, discretă, având
valorile {vi}i∈I. Fie Ai={ω∈Ωf(ω)=vi} şi pi=P(Ai). Şirul (vi,pi)i∈I se numeşte distribuţia variabilei aleatoare
f. Vom nota:
 vi   v v 2 ... v n ...
  sau  1 
 p i  i∈I  p1 p 2 ... p n ...
Deoarece {Ai}i∈I formează un sistem complet de evenimente, avem întotdeauna p1+...+pn+...=1.
Definiţie
Fie (E,K,P) un câmp de probabilitate şi f o variabilă aleatoare în raport cu K. Funcţia F:R→[0,1],
F(x)=P({f<x}) se numeşte funcţia de repartiţie a variabilei aleatoare f. Vom scrie pe scurt F(x)=P(f<x),
x∈R.
Teoremă
Funcţia de repartiţie a unei variabile aleatoare discrete este o funcţie în scară (constantă pe porţiuni).
Teoremă
Funcţia de repartiţie F a unei variabile aleatoare f are proprietăţile:
1) F este monoton crescătoare;
2) lim F( x ) = 0, lim F( x ) = 1;
x → −∞ x →∞

3) F este continuă la stânga în orice punct x∈R.


Teoremă
Fie o variabilă aleatoare f şi F funcţia sa de repartiţie. Atunci:
1) P(f=x)=F(x+0)-F(x) ∀x∈R;
2) P(f=x)=0⇔F este continuă în x∈R;
3) P(a≤f<b)=F(b)-F(a) ∀a,b∈R;
4) P(a<f<b)=F(b)-F(a+0) ∀a,b∈R;
5) P(a≤f≤b)=F(b+0)-F(a) ∀a,b∈R;
6) P(a<f≤b)=F(b+0)-F(a+0) ∀a,b∈R.
Definiţie
Fie o variabilă aleatoare f şi F funcţia sa de repartiţie. Dacă există o funcţie ρ:R→[0,∞), integrabilă
x

pe R, astfel încât: F( x ) = ∫ ρ( t )dt atunci ρ se numeşte densitatea de repartiţie (sau densitatea de


−∞

probabilitate) a variabilei aleatoare f.


Teoremă
Fie o variabilă aleatoare f ce admite densitatea de repartiţie ρ. Atunci:
b

a) P(a≤f<b)= ∫ ρ( x )dx ;
a

b) ∫ ρ(x )dx =1;


−∞

c) În orice punct de continuitate al lui ρ, F este derivabilă şi F’(x)=ρ(x);


d) Dacă F este derivabilă în orice punct x∈R atunci F are ca densitate de repartiţie pe ρ=F’.

Pasul 2 - Operaţii cu variabile aleatoare

Definiţie
Fie (E,K) un câmp de evenimente şi Ω mulţimea evenimentelor elementare ale lui P(E). O aplicaţie
V=(f1,...,fn):Ω→Rn se numeşte vector aleator în raport cu K dacă toate componentele acestuia sunt variabile
aleatoare relativ la K.
Definiţie
Fie (E,K,P) un câmp de probabilitate şi V=(f1,...,fn) un vector aleator. Numim funcţia de repartiţie a
vectorului aleator V, aplicaţia F:Rn→R, F(x1,...,xn)=P(f1<x1,...,fn<xn) unde convenim ca:
P(f1<x1,...,fn<xn)= P (I {f i < x i })
n

i =1

Proprietăţile vectorilor aleatori sunt asemănătoare cu cele ale variabilelor aleatoare şi anume:
Teoremă
Fie F funcţia de repartiţie a unui vector aleator V=(f1,...,fn). Atunci:
1) F este crescătoare în raport cu fiecare variabilă xi;
2) Limita parţială a lui F în raport cu fiecare variabilă este: la -∞:0 iar la ∞ aceasta este 1;
3) F este continuă la stânga în raport cu fiecare variabilă.
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Definiţie
Considerând funcţia de repartiţie F a unui vector aleator V, dacă există o aplicaţie ρ:Rn→[0,∞),
integrabilă pe Rn astfel încât:
x1 xn

F(x1,...,xn)= ∫ dt 1 ... ∫ ρ( t 1 ,..., t n )dt n


−∞ −∞

atunci ρ se numeşte densitatea de repartiţie a vectorului aleator V.


Teoremă
f
Fie (E,K,P) un câmp de probabilitate şi f,g variabile aleatoare relativ la K. Atunci f+g, f-g, fg,
g
1
(dacă g≠0), fn ∀n∈N*, cf, f+c ∀c∈R, (dacă f≠0), f sunt de asemenea variabile aleatoare în raport cu K.
f
Pasul 3 - Indicatori numerici ai variabilelor aleatoare

Definiţie
x 
Fie (E,K,P) un câmp de probabilitate şi f=  i  o variabilă aleatoare discretă. Vom numi media
 p i  i∈I
variabilei aleatoare f numărul real:
M (f ) = ∑ p i x i
i∈I

Definiţie
Fie f o variabilă aleatoare, F funcţia sa de repartiţie şi ρ densitatea de repartiţie, dacă aceasta există.

Dacă ∫ xdF(x )
−∞
este absolut convergentă atunci definim media lui f ca fiind:

M(f)= ∫ xdF( x )
−∞

şi cum ρ=F’:

M(f)= ∫ xρ( x )dx


−∞

Definiţie
Variabila aleatoare u=f-M(f) se numeşte abaterea lui f.
Teoremă
Fie f,f1,...,fn variabile aleatoare în raport cu acelaşi câmp K. Atunci:
1) M(f1+...+fn)=M(f1)+...M(fn) ∀n≥2;
2) M(c)=c ∀c∈R;
3) M(f+c)=M(f)+c ∀c∈R.
4) M(cf)=cM(f) ∀c∈R.

Teoremă
Dacă f şi g sunt două variabile aleatoare independente în raport cu acelaşi câmp K atunci
M(fg)=M(f)M(g).
Definiţie
Fie f o variabilă aleatoare şi n∈N*. Numim moment de ordin n al lui f numărul:
Mn(f)=M(fn)
Definiţie
Fie f o variabilă aleatoare şi n∈N*. Numim moment centrat de ordinul n al lui f numărul:
Mn(f)=M(un)=M((f-M(f))n)
Dacă F este funcţia de repartiţie a lui f şi ρ densitatea de repartiţie (dacă există) atunci mărimile de
mai sus devin:
∞ ∞
M n (f ) = ∫ x n dF( x ), M n (f ) = ∫ ( x − M (f )) n dF( x ),
−∞ −∞
∞ ∞
M n (f ) = ∫ x ρ( x )dx , M (f ) = ∫ ( x − M (f )) n ρ( x )dx
n n

−∞ −∞

Definiţie
Numim dispersia (sau varianţa) unei variabile aleatoare f momentul centrat de ordinul 2 şi o vom
nota D(f).
Avem deci:
D(f)=M2(f)=M((f-M(f))2)=M(f2+M(f)2-2M(f)f)=M(f2)-M(f)2.
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Definiţie
Se numeşte abatere medie pătratică a unei variabile aleatoare f numărul σ(f ) = D(f ) .
Definiţie
Fie f,g variabile aleatoare în raport cu acelaşi câmp K. Valoarea medie a produsului abaterilor lor se
notează Cfg=Cov(f,g)=M(uv) şi se numeşte corelaţia (sau covarianţa) variabilelor f şi g.
Definiţie
Fie f,g variabile aleatoare în raport cu acelaşi câmp K. Dacă Cfg=0 vom spune că f şi g sunt variabile
necorelate în caz contrar numindu-se variabile corelate.
Definiţie
Fie f,g variabile aleatoare în raport cu acelaşi câmp K. Numim coeficientul de corelaţie al
variabilelor f şi g numărul:
C fg
ρ fg =
σ(f )σ(g )
dacă σ(f),σ(g)≠0.
Teoremă
Coeficientul de corelaţie are următoarele proprietăţi:
1) ρfg ∈[-1,1];
2) ρfg ∈{-1,1}⇒∃a,b,c∈R astfel încât af+bg+c=0;
3) Dacă ∃a,b,c∈R astfel încât a,b≠0 şi af+bg+c=0⇒ρfg∈{-1,1}.

LECŢIA 3
PROCESE STOCHASTICE. LANŢURI MARKOV

Pasul 1 – Procese stochastice

Definiţie
Fie (E,K,P) un câmp de probabilitate şi Ω mulţimea evenimentelor elementare ale lui K0=P(E). O
aplicaţie X:R×Ω→R, (t,ω)→X(t,ω)∈R se numeşte proces aleator (proces stochastic).
Procesele stochastice sau lanţurile au semnificaţia unei derulări (nenumărabile în cazul proceselor
sau numărabile în cazul lanţurilor) de variabile aleatoare care la fiecare “moment” t descriu starea sistemului
analizat.
Fie acum un sistem complet de evenimente S={Ai}i∈I⊂K cu I cel mult numărabilă şi câmpul de
probabilitate (E,K,P) generat de S. Avem deci K=<S> şi deci Ω=S. Considerând un şir de experimente,
definim lanţul: X:N×Ω→R, (n,Ai)→X(n,Ai)=Xn(Ai)∈R unde Xn(Ai)=i dacă evenimentul Ai se realizează în
experienţa “i”. Fie J={i∈I∃n∈N a.î. P(Xn=i)>0}⊂I. Mulţimea J este cel mult numărabilă (fiind inclusă în I –
cel mult numărabilă) şi reprezintă mulţimea indicilor evenimentelor care se pot realiza în desfăşurarea
procesului. Ea se numeşte mulţimea stărilor lanţului.

Definiţie
Un şir de variabile aleatoare (Xn)n∈N se numeşte lanţ Markov dacă ∀n≥1 ∀i0,...,in∈J are loc:
P(Xn=inX0=i0,...,Xn-1=in-1)=P(Xn=inXn-1=in-1)
unde probabilităţile sunt cele condiţionate.
Propoziţie
Fie lanţul Markov (Xn)n∈N. Atunci ∀n≥1 ∀p≥0 ∀ik∈J k≥0 avem:
P(Xn=in,Xn+1=in+1,...,Xn+p=in+pX0=i0,...,Xn-1=in-1)=
P(Xn=in,Xn+1=in+1,...,Xn+p=in+pXn-1=in-1)
Să notăm acum (pi)i∈J probabilităţile evenimentelor Ai în starea 0 (iniţială) şi cu pij(n)=P(Xn=jXn-
1 =i) ∀n≥1 – probabilităţile de trecere de la starea “n-1” la starea “n”.

Pasul 2 – Lanţuri Markov

Definiţie
Un lanţ Markov se numeşte staţionar sau omogen dacă probabilităţile de trecere nu depind de
“timp”.
Vom nota deci pij=pij(n) ∀n≥1 şi vom vorbi în cele ce urmează numai de lanţuri Markov staţionare.
Datorită faptului că evenimentele (Ai)i∈J formează un sistem complet de evenimente (am
restricţionat acest sistem la J⊂I prin înlăturarea acelora ce nu puteau fi “atinse” de procesul considerat)
rezultă că ∑ p i =1, ∑ pij =1 ∀i∈J. Considerând matricea M=(pij)i,j∈J (numită matrice de trecere) obţinem
i∈J j∈J

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
deci că suma elementelor aflate pe fiecare linie a acesteia este egală cu 1 şi în plus toate aceste elemente (fiind
probabilităţi) sunt pozitive. O astfel de matrice se mai numeşte şi matrice stochastică.
Definiţie
Se numesc probabilităţi de trecere în n paşi următoarele probabilităţi notate p ij( n ) definite recurent
prin ecuaţiile Chapman-Kolmogorov:

 p ij( 0 ) = δij
 p ij(1) = p ij
p ( n ) = p ( n −1) p (1) , n ≥ 1 ∀i, j ∈ J
 ij ∑
k∈J
ik kj

unde δij este simbolul lui Kronecker.


Propoziţie
Cantitatea p (ijn ) reprezintă probabilitatea ca lanţul Markov să treacă de la starea i la starea j exact în
“n” paşi ∀i,j∈J ∀n≥1.
Propoziţie
Pentru orice m,n∈N are loc: p ij( n + m ) = ∑ p ik( n ) p (kjm )
k∈J

Definiţie
Numim probabilitate absolută a variabilei aleatoare Xn cantitatea: p i( n ) =P(Xn=i) ∀i∈J ∀n∈N
definită prin relaţia: p(i n ) = ∑ p (kn −1) p ki şi care reprezintă probabilitatea ca lanţul Markov să intre în starea “i” în
k∈J

exact “n” paşi.


Se obţine imediat relaţia:
pi( n ) = ∑ p jp (jin ) ∀i∈J ∀n∈N.
k∈ J

Se observă că pentru a cunoaşte diversele probabilităţi ale stărilor trebuie calculată puterea a n-a a
matricei de trecere. Ne vom folosi, în acest scop de valorile proprii ale acesteia. Fie deci λ1,...,λs valorile
proprii ale lui M. Ne reamintim că un vector propriu v, corespunzător valorii proprii λk, satisfacve condiţiile
v≠0 şi Mv=λkv (îl vom mai numi şi vector propriu la dreapta). Analog, un vector propriu la stânga satisface:
vtM=λkvt.
Propoziţie
Valorile proprii ale unei matrice stochastice satisfac următoarele relaţii:
a) λ=1 este valoare proprie;
b) ∀λ o valoare proprie a lui M avem: λ≤1;
c) Orice valoare proprie de modul este rădăcină întreagă a unităţii.
s
λn v w t
d) Dacă matricea M are numai valorii proprii simple, atunci: Mn= ∑ k t k k . ∀n≥1 unde vk sunt
k =1 w k vk
vectorii proprii la dreapta, iar wk cei la stânga corespunzători valorii proprii λk.

LECŢIA 4
PRINCIPALELE LEGI DE REPARTIŢIE

Pasul 1 – Legea Laplace-Gauss (legea normală)

Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:


( x −m)2
1 −
ρ( x ) = e 2σ2

σ 2π
Vom nota o astfel de lege N(m,σ). Graficul funcţiei ρ este prezentat în figură (m=1 şi σ=1). Avem
M(X)=m,σ(X)=σ.
Legea stă la baza modelării multor fenomene naturale. Erorile întâmplătoare sau fluctuaţiile
rezultatelor unor experienţe satisfac de regulă legi ce pot fi aproximate de legea Laplace-Gauss.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
y

ρ (x)

O m x
Pasul 2 – Legea uniformă
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
0 daca x ∈ ( −∞, a );

daca x ∈ [a , b]; [a,b]⊂R
1
ρ( x ) = 
 b−a
 0 daca x ∈ (b, ∞)
Vom nota o astfel de lege U(a,b). Graficul funcţiei ρ este prezentat în figură.
a+b b−a
Avem M (X) = , σ( X ) = .
2 2 3
y
ρ (x)
___
1
b-a

O a b x
Pasul 3 – Legea Cauchy
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
λ
ρ( x ) = ,λ >0
π(λ + ( x − µ) 2 )
2

Vom nota o astfel de lege C(µ,λ). Graficul funcţiei ρ (λ=1 şi µ=1) este reprezentat în figură.
Legea Cauchy nu are momente de nici-un ordin deci nici medie şi nici dispersie.
Pasul 4 – Legea Weibull
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
β −1 β
 x−γ 
β  x − γ  −  η 
ρ( x ) =   e , x∈[γ,∞), γ≥0
η  η 
unde β se numeşte parametrul de formă, η-parametrul de scală iar γ-parametrul de locaţie.
Vom nota o astfel de lege W(β,η,γ). Avem:
 1  1
M(X) = γ + ηΓ1 + , σ(X) = η ⋅ Γ(1 + 4β) − Γ 2 1 + 
 β   β 
unde Γ este funcţia lui Euler. Legea are un rol foarte important în teoria fiabilităţii unui material, în
demografie etc.
Pasul 5 – Legea exponenţială
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
ρ( x ) = λe − λx , x∈(0,∞), λ>0
1
Legea exponenţială se obţine din legea Weibull pentru β=1, γ=0 şi renotând λ= . Vom nota o astfel
η
1 1
de lege E(λ). Avem: M (X) = , σ( X ) = .
λ λ

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
y

y
ρ (x) ρ (x)

O µ x O γ x

y
λ

ρ (x)

O x
Pasul 6 – Legea Gamma
Este legea de repartiţie a unei variabile aleatoare X nenegative având densitatea de repartiţie:
 0 daca x ≤ 0;
 p
ρ( x ) =  a , a,p>0.
x p −1 e − ax daca x > 0
 Γ(p)
1
Pentru p=1 se obţine legea exponenţială. Vom nota legea Γ(a,p). În figură avem graficul funcţiei Γ( ,2).
2

y
ρ (x)

O x
Pasul 7 – Legea Beta
Este legea de repartiţie a unei variabile aleatoare X nenegative având densitatea de repartiţie:
 Γ(α + β) α −1
 x (1 − x ) β −1 daca x ∈ (0,1);
ρ( x ) =  Γ(α)Γ(β) , α,β>0
 0 daca x ∉ (0,1)
Vom nota B(α,β) şi avem:
α 1 αβ
M (X) = , σ( X) = . Graficul acestei legi pentru α=2 şi β=3 este dat în figură.
α+β α + β α + β +1

y
ρ (x)

O 1 x
Pasul 8 – Legea Student (cu s grade de libertate)
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
 s + 1
Γ  −
s +1

 x2 
ρ(x)= 
2  2
1 +  , s>0
s  s 
Γ   sπ
2
s
Vom nota t(s) şi avem: M(X)=0, σ(X)= dacă s>2. Graficul legii pentru s=3 este dat în figură.
s−2

y
ρ (x)

O x
Pasul 9– Legea Snedecor-Fisher
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
a+b
Γ  a

a +b

 2   a  2 a2 −1  a  2
ρ(x)=   x 1 + x  , a,b>0, x∈[0,∞)
a b b
Γ Γ     b 
2 2
Vom nota F(a,b) şi avem:
b b 2(a + b − 2)
M(X) = daca b ≠ 2, σ(X) = daca b > 4
b−2 b−2 a (b − 4)
Graficul acestei legi, pentru a=10 şi b=12 este dat în figură.
y

ρ(x)

O x
Pasul 10 – Legea Helmert-Pearson (legea χ2)
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
ν x
1 −1 −
ρ(x)= ν x 2 e 2 , x∈[0,∞), ν≥0.
ν
2 2 Γ 
2
Vom nota χ(ν) şi avem: M(X)=ν, σ(x)=2ν. Graficul acestei legi, pentru ν=4 este dat în figură.
y

ρ (x)

