Cuprins

Prefa ................................................................................................................... 5
I. ELEMENTE DE ALGEBR LINIAR .......................................................... 7
Matrici ........................................................................................................ 8
Matrici particulare ...................................................................................... 9
Inversa unei matrici .................................................................................. 13
Sisteme de ecuaii liniare ......................................................................... 15
Problema compatibilitii sistemelor ....................................................... 17
Problema determinrii sistemelor ............................................................ 18
ntrebri de control i exerciii ................................................................. 19
Metode de rezolvare a sistemelor liniare ................................................. 20
Algoritmul lui Gauss pentru sisteme liniare ............................................ 21
Metoda eliminrii complete (Gauss-Jordan) ............................................ 23
Spaii vectoriale (liniare) .......................................................................... 25
II. PROGRAMAREA LINIAR ........................................................................ 30
Rezolvarea problemei de programare liniar ........................................... 32
Clasificarea soluiilor ............................................................................... 33
Algoritmul Simplex .................................................................................. 34
Determinarea soluiei optime a problemei de programare liniar ........... 43
Cazul soluiei infinite ............................................................................... 48
Degenerarea n problemele de programare liniar ................................... 49
Soluii multiple. Soluia general ............................................................. 50
Exerciii i probleme. ntrebri de control ............................................... 50
III. ELEMENTE DE ANALIZ MATEMATIC ............................................ 54
Formula lui Taylor ................................................................................... 55
Funcii reale de mai multe variabile reale ................................................ 57
Derivate pariale ....................................................................................... 60
Interpretri economice ale derivatelor pariale ........................................ 63
Derivatele funciilor compuse .................................................................. 64
Formula lui Taylor pentru funcii de dou variabile ................................ 65
Extremele funciilor de dou variabile ..................................................... 67
Extreme pentru funcii de mai multe variabile ........................................ 71
Ajustarea datelor numerice ...................................................................... 73
Extensii ale noiunii de integral .............................................................. 78
Funciile lui Euler de spea ntia (Funcia Beta) i de spea a doua
(Funcia Gamma) .......................................................................... 80
Exerciii i probleme ................................................................................ 83
IV. ELEMENTE DE TEORIA GRAFELOR ..................................................... 90
Matrici asociate unui graf......................................................................... 94
3
 Algoritmul lui Y.C.Chen, pentru construirea matricii drumurilor
(terminal) .................................................................................... 98
Matricea terminal triangularizat superior TTS ................................... 100
Drumuri hamiltoniene n grafe ............................................................... 101
Determinarea drumurilor hamiltoniene ntr-o reea oarecare.
Algoritmul lui Foulkes ............................................................... 109
Drumuri optimale ................................................................................... 118
Drum critic (rut maxim) n grafe fr circuite .................................... 118
Fluxul n reea......................................................................................... 126
V. ELEMENTE DE TEORIA PROBABILITILOR ................................... 132
Evenimente. Operaii cu evenimente ..................................................... 133
Definiii ale noiunii de probabilitate ..................................................... 136
Cmp de evenimente .............................................................................. 139
Probabiliti condiionate ....................................................................... 140
Evenimente independente ...................................................................... 144
Scheme clasice de probabilitate ............................................................. 151
Variabile aleatoare ................................................................................. 162
Vectori aleatori ....................................................................................... 168
Operaii cu variabile aleatoare ............................................................... 170
Caracteristici numerice pentru variabile aleatoare discrete ................... 177
Inegalitatea lui Cebev .......................................................................... 184
Variabile aleatoare continue................................................................... 191
Caracteristici numerice pentru variabile aleatoare continue .................. 197
Legi de probabilitate continue uzuale .................................................... 205
Bibliografie ....................................................................................................... 219

4
 PREFA

Matematica a furnizat ntotdeauna modele i metode de calcul

utile, uneori chiar eseniale, celor mai diverse domenii ale activitii
umane. Unele din aceste modele i ateapt nc utilizarea, aprnd
diferene i de 200 de ani de la crearea conceptului matematic i
utilizarea acestuia.
Pe bun dreptate s-a afirmat c matematica este locomotiva care
trage dup sine alte tiine.
tiinele economice au luat n ultimul timp o mare amploare,
datorit intensificrii legturilor internaionale dintre agenii
economici i datorit globalizrii. Dezvoltarea rapid a cunotinelor
din domeniul economic a fost posibil prin utilizarea din plin a
modelelor matematice, mai vechi sau mai noi, precum i dezvoltrii
puternice a informaticii.
Noiunile din capitolele Algebr liniar i Elemente de analiz
matematic din acest volum au aplicaii directe n economie dup cum
se vede din unele exemple, n plus pregtesc cititorul pentru
nelegerea altor noiuni.
Din portofoliul problemelor de optimizare cunoscut i sub
denumirea de "Cercetri operaionale" aprute n ultimii 70 de ani am
dezvoltat doar "Programarea liniar" i "Elemente de teoria grafurilor"
care sunt mai uor de neles i totui foarte importante. Alte modele
ca Teoria jocurilor, Programarea stohastic, Teoria stocurilor i Teoria

5
ateptrii pot fi nelese cu ajutorul noiunilor de baz culese din acest
volum.
n multe cazuri hazardul, ntmplarea i pun amprenta pe
desfurarea n timp a proceselor i fenomenelor economice. Noiunile
de eveniment, probabilitate, variabile aleatoare i caracteristici
numerice ale acestora, fac obiectul de studiu al capitolului V
"Elemente de teoria probabilitilor". Acest capitol pregtete cititorul
i pentru studiul statisticii care la rndul ei e prezent n toate ramurile
economice.
Materialul coninut n acest volum reprezint un minim necesar
pentru abordarea tiinific a problemelor economice. Recomandm
studenilor, viitori economiti, s aprofundeze aceste noiuni studiind
i bibliografia indicat.
Noiunile prezentate n fiecare capitol sunt ilustrate prin
exemple, majoritatea fiind rezolvate i amnunit explicate.
Au fost eliminate demonstraiile prea lungi i greoaie, astfel c,
materialul este uor de abordat chiar de cei care studiaz individual
aceast disciplin.
Prezentul volum este util studenilor de la tiinele economice, n
special pentru cei de la nvmntul la distan, dar poate fi cercetat
cu folos i de ali specialiti care utilizeaz matematica.

6
 I. ELEMENTE DE ALGEBR LINIAR

Prin form liniar se nelege o expresie de mai multe variabile

toate la puterea ntia.
n
E = a1x1 + a2x2 + + anxn = ai xi
i =1

unde ai sunt coeficieni, de obicei numere reale, iar xi sunt variabile.

Aceste expresii liniare sunt frecvent utilizate n modelele economice,
deoarece n economie apar formule cum ar fi S = qp, unde S este
suma obinut, q cantitatea de marf i p preul unitar. Dac dorim
s achiziionm mai multe produse dar s ne ncadrm ntr-o anumit
sum vom avea
q1p1 + q2p2 + + qnpn S.
Astfel de expresii apar i n modelele matematice cuprinse sub
denumirea "Programare liniar" pe care o vom studia n unul din
capitolele urmtoare.
Unul din principalele subiecte al algebrei liniare l constituie
sistemele liniare care au fost studiate i n liceu.
n continuare dorim s evideniem cteva proprieti noi precum
i a unor metode noi de rezolvare a acestora. Legat de sistemele liniare
au fost studiate i sunt utile noiunile de matrice i determinant
precum i proprietile acestora.

7
 Matrici
O matrice este un tablou dreptunghiular de numere. Ele au
aprut prin eliminarea dintr-un sistem liniar a variabilelor i a
semnelor de operare rmnnd doar coeficienii aij. Dac n acest
tablou lum termenii liberi atunci vom obine aa numita matrice
extins a sistemului liniar. Reamintim pe scurt cteva operaii i
proprieti de baz ale matricilor.
Fie
a11 a12 ... a1n

a a22 ... a2 n
A = aij = 21 = aij
... ... ... ... i =1,m
j =1,n
a m1 am 2 ... amn

Egalitatea matricilor. Fie A = || aij ||, B = || bij ||, i = 1,m, j = 1,n,

A = B aij = bij.
Adunarea matricilor. Se poate face doar dac A i B sunt de
acelai tip, adic au acelai numr de linii i acelai numr de coloane.
C=A+B C = cij cij = aij + bij
i =1,m
j =1,n

nmulirea cu un scalar. Fie K un numr real sau complex.

Atunci
K A = Kaij
i =1,m
j =1,n

nmulirea a dou matrici se poate face doar dac numrul de

coloane de la prima matrice este egal cu cel de linii de la a doua. Fie
deci:

8
 A = aik i =1,m B = bik k =1, p
j = 1, p j =1,n

p
avem c AB = C = cij unde cij = aik bkj .
i =1,m
k =1
j =1,n

Matrici particulare
Matricea zero este matricea care are toate elementele egale cu
zero. Se noteaz de obicei cu 0m,n.
Matrice unitate. Este o matrice ptrat avnd toate elementele
zero n afar de cele de pe diagonala principal care sunt egale cu 1,
adic
1 dac i = j
I = ij unde ij =
0 dac i j
Are proprietatea c AI = I A, matrice A cu care se poate face
nmulirea.
Matrice diagonal este matricea care are elemente diferite de
zero numai pe diagonala principal, n rest toate fiind egale cu zero. i
pe diagonala principal unele elementele pot fi zero.
Matrice triunghiular. O matrice care are toate elementele de
sub diagonala principal egale cu zero, se numete "triunghiular
superior" A = || aij ||, unde aij = 0 pentru i > j. Dac e invers aij = 0
pentru i < j se numete "triunghiular inferior".
Matrice linie este o matrice care are o singur linie respectiv
matricea coloan este aceea care are o singur coloan.

9
 Rangul unei matrici A, este numrul dat de ordinul celui mai
extins determinant diferit de zero care se poate extrage din acea
matrice. Se noteaz cu rang A.
Proprieti ale rangului
1. Dac A = aij rang A min{m,n}
i =1,m
j =1,n

2. Rang A B min {rang A, rang B}.

3. Rangul unei matrice nu se schimb dac:
a) se transpune matricea (se schimb linii i coloane ntre ele);
b) se nmulesc elementele unei liniile sau coloanele cu un numr
nenul;
c) se permut ntre ele dou linii (coloane);
d) se adaug la elementele unei linii (coloane) elementele unei alte
linii (coloane) eventual nmulit cu un numr oarecare.
Aceste afirmaii rezult din proprietile determinanilor (a
minorilor de un anumit ordin r extrai din matrice). Prin aplicarea
operaiilor de mai sus situaia unui minor de a fi zero sau diferit de
zero nu se schimb.
Prin "Transformri elementare" aplicate unei matrici nelegem:
1) nmulirea unei linii sau coloane cu un numr nenul;
2) permutarea a dou linii (coloane) ntre ele;
3) adunarea unei linii (coloane) cu o alt linie (coloan).
Dou matrici ce rezult una din alta prin transformri elementare
se numesc echivalente. n baza observaiilor de mai sus rezult c
dou matrici echivalente au acelai rang.

10
 Se va dovedi n continuare c transformrile elementare sunt
foarte utile pentru aflarea rangului, pentru obinerea matricii inverse,
ct i pentru rezolvarea sistemelor liniare.
Aceste operaii efectuate doar cu ajutorul determinanilor i care
au fost studiate la liceu sunt extrem de dificile mai ales dac ordinul
matricei respectiv al sistemului este mai mare.
Procedeul practic de aflare a rangului unei matrici:
1. Se alege un element pivot (de lucru) din matrice.
2. Se efectueaz transformri elementare cu linia (coloana) pe care st
pivotul asupra celorlalte linii (coloane) pn ce pe coloana (linia)
pe care st se obin numai zerouri (exceptnd pivotul).
3. Dac pe toat coloana pivotului s-au obinut zerouri atunci automat
pe linia lui putem nlocui toate elementele cu zerouri (exceptnd
pivotul) sau reciproc.
4. Se continu acest procedeu producnd ct mai multe zerouri pn
cnd pe fiecare linie sau coloan exist cel mult un element diferit
de zero.
Aceast form a matricei o numim forma quasidiagonal. Dac
s-ar mai face permutri de linii i de coloane aceste elemente diferite
de zero ar ajunge pe diagonala principal i matricea ar fi diagonal.
Acest lucru nu este ns util dup cum se va vedea.
5. Rangul matricii este egal cu numrul de elemente diferite de zero
din matricea quasidiagonal obinut.

11
 Observaie. Poziia elementelor diferite de zero este util n
alegerea determinantului principal, necesar pentru stabilirea naturii
unui sistem liniar (compatibil, incompatibil).
Exemplu. S se determine rangul matricii
1 1 2 2

A = 1 1 2 2
1 1 3 2

1 1 2 2 1 1 2 2 1 0 0 0

1 1 2 2 0 0 0 0 0 0 0 0
1 1 3 2 0 2 5 4 0 2 5 4

1 0 0 0

0 0 0 0
0 2 0 0

L1 (-1) + L2
L1 (-1) + L3
n forma qvasidiagonal sunt dou elemente diferite de zero deci
rang =2. Un determinant diferit de zero de ordin maxim ce s-ar putea
extrage din aceast matrice ar fi
1 1
p = = 2
1 1
El a fost gsit dac din matricea iniial alegem liniile i
coloanele corespunztoare elementelor diferite de zero din forma
qvasidiagonal.

12
 Inversa unei matrici
Problema inversei se poate pune doar la matrici ptrate
(numrul liniilor egal cu cel al coloanelor) i nesingulare
(determinantul ataat diferit de zero). Matricea invers are printre alte
aplicaii un rol esenial n rezolvarea matricial a sistemelor liniare.
Fiind dat matricea A, o alt matrice A-1 este inversa lui A dac i
numai dac
A A-1 = A-1 A = I.
Metoda clasic cu complemeni algebrici studiat n liceu este
deosebit de greoaie pentru matrici mai mari.
Vom da n continuare o metod simpl de a afla inversa unei
matrici utiliznd transformrile elementare.
Observaia 1. Pentru a efectua o transformare elementar
asupra unei linii (sau coloane) din matricea dat A, putem face
aceast transformare asupra matricii unitate de acelai ordin cu A
dup care nmulim matricea dat A la stnga (respectiv dreapta) cu
cea obinut din matricea unitate.
Observaia 2. Fie C1, C2, , Cn i L1, L2, Lm toate
transformrile elementare pe coloane, respectiv pe linii ce sunt
necesare pentru a aduce matricea A la forma diagonal unitate.
Dac aplicm transformrile C1, C2, , Cn asupra matricii
unitate de acelai ordin cu A obinem aa numita matrice a
transformrilor pe coloane pe care o notm cu C.
Analog pe linii i obinem matricea transformrilor pe linii L.
Teorem. Pentru orice matrice ptrat nesingural A avem

13
 I=LAC
Demonstraie. Acest lucru rezult prin aplicarea repetat a
operaiunilor din observaia 1.
S presupunem acum c am putut aduce matricea A la forma
unitate cu transformri elementare numai pe linii. Atunci relaia din
teorem devine
I=LA pe de alt parte I= A-1 A
Comparnd cele dou relaii rezult c L = A-1. Analog dac
lucrm numai pe coloane ca s aducem pe A la forma unitate vom
avea c A-1 = C.
Procedeu practic de obinere a inversei unei matrici.
1. Aplicm transformri elementare numai pe linii asupra matricii A
pn ce o aducem la forma unitate.
Observaie. Dac acest lucru nu este posibil nseamn c
matricea A nu admite invers lucru ce se poate verifica i calculnd
determinantul ataat matricii care ar fi fost egal cu zero (matrice
singular).
2. Aplicm aceleai transformri elementare matricii unitate care se
transform n matricea L adic A-1.
Observaie. Pentru rapiditate efectum aceste transformri
concomitent asupra matricii A i I aezate alturi.
Dac dorim s lucrm numai cu coloanele aezm matricea A i I
una sub alta. Transformrile efectuate le vom scrie pe margine.
Exemplu. S se afle inversa matricii

14
 1 1 1

A = 1 1 2
1 2 0

Transformri
A I
elementare pe linii
1 1 1 1 0 0
L1(-1) + L2
1 -1 2 0 1 0
L1(-1) + L3
1 -2 0 0 0 1
1
1 1 1 1 0 0 L2 + L1
2
0 -2 1 -1 1 0
3
0 -3 -1 -1 0 1 L2 + L3
2
3
1 0 3/2 1/2 1/2 0 L3 + L1
5
0 1 -1/2 1/2 -1/2 0
1
0 0 -5/2 1/2 -3/2 1 L3 + L2
5
1 0 0 4/5 -2/5 3/5
0 1 0 2/5 -1/5 -1/5
0 0 1 -1/5 3/5 -2/5
I A-1
Se poate verifica reuita calculelor prin produsul A-1 A = I.

Sisteme de ecuaii liniare

Dup numrul soluiilor acestora sistemele pot fi:
Sisteme liniare:
a) compatibile:
15
 - determinate o singur soluie;
- nedeterminate o infinitate de soluii.
b) incompatibile nici o soluie.
Prin soluie a unui sistem cu n necunoscute se nelege evident

un n-uplu de numere (x10 , x20 ,..., xn0 ) care verific toate ecuaiile
sistemului. Vom aminti pe scurt condiiile ca sistemul liniar s fie n
una din cele trei situaii.
Fie un sistem liniar de m ecuaii cu n necunoscute i rang r,
r<min(m,n).
r necunoscute principale n-r necunoscute secundare
a11x1+a12x2+ +a1rxr + + a1nxn =b1
r
a21x1+a22x2+ +a2rxr + +a2nxn =b2
ecuaii
.p
principale
ar1x1+ar2x2+ +arrxr + +arnxn =br
m-r

ecuaii
am1x1+am2x2+ +amrxr + +amnxn =bm
secundare
Fr a micora generalitatea problemei putem presupune c
determinantul de ordin r diferit de zero care a stabilit rangul matricii
sistemului este aezat n colul din stnga sus. Acest determinant se
numete determinant principal p i mparte ecuaiile i necunoscutele
sistemului n principale respectiv secundare. Ecuaiile sistemului care
au linii n p se numesc principale i sunt n numr de r, celelalte
secundare sunt n-r. Analog cu necunoscutele x1. Cele care au coloane
n p sunt principale (r), iar celelalte n-r secundare.
16
 Determinant caracteristic car,h se formeaz din p la care se
adun o linie secundar., precum i coloana termenilor liberi (doar ct
ncape din fiecare).
b1
p M
car ,h =
br
ah1 ...ahr bh

Evident se pot forma m-r determinani caracteristici, adic cte

unul pentru fiecare ecuaie secundar.

Problema compatibilitii sistemelor

Vom reaminti mai jos dou teoreme principale care dau
condiiile necesare i suficiente pentru compatibilitate.
Teorema lui Rouch. Condiia necesar i suficient pentru ca
sistemul liniar S s fie compatibil este ca toi determinanii
caracteristici s fie nuli.
Aceast teorem spune de fapt c orice soluie a sistemului
principal verific i ecuaiile secundare n totalitate. Acest lucru
rezult din proprietile determinanilor.
Se numete matrice complet sau extins a sistemului S matricea
S' format din coeficienii necunoscutelor la care se adaug i coloana
termenilor liberi.
Teorema lui Kronecker-Capelli. Condiia necesar i
suficient ca sistemul liniar S s fie compatibil este ca rangul lui S s
fie egal cu rangul matricei complete S'.

17
 Se observ rolul important jucat de rang n studiul sistemelor.
Dup verificarea compatibilitii sistemului, ecuaiile secundare pot fi
nlturate, reinndu-le doar pe cele principale care formeaz sistemul
principal.

Problema determinrii sistemelor

Se compar rangul r cu numrul necunoscutelor n.
a) Dac r=n nu avem necunoscute secundare i sistemul este
determinat. El are o soluie care se poate determina de exemplu
prin regula lui Cramer.
b) Dac r<n atunci avem n-r necunoscute secundare care vor fi
trecute n membrul doi avnd rol de parametri. Sistemul este
nedeterminat adic are o infinititate de soluii.
Observaie. n problemele economice cele mai ntlnite i mai
importante sunt sistemele compatibile i nedeterminate care au o
infinitate de soluii din care economistul trebuie printr-o metod
special s aleag soluia optim.
i sistemele incompatibile au un rol prin faptul c indic
specialistului c restriciile impuse sunt prea tari i n consecin
problema studiat nu are soluii. Eventual trebuie modificate o parte
din condiii.
Exemplu. S se rezolve sistemul
x + y 4 z + u = 1

x + y 3 z + 7u = 2
3 x + 3 y 14 z 9u = 1

Matricea sistemului este
18
 1 1 4 1

A = 1 1 3 7
3 3 14 9

1 4
Se obine uor rang S=2 unde am ales p = = 1 . Rezult
1 3
c necunoscutele principale sunt y i z, necunoscutele secundare x i u,
ecuaiile principale primele dou, ecuaie secundar a treia. Exist un
singur determinant caracteristic
1 4 1
car ,3 = 1 3 2 = 0
3 4 1

Rezult c sistemul este compatibil i anume nedeterminat. El se

mai poate scrie:
y 4z = 1 x u
S
y 3 z = 2 x 7u
Prin rezolvare cu o metod elementar se obine:
y = 5 x 25 u, z = 1 6u
Mulimea soluiilor sistemului depinde de doi parametrii n i u
{x, 5 x 25u, 1 6u, u} unde x, u R.

ntrebri de control i exerciii

1. Ce este determinantul principal i ci pot fi?
2. Ce legtur exist ntre rangul sistemului, numrul ecuaiilor i cel
al necunoscutelor.
3. n ce situaie se afl sistemele pentru care avem:
a) m = 7, n = 6, r = 5
19
 b) m = 5, n = 7, r = 5
c) m = 6, n = 6, r = 5
d) m = 4, n = 6, r = 5
unde m = numrul ecuaiilor, n = numrul necunoscutelor i r =
rangul.
4. Ce sunt necunoscutele secundare i ce rol au ele n rezolvarea
sistemului.
5. Cum pot fi scrise toate soluiile n cazul sistemelor nedeterminate
tiind c acestea sunt o infinitate.
6. Folosind transformri elementare s se determine inversele
urmtoarelor matrici
3 2 0 1
8 4 3
0 2 2 1
i 2 1 1
1 2 3 2
1 2 1
0 1 2 1
7. S se determine rangul urmtoarelor matrici
1 2 1 0
1 2 1 3 3 2 1 3 2
0 1 2 1
4 5 1 2 2 2 1 3 1 3
2 1 3 4 1 3 1 4 5 5 6 1

6 1 2 1

Metode de rezolvare a sistemelor liniare

Metoda lui Cramer, cu ajutorul determinanilor, devine foarte
greoaie dac sistemele sunt mai mari adic tocmai cazul problemelor
ce provin din economie. Nici chiar utilizarea calculatorului nu este de
mare ajutor.
20
 Vom da n continuare dou metode simple i utile teoremei
pentru astfel de sisteme de mrime mijlocie 10 30 ecuaii.

Algoritmul lui Gauss pentru sisteme liniare

Fie sistemul
anx1 + a12x2 + + a1nxn = b1
a21x1 + a22x2 + + a2nxn = b2

am1x1 + am2x2 + + mmnxn = bm
mprim prima ecuaie cu a11 0. nmulim noua ecuaie
respectiv cu -a21, -a31, , -am1 i o adunm respectiv la ecuaiile a
doua, a treia i aa mai departe. Obinem astfel sistemul
x2
x1 + a12 + ... + a1 n xn = b1
x2
a22 + ... + a2 n xn = b2
......... ...... .....................
am 2 x2 + ... + amn xn = bm

Face un lucru analog cu ecuaia a doua apoi a treia acionnd

doar asupra ecuaiilor de mai jos.
n final vom avea forma
x1 + c12 x2 + c13 x3 + ... + c1n xn = d1
x2 + c23 x3 + ... + c2 n xn = d 2
x3 + ... + c3n xn = d 3
.......... ....... ....................
m = dm
Sistemul de mai sus se rezolv extrem de uor nlocuind
variabilele de jos n sus.

21
 Pe parcursul algoritmului pot aprea urmtoarele situaii:
a) coeficienii necunoscutelor unei ecuaii devin toi nuli iar termenul
liber este diferit de zero. n acest caz sistemul este incompatibil i
rezolvarea se sisteaz.
b) coeficienii necunoscutelor unei ecuaii, inclusiv termenul liber
corespunztor sunt toi nuli. n acest caz aceast ecuaie dispare.
Mai simplu aceste operaii se pot face direct pe matricea complet a
sistemului ne mai trebuind s scriem variabilele xi i semnele de
operare.
Exemplu: S se rezolve sistemul
x1 + x2 + 5 x3 = 7
2 x + x + x = 2
1 2 3

x1 + 3 x2 + x3 = 5
2 x1 + 3 x2 3 x3 = 14

Avem matricea
1 1 5 7 1 1 5 7 1 1 5 7

2 1 1 2 0 1 9 16 0 1 9 16
1 ~ ~ ~
3 1 5 0 2 4 12 0 0 22 44

2
3 3 14 0 1 13 28 0 0 22 44


1 1 5 7 1 1 5 7

0 1 9 16 0 1 9 16
0 ~
0 22 44 0 0 1 2

0 0 0 0 0 0 0 0

Sistemul devine

22
 x1 + x2 + 5 x3 = 7

x2 + 9 x3 = 16
x3 = 2

care admite soluia x1 = 1, x2 = 2, x3 = -2.

Metoda eliminrii complete (Gauss-Jordan)

Se bazeaz pe efectuarea de transformri elementare asupra
matricii extinse a sistemului producnd ct mai multe zerouri pn ce
n locul matricii A a sistemului se va obine matricea unitate. Se
lucreaz evident simultan i asupra termenilor liberi. n final se poate
citi direct soluia sistemului. Reamintim c aceast metod poate fi
utilizat i pentru obinerea matricii inverse lui A, care la rndul ei
poate servi la rezolvarea matricial a sistemelor liniare.
Exemplu: Folosind metoda eliminrii complete a lui Gauss-
Jordan s se rezolve sistemul
x1 2x2 + x3 + x4 = 1
x1 x2 + 3x3 2x4 = 1
x1 + 2x2 + x3 + 5x4 = 5
Calculele se vor organiza ntr-un tabel, ca mai jos. Pe marginea
tabelului se recomand s scriem transformrile elementare ce au fost
efectuate.
x1 x2 x3 x4 b Transformri elementare
1 -2 1 1 1 L1(-1)+L2 Se alege elementul din
1 -1 2 -2 -1 L1(-1)+L3 dreptunghi ca pivot
1 2 1 5 5

23
1 -2 1 1 1 L2(2)+L1
0 1 1 -3 -2 L2(-4)+L3
0 4 0 4 4
1 0 3 5 3 L3(-1/4) apoi
0 1 1 3 2 L3(-1)+L2
0 0 -4 16 12 L3(-3)+L1
1 0 0 7 6
0 1 0 1 1
0 0 1 -4 -3
Rezult soluia sistemului
x1 = 6 7x4
x2 = 1 x4
x3 = 3 + 4x4
x4 = necunoscut secundar (parametru)
Exemplul 2: S se rezolve sistemul
x1 + x 2 + x3 = 6
x1 x2 + 2x3 = 5
x1 2x2 =0
x1 x2 x3 b Transformri elementare
1 -1 1 6
L1(-1)+L2
1 -1 2 5
L1(-1)+L3
1 -2 0 -3
1 1 1 6 L2(-1/2) apoi
0 -2 1 -1 L2(-1)+L1
0 -3 -1 -9 L2(3)+L3
24
 1 0 3/2 11/2 L3(-2/5) apoi
0 1 -1/2 1/2 L3(-3/2)+L1
0 0 -5/2 -15/2 L3(1/2)+L2
1 0 0 0
0 1 0 2
0 0 1 3
Soluia este
x1 = 1

x2 = 2
x = 3
3
Exist i alte metode exacte de rezolvare pentru sistemele
liniare: Metoda matricial, metoda radicalului etc. Exist i metode
aproximative care permit rezolvarea chiar a unor sisteme foarte mari,
de ordinul sutelor de ecuaii.
Probleme propuse: S se rezolve urmtoarele sisteme prin
metoda eliminrii complete:
a) 2x1 x2 + 3x3 = 9 b) 2x1 + 2x2 x3 + x4 = 4
3x1 5x2 + x3 = -4 4x1 + 3x2 x3 + 2x4 = 6
4x1 7x2 + x3 = 5 8x1 + 5x2 3x3 + 4x4 = 12
3x1 + 3x2 2x3 + 2x4 = 6

Spaii vectoriale (liniare)

Vom ncerca s facem legtura dintre noiunea de vector sub
forma geometric cunoscut de la fizic i forma analitic care va fi
folosit n capitolul urmtor.
Descompunerea unui vector dup trei direcii n R3
25
 r
Vectorul v se descompune folosind regula paralelogramului n
r r r
v = u + v3
r r r
apoi u = v1 + v2 adic
r r r
v = v1 + v2 + v3 .
M(a,b,c)
r r
v 3r v Vom considera pe
r r
k j v2 fiecare ax cte un
r r r vector standard de modul
v1 i u
1 avnd acelai sens cu
axa. Aceti vectori
r r r r r r
unitari notai cu i , j , k se numesc versori. Vectorii v 1, v 2, v 3 se pot
exprima cu ajutorul versorilor i a unor constante a, b, c.
r r r r r r r
Putem scrie v = v 1+ v 2+ v 3 = ai + bj + ck = (a, b, c). Cu alte
cuvinte exist o coresponden biunivoc ntre mulimea vectorilor i
a tripletelor de numere. Cele trei numere sunt de fapt coordonatele
punctului M din vrful vectorului.
n Rn un vector se poate exprima ca un n-uplu de numere
r r
v 1(a11, a12, , a1n), v 2(a21, a22, , a2n)
aij se numesc componente ale vectorilor. Primul indice indic
vectorul, al doilea, numrul componentei n vector.
n capitolul urmtor vom lucra mult cu sisteme i matrici, liniile
i coloanele acestora pot fi privite ca vectori. Vom folosi frecvent
denumirile de vector linie sau vector coloan. Operaiile cu vectori i
proprietile acestora sunt utile n operaiile cu sisteme i matrici.
Pentru c vectorii (linii sau coloane), matricile, sistemele liniare i
nc alte cteva expresii algebrice au proprieti comune este indicat
26
o scurt privire asupra noiunii de spaiu liniar sau spaiu vectorial ca
structur algebric.
Definiie. O mulime S se numete spaiu liniar dac pentru
orice dou elemente x, y din S i orice numr (scalar) din KR se
poate defini o sum x + y S i o multiplicare (produs) x S astfel
nct oricare ar fi x, y, z S i i K s fie verificate urmtoarele
axiome:
1. x + (y + z) = (x + y) + z
2. x + y = y + x
3. exist n S un element neutru (zero) aa ca x + 0 = x
4. fiecrui element x S i se ataeaz un alt element x S numit
opusul lui x, aa ca x + (x) = 0
5. (x + z) = x + y
6. ( + )x = x + x
7. ()x = (x)
8. 1 x = x
Definiie 1. Un sistem finit de elemente {x1, x2, , xn} dintr-un
spaiu liniar S se numete liniar independent dac din faptul c
1x1 + 2x2 + + nxn =0 , ai K
rezult a1 = a2 = = an = 0.
Dac rezult scalarii a1, a2, , an K aa ca relaia de mai sus s
aib loc rezult c {x1, x2, , xn} este un sistem liniar dependent.
Definiie 2. Un sistem de elemente (vectori) bi
B= {b1, b2, , bn}

27
dintr-un spaiu liniar S se numete baz a spaiului liniar, dac:
1. B este o mulime liniar independent i
2. B este un sistem de generatori n sensul c orice element x S se
poate reprezenta ca i o combinaie liniar a elementelor din B,
deci x S exist un sistem de scalari
c1, c2, , cn K
astfel nct
n
x= ck bk
k =1

Cu acest procedeu avnd dat o baz se poate construi tot

spaiul vectorial S. Reprezentarea oricrui element din S cu
ajutorul unei baze este mic.
Dac numrul elementelor (vectorilor) dintr-o baz este n atunci
orice sistem de n + 1 elemente este liniar dependent.
Definiie 3. Dac n spaiul liniar S exist o baz
B = {b1, b2, , bn}
format din r elemente atunci se spune c S are dimensiunea n.
Se observ c dimensiunea unui spaiu finit dimensional
coincide cu numrul maxim de elemente liniar independente care
exist n acel spaiu. De exemplu n spaiul Rn sistemul de elemente
E = {e1, e2, , en}
unde
e1(1, 0, 0, , 0)
e2(0, 1, 0, , 0)
en(0, 0, 0, , 1)
28
este o baz, numit baza canonic a lui Rn.
Verificarea dependenei sau a independenei liniare a unor
vectori se face comparnd rangul matricii formate cu toate
componentele sistemului de vectori cu numrul vectorilor i anume:
a) dac rangul < numrul vectorilor, acetia sunt liniar dependeni;
b) dac rangul = numrul vectorilor, acetia sunt liniar independeni.
Noiunile din acest paragraf vor constitui limbajul obinuit la
modelele ce vor urma.
S se verifice c vectorii:
e1(1, -2, 1, 1) f1(-2, 0, -8, 6)
e2(1, 1, 2, 2) f2(5, 6, -1, 6)
i separat vectorii
e3(-1, -1, 3, 1) f3(-2, 5, -11, 7)
e4(-2, 1, 3, 2) f4(2, 10, -10, 5)
sunt independeni, deci formeaz o baz n R4.