O x

LECŢIA 5
ELEMENTE DE STATISTICĂ MATEMATICĂ

Pasul 1 – Frecvenţe, valori medii, momente

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Definiţie
O mulţime care face obiectul unei analize statistice se numeşte populaţie statistică. Elementele unei
populaţii statistice se numesc unităţi statistice. Cardinalul unei populaţii statistice se numeşte volumul
populaţiei.
În general, atunci când se efectuează o analiză statistică aceasta studiază anumite caracteristici
comune ale unităţilor statistice, caracteristici care pentru a fi analizate prin intermediul statisticii matematice
trebuie cuantificate.
Fie acum f o caracteristică ce se cere a fi studiată dintr-o selecţie de volum N. Dacă S={x1 ,...,xn} sunt
valorile lui f, acestea pot fi gândite ca valori ale unei variabile aleatoare. Vom mai spune că f este variabilă
statistică. După obţinerea acestor valori se procedează de regulă la o grupare a lor obţinându-se în final o fişă
de observaţie de forma:
Valoarea caracteristicii Număr de apariţii
x1 n1
... ...
xk nk
unde x1,...,xk sunt distincte. Dacă volumul unei selecţii este mare se recomandă gruparea valorilor după
interval astfel: se determină mai întâi un interval (a,b) suficient de mare ca să cuprindă toate valorile
caracteristicii studiate. Se împarte apoi acest interval într-un număr de p părţi (a,b)=(a0,a1)∪[a1,a2)∪...∪[ap-
1 ,ap ) (a=a0 ,b=ap) de preferinţă de lungimi egale. Se obţine în final un tabel de forma celui de mai sus având în
locul valorilor xi intervalele considerate. Să notăm acum: I1=(a0,a1) şi Is=[as-1,as), s=2,...,p.
Fie ns=card(S∩Is) numărul de valori xi din intervalul Is. Vom numi ns-frecvenţa absolută a intervalului Is.
n s
Raportul νs= s se numeşte frecvenţa relativă (sau simplu frecvenţa) a intervalului Is. Numărul µs= ∑ ν i se
N i = 1

numeşte frecvenţa cumulată corespunzătoare intervalului Is. Avem evident relaţiile:


p p

∑n
i =1
i
=N, ∑ν
i =1
i
=1, ν1=µ1≤µ2≤...≤µp-1≤µp=1
Toate aceste mărimi se înregistrează într-un tablou de forma:
Intervalul Număr de apariţii Frecvenţa Frecvenţa cumulată
I1 n1 ν1 µ1
... ... ... ...
Ip np νp µp
În multe cazuri datele statistice se prezintă sub forma unor grafice. Avem astfel:
I. Histograma frecvenţelor relative
Se construieşte pe fiecare interval Ik câte un dreptunghi ce are ca bază segmentul Ik iar ca înălţime
frecvenţele νk.
y
νp
ν1
ν2

O a0 a 1 a 2 ... a p-1 a p x
II. Poligonul frecvenţelor relative
Considerând centrul ck al fiecărui interval Ik se formează linia poligonală ce trece prin punctele
(ck,νk).
y
νp
ν1
νp-1
ν2

c 1 c 2 c p-1 c p
O a0 a 1 a 2 ... a p-1 a p x
III. Poligonul frecvenţelor cumulate (ogiva)

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Considerând centrul ck al fiecărui interval Ik se formează linia poligonală ce trece prin punctele
(ck,µk).
y
µp
µp-1
µ2
µ1
c 1 c 2 c p-1 c p
O a0 a 1 a 2 ... a p-1 a p x
Definiţie
Fie x1,...,xn valorile unei variabile statistice f şi ν1,...,νn frecvenţele acestora. Mulţimea perechilor
(xi,νi)i=1,...,n se numeşte distribuţia (repartiţia) variabilei statistice f. Vom nota:
xi   x x2 L xn 
  sau  1 
 ν i  i =1,...,n  ν1 ν 2 L ν n 
Definiţie
x 
Fie variabila statistică f cu distribuţia:  i  . Se numeşte funcţie de repartiţie a lui f, funcţia:
 ν i  i=1,...,n
FN:R→[0,1], FN(x)= ∑ ν k
k∈I

unde I={kxk<x}.
Definiţii
x 
Fie variabila statistică f cu distribuţia:  i  . Se numeşte media lui f numărul:
 ν i  i=1,...,n
n 1 n
M(f)= ∑ x i ν i = ∑ x i n i
i =1 N i =1
Se numeşte moment de ordin k al lui f numărul:
n
1 n
Mk(f)= ∑ x ik ν i = ∑ x ik n i
i =1 N i =1
Se numeşte moment centrat de ordin k al lui f numărul:
n
1 n
Mk(f)= ∑ ( x i − M (f )) k ν i = ∑ ( x i − M (f )) k n i
i =1 N i=1
Se numeşte dispersia lui f numărul:
n
1 n
D(f)= ∑ ( x i − M (f )) 2 ν i = ∑ ( x i − M (f )) 2 n i
i =1 N i =1
Se numeşte abaterea medie pătratică lui f numărul:
σ(f)= D(f )
Se numeşte mediana lui f o valoare xmed pentru care suma frecvenţelor valorilor lui f mai mici decât xmed
este egală cu suma frecvenţelor valorilor lui f mai mari ca xmed. Se numeşte dominanta sau moda lui f
valoarea lui f cu frecvenţa cea mai mare. O variabilă f cu mai multe dominante se numeşte variabilă
multimodală.
Pasul 2 – Metode de ajustare a datelor statistice

În general atunci când se culeg date pentru o prelucrare statistică acestea prezintă neregularităţi
datorate unor cauze diverse. Să considerăm că în analiza unui fenomen s-au obţinut la diverse momente de
timp t1<...<tn frecvenţele ν1,...,νn ale acestuia. Se obţin astfel n puncte (ti,νi), i=1,...,n în R2. Metodele de
ajustare constau în determinarea unei curbe care să se apropie cât mai mult de punctele date şi astfel prin
studiul acesteia să se poată aprecia direcţia de evoluţie a fenomenului în cauză.
Să considerăm deci problema următoare: fiind date punctele Ai(xi,yi), i=1,...,n în R2 să se determine
o funcţie f:R→R astfel încât:
n

∑ (f ( x ) − y )
i =1
i i
2
=minimă
În particular pentru f(x)=ax+b obţinem:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
n n n

∑y
i =1
i n ∑x
i =1
i ∑y
i =1
i

n n n n

∑x y ∑x
i =1
i i
i =1
i ∑x
i =1
2
i ∑x y
i =1
i i

a= n
,b = n

∑x
i =1
i
n ∑x
i =1
i
n
n n n n

∑x
i =1
2
i ∑x i =1
i ∑x
i =1
2
i ∑x
i =1
i

Metoda expusă mai sus se numeşte metoda celor mai mici pătrate şi se datorează lui Gauss.
În cazul regresiei liniare, se observă că:
n n n

∑x ∑y i i
− n∑ x i yi
C XY
a= i =1 i =1
2
i =1
= ,
 n  n D( X )
 ∑ x i  − n∑ x i
2

 i =1  i =1
n n n n

∑x ∑x y − ∑x ∑y
i i i
2
i i
M(Y)D(X) − M(X)CXY M(X)CXY
b= i =1 i =1
2
i =1 i =1
= = M(Y) −
 n
 n D(X) D(X)
 ∑ x i  − n∑ x i
2

 i =1  i =1

Obţinem deci, ecuaţia regresiei liniare:


C M (X )C XY C
Y= XY X+ M (Y ) − = XY [X-M(X)]+M(Y)
D( X ) D(X ) D( X )
unde X=(x1,...,xn) şi Y=(y1,...,yn ).
De asemenea, ecuaţia regresiei se mai poate scrie sub forma:
Y − M(Y) C XY X − M(X)
=
σ( Y ) σ(X )σ( Y ) σ(X )
sau altfel:
σ( Y )
Y-M(Y)=ρXY [X-M(X)]
σ( X )
Coeficientul de corelaţie furnizează deci informaţii despre panta regresiei liniare. Dacă ρXY>0 (cum
σ(X),σ(Y)>0) rezultă că panta este pozitivă, deci regresia este crescătoare, iar dacă ρXY<0 rezultă că regresia
este descrescătoare.
n
Calculând abaterea E= ∑ (f ( x i ) − y i ) 2 corespunzătoare regresiei liniare, obţinem:
i =1

D(X )D(Y ) − C XY D(X )D(Y ) − ρ 2XY D(X )D(Y )


2

E=n =n = nD( Y)(1 − ρ 2XY ) .


D(X ) D(X )
Prin urmare, atunci când coeficientul de corelaţie este 1 sau -1 rezultă că E=0 ceea ce nu înseamnă
altceva decât faptul că între variabile există o dependenţă liniară (rezultat, de altfel, cunoscut).
Definiţie
Considerând o funcţie de regresie Y=f(X) se defineşte raportul de corelaţie ca fiind:

∑ (y − f (x i ))
n
2
i
ηXY= 1 − i =1
∈[0,1]
∑ (y − M ( Y) )
n
2
i
i =1

Definiţie
Coeficientul lui Spearman se defineşte ca:
n
6∑ (ri − s i ) 2
i =1
S=1-
n (n 2 − 1)
Definiţie
Coeficientul lui Kendall se defineşte ca:
n
2∑ ( Pi − M i )
i =1
K=
n (n − 1)
Pasul 3 – Regresii în mai multe variabile

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
În cazul mai multor seturi de date X1=(x11,...,x1n),...,Xp=(xp1,...,xpn), Y=(y1,...,yn) se pune, de
asemenea, problema unei eventuale corelaţii a lui Y de X1,...,Xp. Ne propunem determinarea constantelor
a0,...,ap ∈R astfel încât, considerând funcţia de regresie în mai multe variabile:
f(X1,...,Xp)=apXp+...+a1X1+a0
n
abaterea ∑ (f ( x pi ,..., x 1i ) − y i ) 2 să fie minimă.
i =1
n
Avem deci: F(a0,...,ap)= ∑ (a p x pi + ... + a 1 x 1i + a 0 − y i ) 2 =minimă.
i =1

∂F
Condiţia necesară de minim este: =0, k=0,...,p. Avem atunci:
∂a k
n
2∑ x ki (a p x pi + ... + a 1 x 1i + a 0 − y i ) =0 pentru k=p,...,1;
i =1
n
2∑ (a p x pi + ... + a 1 x 1i + a 0 − y i ) =0 pentru k=0
i =1

de unde:
n n n n
a p ∑ x ki x pi + ... + a 1 ∑ x ki x 1i + a 0 ∑ x ki = ∑ y i x ki , k=p,...,1;
i =1 i =1 i =1 i =1

n n n
a p ∑ x pi + ... + a 1 ∑ x 1i + na 0 = ∑ y i , k=0
i =1 i =1 i =1

Sistemul astfel obţinut are soluţiile:


col.p - k + 1
n n n n

∑xi =1
2
pi ∑x
i =1
pi x p −1, i L ∑y x
i =1
i pi L ∑x
i =1
pi

n n n n

∑ x p −1,i x pi
i =1
∑ x 2p −1,i
i =1
L ∑ yi x p −1,i L
i =1
∑ x p −1,i
i =1
, k=0,...,p.
L L L L L L
n n n

∑ x pi ∑ x p −1,i L ∑ yi L n
ak = i =1
n n
i =1
n
i =1
n

∑x
i =1
2
pi ∑x
i =1
pi x p −1 , i L ∑x
i =1
pi x ki L ∑x
i =1
pi

n n n n

∑x i =1
p − 1, i
x pi ∑x i =1
2
p −1, i
L ∑x
i =1
p − 1, i
x ki L ∑x
i =1
p −1 , i

L L L L L L
n n n

∑x
i =1
pi ∑x i =1
p −1, i L ∑x
i =1
ki L n

În particular pentru f(X1,X2)=a2X2+a1X1+a0 obţinem:


n n n n n n

∑y x
i =1
i 2i ∑xi =1
2i x 1i ∑xi =1
2i ∑x
i =1
2
2i ∑y x
i =1
i 2i ∑x
i =1
2i

n n n n n n

∑y x
i =1
i 1i ∑x i =1
2
1i ∑x
i =1
1i ∑x
i =1
1i
x 2i ∑y x
i =1
i 1i ∑x
i =1
1i

n n n n

∑yi =1
i ∑x i =1
1i
2 ∑x
i =1
2i ∑yi =1
i
2
a2 = n n n
, a1 = n n n
,
∑x i =1
2
2i ∑x
i =1
2i
x 1i ∑x i =1
2i ∑x i =1
2
2i ∑x
i =1
2i
x 1i ∑x
i =1
2i

n n n n n n

∑ x 1i x 2 i
i =1
∑ x 12i
i =1
∑ x 1i
i =1
∑ x 1i x 2i
i =1
∑ x 12i
i =1
∑x
i =1
1i

n n n n

∑x i =1
2i ∑x i =1
1i 2 ∑x i =1
2i ∑x i =1
1i 2
n n n

∑x
i =1
2
2i ∑x
i =1
2i x 1i ∑y x
i =1
i 2i

n n n

∑x i =1
1i x 2i ∑x
i =1
2
1i ∑y x
i =1
i 1i

n n n

∑x
i =1
2i ∑x
i =1
1i ∑y i =1
i

a0 = n n n

∑x i =1
2
2i ∑x i =1
2i
x 1i ∑x
i =1
2i

n n n

∑x
i =1
1i
x 2i ∑x
i =1
2
1i ∑x i =1
1i

n n

∑x i =1
2i ∑x
i =1
1i 2

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

REZUMAT
Noţiunile de eveniment şi probabilitate sunt fundamentale în cadrul teoriei probabilităţilor.
Probabilitatea extinde conceptul de frecvenţă pentru cazul unui număr infinit de experienţe semnificând şansa
de realizare a unui anumit eveniment în cadrul unei experienţe.
De asemenea, indicatorii numerici asociaţi variabilelor aleatoare modelează numeric aspectele
privind comportarea distribuţiei valorilor acesteia.
Legile de repartiţie simulează procese reale izvorâte din practica statistică de culegere, grupare şi
prelucrare a datelor.
Regresia liniară permite prognoza pe baza datelor existente atunci când datele urmează o traiectorie
de pantî relativ constantă.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la noţiunile de probabilitate, frecvenţă,
medie, dispersie, corelaţie, coeficient de corelaţie. De asemenea, au fost studiate regresiile liniare şi subliniată
importanţa acestora în cadrul activităţi de prognoză.

EXEMPLE ILUSTRATIVE
1. Un muncitor a lucrat 3 piese. Notând cu A,B,C evenimentele care constau în faptul că prima, a doua
respectiv a treia piesă este defectă, să se scrie formal următoarele evenimente:
a) nici una din piese nu este defectă;
b) cel puţin una este defectă;
c) numai una este defectă;
d) exact două sunt defecte;
e) cel puţin două sunt defecte;
f) cel mult două sunt defecte.
Soluţie Vom nota de asemenea evenimentele contrare A =”piesa 1 este bună”, B =”piesa 2 este bună”,
C =”piesa 3 este bună”. Avem atunci:
a) A ∩ B ∩ C ;
b) A∪B∪C;
c) (A∩ B ∩ C )∪( A ∩B∩ C )∪( A ∩ B ∩C);
d) (A∩B∩ C )∪(A∩ B ∩C)∪( A ∩B∩C);
e) ( A ∩ B ∩ C )∪(A∩ B ∩ C )∪( A ∩B∩ C )∪( A ∩ B ∩C);
f) A ∪ B ∪ C .
2. Cuvântul “economie” este format din litere izolate scrise pe cartonaşe. Amestecăm aceste cartonaşe şi
extragem apoi pe rând trei dintre ele aşezându-le unul după altul. Care este probabilitatea de a obţine
cuvântul “mie”?
Răspuns Fie evenimentele A1=”prima literă extrasă este m”, A2=”a doua literă extrasă este i” şi A3=”a
treia literă extrasă este e”. Evenimentul căutat este A1∩A2∩A3. Avem însă P(A1∩A2∩A3)=P(A1)
1 1 2 1
P(A2A1)P(A3A1∩A2). Avem: P(A1)= , P(A2A1)= , P(A3A1∩A2)= = de unde P(A1∩
8 7 6 3
A2∩A3)=0,006 (deci este aproape imposibil să mai obţinem din economie o mie...).
 1 − 1 − x , x ∈ [0,2];
3. Să se arate că funcţia ρ( x ) =  este o densitate de repartiţie. Să se determine apoi
0, x ∈ (-∞,0) ∪ (2, ∞)
funcţia sa de repartiţie.

Soluţie Pentru ca ρ să fie densitate de repartiţie trebuie ca să fie pozitivă iar ∫ ρ( x )dx =1.
−∞

Problema se poate face aici în două moduri şi anume funcţia ρ fiind suficient de simplă se poate trasa
graficul ei şi apoi pozitivitatea şi integrala pe R se obţin imediat. O a doua cale constă în a face calculele
formal (fără suport grafic). Vom alege a doua variantă. Avem deci:
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
 0, x ∈ (−∞,0);
 x , x ∈ [0,1);

ρ( x ) = 
2 − x , x ∈ [1,2];
 0, x ∈ ( 2, ∞)
∞ 1 2
Faptul că ρ este pozitivă este evident. Avem acum ∫ ρ( x )dx = ∫ xdx + ∫ (2 − x )dx =1. Funcţia de repartiţie
−∞ 0 1
x
este: F(x)= ∫ ρ(t)dt de unde:
-∞

• x∈(-∞,0)⇒F(x)=0;
x
x2
• x∈[0,1)⇒F(x)= ∫ tdt = ;
0 2
1 x
x2
• x∈[1,2]⇒F(x)= ∫ tdt + ∫ (2 - t)dt = 2 x − −1 ;
0 1 2
• x∈(2,∞)⇒F(x)=1.
 0 1 2 3 4 
4. Fie variabila aleatoare: X=   .
 0,2 0,4 0,3 0,08 0,02 
Să se calculeze valoarea medie şi dispersia lui X.
n
Soluţie Variabila aleatoare fiind simplă vom calcula media cu ajutorul formulei M(X)= ∑ p i v i . Avem
i =1

deci: M(X)=0⋅0,2+1⋅0,4+2⋅0,3+3⋅0,08+ 4⋅0,02=1,32. Avem: D(X)=M(X2)-M(X)2=M((X-M(X))2) şi deci


două metode:
 0 1 4 9 16 
Metoda 1. Fie X2=   de unde M(X2)=1⋅0,4+ 4⋅0,3+9⋅0,08+16⋅0,02=2,64 iar
 0, 2 0, 4 0,3 0, 08 0, 02 
M(X)2=1,322=1,7427 deci D(X)=2,64-1,7424=0,8976.
Metoda 2. Avem M((X-M(X))2)=0,8976 în virtutea faptului că:
 − 1,32 − 0,32 0,68 1,68 2,68 
X-M(X)=   , iar
 0,2 0,4 0,3 0,08 0,02 
1,7424 0,1024 0,4624 2,8224 7,1824 
(X-M(X))2=  .
 0,2 0,4 0,3 0,08 0,02 

RECOMANDĂRI BIBLIOGRAFICE
33. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii
diferenţiale, Bucureşti, Editura All, 1994;
34. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions
Mir Moscou, Vol. I, II, 1985;
35. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981;
36. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980;
37. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983;
38. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004;
39. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006;
40. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981;
41. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991;
42. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984;
43. Lang, S., Algebra, Addison-Wesley, 1971;
44. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988;
45. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986;
46. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978;
47. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982;
48. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
TESTE DE AUTOEVALUARE
1. La un magazin se găsesc trei tipuri de televizoare de marcă necunoscută. Până în acel moment 1. P=1,8
din 13 televizoare de marca „A” cumpărate au fost corespunzătoare 10, din 12 de marca „B” au 2. P=1,3099999
funcţionat corect 10 şi din 13 de marca „C” au fost bune 10. O persoană cumpără un televizor 3. P=0,79000002
fără a o interesa marca. Care este probabilitatea P ca acesta să funcţioneze corect? 4. P=1,6900001
2. Fie densitatea de repartiţie a unei variabile aleatoare ξ: 1. P(A)=0,83999997
 0 daca x < a; 2. P(A)=0,75
 4 4a a+b 3. P(A)=0,64999998
 x − daca a ≤ x < ; 4. P(A)=0,55000001000001
 (a - b) 2 (a - b) 2 2
ρ(x)=  unde a=-8, b=13. Considerând evenimentul:
4 4b a +b
− x+ daca ≤ x < b;
 (a - b) 2 (a - b) 2
2
 0 daca x ≥ b

A={-2,75≤ξ≤7,75} să se calculeze P(A).
 a b c d e 1. M(X)=7,3499999
3. Fie variabila aleatoare: X=   unde a=4, b=5, c=4, d=7, e=2, p1=0,1, 2. M(X)=5,0799999
 p1 p 2 p 3 p 4 α  3. M(X)=8,96
p2=0,19, p3=7,9999998E-2, p4=0,43000001, α∈R. Să se calculeze media M(X). 4. M(X)=12,1
 a b c d e 1. D(X)=7,54
4. Fie variabila aleatoare: X=   unde a=4, b=5, c=4, d=7, e=2, p1=0,1, 2. D(X)=3,6900001
 p1 p 2 p 3 p 4 α  3. D(X)=5,9899998
p2=0,19, p3=7,9999998E-2, p4=0,43000001, α∈R. Să se calculeze dispersia D(X). 4. D(X)=5,9299998
5. La un magazin se găsesc trei tipuri de televizoare de marcă necunoscută. Până în acel moment 1. P=1,77
din 14 televizoare de marca „A” cumpărate au fost corespunzătoare 11, din 8 de marca „B” au 2. P=1,15
funcţionat corect 6 şi din 9 de marca „C” au fost bune 6. O persoană cumpără un televizor fără a 3. P=0,73000002
o interesa marca. Care este probabilitatea P ca acesta să funcţioneze corect? 4. P=1,77
6. Fie densitatea de repartiţie a unei variabile aleatoare ξ: 1. P(A)=0,55000001
 0 daca x < a; 2. P(A)=0,83999997
 4 4a a+b 3. P(A)=0,64999998
 x − daca a ≤ x < ; 4. P(A)=0,75000001
 (a - b) 2 (a - b) 2 2
 4 4b a +b
− x+ daca ≤ x < b;
 (a - b) 2 (a - b) 2 2
 0 daca x ≥ b
ρ(x)=  unde a=-13, b=6. Considerând evenimentul:
A={-8,25≤ξ≤1,25} să se calculeze P(A).
 a b c d e 1. M(X)=10,05
  2. M(X)=5,4200001
p p 2 p 3 p 4 α 
7. Fie variabila aleatoare: X=  1 unde a=6, b=4, c=4, d=7, e=3, p1=0,07, 3. M(X)=6,7600002
p2=0,11, p3=0,33000001, p4=0,13, α∈R. Să se calculeze media M(X). 4. M(X)=4,1700001
 a b c d e 1. D(X)=2,8399999
  2. D(X)=6,71
p p 2 p 3 p 4 α 
8. Fie variabila aleatoare: X=  1 unde a=6, b=4, c=4, d=7, e=3, p1=0,07, 3. D(X)=4,77
p2=0,11, p3=0,33000001, p4=0,13, α∈R. Să se calculeze dispersia D(X). 4. D(X)=1,78

TEMĂ DE CONTROL
1. Un muncitor a lucrat 10 piese. Notând cu A1,...,A10 evenimentele care constau în faptul că piesa
respectivă este defectă, să se scrie formal următoarele evenimente:
a) nici una din piese nu este defectă;
b) cel puţin una este defectă;
c) numai una este defectă;
d) exact două sunt defecte;
e) cel puţin două sunt defecte;
f) cel mult două sunt defecte.
 11 14 2 6 
2. Fie variabila aleatoare ξ cu distribuţia   .
 0,1 0,3 0,2 0,4 
Să se determine funcţia sa de repartiţie şi să se construiască graficul acesteia.
6 1 1 3 65 
3. Fie variabila aleatoare: X=   , α∈R.
 0,1 0,4 0,3 0,08 α 
Să se calculeze valoarea medie şi dispersia lui X.
 14 32 21 78 
4. Fie variabila aleatoare ξ cu distribuţia   .
 0,2 0,1 0,2 0,5 

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Să se determine funcţia sa de repartiţie şi să se construiască graficul acesteia.
 16 11 15 31 61
5. Fie variabila aleatoare: X=   , α∈R.
 0,1 0,3 0,4 0,1 α 
Să se calculeze valoarea medie şi dispersia lui X.

MODULUL 4

PROGRAMARE LINIARĂ

Obiectivele specifice modulului:


 Introducerea noţiunii de problemă de programare liniară;
 Studiul algoritmului Simplex;
 Studiul problemei duale şi a algoritmului Simplex dual;
 Studiul problemei de transport.

Rezultatele aşteptate:
 Însuşirea algoritmului Simplex;
 Învăţarea modului de obţinere a problemei duale;
 Însuşirea algoritmului Simplex dual;
 Reoptimizarea şi parametrizarea unei probleme de programare liniară.

Competenţe dobândite ca urmare a parcurgerii modulului:


 Deprinderea folosirii corecte a algoritmului Simplex;
 Deprinderea folosirii corecte a algoritmului Simplex dual;
 Folosirea corectă a metodelor de reoptimizare şi parametrizare.

Timpul mediu necesar pentru asimilarea modulului : 6 ore

LECŢIA 1

PROBLEME ECONOMICE CE CONDUC LA MODELUL MATEMATIC AL


PROGRAMĂRII LINIARE

Pasul 1 - Utilizarea optimă a capacităţii maşinilor


Să considerăm o uzină care produce cu ajutorul a m maşini identice n produse distincte. Maşinile au
capacităţi de producţie limitate. Ne punem în mod natural problema utilizării optime a acestora. Pentru
aceasta să notăm cu aij procentul din capacitatea maşinii i pentru producerea unei unităţi din produsul j în
perioada necesară pentru producerea unei unităţi de produs. De asemenea, să notăm cu xj numărul unităţilor
de produs j fabricate în cursul acestei perioade. Considerând de asemenea şi cj beneficiile pe unitatea de
produs, obţinem că restricţiile problemei se pun sub forma:
 n

 max ∑ c jx j
 n
j=1

∑ a ij x ≤ 1, i = 1, m
j

 j=1

 x j ≥ 0, j = 1, n

Pasul 2 - Problema regimului alimentar
Fie un număr de n alimente disponibile A1,...,An şi C1,...,Cm componentele caracteristice ale acestora
(vitamine, substanţe minerale, proteine, calorii etc.). Să notăm cu aij cantitatea de Ci aflată într-o unitate de
măsură a lui Aj. Matricea A=(aij) se numeşte matrice de nutriţie. Dacă vom considera x1,...,xn cantităţile de
alimente corespunzătoare lui A1,...,An, pentru o perioadă de timp şi pentru un anumit număr de persoane,
problema se pune în sensul minimizării cheltuielilor necesare pentru o alimentaţie optimă. Fie deci b1,...,bm
cantităţile minime de caracteristică Ci pentru o alimentaţie sănătoasă şi c1,...,cn costul pe unitatea de produs
Ai. Problema devine:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
 n

 min ∑ c j x j
 n
j=1

∑ a ij x ≥ b i , i = 1, m
j

 j=1
 x j ≥ 0, j = 1, n

Pasul 3 - Problema de transport
Să considerăm m depozite şi n centre de desfacere. Ne propunem determinarea unei strategii de
transport pentru distribuirea unui produs care se află în cantitatea ai în depozitul i şi este cerut în cantitatea bj
la centrul de desfacere j. Fie xij cantitatea ce va fi transportată de la depozitul i la centrul j şi cij preţul
transportului unei unităţi de produs de la depozitul i la centrul j (presupus independent de cantitatea
transportată pe ruta respectivă). Vom presupune de asemenea că toată cantitatea de marfă din depozite va fi
m n
expediată şi că toate cerinţele centrelor vor fi satisfăcute. Pentru aceasta va fi necesar ca ∑a
i =1
i = ∑bj .
j=1

Cerinţele problemei se scriu sub forma:


 m n

 min ∑∑ i =1 j=1
c ij x ij
 n
 ∑ x ij = a i , i = 1, m
 j=1
 m ij
 ∑ x = b j , j = 1, n
 ij i =1
 x ≥ 0, i = 1, m, j = 1, n
LECŢIA 2
ALGORITMUL SIMPLEX PRIMAL

Pasul 1 - Introducere

Din exemplele prezentate mai sus, se poate formula problema generală a programării liniare.
Aceasta este:
 min(max) c1x1 +...+ck xk +ck+1xk+1 +...+cp xp +cp+1xp+1 +...+cn xn

 a11x1 +...+a1k xk +a1,k+1xk+1 +...+a1p xp +a1,p+1xp+1 +...+a1n xn ≥ b1
 ...

 aq1x +...+aqkx +aq,k+1x +...+aqpxp +aq,p+1xp+1 +...+aqnxn ≥ bq
1 k k+1

a x1 +...+a xk +a xk+1 +...+a xp +a xp+1 +...+a xn = b


 q+1,1 q+1,k q+1,k+1 q+1,p q+1,p+1 q+1,n q+1

 ...
 ar1x1 +...+arkxk +ar,k+1xk+1 +...+arpxp +ar,p+1xp+1 +...+arnxn = br

 ar+1,1x1 +...+ar+1,k xk +ar+1,k+1xk+1 +...+ar+1,p xp +ar+1,p+1xp+1 +...+ar+1,n xn ≤ br+1

 ...
 am1x1 +...+amkxk +am,k+1xk+1 +...+ampxp +am,p+1xp+1 +...+amnxn ≤ bm

 x1 ,...,xk ≥ 0, xk+1 ,...,xp ≤ 0, xp+1 ,..., xn arbitrari
Notând acum:
 c1   c k +1   c p +1 
   
c1=  ...  ∈M1k(R), c2=  ...  ∈M1,p-k(R), c3=  ...  ∈M1,n-p(R),
c  c  c 
 k  p   n 
 x1   x k +1   x p +1 
     
x1=  ...  ∈Mk1(R), x2=  ...  ∈Mp-k,1(R), x3=  ...  ∈Mn-p,1(R),
xk   xp   xn 
     
 b1   b q +1   b r +1 
     
b1=  ...  ∈Mq1(R), b2=  ...  ∈Mr-q,1(R), b3=  ...  ∈Mm-r,1(R),
b   b  b 
 q  r   m 
 a 11 ... a 1k   a 1, k +1 ... a 1p 
   
A11=  ... ... ...  ∈Mqk(R), A12=  ... ... ...  ∈Mq,p-k(R),
a  a 
 q1 ... a qk   q , k +1 ... a qp 

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
 a 1, p +1 ... a 1n   a q +1,1 ... a q +1, k 
   
A13=  ... ... ...  ∈Mq,n-p(R), A21=  ... ... ...  ∈Mr-q,k(R),
a ... a qn   a 
 q , p +1  r1 ... a rk 
 a q +1, k +1 ... a q +1, p   a q +1, p +1 ... a q +1, n 
   
A22=  ... ... ...  ∈Mr-q,p-k(R),A23=  ... ... ...  ∈Mr-q,n-p(R),
a  a ... a rn 
 r , k +1 ... a rp   r , p +1
 a r +1,1 ... a r +1, k   a r +1, k +1 ... a r +1, p 
   
A31=  ... ... ...  ∈Mm-r,k(R), A32=  ... ... ...  ∈Mm-r,p-k(R),
a  a ... a mp 
 m1 ... a mk   m , k +1
 a r +1, p +1 ... a r +1, n 
 
A33=  ... ... ...  ∈Mm-r,n-p(R)
a 
 m , p +1 ... a mn 
obţinem forma generală a problemei de programare liniară (scrisă matriceal):
min(max) c1t x 1 + c t2 x 2 + c 3t x 3

 A 11 x + A 12 x + A 13 x ≥ b1
1 2 3

 A 21 x + A 22 x + A 23 x = b 2
1 2 3

 A x1 + A x 2 + A x 3 ≤ b
 31 32 33 3

 x 1 ≥ 0, x 2 ≤ 0, x 3 arbitrar
inegalităţile matriceale fiind înţelese pe componente, iar cit reprezintă transpunerea vectorului coloană ci,
i=1,2,3. Funcţia c1tx1+c2tx2+c3tx3 se numeşte funcţie obiectiv, relaţiile de forma:
ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn R bi
unde R este una din relaţiile ≥, =, ≤ se numesc restricţii ale problemei, iar ultimele, condiţii asupra
variabilelor.
O soluţie a problemei de programare liniară se numeşte program optim al acesteia.

Definiţie
O problemă de programare liniară în care toate restricţiile sunt ecuaţii, iar toate variabilele sunt
nenegative se spune că are forma standard.
Din definiţie, obţinem că expresia unui astfel de program este:
min (max) c t x

 Ax = b
 x≥0

 c1   x1   b1   a 11 ... a 1n 
       
unde: c=  ...  ∈M1n(R),x=  ...  ∈Mn1(R),b=  ...  ∈Mm1(R),A=  ... ... ...  ∈Mmn(R)
c  xn  b  a ... a mn 
 n    m  m1
Definiţie
O problemă de programare liniară se spune că are forma canonică dacă are una din următoarele
forme:
min c t x max c t x
 
 Ax ≥ b sau  Ax ≤ b
 x≥0  x≥0
 
Din definiţiile de mai sus se creează impresia că programele sub forma standard sau cea canonică
sunt mai restrictive decât cele în forma generală. Nu este însă adevărat acest lucru, orice program scris sub
una din forme putând fi adus cu transformările de mai jos în oricare altă formă. Aceste transformări sunt:
• folosind faptul că min f(x)=-max(-f(x)) şi max f(x)=-min(-f(x)) orice problemă de minimizare
(maximizare) se transformă într-una de maximizare (minimizare).
• sensul unei inegalităţi, prin înmulţirea cu –1, se schimbă în cel contrar;
• fiind dată o inecuaţie de forma: ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ ai,p+1xp+1+...+ainxn≤bi, adunând o
variabilă ecart, yi≥0 ea se transformă într-o ecuaţie: ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1
xp+1+...+ainxn+yi=bi;
• fiind dată o inecuaţie de forma: ai1x1+...+aikxk+ai,k+1xk+1+...+ aipxp+ai,p+1xp+1+...+ainxn≥bi, scăzând o
variabilă ecart, yi≥0 ea se transformă într-o ecuaţie: ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1
xp+1+...+ainxn-yi=bi;
• orice ecuaţie ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn=bi se transformă în două inecuaţii:
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
ai1x +...+aikx +ai,k+1x +...+aipx +ai,p+1x +...+ainx ≥bi,
1 k k+1 p p+1 n

ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn≤bi
• variabilă nepozitivă x≤0 se transformă prin substituţia x=-x' într-o variabilă nenegativă şi reciproc;
• variabilă arbitrară x, prin substituţia x=x'-x”, x',x”≥0, se înlocuieşte cu diferenţa a două variabile
nenegative;
Problemele de programare liniară au o interpretare geometrică interesantă. Vom exemplifica aceasta
pentru cazul a două variabile (cazul general impunând definiţii şi noţiuni suplimentare care ar încărca inutil
expunerea).

Pasul 2 - Programe de bază

Fie o problemă de programare liniară în forma standard:


min c t x

 Ax = b
 x≥0

în care matricea A∈Mmn(R), m<n, rang(A)=m. Vom nota cu ai=(ai1,...,ain), i=1,...,m, vectorul corespunzător
liniei i şi cu aj=(a1j,...,amj)t vectorul corespunzător coloanei j.
Observaţie
Un sistem Ax=b, A∈Mmn(R), se poate prezenta într-una din următoarele situaţii:
a) m>n (numărul de ecuaţii este mai mare decât cel al necunoscutelor). În acest caz, rangul matricei A
este cel mult egal cu n (obs.1). Dacă rang(A)=n atunci din ecuaţiile ce furnizează rangul se determină
valorile unice ale variabilelor x1,...,xn. În acest caz, există, de asemenea, două situaţii:
(1) dacă valorile acestora satisfac şi celelalte ecuaţii ale sistemului rezultă că acesta este
compatibil determinat. În acest caz, problema de programare liniară devine banală, funcţia
obiectiv fiind determinată prin simpla introducere a valorilor x1,...,xn în expresia
c1x1+...+cnxn;
(2) dacă valorile acestora nu satisfac cel puţin una din celelalte ecuaţii ale sistemului rezultă că
acesta este incompatibil şi problema este încheiată (domeniul restricţiilor fiind vid).
b) m=n (numărul de ecuaţii este egal cu cel al necunoscutelor). În acest caz, rangul matricei A este cel
mult egal cu m=n (obs.1). Dacă rang(A)=n atunci sistemul este compatibil determinat şi se procedează
ca mai sus.
c) m<n (numărul de ecuaţii este mai mic decât cel al necunoscutelor). În acest caz, rangul matricei A
este cel mult egal cu m (obs.1). Dacă rang(A)=m atunci din coloanele ce furnizează rangul
(corespunzătoare variabilelor principale), se obţine expresia acestora în funcţie de variabilele
secundare. Sistemul fiind nedeterminat rezultă o infinitate (∞n-m) de soluţii, care induc o serie de
dificultăţi suplimentare. Pe de o parte, valorile arbitrare ale variabilelor secundare trebuie alese astfel
încât să fie satisfăcută condiţia de pozitivitate a tuturor variabilelor (problemă practic imposibilă în
cazul general), iar pe de altă parte, după înlocuirea în funcţia obiectiv a valorilor variabilelor aceasta
trebuie optimizată. Chiar dacă aici dispunem de instrumentarul specific furnizat de analiza matematică,
problema nu poate fi rezolvată acceptabil deoarece condiţiile de pozitivitate conduc la o situaţie
asemănătoare cu cea de la început, schimbându-se practic doar variabilele.
Din observaţia 6, rezultă că este necesar ca să considerăm m<n, iar, pe de altă parte, condiţia
rang(A)=m reprezintă faptul că vectorii ai sunt liniar independenţi (în caz contrar, eliminându-se condiţiile
suplimentare; această situaţie apare în practică atunci când informaţiile provin din mai multe compartimente
ale unei firme în care atribuţiile se intersectează).
Definiţie
Un vector x=(x1,...,xn)t se numeşte soluţie de bază a problemei de programare liniară dacă:
(1) x satisface sistemul Ax=b;
(2) coloanele matricei A care corespund elementelor nenule ale lui x sunt liniar independente.
Definiţie
O soluţie a sistemului Ax=b se numeşte admisibilă (program) dacă toate componentele ei sunt
nenegative.
Definiţie
O soluţie de bază, admisibilă se numeşte nedegenerată dacă are toate componentele nenule şi
degenerată în caz contrar.
Definiţie
O matrice pătrată nesingulară formată cu m coloane ale matricei A se numeşte bază iar
componentele vectorului x corespunzătoare coloanelor ce formează baza se numesc variabile de bază
(bazice). Componentele lui x ce nu sunt bazice se numesc variabile nebazice.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
B
Vom nota cu B o matrice de bază a lui A, cu x vectorul coloană format cu variabilele bazice, cu S
matricea formată cu acele coloane ce nu sunt în B şi cu xS vectorul coloană format cu variabilele nebazice.
Sistemul Ax=b se poate scrie deci sub forma:
BxB+SxS=b
Cum B este inversabilă, obţinem:
xB=B-1b-B-1SxS
O soluţie de bază se poate obţine pentru xS=0 deci xB=B-1b.
Teoremă
Dacă o problemă de programare liniară are un program atunci ea are cel puţin un program de bază.
Teoremă
Dacă o problemă de programare liniară are un program optim atunci ea are un program optim de
bază.
După aceste consideraţii, o metodă de rezolvare a problemelor de programare liniară ar putea consta
în următoarele etape:
1) se determină toate matricele inversabile B din A;
2) pentru fiecare din aceste matrice se calculează B-1b şi se cercetează dacă toate componentele
vectorului obţinut sunt nenegative;
3) pentru fiecare din vectorii punctul anterior se calculează cx şi reţin acelea pentru care se obţine
minimul (maximul) acesteia.