29
 II. PROGRAMAREA LINIAR

Noiunea "program" sau plan se refer la stabilirea unor date,

cantiti, necesare a fi produse, cumprate, sau vndute bineneles n
aa fel ca totul s se situeze n poziia optim (minim sau maxim).
Profit maxim, cheltuieli minime, timp de producie minim etc.
Dac funciile i expresiile ce servesc la punerea problemei sunt
liniare atunci modelul matematic se numete programare liniar. n
afar de acest model mai exist i altele ca programarea ptratic,
programarea stohastic, programarea dinamic, programarea
parametric, etc.
Exemple:

1. Organizarea optim a produciei

O ntreprindere urmeaz s produc n tipuri de produse Pj,
j = 1, n prin utilizarea a m tipuri de resurse Ri, i = 1, m . Se cunosc
coeficienii tehnici aij (adic cantitatea din resursa Ri necesar
producerii unei uniti din produsul Pj), cantitile disponibile bi din
resursele Ri, i = 1, m i beneficiile unitare cj pentru fiecare produs Pj,
j = 1, n . S se ntocmeasc planul (programul) optim de producie al
societii, astfel nct beneficiul total s fie maxim.
Restriciile ce vor aprea se datoreaz limitrii resurselor, iar
funcia de optimizat (maximizat) este chiar funcia ce reprezint
beneficiul total. S notm cu xj, j = 1, n cantitatea ce se va produce din

30
produsul Pj. Vom constata c modelul matematic al problemei propuse
este
a11 x1 + a12 x2 + ... + a1n xn b1
a x + a x + ... + a x b
21 1 22 2 2n n 2
(1)
...................................................
am1 xn + am 2 x2 + ... + amn xn bm

(2) xj 0, j = 1, n
(3) f' = c1x1 + c2x2 + + cnxn maxim
( )
Dac notm cu A= aij i =1,m matricea coeficienilor tehnologici
j =1,n

cu B = (b1, b2, , bm) vectorul cantitilor disponibile cu C(c1, c2, ,

cn) vectorul beneficiilor unitare i cu X=(x1, x2, , xn) vectorul
necunoscutelor, atunci modelul matematic precedent se scrie sub
forma matriceal mai simpl
Ax b
x0
f = cx maxim

2. Problema raiei optime

Se consider substanele nutritive Si, i = 1, m necesare vieii din

care trebuie asigurate zilnic cantitile bi, i = 1, m . Asigurarea acestor
substane se realizeaz prin consumarea alimentelor Aj, j = 1, n care
conin acele substane n proporii date. Cunoscnd cantitile aij din
substanele Si ce se gsesc n alimentele Aj, i = 1, m , j = 1, n precum i

31
costurile unitare cj ale alimentelor Aj, j = 1, n , s se ntocmeasc o
raie optim adic costul raiei s fie minim.
Dac notm cu xj cantitatea ce se va consuma din alimentul Aj
modelul matematic devine:
a11 x1 + a12 x2 + ... + a1n xn b1
a x + a x + ... + a x b
21 1 22 2 2n n 2

...................................................
am1 xn + am 2 x2 + ... + amn xn bm

xj 0, j = 1, n
f' = c1x1 + c2x2 + + cnxn minim
Sau matriceal
Ax b
x0
f = cx minim.
Observaie. Se va vedea n continuare c la problemele de
programare liniar este util ca restriciile s fie sub forma unor
egaliti, adic s avem aa numita problem canonic sau standard.
Modelul matematic al acesteia este
Ax = B
x0
f = cx optim (maxim sau minim)

Rezolvarea problemei de programare liniar

Metoda de rezolvare a vom dezvolta pe aa numita form
canonic (standard) pe care o vom scrie mai jos dezvoltat. Vom vedea

32
c dac problema practic va conduce la restricii ce nu sunt egaliti
acestea se pot adapta pentru ca problema s devin sub forma
canonic.
Forma standard este compus din trei elemente:
1. Sistemul liniar (ce provine din restricii)
2. Condiiile de nenegativitate
3. Funcia de scop, de optimizat, care este tot liniar.
adic
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a x + ... + a x = b
21 1 22 2 2n n 2
(1)
...................................................
am1 xn + am 2 x2 + ... + amn xn = bm

xj 0, j = 1, n (2)
f' = c1x1 + c2x2 + + cnxn (3)
n continuare vom presupune c sistemul (1) este compatibil
nedeterminat, adic are o de soluii, n caz contrar problema gsirii
optimului nu mai are sens.

Clasificarea soluiilor
1. Soluie posibil a problemei de programare liniar orice vector (n-
uplu) care verific sistemul (1) i condiiile de nenegativitate (2).
2. Soluie de baz este o soluie posibil care are cel mult m
componente strict pozitive, restul fiind zero.
Reamintim c m este numrul ecuaiilor principale (egal cu
rangul). Soluia de baz se obine cnd necunoscutele secundare se iau
egale cu zero.
33
3. O soluie de baz se zice degenerat dac numrul componentelor
strict pozitive este mai mic dect m.
Soluiile de baz sunt importante deoarece se arat c soluia
optim cutat este una dintre soluiile de baz.
Pentru soluia optim funcia de scop i atinge valoarea maxim
n cadrul problemelor de maxim i respectiv minimul n cadrul
problemelor de minim.

Algoritmul Simplex
Este una din cele mai importante i uoare metode de rezolvare a
problemelor de programare liniar. Are la baz metoda eliminrii
complete de rezolvare a unui sistem de ecuaii liniare, care este
adaptat pentru gsirea numai a soluiilor cu componente nenegative
i n final a soluiei pentru care funcia liniar f are valoare optim.
Metoda de rezolvare este descris pentru forma canonic a
problemei. n practic ns nu totdeauna transcrierea problemei
economice conduce la sistemul standard. n forma general un sistem
poate s conin inegaliti de ambele sensuri i egaliti.
Pentru transformarea problemei de la forma general cu
inegaliti la forma standard numai cu egaliti vom introduce
necunoscute noi numite necunoscute de compensare sau artificiale
sau alii le spun ecart.
De exemplu la inegalitatea
ai1n1 + + ainxn bi
Se adaug n membrul nti xn+1 0 i inecuaia devine ai1x1+
+ ainxn + xnn = bi.
34
 Pentru o restricie de forma
ak1n1 + + aknxn bk
Se va considera necunoscuta de compensare xn+2 0. Toate
variabilele trebuie s respecte condiiile de nenegativitate. n acest caz
ecuaia devine
ak1n1 + ak2x2+ + aknxn xn + c = bk
Prin introducerea ei cu semnul minus se obine micorarea
corespunztoare a membrului nti. Numrul de variabile de
compensare ce trebuiesc introduse este evident egal cu numrul de
inegaliti. Uneori se introduc variabile de compensare, sau artificiale
chiar i n egaliti cte una distinct pentru fiecare ecuaie pentru a
obine de la bun nceput o soluie de baz, care n acest caz este
format numai din variabile de compensare.
n funcia de eficien necunoscutele de compensare se introduc
cu coeficieni egali cu zero. Variabilele artificiale se vor rula n cadrul
algoritmului de rezolvare i n general vor fi eliminate treptat.
Exemplu: S se gseasc maximul formei liniare f = 3x1 + 7x2
4x3 x4 dac variabilele xi verific urmtoarele restricii:

2x1 + 5x2 x3 + x4 = 11
4x1 6x2 5x3 + 2x4 6
xj 0, j = 1,4
x1 + x2 3x3 + 2x4 8
5x1 + 2x2 + x3 x4 9

35
 Dm mai jos forma standard n care se transform problema de
mai sus dup introducerea variabilelor de compensare toate nenegative
max f = 3x1 + 7x2 4x3 x4 + 0x5 + 0x6 + 0x7 + 0x8

2 x1 + 5 x2 x3 x4 + x5 = 11
4 x1 6 x2 5 x3 + 2 x4 x6 =6
x1 + x2 3 x3 + 2 x4 + x7 =8
5 x1 + 12 y2 + x3 x4 + x8 =9

xj 0, j = 1,8
Algoritmul simplex este o metod general i foarte practic
pentru rezolvarea problemelor de programare liniar. Ea a fost
descris pentru prima dat de G.B.Dantzig n 1947. Ea are la baz
metoda eliminrii complete de rezolvare a unui sistem de ecuaii
liniare dar orientat n permanen dup scopul urmrit adic
optimizarea funciei de scop (eficient).
Una din teoremele importante ale programrii liniare afirm c
soluia optim dac exist trebuie s fie una de baz.
Etapele algoritmului Simplex sunt:
1. Aducerea sistemului la forma canonic (standard, cu egaliti);
2. Gsirea unei soluii de baz (cu numere componente pozitive i
restul zero);
3. Trecerea de la o soluie de baz la alta mai bun dect ea n sensul
optimului enunat. Mai precis:
a) Dac pentru funcia de scop se cere minim atunci trebuie s
genereze o valoarea mai mic dect cea veche.
b) Pentru funcia de scop la care se cere maxim invers.

36
 Soluia optim nu se caut la ntmplare printre cele de baz ci
dirijat verificnd permanent un criteriu de mbuntire a funciei
de eficien.
4. Gsirea soluiei optime i aflarea valorii optime a funciei de
eficien. Evident se folosete un criteriu care stabilete dac s-a
ajuns la valoarea optim i funcia de scop nu mai poate fi
mbuntit.
Vom lua pe rnd aceste etape indicnd i operaiile de
desfurare a acestora.
A. Pentru determinarea unei soluii de baz vom utiliza metoda
eliminrii complete (Gaus-Jordan). Presupunem c am produs
zerouri pe primele m coloane (m n) adic n baz se afl primele
variabile x1, x2, , xn (sau n alt exprimare vectorii P1, P2, , Pm).
Reamintim c o coloan i corespunztoare unei variabile xi i se
mai spune vectorul coloan Pi.
Matricea sistemului devine
1 0 ... 0 a1 ,m + 1
... a1 n b1

0 1 ... 0 a2 ,m + 1
... a2 n b2
... ... ... ... ......... ... ... ...

0
0 ... 1 am ,m +1 ... amn bm

Dac toi b'i 0, i = 1, m soluia de baz este B1 = (b'1, b'2, ,
b'm , 0 0).
Pentru aceast soluie B1 funcia de scop devine
m
f(B1) = c j bj
j =1

37
 B. Schimbarea bazei = gsirea altei soluii de baz mai bune.
Obinerea unei noi soluii de baz n va face prin schimbarea doar
a unei singure variabile. n limbaj vectorial spunem c din baza
veche scoatem un vector P i n locul lui punem altul P. Pentru
uurina calculelor acest lucru se face ntr-un tabel i se lucreaz
cu transformri elementare. O astfel de operaie se numete pas
simplex i comport mai multe operaiuni.
Fie urmtorul tabel simplex construit pe baza iniial

Baza P0 P1 P2 P Pm Pk P Pn
P1 b1 1 0 0 0 a1k a1 a1n
P2 b2 0 1 0 0 a2k a2 a2n
M M M M M M M M M
P b 0 0 1 0 ak a an
M M M M M M M M M
Pm bm 0 0 0 1 amk am amn

Ne propunem s scoatem din baz vectorul P (variabila x) i s

introducem n locul lui vectorul P (variabila x).
Observaie. Exprimarea vectorilor din afara bazei n funcie de
vectorii bazei se face chiar cu coeficienii aik de pe coloana vectorului
Pk de exemplu:
Pk = a1k P1 + a2k P2 + + amk Pm

38
 Elementul a de la intersecia liniei i coloanei se numete
element privat sau de lucru.
1. Prima operaie este mprirea liniei cu elementul privot obinnd
a
valorile k = k , k = 1, 2, , n.
a

2. Apoi producem zerouri pe toat coloana privotului mai puin n

locul acestuia unde rmne 1.
Elementele noii matrici vor fi:
ajk = a jk k a j , j = 1, m { }

ak = k

Urmrind acum ca soluia nou s fie de asemenea o soluie de

baz, adic cele m componente diferite de zero s fie pozitive trebuie
s avem satisfcute inegalitile:
bj - aj > 0, j = 1, m { }.
Pentru c numerele bj sunt pozitive (ele aparineau vechii baze)
pentru a fi satisfcute inegalitile de mai sus este suficient ca pentru
pozitiv s avem aj pozitiv i
bj
0 < < .
a j

Rezult deci c numrul pozitiv s fie valoarea minim pozitiv

a rapoartelor bj / aj.
n concluzie:

39
 Un vector P (variabil x) din afara bazei poate fi introdus n baza
nou dac are componente pozitive. Alte combinaii de semne ar
ngreuna metoda inutil.
Pentru fixarea vectorului P (variabilei x) care se scoate din baz
se determin numrul pozitiv
bj b
= min =
+ j a j a

considernd c j ia doar valorile care corespund coeficienilor pozitivi
aj.
Rezolvarea practic a trecerii de la o soluie de baz la alta, adic
de la un tabel simplex la urmtorul se realizeaz prin aa numita
metod simplex. Calculele se efectueaz n urmtoarele etape:
1. Fixarea vectorului P (variabilei x) care se introduce n baz.
2. Calcularea rapoartelor pozitive bj / aj pentru determinarea
numrului cu ajutorul cruia aflm vectorul P (variabila x) care
se scoate din baz.
3. Determinarea n noul tabel simplex a elementelor de pe linia
corespunztoare vectorului P introdus n baz adic a numerelor k
cu relaiile
b a
= , k = k
a a

adic mprirea liniei cu elementul pivot.

4. Determinarea n noul tabel simplex a elementelor de pe celelalte
linii cu relaiile

40
 bj = b j A j si ajk = a jk k a j , j = 1, m { }

Aceast ultim etap se poate rezolva uor i rapid prin aplicarea

aa numitei reguli a triunghiului dreptunghic: Un element din noul
tabel simplex se obine scznd din elementul situat n vrful
unghiului drept produsul elementelor de la extremitatea ipotenuzei.
Rezultatul se pune n noul tabel n locul corespunztor celui ocupat de
cel din vrful drept din vechiul tabel dup schema.

bj aj ajk aj

b'j a'jk
Exemplu: S se ntocmeasc tabelele simplex corespunztoare
soluiilor de baz pentru urmtorul sistem:
3 x1 x2 + 2 x3 + x4 =7

2 x1 4 x2 + x5 = 12
4 x 3 x2 + 8 x3 + x6 = 10
1
x j 0, j = 1,6

Se observ c o soluie de baz este (0,0,0,7,12,10) deci n baz

intr variabilele x4, x5, x6 (vectorii P4, P5, P6).
Observaie. Pentru sistematizarea calculelor se recomand ca
s se aeze tabelele simplex n continuare i cu o coloan pentru
rapoartele bj / aj.
Pentru exemplul de mai sus vom avea urmtoarele calcule:

41
 = 4 2 =
7 22 1 10
Exemplu: b5 = 12 2 = ; a52
3 3 3 3
bj
Baza P0 P1 P2 P3 P4 P5 P6 Tabele S
a j
7
P4 7 3 -1 2 1 0 0 =
3
SI
12
P5 12 2 -4 0 0 1 0 =6 P = P1
2
P6 10 -4 -3 8 0 0 1 -
7 1 2 1 7 2 7
P1 1 - 0 0 : =
3 3 3 3 3 3 2
22 10 4 2
P5 0 - - - 1 0 -
3 3 3 3 S II
58 32 P = P3
: =
58 13 32 4 3 3
P6 0 - 0 1
3 3 3 3 29
= =
16
9 1 1 1 9 1 9
P1 1 - 0 0 - : = =
8 16 4 16 8 4 2
39 31 1 1 S III
P5 0 - 0 - 1 -
4 8 2 8 P = P4
29 13 1 3 29 1 29
P3 0 - 1 0 : =
16 32 8 32 16 8 2
9 1 1
P4 4 - 0 1 0 -
2 4 4
27
P5 12 2 -4 - - 1 - S IV
32
5 1 3 1
P3 - - 1 0 0 -
4 2 8 128

42
 Determinarea soluiei optime a problemei de
programare liniar
Problema programrii liniare const, n determinarea valorii
optime (minime sau maxime) a funciei de eficien (sau de scop) care
este i ea liniar
n
f = cj xj (1)
j =1

n vederea obinerii scopului fixat va trebui s urmrim dou

aspecte:
1. Gsirea unui criteriu care s indice c o soluie de baz nou este
mai bun dect cea veche n sensul optimului funciei de eficien.
2. Stabilirea unui criteriu care s indice c optimul a fost atins i nu
mai este necesar schimbarea bazei.
Pentru aceasta vom studia variaia funciei de eficien la
schimbarea soluiei de baz.
Fie z0 valoarea funciei de eficien f corespunztoare primei
soluii de baz adic
n m
z0 = c j x j = b j c j cci x j = b j , j = 1, m (2)
j =1 j =1

Fie z'0 valoarea funciei f corespunztoare soluiei de baz din

tabelul urmtor, SII adic
z0 = bj c j (3)
j

Dar cum soluia de baz II se obine din I prin formulele de

recuren

43
 b j a j j , j
(4)
j =
avem



( )
z0 = b j a j c j + c = b j c j + c a j c j
j j j
1 424 3 1 4243

z 0 z
Dac notm cu z = a j c j (5)
j

vom avea
( )
z0 = z0 + c z = z0 + (6)

Observaie. este totdeauna pozitiv (acest lucru s-a fixat n

prealabil prin convenie pentru simplificarea regulilor ce trebuiesc
urmrite n cazul c se cauz maximul respectiv minimul funciei de
eficien).
a) Determinarea maximului funciei de eficien
Dac = c - z > 0 cum > 0 rezult z'0 > z0 adic prin
trecerea de la o baz la alta valoarea funciei de eficien devine mai
mare. Cu alte cuvinte pentru maximizarea funciei de eficien sunt
necesare urmtoarele dou condiii:
1. S existe n afara bazei cel puin un vector P (variabil x) care s
aib cel puin o component pozitiv (aj > 0).
2. Vectorului ales P trebuie s-i corespund o diferen pozitiv =
c - z > 0.

44
b) n cazul cutrii minimului funciei de eficien singurul lucru care
se modific este c lui P trebuie s-i corespund o diferen negativ
= c - z < 0 care conduce la z'0 < z0.
Pentru o mai bun organizare a calculelor tabelul precedent
necesar pentru trecerea de la o baz la alta se va completa cu trei linii
i o coloan avnd forma de mai jos.
Tabelul SI
Coefi- c1 c2 cm ck c cn
cienii
ci
cores- Baza P0
P1 P2 Pm Pk P Pn
punz-
tori
bazei
c1 P1 B1 1 0 0 a1k a1 a1n
c2 P2 B2 0 1 0 a2k a2v a2n
M M M M M M M M M
c P B 0 0 0 ak a an
M M M M M M M M M
cm Pm Bm 0 0 1 amk am amn
zk z0 z1 z2 zm zk z zn
k = ck zk - c1-z1 c2-z2 cm-zm ck-zk c-z cn-zn

45
 Completat n acest mod tabelul SI, numerele zk se obin
nmulind coeficienii cj din prima coloan cu componentele vectorului
pk i adunndu-le. innd seama c n capul coloanelor determinate de
vectorul pk se afl situat coeficientul ck, diferenele ck zk se scriu
imediat sub zk din coloana respectiv.
Evident, pentru vectorii bazei avem zk = ck, deci
k = ck zk = 0.
Exemplu. S se determine minimul funciei
f = x2 3x3 + 2x5
n cazul c xi verific condiiile
x1 + 3 x2 x3 + 2 x5 =7

2 x2 + 4 x3 + x4 = 12
4 x2 + 3 x3 + 8 x5 + x6 = 10

x j 0 , j = 1,6

Este vizibil imediat, o soluie de baz lund x1=7, x4=12,

x6=10, iar necunoscutele secundare x2=0, x3=0, x5=0. Adic soluia de
baz este (7,0,0,12,0,10). Dac nu aveam imediat o soluie de baz
aceasta se putea obine prin metoda eliminrii complete studiat
anterior sau prin adugarea unor variabile artificiale. n tabelul
urmtor vom ilustra secvena calculelor necesare pentru obinerea
soluiei care realizeaz minimul funciei de scop.

46
 0 1 -3 0 2 0 bj Explicarea
cj Baza P0
P1 P2 P3 P4 P5 P6 a j calculelor
0 P1 7 1 3 -1 0 2 0 - SI
12 Diferene
0 P4 12 0 -2 4 1 0 0 =3 k=ck-zk<0;
4
este 3=-3
10
0 P6 10 0 -4 3 0 8 1 = 3 ,3 corespunztoare
3 vectorului P3
zk 0 0 0 0 0 0 0 =3
=3
k=ck-zk - 0 1 -3 0 2 0 Element de
soluie (pivot) 4
5 1 5 S II
0 P1 10 1 0 2 0 10: =4 Diferene
2 4 2
k=ck-zk<0;
1 1
-3 P3 3 0 - 1 0 0 - 1
2 4 este
2
5 3
0 P4 1 0 - 0 - 8 1 - corespunztoare
2 4 2
3 3 vectorului P2
zk -9 0 -3 - 0 0 5
2 4 =2
=4
1 3 Element de soluie
k=ck-zk - 0 - 0 2 0
2 4 5
(pivot)
2
2 1 1
1 P2 4 1 0 0
5 10 5
S III
1 3 2 Nu mai exist diferene
-3 P3 5 0 1 0
5 10 5 k=ck-zk<0.
1 Valoarea minim a funciei a
0 P6 11 1 0 0 - 10 1
2 fost atins pentru soluia:
1 4 2 x1=0, x2=4, x3=5
zk -11 - 1 -3 - - 0 x4=0, x5=0, x6=11
5 5 5 f min = -11
1 4 12
k=ck-zk - 0 0 0
5 5 5
47
 Obinerea soluiei care realizeaz optimul (n acest caz minimul)
este marcat de urmtoarele condiii:
- Nu mai exist diferene k=ck-zk<0 sau dac ar mai exista vectorul
corespunztor s nu aib componente pozitive care s serveasc la
calcularea lui pentru a putea face un nou pas.

Cazul soluiei infinite

Exist situaii n care funcia de optimizat are un maxim infinit,
adic valoarea ei poate fi fcut orict de mare. Aceasta se ntmpl
dac exist o diferen cj zj pozitiv, dar pe coloana acesteia nu
exist nici un element pozitiv care s poat fi luat ca pivot.
Exemplu. S se determine maximul formei liniare
f = x1 + 2x2 + 2x3 + x4,
fiind satisfcute relaiile de condiii:
1
x1 x3 + x4 = 1
2

x2 + x3 x4 = 1
x 0 , j = 1,2 ,3,4.
j

Soluie. Baza iniial este format din vectorii unitari P1 i P2.
Avem, calculele urmtoare:

48
 0 1 -3 0 bj Explicarea calculelor
cj Baza P0
P1 P2 P3 P4 a j Tabela S

1 SI
1 P1 1 1 0 -1 2
2 Maxim k > 0
2 P2 1 0 1 1 -1 - 5
4= ; P=P4; =2;
3 2
zk 3 1 2 1 -
2 P=P1; Element de

5 1
k - 0 0 1 soluie
2 2
1 P4 2 2 0 -2 1 S II
2 P2 3 2 1 -1 0 Maxim k > 0; 3 = 6
zk 8 6 2 -4 1 Nu exist P; cci P3 are

k - -5 0 6 0 componentele negative

Am oprit aplicarea algoritmului simplex la S II; funcia f(x) este

nemrginit. Problema de programare liniar nu admite soluie.

Degenerarea n problemele de programare liniar

Reamintim c soluia de baz se numete degenerat dac
numrul componentelor sale strict pozitive este mai mic dect m (unde
m este numrul de ecuaii), deci cel puin o necunoscut principal are
valoarea zero. Aceast situaie, apare cnd la introducerea n baz a
unui vector, exist mai multe elemente pozitive care furnizeaz acelai
raport minim.

49
 Soluii multiple. Soluia general
Exist situaii n care problema de programare liniar are cel
puin dou soluii distincte care conduc la aceiai valoare optim. n
acest caz soluia optim general se poate scrie ca o combinaie liniar
convex a soluiilor independente obinute.
Fie de exemplu X1 i X2 dou soluii optime distincte atunci
XG = 1 X1 + 2 X2 unde 1, 2 0, 1 + 2 = 1.
Rezult c avnd dou soluii optime prin variaia lui 1 i 2
obinem, de fapt, n final o infinitate de soluii optime. Evident prin
soluie se nelege un n-uplu. n aceast situaie, n practic,
economistul trebuie s se hotrasc asupra unui singur rezultat, n
consecin, va mai impune o condiie convenabil aleas care va fixa
soluia fr ca optimul s se modifice.

Exerciii i probleme. ntrebri de control

1. Ce este o soluie de baz?
2. Cnd o soluie de baz este degenerat?
3. Care sunt elementele unei probleme de programare liniar
standard?
4. Cum se poate transforma o problem de programare liniar
general n una standard?
5. Poate avea o problem de programare liniar mai multe soluii
optime diferite. Cum se procedeaz n cest caz?
Exemplu. S se rezolve, cu algoritmul simplex, urmtoarea
problem de programare liniar

50
 2 x1 + x2 x3 + 2 x4 = 6
x + x2 + 2 x3 =5
1
x1 + 2 x2 + x3 + x4 = 8


x j 0, j = 1,4

f = x1 + 2 x2 + 3 x3 + 5 x4 max im

Etapele algoritmului simplex vor fi parcurse prin ntocmirea

urmtorului tabel

1 2 3 5 c
cB Baza P1 P2 P3 P4 b
e1 2 1 -1 2 6
e2 1 1 2 0 5
e3 -1 2 1 1 8
1 P1 1 1/2 -1/2 1 3
e2 0 1/2 5/2 -1 2
e3 0 5/2 1/2 2 11
1 P1 1 0 -3 2 1
2 P2 0 1 5 -2 4
e3 0 0 -12 7 1
1 P1 1 0 3/7 0 5/7
2 P2 0 1 11/7 0 30/7
5 P4 0 0 -12/7 1 1/7

51
 zj 1 2 -5 5 10
c j - zj 0 0 8 0 -
3 P3 7/3 0 1 0 5/3
2 P2 -11/3 1 0 0 5/3
5 P4 4 0 0 1 3
zj 59/3 2 3 5 70/3
c j - zj -56/3 0 0 0 -

n consecin, am obinut soluia optim, deoarece toate

diferene cj zj sunt nepozitive, i astfel
t 5 5 70
xopt = 0 , , ,3 cu f max = .
3 3 3
S se rezolve urmtoarele probleme de programare liniar
x1 + 2 x2 x3 + x4 =0

1. 2 x1 2 x2 + 3 x3 + 3 x4 =9 x j 0, j = 1,4
x x2 + 2 x3 x4 =6
1
f = 3x1 + x2 + 3x3 x4 maxim
195 27 57 3
Rspuns: f max = , xopt 0 , , ,
14 14 14 14
2 x1 + 4 x2 + x3 =5

2. x1 + 3 x2 + x4 =6
x + x2 + x5 =2
1
xj 0, j = 1,5
f = 2x1 + 2x2 maxim

52
 3 1
Rspuns: f max = 4 ; xopt (2 ,0 ,1,4 ,0 ); xopt
2
= , ,0 ,3,0
2 2
2 x1 + 3 x2 + x3 + 2 x4 15

3. x1 + 2 x2 + x3 + x4 = 10
x + x2 + 2 x3 + 2 x4 = 11
1
xj 0, j = 1,4
f = 3x1 + 2x2+ 4x3 + 2x4 minim
Rspuns: f min = 18; xopt (0 ,3,2 ,2 ,0 )

53
 III. ELEMENTE DE ANALIZ MATEMATIC
Majoritatea proceselor economice au ca model matematic o
funcie care poate fi de o variabil independent sau mai multe
variabile. De exemplu beneficiul unei ntreprinderi depinde de mai
muli factori care pot fi considerai variabile independente:
productivitatea muncii, preurile de achiziie, costurile de producie,
pierderi, consum de energie, etc.
Funciile de o variabil au fost n general bine studiate n liceu
studiul culminnd, n mare, cu obinerea reprezentrii grafice pe care
se pot citii, de altfel, toate proprietile funciei i de unde se pot
obine diferite interpretri economice.
Reamintim principalele etape pentru obinerea unui grafic la
funciile de o variabil:
1. fixarea domeniului maxim de definiie al funciei care apoi putea fi
restrns doar la o zon de interes;
2. limitele la capetele domeniului de lucru;
3. asimptote (verticale, oblice sau orizontale);
4. puncte principale pe axe;
5. calcularea derivatei ntia i a semnului acesteia pentru obinerea
monotoniei i a punctelor de extrem;
6. calcularea derivatei a doua (numai dac este necesar pentru
precizarea studiului) care ne d intervalele de concavitate,
conexitate i punctele de inflexiune;

54
7. centralizarea tuturor informaiilor ntr-un tablou de variabile i n
sfrit trasarea graficului.
Pentru economiti sunt importante intervalele de monotonie care
indic trendul fenomenului precum i punctele de extrem care sunt n
general puncte de optim.
n prezent utiliznd calculatorul graficul unei funcii se obine
rapid i cu mare precizie. Mai rmne doar s se fac interpretrile.

Formula lui Taylor

Este o generalizare a formulei lui Lagrange. Este util n analiza
matematic att pentru studiul funciilor cu o finee mai mare ct i
pentru calcularea valorilor unei funcii mai complicate cu ajutorul
unor polinoame.
Teorem. Dac F : I R este de n +1 ori derivabil pe I
atunci exist un numr c cuprins ntre a i x I astfel nct s aib
lor relaia

f ( x ) = f (a ) +
xa
f (a ) +
( x a )2
f (a ) + ... +
( x a )n (n )
f (a ) + Rn
1! 2! n!
unde

Rn =
( x a )n +1 (n +1)
f (c )
(n + 1)!
Rn se numete restul sub forma lui Cauchy.
n esen formula aproximeaz ori ct de bine dorim o funcie
f(x) n orice punct x cu un polinom. Cu ct n este mai mare restul
devine mai mic i aproximaia este mai bun. De asemenea, cu ct
punctul x este mai aproape de a aproximaia este mai bun. Din
55
estimaia restului se poate calcula ci termeni sunt necesari pentru a
obine o eroare de calcul mai mic dect cea propus. Calculatoarele
electronice PC i cele de buzunar prin arhitectura lor utilizeaz
formula lui Taylor pentru a calcula funcii uzuale ca sin x, cos x ex, ln
x, etc.
Observaie. Dac a = 0 formula se numete a lui MacLaurin.
Exemple. Pentru funcii mai simple formula se poate aplica
direct prin derivarea de mai multe ori a funciei.

1) Dac f(x) = ex i a = 0 vom obine f (n ) ( x ) = e x i f (n ) (0 ) = 1 ,

n N. Deci

x x x2 xn
e = 1+ + + ... + + Rn
1! 2! n!

( n)
2) Fie f(x) = ln (1+x), a = 0, vom avea f (n ) =
( 1)n 1 (n 1)!
(1 + x )n
f (n ) (0 ) = ( 1)n +1 (n 1)! deci

x x 2 x3 n 1 x
n
ln(1 + x ) = + + ...( 1) + Rn
1 2 3 n
3) Fie f(x) = sin x, a = 0. Funcia sin x este indefinit derivabil, atunci
calculnd succesiv derivatele obinem
0 , dac n = 2 k
f (n ) (0 ) =
( 1)k , dac n = 2 k + 1
Rezult
2 n 1
x x3 x5 n x
sin x = + ...( 1) +R
1! 3! 5! (2n 1)! n
56
 Analog pentru cosinus avem

x 2 x 4 x6 n x
2n
cos x = 1 + + ...( 1) +R
2! 4! 6! (2n )! n
4) S se dezvolte n serie MacLaurin funcia
f : (-1, ) R, f(x) = (1 + x), R, 0, 1, 2,
Funcia admite derivate de orice ordin n punctul x = 0. Avem:
f(n) (x) = ( -1) ( - n + 1)(1 +x)-n
f(n)(0) = ( -1 ) ( - n + 1)
Formula lui MacLaurin devine:

x x2 ( 1)...( n + 1)
(1 x ) = 1 + + ( 1) + ... + + Rn
1! 2! n!
Formula de mai sus poart i numele de binomul lui Newton
generalizat. Pentru diferite valori ale lui se obin dezvoltri pentru
tot felul de radicali.

Funcii reale de mai multe variabile reale

Mulimi i puncte din Rn. Vecinti

Reamintim c Rn este mulimea sistemelor ordonate de n numere
reale adic
Rn = {x = (x1, x2, , xn) / xi R}
S-a vzut c Rn se poate organiza ca un spaiu liniar (vectorial)
fa de operaiile de adunare a dou elemente din Rn i nmulirea cu
scalari din R.
Definiie. Aplicaia d: Rn Rn [0, ) se numete distan
dac:
57
1) d(x, y) 0, (x, y) Rn Rn, d(x, y) = 0 x = y
2) d(x, y) = d(y, x)
3) d(x, z) d(x, y) + d(y, z)
Observaie. Dac x = (x1, x2, , xn), y = (y1, y2, , yn) sunt
dou elemente din Rn atunci se vede uor c
n
d (x , y ) = ( xi yi )
2
i =1

verific axiomele distanei

pentru n =1 d(x, y) = |x - y| i

n=2 d(x, y) = ( x1 y1 )2 + ( x2 y2 )2 .
Definiie. Fie x0 Rn i r > 0 atunci mulimea
Sr(x0) = {x Rn / d(x, x0) < r}
se numete sfer deschis cu centrul n x0 i de raz r(sau hipersfer).
Orice mulime V Rn este o vecintate a punctului x0 dac
exist o sfer deschis cu centrul n x0 inclus n V, adic
x0 Sr (x0) V
Rezult c nsi aceste sfere formeaz un sistem de vecinti
n Rn. Cu ajutorul acestor vecinti se pot defini noiuni importante
n analiz ca punct aderent, punct frontier, punct de acumulare,
punct interior, punct izolat.
n continuare vom lucra frecvent cu funcii de dou variabile
pentru simplitate i numai uneori vom trata cazul cu n variabile.
Rezultatele de la dou variabile se pot extinde uor la cazul
general.