Pasul 3 - Metoda simplex

Această metodă, elaborată de G.M. Dantzig în anul 1955, are la bază o metodă principial simplă,
dar foarte eficientă. Se pleacă cu o bază iniţială şi apoi se înlocuieşte una din coloanele acesteia cu o alta (deci
implicit o variabilă de bază schimbă rolul cu una secundară) astfel încât noua matrice să rămână de bază dar
soluţia să se apropie de soluţia optimă. Prin această metodă se pot determina toate situaţiile posibile
(probleme fără soluţii, optim infinit etc.).
Fie problema de programare liniară:
 min cx

(1) Ax = b
 x≥0

Să presupunem acum că soluţia de bază xB=B-1b este admisibilă adică xB≥0. O bază B ce verifică o
astfel de condiţie se numeşte bază primal admisibilă. Vom nota cu B mulţimea indicilor j care au
proprietatea că {aj}⊂B şi cu S mulţimea complementară de indici j pentru care {aj}⊂S. Notând de asemenea
B
x =B-1b, y Bj =B-1aj obţinem, din relaţia: xB=B-1b-B-1SxS.

xB= x - ∑ y Bj x j
B
(2)
j∈S

Din definiţia lui B-1 se observă că dacă aj este coloana i în matricea B atunci, cu notaţia ei=(δik)k=1,...,m
avem yjB=ei. Pe componente, relaţia (2) se scrie
x i B = x − ∑ y ijB x j ∀i∈B
iB
(3)
j∈S

Considerând acum cB=(ci)i∈B şi cS=(cj)j∈S funcţia obiectiv se poate scrie sub forma:
(4) z=ctx=cBtxB+cStxS
sau altfel:
B
(5) z=cBt x -(cBtB-1S-cSt)xS
Notând acum z =cBt x şi z Bj = c B y Bj = ∑ c i y ijB ∀j=1,...,n, relaţia (5) se poate scrie şi sub forma:
B B t

i∈B

z= z - ∑ (z − c j ) x j
B
B
(6) j
j∈S

Teoremă
Dacă B este o bază primal admisibilă şi pentru orice j∈S avem zjB-cj≤0 atunci programul de bază
corespunzător bazei B (xB=B-1b, xS=0) este un program optim pentru problema (1).
Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii:
1) ∃k∈S astfel încât z Bk -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat
atunci programul de bază corespunzător lui B nu este optim.
Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii:
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
1) ∃k∈S astfel încât z Bk -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat;
3) yik≤0 ∀i∈B
atunci problema (1) are optimul infinit.
Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii:
1) ∃k∈S astfel încât z Bk -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat;
3) ∃i∈B astfel încât yik>0
atunci valoarea maximă pe care o putem atribui lui x 0k astfel încât x' să rămână program este dată de:
 xiB  xsB
(8) min  =
y ik > 0  B
 y skB
i∈B
 y ik 
Observaţie
Dacă în teorema 14 atribuim lui x k0 valoarea dată de (8) atunci noul program rămâne soluţie de bază.
Aceasta corespunde unei baze B' care se obţine din B prin înlocuirea coloanei as cu coloana ak. Pentru aceasta,
să observăm că din (2) rezultă xs=0. Prin urmare, obţinem o nouă soluţie de bază formată din xi, i∈B-{s} şi
xk. Baza B' corespunzătoare acesteia se obţine din B prin înlocuirea coloanei as cu ak. Din faptul că ysk≠0
rezultă că vectorii coloană ai lui B' sunt liniar independenţi.
Observaţie
B
Din faptul că z= z -( z Bk -ck) x k0 rezultă că în baza B’, valoarea funcţiei obiectiv devine:
s
B' B x
(9) z = z − (z Bk − c k )
y sk
Dacă există mai mulţi indici k cu proprietatea zk-ck>0 atunci, pentru a obţine cea mai mică valoare a
funcţiei obiectiv, ar trebui ales acel indice k pentru care cantitatea ce se scade în (9) să fie maximă. Pentru
simplificarea lucrurilor, se alege în practică acel indice ce maximizează expresia zjB-cj.
Lemă (a substituţiei)
Fie B∈Mm(R) o matrice inversabilă şi C∈Mm(R) matricea obţinută din B prin înlocuirea coloanei k
cu un vector nenul a∈Mm1(R). Considerând vectorul d=B-1a=(di)i=1,...,m atunci:
• C este inversabilă dacă şi numai dacă dk≠0;
coloana k
 d 
 1 ... 0 − 1 0 ... 0 
 dk 
 ... ... ... ... ... ... ...
 d k −1 
 0 ... 1 − d 0 ... 0 
 k 
• Dacă dk≠0 atunci C-1=Ik(d)B-1 unde: Ik(d)=  1 .
0 ... 0 0 ... 0 
 dk 
 d 
 0 ... 0 − k +1 1 ... 0 
 dk 
 ... ... ... ... ... ... ...
 dm 
 0 ... 0 − 0 0 1
 dk 
Observaţie
Din lema substituţiei se observă că matricea Ik(d) se obţine prin înlocuirea coloanei k a matricei
unitate cu vectorul coloană respectiv. Determinarea matricei C-1 se poate face, ţinând seama de formulele de
mai sus, mai simplu astfel: se scrie matricea B-1=(eij) şi se adaugă în dreapta ei vectorul coloană d. Vom numi
elementul dk≠0 – pivot.

Elementul corespondent al lui C-1 se determină astfel: elementele de pe linia pivotului se împart la pivot, iar
celelalte elemente (de exemplu e1j) se transformă astfel: se construieşte dreptunghiul a cărui diagonală se
sprijină pe pivot şi elementul de transformat. Se înmulţesc elementele situate pe această diagonală

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
(“principală”) şi se scade produsului elementelor de pe cealaltă diagonală (“secundară”). Rezultatul se
împarte la pivot. Prin urmare, dacă C-1=(fij) avem:
e d − e kjd i
(10) fij= ij k , i∈{1,...,m}-{k}, j∈{1,...,m}
dk
e kj
(11) fkj= , j∈{1,...,m}
dk
Observaţie
La înlocuirea variabilei xs cu xk, deci a coloanei s din bază cu coloana k, noile cantităţi rezultate devin,
conform lemei substituţiei (s-au notat cu două bare elementele după transformare):
iB sB sB
iB
x y skB − x y ikB kB
x
• x = B
∀i∈B-{s}, iar pentru i=k: x = B ;
y sk y sk
B y ijB y skB − y ikB y sjB B y sjB
• y ij = B
∀i∈B-{s}, y sj = ;
y sk
y skB
B sB
B
z y skB − x (z Bk − c k )
• z = ;
y skB
B (z Bj − c j ) y skB − (z Bk − c k ) y sjB B

• zj − cj = B
∀j∈S-{k}, z k − c k =0.
y sk

Pasul 4 - Algoritmul simplex


Din cele expuse mai sus, obţinem algoritmul simplex care constă în:
1) Se determină o bază primal admisibilă B (metodă ce va fi expusă ulterior);
2) Se construieşte tabelul simplex astfel:
V.B. V.V.B. x1 ... xj ... xn
... ... ... ... ... ... ... ...
ci xi iB yi1B ... yijB ... yinB
x
... ... ... ... ... ... ... ...
cp xp pB yp1B ... ypjB ... ypnB
x
... ... ... ... ... ... ... ...
z B z1B-c1 ... zjB-cj ... znB-cn
z
c1 ... cj ... cn
3) Completarea tabelului simplex se face în următoarele etape:
3.1) Pe prima linie se trec numele tuturor variabilelor problemei (inclusiv a celor ecart);
3.2) În coloana V.B. (variabile de bază) se introduc numele variabilelor de bază determinate la punctul
1);
3.3) În coloana V.V.B. (valorile variabilelor de bază) se introduc valorile determinate pe baza relaţiei
B
x =B-1b;
3.4) Coloanele x1,...,xj,...,xn se completează cu valorile date de B-1aj, j=1,...,n;
3.5) În stânga tabelului se trec coeficienţii funcţiei obiectiv corespunzători variabilelor de bază;
3.6) În subsolul tabelului se trec coeficienţii funcţiei obiectiv corespunzători tuturor variabilelor;
3.7) Penultima linie se completează astfel:
z = ∑ c i y ijB adică se înmulţesc valorile primei coloane cu valorile coloanei V.V.B. şi se adună
B
3.7.1)
i∈B

rezultatele (produsul scalar al vectorilor din aceste coloane);


3.7.2) z Bj − c j = ∑ c i y ijB -cj ∀j=1,...,n adică se înmulţesc valorile primei coloane cu valorile coloanei xj
i∈B

şi se adună rezultatele scăzându-se la final valoarea din ultima linie;


3.8) O completare rapidă a coloanelor variabilelor de bază se face astfel: în dreptul liniei şi coloanei
unei variabile de bază se înscrie valoarea 1 în restul coloanei completând cu 0 (inclusiv la zjB-cj).
B
4) Dacă ∀j=1,...,n avem zjB-cj≤0 atunci programul de bază xB= x , xS=0 este optim. STOP.
5) Dacă există indici j astfel încât să avem zjB-cj>0 atunci:
5.1) dacă pentru un indice j pentru care zjB-cj>0 avem yijB≤0 ∀i=1,...,m atunci conform teoremei 13
problema are optim infinit. STOP.
5.2) dacă ∀j=1,...,n astfel încât zjB-cj>0⇒∃i=1,...,m astfel încât yijB>0 atunci se determină acel indice j
pentru care se obţine maximul expresiei zjB-cj. Dacă există mai mulţi indici cu această proprietate, se
alege unul dintre aceştia (de regulă primul). În acest caz, vectorul coloană ak intră în bază, variabila xk
devenind variabilă de bază;

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
6) Pentru j determinat la 5.2.) se determină variabila ce părăseşte baza cu ajutorul relaţiei:
 xiB  xpB
min  = . Dacă minimul este atins pentru mai mulţi indici, se alege unul dintre aceştia. Variabila
y ij > 0  B
 y Bpj
i∈B 
y ij

xp părăseşte baza devenind variabilă secundară;

7) Se înlocuieşte în baza B vectorul ap cu aj determinându-se noua bază B' şi se recalculează cantităţile de la


punctul 3) în noua bază, astfel:
7.1) Se construieşte scheletul tabelului simplex, în care nu se mai trec coeficienţii funcţiei obiectiv;
7.2) În coloana V.B. se înlocuieşte numele variabilei xp cu xj;
7.3) Se marchează (eventual prin încercuire) în vechiul tabel elementul ypjB care se numeşte pivot;
7.4) Coloanele actualelor variabile de bază se completează ca la punctul 3.8);
7.5) Linia pivotului se împarte la pivot;
7.6) Restul elementelor din noul tabel, se obţin cu ajutorul regulii dreptunghiului care constă în
yByB − yB yB
următoarea formulă de transformare: ŷ isB = is pj B ij ps ∀i=1,...,m+1 ∀s=0,...,n, unde am notat pentru
y pj
B iB
extensia formulei: ŷ Bm+1,s = z sB − cs ∀s=1,...,n, ŷ Bm +1, 0 = z şi ŷ iB0 = x ∀i=1,...,m.
8) Se reia algoritmul de la punctul 4) până la determinarea soluţiei.
element de transformat
yB yB
ij
is

-
yB
ps
yB
pj
pivot
Problema care se pune acum este determinarea unui program de bază iniţial. Un mod de a face acest
lucru este dat de metoda celor două faze care constă în:
1) Se transformă toate restricţiile în ecuaţii Ax=b cu b≥0 (eventual prin înmulţire cu
(-1));
2) Se identifică acele variabile care apar numai într-una dintre restricţii şi are coeficient pozitiv. În caz
favorabil, se împarte ecuaţia respectivă la acest coeficient;
3) Se adaugă la fiecare ecuaţie care nu apare la punctul 2) câte o variabilă artificială obţinând vectorul
xa=(x1,a,...,xk,a)t obţinând egalitatea: Ax+I(k)xa=b unde I(k) reprezintă matricea obţinută din cea nulă prin
plasarea, pe diagonala principală, de elemente egale cu 1 în liniile corespunzătoare variabilelor artificiale
iar b este noul vector al termenilor liberi (după eventualele înmulţiri cu (–1) sau împărţiri la coeficienţi ai
restricţiilor). Se recomandă ca indicii variabilelor artificiale să fie daţi în acord cu numerele de linie ale
ecuaţiilor corespondente;
4) Se rezolvă apoi problema de programare liniară:
min( x 1 a + ... + x k a )

 Ax + I(k ) x = b .
a

 x ≥ 0, x ≥ 0 a

Din cauza variabilelor izolate şi a celor auxiliare, baza iniţială va fi matricea unitate Im.
5) Completarea primului tabel simplex se va face astfel:
5.1) Pe prima linie se trec numele tuturor variabilelor problemei (inclusiv a celor auxiliare);
5.2) În coloana V.B. se introduc numele variabilelor de bază adică a celor izolate şi a celor auxiliare;
B
5.3) În coloana V.V.B. se introduc valorile determinate pe baza relaţiei x =I-1b=b deci se copie vectorul
termenilor liberi;
5.4) Coloanele x1,...,xj,...,xn se completează cu valorile date de I-1aj=aj, j=1,...,n deci cu coloanele
coeficienţilor variabilelor respective;
5.5) În prima coloană se trec coeficienţii noii funcţii obiectiv corespunzători variabilelor de bază (1 în
dreptul variabilelor auxiliare şi 0 în rest);
5.6) În ultima linie se trec noii coeficienţi ai funcţiei obiectiv corespunzători tuturor variabilelor;
5.7) Penultima linie se completează astfel:
z = ∑ c i y ijB adică se înmulţesc valorile primei coloane cu valorile coloanei V.V.B. şi se adună
B
5.7.1)
i∈B

rezultatele;
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
5.7.2) z Bj − c j = ∑ c i y ijB -cj ∀j=1,...,n adică se înmulţesc valorile primei coloane cu valorile coloanei xj
i∈B

şi se adună rezultatele scăzându-se la final valoarea din ultima linie;


5.8) O completare rapidă a coloanelor variabilelor de bază se face astfel: în dreptul liniei şi coloanei
unei variabile de bază se înscrie valoarea 1 în restul coloanei completând cu 0 (inclusiv la zjB-cj).
6) Se aplică algoritmul simplex până la final. Trebuie remarcat că nu se poate obţine la această fază optim
infinit deoarece funcţia obiectiv fiind min(x1 a+...+xk a)≥ 0 nu se poate ajunge la -∞ printr-o creştere
corespunzătoare a unei variabile;
7) În final, avem următoarele situaţii:
7.1) Dacă min(x1 a+...+xk a)>0 rezultă că problema iniţială nu are programe. Într-adevăr, această valoare
optimă implică faptul că există j=1,...,k astfel încât xj a>0. În acest caz, restricţia j din problema iniţială şi
din cea auxiliară sunt incompatibile (implicând după scădere xj a=0-contradicţie);
7.2) Dacă min(x1 a+...+xk a)=0 atunci, cum xi a=0 ∀i=1,..., k rezultă că problema iniţială are programe.
Avem însă două situaţii:
7.2.1) toate variabilele auxiliare au ieşit din bază. În acest caz, baza obţinută la problema auxiliară este
bază pentru problema iniţială;
7.2.2) au rămas variabile auxiliare în bază, fiind evident nule. În acest caz, avem din nou două situaţii:
7.2.2.1) dacă pe linia corespunzătoare unei variabile auxiliare, există un element nenul în
dreptul unei variabile neauxiliare, se face transformarea cu pivotul respectiv;
7.2.2.2) dacă pe linia corespunzătoare unei variabile auxiliare, toate elementele din dreptul
coloanelor variabilelor neauxiliare sunt nule, atunci ecuaţia căreia i s-a ataşat variabila
auxiliară este o consecinţă a celorlalte ecuaţii (cazul când rangul matricei A nu era m). În
acest caz, linia respectivă a tabelului simplex se elimină, împreună cu variabila auxiliară
respectivă.
8) Se trece la a doua fază prin recalcularea tabelului simplex pentru problema iniţială. Astfel:
8.1) Se copie ultimul tabel, mai puţin ultima linie a acestuia;
8.2) Se recalculează ultima linie în raport cu coeficienţii funcţiei obiectiv iniţiale c1,...,cn.
9) Se rezolvă problema cu ajutorul algoritmului simplex.
Observaţie
La finalul primei faze, dacă toate variabilele auxiliare au ieşit din bază atunci toate cantităţile z Bj − c j
din dreptul variabilelor iniţiale sunt nule.
Observaţie
Dacă în final nu este nevoie de determinarea lui B-1 atunci, la prima fază, pe măsura ieşirii
variabilelor auxiliare din bază acestea se pot elimina din tabel prin tăierea coloanei respective. Dacă
variabilele auxiliare nu au fost eliminate din tabelele simplex, la a doua fază, ele nu se mai iau în considerare,
la determinarea variabilelor ce intră sau ies din bază. Coloanele respective vor fi calculate cu aceeaşi regulă a
dreptunghiului, mai puţin ultimul element care se va înlocui printr-un simbol (o linioară, un asterisc etc.).
Observaţie
Dacă variabilele auxiliare nu au fost eliminate din tabelele simplex, la sfârşitul algoritmului, în
coloanele corespunzătoare primelor variabile de bază (inclusiv cele izolate) de la prima fază, se va afla B-1.
Observaţie
Dacă problema de programare liniară este degenerată, obţinându-se în final soluţii optime care au
componente de bază nule, atunci prin investigarea liniei corespunzătoare unei astfel de variabile, ea se poate
scoate din bază şi înlocui cu o alta (evident prin satisfacerea condiţiilor specifice). În acest caz, din formula:
s
B' B x s
z = z − (z − c k )
B
k
cum x =0 rezultă că soluţia obţinută rămâne optimă. Procedând în acest mod până la
y sk
efectuarea tuturor schimbărilor posibile se obţine soluţia optimă sub forma unei combinaţii convexe de
variabilele respective (combinaţie liniară cu parametri pozitivi şi a căror sumă este 1). Analog se procedează
dacă există cantităţi (z Bj − c j ) nule cu j∈S.
Observaţie
Dacă funcţia obiectiv este de minim şi toţi coeficienţii acesteia sunt pozitivi atunci nu putem avea
optim infinit (deoarece min≥0). Analog, dacă funcţia obiectiv este de maxim şi toţi coeficienţii acesteia sunt
negativi atunci nu putem avea optim infinit (deoarece max≤0).