58
 Fie A R2 i f A R. Valoarea funciei n punctul (x1, x2) este
un numr real.
Definiie 1. Spunem c l R este limita funciei f n punctul
(a, b) dac > 0, () > 0, astfel ca oricare ar fi (x, y) (a, b) cu
proprietatea |x - a| < () i |y - b| < () s avem |f(x, y) - l| < .
Definiie 2. l = lim f ( x , y ) dac pentru orice ir de puncte
xa
y b

A(xn,yn) cu proprietatea (xn, yn) (a,b) i (xn, yn) (a, b)

n

avem f(xn, yn) l.

n

Definiie 3. Fie A R2, f : A R i (a, b) A. Spunem c f

este continu n punctul (a, b) dac lim f ( x , y ) exist i este finit i
xa
y b

n plus lim f ( x , y ) = f (a ,b ). Dac n cele dou definiii 1 i 2

( x . y )(a ,b )
de mai sus nlocuim l cu f(a, b) obinem dou definiii echivalente
pentru continuitate.
Exemplu. Fie funcia
x2 y2

f (x , y ) = x 2 + y 2
(x , y ) (0 ,0 )
0 (x , y ) = (0 ,0 )

Aceast funcie nu este continu n origine, ba chiar f nici nu are
limit n origine. Fie irul (xn, yn) aa ca yn = xn,unde este un
parametru real i (xn, yn) (0, 0). Dac xn 0 yn 0. Avem

59
 1 2
lim f ( xn , yn ) =
xn 0 1 + 2
y n 0

Valoarea limitei depinznd de nu are limit n origine deci nu e

nici continu n origine.

Derivate pariale
Fie A R2, f : A R i (a, b) A (interior).
Definiia 4. Funcia f este derivabil parial n raport cu x n
f ( x ,b ) f (a ,b )
punctul (a, b) dac lim exist i este finit.
xa xa
f (a ,b )
Vom nota aceast limit cu f'x(a, b) sau i o vom numi
x
derivata parial de ordinul nti a funciei f n raport cu variabila x n
punctul (a, b).
Definiia 5. Funcia f este derivabil parial n raport cu y n
punctul (a, b) interior lui A dac
f (a , y ) f (a ,b )
lim
y b y b
exist i este finit.
f (a ,b )
Vom nota analog aceast limit cu f y (a ,b ) = .
y
Observaie. Din definiie rezult c atunci cnd calculm
derivata parial n raport cu x, variabila y este considerat
constant i derivm ca i cum am avea o singur variabil x. Analog
cnd calculm derivata n raport cu y. Dac funcia are mai multe

60
variabile toate celelalte variabile n afara celei cu care se lucreaz se
consider constante.
Observaie. Dac derivatele pariale f'x i f'y sunt la rndul lor
derivatele pariale n raport cu x i y atunci se pot defini derivatele
pariale de ordinul doi. Vom avea n total 4 derivate de ordinul doi i
anume

f 2 f f 2 f ( x , y )
= 2 = f x2 ( x , y ); = = f y2 ( x , y )
x x x y y yx
f 2 f f 2 f
= ( x , y );
= f xy = = f y2 ( x , y )
x y x 2 y y y y 2

Exemple: 1. Fie f(x, y) = 2x4y3 + 3x2y2 5xy2 + 6x + 7y 11

f'x = 8x3y3 + 6xy2 5 y2 + 6
f'y = 6x4y2 + 6x2y 10xy +7
f"x2 = 24x2y3 + 6y2

f"xy = 24x3y2 + 12xy 10y

f"yx = 24x3y2 + 12xy 10y
f"y2 = 12x4y + 6x2 10x

2. Fie g(x, y) = ln (1 + x2 + y2)

f 2x f 2y
= ; =
x 1 + x 2 + y 2 y 1 + x 2 + y 2

2 f
=
(
2 1 x2 + z 2 ) ;
2 f
=
(
2 1 + x2 y2 )
x 2 (
1 + x2 + y 2
2
) y 2 (
1 + x2 + y 2
2
)
2 f 4 xy 2 f 4 xy
= ; =
(
xy 1 + x 2 + y 2 2 ) (
yx 1 + x 2 + y 2 2 )
61
 Se observ c n ambele exemple derivatele pariale mixte de
ordinul al doilea sunt egale. Aceast egalitate nu are loc n general.
Criteriul urmtor stabilete n ce condiii are loc egalitatea acestora.
Criteriul lui Schwarz. Dac f : A R2 R are derivate
pariale mixte de ordinul doi continue ntr-o vecintate a punctului
(a ,b ) = f xy
(a,b) atunci f yx (a ,b ) .

Teorem. Dac f : A R2 R admite derivate pariale ntr-o

vecintate a lui (a, b) i ele sunt continue atunci funcia spunem c f
este difereniabil.
Definiie. Fie f : A R2 R difereniabil n (a, b) interior lui
A. Expresia liniar
df(x, y, a, b) = (x - a)f'x(a, b) + (y - b)f'y(a, b)
se numete difereniala funciei f n punctul (a, b).
Observaie. Dac (x, y) = x i (x, y) = y, atunci
d(x, y) = dx = x a ; d(x, y) = dy = y b
dx i dz se numesc diferenialele variabilelor independente. innd
cont de aceast observaie difereniala lui f ntr-un punct oarecare se
mai poate scrie
f f
df = dx + dy
x y
Diferenialele de ordin superior se definesc n mod recurent prin
relaia
d"f = d (dn-1 f)
de exemplu

62
 2 2 f
2 f 2 2 f 2
d f = 2 dx + 2 dxdy + 2 dy
x xy y
n general putem scrie simbolic c
(n )

n
d f = dx + dy f (x , y )
x y
Toate rezultatele obinute pentru funcii reale de dou variabile
sunt adevrate i se extind i pentru funcii de n variabile.

Interpretri economice ale derivatelor pariale

Fie f Rn R care admite derivate periale de ordinul nti.
1. Se numete valoare marginal sau viteza de variaie a lui f n
raport cu variabila xi derivata parial a acesteia n raport cu xi adic
f ( x1 , x2 ,..., xn )
VM ( f , xi ) =
xi
2. Se numete ritm de variaie a lui f n raport cu variabila xi expresia
1 f ( x1 , x2 ,..., xn ) VM ( f , xi )
R( f , xi ) = =
f xi f
3. Se numete elasticitate a lui f n raport cu variabila xi expresia
x f ( x1 ,..., xn ) xi
E ( f , xi ) = i = VM ( f , xi )
f xi f
Dac se ia exemplul pieei de mrfuri unde funcioneaz legea
cererii i a ofertei, i avem o funcie care depinde de preurile tuturor
mrfurilor, atunci derivata parial a acestei funcii arat variaiile
cererii cnd unul dintre preuri variaz. Dac derivata este de exemplu
negativ ea arat viteza cu care scade cererea pentru marfa xi cnd
preul ei crete.
63
 Elasticitatea ne d o informaie mai complet a variaiei cererii
n raport cu preul sau, ea reprezint viteza descreterii relative a
cererii pentru o cretere relativ a preului sau invers.

Derivatele funciilor compuse

Teorem. Dac funciile u i v : X R, X R au derivate
continue pe X, dac funcia f(u, v) definit pe Y R2 are derivate
pariale continue pe y atunci funcia compus
F(x) = f(u(x), v(x))
are derivat continu pe X, dat de
dF f du f du
F ( x ) = = +
dx u dx v dx
Teorem. Dac funciile u, v : E R, E R2 are derivate
pariale continue pe E i dac f(u, v) are derivate pariale continue pe
G R2 atunci funcia
F (x, y) = f [u(x, y), v(x, y)]
are derivate pariale continue pe E R2 date de:
F f u f v
= +
x u x v x
F f u f v
= +
y u y v y
Exemplul 1. S se calculeze derivata funciei
F(x) = f(1 + x2, sin x) xR
Notm u = 1 + x2, v = sin x. Avem
f u f v f f
F ( x ) = + = 2 x + cos x
u x v x u v

64
 Exemplul 2. S se calculeze derivatele funciei
F(x, y) = f(x2 + y2, x y)
Notm u = x2 + y2, v = x y.
Avem
F f u f v f f
= + = 2x +
x u x v x u v
F f u f v f f
= + = 2y
y u y v y u v

Formula lui Taylor pentru funcii de dou variabile

Fie f : A R2 R i (a, b) un punct interior lui A. Presupunem
c f este difereniabil de cel puin n + 1 ori n (a, b) i c ordinea n
care se deriveaz nu conteaz (derivatele mixte de acelai ordin sunt
egale).
Vom considera funcia
F(t) = f [a + t(x a), b + t(y b)], (a, b) A, (x, y) A, t [0, 1]
Petru t = 0, F(0) = f(a, b) i t =1, F(1) = f(x, y), F(t) este
derivabil de n +1 ori pe [0, 1], deoarece f(x, y) are derivate pn la
ordinul n + 1 pe A. Aplicnd funciei F(t) formula lui Taylor
(MacLaurin) pentru funciile de o variabil avem
1 1 1
F (1) = F (0 ) + F (0 ) + F (0 ) + ... + F (n ) (0 ) + Rn
1! 2! n!
1
Cu Rn = F (n +1) (c ) 0 < c < 1.
(n + 1)!
Pentru calculul derivatelor F(m)(0)folosim formula de derivare a
funciilor compuse. Vom scrie F(t) = f(x(t), y(t)) unde

65
 x(t) = a + t(x a) i y(t) = b + t(b a)
Avem
(m )

d m F (t ) = dx + dy f ( x(t ), y (t )) =
x y
(m )

= ( x a ) + ( y b ) f ( x(t ), y (t ))dt m =
x y
(m )

F (m ) (0 ) = ( x a ) + ( y b ) f (a ,b )
x y
innd seama de acest rezultat obinem formula lui Taylor
pentru funcia f(x, y) n punctul (a, b):
1
f ( x , y ) = f (a ,b ) + ( x a ) + ( x b ) f (a ,b ) +
1! x y
(2 )
1
+ ( x a ) + ( x b ) f (a ,b ) +
2! x y
(n )
1
+ ... + ( x a ) + ( x b ) f (a ,b ) + Rn
n! x y
unde
( n + 1)
1
Rn = ( x a ) + ( x b ) f [a + ( x a ),b + ( y b )]
(n + 1)! x y
(0, 1).
Observaii. Dac n formula lui Taylor punem n = 0 obinem
formula lui Lagrange (a creterilor finite), adic
f(x, y) f(a, b) = (x a)f'x(, ) + (y b)f'y(, )

66
 Extremele funciilor de dou variabile
Fie f : A R2 R i (a, b) A.
Definiie. Puntul (a, b) este un punct de maxim local (respectiv
minim local) dac exist o vecintate V a lui (a, b), astfel nct
oricare ar fi (x, y) V are loc inegalitatea f(x, y) f (a, b) (respectiv
f (x, y) f(a, b)). Aceste puncte se numesc de extrem local.
Teorem. Dac funcia f: A R2 R are un extrem local n
(a,b) i admite derivate pariale pe o vecintate a punctului (a, b),
atunci derivatele pariale n acest punct sunt nule, adic f'x(a, b) = 0 i
f'y(a, b) = 0.
Demonstraie. Considerm funcia (x) = f(x, b). Deoarece
(a,b) este un punct de extrem pentru f(x, y) atunci x = a este punct de
extrem pentru (x) deci conform teoremei lui Fermat f'x(a, b) = 0. n
mod asemntor considernd funcia (f) = f( a, y) se va obine
f'x(a,b)=0.
Observaie. Reciproca teoremei precedente nu este n general
adevrat adic dac ntr-un punct (a, b) avem f'x(a,b)=0 i f'y(a,b)=0
nu rezult neaprat c (a, b) este un punct de extrem pentru f.
Definiie. Un punct (a, b) pentru care f'x(a, b) = 0 i f'y(a, b) = 0
se numete punct staionar.
Nu toate punctele staionare sunt puncte de extrem. Cele care nu
sunt puncte de extrem se numesc "puncte a".
Va trebui n continuare s gsim criterii prin care s putem
seleciona punctele de extrem dintre cele staionare.

67
 Puntele de extrem sunt foarte importante n problemele
economice deoarece ele reprezint n general un optim al problemei,
obiectiv urmrit permanent de economiti.
S observm c din definiia puntelor de extrem rezult c
diferena f = f(x, y) f(a, b) trebuia s admit un semn constant ntr-
o vecintate orict de mic a punctului (a, b). Vom considera n
continuare formula lui Taylor sub forma

f = f ( x , y ) f (a ,b ) =
1
1!
( )
( x a ) f x + ( y b ) f y (a ,b ) +

+
1
2!
[ ]
( x a )2 f x2 + 2( x a )( y b ) f xy + ( y b )2 f y2
(a ,b )
+ R3

innd cont c diferenele (x a)i (y b) pot fi luate orict de

mici dorim rezult c semnul lui f sau al membrului al doilea
depinde de fapt de primul termen din formula lui Taylor, restul fiind
foarte mici n comparaie cu acesta, nu conteaz. Termenul ce conine
parantezele (x a) i (y b) la puterea ntia nu pstreaz semn
constant deci suntem obligai s punem condiiile f'x(a, b) = 0 i
f'y(a,b) = 0 sistem care genereaz punctele staionare dup cum am
artat i mai sus. Vom studia n continuare semnul termenului al
doilea ce conine parantezele (x a) i (x b) la puterea a doua i este
evident o form biliniar. Pentru simplitate vom scrie acest termen sub
forma
2
1 2 xa xa
T2 = ( y b ) r + 2 s + t
2! y b y b

68
 Am dat factor comun pe (y b)2 i am utilizat notaiile lui
Monge pentru derivatele de ordinul II
f x2 (a ,b ) = r , (a ,b ) = s ,
f xy f y2 (a ,b ) = t

xa
Mai notm = z avem
y b

T2 =
1
2!
(
( y b )2 rz 2 + 2 sz + t )
un termen de gradul doi n z. Apelm la cunotinele de la liceu n
legtur cu acest subiect.
Se tie c T2 are semn constant dac = s2 rt < 0 i anume
dac r > 0 T2 > 0 i deci i f = f(x, y) f(a, b) > 0 dac r < 0
T2 < 0 i f = f(x, y) f(a, b) < 0.
innd cont de definiia extremelor locale pentru maxim i
minim putem enuna urmtoarea regul referitoare la separarea
punctelor staionare.
Teorem. Fie f(x, y) o funcie definit pe A R2 R
derivabil parial cel puin de 3 ori i (a, b) un punct staionar al su.
1. Dac punctul (a, b), = s2 rt < 0 atunci (a, b) este un punct de
extrem i anume:
a) dac r = f x2 (a ,b ) > 0 atunci (a, b) este un punct de minim;

b) dac r < 0 atunci (a, b) este un punct de maxim.

2. Dac n (a, b), > 0 atunci (a, b) nu este punct de extrem. Punctul
(a, b) se numete punct a.

69
3. Dac n (a, b), = 0 nu putem trage nici o concluzie asupra
punctului (a,b). Situaia acestuia se va lmuri cu un studiu
suplimentar.
Exemple 1. Un bazin are forma unui paralelipiped drept fr
capac. Presupunnd c avem la dispoziie o cantitate de tabl dat
(aria total fixat) s se proiecteze dimensiunile bazinului astfel nct
capacitatea v a recipientului s fie maxim.
Rezolvare: Notm cu x i y dimensiunile bazei, z nlimea i a2
aria total. Avem a2 = xy + 2xz + 2yz, i volumul v = xyz. Funcia al
crei maxim n cutm este

v( x , y ) =
(
xy a 2 xy )
2( x + y )
Avem

(
v y 2 a 2 2 xy x 2
=
) ,
(
v x 2 a 2 2 xy y 2
=
)
x 2( x y )2 y 2( x + y )2
v v a
Rezolvnd sistemul = 0, = 0 obinem soluia x = y = .
x y 3
a a a
Calculm r = ,s = i z = .
2 3 4 3 2 3

2a2 a2 a2 a
Avem = s rt = = < 0 i t = , rezult c
48 12 16 2 3
a a
pentru x = y = i respectiv z = bazinul are volumul maxim.
3 2 3
2. S se determine punctele de extrem ale funciei
f(x, y) = x3 + y3 + 3xy + 2

70
 Punctele staionare sunt soluiile sistemului

f x = 0 x 2 + y = 0
M 1 (0 ,0 ) i M 2 ( 1,1)
f y = 0 2
y + x = 0

Calculm derivatele de ordinul al doilea. Avem

r = 6x, s = 3, t = 6y
Pentru punctul M(0, 0) avem = s2 rt = 9 > 0.
Rezult c punctul M1 nu este de extrem i anume este punct a.
Pentru M2(-1, -1) obinem = s2 rt = -27 < 0.
Rezult c punctul M2(-1, -1) este punctul de extrem pentru
funcia dat i anume un maxim deoarece r = f x2 ( 1,1) = 6 .

Extreme pentru funcii de mai multe variabile

Fie avem F : A Rn R care admite derivate pariale de
ordinul doi ntr-o vecintate a punctului a = (a1, a2, , an) interior lui
A. Condiiile de gsire a punctelor de extrem sunt analoage cu cele de
la dou variabile. Ele se bazeaz evident tot pe formula lui Taylor. O
condiie necesar ca diferena f = f(x1, x2, , xn) = f(a1, a2, , an) s
aib semn constant este ca prima parantez care conine diferenele
(xi-ai) la puterea ntia s fie nul. Se obine sistemul cu derivatele
pariale de ordinul nti:
f x1 (x1, x2, , xn) = 0, f x2 (x1, x2, , xn) = 0, , f xn (x1, x2, , xn) = 0

care rezolvat ne d puncte staionare.

Paranteza de ordinul doi este o form biliniar i are forma

=
1 n
( )
( x xi ) x x j f xi x j (a1 ,..., an )
2 i , j =1
71
 Semnul acestei expresii este hotrt de un ir de determinani
extrai din matricea ce conine toate derivatele pariale de ordinul doi
calculate ntr-un punct staionar, numit matricea lui Hesse sau
"matrice hessian".
f x2 f x1 x2 f x1 x3 ... f x1 xn
1
f x x
2 1
f x2 f x x
2 3
... f x x
2 n
2
H (a1 , a2 ,..., an ) = f x3 x1 f x3 x2 f x2
3
... f x3 xn
... ... ... ... ...
f x x
n 1
f x x
n 2
f x x
n 3
... f x2
n

Vom considera minorii (determinani extrai din matrice) care au

diagonala principal suprapus pe cea a matricei hessiene i ncep din
colul stnga sus
f x2 f x1 x2
1 = f x2 , 2 = 1
, ..., n = determinantul matricii.
1 f
x x f x2
2 1 2

Vom avea urmtorul rezultat:

a) Dac toi determinanii extrai 1, 2, , n calculai ntr-un punct
staionar sunt pozitivi atunci forma biliniar se numete pozitiv
definit i f este pozitiv adic punctul staionar este un punct de
minim.
b) Dac determinanii extrai au semnele alternate, ncepnd cu
negativ, atunci forma biliniar se numete negativ definit, adic
f < 0 i punctul staionar este un punct de maxim local.
c) Dac semnele determinanilor din irul 1, 2, , n nu respect
cele dou reguli de mai sus atunci forma biliniar (ptratic) nu
este definit i (a1, a2, , an) A nu este punct de extrem.
72
 Observaie. Evident cazul funciei de dou variabile se
regsete n cazul general. Prezentarea lui separat a fost fcut doar
pentru nelegerea mai uoar a metodei.
Exemplu: S se determine punctele de extrem ale funciei
f(x, y, z) = x2 + y2 + z2 + 2x + 4y 6z
Avem f'x = 3x + 2, f'y = 2y + 4, f'z = 2z 6
Sistemul
2 x + 2 = 0

2 y + 4 = 0
2 z 6 = 0

Exist un singur punct staionar M (-1, -2, 3).
Calculm derivatele de ordinul doi.
f x2 = f y2 = f z2 = 2 , = f xz
f xy = f yz
= 0

2 0 0
H = 0 2 0 1 = 2 , 2 = 4 , 3 = 8

0 0 2

Rezult c punctul M(-1, -2, 3) este un punct de minim pentru

funcia dat iar valoarea acestui minim a lui f este f(-1, -2, 3)= -14.

Ajustarea datelor numerice

Am vzut c majoritatea fenomenelor economice pot fi descrise
din punct de vedere matematic ca o funcie de o variabil sau mai
multe variabile. n general aceast funcie nu este cunoscut,
economistul avnd la dispoziie doar valori observate culese din
activitatea practic cum ar fi cele din tabelul de mai jos:

73
 x x1 x2 xn
f(x) y1 y2 yn
Se pune problema gsirii unei funcii (trend) care s verifice
perechile de puncte (xi, yi) i s se apropie ct mai mult de fenomenul
studiat. Exist desigur mai multe metode matematice care rezolv
aceast problem unele mai simple dar nu aa de precise altele foarte
elaborate.
n rezolvarea acestei probleme prin metode mai simple
distingem dou etape. n prima etap determinm clasa din care face
parte funcia (tipul trendului). Acest lucru se realizeaz n general prin
experiena pe care o are economistul respectiv din cercetri anterioare.
Ca exemple uzuale de clase de funcii, amintim pe cele liniare,
parabolice, logaritmice, exponeniale, etc. O astfel de funcie depinde
ns de mai muli parametrii.
Exemple: funcia liniat y = ax + b depinde de a i b, funcia
parabolic y = ax2 + bx + c de trei parametrii, funcia exponenial
y = b ax de a i b etc.
Etapa a doua presupune determinarea cu precizie ct mai mare a
acestor parametrii.
Pentru nceput vom aminti o metod extrem de simpl dar care
se aplic doar la funcia liniar (adic doar pentru ajustarea liniar).
Este vorba de "metoda centrelor de greutate". Dac punctele ce sunt
imagini ale perechilor de numere din tabelul de mai sus se aeaz
aproximativ n linie dreapt putem lansa ipoteza c funcia cutat este
liniar adic de forma y = ax + b.

74
 y
B
A

x
Se mpart punctele n dou clase A i B care conin r
respectiv n r puncte, apoi se calculeaz coordonatele punctelor ce
sunt "centre de greutate" pentru clasa A respectiv B cu media
aritmetic
1 r 1 r 1 n 1 n
xA = i A
x , y = i B
y , x = i B
x , y = yi
r i =1 r i =1 n r i = r +1 n r i = r +1
Dup obinerea coordonatelor punctelor A(xA, yA) i B(xB, yB)
vom scrie ecuaia dreptei ce trece prin dou puncte
y yA
y yA = B (x x A )
xB x A
Observaie. Ecuaia dreptei difer destul de puin n funcie de
mprirea punctelor n cele dou clase.
O metod mai des utilizat este ns "metoda celor mai mici
ptrate" conceput de Gauss n 1794 la vrsta de 17 ani.
Aceast metod const n determinarea parametrilor ai ai funciei
y = f(x, a1, a2, , ap) astfel nct urmtoarea sum s fie minim.

[yk f (xk , a1 , a2 ,..., a p )]2 wk

n
( )
S a1 , a2 ,..., a p =
k =1

unde xk i yk sunt valorile determinate experimental i sunt prezentate

n tabelul de mai sus. Expresiile w(xk) sunt nite ponderi i acord o

75
importan mai mare sau mai mic diferitelor paranteze n funcie de
criterii stabilite: precizia msurtorilor, ncrederea ntr-o anumit
valoare etc.
Pentru c xk i yk sunt valori numerici date rezult c S(a1, a2, ,
ap) este de fapt o funcie de p variabile a1, a2, , ap. Pentru
determinarea punctelor de minim local ale funciei S se determin mai
nti punctele staionare prin rezolvarea sistemului de ecuaii
algebrice:
S S S
= 0, = 0 , ..., =0
a1 a2 a p

Se poate arta c funcia S(a1, a2, , ap) are un singur punct

staionar i acesta este un punct de minim local.
Pentru simplificare, n cele ce urmeaz se vor considera toate
ponderile wk = 1.
Aplicaie. Vom considera c funcia f(x) este de forma
Y = ax + b
n acest caz trebuie minimizat expresia
n
S (a ,b ) = [axk + b yk ]2
k =1

care conduce la sistemul algebric

S (a ,b ) n
a = 2 (axk + b yk ) xk = 0
k =1

S (a ,b ) = 2 (ax + b y ) = 0
n
b k k
k =1

sau

76
 n 2 n n
xk a + xk b = xk yk
k =1 k =1 k =1
n
x a
n
+ nb = yk
k =1 k k =1

1 n 1 n
Dac notm x = xk i y = y k se obine soluia
n k =1 n k =1
n n
(xk x )yk xk ( y xk x y k )
a = k =n1 , b = k =1 n
(xk x ) (xk x )
2 2

k =1 k =1

Exemplu. Evoluia unui fenomen economic a condus la

urmtoarele date experimentale
x 20 30 40 80 130 200
y 18 16 15 12 10 7
graficul punctelor asociate indic un trend liniar, adic y = ax +b. S
se determine funcia de ajustare liniar adic parametrii a i b.
Folosind formulele de mai sus se obine sistemul
66200 a + 500b = 5100

500 a + 6b = 78
Rezolvarea acestuia conduce la soluia a = -0,057 i b = 17,755
adic funcia liniar este y = -0,057x + 17,755.
Dup gsirea funciei se pot face previziuni economice pentru
alte valori ale variabilei x. Exist i alte metode moderne de
aproximare a funciilor atunci cnd se dau un numr de puncte, care
aparin funciei, mult mai precise i eficace. Acestea utilizeaz aa
numitele polinoame de interpolare.
77
 Extensii ale noiunii de integral
La definirea integralei Riemann se preciza c intervalul de
integrare trebuie s fie mrginit iar funcia care se integreaz s fie
mrginit pe intervalul de integrare. Dac aceste condiii nu sunt
ndeplinite vom reui totui s definim alte tipuri de integrale numite
integrale improprii.
Definiie 1. Fie funcia f : [a, ]R integrabil Riemann pe
orice interval mrginit [, ] [a, ] i pentru care exist

lim f ( x )dx i este finit, atunci aceast limit se numete integral
a

improprie de spea ntia a funciei f pe intervalul [a, +) i se

noteaz
B
f ( x )dx + Blim

f (x )dx
a a

Observaii.
a) Dac limita de mai sus este infinit vom spune c integrala
improprie este divergent i nu prezint interes.
b) O definiie analoag cu cea de mai sus se poate da i dac
intervalul de integrare este nemrginit la stnga.
De asemeni pot exista integrale improprii convergente (au
valoare finit) cu ambele limite infinite adic integrarea se face pe
+
toat axa real f (x )dx .

78
 Definiie 2. Fie acum funcia f : [a, b] R nemrginit ntr-o
vecintate a lui b dar mrginit i integrabil Riemann pe orice
subinterval nchis [a, ] [a, b]. Dac exist i este finit limita

lim
b a
f ( x )dx atunci aceast limit se numete integral improprie de

spea a doua a funciei f pe intervalul [a, b).

Observaie. Dac limita de mai sus este finit integrala se
spune c este convergent altfel se numete divergent.
Punctul n care funcia de sub integral este nemrginit poate fi
extremitatea din dreapta, sau extremitatea din stnga sau ambele. De
asemenea funcia f : [a, b] R poate fi nemrginit ntr-un punct c
b
din interiorul intervalului (a, b). n acest caz integrala f ( x )dx se
a

descompune n dou integrale improprii i anume

b c b
f ( x )dx = f ( x )dx + f ( x )dx
a a c

Dac cele dou integrale improprii din membrul doi sunt

convergente atunci i cea dat este de asemenea convergent.
Aceste integrale sunt importante pentru a putea defini dou tipuri
de integrale numite i funcii ale lui Euler care la rndul lor au
multiple aplicaii mai ales la calculul probabilitilor ce va fi studiat
ntr-un alt capitol.

79
 Funciile lui Euler de spea ntia (Funcia Beta) i de
spea a doua (Funcia Gamma)
Definiie. Se numete funcie Gamma, funcia definit pentru
orice a > 0 de relaia

(a ) = x a 1e x dx
0

Observaie. Dac a 1 atunci funcia Gamma este definit doar

ca o integral avnd sigularitate n partea dreapt adic interval de
integrare infinit.
Pentru 0 < a < 1 integrala improprie are sigularitate i la captul
din stnga n sensul c n vecintatea lui zero funcia de sub integral
este nemrginit.
Teorem. Integrala improprie care definete funcia (a) este
convergent (are valoare finit) pentru orice a > 0.
Proprieti. Funcia Gamma satisface urmtoarele relaii
1) (1) = 1
2) (a + 1) = a(a) pentru orice a > 0
3) (n+1) = n! pentru n N

4) (a) (1-a) = formula complementelor
sin a
2
5) (a) = 2 t 2 a 1e t dt a > 0.
0

Observaie. Proprietatea a doua rezult prin integrarea prin

pri, a treia prin recurena dat de a doua. Proprietatea a cincea

80
rezult printr-o simpl schimbare de variabil i anume x = t2,
dx=2tdt.
1
Aplicaie 1. = . Se poate utiliza, de exemplu,
2
1 1 1
proprietatea patru lund a = , = .
2 2 2
1
2. Dac n proprietatea 5 punem a = vom avea
2

1 2 2
= = 2 e t dt sau t
e dt =
2 0 0
2
2
y2
de aici se deduce uor c e dy = 2 .

Aceste integrale numite i integrale Poisson vor avea aplicaii

importante n capitolul Calculul probabilitilor.
Definiie. Se numete funcia lui Euler de spea ntia (funcia
Beta) funcia definit prin formula
1
B(a ,b ) = x a 1 (1 x )b 1 dx pentru orice a ,b > 0
0

Integrala ce definete funcia Beta poate fi improprie i anume

dac a < 1 i b < 1. n cazul c este improprie se poate arta c este
convergent dac a > 0 i b > 0.
Proprieti. Funcia B(a, b) verific urmtoarele relaii
1. B(a, b) = B (b, a)
b 1
2. B(a, b) = B(a, b-1) pentru a > 0, b > 1
a +b 1

81
3. Dac a > 0, b > 0 atunci
(a ) (b )
B(a ,b ) =
(a + b )
Aplicaii.
1 1
1. S se calculeze B , = ?
2 2

1
1 1 dx 2 sin t cos tdt
2 2
B , = = = 2 dt =
2 2 0 x (1 x ) 0
sin t cos t 0

Obinut cu schimbarea derivabil x = sin2t avem

dt = sin t cos tdt . Pe de alt parte din relaia de mai sus avem
1 1
2
1 1
= B , = 2 2 = 1 1 =
2 2 (1) 2
2

rezultatul obinut mai sus.
2. S se calculeze valorile funciei lui Euler
5 5 1
(5 ), , B(3,4 ), B ,
2 2 2
Vom avea respectiv
(5 ) = 4! = 4 3 2 1 = 24
5 3 3 3 1 1 3
= = =
2 2 2 2 2 2 4
(3) (4 ) 2!3! 1
B(3,4 ) = = =
(3 + 4 ) 6 ! 60

5 1 3
+
5 1 2 2 = 4 3
B , = =
2 2 (3 ) 2 8
82
 Exerciii i probleme
1. S se determine domeniul maxim de definiie i limita n punctul de
1 1
coordonate , pentru funcia f ( x , y ) = 1 x 2 y 2 .
2 2
R. Domeniul de definiie D R2 este dat de inegalitatea 1x2y20
sau x2 + y2 1 adic discul cu centrul n originea axelor de
coordonate i raz 1.
Pentru limit avem
2
lim f ( x , y ) = lim 1 x2 y2 =
x 21 x 21 2
y 21 y 21

2. S se determine domeniul pentru funcia f(x, y) = x + arccos y i

limita n punctul (0, 0).
R. Domeniul de definiie este determinat de condiia y [ 1,1]
adic se obine o fie orizontal paralel cu axa real, care trece
prin mijlocul ei. D : {(x, y) R2 / -1 y 1}.
Limita este

lim f ( x , y ) = lim ( x + arccos y ) = arccos 0 =
x 0 x 0 2
y 0 y 0

x2 y2
3. S se determine domeniul funciei f ( x , y ) = 2 2
i limita n
x +y
(0,0).
R. Domeniul este R2 - {0, 0}
Limita n (0, 0) nu exist dup cum s-a vzut n exemplul dat la
partea teoretic.
83
4. S se determine domeniul maxim de definiie al funciilor

(
a) g(x, y) = 1 x 2 ln 4 y 2 )
1 x 2 0 x [ 1,1]
R. ( x , y ) [ 1,1] ( 2 ,2 )
2
4 y > 0 y ( 2 ,2 )
b) g(x, y) = ln (x2 y + 2)
R. x2 y + 2 > 0 D ={(x. y)R2 /y<x2+2} interiorul parabolei

c) g(x, y) = 9 x2 y2 z 2

R. E = {(x, y, z) R3 / x2 + y2 + z2 9} bila cu centrul n origine

avnd raza egal cu 3.
5. S se calculeze derivatele de ordinul nti i doi pentru funciile
a) f(x, y) = 2x4y3 6x3y + 5xy + 7x 2y 11
b) f(x, y) = x2 sin y + x cos y
c) f(x, y) = exy sin y
d) f(x, y) = ln (xy)
e) f(x, y) = xyz
Rspunsuri
b) f'x = 2x sin y + cos y f"x2 = 2 sin y

f'y = x2 cos y x sin y f"xy = 2x cos y sin y = f"yx

f"y2 = -x2 sin y x cos y

c) f'x = y exy sin y f"x2 = y2exy sin y

f'y = xexysin y + exycos y f"xy=exysin y+xyexysin y+yexycos y

f"y2=xexy(x sin y+cos y)+

+exy(x cos ysin y)

84
 Interpretri economice ale derivatelor pariale
6. S se determine valoarea marginal VM n raport cu variabila x apoi
ritmul de variaie R i elasticitatea E pentru funciile
a) f(x, y, z) = xyz
b) g(x, y) = ln (1 + x2 + y3)
c) ln(x, y, z) = exyz
Rspuns:
a) VM(f, x) = f'x = yz
1 yz 1
R(f,x) = f x = =
f xyz x
x x
E(f, x) = f x = yz = 1
f xyz
2x
b) VM(g, x)= g'x =
1 + x2 + y3
1 2x
g x =
R(g, x) =
g ( )(
1 + x 2 + y 3 ln 1 + x 2 + y 3 )
x 2 x2
E(g, x) = g x =
g ( )(
1 + x 2 + y 3 ln 1 + x 2 + y 3 )
c) VM(h, x) = h'x = yxexyz

1 yze xyz
R(h, x) = hx = xyz = y z
h e
x
E(g, x) = hx = xyz
h
7. Fie funcia f : A R, f(x, y) = xy, 0, 0, + = 1
(Cobb-Douglas) unde A este format din mulimea perechilor (x, y)

85
 tehnologic admisibile. S se determine valoarea marginal, ritmul
de variaie i elasticitatea lui f n raport cu x i respectiv y.
Rezolvare:

VM ( f , x ) = x 1 y , VM ( f , y ) = x y 1
1 1
R( f , x ) = VM ( f , x ) = , R( f , y ) = VM ( f , y ) =
f x f y
E ( f , x ) = xR( f , x ) = , E ( f , y ) = yR( f , y ) =
Observaie. Conform definiiei elasticitii se obine
semnificaia economic a celor doi parametrii i care apar n
definiia funciei de producie Cobb-Douglas.
Ei reprezint numrul de procente n care crete volumul
produciei cnd factorul de producie respectiv crete cu 1%, cellalt
factor de producie rmnnd neschimbat.

Extremele funciilor de mai multe variabile

1. S se determine punctele de extrem pentru funciile
f(x, y) = x3 + 3xy2 15x 12y
Rezolvare: Punctele staionare se obin prin rezolvarea sistemului
f x = 0 3 x 2 + 3 y 2 = 15 x 2 + y 2 = 5

f
y = 0 6 xy 12 = 0 xy = 2
adic M1(1, 2), M2(2, 1), M3(-2, -1), M4(-1, -2).
Calculm derivatele de ordinul doi
r = f x2 = 6 x , = 6 y ,
s = f xy t = f y2 = 6 x

deci = s2 rt = 36(y2 x2) i (1, 2) = (-1, -2) = 108 > 0 rezult c

punctele M1(1, 2) i M2(-1, -2)nu sunt puncte de extrem ci puncte a.

86
 n punctul M2(2, 1) avem (2, 1) = -108 < 0 rezult c acest
punct este un extrem local i anume minim deoarece r(2, 1) = 12 > 0
valoarea minimului f(2, 1) = -28.
Analog pentru M3(-2, -1), (-2, -1)= -108< 0 i r(-2, -1)= -12< 0
rezult c M3(-2, -1) este un punct de maxim local valoarea maximului
fiind f(-2, -1) = 28.
2. f(x, y) = xy2ex-y, (x, y) R2, x < 0.
f x = ( x + 1) y 2 e x y ( x + 1) y 2 = 0
R.
f y = xy(2 y )e
x y
= 0 xy (2 y ) = 0

n baza condiiei x < 0 rezult soluiile: (-1, 2), (x, 0), x < 0
r = f"x2 = (x + 2)y2ex-y

s = f"xy = (x + 1)(2 - y)yex-y

t = f"y2 = x( 2 4y + y2)ex-y

(-1, 2) = 8e-6 > 0, i r(-1, 2) = 4e-3 > 0

rezult c punctul (-1, 2) este un punct de minim local f(-1, 2) = -4e-3.
Pentru puntul (x, 0), x < 0, = 0, deci nu putem spune dac
acest punct este un extrem local. Prin studiu direct se vede c f(x, y)0
pentru x < 0. Dar f(x, 0) = 0 prin urmare (x, 0) este un punct de
maxim.
3. f(x, y) = x3 + y3 9xy + 100
Punctele staionare
f x = 3 x 2 9 x = 0
M 1 (0 ,0 ), M 2 (3,3 )
2
f y = 3 y 9 x = 0

87
 r = f"x2 = 6x, s = f"xy = -9, t =f"y2 = 6y

= s2 rt = 81 36xy, (0, 0) = 81 > 0 M1 nu este punct de

extrem.
(3, 3) = 18 324 < 0 i r(3, 3) = 18 > 0 M2 minim local
f(3, 3) = 73 valoarea minimului
4. S se determine punctele de extrem local i pentru funciile
a) f(x,y) = 8x2 + 6y2 2xy 40x 42y + 180
R. M(3, 4) este punct de minim f(3, 4) = 36.
b) f(x, y) = xy (x + y 3)
R. M(1, 1) punct de minim.
c) f(x, y) = x4 + y4 4xy
R. M1(1, 1) i M2(-1, -1) puncte de minim.
d) f(x, y) = x2 + xy + y2 2x y
R. M(1, 0) punct de minim.
50 20
e) f(x, y)= xy + + 3
x y
R. M(5, 2) punct de minim.
5. S se determine punctele de extrem ale funciei
f(x, y, z) = z2 + 2(x2 + y2 + xy + yz +x + y + 3z)
f x = 4 x + 2 y + 2 =0 x = 3

R. f y = 4 y + 2 x + 2 z + 2 = 0 y = 5 M ( 3,5 ,8 )
z = 8
fz = 2y + 2y + 6 =0
Derivatele de ordinul doi sunt
f"x2 = 4, f"y2 = 4, f"z2 = 2, f"xy = 2, f"xz = 0, f"yz = 2

Rezult c matricea hessian este

88
 4 2 0

M ( 3 ,5 ,8 ) = 2 4 2
0 2 2

sau 1 = 4, 2 = 12 i 3 = 8 rezult c hessiana este pozitiv definit
adic punctul M(-3, 5, 8) este un punct de minim local iar valoarea
acestui minim este f(-3, 5, -8) = -22.
6. S se determine punctele de extrem local ale funciei
f(x, y, z) = x3 + y2 + z2 + 12xy + 2z
f x = 3 x 2 + 12 y = 0

R. f y = 2 y + 12 x = 0 are soluiile M1(0, 0, -1); M2(24, -144, 1)

fz = 2z + 2 = 0
6 x 12 0

Hessiana este H ( x , y , z ) = 12 2 0 .
0 0 2

Deoarece H(0, 0, -1) este nedefinit rezult c M1(0, 0, -1) nu
este punct de extrem.
Pentru M2 H(24, -144, 1) este pozitiv definit, adic
144 12
1 = 6 24 > 0 , 2 = > 0, 3 > 0
12 2
rezult c M2 este un punct de minim local, iar valoarea minim a
funciei f este f(24, -144, -1) = -6913.
7. S se determine punctele de extrem local pentru funcia
y2 z2 2
f (x , y , z ) = x + + +
4x y z
1
R. M ,1,1 punct de minim.
2
89
 IV. ELEMENTE DE TEORIA GRAFELOR
Modelele matematice prezentate n acest capitol sunt simple,
accesibile i extrem de utile pentru mai toate disciplinele economice.
Cu ajutorul acestor modele se pot descifra i stpni probleme care la
prima vedere par de nerezolvat.
Definiie. Prin graf se nelege un cuplu format din dou mulimi
una N de elemente numite noduri sau vrfuri i alta L format cu
perechi de elemente din N numite linii sau muchii. l vom nota de
exemplu cu G(N, L).
Exemplu: G: N = {x1, x2, x3, x4, x5}
L ={(x1, x2), (x1, x3), (x1, x5), (x2, x5), (x5, x4), (x4, x3), (x5, x3) (x2, x3)}
Grafului i se poate asocia i o imagine grafic n care
elementelor xi le corespund puncte iar perechilor, linii sau arce (sgei)
ce leag punctele.

x2 x3

x1 x4

x5
Dac toate perechile din L sunt ordonate graful se numete
orientat. Dac graful este orientat atunci perechile se numesc arce
altfel se numesc linii sau muchii.

90
 Sub form de graf pot fi modelate procese tehnologice ca
succesiune de operaii, relaiile ntre partenerii de afaceri sau agenii
economici, operaiile bancare etc.
Numrul de arce ce pleac dintr-un nod se numete grad
exterior, iar numrul de arce ce intr ntr-un nod se numete grad
interior al acelui nod.
Un nod xi se numete surs dac grint = 0 i grext > 0. Nodul xj
se numete ieire dac grint > 0 i grext = 0. Nodul xk pentru care avem
grint = grext = 0 este un punct izolat.
O succesiune de arce (u1, u2)(u2, u3)(u3, u4) n aa fel ca vrful
terminal al fiecrui arc coincide cu vrful iniial al arcului urmtor se
numete drum.
Un drum este elementar dac nu ntlnete acela vrf de dou
ori. Un drum se noteaz cel mai des ca succesiune a vrfurilor sale x1,
x2, , xp. Dac capetele unui drum elementar coincid, atunci drumul
se numete circuit.
Dac graful nu este orientat, n loc de arce avem muchii; n acest
caz o succesiune de muchii se numete lan.
Observaie. Un drum este un lan, dar reciproca nu este
adevrat, adic un lan nu este totdeauna un drum.
Un drum care trece o singur dat prin fiecare vrf al grafului
se numete drum hamiltonian. Drumurile hamiltoniene au aplicaii
numeroase n succesiunea operaiilor bancare sau n tehnologie la
stabilirea succesiunii etapelor de fabricaie a unui produs.

91
 Ordine de conexiune. Dac fiecare pereche de vrfuri din G
este legat, spunem c graful G este conex i c vrfurile xi i xj se
numesc semi-tare conexe dac exist un drum care leag pe xj de xi.
Dac fiecare pereche din G este semi-tare conex spunem c
graful G este semi-tare conex i c el are ordinul doi de conexiune.
Vrfurile xi i xj se tare-conexe dac exist cel puin un drum
care leag pe xi de xj i cel puin un drum care leag pe xj de xi.
Analog putem spune c dac fiecare pereche de vrfuri din G este tare
conex atunci graful G este tare conex i c el are ordinul trei de
conexiune.
Observaie. Graful tare conex este i semitare conex, care la
rndul lui este conex. Reciproc nu este adevrat.
Exemple:

2 2 2
3 3 3
1 1 1

4 4 4

5 5 5
Graf tare conex Graf semitare conex Graf conex

Un subgraf al unui graf G se obine din acesta prin eliminarea

unor vrfuri mpreun cu toate arcele adiacente acestor vrfuri.
Un graf parial al unui graf G se obine din acesta prin
eliminarea unor arce, dar pstrnd toate vrfurile.
Se numete arborescen un graf orientat fr circuite n care:
92
a) un vrf i numai unul, numit rdcin, nu e precedat de nici un
vrf.
b) Orice vrf e precedat de un singur alt vrf.
Vrfurile fr "descenden" se numesc "frunze" sau "vrfuri
atrnate".
Un teanc este o succesiune de vrfuri obinute din graf prin
citirea acestora pe un traseu care nconjoar toate ramurile.

x1 Teancul asociat acestui

x2 x3 graf este:
(x1, x3, x6, x12, x6, x11, x6, x3, x1,
x4 x5 x6 x2, x5, x10, x5, x9, x5, x2, x4, x8,
x4, x7, x4, x2, x1)
x7 x8 x9 x10 x11 x12

n teanc frunzele se recunosc uor fiind totdeauna ntre dou

vrfuri repetate: n exemplul de mai sus sunt: x7, x8, x9, x10, x11, x12.
Teancul se folosete mai des cnd se recurge la calculator fiind mai
uor de introdus i exploatat dect matricea tranziiilor. Din diverse
grafe se pot extrage arborescena plecnd de la un vrf i trecnd la
descendeni imediai apoi la cei urmtori pn la epuizarea vrfurilor.
Arborescene pariale pot exista i n grafuri care nu sunt tare conexe.
Numrul arborescenelor pariale ale unui graf prezint importan n
probleme de codificare, programare pe calculator i lingvistic.
Vom da mai jos cteva noiuni i denumiri utilizate n cazul
grafelor neorientate i corespondenele lor la grafe orientate.

93
 O pereche de vrfuri se numete muchie i se noteaz x1 , x2 .
Lanul este o reuniune de muchii succesive. El corespunde drumului.
Orice drum este un lan reciproc nu este adevrat.
Ciclu este un lan avnd capetele unite. Un circuit este un ciclu
invers nu.
Un graf neorientat este conex dac oricare ar fi vrfurile xi i xj
exist cel puin un lan care le leag.
Fie xi G i C(xi) mulimea format din xi i toate celelalte
vrfuri legate prin lanuri de xi. Subgraful astfel obinut se numete
component a lui G. Ea este evident conex.
Un graf este convex dac i numai dac are o singur
component.
Submulime de articulare este acea parte a unui graf tare conex
care suprimat mpreun cu muchiile incidente rupe conexiunea
grafului n cel puin dou componente. Prezint intertes numrul
minim de vrfuri cu rol de articulare.
Distana dintre dou vrfuri ale unui graf conex este lungimea
celui mai scurt lan care le unete. Se noteaz cu (xi xj).
Observaie. n grafele neorientate avem (xixj) = (xjxi). La cele
orientate, tare conexe, relaia de sus nu mai este adevrat. n general
distana se utilizeaz la grafuri neorientate.

Matrici asociate unui graf

S-a constatat c se lucreaz foarte greu cu un graf prezentat sub
forma grafic sau sub forma primar de cuplu de vrfuri sau arce

94
descrise ca text, chiar i atunci cnd graful este simplu. Ca urmare au
fost definite cteva matrici cu ajutorul crora operaiile i algoritmii
relativi la grafe devin uoare.
Matricea legturilor (matricea conexiunilor, matricea
boolean) este o matrice ptrat de ordin n unde n este numrul
vrfurilor grafului.
Pentru fiecare vrf se desemneaz o linie respectiv o coloan.
Elementele acestei matrici se definesc astfel:
1, dac exist arc orientat de la xi la x j
cij =
0 , dac nu exist
Citirea n matrice se face de la stnga la dreapta i apoi n sus.
Un graf orientat G avnd n vrfuri i n arce poate fi, de
asemenea, reprezentat prin matricea de inciden care are n linii i m
coloane A (aij) unde:
+ 1, dac arcul u j porneste din vrful xi

aij = 1, dac arcul u j se ter min n vrful xi

0 , dac xi nu este vrf adiacent al arcului u j

Exemplu: Fie graful din desenul de mai jos.

u1 x2 u4
x1 x5
u2 u8 u7
u3 u5 x4
u9
u10
x3 u6
x6

95
 Matricea conexiunilor
C x1 x2 x3 x4 x5 x6
x1 0 1 0 1 0 0
x2 0 0 1 0 1 1
x3 1 0 0 0 0 0
x4 0 0 0 0 1 1
x5 0 0 0 0 0 1
x6 0 0 1 0 0 0

Matricea de inciden
C u1 u2 u3 u4 u5 u6 u7 u8 u9 u10
x1 +1 +1 -1
x2 +1 +1 +1
x3 +1 -1 -1 -1
x4 -1 -1 +1 +1
x5 -1 -1 +1
x6 +1 -1 -1

Dac arcelor li se atribuie cte o valoare, n care caz graful se

numete capacitat matricea legturilor poate fi nlocuit cu matricea
lungimilor obinut din prima prin substituirea elementelor "1" cu
lungimea arcelor corespunztoare.
Vom nota aceast matrice cu L = (lij).

96
 O alt matrice important care intervine n diferite probleme este
aa numita matrice a drumurilor sau matrice conex terminal
D=(dij). Elementele ei se definesc astfel:
1, dac exist cel putin un drum de la xi la x j
dij =
0 , dac nu exist .
Observaii. 1. Deoarece arcele unui graf pot fi considerate ca
drumuri particulare, rezult c matricea D conine toate elementele
"1" ale matricii conexiunilor.
2. Pot exista mai multe grafe care s aib aceiai matrice
terminal. Pentru a evita acest neajuns i pentru alte motive care se
vor vedea mai jos, s-a convenit s se marcheze elementele "1" ale
matricii drumurilor care se regsesc n matricea conexiunilor, cu
asterisc, matricea conexiunilor fiind specific fiecrui graf.
3. Numrul de vrfuri ce pot fi atinse plecnd din vrful xi pe
diverse drumuri se numete puterea de atingere a lui xi.
n continuare vom reaminti operaiile de adunare i nmulire
boolean care se fac n mulimea {0, 1}. Acestea se efectueaz dup
regulile prezentate n tabelele urmtoare:
+ 0 1 0 1
0 0 1 0 0 0
1 1 1 1 0 1

Se tie c adunarea corespunztoare disjunciei logice "sau", iar

nmulirea conjunciei "i".

97
 Algoritmul lui Y.C.Chen, pentru construirea matricii
drumurilor (terminal)
1. Fie matricea conexiunilor (legturilor, boolean) C. Fie c1i, c1j, ,
c1m elementele diferite de zero din linia ntia a acestei matrici C.
Adunm boolean liniile i, j, , m la prima linie.
2. Presupunem c au mai aprut i alte elemente diferite de zero
generate de operaia de adunare boolean de la pasul precedent. Fie
acestea c1p, c1q, , c1r. Adunm boolean n continuare i liniile p, q,
, r la prima linie.
3. Se repet pasul 2 pn cnd se obine una din urmtoarele situaii:
a) Prima linie conine numai elemente unu eventual n afar de
poziia de pe diagonala principal (dac graful este fr circuite).
b) Nu mai putem genera elemente "unu" noi prin operaiile descrise
4. Se repet procedeul de mai sus pentru fiecare linie din C.
Exemplu. Fie graful dat sub form de text ca succesiuni ale
vrfurilor care sunt de fapt arcele ce leag vrfurile:
- dup x1 urmeaz x2 i x3
- dup x2 urmeaz x3
- dup x3 urmeaz x4
- dup x4 nu urmeaz nici un vrf
- dup x5 urmeaz x1, x3, x4 i x6
- dup x6 urmeaz x4
Matricea legturilor se va completa uor linie cu linie urmrind
textul.

98
 C x1 x2 x3 x4 x5 x6
x1 0 1 1 0 0 0
x2 0 0 1 0 0 0
x3 0 0 0 1 0 0
x4 0 0 0 0 0 0
x5 1 0 1 1 0 1
x6 0 0 0 1 0 0
1. Pe linia nti avem elemente "1" pe coloanele x2 i x3. Adunm
boolean liniile 2 i 3 la linia nti. Va aprea un element unu n plus
pe coloana 4. Adunm deci i linia 4-a la linia ntia dar nu mai
apare nici un element "unu" nou.
2. Continum cu linia 2-a unde procednd analog apare doar un
element unu pe coloana 4-a. Procednd n continuare la fel se
ajunge la matricea drumurilor pe care o dm mai jos.
C x1 x2 x3 x4 x5 x6 P.A
x1 0 1* 1* 1 0 0 3
x2 0 0 1* 1 0 0 2
x3 0 0 0 1* 0 0 1
x4 0 0 0 0 0 0 0
x5 1* 1 1* 1* 0 1* 5
x6 0 0 0 1* 0 0 1
Observaii:
1. n aceast matrice am marcat cu asterisc * elementele "1" ce se
gsesc i n matricea conexiunilor i care reprezint deci drumuri
formate dintr-un singur arc.
99
2. Pe marginea din dreapta este trecut puterea de atingere a fiecrui
vrf care se obine numrnd elementele "1" de pe fiecare linie.

Matricea terminal triangularizat superior TTS

Dac graful este fr circuite atunci matricea sa terminal (sau a
drumurilor) se poate aranja astfel ca toate elementele diferite de "1" s
fie aezate deasupra diagonalei principale, form care se numete
"triangularizat superior". Aceast matrice va avea un rol
important n construcia drumurilor hamiltoniene n cazul n care
graful iniial nu are drum hamiltonian.

Procedeu de triangularizare:
1. Se scrie puterea de atingere pentru fiecare vrf urmrind cte
elemente "1" sunt pe linia corespunztoare vrfului.
2. Se ordoneaz liniile n ordinea descresctoare a puterilor de
atingere.
3. Se ordoneaz apoi coloanele n aceiai ordine i se obine matricea
terminal (a drumurilor) triangularizat superior.
Observaii:
1. Dac graful este fr circuite, adic n matricea terminal nu avem
pe diagonal elemente "1", aceasta se poate ntotdeauna
triangulariza.
2. n matricea terminal triangularizat superior (TTS) a unui graf
orientat i fr circuite primul element de pe fiecare linie i ultimul
de pe fiecare coloan diferit de zero este un "1*" marcat care
reprezint un arc.

100
 Aplicaie pentru matricea terminal precedent. Se vor urmri
cele dou faze: ordonarea liniilor n ordine descresctoare i apoi a
coloanelor.
C x1 x2 x3 x4 x5 x6 P.A C x5 x1 x2 x3 x6 x4 P.A
x5 1* 1 1* 1* 0 1* 5 x5 0 1* 1 1* 1* 1 5
x1 0 1* 1* 1 0 0 3 x1 0 0 1* 1* 0 1 3
x2 0 0 1* 1 0 0 2 x2 0 0 0 1* 0 1 2
x3 0 0 0 1* 0 0 1 x3 0 0 0 0 0 1* 1
x6 0 0 0 1* 0 0 1 x6 0 0 0 0 0 1* 1
x4 0 0 0 0 0 0 0 x4 0 0 0 0 0 0 0

Drumuri hamiltoniene n grafe

Reamintim c un drum hamiltonian este un drum care trece o
singur dat prin fiecare vrf al grafului. Drumurile hamiltoniene sunt
modele matematice extrem de utile n procesele tehnologice n care un
produs trebuie s treac prin diverse operaii (vrfuri) parcurse toate o
singur dat. Evident c exist anumite restricii tehnologice de
producie ce trebuiesc respectate i atunci se pune problema de a
stabili ordinea n care vor fi fcute operaiile aa ca s se respecte
condiiile de mai sus. Analog, o anumit activitate economic poate fi
compus din operaii elementare care trebuie efectuate toate o singur
dat. Din cauza unor restricii de succesiune (eventual unele datorate
prudenei economice) este dificil gsirea ordinei de executare a
acestor operaii cu respectarea tuturor condiiilor. Modelul matematic
numit drum hamiltonian rezolv uor i automat aceast problem.

101
 A. Drumuri hamiltoniene n grafe orientate i fr
circuite
Fie un graf orientat i fr circuite, fie matricea sa conex i
matricea terminal eventual triangularizat superior.
Teorem (de existen i unicitate a drumului hamiltonian).
La orice graf orientat i fr circuite cu n vrfuri exist drum
hamiltonian dac i numai dac numrul elementelor diferite de zero
n(n 1)
ale matricii terminale (a drumurilor) este .
2
Demonstraie (necesitatea). Graful admite drumul hamiltonian.
xi1, xi2, , xin
innd cont c graful nu are circuite xi1 atinge n-1 vrfuri, deci pe
linia lui xi1 sunt (n-1) elemente "1". Analog rezult c pe linia xi2 se
gsesc (n-2) elemente "1" i aa mai departe pn la linia xin unde
sunt doar zerouri. Rezult c numrul total de elemente diferite de
zero este:

(n 1) + (n 2 ) + ... + 3 + 2 + 1 = n(n 1)
2
Reciproc (suficiena). Dac numrul elementelor diferite de
n(n 1)
zero din matricea T este egal cu vom arta c graful are un
2
drum hamiltonian. Considernd matricea conex terminal triangular
n(n 1)
superior TTS, cele elemente "unu" umplu triunghiul aflat
2
deasupra diagonalei. Putem scrie deci o succesiune de arce

102
corespunztoare fiecrui element diferit de zero de pe fiecare linie a
matricei TTS n forma:
(xi xi )(xi xi )...(xi
1 2 2 3 n 1
xin )
succesiune care formeaz un drum hamiltonian. Acest drum dac
exist este unic. Se arat uor c presupunnd c ar fi dou va rezulta
c graful are circuite ceea ce contrazice ipoteza fcut.

Algoritmul practic de determinare a drumului

hamiltonian
1. Se construiete matricea conex a grafului dat
2. Se formeaz matricea drumurilor (terminal) plecnd de la cea
conex.
3. Verificm condiiile ca graful s fie fr circuite i s conin un
drum hamiltonian
a) pe diagonala principal matricea T s nu aib elemente "1";
b) numrul elementelor "1" egal cu suma puterilor de atingere a
n(n 1)
tuturor vrfurilor s fie .
2
4. n caz c condiiile a) i b) sunt ndeplinite aranjm vrfurile
grafului n ordinea descresctoare a puterilor de atingere i
succesiune lor ne d drumul hamiltonian cutat.
Exemplu: Prelucrarea unui produs se face prin 6 operaii care
ndeplinesc urmtoarele restricii:
P1 trebuie s fie ultima operaie; dup P2 poate urma P1, P3 sau
P6; dup P3 poate urma doar P1; dup P4 urmeaz P3, P5 i P6,
dup P5 poate veni P1, P2, P6 i n sfrit dup P6 urmeaz P3.
103
 P2 P5

P1
P6

P3 P4
Graful poate fi reprezentat i ca desen dar nu este neaprat
necesar i nici prea util. Lucrul cu grafe se face doar pe matrici.
Textul se mai poate scrie simbolic i n felul urmtor:
P1
P2 P1, P3, P6
P3 P1
P4 P3, P5, P6
P5 P1, P2, P6
P6 P3
Matricea conex a grafului este:

C P1 P2 P3 P4 P5 P6 T P1 P2 P3 P4 P5 P6 PA
P1 0 0 0 0 0 0 P1 0 0 0 0 0 0 0
P2 1 0 1 0 0 1 P2 1* 0 1* 0 0 1* 3
P3 1 0 0 0 0 0 P3 1* 0 0 0 0 0 1
P4 0 0 1 0 1 1 P4 1 1 1* 0 1* 1* 5
P5 1 1 0 0 0 1 P5 1* 1* 1 0 0 1* 4
P6 0 0 1 0 0 0 P6 1 0 1* 0 0 0 2
Suma P.A. 15

104
din care prin algoritmul lui Chen se deduce matricea conex terminal
T.

Verificarea criteriilor
1. Pe diagonal nu avem elemente "unu" deci graful nu are circuite.
2. Numrul elementelor egale cu "unu" din matricea T (adic suma
6 5
puterilor de atingere) este 15 = .
2
Rezult c graful conine un drum hamiltonian. Acesta se poate
obine scriind vrfurile n ordinea descresctoare a puterilor de
atingere, adic dH: P4, P5, P2, P6, P3, P1 drum ce poate fi urmrit i pe
desen.

Corijarea grafului
Dac n graf suma puterilor de atingere ale celor n vrfuri este
n(n 1)
mai mic dect atunci nu exist drum hamiltonian. n aplicaii
2
uneori este foarte important ca drumul hamiltonian s existe i se pune
astfel problema corijrii minimale a grafului. Prin corijare minimal se
nelege introducerea unui numr ct mai mic de arce bine plasate
astfel ca n graf s apar drum hamiltonian. Aceste corijri au
ntotdeauna interpretri practice i economice interesante i utile.
Pentru corijare va trebui s urmrim n matricea terminal
triangularizat superior pe prima paralel la diagonala principal unde
sunt elemente "zero". Dac n locul acestora se va plasa elementul
"unu", ceea ce n graf corespunde cu introducerea unor arce, se va
forma drum hamiltonian. Dac exist i alte elemente "zero" n

105
interiorul triunghiului superior din matricea TTS acestea pot fi
neglijate.
Locul lor va fi ocupat automat cu elemente "unu" n procesul de
adunri booleene care se va reface dup corijare. Pentru verificare
vom relua dup corijare algoritmul de construire a matricei drumurilor
i vom constata c acum condiia de existen a drumului hamiltonian
este ndeplinit adic suma puterilor de atingere a tuturor vrfurilor
n(n 1)
este . Corijarea propus prin metoda de mai sus este
2
"minimal" n sensul c se introduc un numr minim de elemente
"unu" puse ns n locuri potrivite.
Exemple: O unitate economic trebuie s execute 6 operaiuni
(xi) care sunt condiionate de urmtoarele restricii:
- dup x1 poate urma x2 i x3
- dup x2 poate urma x3
- dup x3 poate urma x4
- x4 trebuie s fie ultima operaie
- dup x5 poate urma oricare dintre x1, x3, x4, x6
- dup x6 poate urma doar x4
S se determine ordinea n care trebuie executate aceste operaii
economice astfel ca fiecare s fie efectuat o singur dat.
Rezolvare. Modelul ataat acestei probleme este evident acela de
gsire a drumului hamiltonian care trece prin cele 6 vrfuri ale
grafului corespunztor problemei practice enunate.
1. Vom scrie matricea conexiunilor C.

106
2. Prin adunri booleene vom construi matricea drumurilor D
(terminal) n care vom trece i puterile de atingere, PA.

C x 1 x2 x3 x4 x5 x6 D x1 x2 x3 x4 x5 x6 PA
x1 0 1 1 0 0 0 x1 0 1* 1* 1 0 0 3
x2 0 0 1 0 0 0 x2 0 0 1* 1 0 0 2
x3 0 0 0 1 0 0 x3 0 0 0 1* 0 0 1
x4 0 0 0 0 0 0 x4 0 0 0 0 0 0 0
x5 1 0 1 1 0 1 x5 1* 1 1* 1* 0 1* 5
x6 0 0 0 1 0 0 x6 0 0 0 1* 0 0 1
Total P.A. 12
6 5
Se observ c suma puterilor de atingere este 12 = 15 .
2
Pentru existena drumului hamiltonian ar fi trebuit s fie 15.
Concluzia: nu avem drum hamiltonian.
Deoarece dorim neaprat ca s existe un astfel de drum vom
proceda la corijarea grafului care va consta n adugarea cel puin a
unui arc (intenionm ct mai puine). Pentru a gsi locul potrivit n
care s adugm arcul vom construi matricea TTS, prin aranjarea
liniilor i a coloanelor n ordinea descresctoare a PA. Astfel avem
(vezi exemplul de la nceput).
TTS x5 x1 x2 x3 x6 x4 PA
x5 0 1* 1 1* 1* 1 5
x1 0 0 1* 1* 0 1 3
x2 0 0 0 1* 0 1 2

107
 x3 0 0 0 0 0 1* 1

x6 0 0 0 0 0 1* 1
x4 0 0 0 0 0 0 0
Se observ c pe prima paralel la diagonala principal este un
singur zero. Dac n acest loc vom pune un "unu" ceea ce revine n
graf la adugarea unui singur arc ntre x3 i x6 va aprea un drum
hamiltonian. Acesta va fi dat de succesiunea din tabelul de mai sus
adic:
dH: x5, x1, x2, x3, x6, x4
Pentru verificare putem reface calculele plecnd de la matricea
conex nou (corijat) i vom obine c suma puterilor de atingere va
6 5
fi egal cu = 15 . Putem meniona faptul c dup adugarea
2
arcului x3x6 n procesul de formare a matricei drumurilor se vor
completa cu "unu" n mod automat i poziiile (x1x6) i (x2x6).
Exerciii. S se determine drumuri hamiltoniene n grafele
corespunztoare urmtoarelor dou probleme.
1. Un produs trebuie s treac n prelucrarea lui prin opt operaii
care sunt condiionate de urmtoarele restricii:
- dup operaia x1 poate urma doar x8
- dup operaia x2 poate urma doar x1, x5, x7
- dup operaia x3 poate urma doar x2, x6
- dup operaia x4 poate urma doar x2, x3, x5, x6
- dup operaia x5 poate urma doar x1
- dup operaia x6 poate urma doar x5, x7

108
 - operaia x7 trebuie s fie ultima
- dup operaia x8 poate urma doar x7
Rspuns. n acest graf nu exist drum hamiltonian.
Dac ns se face o corijare adugnd un arc ntre x2 i x6 sau
invers va aprea un drum hamiltonian i anume:
dH1: x4, x3, x2, x6,x5, x1, x8, x7
sau respectiv
dH2: x4, x3, x6, x2,x5, x1, x8, x7
2. S se determine drumul hamiltonian n graful care este dat de
urmtoarele succesiuni (restricii)
- x1 (ultima operaie = ieire din graf)
- x2 x1, x3, x5, x6, x7
- x3 x1
- x4 x3, x5
- x5 x3
- x6 x5, x3, x1
- x7 x1
Indicaie. Nu are drum hamiltonian. Se va cuta o corijare
minimal n aa fel ca s putem gsi un astfel de drum.

Determinarea drumurilor hamiltoniene ntr-o reea

oarecare. Algoritmul lui Foulkes
Ideea algoritmului lui Foulkes de gsire a drumurilor
hamiltoniene ntr-un graf cu circuite este descompunerea acestuia n
subgrafe tare conexe, aezate ntr-o anumit succesiune. Acest lucru

109
se poate realiza prin gruparea vrfurilor ntr-o mulime ordonat de
clase de echivalen.
De exemplu, oricare vrf din prima clas poate fi ales ca nceput
de drum, dup cum oricare vrf din ultima clas de echivalen poate
fi sfritul drumului hamiltonian.
Vom scrie toate drumurile hamiltoniene pariale din fiecare clas
pe care apoi le asamblm n ordinea obinerii claselor cu ajutorul
arcelor dintre clase obinnd drumuri hamiltoniene complete. Evident
vom gsi mai multe drumuri.
Algoritmul practic de gsire a drumurilor hamiltoniene are
urmtoarele etape:
1. Scriem matricea conexiunilor C pe care o adunm boolean cu
matricea unitate U de acelai ordin cu ea.
2. nmulim boolean matricea (C+U) cu ea nsi i obinem (C+U)2.
Calculm puterile urmtoare ale lui (C+U) pn cnd dou puteri
succesive sunt egale. Spunem c matricea este saturat.
3. Vrfurile care au n aceast matrice pe linii numai elemente "1", iar
coloanele corespunztoare lor numai zerouri cu excepia
elementelor de la intersecii le grupm n prima clas de
echivalen (vrfuri de la nceput).
Se elimin din matricea (C+U)k liniile i coloanele
corespunztoare acestor vrfuri iar la matricea rmas procedm la fel
pentru a afla a doua clas de echivalen etc.