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I

LECŢIA 3
DUALITATE ÎN PROGRAMAREA LINIARĂ

Pasul 1 - Introducere

Definiţie
Fie problema generală de minim a programării liniare:
 min c1 x 1 + c 2 x 2 + c 3 x 3

 A11 x + A 12 x + A 13 x ≥ b1
1 2 3

A 21 x + A 22 x + A 23 x = b 2
1 2 3
(P1)
A x1 + A x 2 + A x 3 ≤ b
 31 32 33 3

 x 1 ≥ 0, x 2 ≤ 0, x 3 arbitrar
Se numeşte problemă duală a acesteia problema:
 max b1t u 1 + b 2t u 2 + b 3t u 3
 t 1
 A 11 u + A 21 u + A 31 u ≤ c1
t 2 t 3 t

A 12 u + A 22 u + A 32 u ≥ c 2
t 1 t 2 t 3 t
(D1)
A t u1 + A t u 2 + A t u 3 = c t
 13 23 33 3

 u 1 ≥ 0, u 2 arbitrar, u 3 ≤ 0

Definiţie
Fie problema generală de maxim a programării liniare:
 max c1 x 1 + c 2 x 2 + c 3 x 3

 A11 x + A 12 x + A 13 x ≥ b1
1 2 3

A 21 x + A 22 x + A 23 x = b 2
1 2 3
(P2)
A x1 + A x 2 + A x 3 ≤ b
 31 32 33 3

 x 1 ≥ 0, x 2 ≤ 0, x 3 arbitrar
Se numeşte problemă duală a acesteia problema:
 min b1t u 1 + b 2t u 2 + b 3t u 3
 t 1
 A 11 u + A 21 u + A 31 u ≥ c1
t 2 t 3 t

A 12 u + A 22 u + A 32 u ≤ c 2
t 1 t 2 t 3 t
(D2)
A t u1 + A t u 2 + A t u 3 = c t
 13 23 33 3

 u 1 ≤ 0, u 2 arbitrar, u 3 ≥ 0
Observaţie
Problemele (P1) şi (P2) se mai numesc şi probleme primale. Este evident că duala problemei duale
este cea primală.
Observaţie
Problema duală se obţine din cea primală astfel:
1) problemele de minimizare (maximizare) se transformă în probleme de maximizare (minimizare);
2) termenii liberi ai lui (P) devin coeficienţii funcţiei obiectiv în (D);
3) coeficienţii funcţiei obiectiv din (P) devin termeni liberi în (D);
4) matricea coeficienţilor din (D) este transpusa matricei coeficienţilor din (P);
5) variabilele duale corespunzătoare restricţiilor concordante în (P) (adică restricţii de forma ≥ în
probleme de minimizare şi de forma ≤ în probleme de maximizare) sunt nenegative;
6) variabilele duale corespunzătoare restricţiilor neconcordante în (P) (adică restricţii de forma ≤ în
probleme de minimizare şi de forma ≥ în probleme de maximizare) sunt nepozitive;
7) variabilele duale corespunzătoare restricţiilor de tip ecuaţii în (P) sunt arbitrare;
8) variabilelor din (P) nenegative le corespund restricţii în (D) concordante;
9) variabilelor din (P) nepozitive le corespund restricţii în (D) neconcordante;
10) variabilelor din (P) arbitrare le corespund restricţii în (D) de tip ecuaţii.
Să considerăm acum problema de programare liniară în forma standard:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
min c t x

(1)  Ax = b
 x≥0

şi duala acesteia:
 max b t u
 t
(2) A u≤c
u arbitrar

Definiţie
O bază B a lui A astfel încât: cBB-1A-c≤0 ( z Bj − c j ≤0 ∀j=1,...,n) se numeşte bază dual admisibilă. O
soluţie x a problemei primale ce corespunde unei baze dual admisibile se numeşte soluţie dual admisibilă.
Fie acum cuplul de probleme duale:
min c t x

(3)  Ax ≥ b
 x≥0

max b t u
 t
(4) A u ≤ c
 u≥0

Observaţie
Se arată că dacă avem o bază primal şi dual admisibilă B atunci avem programul optim pentru
problema (1): xB=B-1b, xS=0 şi programul optim al problemei (2): uBt=cBtB-1. Pentru aceste două programe
funcţiile obiectiv au valori egale. Într-adevăr, uBtaj=cBtB-1aj=zjB≤cj de unde rezultă că uBt este soluţie a
problemei duale. Pe de altă parte, dacă x este o soluţie a problemei primale (3), iar u a problemei duale (4),
avem: Ax≥b şi cum u≥0⇒utAx≥utb. Pe de altă parte: Atu≤c şi cum x≥0⇒xtAtu≤xtc şi cum cantităţile sunt
scalari, rezultă după transpunere: utAx≤ctx. Obţinem deci că ctx≥utb=btu. Să considerăm acum o soluţie x a
problemei primale şi o soluţie u a celei duale astfel încât ct x =bt u . Dacă x nu ar fi program optim al
problemei primale, atunci ar exista x* astfel încât ctx*<ct x . Dar atunci ctx*<bt u , iar din cele de mai sus avem:
ctx*≥bt u deci contradicţie. Prin urmare, x este program optim al problemei primale. Analog, dacă u nu ar fi
program optim al problemei duale, atunci ar exista u* astfel încât btu*>bt u . Dar atunci btu*>ct x , iar din cele
de mai sus avem: btu*≤ct x deci contradicţie. Prin urmare, u este program optim al problemei duale. În final,
B
cum valoarea optimă a funcţiei obiectiv este z =btuB=uBtb=cBtB-1b=cBtxB rezultă că funcţiile obiectiv ale
problemelor primală respectiv duală au valori egale.

Pasul 2 - Algoritmul simplex dual

În aplicarea algoritmului simplex primal se porneşte de la o bază primal admisibilă şi în urma


înlocuirii succesive a vectorilor din bază se obţine, în final, o bază dual admisibilă.
Algoritmul simplex dual constă în procesul invers. Se porneşte cu o bază dual admisibilă şi după un
sistem de calcul oarecum asemănător, se obţine în final o bază primal admisibilă.
În cele ce urmează, vom considera perechea de probleme duale:
min c t x  max b t u
 
(P)  Ax = b , (D)  A t u ≤ c
 x≥0 u arbitrar
 
Teoremă (fundamentală a dualităţii)
Fie problemele duale (P) şi (D).
1) Dacă ambele probleme au programe atunci ele au programe optime şi valorile funcţiilor obiectiv
coincid;
2) Dacă una din probleme are programe, iar cealaltă nu, atunci cea care are programe are optim infinit.
Teoremă
Fie B o bază dual admisibilă astfel încât:
kB
1) ∃k∈B astfel încât x <0;
2) ykjB≥0 ∀j∈S
În acest caz, problema primală nu are programe.
Teoremă
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Fie B o bază dual admisibilă astfel încât:
kB
1) ∀k∈B astfel încât x <0 ⇒ ∃j∈{1,...,n} astfel încât ykjB<0;
 z dB − c d  z sB − c s
2) Fie pentru k∈B, s∈S astfel încât min   = .
y kd < 0 
B
B
 y kd  y Bks
În acest caz, înlocuind în baza B coloana k cu coloana s, valoarea funcţiei obiectiv a problemei duale este mai
mare sau egală cu cea anterioară.
Din cele de mai sus se pot enunţa acum:
Etapele de aplicare a algoritmului simplex dual
Fie x o soluţie dual admisibilă.
1) Fie J={j x j<0};
2) Dacă J=∅ atunci x este soluţie optimă. STOP.
3) Dacă J≠∅ atunci:
3.1) Dacă ∃j∈J astfel încât componentele de rang j ale vectorilor coloană din A ce nu fac parte din bază
sunt pozitive atunci problema primală nu are soluţie. STOP.
3.2) Dacă ∀j∈J componentele de rang j ale vectorilor coloană din A ce nu fac parte din bază au şi valori
 z j − c j  zp − cp
negative atunci fie min x j= x k şi min  = . Vectorul care va părăsi baza va fi ak iar cel
j∈J 
j∈J
y kj < 0  y kj  y kp
care va intra în bază va fi ap;
4) După transformarea cu pivotul ykp se revine la pasul 1.
Cu ajutorul observaţiei 6, rezultă că la finalul algoritmului simplex dual suntem în măsură să
cunoaştem soluţia problemei primale.
Ca şi la algoritmul simplex primal se pune problema determinării unei baze dual admisibile. Pentru a
face acest lucru vom proceda astfel:
min c t x  min c t x
 
1) Dacă problema este sub formă canonică:  Ax ≥ b ea se transformă în - Ax ≤ −b . Introducând
 x≥0  x≥0
 
variabilele ecart, acestea formează o bază a problemei. Dacă în plus, toţi coeficienţii funcţiei obiectiv sunt
pozitivi, atunci acestea formează o bază dual admisibilă.
2) Dacă punctul 1) nu are loc (orice problemă poate fi adusă la una din formele de mai sus, însă numărul
restricţiilor creşte foarte mult ceea ce este inadmisibil – de exemplu la transformarea egalităţilor în
inegalităţi, numărul restricţiilor se dublează), atunci se adaugă o restricţie suplimentară: xn+1+ ∑ x i =M
i∈S

unde în prealabil s-a determinat o bază B, iar S reprezintă indicii restului coloanelor lui A. Numărul M
este ales suficient de mare. Problema care se obţine are următoarea formă:
 min c t x
 n +1
x + ∑ x = M
i

(5)  i∈I

 Ax = b
 x ≥ 0, x n +1 ≥ 0

3) Se determină apoi k∈S astfel încât să avem max (z iB − c i ) = z Bk − c k .
i∈S

4) Considerând baza B’ obţinută din B prin înlocuirea coloanei lui xn+1 cu coloana lui xk se obţine o bază
dual admisibilă.
5) În final, există mai multe situaţii:
5.1) Dacă problema (5) nu are programe, atunci nici problema (P) nu are programe;
5.2) Dacă problema (5) are programe atunci există trei variante:
5.2.1) xn+1 rămâne în baza optimă şi atunci restul variabilelor constituie soluţia optimă;
5.2.2) xn+1 nu rămâne în baza optimă, dar valoarea optimă a funcţiei obiectiv depinde de M. În acest
caz, pentru M→∞ rezultă că problema iniţială are optim infinit;
5.2.3) xn+1 nu rămâne în baza optimă, iar valoarea optimă a funcţiei obiectiv nu depinde de M. În acest
caz, se poate obţine soluţia optimă, descrescându-l pe M până în momentul în care una din variabilele
de bază ce este funcţie de M devine nulă.
Observaţie
Din cauza dificultăţilor de aplicare în determinarea unei baze iniţiale dual admisibile, nu vom aplica
acest algoritm decât în cadrul problemelor de reoptimizare pe care le vom studia mai jos.
Observaţie
Problema duală are o interpretare imediată. Dacă în problema primală x are o anumită semnificaţie,
din faptul că funcţiile obiectiv ale celor două probleme coincid la optim, rezultă că:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
∂ (c1 x 1 + ... + c n x n ) ∂(b1 u 1 + ... + b m u m )
= = u i , i=1,...,m
∂b i ∂b i
Aceasta înseamnă că la modificarea cu o unitate a termenului liber bi (ce poate avea semnificaţie de
resursă arbitrară) valoarea funcţiei obiectiv creşte cu cea a variabilei duale ataşate restricţiei “i”. Prin
urmare, mărimea valorilor variabilelor duale, dau un indiciu asupra “sensibilităţii” unor restricţii ale
problemei primale.

LECŢIA 4
REOPTIMIZARE ŞI PARAMETRIZARE ÎN PROGRAMAREA LINIARĂ

Pasul 1 - Modificarea termenilor liberi

Să presupunem că termenii liberi ai problemei iniţiale:


 min cx

Ax = b
 x≥0

se modifică în sensul că b se înlocuieşte cu vectorul b’. Din modul de completare a tabelului simplex, am
văzut că acesta influenţează numai coloana V.V.B. în care apare vectorul B-1b. Prin urmare, vom modifica
ultimul tabel simplex, astfel:
1) toate coloanele tabelului în afara celei a V.V.B. rămân neschimbate;
2) coloana V.V.B. devine B-1b’;
3) funcţia obiectiv se recalculează în funcţie de valorile obţinute la 2).
Cum ultima linie a tabelului rămâne neschimbată rezultă că baza B este dual admisibilă, deci se
aplică în continuare algoritmul simplex dual.

Pasul 2 - Modificarea coeficienţilor funcţiei obiectiv

Să presupunem că vectorul coeficienţilor funcţiei obiectiv devine c’. Acesta modifică numai ultima
linie a tabelului simplex, care va fi calculată corespunzător. Evident baza rămâne primal admisibilă deci se
continuă cu algoritmul simplex primal.

Pasul 3 - Introducerea unei variabile suplimentare

Să presupunem acum că introducem o variabilă suplimentară xn+1. În acest caz se ataşează tabelului o
coloană suplimentară corespunzătoare variabilei nou introduse.
Cum am obţinut deja o bază primal admisibilă, rezultă că avem două situaţii:
1) dacă zn+1B-cn+1≤0 atunci soluţia optimă rămâne neschimbată;
2) dacă zn+1B-cn+1>0 atunci se aplică agoritmul simplex primal.

Pasul 4 - Modificarea coeficienţilor unei variabile

Să presupunem că vectorul coeficienţilor unei variabile xi se modifică astfel încât ai se schimbă în


a’ . Din modul de completare a tabelului simplex, s-a văzut că vectorul ai nu influenţează decât coloana
i

corespunzătoare lui xi. Problema care apare însă este dacă variabila xi era variabilă de bază sau nu.
4.1) Dacă variabila xi nu face parte din bază atunci se recalculează coloana xi cu formula B-1a’i şi cantitatea
ziB-ci aferentă. Se aplică apoi, dacă este cazul, algoritmul simplex primal.
4.2) Dacă variabila xi face parte din bază atunci, pentru simplificare, recomandăm reîntoarcerea la ultimul
tabel simplex care nu conţinea variabila xi în bază şi aplicarea punctului 4.1).
O altă metodă, aplicabilă îndeosebi situaţiei în care nu sunt cunoscute bazele succesive, constă şi în
introducerea unei variabile auxiliare xn+1 având drept coeficienţi componentele vectorului a’ iar xi să fie
considerată drept variabilă artificială. Problema se reduce la cea a introducerii unei noi variabile (vezi 3)).
Aplicând metoda celor două faze cu funcţia obiectiv min (xi) şi eliminând această variabilă se obţine soluţia
optimă.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Pasul 5 - Parametrizare în programarea liniară

Problema parametrizării constă în determinarea comportării soluţiei optime atunci când unele din
componentele problemei (termeni liberi, coeficienţi ai funcţiei obiectiv, coeficienţi ai variabilelor) depind de
parametri.
Problema parametrizării se soluţionează, principial, destul de simplu. Astfel se dă o valoare arbitrară
parametrului (de exemplu 0) şi se rezolvă problema. La final, se modifică componenta respectivă după
metodele reoptimizării. Evident că în funcţie de valorile parametrului se va obţine o soluţie optimă sau alta.

LECŢIA 5
PROBLEMA DE TRANSPORT

Pasul 1 - Introducere

Am văzut la prezentarea problemelor de programare liniară că problema de transport în forma


standard are următoarea expresie:
 m n

 min ∑ ∑
i =1 j=1
c ij x ij
 n
 ∑ x ij = a i , i = 1, m
 j=1
 m ij
 ∑ x = b j , j = 1, n
 ij i =1
x ≥ 0, i = 1, m, j = 1, n
m n
unde ∑a
i =1
i
= ∑ b j , ai,bj≥0.
j =1

În legătură cu această problemă avem câteva situaţii concrete care se reduc însă la problema de mai
sus.

Pasul 2 - Problema de transport cu cerere excedentară


 m n

 min ∑∑ i =1 j=1
c ij x ij
 n
 ∑ x ij = a i , i = 1, m
 j=1
 m ij
 ∑ x ≤ b j , j = 1, n
 ij i =1
x ≥ 0, i = 1, m, j = 1, n
m n
unde ∑a
i =1
i ≤ ∑ b j , ai,bj≥0.
j =1

Prin introducerea variabilelor ecart se poate aduce problema la forma standard. Valorile variabilelor
ecart vor fi interpretate ca diferenţă între cantitatea cerută de beneficiar şi cea trimisă efectiv. Considerând un
n m n
depozit fictiv cu disponibil de resurse: am+1= ∑ b j − ∑ a i obţinem condiţia suplimentară: ∑x m +1, j
= a m +1 .
j=1 i =1 j=1

Costurile asociate transporturilor fictive vor fi interpretate după caz fie ca penalităţi stabilite prin contracte cu
beneficiarii pentru neonorarea cererilor fie vor fi luate nule în situaţia în care nu există astfel de contracte.