110
 Procednd n acest fel toate vrfurile grafului vor fi repartizate n
clase de echivalen. Este important s se rein ordinea n care au
aprut clasele.
4. Reconstruim un graf parial al grafului dat (care are toate vrfurile
dar numai o parte din arce) n felul urmtor:
a) Reprezentm vrfurile primei clase i trasm toate arcele ce
leag aceste vrfuri ntre ele. Procedm la fel cu celelalte clase
reprezentndu-le izolat n ordinea obinerii claselor. Fiecare din
aceste clase d natere unui subgraf tare conex.
b) Trasm toate arcele grafului dat ce leag clasele consecutive,
numai n sensul obinerii claselor. Adic arcele ce pornesc de la
prima clas spre a doua, de la a doua spre a treia etc. Vom
obine n final un graf parial relativ la cel iniial. Din acest
subgraf vor lipsi arcele care sar peste una sau mai multe clase i
cele care au sensul opus sensului de obinere a claselor de
echivalen. Aceste arce eliminate nu ar putea face parte din nici
un drum hamiltonian.
5. Aflm drumurile hamiltoniene pariale din fiecare clas, dup care
le asamblm ntre ele, n toate modurile posibile, utiliznd arcele
dintre clase consecutive, n ordinea n care au fost obinute clasele.
Vom obine astfel mai multe drumuri hamiltoniene complete.
Numrul acestora va depinde de cte drumuri sunt n fiecare clas
de echivalen, precum i de numrul de arce ce leag clasele ntre
ele.

111
 Observaie. Avnd mai multe drumuri hamiltoniene, putem
introduce un criteriu de optimizare pentru a selecta doar unul dintre
ele care va fi utilizat n practic.

Justificarea algoritmului
Definiie. Dou vrfuri xi i xj se numesc echivalente dac ntre
ele exist cel puin un drum ntr-un sens i cel puin un drum n sens
contrar. mprirea vrfurilor n clase de echivalen se face pe baza
acestei definiii.
Observaie. Vrfurile a dou clase de echivalen distincte nu
pot fi legate dect prin drumuri sau arce orientate ntr-un singur sens
altfel cele dou clase s-ar contopi.
Un element arbitrar din matricea (C+U)2 este de forma
n
ij = ik kj
k =1

adunarea i nmulirea de aici fiind booleene. ij va fi egal cu unu dac

i numai dac exist cel puin un ntreg k aa ca ik = 1 i kj = 1 altfel
va avea valoarea zero. Aceast condiie arat c exist mcar un drum
de un arc ntre xi i xk i un drum de un arc ntre xk i xj adic exist un
drum de dou arce ntre xi i xj. Elementele egale cu unu din matrice
(C+U)2 reprezint existena drumurilor de cel mult dou arce ntre
vrfurile respective ale grafului. Analog se deduce c elementele egale
cu unu din matricea (C+U)3 reprezint existena drumurilor de cel
mult trei arce, etc.

112
 Cnd se obine egalitatea (C+U)k = (C+U)k+1, adic cnd prin
noua nmulire nu mai apar elemente egale cu unu n plus, matricea
obinut indic toate posibilitile de drumuri ntre diferitele vrfuri
ale grafului.

n matricea (C+U)k care conine toate posibilitile de drumuri

dintre vrfurile grafului, exist linii ce conin numai elemente egale cu
unu, ceea ce nseamn c de la vrfurile corespunztoare lor se poate
ajunge la toate celelalte vrfuri ale grafului. Faptul c pe coloanele
corespunztoare exist zerouri, indic imposibilitatea de a ajunge la
aceste vrfuri de la celelalte vrfuri ale grafului.
Aceste vrfuri trebuie s fac parte deci din prima clas de
echivalen (care sunt candidate la prima parte a drumului
hamiltonian).
Observaie. Pentru reducerea numrului de calcule n vederea
obinerii matricii saturate putem ridica repetat matricea (C+U) la
ptrat, obinnd puteri de forma (C+U)2, (C+U)4, (C+U)8 etc., care
vor depi rapid puterea (C+U)k adic forma saturat. Toate
nmulirile sunt booleene. Procesul se oprete cnd dou matrici
succesive din acest ir sunt identice.
Exemplu: O ntreprindere trebuie s fabrice succesiv 8 tipuri de
produse Pi (i = 1,8 ). Pentru a trece de la producia produsului Pi la
producerea lui Pj trebuie suportat un cost de lansare sau cost de trecere
cij. Cunoscndu-se tabelul tuturor costurilor de lansare, s se

113
determine ordinea fabricrii celor 8 produse, astfel nct cheltuielile de
lansare totale s fie minime.
Dm mai jos matricea costurilor de trecere unde cifrele sunt n
milioane de lei.

MC P1 P2 P3 P4 P5 P6 P7 P8
P1 0 3 5 2 7 6 4 4
P2 7 0 6 6 8 6 6 5
P3 8 8 0 4 4 6 8 5
P4 4 8 5 0 6 7 7 6
P5 8 7 3 4 0 6 7 5
P6 5 5 4 5 8 0 6 4
P7 6 7 4 4 9 7 0 7
P8 5 7 6 8 7 6 5 0
Observaie. Exist 8! = 40320 moduri de a trece prin
fabricarea celor 8 produse, fiecare ordine de trecere avnd un cost
total de lansare. Este dificil de a gsi ordinea cea mai ieftin.
Rezolvare. Dac acestei probleme i asociem un graf prima
operaie este de a elimina din el o mare parte din arce n felul urmtor.
Comparm costurile cij cu cji i eliminm arcul corespunztor costului
mai mare. n locul costului mai mare vom pune zero, iar n locul celui
mai mic "1". Vom obine n acest fel matricea conexiunilor unui graf
simplificat.
MC P1 P2 P3 P4 P5 P6 P7 P8
P1 0 1 1 1 1 0 1 1
P2 0 0 1 1 0 0 1 1

114
 P3 0 0 0 1 0 0 0 1
P4 0 0 0 0 0 0 0 1
P5 0 1 1 1 0 1 1 1
P6 1 1 1 1 0 0 1 1
P7 0 0 1 1 0 0 0 0
P8 0 0 0 0 0 0 1 0
Adunm la matricea C matricea unitate de ordinul 8. Se obine
C+U. Este analoag cu cea de mai sus doar c diagonala principal se
va umple cu elemente "unu". Apoi o ridicm la ptrat prin nmulirea
boolean (C+U)(C+U) care este analoag cu nmulirea clasic a
matricilor (linii prin coloane) cu deosebirea c la adunare nu poate fi
depit valoarea 1. Dac se formeaz cel puin o pereche de elemente
11 rezultatul va fi 1.
Vom obine:
(C+U)2 P1 P2 P3 P4 P5 P6 P7 P8 (C+U)4 P1 P2 P3 P4 P5 P6 P7 P8
P1 1 1 1 1 1 1 1 1 P1 1 1 1 1 1 1 1 1
P2 0 1 1 1 0 0 1 1 P2 0 1 1 1 0 0 1 1
P3 0 0 1 1 0 0 1 1 P3 0 0 1 1 0 0 1 1
P4 0 0 0 1 0 0 1 1 P4 0 0 1 1 0 0 1 1
P5 1 1 1 1 1 1 1 1 P5 1 1 1 1 1 1 1 1
P6 1 1 1 1 1 1 1 1 P6 1 1 1 1 1 1 1 1
P7 0 0 1 1 0 0 1 1 P7 0 0 1 1 0 0 1 1
P8 0 0 1 1 0 0 1 1 P8 0 0 1 1 0 0 1 1
Ridicnd pe (C+U)2 vom obine pe (C+U)4 ca mai sus. Apoi
fcnd nc o ridicare la ptrat vom constata c (C+U)4=(C+U)8 adic

115
matricea (C+U)4 de mai sus este deja saturat i se ntrerupe procesul
de nmulire.
Se observ c liniile P1, P5 i P6 conin numai elemente "1" deci
vor face parte din prima clas de echivalen C1 = {P1, P5, P6}.
Eliminm aceste linii i coloanele corespunztoare i obinem
matricea redus:
C1 P2 P3 P4 P7 P8
P2 1 1 1 1 1
P3 0 1 1 1 1
P4 0 1 1 1 1
P7 0 1 1 1 1
P8 0 1 1 1 1
Calculnd ptratul ei constatm c nu se modific. Rezult c n
a doua clas de echivalen intr doar vrful P2 care are linia plin cu
"1". C2 = {P2}.
Tind linia i coloana lui P2 se obine o matrice plin cu "1".
Rezult c a treia clas de echivalen va conine vrfurile rmase,
adic C3 = {P3, P4, P7, P8}..
Reprezentm subgrafele tare conexe ce se formeaz pe clase,
apoi le legm doar cu acele arce existente n graful iniial care leag
dou clase consecutive avnd sensul acelai cu ordinea n care au fost
obinute clasele. Se obine n final graful parial

P3
P1 P8
P6
116
P2

P5 P4 P7
Vom construi drumurile hamiltoniene pariale n fiecare clas

P3 P4 P8 P7
P1 P5 P6 P3 P8 P7 P4
P5 P6 P1 P2 P4 P8 P7 P3
P6 P1 P5 P7 P3 P4 P8
P8 P7 P3 P4

Graful are 15 drumuri hamiltoniene care se obin prin legarea

(asamblarea) celor pariale prin arcele ce leag clasele de echivalen
(3 x 1 x 5 =15) n toate modurile posibile.
Scriem mai jos cteva astfel de drumuri menionnd alturi
valoarea total a costurilor de lansare n cazul n care alegem drumul
respectiv pentru executarea produselor Pi, Aceast valoare se obine
din matricea iniial a costurilor de lansare MC prin nsumarea
valorilor cij n ordinea indicat de drum, adic cij = (PiPj).
Avem:
dH1: P1 P5 P6 P2 P3 P4 P8 P7 - cost 39 u.m.
dH2: P1 P5 P6 P2 P7 P3 P4 P8 - cost 38 u.m.
dH3: P5 P6 P1 P2 P3 P4 P8 P7 - cost 35 u.m.
dH4: P5 P6 P1 P2 P8 P7 P3 P4 - cost 32 u.m.
Se arat uor c dintre cele 15 drumuri hamiltoniene, dH4
realizeaz costul total de lansare cel mai mic i anume 32 uniti
monetare. Algoritmul s-a dovedit util pentru c a redus numrul de

117
verificri de la 8! = 32040 la 15. n cazul unor probleme practice de
volum mai mare efectul aplicrii algoritmului este i mai spectaculos.

Drumuri optimale

Drum critic (rut maxim) n grafe fr circuite

Aplicaii ale unui astfel de drum se ntlnesc n proiectare,
construcii, montaje, operaii financiar bancare, investiii pentru
stabilirea ordinii i momentelor de ncepere a etapelor care sunt
formate din mai multe operaii sau componente.
De exemplu fiecrei activiti i se asociaz un arc al grafului, iar
durata activitilor reprezint capacitatea arcului.
n acest caz vrfurile grafului reprezint punctele de racordare a
dou activiti. Foarte des, problemele practice conin restricii ca
toate activitile corespunztoare arcelor ce intr ntr-un vrf trebuiesc
terminate naintea nceperii oricrei activiti corespunztoare arcelor
ce ies din acel vrf.
Punerea problemei: Se d un graf (imaginea unui proces
tehnologic sau a unuia economic) i se cere timpul necesar terminrii
ntregii lucrri care corespunde cu lungimea drumului maxim n
modelul matematic reprezentat prin graf i drumul critic corespunztor
care realizeaz acest maxim.
Oricare din activitile corespunztoare arcelor ce ies din vrful
xi pot ncepe doar dup ce a trecut timpul corespunztor celui mai lung
drum de la x0 la xi. Aceast proprietate, este valabil oricare ar fi

118
vrful xk al grafului, deci i pentru xn, adic rezult problema pus
iniial.
Observaie. Este util s se cunoasc graficul activitilor ce nu sunt
coninute n drumul critic i care sunt efectuate n paralel cu cele din
drumul critic i care au momente de ncepere ce pot varia ntre
anumite limite. Organizarea acestora n cadrul fiecrei etape poate
duce la beneficii nsemnate rezultate din creterea productivitii
muncii, micorarea numrului de utilaje, mai puin for de munc.
Pentru gsirea drumului critic i a valorii sale este necesar
calcularea unei matrici DM ce conine distanele cele mai mari dintre
dou vrfuri ale grafului.

Algoritm pentru aflarea matricii DM a distanelor

maximale
1. Construim matricea conex terminal pe care apoi o
triungularizm superior, adic obinem matricea TTS.
2. Dac C este matricea capacitilor arcelor (sau
lungimilor)aranjm liniile i coloanele ca n matricea TTS i obinem
alt matrice C1 = {cij}.
3. Considerm prima linie din C1, i fie primul element diferit de
zero de pe aceast linie clj (dup rearanjare linia l a ajuns pe primul
loc). Adunm elementul clj ca fiecare element diferit de zero din linia j
obinnd sume de forma clj + cjk, fiecare sum de acest fel se compar
cu elementul corespunztor din linia l adic clk. Dac suma clj + cjk >
clkn locul lui clk se trece suma, altfel rmne clk.

119
 4. Se consider urmtoarele elemente diferite de zero de pe
aceeai linie crora li se aplic, pe rnd aceleai operaii ca la etapa
precedent, dar pentru linia respectiv modificat.
5. Operaiile de la etapele 3 i 4 se vor efectua pentru fiecare
linia a matricii C1, obinndu-se n final o matrice C2.
6. n matricea C2 se nlocuiesc toate elementele egale cu zero
prin cu excepia celor de pe diagonala principal obinnd matricea
cutat D = {dij} a distanelor maximale. Matricea obinut DM =
{dij} indic distanele maxime dintre orice dou noduri i i j ale reelei
precum i succesiunea de noduri ale drumului cu aceast lungime.
Pentru gsirea vrfurilor drumului critic se aleg indicii k pentru care
este ndeplinit relaia
dik + dkj = dij
Aceast relaie are loc numai dac xk se afl pe drumul critic

xi xk xj
Aplicaie: Pentru executarea unei lucrri sunt necesare mai
multe operaii. Ordinea i durata operaiilor sunt date n graful
alturat.

120
 1. S se gseasc intervalul maxim de timp dintre nceputul
activitilor ce pornesc dintr-un vrf xi i se termin n alt vrf arbitrar
xj adic matricea drumurilor maximale DM = {dij}.
2. S se indice intervalul maxim de timp ntre x6 i x5 i drumul
critic corespunztor.
Rezolvare. Scriem matricea legturilor C a reelei date
C0 x1 x2 x3 x4 x5 x6 x7
x1 0 1 1 0 0 0 0
x2 0 0 0 0 1 0 0
x3 0 1 0 0 0 0 1
x4 0 0 1 0 1 0 0
x5 0 0 0 0 0 0 0
x6 1 1 1 1 1 0 1
x7 0 1 0 0 0 0 0

Din C se construiete matricea terminal i se calculeaz puterile

de atingere a fiecrui vrf.
T x1 x2 x3 x4 x5 x6 x7 PA
x1 0 1* 1* 0 1 0 1 4
x2 0 0 0 0 1* 0 0 1
x3 0 1* 0 0 1 0 1* 3
x4 0 1 1* 0 1* 0 1 4
x5 0 0 0 0 0 0 0 0
x6 1* 1* 1* 1* 1* 0 1* 6
x7 0 1* 0 0 1 0 0 2

121
 Se aranjeaz liniile n ordinea descresctoare a puterilor de
atingere, apoi coloanele n aceeai ordine obinnd matricea terminal
triungularizat superior, TTS.
TTS x6 x1 x4 x3 x7 x2 x5
x6 0 1* 1* 1* 1* 1* 1*
x1 0 0 0 1* 1 1* 1
x4 0 0 0 1* 1 1 1*
x3 0 0 0 0 1* 1* 1
x7 0 0 0 0 0 1* 1
x2 0 0 0 0 0 0 1*
x5 0 0 0 0 0 0 0

n aceast matrice au fost notate cu 1 cu stelu arcele simple ce

apar n reeaua principal.
Construim n continuare matricea capacitilor triungularizat
superior, C nlocuind elementele 1* din matricea TTS cu capacitile
arcelor corespunztoare iar elementele 1 fr stelu cu zero. Ele
reprezint drumuri n graf i n aceast faz nu ne intereseaz. Restul
elementelor vor rmne n continuare zero.
C x6 x1 x4 x3 x7 x2 x5
x6 0 4 5 4 9 10 8
x1 0 0 0 3 0 4 0
x4 0 0 0 5 0 0 2
x3 0 0 0 0 5 12 0

122
 x7 0 0 0 0 0 4 0
x2 0 0 0 0 0 0 20
x5 0 0 0 0 0 0 0

Metoda tabelelor ajuttoare

Se formeaz tabele ajuttoare pentru fiecare linie modificnd
succesiv elementele acesteia dup regula descris mai sus.
n exemplu lum prima linie care corespunde vrfului x6 i
considerm primul element diferit de zero adic "4". Pe acesta l
adunm cu fiecare element diferit de zero de pe linia corespunztoare
lui x1 pentru c "4" st pe coloana lui x1.
Avem 4 + 3 > 4. Rezult c c63 care era 4 se nlocuiete cu 7 =
c61 + c13 (vezi schema de mai jos)

x6 4 x1

3
4
x3
apoi 4 + 4 = 8 < 10 deci la c62 rmne 10.

x6 10 x2

4
4
x1
Se repet calculele cu toate elementele de pe linia ntia
corespunztoare lui x6 i obinem modificri succesive ale primei linii

123
 0 4 5 4 9 10 8
0 4 5 7 9 10 8
0 4 5 10 9 10 8
0 4 5 10 15 22 8
0 4 5 10 15 22 42
care reprezint forma final maximal.
Atenie! De fiecare dat se lucreaz cu linia nou obinut, pn se
ajunge la variata final maximal.
Facem acelai lucru i cu celelalte linii. Fie de exemplu linia a
doua corespunztoare lui x1. Avem succesiv

x1 0 0 0 3 0 4 0
0 0 0 3 8 15 0
0 0 0 3 8 15 0
0 0 0 3 8 15 35 - ultima form

x4 0 0 0 5 0 0 2
0 0 0 5 10 17 2
0 0 0 5 10 17 2
0 0 0 5 10 17 37 - ultima form

Analog se continu i cu celelalte dou, apoi nlocuim

elementele 0 cu excepia celor de pe diagonala principal cu . Se
obine matricea cutat DM a distanelor maximale

124
 D x6 x1 x4 x3 x7 x2 x5
x6 0 4 5 10 15 22 42
x1 0 3 8 15 35
x4 0 5 10 17 37
x3 0 5 12 32
x7 0 4 24
x2 0 20
x5 0
Metoda 2-a. Pentru a evita scrierea tabelelor ajuttoare pentru
linii, descris mai sus, putem ncepe procesul de transformare de jos n
sus.
Liniile lui x5 i x2 rmnnd neschimbate, vom ncepe
modificarea liniei corespunztoare lui x7. Transpunem linia lui x7 din
matricea C a capacitilor triungularizat i o suprapunem succesiv
peste fiecare coloan a noii matrici D parial scris. Unde coincid dou
valori diferite de zero facem suma lor i pe noua linie x7 punem n
dreptul fiecrei coloane valoarea maxim dintre vechiul numr din
acest loc i suma obinut.
Exemplu. Linia x7 transpus nu d nici o coinciden dect cnd e
suprapus peste coloana x5 unde numrul 4 se suprapune cu 20. Suma
lor 24 fiind mai mare la vechea valoare de pe coloana x5 (c75) care era
zero o nlocuiete. Repetnd acest procedeu cu toate liniile se gsete
aceeai matrice a distanelor maximale.
Concluzii. Din matricea DM citim c drumul maxim dintre x6 i
x5 are valoarea de 42 uniti.
125
 Adic de la nceperea activitilor ce pornesc din x6 nu se pot
termina toate activitile ce ajung n x5 n mai puin de 42 uniti de
timp. Pentru a obine vrfurile de pe drumul critic, adunm succesiv
elementele d6k ale liniei lui x6cu elementele dk5 ale coloanei x5.
Reinem doar vrfurile xk pentru care suma d6k + dk5 = 42. n exemplul
de mai sus acestea sunt: x4, x4, x2. Cu alte cuvinte drumul critic este:
x6, x4, x3, x2, x5 a crei valoare este 42.

Fluxul n reea
Multe probleme frecvent ntlnite n practica economic cer
repartizarea unui anumit flux n scopul maximizrii sau minimizrii
lui pe o reea dat. Astfel de probleme se ntlnesc des n informatic,
cibernetic, studiul sistemelor de transport, planificare i control, etc.
n practic, printr-o reea nelegem un graf pe arcele cruia
poate circula un flux de un anumit produs. Fiecrui arc i este asociat
o capacitate care determin capacitatea maxim de flux ce poate fi
transportat pe arcul respectiv.
n tabelul de mai jos dm cteva exemple de sectoare ale
activitii practice unde apare conceptul de reea i cel de flux
Noduri Muchii Flux
Intersecii osele Vehicule
Aeroporturi Linii aeriene Avioane
Staii de pompare evi Fluid
Puncte de control Linii telefonice Mesaje
Schimbarea anotimpului Areal ecologic Indivizi ai unei specii

126
 O reea conine o mulime finit de noduri. Orice pereche
ordonat de noduri din X, (aiaj) este numit arc. Funcia C ataeaz
fiecrui arc (aiaj) un numr nenegativ cij numit capacitatea arcului
(aiaj). Numrul cij indic capacitatea maxim de materie ce poate fi
transportat de-a lungul arcului (aiaj). Acolo unde nu exist arc (akam)
vom spune c ckm = 0. Fie o reea cu n+2 noduri a0, a1, , an, an+1.
Definiie. Cantitile xij de materie ce trec prin arcele reelei la un
moment dat i care satisfac condiiile:
(1) 0 xij cij i, j= (0, n+1)
n n +1
(2) xki = xij i = (1, n )
k =0 j =1

definesc un flux ce strbate reeaua.

Observaii. Relaia (1) ne spune c fluxul ce trece prin arcul (aiaj) nu
poate depi capacitatea lui. Relaia (2) ne spune c mrimea cantitii
de materie ce pleac din fiecare vrf ai este egal cu cea care intr n
acel vrf (exceptnd a0i an+1). Din (2) mai rezult c mrimea total a
cantitii de materie ce pleac din a0 coincide cu cea care vine n an+1
adic avem:
n +1 n
(3) x0 j = xi ,n +1 = Z
j =1 i =0

Forma liniar Z este numit fluxul total din reea.

Enunul problemei. n continuare ne ocupm de problema gsirii
fluxului maxim n reea adic de obinerea cantitilor

xij (i , j = 0 , n + 1) care verific relaiile (1) i (2) i care maximizeaz

forma liniar (3).

127
 Evident c problema fluxului maxim este o problem de
programare liniar. Datorit formei particulare a restriciilor, problema
fluxului va fi rezolvat prin metode (algoritmi) speciale mai simple.
1. Algoritmul matricial
n acest algoritm se folosete noiunea de tietur a reelei.
Dac mprim mulimea punctelor reelei n dou submulimi U
i V cu a0 U i an+1 V. Atunci mulimea tuturor arcelor care pleac
din U i intr n V se numete tietur a reelei. Se utilizeaz, de
asemenea, i noiunea de capacitate a tieturii. n legtur cu aceasta
amintim urmtoarea teorem datorat lui Ford i Foulkerson.
Teorem. Fluxul maxim n reea este egal cu capacitatea cea mai
mic a tieturilor din graf.
Aceast teorem exprim principiul dualitii ce are loc ntre
problema gsirii tieturii minimale i problema gsirii fluxului
maximal. Pentru nelegerea acestui algoritm se poate consulta
bibliografia recomandat

Algoritmul lui Ford-Foulkerson (procedeul marcrii)

Fie reeaua G = (X, L) ccare conine n+1 vrfuri.
Definiie 1. Arcul (aiaj) se numete saturat dac xij = cij unde xij este
fluxul arcului (aiaj) i cij este capacitatea acestui arc.
Definiia 2. Un flux {xij} se zice c este flux complet dac oricare ar
fi drumul de la a0 la an acesta conine cel puin un arc saturat, unde a0
este intrarea n reea, iar an ieirea.
Etapele algoritmului

128
1. Se construiete un flux iniial arbitrar {xij} unde xij verific
condiiile fluxului (1) i (2).
2. Se caut un flux complet
3. Dup aceste dou etape, urmeaz o operaie de marcare a vrfurilor
reelei adic o operaie care ne arat dac fluxul complet gsit este
maxim sau nu.
Operaia de marcare se face n felul urmtor:
a) Se marcheaz cu (+) vrful a0 (intrarea);
b) Se marcheaz cu (+0) vrful ai x dac arcul (a0ai) nu este saturat;
c) Dac un vrf aj a fost marcat, vrful ak legat printr-un arc de aj se
marcheaz cu (+j) dac arcul (ajak) este nesaturat i orientat n
sensul de la aj la ak i se marcheaz cu (-i) dac arcul (akaj) cu
fluxul xkj > 0 este orientat n sensul de la ak la aj.
Dup aplicarea acestei operaii de marcare putem obine una din
situaiile:
(1) vrful an (ieirea) nu a fost marcat, deci fluxul complet gsit e
maxim;
(2) vrful an a fost marcat, deci fluxul complet gsit nu este maxim.
n situaia (2) se trece la modificarea fluxului pe drumul marcat
i anume:
a) Se adaug o unitate la fluxurile arcelor drumului marcat orientate
ctre an (adic marcate cu +). Pentru fiecare arc a crui extremitate
final a fost marcat cu + obinem un nou flux care este

xij(1) = xij0 + 1

129
b) Se scade o unitate din fluxurile arcelor aparinnd drumului marcat
dac xij > 0 i dac arcele (aiaj) sunt orientate n sens contrar
sensului de parcurs de la a0 la an. Pentru arcele marcate cu minus
noul flux va fi

xij(1) = xij0 1

c) Fluxurile ce nu aparin drumului marcat rmn neschimbate.

Procedeul de marcare a vrfurilor continu att timp ct vrful an
mai poate fi marcat. n caz contrar, fluxul gsit este maxim.
Justificarea procedeului are la baz teorema lui Ford-Foulkerson.
d) Exemplu. Fie reeaua pe care cutm fluxul maxim care o poate
parcurge de la x0 la x7.

1) Fluxul iniial arbitrar se obine prin operaiile:

Transportm 5 uniti pe drumul:
x0 x1
x4 x7
8 =5 + 5 =5 9 =5 +

Se satureaz arcul (x1x4)

Transportm 1 unitate pe drumul:
5 = 1+ 1= 1 9 = 5 + 1+
x0 x2
x4 x7
Se satureaz arcul (x2x4)
Transportm 3 uniti pe drumul:

130
 8 =5+3 3=3 15 = 3 +
x0
x1
x6
x7
Se satureaz arcul (x1x6) i (x0x1)
Transportm 3 uniti pe drumul:
5 = 1+ 3 + 3=3 15 = 3 + 3 +
x0 x2
x6
x7
Se satureaz arcul (x2x6)
Transportm 2 uniti pe drumul:
7 =2+ 2=2 4 =2+
x0 x3 x5 x7
Se satureaz arcul (x3x5)
Transportm 4 uniti pe drumul:
7 =2+4 + 4 =4 15 = 3 + 3 + 4 +
x0 x3 x6
x7
Se satureaz arcul (x3x6)
2) Toate drumurile de la x0 la x7 sunt saturate (conin cel puin un arc -
saturat). Fluxul este complet.
3) Operaia de marcare a vrfurilor se face pe reeaua:

Se pot marca numai vrfurile x1 x2 x3 i nici unul din celelalte

vrfuri nu se mai poate marca, deoarece arcele incidente spre
exteriorul vrfurilor marcate sunt saturate. Neputnd marca vrful x7
(ieirea), fluxul gsit e maxim i egal cu 18 uniti.

131
 V. ELEMENTE DE TEORIA PROBABILITILOR

Fenomenele naturale sunt fie deterministe (cu realizare sigur)

fie probabiliste (ntmpltoare, aleatoare).
Spre exemplu legea cderii corpurilor descoperit de Newton
acioneaz cu aceeai parametrii ori de cte ori se efectueaz
experiena. Apa fierbe la presiunea normal a aerului, la 100C, etc.
Fenomenele meteo ns se petrec n mod aleatoriu (ntmpltor)
de la caz la caz. n economie i sociologie majoritatea fenomenelor
sunt ntmpltoare depinznd de foarte muli factori la rndul lor
aleatori. Teoria probabilitilor ca model matematic este esenial n
studiul economiei, a tiinelor sociale, precum i n biologie att direct
ct i prin fundamentarea teoretic a altor modele matematice care la
rndul lor sunt utilizate din plin n domeniile mai sus menionate.
Dintre acestea amintim n primul rnd statistica matematic, teoria
jocurilor, teoria stocurilor, teoria firelor de ateptare, programarea
stohastic etc.
Studiul fenomenelor aleatoare (alea = zar), ncepe prin secolul
XVII n scopul de a calcula ansa de ctig. Amintim pentru nceput
preocupri i probleme puse de Cavalerul de Mr, rezolvate ingenios
de B.Pascal (1623-1662) i lucrri publicate de J.Bernoulli (1654-
1705) "Ars conjuctandi" (Despre o lege a numerelor mari). Moivre
(1667-1754), Laplace (1749-1827) i K.Gauss (1797-1855) studiaz i
aplic celebra "lege normal" cunoscut i sub numele de "lege a lui

132
Gauss". Este cea mai important i des ntlnit lege n teoria
probabilitilor. Poisson (1781-1840) se ocup de legi ale numerelor
mari, legea evenimentelor rare. Un rol important l au matematicienii
rui P.Cebev (1821-1894), A.Leapunov (1857-1918) i Markov
(1856-1922) n studiul teoremelor limit centrale, adic a legturii
dintre diferitele legi de probabilitate i legea normal a lui Gauss-
Laplace i lanurile cu legturi complete. Un merit deosebit l are
coala romneasc de teoria probabilitilor care a fost condus de
reputaii matematicieni Octav Onicescu (1892-1983) i Gh.Mihoc
(1906-1981) care au studiat n special lanurile Markov, teoreme
limit centrale etc.

Evenimente. Operaii cu evenimente

n acest paragraf vom introduce principalele noiuni cu care vom
opera n continuare.
Experien este realizarea unui complex de condiii. Spre
exemplu, aruncarea unui zar, a unei monede, extragerea unei piese
dintr-un lot, urmrirea unui indicator economic.
Eveniment aleator (ntmpltor) o afirmaie (enun) relativ la
un experiment afirmaie care poate s se realizeze sau nu n urma
efecturii experimentului. Vom nota evenimentele cu litere mari A, B,
C, Evenimentele sunt rezultate posibile ale experimentului.
Evenimentul sigur () apare la fiecare efectuare a
experimentului. Este specific fiecrei experiene. La aruncarea zarului
este ={1,2,3,4,5,6} adic const din apariia uneia din feele
numerotate cu 1-6.
133
 Evenimentul imposibil () nu apare niciodat, oricte
experiene s-ar face. La zar ar fi R\{1,2,3,4,5,6}.
Exemple de evenimente aleatoare la experiena cu aruncarea
zarului: E1={1}, E2={2}, , E6={6}, A={1,2}, B={1,2,3}, D={5,6},
F={1,2,3,4}.

Operaii i relaii cu evenimente

Reuniunea a dou evenimente A i B este un alt eveniment
notat AB ce se realizeaz cnd se realizeaz cel puin unul dintre A
sau B. Exemplu: AD={1,2,5,6}, AB={1,2,3}.
Intersecia - AB este evenimentul ce apare doar atunci cnd se
realizeaz ambele evenimente
AB={1,2}, AD=
Implicaia (incluziunea) AB sau AB dac realizarea lui A
asigur realizarea i a lui B.
E1A, E1B, AB
Diferena A\B este evenimentul ce apare cnd se realizeaz A i
nu se realizeaz B.
Diferena simetric AB eveniment ce apare dac i numai
dac apare numai unul din evenimentele A sau B
AB=(A\B)(B\A)
Eveniment contrar lui A, notat , apare atunci i numai atunci
cnd nu apare A i reciproc.

134
 Observaie. Proprietile operaiilor cu evenimente sunt
analoage celor cu mulimi. Amintim dintre acestea: comutativitatea,
asociativitatea, absorbia, distributivitatea etc.
Dm cteva exemple:
A A=, A=A, A=A, A=, A=, A=,
A\B=A B , =, =
Relaiile lui Morgan:

n n n n
U Ai = I Ai , I Ai = U Ai

i =1 i =1 i =1 i =1
Evenimente incompatibile sunt acelea care nu se pot realiza
simultan, adic AD=.
Evenimente elementare sunt acelea care sunt implicate doar de
evenimentul imposibil sau de nsele. Exemplu la aruncarea zarului
avem ase evenimente elementare E1={1}, E2={2}, , E6={6}. Prin
combinarea (reuniunea lor) obinem evenimentele compuse A, B, D,
etc. Reuniunea tuturor evenimentelor elementare formeaz
evenimentul sigur. Evenimentele elementare se mai numesc i probe
sau cazuri.
Desfacere a evenimentului sigur (sistem complet de
evenimente) este format dintr-o mulime de evenimente {Ai }i =1,n

care verific proprietile:

1. Ai Aj = (dou cte dou sunt incompatibile)
n
2. U Ai = .
i =1

135
 Cea mai fin desfacere a evenimentului sigur este cea format
din toate evenimentele elementare asociate experimentului.

Definiii ale noiunii de probabilitate

Definiia clasic (indus de frecvena relativ)

S presupunem c am efectuat un experiment de n ori i c
evenimentul A a aprut de k ori (evident 0kn). Numrul k se
numete frecven absolut, iar numrul k/n frecven relativ de
apariie a evenimentului A.
Definiie. Fie E un experiment i E1E2En toate evenimentele
elementare (probele) asociate. Fie evenimentul A compus din k
evenimente elementare. Probabilitatea evenimentului A notat P(A)
este raportul k/n adic
k nr.ev.elem.ce contribuie la realizarea lui A
P ( A) = =
n nr.total de ev.elem.asociate experimentului
Exemplu: La aruncarea unui zar apar ase evenimente
2 1
elementare E1, , E6, fie A={1,2}, B={4,5,6}. Atunci P( A) = = ,
6 3
3 1
P(B ) = = .
6 2
Observaie. Legea slab a numerelor mari enunat de Bernoulli
ne clarific noiunea clasic de probabilitate. Dac numrul n de
efecturi ale experimentului E tinde la infinit atunci frecvena relativ
k/n a evenimentului A tinde la P(A).

136
 Exemplu.
1. Buffon realizeaz experimentul cu aruncarea monedei de 4040 ori
numrnd k=2048 de apariii ale stemei. Obine frecvena relativ
k/n=0,5069. Pearson repet acelai experiment de 24.000 de ori i
obine k/n=0,5005. Probabilitatea obinerii stemei la o aruncare este
evident =0,5.
2. O urn conine 10 bile alte i 30 negre. Care este probabilitatea de a
obine o bil alb la prima extragere?
Rspuns:
10 1
P ( A) = = = 0 ,25
40 4
Din definiia de mai sus rezult urmtoarele proprieti ale
noiunii de probabilitate:
1. 0 P(A) 1
2. P() =1, P() = 0
3. P() = 1 P(A)
4. dac AB P(A) P(B) monotonie
5. dac AB = (A i B sunt incompatibile)
P(AB) = P(A) + P(B)
6. dac AB P(B\A) = P(B) P(A)
Paradoxul lui Mr. Se arunc trei zaruri deodat. Care este
probabilitatea de a obine suma 11, dar suma 12? Cavalerul de Mr
afirma c P(11) = P(12). Prin efectuarea unui numr mare de
experiene s-a constatat c frecvenele relative ale celor dou
evenimente nu tind ctre acelai numr, dei la prima vedere ar prea

137
c au aceeai probabilitate. Mr susinea c pentru realizarea lui A
respectiv B ar fi un numr egal de cazuri favorabile dup cum
urmeaz:
A: (6,4,1)(6,3,2)(5,5,1)(5,4,2)(5,3,3)(4,4,3) suma realizat fiind 11
B: (6,5,1)(6,4,2)(6,3,3)(5,5,2)(5,4,3)(4,4,4) suma realizat fiind 12
Numrul de cazuri posibile este 63=216.
6
Dup Mr P( A) = P(B ) = .
216
B.Pascal arat c n realitate combinaia (6,5,1) poate aprea n
ase situaii datorit faptului c zarurile sunt distincte (spre exemplu
unul rou, altul alb, altul negru), deci avem permutri de trei 3!=6.
Combinaia (6,3,3) n trei variante, iar (4,4,4) n una singur.
n consecin a calculat
27 25
P( A11 ) = i P(B12 ) = adic P(A) > P(B)
216 217
La un joc de noroc juctorul care a ales varianta A are ans mai
mare de ctig dect cel care a ales varianta B. Din exemplul de mai
sus se vede c trebuie s construim un aparat matematic foarte precis
i fin pentru calculul probabilitilor, pentru a nu face erori, ce pot fi
dezastruoase n procesele economice.
n acest sens vom urmri n continuare utilizarea noiunilor din
analiza combinatoric, alte definiii ale noiunii de probabilitate,
schemele clasice, noiunile de variabil aleatoare etc.

138
 Cmp de evenimente
Fie evenimentul sigur ataat unui experiment i P()
mulimea prilor acestuia.
Definiie. O submulime KP() nevid se numete corp sau
cmp de evenimente dac verific urmtoarele axiome:
1. Dac AK K
2. Dac A i BK AB K
Din aceast definiie rezult uor urmtoarele proprieti
1. i K
K AK K A=K
dar = K
2. Dac A i BK ABK

, B K B K A B K A B =ABK.
Vom da n continuare definiia axiomatic a probabilitii
(Kolmogorov 1933). Ea este util n studiul teoretic al probabilitilor
fiind perfect din punct de vedere matematic.
Definiie. Fie (,K) un cmp finit de evenimente. Se numete
probabilitate relativ la acest cmp o aplicaie P:KR care verific
axiomele:
1. P(A) 0, AK
2. P() =1
3. Dac A, BK, AB= P(AB)= P(A) + P(B)
Proprieti ce rezult din aceast definiie, utiliznd doar
axiomele:

139
1. P()=0
2. P()= 1 P(A)
Avem: =A, A=
1=P()=P(A)=P(A)+P() P()=1 P(A)
3. P(B\A)=P(B) P(AB)
4. Dac AB P(A) P(B)
5. AK, P(A)1
6. A i B, P(AB) = P(A) + P(B) P(AB)
Pentru trei sau mai multe evenimente are loc o formul analoag
numit i formula lui Poincare
P(ABC) = P(A) + P(B) + P(C) P(AB) P(AC) P(BC) +
P(ABC)
Formula se poate generaliza uor prin inducie.

Probabiliti condiionate
Se cere uneori calcularea probabilitii unui eveniment A, n
condiiile n care s-a realizat i un alt eveniment B, legat de acesta.
Exemplu. Se arunc dou zaruri. Notm cu B evenimentul ca
cel puin o fa s conin numr par. Notm cu A evenimentul ca
suma punctelor s fie 6.
Se cere probabilitatea ca atunci cnd cel puin la un zar apare
numr par, suma s fie 6.
Rezolvare: Calculm P(B) = 1 P( B ) unde B este evenimentul
ca pe nici un zar s nu avem numr par. n total 9 cazuri favorabile din

140
 9 27
36 posibile, deci P(B ) = 1 = . Pe de alt parte probabilitatea ca
36 36
2
s avem ndeplinite simultan evenimentele A i B este P( A B ) = .
36
Atunci probabilitatea cerut pe care o notm P(A/B) va fi:
2 27 2 P( A B )
P( A B ) = : = =
36 36 27 P(B )
Exemplul de mai sus sugereaz c este util introducerea
urmtoarei definiii pentru probabiliti condiionate
Definiie. Fie (,K) un cmp de evenimente i BK cu P(B)>0.
Se numete probabilitate a evenimentului AK condiionat de
P( A B )
evenimentul B numrul real notat P( A B ) = .
P(B )
Vom arta n continuare c noua noiune de probabilitate
introdus verific axiomele din definiia lui Kolmogorov care sunt
standard i foarte bine alese. De aici se vede rolul acelei definiii
axiomatice.
Probabilitatea condiionat P(A/B) se mai noteaz i PB(A)
adic probabilitatea lui A condiionat de B.
Avem:
P( A B )
1. P( A B ) = >0
P(B )
P( B ) P(B )
2. P( B ) = = =1
P(B ) P(B )
3. fie AC = atunci

141
 P[( A C ) B ] P[( A B ) (C B )]
P( A C B ) = = =
P(B ) P(B )
P( A B ) + P(C B )
= = P( A B ) + P(C B ) .
P(B )
Alte proprieti:
1. Dac A, B K cu proprietatea c P(A)P(B)0, atunci din definiie
rezult c P(AB) = P(A)P(A/B) = P(A)P(B/A).
2. n general avem: AiK
n n 1
P I Ai = P( A1 ) P( A2 A1 ) P( A3 A1 A2 )K P An I Ai

i =1 i =1

numit i formula de nmulire a probabilitilor.

Demonstraia este foarte simpl. Din membrul doi n baza
definiiei precedente avem
n
P I Ai
P( A1 A2 ) P( A1 A2 A3 ) i =1 n
P( A1 ) K = P I Ai
P( A1 ) P( A1 A2 ) n 1 i =1
P I Ai
i =1
3. Formula probabilitii totale.
Fie evenimentele Ai K ce formeaz un sistem complet de
n
evenimente Ai A j = , U Ai = , atunci pentru orice eveniment
i =1
AK avem c:
n
P ( A) = P( Ai ) P( A Ai ).
i =1

Demonstraie. Avem
142
 n n
A = A = A U Ai = U ( A Ai ) .
1 424 3
i =1 i =1

Evenimentele AAi sunt incompatibile dou cte dou. Deci

n n
P ( A) = P( A Ai ) = P( Ai ) P( A Ai )
i =1 i =1

c.c.t.d.
Exemplu. La un magazin se vnd piese provenind de la trei
furnizori. Cantitile de piese existente n magazin sunt n proporie de
1/6 de la primul, 1/3 de la al doilea i 1/2 de la al treilea furnizor. S-a
constatat c din primul lot 10%, din al doilea 5% i din al treilea 8%
sunt defecte. Un client cumpr o pies la ntmplare i se ntreab
care este probabilitatea ca aceasta s fie bun?
Rezolvare. Vom nota cu A1, A2, A3 evenimentele ca piesa aleas
s fie din primul lot, al doilea, respectiv al treilea. Aceste evenimente
formeaz un sistem complet de evenimente i au probabilitile
1 1 1
P( A1 ) = , P( A2 ) = , P( A3 ) = . Dac B este evenimentul ca piesa
6 3 2
cumprat s fie bun atunci P(B/A1) = 0,9, P(B/A2)= 0,95 i
P(B/A3)=0,92. Utiliznd formula probabilitii totale se obine:
P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + P(A3) P(B/A3) =
1 1 1
= 0 ,9 + 0 ,95 + 0 ,92 = 0,918
3 6 2
Formula lui Bayes. Fie sistemul complet de evenimente AiK,
i = 1, n i AK pentru care avem P(A) > 0, atunci are loc relaia:

143
 P( A ) P( A Ai )
P( Ai A) = n i , i {1,2,,n}
P( Ak )P( A Ak )
k =1

Demonstraie. Plecnd de la definiia probabilitii condiionate

i folosind formula probabilitii totale obinem:
P( A Ai ) P( Ai ) P( A Ai )
P( Ai A) = =
P ( A) n
P( Ak )P( A Ak )
k =1

Exemplu. Relum exemplul precedent i presupunem c piesa

aleas este defect. Evident probabilitatea este P (B ) = 1 P(B ) = 1
0,918=0,082. Vrem acum s tim care este probabilitatea ca aceasta s
provin de la primul furnizor.
Cu notaiile precedente i folosind formula lui Bayes avem
P( A1 ) P (B A1 )
P (A1 B ) = =
P( A1 ) P (B A1 ) + P( A2 ) P (B A2 ) + P( A3 ) P (B A3 )
1
0 ,1
3 0 ,2
= = = 0 ,408
1 1 1 0 ,49
0 ,1 + 0 ,05 + 0 ,08
3 6 2

Evenimente independente
Definiie. Spunem c evenimentele A i B sunt independente
dac P(A/B) = P(A) sau P(B/A)=P(B).
Proprieti. 1. Condiia necesar i suficient ca dou
evenimente A,BK s fie independente estre ca P(AB)=P(A)P(B).
Acest lucru rezult imediat din definiia probabilitii condiionate.

144
 2. Dac A i BK sunt independente atunci i perechile de
evenimente (A,B ), (A,B ), i (A,B ) sunt independente.

Pentru a demonstra independena evenimentelor A i B vom

avea succesiv
P ( A B ) = P ( A B ) = 1 P ( A B ) = 1 P ( A) P ( B ) + P ( A B ) =

= 1 P( A) P(B ) + P( A) P(B ) = (1 P( A))(1 P(B )) = P (A) P (B )

Pentru demonstrarea primelor dou l lsm pe cititor s o fac.
Definiie. Spunem c evenimentele AiK, i= 1, n sunt
independente n totalitate dac sunt independente cte dou, cte
trei,, cte n adic.
P(AiAj)= P(Ai)P(Aj) pentru 1 i < j < n
P(AiAjAk)=P(Ai)P(Aj)P(Ak) pentru 1 i < j < k n

P(A1A2Ak) = P(A1)P(A2)P(An)
Observaie. Independenta a cte dou evenimente nu implic
independenta n totalitate. Este interesant exemplul construit de
S.N.Bernstein pentru a dovedii acest lucru cu un zar de forma unui
tetraedru regulat.
Probleme rezolvate. Pentru rezolvarea urmtoarelor exerciii
vom utiliza noiunile prezentate mai sus asociate cu noiuni din
algebr, n special din analiza combinatorie.
1) O urn conine 2 bile albe i 3 negre, iar a doua urn conine 3 bile
albe i 4 negre. Din fiecare urn este extras cte o bil.
a. Care este probabilitatea obinerii a dou bile albe?

145
 b. Dar a dou bile negre?
c. Care este probabilitatea obinerii cel puin a unei bile albe?
d. Care este probabilitatea obinute a dou bile de aceeai culoare.
Rezolvare. Notm cu A1 evenimentul obinerii unei bile albe din
prima urn i A2 a unei bine albe din urna a doua. Evident scoaterea
uneia negre va fi A1 , respectiv A2 .
2 3
a. P( A1 ) = i P( A2 ) = . Pentru a avea simultan evenimentele A1 i
5 7
A2 care sunt independente trebuie s calculm. P( A1 A2 ) =
2 3 6
P( A1 ) P( A2 ) = = .
5 7 35

b. Analog. P(A1 A2 ) = P(A1 ) P (A2 ) = 1 1 = =

2 3 3 4 12
5 7 5 7 35
c. Cel puin o bil alb este format din evenimentele:
B = (A1 A2 ) (A1 A2 ) ( A1 A2 )
adic alb doar din prima urn, sau alb doar din a doua urn, sau
alb din ambele urne.
P(B ) = P (A1 A2 ) + P (A1 A2 ) + P( A1 A2 )
pentru c cele trei paranteze reprezint evenimente incompatibile.
Apoi
P(B ) = P( A1 ) P (A2 ) + P (A1 ) P( A2 ) + P( A1 ) P( A2 ) =
2 4 3 3 2 3 23
= + + =
5 7 5 7 5 7 35
d. Raionnd analog avem: AC = ( A1 A2 ) (A1 A2 ) din

P( AC ) = P( A1 A2 ) + P (A1 A2 ) = P( A1 ) P( A2 ) + P (A1 ) P (A2 ) =

146
 2 3 3 4 18
= + =
5 7 5 7 35
2) O urn conine 10 bile albe i 6 negre. Dina ceast urn se extrag 2
bile punndu-se napoi prima bil extras. Se cere:
a. probabilitatea ca cele 2 bile s fie albe;
b. probabilitatea ca cele 2 bile s fie negre;
c. probabilitatea ca prima bil s fie alb i a doua neagr;
d. probabilitatea ca bilele s fie de aceeai culoare;
e. probabilitatea ca bilele s fie de culori diferite.
Rezolvare.
10 10 25
a. P(2 A) = P( A1 A2 ) = P( A1 ) P( A2 ) = =
16 16 64
Evenimentele A1 i A2 sunt independente pentru c compoziia
urnei s-a refcut.

b. P(2 N ) = P (A1 A2 ) = P(A1 ) P (A2 ) =

6 6 9
=
16 16 64

c. P (A1 A2 ) = P( A1 ) P (A2 ) =
10 6 15
=
16 16 64
[ ]
d. P( AC ) = P ( A1 A2 ) (A1 A2 ) = P( A1 A2 ) + P (A1 A2 ) =

= P( A1 ) P( A2 ) + P(A1 ) P(A2 ) =
25 9 34 17
+ = = .
64 64 64 32
3) Presupunem c avem 10 cri de joc, identice, numerotate 1, 2, 3,
, 10. Care este probabilitatea ca primele dou cri extrase s fie
(1) i (2) n aceast ordine.
Rezolvare. Fie A1 evenimentul ca prima carte extras s fie (1) i
A2 ca a doua carte extras s fie (2).

147
 Probabilitatea cutat este
1 1 1
P( A1 A2 ) = P( A) P(B A) = =
10 9 90
Altfel: numrul total al cazurilor egal posibile este numrul de
permutri ale celor 10 cri adic P10=10!=1210. Dac 2 cri (1)
i (2) ocup n pachet primele dou locuri mai rmn 8 locuri arbitrare
adic, numrul cazurilor favorabile ar fi 8!=128. n baza definiiei
clasice avem:
8! 1 1
P(1;2 ) = = =
10! 9 10 90
4) ntr-un fiier sunt 10.000 de fie numerotate cu 4 cifre de la 0000
pn la 9999. Se extrage o fie la ntmplare. Care este
probabilitatea ca seria ei de identificare s conin cifra 5?
Rezolvare.
Metoda 1. Vom numra fiele care conin cifra 5.
a. Cu patru cifre 5 este una.

b. Cu 3 cifre de 5 sunt C41 9=49=36, deoarece a patra cifr care

nu este 5 poate fi oricare din cifrele de la 0 la 9 fr cinci i ea
poate ocupa orice loc din cele 4, de exemplu, (555).
43
c. Cu doi de cinci avem C42 9 2 = 81 = 6 81 = 486 fie.
1 2
d. Cu un singur cinci avem C43 9 3 = 4 729 = 2916 fie.
n total avem 2916+486+36+1=2916 fie care conin cel puin
un cinci n numrul de identificare.

148
 3439
Atunci P( A) = = 0 ,3439
10.000
Metoda 2. Mai simplu este s calculm evenimentul contrar, adic s
calculm cte fie exist care nu conin deloc cifra cinci. Astfel putem
pe fiecare din cele patru poziii ale numrului s utilizm nou cifre n
orice combinaie adic 9999=94=6561.

Adic P (A) = sau P( A) = 1 P (A) = 0 ,3439

6561
10.000
5) Din mulimea numerelor de 7 cifre ce se pot forma cu cifrele 1, 2,
3, 4, 5, 6, 7 se ia la ntmplare un numr. Care este probabilitatea ca
numrul ales s conin pe 1 i 2 ca cifre consecutive i n aceast
ordine?
5!6 1
Rezolvare. =
7! 7
6) Se arunc 6 zaruri. Care este probabilitatea obinerii tuturor
numerelor de la 1 la 6? Dar probabilitatea s apar cel puin o dat
faa 5?

6! 56
Rezolvare. a) 6 = 0 ,015 b) 1 6 = 0 ,665
6 6
7) O urn conine 3 bile albe i 7 negre, iar alta conine 7 bile albe i 3
negre. Din fiecare se extrage cte o bil. Care e probabilitatea s
obinem cel puin una alb?
Rezolvare. Fie A evenimentul de a extrage o bil alb din prima
urn i B evenimentul de a extrage o bil alb din a doua urn. Va
trebui s calculm probabilitatea evenimentului AB. Avem
P(AB)=P(A)+P(B)P(AB)=P(A)+P(B)P(A)P(B)
149
 Evenimentele A i B sunt compatibile i independente.
3 7
Dar cum P( A) = i P(B ) = vom avea
10 10
3 7 3 7 79
P( A B ) = + = .
10 10 10 10 100
8) Trei trgtori trag cte un foc asupra unei inte, independent unul de
altul. Primul lovete inta cu probabilitatea 3/4, al doilea cu
probabilitatea 4/5, al treilea cu probabilitatea 5/6. Care este
probabilitatea ca inta s fie atins?
Rezolvare. a) Notm cu T1 probabilitatea ca primul trgtor s
loveasc inta, cu T2 ca al doilea s o loveasc, respectiv T3 ca al
treilea s o loveasc. Atunci:
P(L ) = P(T1 T2 T3 ) = P(T1 ) + P(T2 ) + P(T3 )
P(T1 T2 ) P(T2 T3 ) P(T1 T3 ) + P(T1 T2 T3 )
Este evident c evenimentele T1, T2, T3 sunt independente n totalitate.
Rezult c:
P(L ) = P(T1 ) + P(T2 ) + P(T3 ) P(T1 ) P(T2 ) P(T1 ) P(T3 )
P(T2 ) P(T3 ) + P(T1 ) P(T2 ) P(T3 ) =
3 4 5 3 4 4 5 3 5 3 4 5 119
= + + + =
4 5 6 4 5 5 6 4 6 4 5 6 120
b) Mai simplu se putea rezolva utiliznd evenimentul contrar
P(L ) = 1 P(L ) = 1 P(T1 T2 T3 ) = 1 P(T1 ) P(T2 ) P (T3 ) =
1 1 1 1 119
= 1 = 1 = .
4 5 6 120 120

150
9) Se arunc o moned pn cnd obinem deasupra faa cu stema.
Care este probabilitatea s fie cel mult 3 aruncri?
Rezolvare. Fie A evenimentul ca la prima aruncare s obinem
stema, B evenimentul ca la prima s obinem banul i apoi stema i C
evenimentul ca la primele dou s obinem banul i la a treia stema. Se
va calcula P(ABC) dup formula lui Poincar i obinem 7/8.
10) O urn conine 12 bile numerotate 1, 2, , 12. Se face o
extragere din aceast urn. Care este probabilitatea obinerii a unui
numr par sau a unui numr mai mic dect 5 sau a unui ptrat
perfect?
Rezolvare. Cuvintele "sau" sugereaz reuniunea. Se va utiliza
formula reuniunii pentru P(ABC), unde
6 1 4 1 3 1
P ( A) = = ; P(B ) = = ; P(C ) = =
12 2 12 3 12 4
3
Se va obine P( A B C ) = .
4

Scheme clasice de probabilitate

Practica calculului probabilitilor a artat c utilizarea doar a
definiiilor noiunii de probabilitate, chiar nsoit de un aparat
algebric bun i cteva formule nu este suficient pentru sigurana
calculului. Se pot face uor greeli de raionament. Pentru a uura
calculele vom prezenta n continuare instrumente mai perfecionate
cum ar fi schemele clasice, variabilele aleatoare cu operaii i
proprietile lor, diferite legi de probabilitate etc.

151
 Exist tipuri de probleme des ntlnite n practica economic
care permit o abordare identic. Pentru fiecare clas de probleme se
construiete un model matematic probabilistic care poart numele de
schem de probabilitate.

Schema lui Bernoulli cu bila ntoars (schema

binomial)
Aceast schem se aplic n cazul n care un experiment se
repet de mai multe ori i de fiecare dat se urmrete apariia
aceluiai eveniment A respectiv A . Se cere calcularea probabilitii ca
din cele n repetri ale experimentului evenimentul precizat s apar
exact de k ori, dac la o efectuare a experimentului se cunoate
probabilitatea p a apariiei evenimentului A, respectiv q=1p a lui A .
Modelul probabilistic se realizeaz printr-o urn ce conine bile
de dou culori, de exemplu albe i negre, n proporie cunoscut. Se
extrag din urn n bile, punnd dup fiecare extragere bila napoi astfel
c compoziia urnei se reface mereu.
Se cere determinarea probabilitii ca din cele n bile extrase k s
fie albe.
Vom nota cu Ai evenimentul ca la extragerea i s obinem o bil
alb, respectiv Ai ca s extragem una neagr. tim c p = P(Ai) i

q=1p = P (Ai ) .
Notm cu Bnk evenimentul ca din n bile extrase s obinem k
albe. Acest eveniment are forma:
Bnk = U (Ai1 ... Aik Aik +1 ... Ain )
1 i1 < ...< ik n
152
 Evenimentele din reuniune sunt incompatibile dou cte dou iar
cele din intersecie sun independente n totalitate. n aceste condiii
vom avea
P(Bn ,k ) = ( )
P Ai1 ... Aik Aik +1 ... Ain =
1 i1 < ...< ik n

= P(Ai1 )...P(Aik )P(Aik +1 )...P(Ain ) =

1 i1 < ...< ik n

n
= pk qnk = Cnk p k q n k
k =1

datorit faptului c toi termenii sumei sunt egali numrul lor fiind

egal cu Cnk .
Observaie. Utiliznd formula binomului lui Newton se observ
c
n n
( px + q ) k
= Cnk p k q n k x k = P(n , k )x k
k =0 k =0

Cu alte cuvinte probabilitatea ce apare n problema precedent

este tocmai coeficientul lui xk din dezvoltarea binomului (px+q)n de
unde vine i numele de schem binomial.
Pentru a arta c evenimentele Bn,k cu k=0,1,,n formeaz un
sistem complet de evenimente este suficient s punem n relaia de
mai sus x=1. Vom avea
n
P(n , k ) = ( p + q )n = 1
k =0

Exemplu. Se arunc un zar de 10 ori. Care este probabilitatea ca

s obinem de 4 ori un numr mai mic de 3 puncte.

153
 Rezolvare. Din enun se cunoate c este schema lui Bernoulli.
Urmeaz identificarea parametrilor din schem.
n=10 numrul de efecturi ale experienei
k=4 de cte ori dorim s se realizeze evenimentul simplu A.
2 1
p= = pentru c numrul de fee mai mic dect 3 sunt dou 1
6 3
i 2 din totalul de 6.
1 2
q = 1 p = 1 =
3 3
n final se utilizeaz formula din schem
4 6
1 2 10 9 8 7 26 26
P(10 ,4 ) = C10
4
= 10 = 70 9
3 3
1 2 3 4 3 3

Schema lui Bernoulli cu mai multe stri (polinomial)

Este o generalizare a schemei binomiale. Se aplic cnd la
fiecare repetare a experimentului se urmrete apariia a r evenimente
care formeaz un sistem complet. Se cere probabilitatea ca n cadrul
celor n repetri independente ale experimentului cere r evenimente
urmrite s apar de un numr dat de ori, fiecare.
Modelul poate fi realizat cu o urn care conine bile de r culori
n proporie cunoscut. Adic se cunoate probabilitatea de a extrage o
bil din fiecare culoare. Vom nota aceste probabiliti cu p1, p2, , pr.
Evident p1+p2++pr=1. Se extrag pe rnd n bile punnd de fiecare
dat bila extras napoi. Se cere s se calculeze probabilitatea P(n; k1,
k2, , kn) ca din cele n bile extrase k1 s fie din culoarea c1, k2 din
culoarea c2, .a.m.d., kr s fie din culoarea cr. (k1+k2++kr=n)

154
 Folosind un raionament analog ca la schema binomial vom
obine c
n!
P(n; k1 , k 2 ,..., k r ) =
k k
p1 1 p2 2 ... prk r
k1! k 2 !...k r !
n!
coeficientul ne d de fapt numrul permutrilor cu
k1! k 2 !...k r !
repetiie de n obiecte, cnd un element se repet de k1 ori altul de k2
ori, .a.m.d., ultimul de kr ori unde k1+k2++kr=n.
Dac se dezvolt urmtorul polinom
(p1x1+p2x2++prxr)n
atunci probabilitatea P(n; k1,2, , kn) este coeficientul termenului ce
k k
conine x1 1 x2 2 ...xnk n din aceast dezvoltare.
Exemplu. Se arunc un zar de 12 ori. Care este probabilitatea ca
de 2 ori s avem cel mult 2 puncte de 6 ori 6 puncte i de 4 ori restul
punctelor.
Rezolvare.
a. Recunoaterea schemei. Problema se ncadreaz n schema
polinomial.
b. Identificarea parametrilor
n=12, k1= 2, k2 = 6, k3=4
2 1 3
p1 = , p2 = , p3 = .
6 6 6
c. Utilizarea formulei din schem
2 6 4
12! 2 1 3
P(12;2 ,6 ,4 ) =
2!6 !4! 6 6 6

155
 Schema bilei nentoarse (schema hipergeometric)
Se consider o urn cu a bile albe i b bile negre n total N=a+b
bile. Se extrag din urn n N bile fr a mai pune bila extras napoi.
S calculm probabilitatea ca din cele n bile extrase k s fie albe.
Rezolvare:
Metoda I-a. Evenimentul urmrit Bnk are forma de mai sus, de la
schema binomial, cu deosebirea c evenimentele Aik din intersecie
nu mai sunt independente. n acest fel
( )
P A1 ... Ak Ak + 1 ... Ak n = P( A1 ) P( A2 A1 ) ...

( )
P Ak A1 ... Ak1 ... P (An A1 ... An 1 ) =

a a 1 a k +1 b b 1 b (n k 1)
= ... ...
a +b a +b 1 a +b k +1 a +b k a +b k 1 a + b (n 1)
n suma ce se obine prin aplicarea probabilitii reuniunii de
evenimente incompatibile, toi termenii sunt egali cu cel de mai sus

avnd doar ordinea factorilor schimbat, numrul lor fiind tot Cnk . n
consecin avem

( )
P Bnk = Cnk P (A1 ... An )

Prin gruparea convenabil a factorilor se obine:

Cak Cbn + k
( )
P(n , k ) = P Bnk =
Can+ b
n! a(a 1)...(a k + 1)
innd cont c Cnk = i Cak = i
k ! (n k )! k!
b(b 1)...b (n k 1)
Cbn + k = etc.
(n k )!
156
Metoda a II-a. La formula de mai sus a lui P(n,k) se putea ajunge i
printr-un raionament direct dac considerm c bilele albe i negre
sunt numerotate de la 1 la a, respectiv de la 1 la b. Astfel putem

afirma c din cele a bile albe k bile pot fi alese n Cak moduri iar din

cele b bile negre n-k bile pot fi alese n Cbn k moduri, orice grupare a
bilelor albe putnd fi mperecheate cu orice grupare a bilelor negre
pentru a obine o grupare favorabil problemei noastre. Numrul

cazurilor favorabile este deci Cak Cbn k (fiecare cu fiecare), iar

numrul cazurilor total posibile este evident Can+ b . n baza definiiei

clasice a probabilitilor avem

Cak Cbn k
P(n , k ) =
Can+ b
Exemplu. Din 100 de mere 10 sunt stricate. Se iau 5 mere la
ntmplare. Care este probabilitatea ca 3 s fie bune i 2 stricate.
Rezolvare. Pentru c nu mai punem merele napoi, evident
problema se ncadreaz n schema bilei nentoarse.
Parametrii sunt: a = 90, b = 10, N = a+b = 100, n = 5, k = 3. n
consecin aplicnd formula din schem avem
3 2
C90 C10
P(5;3 ) = 5
.
C100

Schema bilei nentoarse cu mai multe stri

Este o generalizare a celei precedente cu precizarea c n urn
avem bile de r culori c1, c2, , cr numrul lor fiind cunoscut a1, a2,,

157
ar. Se extrag n bile fr a mai returna bila extras i se cere
probabilitatea ca s obinem k bile din culoarea c1, k2 bile din culoarea
c2, .a.m.d. kr bile din culoarea cr, adic P(n;k1k2kr). Cu un
raionament analog celui din metoda a doua obinem
k k k
Ca 1 Ca 2 ... Ca r
P(n , k1k 2 ...k r ) = 1 2
k + k + ...+ k
r
.
Ca 1 + a 2 + ...+ a r
1 2 r

Exemplu. ntr-o cutie sunt 100 becuri colorate pentru pomul de

Crciun: 50 roii, 30 galbene i 20 albe. Un client cumpr 20 de
becuri i se ntreab care este probabilitatea ca s fie ct mai uniform
distribuite adic 7 roii, 7 galbene i 6 albe.
Rezolvare. Evident el nu mai pune becurile napoi, adic avem
schema bilei nentoarse cu trei stri: a1= 50, a2= 30, a3= 20, iar k1=7,
k2=7, k3=6. n concluzie probabilitatea cerut este:
7 7 6
C50 C30 C20
P(20 ;7 ,7 ,6 ) = 20
C100
Exist i alte scheme de probabilitate importante ce pot fi gsite
n bibliografia indicat. Amintim dintre acestea: Schema lui Poisson,
care generalizeaz pe cea a lui Bernoulli, Schema lui Pascal (sau
binomial cu exponent negativ), Schema geometric i nu n ultimul
rnd Schema lui Markov-Polya care generalizeaz pe cteva din cele
precedente.
La aceast ultim schem se consider o urn cu a bile albe i b
bile negre. Se extrag bile din urn cu napoierea bilei extrase mpreun
cu c bile de aceeai culoare cu cea extras. ntrebarea este cea uzual,

158
adic: care este probabilitatea ca din cele n bile extrase n total, pe
rnd, k s fie albe?
Observaie. Pentru c = 0 obinem schema binomial, pentru
c = 1 cea hipergeometric cu bila ntoars, dar putem imagina i
alte variante.
Probleme rezolvate.
1. Se arunc 2 zaruri de 10 ori. Care este probabilitatea s
obinem suma 7 exact de 3 ori?
Rezolvare. Probabilitatea ca la o aruncare s obinem suma 7
6 1
este de P(S = 7 ) = = avnd 6 cazuri favorabile din 36 posibile
36 6
(1+6, 6+1, 2+5, 5+2, 3+4, 4+3).
Problema se ncadreaz n schema lui Bernoulli. Avem n=10,
1 5
k=3, p = , q = . Deci
6 6
3 7
3 1 5
P(10 ;3 ) = C10
6 6
2. Se arunc o moned de 8 ori. Care este probabilitatea s
obinem de 4 ori stema i de 4 ori banul? Dar de cel mult 3 ori stema?
1 1
Rezolvare. Schema lui Bernoulli n=8, k=4, p = ,q =
2 2
4 4
1
1
P(8;4 ) = C84
2 2
Pentru partea a doua trebuie s adunm
P(8, 0) + P(8, 1) + P(8;2) + P(8; 3)
care se calculeaz dup modelul de mai sus.
159
 3. La un magazin se gsesc articole de mbrcminte dintre care
90% nu au defeciuni, 7% au defeciuni retuabile, iar 3% prezint
defeciuni neretuabile. S se calculeze posibilitatea ca din ase
articole verificate la ntmplare, trei s fie fr defecte, dou cu
defecte retuabile i unul neretuabil? (Dup verificare articolul se
repune n raft).
Rezolvare: Utilizm schema lui Bernoulli cu mai multe stri (trei
stri) unde n=6, k1=3, k2=2, k3=1, p1=0,9, p2=0,07 i p3=0,03.
Conform schemei obinem probabilitatea:
6!
P( 6 ;3 ,2 ,1 ) = ( 0 ,9 )3 ( 0 ,07 )2 ( 0 ,03 )1 = 0 ,006
3!2!1!
4. Se arunc dou zaruri de 15 ori. Se cere probabilitatea ca de 4
ori s obinem mai puin de 4 puncte, de 5 ori cel puin 9 puncte i n
rest restul punctelor.
Rezolvare: Schema lui Bernoulli cu trei stri date de numrul de
puncte:
1 2 3
p1 = P( X < 4 ) = + =
36 36 36
1 2 3 4
p2 = P( X 9 ) = + + + ,
36 36 36 36
adic probabilitile de a obine 12 puncte, 11 puncte, 10 puncte,
respectiv 9 puncte obinute prin calcularea combinaiilor de fee ce
dau suma respectiv.
3 10 13 23
p3 = 1 ( p1 + p2 ) = 1 ( + ) = 1 =
36 36 36 36
n=15, k1=4, k2=5, k3=6
160
 n baza formulei cunoscute vom avea:
4 5 6
15! 3 10 23
P( 15;3,4 ,5 ) =
4!5!6! 36 36 36
5. Din 100 de mere 10 sunt stricate. Se iau 5 mere la ntmplare
i se cere posibilitatea ca ntre ele s avem i mere stricate.
Rezolvare: La prima vedere suntem tentai s desfacem
problema n cinci probleme analoge celei date ca exemplu mai nainte
adic probabilitatea ca unul s fie stricat P(5,1), dou stricate P(5,2) i
aa mai departe P(5,3), P(5,4), P(5,5). Mai devreme am calculat de
exemplu P(5,2) cu schema bilei nentoarse ca:
3 2
C90 C10
P1( 5 ,2 ) = 5
C100
Analog se calculeaz i celelalte probabiliti.
Atunci probabilitatea ca s avem i mere stricate ntre cele 5
este:
P(S)= P(5,1)+P(5,2)+P(5,3)+P(5,4)+P(5,5)
Se observ ns c e mult mai uor s apelm la evenimentul
contrar S , adic ntre cele cinci mere s nu avem nici unul stricat:
5
C90 C 100 5
C90 90 89 88 87 86
P( S ) = 1 P( S ) = 1 5
= 1 5 = 1
C100 C100 100 99 98 97 96

avem un singur caz n loc de cinci cazuri.