Pasul 3 - Problema de transport cu ofertă excedentară


 m n

 min ∑∑
i =1 j=1
c ij x ij
 n
 ∑ x ij ≤ a i , i = 1, m
 j=1
 m ij
 ∑ x = b j , j = 1, n
 ij i =1
x ≥ 0, i = 1, m, j = 1, n
m n
unde ∑a
i =1
i ≥ ∑ b j , ai,bj≥0.
j =1

Prin introducerea variabilelor ecart se poate aduce problema la forma standard. Valorile variabilelor
ecart vor fi interpretate ca diferenţă între cantitatea oferită de furnizor şi cea trimisă efectiv. Considerând un

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
m n m
beneficiar fictiv cu cerere de resurse: bn+1= ∑ a i − ∑ b j obţinem condiţia suplimentară: ∑x i , n +1
= b n +1 .
i =1 j =1 i =1

Costurile asociate transporturilor fictive vor fi interpretate după caz fie ca fiind costuri de stocare fie vor fi
luate nule.

Pasul 4 - Algoritmul de transport

1) Se construieşte tabelul:
c11 c12 ... c1n a1
c21 c22 ... c2n a2
... ... ... ... ...
cm1 cm2 ... cmn am
b1 b2 ... bn
Într-un tabel vom numi celulă o pereche de numere (i,j) aflată la intersecţia liniei i cu coloana j din
tabel şi ciclu o secvenţă ordonată de celule de forma: (i1,j1), (i1,j2), (i2,j2), (i2,j3),...,(ik,jk), (ik,j1).
2) Se obţine o soluţie iniţială de bază astfel:
2.1) se dă unei variabile de bază oarecare xij valoarea x’ij=min{ai,bj};
2.2) se înlocuiesc ai şi bj prin ai-x’ij,respectiv bj-x’ij şi se suprimă linia i dacă x’ij=ai sau coloana j dacă
ij
x’ =bj (în situaţia în care ai=bj alegându-se una dintre variante);
2.3) în tabelul simplificat astfel se repetă operaţiile anterioare până când se determină soluţia de bază.
2.4) alegerea lui xij se poate face în mai multe moduri:
2.4.1) metoda colţului de Nord-Vest (G.M.Dantzig): alegerea se face în celula din prima linie şi
coloană a tabelului redus;
2.4.2) metoda costului minim (H.S.Houthakker): alegerea se face din celula în care este cea mai
mică valoare cij.
3) Dacă notăm cu I mulţimea celulelor (i,j) corespunzătoare variabilelor de bază, se rezolvă sistemul:
ui+vj=cij, (i,j)∈I prin alegerea arbitrară a unei valori iniţiale pentru una din variabilele ui sau vj. Soluţiile
ui' şi vj' se scriu pe marginea tabelului şi se calculează expresiile dij=ui'+vj'-cij pentru (i,j)∉I. Avem două
situaţii:
3.1) dacă dij≤0 pentru orice (i,j)∉I rezultă că soluţia (xij) este optimă;
3.2) dacă ∃(i,j)∈I astfel încât dij>0 se calculează dab= max{d ij } şi se determină ciclul format de celula
( i , j)∉I

(a,b) cu alte celule ce corespund variabilelor bazice.


4) Se stabileşte o orientare de parcurs în ciclu şi se marchează celulele ce ocupă un rang par (celula (a,b)
având numărul 1). Fie xcd variabila şi x’cd valoarea cea mai mică dintre celulele marcate.
5) Se scade această valoare din valorile variabilelor aflate în celule marcate şi se adună la celulele din ciclu
ce au rămas nemarcate.
6) Noua soluţie de bază este formată din variabila xab=x’cd şi vechile variabile bazice din care se va exclude
xcd.
7) Se repetă operaţiunile anterioare până când toate cantităţile dij devin nepozitive în care caz se obţine
soluţia optimă.
REZUMAT
Problemele de programare liniară apar în procesele de modelare matematică. Agoritmul Simplex
oferă o cale relativ rapidă de rezolvare a acestora, spre deosebire de situaţia determinării extremelor funcţiilor
ce poate conduce la rezolvarea unui sistem de ecuaţii neliniare.
Algoritmul simplex dual apare, de regulă, în situaţia reoptimizării şi/sau parametrizării unei
probleme de programare liniară, conducând la obţinerea, de la o soluţie preexistentă, a soluţiei problemei
transformate.
Problema de transport este deosebit de utilă în situaţia alocării unor rute de transport în situaţia în
care cheltuielile de transport sunt suportate de către o singură firmă.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la programarea liniară. Aţi învăţat algoritmul
Simplex şi modul de aplicare a lui în diferite situaţii generate de restricţii, funcţia obiectiv sau natura
variabilelor. De asemenea, aţi învăţat modaitatea de reoptimizare a unei probleme de programare liniară.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
EXEMPLE ILUSTRATIVE
1. Să se rezolve problema de programare liniară:
 min x 1 + x 3

 2x − x + x + x = 3
1 2 3 4

− x + 5 x − x + x = 2
1 2 3 4

 x 1 + 4x 2 + 2 x 4 = 6

 x1 , x 2 , x 3 , x 4 ≥ 0
Soluţie Avem:
 min x 1 a + x 2 a + x 3 a

 2x − x + x + x + x = 3
1 2 3 4 1a

 − x + 5x − x + x + x = 2
1 2 3 4 2a

 x 1 + 4x 2 + 2x 4 + x 3 a = 6

 x 1 , x 2 , x 3 , x 4 , x 1 a , x 2 a , x 3 a ≥ 0
Tabelele simplex pentru prima fază sunt:

VB VVB x1 x2 x3 x4 x1 a x2 a x3 a
1 x1 a 3 2 -1 1 1 1 0 0
1 x2 a 2 -1 5 -1 1 0 1 0
1 x3 a 6 1 4 0 2 0 0 1
z 11 2 8 0 4 0 0 0
0 0 0 0 1 1 1

VB VVB x1 x2 x3 x4 x1 a x3 a
x1 a 17/5 9/5 0 4/5 6/5 1 0
x2 2/5 -1/5 1 -1/5 1/5 0 0
x3 a 22/5 9/5 0 4/5 6/5 0 1
z 39/5 18/5 0 8/5 12/5 0 0

VB VVB x1 x2 x3 x4 x3 a
1
x 17/9 1 0 4/9 6/9 0
x2 7/9 0 1 -1/9 1/3 0
x3 a 1 0 0 0 0 1
z 1 0 0 0 0 0
Prima fază s-a încheiat, dar funcţia obiectiv nu este nulă. Prin urmare, problema iniţială nu are soluţie.
Într-adevăr, dacă adunăm primele două restricţii şi comparăm rezultatul cu cea de-a treia rezultă 5=6 ceea
ce este evident o contradicţie.
2. Să se rezolve atât în mod grafic, cât şi cu algoritmul simplex, problema de programare liniară:
 max 4x 1 + 3x 2
 1
 x − x ≤ 1
2

4x + 3x ≤ 12
1 2

 x ≥1
1

 x , x ≥ 0
1 2

Soluţie Avem rezolvarea grafică în figura 167:


x2
4
m
4x 1 ax
+3 8/ 3 (4
x 2
x 1+
=0 3x
2
8/ 7 )
1
O 1 15/ 7 3 x1

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Se observă că avem o infinitate de puncte de optim şi anume cele dispuse pe segmentul determinat de
 15 8   8 
punctele  ,  şi 1,  .
 7 7   3
Forma standard a problemei este:
 − min - 4x 1 − 3x 2
 1
 x − x + y = 1
2 1

 4 x + 3x + y = 12
1 2 2

 x − y =1
1 3

x , x , y , y , y ≥ 0
1 2 1 2 3

Avem acum, prima fază:


 min x 3 a

 x 1 − x 2 + y1 = 1
 4x + 3x + y = 12
1 2 2

 x − y + x =1
1 3 3a

 x , x , y , y , y , x ≥ 0
1 2 1 2 3 3a

Tabelele simplex sunt:


VB VVB x1 x2 y1 y2 y3 x3 a
1
0 y 1 1 -1 1 0 0 0
0 y2 12 4 3 0 1 0 0
1 x3 a 1 1 0 0 0 -1 1
z 1 1 0 0 0 -1 0
0 0 0 0 0 1

VB VVB x1 x2 y1 y2 y3
1
y 0 0 -1 1 0 1
y2 8 0 3 0 1 4
x1 1 1 0 0 0 -1
z 0 0 0 0 0 0
Revenind la problema iniţială, rezultă:
VB VVB x1 x2 y1 y2 y3
0 y1 0 0 -1 1 0 1
0 y2 8 0 3 0 1 4
-4 x1 1 1 0 0 0 -1
z -4 0 3 0 0 4
-4 -3 0 0 0

VB VVB x1 x2 y1 y2 y3
y3 0 0 -1 1 0 1
y2 8 0 7 -4 1 0
x1 1 1 -1 1 0 0
z -4 0 7 -4 0 0

VB VVB x1 x2y1 y2 y3
y3 8/7 0 0 3/7 1/7 1
x2 8/7 0 1-4/7 1/7 0
x1 15/7 1 0 3/7 1/7 0
z -12 0 0 0 -1 0
15 2 8
Am obţinut deci soluţia optimă x1= , x = cu optimul –(-12)=12.
7 7
Cum cantitatea zjB-cj corespunzătoare coloanei lui y1 este nulă vom mai face o transformare cu pivotul
3/7. Obţinem:
VB VVB x1 x2 y1 y2 y3
1
y 8/3 0 0 1 1/3 7/3
x2 8/3 0 1 0 1/3 4/3
x1 1 1 0 0 0 -1
z -12 0 0 0 -1 0

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
8
Am obţinut o altă soluţie optimă x1=1, x2= cu acelaşi optim –(-12)= 12. Dacă încercăm să-l
3
reintroducem în bază pe y3 obţinem tabelul simplex anterior.
 15 8 
Prin urmare, soluţia optimă este formată din toate punctele segmentului determinat de punctele  ,  şi
 7 7
 8  x = x 1 + t ( x 2 − x1 )
1,  . Se ştie că ecuaţia unui segment de capete (x1,y1) şi (x2,y2 ) este:  , t∈[0,1]. În
  3  y = y1 + t ( y 2 − y1 )
15 − 8t 2 24 + 32t
cazul nostru, obţinem soluţia optimă: x1= ,x= , t∈[0,1], optimul fiind egal cu 12.
7 21
3. Să se rezolve problema de programare liniară:
 min 2x 1 + x 2
 1
 3x + x ≥ 3
2

4 x + 3x ≥ 6
1 2

 x 1 + 2x 2 ≥ 2

 x , x ≥ 0
1 2

1 2 3
Soluţie Introducem variabilele ecart y ,y ,y pentru a aduce problema la forma standard:
 min 2x 1 + x 2

 3x + x − y = 3
1 2 1

 4 x + 3x − y = 6
1 2 2

 x 1 + 2x 2 − y 3 = 2

 x , x , y , y , y ≥ 0
1 2 1 2 3

Pentru determinarea unei baze iniţiale folosim metoda celor două faze. Fie deci variabilele artificiale x1 a,
x2 a , x3 a. Obţinem:
 min x 1 a + x 2 a + x 3 a

 3x 1 + x 2 − y 1 + x 1 a = 3
 4 x 1 + 3x 2 − y 2 + x 2 a = 6
 x 1 + 2x 2 − y 3 + x 3 a = 2

 x , x , y 1 , y 2 , y 3 , x 1 a , x 2 a , x 3 a ≥ 0
1 2

Tabelul simplex ataşat acestei probleme este:


VB VVB x1 x2 y1 y2 y3 x1 a x2 a x3 a
1a
1 x 3 3 1 -1 0 0 1 0 0
1 x2 a 6 4 3 0 -1 0 0 1 0
1 x3 a 2 1 2 0 0 -1 0 0 1
z 11 8 6 -1 -1 -1 0 0 0
0 0 0 0 0 1 1 1
 3 6 2 3
Maximul elementelor din penultima linie este 8 iar în coloana lui x1 avem min  , ,  = deci pivotul
 3 4 1  3
va fi 3. Următorul tabel simplex este:
VB VVB x1 x2 y1 y2 y3 x2 a x3 a
1
x 1 1 1/3 -1/3 0 0 0 0
x2 a 2 0 5/3 1/3 0 -1 0 1
x3 a 1 0 5/3 1/3 0 -1 0 1
z 3 0 10/3 5/3 -1 -1 0 0
10 5 10
În ultima linie avem cantităţile şi care sunt pozitive. Maximul acestora se atinge la . Rapoartele
3 3 3
5
dintre valorile variabilelor de bază şi cantităţile din coloana lui x2 conduc la pivotul din linia lui x3 a.
3
Tabelul simplex devine:
VB VVB x1 x2 y1 y2 y3 x2 a
1
x 4/5 1 0 -2/5 0 1/5 0
x2 a 1 0 0 1 -1 1 1
x2 3/5 0 1 1/5 0 -3/5 0

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
z 1 0 0 1 -1 1 0
Cum cantităţile pozitive maxime din ultima linie sunt egale, facem o alegere, luându-l de exemplu pe y1.
Obţinem:
VB VVB x1 x2 y1 y2 y3
1
x 6/5 1 0 0 -2/5 3/5
y1 1 0 0 1 -1 1
x2 2/5 0 1 0 -4/5 -4/5
z 0 0 0 0 0 0
Cum în acest caz toate cantităţile din ultima linie sunt nule şi cum valoarea minimă a funcţiei obiectiv
pentru faza I este nulă rezultă că am obţinut baza iniţială B={x1,y1,x2 }. Trecând acum la faza a doua a
problemei, obţinem:

VB VVB x1 x2 y1 y2 y3
2 x1 6/5 1 0 0 -2/5 3/5
0 y1 1 0 0 1 -1 1
1 x2 2/5 0 1 0 -4/5 -4/5
z 14/5 0 0 0 -8/5 2/5
2 1 0 0 0
Avem acum pivotul 1 din coloana lui y3:
VB VVB x1 x2 y1 y2 y3
1
x 3/5 1 0 -3/5 1/5 0
y3 1 0 0 1 -1 1
x2 6/5 0 1 4/5 -8/5 0
z 12/5 0 0 -2/5 -6/5 0
Cum toate cantităţile (exceptând valoarea optimă) din ultima linie sunt nepozitive rezultă că am
3 6 12
determinat chiar programul optim şi anume: x1= , x2= iar minimul este . Se observă că dacă la
5 5 5
2a 3
eliminarea lui x l-am fi introdus pe y în bază, se obţinea mult mai repede soluţia optimă. Nu putem însă
determina anterior care schimbare este mai rapidă.

RECOMANDĂRI BIBLIOGRAFICE
49. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii
diferenţiale, Bucureşti, Editura All, 1994;
50. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions
Mir Moscou, Vol. I, II, 1985;
51. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981;
52. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980;
53. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983;
54. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004;
55. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006;
56. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981;
57. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991;
58. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984;
59. Lang, S., Algebra, Addison-Wesley, 1971;
60. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988;
61. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986;
62. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978;
63. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982;
64. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.

TESTE DE AUTOEVALUARE
1. Să se rezolve problema de programare liniară: 1. x=0,12, y=9,9999998E-3
min(ax + by) 2. x=2,3599999, y=2,28
 3. x=1,49, y=0,94
 cx + dy ≤ e 4. x=3,24, y=2,0999999
 unde:
 fx + gy ≥ h
 x, y ≥ 0
a=1, b=5, c=6, d=43, e=5, f=9, g=8, h=1.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
2. Să se rezolve problema de programare liniară: 1. x=1,66, y=1,58
min(ax + by) 2. x=2,4400001, y=3,4000001
 3. x=0,76999998, y=0,41
 cx + dy ≤ e 4. x=3,8299999, y=3,22

 fx + gy ≥ h
 x, y ≥ 0
 unde:
a=9, b=5, c=5, d=9, e=9, f=6, g=2, h=4.
3. Să se rezolve problema de programare liniară: 1. x=1,95, y=1,47
min(ax + by) 2. x=0,07, y=3,9999999E-2
 3. x=2,01, y=1,75
 cx + dy ≤ e 4. x=3,49, y=2,1900001

 fx + gy ≥ h
 x, y ≥ 0
unde:
a=5, b=6, c=8, d=9, e=1, f=16, g=4, h=1.

TEMĂ DE CONTROL
1. Să se rezolve problema de programare liniară:
max x 1 + 2 x 2 − x 3 − 6x 4
 1
 2 x + 3x − x + x = 5
2 3 4

 3x − x + x ≥ −1
1 2 3

 1
 x − 2 x + 5x − x = 3
2 3 4

 4x 1 − x 2 + 9 x 3 − x 4 = 11

 x1 , x 2 , x 3 , x 4 ≥ 0
2. Să se rezolve problema de programare liniară:
 max 2x 1 − x 2

 x1 − x 2 + x3 ≥ 4
 − x1 + x 3 ≤ 2
 2 x 1 − x 2 ≥ 20

 x ≥ 0, x 2 ≤ 0, x 3 arbitrar
1

3. Să se rezolve problema de programare liniară:


 min x 1 + x 3

 2x − x + x + x = 3
1 2 3 4

− x + 5 x − x + x = 2
1 2 3 4

 x 1 + 4x 2 + 2 x 4 = 6

 x1 , x 2 , x 3 , x 4 ≥ 0
4. Să se rezolve atât în mod grafic, cât şi cu algoritmul simplex, problema de programare liniară:
 max 4x 1 + 3x 2
 1
 x − x ≤ 1
2

4x + 3x ≤ 12
1 2

 x1 ≥ 1

 x , x 2 ≥ 0
1

5. Să se rezolve problema de programare liniară:


 min 2x 1 + x 2
 1
 3x + x ≥ 3
2

4 x + 3x ≥ 6
1 2

 x 1 + 2x 2 ≥ 2

 x 1 , x 2 ≥ 0
6. Să se rezolve problema de programare liniară:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
 max 2x 1 − x 4
 1
 x + x + 5x = 20
2 3

 x + 2x ≥ 5
2 4

 − x1 − x 2 + x 3 ≤ 8

 x 1 , x 2 , x 3 , x 4 ≥ 0
7. Capacitatea unui atelier de montaj poate asigura producţia zilnică de 120 de bucăţi pentru articolul A şi
de 360 de bucăţi pentru articolul B. În 24 ore serviciul de control tehnic nu poate verifica decât 200 de
articole indiferent de tip. Articolele A sunt de patru ori mai scumpe decât cele de tip B. Se cere
planificarea producţiei astfel încât venitul atelierului să fie maxim.