6. Un vnztor de fructe are amestecate ntr-o ldi 50 mere, 40
pere i 30 piersici ele avnd acelai pre per kilogram. Un nevztor
cumpr un kilogram i constat c au intrat 9 fructe. Se ntreab care
este probabilitatea s fi nimerit un numr egal din fiecare.
161
 Rezolvare: Schema bilei nentoarse cu trei stri
3 3 3
C50 C40 C30
P( 9 ;3,3 ,3 ) = 9
C120
7. Doi juctori sunt angrenai ntr-un joc format din mai multe
1
partide. Primul juctor ctig o partid cu probabilitatea p = i o
3
2
pierde cu q = 1 p = . S se calculeze probabilitatea ca:
3
a) Prima partid ctigat de primul juctor s se produc dup
cinci partide pierdute;
b) a treia partid ctigat de primul juctor s se produc dup
un total de ase partide pierdute;
Rezolvare:
a) Se aplic schema geometric (vezi bibliografie). Prin urmare
probabilitatea cerut este dat prin :
1 2 32
P( 5 ) = pq 5 = ( )5 =
3 3 729
b) Se utilizeaz schema lui Pascal (binomial, cu exponent
negativ; vezi bibliografie)
1 2
unde n=3, k=6, p = , q = . n acest fel probabilitatea cerut
3 3
1 2 7 2
este P( n , k ) = Cnk+ k 1 p n q k = C86 ( )3 ( )6 = ( )9
3 3 2 3

Variabile aleatoare
Pentru studiul matematic al fenomenelor aleatoare este necesar
ca descrierea acestora s aib expresii cantitative, care s poat fi
162
tratate din punct de vedere matematic. Aceast exprimare cantitativ
este facilitat de noiunea de variabil aleatoare i de cea asociat ei de
repartiie de probabilitate sau densitate de probabilitate.
Variabilele aleatoare, spre deosebire de cele clasice deterministe,
iau valori numerice cu o anumit probabilitate.
Definiie (variabile aleatoare discrete). Fie un experiment i
evenimentul sigur ataat. O funcie real definit pe o desfacere a
evenimentului sigur se numete variabil aleatoare.
Pe scurt: X : R
Observaii.
1. Dac desfacerea evenimentului s-a fcut ntr-un numr cel mult
numrabil de pri obinem o variabil aleatoare de tip discret.
2. Dac numrul de pri ale evenimentului sigur este finit spunem c
avem o variabil aleatoare simpl.
3. Exist i variabile aleatoare continue, studiul acestora l vom face
ulterior.
Exemple: Se arunc un zar i fie A1= {1,2}, A2={3,4,5},
A3={6}, o desfacere a evenimentului sigur. S presupunem c
descriem un joc n care lui A1i corespunde +1000 lui A2-1000 i lui
A32000 ca sume puse n joc. Variabila aleatoare ce descrie acest joc
are forma
A A2 A3
X 1
1000 1000 2000
Acest tablou este de fapt o funcie unde prima linie este domeniu
de definiie, iar a doua mulimea valorilor.

163
 n general putem scrie o variabil aleatoare discret sub forma
A A2 ... An
X 1
x1 x2 ... xn

prima linie reprezint evenimentul din desfacerea evenimentului sigur,

iar a doua linie reprezint valori reale corespunztoare.
Observaie. Variabilelor aleatoare de tip discret li se pot ataa
cte un tablou de tipul:
x x2 ... xn
X = 1
p1 p2 ... pn

unde xi sunt valorile pe care le ia variabila aleatoare X, iar pi este

probabilitatea cu care variabila aleatoare X ia valoarea xi adic scriem
pi = P (X = xi) i = 1, n
Acest tablou se numete repartiia sau distribuia de probabilitate
a variabilei aleatoare.
Probabilitatea fundamental a repartiiei lui X este:
n
pi = 1
i =1

Acest lucru este ndeplinit deoarece variabila aleatoare a fost

definit pe o desfacere a evenimentului sigur (sistem complet de
evenimente) i P() =1.
Exemplu. Repartiia de probabilitate pentru variabila aleatoare
de mai sus este
1000 1000 2000

X= 1 1 1

3 2 6

164
 n cele ce urmeaz vom opera de regul doar cu repartiia de
probabilitate ataat variabilelor aleatoare i rareori va mai aprea
variabila aleatoare propriu zis. Ea este utilizat doar cnd se definete
o regul, un joc cnd se acord valori evenimentelor dup o convenie
dat.
Observaie. Pentru c evenimentele elementare ale unui cmp
formeaz un sistem complet de evenimente totdeauna acesta poate fi
luat ca domeniu de definiie pentru variabila aleatoare.
Definiie. Variabila aleatoare este o funcie real definit pe
mulimea evenimentelor elementare ale unui cmp de probabilitate.
n teoria probabilitilor i n aplicaiile acesteia se ntlnesc
clase de variabile aleatoare de tip discret i de tip continuu. Spunem n
mod curent c variabila aleatoare urmeaz o anumit lege de
probabilitate care poate fi respectiv de tip discret sau de tip continuu
i care este dat de regula dup care asociaz valorilor variabilei
aleatoare probabilitatea cu care sunt luate acestea, adic este de fapt
repartiia de probabilitate pentru variabile aleatoare discrete i
densitatea de probabilitate pentru variabile aleatoare continue.
Exemple de legi discrete:
1. Spune c X urmeaz legea binomial dac are repartiia
k
X
P (n , k ) k =0 ,n

unde P(n , k ) = Cnk p k q n k , p (0 ,1), q = 1 p .

Probabilitile P(n,k) au fost obinute la schema bilei ntoarse unde
am verificat cu ajutorul binomului lui Newton c
165
 n
P(n , k ) = 1 .
k =0

2. Spunem c variabila aleatoare X urmeaz legea hipergeometric

dac are repartiia:
k
X =
P(n , k ) k =0 ,n

Cak Cbn k
unde P(n , k ) = , n min (a,b).
Can+ b
a b
Observaie. Dac se noteaz p = ,q = iar a+b=N
a+b a+b
atunci lim P(n , k ) = Cnk p k q n k adic se obine repartiia binomial.
N

Interpretarea este simpl. Dac numrul total de bile crete

foarte mult (N=a+b) atunci nu mai are importan dac bila
extras, mai este, sau nu, pus napoi, numrul total de bile extrase n
fiind mic n raport cu N. Dac nu mai punem bila extras napoi acest
lucru nu se simte i putem calcula probabilitile dup schema lui
Bernoulli cu bila ntoars. Acest lucru are interpretri economice
foarte importante deosebind modul de lucru cu o mulime mic sau cu
una mare (de exemplu, de ageni economici, de clieni, de operaii
economice).
3. Spunem c variabila aleatoare urmeaz legea evenimentelor rare a
lui Poisson, care este de tip discret dac are repartiia de
probabilitate

166
 k
X
p ( )
k k =0 ,1,2 ,...

k
unde pk ( ) = e , > 0.
k!
Este o repartiie cu o infinitate de valori discrete.
Teorema lui Poisson (De legtur ntre repartiia binomial i
legea lui Poisson). Dac variabila aleatoare X urmeaz legea
binomial, i dac p=pn aa ca npn = > 0 (constant), atunci pentru
n, X urmeaz legea lui Poisson, adic

k
lim P(n , k ) = e
n k!

Demonstraie. Avnd n vedere c p=pn= i q=1 p = 1-
n n
vom avea succesiv urmtoarele relaii:
k nk

lim P(n , k ) = lim Cnk 1 =
n n n n
k
k n n 1 n k + 1
= lim ... 1 =
n k ! n n n n
k n
k n 1 n k + 1
= lim ... lim 1 lim 1 =
k ! n n n n n n n

k k
= 11 e = e
k! k!
Observaie. Deoarece npn= constant, rezult c pentru n mare
probabilitatea pn este foarte mic, de unde i se trage denumirea de
"lege a evenimentelor rare".
167
 Aceast lege are foarte multe aplicaii n electronic,
automatizri, telecomunicaii, tiina calculatoarelor i bineneles n
economie. De exemplu legile economice cele mai performante, mai
des ntlnite, sau mai tari, prezint uneori excepii. Acestea sunt ns
foarte rare. Se spune c urmeaz legea lui Poisson.

Vectori aleatori
Definiie. Un vector aleator este o aplicaie definit pe o
desfacere a evenimentului sigur n Rn.
X (X1X2Xn): Rn
X1, X2,, Xn se numesc componentele vectorului X i sunt variabile
aleatoare simple.
Fiecrui vector aleator de tip discret i se poate asocia o repartiie
de probabilitate care este un masiv cu n dimensiuni. Pentru un vector
aleator bidimensional Z(X, Y) repartiia are aspectul unei matrici
(tablou numeric bidimensional)
Y
y1 yj ym
X
x1 r11 r1j r1m r1 .
M .. M
xi ri1 rij rim ri .
M .. M
xn rn1 rnj rnm rn .
r. 1 r. j r. m 1

168
unde (xi,yj) sunt valorile pe care le ia vectorul (X,Y) iar rij sunt
probabilitile cu care sunt luate aceste valori, adic pentru orice
rij = P(X=xi i Y=yj).
m n
ri .= rij i respectiv r. j= rij
i =1 j =1

se numesc probabiliti marginale i reprezint probabilitile luate de

variabilele aleatoare unidimensionale X, respectiv Y ce sunt
componente ale vectorului (X,Y), adic

xi xi yj yj
X = i Y =
pi ri . i =1,n q j r. j
j =1,m

Evident
n n m m
pi = ri . = 1, q j = r. j = 1 .
i =1 i =1 j =1 j =1

m n
Acest lucru implic rij = 1 ceea ce reflect faptul c
j =1 i =1

vectorul aleator a fost definit pe o desfacere a evenimentului sigur.

Definiie. Spunem c variabilele aleatoare X i Y care au
distribuiile respectiv

xi yj
X i Y
pi i =1,n q j
j =1,m

sunt independente, dac

P(X = xi i Y = yj) = P(X = xi) P (Y = yj)
adic
rij = pi qj
169
 Operaii cu variabile aleatoare
1. nmulirea cu o constant, adunarea cu o constant (translaie)
xi
Dac variabila aleatoare X are repartiia X
pi i =1,n

atunci aX are repartiia

axi
aX
pi i =1,n
i a+X are repartiia
a + xi
a + X (translaie).
p
i i =1,n
2. Ridicarea la putere. Fie X variabila aleatoare cu repartiia

k xi
xi n k
X , pi = 1 atunci X are repartiia X
k
.
p
i i =1,n i =0
pi i =1,n
Ridicarea la putere a unei variabile aleatoare are un rol important
n continuare pentru definirea unor caracteristici numerice numite
momente.
3. Adunare, nmulire, mprire.
Fie variabilele aleatoare X i Y care au respectiv distribuiile

xi yj pi = 1
X i Y ,
p
i i =1,n q qj = 1
j j =1,m

atunci prin definiie (convenie) suma X+Y, i produsul XY vor avea

distribuiile:

170
 xi + y j xi y j
X +Y i XY
rij i =1,n rij i =1,n

j =1,m j =1,m

Dac variabila Y nu are valori egale cu zero, adic yj0, j= 1, m

atunci se poate defini i ctul celor dou variabile aleatoare ca avnd
repartiia
xi
X yj
Y
rij i =1,n

j =1,m

unde rij = P (X = xi i Y = yj) ntlnit la vectorul aleator

bidimensional Z(X, Y).
Dac variabilele aleatoare X i Y sunt independente atunci
rij=piqj unde i = 1, n , j = 1, m .
4. Funcii de o variabil aleatoare sau de mai multe variabile
aleatoare.
Dac funcia g : Rn R este continu i x1, x2, , xn sunt
variabile aleatoare de tip discret, atunci
Y = g(x1, x2, , xn)
Este tot o variabil aleatoare de tip discret.
Fie acum y : R R, y = f(x). Dac X este o variabil aleatoare
cu repartiia
xi
X
pi i =1,n
atunci Y = f(X) este tot o variabil aleatoare de tip discret avnd
repartiia
171
 f ( xi )
Y
p
i i =1,n
Exemple.
1. Probabilitatea extragerii unei bile albe dintr-o urn este p. Din
aceast urn se fac dou extrageri punndu-se napoi bila extras. Fie
X1i X2 variabilele aleatoare ataate celor dou extrageri, reprezentnd
numrul de bile albe extrase. S se scrie repartiia sumei celor dou
variabile.
Rezolvare. a) Evident vom avea pentru X1 i X2 repartiiile
1 0 1 0
X 1 ; X 2 p+q =1
p q p q
Conform definiiei adunrii avem pentru X1+X2 repartiia
1 + 1 1 + 0 0 + 1 0 + 0
X 1 + X 2 2 2
p pq pq q
innd cont c X1i X2 sunt independente dup mpachetare avem
2 1 0
X 1 + X 2 2
p 2 pq q 2
Observaie. Dac am fi considerat n variabile Xi, i=1,n ca cele
de mai sus i am fi fcut suma s-ar fi obinut repartiia pentru variabila
aleatoare ce urmeaz legea lui Bernoulli cu bila ntoars adic
k
Y k k n+k
C p q
n k =0 ,n
b) S se scrie repartiia produsului X1X2 unde X1 i X2 sunt variabilele
aleatoare de mai sus. Vom avea succesiv

172
 1 1 1 0 0 1 0 0 1 0
X 1 X 2 2 2 = 2
p pq qp q p 2 pq + q 2
2. Se arunc dou zaruri i se noteaz cu S numrul total de
puncte care apar. S se formeze tabloul distribuiei lui S.
Rezolvare. Fie X i Y variabilele aleatoare ataate celor dou
zaruri cu tablourile de distribuie care ne dau numrul de puncte
aprute pentru fiecare zar:
1 2 3 4 5 6 1 2 3 4 5 6
X 1 1 1 1 1
i Y
1 1 1 1 1 1

1
6 6 6 6 6 6 6 6 6 6 6 6
Menionm c X i Y sunt independente. Atunci
1 + 1 1 + 2 2 + 3 1 + 3 2 + 3 ... 6 + 6
S = X + Y 1 1 1 1 1 ... 1

6 6 6 6 6 6
repartiie care are 36 de poziii. Dup restrngere avem:
2 3 4 5 6 7 8 9 10 11 12

S 1
2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36
Observaie. Noiunea de variabil aleatoare, repartiie de
probabilitate ataat i operaiile cu variabile aleatoare au un rol
important n rezolvarea problemelor de calcul al probabilitilor. Ele
constituie un instrument de operare foarte eficient. Spre exemplu orice
problem legat de aruncarea a dou zerouri poate fi citit direct din
repartiia lui S.
1 2 3 1
Exemplu. P(S < 4 ) = + = =
36 36 36 12
3 4 5 12 1
P(4 S < 7 ) = + + = = etc.
36 36 36 36 3

173
 3. Repartiia variabilei X este:
1 2 3 4
X 2 7p 1 1 , p (0 ,1)
p
4 3 6
Care este probabilitatea ca X s ia o valoare 3, adic scriem
P(X3) = ?.
Rezolvare. Pe rndul doi n aceast repartiie apare parametrul p
pe care l putem calcula din relaia
7p 1 1
p2 + + + = 1 adic 4p2 + 7p 2 =0
4 3 6
1
de unde rezult p = (rdcina p= 2 nu convine problemei). Avem
4
1 2 3 4

X 1 7 1 1

6 16 3 6
din aceast repartiie citim direct
1 7 1 5
P( X 3 ) = + + =
16 16 3 6
Aceast problem se putea rezolva i direct mai rapid apelnd la
evenimentul contrar
1 5
P( X 3 ) = 1 P( X > 3 ) = 1 P( X = 4 ) = 1 =
6 6
4. S se gseasc distribuia sumei variabilei aleatoare
independente X i Y care au repartiiile
1 0 1 1 0 1 2

X 2 5p
1 i Y 2 8 q 1 1 p , q (0 ,1)
p q
3 3 5 6 30

174
 Rezolvare. Prima operaie este s determinm parametrii p i q
utiliznd condiiile
2 5p 1 1
p + 3 + 3 = 1 p =
3
valori acceptabile
q 2 + 8 q + 1 + 1 = 1 q = 2
5 6 30 5
atunci X i Y devin
1 0 1 1 0 1 2
X 1 5 1 i Y 4 16 1 1

9 9 3 25 25 6 30
Urmeaz scrierea lui X+Y adunnd fiecare valoare de la X cu
fiecare de la Y, punnd de fiecare dat probabilitatea rij= pi qj. n
sfrit urmeaz condensarea.
5. Se dau variabilele aleatoare independente cu repartiiile
1 0 1 a 0 1
X 1 1
1 i Y 1 2
p+ q+ 2 p q 12 p
6 3 3 3
unde p, q (0,1).
a) S se scrie repartiia variabilei X+Y.
2
b) S se determine parametrul a astfel ca s avem P(X+Y=0) > .
3
Rezolvare. Mai nti determinm parametrii p i q aa ca s fie
verificate condiiile
1 1 1
p + + q + + =1
6 3 3
p , q (0 ,1)
1 + 2 p q + 12 q 2 = 1
3

175
 1
Soluia convenabil este p = ,q = 0 .
6
nlocuim i obinem repartiiile lui X i Y cu p i q determinai
1 0 1 a 0 1

X 1 1 1 i Y 1 1 1

3 3 3 3 3 3
succesiv avem
a 1 a a +1 1 0 1 0 1 2
X +Y 1 1 1 1 1 1 1 1 1

9 9 9 9 9 9 9 9 9
sau prin comprimare:
a 1 a a +1 1 0 1 2
X +Y 1 1 1 1 2 2 1

9 9 9 9 9 9 9
Din repartiia de mai sus se vede clar c P(X=0) este cel puin
2/9. Pentru a fi strict mai mare ca 2/9 trebuie s mai obinem o
probabilitate ct de mic pentru valoarea 0. Acest lucru se poate
realiza dac parametrul a ia una din valorile 1, 0 sau 1. Deci
a { 1,0 ,1}.
6. Variabila X are distribuia
1 0 1

X 1 1 1

3 3 3
S se scrie repartiiile variabilelor X+X2 i X+X3.

176
 Caracteristici numerice pentru variabile aleatoare
discrete
Caracteristicile numerice ne dau informaii cantitative asupra
unor indicatori importani ai variabilelor aleatoare cum ar fi centrarea,
mprtierea, asimetria, corelarea valorilor acestora.
1. Valoarea medie (sperana matematic) notat M(X).
Fiind dat o variabil aleatoare X cu repartiia
x x2 ... xn n
X 1 pi = 1
p1 p2 ... pn i =1

vom numi valoarea medie a acesteia numrul

n
M(X) = p1x1 + p2x2 + + pnxn = pi xi
i =1

Ea este o medie aritmetic ponderat i ne indic locul unde se

centreaz valorile variabilei aleatoare.
xi
Dac variabilele aleatoare au o infinitate de valori X
pi i I

atunci M ( x ) = xi pi este dat de o serie convergent.

iI

Exemplu. Fie X variabila aleatoare care nregistreaz numrul

de puncte la aruncarea unui zar cu repartiia
1 2 3 4 5 6

X 1 1 1 1 1 1

6 6 6 6 6 6
1 1 1 7
M ( x ) = 1 + 2 + ... + 6 = = 3 ,5
6 6 6 2
Proprieti.
177
1. Valoarea medie a unei constante este aceea constant M(a)= a
2. M(b+X)=b + M(X)
3. M(aX)=aM(X)
Avem succesiv:
n n n
M (b + X ) = (b + xi ) pi = b pi + xi pi = b 1 + M (x )
i =1 i =1 i =1
n n
M (aX ) = axi pi = a xi pi = aM ( x )
i =1 i =1

Proprietile 2 i 3 subliniaz proprietatea de liniaritate a valorii

medii
M(aX + b) = aM(X) + b
4. Valoarea medie e cuprins ntre min xi = a i max xi = A
i i

a < M(X) < A

Dac nlocuim pe xi cu a i apoi cu A obinem inegalitatea
n n n
api xi pi Api
i =1 i =1 i =1

de unde
n n n
a pi xi pi A pi
=2
i113 i =1 =2
i113
1 1

iar
a M(X) A
5. M(x+y) = M(X) + M(Y)
Demonstraie. Fie X i Y cu repartiiile

178
 x x2 ... xn y y2 ... ym
X 1 i Y 1
p1 p2 ... pn q1 q2 ... qm

vom considera i vectorul aleator (X, Y) cu repartiia lui matricial (rij)

precum i notaiile ri . i r. j pentru probabilitile marginale:
m m
pi = ri . = rij i q j = r. j = rij . innd cont de definiia sumei a
j =1 j =1

dou variabile aleatoare avem succesiv

m n n m m n
M (x + y ) = (xi + y j )rij xi rij + y j rij =
j =1 i =1 i =1 j =1 i =1 i =1

n m n m
= xi ri . + y j r. j = xi pi + y j q j = M ( x ) + M ( y )
i =1 j =1 i =1 i =1

Proprietatea se poate extinde i pentru suma unui numr finit de

variabile aleatoare.
Aplicaie. Se arunc 4 zaruri. S se calculeze valoarea medie a
numrului de puncte obinute.
Rezolvare. S notm cu X1, X2, X3, X4 respectiv numrul de
puncte obinute la fiecare zar. Repartiia lui Xi este aceeai i a fost
amintit mai sus. La fel valoarea medie M(Xi)=3,5 a mai fost
calculat.
S notm cu X suma numrului de puncte ieit pe cele 4 zaruri.
Pentru a calcula valoarea medie a lui X vom avea succesiv
X = X1 + X2 + X3 + X4
sau
M (X) = M(X1) + M(X2) + M(X3) + M(X4) = 14.
6. Dac X i Y sunt dou variabile aleatoare independente atunci
179
 M(X Y) = M(X) M (Y)
Vom considera c X i Y au repartiiile amintite mai sus i vom
considera vectorul aleator (X, Y) de asemeni cu notaiile de mai sus. n
plus X i Y fiind independente avem rij = pi qj.
Pentru a demonstra proprietatea de mai sus pentru valoarea
medie a produsului avem:
n m n m n m
M (X Y ) = xi yi rij = xi y j pi q j = xi pi yi q j =
i =1 j =1 i =1 j =1 j =1 j =1

= M(X) M(Y)
Utiliznd aceast important noiune de valoare medie a unei
variabile aleatoare vom putea introduce o serie de alte caracteristici
numerice des utilizate n teoria probabilitilor i statistica
matematic.
Momente
I. Momente iniiale
Definiie. Fiind dat o variabil aleatoare X vom numi moment
iniial e ordinul k al acesteia k = M (xk).
xi
Dac variabila aleatoare X are repartiia X atunci
p
i iI
n
vk = xik pi .
i =1

Proprieti.
1. Orice moment iniial al unei constante este egal cu acea constant
vk(a)=a, kN.
2. Cazuri speciale:
180
 n n
- pentru k = 0, v0 = xi0 pi = pi = 1 rezult c 0 nu are nici o
i =1 i =1

semnificaie.
- Pentru k = 1, v1= M(X) valoarea medie a lui X.
Abateri. Momente centrate
Dac X este o variabil aleatoare i a o constant atunci
variabila:
a) Xa se numete abaterea lui X de la a,
b) |Xa| abaterea absolut de la a,
c) X-M(X) abaterea de la medie,
d) |x M(X)| abaterea absolut de la medie.
Definiie. Se numete moment centrat de ordinul k expresia
k = M [(xM(X))k]
xi
Dac X are repartiia X , atunci
p
i i =1,n

k ( xi M ( X ))k n
( X M ( X ))
rezult c k = ( xi M ( X ))k pi .
pi i =1,n i =1

Cazuri particulare
k = 0, 0 = 1 nu este folosit
k=1, 1 = 0 pentru c M(X-M(X)) = M(X) M(X) = 0
k=2, 2 = D2(x) este un indicator important pentru msurarea
gradului de mprtiere a valorilor variabilelor aleatoare X n jurul
valorii medii M(X). Se numete dispersie.

181
 k = 3, 3 intervine n constituirea unui indicator numit
coeficient de asimetrie a lui Fischer.
k = 4, 4 intervine n construcia coeficientului de boltire a lui
Pearson.
Dispersia unei variabile aleatoare este momentul centrat de
ordinul doi al acestei variabile aleatoare, adic
D2 (x) = M[(XM(X))2]
Proprieti:
xi
1. Dac X are repetiia X atunci
p
i i =1,n
n n n n
D ( X ) = ( xi M ( X ))
2 2
pi = xi2 pi 2M ( X ) xi pi + M ( X ) pi =
2
i =1 i =1 i =1 i =1

xi2 pi M ( X )2 = M (X 2 ) [M ( X )]2 = v2 v12

n
=
i =1

2. Dispersia unei constante este nul.

D2(a) = 0
Este adevrat i reciproca.
3. Dou variabile care difer printr-o constant are dispersii egale

D 2 ( X + a ) = M ( X + a M ( X + a ))2 = M ( X + a M ( X ) a )2 =

= M ( X M ( X )) = D 2 ( X )
4. Dac a este o constant are loc proprietatea:
D2(aX) = a2D2(X)
5. O proprietate foarte important este urmtoarea. Dac Xi, i=1,n
sunt independente n totalitate atunci

182
 D 2 ( X 1 + X 2 + ... + X n ) = D 2 ( x1 ) + D 2 ( X 2 ) + ... + D 2 ( X n )
n
Demonstraie. Notm Y = X 1 + X 2 + ... + X n = Xi
i =1
2
2
n 2
n
D (Y ) = D X i = M ( X i ) M X i =
2
i =1 i =1
2
n 2 n
= M X i 2 X iY j M ( X i ) =
i =1 i =1
1 i < j n
n 2 n
= M X i 2 M (X i ) M X j
144 2443
( ) [M ( X i )]2 +
i =1 1 i < j n i =1
pentru ca X i sunt independente

M ( X i ) M (X j ) = M ( ) [M ( X i )]2 =
n n
+2 X i2
1 i < j n i =1 i =1

(M ( ) [M ( X i )] ) = D 2 ( X i ) c.c.t.d.
n n
2
= X i2
i =1 i =1

Observaie. Combinnd proprietile 4 i 5 avem

Dac X1 i X2 sunt independente atunci

D 2 (a1 X 1 + a2 X 2 ) = a12 D 2 ( X 1 ) + a22 D 2 ( X 2 )

Caz particular:

Fie a1 = 1 i a2 = 1 atunci D 2 ( X 1 X 2 ) = D 2 ( X 1 ) + D 2 ( X 2 ) .

Abaterea standard sau abaterea medie ptratic D(X)

Deoarece dispersia are unitatea de msur la ptrat n raport cu
valorile variabilei aleatoare la care se refer este util s extragem
radical indice doi din dispersie obinnd abaterea standard, un

183
indicator numeric cu acelai scop, de a msura gradul de mprtiere a
valorilor variabilelor aleatoare n jurul valorii medii.
Aadar:

( )
= D( X ) = D 2 ( X ) = M X 2 [M ( X )]2 = v2 v12
Proprieti:
1. D(a) = 0 a constant
2. D(X+a) = D(X)
3. D(aX)= aD(X)

4. D( X 1 + X 2 + ... + X n ) = D 2 ( X 1 ) + ... + D 2 ( X n )

dac Xi sunt independente.

Inegalitatea lui Cebev

Ne d o margine inferioar a probabilitii ca abaterea absolut
de la medie a valorilor unei variabile aleatoare cu dispersia cunoscut
s fie mai mic dect un numr dat , adic

D2 (X )
P( x + M ( X ) < ) 1
2
Acest prag are avantajul c este universal, nu depinde de legea
pe care o urmeaz variabila aleatoare X. n schimb se va vedea c este
destul de grosier. Dac vom preciza legea de probabilitate a lui X
atunci probabilitatea de mai sus se poate aproxima mult mai exact.
Aceast probabilitate, ca variabil aleatoare s ia valori pe un
interval simetric fa de valoarea central (valoarea medie) de lungime
dat 2 are foarte multe aplicaii n practic
M(X) < X < M(X) +
184
 Pentru demonstraie vom nota M(X) = m i D2(X) = 2.
Dac X are repartiia
x x2 ... xn
X 1
p1 p2 ... pn

atunci

x m ... xl m xl + 1 m ... xn m
X m 1
p1 ... pl pl + 1 ... pn

Vom presupune c cade ntre dou valori ale acestei variabile

care au fost aezate n prealabil n ordine cresctoare.
Atunci
P( x m < ) = p1 + p2 + ... + pl = 1 ( pl +1 + ... + pn )

pe de alt parte

2 = p1 ( x1 m) + ... + pl ( xl m) + pl +1 ( xl +1 m)2 + ... + pn ( xn m)2

0 + ...0 + p l + 1 2 + ... + p n 2 = 2 ( pl +1 + ... + pn )

Aici parantezele mai mici ca le-am nlocuit cu zero, iar cele

mai mari ca le-am nlocuit cu obinnd o minorare puternic.
Rezult succesiv

2
2
pl + 1 + ... + pn

2
1 2 1 ( pl +1 + ... + pn ) = P( x m < ) c.c.t.d.

185
 Aplicaii:
1. Dac n inegalitatea lui Cebev alegem = k, k Z, aceasta
devine
1
P( x m < k ) 1 2
k
1 3
pentru k=2 P( x m < 2 ) 1 = = 0 ,75
4 4
1 8
k=3 P( x m < 3 ) 1 = = 0 ,889
9 9
2. O variabil aleatoare X are media 30 i dispersia egal cu 2. S se
gseasc o limit inferioar pentru probabilitatea P(24 < X < 36).
Rezolvare. m 24 = 30 24 = 6 =6
Atunci
4 1 8
P(24 < X < 36 ) = P( X 30 < 6 ) 1 = 1 = = 0 ,889 .
36 9 9
3. O variabil aleatoare X are M(X) = 40, iar momentul de ordinul doi
M(X2) = 1609. S se gseasc limita inferioar a probabilitii
P(31 < X < 49 ) .
Rezolvare. Avem 49 40 = 40 31 = 9 =

( )
D 2 ( X ) = 2 = M X 2 [M ( X )]2 = 1609 1600 = 9
Atunci
9 1 8
P(31 < X < 49 ) = P ( X 40 < 9 ) 1 = 1 =
81 9 9
4. Inegalitatea lui Cebev aplicat variabilei X cu media m d
15
P( x m < 8 )
16
186
 S se determine dispersia lui X.
Rezolvare.

15 D2 (X ) D2 (X ) 15 1
= 8; = 1 2
= 1 =
16 64 16 16
64
D2 (X ) = = 4.
16
5. S se determine p1, p2, p3 astfel ca variabila X cu repartiia
1 0 1
X
p1 p2 p3

2
s aib media egal cu 0 i momentul de ordinul doi egal cu .
3
Rezolvare. Vom avea
M(X)= p1 + 0 p2 + p3 = 0
1 0 1 1 0
X 2 =
p1 p2 p3 p1 + p2 p3

v2 = M(X2) = p1 + p3
...................................................................... N FINAL SE OBINE SISTEMUL

p1 + p2 + p3 = 1

p1 + p3 = 0
2
p1 + p3 =
3
de unde rezult
1
p1 = p2 = p3 =
3

187
6. Fie o variabil aleatoare care are M(X) = m, D2(X) = 2, atunci
X m
variabila aleatoare Y = se numete variabila aleatoare

normat asociat lui X. S se arate c M(Y) = 0, D2(Y) = 1.
Rezolvare.
X m 1
M (Y ) = M = [M ( X ) m] = 0

D (Y ) =
2 1
2
[ 2

] 2

1
D ( X m) = 2 D ( X ) = 2 = 1 2

7. Se consider variabila aleatoare cu repartiia

1 2 3 4
X1 1 1 1

2 4 4 12
S se calculeze a i b astfel ca variabila Y = aX + b s aib
media 0 i dispersia 1.
Rezolvare.
1
2 1
4 9 16
X 1 1 1

2 4 6 12

( ) 1 1 1 1 13
M X 2 = 1 + 4 + 9 + 16 =
2 4 6 12 3
1 1 1 1 11
M (X ) = 1 + 2 + 3 + 4 =
2 4 6 12 6

( ) [M ( X )]
2
13 11 13 121 35
D (X ) = M X
2 2 2
= = =
3 6 3 36 36
Aplicnd proprietile valorii medii i dispersiei pentru Y avem:

188
 11
M (Y ) = M (aX + b ) = aM ( X ) + b = a +b =0
6
35
D 2 (Y ) = D 2 (aX + b ) = a 2 D 2 ( X ) = a 2 =1
36
Din acest sistem se determin a i b.
8. Se dau variabilele aleatoare independente cu repartiiile
a 1 2 a + 1 1 2

X 1 i Y 1 2
p q q p
3 3 3
S se calculeze a astfel ca variabila aleatoare XY s aib
4
dispersia egal cu .
9
Rezolvare. n prima faz determinm parametrii p i q din
relaiile
1
3 + p + q = 1 1
p=q=
1 + 2 q + p = 1 3
3 3

Atunci X i Y vor avea repartiiile

a 1 2 a + 1 1 2

X 1 1 1 Y 1 1 1

3 3 3 3 3 3
Avem succesiv

D 2 ( X Y ) = D 2 ( X ) + D 2 (Y )

( ) [M ( X )] ( )
2
1 1
D (X ) = M X
2 2 2
= a 2 + 5 (a + 3)
3 3

189
 ( ) [M (Y )] [ ]
2
1 1
D (Y ) = M Y
2 2 2
= (a + 1)2 + 5 (a + 4 )
3 3
4
Din ecuaia D 2 ( X ) + D 2 (Y ) = a = 1.
9
9. S se calculeze valoarea medie i dispersia pentru repetiia
binomial.
Rezolvare. Avem
k
X k k n k
Cn p q k =0 ,n
a) Direct
n n n!
M ( X ) = kCnk p k q n k = k pk qnk =
k =0 k =0 k ! (n k )!

=
n n! k nk
p q = n p
n (n 1)! p k 1q n k = ...
k =1 (k 1)! (n k )! k =1 (k 1)! (n k )!

= np( p + q )n 1 = np deoarece p + q =1.

b) Rezolvare cu utilizarea proprietilor mediei i dispersiei. Fie X1,
X2, , Xn variabile aleatoare ataate celor n extrageri succesive.
Toate aceste variabile au repetiii identice, de forma
1 0
X k , k = 1, k
p q
ele sunt independente, n plus variabila aleatoare ataat schemei
binomiale a lui Bernoulli se poate obine ca sum a acestora, pentru c
numrul total de bile albe obinut este egal cu suma bilelor albe ieite
la cele n extrageri. Deci
X = X1 + X2 + + Xn
190
 Avem
M ( X ) = M ( X 1 ) + ... + M ( X n ) = nM ( X k )

D 2 ( X ) = D 2 ( X 1 ) + ... + D 2 ( X n ) = nD 2 ( X k )
M (X k ) = p M ( X ) = np

( )
D2 ( X k ) = M X k2 [M ( X k )]2 = p p2 = p(1 p) = p q D2 ( X ) = npq
Abaterea standard pentru variabila aleatoare repartizat binomial
este deci = D( X ) = npq .
10. S se calculeze valoarea medie i dispersia pentru o variabil
aleatoare repartizat dup legea evenimentelor rare a lui Poisson.
Rezolvare. Avem
k
k 1
M (X ) = k k! e = e (k 1)! = e e =
k =0 k =1

A fost utilizat dezvoltarea n serie Mac-Laurin a lui e

M X ( )= k
2

2 k
k!
e
=e

k
k
k (k 1) + k
! k !
k
=
k =0 k =0

=e
2 k 2


(
+ e = e 2 e + e = 2 + )
k = 2 (k 2 )!

( )
D 2 ( X ) = M X 2 [M ( X )]2 = 2 + 2 =

Variabile aleatoare continue

Funcia de repartiie
Variabilele aleatoare continue iau valori ce acoper un interval
sau chiar toat axa real. La o variabil aleatoare continu nu ne
intereseaz probabilitatea ca aceasta s ia o anumit valoare ci
191
probabilitatea ca s ia valori cuprinse ntr-un anumit interval
P(aX<b) care ns depinde de dou variabile a i b. Pentru a
simplifica lucrurile vom introduce aa numita funcie de repartiie
ataat variabilei X.
Definiie. Se numete funcie de repartiie ataat variabilei
aleatoare X funcia
F: R R cu F (x ) = P (X < x ) x R
Funcia de repartiie se poate defini i pentru variabila aleatoare
de tip discret care are repartiia de probabilitate:

xi
X
pi iI
atunci ea are forma:

F (x ) = pi n R
xi < x

Notaia special a sumei indic faptul c pentru un x R dat se

adun toate probabilitile pi ce corespund valorilor lui X ce verific
condiia xi < n. n acest caz funcia de repartiie este o funcie n scar,
avnd punctele xi ca puncte de discontinuitate, iar mrimile salturilor
n aceste puncte sunt respectiv probabilitile pi.
Proprieti.
1. Pentru x R, 0 F(x) 1
evident fiind definit cu ajutorul unei probabiliti.
2. Pentru orice a, b R, a < b avem
P (a X < b) = F(b) F(a)

192
 P(a < X < b) = F(b) F(a) P(X=a)
avem succesiv
P(a X < b ) = P (X < b , X < a ) = P[( X < b )\ ( X < a )]
Deoarece (X < a) (X < b) avem n continuare c
P(a X < b ) = P( X < b ) P( X < a ) = F (b ) F (a )
n mod analog se arat i a doua relaie.
3. Oricare ar fi x1, x2 R, x1 < x2 avem F(x1) F(x2) (funcia F este
nedescresctoare)
Folosind prima formul de la punctul 2, avem relaiile
0 P( x1 X < x2 ) = F ( x2 ) F ( x1 ) de unde F(x1) F(x2)
4. lim F ( x ) = F ( ) = P( ) = 0
x

lim F ( x ) = F (+ ) = F ( ) = 1
x

5. Pentru orice x R avem c

lim F ( y ) = F ( x 0 ) = F ( x )
yx
y< x

adic funcia F(x) e continu la stnga.

n baza proprietilor enunate mai sus putem s ne facem o
imagine aproximativ asupra graficului funciei de repartiie a unei
variabile aleatoare continue, cuprins n banda [0,1] asimptote
orizontale: axa Ox la , dreapta y = 1 la +; nedescresctoare

193
 Dac X este discret F(x) este tot nedescresctoare, dar este o
funcie n scar.
Exemplu. Fie variabila aleatoare X cu repartiia
1 0 1
X 1 1 1

3 3 3
0 pentru x 1
1
pentru 1 < x 0
3
F ( x ) = P( X < x ) =
2 pentru 0 < x 1
3
1 pentru x > 1

adic graficul este

Definiie. Numim funcie de repartiie pentru vectorul aleator

bidimensional V = (X, Y), funcia
F: R2 R unde F(x, y) = P(X < x i Y < y) (x, y) R2
Proprietile funciei de repartiie pentru vectorul aleator sunt
analoage cu cele ale funciei de repartiie pentru o variabil simpl i
anume
1. Oricum ar fi (x, y) R2 avem c 0 F(x, y) 1
2. Pentru orice a1 < b1 i a2 < b2 avem c
P(a1 X < b1 , a2 Y < b2 ) = F (b1 ,b2 ) F (b1 , a2 ) F (a1 ,b2 ) + F (a1 , a2 )
194
3. Funcia F(x, y) este nedescresctoare n raport cu fiecare argument.
4. Avem urmtoarele limite:
lim F ( x , y ) = lim F ( x , y ) = 0; F ( , y ) = F ( x ,) = 0; F ( ,) = 0
x y

lim F ( x , y ) = F ( , y ) = FY ( y ) funcia de repartiie ataat lui X

x +

lim F ( x , y ) = F ( x , ) = FX ( x ) funcia de repartiie ataat lui Y

y +

lim F ( x , y ) = F (+ ,+ ) = 1
x +
y

5. Funcia F(x, y) este continu la stnga n raport cu fiecare argument

n parte.

Densitatea de probabilitate
Definiie. Fie variabila aleatoare X avnd funcia de repartiie
F(x). Vom spune c X este variabil aleatoare de tip continuu, dac
funcia de repartiie F se poate reprezenta sub forma
x
F (x ) = (t )dt pentru orice x R

funcia : R R numindu-se densitate de probabilitate a variabilei

aleatoare X.
Proprieti: Fie X o variabil aleatoare de tip continuu avnd
funcia de repartiie F i densitatea de probabilitate , atunci au loc
urmtoarele afirmaii:
1. pentru orice x R, (x) 0
2. F'(x) = (x), a.p.t. pe R

195
 b
3. pentru a < b avem c P(a X < b ) = ( x )dx
a
+
4. ( x )dx = 1

Ultima proprietate caracterizeaz orice densitate de probabilitate,

n
ea este analoag proprietii pi = 1 de la variabile aleatoare
i =1

discrete.
Interpretare geometric

F(x) reprezint aria de sub curba descris de (x) acumulat de

la pn la abscisa x. Aria de sub graficul lui (x) este ntotdeauna
egal cu 1 = P(); vezi proprietatea 4.
Definiie. Fie vectorul aleator bidimensional V = (X, Y) avnd
funcia de repartiie F. Spunem c V este un vector aleator de tip
continuu, dac funcia de repartiie F se poate reprezenta sub forma
x y
F (x , y ) = (s ,t )ds dt pentru orice (x, y) R2

funcia : R2 R numindu-se densitate de probabilitate a vectorului

aleator V.
196
 Fie vectorul aleator V = (X, Y) care are funcia de repartiie
F(x,y) i densitatea de probabilitate (x, y), iar variabilele aleatoare
simple X i Y ce sunt componente ale vectorului V au respectiv
densitile de probabilitate X i Y atunci au loc proprietile:
1. pentru orice (x, y) R2 avem c (x, y) 0

2 F (x , y )
2. = ( x , y ) a.p.t. pe R2
xy
3. D R2 avem P[( X ,Y ) D ] = ( x , y )dx dy
D

4. ( x , y )dx dy = 1
R2
+ +
5. X ( x ) = ( x , y )dy i Y ( y ) = (x , y )dx

Caracteristici numerice pentru variabile aleatoare

continue
Toate caracteristicile numerice ntlnite la cazul discret se
regsesc i la variabile aleatoare continue doar c exprimarea lor
utilizeaz integrala n loc de sum. n plus toate proprietile acestora
sunt identice cu cele de la cazul discret motiv pentru care nu le mai
repetm.
Desigur demonstrarea lor se face cu ajutorul proprietilor
integralelor pe care le lsm n seama cititorului.
1. Valoarea medie (sperana matematic) pentru variabile aleatoare
continue este definit ca

197
 +
M (X ) = x ( x )dx

unde este densitatea de probabilitate a variabilei aleatoare x.

2. Momentele iniiale de ordinul k ale lui X sunt definite ca valoarea
medie a lui Xk adic

( )=
+
x ( x )dx
k k
vk = M X

3. Momentele centrate de ordinul k ale lui X sunt definite ca

valoarea medie a abaterii de la medie ridicat la puterea k, (X-
M(X))k, adic

[ ]
+
k = M ( X M ( X )) = ( x M ( X ))k ( x )dx
k

4. Dispersia D2(x) (variana) este definit ca moment centrat de

ordinul doi.

[ ]
+
D ( X ) = M ( X M ( X )) =
2 2
( x M ( x )) ( x )dx
2

Evident

( )
D 2 ( X ) = M X 2 [M ( X )]2 = v2 v12

5. Abaterea standard = D( X ) = D 2 ( X ) este rdcina ptrat din

dispersie.
Teorem. ntre momentele centrate i cele iniiale exist
urmtoarea relaie:
k
k = ( 1)i Cki k i1i
i =0
198
 Demonstraia se bazeaz pe binomul lui Newton i proprietile
valorii medii

[ ] [
k = M ( X M ( X )) = M ( X v1 )
k k
] k i k i
= M Ck x ( v1 )i =
i = 0

( 1)i Cki M (X k i )v1i = ( 1)i Cki vk i v1i

k
=
i =0

Exemple:
1 = 0
2 = v2 v12 = D2(X)

3 = v3 3v1v2 + 2 v13

4 = v4 4v1v3 + 6 v12 v2 3 v14

Definiie. a) Se numete moment iniial de ordinul (r, s) al unui
vector aleator V = (x, y) caracteristica numeric
vrs = M (X r Y s )
b) Se numete moment centrat de ordinul (r, s) al vectorului
aleator V = (X, Y) caracteristica numeric

[
rs = M ( X M ( X ))r (Y M (Y ))s ]
Cazuri particulare
v10 = M(X), v01 = M(Y), v00 = 1
RESPECTIV
00 = 1, r0 = X r , 0s = Y s

20 = D2(X), 02 = D2(Y), u = C(X, Y)

199
 Definiie. Corelaia sau covariana dintre variabilele aleatoare
X i Y este caracteristica numeric
C ( X ,Y ) = M [( X M ( X ))(Y M (Y ))] sau C ( X ,Y ) = 11
Proprieti. 1. Dac aplicm pentru C(X,Y) proprietile valori
medii obinem uor c

C ( X ,Y ) = M ( XY ) M ( X ) M (Y ) = 11 1001
2. Dac variabilele aleatoare X i Y sunt independente atunci
M(XY) = M(X)M(Y) i deci C(X,Y)=0.
Definiie. Se numete coeficient de corelaie dintre variabilele
aleatoare X i Y caracteristica numeric
C ( X ,Y ) M ( X ,Y ) M ( X ) M (Y )
r ( X ,Y ) = =
D 2 ( X ) D 2 (Y ) ( X ) (Y )

Dac X i Y sunt independente atunci r(XY) = 0 reciproc dac

r(X, Y) = 0 vom spune c variabilele aleatoare X i Y sunt necorelate
ceea ce nu este echivalent cu independente.
Coeficientul de corelaie are urmtoarele proprieti:
a) r ( x , y ) 1

b) r ( x , y ) = 1 Y = aX + b
Se obinuiete s se spun despre dou variabile aleatoare c
1. X i Y necorelate dac r ( X ,Y ) = 0
2. X i Y slab corelate dac r ( X ,Y ) (0 0 ,3)

3. X i Y mediu corelate dac r ( X ,Y ) (0 ,3 0 ,7 )

4. X i Y tare corelate dac r ( X ,Y ) (0 ,7 1)

5. X i Y complet corelate dac r ( X ,Y ) = 1

200
adic conform proprietii b) ntre X i Y exist chiar o dependen
liniar.
Corelaia i respectiv coeficientul de corelaie msoar legturile
calitative dintre variabilele aleatoare X i Y.
Dac cei doi coeficieni C(X,Y) i r(X,Y) au valori diferite de
zero acest lucru se poate interpreta n general prin faptul c cele dou
variabilele aleatoare X i Y modeleaz trsturi ce sunt efecte ale
aceleiai cauze.
Dac dou trsturi, fenomene aleatoare sunt legate prin binomul
cauz-efect atunci variabilele aleatoare corespunztoare X i Y vor fi
legate printr-o relaie de dependen funcional de tipul Y = f(X) unde
variabila independent X modeleaz cauza, iar Y cea dependent,
efectul.
Definiie. O densitate de probabilitate se numete simetric
dac pentru orice x R avem relaia
(M ( X ) x ) = (M ( X ) + x )
adic ordonatele aezate simetric fa de dreapta x =M(X) sunt egale.

Gradul de asimetrie n cadrul densitilor asimetrice se msoar

cu coeficientul lui Fischer

201

s = 33

Observaie. Dac s = 0 curba este simetric, dac s < 0 ea se
numete asimetric la stnga, iar dac s > 0 densitatea se numete
asimetric la dreapta

s < 0 asimetric la stnga s > 0 asimetric la dreapta

Teorem. Momentele centrate de ordin impar ale unei
distribuii simetrice sunt nule: 2k+1 = 0.
Demonstraie. Din definiie avem:
+
2 k +1 = ( x m )2 k +1 ( x )dx =

m +
(x m) ( x )dx + ( x m )2 k +1 ( x )dx
2 k +1
=

Am notat pe M(X) = m. n prima integral facem schimbarea de

variabil x m = t , dx = dt , iar n a doua x m = , dx = d.
Avem

( 1) (m t )dt + 2 k +1 (m + )d =
2 k +1 2 k +1
t
0 0

[ ]

= (4
1 1) +1t
4244
3
2 k +1 2 k +1
(m + t )dt = 0
0 =0
202
 n prima integral s-a utilizat egalitatea (mt)=(m+t) ce
definete o densitate simetric.
Definiie. Excesul sau boltirea unei variabile aleatoare X este
caracteristica numeric dat prin
4
e=
4 3
Observaie. Dac variabila aleatoare X urmeaz legea normal
normat atunci e = 0. Dac e < 0 graficul are un aspect turtit i se
numete platicurtic, iar dac e > 0 atunci graficul are un aspect mai
ascuit (ngustat) n raport cu legea normal normat i se numete
leptocurtic.
Se numete mod (valoare modal) a variabilei aleatoare X orice
punct de maxim local al densitii de probabilitate a lui X.
Exist densiti unimodale (cu un singur mod) bimodale sau
chiar plurimodale.
Definiie. Mediana unei variabile aleatoare X este
caracteristica numeric Me (abscis) care verific condiiile
1
P( X Me ) P( X Me )
2
sau
1
F (Me ) =
2
unde F este funcia de repartiie care este continu.
Mediana poate fi obinut prin intersecia graficului funciei de
1
repartiie cu dreapta orizontal y = .
2
203
 Definiie. Se numete -cvantil a unei variabile aleatoare X
continue abscisa x pentru care avem F(x) = , unde F este funcia de
repartiie.
Aceste cvantile au rolul de a fixa punctele unde ordonatele
mpart aria de sub graficul densitii de probabilitate (x) la fraciuni
date de ordinul corespunztor al cvantilei.

De la -, pn la cvantila x se acumuleaz sub graficul

densitii (x) o arie egal cu ordinul cvantilei adic .
Cazuri speciale
1
1. = x 14 - se numete cvantila inferioar Q1
4
1
= x 1 2 - mediana Me = Q2
2
3
= x3 4 - cvantila superioar Q3
4
= Q3 Q1 - interval intercvantilic.
k
2. pentru = , k = 1,9 x k = se numesc decile
10 10

k
3. pentru = , k = 1,99 x k = se numesc centile.
100 100

204
 Legi de probabilitate continue uzuale
Legea uniform are densitatea
1
pentru x [a ,b]
(x ) = b a
0 pentru x R \ [a ,b]
1. S verificm c este o densitate de probabilitate
+ b
1 b x ba
( x )dx = dx = = =1

b a a
b a a b a

2. Funcia de repartiie este

x
1 x 1 xa
F ( x ) = (t )dt = =
ba ba

b a a

Mai precis dac inem cont de toate poziiile posibile ale lui x
avem:
0
x a x<a
F (x ) = x [a ,b )
b a xb
1

205
3. Valoarea medie
+ b
1 b 1 x2 b2 a2 b + a
M ( x ) = x ( x )dx = xdx = b a 2 = 2(b a ) = 2

b a a a

4. Dispersia

( )
D 2 ( X ) = M X 2 [M ( X )]2
b
( )
+
1 b 2 x3 b3 a 3
M X = x ( x )dx =
2 2
x dx = 3(b a ) = 3(b a )

b a a a

b 2 + ab + a 2 (a + b )2 (a b )2
D (X ) =
2
=
3 4 12
Aplicaii n industrie i economie. Erorile determinate de
rotunjirile pn la ntregul cel mai apropiat urmeaz distribuia
uniform.

Legea normal a lui Gauss

Densitatea de probabilitate a acestei legi este
21 ( xm )
2
1
( x , m , ) = e xR
2
1. Grafic general (al familiei). Scriem tabloul de valori

x - m- m m+ +
' + + + + 0 - - - -
0 i 1 2 i 0

" + + 0 - - - 0 + +

206
 Graficul are form de clopot, numit i clopotul lui Gauss.
2. Variaia graficului n funcie de parametri

a) = constant b) m = constant
3. Caz particular: Legea normal normat (standard) este aceea pentru
care m = 0, = 1, adic are forma
1 x22
( x ,0 ,1) = e
2

207
 Legat de acest caz important de lege normal menionm funcia
lui Laplace
t
1 t x22
(t ) = ( x ,0 ,1)dx = e dx
0 2 0

Proprieti:
1 1
1) (0 ) = 0 , ( ) = , (+ ) =
2 2
2) este o funcie impar ( t ) = (t ), t R
Funcia lui Laplace avnd un rol extrem de important n practc
a fost tabelat.
4. Verificarea c (x, m, ) este o densitate de probabilitate
2
+ + + y
1 21 ( xm ) 1 2
( x , m , ) =
2
e dx =
2
e 2 dy =
2
=1

xm
Facem schimbarea de variabil = y, x=y +m, dx=dy.

Am, utilizat o integral improprie important
+ 2
y2
e dy = 2

numit integrala lui Poisson amintit i calculat anterior (vezi cap.

analiz matematic, integrale improprii).
5. Valoarea medie
+
1 + 21 ( xm )2 + 2
m + y y2
M ( X ) = x ( x , m, )dx = xe dx = e dy
2 2

Facem aceeai schimbare de variabil ca mai sus

208
 + 2 + 2
1 y2 y2
=m e dy + ye dy = m 1 + 0 = m
2
44 2 4243
1 2443 1
=1 fiind impara, deci =0

La prma integral folosim din nou integrala lui Poisson i

obinem 1. La a doua integral funcia de sub integral fiind impar i
integrarea fcndu-se pe un interval simetric fa de origine rezult c
este egal cu 0.
6. Dispersia
+
1 + 2 21 ( xm )
2
D ( X ) = ( x m )2 ( x , m , )dx =
2
(x m) e dx
2
Efectum aceeai schimbare de variabil ca mai sus, apoi o
integrare prin pri i obinem
D(X) = 2
7. Funcia de repartiie
x
1 + 21 ( ym )
2

F ( x ) = P( X < x ) = ( y , m , )dy = e dy
2

ym
facem schimbarea de variabil: = t , y = t + m , dy = dt i

obinem
xm
1 t22
F (x ) = e dt
2

Dac utilizm funcia lui Laplace amintit mai sus, putem scrie
1 x m
F (x ) = +
2

209
 n acces caz probabilitatea ca X s ia valori pe un interval (a,b)
este
bm a m
P(a X < b ) = F (b ) F (a ) =

Dac intervalul este simetric fa de valoarea medie, adic
b = m + , a = m rezult

P( X m < ) = P(m < X < m + ) = = 2

pentru c funcia lui Laplace este impar.
S alegem acum = k, kZ un multiplu de abateri standard
a) Pentru k=1 avem
P(|X m|<) = 2(1) =2 0,3413 = 0,6828
Interpretare geometric. ntre punctele de inflexiune (m,
m+) sub graficul densitii de probabilitate se acumuleaz
ntotdeauna 0,6828=68,28% din arie. Dac este mic aceast arie se
raporteaz pe un interval mic de lungime 2.
b) Fie k=3
P(|X m|<3) = P(m3 < X < m+) = 2(3) =0,997
n practic acest rezultat se cunoate sub denumire de regula
celor trei sigma i are urmtoarea interpretare:
Pentru orice lege de tip normal, pe un interval de lungime 6,
trei la stnga lui m i trei la dreapta lui m, adic (m3, m+3)
variabila aleatoare X i atinge practic toate valorile (99,7%) care este
echivalent cu evenimentul sigur. Regula se folosete n tehnic la

210
sisteme automate, aviaie, telefonie, vaccinuri, n economie la operaii
bancare extrem de importante etc.
Se poate face o comparaie cu un rezultat similar dat de
inegalitatea lui Cebev unde pentru aceiai probabilitate P(m3 < X
< m+) am obinut un prag inferior de 0,888 adic 88,8% care este o
aproximaie grosier, de unde se vede un dezavantaj al acestei
inegaliti.
Aplicaie. Abaterile X ale diametrului pieselor fabricate de o
main de la diametrul proiectat urmeaz o lege normal pentru care
m=30 mm i =10 mm. S se calculeze probabilitate ca diametrul
piesei s aib abateri ntre 10 i 50 mm.
Rezolvare. Din enun se cere s calculm
P(10 < X <50) = P(|x30| < 20) = 2(2) =0,9545 = 95,45%
Legea Gamma este caracterizat de densitatea de probabilitate:
x a e bx
daca x > 0 , a 0 ,b > 0
( x , a ,b ) = (a + 1)b a +1
0 daca x 0

Este o funcie foarte general

211
 S verificm c este o densitate de probabilitate:
1) Se observ uor c (x,a,b)0, xR
+
1 +
(a + 1)b a +1
a bx
2) ( x , a ,b )dx = x e dx = =1
(a + 1)b a +1 0 (a + 1)b a +1

x
Se face schimbarea de variabil = t , dx = b dt i se utilizeaz
b
expresia funciei Gamma amintit la capitolul analiz matematic.
Valoarea medie
+
1 a + 1 bx
M (X ) = x (x , a ,b )dx = x e dx =
(a + 1)b a +1
0

b a + 2 (a + 2 ) b(a + 1) (a + 1)
= a +1 = = b(a + 1)
b (a + 1) (a + 1)
Dispersia se calculeaz cu relaia

( )
D 2 ( X ) = M X 2 [M ( X )]2 = v2 v12
Dar v2 = b2 (a+1)(a+2) de unde
D2(X) = B2 (A+1)(A+2) B2 (A+1)2 = B2(A+1)
Utiliznd funcia Gamma se pot calcula foarte uor momentele
iniiale vk de orice ordin i innd cont de relaia de legtur cu cele
centrate se pot imediat gsi i momentele centrate k.
Din aceeai familie cu legea Gamma mai fac parte i alte legi de
probabilitate extrem de mult folosite n practica economic, motiv
pentru care le vom prezenta, pe scurt, n continuare, ele rezultnd ca i
cazuri particulare.

212
 Legea 2
Are densitatea
n2 1 2x 2
x e x > 0 , n N , > 0

( x , n , ) = n 2 n2 2

2
0 x0
Aceast densitate se poate obine din legea Gamma prin
n
nlocuirea lui a = 1 i b = 22.
2
Parametrul n se numete numrul gradelor de libertate
denumire acordat de R.Fisher (1890-1962) biolog i statistician.
Valoarea medie este M(X) = n2, iar dispersia D2(X) = 2n4. Aceast
lege este mult aplicat n statistic la construirea unor teste de
verificare a ipotezelor statistice. A fost utilizat de antropologul i
biologul Karl Pearson (1857-1936) care a construit i tabele pentru
funcia de repartiie ataat.
Legea Weibull are densitatea
m x u m 1 ( xu )m pentru 0 u x ,

( x , m , x0 ,u ) = x x e x0
x0 > 0 , m > 0
0 0
0 pentru x < u

i este din clasa Gamma.
Se observ cum c funcia de repartiie este
(xxu )
m

F ( x ) = 1 e daca x u 0
0

0 daca x < u
Se verific uor prin derivare.
213
 Valoarea medie
1
M ( X ) = x0 + 1
m
Dispersia

2
2 1
D (X ) =
2
x02
+ 1 + 1
m m
Aceast repartiie se utilizeaz n fiabilitate la studiul defectelor
accidentale cnd acestea se datoreaz fenomenelor de uzur i
mbtrnire. Este mult utilizat n asigurri.
Repartiia Erlang este din aceeai clas cu Gamma. Are
densitatea:
(k )k k 1 kx
pentru x 0 , k 1, > 0
( x , , k ) = (k ) x e
0 pentru x < 0

Valoarea medie
1
M (X ) =

Dispersia
1
D2 (X ) =
k2
Pentru k=1 se obine un caz particular des folosit n practic
numit repartiia exponenial negativ
e x pentru x 0 , > 0
(x , ) =
0 pentru x < 0
Repartiia exponenial negativ se utilizeaz mult n fiabilitate

214
are funcia de repartiie
1 e x pentru x 0
F (x ) =
0 x<0
Legea Student
Student este pseudonimul matematicianului francez W.Gosset
(1876-1937). Densitatea are expresia
n + 1

n +1
2 2
2 t
(t , n ) = 1+ tR
n n
n
2
Parametrul n se numete numrul gradelor de libertate. Legea
este folosit mult n statistic la construirea unor teste de verificare a
potezelor statistice. Pentru funcia de repartiie s-au construit tabele de
unde se extrag -cvantile utile n teste. Graficul repartiiilor din
aceast familie este asemntor cu cel al repartiiei normale normate
doar c este puin mai turtit.
Una din cele mai importante teoreme limit centrale afirm c
dac n repartiia Student tinde ctre repartiia normal normat.
Se verific uor utiliznd limite de tipul "e" c

215
 1 t22
lim (t , n ) = e - repartiie normal normat.
n student 2
Grafic

n aplicaiile n care se utilizeaz frecvent legea Student dac

n>30 se poate trece la nlocuirea acestei legi cu legea normal
normat i tabelul corespunztor care este cel al funciei lui Laplace.
n
Valoarea medie M(X) = 0, D 2 ( X ) = .
n2
Legea Beta are densitatea
1
x a 1 (1 x )b 1 pentru x (0 ,1), a > 0 ,b > 0
( x , a ,b ) = B(a ,b )
0 pentru x R \ (0 ,1)
unde B(a,b) este funcia Beta a lui Euler amintit anterior. Se verific
uor c este o densitate de probabilitate.
Forma funciei (x, a, b) depinde de valorile parametrilor
pozitivi a i b.

216
Observaii.
1. Pentru a 1 > 0, b 1 > 0 funcia se anuleaz pentru x =0 i x =1
a 1
i are un maxim n punctul de abscis din intervalul (0,1).
a+b2
2. Pentru a 1 < 0, b 1 < 0 funcia devine infinit pentru x = 0
1 a
descrete pn la un minim egal cu apoi crete devenind
2 (a + b )
infinit pentru x = 1. Are asimptote verticale n x = 0 i x =1.

Valoarea medie este

a
M (X ) =
a+b
Dispersia

ab
D2 (X ) =
(a + b )2 (a + b + 1)
3. Prin operaii elementare i treceri la limit n raport cu parametrii a
i b se poate face legtura dintre aceast repartiie i altele cum ar fi
repartiia Gamma i repartiia normal. Aceste legturi ntre

217
 modelele probabilistice reflect de fapt legturile naturale reale
dintre fenomenele economice.
Recomandm utilizatorului s studieze din bibliografia citat i
alte legi de probabilitate, utile n practic, specializate pe clase de
fenomene economice, cum ar fi: legea Snedecor, Fisher, legea dup
triunghi isoscel a lui Simpson, legea logaritmic normal etc.

218
 BIBLIOGRAFIE

1. Acu D., i colectiv, Matematic aplicat n economie, vol.I,

Editura Universitii "Lucian Blaga", Sibiu, 2001.
2. Berge C., The Theory of Graphs and its Applications, Methenen
C., London, 1962.
3. Blaga P., Lupa A., Murean A., Matematici aplicate, vol.I i II,
Editura Promedia Plus, Cluj-Napoca, 1999.
4. Blaga P., Rdulescu M., Calculul probabilitilor, Curs litografiat,
Universitatea "Babe-Bolyai", Cluj-Napoca, 1987.
5. Dinescu P., Svulescu B., Matematici speciale aplicate n
economie, Academia de tiine Economice, Bucureti,
1972.
6. Ionescu M., Dinescu C., Burlacu V., Teoria grafelor cu unele
aplicaii n economie, Editura tiinific, Bucureti,
1968.
7. Ionescu M., Statistic matematic, Editura Didactic i
Pedagogic, Bucureti, 1962.
8. Mihil N., Introducere n programarea liniar, Editura Didactic
i Pedagogic, Bucureti, 1964.
9. Mihoc G., Cincu G., Craiu V., Teoria probabilitilor i statistic
matematic, Editura Didactic i Pedagogic,
Bucureti, 1970.

219
10. Mihoc G., Micu N., Elemente de teoria probabilitilor i
statistic, Proiect de manual, Editura Didactic i
Pedagogic, Bucureti, 1966.
11. Oancea E., Rdulescu M., Calculul probabilitilor i statistic
matematic, Universitatea "Babe-Bolyai", Cluj-
Napoca, 1974.
12. Onicescu O., Teoria probabilitilor i aplicaii, Editura Didactic
i Pedagogic, Bucureti, 1963.
13. Popescu O, i colectiv, Matematici aplicate n economie, Editura
Didactic i Pedagogic, Bucureti, 1999.
14. Popescu O., Matematici aplicate n economie. Culegere de
probleme, Editura Didactic i Pedagogic, Bucureti,
1999.

220