MODULUL 5

MATEMATICI FINANCIARE

Obiectivele specifice modulului:


 Introducerea noţiunilor de dobândă simplă şi compusă.
 Scadenţe
 Operaţiuni de scont
 Anuităţi
 Împrumuturi

Rezultatele aşteptate:
 Însuşirea modului de calcul a unei dobânzi.
 Aprofundarea modului de determinare a anuităţilor.
 Învăţarea modului de concepere a unui tabel de împrumut.

Competenţe dobândite ca urmare a parcurgerii modulului:


 Deprinderea folosirii corecte a conceptului de dobândă.
 Deprinderea folosirii corecte a anuităţilor.
 Folosirea corectă a metodelor de calcul a împrumuturilor.

Timpul mediu necesar pentru asimilarea modulului : 4 ore

LECŢIA 1

DOBÂNZI

Pasul 1 - Dobânda simplă

Definiţii
Dobânda este noţiunea de bază cu care se operează în calculele financiare. Ea reprezintă un surplus
monetar care se adaugă unei sume plasate sau împrumutate.
Dobânda unitară reprezintă dobânda furnizată de 1 u.m. pe timp de un an şi va fi notată
convenţional cu i.
Dobânda procentuală reprezintă dobânda unitară pentru 100 u.m. şi vom conveni să o notăm cu d.
Avem deci:
d=100⋅i
Definiţie
Dobânda simplă reprezintă dobânda calculată asupra aceleiaşi sume de bani pe toată durata
împrumutului.
Fie S suma depusă sau împrumutată şi t numărul de ani de împrumut. Dacă D este dobânda simplă,
avem:
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
d Sdt
D=S t= =Sit
100 100
Uneori se practică împrumuturi sau depuneri pe perioade mai mici de un an.
Fie deci n numărul de părţi egale în care se împarte un an şi k numărul de părţi pentru care se
calculează dobânda. Avem:
Sdk Sik
D= =
100n n
Suma totală la sfârşitul perioadei de t ani este:
Sdt  dt 
St=S+D=S+ =S 1 +  =S(1+it)
100  100 
Reciproc, pentru a obţine suma St după t ani va trebui plasată la începutul perioadei de depunere
suma:
St S
S= = t
dt 1 + it
1+
100
Fie acum S1,...,Sn sume plasate pe termenele t1,...,tn cu aceeaşi dobândă d. Problema care se pune este
de a înlocui aceste sume şi durate printr-o sumă unică S şi o durată unică t astfel încât suma dobânzilor să fie
aceeaşi cu cea furnizată de suma S pe durata t. Avem: S1it1+...+Snitn=Sit de unde:
n

∑ Si t i
i =1
t=
S
numită scadenţă comună (dacă se cunoaşte suma depusă) şi:
n

∑S t
i =1
i i
t= n

∑S i =1
i

n
numită scadenţă medie dacă S= ∑ Si .
i =1

Să considerăm acum sumele S1,...,Sn depuse pe duratele t1,...,tn cu dobânzile d1,...,dn. Ne propunem
să determinăm dobânda medie d pentru care aceste sume plasate pe aceleaşi durate să furnizeze aceeaşi
dobândă totală. Avem:
n
Si d i t i n
S dt

i =1 100
=∑ i i
i =1 100

de unde:
n

∑S d t
i =1
i i i
d= n

∑S t
i =1
i i

numită dobânda medie.


Pasul 2 - Dobânda compusă

Definiţie
Dobânda compusă este dobânda obţinută în urma adăugării dobânzii simple la suma plasată iniţial
în scopul producerii unei noi dobânzi.
Dacă i este dobânda unitară, vom numi:
u=1+i - factorul de fructificare
Avem astfel: S1=S+Si=S(1+i), S2=S1+S1i=S1(1+i)= S(1+i)2. Să presupunem că după n ani avem:
Sn=S(1+i)n. Avem: Sn+1=Sn+Sni=Sn(1+i)= S(1+i)n+1 deci prin inducţie matematică rezultă:
Sn=S(1+i)n=Sun ∀n≥0
Dobânda compusă este:
D=Sn-S=S[(1+i)n-1]=S(un-1)
Să studiem acum cazul în care n∉N. În această situaţie se poate proceda în două moduri:
1) Se foloseşte formula generală a dobânzii compuse pentru numărul întreg de perioade de timp şi se aplică
formula dobânzii simple pentru partea fracţionară, soluţie numită soluţia raţională.
2) Se foloseşte formula generală a dobânzii compuse atât pentru partea întreagă cât şi pentru partea
fracţionară, soluţie numită soluţia comercială.
Să studiem acum fiecare din cele două cazuri:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
k
1) Fie t=n+ durata de depunere în care n reprezintă numărul de ani, m-numărul de perioade de timp
m
egale ale unui an şi k numărul de perioade pe care s-a plasat împrumutul. Avem după n ani: Sn=S(1+i)n iar
k k
în restul de ani avem dobânda simplă la Sn: D=Sni . Obţinem deci:
m m
k k
St=Sn+D=S(1+i)n+S(1+i)ni =S(1+i)n(1+i )
m m
2) În acest caz funcţia S:[0,∞)→R, S(t)=S(1+i)t ∀t∈[0,∞) fiind continuă pe tot domeniul de definiţie, avem:
k k k
n+ n+
St=S (1 + i) m =S u m =Sun u m
În problema dobânzilor compuse, de o importanţă foarte mare este perioada la care se calculează
procentul de dobândă. Fie deci dn procentul de dobândă pentru o perioadă de n unităţi de timp şi dm procentul
de dobândă pentru o perioadă de m unităţi de timp. Dobânzile se numesc proporţionale dacă ele produc
acelaşi efect în cazul dobânzilor simple. Avem deci pentru o perioadă de mn unităţi de timp dnm dobânda
produsă în primul caz şi dmn în cel de-al doilea. Prin urmare: dnm=dmn de unde:
dn n
=
dm m
Observaţie
Dobânda corespunzătoare unei perioade de o lună se numeşte dobândă mensuală, pentru o perioadă
de trei luni: dobândă trimestrială, pentru şase luni: dobândă semestrială iar pentru o perioadă de un an:
dobândă anuală.
Astfel, o dobândă anuală de 100% este proporţională cu una semestrială de 50% şi cu una
trimestrială de 25%.
În cazul dobânzilor compuse, dobânzile proporţionale nu produc acelaşi efect. Astfel, dacă d1 este
12
 d   d 
dobânda mensuală iar d12 este dobânda anuală avem după un an: Sd = S1 + 1  , Sd = S1 + 12  . Cum
 100   100 
1 12

d1 1
= rezultă d12=12d1 de unde:
d12 12
12
 12d 1   d 
Sd = S1 +  ≤ S1 + 1 
   
12
100 100
unde am folosit inegalitatea lui Bernoulli: (1+a)x≥1+xa ∀x≥1 ∀a>-1.
În general, fie dn procentul de dobândă pentru o perioadă de n unităţi de timp şi dm procentul de
dobândă pentru o perioadă de m unităţi de timp. Dacă [m,n] este cel mai mic multiplu comun al numerelor m
[ m ,n ] [m ,n ]

şi n, avem după
[m, n ]  d 
perioade Sn= S1 + n 
n
iar după
[m, n ]  d 
perioade de timp:Sm= S1 + m 
m
.
n  100  m  100 
[m ,n ]
dn n m  d m m
m
Deoarece = rezultă dm= d n . Obţinem deci Sm= S1 + n  . Fie =α. Atunci:
dm m n  100 n n
[m ,n ] n [m , n ] 1
 d  n m
 d  n α
Sm= S1 + n α  = S1 + n α  . Dacă acum m≥n rezultă α≥1 deci, cu inegalitatea Bernoulli:
 100   100 
[m ,n ]α [m ,n ]
α  d  n  d  n
Sn = S1 + n  ≥ S1 + n α  =Smα. De aici: Sn≥Sm. Am obţinut deci următorul rezultat:
 100   100 
Propoziţie
Două dobânzi proporţionale produc efecte inverse în raport cu numărul de luni la care se calculează.
Definiţie
Două dobânzi se numesc echivalente dacă ele conduc la aceeaşi sumă finală în cazul dobânzii
compuse.
[m , n ] [m , n ]
 d  n
 d  m
Astfel în cazul general de mai sus, avem: S1 + n  = S1 + m  de unde:
 100   100 
m n
 d   d 
1 + n  = 1 + m 
 100   100 
sau altfel:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
m
dm n  d 
= 1 + n  − 1
100  100 
În cazul particular n=1 şi m=12 (cu convenţia 1
x = x ∀x∈R) rezultă:
12
d 12  d 
= 1 + 1  − 1
100  100 
Fie acum o sumă S plasată cu dobânda d pe an în două perioade egale. După primul semestru, vom
2
 d   d 
avea suma S1=S 1 +  , iar după a doua: S2=S 1 +  . Dobânda rezultată va fi deci:
 200   200 
S2 − S 
2
d  d d2
D= = 1 +  -1= 2 + de unde:
S  200  200 2002
d2
d’=100D=d+
400
Astfel, pentru d=50% obţinem: d’=56,25%.
Definiţie
Dobânda d se numeşte dobândă nominală iar d’ se numeşte dobândă reală sau efectivă.
Fie deci acum n perioade de timp în care împărţim un an şi d: dobânda nominală iar d’: dobânda
n
 d   d' 
efectivă. Avem: S1=S 1 +  =S 1 +  de unde:
 100n   100 
 d 
n

d’=100 1 +  − 1
 100n  
care reprezintă dobânda efectivă în funcţie de dobânda nominală.
De asemenea, din aceeaşi formulă, avem:
 d' 
d=100n n 1 + − 1
 100 
care reprezintă dobânda nominală în funcţie de cea efectivă.

LECŢIA 2
OPERAŢIUNI DE SCONT

Pasul 1 - Generalităţi

Definiţie
Scontul reprezintă operaţiunea de cumpărare de către o bancă comercială a unei poliţe înainte de
termenul limită de scadenţă a acesteia în schimbul unui comision. De asemenea, scontul mai reprezintă şi
diminuarea unor datorii atunci când acestea se achită în avans (de exemplu atunci când în cazul unui credit,
debitorul achită o rată mai mare decât cea prevăzută).

Pasul 2 - Scontul simplu

Fie suma S0 împrumutată cu dobânda d pe o perioadă de n ani (luni) de la creditorul C1. La


momentul n1<n, creditorul C1 doreşte încasarea sumei Sf pe care trebuia să o primească la sfârşitul celor n ani
adică Sf=S0(1+nd). În acest caz, el se adresează băncii C2 care îi va rambursa suma din care va scădea o taxă
T. Aceasta, va prelua poliţa şi îi va da creditorului C1 suma Sf-T. La momentul de timp n1 poliţa iniţială are o
valoare S1 – numită valoare finală la scontare, iar suma de plecare după reţinerea comisionului - Ssc se va
numi valoare scontată. Diferenţa S=Sf-Ssc se numeşte taxă de scont (sau simplu, scont).
Să presupunem că banca C2 aplică o dobândă simplă valorii scontate. Fie aceasta „s”. În perioada de
scontare, C2 va obţine suma:
Sf=Ssc(1+s(n-n1))
Sf S s(n − n 1 )
de unde rezultă că scontul este: Ss=Sf-Ssc=Sf- = f =
1 + s(n − n 1 ) 1 + s(n − n 1 )

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
S0 (1 + nd)s(n − n 1 )
- numit scont simplu (sau scont simplu raţional).
1 + s(n − n 1 )
Relaţia se mai poate scrie şi sub forma:
S s(n − n 1 )(1 − s(n − n 1 ) ) Sf s(n − n 1 ) − Sf s 2 (n − n 1 ) 2
Ss= f = şi cum s2 este foarte mic se poate considera că s2(n-
1 − s 2 (n − n 1 ) 2 1 − s 2 (n − n 1 ) 2
n1)2≈0 de unde: Sc= Sf s( n − n1 ) = S0 (1 + nd)s( n − n1 ) - numit scont simplu comercial. Dacă vom calcula
S f s( n − n 1 ) S f s ( n − n 1 ) + S f s 2 ( n − n 1 ) 2 − S f s ( n − n 1 ) S f s 2 ( n − n 1 ) 2
diferenţa Sc-Ss= Sf s( n − n1 ) - = = >0
1 + s(n − n 1 ) 1 + s( n − n 1 ) 1 + s( n − n 1 )
observăm că scontul comercial este mai mare decât cel simplu, avantajând, în mod evident, creditorul C2.
Din relaţiile de mai sus, rezultă imediat că valoarea scontată este:
S s( n − n 1 ) Sf S (1 + nd)
• Ssc=Sf-Ss=Sf- f = = 0 în cazul scontului simplu şi
1 + s(n − n 1 ) 1 + s(n − n 1 ) 1 + s(n − n 1 )
• Ssc=Sf-Ss=Sf- Sf s(n − n 1 ) = Sf (1 − s(n − n 1 ) ) = S0 (1 + nd)(1 − s( n − n 1 ) ) în cazul scontului comercial.
Se observă că în cazul scontului comercial, durata de scontare n-n1 trebuie să satisfacă condiţia 1-
1
s(n-n1)>0 adică: n-n1< altfel obţinând o valoare nepozitivă pentru valoarea scontată (imposibil din punct de
s
vedere practic).
Revenind acum, după n1 ani avem S1=S0(1+n1d) şi Sf=S0(1+nd).
Din formulele de mai sus deducem:
Sf S (1 + nd) S1 (1 + nd)
• Ssc= = 0 = în cazul scontului simplu şi
1 + s(n − n 1 ) 1 + s(n − n 1 ) (1 + n 1d)(1 + s( n − n 1 ) )
S1 (1 + nd )(1 − s(n − n 1 ) )
• Ssc= Sf (1 − s(n − n 1 ) ) = S0 (1 + nd)(1 − s(n − n 1 ) ) = în cazul scontului comercial
1 + n 1d
Prin urmare avem:
S1 (1 + nd ) (1 + nd) − (1 + n 1d )(1 + s(n − n 1 ) ) (n − n 1 )(d − s − n 1ds)
• Ssc-S1= -S1= S1 = S1
(1 + n 1d)(1 + s( n − n 1 ) ) (1 + n 1d )(1 + s(n − n 1 ) ) (1 + n 1d )(1 + s(n − n 1 ) )
în cazul scontului simplu şi
S (1 + nd)(1 − s(n − n 1 ) ) (1 + nd)(1 − s(n − n 1 ) ) − 1 − n 1d
• Ssc-S1= 1 -S1= S1 =
1 + n 1d 1 + n 1d
( n − n 1 )(d − s − nds)
S1 în cazul scontului comercial.
1 + n 1d
Pentru a avea deci Ssc<S1 va trebui ca:
d
• s> în cazul scontului simplu şi
1 + n 1d
d
• s> în cazul scontului comercial.
1 + nd

Pasul 3 - Scontul compus

Fie suma S0 împrumutată cu dobânda d pe o perioadă de n ani (luni) de la creditorul C1. La


momentul n1<n, creditorul C1 doreşte încasarea sumei Sf pe care trebuia să o primească la sfârşitul celor n ani
adică Sf=S0(1+d)n. În acest caz, el se adresează băncii C2 care îi va rambursa suma din care va scădea o taxă
T. Aceasta, va prelua poliţa şi îi va da creditorului C1 suma Sf-T. La momentul de timp n1 poliţa iniţială are o
valoare S1 –valoarea finală la scontare, iar suma de plecare după reţinerea comisionului - Ssc este valoarea
scontată. Notăm, de asemenea, S=Sf-Ssc - taxa de scont.
Să presupunem acum că banca C2 aplică o dobândă compusă valorii scontate. Fie aceasta „s”. În
perioada de scontare, C2 va obţine suma
Sf=Ssc (1 + s )n − n 1

de unde rezultă că scontul este: Ss=Sf-Ssc=Sf-


Sf
= f
(
S (1 + s ) − 1
n − n1

= 0
)
S (1 + d ) n (1 + s ) ( n −n1
).
−1
Dacă
(1 + s )n −n
1
(1 + s )n −n 1
(1 + s )n−n 1

- numit factor de scont, obţinem: Sr= Sf (1 − u n −n ) = S0 (1 + d ) n (1 − u n −n ) - numit scont compus


1
notăm u= 1 1

1+ s
(sau scont compus raţional).
Considerând dezvoltarea binomială:
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
m(m − 1) 2
(1 + s )
m
= 1 + ms + s + ... rezultă că relaţia de mai sus devine (după neglijarea puterilor≥2):
2
 
(
Sf (1 + s ) − 1
n −n 1
)
= Sf 1 −
1  
 = Sf 1 −
1  
 = Sf 1 − 1 
Sc=
(1 + s ) n −n
( + )n −n 
 ( n − n )(n − n − 1)   1 + (n − n )s  =
 
1 1
1 s
 1 + (n − n 1 )s +
1 1
s + ... 
2  1 
 2 
(n − n 1 )s (1 + d ) n ( n − n 1 )s
Sf = S0 - numit scont compus comercial.
1 + (n − n 1 )s 1 + (n − n 1 )s
Se observă că scontul compus comercial are acceaşi valoare ca şi scontul simplu raţional.
Din relaţiile de mai sus, rezultă imediat că valoarea scontată este:
• Ssc=Sf-Sr=Sf- Sf (1 − u n −n ) = Sf u n −n = S0 (1 + d ) n u n − n în cazul scontului compus raţional şi
1 1 1

S f s( n − n 1 ) Sf S (1 + d ) n
• Ssc=Sf-Sc=Sf- = = 0 în cazul scontului compus comercial.
1 + s(n − n 1 ) 1 + s(n − n 1 ) 1 + s(n − n 1 )
Revenind acum, după n1 ani avem S1=S0 (1+ d )n1 şi Sf=S0(1+d)n.
Din formulele de mai sus deducem:
• Ssc= S0 (1 + d ) n u n − n1 = S1 (1 + d ) n − n1 u n − n1 în cazul scontului raţional şi
S 0 (1 + d ) n S (1 + d) n −n1
• Ssc= = 1 în cazul scontului commercial
1 + s(n − n 1 ) 1 + s(n − n 1 )

LECŢIA 3
PLĂŢI EŞALONATE (RENTE)
Pasul 1 - Generalităţi

Definiţii
Prin plată eşalonată sau rentă se înţelege o sumă de bani plătită la intervale de timp egale. Dacă
plata este anuală se numeşte anuitate, dacă este semestrială: semestrialitate, trimestrială: trimestrialitate iar
lunară: mensualitate.
Rentele se pot face fie în vederea constituirii unor sume numite plăţi de plasament sau plăţi de
fructificare, fie pentru rambursarea unor datorii către diverşi creditori în care caz se numesc plăţi de
rambursare sau de amortizare.
Plăţile efectuate la începutul perioadei se numesc anticipate iar cele de la sfârşitul perioadei
posticipate.
Plăţile mai pot fi temporare atunci când numărul lor este finit, perpetue dacă numărul acestora este
infinit şi viagere dacă numărul acestora este finit dar limitat de viaţa persoanei.
De asemenea, plăţile mai pot fi constante sau variabile.

Pasul 2 - Mensualităţi. Anuităţi

Toate rezultatele prezentate în continuare sunt valabile atât pentru mensualităţi, cât şi pentru anuităţi
(cu simpla înlocuire a termenului de lună cu cel de an şi a dobânzilor corespunzătoare).
I. Valoarea finală a unui şir de mensualităţi temporare
Fie o perioadă de n luni, dobânzile unitare i1,i2,...,in corespunzătoare lunilor 1,2,...,n şi A1,A2,...,An
mensualităţile acestor perioade. Fie, de asemenea, S valoarea finală a acestui şir de mensualităţi şi ε∈[0,1]
fracţiunea din an la care se plăteşte mensualitatea. Vom nota cu uk=1+ik – factorul de fructificare
corespunzător dobânzii ik, k= 1, n .
A A ... A p A p+1
... A
1 2 n

0 ε 1 ε 2 p-1 ε p ε p+ 1 n-1 ε n
i i i p i p+1 i
1 2 n

Avem:
(1) S=A1u11-εu2u3...un+A2u21-εu3...un+...+Apup1-εup+1...un+...+Anun1-ε
În condiţiile mensualităţilor constante, avem: A1=A2=...=An=A de unde:
(2) S=A(u11-εu2u3...un+u21-εu3...un+...+up1-εup+1...un+...+un1-ε)
Dacă dobânzile şi mensualităţile sunt constante, avem şi u1=u2=...=un=u de unde:

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
u n −1
(3) S=A(un-ε+un-ε-1+...+un-ε-p+...+u1-ε)=Au1-ε
i
Pentru mensualităţi anticipate, avem ε=0 de unde:
u n −1
(4) S=Au
i
iar pentru posticipate, ε=1:
u n −1
(5) S=A
i
Dacă dobânzile au o tendinţă de variaţie de r% lunar (r>0 – creştere, r<0 – descreştere), atunci avem
r
up+1=up⋅(1+ ), p= 0, n − 1 de unde:
100
r p-1
(6) up=u1⋅(1+ ) , p= 1, n
100
r
Să notăm pentru simplificare 1+ =s.
100
Din (1) şi (6) rezultă:
n −1 n −1
S= ∑ A p (u 1s p −1 )1− ε u 1s p ...u 1s n −1 + A n (u 1s n −1 )1− ε = ∑ A p u1n −p +1−ε s ( p −1)(1−ε ) + p +...+( n −1) + A n u11−εs ( n −1)(1−ε ) =
p =1 p =1

( n −1) n ( p −1)( p − 2 + 2 ε ) ( n −1) n ( n − 2 )( n +1)


n − + ε −1 n Ap +ε n Ap
s 2
u 1n −ε ∑ A p u 1−( p −1) s 2
=s 2
u 1n +1− ε ∑ p ( p − 3+ 2 ε )
=s 2
u 1n +1−ε ∑ p ( p − 3+ 2 ε )
.
p =1 p =1 p =1
u 1p s 2
u 1p s 2

Avem deci:
( n − 2 )( n +1)
+ε n Ap
(7) S= s 2
u 1n +1− ε ∑ p ( p − 3+ 2 ε )
p =1
u 1p s 2

Dacă mensualităţile sunt constante, avem: A1=A2=...=An=A de unde:


( n − 2 )( n +1)
+ε n 1
(8) S= As 2 u 1n +1− ε ∑ p ( p − 3+ 2 ε )
p =1
u 1p s 2
Pentru mensualităţi anticipate, avem ε=0 de unde:
( n − 2 )( n +1) n 1
(9) S= As 2 u 1n +1 ∑ p ( p − 3)
p =1
u 1p s 2
iar pentru posticipate, ε=1:
( n −1) n n 1
(10) S= As 2 u 1n ∑ p ( p −1)
p =1 p
u1 s 2
În cazul constituirii depozitului la k luni de la data formulării problemei, în toate formulele mai sus-
menţionate se consideră în loc de n valoarea n-k.
Dacă vom considera r=0 avem s=1 şi formulele (9) şi (10) devin (4), respectiv (5).
II. Valoarea actuală a unui şir de mensualităţi temporare
Ne interesează acum problema inversă. Pentru constituirea unui şir de mensualităţi ce urmează a fi
încasate după o perioadă de k luni de la constituire timp de n luni, care este suma ce trebuie depusă la
momentul iniţial ?
1
Fie vk= - factorul de actualizare corespunzător lui uk, k= 1, n .
uk
1 u k −1 ik
Avem: 1-vk=1-
= = =ivk. Pentru constituirea sumei S avem S=Sk+1+Sk+2+...+ Sn unde Sp
uk uk uk
reprezintă depozitul iniţial constituit pentru retragerea mensualităţii Ap. Suma iniţială Sp produce până la
Ap
momentul p+ε o sumă totală Ap=Spu1u2...up-1upε de unde: Sp= =Apv1v2...vp-1vpε.
u 1 u 2 ...u p−1 u εp
Obţinem deci:
n
(11) S= ∑ A p v1 v 2 ...v p−1 v εp
p =k +1

În condiţiile mensualităţilor constante, avem: Ak+1=...=An=A de unde:


n
(12) S=A ∑ v1 v 2 ...v p−1 v εp
p = k +1

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Dacă dobânzile şi mensualităţile sunt constante, avem şi u1=u2=...=un=u de unde:
n v n −k − 1 1 − v n −k
(13) S= A ∑ v p−1+ε = Av k +ε = Av k +ε−1
p = k +1 v −1 i
Pentru mensualităţi anticipate, avem ε=0 de unde:
1 − v n −k
(14) S= Av k −1
i
iar pentru posticipate, ε=1:
1 − v n −k
(15) S= Av k
i
În cazul plăţilor imediate, avem k=0 şi este normal ca să presupunem că plata este posticipată (deci
ε=1) şi suma ce trebuie constituită este:
1 − vn
(16) S= A
i
Dacă plata mensualităţilor va fi perpetuă, obţinem din formulele (15) şi (16) trecând la limită pentru
n→∞:
Av k
(15’) S=
i
respectiv:
A
(16’) S=
i
Dacă dobânzile au o tendinţă de variaţie de r% lunar (r>0 – creştere, r<0 – descreştere), atunci avem
up=u1⋅sp-1, p= 1, n de unde: vp=v1s1-p. Din formula (11) rezultă:
n n
v p −1+ ε
(17) S= ∑ A p v1 v1s −1 ...v1s 2− p ( v1s1−p ) ε = ∑ A p ( p −1)(1 p − 2+ 2 ε )
p = k +1 p = k +1 2
s
Dacă mensualităţile sunt constante, avem: Ak+1=...=An=A de unde:
n
v p −1+ε
(18) S= A ∑ ( p −1)(1 p − 2+ 2 ε )
p = k +1 2
s
Pentru mensualităţi anticipate, avem ε=0 de unde:
n v p −1
(19) S= A ∑ ( p −11)( p − 2 )
p = k +1
s 2
iar pentru posticipate, ε=1:
n vp
(20) S= A ∑ ( p −11) p
p = k +1
s 2
Pasul 3 - Împrumuturi

Definiţie
Împrumutul reprezintă o sumă de bani primită în schimbul rambursării ei prin anuităţi
(mensualităţi) constante formate din rata curentă (constantă sau nu) numită amortisment şi dobânda asupra
restului de plată.
Fie deci S suma împrumutată, S1,...,Sn anuităţile succesive, A1,...,An amortismentele succesive,
R0,...,Rn resturile de plată după fiecare rată, i1,...,in dobânzile unitare ale împrumutului (în condiţiile unei
economii inflaţioniste, dobânzile pot varia chiar lunar) şi n numărul de ani (perioade de timp) pentru
rambursare.
Pentru organizarea calculelor, vom întocmi un tabel de forma:
Momentul de timp Anuitatea Suma rămasă de plată
0 - R0=S
1 S1=A1+R0i1 R1=R0-A1
2 S2=A2+R1i2 R2=R1-A2
... ... ...
k Sk=Ak+Rk-1ik Rk=Rk-1-Ak
k+1 Sk+1=Ak+1+Rkik+1 Rk+1=Rk-Ak+1
... ... ...
n Sn=An+Rn-1in Rn=Rn-1-An=0
Avem în mod evident S=A1+...+An. De asemenea:
Sk+1-Sk=Ak+1-Ak+Rkik+1-Rk-1ik=Ak+1-Ak+Rk-1ik+1-Akik+1-Rk-1ik=
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Ak+1-Ak(1+ik+1)+Rk-1(ik+1-ik)
Rk=Rk-1-Ak=Rk-2-(Ak-1+Ak)=...=S-(A1+...+Ak), k=1,...,n
S S n−k
Dacă amortismentele sunt constante: A1=...=An= atunci: Rk=S-k = S de unde:
n n n
S S n − k +1 (n − k )i k +1 − (n − k + 1)i k
Sk+1-Sk= - (1+ik+1)+S (ik+1-ik)= S
n n n n
i
Dacă dobânda este constantă i, avem: Sk+1-Sk=-S deci anuităţile formează o progresie aritmetică
n
i
descrescătoare cu raţia -S .
n
Dacă anuităţile sunt constante, avem S1=...=Sn de unde:
Ak+1=Ak(1+ik+1)-Rk-1(ik+1-ik)
Dacă dobânda este constantă i avem: Ak+1=Ak(1+i) de unde:
Ak=A1(1+i)k-1
deci amortismentele formează o progresie geometrică cu raţia 1+i.
În cazul anuităţilor constante avem:
n  
 k −2 
S = ∑ A k = A1 + ∑[Ak −1 (1 + i k ) − R k −2 (i k − i k −1 )] = A1 + ∑ A k−1 (1 + i k ) − S − ∑A p (i k − i k −1 ) =
n n

k =1 k =2 k =2   p=1  
n n n k−2
A1 + ∑ Ak −1 (1 + i k ) − S∑(i k − i k −1 ) + ∑(i k − i k −1 )∑ A p
k =2 k=2 k =2 p=1

n
Dacă dobânda este constantă “i” avem: S= A1 + ∑ A k −1 (1 + i k ) şi cum An=A1(1+i)n-1 rezultă:
k =2

(1 + i) n − 1 i
S=A1 sau altfel: A1=S .
i (1 + i) n − 1
Suma totală de plată după p anuităţi este:
k −1
Stot= ∑ Sk = ∑ (A k + R k −1i k ) = ∑ A k + ∑ R k −1i k = ∑ A k +Si1+ ∑  S − ∑ A r i k =S ∑ i k +
p p P p P p p

k =1 k =1 k =1 k =1 k =1 k =2  r =1  k =1

k −1
p
 
A1+ ∑  A k − ∑ A r i k  .
k =2  r =1 
Dacă amortismentele sunt egale, avem:
p
S p  S S k −1   p p n − k +1 
Stot=S ∑ i k + + ∑  − ∑ i k  =S  + ∑ ik 
k =1 n k =2  n n r=1   n k =1 n 
Dacă dobânzile sunt constante şi egale cu i, avem:
 p p n − k +1  p i n n −p

Stot=S  + ∑ i  =S  +  ∑ k − ∑ k  =
 n k =1 n   n n  k =1 k =1 
 p i  n (n + 1) ( n − p)(n − p + 1)  S
S +  −  = [2p+i(2np-p2+p)].
 n n  2 2  2 n
La sfârşitul perioadei de plată avem (pentru p=n):
 n +1
Sfinală=S 1 + i 
 2 
Suma rămasă de plată după plata a p anuităţi se constituie ca diferenţă între suma totală de plată la
sfârşitul perioadei şi cea totală după anuitatea p.
REZUMAT
Problemele de matematici financiare se regăsesc, de regulă, în actvitatea bancară sau în cea a caselor
de asigurări, pensii etc.
Metodele de calcul al dobânzilor (simplă sau compusă) se întrepătrund în practica economică fiind
adaptate sau adaptabile necesităţilor şi exigenţelor firmei.
Calculul anuităţilor (mensualităţilor) apare pregnant astăzi, fiind util oricărui cetăţean, nu numai
economiştilor, pentru determinarea valorii finale a unui depozit depus regulat sau a determinării unei rate de
rambursare periodică sau nu.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Modul de calcul al împrumuturilor este deosebit de util în orice societate ce practică un astfel de
sistem de cumpărare.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la modul de calcul al dobânzilor, la
determinarea anuităţilor sau mensualităţilor. Aţi învăţat despre dobânda simplă şi cea compusă, despre
împrumuturi cu rate egale sau descrescătoare.
EXEMPLE ILUSTRATIVE
1. O persoană doreşte să cumpere un televizor în valoare actuală de 4.000.000 lei. Ea doreşte să depună la
bancă o sumă de bani cu dobândă simplă pentru ca peste 6 luni să poată achiziţiona produsul. Care va fi
suma de bani ce trebuie depusă dacă dobânda băncii este de 50% pe an?
50 S
Soluţie Avem St=4.000.000 lei, t=0,5 ani, iar i= =0,5. Avem S= t = 3.200.000 lei.
100 1 + it
2. O persoană depune la bancă suma de 1.000.000 lei cu dobândă compusă de 50% pe an. Ce sumă va
avea persoana după 3 ani şi 7 luni în cazul în care se aplică pentru fracţiunea de an soluţia comercială?
Care este dobânda corespunzătoare întregii perioade?
50
Soluţie Avem S=1.000.000 lei, i= =0,5 şi n=3 ani, m=12 luni iar k=7 luni. Obţinem deci suma totală:
100
k
n m
St=Su u =4.275.567 lei. Dobânda D=St-S=3.275.567 lei.
3. Fie o dobândă trimestrială de 15%. Să se calculeze dobânda reală corespunzătoare dobânzii nominale
date.
 d 
n

Soluţie Avem d=15 şi n=4. Din formula d’=100 1 +  − 1 ⇒ d’=15,87%.
 100n  
4. Fie o anuitate de 1.000.000 lei pe o perioadă de 3 ani, cu dobânda anuală de 50%, achitabilă la
începutul fiecărui an. Dacă plata începe după 1 an care este valoarea finală a şirului de anuităţi constituite?
d
Soluţie Avem S=1.000.000 lei, n=3, d=50, p=1 iar ε=0. Deoarece u=1+ =1,5, din formula S=Au1-
100
ε u
n −p
−1
rezultă S=3.750.000 lei.
i
5. O persoană împrumută de la o bancă suma de 18.000 lei pe o perioadă de 10 ani cu dobândă anuală de
60%. Dacă rambursarea se face cu amortismente egale, lunare, să se întocmească graficul de plată pentru
primele 6 luni.
60
Soluţie Avem S=18.000, n=120, i= =0,05. Graficul de plată este următorul:
100 ⋅12
Momentul de timp Anuitatea Suma rămasă de plată
0 - 18.000
1 1.050 17.850
2 1.042,5 17.700
3 1.035 17.550
4 1.027,5 17.400
5 1.020 17.250
6 1.012,5 17.100

RECOMANDĂRI BIBLIOGRAFICE
65. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii
diferenţiale, Bucureşti, Editura All, 1994;
66. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions
Mir Moscou, Vol. I, II, 1985;
67. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981;
68. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980;
69. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983;
70. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004;
71. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006;
72. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981;

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate


Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
73. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991;
74. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984;
75. Lang, S., Algebra, Addison-Wesley, 1971;
76. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988;
77. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986;
78. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978;
79. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982;
80. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.

TESTE DE AUTOEVALUARE
19. Se depune la bancă suma de 565 RON astfel: pe primii 3 ani cu dobândă simpla de 19%, suma 1. S=1613 RON
rezultată pe încă 4 ani cu dobândă compusa de 16%. Care este suma S rezultată la sfârşitul celor 7 ani? 2. S=1606 RON
3. S=1607 RON
4. S=1610 RON
20. O persoană doreşte să constituie un depozit de bani depunând lunar, posticipat, suma de 488 RON cu 1. S=2516 RON
dobândă anuală de 17%. Care este suma S rezultată după 5 luni? 2. S=2514 RON
3. S=2510 RON
4. S=2519 RON
19. Se depune la bancă suma de 553 RON astfel: pe primii 2 ani cu dobândă compusa de 19%, suma 1. S=1236 RON
rezultată pe încă 3 ani cu dobândă simpla de 19%. Care este suma S rezultată la sfârşitul celor 5 ani? 2. S=1229 RON
3. S=1231 RON
4. S=1233 RON
20. O persoană doreşte să constituie un depozit de bani depunând lunar, posticipat, suma de 691 RON cu 1. S=7293 RON
dobândă anuală de 14%. Care este suma S rezultată după 10 luni? 2. S=7284 RON
3. S=7288 RON
4. S=7287 RON
19. Se depune la bancă suma de 508 RON astfel: pe primii 3 ani cu dobândă simpla de 17%, suma 1. S=1348 RON
rezultată pe încă 4 ani cu dobândă compusa de 15%. Care este suma S rezultată la sfârşitul celor 7 ani? 2. S=1343 RON
3. S=1347 RON
4. S=1341 RON
20. O persoană doreşte să constituie un depozit de bani depunând lunar, posticipat, suma de 180 RON cu 1. S=1315 RON
dobândă anuală de 17%. Care este suma S rezultată după 7 luni? 2. S=1324 RON
3. S=1317 RON
4. S=1320 RON

TEMĂ DE CONTROL
1. O persoană depune la bancă suma de 1000 euro cu dobândă compusă (capitalizată) de 50% pe an. Ce
sumă va avea persoana după 5 ani ? Care este dobânda corespunzătoare acestei perioade?
2. Considerând dobânda trimestrială d3=10% să se determine dobânzile proporţionale mensuale,
semestriale şi anuale.
3. Fie un depozit de 300 euro cu dobânda trimestrială de 5% şi un alt depozit de aceeaşi valoare cu
dobânda anuală proporţională. Să se calculeze diferenţa de dobândă între cele două depozite pe o
perioadă de 2 ani.
4. Fie o dobândă trimestrială de 12%. Să se calculeze dobânda reală corespunzătoare dobânzii nominale
date.
5. Fie o anuitate posticipată de 1500 euro pe o perioadă de 20 ani, cu dobânda anuală de 10%. Dacă plata
începe imediat care este valoarea finală a şirului de anuităţi constituite?
6. O persoană doreşte să constituie un depozit de bani astfel încât după o perioadă de 20 ani să poată
retrage timp nelimitat suma de 800 euro anual. Dacă dobânda anuală este de 20% iar depunerea se face la
începutul fiecărui an, care este suma pe care trebuie să o depună la acest moment?
7. O persoană împrumută de la o bancă suma de 200 euro pe o perioadă de 20 ani cu dobândă anuală de
16%. Dacă rambursarea se face cu amortismente egale, lunare, să se calculeze suma totală de plată până
la sfârşitul perioadei.

Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate