Biblioteca digitala - detalii carte http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21...

Prof.univ.dr.Gheorghe CENUSA,Prof.univ.dr.Radu SERBAN, Conf.univ.dr.Constantin

RAISCHI

Cuprinsul crii:

PARTEA I: ALGEBRA

Capitolul 1 SPATII VECTORIALE

1.1. Notiunea de spatiu vectorial
1.2. Vectori liniar independenti si liniar dependenti ; baza si dimensiune
1.3. Schimbarea coordonatelor unui vector la schimbarea bazelor
1.4. Tema substitutiei
1.5. Spatii vectoriale izomorfe
1.6. Subspatii liniare
1.7. Suma de subspatii liniare

Capitolul 2 FUNCTIONALE LINIARE

2.1. Notiunea de functionala liniara
2.2. Matricea unei functionale liniare
2.3. Schimbarea matricei unei functionale liniare la schimbarea bazelor
2.4. Dualul algebric al unui spatiu vectorial
2.5. Functionale biliniare
2.6. Matricea unei functionale biliniare
2.7. Schimbarea matricei unei functionale biliniare la schimbarea bazelor
2.7. Schimbarea matricei unei functionale biliniare la schimbarea bazelor

Capitolul 3 FUNCTIONALE PATRATICE

3.1. Notiunea de functionala patratica
3.2. Metoda Gauss pentru determinarea formei canonice a unei functionale patratice si determinarea
bazei
3.3. Metoda Jacobi pentru determinarea formei canonice a functionalei patratice
3.4. Legea inertiei

PARTEA a II-a: ANALIZA MATEMATICA

Capitolul 4 COMPLEMENTE DE TEORIA SIRURILOR SI SERIILOR NUMERICE

4.1. Notiuni introductive
4.2. Sir fundamental
4.3. Puncte limita ale unui sir
4.4. Serii de numere reale
4.5. Serii cu termeni pozitivi
4.6. Serii alternate
4.7. Serii absolut convergente
4.8. Siruri de functii
4.9. Serii de functii
4.10 Serii de puteri
4.11. Serii tazlor si serii maclaurin

Capitolul 5 FUNCTII REALE DE MAI MULTE VARIABILE REALE

5.1. Multimi si puncte din Rn
5.2. Functii vectoriale de variabila reala vectoriala. Continuitate partiala
5.3. Derivata partiala a unei functii
5.4. Derivate partiale de ordin superior
5.5. Functii diferentiabile
5.6. Diferentiala unei functii

1 of 3 04.12.2011 10:12
Biblioteca digitala - detalii carte http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21...

5.7. Formula lui Taylor pentru functii de mai multe variabile

5.8. Extremele functiilor de mai multe variabile
5.9. Metoda celor mai mici patrate

Capitolul 6 CALCUL INTEGRAL

6.1. Extensii ale notiunii de integrala
6.2. Integrale cu limite infinite
6.3. Integrale in care functia f este nemarginita intr-un punct al intervalului de integrare
6.4. Integrale euleriene

PARTEA a III-a: PROBABILITATI STATISTICA MATEMATICA

Capitolul 7 CAMP DE EVENIMENTE. CAMP DE PROBABILITATE

7.1. Notiuni fundamentale : evenimente ; probabilitatea de producere a evenimentelor
7.2. Operatii cu evenimente
7.3. Conceptul de probabilitate
7.4. Probabilitati conditionate
7.5. Formule de calcul ale probabilitatilor in cazul operatiilor cu evenimente
7.6. Formula probabilitatilor totale
7.7. Formula lui Bayes
7.8. Scheme probabilistice clasice

Capitolul 8 VARIABILE ALEATOARE

8.1. Variabile aleatoare discrete. Operatii cu variabile aleatoare discrete; variabile aleatoare
independente
8.2. Variabile aleatoare continue

Capitolul 9 CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE

9.1. Media; definitie, proprietati
9.2. Dispersia; definitie, proprietati
9.3. Abaterea medie patratica
9.4. Momente ale variabilei aleatoare X
9.5. Functia generatoare de momente ale unei variabile aleatoare
9.6. Functia caracteristica a unei variabile aleatoare
9.7. Normarea (reducerea) unei variabile aleatoare X
9.8. Valoarea mediana
9.9. Modul (valoarea cea mai probabila)
9.10. Covarianta (corelatia)
9.11. Coeficientul de corelatie
9.12. Caracteristici ale formei de repartitie. Simetrie si asimetrie

Capitolul 10 REPARTITII CLASICE

10.1. Repartitii discrete
Repartitia binomiala
Repartitia hipergeometrica
Repartitia uniforma discreta
Repartitia Poisson
10.2. Repartitii continue
Repartitia continua uniforma
Repartitia exponentiala negativa
Repartitia normala
Repartitia Gamma
Repartitia Beta
Repartitia
Repartitia Student

Capitolul 11 TIPURI DE CONVERGENTA.LEGILE NUMERELOR MARI.TEOREME LIMITA CENTRALA

11.1. Inegalitatea lui Cebasev
11.2. Tipuri de convergenta
11.3. Legi ale numerelor mari
Teorema lui Cebasev
Teorema lui Bernoulli
Teorema lui Poisson
Teorema limita centrala

Capitolul 12 STATISTICA MATEMATICA

2 of 3 04.12.2011 10:12
Biblioteca digitala - detalii carte http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21...

12.1. Notiuni de teoria selectiei si a estimatiei

12.2. Repartitii de selectie
12.3. Repartitia mediei de selectie pentru o selectie dintr-o populatie normala
Legatura cu variabila aleatoare cu n grade de libertate
12.4. Repartitia dispersiei de selectie pentru o selectie dintr-o populatie normala
12.5. Estimatie punctuala
Estimator; estimator consistent
Estimator absolut corect; estimator corect
Estimator de maxima verosimilitate
12.6. Estimarea prin intervale de incredere
Intervale de incredere pentru parametrii repartitiei normale
12.7. Estimarea parametrilor unei variabile aleatoare prin metoda momentelor
12.8. Verificarea ipotezei cu privire la legea de repartitie a unei variabile aleatoare

PARTEA a IV-a: MATEMATICI FINANCIARE

Capitolul 13 MATEMATICI FINANCIARE

13.1 Dobanda simpla
Elementele dobanzii simple
Operatiuni echivalente in regim de dobanda simpla
Procent mediu de dispunere
13.2. Dobanda compusa
Stabilirea formulei dobanzii compuse
Procent normal si procent real (efectiv)
13.3. Dobanda unitara instantanee
13.4. Echivalenta in regim de dobanda compusa
13.5. Plasament cu dobanda simpla sau compusa

Capitolul 14 PLATI ESALONATE (RENTE)

14.1. Anuitati constante posticipate
14.2. Anuitati constante anticipate

Capitolul 15 RAMBURSAREA IMPRUMUTURILOR

15.1. Amortizarea unui imprumut prin anuitati constante posticipate
15.2. Suma rambursata dupa plata a p anuitati
15.3. Legea urmata de diferente succesive a dobanzilor in cazul anuitatilor constante
15.4. Imprumuturi cu anuitati constante si dobanda platita la inceputul anului
15.5. Aplicatie

PARTEA a V-a : MATEMATICI ACTUARIALE

Capitolul 16 MATEMATICI ACTUARIALE

16.1. Teoria mortalitatii
16.2. Functiile biometrice
16.3. Viata probabila

3 of 3 04.12.2011 10:12
 CAPITOLUL 1

SPAII VECTORIALE

1.1. Noiunea de spaiu vectorial

Fie V o mulime nevid. Fie (K,+,) un corp n raport cu

operaiile + i .
Elementele corpului K le vom numi scalari sau numere.
Pe mulimea V introducem legea : :V V V ,
( x, y ) = x y care este o lege de compoziie intern pe V, iar pe
corpul K introducem legea de compoziie extern: : K V V ,
( , x ) = x .

DEFINIIA 1.1.1.

Mulimea nevid V peste care s-au introdus dou operaii :

( x, y ) = x y i ( , x ) = x
prima, intern pe V, cea de-a doua, extern cu valori din K, se
numete spaiu vectorial (liniar) peste corpul K, dac sunt
satisfcute proprietile:

(V , ) formeaz un grup abelian, adic adunarea este asociativ,

are element neutru , are element simetric, i este comutativ.

1) 1 x = x , oricare ar fi elementul x din V.

2) ( + ) x = ( x ) + ( x ) , oricare ar fi x i y din V,
i din K.
3) ( ) x = ( x) , oricare ar fi x i y din V, i din
K.
4) ( x y ) = ( x ) ( y ) , oricare ar fi x i y din V,
i din K.

EXEMPLUL 1:

Fie V = Rn spaiul real n dimensional , iar K = R.

Rn = R x R={( x1 , x2 ,, xn )T | xi aparinnd lui R, i = 1, ,n }.
 x1

Dac x aparine lui Rn , atunci vom nota : x = x2 = ( x , x , , x )T
1 2 n

xn
y1

Fie y din spaiul Rn , y = y 2 .


yn
x1 + y 1 x1

x + y2 x
Introducem notaiile: x y = 2 i x = 2 .


xn + yn x n

Artm c ( Rn , R ) este un spaiu vectorial real , n-dimensional.

1) asociativitatea rezult din asociativitatea numerelor reale

0

2) elementul neutru este: = 0 .


0
x1

3) elementul simetric este : x = x 2


xn
4) comutativitatea rezult din comutativitatea adunrii
numerelor reale

1 x1

1) 1 x2
1 x = =x


1 xn
 x1 + x1

2) x2 + x2
( + ) x = = ( x ) ( x )


xn + xn

x1 x1

x x
3) x = 2 x= 2 deci:


xn x n

x1 + x1

x + x2
( x) ( x) = 2


xn + xn

DEFINIIA 1.1.2.

Elementele unui spaiu vectorial le vom numi vectori.

DEFINIIA 1.1.3.

Elementele corpului K le vom numi scalari.

EXEMPLUL 2 :

Fie Pn [x] mulinea tuturor polinoamelor de gradul n cu

coeficieni reali.
Dac p aparine mulimii Pn [x] , atunci p(x) = a0 + a1 x1 +
+ an xn , unde a este diferit de zero.
Dac q aparine mulimii Pn [x] , atunci q(x) = b0 + b1 x1 +
+ bn xn , unde b este diferit de zero.

( p q)( x ) = a 0 + b0 + (a1 + b1 ) x + + (a n + bn ) x
n

( p )( x ) = a 0 + a1 x1 + + a n x n
 Din aceste dou relaii observm c mulimea Pn [x] nu
formeaz un spaiu vectorial deoarece, dac avem an = -bn , n urma
adunrii rezult un polinom care nu este de gradul n .
Dac notm cu Pn [x] mulimea polinoamelor de grad mai
mic sau egal cu n i introducem aceste dou legi de compoziie,
atunci mulimea dat formeaz un spaiu vectorial.

PROPOZIIA 1.1.1.

Fie (V,K) un spaiu vectorial. Atunci elementul neutru este

unic.

DEMONSTRAIE:

Din propoziie tim c exist elementul neutru , oricare ar

fi vectorul x din mulimea V.
Aceasta nseamn c +x = x+ = x.
Presupunem c exist dou elemente neutre 1 i 2. Atunci
fiecare din cele dou elemente neutre verific relaia de mai sus:

1+x = x+1 = x pentru orice x aparinnd mulimii V.

2+x = x+2 = x pentru orice x aparinnd mulimii V.

Dac aceste relaii sunt adevarate pentru orice x aparinnd

mulimii V, atunci sunt adevarate i pentru care aparine mulimii
V. Astfel, putem scrie:

pentru x = 2 , 1+2 = 2+1 = 2

pentru x = 1 , 2+1 = 1+2 = 1

Din cele dou relaii observm c 1 = 2 , deci elementul

neutru este unic.

1.2. Vectori liniar independeni i liniar dependeni; baz i

dimensiune

Fie (V,K) un spaiu vectorial.

Fie x1, x2, , xn vectori care aparin mulimii V.
Fie 1, 2,, n scalari care aparin corpului K.
DEFINIIA 1.2.1.
n
Relaia: 1 x1 + 2 x 2 + + n x n = i x i se numete
i =1
combinaie liniar a vectorilor x1 , x2 , , xn cu scalari din K.

DEFINIIA 1.2.2.

Vectorii x1, x2, , xn care aparin mulimii V se numesc

liniar independeni atunci cnd relaia :
(1 ) 1 x1 + 2 x2 + + n xn =
este adevrat dac i numai dac toi scalarii sunt nuli: 1 = 2 =
= n = 0.

DEFINIIA 1.2.3.

Dac relaia (1) are loc fr ca toi scalarii 1 , 2 , , n s

fie nuli,vectorii x1 , x2 , , xn se numesc liniar dependeni.

EXEMPLUL 1:

Fie ( R3 , R ) un spaiu vectorial , fie x1 , x2 , x3 vectori din

1 1 0
acest spaiu vectorial:
x1 = 1 , x2 = 0 , x3 = 1 .
0 1 1

S se arate c aceti vectori sunt liniar independeni.

1 x1 + 2 x2 + + n xn =

1 1 0 0

1 1 + 2 0 + 3 1 = 0
0 1 1 0

1 + 2 = 0 1 1 0 1 1 0

1 + 3 = 0 ; 1 0 1 = 0 1 1 = -2
+ = 0 0 1 1 0 1 1
2 3

ntruct determinantul este diferit de zero, soluia sistemului

este 1 = 2 = 3 = 0 , deci vectorii x1 , x2 , x3 sunt liniar
independeni.
PROPOZIIA 1.2.1.

Fie (V,K) un spaiu vectorial. Vectorii x1 , x2 , , xn sunt

liniar dependeni dac i numai dac cel puin un vector este o
combinaie liniar a celorlali vectori.

DEMONSTRAIE:

1* Presupunem c x1 , x2 , , xk-1 , xk , xk+1 , , xn sunt

liniar dependeni i vom demonstra c cel puin un vector este o
combinaie liniar a celorlali. Vectorii fiind liniar independeni,
nseamn c relaia :
1 x1 + 2 x2 + + k-1 xk-1 + k xk + k+1 xk+1 + + k xk =
este adevrat fr ca toi scalarii s fie nuli.

Presupunem c k este diferit de zero. Atunci:

n
i
xk = 1 x1 + 2 x2 + + k 1 xk 1 + k +1 xk + + n xn = xi
k k k k k i =1 k
i k

2* Presupunem c cel puin un vector este o combinaie

liniar a celorlali vectori i vom demonstra c vectorii sunt liniar
dependeni.

xk = 1 x1 + 2 x2 + + k-1 xk-1 + k xk + k+1 xk+1 + + n xn

1 x1 + 2 x2 + + k-1 xk-1 + (-1) xk + k+1 xk+1 + + n xn =

ntruct (-1) este un scalar diferit de zero, ultima relaie

demonstreaz c vectorii sunt liniar dependeni.

DEFINIIA 1.2.4.

Vectorii x1 , x2 , , xn care aparin mulimii V formeaz un

sistem de generatori ai spaiului V, dac oricare ar fi vectorul x din
mulimea V, exist scalarii 1 , 2 , , n aparinnd corpului K
astfel nct s existe relaia:
x = 1 x1 + 2 x2 + + n xn (3)

Altfel spus, x1 , x2, , xn formeaz un sistem de generatori

dac oricare ar fi vectorul x din mulimea V, el se poate scrie ca o
combinaie liniar a vectorilor x1 , x2 , , xn .
DEFINIIA 1.2.5.

Fie (V,K) un spaiu vectorial. Vectorii x1 , x2 , , xn

formeaz o baz a spaiului V dac sunt ndeplinite urmatoarele
condiii:
1) vectorii x1 , x2 , , xn formeaz un sistem de generatori.
2) vectorii x1 , x2 , , xn sunt liniar independeni.

EXEMPLUL 2 :

Fie ( R3 , R ) un spaiu vectorial , fie x1 , x2 , x3 vectori din

1 1 0
acest spaiu vectorial: , ,
x1 = 1 x2 = 0 x 3 = 1 .
0 1 1

n exemplul anterior am artat c aceti vectori sunt liniar

independeni.
n continuare vom arta c formeaz un sistem de
generatori.
tim c oricare ar fi vectorul x din R3, exist scalarii 1 , 2 ,
3 astfel nct :
x1

x = 1 x1 + 2 x2 + 3 x3 , x = x 2
x
3
1 1 0 x1 1 + 2 = x1

1 1 + 2 0 + 3 1 = x = x 2 deci sistemul: 1 + 3 = x 2
0 1 1 x
3 2 + 3 = x 3

este un sistem liniar, neomogen.

Vectorii x1 , x2 , x3 formeaz un sistem de generatori
deoarece sistemul de mai sus este compatibil determinat.
Astfel am demonstrat c vectorii x1 , x2 , x3 formeaz o baz
n R3 .

DEFINIIA 1.2.6.

Dimensiunea spaiului vectorial V este egal cu numrul

vectorilor unei baze.
PROPOZIIA 1.2.2.

Fie V un spaiu vectorial peste corpul K, dimensiunea

spaiului V fiind n.
Fie B = { x1 , x2 , , xn } o baz n spaiul V.
Atunci, oricare ar fi vectorul x din V el se scrie n mod unic
ca o combinaie liniar de vectorii bazei.

DEMONSTRAIE:

Din ipotez tim c B = { x1 , x2 , , xn } este o baz.

Aceasta nseamn c vectorii x1 , x2 , , xn formeaz un sistem de
generatori i sunt liniar independeni.
ntruct vectorii x1 , x2 , , xn formeaz un sistem de
generatori , nseamn c este verificat relaia:
x = 1 x1 + 2 x2 + + n xn (1)
Presupunem c x se scrie i sub forma:
x = 1x1 + 2x2 + + nxn (2)
nmulind relaia (2) cu -1 i adunnd-o cu relaia (1) vom
obine:
x + (-x) = ( 1 1) x1 + ( 2 2 ) x2 + + ( n n) xn =

Din aceast relaie i din faptul c vectorii subt liniar

independeni, rezult c:

1 1 = 0, 2 2 = 0, , n n = 0 , adic 1= 1,
2 = 2, , 3 = 3.

Spaiul V este un spaiu vectorial de dimensiune n , iar

B = {x 1 , x 2 ,..., x n } este o baz n V. Atunci, oricare ar fi vectorul x
din V, el se scrie n mod unic sub forma unei combinaii liniare de
vectorii bazei. Deci x se scrie sub forma:

x = 1 x1 + 2 x2 + + n xn .

DEFINIIA 1.2.7.

Scalarii 1 , 2 , , n se numesc coordonatele vectorului

x n baza B.
 1


xB = 2


n

EXEMPLUL 1:

Fie P2 [x] spaiul vectorial al polinoamelor de grad mai mic

sau egal cu 2, cu coeficieni reali.
S se cerceteze dac vectorii B1 = { 1 + x , 1 + x2 , x + x2 }
i B2 = { 1 + 2x + 2x2 } formeaz sau nu o baz.

(i) Oricare ar fi polinomul p din spaiul vectorial P2 [x],

p(x) = a0 + a1x + +a2 x2, unde a0, a1, a2 sunt numere reale, exist
1 , 2 , 3 astfel nct p = 1 p1 + 2 p2 +3 p3 .

1 ( 1+x) + 2 (1 + x2 ) + 3 ( x + x2) = a0 + a1 x + a2 x2
( 1 + 2) + ( 1 + 3) x + ( 2 + 3) x2 = a0 + a1 x + a2 x2

Din aceste dou relaii obinem un sistem compatibil determinat:

1 + 2 = a 0
1 + 3 = a 1
2 + 3 = a 2

(ii) Vectorii sunt liniar independeni : = 0 + 0x + 0x2

1 + 2 = 0
1 + 3 = 0
2 + 3 = 0

1.3. Schimbarea coordonatelor unui vector la schimbarea

bazelor

Fie (V,K) un spaiu vectorial de dimensiune n.

Fie E = { e1 , e2 , , en } o baz n spaiul vectorial V.
 Fie x un vector din V , xE = 1 e1 + 2 e2 + + n en , xE =
( 1 , 2 , , n )T .
Fie G = { g1 , g2 , , gn } o alt baz n spaiul vectorial V.

xG = 1 g1 + 2 g2 + + n gn , xG = ( 1 , 2 , , n )T

Deoarece E i G formeaz baze n spaiul V, nseamn c

vectorii ei i gi aparin spaiului V oricare ar fi indicele i cu valori
n mulimea { 1, , n }.

g1 aparine lui V, atunci g1 = c11 e1 + c12 e2 + + c1n en

g2 aparine lui V, atunci g2 = c21 e1 + c22 e2 + + c2n en
..
gn aparine lui V, atunci gn = cn1 e1 + cn2 e2 + + cnn en

Vom nota cu CEG = (cij ) , unde cij aparine corpului K, iar

indicii i i j aparin mulimii { 1 , , n }.

DEFINIIA 1.3.1.

Matricea CEG = (cij ) se numete matricea de trecere de la

baza E la baza G.

OBSERVAIE : Determinantul matricei CEG este diferit de zero,

ceea ce nseamn c matricea este nesingular.

PROPOZIIA 1.3.1.

Fie (V,K ) un spaiu vectorial de dimensiune n .

Fie E i G dou baze n spaiul V, unde E={ e1 , e2 , , en } ,
G = { g1 , g2 , , gn } . Fie vectorul x din V, xE = ( 1 , 2 , , n )T
i xG = ( 1 , 2 , , n )T .

xE = 1 e1 + 2 e2 + + n en
xG = 1 g1 + 2 g2 + + n gn

Atunci este adevrat relaia: XG = ( CT EG )-1 XE

DEMONSTRAIE:

gi = ci1 e1 + ci2 e2 + + cin en

xG = 1 g1 + 2 g2 + + n gn = 1 (c11 e1 + c12 e2 + + c1n en ) +
+ 2 (c21 e1 + c22 e2 + + c2n en ) +
++
+ n (cn1 e1 + cn2 e2 + + cnn en ) =
( 1 c11 + 2 c21 + + n cn1 ) e1 + ( 1 c12 + 2 c22 + + n cn2 ) e2
+ + ( 1 c1n + 2 c2n + + n cnn ) en

Deoarece scrierea unui vector ntr-o baz este unic, vom

obine:
1 c 11 + 2 c 21 + + n c n 1 = 1
c + c + + c =
1 12 2 22 n n2 2


1 c 1n + 2 c 2 n + + n c nn = n

Acest sistem, scris matriceal, are forma : CT EG XG = XE ( 2 )

Determinantul matricei CEG este diferit de zero, deci i
determinantul matricei CTEG este diferit de zero, astfel nct exist
( CT EG )-1 . Din ( 2 ) obinem:

( CT EG )-1 CT EG XG = ( CT EG )-1 XE , adic , XG = ( CT EG )-1 XE

1.4. Lema substituiei

Fie (V,K) un spaiu vectorial de dimensiune n .

Fie E = { e1 , e2 , , en } = { e1 , e2, , ei-1 , ei , ei+1 , , en }
o baz n spaiul V. Fie u un vector oarecare din V,
uE = ( 1 , 2 , , i-1 , i , i+1 , , n )T .
uE = 1 e1 + 2 e2 + + i-1 ei-1 + i ei + i+1 ei+1 + + n en

Lema substituiei rspunde la urmtoarele ntrebri:

1) n ce condiii mulimea E* = { e1 , e2 , , ei-1 , u , ei+1 , , en }

formeaz o baz n spaiul V ?
2) Fiind dat un vector x din spaiul V ,
xE = ( 1 , 2 , , i-1 , i , i+1 , , n )T ,
care sunt coordonatele vectorului n baza E* ?
xE * = ( *1 , *2 , , *i-1 , *i , *i+1 , , *n )T

Vom demonstra c:
mulimea E* = { e1 , e2 , , ei-1 , u , ei+1 , , en } formeaz o baz i
c dac vectorul x aparine spaiului V, xE = ( 1 , 2 , , i-1 , i ,
i+1 , , n )T i dac xE * = ( *1 , *2 , , *i-1 , *i , *i+1 , ,
*n )T, atunci:
i j
( 1 ) i* = i ; ( 2 ) *j = j i unde j ia valori din
i i
mulimea { 1 , , n }, j fiind diferit de i .

DEMONSTRAIE:

1) Trebuie s artm c vectorii { e1 , e2 , , ei-1 , u , ei+1 , , en }

sunt liniar independeni .

1 e1 + 2 e2 + + i-1 ei-1 + i u + i+1 ei+1 + + n en =

1 e1 + 2 e2 + + i-1 ei-1 + i ( 1 e1 + 2 e2 + + i-1 ei-1 + i ei +

i+1 ei+1 + +nen)+ +i+1 ei+1 + + n en =

( 1 +i 1 ) e1 + + ( i-1 + i i-1 ) ei-1 + i i ei + ( i i+1 + i+1 )

ei+1 + + ( i n + + n ) en =

Dar vectorii { e1 , e2 , , en } formeaz o baz deci sunt

liniar independeni. Astfel, obinem un sistem liniar i omogen de n
ecuaii i n necunoscute:

1 + i 1 = 0 1 0 1 0 0


i 1 + i i 1 = 0 0 1 i1 0 0
; A = 0 0 i 1 0
i i = 0
+ = 0 0 0 i+1 1 0
i i +1 i +1

+ = 0 0 0 n 0 0
i n n

Determinantul sistemului este: detA = (-1)i+1 i | Ii-1 | , deci

detA = i i este diferit de zero. nseamn c sistemul (3) are numai
soluia banal.
Deci vectorii { e1, e2, , ei-1, u , ei+1, , en } sunt liniar
independeni .
2) Trebuie s artm c { e1, e2, , ei-1, u , ei+1, , en } formeaz
un sistem de generatori.

Oricare ar fi vectorul x din spaiul V, exist scalarii *1 ,

2 , , *i-1 , *i , *i+1 , , *n astfel nct :
*

xE = *1 e1 + *2 e2 + + *i-1 ei-1 + *i u + *i+1 ei+1 + + *n en

xE =*1e1 +*2 e2++*i-1 ei-1 +*I (1 e1 + 2 e2 + + i-1 ei-1 + i

ei+i+1 ei+1 ++nen)+*i+1 ei+1++*n en=(*1+*i 1)e1++(*i-1+
+ *i i-1 )ei-1 + *i i ei +(*i+1 + *i i+1)ei+1 + (*n + *i n) en

tim c scrierea unui vector ntr-o baz este unic. Vom

obine sistemul:

1* + i* 1 = 1


* + * =
i*1 i i 1 i 1 i
rezult c i* =
i i = i i
* + * =
i +1 i i +1 i +1

*
n + i n = n
*

Celelalte ecuaii le putem scrie sub forma:

*j + i* j = j
i j
*j = j i* j = j de aici rezult c:
i
j i i j , pentru oricare j din mulimea { 1, , n } , j
*
=
i
j

fiind diferit de i.

Formulele ( 1 ) i ( 2 ) se numesc formulele de pivotare

Gauss- Jordan.
 E U X E* X
e1 1 1 e1 *1



ei-1 i-1 i-1 ei-1 *i-1
ei i i u *i
ei+1 i+1 i+1 ei+1 *i+1



ej j j ej *j


en n n e1 *n

( 1 ) Se mparte linia pivot la pivot ;

( 2 ) Se aplic Gauss-Jordan.

1.5. Spaii vectoriale izomorfe

Fie (X,K) i (Y,K) dou spaii vectoriale peste acelai corp

de sclari K.

DEFINIA 1.5.1.

Spaiile vectoriale X i Y se numesc K izomorfe, dac exist

: X Y cu proprietile urmtoare:
1) este bijectiv
2) oricare ar fi x1 i x2 doi vectori din spaiul X i oricare ar
fi 1 i 2 scalari din corpul K, atunci :
( 1 x1 + 2 x2 ) = 1 ( x1 ) + 2 ( x2 ) .
Funcia cu proprietatea 2) se numete aplicaie sau funcie
liniar.

TEOREMA 1.5.1.

Dac X i Y sunt dou spaii vectoriale definite pe acelai

corp de scalari K, dimensiunea celor dou spaii fiind n finit, atunci
X i Y sunt K-izomorfe.
 Aceasta este teorema de izomorfism a spaiilor vectoriale
finit dimensionale.

DEMONSTRAIE:

Fie E = { e1 , e2 , , en } o baz n spaiul X .

Fie G = { g1 , g2 , , gn } o baz n spaiul Y.
Oricare ar fi vectorul x din spaiul X, putem scrie:
n
x = 1 e1 + 2 e2 + + n en = e
i =1
i i
.

Defininim funcia : X Y, ( x ) = y adic

n n
( i ei ) = i g i
i =1 i =1

Pentru a arta c este izomorfism, demonstrm c:

1) funcia este bijectiv:
injectivitate : oricare ar fi x1 i x2, x1 diferit de x2 , atunci :
( x1 ) este diferit de ( x2 ) .
Fie x1 = 1 e1 + 2 e2 + + k ek + + n en .
Fie x2 = 1 e1 + 2 e2 + + k ek + + n en , unde i i i
aparin corpului K, oricare ar fi indicele i din mulimea { 1, , k,
, , n } .

ntruct x1 este diferit de x2 , exist cel puin un indice k

din mulimea { 1, , n } astfel nct k este diferit de k .

( x1 ) = 1 e1 + 2 e2 + + k ek + + n en
( x2 ) = 1 e1 + 2 e2 + + k ek + + n en

Deoarece exist cel puin un indice k din mulimea { 1, , n }

astfel nct k este diferit de k , atunci ( x1 ) este diferit de ( x2 ).

surjectivitate: oricare ar fi y din Y, exist x din X astfel nct :

( x ) = y.
Oricare ar fi y din Y, exist scalarii 1 , 2 , , n din corpul K astfel
nct s existe relaia: y = 1 g1 + 2 g2 + + n gn . Considerm
un x care aparine lui X, x = 1 e1 + 2 e2 + + n en .
Din definiia funciei rezult c ( x ) = y.

2) liniaritatea funciei :
 Oricare ar fi x1 i x2 din spaiul X i oricare ar fi a i b din
corpul K,
( a x 1 + b x2 ) = a ( x 1 ) + b ( x 2 )

n n
x 1 = i e i , x 2 = i ei , unde i , i aparin corpului K, iar i
i =1 i =1
aparine mulimii { 1 , , n} .

n n
n n
(ax 1 + bx 2 ) = a i e i + b i e i = (a i + b i )e i = (a i + b i )g i =
i =1 i =1 i =1 i =1

n n n n
= a i gi + b i g i = a i g i + b i g i = a (x 1 ) + b (x 2 )
i =1 i =1 i =1 i =1

1.6. Subspaii liniare

Fie (X,K) un spaiu liniar vectorial; fie X0 un spatiu inclus

n spaiul X, X0 fiind diferit de mulimea vid.

DEFINIIA 1.6.1.

Mulimea X0 este un subspaiu liniar al spaiului X dac:

1) oricare ar fi x, y doi vectori din X0 , atunci i x + y
aparine lui X0 .
2) oricare ar fi scalarul din corpul K i oricare ar fi
vectorul x din X0 i x aparine lui X0 .

PROPOZIIA 1.6.1.

Dac Xi ( i aparine unei familii de indici ) este o familie de

subspaii liniare a spaiului liniar ( X,K ) , atunci i mulimea X0
format din intersecia subspaiilor Xi este un subspaiu liniar al
spaiului X.

DEMONSTRAIE:

1) oricare ar fi vectorii x i y din spaiul X0 , X0 = X i , unde x

iI
aparine lui Xi i y aparine lui Xi , pentru orice i din familia de
indici I .
 Dar Xi este un subspaiu liniar al lui X, deci x+y aparin lui Xi
oricare ar fi i din mulimea I, adic x+y aparin lui X0 .

2) Oricare ar fi vectorul x din spaiul X0 , x aparine subspaiului Xi

al spaiului X0 . Oricare ar fi scalarul din corpul K, x aparine
spaiului Xi , deci aparine i subspaiului X0.

Fie (X,K) un spaiu liniar. Fie mulimea A X , A .

DEFINIIA 1.6.2.

Se numete acoperirea liniar a mulimii A, mulimea

tuturor combinaiilor liniare de vectori din mulimea A . Acoperirea
liniar se noteaz cu L(A).
p

L(A) = x | x = i a i , a i A, i K , i = 1, , p, p N *
i =1

PROPOZIIA 1.6.2.

Fie (X,K) un spaiu vectorial. Fie A o mulime din X, diferit

de mulimea vid. Atunci acoperirea liniar a lui A este un subspaiu
liniar al spatiului X.

DEMONSTRAIE:

1) Demonstrm c oricare ar fi vectorii x i y din L(A) i x+y

aparine acoperirii liniare L(A).

Dac x L(A), atunci :

p1
x = i ai unde i este un scalar din K, ai este un vector din
i =1
A, i = 1, , p1 , iar p1 este un numr natural.
Dac y L(A), atunci :
p2
y = j a j unde j este un scalar din K, aj este un vector
i =1
din A, j = 1, , p2 , iar p2 este un numr natural.
 p1 p2
x+ y= iai +
i =1

i =1
j a j deci (x+y) este o combimaie

liniar de vectori din mulimea A, ceea ce nseamn c (x+y)

aparine acoperirii liniare a mulimii A.

2) Demonstrm c oricare ar fi vectorul x din L(A) i x aparine

acoperirii liniare L(A), unde este un scalar din corpul K.
Dac x L(A), atunci :
p1
x = ( i )a i oricare ar fi din corpul K.
i =1
Deoarece i aparine corpului K i i aparine corpului K. Rezult
astfel c x aparine acoperirii liniare L(A) .

PROPOZIIA 1.6.3.

Fie A o mulime din spaiul liniar X, A fiind diferit de

mulimea vid.
Acoperirea liniar a unei mulimi conine mulimea
respectiv.

DEMONSTRAIE:

Oricare ar fi elementul a din mulimea A, el se poate scrie

1
astfel: a = 1* a = 1* a = a
i =1
aceasta fiind o combinaie liniar ce

aparine acoperirii liniare L(A) .

Fie (X,K) un spaiu liniar i fie A o mulime din acest spaiu,

A fiind diferit de mulimea vid.

DEFINIIA 1.6.2.

Se numete subspaiu liniar generat de mulimea A, cel mai

mic subspaiu liniar al spaiului X care conine mulimea A.

Subspaiul liniar generat de mulimea este un subspaiu al

spaiului X care conine pe A i este cel mai mic subspaiu care are
acest proprietate. l vom nota cu Sp(A).
OBSERVAIE: Dac XA = { Xi | Xi fiind subspaii ale lui X,
A X, i = I } , atunci mulimea XA este diferit de mulimea vid.

PROPOZIIA 1.6.4.

Fie (X,K) un spaiu liniar i fie A o mulime inclus n X, A

fiind diferit de mulimea vid. Atunci L(A) = Sp(A) .

DEMONSTRAIE:

1) Sp ( A) L( A) este evident deoarece L(A) este un

subspaiu liniar al lui X care conine mulimea A, iar Sp(A) este cel
mai mic subspaiu cu aceast proprietate.
2) L( A) Sp ( A)
p
Fie x un vector din L(A) , x = k a k , k aparinnd
k =1
corpului K i ak aparinnd mulimii A , k = 1, , p .
A X i , iar Xi este un subspaiu , deci ak aparine
subspaiului Xi , k = 1, ,p .
p
x = kak aparine subspaiului Xi , oricare ar fi Xi care
k =1
include mulimea A.

p
Deci x = kak aparine X i = Sp( A) . Astfel
k =1 Xi A

rezult c L(A) = Sp(A) .

PROPOZIIA 1.6.5.

Fie (X,K) un spaiu liniar, fie A o mulime din X, A fiind

diferit de mulimea vid. Fie B o familie maximal de vectori liliar
independeni coninut n mulimea A. Atunci, L(A) = L(B) .

OBSERVAIE : Fie (X,K) un spaiu liniar i fie X0 un subspaiu

liniar al spaiului X. Atunci elementul neutru aparine subspaiului
X0 .

DEMONSTRAIE :

1) L( A) L( B )
 Dac B este o familie maximal de vectori liniar
independeni din mulimea A, atunci oricare ar fi elementul a din A,
a este o combinaie liniar de elemente din familia maximal B.
Rezult c oricare ar fi vectorul x aparinnd acoperirii liniare L(A),
x este o combinaie liniar de elemente din B, adic x aparine
acoperirii liniare L(B). Deci L( A) L( B ) .
2) L( B ) L( A) este evident.

PROPOZIIA 1.6.6.

Fie (X,K) un spaiu liniar a crui dimensiune este n. Fie X1 i

X2 dou subspaii liniare ale lui X.
Dac dim X1 + dim X2 > dim X , atunci X 1 X 2 conine
i alte elemente diferite de .

DEMONSTRAIE:

Fie dim X1 = p1 . Fie E = { e1 , , ep } o baz n X1 .

Fie dim X2 = p2 . Fie G = { g1 , , g2 } o baz n X2 .
Dac x X1 X2 , atunci :
p1
x = i e i dac x aparine subspaiului X1 .
i =1
p2
x = j g j dac x aparine subspaiului X2 .
i =1

p1 p2 p1 p2

i ei =
i =1

j =1
jg j i ei +
i =1
( )g
i =1
j j =

Dar {e 1 , , e p , g 1 , , g p } este o mulime care aparine

1 2

lui X i are p1 + p2 elemente.

Din ipotez tim c p1 + p2 > p deci vectorii
{e 1 , , e p , g 1 , , g p } sunt liniar dependeni.
1 2

Presupunem c i = 0 ( i = 1, , p1 ) . Atunci exist scalari

j diferii de zero pentru c vectorii sunt liniar dependeni.
Presupunem c j = 0 (j = 1, , p2 ) . Atunci exist scalari
i diferii de zero pentru c vectorii sunt liniar dependeni.
Deci exist i vectori nenuli.
1.7. Sum de subspaii liniare

Fie (X,K) un spaiu liniar . Fie X1 i X2 dou subspaii liniare

ale lui X.

DEFINIIA 1.7.1.

Se numete suma subspaiilor X1 i X2 mulimea:

S = X1 + X2 unde X1 + X2 = { x | x = x1 + x2 , x1 X1 , x2 X2 }.

PROPOZIIA 1.7.1.

Suma a dou subspaii liniare este un subspaiu liniar.

DEMONSTRAIE:

1) Oricare ar fi x din S , x = x1 + x2 , x1 X1 , x2 X2
Oricare ar fi y din S , y = y1 + y2 , y1 X1 , y2 X2
Dac x1 X1 i y1 X1 , atunci x1 + y1 X1 .
Dac x2 X2 i y2 X2 , atunci x2 + y2 X2 .
x + y = x1 + x2 + y1 + y2 = x1 + y1 + x2 + y2 S.

2) Oricare ar fi un scalar din corpul K, oricare ar fi vectorul x din

S, obinem:
x = (x1 + x2 ) = x1 + x2 deci x S .

OBSERVAIE :
1) n general, X 1 X 2 nu este un subspaiu liniar
2) S = X1 + X2 X 1 X 2 .

TEOREMA 1.7.1. ( teorema dimensiunii )

Fie (X,K) un spaiu vectorial de dimensiune n. Fie X1 un

subspaiu liniar, dim X1 = p1 .
Fie X2 un alt subspaiu al lui X, dim X2 = p2 .
Fie D = X1 X2 , dim D = d . Fie S = X1 + X2 , dim S = s.
Atunci :
dim X1 + dim X2 = dim D + dim S p1 + p2 = d + s .

DEMONSTRAIE :
 Fie { e1 , , ed } o baz n D. Completm aceast baz
astfel nct s obinem nite baze n X1 i n X2 .
Fie { e1 , , ed , fd+1 , , fp1 } o baz n X1 .
Fie { e1 , , ed , gd+1 , , gp2 } o baz n X2 .
Vom arta c mulimea BS = { e1 , , ed , fd+1 , , fp1 ,
gd+1 , , gp2 } formeaz o baz n S.

1) oricare ar fi x S, x = x1 + x2 , x1 X1 , x2 X2
d p1
Dac x1 X1 , atunci x 1 = i e i + i fi
i =1 i = d +1
d p2
Dac x2 X2 , atunci x 2 = i e i + i gi
i =1 i = d +1
d p1 p2
x S , x = ( i + i ) e i + i fi + i gi deci x se scrie
i =1 i = d +1 i = d +1
ca o combinaie liniar a vectorilor din BS . nseamn c BS
formeaz un sistem de generatori.

2) artm c vectorii din BS sunt liniar independeni.

d p1 p2 p1 d p2
(*) i ei +
i =1

j =d +1
j fj +
k =d +1
k gk = ( ) f j j
+
e + g
i i k k

1 44 2 4 43
j = d +1 1i=14 44 2 k4=d+41 43

este vector n X1 este vector n X2

deci x X1 deci x X2

Din cele scrise mai sus, rezult c x D = X1 X2 , deci

k = 0 (1) , oricare ar fi k = d+1, , p1 .
p2 d p1
Din (*) obinem : ( k )g k = i ei + j f j
1 44 2 4 43
k = d +1
1 4 44 2 j4=d +41 43
i =1

x X2 x X1

De aici rezult c x X 1 X 2 , deci j = 0 ( 2 ) ,

oricare ar fi j = 1, , p1 .
d
Din (*) , ( 1 ) , ( 2 ) obinem :
i =1
i ei =
 Dar vectorii { e1 , , ed } formeaz o baz n D, deci sunt
liniar independeni. Rezult c i = 0 , oricare ar fi i = 1 , , d ,
ceea ce nseamn c BS formeaz o baz.
BS are d + p1 d + p2 d = s vectori -d + p1 + p2 = s
p1 + p2 = s + d .

COROLAR: Fie S un subspaiu al spaiului X , S X , deci s n ,

atunci:
p1 + p2 d n .

OBSERVAIE : Dac X 1 X 2 = { } , atunci d = 0 , p1 + p2 = s ,

ceea ce inseamn:
dim X1 + dim X2 = dim ( X1 + X2 ) .

DEFINIIA 1.7.2.

Fie X1 i X2 dou subspaii ale spaiului (X,K) . Dac

X 1 X 2 = { } , atunci X 1 X 2 se numete suma direct a
subspaiilor X1 i X2 .
 CAPITOLUL 2

FUNCIONALE LINIARE

2.1. Noiunea de funcional liniar

Fie (X,K) un spaiu vectorial de dimensiune n .

DEFINIIA 2.1.1.

O aplicaie f : X K , se numete funcional .

DEFINIIA 2.1.2.

Funcionala f : X K este liniar dac:

1) oricare ar fi vectorii x i y din X, f ( x + y ) = f ( x ) + f ( y )
( proprietate de aditivitate)
2) oricare ar fi scalarul din corpul K, oricare ar fi vectorul x din X,
f ( x ) = f ( x ) ( proprietate de omogenitate )

OBSERVAIE :
proprietile 1) i 2) pot fi scrise ntr o singur formul :
f(x+b)=f(x)+f(y),
oricare ar fi scalarii i din corpul K i oricare ar fi vectorii x i y
din spaiul X.
Dac x = i e i f ( x ) = f i e i = i f (e i )
n n n

i =1 i =1 i =1

EXEMPLUL 1 :

Fie spaiul vectorial ( P2[x], R ) i fie funcionala

f : P2 [x ] R, f ( x ) = x (t )dt , unde x(t) = a0 + a1 t + a2 t2 , a0 ,
1

0
a1 , a2 R .
S se demonstreze c aceast funcional este o funcional
liniar.
 Oricare ar fi x i y din ( P2[x], R ) , x(t) = a0 + a1 t + a2 t2 ,
y(t) = b0 + b1 t + b2 t2 , b0 , b1 , b2 R .
Oricare ar fi i din R ,
1

0 [ x (t ) + y (t )]dt = x (t )dt + y (t )dt =

1 1
f (x + y ) =
0
0

= f ( x ) + f ( y )

INTERPRETARE GEOMETRIC :

Fie spaiul ( R3, R ) i fie f : R 3 R o funcional

liniar.

x3

-e3 R

f(x)
x1 f( e3 )
e2 0 e1
f( e1 )

x2 f( e2 )

2.2. Matricea unei funcionale liniare:

Fie (X,K) un spaiu vectorial , dim X = n.

Fie E = { e1 , e2 , , en } o baz n spaiul X.
Fie x = 1 e1 + 2 e2 + + n en , unde x este un vector
din X.
Fie f : X K , o funcional liniar.
Valoarea funcionalei liniare n punctul x este:
n
n
f ( x ) = f i ei = i f (ei ) .
i =1 i =1
Notm ai = f ( ei ) i = 1, ,n (1)

DEFINIIA 2.2.1

Se numete matricea funcionalei f corespunztoare bazei

E , matricea:
a1

a
A= 2


an
EXEMPLUL 1 :

Fie spaiul vectorial ( P2[x],R ) i fie funcionala

f : P2 [x ] R, f ( x ) = x (t )dt , o funcional liniar.
1

0
Fie E = { 1, t, t2 } o baz n P2[x] .
S se determine matricea funcionalei f n baza E .

f (e1 )dt = 1dt = 1 ;

1 1
a1 =
0 0
1;
f (e2 ) =
1 1
a2 = tdt =
0 0 2
1
t3 1
f (e 3 )dt =
1 1
a3 = t 2 dt = =
0 0 3 0
3

1

De aici rezult c : A = 1 .
2

1
3

2.3. Schimbarea matricei unei funcionale liniare la

schimbarea bazelor

PROPOZIIA 2.3.1.

Fie (X,K) un spaiu vectorial , dim X = n .

Fie E = { e1 , e2 , , en } o baz n spaiul X .
 n
Oricare ar fi vectorul x din spaiul X , x = i ei . Fie
i =1

a1

a
f : X K , o funcional liniar , fie A = 2 ai = f (ei)


an
unde i = 1, ,n .
Fie G = { g1 , g2 , , gn } o alt baz n spaiul X .
Fie CEG matricea de trecere de la baza E la baza G .
b1

b2
Fie B = matricea functionalei f n baza G , bi = f (gi),


bn
unde i = 1, ,n .
Atunci : B = C A

DEMONSTRAIE :

Scriem matricea C ( cij ) , matricea de trecere de la baza E

la baza G .

g1 = c11 e1 + c12 e2 + + c1n en

g2 = c21 e1 + c22 e2 + + c2n en

gn = cn1 e1 + cn2 e2 + + cnn en

b1 = f ( g1 ) = c11 f ( e1 ) + c12 f ( e2 ) + + c1n f ( en )

b2 = f ( g2 ) = c21 f ( e1 ) + c22 f ( e2 ) + + c2n f ( en )

bn = f ( gn ) = cn1 f ( e1 ) + c2n f ( e2 ) + + cnn f ( en )

b1 = c11a1 + c12 a 2 + + c1n a n

sau : B = C A
bn = c n1a1 + c n 2 a 2 + + c nn a n
2.4. Dualul algebric al unui spaiu vectorial

Fie (X,K) un spaiu vectorial, dim X = n .

Considerm mulimea tuturor funcionalelor liniare definite
pe spaiul X .

L ( X , K ) = { f | f : X K , f liniare }
Vom organiza aceast mulime ca un spaiu vectorial.

1) oricare ar fi f , g L ( X , K ) , ( f g )( x ) = f ( x ) + g ( x ) , unde
+ este adunarea din corpul K.
2) oricare ar fi K i oricare ar fi f L( X , K ) ,
( f )(x ) = f (x )
Cu aceste proprieti, spaiul vectorial reprezint un dual algebric.

DEMONSTRAIE :

Oricare ar fi f , g L( X , K ) ( f g )( x ) L ( X , K )
f este funcional liniar oricare ar fi , K , oricare ar
fi x, y X este adevrat relaia : f (x + y ) = f (x ) + f ( y )
g este funcional liniar oricare ar fi , K , oricare ar
fi x, y X este adevrat relaia : g (x + y ) = g ( x ) + g ( y )

( f g)[x + y] = f (x + y) + g(x + y) = f (x) + f ( y) + g(x) + g( y) =

= [ f ( x) + g( x)] + [ f ( y ) + g( y )] = ( f g ) + ( f g )

Asociativitate : (( f g ) h )( x ) = ( f (g h ))( x ) , oricare

ar fi f , g L ( X , K ) .
Element neutru : exist L ( X , K ) , ( x ) = 0 , oricare ar fi
x X .
Element simetric : oricare ar fi f L( X , K ) , exist
( f ) L( X , K ) , astfel nct: ( f )( x ) = f (x ) .
Comutativitate : ( f g)( x) = (g f )( x) , oricare ar fi f , g L( X , K ) .
(1 f )( x ) = f (x ) , oricare ar fi f L( X , K ) .
 ( ) f (x ) = ( f (x )) , oricare ar fi f , g L( X , K ) ,
oricare ar fi , K .
( f (x) g( x)) = ( f ( x) g(x)) , oricare ar fi f , g L( X, K) ,
oricare ar fi K .

Dualul algebric se mai numete spaiul adjunct sau conjugat al

lui X.

2.5. Funcionale biliniare

Fie (X,K) i fie (Y,K) dou spaii vectoriale definite peste

acelai corp de scalari K.

DEFINIIA 2.5.1.

O aplicaie f : X Y K se numete funcional

biliniar dac :
1) f (1 x + 2 x , y) = 1 f (x, y) + 2 f (x, y) , oricare ar fi 1 ,
2 K, oricare ar fi x , x X i oricare ar fi y Y ( funcionala
f este liniar n raport cu prima variabil, x ) .
2) f (x , 1 y + 2 y) = 1 f (x , y) + 2 f (x , y) , oricare ar fi 1 ,
2 K, oricare ar fi y , y Y i oricare ar fi x X
(funcionala f este liniar n raport cu a doua variabil, y) .

2.6. Matricea unei funcionale biliniare

Fie (X,K) un spaiu vectorial, dimX = m ;

Fie E = { e1 , e2 ,, em } o baz n X.
Fie (Y,K) un spaiu vectorial, dimY = n ;
Fie Y = { g1 , g2 ,, gn } o baz n Y.

m n
Oricare ar fi x X , x = i ei i oricare ar fi y Y , y = jgj .
i =1 i =1

Fie f : X Y K , o funcional biliniar,

m m n
f ( x, y ) = f i ei , j g j = i j f (ei , g j )
n

i =1 j =1 i =1 j =1
 Notm (1) aij = f ( ei ,gj ) , i = 1 , , m , j = 1 , , n
obinem matricea A ( aij ).

DEFINIIA 2.6.1.

Matricea A ( aij ) Mnxm (K) unde aij = f ( ei ,gj ) , iar i =

=1 , , m i j = 1 , , n se numete matricea funcionalei
biliniare corespunztoare bazelor E din spaiul X i G din spaiul Y.
m n
f (x , y)= i j a ij = 1 ( 1 a11 + 2 a12 + + n a1n ) +
i =1 j =1

+ 2 ( 1 a21 + 2 a22 + + n a2n ) + +

+ am ( 1 am1 + 2 am2 + + n amn ) = XT AY

a11 a1n 1

XT = ( 1 ,2 , , m ) , A = , Y =
a a mn
m1 n

(2) f ( x , y ) = XT AEG YG

2.7. Schimbarea matricei unei funcionale biliniare la

schimbarea bazelor

Fie (X,K) un spaiu vectorial, dimX = m ;

Fie E = { e1 , e2 ,, em } o baz n X.
Fie (Y,K) un spaiu vectorial, dimY = n ;
Fie Y = { g1 , g2 ,, gn } o baz n Y.
m n
Fie x E = i ei i y G = j g j .
i =1 i =1
Fie f : X Y K o funcional biliniar .
Fie A matricea funcionalei biliniare f corespunztoare bazei
E din spaiul X i bazei G din spaiul Y .
Fie F = { f1 , f2 , , fm } o alt baz n spaiul X .
Fie CEF matricea de trecere de la baza E la baza F.
 f f = c11 e1 + c12 e 2 + + c1m e m


f = c e + c e + + c e
m m1 1 m2 2 mm m

Fie H = { h1 , h2 , , hm } o alt baz n spaiul Y .

h f = d 11 g 1 + d 12 g 2 + + d 1m g m


h = d g + d g + + d g
m m1 1 m2 2 mm m

Fie B matricea funcionalei biliniare f corespunztoare bazei F din

spaiul X i bazei H din spaiul Y.

(3) f ( x , y ) = XTE A YG
(4) f ( x , y ) = XTF B YH
(5) XF = ( CT )-1 XE
(6) YH = ( DT )-1 YG

(4) f (x, y) = [(CT )1 X E ] B(DT )1YG

[ ]Y
T

( )
f ( x, y) = XET C1B DT
1

() ( A B)T = BT AT
G
(3)

() (C1 )T = (CT )1

A = C 1 B ( DT )-1 | C C A = C C 1 B ( DT )-1 DT |
C A = B ( DT )-1

B = C A DT
 CAPITOLUL 3

FUNCIONALE PTRATICE

3.1. Noiunea de funcional ptratic

Fie (X,R) un spaiu vectorial , dim X = n .

DEFINIIA 3.1.1.

Funcia f : X R este o funcional liniar dac oricare

ar fi x1 , x2 care aparin lui X i oricare ar fi 1 , 2 care aparin lui R,
atunci :
f ( 1 x1 + 2 x2 ) = 1 f ( x1 ) + 2 f ( x2 ) .

a1

E = { e1 , e 2 , , e n } A = , ai = f ( e i ) , i = 1 , , n .
a
2

Din capitolul 2 , subcapitolul Funcionale biliniare , cunoatem

urmtoarele :

Fie (X,R) , dim X = n i fie (Y,R) , dim Y = m .

Funcionala biliniar f : X Y R are proprietile :

1. Oricare ar fi 1 , 2 R , x1 , x2 X , y Y ,

f ( 1 x1 + 2 x2 , y ) = 1 f ( x1 , y ) + 2 f ( x2 , y ) .

2. Oricare ar fi 1 , 2 R , y1 , y2 Y , x X ,

f ( x ,1 y1 + 2 y2 ) = 1 f ( x , y1 ) + 2 f ( x , y2 ) .

f ( x, y ) = X ET AYG
 n cazul n care Y = X , f : X X R . Atunci apar
urmtoarele modificari :
A ( aij ) , aij = f ( ei , ej ) , i , j = 1 , , n , f ( x, y ) = X T AY .

DEFINIIA 3.1.2.

Funcionala biliniar f ( x , y ) este simetric dac f ( x , y )

= f ( y , x ) , oricare ar fi x , y X .

DEFINIIA 3.1.3.

Prin diagonala produsului cartezian X X nelegem :

diagX X = {( x, x ) | x X } .

DEFINIIA 3.1.4.

Se numete funcional ptratic , restricia unei funcionale

biliniare simetrice la diagonala produsului cartezian X X .

n n
V( x) = f ( x, x) = X T AX = aij xi x j = a11 x1 +2a12 x1 x2+2 a13 x1 x3++
2

i=1 j=1

+2 a1n x1 xn + a22 x22 + 2 a23 x2 x3 + + 2 a2n x2 xn + + ann xn2 ,

unde ( aij = f ( ei , ej ) ) .

DEFINIIA 3.1.5.

V (x) este strict pozitiv definit dac V (x) > 0 , oricare ar fi

x X.

DEFINIIA 3.1.6.

V (x) este semipozitiv definit dac V (x) 0 , oricare ar fi

x X.

DEFINIIA 3.1.7.

V (x) este strict negativ definit dac V (x) < 0 , oricare ar fi

x X.
DEFINIIA 3.1.8.

V (x) este seminegativ definit dac V (x) 0 , oricare ar fi

x X.

DEFINIIA 3.1.9.

V (x) este nedefinit dac exist x X astfel nct

V (x) 0 i exist y X astfel nct V ( y ) 0 .

Se pune problema dac exist o baz G = { g1 , g2 , , gn }

astfel nct n aceast baz ( baz canonic ) , avem:
V (x) = 1 x12 + 2 x22 + + n xn2 .

3.2. Metoda Gauss pentru determinarea formei canonice a

unei funcionale ptratice i determinarea bazei

Fie (X,R) un spaiu vectorial , dim X = n , i o baz a acestui

spaiu, E = { e1 , e2 , , en } .
Fie f : X X R o funcional biliniar simetric .
A (aij) , aij = f (ei,ej) , i , j = 1 , , n , f ( x, y ) = X T AY .

n n
V ( x ) = X T AX = a ij x i x j
i =1 j =1

Presupunem c exist indicele i ( 1 i n ) astfel nct aii

este diferit de zero. Presupunem c a11 diferit de zero . Lum separat
termenii care conin componenta x1 i vom scrie astfel :

a11x12+2a12x1x2++2a1nx1xn= a11 x12 + 2 x1 a12 x 2 + + a1n x n =
a a
11 11
a a
2
a a
2

= a11 x1 + 12 x 2 + + 1n x n 12 x 2 + + 1n x n .
a11 a11 a a11
11

2
a a
Deci V ( x ) = a11 x1 + 12 x 2 + + 1n x n = V1 ( x ) unde V1 ( x )
a11 a11
nu conine pe x1 .
Notm :
a12 a
y 1 = x1 + x 2 + + 1n x n
a11 a11
y2 = x2
y 3 = x3

yn = xn

Astfel , V ( y ) = a11 y12 + b22 y22 + 2 b23 y2 y3 + + bnn yn2 .

Aplicm acelai procedeu lui V1 i dup n pai , obinem forma

canonic a funcionalei .

Dac aii = 0, oricare ar fi i = 1 , , n , vom face notaia urmtoare :

x 1 = y1 + y2 ; x 2 = y1 y 2 ; x 3 = y3 ; ; x n = yn .

Astfel , vom obine forma :

V ( x ) = a12 ( y1 + y 2 )( y1 y 2 ) + a ij y i y j = a12 y12 a12 y 22 + a ij yi y j

i j i j
i , j 3 i , j 3

EXEMPLUL 1 :

V ( x ) = 2 x12 + x22 x32 + 6 x1 x2 8 x1 x3 + 2 x2 x3

2
1
V (x ) = (2 x1 + 3x 2 4 x 3 )2 2 7 x 2 + 7 x 3 + 5x 3
2 7 2

y 1 = 2 x1 + 3 x 2 4 x 3
7 (1) V ( y ) = 1 y12 2 y 22 + 5 y 32 ,
y2 = x2 + 7 x3
2 2 7
y3 = x3
reprezint o funcional n forma canonic .

Care este baza din spaiul vectorial X n care funcionala

ptratic V are forma canonic (1) ?
 y1 2 3 4 x1
7
y2 = 0 7 x 2
y 2
3 0 0 1 x 3

Y = (C T ) X , unde C ( cij ) este matricea de trecere de la

1

baza E la baza G ( G este baza n care funcionala ptratic are

forma canonic ) .

2 3 4

(C )
T 1
= 0
7
2
7 ;

0 0 1
1 3 1
1 0 0
2 7 2
((C ) )
T 1
1

=C = 0
T

2
7

2 C EG =


7
3

2
7
0

0 0 1 1 2 1

Fie baza G baza n care vom determina forma canonic a

funcionalei ptratice V ,

G = { g1 , g2 , , gn }

Calculm vectorii acestei baze :

1
1 2
1 1
g 1 = c11 e1 + c12 e 2 + c13 e 3 = e1 = 0 = 0
2 2
0 0

3

7 1
3 2 2
g 2 = e1 e 2 = g 3 = e1 + 2e 2 + e 3 = 2
7 7 7 1
0


 1
0 0
2
Matricea B a funcionalei V n baza G este : B = 0 2
0 .
7
0 0 5

3.3. Metoda Jacobi pentru determinarea formei canonice a

funcionalei ptratice

V ( x ) = 2 x12 + x22 x32 + 6 x1 x2 8 x1 x3 + 2 x2 x3

2 3
Notm : 0 = 1 , 1 = 2 , 2 = = 7 ,
3 1
2 3 4
3 = 3 1 1 = 35 .
4 1 1
0 2 1 2 2 2
V (y) = y1 + y2 + y3
1 2 3

1 2 2 2 1 2
Deci , obinem : V ( y ) = y1 y 2 + y 3 .
2 7 5

ntr un spaiu exist mai multe baze n care funcionala

poate fi adus la forma canonic , deci forma canonic obinut prin
metoda Gauss difer de cea obinut prin metoda Jacobi .
Metoda Jacobi se poate aplica numai dac toi minorii
principali ai matricei A sunt nenuli .

METODA JACOBI LA CAZUL GENERAL

Fie spaiul vectorial (X,R) , dim X = n , i fie o baz n acest

spaiu, notat E = { e1 , e2 , , en } .
Fie f : X X R o funcional biliniar simetric .
Fie A( aij ) matricea funcionalei f n baza E .
TEOREMA 3.3.1.

n n
Fie V ( x ) = x T Ax = a ij x i x j o funcional ptratic ,
i =1 j =1

unde A(aij) este matricea funcionalei V n baza E . Dac toi minorii

principali ai matricei A sunt nenuli ,
a11 a1r
r = 0 ( r = 1 , ,n ) i 0 = 1 ,
a r1 a rr

atunci exist o baz G = { g1 , g2 , , gn } n care matricea B a

funcionalei V este diagonal i

0
0
1
1
B= 2 .


0 n 1
n

OBSERVAIE : n baza G , V ( y ) = i 1 y i2 .
n

i =1 n

DEMONSTRAIE :

Vom construi baza G astfel :

g1 = 11 e1
g2 = 21 e1 + 22 e2
..
(1) gi = i1 e1 + i2 e2 + + ii ei

gn = n1 e1 + n2 e2 + + nn en

Vom determina scalarii ij din condiiile :

 (2) f (g k , ei ) = 0 k = 1 , , n , i = 1 , ,k-1

f (g k , e k ) = 1

k=1
f( g1 ,e1 ) = 1 f( 11 e1 , e1 ) = 1 11 f( e1 , e1 ) = 1
1
11 a11 = 1 11 = . ( din ipotez , a11 este diferit de zero ) .
a11

k=2

f (g2 , e1 ) = 0 f (21e1 + 22e2 , e1 ) = 0 21 f (e1 , e1 ) + 22 f (e2 , e1 ) = 0

f (g2 , e2 ) = 1 f (21e1 + 22e2 , e2 ) = 1 21 f (e1 , e2 ) + 22 f (e2 , e2 ) = 1

a11 21 + a 21 22 = 0 a11 21 + a 21 22 = 0

a12 21 + a 22 22 = 1 a 21 21 + a 22 22 = 1
a12 = a21

0 a21 0 a21 0 a21 a11 0

1 a22 1 a22 1 a22 a12 1 22
21 = = = , 22 = = .
a11 a21 a11 a12 2 2 2
a12 a22 a21 a22

Analog demonstrm i pentru 1 k n , iar sistemul (2) are

soluia urmtoare :
col1 coli colk
ki
ki = , unde ki = a11 0 a 1k
k
a k1 1 a kk

n baza G astfel determinat , matricea B a funcionalei

ptratice V este de forma:
 0
0
1
1 0, i j
, b = .
B= 2 ij i 1
,i = j

i
0 n 1
n

pentru i < j :

bij = f( gi , gj ) = f( i1 e1 + + ii ei , gj ) = i1 f( e1 , gj ) + +

+ ii f( ei , gj ) = i1 f( gj , e1 ) + + ii f( gj , ei ) .

Din sistemul (2) , rezult c pentru i < j , bij = 0 .

pentru i = j :

bii = f( gi , gj ) = f( i1 e1 + + ii-1 ei-1 + ii ei , gi ) =

= i1 f (e1 , g i ) + + ii 1 f (e i 1 , g i ) + ii f (ei , g i ) = ii .
1 42 43 1 4 4 2 4 43 1 42 43
=0 =0 =1

a11 a1,i 1 0
ii
ii = , ii = = i 1 ii = i 1 .
i a i 1,1 a i 1,i 1 0 i
a i1 a i ,i 1 1

EXEMPLUL 1 :

V ( x ) = 2 x12 + x22 x32 + 6 x1 x2 8 x1 x3 + 2 x2 x3

2 3 4

A= 3 1 1
4 1 1

 2 3 4
2 3
0 = 1 , 1 = 2 , 2 = = 7 , 3 = 3 1 1 = 35
3 1
4 1 1

0 2 1 2 2 2 1 2 2 2 1 2
V (y) = y1 + y2 + y 3 V ( y ) = y1 y 2 + y 3
1 2 3 2 7 5

g1 = 11 e1
g2 = 21 e1 + 22 e2
g3 = 31 e1 + 32 e2 + 33 e3

pentru k = 1 :

f( g1 , e1 ) = 1 f( 11 e1 , e1 ) = 11 f( e1 , e1 ) = 11 a11 = 211
1
1 1
= 1 11 = g 1 = e1 g = 20 .
2 2 1
0

pentru k = 2 :

f (g 2 , e1 ) = 0 f (21e1 + 22 e2 , e1 ) = 0 21a11 + 22 a 21 = 0

f (g 2 , e2 ) = 1 f (21e1 + 22 e2 , e2 ) = 1 21a12 + 22 a 22 = 1

3


=
3 7
221 + 322 = 0
21
7 3 2 2
g 2 = e1 e 2 g 2 =
321 + 22 = 1 7 7 7
22 = 2 0
7

pentru k = 3 :

f (g 3 , e1 ) = 0 f ( 31 e1 + 32 e 2 + 33 e 3 , e1 ) = 0
f (g 3 , e 2 ) = 0 f (31 e1 + 32 e 2 + 33 e 3 , e 2 ) = 0
f (g , e ) = 1 f ( e + e + e , e ) = 1
3 1 31 1 32 2 33 3 3
 1
31 = 5
31a11 + 32 a 21 + 33a 31 = 0 231 + 332 433 = 0
2
31a12 + 32 a 22 + 33a 32 = 0 331 + 32 + 33 = 0 32 =
a + a + a = 1 4 + = 1 7
31 13 32 23 33 33 31 32 33
1
33 = 5
1 2 1
g 3 = e1 e 2 + e 3 .
5 7 5

Matricea B a funcionalei ptratice V are forma :

1
0
2
2
B=
7
1
0
5

3.4. Legea ineriei

TEOREMA 3.4.1.

Numrul coeficienilor pozitivi i numrul coeficienilor

negativi din forma canonic a unei funcionale ptratice V(x) nu
depinde de alegerea bazei canonice .
( Deci , coeficienii pozitivi i coeficienii negativi sunt invariani ai
funcionalei ptratice .)

DEMONSTRAIE :

Fie spaiul vectorial (X,R) , dim X = n .Fie bazele canonice

E i G din spaiul vectorial X , astfel nct :
E = { e1 , e2 , , en } xE = ( x1 , x2 , , xn )T
G = { g1 , g2 , , gn } yG = ( y1 , y2 , , yn )T

m1 n1
n baza E : V ( x ) = i x i2 j x 2j , i > 0 , i = 1 , , m1
i =1 j = m1+1
j > 0 , j = m1+1 , , n1
 m2 n2
n baza G : V ( y ) = i y i2 j y 2j , i > 0 , i = 1 , , m2
i =1 j = m 2 +1

j > 0 , j = m2+1 , , n2

Deci funcionala ptratic are n baza E , m1 coeficieni

pozitivi i n1 m1 coeficieni negativi . ( Nu am scris n ci n1 ,
pentru c exist posibilitatea ca anumii coeficieni s fie nuli . )
Trebuie s demonstrm c m1 = m2 i n1 = n2 .
Demonstraia o vom face prin reducere la absurd .
Presupunem contrariul i anume m1 > m2 .
Fie subspaiul X1 = Sp ( { e1 , , em1 } ) , X1 X , dim X1 = m1 .
Fie subspaiul X2 = Sp ( { gm2+1 , , gn } ) , X2 X , dim X2 = m1 .
Fie D = X 1 X 2 .
dim X1 + dim X2 = m1 + n m2 D conine i vectori nenuli .

m1 n
Fie x D x X 1 x = x i ei , xX2 x = yjg j
1 4 2i =1 4 3 1 44j =2m 2 +41 43

() ( ) y
m1 n
V x = i x i2 > 0 V x = j y 2j < 0
i =1 j = m 2 +1

() ()
Dar V x >0 i V x <0 este absurd. Astfel, rezult c m1 m2 .

Analog , presupunnd c m1 < m2 , obinem m1 m2 . Deci

obinem: m1 = m2 .

Asemntor demonstrm c n1 = n2 .

DEFINIIA 3.4.1.

Se numete indice de inerie a formei ptratice V (rangul

formei ptratice V ) , numrul total de termeni ce apar ntr o form
canonic .

DEFINIIA 3.4.2.

m1 = m2 se numete indicele pozitiv de inerie al

funcionalei ptratice V ( adic numrul termenilor pozitivi dintr o
form canonic ) .
DEFINIIA 3.4.3.

n1 = n2 se numete indicele negativ de inerie al

funcionalei ptratice V .

OBSERVAIE : Dac m1 = n1 , atunci toi coeficienii

funcionalei ptratice V n forma canonic sunt pozitivi , deci
funcionala V este pozitiv definit .

REGULA LUI SYLVESTER :

Pentru ca o matrice simetric A(aij) s determine o

funcional ptratic pozitiv definit , este necesar i suficient ca toi
minorii principali r s fie strict pozitivi .

a11 a 1r
r = >0 r=1,,n .
a r1 a rr
 CAPITOLUL 4

COMPLEMENTE DE TEORIA IRURILOR I SERIILOR

NUMERICE

4.1. Noiuni introductive

DEFINIIA 4.1.1. : Se numete ir de numere reale o funcie

f : N R,
*
f (n ) = a n . Notm (a n )nN * .

DEFINIIA 4.1.2. : Fie n1<n2<<nk< un ir de numere

( )
naturale strict crescator. Atunci a nk , k N * se numete subsir al irului
(a n )nN * .

OBSERVAIA 1 : Un subir al unui ir are o infinitate de termeni.

EXEMPLE : a n = n 1, 2, , n , Atunci :
a2k a 2 , a 4 , , a 2 k , este subirul termenilor pari.
a 2 k 1 a1 , a3 , a 2 k 1 , este subirul termenilor impari.

DEFINIIA 4.1.3. : Fie a R . Se numete vecintate a lui a

orice interval deschis care l conine pe a.

Fie > 0 , R . Se numete vecintate centrat a

numrului a intervalul (a , a + ) . Notm V (a ) = (a , a + ) .

DEFINIIA 4.1.4. : Se numete vecintate a lui + , orice

interval de forma (a , ) , a R .

DEFINIIA 4.1.5. : Se numete vecintate a lui - , orice

interval de forma ( , a ) , a R .

DEFINIIA 4.1.6. : irul (a n )nN * este convergent ctre a

( finit ) dac oricare ar fi vecintatea V(a) , aceasta las n afara ei cel mult
un numr finit de termeni ai irului.
 DEFINIIA 4.1.7. : irul (a n )nN * este convergent ctre a
( finit ) dac pentru orice > 0 , exist un numr natural ( un rang ) N( ) ,
astfel nct oricare ar fi n N ( ) an a < .

OBSERVAIA 2 : Definiiile 4.1.6. i 4.1.7. sunt echivalente.

DEFINIIA 4.1.8. : irul (a n )nN * are limita + dac oricare

ar fi o vecintate V ( + ) , aceasta las n afara ei cel mult un numr finit de
termeni ai irului.

DEFINIIA 4.1.9. : irul (a n )nN * are limita + dac oricare

ar fi a R , exist un prag N(a), astfel nct oricare ar fi n N ( a ) rezult
c a n > a .

OBSERVAIA 3 : Definiiile 4.1.8. i 4.1.9. sunt echivalente.

DEFINIIA 4.1.10. : irul (a n )nN * are limita dac oricare

ar fi o vecintate V ( ) , aceasta las n afara ei cel mult un numr finit de
termeni ai irului.

DEFINIIA 4.1.11. : irul (a n )nN * are limita dac oricare

ar fi a R , exist un prag N(a), astfel nct oricare ar fi n N ( a ) rezult
c a n < a .

OBSERVAIA 4 : Definiiile 4.1.10. i 4.1.11. sunt echivalente.

Un ir este convergent dac are limita finit i este divergent dac

are limita + sau sau nu are limit.

EXEMPLE :

1. irul constant a n = a . Se demonstreaz c a n a , adic

n

lim a n = a .
n
 1
2. irul a n = . Se demonstreaz c a n 0 .
n n

ntr-adevr, oricare ar fi > 0 , exist un prag N ( ) astfel nct

oricare ar fi n N ( ) rezult c a n a < .
1 1 1 1
0 < < 1 < n n > N ( ) = + 1
n n

OBSERVAIA 5 : n definiiile anterioare ( de convergen a

unui ir ctre un numr ) , limita irului , a , este aprioric cunoscut.

4.2. ir fundamental

Cauchy introduce noiunea de ir fundamental ( ir Cauchy ).

DEFINIIA 4.2.1. : irul (a n )nN * este ir fundamental (Cauchy)

dac oricare ar fi > 0 , exist un prag N ( ) astfel nct oricare ar fi
m N ( ) i oricare ar fi n N ( ) vom avea a m a n < .

DEFINIIA 4.2.2. : irul (an )nN * este un ir fundamental

(Cauchy) dac oricare ar fi > 0 , exist un prag N ( ) astfel nct oricare
ar fi n N ( ) i oricare ar fi p N * , avem a n + p a n < .

OBSERVAIA 1 : Definiiile 4.2.1. i 4.2.2. sunt echivalente.

DEMONSTRAIE :

(a) Presupunem c (a n )nN * este fundamental conform definiiei 4.2.1.

Putem presupune fr ngrdirea generalitii c m>n .
Vom nota p=m-n . De aici rezult c m=n+p. nlocuind pe m=n+p n
definiia 4.2.1. vom obine definiia 4.2.2.

(b) Presupunem c (a n )nN * este fundamental conform definiiei 4.2.2.

Vom nota m=n+p , m > N ( ) . Rezult astfel c este verificat
definiia 4.2.1.
 OBSERVAIA 2 : irul (a n )nN * este fundamental dac i
numai dac oricare ar fi > 0 , exist un rang N = N ( ) astfel nct
oricare ar fi n N ( ) rezult c a N a n < .

DEMONSTRAIE :

(i) Presupunem c (a n )nN * este un ir fundamental. Conform

definiiei 1.2.1. rezult c oricare ar fi > 0 , exist un rang N = N ( )
astfel nct pentru m N ( ), n N ( ), a m a n < . Dac N=m, atunci
a N am < .

(ii) Presupunem c oricare ar fi > 0 , exist un rang N = N ( )

astfel nct oricare ar fi n N ( ) rezult c a N a n < .
2

Fie m N = N( ) am an = am aN + aN an am aN + aN an < + =
2 2

Observaia anterioar poate fi considerat ca a treia definiie a unui

ir fundamental.

PROPOZIIA 4.2.1. : Orice ir fundamental este mrginit.

DEMONSTRAIE :

Din ipotez tim c irul (an )nN * este fundamental. Conform

observaiei 2 , oricare ar fi > 0 , exist un rang N = N ( ) astfel nct
oricare ar fi n N ( ) rezult c a N a n < .

a n a N < < a n a N < a N < a n < a N + .

| | | | | |
a1 a2 aN-1 aN- aN aN+

Notm m = min{a1, a2 , , aN 1, aN } i M = max{a1, a2 , , aN 1, aN + }.

Rezult c m a n M , n N * .
 PROPOZIIA 4.2.2. : Dac irul fundamental (a n )nN * conine
( )
un subir a nk kN *
convergent ctre a , atunci irul (an )nN * este
convergent ctre a.

DEMONSTRAIE :
( )
Subirul a nk kN * converge ctre a.

() > 0 () N1 ( ) astfel nct : ()nk N1 ( ) an a < (1)

k
2
irul (a n )nN * este fundamental.

() > 0 ()N2 ( ) astfel nct ()m N 2 ( ) i ()n N2 () am an < (2)
2
Fie N ( ) = max{N1 ( ), N2 ( )} . Alegem kN* astfel nct nk N ( ) .
Din (1) rezult : dac m = nk , atunci a n an < sau an an < .
k
2 k
2
Din (2) rezult : dac m = nk , atunci a n a < .
2 k

Oricare ar fi > 0, i n N ( ) , obinem :

a n a = an a nk + a nk a a n a nk + ank a < a n a .
14 2 43 14 2 43

< <
2 2

CRITERIU DE CONVERGEN :

Fie (bn )nN * , bn > 0 , lim bn = 0 . Fie (a n )nN . Dac exist un

n

prag N astfel nct oricare ar fi n N a n l < bn a n l .

n

LEMA LUI CESARO:

Din orice ir mrginit se poate extrage un subir convergent.

DEMONSTRAIE :
Din ipotez tim c (a n )nN * este mrginit, deci exist a , b Q
astfel nct a a n b , oricare ar fi n N * .
 a1 a2 b2=b1
| | | |
a 0 + b0
a=a0 c1 c0 = b=b0
2

a0 + b0
Lungimea intervalului [ a , b ] este b-a. Calculm c0 = i
2
obinem dou intervale [ a0 , c0 ] i [c0 , b0 ].
Notm cu [ a1 , b1 ] un interval ce conine o infinitate de termeni ai
irului. Dac ambele intervale obinute mai sus conin o infinitate de
termeni, vom considera drept [ a1 , b1 ] intervalul din stnga.
ba
Lungimea intervalului [ a1 , b1 ] este . Alegem a n1 [a1 , b1 ]
2
a1 + b1
Notm cu c1 = . Notm cu [ a2 , b2 ] intervalul care conine o
2
infinitate de termeni ai irului. Dac ambele intervale conin o infinitate de
termeni , aleg drept [ a2 , b2 ] pe cel din stnga.
ba
Lungimea intervalului [ a2 , b2 ] este .
22
Alegem a n2 [a 2 , b2 ] , n2 > n1 .
Repetnd procedeul de mai sus, dup k pai vom avea intervalul
ba
[ ak , bk ] cu lungimea i care conine o infinitate de termeni ai
2k
irului.
Alegem a nk [a k , bk ] , nk > nk-1 .
mprim intervalul [ ak , bk ] n dou intervale egale i alegem
drept interval [ ak+1 , bk+1 ] intervalul care conine o infinitate de termeni
ai irului. Dac ambele intervale conin o infinitate de termeni, alegem
drept [ ak+1 , bk+1 ] pe cel din stnga.
Alegem a nk +1 [a k +1 , bk +1 ] , nk+1 > nk .
Am demonstrat astfel prin inducie dup k , faptul c putem alege
( )
un subir a nk kN *
astfel nct a n [ak , bk ] , interval de lungime b k a .
k
2
a = a0 a1 a 2 a k bk b1 b0 = b
pentru oricare k N * .
Rezult c exist i este unic numrul real [a k , bk ], ()k N * .
 ba
Dar ank [ak , bk ] pentru oricare k N * , i deci ank = .
2k
Notnd bk = b k a avem bk > 0 i lim bk = 0 .
2 k

Conform criteriului de convergen enunat anterior rezult c

a nk .
k

TEOREMA DE CONVERGEN A LUI CAUCHY

Un ir de numere reale (a n )nN * este convergent dac i numai

dac este ir fundamental.

DEMONSTRAIE :

(i) Presupunem c (a n )nN * este convergent . Aceasta nseamn c oricare

ar fi > 0 , exist N ( ) astfel nct oricare ar fi n N ( ) an a <
.
2
()m N( ),()n N( ) am an = am a + a an am a + a an < .
1 2 3 123

< <
2 2

Deci irul (a n )nN * este ir fundamental.

(ii) Presupunem c (a n )nN * este ir fundamental. Dac an este ir

fundamental, atunci, conform propoziiei 4.2.1. irul an este mrginit. Din
lema lui Cesaro rezult c irul mrginit an conine un subir a nk
convergent. Conform propoziiei 4.2.2. orice ir fundamental care conine
un subir convergent este convergent. Teorema este astfel demonstrat.

4.3. Puncte limit ale unui ir

Fie (a n )nN * un ir de numere reale.

DEFINIIA 4.3.1. : Numrul real a este punct limit al irului

(an )nN * , dac orice vecintate a lui a ( V(a) ) conine o infinitate de
termeni ai irului.
 1 + ( 1) n
EXEMPLU : Fie irul a n =
2
a1 = 0 , a3 = 0 , , a2k-1 = 0 ,
a2 = 1 , a4 = 1 , , a2k = 1 ,

Putem spune c 0 i 1 sunt puncte limit ale lui an pentru c

oricare ar fi vecintile V(0) i V(1), n ele exist o infinitate de termeni ai
irului.

OBSERVAIE :

1) Dac irul (a n )nN * este convergent ctre a , atunci a este

singurul punct limit.
2) Un punct limit al unui ir poate fi un numr finit sau .

EXEMPLU : fie irul 1, 1, 2, 1, 2, 3, 1, 2, 3, 4,

Puncte limit sunt : 1, 2, 3,
Deci exist iruri cu o infinitate de puncte limit.

PROPOZIIA 4.3.1. : Fie irul (a n )nN * . Punctul a este punct

limit pentru acest ir dac i numai dac exist un subir a nk a .
k

DEMONSTRAIE :

(i) Presupunem c (a n )nN * conine un subir (a nk ) astfel nct

a nk a , deci a este punct limit al irului an .
k
Oricare ar fi vecintatea V(a) , n afara ei exist cel mult un numr
finit de termeni ai subirului a n k . Deci oricare ar fi vecintatea V(a) , n
interiorul ei exist o infinitate de termeni ai irului an . Rezult astfel c a
este punct limit al irului an .

(ii) Fie a un punct limit al irului an . Trebuie s artm c

exist un subir a n k astfel nct a nk a .
k
Vom studia trei situaii : 1) a este finit , 2) a este + , 3)
a este .
 1) Fie V1(a) = (a-1 , a+1) . Deoarece a este punct limit al
irului an , n aceast vecintate exist o infinitate de termeni ai irului an .
Alegem un termen al irului an astfel nct a n V1 ( a ) .
1

Fie V2 (a ) = a 1 , a + 1 . i n aceast vecintate exist o

2 2
infinitate de termeni ai irului an . Alegem a n2 V2 (a ), n2 > n1 .
.
1 1
Fie Vk ( a ) = a , a + . Alegem a nk Vk ( a ), n k > nk 1 .
k k
Demonstrm prin inducie c aceast relaie este adevrat.
1 1
Oricare ar fi Vk ( a ) = a , a + , oricare ar fi k N * , alegem
k k
1 1 1 1
a nk Vk ( a ), n k > nk 1 . Deci ank a , a + a < ank < a +
k k k k
1 1 1
< a nk a < a nk a < . Din criteriul de convergen enunat
k k k
mai sus, rezult c lim a nk = a bk = 1 > 0; bk 0 .

n k
k

2) a = +
Fie V1( ) = ( 1, ) . Alegem a n1 V1 ( ) .
Fie V2( ) = ( 2, ) . Alegem a n2 V2 ( ), n2 > n1 .
.
Fie Vk( ) = ( k, ). Alegem a nk Vk ( ), n k > nk 1 , etc.

a nk ( k , ) a nk > k lim a nk > lim k lim a nk = .

k k k

3) a =
Fie V1( ) = ( , 1 ) .
Fie V2( ) = ( , 2 ) .

Fie Vk( ) = ( , k ) , etc.

n continuare se procedeaz la fel ca la punctul 2) .

 DEFINIIA 1.3.2. : Fie (a n )nN * un ir de numere reale. Se
numete limit inferioar a irului an , cel mai mic punct limit al lui an . Se
noteaz : lim inf a n = lim an .
n n

DEFINITIA 1.3.3. : Fie (a n )nN * un ir de numere reale. Se

numete limit superioar a irului an , cel mai mare punct limit al lui an .
Se noteaz : lim sup a n = lim a n .
n n

EXEMPLU : Fie irul (a n )nN * , an = ( 1) n 2n

n +1
2( 2k 1)
a 2 k 1 = 2 lim an = 2
2k 1 + 1 k n

2( 2k )
a2k = +2 lim a n = +2
2k + 1 k n

4.4. Serii de numere reale

Fie irul de numere reale (a n )nN * , a1 , a2 , , an , an+1 ,

Notm :
S1 = a1
S2 = a1 + a2
.
Sn = a1 + a2 + + an
.

(Sn )nN * se numete irul sumelor pariale. Dac (S n )nN * este

convergent ctre limita S ( deci S este finit! ) , atunci lim S n = S ,
n

S = ai . (1)
i =1
DEFINIIA 4.4.1. : Membrul drept al relaiei (1) se numete
serie.

DEFINIIA 4.4.2. : a1 , a2 , , an se numesc termenii seriei.

 DEFINIIA 4.4.3. : Sn = a1 + a2 + + an se numete suma
parial de ordinul n .

DEFINIIA 4.4.4. : Dac exist, S este suma seriei .

OBSERVAIE : Dac se cunosc termenii seriei, putem obine

sumele pariale i reciproc.

Fie irul sumelor pariale (S n )nN * .

Sn = a1 + a2 + + an
Sn-1 = a1 + a2 + + an-1 a n = S n S n 1 , a1 = S1 , n 2 .

DEFINIIA 4.4.5. : Seria a n
este convergent dac irul
n =1

sumelor pariale Sn este convergent.

DEFINIIA 4.4.6. : Dac irul sumelor pariale are limita +

sau sau nu are limit, atunci seria a n
este divergent .
n =1

A cerceta natura unei serii nseamn a determina dac seria este

convergent sau divergent.

EXEMPLE :

A. Folosind definiia convergenei unei serii, s se stabileasc

natura seriei cu termenul general :
1
un = 2 , n 1
n + 4n + 3
n 2 + 4n + 3 = (n + 3)(n + 1)
1 1 1 1
un = 2 = , n 1
n + 4n + 3 2 n + 1 n + 3
11 1 1 1 1 1 1 1 1 1
Sn = u1 + u2 + + un = + + + + + =
22 4 3 5 4 6 n n + 2 n +1 n + 3
11 1 1 1 5 1 1
= + =
2 2 3 n + 2 n + 3 12 2(n + 2) 2(n + 3)
 5 1 1 5
lim S n = lim =
n n 12
2 (n + 2 ) 2 (n + 3) 12

B. S se cerceteze natura seriilor urmtoare :

1
1)
n =1 n ( n + 1)

1 1 1
an = =
n (n + 1) n n + 1
1 1 1 1 1 1 1 1
Sn = a1 + a2 + + an1 + an = 1 + + + + = 1
2 2 3 n 1 n n n + 1 n +1

1
lim S n = 1 este convergent i are suma S = 1 .
n =1 n ( n + 1)
n

2) Seria geometric :

Fie r>0 . r
n =0
n
= 1 + r + r2 + + rn +

1 r n +1
Sn = 1 + r + r 2 + + r n =
1 r
1 r n +1 1
r (0,1) : lim =
n 1 r 1 r
n +1
1 r
r (1, ) : lim = +
n 1 r

r = 1 : Sn = n+1 , lim S n = +
n

Deci seria geometric este convergent pentru r (0,1) i

divergent pentru r [1, ) .

3) Seria oscilant :

( 1)
n =0
n
= 1 1 + 1 1 + ...

S0 = 1 S1 = 0
S2 = 1 S3 = 0

S2k = 1 S2k+1 = 0
.

Observm c Sn nu are limit , deci ( 1)
n =0
n
este divergent .

PROPRIETI ALE SERIILOR :

Aceste proprieti rezult din proprietile irurilor.

P1) Dac ntr-o serie se schimb ordinea unui numr finit de

termeni, se obine o serie de aceeai natur ca i prima.

P2) Dac ntr-o serie adugm sau scdem un numr finit de

termeni, obinem o serie de aceeai natur ca i prima.

P3) Resturile unei serii convergente formeaz un ir convergent

ctre zero.

DEMONSTRAIE :

Fie a n=1
n = a1 + a2 + + an + an+1 + an+2 +
1 4 4 2 4 4 3 1 4 4 2 4 43
Sn Rn

Rn = a
k = n +1
k , unde cu Rn am notat restul de ordinul n al seriei.

S = an = Sn + Rn Rn = S Sn limRn = lim(S Sn ) = S limSn = S S = 0
n n n
n=1

P4) Dac seria a n este convergent, atunci irul sumelor

pariale este mrginit.

P5) Dac seria a n este convergent, atunci lim an = 0 .

n

DEMONSTRAIE :
Din ipotez tim c a n este convergent, deci lim S n = S ,
n
unde S este finit.
a n = S n S n +1 lim a n = lim(S n S n 1 ) = lim S n lim S n 1 = S S = 0
n n n n

OBSERVAIA 1 :
 Reciproca acestei afirmaii nu este adevrat. Adic, dac
lim a n = 0 , nu rezult c
n

a n este convergent. Pentru a demonstra
aceast afirmaie, vom da un exemplu:

Seria armonic :

1 1 1
n
n =1 n
, an =
lim = 0 .
n n

1 1 1 1 1 1 1 1 1 1
S2n = 1 + + + + + + + + + n1 + n1 + + n
2 3 4 5 6 7 8 2 +1 2 + 2 2
1 1
1+ >
2 2

1 1 1 1 1
+ > + =
3 4 4 4 2

1 1 1 1 4 1
+ + + > =
5 6 7 8 8 2

1 1 1
n 1
+ + n >
2 +1 2 2
Deci S > n
2 n lim S 2 = n
2 n

Din irul Sn am extras irul S 2n care este divergent. De aici

rezult faptul c Sn este divergent, deci lim S n = 1 este divergent .

n n

OBSERVAIA 2 :
Dac lim a n 0 a n este divergent . Aceast observaie
n

reprezint un criteriu de divergen a seriilor.

P6) Fie a n o serie convergent cu suma A . Fie b n o serie

conv
convergent cu suma B . Atunci, (a n + bn ) A + B , oricare ar fi
, R .
 OBSERVAIE : Mulimea seriilor convergente formeaz un spaiu
vectorial.

EXEMPLU :
3n 5n
S se arate c seria cu termenul general un = , n 1 este
15n
convergent i s i se calculeze suma .
n n
3n 5n 1 1
un = =
15n 15n 5 3
n n
1
Fie seriile cu termenii generali vn = i tn = 1 , n 1
5 3

1
v

Seria n este convergent i are suma , iar seria t este
n =1 4 n =1
n

1
convergent i are suma . Din proprietile seriilor convergente rezult
2

c, dac dou serii, respectiv v n
i t n
sunt convergente i au sumele
n =1 n =1

V i T , atunci seria diferen (v
n =1
n tn ) este o serie convergent i are
suma V-T .

3n 5 n 1 1 1
Deci
n =1 15 n
= =
4 2 4

CRITERIUL GENERAL DE CONVERGEN AL LUI

CAUCHY (CGCC)

Seria a n este convergent dac i numai dac , oricare ar fi

> 0 , exist N ( ) astfel nct , oricare ar fi n N ( ) i oricare ar fi
p N * avem :
| a n +1 + a n + 2 + + a n + p |<

DEMONSTRAIE :
(i) Presupunem c seria a n este convergent, deci (Sn) este
convergent i conform teoremei de convergen a lui Cauchy, (Sn) este un
ir fundamental. Rezult astfel c oricare ar fi > 0 , exist N ( ) astfel
nct , oricare ar fi n N ( ) i oricare ar fi p N * avem : S n + p S n <
Sn+p = a1 + a2 + + an + an+1 + + an+p
Sn = a1 + + an
Deci | a n +1 + a n + 2 + + a n + p |< .

(ii) Presupunem c oricare ar fi > 0 , exist N ( ) astfel nct , oricare ar

fi n N ( ) i oricare ar fi p N * rezult c | an+1 + an+2 + + an+ p |< ,
adic S n + p S n < . De aici rezult c Sn este un ir fundamental i
conform teoremei de convergen a lui Cauchy, Sn este un ir convergent.
Astfel am demonstrat c seria
a n este convergent.

4.5. Serii cu termeni pozitivi

DEFINIIA 4.5.1. : Seria a
n =1
n este o serie cu termeni pozitivi

( stp ) , dac an>0, n =1, 2, .

CRITERII DE COMPARAIE PENTRU SERII CU TERMENI

POZITIVI

n acest paragraf vom prezenta cteva criterii de convergen a unei

serii cu termeni pozitivi.
Se compar seria a crei natur este necunoscut cu o serie a crei
natur o cunoatem i astfel putem obine informaii despre natura seriei
considerate. De aici denumirea de criterii de comparaie.

I. Primul criteriu de comparaie :

Fie a n i b n dou serii cu termeni pozitivi. Dac exist N

astfel nct oricare ar fi n N a n bn atunci :
1. dac b n este convergent, atunci i seria a n este
convergent.
 2. dac a n este divergent, atunci c i seria b n este
divergent.

DEMONSTRAIE :
1. Din ipotez tim c b n este convergent i, conform criteriului
general de convergen al lui Cauchy, oricare ar fi > 0 , exist N ( )
astfel nct , oricare ar fi n N ( ) i oricare ar fi p N * rezult c
| bn+1 + bn+2 + + bn+ p |< . Deoarece bn > 0 , avem bn+1 + bn+2 + + bn+ p < .
Deoarece i a n > 0 , (n N ) , avem :
*

a n +1 + a n +2 + + an + p = a n+1 + a n+ 2 + + a n + p bn +1 + bn + 2 + + bn + p <
i prin urmare seria a n este convergent.

2. Presupunem contrariul, adic b n este convergent, atunci,

conform 1. rezult c i a n este convergent, ceea ce contrazice ipoteza
c a n este divergent.

II. Al doilea criteriu de comparaie :

Fie a n i b n dou serii cu termeni pozitivi. Dac exist N

a n +1 bn +1
astfel nct oricare ar fi n N , atunci :
an bn
1. dac b n este convergent, atunci i seria a n este
convergent.
2. dac
a n este divergent, atunci i seria b n este
divergent.

DEMONSTRAIE :

a n +1 bn +1 a a
1. n +1 n oricare ar fi n N
an bn bn +1 bn
a a a
Obinem astfel : c = N N +1 n , unde c este o
bN bN +1 bn
constant.
 Deci c a n , oricare ar fi n N a n cbn .
bn
Din ipotez tim c b n este convergent i conform proprietii
P6 rezult c i cb n este convergent.
Din aceste ultime dou afirmaii rezult, conform primului criteriu
c seria a n este convergent.

2. Presupunem contrariul, adic b n este convergent i a n

este divergent, lucru care este in contradicie cu primul criteriu. Rezult
astfel c seria
bn este divergent.

III. Al treilea criteriu de comparaie: ( fr demonstraie )

Fie a n i b n dou serii cu termeni pozitivi. Dac lim an = c

n bn
( c fiind finit i diferit de zero ), atunci seriile a n i b n au
aceeai natur.

SERII UTILIZATE N CRITERII DE COMPARAIE

1
1. Seria armonic : n n =1
. Aceasta este o serie divergent.

0 < r < 1 serie convergent a

2. Seria geometric : r
n =0
n
, r>0 ,
r 1 serie divergenta

1
3. Seria armonic generalizat : n
n =1
, R . Exist mai multe

situaii :
a) (0,1) 1 > 1 conform criteriului I , seria armonic
n n
generalizat este divergent.

b) = 1 1 este seria armonic i este divergent.
n =1 n

1 1 1 1 1 1 1
c) > 1
= 1+ + + + + + +
n =1 n 2 3 4 5 6 7

1 1 1 1 2 1

+ < + = = 1
2 3 2 2 2 2
2
1 1 1 1 4 1 1 1
+ + + < = 1 = = 1
4
5 6 7 4 4 (2 1 ) 2
2

2
1 1 1

n =1 n

< 1 + 1 + 1 +
2 2
. Dar membrul drept al inegalitii

reprezint o serie geometric cu raia r = 11 , 0 < r < 1 ,deci este o

2
serie convergent.

1
Conform criteriului I , seria n
n =1
, > 1 este convergent .

n concluzie, seria armonic generalizat este :

convergenta pentru > 1


divergenta pentru 1

EXEMPLU : S se studieze natura seriilor :

1
1.
n =1 2n + 1

1 1
Vom nota cu an = 1 . Fie seria unde vom nota bn = .
2n + 1 n =1 n n
a 1
1 este divergent .
lim n = conform criteriului III , seria
n =1 2n + 1
n b 2
n

1 1 1
2. an = ; < 3
2n + 5n + 7
3
2n + 5n + 7 n
3
 1 1
Notm bn = 3
. Observm c seria 3 este o serie armonic
n n
generalizat convergent, ntruct = 3 .
Conform criterului I , seria
an este convergent.

an = (n 3 n )
1
1 1 1
3. 4 = > = 3
4
n3 n 4
n3 n4
Notm b = 1
n 3
. Observm c b n este o serie armonic
n4
generalizat divergent, ntruct = 3 .
4
Conform criteriului I , seria a n este divergent.

CRITERII SUFICIENTE DE CONVERGEN A SERIILOR CU

TERMENI POZITIVI

I. Criteriul rdcinii ( Cauchy ) :

Fie a n o serie cu termeni pozitivi.

1. Dac pentru oricare n N , exist 0 < k < 1 astfel nct

n a n k , atunci seria a n este convergent.
2. Dac pentru o infinitate de termeni n a n 1 , atunci a n este
divergent.

DEMONSTRAIE :

1. Oricare ar fi n N , exist 0 < k < 1 astfel nct n an k .

an kn an kn , iar k este o serie geometric cu raia r = k<1.
n

Conform criteriului I , seria a este convergent.n

2. Dac pentru o infinitate de termeni n a n 1 a n 1 , deci irul nu

poate fi convergent, iar seria este divergent.
 COROLAR :
a n +1
Dac lim = k , atunci:
n an
1) pentru k < 1 , seria a n este convergent
2) pentru k > 1 , seria a n este divergent
3) pentru k = 1 este neconcludent.

EXEMPLU :
n
2n + 5 ,
n
Fie seria 2n + 5

n =1 3n 10


an =
3n 10
2n + 5 2
Aplicnd criteriul rdcinii, rezult c n an = < 1,
3n 10 3
deci seria este convergent.

OBSERVAIE : Nu putem studia convergena seriei geometrie cu

ajutorul criteriului raportului pentru c n demonstraia criteriului raportului
am folosit seria geometric.

EXEMPLU :
1 1 1 1 1 1
Fie seria 1
+ 2 + 3 + 4 + + 2 n 1 + 2 n +
2 3 2 3 2 3
Aceast serie este convergent , fapt care rezult din criteriul
rdcinii, dar nu putem aplica criteriul raportului.

II. Criteriul raportului ( DAlembert ) :

Fie a n o serie cu termeni pozitivi.

a n +1
1. Dac pentru oricare n N avem k < 1 , atunci seria
an
este convergent.
an +1
2. Dac
an
k > 1 , atunci seria a n este divergent.

DEMONSTRAIE :

1. Oricare ar fi n N avem :
 a n +1 ka n
a N +1 ka N
a N + 2 ka N +1 k 2 a N


aN + p k paN aN k p = aN kp
p =1 p =1

Seria pe care o obinem este o serie geometric de raie r :

a
p =1
N k p = a N k p . Aceast serie este convergent. Rezult astfel,
p =1

conform criterului I de comparaie c seria a n este convergent.

2. an +1 k > 1
an
a N +1 a N

a n +1 a n , oricare ar fi n N .

Rezult c irul an este un ir cresctor de numere pozitive

lim a n 0 . Deci
n

a n este divergent.

COROLAR :
a n +1
Fie lim = k . Atunci :
n an
1) pentru k < 1 , seria a n este convergent.
2) pentru k > 1 , seria a n este divergent.
3) pentru k = 1 este neconcludent.

DEMONSTRAIE :

a n +1
1) lim =k <1
n an
 Exist > 0 astfel nct k + < 1

| ( | ) |
0 k k k + 1
V ( k ) = (k , k + )
Deoarece lim a n+1 = k , nseamn c oricare ar fi vecintatea V (k ) ,
n a
n
n afara ei exist cel mult un numr finit de termeni ai irului, iar n
interiorul ei exist o infinitate de termeni.
a n +1 a
V ( k ) n +1 < 1 conform prii nti a criteriului raportului.
an an
Deci seria a n este convergent.

a n +1
2) lim =k >1
n a
n

V(k) = (1, ) . Repetnd raionamentul de mai sus, demonstrm c

seria a n este divergent.

3) n cazul n care k = 1 , nu putem trage nici o concluzie, deoarece exist

situaii n care seria este convergent i situaii n care seria este divergent.
De exemplu :
1
an = lim an +1 = lim n = 1 , dar tim c seria este
n n a n n + 1
n
divergent.

1
a n = , ( > 1) lim a n+1 = lim n = 1 , iar seria
n n a n (n + 1)
n
este convergnt.

EXEMPLE :

2n a n +1 2 n +1 ( n + 1)!+( n + 3)!
1) (n + 1)!+(n + 3)!
n =0 an
=
(n + 2)!+( n + 4)!

2n
=

2(( n + 1)! )(1 + ( n + 2)( n + 3)) 2(1 + n 2 + 5n + 6)

= = 0
(n + 2)! (1 + ( n + 3)( n + 4)) (n + 2)(1 + ( n + 3)( n + 4))
 Deci lim a n+1 = 0 i conform criteriului raportului, seria este
n a
n
convergent.

n

n n! a n +1 n +1 ( n + 1)! n n n
2)
n =1 n n

an
=
( n + 1) n +1
n
n!
=
n +1 e
Dac > 1 > e , seria este divergent.
e

Dac < 1 < e , seria este convergent.
e
1
n
1
n n n e a
Dac = 1 = e an = e =e = n+1 > 1,
n +1 (n +1) 1
n n
e an
1+
n
deci (a n ) este ir strict cresctor, iar seria este divergent.
Rezult c seria dat este divergent.

an
3)
n =1 n!
, a>0

un +1 a n +1 n! 1
lim = lim n = a lim = 0 < 1 , deci seria este
n u
n
n a ( n + 1)! n n + 1

convergent conform criteriului raportului.

n
a
4)
n =1
n! , a > 0
n
a n +1
( n + 1)! n
un +1 ( n + 1) n +1 n + 1 a
lim = lim = a lim =
n u
n
n an n
n e
n! n
n
a
Dac < 1 a < e , seria este convergent.
e
a
Dac > 1 a > e , seria este divergent.
e
 n
Dac a = 1 a = e un = n! e . Atunci un +1 = e
> 1,
n
e n un n + 1

n
oricare ar fi n , deci seria este divergent.

III. Criteriul Raabe Duhamel :

Fie a n o serie cu termeni pozitivi.

1. Dac oricare ar fi n N , n a n 1 k > 1 seria este

a
n +1
convergent.
2. Dac oricare ar fi n N , n a n 1 k < 1 seria este
a
n +1
divergent.

COROLAR :
a
Dac lim n n 1 = k , atunci :
n
a n +1
1) pentru k > 1 , seria a n este convergent
2) pentru k < 1 , seria a n este divergent
3) pentru k = 1 este neconcludent.

EXEMPLU :

n!
Fie seria : ( 1) ( + n 1)
n =1
( > 0)

an n! ( 1) ( + n 1)( + n ) +n 1
1 = 1 = 1 =
an +1 ( + 1) ( + n 1)(n + 1)! (n + 1) n +1 n +1

a n ( 1)
lim n n 1 = lim = 1
n
a n +1 n n + 1
 1) pentru 1 > 1 > 2 , seria este convergent
2) pentru 1 < 1 < 2 , seria este divergent
3) pentru 1 = 1 = 2, criteriul este neconcludent.

n! 1
2 3 (n + 1) = n + 1 ,
n =1 n =1
aceasta fiind serie armonic, este

divergent.

4.6. Serii alternate

DEFINIIA 1.6.1. : Seria a
n =1
n se numete alternat dac

produsul a doi termeni consecutivi este negativ , adic an an+1 < 0, ()nN*

Seria altenat poate avea forma :

a1 a 2 + a 3 a 4 + + a 2 n1 a 2 n + , (a n > 0)
a1 + a 2 a 3 + a 4 a 2 n 1 + a 2 n , (a n > 0 )

( 1) (an > 0) .
n +1
n general putem scrie seria astfel : an ,
n =1

CRITERIUL LUI LEIBNITZ

Fie ( 1)
n +1
a n o serie altrenat. Dac sunt ndeplinite condiiile :
n =1

1. a n > a n +1 ( adic irul termenilor fr semn este descresctor )

2. lim a n = 0
n

atunci seria ( 1)
n +1
a n este o serie convergent.
n =1

DEMONSTRAIE :

Presupunem c avem a1 a 2 + a 3 a 4 + + a 2 n 1 a 2 n +
S 2 n = a1 a 2 + a3 a 4 + + a 2 n1 a2 n +
S 2 n + 2 = S 2 n + a 2 n +1 a 2 n + 2

Deoarece a 2 n +1 > a2 n + 2 S 2 n +2 > S 2 n S 2 n este un subir strict cresctor.

Artm n continuare c S2n este un subir mrginit superior.

S 2 n = a1 (a 2 a3 ) (a 4 a5 ) (a2 n 2 a 2 n 1 ) a 2 n S 2 n < a1 , deci

14 2 43 14 2 43 1 44 2 4 43 {
>0 >0 >0 >0

S2n este mrginit superior.

S = lim S 2 n
Fie n
lim S 2 n = lim S 2 n 1 lim a2 n lim S n = S
= S 2 n 1 a2 n 1 2= S 3 14 2 43 123
n n n n
S2n
=S =0
seria este convergent.

log a n
EXEMPLU : S se studieze convergena seriei (1)
n =1
n

n
, a > 1.

log a x
Fie funcia f ( x ) = , x [1, )
x
x 1
log a x log a x
log a e log a x
f ' ( x ) = x ln a 2 = ln a 2 =
x x x2
tim c a>1 , deci funcia log a x este cresctoare. Din relaia de
mai sus, rezult c f ' ( x ) < 0 , oricare ar fi x > e . Deci f ( x ) este
descresctoare pe intervalul (e, ) i
log a n
este descresctoare pentru
n
log n
orice n > e , n N . De asemenea, lim a = 0. Conform criteriului lui
n n
Leibnitz, seria este convergent.

4.7. Serii absolut convergente

Fie a n o serie numeric.

DEFINIIA 4.7.1. : Seria a n este abslut convergent dac
seria valorilor absolute a n este convergent.
 TEOREMA 4.7.1. : Orice serie absolut convergent este
convergent.

DEMONSTRAIE :
Din ipotez tim c seria a n este absolut convergent. Conform
criteriului general de convergen al lui Cauchy, oricare ar fi > 0 ,
exist N ( ) astfel nct , oricare ar fi n N ( ) i oricare ar fi p N *
rezult c a n +1 + a n + 2 + + a n + p < a n +1 + a n + 2 + + a n + p <

Seria a n este convergent deoarece :

a n +1 + a n + 2 + + a n + p a n +1 + a n + 2 + + a n + p < oricare ar
fi n N ( ) i oricare ar fi p N * .

OBSERVAIE : Reciproca, n general, nu este adevrat ( nu

orice serie convergent este i absolut convergent ) .

EXEMPLU :

1
( 1)
n +1
Seria este convergent .
n =1 n

1 1
Seria ( 1)n +1 = este seria armonic i este divergent.
n =1 n n =1 n

DEFINIIA 4.7.2. : O serie convergent care nu este absolut

convergent se numete semiconvergent.

OBSERVAIE : ntr-o serie cu termeni pozitivi, notiunile de

convergen i absolut convergen coincid.

CRITERIU DE ABSOLUT CONVERGEN

Fie a n i b n , dou serii numerice. Dac exist N astfel nct

oricare ar fi n N , s avem a n bn (*) , atunci dac b n este
absolut convergent i seria a n este absolut convergent.
 DEMONSTRAIE :

Dac bn este o serie absolut convergent, din criteriul general de
convergen al lui Cauchy rezult c oricare ar fi > 0 , exist N ( ) astfel
nct, oricare ar fi n N ( ) i oricare ar fi p N * , exist relaia
: bn +1 + bn +2 + + bn + p < bn +1 + bn +2 + + bn + p < .

(*)
an+1 + an+2 + + an+ p = an+1 + an+2 + + an+ p bn+1 + bn+2 + + bn+ p < ,
oricare ar fi n N ( ) i oricare ar fi p N * . Rezult astfel c seria
a n este abslut convergent.

TEOREMA LUI ABEL ( pentru serii numerice ) :

Fie a n o serie numeric i fie ( Sn ) irul sumelor pariale care este

mrginit. Fie irul de numere n , ( n > 0) , ( n ) fiind convergent
ctre zero i descresctor. Atunci seria n an este convergent.

DEMONSTRAIE :

Din ipotez tim c ( Sn ) este un ir mrginit.

Sn = a1 + a2 + + an
S n M ( M > 0 ) , ( ) n N *
Tot din ipotez tim c ( n ) 0 , n > 0, n descresctor c
n

oricare ar fi > 0 , exist N ( ) astfel nct , oricare ar fi n N ( ) ,

n 0 < n < .
2M 2M
n continuare vom aplica seriei a n n criteriul general de
convergen al lui Cauchy:
Oricare ar fi > 0 , exist N ( ) astfel nct , oricare ar fi
n N ( ) i oricare ar fi p N * , exist relaia :
n+1an+1 + n+2 an+ 2 + + n+ p1an+ p 1 + n + p an+ p <
 n +1an+1 + n +2 an +2 + + n + p 1an + p 1 + n+ p an + p =
= n+1 (Sn+1 Sn ) + n+2 (Sn+2 Sn+1 ) + + n+ p1 (Sn+ p1 Sn+ p2 ) + n+ p (Sn+ p Sn+ p1 ) =
= n+1Sn + (n+1 n+2 )Sn+1 + + (n+ p1 n+ p )Sn+ p1 + n+ p Sn+ p
S n n +1 + S n +1 ( n +1 n +2 ) + + S n + p 1 ( n + p 1 n + p ) + S n + p n + p
M ( n +1 + n +1 n +2 + n +2 n +3 + + n + p 1 n + p + n + p ) =
2M
= 2 n +1 M =
2M

Rezult c seria a n n este convergent.

4.8.iruri de funcii

Fie f n : A B , n N * , funcii reale definite pe mulimea

A R .

DEFINIIA 4.8.1. : irul f1 , f2 , , fn , se numete ir de

funcii i se noteaz cu ( f n )nN * ( 1 ) .

OBSERVAIE : Oricare ar fi a A , obinem irul de numere

f1(a), f2(a), , fn(a) pe care-l notm : ( f n (a ))nN * ( 2 ) .

DEFINIIA 4.8.2. : Punctul x A se numete punct de

convergen al irului de funcii ( 1 ) , dac irul ( f n ( x ))nN * este
convergent.

Fie B A, B = {x A | ( f n ( x ))nN * este convergent} (3)

DEFINIIA 4.8.3. : Mulimea B se numete mulimea de

convergen a irului de funcii ( 1 ) .

Fie x B . Notm f ( x ) = lim f n ( x ) ( 4) .

n
 DEFINIIA 1.8.4. : Funcia f : B R care verific relatia de
mai sus se numete funcia limit a irului de funcii ( 1 ) .

EXEMPLU :
Fie funcia f n : R R , f n ( x ) = x n . Evident, B = ( -1 , 1 ] .
0, x ( 1,1)
f (x ) = f : B R este funcia limit.
1, x = 1

Fie f n : A B , n N * un ir de funcii. Fie mulimea B A .

DEFINIIA 4.8.5. : irul de funcii ( f n )nN * converge simplu

ctre funcia f pe mulimea B, dac oricare ar fi > 0 i oricare ar fi
x B , rezult c exist N ( , x ) astfel nct oricare ar fi n N ( , x ) ,
f n (x ) f (x ) < (1) .
cs
Vom nota cu f n f B
, unde cs nseamn converge simplu .

DEFINIIA 4.8.6. : irul de funcii ( f n )nN * converge uniform

ctre funcia f pe mulimea B, dac oricare ar fi > 0 , exist N ( , x )
astfel nct oricare ar fi n N ( , x ) i oricare ar fi x B , rezult c
f n (x ) f (x ) < ( 1 ) .
cu
Vom nota cu fn fB
, unde cu nseamn converge uniform .

Interpretarea geometric a convergenei uniforme este prezentat n

figura de mai jos :
f n , n N ( )

- f +
-f

- f

a b
 cu cs
OBSERVAIE : Dac fn f , atunci f n f . Reciproca nu
B B
este adevrat.

EXEMPLUL 1 :
0, x ( 1,1)
f n : ( 1,1] R , f n (x ) = x n f (x ) =
1, x = 1
cs

lim f n = f . Observm c f n f , dar nu este uniform

n ( 1,1]
convergent.

EXEMPLUL 2 :
sin nx
f n : [0,2 ] R , f n (x ) = , ()n N * B = [0,2 ]
n
f ( x ) = 0 , () x B . Fie irul :
1 1
xn = , xn 0 () > 0, ()N( ) astfel incat()n N( ) xn 0 < <
n n n
sin nx 1
()n N ( ) , f n ( x ) f ( x ) = 0 < , () x B .
n n

OBSERVAIE : Pentru convergena simpl se aplic criteriile

obinuite de convergen a irurilor de numere.

CRITERII DE CONVERGEN UNIFORM

I. Primul criteriu de convergen uniform ( criteriul

lui Cauchy ):

Fie f n : A B , n N * un ir de funcii. Fie mulimea B A .

cu
irul fn f
B
dac i numai dac , oricare ar fi > 0 , exist

N ( ) astfel nct oricare ar fi n N ( ) , oricare ar fi m N ( ) i

oricare ar fi x B , rezult :
f m ( x ) f n ( x ) < (1)
 DEMONSTRAIE :

1) Necesitatea :
cu
Presupunem c fn f () > 0, () N ( ), astfel nct,
B

()n N ( ), () x B , f n ( x ) f ( x ) < (2).
2

Pentru m N ( ) , avem relaia f m ( x ) f ( x ) < (2)
2

fm (x) fn (x) = fm (x) f ( x) + f (x) fn (x) fm (x) f (x) + f (x) fn (x) < + =
2 2
oricare ar fi n N ( ) , oricare ar fi m N ( ) i oricare ar fi x B .

2) Suficiena :

Presupunem c () > 0, ()N ( ), astfel nct, ()n N ( ), () x B

f m ( x ) f n ( x) < Prin urmare irul de numere f n ( x ) este un ir
fundamental i deci irul ( f n )nN * este convergent.
cs
Fie f : B R limita irului ( f n )nN * , f n f . Vom demonstra
B
n continuare c aceast convergen este uniform.
cs
Fie n N ( ) , fixat, ales arbitrar . Deoarece f n f , nseamn c
B
este adevrat relaia :
cs
f n f n f f n ()n N ( ), () x B, f m ( x) f n ( x) < .
B
Trecem la limit cnd n . Vom avea : | f ( x ) f n ( x ) |< .
Deoarece n este ales arbitrar, l putem nlocui cu n i obinem :
cu
f ( x ) f n ( x ) < , () x B fn f
B

II. Al doilea criteriu de convergen uniform:

Fie f n : A R . Fie irul numeric (a n )nN * , de numere pozitive,

convergent ctre zero. Fie B A .
 Dac exist f : B R astfel nct f n ( x ) f ( x ) a n , oricare
cu
ar fi n N * fn f .
B

DEMONSTRAIE :
Fie > 0 . Deoarece lim a n = 0 () N ( ) astfel nct
n

()n N ( ), a n 0 < . Dar a n > 0 , deci a n < .

Pentru ()n N ( ), () x B f n ( x ) f ( x ) a n < . Aceasta
cu
demonstreaz faptul c fn f .B

CONTINUITATEA I CONVERGENA UNIFORM

Fie funcia f : A R .

DEFINIIA 4.8.7. : Funcia f este continu n punctul a A

dac :
1) exist lim f ( x )
x a

2) lim f ( x) = f (a )
xa

DEFINIIA 4.8.8. : Funcia f este continu n punctul a A

dac oricare ar fi > 0 , exist o vecintate V(a) astfel nct oricare ar fi
x V (a ) A f ( x ) f (a ) < .

Cele dou definiii sunt echivalente.

cu
TEOREMA 4.8.1. : Fie irul fn f ( mulimea B fiind inclus
B
n mulimea A ) . Dac toate funciile fn sunt continue n punctul a B ,
atunci i funcia limit f este continu n punctul a .

DEMONSTRAIE :
 cu
Din ipotez tim c fn f () > 0, () N ( ), astfel nct,
B

()n N ( ), () x B , f n ( x ) f ( x ) < . (1)
3

n cazul particular x = a , obinem relaia f n (a ) f ( a ) < . (2)
3
Tot din ipotez tim faptul c funciile fn sunt continue n x = a , deci
i funcia fN este continu n punctul x = a , i prin urmare, oricare ar fi
> 0 , exist vecintatea V(a) astfel nct oricare ar fi x V (a ) B

f N ( x ) f N (a ) < . (3)
3
()xV(a) B,() > 0, f (x) f (a) = f (x) fN (x) + fN (x) fN (a) + fN (a) f (a)

f (x) fN (x) + fN(x) fN (a) + fN (a) f (a) < + + =
1 44 2 4 43 1 44 2 4 43 1 44 2 4 43 3 3 3

= (1) = (3) = (2)
3 3 3

DERIVABILITATE I CONVERGEN UNIFORM

TEOREMA 4.8.2. : Fie I un interval mrginit i fie irul de

(
funcii f n : I R derivabile pe intervalul I n N * . Dac sunt )
ndeplinite condiiile :
1) exist x0 I astfel nct irul ( f n ( x0 ))nN * este convergent
cu
2) exist g : I R astfel nct f n' g
I
cu
atunci : 1) exist funcia f : I R astfel nct f n f
I

2) f ' (x ) = g (x ), () x I .

OBSERVAIE : Convergena uniform a irului fn nu atrage

dup sine convergena uniform a irului derivatelor.

EXEMPLU :
, (n N* ) .
Fie intervalul I = [0,2 ] . Fie f n : I R , f n ( x) =
cosnx
n
Vom arta c fn este un ir convergent uniform pe acest interval.
 f (x ) = 0 , x I .
cos nx 1 . Conform criteriului II de convergen
f n (x ) f (x ) =
n n
cu
uniform, rezult c f n f .
I

f n' ( x ) = sin nx . Fie x = I .
2
3
n = 1 f1' = sin = 1 n = 3 f 3' = sin =1
2 2 3 2
4
n = 2 f 2' = sin = 0 n = 4 f 4' = sin =0
2 2 2

Obinem irul -1, 0, 1, 0 , -1, , deci nu este un ir convergent.

TEOREMA 4.8.3. : Fie f n [a, b] R , n N * un ir de funcii,

cu
fn f . Dac fn sunt integrabile pe intervalul [a, b], atunci :
[ a ,b ]

1) funcia limit f este integrabil pe intervalul [a, b]

f ( x )dx este convergent

b
2) n
a

lim f ( x )dx = f ( x )dx

b b
3) n
n a a

OBSERVAIE : Teorema 4.8.2. se mai numete i teorema de

derivare termen cu termen a unui ir de funcii , iar teorema 4.8.3. se mai
numete i teorema de integrare termen cu termen a unui ir de funcii .

4.9. Serii de funcii

( )
Fie f n : A R , n N * , un ir de funcii.

DEFINIIA 4.9.1. : Suma (1) f 1 + f 2 + + f n + = f
n =1
n

se numete serie de funcii.

OBSERVAII :

1) Oricare ar fi a A , seriei f
n =1
n i corespunde o serie de

numere f (a ) = f (a ) + f (a ) + + f (a ) +
n =1
n 1 2 n
(2) .

Dac seria numeric (2) este convergent, atunci spunem c

punctul a este un punct de convergen a seriei de funcii (1) .

1) O serie de funcii este echivalent cu o familie de serii de

numere ( fiecrui a A i corespunde o serie de numere ) .

2) Unei serii de funcii i putem aplica rezultatele de la serii de

numere i de la iruri de funcii. Astfel, notm :

S1 = f1
S2 = f1 + f2

Sn = f1 + f2 + + fn (3)

unde Sn reprezint suma parial de ordinul n a seriei de funcii

(1) (S n )nN *

DEFINIIA 4.9.2. : Seria de funcii (1) , f n , este convergent

pe B A dac irul de funcii ( Sn ) este convergent pe multimea B .

DEFINIIA 4.9.3. : Seria de funcii f n este absolut

convergent n punctul a A dac f (a ) este absolut convergent.
n

DEFINIIA 4.9.4. : Mulimea de convergen B A a unei

serii de funcii este B = {a A | f n (a ) este convergent a} .

EXEMPLE :

(1) e
n =0
nx
, f n ( x ) = e nx , fn : R R

x < 0 : lim f n ( x ) = lim e nx = + ,

n n
f n este divergent .
x = 0 : f n (0) = 1 , S n (0) = n + 1 , lim S n (0) = + , f n este
n
divergent .
n n
1 1 1
x>0: f n ( x ) = nx = x , e x este serie geometric cu raia
e e
1
r= < 1 , deci este o serie convergent.
ex

Rezult c mulimea de convergen este B = (0, ) .

(x + 1)n , f n (x ) =
(x + 1)n
(2)
n =1 n 2n n 2n
, fn : R R

Din criteriul raportului, obinem :

f n +1 ( x ) ( x + 1)n +1 n 2 n n ( x + 1) x + 1
lim = lim = lim =
n f n ( x ) n (n + 1)2 n +1 ( x + 1)n n 2(n + 1) 2

x +1 x +1
< 1 1 < < 1 x ( 3,1) , seria este convergent.
2 2
x +1
> 1 x ( ,3) (1, ) , seria este divergent.
2
1
x = 1 fn =
, serie armonic, divergent.
n
x = 3 fn =
( 2)n = ( 1)n 1 , serie armonic alternat, care este
n 2n n
convergent.

Rezult c mulimea de convergen este [ 3,1) .

DEFINIIA 4.9.5. : Seria f n converge simplu pe mulimea B

ctre funcia S dac oricare ar fi > 0 , oricare ar fi x B , exist N ( , x )
astfel nct, oricare ar fi n N ( , x ) , avem S n ( x ) S ( x ) < .
 DEFINIIA 4.9.6. : Seria f n converge uniform pe mulimea
B ctre funcia S dac oricare ar fi > 0 , exist N ( ) astfel nct, oricare
ar fi n N ( ) , oricare ar fi x B , avem S n ( x ) S ( x ) < .

DEFINIIA 4.9.7. : Funcia S se numete suma seriei de funcii.

CRITERII DE UNIFORM CONVERGENTA A SERIILOR DE

FUNCTII

Criteriul Cauchy de convergen uniform:

Fie f n : A R , n N * . Fie B A . Seria f n converge

uniform pe mulimea B dac i numai dac oricare ar fi > 0 , exist
N ( ) astfel nct, oricare ar fi n N ( ) , oricare ar fi p N * , avem :
f n +1 ( x ) + f n +2 ( x ) + + f n + p ( x ) < , oricare ar fi x B .

DEMONSTRAIE :

Fie S n ( x ) = f1 ( x ) + f 2 ( x ) + + f n ( x ) .
cu
irul Sn S () > 0, ()N ( ) astfel nct : ()n N ( ) i () x B
B

S n+ p (x ) S n ( x ) < i f n +1 ( x ) + f n +2 ( x ) + + f n + p ( x ) < .

Criteriul lui Weierstrass de convergen uniform:

Fie f n : A R , n N * . Fie f n . Fie a n o serie cu

termeni pozitivi convergent. Dac oricare ar fi x B A i oricare ar fi
n N * , f n ( x ) a n , atunci
f n converge uniform pe mulimea B .

DEMONSTRAIE :
Din ipotez tim c a n este convergent i a n > 0 . Din
criteriul general de convergen al lui Cauchy rezult c () > 0, () N ( )
astfel nct ()n N ( ) , () p N * , avem :
 a n +1 + a n + 2 + + a n + p < a n +1 + a n + 2 + + a n + p < .

fn+1( x) + fn+2( x) + + fn+p ( x) fn+1( x) + fn+2( x) + + fn+p ( x) an+1 + an+2 + + an+p <
i conform criteriului de convergen uniform al lui Cauchy rezult c
f n converge uniform pe mulimea B .

EXEMPLE :
n
1. f n
, f n : R R , f n ( x ) = sin 2 x .
n
sin n x 1
()n N * , () x R f n ( x ) = 2
2
n n
1
a n =
n2
este seria armonic generalizat, = 2 , deci seria este
convergent.

Conform criteriului lui Weierstrass, f n converge uniform pe R.

1
2. f n
, f n : R R , f n (x ) = .
nx
pentru x > 1 f n ( x ) = 1x este seria armonic generalizat
n
(convergent)
pentru x 1 seria este divergent.

4.10. Serii de puteri

Fie f n : R R , f n ( x ) = a n x n , nN .

DEFINIIA 4.10.1. : Seria de funcii a x
n=0
n
n
= a0 + a1x + + an xn +

se numete serie de puteri.

OBSERVAII :
 Orice serie de puteri este o serie de funcii, deci rezultatele obinute la
seriile de funcii se aplic seriilor de puteri.

S n ( x ) = a 0 + a1 x + + a n x n este un polinom de gradul n .

PROPOZIIA 4.10.1. : Mulimea de convergen a unei serii de

puteri este nevid.

DEMONSTRAIE :
Fie irul (S n ( x ))nN . Pentru x = 0 , Sn(0) = a0 ;
limSn (0) = a0 x = 0 B . Deci mulimea B este nevid.
n

OBSERVAIE : Exist serii de puteri pentru care mulimea de

convergen este format doar din numrul zero. ( B = {0} )

EXEMPLU : Fie seria: n
n =1
n
xn .

Notm a n = n . n

Fie x0 R , x0 0 .

n
n =1
n
x n = x0 + 2 2 x02 + 33 x03 + + n n x0n +

De asemenea, n n x0n (n x0 ) .
n

1
Pentru n > n x0 > 1 . Rezult c lim n n x0n 0 . Deci seria
x0
n

este divergent pentru orice x 0 ( vezi criteriile de convergen )

TEOREMA LUI ABEL PENTRU SERII DE PUTERI

Pentru orice serie de puteri a n x n , exist un numr R 0 astfel

nct :
1. Oricare ar fi x ( R, R ) , seria este absolut convergent.
2. Oricare ar fi x ( , R ) (R, ) , seria este divergent.
3. Oricare ar fi 0 < r < R , seria este uniform convergent pentru orice
x [ r , r ] .
 Numrul R 0 cu proprietile 1. i 2. se numete raza de convergen
a seriei de puteri.

DEMONSTRAIE :

Fie B multimea de convergen a seriei a n xn .

Dac B = {0} R = 0 , atunci teorema este demonstrat.
Dac B {0}, atunci :

(*) Fie x0 B , x0 0 a n x0n este convergent, deci

lim an x0n = 0 de unde rezult c irul (an x0n )nN este mrginit. *
n

Dac irul an x0n ( )

nN *
este mrginit, atunci exist M > 0 astfel
nct a n x M . n
0

(
Consierm x x0 , x0 x < x0 )
| | | |
x0 0 x x0
n n
xn x x
an x = a n x n = an x0n
n
0
n
0 M
x0 x0 x0
n n
x x
an x M x
n
0 = M
x0
0

x
n
x
Dareste o serie geometric convergent r =
< 1 , i
x0 x0

conform primului criteriu de comparaie, seria n
an x este absolut
convergent.
Prin urmare, oricare ar fi x x0 , x0 ( ) , seria este absolut
convergent, deci convergent.
Am artat deci c dac x0 B , atunci oricare ar fi
x ( x0 , x0 ) , seria este absolut convergent.
0
(**) Fie x1 B ( | ) | |
B x1 x
 Dac x1 B , atunci seria a n
x este divergent.
n 1

Vom demonstra c oricare ar fi x astfel nct x > x1 , seria

a x este divergent.
n
n 1

Presupunem contrariul, adic a n x n este convergent. Rezult

conform (*) c seria a x este convergent. Aceasta este o contradicie
n
n 1

cu ipoteza, deci seria este divergent pentru orice punct mai mare dect x1 .

Fie I = (a, b ) R .Oricare ar fi M cu proprietatea

x (a, b ) , x < M se numete majorant al intervalului (a,b) .
Observaie : Un interval (a,b) are o infinitate de majorani.
Se numete supremul lui I , notat supI , cel mai mic majorant.

Fie R=supB . Vom arta c R este raza de convergen a seriei.

1. Oricare ar fi x0 < R , rezult conform (*) :
( x 0 , x0 ) B () x ( R, R ) , seria este absolut convergent.

2. Dac R este infinit (R = ) , atunci punctul 2. din teorema lui Abel nu

are sens. Presupunem c R este finit. Atunci :
(**)
() x > R () x ( , R ) (R, ) , seria este divergent.
Din 1. i 2. rezult faptul c R este raza de convergen a seriei.

3. Fie 0 < r < R

Vom arta c oricare ar fi x ( R, R ) , seria este convergent .
Dac 0 < r < R , atunci r face parte din intrevalul de convergen ,
deci seria a n r n este convergent. Dar a n r n = a n r n , aceasta din
urm fiind o serie numeric cu termeni pozitivi, convergent.
Oricare ar fi x [ r , r ] , rezult c a n x n = a n r n i conform
criteriului lui Weierstrass de convergen uniform, seria a n x n este
uniform convergent pe intervalul [ r, r ] .

OBSERVAII :
Teorema lui Abel nu afirm nimic despre natura seriei atunci cnd x=R
sau cnd x= -R. n aceste puncte seria poate fi convergent sau
divergent.
 Teorema lui Abel afirm existena seriei de puteri, dar nu arat cum
poate fi calculat raza de convergen.

EXEMPLU : x n
= 1 + x + x 2 + + x n , () x ( 1,1)
n =1

Pentru orice x ( ,1) (1, ) , seria este divergent.

Pentru x = 1, S n = , deci seria este divergent.
Pentru x = -1 , S n este o serie oscilant, deci divergent.
n concluzie, B = ( 1,1) .

TEOREMA CAUCHY HADAMARD

Fie a n x n o serie de puteri. Fie = lim n a n . Atunci :

n

1
, 0 < <

R = , = 0
0 , =

DEMONSTRAIE :
Fie x0 R oarecare . ( x0 fixat )

a x 0n = a n x0 . Notm
n
Fie seria cu termeni pozitivi n
n
un = an x0 . Pentru seria u n aplicm criteriul rdcinii:

n n
( )
lim n un = lim x0 n a n = x0 lim n a n = x0
n

Exist mai multe cazuri :

1 1
1) 0 < < () x0 < x0 < x0 < 1 . Din criteriul

1
lui Cauchy rezult c seria este convergent i R = .

2) = 0 0 x 0 < 1 , ( ) x 0 R R = .
 3) = () x0 , x0 > 1 () x0 , x0 0 , seria este
divergent i R=0 .

a n +1
Observaie : = lim . Dac nu exist aceast limit, atunci
n an

= lim n an sau = lim a n +1 .

n n an

EXEMPLE :

xn 1 1
1)
n =1 n n
, an = n
n
= lim n a n = lim
n n n
=0R=

( 1)n ( 1)n 1 1 1
2) 2 n
n
x n = lim n
n 2 n
n
= = R= =2
2 lim n 2
n

n

Oricare ar fi x ( 2,2 ) , seria este absolut convergent.

Oricare ar fi x ( ,2 ) (2, ) , seria este divergent.

CONTINUITATEA UNEI SERII DE PUTERI

Fie seria a n x n i fie B mulimea de convergen a seriei,

( R, R ) B [ R, R ] .
Oricare ar fi x B , notm S ( x ) = a0 + a1 x + + a n x n + .
Obinem astfel funcia S : B R ( suma seriei ).

EXEMPLU : x
n =0
n
= 1 + x + x2 + + xn +

1
B = ( 1,1 ) , S :B R, S (x ) =
1 x

PROPOZIIA 4.10.2. : Suma S a unei serii de puteri a n xn

este continu pentru oricare x ( R, R ) .
 DEMONSTRAIE :

Fie x0 ( R, R ) ( | | )
-R x0 r R

Deoarece x0 aparine acestui interval, rezult c exist r > 0 astfel

nct x0 < r < R . Conform teoremei lui Abel, seria
an x n este uniform
convergent pe intervalul [-r,r] .
Dar funciile a n x n sunt nite polinoame, deci sunt continue pentru
orice x R S ( x ) este continu, deci S ( x ) este continu pe intervalul (-
R,R) .

TEOREM : Fie a n x n o serie de puteri i fie S suma acestei

serii.
1. Seria derivatelor na n x n1 are aceeai raz de convergen ca i seria
iniial.
2. Funcia S este derivabil n intervalul de convergen i suma seriei

nan x n1 este S .
EXEMPLE :

x 2 n +1
1) S se determine mulimea de convergen a seriei ( 1)
n =0
n

2n + 1
an 2n + 3
R = lim = lim =1
n a n 2 n + 1
n +1

Dac x ( 1,1) , seria este absolut convergent.

Dac x ( ,1) (1, ) , seria este divergent.
Oricare ar fi r astfel nct 0 < r < 1 , seria este uniform convergent pe
[ r, r ] .

( 1) n +1
Dac x = 1 ( 1) . Dac x = 1
n
. Acestea sunt
n =0 2 n + 1 n =0 2n + 1
serii alternate care verific condiiile criteriului lui Leibnitz, deci sunt
convergente.
Rezult c mulimea de convergen este B = [ 1,1] .
 3n + ( 2) n
2) S se studieze convergena seriei
n =1 n
( x + 1) n

Notm x + 1 = y i obinem seria 3 + ( 2) y n .

n n

n =1 n
n
2
1+
a 3 + (2)
n n
n +1 n +1 3 R = 1
R = lim n = lim n+1 n+1
= lim
n a
n+1
n n 3 + (2) n n 2 n+1 3
31+
3

1 1 4 2
Dac y , x , , seria este absolut convergent.
3 3 3 3
1
3 + ( 2 ) n 1
n
Dac y = n este o serie cu termeni pozitivi pe
3 n =1 n 3

1
care o comparm cu seria .
n =1 n

( 3n + ( 2) n )n 3n + ( 2) n
Astfel, lim = lim = 1 . Observm c seriile au
n n 3n n 3n
aceeai natur, deci seria dat este divergent.
1
3n + ( 2 ) n
Dac y = ( 1) n este o serie alternat. irul
3 n =1 n 3n
3n + ( 2 ) n este monoton descresctor i tinde la zero. Conform

n3
n
nN
criteriului lui Leibnitz, seria dat este convergent.
4 2
Dac x , , , seria este divergent.
3 3
1
n+

3) S se determine mulimea de convergen a seriei n n

1
n
xn
n =1
n +
n
n
1 1
n + n+
1 n n =1
R = lim = lim n
1
= lim 1
n n n n
an n+ 1+
n n
n n2

Dac x ( 1,1) , seria este absolut convergent.

Dac x ( ,1) (1, ) , seria este divergent.
 1 1
n+ n+

Dac
n . Dac n n
( 1) n .
n
x =1 n
x = 1 n
n =1 1 n =1 1
n + n +
n n
1

n+
1 n
n n
lim = 1 , deci seria este divergent.
n
1
n lim n n
n n2 =1
n + 1 + 1
n n

4) S se dezvolte n serie de puteri ale lui x funcia f : ( 1, ) R ,

unde f ( x ) = ln (1 + x ) .

1
f ' (x ) = = (1 + x ) = 1 x + x 2 x 3 + x 4 + + ( 1) n x n +
1

1+ x
dt = (1 t + t 2 t 3 + + (1)n t n + )dt = 1dt tdt + t 2dt
1
f (x) =
x x x x x

1+ t
0 0 0 0 0
n +1
xx x x2 x3 x4 n x
t dt + + (1) t dt + = x + + + (1)
3 n n
+ =
0 0 2 3 4 n +1

x n +1
= ( 1) n
n =0 n +1

4.11. Serii Taylor i serii MacLaurin

Fie I un interval din R i fie f : I R o funcie indefinit

derivabil n punctul a I .

DEFINIIA 4.11.1. : Se numete serie Taylor ataat funciei f n

punctul a, seria :

(x a)n f (n) (a) = f (a) + x a f ' (a) + (x a)2 f ' ' (a) + + (x a)n f (n) (a) +
(1)
n=0 n! 1! 2! n!
Evident, seria (1) este o serie de puteri , cci notnd x a = y , obinem :

yn y y2 y n (n)
(1) n! f ( n ) (a ) = f (a ) + f ' (a ) + f ' ' (a ) + + f (a ) +
n =0 1! 2! n!
 Raza de convergen a seriei (1) se studiaz cu ajutorul teoremei
Cauchy Hadamard.

OBSERVAIE : Deoarece raza de convergen este 0 R ,

seria Taylor are mulimea de convergen B deoarece a B .

Suma parial de ordinul n a seriei (1) , pentru orice x B

(mulimea de convergen) o vom nota :

(2) Tn ( x ) = f (a ) +
xa
f ' (a ) +
(x a )2 f ' ' (a ) + + ( x a )n f ( n ) (a )
1! 2! n!
i se numete polinomul lui Taylor de ordinul n.

DEFINIIA 4.11.2. : Se numete rest al lui Taylor de ordinul n,

funcia Rn : I R , Rn (x) = f ( x) Tn (x) (3). Deci f ( x ) = Tn ( x ) + Rn ( x )
(4) , oricare ar fi x I .

TEOREMA 4.11.1. : Seria Taylor ataat funciei f n punctul a

este convergent n punctul x I dac i numai dac irul (Rn ( x ))nN *
este convergent ctre zero.

DEMONSTRAIE :

Din relaia (4) obinem relaia (5) f ( x ) Tn ( x ) = Rn ( x ) . Prin

urmare, dac irul sumelor pariale de ordinul n , Tn ( x ) , converge ctre
f(x), trecnd la limit cnd n n relatia (5), rezult c lim Rn ( x ) = 0 .
n

Invers, dac lim Rn ( x ) = 0 atunci din relatia (5) avem

n

lim Tn ( x ) = f ( x ) i deci seria Taylor ataat funciei f n punctul a este

n

convergent pentru orice x I , ctre f(x) .

OBSERVAII :

1) Dac lim Rn ( x ) = 0 , avem :

n

f ( x) = f (a) +
x a
f ' (a) +
(x a) f ' ' (a) + + (x a) f (n) (a) +
2 n
(6)
1! 2! n!
Formula (6) se numete formula de dezvoltare n serie Taylor a
funciei f n jurul punctului x = a.
2)

Mulimea B = x I | f ( n ) (a )
( x a )n este convergenta nu

n =0 n!
coincide, n general cu I.
Caz particular : Dac 0 I , atunci seria urmtoare se numete
serie MacLaurin ataat funciei f .

xn x x2 x n (n)
n! f ( n ) (0 ) = f (0) + f ' (0 ) + f ' ' (0 ) + + f (0) + (7)
n=0 1! 2! n!

x k (k )
Evident, dac Rn = f (0)
k = n +1 k!
converge ctre zero cnd n

tinde spre infinit, avem:

x x2 x n (n)
f ( x ) = f (0) + f ' (0 ) + f ' ' (0 ) + + f (0) + (8)
1! 2! n!

Formula (8) se numete formula de dezvoltare n serie MacLaurin a

funciei f .

EXEMPLE :

1) S se dezvolte n serie MacLaurin funcia

f : R R, f (x ) = e .x

f ( x ) = e x , f (0) = 1
f ' ( x ) = e x , f (0) = 1

f (n) (x ) = e x , f ( n ) (0) = 1

x x2 xn
i deci e x = 1 + + + + + ( formula de dezvoltare n
1! 2! n!
serie MacLaurin )

1 n 1
ex = x an =
n =0 n! n!

Pentru determinarea razei de convergen, conform teoremei

Cauchy Hadamard, avem:
 a n +1 n!
= lim = lim =0 R=
n an n (n + 1)!

2) S se dezvolte n serie MacLaurin i s se determine raza de

convergen a funciei f : R R , f ( x ) = sin x , f (0) = 0 .

f ' ( x ) = cos x = sin x + , f ' (0) = 1
2

f ' ' ( x ) = cos x + = sin x + 2 , f ' ' (0) = 1
2 2


f (n) (x) = sin x + n (formul ce se demonstreaz uor prin inducie)
2

x 2 k +1 ( 1)
k
x x3 x5 x7
Prin urmare, sin x = + + + +
1! 3! 5! 7! (2k + 1)!
Pentru determinarea razei de convergen, avem :
= lim
(2 k + 1)! = 0 R =
k (2 k + 3)!

5) S se scrie seria McLaurin pentru funcia : f : R R, f ( x) = cosx

(1)k , n = 2k
f ( n) ( x) = (cos x ) = cos x + n ; f (n) (0) = cosn =
n

2 2 0, n = 2k 1

cos n
x x4 x 2n
f ( n ) (0) n 2 xn
cos x = 1 + + + (1) n + = x =
2! 4! (2n)! n =0 n! n =0 n!

RESTUL N FORMULA LUI TAYLOR

TEOREMA 4.11.2. : Fie f : I R de n+1 ori derivabil pe

intervalul I. Atunci pentru orice p N * , exist un numr " " cuprins
ntre a i x astfel nct :

Rn ( x ) =
(x a ) p ( x )n p +1 f ( n +1) ( ) (1)
p n!

DEMONSTRAIE :
 Vom considera restul Rn ( x ) de forma Rn (x) = ( x a) k
p
(2)
i vom determina pe k n funcie de x i de a. Din formula lui Taylor

avem: f ( x) = f (a) +
x a
f ' (a) +
(x a)2 f ' ' (a) + + (x a)n f (n) (a) + (x a)p k (3)
1! 2! n!

Vom defini funcia : I R , derivabil pe I astfel :

(t ) = f (t ) +
xt
f ' (t ) +
(x t ) f ' ' (t ) + + (x t ) f ( n ) (t ) + (x t ) p k (4)
2 n

1! 2! n!

Evident ( x ) = f ( x ) i f ( x ) = (a ) de unde obinem ( x ) = (a ) .

Presupunnd c, de exemplu, a < x , avem:

este continu pe intervalul [ a , x ]

este derivabil pe intervalul ( a , x ) () (a, x) , ' ( ) = 0 (5)
(a ) = ( x ) (conform teoremei lui Rolle)

Pe de alt parte, derivnd funcia dat de (4) obinem :

' (t) = f ' (t) +

x t
+ f ' ' (t ) f ' (t ) +
(x t) f ' ' ' (t) 2(x t) f ' ' (t) + ( x t) f IV (t)
2 3

1! 2! 2! 3!

(x t) f ' ' ' (t) + + (x t) f (n) (t) (x t) f (n1) (t) + (x t) f (n+1) (t) (x t)n1 f (n) (t)
2 n1 n2 n

2! (n 1)! (n 2)! n! (n 1)!

p( x t )
p 1
k

Reducnd termenii asemenea, se obine :

' (t ) =
( x t )n f ( n+1) (t ) p ( x t ) p 1 k
n!
Deci : ' ( ) =
( x )n f ( n+1) ( ) p ( x ) p1 k = 0 , de unde
n!

k=
( x ) f ( ) , sau k = ( x )n p+1 f ( n+1) ( ) i rezult astfel :
n ( n +1)

n! p ( x )
p 1
p n!

Rn ( x ) =
(x a ) p ( x )n p +1 f ( n +1) ( ) , unde " " este cuprins
p n!
ntre a i x.
Teorema este astfel demonstrat . Cazul cnd x < a se trateaz
analog.
Cazuri particulare ale expresiei restului :

Pentru p = 1 se obine Rn ( x ) = ( x a )( x ) f ( n +1) ( )

n
(1) i se
n!
numete restul lui Cauchy.
(2) Pentru p = n+1 se obine Rn ( x ) =
(x a )n +1 f ( n +1) ( ) i se
(n + 1)!
numete restul lui Lagrange.

RESTUL IN FORMULA LUI MACLAURIN

Aa cum am mai vzut, o serie Taylor pentru a = 0 se numete

serie MacLaurin.
Prin urmare, dezvoltarea unei funcii f : I R ( 0 I ) n serie
MacLaurin este:
x x2 x n (n)
f ( x ) = f (0) + f ' (0) + f ' ' (0) + + f (0) +
1! 2! n!
n
x k (k )
Tn ( x ) = f (0 )
k = 0 k!

x k (k )
Rn ( x ) = f (0)
k = n +1 k!
Restul n formula lui Cauchy are forma :
x ( x ) ( n +1)
n
Rn ( x ) = f ( ) , unde " " este cuprins ntre a i x.
n!
Restul n formula lui Lagrange are forma :
n +1
x
Rn ( x ) = f ( n +1) ( ) , unde " " este cuprins ntre a i x.
(n + 1)!
EXEMPLU :
1
1) S se calculeze cu trei zecimale exacte.
e
1
1 1 1
= e 2 = Tn + Rn
e 2 2
 Pentru Rn 1 utilizm formula restului lui Lagrange :
2
n+1
1

1 2 1 1
Rn = e n+1 1 deoarece < e < e 0 = 1
2 (n + 1)! 2 (n + 1)! e

Punnd condiia Rn 1 < 0,001 , adic 1 1 sau

<
2 2 n +1 (n + 1)! 1000
2 n +1 ( n + 1)! > 1000 rezult n = 4 ( prima valoare natural ).

2 3 4
1 1 1 1 1 1 1 1 1 1 1 1 1
T = 1+ + + + = 1 + 2 3 + 4 =
2 2 1! 2 2! 2 3! 2 4! 2 2 2 2 6 2 24
233 1
= 0,606 . Deci 0,606 .
284 e
 CAPITOLUL 5

FUNCII REALE DE MAI MULTE VARIABILE REALE

5.1. Mulimi i puncte din Rn

Fie Rn spaiul vectorial real n dimensional. Fie

x = ( x1 , x 2 , , x n ) R n i y = ( y1 , y 2 , , y n ) R n .
T T

DEFINIIA 5.1.1. : Aplicaia , : R n R n R dat de

n
relaia x, y = xi y i este un produs scalar real.
i =1

Se arat uor c ea verific axiomele unui produs scalar

real.
PS1) x, y = y, x , () x, y R n
PS2) x , y = x , y , ( ) R , ( ) x , y R n
PS3) x + y , z = x , z + y , z , ( ) x , y , z R n
PS4) x, x 0 , () x R n i x, x = 0 x = (unde
este vectorul nul din R ) n

Deci Rn este un spaiu euclidian.

DEFINIIA 5.1.2. : Aplicaia : R n R dat de relaia

n
x = x, x = x
i =1
2
i
este o norm i deci Rn este un spaiu

vectorial normat.
ntr-adevr, se arat imediat c:

n1) x 0 , () x R n i x = 0 x =
n2) x = || x | , () R, () x R n
n3) x + y x + y , () x , y R n

DEFINIIA 5.1.3. : Un spaiu vectorial peste care s-a

definit o norm se numete spaiu vectorial normat.
 DEFINIIA 5.1.4. : O aplicaie d : X X R se
numete distan dac :
d1) d ( x, y ) 0 , () x, y X i d ( x, y ) = 0 x = y
d2) d (x , y ) = d ( y , x ) , () x , y , z X
d3) d ( x, z ) d ( x, y ) + d ( y , z ) , () x, y , z X

DEFINIIA 5.1.5. : O mulime nevid X peste care s-a

definit o distan se numete spaiu metric.

Vom arta acum c Rn este un spaiu metric. ntr-adevr,

n
d : Rn Rn R , d ( x, y ) = x y = (x i yi )
2
verific axiomele
i =1

unei distane ( metrice ).

DEFINIIA 5.1.6. : Fie A R n . Funcia f : A R

este o lege prin care fiecrui element x A i corespunde un numr
real y i numai unul singur.
y = f ( x1 , x n ) , x A , x = ( x1 , x2 , , x n ) R n
T

Funcia f : A R se numete funcie real de n variabile

reale.
DEFINIIA 5.1.7. : Fie a R n i fie r R, r > 0 . Mulimea
S r ( a ) = {x R n | x a < r } se numete sfera deschis cu centrul n
punctul x0 , de raz r.

a R n , a = (a1 , , a n ) .
T
DEFINIIA 5.1.8. : Fie
Fie x0 R n , x0 = (x01 , , x0n ) i fie x R n , x = ( x1 , x 2 , , x n )T .
T

{
Mulimea Pa(x0) de forma Pa ( x0 ) = x R n | xi x0i < ai , i = 1,..., n }
se numete paralelogram deschis care conine punctul a.

DEFINIIA 5.1.9. : Prin vecintatea V(a) , a R n ,

ntelegem orice sfer deschis de raz r cu centrul n punctul a.
O vecintate poate fi i un paralelogram deschis .

Mulimea {
C r ( x0 ) = x R n | xi x0i < r, i = 1,..., n } se
numete hipercub. (r>0)
 DEFINIIA 5.1.10. : Mulimea M R n este o mulime
deschis dac oricare ar fi x M exist o vecintate V(x) complet
coninut n M .

DEFINIIA 5.1.11. : Mulimea M R n este mrginit

dac exist un numr real a i dac exist un numr r finit i
pozitiv astfel nct M S r (a ) .

DEFINIIA 5.1.12 : Punctul x M este un punct de

acumulare al mulimii M dac pentru orice V(x) avem
(V ( x ) {x}) M .
DEFINIIA 5.1.13. : Punctul x M care nu este punct
de acumulare se numete punct izolat.

DEFINIIA 5.1.14. : Funcia f : A R n R este o

funcie mrginit dac mulimea valorilor funciei f(A) este o
mulime mrginit .

5.2. Funcii vectoriale de variabil real vectorial.

Continuitate parial.

Fie A R n , () x A , x = ( x1 , , x n ) . Fie funciile

T

f i : A R, i = 1,..., m . Atunci pentru orice x A , obinem

vectorul m dimensional ( f1 ( x ), f 2 ( x ), , f m ( x ))T .

Funcia f : A Rn Rm f (x1, , xn ) = f ( x) = ( f1(x), f2(x), , fm( x)) se

numete funcie vectorial de variabil real vectorial .
Fie y R m , y = ( y1 , , y i , , y m ) . Prin proiecia vectorului y
n raport cu i nelegem pri y = yi , i = 1, , m .

Prin urmare, studiul funciilor vectoriale de variabil

vectorial se reduce la studiul functiilor reale de variabil vectorial.
 OBSERVAIE : Mulimea F = {f | f : A R n R m }
formeaz un spaiu vectorial n raport cu adunarea funciilor i
nmulirea unei funcii cu un scalar.

DEFINIIA 5.2.1. : f : A R n R m este mrginit,

dac exist a R m i exist 0 < r < astfel nct oricare ar fi
x A s avem f ( x ) V r (a ) .

DEFINIIA 5.2.2. : Fie f : A R n R m . Fie a A ,

a = (a1 , , ai , ,a n ) . Funcia f este continu n punctul a A
dac :
1) exist lim f ( x )
xa

2) lim f ( x ) = f (a )
x a

DEFINIIA 5.2.3. : Funcia f este continu n punctul

a A dac pentru orice > 0 , exist ( ) > 0 astfel nct oricare
ar fi a A , x a < ( ) , rezult c f ( x ) f (a ) < .

OBSERVAIE: Definiiile 5.2.2. i 5.2.3. sunt echivalente.

Fie f : A R 2 R . Fie (a , b ) A . Fie mulimea

Aa = {( x, b ) | ( x, b ) A} i mulimea Ab = {(a , y ) | (a , y ) A} .
Definim funciile : Aa R , ( x, b ) = f ( x , b ) i
: Ab R , (a , y ) = f (a , y ) .

x2 Ab

Aa
(a,b)
b

a x1
 DEFINIIA 5.2.4. : Funcia se numete funcia
parial, n raport cu x, asociat funciei f n punctul (a,b) .

DEFINIIA 5.2.5. : Funcia se numete funcia

parial, n raport cu y, asociat funciei f n punctul (a,b) .

DEFINIIA 5.2.6. : Funcia f : A R 2 R este

continu parial n raport cu x n punctul (a,b) dac funcia
parial ( x ) este continu n punctul a.
Funcia f este continu parial n raport cu y n punctul
(a, b) dac funcia parial ( y ) este continu n punctul b.
DEFINIIA 5.2.7. f : A R 2 R este
: Funcia
continu parial n punctul (a , b ) A dac funciile pariale ( x )
i ( y ) sunt continue n punctele a, respectiv b n raport cu
x, respectiv y.

n general : Fie f : A R 2 R i fie a = (a1 , ,a n ) A .

Funcia f este continu parial n punctul a A dac funciile
pariale f i (a1 , , ai 1 , xi , ai +1 , , a n ) sunt continue n punctele
ai , i = 1, , n .

PROPOZIIA 5.2.1. : O funcie f : A R2 R , continu

n punctul a A este continu parial n punctul a .

DEMONSTRAIE : Prin ipotez, funcia f este continu

n punctul a = (a1 , , ai , ,a n ) , deci pentru orice > 0 , exist
( ) > 0 astfel nct oricare ar fi a A , x a < ( ) , rezult c
f ( x ) f (a ) < .
Fie x = (a1, , ai1, xi , ai+1, , an ) , x A i xi ai < . Din
ipotez rezult c
f ( x) f (a) = f (a1, , ai 1, xi , ai+1, , an ) f (a1, , ai1, ai , ai +1, , an ) <
pentru orice i = 1,,n i deci f este continu parial n punctul
a.
 OBSERVAIE : n general, reciproca nu este adevrat.
Adic, dac o funcie este parial continu ntr-un punct, ea nu este
ntotdeauna continu n acel punct.

EXEMPLU :

xy
, ( x, y ) (0,0)
Fie funcia f : R R , f ( x, y ) = x 2 + y 2
2

0, ( x, y ) = (0,0)

Vom arta c aceast funcie nu este continu n origine, dar

este parial continu.

(1) Funcia nu este continu n (0,0) n raport cu ansamblul

variabilelor deoarece nu are limit n acest punct. ntr-adevr,
pentru x 0 , avem :
y
f ( x, y ) = x
2
y
1+
x
Fie dreapta y = mx care trece prin origine. Dac lum irul
(xn , y n ) 0 de pe aceast dreapt, avem y n = mxn pentru
m
orice n N * i f ( x n , y n ) = .
1 + m2
m
Limita depinde de dreapta pe care se afl irul de puncte
1 + m2
(xn , y n ) 0 . Astfel, pentru dou drepte cu coeficieni
unghiulari diferii, m1 m2 , obinem limite diferite; prin
urmare, funcia f nu are limit n origine, deci nu este continu
n raport cu ansamblul variabilelor.

(2) Funcia nu este parial continu n (0,0), dar funciile pariale

urmtoare sunt continue n origine.

0, x 0
( x ) = f ( x,0) =
0, x = 0
0, y 0
( y ) = f (0, y ) =
0, y = 0
 DEFINIIA 2.2.8. : Funcia f : A R n R este continu
pe mulimea A, dac este continu n toate punctele a A .

5.3. Derivata parial a unei funcii

Fie funcia f : A R 2 R , fie (a , b ) int A .

DEFINIIA 5.3.1. : Funcia f este derivabil parial n

raport cu x n punctul (a,b) dac lim f ( x, b ) f (a, b ) exist i este
x a xa
finit.
Notm aceast limit cu f (a, b) sau cu f ' x (a , b ) .
x

DEFINIIA 5.3.2. : Funcia f este derivabil parial n

raport cu y n punctul (a,b) dac lim f (a, y ) f (a, b) exist i este
y b yb
finit.
Notm aceast limit cu f (a, b ) sau cu f ' y (a , b ) .
y

EXEMPLU : Fie funcia f : R 2 R , f ( x, y ) = e x

2
+ y3
.
Pornind de la definiie, s se calculeze f ' x (1,1) i f ' y (1,1) .

f ( x,1) f (1,1)
2 2 2
ex +1 e2 2 ex 1 1 2 ex 1 1
f ' x (1,1) = lim = lim = e lim = e lim 2 (x +1) =
x1 x 1 x1 x 1 x1 x 1 x1 x 1

= 2e 2 ln e = 2e 2
f (1, y ) f (1,1)
3 3 3
e1+ y e2 e y 1 1 2 e y 1 1
f ' y (1,1) = lim = lim = e2 lim = e lim 3
y1 y 1 y1 y 1 y1 y 1 y1 y 1

( )
y 2 + y + 1 = e 2 3 ln e = 3e 2

PROPOZIIA Funcia f : A R 2 R este

5.3.1. :
derivabil parial n raport cu x n punctul (a , b ) int A dac i
numai dac funcia parial ( x ) este derivabil n punctul a.
 DEMONSTRAIE :

f (a , b ) f ( x, b ) f (a , b ) ( x ) (a )
= lim = lim = ' (a ) i reciproc.
x x a xa x a xa

PROPOZIIA 5.3.2. : Funcia f : A R 2 R este

derivabil parial n raport cu y n punctul (a , b ) int A dac i
numai dac funcia parial ( x ) este derivabil n punctul b.

EXEMPLE :

1. f (x, y ) = x + y
f ' x ( x, y ) = 1
f ' y ( x, y ) = 1

2. f ( x, y ) = xy
f ' x ( x, y ) = y
f ' y ( x, y ) = x

x
3. f ( x, y ) = ,y0
y
1
f ' x ( x, y ) = , y 0
y
x
f ' y ( x, y ) = 2 , y 0
y

4. f ( x, y ) = x y , x > 0
f ' x ( x, y ) = yx y 1
f ' y ( x , y ) = x y ln x

n general, fie f : ARn R, fie xA, x = (x1, , xi1, xi , xi+1, , xn )

Fie punctul a int A, a = (a1, , ai1, ai , ai+1, , an ) .

DEFINIIA 5.3.3. : Funcia f este derivabil parial n

raport cu xi , n punctul a, dac :
 f (a1 , , ai 1 , xi , ai +1 , , a n ) f (a1 , , ai 1 , ai , ai +1 , , a n )
lim
xi ai xi a i
exist i este finit.
Notm aceast limit cu f (a ) sau cu f ' x (a ) .
xi i

PROPOZIIA 5.3.3. : Fie f : A R2 R, (a, b) int A .

Dac f este derivabil parial n raport cu x n punctul (a,b), atunci f
este continu parial n raport cu x n punctul (a,b).

DEMONSTRAIE : Prin ipotez, funcia f este derivabil

parial n raport cu x n punctul (a,b). Conform propoziiei 5.3.1. ,
funcia parial ( x ) este derivabil n punctul a, deci este
continu n acest punct. Prin urmare, funcia f este continu parial
n raport cu x n punctul (a,b).

TEOREMA DE MEDIE A LUI LAGRANGE

Fie f : A R 2 R , (a , b ) int A .
Dac exist f ' x i f ' y ntr-o vecintate a punctului (a,b), atunci
pentru orice punct ( x , y ) V (a , b ) A exist un numr real
cuprins ntre a i x i exist un numr cuprins ntre b i y, astfel
nct :

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

DEMONSTRAIE : Fie V(a,b) i fie ( x, y ) V (a , b ) A un punct

pe care l fixm.
y

y (x,y)

(,)

b (a,b)

a x x
f (x, y) f (a, b) = f (x, y) f (a, y) + f (a, y) f (a, b) (2)
( t ) = f ( t , y )
Notez ( 3) , (t , y ) V , ( a , t ) V .
( t ) = f ( a , t )

Funciile i sunt derivabile, deci :

(a) este derivabil n intervalul cu capetele n a i x, de unde
rezult c este continu pe intervalul cu capetele n a i x.
(b) este derivabil pe intervalul cu capetele n b i y, de unde
rezult c este continu pe intervalul cu capetele n b i y.

Din (a) rezult c exist cuprins ntre a i x astfel nct :

( x) (a) =' ()(x a) (4)
Din (b) rezult c exist cuprins ntre b i y astfel nct :
( y ) (b ) = ' ( )( y b ) (4)

' ( ) = f ' x ( , y ) ; ' ( ) = f ' y (a, ) .

Din (2) rezult :

f ( x, y ) f (a, b) = [ ( x ) (a )] + [ ( y ) (b)] =
= ' ( )( x a ) + ' ( )( y b ) = f ' x ( , y ) + f ' y (a, )( y b )

Astfel, teorema este demonstrat.

(t ) = f (t , b)
OBSERVAIE: Notnd (3' ) i
(t ) = f ( x, t )
raionnd ca i n demonstraia de mai sus, rezult c exist un
numr ' cuprins ntre a i x i un numr ' cuprins ntre b i y
astfel nct :

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

Egalitile (1) i (1) vor fi scrise n continuare astfel :

(5) f ( x, y ) f (a, b ) = f ' x ( , )(x a ) + f ' y ( , )( y b ) unde

este cuprins ntre a i x i este cuprins ntre b i y .
Relatia (5) se numete formula lui Lagrange .

OBSERVAIE : Se poate da o formul de tip Lagrange i

pentru o funcie de n > 2 variabile.

PROPOZIIA 5.3.4.: Fie f : A R2 R, fie (a, b ) int A .

Dac funcia f are derivate pariale f ' x i f ' y mrginite ntr-o
vecintate a punctului (a,b), atunci f este continu n (a,b) n raport
cu ansamblul variabilelor.

DEMONSTRAIE : Din ipotez tim c exist M > 0

astfel nct :
f ' x ( x, y ) M
() ( x , y ) V ( a , b )
f ' y ( x, y ) M
Conform teoremei lui Lagrange :

f ( x, y) f (a, b) f ' x (, ) x a + f ' y (, ) y b M[ x a + y b ]

Dar limM[ x a + y b] = 0 deci limf (x, y) f (a,b) = 0 limf (x, y) = f (a,b)

xa xa xa
yb yb yb

Deci funcia f este continu n punctul (a,b).

5.4. Derivate pariale de ordin superior

Fie f : A R 2 R , fie (a , b ) int A .

DEFINIIA 5.4.1. : Se numete derivata parial de

ordinul 2 a funciei f n raport cu x 2 n punctul (a,b) :
f (a , b) 2 f ( a , b)
= = f ' ' x 2 (a , b )
x x x 2

DEFINIIA 5.4.2. : Se numete derivata parial de

ordinul 2 a funciei f n raport cu y 2 n punctul (a,b) :
f ( a , b) 2 f (a , b)
= = f ' ' y 2 (a , b )
y y y 2
 DEFINIIA 5.4.3. : Se numete derivata parial de
ordinul 2,mixt, a funciei f n punctul (a,b) :

f ( a, b) 2 f (a , b)
= = f ' ' xy (a , b )
y x xy
f ( a, b) 2 f ( a , b)
= = f ' ' yx (a , b )
x y yx

EXEMPLE :
1) Fie f ( x, y ) = 2 x 3 y 3 3xy + 2 s se calculeze derivatele
pariale de ordinul doi ale acestei funcii.

f 2 f
= 4 xy 3 3 y = 12 x 2 y
x y 2

f 2 f
= 6 x 2 y 2 3x = 12 xy 2 3
y xy
2 f 2 f
= 4 y3 = 12 xy 2 3
x 2
yx

2) Calculai derivatele pariale de ordinul I i II pentru

funcia f : R 2 R , f ( x, y ) = 4 x 3 + 3x 2 y + 3xy 2 y 3

f 2 f f
= 12 x 2 + 6 xy + 3 y 2 = = 6x 6 y
x y 2
y y
f f f
= 3x 2 + 6 xy 3 y 2 = = 6 x + 6 y
y xy x y
2 f f f f
= = 24 x + 6 y = = 6x + 6 y
x 2
x x yx y x

CRITERIUL LUI SCHWARTZ

Dac funcia f ( x , y ) are derivate pariale mixte de ordinul

2 f ' ' xy i f ' ' yx ntr-o vecintate V(a,b) , (a , b ) int A , i dac
f ' ' xy i f ' ' yx sunt continue n (a,b), atunci f ' ' xy (a, b) = f ' ' yx (a, b) .
 DEMONSTRAIE: Alegem un punct arbitrar
( x, y ) V (a, b) A pe care l fixm.

Notm (1) R( x, y) = f ( x, y) f ( x, b) f (a, y) + f (a, b) .

( x a)( y b)

y (a,y) (x,y)

(,)

b (a,b) (x,b)

a x x

Considerm funcia definit pe intervalul cu capetele n a

i x, avnd forma urmtoare :
(2) (t ) = f (t , y ) f (t , b) R( x, y ) =
( x ) (a ) (3)
y b xa
Funcia (t ) este derivabil pe intervalul cu capetele n a i
x.
f ' (t , y ) f ' x (t , b)
' (t ) = x (4)
y b
Aplicm funciei teorema lui Lagrange. Rezult c exist
cuprins ntre a i x astfel nct : ' ( ) = ( x ) (a ) .
xa
Deci (5) R ( x , y ) = ' ( ) = x f ' ( , y ) f ' x ( , b ) .
yb
Considerm funcia 1 ( ) definit pe intervalul cu capetele
n b i y, avnd forma urmtoare : 1 ( ) = f xy ( , ) (6)
Funcia 1 ( ) este derivabil pe intervalul cu capetele n b
i y :
f ' 'x (, y) f ' ' x (, b)
'1 ( ) = f ' ' xy ( , ) , adic f ' ' xy (,) = .
y b
Deci : R( x, y ) = f ' ' xy ( , ) (*)
 f ( x, t ) f (a, t )
Analog definim (2) ' (t ) =
xa
Rezult c exist ' cuprins ntre b i y astfel nct :
f ' y ( x, ' ) f ' y ( a , ' )
R ( x, y ) = (5)
xa
Folosim apoi funcia (6) 1 ( ) = f ' y ( , ' ) () '
astfel nct obinem: R( x, y ) = f ' ' yx ( ' , ' ) (**)

Fie irul ( xn , y n ) (a, b ) din vecintatea V(a,b) , x n a ,

yn a , xn a , y n b .
Pentru orice punct ( xn , y n ) , exist dou puncte n i ' n
cuprinse ntre a i xn i exist dou puncte n i ' n cuprinse ntre
b i y n astfel nct :
(*)
f ' ' xy ( n , n ) = f ' ' yx ( ' n , ' n ) (7)
(**)

Dar f ' ' xy i f ' ' yx sunt continue i, trecnd la limit n

relaia (7), obinem:
f ' ' xy ( n , n ) f ' ' xy (a, b) i f ' ' yx ( ' n , ' n ) f ' ' yx (a, b) .

Deci : f ' ' xy (a, b) = f ' ' yx (a, b) .

COROLAR : Dac derivatele mixte exist i sunt continue

pe mulimea A , atunci sunt egale pe A .

5.5. Funcii difereniabile

Fie f : A R 2 R i fie punctul (a, b ) int A .

DEFINIIA 5.5.1. : Funcia f este difereniabil n punctul

(a,b) dac exist dou numere i i dac exist o funcie
: V ( a , b) R , continu i nul n (a,b) astfel nct, pentru orice
(x, y ) A s avem :
(1) f ( x, y) f (a, b) = ( x a) + ( y b) + ( x, y) ( x a)2 + ( y b)2
 OBSERVAIE : Funcia este continu i nul n (a,b),
ceea ce nseamn c : lim ( x, y ) = (a, b ) = 0 .
xa
y b

Notm ( x, y ) = ( x a )2 + ( y b )2 ( distana euclidian de

la punctul (x,y) la punctul (a,b) ). Vom obine :

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

DEFINIIA 5.5.2. : Dac A este o mulime deschis,

atunci f : A R este difereniabil pe A dac este difereniabil n
orice punct (a, b ) A .

PROPOZIIA 5.5.1.: Fie f : A R 2 R i fie

punctul (a, b ) int A . Dac f este difereniabil n (a,b), atunci f este
continu n punctul (a,b).

DEMONSTRAIE: Trecnd la limit cnd ( x, y ) (a.b )

n relaia (1) avem:
lim[ f ( x, y) f (a, b)] = lim( x a) + lim( y b) + lim( x, y) ( x, y) = 0
xa xa xa xa
yb yb yb yb

Deci f este continu n punctul (a,b).

PROPOZIIA 5.5.2: Fie f : A R 2 R i fie

punctul (a, b ) int A . Dac f este difereniabil n (a,b) , atunci
exist f ' x (a , b ) i f ' y (a, b) i = f ' x (a, b ) , = f ' y (a, b) .

DEMONSTRAIE : Din ipotez, f este difereniabil n

(a,b) , deci exist i i exist funcia ( x, y ) continu i nul
n (a,b) astfel nct oricare ar fi ( x, y ) A , avem :
f ( x , y ) f ( a , b ) = ( x a ) + ( y b) + ( x , y ) ( x a ) 2 + ( y b) 2
Pentru punctul ( x, b) A , avem :
f ( x , b ) f ( a , b) = ( x a ) + ( b b) + ( x , y ) ( x a ) 2 + ( b b) 2 ,
deci : f ( x, b) f ( a, b) = ( x a ) + ( x, b) x a .
mprind cu (x-a) i trecnd la limit ( x a ) , avem :
f ( x , b) f ( a , b ) ( x , b) x a
lim = + lim = = f ' x ( a , b) .
x a xa x a xa
 Pentru punctul (a, y ) A , avem:
f ( a , y ) f ( a, b) = ( y b) + ( a, y ) y b i mprind cu (y-b) i
trecnd la limit ( y b ) rezult : = f ' y (a , b ) .

DEFINIIA 5.5.3.: Fie f : A R 2 R i fie punctul

(a , b ) int A . Funcia f este difereniabil n (a,b) dac exist
f ' x (a, b ) i f ' y ( a, b) i exist : A R , continu i nul n (a,b)
astfel nct :
f (x, y) f (a, b) = f 'x (a, b)(x a) + f ' y (a, b)( y b) + (x, y) (x a)2 + ( y b)2

OBSERVAIE : Fie f : A R 2 R i fie (a, b ) int A .

Dac exist f ' x (a, b ) i f ' y ( a, b) nu rezult ntotdeauna c f este
difereniabil n (a,b).
xy
, x2 + y2 0
EXEMPLU : Fie f (x, y) = x2 + y2 , f : R2 R .
0, ( x, y) = (0,0)

Calculnd derivatele pariale ale funciei f n (0,0) , obinem :

f ( x,0) f (0,0)
lim = f ' x (0,0) = 0
x 0 x0
f (0, y ) f (0,0)
lim = f ' y (0,0) = 0
y 0 y0
Presupunem c f este difereniabil n (0,0) , atunci :
f ( x, y ) f (0,0) = f ' x (0,0)( x 0) + f ' y (0,0)( y 0) + ( x, y ) ( x, y )
xy
Deci : f ( x, y ) = ( x, y ) x 2 + y 2 , adic ( x, y ) =
care nu
x + y2 2

este continu n (0,0). n concluzie, f nu este difereniabil n

punctul (0,0).

Definiie echivalent pentru proprietatea de difereniabilitate :

 LEM : Dac : A R 2 R este continu i nul n
punctul (a , b ) int A , atunci exist dou funcii 1 , 2 : A R ,
continue i nule n (a,b) astfel nct :
( x, y) ( x a)2 + ( y b)2 = 1 ( x, y)(x a) + 2 ( x, y)( y b) i reciproc.

DEMONSTRAIE :

(i) Prin ipotez , lim ( x, y ) = (a, b) = 0 .

x a
y b

( x a)
( x, y ) , ( x , y ) ( a , b)
Definim : 1 ( x, y ) = ( x, y )
0, ( x, y ) = ( a, b)

( y b)
( x, y ) , ( x, y ) ( a, b)
2 ( x, y ) = ( x, y )
0, ( x, y ) = ( a, b)

Atunci :
( x, y)
1 ( x, y)(x a) + 2 (x, y)(y b) =
( x, y)
[(x a)2 + ( y b)2 ] = (x, y)(x, y)
Vom arta acum c 1 ( x, y ) este continu n (a,b). ntr-adevr,
( x, y )( x a ) xa
0 1 ( x , y ) 0 = = ( x, y ) ( x, y ) .
( x, y ) ( x, y )
lim 1 ( x, y ) 0 lim ( x, y ) = 0 ,deci funcia 1 ( x , y ) este
x a x a
y b y b

continu n (a,b).

Analog se demonstreaz i faptul c 2 ( x, y ) este continu n (a,b).

(ii) Fie 1 ( x, y ) i 2 ( x, y ) continue i nule n punctul (a,b).

Notm ( x, y ) astfel :
xa yb
1 ( x, y ) + 2 ( x, y ) , ( x, y ) ( a , b)
.
( x, y ) = ( x, y ) ( x, y )
0, ( x, y ) = ( a, b)

Deci ( x, y ) ( x, y ) = 1 ( x, y )( x a ) + 2 ( x, y )( y b )
pentru orice ( x, y ) A .
 xa yb
( x , y ) 1 ( x , y ) + 2 ( x, y ) 1 ( x , y ) + 2 ( x, y )
( x, y ) (x, y )

0 lim( x, y) 0 lim1 (x, y) + lim2 ( x, y) = 0 lim( x, y) = 0 = (a, b)

xa xa xa xa
yb yb yb yb

Astfel am demonstrat c este continu i nul n (a,b) .

DEFINIIA 5.5.4. : Fie f : A R 2 R , (a, b ) int A .

Funcia f este difereniabil n punctul (a,b) dac exist dou funcii
1 , 2 : A R , continue i nule n (a,b) i dac exist dou numere
i astfel nct :
f ( x, y) f (a, b) = ( x a) + ( y b) + 1 ( x, y)( x a) + 2 ( x, y)( y b)

PROPOZIIA 5.5.3. : Fie f : A R 2 R , (a , b ) int A .

Dac f admite derivate pariale continue ntr-o vecintate a punctului
(a,b) , atunci f este difereniabil n (a,b) .

DEMONSTRAIE : Pentru orice ( x , y ) V (a , b ) ,

conform teoremei lui Lagrange, avem :
f ( x, y ) f ( a, b) = f ' x ( , y )( x a ) + f ' y ( a, )( y b) , unde
este cuprins ntre a i x , iar este cuprins ntre b i y.
Adunm i scdem f ' x ( a, b)( x a ) + f ' y ( a, b)( y b) . Avem :

f ( x, y) f (a, b) = f ' x (a, b)(x a) + f ' y (a, b)( y b) + [ f ' x (, y)(x a) +

+ f ' y (a, )( y b) f ' x (a, b)(x a) f ' y (a, b)( y b)]

Notm : 1 ( x , y ) = [ f ' x ( , y ) f ' x ( a, b)]

2 ( x, y ) = [ f ' y ( a, ) f ' y ( a, b)]
Rezult :
f ( x, y ) f (a, b) = f ' x (a, b)( x a) + f ' y (a, b)( y b) + 1 ( x, y)( x a) +
+ 2 ( x, y )( y b)

Prin ipotez, f ' x i f ' y sunt continue n V(a,b) , deci :

 lim 1 ( x, y ) = 1 ( a , b) = 0
yb

lim 2 ( x, y ) = 2 ( a, b) = 0
x a

Am demonstrat astfel c 1 i 2 sunt continue i nule n

(a,b) , deci f este difereniabil n punctul (a,b) .

n general : Fie f : A R n R , a = (a1 , , a n ) A .

DEFINIIA 5.5.5. : Funcia f este difereniabil n punctul

a int A dac exist numerele 1 , 2 , , n i exist : A R
continu i nul n punctul a , astfel nct :
f ( x ) f ( a ) = 1 ( x1 a1 ) + + n ( x n a n ) + ( x ) ( x )
unde ( x ) = ( x1 a1 ) 2 + + ( x n a n ) 2 .

5.6. Difereniala unei funcii

Fie f : A R 2 R , (a , b ) int A , i f difereniabil n

(a,b) .

DEFINIIA 5.6.1. : Se numete diferenial a funciei f n

punctul (a,b) , funcia liniar :
df ( x, y; a, b ) = f ' x (a, b )( x a ) + f ' y (a, b )( y b )

Notm : x-a = dx , creterea variabilei x

y-b = dy , creterea variabilei y

Atunci: df ( x, y; a , b ) = f ' x (a, b )dx + f ' y (a, b )dy .

Operatorul se numete operatorul de

d = dx + dy
x y
difereniere.
Deci, dac f este difereniabil n (a,b) , atunci :

d ( x, y; a, b ) = dx + dy f (a, b )
x y
 EXEMPLU : f : R 2 R , f ( x, y ) = xe x
2
+ y2
, n punctul
(1,1) .

f ' x ( x, y ) = e x f ' x (1,1) = 3e 2

2
+ y2 2
+ y2
+ 2 x 2e x
f ' y ( x, y ) = 2 xye x f ' y (1,1) = 2e 2
2
+ y2

Prin urmare, df ( x, y;1,1) = 3e 2 dx + 2e 2 dy .

DEFINIIA 5.6.2 : Difereniala de ordinul doi a funciei f

n punctul (a,b)

d 2 f (x, y; a, b) = f ' ' x2 (a, b)(x a) + 2 f ' 'xy (a, b)(x a)( y b) + f ' ' y2 (a, b)( y b)
2 2

este notat simbolic astfel :

2

d f ( x, y; a, b ) = dx + dy f (a , b ) .
2

x y

n general :
n

d f ( x, y; a , b ) = dx + dy f (a, b ) =
n

x y
f (a, b) n
n
1 f (a, b) n1
n
k f (a, b) nk
n
= Cn0 d x + Cn d xdy + + Cn d xd k y + +
xn xn1y xnk y k
n f (a, b) n
+ Cnn d y
y n

5.7. Formula lui Taylor pentru funcii de mai multe

variabile

Fie f : A R 2 R , (a , b ) int A .
Presupunem c f admite derivate pariale de ordinul n n
punctul (a,b) i derivatele pariale mixte nu depind de ordinea de
derivare. Atunci:
1 1 1
Tn ( x, y ) = f (a, b) + df ( x, y; a, b) + d 2 f (x, y; a, b) + + d n f ( x, y; a, b)
1! 2! n!
se numete polinomul lui Taylor de ordinul n ataat funciei f n
punctul (a,b).
 Notm Rn ( x, y ) = f ( x, y ) Tn ( x , y ) , numit restul lui
Taylor de ordinul n n punctul (a,b) .
f ( x , y ) = Tn ( x, y ) + Rn ( x, y ) se numete formula lui
Taylor ataat funciei f n punctul (a,b) .

Dac lim Rn ( x, y ) = 0 , atunci spunem c funcia f este

xa
y b

dezvoltabil n serie Taylor n jurul punctului (a,b) .

1
Se poate arta c : Rn ( x, y ) = ( x, y ) n ( x, y ) ,
n!
( x, y ) = (x a )2 + ( y b )2 .

1 f (a, b)
(x a) + f (a,b) ( y b) + 1 f (a2,b) (x a)2 +
2
f ( x, y) = f (a, b) +
1! x y 2! x
2 f (a, b)
( x a)( y b) + f (a2, b) ( y b)2 + + 1 Cn0 f (an, b) (x a)n + +
2 n
+2
xy y n! x
n f (a, b) n f (a, b)
n

+ Cnk nk k
( x a)nk
( y b)nk
+ + Cn ( y b)n + 1 ( x, y)n (x, y)
x y yn
n!

EXEMPLU : S se scrie polinomul Taylor de gradul doi

ataat funciei f : R 2 R , f ( x, y ) = x 2 + y 2 , n punctul (1,1) .

1 f (1,1) f (1,1) 1 2 f (1,1)

T2 (x, y) = f (1,1) + (x 1) + ( y +1) + (x 1)2 +
1! x y 2! x2
2 f (1,1) 2 f (1,1)
+2 ( x 1)( y 1) + ( y + 1) 2
xy y 2

f (1,1) = 2 ; f (1,1) = x
|(1, 1) =
2
x x +y2 2 2
f (1,1) y 2
= |(1, 1) =
y x +y
2 2 2
2 f (1,1) 2 2 f (1,1) 2 ; f (1,1) 2
= ; = =
x 2
4 y 2
4 xy 4
 2 2
T2 ( x, y) = 2 + ( x 1) ( y + 1)) + ((x 1)2 + 2( x 1)( y 1) + ( y + 1)2 )2
2 8

5.8. Extremele funciilor de mai multe variabile

Fie f : A R 2 R , fie (a , b ) A .

DEFINIIA 5.8.1. : Punctul (a,b) este un punct de maxim

local (relativ) al funciei f dac exist o vecintate a lui (a,b) astfel
nct oricare ar fi ( x, y ) V (a , b ) s avem : f ( x, y ) f (a , b ) .

DEFINIIA 5.8.2. : Punctul (a,b) este un punct de minim

local (relativ) al funciei f dac exist o vecintate a lui (a,b) astfel
nct oricare ar fi ( x, y ) V (a , b ) s avem : f ( x, y ) f (a , b ) .

DEFINIIA 5.8.3. : Un punct de minim local sau de

maxim local se numete punct de extremum local.

PROPOZIIA 5.8.1. : Fie f : A R 2 R i fie

(a , b ) A un punct de extremum local al funciei f . Dac exist
f ' x (a , b ) i f ' y (a, b ) , atunci f ' x (a , b ) = 0 i f ' y (a, b ) = 0 .

DEMONSTRAIE : Fie Ab = {x | x R, ( x, b ) A} i fie

g : Ab R , g ( x ) = f ( x , b ) .
Dac punctul (a,b) este un punct de extremum local al
funciei f , nseamn c punctul x = a este punct de extremum local
al funciei g . Atunci, conform teoremei lui Fermat, g ' (a ) = 0 ,
adic f ' x (a , b ) = 0 .
Analog, fie Aa = {y | y R, (a , y ) A} i fie h : Aa R ,
h ( y ) = f (a , y ) . Dac (a,b) este punct de extremum local pentru
funcia f , rezult c y = b este punct de extremum local pentru h .
Deci h ' (b ) = 0 , adic f ' y (a, b ) = 0 .

DEFINIIA 5.8.4. : Punctul (a , b ) A n care se

anuleaz derivatele pariale ale funciei f : A R 2 R se numete
punct staionar.
 OBSERVAIE : Conform propoziiei 5.8.1. , orice punct
de extrem este punct staionar. Reciproca nu este adevrat. Nu
orice punct staionar este punct de extrem.

EXEMPLU : Fie f : R 2 R , f ( x, y ) = x 2 y 4 .

f ' x ( x, y ) = 2 x
punctul (0,0) este punct staionar. El nu este
f ' y ( x, y ) = 4 y
3

punct de extrem deoarece :

oricare ar fi x 0 , f ( x,0) f (0,0) = x 2 , deci f ( x,0) f (0,0)
oricare ar fi y 0 , f (0, y) f (0,0) = y4 0 , deci f (0, y ) f (0,0)

TEOREMA 5.8.1. : Fie f : A R 2 R i fie (a , b ) A un

punct staionar al lui f . Dac f admite derivate pariale de ordinul
doi continue n (a,b) i dac :
(a, b ) = f ' ' x 2 (a , b ) f ' ' y 2 (a, b ) [ f ' ' xy (a, b )] , atunci :
2

(a, b ) > 0
1) Dac (a,b) este punct de minim local.
f ' ' x 2 (a, b ) > 0
(a, b ) > 0
2) Dac (a,b) este punct de maxim local.
f ' ' y 2 (a, b ) < 0

3) Dac (a , b ) < 0 (a,b) este punct a.

DEMONSTRAIE : Scriem formula lui Taylor de ordinul 2

pentru funcia f n punctul (a,b) :

1 1
f ( x, y ) f ( a , b) = [ f ' x ( a, b)( x a ) + f ' y ( a , b)( y b)] + [ f ' ' x 2 ( a , b)( x a ) 2 +
1! 2!
1
+ 2 f ' ' xy ( a , b)( x a )( y b) + f ' ' y 2 ( a, b)( y b) ] + ( x, y ) 2 ( x, y )
2

2!

Dm factor comun pe 2 i avem :

 1 ( x a)2 xa y b
f ( x, y ) f ( a , b) = [ f ' ' x 2 ( a , b) + 2 f ' ' xy ( a , b) +
2! 2

( y b) 2
+ f ' ' y 2 ( a , b) + ( x, y )] 2 ( x, y )
2

Deoarece (a,b) este un punct staionar, f ' x (a, b ) = 0 i f ' y (a, b) = 0 .

Notm : = x a , = y b , A = f ' ' x2 (a, b ) , B = f ' ' xy (a , b ) ,

C = f ' ' y 2 (a , b )
Cu aceste notaii, din relaia de mai sus, obinem :
1
f ( x, y) f (a, b) = [ f ' ' x2 (a, b) 2 + 2 f ' ' xy (a, b) + f ' ' y2 (a, b) 2 +
(*) 2!
+ ( x, y)] 2 ( x, y)

Expresia notat E(, ) = f ' ' x2 (a, b) 2 + 2 f ' ' xy (a, b) + f ' ' y2 (a, b) 2
este o funcional cu variabilele i .

Observaie : 2 + 2 = ( x 2a ) + ( y 2b ) = 1 pentru orice punct

2 2

(x, y ) (a, b ) .
Matricea formei ptratice E ( , ) este :

f ' ' 2 (a, b ) f ' ' xy (a , b )

A = x , f ' ' xy (a , b ) = f ' ' yx (a, b ) pentru c
f ' ' (a , b ) f ' ' y 2 (a, b )
xy
derivatele pariale sunt continue.

Presupunnd c f ' ' x 2 (a , b ) 0 i det A 0 , aducem forma ptratic

E ( , ) la forma canonic prin metoda lui Iacobi.

0 = 1
1 = f ' ' x2 (a, b )
 2 = (a , b ) = f ' ' x 2 (a , b ) f ' ' y 2 (a , b ) ( f ' ' xy (a , b ))
2

1 f ' ' x 2 (a , b )
Atunci : E ( , ) = 2 + 2
f ' ' x2 (a, b ) (a , b )
Prin urmare :
(a , b ) > 0
1) Dac funcionala ptratic E ( , ) este
f ' ' x 2 (a , b ) > 0
pozitiv definit ( deci i E ( , ) este pozitiv definit ).

Fie m>0 minimul funcionalei ptratice E ( , ) pe mulimea

{( , ) R 2 | 2 + 2 = 1} . Prin urmare exist V1 (a, b) astfel nct
din (*) avem : f ( x, y ) f (a, b ) 1 [m + ( x, y )] 2 ( x, y ) .
2
Deoarece lim ( x, y ) = 0 , rezult c (m + ( x, y )) 2 ( x, y ) 0 i
xa
y b

deci f ( x, y ) f ( a, b) , oricare ar fi ( x , y ) V1 ( a , b) , deci (a,b) este

un punct de minim local pentru funcia f .

(a, b ) > 0
2) Dac funcionala ptratic E ( , ) este
f ' ' y 2 (a , b ) > 0
negativ definit ( deci i E ( , ) este negativ definit ).

Fie M<0 maximul funcionalei ptratice E ( , ) pe mulimea

{( , ) R 2 | 2 + 2 = 1} . Prin urmare exist V2 (a, b) astfel nct
din (*) avem : f ( x, y ) f (a, b ) 1 [M + ( x, y )] 2 ( x, y ) .
2
Deoarece lim ( x, y ) = 0 , rezult c (M + ( x , y )) 2 ( x, y ) 0 i
xa
y b

deci f ( x, y ) f ( a, b) , oricare ar fi ( x , y ) V2 ( a , b) , deci (a,b) este

un punct de maxim local pentru funcia f .

3) E ( , ) = A 2 + 2 B + C 2 . mprim cu 2 i fie t = .

Obinem : E (t ) = At + 2 Bt + C unde (a , b ) = AC B < 0 . Prin
2 2

urmare, B 2 AC > 0 , deci ecuaia At 2 + 2 Bt + C = 0 are dou

rdcini reale i diferite t1 t 2 .
Cnd punctul (x,y) nconjoar punctul (a,b) , i iau toate
valorile cuprinse ntre 1 i 1 , deci t = ia valori ntre t1 i t 2 i

n afara lor. E ( , ) este o form ptratic nedefinit i deci punctul
(a,b) nu este nici punct de minim local, nici de maxim local. Este
punct a .

EXEMPLE :

1) S se determine punctele de extrem ale funciei f : R 2 R ,

f ( x , y ) = x 3 + y 3 + 3xy

f ' x ( x, y ) = 3x 2 + 3 y = 0
A(0,0), B ( 1,1) sunt puncte staionare
f ' y ( x, y ) = 3 y 2 + 3x = 0

f ' ' x 2 ( x, y ) = 6 x , f ' ' xy ( x, y ) = 3 , f ' ' y 2 ( x, y ) = 6 y .

Pentru punctul A : f ' ' x 2 (0,0) = 0 , f ' ' xy (0,0) = 3 , f ' ' y 2 (0,0) = 0 ,
deci (0,0 ) = 0 0 9 < 0 , prin urmare A este punct a.
Pentru punctul B : f ' ' x2 ( 1,1) = 6 , f ' ' xy ( 1,1) = 3 ,
f ' ' y 2 ( 1,1) = 6 , deci ( 1,1) = ( 6 ) ( 6 ) 9 = 27 0
f ' ' x 2 ( 1,1) = 6 < 0 , prin urmare, B este punct de maxim local.

2) S se determine extremele funciilor :

a) f ( x, y ) = x 2 xy + y 2 2 x + y
f ' x ( x, y ) = 0 2 x y 2 = 0
x = 1, y = 0
f ' y ( x, y ) = 0 x + 2 y + 1 = 0
Deci A(1,0) este punct staionar .
f ' ' x2 = 2; f ' ' y 2 = 2; f ' ' xy = 1
( f ' ' xy (1,0)) 2 f ' ' x 2 (1,0 ) f ' ' y 2 (1,0) = 3 < 0 (1,0) este un
punct de extrem
f ' ' x 2 (1,0 ) = 2 > 0 , deci punctul este de minim.
Minimul funciei este f (1,0 ) = 1 .
 b) f ( x, y ) = x 6 + 4 y 6 + 5 y 2 4 x 3 y 3
f ' x ( x, y) = 6x5 12x2 y3 = 0 6x2 ( x3 2 y3 ) = 0

f ' y ( x, y) = 24y + 10y 12x y = 0 2 y(12y4 + 5 6x3 y) = 0
5 3 2

x = 0

y = 0
x = 0
nu are soluii.
12 y + 5 6 x y = 0
4 3

x3 2 y 3 = 0 x = 0

y = 0 y = 0

x3 2 y 3 = 0
nu are soluii.
12 y 4
+ 5 6 x 3
y = 0

Deci punctul (0,0) este punct staionar.

f ' ' x 2 ( x , y ) = 30 x 4 24 xy 3
f ' ' xy ( x , y ) = 36 x 2 y 2
f ' ' y 2 ( x, y ) = 120 y 2 24 x 3 y + 10
( f ' ' xy (0,0)) 2 f ' ' x 2 (0,0) f ' ' y 2 (0,0) = 0
f ( x, y) f (0,0) = ( x 3 2 y 3 )2 + 5 y 2 0 , ()( x, y) R2 (0,0)
este punct de minim.

3) S se gseasc extremele funciei : f ( x, y) = ax2 + 2xy + ay2 + 1, a

fiind un parametru real.

f ' x = 2(ax + y ) = 0 ax + y = 0
(0,0) este punct staionar.
f ' y = 2(ay + x) = 0 ay + x = 0

f ' ' xy = 2; f ' ' x 2 = 2 a; f ' ' y 2 = 2a .

( f ' ' xy ) 2 f ' ' x 2 f ' ' y 2 = 4 4a 2 = 4( a 2 1)

Dac a 2 1 < 0 a ( 1,1) , nu avem punct de extrem n

(0,0) .
 Dac a 2 1 > 0 a ( ,1) (1, ) , exist extrem n (0,0 ) ,
astfel :
a ( ,1) (0,0 ) este punct de maxim
a (1, ) (0,0 ) este punct de minim

Dac a = 1 f ( x, y ) = x 2 + 2 x + y 2 + 1 = ( x + y )2 + 1 i are cea

mai mic valoare pentru x = y = 0 , dar aceeai valoare o are
pentru orice x i y pentru care x + y = 0 , deci (0,0 ) nu este
singurul punct de minim.

Dac a = 1 f ( x, y) = 1 ( x y)2 i are n origine cea mai mare

valoare. Aceeai valoare o are i cnd x = y , deci exist
extreme n toate aceste puncte.

5.9. Metoda celor mai mici ptrate

S presupunem c funcia f : [a , b] R este cunoscut n

punctele x1 < x 2 < < x n . Fie yi = f ( xi ) , i = 1, 2, , n. Altfel
spus, s presupunem c cunoatem norul de puncte

xi x1 x2 xn
yi y1 y2 yn

y2 y3
y1 yn-1 yn

x1 x2 x3 xn-1 xn
 Ne punem problema s determinm un polinom de gradul m
( m<n ) , Fm ( x ) astfel nct suma ptratelor diferenelor dintre
valorile msurate yi , i = 1, 2, , n , i cele calculate Fm ( xi ) s fie
minim.

Fie Fm ( x) = a0 + a1x + a2 x2 + + amxm (1). Suma ptratelor

m 2
diferenelor specificate este: s(a0,a1, , am ) = [Fm (xi ) yi ] min (2)
i=1

Cazul m = 1 : Interpolarea cu o dreapt F1 ( x ) = ax + b

n 2
Relaia (2) devine : (3) s(a, b) = [ yi (axi b)] min
i=1

s (a, b ) n

b = 2 [ yi axi b](1) = 0
i =1

s (a, b ) = 2 [ y ax b]x = 0
n

a

i =1
i i i

Punctele staionare se obin din sistemul :

n n n

( yi axi b) = 0 a xi + nb = yi
(4) i=1 (5) i=1 i =1

( y x ax2 bx ) = 0
n n n n
a x 2 + b x = x y

i=1 i i i i
i=1 i i =1
i
i =1
i i

Sistemul (5) se numete sistemul ecuaiilor normale ( sistemul lui

Gauss ).
n

j ( xi ) , j = 0,1, ,2m
j
u =
Facem notaiile : (6) i =1
n
v = y i ( xi ) , j = 0,1, , m
j
j

i =1

Atunci sistemul (5) devine :

au1 + bu0 = v0
(7) , sistem care are soluiile:
au 2 + bu1 = v1
 v0 u1 v1u0
a =
, = u12 u0u2 0
b = u1v1 u2 v0

Deci F1 ( x ) = ax + b este complet determinat.

Cazul general :

Fie Fm ( x ) = a0 + a1 x + a 2 x 2 + + a m x m . Atunci :
2

[ ]
m n
s(a0,a1, , am ) = [ yi Fm ( xi )] = a0 + a1xi + a2 xi2 + + am xim yi min
2

i=1 i=1

s (a 0, a1 , , a m )
= 2 (a0 + a1 xi + a 2 xi2 + + a m xim yi )(1) = 0
n

a 0 i =1
s (a , a , , a )
= 2 (a 0 + a1 xi + a 2 xi2 + + a m xim yi ) xi = 0
0 1 m n

a1 i =1

s (a0 , a1 , , a m )

a m
= 2
n
(a 0 + a1 xi + a 2 xi2 + + a m xim yi ) xim = 0

i =1

Prin urmare, sistemul ecuaiilor normale este :

n n n n
na
0 + a 1
i =1
x i + a 2 i =1
x 2
i + + a m i =1
x m
i =
i =1
yi

n n n n n

(8) a 0 xi + a1 xi + a 2 xi + + a m xi = yi xi
2 3 m +1

i =1 i =1 i =1 i =1 i =1


n m n n n n

a 0
i =1
x i + a1 i =1
x i
m +1
+ a 2
i =1
x m+ 2
i + + a m i =1
x 2m
i =
i =1
y i xim

Cu notaiile (6) , sistemul (8) devine :

 u0 a0 + u1a1 + u 2 a 2 + + um a m = v0
u a + u a + u a + + u a = v
(9) 1 0 2 1 3 2 m +1 m 1


u m a0 + um +1a1 + um + 2 a 2 + + u2 m a m = v m

Rezolvnd sistemul (9) obinem valorile pentru a 0 , a1 , , a m , pe

care , introducndu-le n (1) , obinem polinomul de interpolare de
gradul m.

EXEMPLU :

n ultimele trei luni, la un magazin , vnzrile au fost ( n

milioane de lei ):

luna 1 2 3
val. 10 15 21
vnz

S se determine polinomul de gradul I (dreapta de regresie)

care aproximeaz acest nor de puncte, i s se estimeze valoarea
vnzrilor n luna urmtoare.

xi xi yi xi2 xi yi
1 -1 10 1 -10
2 0 15 0 0
3 1 21 1 21
3 0 46 2 11

i =1

3a0 + 0 a1 = 46 3a 0 = 46 a 0 = 15,333

0 a 0 + 2 a1 = 11 2a1 = 11 a1 = 5,5
1
F1 ( x ) = 15 + 5,5 x este dreapta de regresie.
3
F1 (2 ) = 15,33 + 11 = 26,33 pentru luna urmtoare.

OBSERVAIE : Metoda celor mai mici ptrate se poate

aplica nu numai utiliznd polinoame Fm ( x ) ci i alte funcii.
 CAPITOLUL 6

CALCUL INTEGRAL

6.1. Extensii ale noiunii de integral

n liceu s-a introdus noiunea de integral Riemann a unei

funcii f : [a , b ] R ca fiind f (x )dx
b
i am presupus c a, b
a
sunt finite, iar funcia f este mrginit pe intervalul [a, b ] .

Amintim cteva proprieti :

1) Dac f este continu pe [a, b] , atunci f este integrabil pe

[a, b] .
2) Dac f este monoton pe [a, b] , atunci f este integrabil pe
[a, b] .
3) Dac f este integrabil pe [a, b] , atunci f este mrginit pe
[a, b] .
Observaie : reciproca nu este adevrat.

4) Liniaritatea: (f ( x ) + g ( x ))dx = f ( x )dx + g ( x )dx

b b b

a a a
pentru orice , R .

n continuare vom studia cteva generalizri .

6.2. Integrale cu limite infinite

Fie f : [a , b] R , continu pe [a, b] . Rezult c f este

f (x )dx
b
integrabil i exist pentru orice b > a .
a

DEFINIIA 6.2.1. : I 1 = f ( x )dx este convergent dac
a

lim f ( x )dx exist i este finit.

b

b a

Deci I 1 = f ( x )dx = lim f ( x )dx dac limita exist i este
b

a b a

finit .
Dac limita nu exist sau este , atunci I 1 este
divergent.

f ( x )dx este convergent dac

b
DEFINIIA 6.2.2. : I 2 =

f (x )dx
b
lim exist i este finit.
a a

f ( x )dx = lim f (x )dx

b b
Deci I 2 = dac limita exist i
a a

este finit.
Dac limita nu exist sau este , atunci I 2 este
divergent.

DEFINIIA 6.2.3. : Dac I 1 i I 2 sunt convergente,

f ( x )dx = f ( x )dx + f ( x )dx , unde c R , este
c
atunci i I 3 =
c
convergent i are ca valoare suma I 2 + I 1 .
Dac cel puin una din integralele I 1 sau I 2 este
divergent, atunci i I 3 este divergent.

EXEMPLE :

1)
b
[ ]
1
I 1 = e x dx = lim e x dx = lim e x |b0 = lim b + 1 = 1
0 b 0 b b
e
1
2) S se arate c dac a > 0 , integrala improprie I = p dx este
a x

convergent pentru p > 1 i divergent pentru p 1 .

Dac p > 1 :
a1p
I = lim
b 1 b 1 1p b 1
dx = lim xpdx = lim
b 1 p
x |a = [
limb1p a1p = ]
1 p b p 1
b a x p b a

i este convergent.

Dac p = 1 :
I = lim[ln x ] |ba = , deci este divergent.
b
 Dac p < 1 :
b 1
I = lim p dx = lim
b a x
1
b 1 p
[x1 p ] |ba = 1 1 p lim
b
[b1 p a1 p ] = ,
deci este divergent.

6.3. Integrale n care funcia f este nemrginit ntr-un

punct al intervalului de integrare

Fie funcia f : [a, b] R .

|
a a + b

1) lim f ( x ) =
x a
x >a

DEFINIIA 6.3.1. : Integrala I1 = f ( x )dx = lim f ( x)dx

b b
a 0 a +
>0

este convergent dac limita exist i este finit.

Dac limita nu exist sau este , atunci I 1 este
divergent .

2) lim f ( x ) =
x b
x <b

DEFINIIA 6.3.2. : Integrala I 2 = f (x)dx = lim f (x)dx

b b

a 0 a+
>0

este convergent dac limita exist i este finit.

Dac limita nu exist sau este , atunci I 2 este
divergent .

3) Exist c (a, b ) astfel nct lim f ( x )dx =

x c
 c
I3 = f ( x)dx = f ( x)dx + f ( x)dx = lim f ( x)dx + lim f ( x)dx = I2 + I1
b c b b

a a c 0 a 0 c
>0 >0

Dac I 1 i I 2 sunt convergente, atunci i I 3 este convergent i

I 3 = I 1 + I 2 . Dac cel puin una din integralele I 1 sau I 2 este
divergent, atunci I 3 este divergent.

EXEMPLE :

1)
5 dx 5 dx
I1 = = lim = limln(x 2) |52+ = lim(ln 3 ln ) = + ,
2 x 2 >0
0 2+ x + 2
>0
0 0
>0

deci este divergent.

1
dx = lim[arcsin x] |10 = lim(arcsin(1 ) arcsin0) =
1
2) I2 =
0
1 x 2 0
>0
0
>0
2

1
I 3 = ln x 1 dx = lim ln(1 x )dx + ln( x 1)dx
2 2
3)
0 0
0 1
>0
1
I1 = lim ln(1 x)dx= lim[(1 x) ln(1 x) (1 x)] |10 = lim[ ln +1ln11] = 1
0 0 0 0
>0 >0 >0

I2 = lim ln(x 1)dx= lim[(x 1) ln(x 1) (x 1)] |12+ = lim[1ln11 ln +] = 1

2

0 1 0 0
>0 >0 >0

Deci I 3 = I 1 + I 2 = 2 .

CRITERIU DE CONVERGEN : ( fr demonstraie )

Fie f , g : [a , b ) R , integrabile pe orice interval

[a, x ] [a, b) . Dac :

0 f ( x ) g ( x ) i g (x )dx
b
1) este convergent, atunci i
a

f (x )dx
b
este convergent.
a
 0 f ( x ) g ( x ) i f (x )dx
b
2) este divergent, atunci i
a

g (x )dx
b
este divergent.
a

6.4. Integrale Euleriene

Integrala Gamma ( integral Euler de spea a-2-a )

(1) (a ) = x a 1e x dx
0

Aceasta este o integral improprie (generalizat) i depinde

de parametrul a.

PROPRIETI :

P1. (a ) este convergent pentru a>0 .

P2. (1) = 1 .
P3. Formula de recuren : (a ) = (a 1)(a 1) , oricare ar fi a>1 .
P4. (n ) = (n 1)!
P5. 1 =
2

DEMONSTRAIE :

P1. Pentru a studia convergena integralei o vom descompune n

dou integrale.

(a ) = I 1 + I 2
1
, I 1 = x a 1e x dx , I 2 = x a 1e x dx
0 1
1
I 1 = x a 1e x dx este convergent deoarece :
0

ex
lim( x 0) f ( x) = limx = 1 dac = 1 a . Cum a>0, rezult

x0
x>0
x0
x>0
x1a
< 1.
Pentru I 2 aplicm criteriul corespunztor integralelor
generalizate cu limite infinite. Criteriul este urmtorul :
Fie f : [a, ) R, a > 0, f ( x ) > 0 , oricare ar fi x [a, ) . Dac
lim x f ( x ) = L (finit), atunci :
x

1) pentru > 1 , f ( x )dx este convergent.
a
2) pentru 1 i L 0 integrala este divergent.

+a 1
Calculm lim x f ( x ) = lim x x a 1e x = lim x
= 0 , dac > 1 .
x x ex x

Deci, funcia (a ) este convergent oricare ar fi a>0 .

(1) = e x dx , F (u ) = e x dx , u [0, )
u
P2. 0 0

F (u ) = e x |u0 = e u + 1 , lim F (u ) = 1 .
u

P3. (a) = xa1exdx = xa1ex |0 + (a 1)xa2exdx = (a 1) xa2exdx
0 0 0

(a ) = (a 1)(a 1) .

Integrarea o vom face prin pri.

f = x a 1 , f ' = ( a 1) x a 2
g ' = e x , g = e x

P4. (n) = (n 1)(n 1) = (n 1)(n 2)(n 2) = = (n 1)(n 2) 1 (1)

(n ) = ( n 1)!

1 x
1 e
P5. = x 2 e x dx = dx
2 0 0
x
Schimbarea de variabil x = t 2 conduce la : 1 = 2 e t dt =
2

2 0

EXEMPLU : S se calculeze : (a ) = x 2 n e ax dx , a > 0
2

Notm ax2 = y x 2 = y x = y = 1 y dx = 1 1 dy
a a a a 2 y
Dac x = 0 y = 0 . Dac x y .
 2n 2n+1 2n+1
1 y 1 1 1 n2 y
1
1 1 2n +1
(a) = y e dy = y e dy= =
0
a a 2 y a
0 2 a 2
2 n +1
1 1 ( 2n 1)!
= 2 n 1

2 a 2 ( n 1)!
2n +1 2n 1 2n 1 2n 1 2n 3 2n 3 2n 1 2n 3 1 1
= = = =
2 2 2 2 2 2 2 2 2 2
( 2n 1)! ( 2n 1)!
= = 2 n 1
2 n
2 4 6 ( 2n 2) 2 ( n 1)!

Integrala Beta

(2) (a , b ) = x a 1 (1 x )b1 dx
1

PROPRIETI :

P1. (a, b ) este convergent pentru a>0 , b>0 .

P2. (a , b ) = (b, a )
P3. Formula de recuren n raport cu primul parametru :
a 1
(a, b ) = (a 1, b )
a + b 1
P4. Formula de recuren n raport cu ambii paramentrii :
a 1 b 1
(a, b ) = (a 1, b 1)
a + b 1 a + b 2
P5. Integrala Beta are urmtoarele forme :

(i) (a , b ) = y a 1 (1 + y ) ( a +b ) dy
0

(a, b ) = 2 2 (cos t ) (sin t )2b1 dt
2 a 1
(ii)
0

P6. (a, b ) = (a ) (b )
(a + b )

DEMONSTRAIE :

P1. Pentru a>1 i b>1, funcia f ( x ) = x a 1 (1 x )b1 este continu

pe [0,1] i deci integrabil.
 Pentru 0 < a 1 , 0 < b 1 ( observaie : ntr-unul din
cazuri, integrala este improprie ) , lim f ( x ) = , lim f ( x ) = .
x 0 x 1
x >0 x <1

Fie c (0,1) . (a, b) = x a1 (1 x) dx + x a1 (1 x ) dx .

c b1 1 b1
0 c

Notm cu I 1 i I 2 cele dou integrale I 1 = x a 1 (1 x )b1 dx ,

c

I 2 = x a 1 (1 x ) dx .
c b 1
0

Pentru I 1 , lim x1a f ( x ) exist i este finit. Integrala I 1 este

xa
x >a

convergent pentru 1 a < 1 a > 0 .

Pentru I 2 , lim(1 x )1b f ( x ) = 1 . Deci integrala I 2 este
x b
x <b

convergent pentru 1 b < 1 b > 0 .

P2. (a, b) = xa1(1 x)b1dx = (1 y)a1 yb1dy = yb1(1 y)a1dy = (a, b)

1 0 1

0 1 0
Notm x = 1 y dx = dy .
x = 0 y = 1, x = 1 y = 0

P3. (a, b) = xa1 (1 x)b1 dx = 1 x a1 (1 x)b |10 + a 1 xa2 (1 x)b dx =

1 1

0 b b 0
a 1 1 a 2 1 a 1 1 a 1
x (1 x ) dx = x a 2 (1 x ) dx x (1 x ) dx =
a 1 b 1 b 1
= b 0
b

b 0 b 0
a 1 a 1
= (a 1, b ) (a, b ) = (a 1, b )
b a + b 1

f = x a 1 , f ' = ( a 1) x a 2
1
g ' = (1 x ) , g = (1 x )b
b 1

a 1 a 1
P4. (a, b ) = (a 1, b ) = (b, a 1) =
a + b 1 a + b 1

a 1 b 1 a 1 b 1
= (b 1, a 1) = (a 1, b 1)
a + b 1 a + b 2 a + b 1 a + b 2
 (a ) (b )
P6. (a, b ) =
(a + b )

Pentru t>0 , I 1 = x a 1e tx dx .
0

Notm tx = y x = y dx = 1 dy . Dac x = 0 y = 0 ,
t t
dac x , y .
y a 1 y 1 1
x a 1e tx dx = a 1
e dy x a 1e tx dx = a (a )
0 0 t t 0 t
nlocuim pe t cu t+1 i pe a cu a+b :
1
x a +b1e ( t +1) x dx = (a + b ) . nmulim aceast relaie cu
0 (t + 1) a +b
t b1 i apoi integrm de la 0 la n raport cu t.
1
0 t 0 x e dx dt = (a + b) = 0 t (t + 1) a+b dt
b1 a + b1 ( t +1) x b1

t b1 x a +b1e ( t +1) x dx dt = (a + b ) (a, b )
0 0
a +b1 x 1

0 x e 0 t e dtdx = 0 x e x b (b)dx = (a + b) (a, b)
a +b1 x b 1 tx

(b) x a1e x dx = (a + b) (a, b) (b) (a ) = (a + b) (a, b)
0
(a ) (b )
(a, b ) =
(a + b )

EXEMPLU : S se calculeze integralele :

1 3e
1. I = ln x (1 ln x ) 4 dx
1 x

1
Notm ln x = t i deci dx = dt .
x
1 ( 4)(5) 3!4! 1 .
I = t 3 (1 t ) 4 dt = ( 4,5) = = =
0 ( 9) 8! 280
8 x4
2. I = dx
0 1 + x6

Notm x 6 = t I = 1 t 6 (1 + t ) 1 dt = 1 5 , 1 =
1

6 0 6 6 6 3
 Integrala Euler Poisson

f ( x ) = e x este
2 2
I= e x dx (funcia continu, deci
0
integrabil)
dy
x 2 = y 2 xdx = dy dx = . Dac x = 0 y = 0 ,
2x
dac x y
1 1
1
1 1
I = e y
dy = y 2 e y dy = =
0 2 y 2 0 2 2 2

EXEMPLU:
7 5

1 7 5 1 2 2 1 5 3 1 1 3 1
I = sin6 x cos4 xdx= , = =
2

0 2 2 2 2 (6) 2 5! 2 2 2 2 2 2
1 5 9 3
I = 6 = 9
2 2 5! 2
 CAPITOLUL 7

CMP DE EVENIMENTE. CMP DE PROBABILITATE

7.1. Noiuni fundamentale: evenimente; probabilitatea de

producere a evenimentelor.

DEFINIIE : Experiena reprezint orice act care poate fi

repetat n condiii date. Aplicarea experienei asupra unei populaii
date se numete prob.

DEFINIIE : Evenimentul reprezint orice rezultat al unei

experiene.
Noiunea de eveniment n teoria probabilitilor este legat
de producerea sau neproducerea unui fenomen (ntr-o experien
dat) i nu de natura fenomenului.

EXEMPLUL 1 : La controlul de recepie a mrfurilor :

Experiena const n cercetarea unui lot de marf, dac
corespunde sau nu din punct de vedere al calitii.
Proba const n cercetarea calitii unei uniti (unui articol)
din marfa respectiv.
Evenimentele rezultate sunt :
-articolul este corespunztor;
-articolul nu este corespunztor.

EXEMPLUL 2 : La aruncarea unui zar :

Experiena const n crearea condiiilor de aruncare a
zarului (mas, zar).
Proba const n aruncarea zarului i citirea feei.
Evenimentele sunt asociate feelor 1, 2, 3, 4, 5 sau 6.

DEFINIIE : Se numete eveniment elementar

evenimentul care se poate realiza printr-o singur prob.
Dac o experien are n rezultate posibile, vom nota
evenimentele elementare cu 1 , , n .

DEFINIIE : Notm cu mulimea tuturor evenimentelor

elementare, = {1 , , n } .
 De exemplu, n cazul aruncrii zarului, = {1,2,3,4,5,6} .

OBSERVAIE : Mulimea este evenimentul sigur

(adic evenimentul care se poate realiza prin oricare din probe).

DEFINIIE : Evenimentul care nu se produce la nici o

efectuare a experienei se numete evenimentul imposibil, pe care
l notm cu .

DEFINIIE : Evenimentul care poate fie s se produc fie

s nu se produc n efectuarea unei experiene se numete
eveniment aleator (ntmpltor).

Vom nota evenimentele aleatoare cu litere mari A, B, C,

Dac evenimentele aleatoare pot fi observate de mai multe ori n
condiii identice se constat c ele se supun unor legiti statistice.
Teoria probabilitilor studiaz aceste legiti, care permit s se
prevad desfurarea evenimentelor.

Fiecrui eveniment A i corespunde un eveniment contrar

(opus, complementar) care se realizeaz atunci i numai atunci cnd
nu se realizeaz evenimentul A. Vom nota evenimentul contrar cu
A sau C(A).
OBSERVAIE : = ; = .

DEFINIIE : Evenimentul A implic evenimentul B, dac

realizarea evenimentului A atrage dup sine realizarea
evenimentului B. Notm A B .
OBSERVAIE : Dac A este un eveniment i este
evenimentul sigur, evident A .

DEFINIIE : Dac A B i B A , atunci evenimentele A

i B sunt echivalente.

7.2. Operaii cu evenimente

Fie evenimentele A i B.

DEFINIIE : Evenimentul a crui producere const n

producerea a cel puin unuia din evenimentele A i B se numete
reuniunea (suma) evenimentelor. Se noteaz cu A B i se citete
A sau B.

DEFINIIE : Evenimentul care const n producerea

simultan a evenimentelor A i B se numete intersecia (produsul)
evenimentelor. Se noteaz cu A B i se citete A i B.
n n
n general, S = Ai i I = Ai .
i =1 i =1

DEFINIIE : Dou evenimente sunt incompatibile dac nu

se pot produce simultan. Deci A B = .

OBSERVAIE : A A = .

DEFINIIE : Diferena evenimentelor AB este

evenimentul care se produce atunci i numai atunci cnd se produce
A i nu se produce B. Avem : A B = A B .

Proprieti ale operaiilor cu evenimente :

A B = B A A B = B A
( A B) C = A ( B C ) ( A B) C = A ( B C )
A A = A A A = A
A = A A =
A = A = A
A A = A A =
( A) = A
=
n n
A i = Ai
i =1 i =1

DEFINIIE : O mulime nevid K de pri ale lui se

numete corp de evenimente dac :
a) oricare ar fi evenimentul A din mulimea K, atunci i
evenimentul A aparine mulimii K.
b) oricare ar fi evenimentele A i B din mulimea K,
A B aparime mulimii K.

CONSECINE :
a) K
Demonstraie : dac A K , atunci i A K , iar A A = K ,
conform proprietilor operaiilor cu evenimente.
b) K
Demonstraie : deoarece K , i = K .
c) Dac A, B K , atunci A B K
Demonstraie : A B = A B = A B K .
d) Dac A, B K , atunci A B K

DEFINIIE : O mulime nevid K de pri ale lui se

numete corp borelian de evenimente, dac :
a) oricare ar fi evenimentul A din mulimea K, atunci i
evenimentul A aparine mulimii K.

b) oricare ar fi A j K , j = 1,2,... , atunci A
j =1
j K.

DEFINIIE : Se numete cmp finit de evenimente, o

mulime finit de evenimente elementare pe care s-a definit un
corp de evenimente K. Se noteaz (, K ) .

DEFINIIE : Se numete cmp borelian de evenimente o

mulime finit de evenimente elementare peste care s-a definit un
corp borelian de evenimente.

OBSERVAIE : Din definiia anterioar rezult c n

mulimea evenimentelor cmpului (, K ) exist o submulime
{ i }, i = 1,..., n numit mulimea evenimentelor elementare. Aceast
mulime are urmtoarele proprieti :
1) i , i = 1,..., n .
2) i j = , i j .
n
3)
i =1
i =.

4) exist cel puin un eveniment A (, K ) , A i , i = 1,..., n ,

astfel nct A = i1 ... i p , 1 p n .

DEFINIIE : E1, E2 ,...,En formeaz un sistem complet de

evenimente, deoarece :
 n
1) E
i =1
i =

2) Ei E j = , i j .

7.3. Conceptul de probabilitate

Pentru msurarea anselor de realizare a unui eveniment

aleator s-a introdus noiunea de probabilitate. Sunt cunoscute trei
definiii ale noiunii de probabilitate.

1. Definiia axiomatic introduce probabilitatea ca o funcie p

definit pe un cmp de evenimente cu valori n mulimea
numerelor reale.
2. Definiia clasic a probabilitii reduce conceptul de
probabilitate la cazul evenimentelor egal posibile.
3. Definiia statistic exprim probabilitatea cu ajutorul
frecvenei de realizare a unui eveniment ntr-un numr mare
de experiene realizate n aceleai condiii.

DEFINIIA AXIOMATIC A PROBABILITII:

Fie (, K ) un cmp de evenimente.

Funcia P : (, K ) R , care asociaz oricrui eveniment
A (, K ) numrul real P(A), cu proprietile :
1) P( A) 0 , oricare ar fi A (, K ) ,
2) P() = 1 ,
3) P( A B) = P( A) P( B ) , oricare ar fi A, B (, K ) ,
A B = ,
se numete probabilitate.

Aceast definiie a fost enunat de A.N.Kolmogorov

(1929).

DEFINIIE : Un cmp de evenimente (, K ) nzestrat cu o

probabilitate P se numete cmp de probabilitate, i se noteaz cu
(, K , P) .
 DEFINIIE : Se numete probabilitate - aditiv (sau
complet aditiv) pe cmpul borelian de evenimente (, K ) o
funcie P : (, K ) R cu proprietile :
1) P( A) 0 , oricare ar fi A (, K ) ,
2) P() = 1 ,

3) P Ai = P ( Ai ) , oricare ar fi irul ( Ai )iN * (, K ) i
i =1 i =1
Ai A j = , oricare ar fi i j .

DEFINIIE : Un cmp borelian de evenimente (, K )

nzestrat cu o probabilitate - aditiv se numete cmp borelian
de probabilitate i se noteaz (, K , P) .

Consecine ale definiiei axiomatice a probabilitii:

C1. P( A ) = 1 P( A)

Demonstraie : Din proprietile operaiilor cu evenimente tim c

A A = . Atunci P( A A ) = P( A) + P( A ) , deoarece
A A = . Rezult c P( A ) = 1 P( A) .

C2. Dac Ai (, K ) , i = 1,..., n cu proprietatea c Ai A j = ,

oricare ar fi i j , i, j = 1,..., n , atunci : P Ai = P ( Ai ) .
i =1 i =1

Demonstraie : - folosim inducia matematic .

Pentru n=2, relaia este adevrat, conform proprietii numarul 3
din definiia lui Kolmogorov.
Presupunem c propoziia este adevrat pentru n-1, adic
n 1
n 1 n 1
P Ai = P ( Ai ) . Notm A = Ai . Rezult astfel c putem
i =1 i =1 i =1
n 1
scrie A
i =1
i = A An .
n 1
Atunci P Ai = P( A) + P( An ) = P( Ai ) .
n

i =1 i =1
 n
C3. P( ) = 1 , unde ,
i =1
i 1 2 ,..., n sunt evenimentele elementare

ale mulimii .
n
Demonstraie:
i =1
i = i i j = , i j. Atunci

n n
Pi = P() = 1, deci P( ) =1. i
i=1 i=1

C4. Dac A, B (, K ) i A B , atunci P( A) P( B) .

p p+q
Demonstraie: Dac A B , atunci A = i i B = i
. tim c
i =1 i =1

i j = , ij.
p p q
Deci : P( A) = P( i ) i P ( B ) = P( i ) + P( ) . i
Dar
i =1 i =1 i = p +1

P( i ) 0 , de unde rezult c P( A) P( B) .

C5. Oricare ar fi evenimentul A (, K ) , este adevrat relaia

0 P( A) 1 .

Demonstraie: Oricare ar fi A (, K ) , A , deci vom avea

P( ) P( A) P() , adic 0 P( A) 1 .

C6. S considerm o experien n care mulimea evenimentelor

elementare cuprinde evenimente egal posibile (exemplu: aruncarea
unui zar). Din C3. rezult c P(i ) = 1 . Fie A (, K ) , unde
n
k
A = i1 ... ik . Atunci P( A) = P(i1 ) + ... + P(ik ) , deci P( A) = .
n
 DEFINIIA CLASIC A PROBABILITII:

Probabilitatea unui eveniment A (, K ) este egal cu

raportul dintre numrul cazurilor favorabile producerii
evenimentului A i numrul total de cazuri posibile.

7.4. Probabiliti condiionate

DEFINIIE : Fie (, K , P ) un cmp borelian de

probabilitate. Fie A, B (, K , P ) cu P( A) 0 . S presupunem c
apariia evenimentului B este condiionat de apariia evenimentului
A. Vom nota aceast probabilitate condiionat cu PA (B ) sau
P( A B )
P( B / A) . Atunci PA ( B ) = = P ( B / A) .
P ( A)

Proprieti ale probabilitilor condiionate:

Proprietatea 1 :
{, K , PA ( B )} este un cmp (chiar borelian) de
probabilitate.

Demonstraie: Verificm ipotezele :

1. PA ( B ) 0 deoarece P( A B ) 0 i P( A) > 0
2. PA ( ) = 1
P ( A ) P( A)
PA () = = =1
P ( A) P( A)
3. PA ( B1 B2 ) = PA ( B1 ) + PA ( B2 )
P[(B1 B2 ) A] P[(B1 A) (B2 A)]
PA ( B1 B2 ) = = =
P( A) P( A)
P ( B1 A) P( B2 A)
= + = PA ( B1 ) + PA ( B2 )
P( A) P ( A)
n aceast demonstraie avem n vedere faptul c
B1 B2 = i ( B1 A) ( B2 A) = B1 B2 A .

Proprietatea 2 :
Dac P( A) 0 i P(B) 0 , atunci este adevrat
relaia P( A) PA ( B) = P( B) PB ( A) .
 Demonstraie:
P( A B ) , de unde
PA ( B ) = P ( A B ) = P ( A) PA ( B )
P ( A)
P( B A) , de unde
PB ( A) = P ( B A) = P ( B ) PA ( A)
P( B )
Cum P( A B ) = P( B A) , avem P( A) PA(B) = P(B) PB ( A)
i proprietatea 2 este demonstrat.

DEFINIIE : Evenimentele A, B (, K ) sunt

independente dac P( A B ) = P ( A) P( B ) .

7.5. Formule de calcul ale probabilitilor n cazul operaiilor cu

evenimente

1) Reuniunea evenimentelor incompatibile:

n n
P Ak = P ( Ak ) , dac Ai A j = , i j .
k =1 k =1

Demonstraia este imediat, prin metoda induciei matematice,

utiliznd axioma 3 din definiia axiomatic a probabilitii.

2) Reuniunea evenimentelor compatibile:

P( A B ) = P ( A) + P( B ) P( A B ) (*)

Demonstraie : Evenimentele A i B se mai pot scrie astfel:

A = ( A B) ( A B )
B = ( B A) ( B A )
Deci A B = ( A B ) ( A B ) ( A B ) . Evenimentele din
paranteze sunt independente dou cte dou.
P( A B ) = P( A B ) + P( A B ) + P( A B ) ( )
P ( A) = P ( A B ) + P ( A B )
P( B ) = P( A B ) + P( A B )
Din relaia ( ) scdem cele dou relaii de mai sus i obinem:
P( A B ) P( A) P( B ) = P ( A B ) , de unde rezult
P( A B ) = P ( A) + P( B ) P( A B ) .
 n general, fie sistemul de evenimente compatibile
{ A1 ,..., An } K . Probabilitatea producerii a cel puin unuia dintre
aceste evenimente este:
n n
P Ai = P( Ai ) P( Ai Aj ) + P( Ai Aj Ak ) + ... +
i=1 i=1 i< j i< j<k
n +1
+ ( 1) P( A1 A2 ... An ) . Aceast formul se numete
formula lui Poincar.

Demonstraie: Se utilizeaz inducia matematic.

n etapa de verificare, pentru n = 2 , se obine relaia (*)
care a fost demonstrat.
Se presupune proprietatea adevrat pentru k evenimente
compatibile, cu k n i se demonstreaz c formula lui Poincar
este adevrat i pentru n+1 evenimente. Atunci:

n+1 n n n
P Ak = P Ak An+1 = P Ak + P( An+1 ) P Ak An1 =
k =1 k =1 k =1 k =1
n
n

= P Ak + P( An1 ) P( Ak An+1 ) .
k =1 k =1

n primul i al treilea termen al acestei relaii se utilizeaz

formula Poincar, adevrat pentru n evenimente compatibile.
Rezult :

n+1 n+1 n
P Ak = P( Ak ) P( Ai Aj ) + P( Ai Aj Ak )
k =1 k =1 i , j=1;i< j i , j ,k =1;i< j<k
n +1

... + ( 1) n P Ak
k =1

EXEMPLU: Problema concordanelor

O urn conine n bile numerotate 1,2,,n. Se extrag pe rnd

toate bilele din urn. Se numete concordan de rang k evenimentul
ca la extragerea de rang k s apar bila cu numrul k. Fie Ak acest
eveniment. S se determine probabilitatea de a avea cel puin o
concordan.
 Rezolvare: Fie A evenimentul de a avea cel puin o
n
concordan. Rezult c A = Ak , iar evenimentele sunt
k =1
compatibile.
Se aplic formula lui Poincar.
( n 1)! 1
P( Ak ) = = , oricare ar fi k = 1,2,..., n .
n! n
(n 2)! 1 , oricare ar fi
P( Ai Aj ) = = i, j = 1,2,..., n , i i j .
n! n(n 1)
..
n 1
P Ak =
k =1 n!
Rezult : P( A) = 1 1 1 1 1
n n
+ ... + (1)n1 =n Cn2 +
k =1 n i, j=1;i< j n(n 1) n n n(n 1)
1 1 1 1 1
+ Cn3 + ... + ( 1) n 1 = 1 + + ... + ( 1) n 1
n( n 1)( n 2) n! 2! 3! n!

3) Formula de nmulire a probabilitilor:

TEOREMA 1: Fie (, K , P) un cmp de probabilitate i fie

familia de evenimente ( A1 , A2 ,..., An ) K independente n totalitatea
lor. Atunci, probabilitatea producerii simultane a celor n evenimente
este egal cu produsul probabilitilor acestor evenimente:
n n
P Ak = P( Ak ) .
k =1 k =1

Demonstraie : Se face prin inducie dup n.

Pentru n=2, etapa de verificare, rezult din definiia
independenei a dou evenimente: P ( A1 A2 ) = P( A1 ) P ( A2 )
Presupunem teorema adevrat pentru k evenimente
(k n) i o demonstrm pentru n+1 evenimente:
n n
P ( A1 A2 ... An An +1 ) = P Ak An +1 = P Ak P ( An +1 ) =
k =1 k =1
n +1
n

= P ( Ak ) P( An +1 ) = P( Ak )
k =1 k =1
 TEOREMA 2: ntr-un cmp de probabilitate (, K , P) fie
familia de evenimente ( A1 , A2 ,..., An ) K astfel nct probabilitatea
P( A1 , A2 ,..., An ) . Atunci:
n
P Ak = P( A1 ) P( A2 | A1 ) P( A3 | A1 A2 ) ... P( An | A1 ... An1 )
k=1

Demonstraie: Se poate demonstra fie prin inducie, fie

prin definiia probabilitilor condiionate. Aplicm a doua metod:
P ( A1 ) = P( A1 )
P( A1 A2 )
P( A2 | A1 ) =
P( A1 )
P( A1 A2 A3 )
P( A3 | A1 A2 ) =
P( A1 A2 )
..
n 1
P ( A1 A2 ... An )
P An | Ai =
i =1 P ( A1 A2 ... An 1 )

nmulim ntre ele expresiile din membrul stng i din

membrul drept i simplificm. Rezult :
n 1

P ( A1 ) P ( A2 | A1 ) P An | Ai = P( A1 A2 ... An )
i =1

EXEMPLU : Un lot de piese conine 5% piese rebut.

Controlul de calitate stabilete ca regul de acceptare a lotului
condia ca la 5 verificri consecutive s nu fie nici o pies rebut.
Care este probabilitatea de acceptare a lotului?

Rezolvare: Fie Ak evenimentul ca piesa controlat

lacontrolul de ordinul k s fie corespunztoare, fie A evenimentul ca
lotul s fie acceptat. Atunci: A = A1 A2 A3 A4 A5 .
Evenimentele nu sunt independente, deoarece orice realizare a unuia
dintre ele influeneaz realizarea celorlalte prin modificarea
proporiei de piese corespunztoare din lot.

P(A) = P( A1) P(A2 | A1) P( A3 | A1 A2 ) P( A4 | A1 A2 A3 ) P(A5 | A1 A2 A3 A4 )

Avem: P( A1 ) = 95 ; P( A2 | A1 ) = 94 ; P( A3 | A1 A2 ) = 93 ;
100 99 98
 92
P( A4 | A1 A2 A3 ) =; P( A5 | A1 A2 A3 A4 ) = 91 .
97 96
95 94 93 92 91
Deci: P( A) = = 0,77 .
100 99 98 97 96

7.6. Formula probabilitilor totale

Fie A1 , A2 ,..., An un sistem complet de evenimente al

cmpului (, K ) . Adic A1 An = i Ai A j = , unde
i, j = 1, , n , i j .
Fie X (, K ) evenimentul care se realizeaz condiionat
cnd unul din evenimentele Ai se realizeaz. Cunoscnd P( Ai ) i
PAi (X ) , i = 1, , n , s se determine P(X).

TEOREM : Probabilitatea unui eveniment X ce se produce

condiionat de unul din evenimentele A1 , A2 ,..., An care formeaz un
sistem complet de evenimente este :

n
P( X ) = P( Ai ) PAi ( X ) (formula probabilitii totale)
i =1

Demonstraie: Putem scrie :

X = ( A1 X ) ( A2 X ) ( An X ) .
Vom arta c : ( Ai X ) ( A j X ) = .
( Ai X ) ( A j X ) = ( Ai A j ) X = X = , i j .
n
P( X ) = P[(A1 X ) ( A2 X ) ( An X )] = P( Ai X ) =
i=1
n
= P( Ai ) PAi ( X ) deoarece P ( Ai X ) = P ( Ai ) PAi ( X )
i =1

i PA ( X ) = P( Ai X ) .
i
P( Ai )
7.7. Formula lui Bayes

Considernd aceleai ipoteze ca i n cazul formulei

probabilitilor totale : A1 An = i Ai A j = , unde
i, j = 1, , n , i j , notm cu X (, K ) evenimentul care se
realizeaz cnd unul din evenientele Ai , i = 1, , n , se realizeaz.

Problema: S se determine probabilitatea evenimentelor Ai

n ipoteza realizrii evenimentului X, adic PX ( Ai ) = ?
P ( Ai ) PAi ( X )
Px ( Ai ) = n (formula lui Bayes)
P( Ai ) PAi ( X )
i =1

Demonstraie:

P( Ai X ) i P( Ai X )
PAi ( X ) = PX ( Ai ) = . Rezult c:
P( Ai ) P( X )
P( Ai ) PAi ( X )
P( Ai ) PAi ( X ) = P( X ) PX (Ai ) PX ( Ai ) = .
P( X )
Vom nlocui P(X) cu formula probabilitii totale i obinem :

P ( Ai ) PAi ( X ) .
Px ( Ai ) = n

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

7.8. Scheme probabilistice clasice

Colectivitile studiate n practic au caracteristici care duc

la evenimente care se realizeaz dup scheme teoretice
asemntoare.

1. Schema urnei cu bile nerevenite:

Se consider o urn n care sunt bile albe i bile negre. Fie

a numrul bilelor albe i b numrul bilelor negre. Fie N=a+b
numrul total de bile din urn.
Se extrag succesiv n bile, fr a repune bilele napoi (sau se
extrag deodat n bile).
 Se cere probabilitatea Pn ( , ) ca din cele n bile extrase,
s fie albe i s fie negre.

Soluie: Numrul tuturor grupelor de n bile luate din cele N

bile este C Nn . Pentru a determina numrul cazurilor favorabile
asociez fiecare grup de bile albe (n total Ca grupe) cu fiecare
grup ce conine bile negre (n total Cb grupe).
Deci numrul total al cazurilor favorabilr este Ca Cb .
Folosind definiia clasic a probabilitii se obine relaia :
C C
Pn ( , ) = a n b , unde a+b=n i + = n .
CN
Dac notm = x (din n bile extrase x s fie albe), vom
obine:
C x C n x
Pn ( x) = a n N a .
CN

Generalizare: Presupunem c n urn sunt bile de s culori.

Fie ak numrul bilelor de culoarea k (k = 1, , s ) . Se extrag deodat
n bile. Care este probabilitatea ca xk bile s fie de culoarea k ?
s s
Avem: a
k =1
k = N i x
k =1
k = n . Se obine relaia urmtoare :

Cax11 Cax22 ... C axss

Pn ( x1 , x2 ,..., x s ) =
C Nn

EXEMPLU:
ntr-un depozit sunt 30 televizoare , 18 de producie strin
i 12 de producie romneasc, ambalate identic. Care este
probabilitatea ca la o comand de 10 televizoare, un magazin s
primeasc 6 strine i 4 romneti?
C 6 C 4 612
P10 (6,4) = 10 10 10 = 0,9 .
C30 667

2. Schema urnei cu bila revenit (schema Bernoulli):

Se consider o urn n care sunt bile albe i bile negre. Fie

a numrul bilelor albe i b numrul bilelor negre. Fie N=a+b
numrul total de bile din urn. Se extrag n bile, de fiecare dat bila
extras introducndu-se napoi n urn.
Se cere: probabilitatea ca din cele n bile extrase x bile s fie
albe.

Soluie: Fie A evenimentul extragerii unei bile albe. Notm

P( A) = p , deci P ( A ) = q = 1 p .
Fie A si A si si A i A si A si ... si A ,
14444244443 1 4 4 4 4 2 4 4 4 4 3
de x ori de ( n x ) ori

o succesiune n care A apare de x ori i A apare de (n-x) ori.

Probabilitatea unei astfel de succesiuni de evenimente
independente (rezultatul oricrei extrageri nu depinde de
precedentul) este :
P[ A A A A A A] = px qnx
14444244443 1 4 4 4 44 2 4 4 4 4 43
de x ori de (nx) ori

Numrul succesiunilor distincte n care apare A de x ori i

A de (n-1) ori este, evident, Cnx . Deoarece aceste succesiuni sunt
incompatibile i echiprobabile, rezult relaia:
n!
Pn ( x ) = C nx p x q n x = p x q n x .
x! ( n x )!

OBSERVAIE: Probabilitatea de mai sus este egal cu

coeficientul lui t x din dezvoltarea binomului ( q + pt ) n .

EXEMPLU:
Se consider o urn ce conine 3 bile albe i 4 bile negre.
Din aceast urn se fac 3 extrageri cu revenire. Cu ce probabilitate
se obin 2 bile albe i o bil neagr?
2
3 4 108
P3 ( 2) = C32 = = 0,315
7 7 343

Generalizare: Fie o urn cu bile de s culori. Fie pk

probabilitatea extragerii unei bile de culoare k ( k = 1, , s ) .
Ne intereseaz s determinm probabilitatea ca din cele n
bile extrase, xk bile s fie de culoarea k , ( k = 1, , s ) . Notnd
aceast probabilitate cu Pn ( x ) = ( x1 , x 2 ,..., x s ) , se arat c:
 n!
Pn ( x ) = ( x1 , x2 ,..., x s ) = p1x1 p2x2 psxs , unde xk 0 ,
x1! x2 ! xn !
s s

x
k =1
k = n, p
k =1
k = 1. (lege multinominal)

EXEMPLU:
Un magazin primete n cursul unei sptmni 100 buci
dintr-o anumit marf provenit de la fabricile A, B, C.
Probabilitatea ca marfa s provin de la fabrica A este de 0,6; de la
fabrica B este de 0,2; de la fabrica C este de 0,2. Care este
probabilitatea ca din cele 100 buci primite, 60 s fi fost realizate la
fabrica A, 30 la fabrica B, iar restul la C?
100!
p= (0,6) 60 (0,2) 30 (0,2)10
60!30!10!

3. Problema lui Pascal:

Fie o urn Bernoulli. Fie X evenimentul ca prima bil alb

s fie extras la extragerea de ordinul x. Fie A evenimentul de
extragere a bilei albe i A evenimentul de extragere a bilei negre.
Deci X = A A A A .
1 4 4 4 44 2 4 4 4 4 43
( x 1) ori

tiind c P ( A) = p i P ( A ) = q , atunci P ( X ) = p q x 1 .
Aceast lege se mai numete i legea geometric deoarece
este exprimat prin termenul general al unei progresii geometrice cu
primul termen p i raia q.

EXEMPLU:
ntr-un raft sunt cmi de acelai fel de talia I i a-II-a n
proporie de 49% (I) i 51% (II), identic ambalate. Care este
probabilitatea ca un cumprtor care dorete o cma de talia II s
o gseasc numai la a 6-a ncercare?
x = 6 , p = 0,49 , q = 0,51 .
P ( X ) = p q x 1 = 0,49 (0,51) 5 = 0,0169 .

4. Schema lui Poisson

Fie n urne care conin bile albe i negre n proporii diferite:

 Urna U1 : p1 + q1 = 1 ;
Urna U2 : p 2 + q2 = 1 ;
.
Urna Un : pn + qn = 1 .

Se extrage cte o bil din fiecare urn. Se cere

probabilitatea ca din cele n bile extrase, x s fie albe.
Pn ( x ) = pi1 pi2 pix qix +1 qin

Acest sum conine toate produsele a cte n factori formate

n moduri diferite, din care x probabiliti pi i (n-x) probabiliti qi
(i = 1,..., n ) . Suma de mai sus este dat de polinomul Pn (x ) care
conine coeficienii lui t x din dezvoltarea:
( p1t + q1 ) ( p2 t + q2 ) ( pn t + qn )

OBSERVAIE : Urna Bernoulli este un caz particular al

urnei Poisson cnd p1 = p 2 = = p n = p .

EXEMPLU:
O firm se aprovizioneaz de la 4 furnizori. Din datele
statistice deinute se estimeaz c doi dintre furnizori onoreaz
contractele cu probabilitatea 0,8, iar ceilali doi cu probabilitatea
0,9. Se cer probabilitile urmtoarelor evenimente:
a) toi furnizorii onoreaz contractul;
b) doar doi furnizori onoreaz contractul;
c) nici un furnizor nu onoreaz contractul;
d) cel puin un furnizor onoreaz contractul.

Problema se ncadreaz n schema lui Poisson.

p1 = 0,8 , p 2 = 0,8 , p3 = 0,9 , p4 = 0,9
Q (t ) = ( 0,8t + 0,2) 2 (0,9t + 0,1) 2
a) P4 ( 4) = p1 p 2 p3 p4 = 0,5184 ;
b) P4 (2) = 0,82 0,12 + 4 0,8 0,2 0,9 0,1 + 0,22 0,92 = 0,0964
c) P4 (0) = 0,2 2 0,12 = 0,0004
d) P = 1 0,0004 = 0,9996
 CAPITOLUL 8

VARIABILE ALEATOARE

n activitatea economic se ntlnesc multe mrimi

numerice care variaz ntmpltor (aleator).

EXEMPLE:
1) Numrul calculatoarelor vndute la un magazin ntr-o zi
este o variabil aleatoare care poate lua una din valorile 0, 1, 2, , n
, unde n este numrul total de calculatoare din magazin. Aici,
mulimea valorilor posibile este {0,1,2,..., n} .

2) Timpul necesar servirii unui automobilist la o staie de

benzin este o variabil aleatoare care poate lua o valoare dintr-un
interval dat (a,b). Aici, mulimea valorilor posibile este (a,b).

DEFINIIE: Se numete o variabil aleatoare, o mrime

care n urma unei experiene poate lua o valoare dintr-o mulime
bine definit numit mulimea valorilor posibile.

OBSERVAIE: Nu se cunoate dinainte ce valoare ia

variabila aleatoare; aceast valoare va fi cunoscut numai dup
efectuarea experimentului.

DEFINIIE: Dac mulimea valorilor posibile este

discret, atunci variabila aleatoare se numete discret, iar dac
mulimea valorilor posibile este continu (un interval finit sau
infinit din R ), variabila aleatoare se numete continu.

OBSERVAIE: Vom nota variabilele aleatoare cu litere

mari de la sfritul alfabetului, X, Y, Z, etc., iar valorile pe care le
pot lua variabilele aleatoare cu litere mici, x, y, z, etc.

8.1. Variabile aleatoare discrete

Pentru a defini o variabil aleatoare discret, trebuie s

enumerm toate valorile posibile ale variabilei aleatoare precum i
probabilitile corespunztoare.
 EXEMPLU: n cazul aruncrii unui zar, definim variabila
aleatoare astfel:
1 2 3 4 5 6
X :1 1 1 1 1 1

6 6 6 6 6 6

DEFINIIE: Se numete repartiie a unei variabile

aleatoare discrete enumerarea tuturor valorilor posibile ale
variabilei aleatoare precum i a probabilitilor corespunztoare.

n general, fie variabila aleatoare X i xi , (i=1, 2, , n )

valorile ei posibile.
Fie Ei evenimentul ca variabila aleatoare X=xi , i=1, 2, ,
n i fie P(Ei)=P(X=xi)=f(xi)=pi , probabilitatea corespunztoare,
unde f(xi) este funcia de probabilitate. Atunci putem scrie:

x x2 xn
X : 1
f ( x1 ) f ( x2 ) f ( x n )

DEFINIIE: Mulimea perechilor ordonate ( xi , f ( xi )) se

numete repartiia variabilei aleatoare discrete X.

Din exemplele prezentate rezult c funcia de probabilitate

trebuie s ndeplineasc urmtoarele dou condiii:

1) f ( xi ) 0 , i = 1,..., n ;
n
2) f ( x ) = 1 , deoarece
i =1
i
E i = ( X = xi ) este un sistem complet
n
de evenimente, adic: E
i =1
i = , Ei E j = , i j , i, j = 1,..., n .

EXEMPLE:

1. Repartiia binomial (Bernoulli):

x
X : , x = 0,1,..., n .
x x n x
f ( x ) = C n p q
 f ( x ) = Cnx p x q n x arat probabilitatea ca din n extrageri, x s
fie bile albe. Artm n continuare c f(x) este o funcie de
probabilitate.
1) Evident, f ( x ) 0 ;
n n
2) f ( x) = C
x =0 x =0
x
n p x q n x = ( p + q) n = 1 (binomul lui Newton) .

2. Repartiia geometric (Pascal):

Fie X evenimentul ca extragerea bilei albe s se realizeze

prima dat la extragerea de ordinul x: X = ( A A A) ,
1 4 44 2 4 4 43
x1

deci P( x ) = p q x 1 .

x
X : , x = 1,2,3,..., n , unde p > 0 , q > 0 i p + q = 1 .
x1
f ( x) = p q

Evident:
1) f ( x ) 0 ;

1 p
2) pq
x =1
x 1

x =1
= p q x 1 = p
= = 1 , deoarece seria q x 1
1 q p x =1
este seria geometric de raie 0 < q < 1 , convergent, cu suma
1 .
1 q

8.1.1. Operaii cu variabile aleatoare discrete; variabile

aleatoare independente

x xi y yj ym
Fie X : 1
xn
; Y : 1 .
p pi q qj qm
1 pn 1
n m
pi = f ( x i ) 0 ; pi = 1 ; qj = f (yj ) 0 ; q j = 1.
i =1 j =1

Evenimentul care const n faptul c :

X ia valoarea xi l notm ( X = xi ), i=1, , n ,
P( X = xi )=pi ;
 Y ia valoarea yj l notm ( Y = y j ), j=1, , m,
P( Y = y j )=qj .

Evenimentul care const n faptul c X = xi i Y = y j este

( X = xi ) (Y = y j ) , i=1, , n; j=1, , m .
P[(X = xi );(Y = y j )] = P[(X = xi ) (Y = y j )] are o probabilitate
bine determinat, notat pij .

DEFINIIE: Variabilele aleatoare X i Y se numesc

independente dac evenimentele ( X = xi ) i ( Y = y j ), i=1, , n;
j=1, , m sunt independente. n acest caz:
P[( X = xi ); (Y = y j )] = P[( X = xi ) (Y = y j )] = pij = pi q j .

OPERAII:

x + yj
1) X + Y : i , unde pij = pi q j , i=1, , n; j=1, , m .
p
ij

x y
2) X Y : i j , i=1, , n; j=1, , m , unde, dac X i Y sunt
p
ij
independente, pij = pi q j .

a xi
3) a X = , i=1, , n .
pi

xk xik x nk
4) X k : 1 .
p p n
1 pi

EXEMPLU: Fie variabilele aleatoare discrete X i Y cu

repartiiile:
0 1 2 1 1
X : i Y :
0,3 0,5 0,2 0,5 0,5
 1 1 0 2 1 3
X + Y :
0,3 0,5 0,3 0,5 0,5 0,5 0,5 0,5 0,2 0,5 0,2 0,5
1 0 1 2 3
X + Y : .
0,15 0,25 0,25 0,25 0,10

0 0 1 1 2 2
X Y :
0,15 0,15 0,25 0,25 0,1 0,1
2 1 0 1 2
X Y : .
0,1 0,25 0,3 0,25 0,1

0 3 6
3 X : .
0,3 0,5 0, 2

0 1 8
X 3 : .
0,3 0,5 0,2

Reprezentarea grafic a funciilor de probabilitate:

0 1 2
EXEMPLU: X : , pi = f ( xi ) .
f (0) = 0,3 f (1) = 0,5 f (2) = 0,2

Atunci graficul funciei de probabilitate a variabilei

aleatoare X definit anterior este:

0,5 -
-
0,3 -
0,2 -
-
0 1 2
8.2. Variabile aleatoare continue

Fie variabila aleatoare X :

x
, unde x [a, b] , iar f (x )
f ( x)
este probabilitatea de apariie a lui x.

DEFINIIE: Funcia f (x ) se numete densitatea de

probabilitate a variabilei aleatoare X.

Proprietile densitii de probabilitate:

1) f ( x) 0 ;
b
2)
f ( x )dx = 1 .
a

EXEMPLE:

I. S se determine constanta c, astfel nct funcia

f : [a, b] R , f ( x ) = c , s fie densitate de probabilitate a unei
variabile aleatoare X.
1) f ( x ) 0 , oricare ar fi x [a, b] , deci c 0 ;
b b
2) 1 .
f ( x )dx = c dx = c x |ba = c (b a ) = 1 c=
a a
ba
x
Deci: X : 1 , x [a, b] este o variabil aleatoare
f ( x) =
ba
numit variabil aleatoare continu uniform pe intervalul [a , b] .

II. S se determine constanta k, astfel nct funcia

f : [0, ) R , f ( x ) = k e x , s fie densitate de probabilitate a
unei variabile aleatoare X.
1) f ( x ) 0 , oricare ar fi x 0 , deci k 0 , f fiind o funcie
exponenial


f ( x )dx = k e x dx = k (1) = k = 1 , unde ( a ) = 0 x e dx
a 1 x
2)
0 0

este integrala a lui Euler.

 Deci X :
x
, x 0 este o variabil aleatoare pe
x
f (x) = e
intervalul [0, ) .

Reprezentarea grafic a densitii de probabilitate:

Pentru funcia de la exemplul I, reprezentarea grafic este:

funcia este continu pe [a , b]

1
-
ba
A =1

0 a b

Pentru funcia de la exemplul II, reprezentarea grafic este:

1 -

A =1

ntr-adevr, derivata funciei f este f ' ( x ) = e x < 0 ,

oricare ar fi x > 0 ; i lim f ( x ) = 0 ; f (0) = 1 .
x

X 0
f' - - - - - - - - - - - - - - -
f 1 0

i deci graficul densitii de probabilitate f (x ) este cel de mai sus.

 Funcia de repartiie a unei variabile aleatoare:

Prezentarea unei variabile aleatoare prin funcia de

probabilitate f ( xi ) sau prin densitatea de probabilitate prezint
aspecte diferite. Considerm evenimentul ( X < x ) , x R .

DEFINIIE: Se numete funcie de repartiie a variabilei

aleatoare X, funcia F : R R dat de F ( x ) = P( X < x ) .

OBSERVAIE: Variabila aleatoare X este discret

(continu), dup cum funcia de repartiie F (x ) este o funcie
discret (continu).

Calculul funciei de repartiie:

1) Fie variabila aleatoare discret :

x
x xi xi +1 xn
X : 1
p1 pi pi +1 pn

F ( x ) = P( X < x ) = pi = f ( xi )
xi < x xi < x

Reprezentarea grafic este urmtoarea:

1- (
p1 +...+pn1- (

p1 + p2 - (
p1 - (

0 x1 x2 x3 .. x n 1 xn
 0 1 2
EXEMPLU: X :
0,3 0,5 0,2

F (x )
1- (
0,3+0,5- (

0,3 -(
x
0 1 2

2) Fie variabila aleatoare continu:

x ,
X : x [a, b] .
f ( x)

F (x )
f (x )

) (
a b

Putem lrgi domeniul de definiie al funciei f deoarece F

se consider pe R .
x
F ( x) = f (t )dt

. Reprezentarea grafic a funciei de

repartiie continu F (x ) are urmtoarea form:

F (x )

1-

0 x
 x
EXEMPLU: X : x
, x 0.
f ( x) = e

x x
F ( x) = f (t )dt = et dt = et |0x = e x + 1 = 1 e x ;
0

F ' ( x ) = e x > 0 ; F ' ' ( x ) = e x < 0 .

Prin urmare, graficul funciei F este:

F (0) = 0 ; lim F ( x ) = 1 .
x

Proprieti ale funciei de repartiie:

P1. 0 F ( x ) 1 , oricare ar fi x R .

Demonstraie: F ( x ) = P( x < 1) , i deci fiind o probabilitate, rezult

proprietatea P1.

P2. F (x ) este nedescresctoare, adic, oricare ar fi x1 x 2 , rezult

c F ( x1 ) F ( x 2 ) .

Demonstraie: ( X < x1 ) = ( X < x1 ) ( x1 X < x 2 ) .

P ( X < x ) = P ( X < x1 ) + P ( x1 X < x 2 ) .
1 4 2 4 32 1 4 2 43 1 4 4 2 4 43
F ( x2 ) F ( x1 ) 0

F ( x ) = 0, x a
P3. Dac x [a, b] , atunci
F ( x ) = 1, x > b
Consecine: lim F ( x ) = 0 , lim F ( x ) = 1 .
x x
 CAPITOLUL 9

CARACTERISTICI NUMERICE ALE VARIABILELOR

ALEATOARE

9.1. Media; definiie, proprieti

Fie X variabil aleatoare pe cmpul de probabilitate

(, K , P ) .
xi
DEFINIIE : Fie
X : , unde i = 1, , n .
i
p = f ( x )
i

Atunci valoarea medie variabilei aleatoare discrete X este

n
M (X ) = xi f ( xi ) .
i =1

DEFINITIE : Fie X :
x
, unde x [a, b] . Atunci
f ( x)
valoarea medie a variabilei aleatoare continue X este
b
M (X ) = x f ( x )dx .
a

OBSERVAIE : Pentru n , trebuie ca seria

xi f ( xi ) s fie convergent. Pentru a sau b tinznd ctre sau
i =1
+ , trebuie ca integrala improprie s fie convergent.

EXEMPLE:

1 2 3
1) X : , M ( X ) = 1 0,2 + 2 0,5 + 3 0,3 = 2,1 .
0,2 0,5 0,3
x
, x 0 , M ( X ) = 0 xe dx = ( 2) = 1 .
x
2) X : x
f ( x ) = e

Proprieti ale mediei:

x
P1. Fie X : i , i = 1, , n . Dac xi , atunci :

f ( xi )
M(X ) .
 n
Demonstraie: M ( X ) = xi f ( xi )
i =1
Adunnd aceste relaii pentru valorile indicelui i = 1, , n , obinem:
n n
f ( xi ) xi f ( xi ) f ( xi ) f ( xi ) M ( X ) f ( xi ) ,deci
i =1 i =1
n
M(X ) , deoarece f (x ) = 1.
i =1
i

P2. M ( k ) = k , adic media unei constante este o constant.

Demonstraie: X : , M (k ) = k 1 = k .
k
1

P3. Media unei constante nmulit cu o variabil aleatoare este

egal cu constanta nmulit cu media variabilei aleatoare.
Adic: M ( a X ) = a M ( X ) .
x xn n n
Demonstraie: Fie X : 1 , p = 1 , M ( X ) = xi pi .
pn
i
p1 i =1 i =1

a x1 a xn
Atunci a X : .
p p n
1
M(a X) = a x1 p1 + + a xn pn = a (x1 p1 + + xn pn ) = a M(X) .

P4. Dac X i Y sunt dou variabile aleatoare, atunci :

M ( X + Y ) = M ( X ) + M (Y ) .

Fie X : i ,
n
x
Demonstraie:
p i = 1, , n , M ( X ) = xi pi ,
i i =1

n
yj m

p i =1 i fie Y : , j = 1, , m , M (Y ) = y j q j ,
i =1 qj j =1
m
xi + y j
q j = 1 . Atunci X + Y : , i = 1, , n , j = 1, , m .
j =1 pi q j
n m n m n m n m
M(X +Y) = (xi + yj ) pi qj =xi pi qj +yj pi qj =xi pi qj +
i=1 j=1 i=1 j=1 i=1 j=1 i=1 j=1
n m
+ pi y j q j = M ( X ) + M (Y ) .
i =1 j =1
P5. Dac X i Y sunt independente, atunci: M(X Y) = M(X) M(Y) .
x y
Demonstraie: X Y : i j , i = 1, , n , j = 1, , m .
p q
i j
n m n m
M ( X Y ) = xi y j pi q j = xi pi y j q j = M ( X ) M (Y )
i =1 j =1 i =1 j =1

9.2. Dispersia; definiie, proprieti

2 1 1 2
Fie X : , M ( X ) = 0 . Observm c
0,1 0,4 0,4 0,1
valorile lui X nu difer mult de medie.
1000 5 5 1000
Fie Y : , M (Y ) = 0 . Observm c
0,1 0,4 0,4 0,1
valorile lui Y difer mult de medie.
mprtierea valorilor lui Y este mai mare dect
mprtierea valorilor lui X.

x x2 xn
Fie X : 1 i fie M(X) media sa. Construim
p p p
1 2 n

variabila aleatoare = X M ( X ) , numit abaterea variabilei

aleatoare X de la media sa. Fie m=M(X).

x m x2 m xn m
: 1
p1 p2 pn

OBSERVAIE: M() = M[ X m] = M( X) M(m) = M(x) m = 0.

Deci nu putem utiliza media variabilei aleatoare abatere

pentru a determina mprtierea fa de media sa. Din acest motiv,
ca o msur a mprtierii valorilor unei variabile aleatoare X fa de
media sa, vom lua dispersia, notat cu D(X), unde:
D( X ) = 2 = M ( 2 ) . Dispersia este media ptratului variabilei
aleatoare de abatere .
 ( x m) 2 ( x2 m) 2 ( xn m) 2
2 : 1 .

p1 p2 pn

2 = [ X M ( X )]2 = X 2 2 M ( X ) X + M 2 ( X ) .
Atunci dispersia va fi :
D(X) = M( 2 ) = M(X 2 ) 2M( X)M(X) + M2 (X) = M(X 2 ) M 2 (X) .
Rezult astfel c D( X ) = M ( X 2 ) M 2 ( X ) .

EXEMPLE :

1 0 1 1 0
1) X : , M( X ) = 0 ; X 2 : , M( X ) = 0,6
2

0,3 0,4 0,3 0,6 0,4

D( X ) = M ( X ) M ( X ) = 0,6 .
2 2

1000 0 1000 0 106

2) Y : , M(Y) = 0; Y 2 : , M (Y 2 ) = 600000
0,3 0,4 0,3 0,4 0,6
D (Y ) = M (Y ) M (Y ) = 600000 .
2 2

x
, x 0 , M ( X ) = 0 xe dx = ( 2) = 1
x
3) X : x
f ( x ) = e
x 2

X 2 : , x 0 , M ( X ) = x 2 e x dx = (3) = 2! = 2
x
f ( x) = e
0

D( X ) = M ( X 2 ) M 2 ( X ) = 2 1 = 1 .

Proprieti ale dispersiei:

P1. Dispersia unei constante este egal cu zero. Adic D( a ) = 0 ,

unde a este o constant.

Demonstraie: D ( a ) = M ( a 2 ) M 2 ( a ) = a 2 a 2 = 0 .

P2. Dispersia unei constante nmulit cu o variabil aleatoare este

egal cu produsul dintre ptratul constantei i dispersia variabilei
aleatoare. Adic: D ( a X ) = a 2 D ( X )

Demonstraie: D(a X ) = M (a2 X 2 ) M 2 (a X ) = a2 M ( X 2 )

 a 2 M 2 ( X ) = a 2 [ M ( X 2 ) M 2 ( X )] = a 2 D( X ) .

P3. Dac X i Y sunt independente, atunci D(X +Y) = D(X) + D(Y)

Demonstraie: D( X + Y ) = M [( X + Y ) 2 ] M 2 ( X + Y ) =
= M( X 2 + 2XY + Y 2 ) [M( X ) + M(Y )]2 = M( X 2 ) + 2M( X )M(Y ) +
+ M (Y 2 ) M 2 ( X ) 2 M ( X ) M (Y ) M 2 (Y ) = D( X ) + D(Y ) .

Consecina 1: D X i = D ( X i ) , unde variabilele X i

r r

i =1 i =1
sunt independente, i = 1, , r .
Consecina 2: D( a + X ) = D( X ) .
Consecina 3: Dac Y = a X + b , atunci D (Y ) = a 2 D( X ) .
Consecina 4: Dac Z = X Y , atunci D(Z) = D( X ) + D(Y ) .
ntr-adevr, putem scrie Z = X Y = X + ( Y ) i deci
D(Z) = D( X ) + D[(1)Y ] = D( X ) + (1) D(Y ) i deci D(Z) = D( X ) + D(Y ) .
2

TEOREM: Fie X 1 , X 2 , , X n variabile aleatoare cu

n

X i
1 n
aceeai medie i dispersie. Fie Y =
n
i =1
= X i , media
n i =1
aritmetic a veriabilelor X i . Atunci D(Y ) = 1 D( X i ) .
n

n i =1
Demonstraie: D(Y ) = D 1 X i = 12 n D( X i ) = 1 D( X i ) .
n n

n i=1 n i =1 n

9.3. Abaterea medie ptratic

DEFINIIE: Se numete abatere medie ptratic a unei

variabile aleatoare X, rdcina ptrat din dispersia variabilei
aleatoare.

Abaterea medie ptratic, = D ( X ) , are n principiu

proprieti corespunztoare dispersiei.
9.4. Momentele unei variabile aleatoare X

Momentele unei variabile aleatoare sunt valori tipice ale

variabilei. Exist dou tipuri de momente: momente iniiale i
momente centrate.

DEFINIIE: Momentul iniial de ordinul k al unei

variabile aleatoare X este media variabilei aleatoare X k .
mk = M ( X k ) , k = 1,2,

Cazuri particulare:
m1 = M ( X ) , m2 = M ( X 2 ) , deci D ( X ) = m2 m12 .

DEFINIIE: Momentul centrat de ordinul k al unei

variabile aleatoare X este media variabilei aleatoare [( X M ( X )) k ] .
k = M [( X M ( X )) k ] , k = 1,2,

Cazuri particulare:
1 = M[ X M ( X )] = 0 , 2 = [X M( X)]2 = D( X) .

x xn
n cazul unei variabile aleatoare discrete, fie X: 1 ,
p p
1 n

xk xnk ( x m) k ( x n m) k
atunci Xk : 1 i ( X m) k : 1 .

p p
1 n p1 pn
n n
Prin urmare mk = M( X k ) = xik pi i k = M[(X m)k ] = ( xi m)k pi ,
i=1 i=1

k = 1,2, , n .

n cazul unei variabile aleatoare continue, fie

x 0, x ( , a ) (b, )
X : , x [ a , b] , f ( x ) = , momentele
f ( x) f ( x ), x [a , b]
b b
vor fi mk =
a
x k f ( x )dx i k = a
( x m ) k f ( x ) dx , k = 1,2, , n .

Fie F(X) funcia de repartiie. Atunci mk = x k dF (x) i


k = ( x m) dF ( x) .
k

Relaia dintre momentele iniiale i cele centrate:

k k
k = M[X M(X)]k = M[X m]k = M(1)k Ckjmj X k j = (1) j Ckjmj M(X k j )
j=0 j=0
j
Dar M ( X k j ) = m k j . Deci avem: k = ( 1) j Ckj m j mk j .
k =0
OBSERVAIE : Pentru k=2 , obinem :
2
2 = C2j m j mk j = C20m2 C21m1m1 + C22m2m0 .
j=0

Dar m0 = M ( X 0 ) = M (1) = 1 i m1 = m .
Atunci 2 = m2 m12 + 0 = m2 m12 = D ( X ) .

9.5. Funcia generatoare de momente a unei variabile aleatoare

Funcia generatoare de momente a unei variabile aleatoare

se introduce pentru simplificarea calculului momentelor.

DEFINIIE: Se numete funcie generatoare de momente

a unei variabile aleatoare X, valoarea medie a variabilei e tX , unde
tR.
Notm funcia generatoare de momente cu g : R R , dat
de g (t ) = M ( e tX ) .

x x2 xn
Fie X : 1 o variabil aleatoare discret,
p p p
1 2 n

e tx1 e tx2 e txn

deci e tX = , iar funcia generatoare de

p1 p 2 pn
n
momente este g(t) = M (etX ) = etxi pi .
i =1

x ,
Fie X : x [a, b] , o variabil aleatoare continu,
f ( x)
e tx
deci e tX =
, x [a, b] , iar funcia generatoare de momente
f (x )
b
este g(t ) = M (etX ) = etx f ( x)dx .
a
Proprieti ale funciei generatoare de momente:

P1. g (0) = 1

Demonstraie: g (0) = M ( e t0 ) = M (1) = 1

P2. Dac X 1 , X 2 , , X n sunt variabile aleatoare independente cu

funciile generatoare de momente g1 (t ), g 2 (t ), , gn (t ) , atunci funcia
generatoare de momente a variabilei aleatoare
X = X 1 + X 2 + + X n , este g(t ) = g1 (t ) g2 (t ) gn (t ) .

Demonstraie:
g (t ) = M ( e tX ) = M ( e t ( X 1 + X 2 + + X n ) ) = M [e tX1 e tX 2 e tX n ] =
= M(etX1 ) M(etX2 ) M(etXn ) = g1(t) g2 (t) gn (t) .

P3. Dac variabila aleatoare X admite momente finite de orice

ordin, atunci g (t ) = tk
mk .
k = 0 k!

Demonstraie: Dezvoltm n serie Taylor (Mc Laurin) pe e tX . tim

t t2 tk
c e t = 1 + + + + + .
1! 2! k!
Atunci e tX va avea forma :

t t2 tk tk k .
e tX = 1 + X + X 2 + + X k + = X
1! 2! k! k =0 k!

tk k tk
tk
g(t ) = M (etX ) = M X = M( X k ) g(t ) = mk .
k =0 k! k =0 k! k =0 k!

P4. Funcia generatoare de momente este de n ori derivabil n

raport cu t i g ( k ) (0) = mk sau g ( k ) (t ) |t =0 = mk .

Demonstraie:
x2
a) Fie variabila aleatoare discret X : 1
x xn
p .
1 p2 pn
n
g (t ) = e txi pi
i =1
 n
g ' (t ) = xi e txi pi
i =1
n
g ' ' (t ) = xi2 e txi pi
i =1
.
n
g ( k ) (t ) = xik e txi pi
i =1
nlocuind pe t cu zero, obinem:
n
g ( k ) (0) = xik pi = mk
i =1

b) Fie variabila aleatoare continu X :

x
, x [a, b] .
f ( x)
b
g(t ) = etx f ( x)dx
a
b b
g' (t ) = x etx f ( x)dx g' (0) = x e0 f ( x)dx = m1
a a
b b
g' ' (t) = x e f ( x)dx g' ' (0) = x 2 f ( x)dx = m2
2 tx
a a

b b
g (k ) (t ) = x k etx f ( x)dx g (k ) (0) = x k f ( x)dx = mk
a a

9.6. Funcia caracteristic a unei variabile aleatoare

Funcia caracteristic a unei variabile aleatoare X se

folosete tot pentru calculul momentelor.

DEFINIIE: Se numete funcie caracteristic a variabilei

aleatoare X , valoarea medie a variabilei e itX , adic c(t) = M(eitX ) ,
unde t R .
x x2 xn
Fie X : 1 o variabil aleatoare discret,
p
1 p 2 p n

eitx1 eitx2 eitxn

deci eitX = , iar funcia caracteristic este

p1 p2 pn
n
c (t ) = M ( e itX ) = e itX p j .
j =1
 Fie X :
x
, x [a, b] , o variabil aleatoare continu,
f ( x)
e itx
deci e itX = , x [a, b] , iar funcia caracteristic este
f (x )
b
c (t ) = M ( e itX ) = e itX f ( x ) dx .
a

1 1 e it e it
EXEMPLU: Fie X : , iar e itX = .
0,5 0,5 0,5 0,5
Funcia caracteristic este :
c(t) = M(eitX ) = eit 0.5 + eit 0,5 = 0,5 (eit + eit ) .
Dar e i = cos + i sin i e i = cos i sin , deci putem scrie
e i + e i e i + e i
cos = i sin = .
2 2i
Astfel, funcia caracteristic va fi :
c(t ) = 0,5 (cost i sin t ) + 0,5 (cost + i sin t ) = cost .

Proprieti ale funciei caracteristice:

P1. Funcia caracteristic c(t) este o funcie uniform continu pe R

P2. c(0) = 1

Demonstraie: c(0) = M ( e i 0 t ) = M ( e 0 ) = M (1) = 1 .

P3. Dac X 1 , X 2 , , X n sunt variabile aleatoare independente cu

funciile caracteristice c1 (t ), c2 (t ), , cn ( t ) , atunci funcia
caracteristic a variabilei aleatoare X = X 1 + X 2 + + X n este
c(t ) = c1 (t ) c2 (t ) cn (t )

Demonstraie:
c(t ) = M ( e itX ) = M [e it ( X1 + X 2 + + X n ) ] = M [e itX1 e itX 2 e itX n ] =
= M ( e itX 1 ) M ( e itX 2 ) M ( e itX n ) = = c1 (t ) c2 (t ) cn (t ) .
 n
Consecina 1: Dac Y = k X k , k R , unde
k =1

X1, X2, , Xn sunt variabile aleatoare independente cu funciile

n
caracteristice c1 (t ), c2 (t ), , cn ( t ) , atunci cY (t ) = c X ( k t ) .
k
k =1
Consecina 2: Un produs de funcii caracteristice este tot o
funcie caracteristic. n particular, dac c(t) este funcia
caracteristic a variabilei aleatoare X , atunci [c(t )]n este tot o
funcie caracteristic.

P4. Fie c X (t ) funcia caracteristic a variabilei aleatoare X i fie

Y = X . Atunci cY (t ) = c X ( t ) .

Demonstraie: cY (t ) = M ( e itY ) = M ( e itX ) = c X ( t ) .

P5. Fie variabila aleatoare X i c X (t ) funcia sa caracteristic. Fie

Y = aX + b . Atunci cY ( t ) = c X ( at )e ibt .

Demonstraie:
cY (t) = M(eitY ) = M(eit(aX+b) ) = M[ei(at) X eitb] = e itb M [e i ( at ) X ] = e itb c X ( at ) .

P6. Fie variabila aleatoare X i c(t) funcia caracteristic. Atunci

(it ) k
c (t ) = mk .
k = 0 k!

Demonstraie:

(it) k k (it) k (it ) k
c(t) = M (eitX ) = M X = M( X k ) = mk , unde
k =0 k! k =0 k! k =0 k !

(it ) k k .
e itX = X
k =0 k !

P7. mk = 1k [c ( k ) (t )] |t =0 = 1k c ( k ) (0)
i i

Demonstraie:
 x2
a) Fie variabila aleatoare discret X : 1
x xn
p .
1 p2 pn
e itx1
e itx2
e
itxn
eitX =

p1 p2 pn
n
c( t ) = e pj
itx j

j =1
n
c' (t ) = ix j e pj
itx j

j =1

.
n
c ( k ) (t ) = i k x kj e pj
itx j

j =1

nlocuind pe t cu zero, obinem:

n
c ( k ) (0) = i k x kj p j c ( k ) (0) = i k M ( X k ) = i k mk
j =1

1 (k )
Deci mk = c (0) , k = 1,2, , n .
ik
c) Fie variabila aleatoare continu X :
x
, x [a, b] .
f ( x)
e itx
e itX =
f (x )
b
c(t ) = eitx f ( x)dx
a
b
c' (t ) = i x eitx f ( x)dx
a
.
b
c(k ) (t ) = i k x k eitx f ( x)dx
a
nlocuind pe t cu zero, obinem:
b
c(k ) (0) = i k x k eitx f ( x)dx = i k mk
a
1 (k )
Deci mk = c (0) , k = 1,2, , n .
ik

9.7. Normarea (reducerea) unei variabile aleatoare X

Fie variabila aleatoare X cu M ( X ) = m i D ( X ) = 2 .

 X m
DEFINIIE: Variabila aleatoare Z = se numete

variabila normat a variabilei aleatoare X (sau redusa variabilei
aleatoare X).

Proprieti ale variabilei normate:

P1. M ( Z ) = 0
Demonstraie: M ( Z ) = M 1 X m = 1 M ( X ) m = 0

P2. D( Z ) = 1
Demonstraie: D(Z) = D X m = 12 [D(x) D(m)] = 12 2 =1, deoarece

D(m) = 0 .

9.8. Valoarea median

DEFINIIE: Se numete valoare median a variabilei

aleatoare X numrul Me care satisface relaia
P( X < Me) = P( X > Me) , adic valoarea pentru care variabila
aleatoare X are aceeai probabilitate de a fi mai mare i mai mic
dect ea.

Relaia P( X < Me) = P( X > Me) se mai scrie i sub forma

1
F ( Me) = 1 F ( Me) sau 2 F ( Me) = 1 sau F ( Me) = .
2
1
Deci Me este soluia ecuaiei F ( x ) = . n cazul unei
2
x
variabile aleatoare continue X : , x [a, b] , mediana se va
f ( x)
determina din ecuaia f ( x )dx = 1 .
Me

a 2

EXEMPLU:
 S se determine mediana variabilei aleatoare continue
x
X : 1 , x [0,3] .
(2 x + 1)
12
Me 1 1 1
0 12 (2 x + 1)dx = 12 [ Me + Me] = 2 Me + Me 6 = 0 .
2 2

Me1 = 3 [0,3] i Me2 = 2 . Deci Me = 2 .

9.9. Modul (valoarea cea mai probabil)

DEFINIIE: Se numete modul (valoarea cea mai

probabil) a variabilei aleatoare X acea valoare pentru care funcia
de probabilitate f ( xi ) , pentru variabila aleatoare discret, respectiv
densitatea de probabilitate f (x ) este maxim.

OBSERVAIE: n cazul variabilei aleatoare continue,

maximul funciei f (x ) se obine prin rezultatele cunoscute ale
analizei matematice

n cazul variabilelor aleatoare discrete se procedeaz astfel:

EXEMPLU: S se determine modul variabilei aleatoare

binomiale.
x , x x n x
X : x = 0,1,..., n , f ( x ) = Cn p q .
f ( x )
Presupunem c funcia f (x ) are o valoare maxim x * .
Atunci f (x* 1) < f (x* ) i f ( x * ) > f ( x * + 1) .

Deci obinem (1) f ( x* ) i (2) f ( x * + 1)

>1 < 1.
f ( x * 1) f ( x* )
* * *
f ( x* ) Cx px qnx n!(n x* + 1)!(x* 1)! p n x* + 1 p
= x*n1 x*1 nx*+1 = = >1
f ( x 1) Cn p q
*
x*!(n x* )!n! q x* q
x*q < np x* p + p x* ( p + q) < np+ p x* < np+ p , deoarece p+q =1.
f ( x* + 1) n x* p
= * < 1 x* ( p + q) > np q x* > np q .
f ( x* ) x +1 q

Deci np q Mo np + p .
9.10. Covariana (corelaia)

Fie variabilele aleatoare X, cu media M ( X ) = m X i

dispersia D( X ) = x2 i Y, cu media M (Y ) = mY i dispersia
D (Y ) = y2 .
Calculnd dispersia sumei celor dou variabile aleatoare
obinem:
D( X + Y ) = M[(X + Y mX mY )2 ] = M{[(X mX )2 + (Y mY )2 ]} =
= M [( X m X ) 2 ] + M [(Y mY ) 2 ] + 2 M [( X m X )(Y mY )] .

DEFINIIE: Media M[( X mX )(Y mY )] se numete

covariana celor dou variabile i se noteaz cov( X , Y ) .

Efectund produsul, obinem i o alt expresie a coverianei:

cov(X,Y) = M[XYmY X mXY + mX mY ] = M(XY) mY M(X) mX M(Y) + mX mY =
= M ( XY ) m X mY deoarece M( X ) = mX i M (Y ) = mY .

OBSERVAIE: Dac X i Y sunt variabile aleatoare

independente, atunci cov( X , Y ) = 0 . Reciproc nu este adevrat.

9.11. Coeficientul de corelaie

Fie X, Y dou variabile aleatoare cu dispersiile X2 i

X m X i
Y2 finite i nenule i mediile m X i mY . Fie X ' =
X
Y mY variabilele aleatoare normate corespunztoare.
Y'=
Y
(M(X)=0, M(Y)=0, D(X)=1, D(Y)=1) .

DEFINIIE: Se numete coeficient de corelaie a

variabilelor aleatoare X i Y, coveriana variabilelor aleatoare
normate X i Y i l notm cu ( X , Y ) .
( X , Y ) = cov( X ' , Y ' )
Avem:
X mX Y mY M[(X mX )(Y mY )] cov(X,Y)
(X,Y) = cov(X' ,Y' ) = M , = =
X Y XY XY
Proprieti ale coeficientului de corelaie:

P1. Dac X i Y sunt independente, atunci ( X , Y ) = 0 .

Demonstraie: Deoarece cov( X , Y ) = 0 n cazul unor variabile

aleatoare independente, i ( X , Y ) = cov( X , Y ) = 0 .
XY

P2. 1 ( X , Y ) 1 , pentru orice X i Y.

Demonstraie:
M(X)=0, M(Y)=0, D(X)=0, D(Y)=0 , deci M ( X ' 2 ) = 1 i
M (Y ' 2 ) = 1 .
Din egalitatea ( X 'Y ' ) 2 = ( X ' 2 2 X ' Y '+Y ' 2 ) obinem :
M [( X 'Y ' )2 ] = M ( X ' 2 ) 2M ( X ' Y ' ) + M (Y ' 2 ) = 2 2M ( X ' Y ' ) .
Cum M ( X 'Y ' ) = cov(X ' ,Y ' ) , obinem: 1 ( X , Y ) 0 , adic
1 ( X ,Y ) 1.

P3. Dac pentru dou constante reale a i b variabila aleatoare

1, a > 0
Y = aX + b , atunci ( X , Y ) = .
1.a < 0

Demonstraie: tim c M(Y ) = mY = amX b i D(Y ) = Y2 = a2 X2 .

Atunci vom obine:
cov(X ,Y ) = M[(X mX )(Y mY )]M[(X mX )(aX + b amX B)] =
= M[(X mX )(aXamX )]= aM[(X mX )(X mX )]= M[(X mX )2 ] = aD( X ) = a X2 .

cov( X , Y ) a X2 a X2 a
( X ,Y ) = = = = = 1 .
X Y X Y | a | X | a |
2

9.12. Caracteristici ale formei de repartiie. Simetrie i

asimetrie.

DEFINIIE: Variabila aleatoare X definit de funcia f(x)

este simetric fa de valoarea medie m dac f (m ) = f (m + ) ,
oricare ar fi > 0 .
 SIMETRIC

m m m +

ASIMETRIC

m m m +

Proprieti:

P1. Pentru o repartiie simetric, media, mediana i modul coincid.

P2. Momentele centrate de ordin impar pentru o repartiie simetric

sunt nule 2 k +1 = 0 .

Coeficieni utilizai pentru msurarea asimetriei:

Coeficientul lui Pearson: 1 = M ( X ) M 0 ( X ) .
X
Coeficientul lui Fisher: 2 = 3 .
X
 CAPITOLUL 10

REPARTIII CLASICE

10.1. Repartiii discrete

10.1.1. Repartiia binomial

DEFINIIE: Variabila aleatoare X are o repartiie

binomial de parametrii n i p dac funcia sa de probabilitate este
dat de probabilitatea pn (x ) din schema urnei lui Bernoulli, adic
f ( x ) = Cnx p x q n x , x {0, , n} , p (0,1) , p + q = 1 . Deci :

x
X : x x n x
Cn p q

I. f (x ) este o funcie de probabilitate, deoarece:

1) f ( x ) 0 , evident deoarece Cnx > 0 , p 0 , q 0 .
n n
2) f ( x) = Cnx p x q n x = ( p + q) n = 1n = 1 .
x =0 x =0

II. Pentru calculul mediei i dispersiei vom folosi funcia

generatoare de momente.

e tx
g (t ) = M ( e tX ) ; e tX : .
f ( x ) , x = 0,1, , n

n n
Deci g(t) = M (etX ) = etxCnx p x qnx = Cnx ( pet ) x qnx = ( pet + q)n .
x=0 x=0
n 1
g ' ( t ) = npe t ( pe t + q ) ;
n 1
m1 = g ' (0) = np( p + q ) = np .
g ' ' (t ) = n ( n 1) p e ( pe + q ) n 2 + npe t ( pe t + q ) n 1 ;
2 2t t

m2 = g' ' (0) = n(n 1) p2 ( p + q)n2 + np( p + q)n1 = n2 p2 np2 + np =

= n 2 p 2 + np(1 p ) = n 2 p 2 + npq

Deci: M ( X ) = np i D( X ) = m2 m12 = n 2 p 2 + npq n 2 p 2 = npq.

Funcia caracteristic:
n n
c(t ) = M (eitX ) = eitxCnx p x qnx = Cnx ( p eit ) x qnx = ( p eit + q)n
x =0 x=0
Evident, m1 = M ( X ) = c ' ( 0) = np .
1
Analog se calculeaz m2 = 2 c' ' (0) = m2 p 2 + npq . Prin urmare,
i
D( X ) = m2 m12 = npq.

10.1.2. Repartiia hipergeometric

DEFINIIE: Variabila aleatoare X are repartiie

hipergeometric dac funcia sa de probabilitate este dat de
probabilitatea Pn ( X ) din schema urnei cu bil nerevenit (Aceast
schem presupunea c dintr-o urn cu N bile, din care a erau albe i
b erau negre, se extrag n bile. Pn este probabilitatea ca din cele n
x nx
bile extrase x s fie albe.). Deci f ( x ) = C a CnN a , x {0, , n} .
CN
x
x n x
X : a N a
C C
Cn
N

I. f (x ) este o funcie de probabilitate, deoarece:

1) f (x) 0 , evident deoarece toate combinrile sunt mai mari ca
zero.
x n x
2) f ( x ) = Ca CnN a = 1n Cax C Nn xa =1 .
n n n

x =0 x =0 CN C N x =0
n n
Pentru a calcula suma f (x) am folosit egalitatea
x=0
C C
x=0
x
a
nx
N a = CNn pe

care o vom demonstra n continuare.

(1 + y ) a (1 + y ) b = (1 + y ) a + b
(1 + y ) a = Ca0 1 + C a1 y + ... + C an 1 y n 1 + C an y n + ... + C aa y a
(1 + y ) b = Cb0 1 + Cb1 y + ... + Cbn 1 y n 1 + Cbn y n + ... + Cbb y b
(1 + y ) a +b = Ca0+b 1 + Ca1+b y + ... + Can+b1 y n 1 + Can+b y n + ... + Caa++bb y a +b

Coeficientul lui y n din membrul stng al ultimei relaii este :

 n
y n [Ca0Cbn + Ca1Cbn 1 + ... + Can 1Cb1 + Can Cb0 ] = Cax Cbn x .
x =0
n n
Deci C C
x =0
x
a
n x
b =C n
a +b C C
x =0
x
a
nx
N a =C .
n
N

II. Media i dispersia:

n
C xC nx
M ( X ) = x a nN a
x =0 CN
a! a(a 1)! (a 1)!
xCax = x =x =a = aCax11
x! (a x)! x( x 1)!(a x)! ( x 1)!(a x)!
n n n

Cax C Nnxa = xCaxC Nnxa = a Cax11C Nnxa = aC Nn11

x =0 x =1 x =1

aCn1 ( N 1)!n! ( N n)! n a a

M ( X ) = Nn 1 = a = a = n = np , p = .
CN (n 1)!( N n)! N! N N N

Pentru a calcula dispersia, vom calcula momentul de ordinul doi.

1 n 1 n 1 n
M( X 2 ) = n x2CaxCNnxa = n x( x 1)CaxCNnxa + n xCaxCNnxa , unde
CN x=0 CN x=0 CN x=0
x = x ( x 1) + x .
2

n n
a! n
(a 2)! n
x(x 1)Cax = x(x 1) = a(a 1) = a(a 1) Cax22
x=0 x=2 x!(a x)! x=2 (x 2)!(a x)! x=2

a(a 1) n x2 nx a(a 1) n2
M(X 2 ) = n
Ca2 CN a + M ( X ) = CN 2 + M ( X ) =
CN x=0 CNn
a ( a 1)n! ( N n )! ( N 2)! a n( n 1) n
= + n = a ( a 1) +a =
N ! ( n 2)! ( N n )! N N ( N 1) N
na ( a 1)( n 1) na an a n + N .
= +1 =
N N 1 N N 1

na an a n + N n 2 a 2
D( X ) = M ( X 2 ) M 2 ( X ) =
2 =
N N 1 N
na an a n + N na na anN aN nN + N nN + na
2
= =
N N 1 N N N ( N 1)
a ( N a )( N n ) n N a N n .
=n =a
N N ( N 1) N N N 1
 a a N a
Dar =p q = 1 p = 1 = .
N N N
N n
Obinem astfel D( X ) = npq .
N 1

OBSERVAIE: Pentru N suficient de mare n raport cu n

N n N n n
putem face aproximarea = 1 . Atunci
N 1 N N
n .
D( X ) npq1
N
Deci dispersia variabilei aleatoare hipergeometrice difer de
dispersia variabilei aleatoare binomiale cu un factor subunitar ce
tinde ctre 1 cnd N .

10.1.3. Repartiia uniform discret

DEFINIIE: O variabil aleatoare X are o repartiie

uniform discret dac funcia sa de probabilitate este de forma
1
f ( x) = .
n
1 2 x n
X :1 1 1 1

n n n n

I. f (x ) este o funcie de probabilitate, deoarece:

1) f (x) 0 , evident
2) f ( x ) = n 1 = 1
n

x =1 n

II. Media i dispersia

n
1 1 n 1 n( n + 1) n + 1
M (X ) = x = x = =
x =1 n n x =1 n 2 2
n
1 1 n
1 n(n + 1)(2n + 1) (n + 1)(2n + 1)
M ( X 2 ) = x2 = x2 = =
x=1 n n x=1 n 6 6
(n +1)(2n +1) (n +1) (n +1)(4n + 2 3n 3)
2
D( X) = M( X 2 ) M2 ( X) = = =
6 4 12
 ( n + 1)( n 1) n 2 1
= =
12 12

10.1.4. Repartiia Poisson

DEFINIIE: O variabil aleatoare X are repartiie Poisson

dac funcia sa de probabilitate este de forma f (x) = e ,
x

x!
x N , > 0.
x
X : x
e
x!

I. f ( x ) este o funcie de probabilitate deoarece:

1) e 0 evident.
x

x!
2) e = e = e e = 1 , unde este dezvoltarea
x x x

x =0 x! x =0 x! x =0 x!

lui e n serie McLaurin.

II. Media i dispersia le putem determina prin calcul direct:

x
x 1
M (X ) = xe = e =.
x =0 x! x = 0 ( x 1)!

x x
x
M(X 2 ) = x2e = x(x 1) e + M(X) = e + M(X) =
x=0 x! x=0 x! x=2 (x 2)!

x 2
= 2 e + M ( X ) =2 e e + M ( X ) = 2 + .
x = 2 ( x 2 )!

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

Funcia caracteristic a variabilei aleatoare Poisson:

( eit ) x
c(t) = eitx f ( x) = e
(1 eit )
= e ee . Prin urmare c(t ) = e .
it

x=0 x=0 x!
c' ( t ) = e (1e ) i eit c' (0) = e (11) i e0
it

1 1
M ( X ) = m1 = c' (0) = i e 0 =
i i
c ' ' ( t ) = e (1e ) ( i e it ) 2 + e (1e ) i 2 e it
it it

c' ' (0) = e (11) 2 i 2 e 0 + e (11) 2 i 2 e 0 = i 2 ( 2 + )

1
m2 = 2 c' ' (0) = 2 + .
i
Prin urmare: D( X ) = m2 m12 = 2 + 2 .

10.2. Repartiii continue

10.2.1. Repartiia continu uniform

DEFINIIE: O variabil aleatoare X , continu, are

repartiie uniform dac funcia sa de probabilitate este de forma
1
f ( x) = , x ( a , b) .
ba

I. f (x ) este o funcie de probabilitate deoarece:

1) f ( x ) 0 evident, deoarece b > a .
b b 1 1 b ba
2) f ( x )dx = dx = dx = =1
a a ba
b a a ba

II. Media i dispersia:

b 1 b 1 x 2 b b2 a 2 a + b
M ( X ) = xf ( x )dx =
b a a
xdx = |a = =
a ba 2 2(b a) 2
b b3 a 3 a 2 + ab + b 2
M ( X 2 ) = x 2 f ( x) = =
a 3(b a ) 3
a + ab+ b a + 2ab+ b2
2 2 2
D( X ) = M( X 2 ) M 2 ( X ) = =
3 4
4a 2 + 4ab + 4b 2 3a 2 6ab 3b 2 ( a b) 2
= = .
12 12

10.2.2. Repartiia exponenial negativ

DEFINIIE: O variabil aleatoare X are o repartiie

exponenial negativ de parametru dac funcia sa de
probabilitate este de forma f (x) = ex , x 0 , > 0 .
I. f (x ) este o funcie de probabilitate deoarece:
1) f ( x ) 0 evident.

2) f ( x )dx =
0 0
e x dx = e x |0 = 0 + 1 = 1

II. Media i dispersia:

M ( X ) = xf ( x )dx = x e x dx = xe x |0 + e x dx =
0 0 0
1 1
e x |0 = .

n rezolvarea integralei am folosit metoda integrrii prin pri, unde
u( x ) = x , du = dx , v( x ) = e x , dv = e x dx
2
M ( X 2 ) = x2 exdx = x2ex |0 +2 xex = 0 + x ex =
0 0 0
2 1 2
= = 2.

Integrala a fost calculat tot prin metoda integrrii prin pri, unde
u( x ) = x 2 , du = 2 xdx , v( x ) = e x , dv = e x dx .
2 1 1
D( X ) = M ( X 2 ) M 2 ( X ) = 2 2 = 2 .

1
( X ) = D( X ) = .

Putem calcula media i dispersia i astfel:

M ( X ) = xf ( x )dx = x e x dx
0 0

Fcnd schimbarea de variabil x = y x = y dx = 1 dy i

observnd c limitele de integrare se pstreaz, obinem:
y 1 1 1 1
M (X ) = e y dy = ye y dy = ( 2) =
0 0
2
La fel, M ( X 2 ) = x 2 f ( x )dx = x 2 e x dx = 2 e y 1 dy =
y

0 0 0
1 2 y 1 2 .
= 2 y e dy = 2 (3) = 2
0
Prin urmare, D ( X ) = M ( X 2 ) M 2 ( X ) = 22 12 = 12 .

Repartiia exponenial are proprietatea M(X) =X = 1 .

Repartiiile exponenial i Poisson sunt utilizate n
modelarea i rezlovarea problemelor legate de firele de ateptare
care apar n activitatea economic.

10.2.3. Repartiia normal

DEFINIIE: O variabil aleatoare X are o repartiie

normal dac funcia sa de probabilitate este de forma
2
1 x m
1
f ( x) = e 2 , unde m R , > 0 (1)
2
Pentru a pune n eviden parametrii m i , densitatea de
probabilitate se mai noteaz n( x; m, ) , x R , > 0 .
I. f (x ) este funcie de probabilitate, deoarece:
1) n( x; m, ) 0 , evident, din definiie.
2
1 x m
1
2)
n ( x; m, )dx = 1 sau 2
e 2
dx = 1 .

xm 1
Notm = y , dx = dy dx = dy .

2
1 x m
2
1 1
1 1 y2 1 y2
dx = dy = = 1,
2
e e 2
e2
dy =

2
2 2
2
1
y2
deoarece se tie c integrala Euler-Poisson

e 2
dy = 2 .
Graficul funciei de probabilitate depinde de parametrii m
i , forma curbei rmnnd (structural) aceeai, i anume forma
cunoscut sub numele de clopotul lui Gauss.

EXEMPLU: n( x;0, )

- 0,4 = 1
2

-1 0 1
1) Fa de parametrul m , curbele n( x, m, ) reprezint de fapt
translaii de-a lungul axei ox, meninndu-i forma i mrimea.

| |
m =
3 m=0 m = 3
2 2

2) Fa de parametrul , curbele sunt mai ascuite sau mai plate,

astfel nct aria cuprins ntre graficul curbei i axa ox s fie egal
cu 1 (unitatea de suprafa). Aici 1 < 2 < 3 .

2
3

3
m =
2

OBSERVAIE: Curba se apropie repede de axa ox . n

raport cu o abatere x m < 3 , diferena fa de ox este de ordinul
a 0,003 uniti. Astfel, repartiia normal poate fi considerat
definit ntr-un interval nchis i finit.

Pentru determinarea mediei i dispersiei vom utiliza funcia

caracteristic a variabilei aleatoare normale.

c (t ) = M ( e itX ) = e itx n ( x; m, )dx (2)

Calculm pentru nceput funcia caracteristic a variabilei
1
aleatoare normale normate: n( y;0,1) = 1 e 2
y2
(3)
2
 y e ity

Y : 1 2 y 2 e itY : 1 2 y2 .
1 1

e e
2 2
y2 1
1 1 ( y 2 2ity)
c(t) = eityn( y;0,1)dy = eitye 2
dy = 2
e dy =

2
2

1 1 1 1
1 ( y 2 2 ity +i 2t 2 ) + i 2t 2 1 ( y it ) 2 + i 2t 2
=
2

e 2 2
dy =
2


e 2 2
dy =
1 1
1 1 t2 1 t2 z2
1 ( y it )2 t 2 e 2 ( y it )2 e 2
=
2

2
e 2
e dy =
2


e 2
dy =
2


e dz =2

1
t2
2
2 1
e t2
= = e 2 , unde am folosit substituia y it = z dy = dz.
2
Observm, de asemenea, c utiliznd aceast substituie limitele de
integrare nu se schimb.

Ultima integral este integrala Euler-Poisson. Ea este egal

cu 2 i se calculeaz astfel:
z2 z2 1
dt

e
0
2
dz = 2 e
0
2t 0
2
dz = 2 e it
= 2 t 2 e t dt = 2 .

n calculul de mai sus am folosit substituia :

1 2 dt z2 dt .
z = t zdz = dt dz = ; = t z = 2t dz =
2 z 2 2t
Prin urmare, funcia caracteristic a variabilei aleatoare
1
t2
normale normate n ( y ; 0 ,1 ) este cY (t ) = e 2 (4)

Fie variabila aleatoare X=Y+. Atunci cX (t) = eitcY ( t) (5)

Demonstraie:

c X = M (e itX ) = M [eit ( Y + ) ] = M [e it Y eit ] = e it M [e i ( t )Y ] = e it cY (t ) .

2
1 x m
Fie variabila aleatoare normal n( x; m, ) = 1 e 2

.
2
 x m
Facem substituia = y x = y + m X = Y + m, unde

Y = N ( y;0,1) . Aa cum am vzut, pentru variabila aleatoare
1
t2
normal normat, funcia caracteristic este cY ( t ) = e 2 .
Deci conform (5) avem:
1
2t 2
c X ( t ) = cY + m (t ) = e imt cY ( t ) = e imt e 2 .
n concluzie, funcia caracteristic a variabilei normale
1
imt 2t 2
n( x; m, ) este c X (t ) = e 2 (6)

Calculul mediei: M ( X ) = m1
c ' ( 0)
m1 =
i
1
itm 2t 2
c' X (t ) = (im 2 t )e 2
c' X ( 0) = ime 0 = im m1 = m .
Deci M ( X ) = m .

Calculul dispersiei: D ( X ) = M ( X 2 ) M 2 ( X ) = m2 m12

c ' ' ( 0)
m2 = 2
i
1 1
itm 2t 2 itm 2t 2
c' ' (t ) = 2 e 2
+ (im 2 t ) 2 e 2

c' ' (0) = 2 e 0 + (im )e 0 = 2 m 2

c ' ' (0) 2 m 2
= 2 + m 2 (ntruct, evident, i = 1 )
2
m2 = =
i2 i2
Deci D ( X ) = 2 + m 2 m 2 = 2 .

OBSERVAIE: Parametrii m i ai repartiiei normale

reprezint media i respectiv abaterea medie ptratic.

Funcia de repartiie ; funcia integral a lui Laplace:

Fie variabila aleatoare normal de parametrii m i :

x
X : , > 0 , m R , unde, aa cum tim,
n ( x; m, )
 2
1 x m
1
n ( x; m , ) = e 2 . Funcia de repartiie este :
2
2
1 t m
x 1 x
F ( x ) = P ( X < x ) = n (t ; m, )dt = e 2
dt (7)

2

x
Notm: N ( x; m, ) = n (t ; m, )dt funcia de repartiie a

variabilei aleatoare normale.

Fie X o variabil aleatoare normal cu densitatea de

probabilitate n( x; m, ) i funcia de repartiie N ( x; m, ) . Dac
facem schimbarea de variabil Z = X m , tim c Z este o

variabil aleatoare normal normat cu media m = 0 i dispersia
= 1 . Deci Z are densitatea de probabilitate n (z;0,1) i funcia de
repartiie N ( z;0,1) .
2
1 t m
1 x
F ( x ) = P ( X < x ) = N ( x; m, ) = e 2 dt (8)

2
Pentru calculul integralei (8) facem substituia:
tm xm
= y dt = dy .Dac t = x , atunci y = , iar pentru t

tinznd ctre i y tinde ctre . Astfel, vom obine:
1
y 1 y2 xm
F ( x) = e 2 dy = N ( y;0,1) = N ;0,1 .

2
Prin urmare, putem scrie:
xm
P( X < x ) = N ( x; m, ) = N ( z;0,1) , unde z = .

Reprezentarea grafic a funciei de repartiie normal
1
normat de forma N ( z;0,1) = 1 e 2 dy , unde z = x m este:
z y2

N ( z;0,1)
1

1
2
 OBSERVAIE: Curba N(z;0,1) este simetric fa de punctul
1 . Dac facem o translaie de axe: 1
0, ( z ) = N ( z;0,1)
2 2
(translaie datorat lui Laplace), obinem:

(z )

1
2

12

OBSERVAIE: (z ) este o funcie simetric fa de

origine, i deci funcia este o funcie impar . Prin urmare este
suficient s cunoatem (z ) pentru z > 0 .

n (z;0,1)

z
( z ) = n(t;0,1)dt
0

n toate crile i manualele de teoria probabilitilor i

statistic matematic, funcia (z ) este tabelat.

Prin urmare, avem: N ( z;0,1) = 1 + ( z ) este funcia de

2
repartiie a variabilei aleatoare normal normat i
1 x m este funcia de repartiie a variabilei
N ( x; m, ) = +
2
aleatoare normal nenormat (de parametrii m i ).
Calculul momentelor centrate :

Momentele centrate ale variabilei aleatoare normale sunt

des utilizate, n special n statistica matematic. Astfel, momentul
centrat de ordinul r :
2
1 x m
1
r = ( x m ) n( x; m, )dx = ( x m )
r
e 2 r
dx

2

Am vzut c:

0 = ( x m ) 0 n( x; m, )dx = 1 0 = 1 .

2 2
1 xm 1 xm
1 2 1 2
1 = (x m) e
dx = x e
dx
2 2
2
1 x m
1
m e 2
dx = 0 1 = 0

2

xm
Notm : = y x m = y dx = dy i ntruct

> 0 , limitele de integrare se pstreaz. Obinem:
2
1 xm
1 2 r r 12 y
r r 12 y
2 2

r = y
2
r r
e
y dy =
e dy = y e | +

2 2

r

1
y 2
1 2
1
y 2

+
2
(r 1) y r2e 2 dy = 2(r 1) r2 yr2

2
e dyr =2(r 1)r2

n rezolvarea acestei integrale am aplicat metoda integrrii

1 1
y2 y2
prin pri, unde f = y r 1 f ' = (r 1) y r2 , g ' = ye 2
g = e 2 .

Deci:
2 = 2 (2 1) = 2
3 = 2 (3 1) 1 = 0
4 = 2 (4 1) 2 = 1 3 4
5 = 0
.
2 q+1 = 0
2 q = 1 3 ( 2q 1) 2 q
10.2.4. Repartiia Gamma

DEFINIIE: O variabil aleatoare X are repartiie Gamma

dac funcia sa de repartiie este de forma:
1
x

x a
e b
, x > 0 , unde
f ( x; a, b) = ( a + 1)b a +1 (a + 1) = x a e x dx
0
0, x 0

i a > 1 , b > 0 .

I. f (x ) este funcie de probabilitate, deoarece:

1) f ( x; a, b) 0 , evident
x x
1 1 1
2)
f (x; a, b)dx =
0 (a +1)ba+1
xae b dx =
(a + 1) b
0 a+1
xae b dx =

Notm x = y x = b y dx = b dy
b
1 1 1 (a + 1)
=
(a + 1) 0 b a +1
ba y a e y b dy =
(a + 1) 0
y a e y dy =
(a + 1)
=1

Amintim cteva proprietai ale integralei :

P1. (a ) = (a 1)(a 1)
P2. (n ) = (n 1)!
P3. 1 =
2

Demonstraiile acestor proprieti se gsesc n cursurile de

analiz matematic.

Funcia generatoare de momente pentru variabila aleatoare

Gamma:

x
1
g(t) = M(etX ) = etx f (x; a, b)dx = etx a+1
xa e b dx, a > 1 b > 0
0 0 (a + 1)b
Facem substituia : y = x x = b y dx = b dy .
b
Avem:
1 1
g (t ) = e bty a +1
b a y a b dy = e bty y a e y dy =
0 (a + 1)b (a + 1) 0

y

1
1 1 1 1 ,
=
(a +1) 0
ey(1bt) yady = +
(1 bt) 0
a 1 1
a+1
e y dy =
1bt a
(1 bt)a+1
(a +1)
1 bt
y

1
deoarece 1
a +1
e 1bt
y a dy =1 , fiind densitatea de
0
1
( a + 1)
1 bt
probabilitate a repartiiei .
Prin urmare, putem scrie c funcia generatoare de
momente pentru este g ( t ) = (1 bt ) ( a +1) .

Momentele iniiale:

Calculm momentele iniiale din relaia g ( r ) (t ) |t =0 = mr , r = 1,2,....

g' (t) = (a + 1)(1 bt)(a+2) (b) = b(a + 1)(1 bt)(a+2) m1 = g' (0) = b(a + 1)

g ' ' (t ) = b 2 ( a + 1)(a + 2)(1 bt ) ( a +3) m2 = g ' ' (0) = b 2 ( a + 1)( a + 2)

.

g(r) (t) = br (a +1)(a + 2) (a + r)(1 bt)(a+r+1) mr = g(r) (0) =

= b r ( a + 1)( a + 2) ( a + r )
Deci M ( X ) = m1 = b(a + 1) i
D( X ) = m2 m12 = b2 (a + 1)(a + 2) b2 (a + 1)2 = b2 (a + 1)

Momentele centrate:
k
k = M [ X M ( X )]k = M [ X m]k = M ( 1) j Ckj m j X k j =
j =0
k
= ( 1) j C kj m j M ( X k j )
j =0
k
Deci : k = ( 1) j C kj m j mk j .
j =0
OBSERVAIE:
Pentru k = 2 obinem:
2
2 = C2jmjm2j =C20m0m2 C21m1m`1 +C22m2m0 = m2 m`21 = D(X) , unde :
j=0

m0 = M ( X 0 ) = M (1) = 1 i m1 = M ( X 1 ) = M ( X ) = m .
Pentru k = 1 obinem:
1 = M ( X m ) = M ( X ) M ( m ) = m m = 0

n cazul repartiiei , vom obine:

1 = 0 ;
2 = D ( X ) = b 2 ( a + 1) ;
3
3 = ( 1) j C3j m j m3 j = m3 3m m2 + 3m 2 m1 m 3m0 =
j =0

= b (a + 1)(a + 2)(a + 3) 3b(a +1)b2 (a +1)(a +2) +3b2 (a +1)2 b(a +1) b3(a +1)3 =
3

= b 3 ( a + 1)[( a + 2)( a + 3) 3( a + 1)( a + 2) + 3( a + 1) 2 ( a + 1) 2 ] =

= b3 (a +1)[(a2 +5a + 6 3a2 9a 6 + 2a2 + 4a + 2] = b3(a +1)2 3 = 2b3(a +1)

4 = 3b 4 ( a + 1)( a + 3) .

10.2.5. Repartiia Beta

DEFINIIE: O variabil aleatoare X are repartiie Beta

dac densitatea sa de probabilitate este de forma:
1
xa1 (1 x)b1 , x [0,1]
f ( x; a, b) = (a, b) , unde a > 0 , b >0 i
0 , x (,0) (1, )

1
(a, b) = x a1 (1 x)b1dx
0

I. f (x ) este funcie de probabilitate, deoarece:

1) f ( x; a , b) 0 , evident oricare ar fi x [a, b]
2) f ( x; a, b)dx = 1 1
1 1
x a 1 (1 x ) b1 dx = ( a , b) = 1
0 ( a , b) 0 ( a , b)

Reamintim cteva proprieti ale integralei ( a, b) :

P1. ( a, b) = (b, a )
Demonstraie: facem substituia 1 x = y x = 1 y dx = dy .
1 0 1
(a, b) = xa1(1 x)b1 dx = (1 y)a1 yb1dy = yb1(1 y)a1 dy = (b, a)
0 1 0

a 1
P2. (a, b) = ( a 1, b 1)
a + b 1

a 1 b 1
P3. (a, b) = ( a 1, b 1)
a + b 1 a + b 2

P4. ( a, b) = ( a ) (b) , unde ( a ) = x a 1e x dx

( a + b) 0

II. Calculul momentelor pentru calculul mediei i dispersiei:

1 1 1 1 1 a+r1
mr = xr f (x;a, b)dx = xr xa1 (1 x)b1 dx = x (1 x)b1 dx =
0 0 (a,b) (a,b) 0

( a + r , b ) ( a + r ) (b ) ( a + b) ( a + r ) ( a + b)
= = =
( a , b) ( a + r + b) ( a ) ( b) ( a + r + b) ( a )

Dar ( a + 1) = a ( a ) ( a + r ) = ( a + r 1) ( a + r 1) =
= (a + r 1)(a + r 2)(a + r 2) = = (a + r 1)(a + r 2) a(a )
(a + r + b) = (a + b + r) = (a + b + r 1)(a +b + r 1) = (a + b + r 1)(a + b + r 2)
(a + b + r 2) = = (a + b + r 1)(a + b + r 2) (a + b)(a + b)
Deci
(a +r 1)(a +r 2) a(a)(a +b) a(a +1) (a +r 1)
mr = =
(a +b+r 1)(a +b+r 2) (a +b)(a +b)(a) (a +b)(a +b+1) (a +b+r 1)

Prin urmare, m1 = a a ( a + 1)
= M ( X ) , m2 = = M (X 2)
a+b ( a + b)( a + b + 1)
Deci dispersia este :
a(a +1) a2 (a + b)(a2 + a) a2 (a + b +1)
D( X ) = m2 m12 = = =
(a + b)(a + b +1) (a + b)2 (a + b)2 (a + b +1)
a 3 + a 2 + a 2 b + ab a 3 a 2 b a 2 ab .
= =
( a + b) ( a + b + 1)
2
( a + b) ( a + b + 1)
2
10.2.6. Repartiia 2
DEFINIIE: O variabil aleatoare X are repartiie 2 dac
funcia sa de repartiie este de forma:
1
k
1
x

x 2
e 2
, x>0
k 2
k
f ( x; k ) = 2 , unde k N * reprezint
2
0 , x 0
numrul gradelor de libertate.

Mai jos prezentm graficele funciei f ( x; k ) pentru

k = 2,4,6,15 .

k=2

k=4
0,2-

0,15- k=6

0,1- k=15

0,05-
| | | | |
0 5 10 15 20 25

Se vede c graficele sunt asimetrice, dar, pentru valori mari

ale gradelor de libertate ( k > 30) , graficul repartiiei 2 se apropie
de graficul repartiiei normale.

OBSERVAIE: 2 se poate obine din pentru a =

k
1
2
i b = 2 .
 Funcia generatoare de momente a variabilei aleatoare
1
= (1 bt)(a+1) i g (0) = mr , r = 1,2,.... .
(r)
este de forma g(t) = a+1
(1 bt)
Prin urmare, pentru a = k 1 i b = 2 , vom obine funcia
2
generatoare de momente a variabilei 2
de forma:
k

g (t ) = (1 2t ) .
2

k k
k 1 1
g ' (t ) = (1 2t ) 2 ( 2) = k (1 2t ) 2 g ' (0) = m1 = k
2
k +2
k k
1 1
g ' ' (t ) = k (1 2t ) 2 ( 2) = k ( k + 2)(1 2t ) 2
2
g ' ' ( 0) = m 2 = k ( k + 2 )

D ( 2 ) = m2 m12 = k 2 + 2k k 2 = 2k

10.2.7. Repartiia Student

DEFINIIE: O variabil aleatoare X are repartiie Student

dac funcia sa de repartiie este de forma:

k + 1
k +1
2 2
2
1 +
t
f (t , k ) = , t
k k
k
2

Se poate arta c variabila aleatoare t este dat de raportul

z k
t= , unde z este variabila aleatoare n( x;0,1) , iar variabila
V
aleatoare V este un 2 cu k grade de libertate, independent de z.

Se arat c lim f (t , k ) = n(t;0,1) , deci t este aproximat

k

suficient de bine de n(x;0,1) pentru k > 30 .

k
M (t ) = 0 , iar D(t ) = .
k 2
n (x;0,1)

x
 CAPITOLUL 11

TIPURI DE CONVERGEN. LEGILE NUMERELOR

MARI. TEOREME LIMIT CENTRAL

11.1. Inegalitatea lui Cebev

DEFINIIE: Fie (, K , P ) un cmp (borelian) de

probabilitate i X : o variabil aleatoare cu media
M ( X ) = m i dispersia D( X ) finite. Atunci pentru orice > 0 ,
M ( X

are loc inegalitatea:

D( X )
P( X m ) (1)
2
echivalent cu inegalitatea :
D( X )
P( X m < ) 1 . (1)
2
Formula (1) [respectiv (1) ] poart numele de Inegalitatea
lui Cebev .

Demonstraie:

D( X ) = ( x m) 2 f ( x)dx = (x m)
2
f ( x)dx + (x m)
2
f ( x)dx

x m < x m

(x m)
2
f ( x )dx 2 f ( x )dx =
2
P( X m ) .
x m x m

Deci D(X) 2P( x m ) P( x m ) D(X ) D(X)

P( x m < ) 1 2
2

Lund = k , unde k N i = D ( X ) , rezult c
D( X ) 2 1
= 2 2 = 2 i deci inegalitatea lui Cebev se poate scrie :
2
k k
1
P( X m k ) 2 , unde k N , (2) sau:
k
1
P ( X m < k ) 1 2 (2)
k

OBSERVAIE: Pentru k = 1 , inegalitatea este banal. De

aceea vom lua k N , k 2 .De exemplu:
 1
Pentru k = 3, avem P( X m 3 ) 0,1 sau
9
1 8
P( X m < 3 ) 1 = 0,9
9 9
1
Pentru k = 4 , avem P( X m 4 ) 0,06
16
Observm deci c abaterile mai mari dect 3 i cu att
mai mult dect 4 au probabilitile de producere foarte mici, deci
ansele acestor evenimente de a se produce sunt extrem de reduse.

EXEMPLE:

1) Variabila aleatoare X , continu, reprezint lungimea unor

piese fabricate la o main. Se tie c M ( X ) = m = 50 cm i
D ( X ) = 2 = 0,1 . Utiliznd inegalitatea lui Cebev, s se
determine probabilitatea ca lungimea X a pieselor s fie cuprins
ntre 49,5 cm i 50,5 cm.

Soluie:
Deoarece m = 50 , condiia 49,5 < X < 50,5 se poate scrie
0,5 < X 50 < 0,5 , sau X 50 < 0,5 = 0,5 .
Aplicm inegalitatea lui Cebev :
0,1
P ( X 50 < 0,5) 1 = 1 0,4 = 0,6 .
0,25

2) Aplicnd inegalitatea lui Cebev, s se gseasc limita

inferioar a probabilitii inegalitii 5 1 < 10 2 , unde
10 6
reprezint numrul de apariii ale feei 5 n 105 aruncri ale zarului.

Soluie:
Variabila aleatoare are repartiie binomial, cu media
M ( ) = np i dispersia D ( ) = npq .
1 1
M ( ) = np = 105 , unde reprezint probabilitatea de apariie a
6 6
feei 5.
1 5 5 105
D ( ) = npq = 10 5 =
6 6 36
Fie variabila aleatoare X = 5 1 . Atunci :
10 6
5
1 1
10 1 1 1 1
M ( X ) = M ( ) 5 M = 5 = =0
10 6 6 10 6 6 6
1 2
2 1
D( X) = M[(X m)2 ] = M 5 0 = M 10 5 + =
10 6 10 10 3 36
1 1 1 1 105 (105 + 5) 1 105 1
= M ( 2 ) 5 M ( ) + = 10 5 + =
1010
10 3 36 10 36 10 3 6 36
1 5 1 1 5
= + + = .
36 105 36 18 36 10 5 36

Aplicm inegalitatea lui Cebev:

1 5 10 4 5 355 71
P 5 0 < 10 2 1 5 =1 = =
10 6 10 36 360 360 72

11.2. Tipuri de convergen

Am vzut c unele repartiii (sau unele caracteristici ale

unor variabile aleatoare) pot fi aproximate, n condiiile unui volum
mare de probe (n ) , prin alte repartiii sau carecteristici.

EXEMPLU: Repartiia Student:

k +1
k +1
2 2
2
1 +
t
f (t; k ) = , t
k k
k
2

Se arat c lim f (t; k ) = n(t;0,1) . Practic, pentru k > 30 ,

k

f (t; k ) n(t;0,1) .

Prin urmare este util s cunoatem n ce condiii un ir de

variabile aleatoare ( X n ) tinde (converge) ctre o variabil aleatoare
X.
 a) Convergena n probabilitate

DEFINIIE: irul de variabile aleatoare ( X n ) nN converge

n probabilitate ctre variabila aleatoare X ( X n
P
X ) , dac
pentru orice > 0 , avem :
lim P{ X n X < } = 1 .
n

b) Convergena n medie de ordinul r , ( r N * )

DEFINIIE: irul de variabile aleatoare ( X n ) nN converge

n medie de ordinul r ctre variabila aleatoare X dac:
lim M ( X n X ) = 0 .
r

OBSERVAIE: Pentru r = 2 se obine definiia

convergenei n medie ptratic, foarte utilizat n statistica
metematic.

c) Convergena n repartiie (sau n sens Bernoulli)

Fie X n variabila aleatoare cu funcia de repartiie Fn (x ) i

X variabila aleatoare cu funcia de repartiie F (x ) .

DEFINIIE: irul de variabile aleatoare ( X n ) nN converge

n repartiie ctre variabila aleatoare X dac: lim Fn ( x ) = F ( x ) n
n

toate punctele x unde funcia de repartiie F (x ) este continu.

11.3. Legi ale numerelor mari

Cu toate c despre orice variabil aleatoare nu se poate ti

dinainte valoarea pe care aceasta o ia ntr-o anumit experien,
totui, media aritmetic a unui numr sufucient de mare de
variabile aleatoare, n condiii destul de puin restrictive, i
pierde caracterul ntmpltor.

Astfel de condiii se dau n teoremele cunoscute sub

denumirea comun de legi legi ale numerelor mari .
11.3.1. Teorema lui Cebev

Dac X 1 , X 2 , , X n sunt variabile aleatoare independente

dou cte dou, i au dispersiile mai mici dect o constant c,
atunci, pentru orice > 0 avem:
n n

X k M ( X k )
lim P k =1 k =1 < = 1 (1)
n
n n

Demonstraie:
Fie variabila aleatoare X = 1 X k . Aceast variabil are
n

n k =1
media M( X ) = 1 M( Xk ) i dispersia D( X ) = 12 D( X k ) nc2 = c .
n n

n k=1 n k =1 n n
Aplicm inegalitatea lui Cebev pentru variabila X = X k , adic 1 n

n k =1
D( X )
P( X m < ) 1 .
2
n n

X M( Xk )
De aici rezult : 1 D( X ) P k =1
k
< 1 .
k =1

2 n n

c
nlocuind D( X ) = i trecnd la limit pentru n ,
n
n n

X k M (X k )
rezult: 1 lim P k =1 k =1 < 1 , i teorema este
n
n n

demonstrat.

COROLAR: Dac variabilele aleatoare X 1 , X 2 , , X n au

toate aceeai medie m, deci M ( X k ) = m , k = 1,2,..., n , atunci
relaia (1) devine:
 n
n

X k
n m
X k
lim P k =1
< = 1 lim P k =1
m < =1.
n n n n n

Rezult deci c media aritmetic a unui numr suficient de

mare de variabile aleatoare, cu dispersiile mrginite, i pierde
caracterul de variabil aleatoare.
Aceste rezultate dau o justificare regulei mediei aritmetice,
care se aplic n mod curent n msurtori. Dac trebuie msurat o
mrime a, repetnd de n ori msurtorile, obinem n rezultate
x1 , x 2 ,..., x n , n general diferite. Drept valoare aproximativ lum
1
media aritmetic a rezultatelor: a = ( x1 + ... + xn ) .
n

11.3.2. Teorema lui Bernoulli (legea numerelor mari a lui

Bernoulli)

Teorema lui Bernoulli stabilete o legtur ntre frecvena

relativ a unui eveniment i probabilitatea sa.
S considerm o experien n care probabilitatea de apariie
a unui eveniment A este p . Se fac n experiene. Dac este
numrul de apariii ale evenimentului A din cele n experiene,
atunci, oricare ar fi > 0 , avem:

limP p < = 1 , unde reprezint frecvena relativ.
n
n n

Demonstraie:
Considerm variabila aleatoare X k , variabil ce reprezint
numrul de apariii ale evenimentului A n experiena de ordinul k ,
k = 1,2,..., n .
1 0
Fiecare variabil aleatoare X k are repartiia X k : ,
p q
k k

unde pk + qk = 1 . Aceast variabil are media M ( X k ) = pk i

dispersia D( X k ) = M ( X k2 ) M 2 ( X k ) = pk pk2 = pk (1 pk ) = pk qk .
Fie X = X1 + X 2 + + X n . Aplicm teorema lui Cebev
variabilei aleatoare X :
 1
lim P ( X 1 + X 2 + + X n ) p < = lim P p < = 1 .
n n
n n

OBSERVAII:

1) Teorema lui Bernoulli explic stabilitatea frecvenei relative de

apariie a unui eveniment A, f n = , pentru un numr mare de
n
experiene.
2) Uneori, aceast teorem celebr se enun astfel: frecvena
relativ de apariie a unui eveniment converge n probabilitate
ctre probabilitatea evenimentului considerat.
3) Dm urmtoarea definiie:
Variabila aleatoare X (n ) , depinznd de numrul natural n se spune
c estimeaz absolut corect numrul a dac:
a) M [ X (n)] = a
b) lim D[ X (n)] = 0
n

S artm c aceste condiii sunt ndeplinite pentru

variabilele aleatoare X (n ) =
i a = p .
n
1 n 1
M = M Xk = n p = p
n n k =1 n
1 n 1 pq
D = D X k = 2 n p q = lim D = 0
n n k =1 n n n
n
Prin urmare probabilitatea p este estimat absolut corect de
frecvena relativ f n = ceea ce face ca n caclulul probabilitii i
n
statistic s se foloseasc valoarea aproximativ p .
n

11.3.3. Teorema lui Poisson

Teorema lui Poisson este o generalizare a teoremei lui

Bernoulli n sensul c evenimentul A are n prima prob
probabilitatea de realizare p1 , n a doua probabilitatea p2 , , n a
n-a prob probabilitatea pn .
 TEOREM: Fie numrul de apariii ale unui eveniment
A n n experiene independente i pk probabiliti de apariie a
evenimentului A n experiena de ordinul k , k = 1,2,..., n . Atunci,

oricare ar fi > 0 , avem lim P 1

n

pk < = 1 .
n n n k =1

Demonstraie: Variabila aleatoare X reprezint rezultatul
1 0
probei de ordinul k ( k = 1,2,..., n ) i are repartiia X k : ,
p q
k k

pk + qk = 1 , k = 1,2,..., n . X k ia valoarea 1 dac evenimentul A a

n
aprut i 0 dac evenimetul A nu a aprut. Deci = X k . De
k =1

asemenea : M ( X k ) = pk ; M ( X k2 ) = pk .
D(Xk ) = M[(Xk pk )2 ] = M[Xk2 2pk M(Xk ) + pk2 ] = pk 2pk2 + pk2 = pk pk2 =
= pk (1 pk ) = pk qk
Aplicm inegalitatea lui Cebev variabilei aleatoare
1n

n k=1
Xk = .
n
n n

1 n
1 n
p q k k k kp q
P X k pk < 1 k =1 2 2 . Dar lim k=1 2 2 = 0 .
n n n
n k =1 n k =1

Atunci obinem:
1 n 1 n 1 n
lim P X k pk < = 1 i deoarece = X k , atunci
n n n k =1
n k =1 n k =1
rezult c : lim P 1 pk < = 1 .
n

n n n k =1

1n 1
OBSERVAIE: Dac p1 = p2 =...= pk = p
n k=1
pk = np= p,
n
adic teorema lui Bernoulli

11.3.4. Teorema limit central

Dm fr demonstraie urmtorul rezultat, esenial n

statistica matematic:
 Dac :
1) Variabila aleatoare X k , k = 1,2,..., n , sunt independente;
2) Variabilele X k nu iau valori prea mari una n comparaie
cu celelalte;
3) Numrul n al veriabilelor este sufucient de mare,
n
Atunci: variabila aleatoare X = X k are ca repartiie
k =1
asimptotic repartiia normal, oricare ar fi repartiiile variabilelor
aleatoare X k ( k = 1,2,..., n ).

Prin urmare, teorema limit central d posibilitatea

folosirii repartiiei normale drept lege practic de aproximare.
 CAPITOLUL 12

STATISTIC MATEMATIC

12.1. Noiuni de teoria seleciei i a estimaiei

S considerm o populaie , finit sau infinit, n sensul

c este format dintr-un numr finit sau infinit de uniti. Dac
populaia este finit, vaom nota cu N numrul unitilor ce o
compun, iar N l vom numi volumul populaiei .
Studiem populaia din punctul de vedere al unei
proprieti. Aceast proprietate, care variaz (n general) aleator de
la o unitate la alta a populaiei o vom asimila cu o variabil
aleatoare X i o vom numi variabil aleatoare teoretic definit pe
populaia .
Caracteristicile probabilistice ale variabilei aleatoare
teoretice X le vom numi caracteristici teoretice, astfel:
m = M ( X ) , media teoretic;
D = 2 = D( X ) , dispersia teoretic;
mr = M ( X r ) , momentul iniial de ordinul r, teoretic;
r = M [( X m) r ] , momentul centrat de ordinul r, teoretic.

Cercetarea unitilor din populaia se poate face printr-o

observare total sau parial.

Cercetarea total (care se efectueaz de exemplu sub

form de recensmnt) este o operaie complex, care de cele mai
multe ori primete mai multe caracteristici ale unitilor, pentru a
realiza o analiz multilateral. Practic, o cercetare total se
recomand atunci cnd volumul populaiei nu este prea mare,
pentru a evita cheltuieli ce pot depi avantajele concluziilor trase.

Carcetarea parial (selectiv) se efectueaz asupra unei

subpopulaii , subpopulaie de volum n. Variabila aleatoare
asimilat caracteristicii studiate corespunztoare subpopulaiei de
selecie este reprezentativ, ceea ce nseamn c n subpopulaia
sunt reflectate proprietile ntregii populaii .
 Construirea eantionului (subpopulaiei de selecie) se
face cu uniti din populaia , alese dup o animit tehnic (dup
anumite reguli) numit operaie de sondaj.
n efectuarea unui sondaj ntlnim dou metode de baz:

a) Sondaj cu revenire (sondaj non-exhaustiv):

Fiecare unitate de sondaj extras din pentru a fi studiat,
se reintroduce n , dup cercetare, putnd deci s apar din nou n
procesul de construcie al eantionului .
Efectuarea sondajului cu revenire are ca schem
probabilistic urna lui Bernoulli (urna cu bil revenit).
n acest caz vom spune c s-a efectuat o selecie repetat de
volum n. Sondajele astfel efectuate sunt:
 Echiprobabile
 Valorile de selecie astfel obinute sunt
independente

b) Sondaj fr revenire (sondaj exhaustiv):

Fiecare unitate de sondaj extras din pentru a fi studiat
nu mai este reintrodus n dup studiere (cercetare).
Efectuarea sondajului fr revenire are ca schem
probabilistic schema urnei cu bil nerevenit.
n acest caz vom spune c s-a efectuat o selecie nerepetat
de volum n.

OBSERVAIE: Aplicarea seleciei nerepetat nu are sens

dect n cazul cnd volumul populaiei este finit. Valorile de
selecie astfel obinute sunt dependente.

Selecia repetat i selecia nerepetat sunt aplicate

colectivitilor omogene.

DEFINIIE: O colectivitate este omogen dac este

constituit din elemente care sunt susceptibile de a avea sau de a nu
avea caracteristica studiat, cu o aceeai pondere.

n cazul cnd sondajul se efectueaz dintr-o populaie

omogen, el se numete sondaj simplu (selecie simpl) .
n cazul cnd populaia nu este omogen din punct de
vedere al caracteristicii (al proprietii) cercetate dar poate fi
mprit n subpopulaii i , fiecare n parte omogen, ca nite
straturi ale populaiei , se va efectua aa numita selecie
stratificat.

Fie , o populaie de selecie de volum n. Valorile

variabilei teoretice X pentru fiecare unitate din eantionul
determin irul de valori X 1 , X 2 ,..., X j ,..., X n . Deoarece participarea
oricrei uniti din populaia la eantionul este echiprobabil
(deoarece sondajul se face ntmpltor) , fiecare valoare X j din

irul anterior se realizeaz n eantion cu aceeai probabilitate 1 .

n
*
Astfel se construiete variabila de selecie X , cu repartiia :

X1 X2 Xj Xn
X : 1
*
1 1 1


n n n n

Caracteristicile variabilei aleatoare de selecie X * , numite

caracteristici de selecie, sunt: (1)
1 n
m* = X = X j
n j =1
n
1
D* = ( X j X )2
n j =1
1 n
mr* = X rj
n j =1
1 n
r* = ( X j X ) r
n j =1

OBSERVAIE: Eantionul , la rndul lui, are un aspect

aleatoriu determinat n primul rnd de caracterul ntmpltor al
sondajului. Prin urmare, efectund alte sondaje se obin alte
eantioane i alte variabile aleatoare de selecie.

Putem considera c fiecare valoare X j a argumentului

variabilei aleatoare de selecie X * este, la rndul ei, o variabil
aleatoare identic din punct de vedere probabilistic cu X, deoarece
poate fi oricare din valorile posibile ale lui X i deci are aceleai
caracteristici ca i variabila aleatoare teoretic. Adic:
 M(X j) = M(X ) , j = 1,..., n
D ( X j ) = D( X ) , j = 1,..., n
M ( X rj ) = M ( X r ) , j = 1,..., n

n cazul cnd variabila aleatoare empiric X * are repartiia

de forma :
x x 2 xi x k k
X * : 1
n n n n
; ni = 1 , unde
1 2 i k i = 1

x1 , x 2 , , xi , , x k sunt valorile distincte ale lui X j , j = 1,..., n , iar

n1 , n2 , , ni , , nk sunt frecvenele de apariie. Deci relaiile (1)
devin: (1)
1 k
m * = x = xi ni
n i =1
k
1
D * = ( x i x ) 2 ni
n i =1
1 k
mr* = xir ni
n i =1
1 k
r* = ( xi x ) r ni
n i =1

12.2. Repartiii de selecie

O anumit caracteristic (calitativ sau cantitativ) studiat

pe o populaie oarecare poate fi considerat ca o variabil
aleatoare unidimensional X care are o densitate de repartiie f (x )
sau o funcie de reaprtiie F (x ) .
f (x ) i F (x ) se numesc legi teoretice de repartiie a
variabilei aleatoare X .
S considerm acum c pe baza unei selecii de volum n din
populaia obinem valorile X 1 , X 2 , , X n . Cu ajutorul acestor
valori (cu ajutorul acestor date de selecie) putem calcula diferii
indicatori ca de exemplu:
n
Media de selecie : X * = X = 1 X k
n k =1
 n
Dispersia de selecie : D * = 1 ( X k X ) 2
n k =1

DEFINIIE: O funcie Tn ( X 1 , X 2 ,..., X n ) de datele de

selecie X 1 , X 2 , , X n se numete statistic .
OBSERVAIE: Media de selecie X * i dispersia de
selecie D * sunt funcii de datele de selecie X 1 , X 2 , , X n , deci
sunt statistici.

Fiecare statistic Tn ( X 1 , X 2 ,..., X n ) (de exemplu media de

selecie i dispersia de selecie) este, datorit caracterului aleatoriu
al seleciei, o variabil aleatoare care la rndul ei are anumite legi de
repartiie (f i F) numite repartiii de selecie .

Cunoaterea legii de repartiie (repartiiei de selecie) a

statisticii Tn ( X 1 , X 2 ,..., X n ) este deoasebit de important deoarece
cu ajutorul ei se poate face studiul probabilistic al statisticii
Tn ( X 1 , X 2 ,..., X n ) , calculndu-se probabiliti de forma P(Tn < a ) ,
P( a < Tn < b) ; M (Tn ) , D(Tn ) , etc.

OBSERVAIE: Interpretarea datelor de selecie are un

dublu neles:
X 1 , X 2 , , X n sunt nite numere cunoscute
X i , i = 1,..., n sunt variabile aleatoare cu aceleai
caracteristici ca i X .

n acest fel, prin intermediul statisticii Tn putem trage

concluzii referitoare la populaia general din care a provenit
selecia (eantionul) .

Teoria probabilitilor ne ofer procedee de determinare att

a repartiiei exacte, ct i a repartiiei asimptotice a statisticii Tn .
Prin repartiia exact a statisticii Tn nelegem repartiia
determinat pentru orice volum al seleciei n, iar prin repartiia
asimptotic nelegem repartiia limit a statisticii Tn (cnd
n ) .
 Repartiia exact este util cnd condiiile concrete ale
caracteristicii studiate din populaia impune folosirea unei selecii
(eantion) de volum redus n 30 .
n cazul unor selecii de volum mare ( n > 30 ) folosirea
repartiiei asimptotice conduce la rezultate suficient de bune.
Repartiia de selecie a statisticii Tn este strns legat i
unic determinat de legea de repartiie teoretic a variabilei
aleatoare X care a generat selecia.

n continuare vom cerceta repatiiile de selecie ale unor

statistici Tn construite dintr-o selecie extras dintr-o populaie cu
repartiie normal.
1) Tn ( X 1 , X 2 ,..., X n ) = X (media de selecie)
2) Tn ( X 1 , X 2 ,..., X n ) = D (dispersia de selecie)

12.3. Repartiia mediei de selecie pentru o selecie dintr-o

populaie normal

TEOREMA 1: Dac X 1 , X 2 , , X n este o selecie de volum

n dintr-o populaie normal N (m, ) , atunci media de selecie:
1 .
X = ( X 1 + X 2 + + X n ) are o repartiie N m,
n n

Demonstraie:
Deoarece variabila aleatoare de selecie X k , k = 1,..., n ,
este o variabil aleatoare normal N (m, ) , ea are funcia
1
imt 2t 2
caracteristic c X k (t ) = e 2 . (vezi capitolul 10, paragraful
10.2.3.)
Aplicnd proprietile funciei caracteristice, obinem
funcia caracteristic a variabilei aleatoare 1 X k , k = 1,..., n :
n
t 1 t2
im 2 2
c 1 (t ) = e n 2 n (deoarece caX (t ) = c X ( at ) ).
Xk
n
 1 1 1 1
Dar X =
( X1 + X 2 + + X n ) = X1 + X 2 + + X n
n n n n
i deci, aplicnd proprietatea P3 a funciei caracteristice (vezi
capitolul 3, paragraful 1.6.), avem:
n
1 t2 t 1 t2 2
1 2
n t
i m 2 2 i n m 2 2 n 2 itm
1 2 2
t itm t
c X (t ) = e n 2 n
= e i =1 =e 2 n
=e 2 n
,
k =1

adic X are repartiia N m, .

n

OBSERVAIE: Prin urmare, M ( X ) = m , D ( X ) = .

2

n
CONSECINA 1: Considerm variabila aleatoare redus
X m
Z= n pe care o putem scrie sub forma unei expresii liniare

n n
n funcie de X , adic Z = X X . Atunci :

X m n n n n
M(Z) = M n = M( X) M m = [M(X) m] = [m m] = 0

X m n n n n 2
D( Z ) = D n = D X D m = D( X ) = 2 =1
n
X m
Prin urmare, Z = n are repartiia normal de tip

N (0,1) .

TEOREMA 2: Dac X 11 , , X 1n1 este o selecie de volum

n1 din populaia normal N ( m1 , 1 ) i X 21 , , X 2 n2 este o selecie
de volum n2 din populaia normal N ( m 2 , 2 ) , i dac
n1 n2
1 1
X1 =
n1
X
j =1
1j
i X2 =
n2
X
k =1
2k
sunt mediile de selecie

corespunztoare, atunci variabila aleatoare Y = X1 X2 = X1 + (X2 )

2
are o repartiie normal N m1 m2 ; 1 + 2 .
2

n1 n 2

 Demonstraie:
Funcia caracteristic a mediei de selecie X1 este
t 2 2 t 2 22
itm1 1 itm2
c X (t ) = e 2 n1
i ale mediei de selecie X 2 este c X (t ) = e
2
2 n2
.
1

OBSERVAIE: Funcia caracteristic a variabilei aleatoare

t 2 22
itm 2
X 2 este de forma : c X (t ) = e 2 n2
, conform proprietii P4 a
2

funciei caracteristice (vezi capitolul 4, paragraful 4.2.3.) .

Deoarece X 1 i X 2 sunt variabile aleatoare

independente, funcia caracteristic a variabilei aleatoare
Y = X 1 X 2 = X 1 + ( X 2 ) este (conform proprietii P3 a funciei
caracteristice):
t 2 12 t 2 22 t 2 12 22

itm1 itm 2 it ( m1 m 2 ) +
2 n1 n 2
cY (t ) = e 2 n1
e 2 n2
=e

2
Prin urmare Y are repartiia N m1 m2 ; 1 + 2 .
2

n1 n 2

OBSERVAIE: Ultima afirmaie rezult din faptul c

variabila aleatoare X cu repartiia N (m, ) are funcia caracteristic
t 2 2
imt
c X (t ) = e 2 .

CONSECINA 2: Din teorema 2 rezult c repartiia

variabilei aleatoare normate Z = X 1 X 2 ( m1 m2 ) are o
12 22
+
n1 n2
repartiie de tipul N (0,1) .

12.3.1. Legtura cu variabila aleatoare 2 cu n grade de

libertate
 Se tie c variabila aleatoare 2 are densitatea de
probabilitate:

1
k
1
x

k
x 2
e 2
, x>0
k 2
f ( x; k ) = 2
2
0 , x 0

Se poate demonstra c dac Z k , k = 1,..., n sunt variabile

n
aleatoare normale N (0,1) , atunci variabila aleatoare Z k2 este:
k =1
n
2 = Z k2 , cu n grade de libertate i are deci densitatea de
k =1
probabilitate :
n x
1 1
h( x ) = n
x2 e 2
, x > 0.
n
2 2
2

tim c M ( 2 ) = n i D ( 2 ) = 2n (vezi capitolul 10,

paragraful 10.2.6).

Este adevrat urmtoarea teorem:

TEOREMA 3: Dac X 1 , X 2 , , X n este o selecie de

volum n dintr-o populaie normal N (0,1) , atunci variabila aleatoare
n
Y = X k2 este o variabil aleatoare cu n grade de libertate.
2

k =1

12.4. Repartiia dispersiei de selecie pentru o selecie dintr-o

populaie normal

Dispersia D a unei populaii oarecare poate fi evaluat pe

baza seleciei X 1 , X 2 , , X n n urmtoarele moduri:
a) Dac media m a populaiei generale este cunoscut, atunci
n
dispersia de selecie este dat de: D ' = 1 ( X k m ) 2 = S *2 (1)
n k =1
b) Dac media m a populaiei nu este cunoscut, atunci media o
n
putem aproxima cu media de selecie X = 1 X k i dispersia de
n k =1
n
selecie este: D * = 1 ( X k X ) 2 = S 2 (2)
n k =1
c) n cazul seleciilor de volum mic, evalum dispersia D a
populaiei cu dispersia de selecie dat de relaia :
~ 1 n
D= ( X k X )2 = ~s2
n 1 k =1

n cele ce urmeaz vom stabili repartiia unor funcii de

~
variabilele aleatoare D' , D * , D pentru selecii dintr-o populaie
normal. Sunt adevrate urmtoarele proprieti:

TEOREMA 1: Dac X 1 , X 2 , , X n este o selecie dintr-o

populaie N (m, ) , atunci variabila aleatoare U ' = nD2 ' are o

repartiie cu n grade de libertate.
2

Demonstraie:
n
1
nD '
n
n
(X
i m)
2
n
Xi m
2 n
U'= 2 =

i =1

2
=
i =1




=
i =1
Z i2 ,

unde Z i este o variabil aleatoare cu repartiia N (0,1) . Conform

teoremei 3 din paragraful anterior, U ' este o repartiie 2 cu n
grade de libertate.
Prin urmare M (U ' ) = n i D(U ' ) = 2n . Deci :
n
M (U ' ) = 2 M ( D' ) = n M ( D' ) = 2

n 2 4
D (U ' ) = 2 D( D ' ) = 2n D ( D' ) =
n
 TEOREMA 2: Dac X 1 , X 2 , , X n este o selecie de
volum n dintr-o populaie N (m, ) , atunci variabila aleatoare
~
( n 1) D
U= are o repartiie 2 cu ( n 1) grade de libertate.
2

~
Prin urmare, variabila U = ( n 12 ) D are densitatea de

n 1 x
probabilitate de forma : h( x ) = 1 1
x 2 e 2 , x > 0.
n 1 n1
2
2

TEOREMA 3: Dac X 1 , X 2 , , X n este o selecie de

volum n dintr-o populaie normal N (m, ) , atunci variabila

aleatoare t = X m ~
~ n , unde ~ = D , are o repartiie Student cu

( n 1) grade de libertate.

CONSECIN: Dac X 11 , , X 1n1 este o selecie de

volum n1 din populaia normal N ( m1 , 1 ) i X 21 , , X 2 n2 este o
selecie de volum n2 din populaia normal N ( m2 , 2 ) , i dac
1 n1 1 n2
X 1 = X 1 j i X 2 =
n1 j =1
X 2k sunt mediile de selecie
n2 k =1
~ 1 n1 ~ 1 n2
corespunztoare, iar D 1=
n1 1 k=1
(X1k X1)2 i D2 = (X2k X2)2 sunt
n2 1 k=1
dispersiile de selecie corespunztoare, atunci variabila aleatoare:

( X 1 X 2 ) ( m1 m2 )
t= ~ ~
( n1 1) D + ( n2 1) D
n1 + n2 2

are o repartiie Student cu ( n1 + n2 2) grade de libertate.

TEOREMA 4: Fie X 1 , X 2 , , X n o selecie (independent)

de volum n dintr-o populaie avnd o repartiie oarecare de medie m
 n
i abatere medie ptratic , finite. Atunci X = 1 X k are,
n k =1
pentru n o repartiie normal N m, .
n

Demonstraiile teoremelor enunate n acest paragraf se

gsesc n /2/ , /1/, /3/ .

12.5. Estimaie punctual

Fie variabila de selecie X * sub una din formele empirice :

X1 X2 Xj Xn
X * : 1 1 1

1 , sau

n n n n

x x2 xi xk k
X * : 1
n2 ni
, cu
nk
n i = 1.
n1 i =1

Datorit volumului de selecie n, modului de efectuare a

sondajului, valorile numerice oferite de selecie reflect valorile
variabilei teoretice X care reprezint caracteristica (proprietatea)
studiat din .
Aceste aprecieri au la baz teorema lui Glivenco (teorema
fundamental a statisticii matematice) care se refer la legtura
strns care exist ntre funcia de repartiie teoretic F (x ) a
variabilei aleatoare teoretice X i funcia de repartiie empiric
Fn (x ) .

DEFINIIE: Prin funcia de repartiie empiric a unei

variabile aleatoare X, dup extragerea unei selecii de volum n,
nelegem funcia definit de relaia Fn ( x ) = n x , unde n x reprezint
n
numrul de observaii n care a aprut o valoare a variabilei
aleatoare X (a caracteristicii X), mai mic dect x.
 Reamintim c funcia de repartiie teoretic F (x ) a
variabilei aleatoare X este F ( x ) = P ( X < x ) .

TEOREMA LUI GLIVENCO: Fie Fn (x ) funcia de

repartiie empiric corespunztoare unei selecii de volum n ce
provine dintr-o populaie caracterizat de variabila aleatoare X
avnd funcia de repartiie F (x ) . Atunci:
P( lim sup Fn ( x ) F ( x ) = 0) = 1 .
n xR

Adic, cu ct n este mai mare, cu att Fn (x ) aproximeaz

mai corect pe F (x ) .

Conform teoremei lui Glivenco, putem accepta principiul

de baz al teoriei seleciei:
Variabila aleatoare de selecie X * converge n lege ctre
variabila aleatoare teoretic X, iar caracteristicile variabilei de
selecie converg n probabilitate ctre caracteristicile
corespunztoare ale variabilei aleatoare teoretice.

DEFINIIE: Operaia prin care se evalueaz parametrii

necunoscui ai unei legi de probabilitate se numete estimarea
parametrilor.

Estimarea se face pe baza unei selecii X 1 , X 2 , , X n de

volum n, extras din populaia pe care este definit variabila X,
cu lege specificat, care conine parametrul ce trebuie estimat.

12.5.1. Estimator; estimator consistent

Fie X variabila aleatoare cu legea f ( x, ) care depinde de

un parametru necunoscut .
Vrem s-l determinm pe din datele de selecie ale
variabilei aleatoare de selecie X * .

DEFINIIE: Se numete estimaie punctual a

parametrului , o anumit funcie (statistic) * = * ( X 1 ,..., X n ) cu
ajutorul creia tragem concluzii asupra valorii necunoscute a
parametrului .
 OBSERVAIE:Estimatorul * astfel definit este o variabil
aleatoare (fiind o funcie care depinde de valorile de selecie
X 1 , X 2 , , X n ), pe cnd reprezint o valoare constant a
variabilei aleatoare teoretice X .
Orice valoare *C (valoare calculat a estimatorului * )
determinat de o anumit selecie reprezint o valoare estimat
pentru .

DEFINIIE: Funcia de estimaie * = * ( X 1 ,..., X n ) ,

pentru care lim P ( * < ) = 1 se numete funcie de estimaie
n

consistent, iar estimatorul * se numete estimator consistent.

12.5.2. Estimator absolut corect; estimator corect

DEFINIIE: Estimatorul * este un estimator absolut

corect dac:
1) M ( * ) =
2) D ( * ) 0
n

Spunem atunci c orice valoare calculat a *C a acestui

estimator, estimeaz absolut corect pe .

DEFINIIE: Estimatorul * este un estimator corect dac:

1) M ( * )
n

2) D( * ) 0
n

Spunem atunci c orice valoare calculat *C a acestui

estimator, estimeaz corect pe .

Se poate demonstra urmtoarea teorem , a crei

demonstraie se gsete n /2/:

TEOREM: Orice estimator absolut corect este i un

estimator consistent.
 x
EXEMPLU: Fie repartiia Poisson X : x , x 0
e
x!
cu M ( x ) = D( x ) = . (vezi capitolul 10, paragraful 10.1.4. ) .
n
Vom arta c media de selecie X = 1 X j este un estimator
n j=1
absolut corect pentru .
1 n 1 n 1
M ( X ) = M X j = M ( X j ) = n = .
n j =1 n j =1 n

1 n 1 n 1
D ( X ) = D X j = 2 D ( X j ) = 2 n = 0
n j =1 n j =1 n n n
Deci media de selecie X este un estimator absolut corect
al parametrului din repartiia Poisson.

12.5.3. Estimator de maxim verosimilitate

Fie variabila aleatoare teoretic X cu funcia de probabilitate

f ( x, ) , care depinde de parametrul . Acest parametru trebuie
estimat pe baza datelor de selecie X 1 , X 2 , , X n .
Funcia de probabilitate f ( x, ) , corespunztoare valorilor
X 1 , X 2 , , X n este f ( X j ; ) = P( X = X j ) , j = 1,..., n . Deoarece
variabila de selecie X * presupune realizat evenimetul
n
( X = X j ) , rezult c nsi realizarea variabilei de selecie
j =1
constituie un eveniment care are un anumit grad de reprezentare a
variabilei teoretice, constituind astfel verosimilitatea de reflectare a
variabilei teoretice X de ctre variabila de selecie X * .
Aceast verosimilitate este msurat de probabilitatea :
n n
L( X1, X2 ,...,Xn ; ) = P ( X = X j ) , adic L( X1, X2 ,...,Xn ; ) = f ( X j ; )
j=1 j=1
 n
L( X 1 , X 2 ,..., X n ; ) = f ( X j ; ) , numit funcia de
j =1

verosimilitate a seleciei.

Vom determina (estima) parametrul punnd condiia ca

verosimilitatea s fie maxim. Punem deci condiia
n
f ( X j ; )
L( X 1 ,..., X n; ) j =1
= 0 sau = 0.

Deoarece maximul funciei L are loc pentru aceleai valori

ca i maximul funciei ln L , ecuaia precedent poate fi nlocuit
prin una mai avantajoas din punct de vedere al calculelor :
n ln f ( X ; )
ln L( X 1 ,..., X n ; )
= 0 sau j
= 0.
j =1
n ln f ( X ; )
Ecuaia j
= 0 se numete ecuaia de
j =1
verosimilitate maxim.

DEFINIIE: Orice soluie a ecuaiei de verosimilitate

maxim se numete estimator de maxim verosimilitate .

OBSERVAIE: n general, un estimator de maxim

verosimilitate este i un estimator consistent. Adic
lim P ( * < ) = 1 .
n

EXEMPLU: S se determine estimatorul de maxim

x
verosimilitate din repartiia Poisson X : x , x 0 , unde
e
x!
x .
f ( x; ) = e
x!
Funcia de verosimilitate este :
j
n n X

L( X 1 ,..., X n ; ) = f ( X j ; ) = e Logaritmnd,
j =1 j =1 ( X j )!

obinem: ln L( X 1 ,..., X n ; ) = { + X j ln ln[( X j )!]}.

n

j =1
 Ecuaia de maxim verosimilitate este:
n

lnL n 1 1n
X j

= 1+ X j = 0 sau n + X j = 0 * = j=1n * = X .
j=1 j=1

n concluzie, media de selecie n repartiia Poisson este un

estimator de maxim verosimilitate pentru parametrul .

OBSERVAIE: n cazul repartiiilor X care au funcia de

probabilitate depinznd de mai muli parametri f ( x; 1 , 2 ,..., s ) ,
parametrii 1 , 2 ,..., n se determin din sistemul de ecuaii
ln L( X 1 ,..., X n ; 1 ,..., s )
= 0 , i = 1,..., s .
i

EXEMPLU: S se determine estimaiile de maxim

verosimilitate ale parametrilor m i ale unei variabile aleatoare
normale f ( x; m, ) cu ajutorul unei selecii X 1 , X 2 , , X n .
2
1 X m
1
, > 0 , xR, mR .
f ( x ; m, ) = e 2

2
n
1
n
1 ( X i m )2
L( X 1 , , X n ; m, ) = f ( X i ; m, ) = n
e 2 2 i =1

i =1
n ( 2 ) 2

n 1 n
2
ln L( X 1 , , X n ; m, ) = n ln ln(2 ) ( X i m) 2
2 2 i =1

ln L( X 1 ,..., X n ; m, ) 1 2 n
= 2 ( X i m)( 1) = 0
m 2 i =1
ln L( X 1 ,..., X n ; m, ) n 1 n
= + 3 ( X i m) 2 = 0
i =1

n 1 n m* = X
i ( X m ) = 0 m = i
n i =1
X
i=1 n
n
n
1 ( X m)2 = n 2 = 1 ( X m) 2 *
( Xi m)2
2 i =
i=1
i=1
i
n i =1 n
 n concluzie, m * i * sunt estimatori de maxim
verosimilitate pentru m i din f ( x; m, ) .
12.6. Estimarea prin intervale de ncredere

Am vzut c estimaiile punctuale sunt afectate de erori, ele

reprezentnd numai valori aproximative ale adevratelor valori ale
parametrilor estimai. Deoarece o estimaie variaz n precizie, ea
trebuie s fie nsoit de o indicaie cu privire la precizia ei, adic
ct de aproape poate fi estimaia de valoarea parametrului pe care
trebuie s-l estimeze. Apare astfel necesitatea de a se indica un
interval despre care s se poat afirma, cu o probabilitate
cunoscut, c acoper valoarea parametrului estimat, care este o
mrime constant.

Presupunem c proprietatea studiat este determinat de o

variabil aleatoare X care are legea de repartiie teoretic f ( x; )
care depinde de parametrul .
Se efectueaz o selecie de volum n din care obinem
valorile de selecie X 1 , X 2 , , X n .
S presupunem de asemenea c avem dou funcii de
selecie (statistici) ( X 1 , , X n ) i ( X 1 , , X n ) , < , astfel
nct probabilitatea inegalitii < < s fie ndeplinit de ,
adic :
P[ ( X 1 , , X n ) < < ( X 1 , , X n )] = 1 (1)
unde nu depinde de .

Pentru o selecie realizat, funciile i iau valori bine

determinate i vom spune c am gsit un interval ( , ) care
acoper parametrul necunoscut [altfel spus ( , ) ] cu un grad
de siguran garantat de probabilitatea (1 ) unde este foarte
mic.

DEFINIIE:
(i) Intervalul ( , ) se numete interval de ncredere pentru
parametrul (sau interval de estimaie).
(ii) se numete limita inferioar a intervalului de ncredere.
(iii) se numete limita superioar a intervalului de ncredere.
(iv) Probabilitatea (1 ) se numete probabilitate confidenial
sau coeficient de ncredere (siguran).
OBSERVAII:

Parametrul este o valoare bine determinat.

Intervalul ( , ) este un interval aleator care variaz de la o
selecie la alta.
Cu ct intervalul ( , ) este mai mic i este mai mic, cu
att estimarea parametrului este mai bun. Practic, pentru
se iau valorile = 0,05 ; = 0,01 ; = 0,02 , etc.

Se consider variabila aleatoare X cu funcia de

probabilitate f ( x; ) . Ne propunem ca pe baza unei selecii
X 1 , X 2 , , X n s determinm un interval de ncredere pentru
parametrul necunoscut.
Metoda const n gsirea unei funcii U ( X 1 , , X n ; ) care
depinde de datele de selecie i de , i are proprietile:
a) U este bine definit pe orice punct din intervalul valorilor
posibile ale lui .
b) U este continu i monoton n raport cu .
c) Repartiia sa g (u) nu depinde de parametrul i nici de
ali parametri.

Atunci, pentru fiecare coeficient de ncredere (1 ) ,

folosind repartiia g (u) a statisticii U , putem gsi limitele u1 i u2
care depind de , dar sunt independente de datele de selecie, asftel
nct:
u2
P(u1 < U < u2 ) = g (u )du = 1 (2)
u1

12.6.1. Intervale de ncredere pentru parametrii repartiiei

normale :

x ,
X : xR, mR, >0,
f ( x)
2
1 x m
1
f ( x; m , ) = e 2

2
(i) Interval de ncredere pentru media m cnd 2 este
cunoscut

Alegem statistica: U ( X 1 , , X n ; m ) = X m n (1)

care este monoton i continu n raport cu m i a crei funcie de
repartiie este N (0;1) , cu densitatea:
1 u2
1 2 2 (2).
g (u ) = e
2

Funcia (2) nu depinde de m i nici de ali parametri .

Prin urmare vom putea determina numerele u1 i u2 astfel
u
nct: P(u1 < U < u2 ) = 2 g (u )du = 1 , sau:
u1
u2

(3) P u1 < X m n < u2 = 1
u2

2
u1
e 2
du = 1

u u u u (4)
P 1 < X m < 2 X = P X 2 < m < X 1 = 1
n n n n
Am obinut deci intervalul de ncredere pentru m,
u u (5)
X 2 ,X 1
n n
cu probabilitatea 1 .

OBSERVAIE: Deoarece ntre u1 i u2 avem o singur

relaie, dat de (3) putem obine o infinitate de intervale de
ncredere cu probabilitatea 1 .
Evident, un interval de ncredere este cu att mai bun cu ct
este ct mai mic. Cutm deci intervalul dat de relaia (5), de
lungime minim.
Fie l lungimea intervalului. Atunci l = (u2 u1 )
n
Vom minimiza lungimea intervalului l , cu condiia (3),
adic rezolvm problema:

min l = n (u2 u1 )
u
2 g (u )du = 1
u1

Utilizm metoda multiplicatorilor lui Lagrange:

Fie L(u1 , u2 ; ) = (u2 u1 ) + [ 2 g (u )du (1 )]
u

n u1

L
u = n g (u1 ) = 0
1 g ( u1 ) = g (u 2 ) , care are soluiile

L
= + g (u2 ) = 0
u2 n
u1 = u 2 care nu convine i soluia u1 = u 2

Notm z = u2 = u1 . Atunci ecuaia (4) devine

u2
1 z
e 2
du = 1 F ( z) F (z) = 1 , dar F ( z) = F ( z) ,
2 z

deci 2F( z) 1 = 1 F ( z) = 1 z = F 1 1 .
2 2
u1 = z = z
1
Dar z = z 2 2

u2 = z1
1
2 2
2

Deci intervalul de ncredere este :

X z <m< X +z
1 n 1 n
2 2

(ii) Interval de ncredere pentru media m cnd este

necunoscut

Considerm funcia de selecie U( X1, , Xn ; m) = X m n = t ,

S
n
unde S 2 = 1 ( X i X ) 2 . Am vzut c t are o repartiie Student
n 1 i =1
cu ( n 1) grade de libertate. Analog punctului anterior se poate
arta c intervalul de ncredere este:

S S
X t <m< X +t
1 ;n 1 n 1 ;n 1 n
2 2

12.7. Estimarea parametrilor unei variabile aleatoare prin

metoda momentelor

Fie populaia n care studiem o proprietate dat de

variabila aleatoare teoretic X definit pe . Variabila X are
momentele iniiale i centrate m r i r cunoscute.
Se efectueaz o selecie de volum n i se consider
variabila aleatoare de selecie X * cu momentele iniiale de selecie
i momentele centrate de selecie m r* , r* .

TEOREM: Momentul de selecie m r* este un estimator

absolut corect al momentului teoretic m r .
Demonstraie:
m r* este un estimator absolut corect al lui m r dac
M (mr* ) = mr i lim D( mr* ) 0 . ntr-adevr:
n

1 n 1 1
M ( mr* ) = M X rj = M ( X rj ) = n m r = m r
n j =1 n n
1 n 1 n 1 m mr2
D(mr* ) = D X rj = 2 D( X rj ) = 2 n (m2r mr2 ) = 2r 0
n j=1 n j=1 n n n

OBSERVAIE: Aplicarea metodei momentelor la

estimarea parametrilor 1 , , s a unei funcii f ( x; 1 , , s )
const n scrierea unui sistem de s ecuaii pentru cei s parametrii.
Acest sistem se formeaz prin scrierea primelor s momente ale
variabilei aleatoare teoretice X care sunt egale cu momentele de
acelai ordin ale variabilei aleatoare empirice X * .
EXEMPLU: Fie f ( x; ) = 1 x 1e x , x > 0 , > 0 . Se
( )
efectueaz o selecie de volum n : X 1 , X 2 , , X n . Scriem c
momentul de ordinul 1 al variabilei aleatoare X este egal cu
momentul de selecie de ordinul 1.
1 x ( + 1)
M ( X ) =m1= 0xf ( x; )dx = () 0 x e dx = () = 1n
n
*
= X j
n j=1
M ( X * ) = m* = 1 X
1 j
n i=1

OBSERVAIE: Ne putem pune ntrebarea ce moment

empiric este cel mai potrivit pentru estimarea momentului teoretic?
Din exemplul anterior rezult:
1 n
m2 = ( + 1) ( + 1) = X j
n j =1
1 n
m3 = ( + 1)( + 2) ( + 1)( + 2) = X 3j
n j =1
Se observ chiar c valorile lui astfel determinate nu
satisfac (n general) i ecuaiile anterioare, deci metoda se complic.
n aceste situaii este indicat aplicarea metodei intervalelor de
ncredere.

12.8. Verificarea ipotezei cu privire la legea de repartiie a

unei variabile aleatoare

O ipotez statistic se refer fie la forma legii de repartiie a

unei populaii (normal, exponenial, etc.) fie la parametrii
coninui n aceast lege (medie, dispersie), i ea se verific folosind
rezultatele obinute ntr-o selecie aleatoare extras din populaia
cercetat.
Fie variabila aelatoare X care reprezint o proprietate
considerat pe o populaie a crei repartiie f ( x, ) are o form
cunoscut, dar care depinde de un parametru necunoscut . Ipoteza
conform creia are valoarea 0 , se noteaz : H 0 : = 0 i poart
numele de ipoteza nul .
S presupunem c n afara valorii 0 , parametrul mai poate
avea i una din valorile 1 , 2 ,... . Ipotezele H i : = i , i = 0,1,2,...
se numesc ipoteze admisibile, iar H i : = i , i = 1,2,... se numesc
ipoteze alternative ale ipotezei nule H 0 .
 n cele ce urmeaz vom considera dou ipoteze: ipoteza
nul H 0 i alternativa ei, H 1 ca ipotez contrar ipotezei H 0 ,
explicnd n ce const verificarea unei ipoteze statistice, procedeul
de verificare, precum i unele noiuni legate de acestea.

Testul statistic este o metod sau un criteriu dup care

ipoteza de verificat se accept sau se respinge. El stabilete, dup
natura observaiilor, pentru care selecii ipoteza se accept i pentru
care se respinge.
Datorit caracterului ntmpltor al seleciei, la verificarea
unei ipoteze statistice, exist ntotdeauna riscul de a lua o decizie
eronat. Cnd pe baza datelor seleciei respingem ipoteza H 0 de
verificat, dei n realitate este adevrat, spunem c am comis o
eroare de genul nti, iar cnd acceptm ipoteza H 0 care n realitate
este fals, spunem c am comis o eroare de genul doi. Probabilitatea
erorii de genul nti se numete risc de genul nti (prag sau nivel de
semnificaie) i-l notm cu , iar probabilitatea erorii de genul doi
se numete risc de genul al doilea i se noteaz cu .
Pentru construirea testului statistic cu ajutorul cruia
verificm ipoteza statistic H 0 trebuie s avem n vedere
urmtoarele:
a) determinarea unei funcii (o statistic) T ( X 1 ,..., X n ) de
datele de selecie numit statistica testului, cu caretestm
ipoteza H 0 ;
b) valoarea admisibil a pragului de semnificaie;
c) ipoteza alternativ H 1 opus ipotezei H 0 ;
d) regiunea critic W a ipotezei H 0 corespunztoare statisticii
T a testului, prin care nelegem acea mulime de valori ale
statisticii T astfel nct dac valoarea observat a lui T
aparine acestei mulimi, atunci ipoteza H 0 se respinge,
acceptndu-se H 1 . n caz contrar se accept H 0 . Regiunea
critic W este astfel determinat nct probabilitatea
comiterii erorii de genul doi s fie minim i probabilitatea
ca T obinut prin selecie s-i aparin cnd H 0 este
adevrat, s fie egal chiar cu , adic vor fi ndeplinite
condiiile:
P(T W / H 0 ) = i P (T W / H 1 ) = maxim
 Conform definiiei riscului , putem scrie P(T W / H1) = ,
unde W este complementara mulimii W .
Probabilitatea de a respinge H 0 ca fals (fiind adevrat
H 1 ) adic de a nu comite eroarea de genul doi este:
(W , H 1 ) = P(T W / H 1 ) = 1
i poart numele de puterea testului, care este cu att mai mare cu
ct este mai mic.

Pn acum am presupus c repartiia teoretic a variabilei

aleatoare X este specificat, iar n cele mai multe cazuri este
repartiia normal.
De foarte multe ori chiar specificarea repartiiei reprezint o
ipotez care trebuie verificat. De aceea, practica statistic pune
problema realizrii unei legturi ntre variabila empiric (de
selecie) X * i variabila teoretic X .
x x 2 xi x k k
Fie variabilele: X * : 1 ; ni = 1 ,
n1 n2 ni nk i =1
x
i X : .
f ( x)
Se va cerceta dac irul numeric al frecvenelor absolute
empirice ni reflect legea ipotetic a variabilei teoretice X ,
concretizat n funcia f ( x; a1 ,..., a k ) .

Rezolvarea acestei probleme presupune urmtoarele etape:

1. Estimarea parametrilor, fcut innd seama de eventualele

semnificaii pe care le pot avea n legtur cu caracteristicile
distribuiei teoretice i de calitile estimaiei respective.

2. Se construiete, dup estimarea parametrilor, variabila

pseudo-teoretic:
x x 2 xi x k k
X ' : 1 ; n' i = 1 , fcndu-se legtura
n'1 n ' 2 n' i n ' k i =1

ntre variabila empiric X * i variabila teoretic X .

Determinarea frecvenelor absolute calculate ni este

realizat prin intermediul funciei de probabilitate, folosind relaia:
ni*
= f ( x; a1 ,..., a k ) , de unde ni = ni f ( x; a1 ,..., a k ) , i = 1,..., n .
*

ni

OBSERVAIE: Datorit unor proprieti ale au funciilor

de probabilitate f ( x ) pentru determinarea frecvenelor calculate
n' i , de cele mai multe ori se folosesc formulele de recuren,
pornindu-se de la valoarea dominant (cu maximum de probabilitate
a realizrii argumentului).

3. Verificarea ipotezei H 0 de concordan ntre repartiia

empiric i repartiia teoretic, ipotez ce se verific folosind aa-
numitele teste de concordan .

a) Testul de concordan 2 :

Studiind funcia 2 = ( ni n ' i ) , K.Pearson a artat c,

k 2

i =1 n'i
n cazul unui sondaj cu revenire n populaia studiat, cnd
probabilitile pi nu sunt apropiate de 0 sau 1, iar produsele
n' i = ni pi , unde pi = f ( xi ) , dup estimarea parametrilor, nu sunt
prea mici (practic nu sunt mai mici dect 5), funcia considerat are
repartiia 2 cu ( s 1) k grade de libertate, s fiind numrul de
valori observate, iar k numrul parametrilor estimai.

OBSERVAII:

Dac legea presupus este legea Poisson, ea are un singur

parametru, deci k = 1 , iar numrul gradelor de libertate va fi
( s 1) 1 = s 2 ; dac legea presupus este legea normal, atunci
k = 2 i avem ( s 1) 2 = s 3 grade de libertate.
Dup cum am precizat mai sus, legea 2 condiia ca
n' i = ni pi s nu fie numere mai mici dect 5. n cazul n care exist
astfel de numere, se vor cumula la prima frecven ni mai mare ca
5. Aceasta face ca numrul s s fie modificat corespunztor noii
situaii, devenind ~ s , iar numrul gradelor de libertate devenind
(~
s 1) k . Dac ntre repartiia de selecie i repartiia teoretic
exist concordan, atunci statistica 2 definit n relaia
 k
( ni n ' i ) 2 trebuie s fie mai mic i nu va depi o valoare
2 =
i =1 n'i
determinat (2s 1) k ; corespunztoare numrului gradelor de
libertate ( s 1) k i pragului de semnificaie dat. Regiunea
critic a testului va fi dat de inegalitatea 2 > (2s 1) k ; i deci,
dac 2 (2s 1) k ; acceptm ipoteza H 0 , n caz contrar o
respingem.

b) Testul de concordan al lui Kolmogorov:

Din studierea convergenei funciei empirice de repartiie

F ( x ) ctre funcia teoretic de repartiie F ( x ) , Kolmogorov a
demonstrat urmtoarea teorem:

= K ( ) = ( 1) k e 2 k 2 , unde > 0
2
lim P d n < i
n
n k =

d n = max Fn ( x ) F ( x ) .

Funcia K ( ) este calculat n tabele pentru diverse valori

ale lui (tabelul distribuiei Kolmogorov) .
Cu ajutorul acestei teoreme se poate da un criteriu de
verificare a ipotezei H 0 c repartiia empiric urmeaz o anumit
lege de repartiie.
Dac ipoteza H 0 este adevrat, atunci diferenele
Fn ( x ) F ( x ) nu vor depi o anumit valoare d ;n pe care o fixm
astfel nct: P( d n > d ;n / H 0 ) = , unde este riscul de gradul
nti. Dar P( d n > d ;n ) = 1 P( d n d ;n ) .

Lund d ;n = , nseamn c atunci cnd H 0 este

n
adevrat i n suficient de mare avem:

P d n > = 1 P d n = 1 K ( ) = .
n n
Unui prag de semnificaie dat i corespunde prin relaia
K ( ) = 1 o valoare astfel nct, pentru un volum n dat al
seleciei gsim valoarea d ;n = .
n
 Regiunea critic pentru ipoteza H 0 este dat de relaia
. Deci:
dn >
n
dac dn < , exist concordan ntre Fn ( x ) i F(x) i se
n
accept ipoteza H 0 .

dac dn , nu exist concordan i respingem ipoteza
n
H0 .

EXEMPLU:

Pentru a organiza mai bine serviciul n perioada de vrf, la

un sector al unui magazin se cerceteaz sosirile cumprtorilor la
raionul respectiv, ct i timpul de servire al unei persoane. Astfel,
considernd intervalele de timp de 5 minute, luate la ntmplare n
perioada de vrf, se numr de fiecare dat cte persoane sosesc la
raionul urmrit. Au fost cercetate 200 perioade de cte 5 minute,
obinndu-se rezultatele din tabelul T1 , n care am notat cu x
numrul care arat n cte perioade din cele 200 cercetate am
observat exact x sosiri. S-a msurat, pe de alt parte, timpul de
servire a 30 cumprtori, luai la ntmplare, n perioada de vrf,
obinndu-se datele din tabelul T2 , unde am notat cu y timpul de
servire al unui cumprtor i cu n y numrul de cumprtori, pentru
care timpul de servire este y. Deoarece variabila aleatoare y este
continu, crecetarea a fost fcut pe intervale de cte 30 secunde
(0,5 minute), pe care le vom reduce n calcule la jumtile lor.

a) S se testeze ipoteza H 0 c sosirile cumprtorilor la

raionul considerat sunt de tip Poisson.

b) S se testeze ipoteza H 0 c timpul de servire a unui

cumprtor are o distribuie exponenial.
Tabelul T1 :

NR. SOSIRI N FRECVENE

5 MIN. (X) ABSOLUTE ( n x )
0 1
1 16
2 31
3 37
4 41
5 30
6 23
7 13
8 6
9 1
10 0
11 1
12 0
Total 200

Tabelul T2 :

INTERVAL DE FRECVENE
TIMP ( yi 1 ; yi ) ABSOLUTE ( n y )
0,5-1 18
1-1,5 8
1,5-2 2
2-2,5 1
2,5-3 1
Total 30

a) Facem o ajustare a repartiiei empirice din tabelul T1 dup o

repartiie Poisson:
x
f ( x; ) = e , x = 1,2,...
x!
 Deoarece media repartiiei Poisson este egal cu , vom
estima parametrul prin media de selecie X , deci:
x n x 800
=X= x = = 4.
n x 200
x
x
Determinm frecvenele n' x = 200 e 4 4 , calculnd nti
x!
pentru x = 4 , considerat ca cea mai probabil din tabelul T1 :
44
n' x = 200 e 4
= 39,1 i apoi celelalte, folosind formulele de
4!
recuren care sunt uor de dedus: n' x 1 = x n ' x , pentru x < 4 i


n' x +1 = n ' x , pentru x > 4 . Rezultatele obinute se trec n
x +1
coloana n' x a tabelului:

Tabelul T3 :
x nx x nx n' x n x n' x (n x n'x )2
n'x
1 2 3 4 5 6
0 1 0 3,7 -1,4 0,11
1 16 32 14,7
2 31 62 29,3 1,7 0,10
3 37 111 39 -2 0,11
4 41 164 39,1 1,9 0,99
5 30 150 31,4 1,4 0,06
6 23 138 20,8 2,2 0,29
7 13 91 11,9 1,1 0,10
8 6 48 6,0
9 1 9 2,6
10 0 0 1,0 -2,1 0,44
11 1 11 0,4
12 0 0 0,1
Total 200 800 200 2 = 2 ,14
 Pentru a testa ipoteza H 0 , aplicm testul 2 , motiv pentru
care am cumulat valorile mici de pe coloanele lui n x i n' x . S-a
obinut:
12
( n n' x ) 2
2 = x = 2,14
x =0 n' x
Pentru nivelul de semnificaie = 0,05 i numrul gradelor
de libertate 6, gsim 02, 05;6 = 12,59 . Avem C2 < 02, 05;6 , deci
acceptm ipoteza H 0 , adic sosirile cumprtorilor la raionul
respectiv sunt de tip Poisson, cu media = 4 persoane n 5 minute.

b) Facem aici o ajustare a repartiiei empirice din tabelul T2 ,

dup o repartiie exponenial de forma: f ( y ) = e y , y > 0 .
Drept valori ale lui y vom considera tabelul T4 mijloacele
intervalelor timpilor de servire i calculm valoarea medie a
variabilei empirice cu formula:

Y = M (Y ) =
y n y = 32 = 1,07
n y 30
Pentru c estimatorul de maxim verosimilitate al
1
parametrului este , estimm pe prin: = 1 = 30 = 0,925 .
Y Y 32
Pentru a testa ipoteza H 0 vom aplica testul lui
Kolmogorov. n acest scop calculm mai nti coloana Fn ( y ) a
funciei de repartiie empirice, cumulnd pe fiecare linie frecvenele
absolute din linia respectiv i de deasupra ei i mprind rezultatul
la 30. De exemplu:
8 + 18
F2 ( y ) = = 0,87
30
Calculm apoi valorile corespunztoare ale funciei de
repartiie teoretic F ( y ) folosind formula cunoscut a acesteia:
F ( y ) = 1 e y , pentru = 0,925
De exemplu: F (2,25) = 1 e 2, 250, 925 = 0,87 .

Ultima coloan a tabelului T4 conine diferenele

Fn ( x ) F ( x ) cu cea mai mare dintre ele evideniat.
Tabelul T4 :

[ yi 1 yi ) yi ni y i ni Fn ( y ) F ( y) Fn ( y ) F ( y )
0,5-1 0,75 18 13,50 0,66 0,60 0,00
1-1,5 1,25 8 10,00 0,87 0,75 0,12
1,5-2 1,75 2 3,50 0,93 0,84 0,09
2-2,5 2,25 1 2,25 0,97 0,87 0,10
2,5-3 2,75 1 2,75 1,00 0,94 0,06
Total 30 30,00

Considernd drept nivel de semnificaie = 0,01 , tabelul

corespunztor testului lui Kolmogorov d = 1,63 i cum n = 5
avem:
1,63
= = 0,73 > 0,12 = max Fn ( x ) F ( x ) = d n
n n
Acceptm ipoteza H 0 c timpul de servire a unui
cumprtor are o repartiie exponenial cu parametrul = 0,925 .
 CAPITOLUL 13

MATEMATICI FINANCIARE

O sum de bani S 0 de care dispune partenerul P1 este

plasat partenerului P2 pentru o perioad de timp t , n anumite
condiii. La sfritul perioadei, P1 obine o sum S ( S 0 , t ) > S 0 .

DEFINIIE : Se numete dobnd corespunztoare plasrii

sumei S 0 pe durata t , o funcie D : [0, ) [0, ) [0, ) ,
D( S 0 , t ) , care ndeplinete condiiile:
1) D este strict cresctoare n raport cu fiecare din variabilele
S 0 i t .
2) D( S 0 , t ) = 0 ; D(0, t ) = 0 .

OBSERVAIE: Condiia 1 este echivalent cu

D( S 0 , t ) D ( S 0 , t )
> 0 i > 0.
S 0 t

DEFINIIE: Se numete valoare final (sau valoare

revenit) a partenerului P1 ce a plasat suma S 0 pe durata de timp t,
valoarea funciei S ( S 0 , t ) = S 0 + D( S 0 , t ) .

DEFINIIE:

Dac S 0 = 100 u.m. i t = 1 an, atunci dobnda
corespunztoare se numete procent (notat p ).

Dac S 0 = 1 u.m. i t = 1 an, dobnda corespunztoare se
numete dobnda unitar anual (se noteaz cu i ).
p
i= ; p = 100 i
100

13.1. Dobnda simpl

DEFINIIE: Dobnda calculat asupra aceleiai sume pe

toat durata mprumutului se numete dobnda simpl (notat D).
 Prin urmare, pe ntreaga durat de plasare t , valoarea
sumei S 0 nu se modific.
Notm:

S 0 = suma depus (mprumutat);

t = timpul n ani;

p = procentul;
p

i= = dobnda unitar;
100

D = dobnda simpl.

S0 p t
D = S0 i t = = D( S 0 , t , i ) (1)
100
Prin urmare, dobnda simpl este direct proporional cu
suma mprumutat, cu timpul i cu dobnda unitar (sau procentul).
S considerm timpul mprit n k pri egale:
k = 2 t 2 - semestre
k = 4 t 4 - trimestre
k = 12 t12 - luni
k = 360 t 360 - zile
n general, t k reprezint un numr oarecare de asemenea
t
pri (exemplu: k = 12; t12 = 18 luni). Atunci timpul t = k (n
k
18
exemplul dat t = = 1,5 ).
12
t S p tk
D = S0 i k = 0 (2)
k 100k
Dac k = 360 , deci t se exprim n zile, obinem:
t S p t 360 (2)
D = S 0 i 360 = 0
360 360
i
n calculele financiare :
S 0 t 360 - se numete numr , iar
360
- se numete divizor fix relativ la dobnd pentru i
i
p
dat ( i = - dobnda unitar anual).
100
Astfel, din (2) obinem :
 S0 p t2
D= - dobnda pentru t 2 semestru ;
200
S p t4
D= 0 - dobnda pentru t 4 trimestru.
400

S presupunem acum c plasamentul nu are loc cu acelai

procent p pe toat durata de plasare t.
t

| | | | | | |
1 2 k m
p1 p2 pk pm

dobnda pentru aceast perioad

este S 0 i k k
m
deci: t = k , iar
k =1

p k = 100 i k = procentul de plasare pe durata k

( k = 1,..., m ) .

n m
Atunci: D ( S 0 , t ) = D ( S 0 , k ) =S 0 i k k (3)
k =1 k =1
Cu aceast formul se determin dobnda la suma S 0 pentru
m
perioada t , n regim de dobnd simpl, dac t = k , astfel nct
k =1
pe fiecare perioad k , plasarea se face cu procentul anual
p k = 100i k .

OBSERVAIE: Formula (3) constituie rezultatul aplicrii

succesive a dobnzii simple pe intervalele ce constituie durata de
plasare.

Dm o alt expresie pentru formula (2).

p
Deoarece i = , nlocuind n (2) , vom obine:
100
 S 0 t 360 (4)
D( S 0 , t ) =
36000
p
unde t 360 reprezint durata n zile a operaiunii.
Notm:

N = N ( S 0 , t 360 ) = S 0 t 360 - numrul operaiunii

df = df ( p,360) = 36000 - divizorul fix al operaiunii
p
Cu aceste notaii, (4) devine:
N
D(S 0 , t ) = = D( N , df ) (5)
df

OBSERVAIE: Formula (5) este util n cazul n care se

calculeaz dobnda aferent mai multor operaiuni, cu acelai
procent p.
Deci: dac se efectueaz operaiunile ( S k , t k ) , k = 1,..., n cu
acelai procent p i dac nsumarea dobnzilor are sene, atunci
dobnda total este:
n
1 n
D[( S k , t k ), p ] = D ( S k , t k , p ) = N k (6)
k =1 df k =1
n acest caz, este deci necesar calcularea doar a numerelor
N k i a sumei acestora, sum care poate fi considerat ca numr
al tuturor operaiunilor.

13.1.1. Elementele dobnzii simple:

1. Suma revenit (sau valoarea final)

S ( S 0 , t , i ) = S t = S 0 + D ( S 0 , t , i ) = S 0 + S 0 i t = S 0 (1 + it )
Deci formula S t = S 0 (1 + it ) , reprezint suma revenit i se
aplic atunci cnd procentul p este constant pe ntreaga perioad.
n cazul n care n timpul t procentul variaz n diferite
fraciuni ale lui t :
m
p
t = k , k p k i k = k , i k = dobnda unitar
k =1 100
 Atunci: S t = S 0 1 + ik k
m
(8)
k =1

2. Suma iniial S 0 este dat, n cele dou situaii de relaia

S St
S0 = t (9) , respectiv (9) S = .
1 + it 0 n
1 + ik k
k =1

(1 + it ) = factor de fructificare
1
= factor de actualizare
1 + it

13.1.2. Operaiuni echivalente n regim de dobnd simpl

Fie S1 , S 2 ,..., S n mai multe sume plasate pe duratele

t1 , t 2 ,..., t n , cu acelai procent p.
Ne propunem s nlocuim sumele S i i duratele t i
( i = 1,..., n ) printr-o sum unic S i o perioad unic t astfel nct
dobnda total adus de sumele S i n perioadele t i s fie egal cu
dobnda adus de suma S n perioada t .
Vom spune c cele dou operaiuni financiare sunt
echivalente n regim de dobnd simpl.
DS
Vom folosi notaia: A ~ B D( A) = D( B) .
Cele dou operaiuni se numesc substituibile.
DS S p t1 S2 p t2 S p tn S p t
Deci A ~ B 1 + +...+ n =
100 100 100 100
n
(10) S t
k =1
k k = S t - ecuaie cu dou necunoscute, S i t.

Cunoscnd-o pe una, o determinm pe cealalt.

(11) t = 1 S k t k - durata de timp dat de timp numit
n

S k =1
scaden comun.
 n

n S t k k
Dac S = S k (12) t = k =1 - numit scadena
n

S
k =1
k
k =1
medie.

13.1.3. Procent mediu de dispunere

S presupunem c sumele S1 , S 2 ,..., S n sunt plasate pe

duratele de timp t1 , t 2 ,..., t n cu procentele p1 , p 2 ,..., p n .
Ne propunem s determinm un procent mediu p pentru
care, sumele S1 , S 2 ,..., S n plasate pe aceleai durate t1 , t 2 ,..., t n , s
dea aceeai dobnd total.
n
S p t n
S p tk n
D= k k k = k S k pk tk =
k =1 100 k =1 100 k =1
n

n S k pk t k
= p S k t k p = k =1 .
k =1 Sk tk
n

S k pk t k
Deci: p = k =1 - procentul mediu de depunere.
Sk tk

13.2. Dobnda compus

DEFINIIA 1 : Dac valoarea luat n calcul a sumei

plasate S 0 , se modific periodic pe durata de timp t, dup o anumit
regul, vom spune c avem un proces de dobnd compus (sau c
plasarea sumei S 0 s-a efectuat n regim de dobnd compus)

DEFINIIE : Unitatea de timp la care dobnda se modific

se numete unitate etalon (perioad).

DEFINIIA 2 (echivalent cu definiia 1): Suma S 0 este

plasat cu dobnd compus cnd la sfritul primei perioade (a
primei uniti etalon) dobnda simpl a acestei perioade este
adugat la suma iniial a perioadei, pentru a produce la rndul ei
dobnd n perioada urmtoare, .a.m.d.

n operaiile financiare pe termen lung, unitatea etalon

(perioada) de timp folosit este anul, uneori semestrul sau
trimestrul.

13.2.1. Stabilirea formulei dobnzii compuse

Fie:

t = timpul de plasament, exprimat ntr-un numr ntreg de
perioade;

S 0 = suma iniial;

p = procentul;
p

i= = dobnda unitar;
100

S t = suma final dup un numr ntreg de perioade.

Anii Suma Dobnda Suma obinut la sfritul

plasat produs n perioadei
timpul
perioadei
1 S0 S0 i S1 = S 0 (1 + i )
2 S1 S1 i S 2 = S1 (1 + i ) = S 0 (1 + i ) 2

t=n S t 1 S t 1 i S t = S t 1 (1 + i ) = S 0 (1 + i ) t

Deci: S t = S 0 (1 + i ) t (1)
Notm : 1 + i = u i obinem S t = S 0 u t (2)
u se numete factorul de fructificare. El se gsete
calculat n tabele pentru anumite procente i pentru perioada de
timp de 1 an.

OBSERVAIE : Formula (1) este valabil i n cazul cnd

perioada de timp t nu este egal cu un an, cu condiia ca procentul
folosit s corespund perioadei respective.

Cazul cnd timpul nu este un numr ntreg de perioade

 I. Soluia raional

Se folosete formula S t = S 0 (1 + i ) t pentru partea ntreag

a timpului i dobnda simpl pentru partea fracionar rmas.
1 n h/k
| | | | |

t
h
t =n+
k
Dup n ani, suma final este S n = S 0 (1 + i ) n . Calculm
dobnda simpl produs pe seama S n n timpul fraciunii h a
k
anului, cu dobnda unitar i . Obinem:
h h h h
S n i = S 0 (1 + i) n i St = S n + S n i = S n 1 +
k k k k
Deci : S t = S 0 (1 + i) n 1 + i h (3)
k

II. Soluia comercial

DEFINIIE : Dou procente corespunztoare la perioade de

fructificare diferite sunt echivalente cnd pentru aceeai durat de
plasament ele conduc la aceeai valoare final.

1 leu plasat cu dobnda unitar anual i devine la

sfritul primului an , 1+ i.
1 leu plasat cu dobnd unitar semestrial i 2 , devine la
sfritul anului 1 + i = (1 + i 2 ) 2 .
1 leu plasat cu dobnda unitar trimestrial i 4 ,
echivalent cu dobnda unitar anual i , devine la sfritul
anului 1 + i = (1 + i 4 ) 4 .

n general :
1 leu plasat cu dobnda unitar i k , corespunztoare
fraciunii 1 a anului, este: 1 + i = (1 + ik ) k 1 + ik = (1 + i)1/ k (4)
k
 Prin urmare, n cazul cnd t nu este un numr ntreg de
perioade t = n + h , suma S 0 devine: S n = S 0 (1 + i ) n pentru cele
k
n perioade ntregi.
Pentru o fraciune k a anului, 1 leu devine (1 + ik ) , iar
pentru h fraciuni de acelai fel, devine (1 + ik ) h . Suma S n n
perioada h devine: S n (1 + ik ) h = S 0 (1 + i) n (1 + ik ) h .
k
Dar (1 + i k ) h = [(1 + i )1 / k ] h = (1 + i ) h / k .
h
n+
Deci: S t (1 + i) n (1 + i) h / k = S 0 (1 + i) k = S 0 (1 + i) t .
Astfel, formula anterioar (1) este adevrat i pentru t fracionar.

13.2.2. Procent normal i procent real (efectiv)

EXEMPLU : Se depune suma de 100 lei cu 20% i calculul

dobnzii se face de dou ori pe an.
n primele 6 luni (primul semestru) suma de 100 lei aduce o
dobnd de 10 lei, deci ea devine 110 lei la sfritul primului
semestru.
n urmtorul semestru dobnda va fi de 10 lei pentru 100 lei
10
i 10 = 1 leu pentru cei 10 lei. Deci, n total, pe an, dobnda va
100
fi 21 lei.

20% se numete procentul nominal.

21% se numete procentul real (efectiv).

Deci, dac facem calculul dobnzii pe fraciuni de an,

dobnda adus la sfritul anului difer de cea calculat cu
procentul anual stabilit.
Dac anul a fost mprit n k pri egale i i k reprezint
dobnda unitar efectiv corespunztoare perioadei 1 , iar j k este
k
dobnda unitar nominal corespunztoare perioadei 1 , vom
k
1
obine: j k = k i k ik = j k (5)
k
 nlocuind n (4), vom avea:
k k
jk jk
1 + i = (1 + ik ) = 1 + i = 1 + 1 (6)
k

k k
1 1

1 + ik = (1 + i ) k i k = (1 + i ) k 1
1
Sau din relaia (5): j k = k i k = k [(1 + i ) k 1] (7)

Relaia (6) reprezint legtura ntre dobnda nominal j k i

cea efectiv i k , oricare ar fi k 2 .

13.3. Dobnda unitar instantanee

Fie i = dobnda unitar anual efectiv.

k = numrul de pri n care a fost mprit anul

OBSERVAIE: Pentru k vom stabili o limit pentru

dobnda unitar nominal, limit numit dobnda unitar
instantanee (dobnda se calculeaz astfel n mod continuu).
Din relaia (6) obinem: lim j k = lim k[(1 + i )1 / k 1] =
k k
1
1 1
(1 + i ) ln(1 + i )
k
(1 + i ) 1
k
k2
= lim = lim = ln(1 + i ) = .
k 1 k 1
2
k k

Deci (8) = ln(1 + i ) este dobnda unitar instantanee.

2 n
= ln(1 + i ) 1 + i = e = 1 + + + ... + + ...
1! 2! n!
2 n
i = + + ... + + ... i > , adic dobnda unitar efectiv
2! n!
este mai mare dect dobnda instantanee.

OBSERVAIE: Pentru determinarea dobnzii unitare anuale

nominale j k atunci cnd se cunoate dobnda unitar efectiv i , s-
au ntocmit tabele.
13.4. Echivalena n regim de dobnd compus

DEFINIIE: Dou sume sunt echivalente n regim de

dobnd compus, la un moment dat, dac ele au aceeai valoare
actual, actualizrile fcndu-se cu acelai procent.

Fie dou sume de valori finale S t1 i S t 2 . Fie i = dobnda

unitar. Atunci valorile la momentul iniial sunt:
S 0(1) = S t1 (1 + i) t1 i S 0( 2 ) = S t2 (1 + i ) t2 .
Echivalena la momentul iniial este dat de relaia:
S t1 (1 + i ) t1 = S t2 (1 + i ) t2 .

n general:
Fie un grup de n valori finale : S t1 , S t 2 ,..., S tn pltibile n
t1 , t 2 ,..., t n perioade.
Fie un al doilea grup de m sume de valori finale:
S1 , S 2 ,..., S m , pltibile n 1 , 2 ,..., m .

DEFINIIE: Dou grupe de sume sunt echivalente n

regim de dobnd compus, la un moment dat, dac suma
valorilor actuale ale primului grup de sume este egal cu suma
valorilor actuale ale celui de-al doilea grup de sume.

Prin urmare, echivalena corespunztoare unui aceluiai

procent p , la momentul iniial, este dat de relaia:
St1 (1 + i) t1 + St2 (1 + i) t2 + ... + Stn (1 + i) tn = S1 (1 + i) 1 +
+ S 2 (1 + i ) 2 + ... + S m (1 + i) m .

Vom putea da urmtoarea definiie echivalent:

DEFINIIE: Dou operaii financiare A i B sunt

DC
echivalente n regim de dobnd compus A ~ B dac ele au
aceleai valori actuale.

n m
(1) S tk (1 + i) tk = S k (1 + i) k
k =1 k =1
 n cazul mai general cnd procentul p (deci dobnda unitar)
difer de la o sum la alta, atunci:
n m
(2) S
k =1
tk (1 + ik ) t k = S h (1 + i h ) h
h =1

Se cere:
a) nlocuirea sumelor S t1 , S t 2 ,..., S tn printr-o sum unic S
(nlocuirea fcndu-se prin echivalen) :
n n

S
k =1
tk (1 + i k ) tk = S (1 + i k ) tk
k =1
n

S tk (1 + ik ) tk
(3) S= k =1
n

(1 + i
k =1
k ) tk

b) nlocuirea numai a scadenelor t1 , t 2 ,..., t n printr-o

scaden comun t:
n n
(4) S
k =1
tk (1 + i k ) tk = S tk (1 + i k ) t
k =1

c) nlocuirea numai a dobnzilor unitare i k (deci a

procentelor p k ) printr-o dobnd unitar unic i (deci
printr-un procent unic p)
n n
(5) S
k =1
tk (1 + ik ) tk = S tk (1 + i ) t k
k =1

d) Sumele S t1 , S t 2 ,..., S tn pltibile n perioadele t1 , t 2 ,..., t n le

nlocuim printr-o sum unic S , pltibil la scadena t,
cu procentul p (sau dobnda unitar i ).
n
S (1 + i ) t = S tk (1 + i ) tk sau
k =1
n
(6) S = (1 + i ) t S t k (1 + i ) t k , cnd cunoatem i i t .
k =1
Cnd cunoatem S i i , dac logaritmm n relaia (6),
obinem:
n
lg S lg S tk (1 + i ) tk
(7) t= k =1

lg(1 + i )
13.5. Plasament cu dobnd simpl sau compus

Suma S 0 , plasat pe durata t , cu dobnda unitar i, va aduce

dobnda:
Ds = S 0 i t n regim de dobnd simpl.
Dc = S 0 [(1 + i ) t 1] n regim de dobnd compus.

PROPOZIIE:
1) Ds > Dc , pentru t < 1 an
2) Ds < Dc , pentru t > 1 an
3) Ds = Dc , pentru t = 1 an

DEMONSTRAIE:
Ds Dc = S 0 i t S 0 [(1 + i ) t 1] = S 0 [i t (1 + i) t + 1]
Introducem funcia: f : [0, ) R , f (t) = i t +1 (1+ i)t .
t t (t 1) 2 t (t 1) 2
(1 + i) t = 1 + i + i + ... = 1 + i t + i + ...
1! 2! 2!
> 0, t > 1
t (t 1) 2
(1 + i) (1 + i t ) =
t
i + ... = < 0, t < 1
2! = 0, t = 1

Dc (t ) Ds (t )

1 t

DEFINIIE: Operaiile de plasare a sumei S 0 pe durata t n

regim de dobnd simpl cu dobnda unitar i sau n regim de
dobnd compus cu dobnda unitar j, sunt echivalente, cnd
determin aceeai dobnd.

Deci: S 0 i t = S 0 [(1 + j ) t 1] i t = (1 + j ) t 1
 t (t 1) 2 (t 1) 2
i t = t j + j + ... i = j + j + ...
2! 2
1
i < j , t < 1 1
i i = [(1 + j) 1]
t
sau j = (1 + it ) t
1
i j t 1 t

Prin urmare, pentru a realiza aceeai valoare final (sau

aceeai dobnd) prin plasarea sumei S 0 pe durata t > 1 , procentul
anual n regim de dobnd simpl este mai mare dect procentul
anual n regim de dobnd compus.
 CAPITOLUL 14

PLI EALONATE
(RENTE)

DEFINIIE: Se numesc pli ealonate (rente), sumele de

bani pltite la intervale de timp egale.

DEFINIIE: Se numete perioad intervalul de timp care

separ plata a dou sume.

DEFINIIE: Dac perioada este anul, plile ealonate se

numesc anuiti. (semestrul semestrialiti, trimestrul
trimestrialiti, luna - mensualiti).

Plile ealonate pot fi:

1) pli ealonate de plasament (sau de fructificare), fcute
pentru constituirea unei sume de bani.
2) pli ealonate de amortizare (sau de rambursare), n
vederea rambursrii unei datorii.

Plile ealonate pot fi:

anticipate (la nceputul perioadei)

posticipate (la sfritul perioadei)

Plile ealonate pot fi:

temporare (numrul de pli este finit i fixat prin
contract)

perpetue (numrul plilor este nelimitat)

viagere (numrul plilor depinde de viaa unei
persoane)

Plile ealonate pot fi:

constante (sumele depuse sunt constante)

variabile (sumele depuse sunt variabile)

14.1. Anuiti constante posticipate

a) Valoarea final a unui ir de anuiti constante,

imediate, temporare Sn
 Notm:
T = valoarea anuitii constante;
n = numrul de ani;
i = dobnda unitar anual;
S n = valoarea sau suma final a irului de anuiti n
momentul n (momentul plii ultimei anuiti)

T T T T
| | | | |
0 1 2 n-1 n

T (i + 1)
n 1
T (i + 1) T
n2
T (i + 1)

u = 1 + i - factor de fructificare

Sn = T (1 + i ) n1 + T (1 + i ) n 2 + ... + T (1 + i ) + T =
= T u n1 + T u n 2 + ... + T u + T =
un 1
= T (1 + u + ... + u n 2 + u n 1 ) = T
u 1
Deci: Sn = T u 1 .
n

OBSERVAIE : Pentru T = 1 (o unitate monetar) suma

final a unui ir de n anuiti constante posticipate este:
un 1
sn = i deci Sn = T s n
i

b) Valoarea final (suma final) a unui ir de anuiti

posticipate, constante, temporare, amnate. r Sn

Anuitile sunt amnate r ani, r < n .

Prima plat se face posticipat, dup r ani (prima plat
fcndu-se deci la momentul r+1) timp de (n-r) ani.
 T T T T
| | | .. | | | | |
0 1 2 .. r r+1 r+2 .. n-1 n

r Sn = T u n r 1 + T u n r 2 + ... + T u + T =
u nr 1
= T (1 + u + ... + u n r 2 + u n r 1 ) = T
u 1

n-r termeni

u nr 1
r Sn = T sau r Sn = Sn-r
i

OBSERVAIE : Valoarea final a irului de anuiti

posticipate egale cu T calculate pe n ani, dar amnate r ani, este
egal cu valoarea final a acestor pli, imediate, dar calculate
numai pe (n-r) ani.

EXEMPLU: S se calculeze valoarea final a unui ir de 10

anuiti egale cu 1000 u.m. , pltibile la sfritul fiecrui an (dar
amnate 5 ani) cu procentul p = 5% .
Soluie : i = 0,05 , r = 5 , n r = 10 n = 15

5 S15 = 1000 1.05 1 = 100012,577892= 12577,892 u.m.

10

0,05

c) Valoarea actual a unui ir de anuiti constante,

posticipate, temporare, imediate An

DEFINIIE: Se numete valoarea actual a unui ir de

anuiti (constante, posticipate, temporare, immediate) An suma
necesar i suficient n momentul iniial pentru a se putea plti
scadenele fixate la scadenele 1, 2, , n (constante n valoare de T
uniti monetare).

T T T T
| | | | |
0 1 2 n-1 n
n 1
An T u T u2 T u T un
 OBSERVAIE : An este egal cu suma valorilor actuale a
fiecrei anuiti.

An = T u + T u2 + ...+ T un1 + T un = T u (1+ u + ...+ un1 )

un 1
An = T u
u 1

OBSERVAIE: Pentru T = 1 (o unitate monetar)

u 1
n
notm: a n = u i deci An = T a n .
u 1

EXEMPLU: Ce sum unic depus imediat poate s

nlocuiasc plata a 12 anuiti constante ( T = 1250 u.m.) posticipate,
cu procentul de 5% ?

An = 1250 (1 + 0,05) 1,05 1 = 12501.05 1,80 = 47250

12

0,05 0,05

d) Valoarea actual a unui ir de anuiti (constante,

posticipate, perpetue, imediate) A

Anuitile sunt perpetue, deci plata se efectueaz nelimitat.

1
Pentru T = 1 , avem a = i dac T > 1 A = T a .
i

e) Valoarea actual a unui ir de anuiti (constante,

posticipate, temoprare, amnate) rAn

Plata se face dup r ani, posticipat, timp de (n-r) ani.

T T T T
| | | .. | | | | |
0 1 2 .. r r+1 r+2 .. n-1 n
rAn

rAn = T u r +1 + T u r + 2 + ... + T u n =
 u nr 1
= T u r +1 (1 + u + ... + u n r 1 ) = T u r +1 =
u 1
u n r 1 u nr 1
= T u r +1 =T ur u = T u r anr
i u 1
Deci: rAn = T u r a n r .

EXEMPLU: Care este suma unic pe care urmeaz s o

plteasc o persoan pentru a nlocui plata a 12 anuiti posticipate
de 3000 u.m. fiecare, amnate 3 ani, cu procentul p = 5% ?
Soluie: n r = 12 , r = 3 , n = 15
3A15 = 3000 (1,05)3 a12 = 3000 0,863837 8,86325= 22969,21 u.m.

14.2. Anuiti constante anticipate

a) Valoarea final a unui ir de anuiti constante,

anticipate, temporare, imediate S n

T T T T
| | | .. | |
0 1 2 .. n-1 n

S n este egal cu suma valorilor finale a fiecrei anuiti, la

momentul n.

S n = T u n + T u n1 + ... + T u = T u (1 + u + ... + u n1 ) =
u n 1 u n 1
= T u = T u
u 1 i
Deci S n = T u u 1 .
n

i
Pentru T = 1 obinem valoarea final a unui ir de anuiti
anticipate a 1 u.m.; notm s n .
u n 1
sn = u i deci S n = T s n .
i

b) Valoarea final a unui ir de anuiti anticipate,

constante, temporare, amnate r S n
 T T T T
| | | .. | | | | |
0 1 2 .. r r+1 r+2 .. n-1 n

u nr 1
r S n = T u n r + T u n r 1 + ... + T u = T u
i
nr
1
Deci: r S n = T u u adic r S n = T S n r .
i

c) Valoarea actual a unui ir de anuiti constante,

anticipate, immediate, temporare An

DEFINIIE: Se numete valoarea actual a unui ir de

anuiti anticipate, suma necesar i suficient n momentul iniial
pentru a se putea plti la fiecare din scadenele fixate 0, 1, , (n-1)
suma egal cu T. Notm cu An aceast sum.

T T T T
| | | .. | |
0 1 2 .. n-1 n
An = T + T u + T u + ... + T u = T (1 + u + ... + u n 1 ) =
2 n 1

u n 1 un 1
=T =T .
u 1 i

An = (1 + i ) An .
 CAPITOLUL 15

RAMBURSAREA MPRUMUTURILOR

DEFINIIE: n sens general, se numete mprumut, o

operaiune financiar prin care un partener P1 (individual sau un
grup) plaseaz o sum de bani, pe o perioad de timp dat i n
anumite condiii, unui alt partener P2 .

DEFINIIE: P1 se numete creditor.

DEFINIIE: P2 se numete debitor.

DEFINIIE: Operaiunea prin care P2 restituie partenerului

P1 suma de care a beneficiat (suma mprumutat) se numete
rambursarea (sau amortizarea) mprumutului .

Prin urmare, mprumutul este o operaiune ce conine dou

pri distincte i anume creditarea i rambursarea.
Fiecare component reprezint o operaiune de pli
ealonate.
n general cele dou operaiuni nu au loc simultan i deci
valoarea lor final nu este aceeai. Ele au n comun valoarea
actual a rambursrii, adic valoarea mprumutat.
mprumutul se constituie prin anuiti constante formate
din:

rambursarea unei pri a datoriei;

dobnda asupra prii din datoria rmas la nceputul
perioadei n care se efectueaz plata.

Aceste sume rambursate anual i care au rolul de a amortiza

treptat suma mprumutat, se numesc amortismente.

15.1. Amortizarea unui mprumut prin anuiti constante

posticipate

Fie V0 suma mprumutat la momentul iniial.

Fie T1 , T2 ,..., Tn anuitile succesive, astfel:

prima anuitate ( T1 ) se pltete la un an de la acordarea
mprumuturilor;

a doua se pltete un an mai trziu, .a.m.d.

Fie Q1 , Q2 ,..., Qn amortismentele succesive coninute n

prima, a doua,, a n-a anuitate.
Fie i dobnda unitar nominal a mprumutului.
Fie n numrul de ani n care se face rambursarea.

Momentul Suma rambursat Suma rmas

0 V0
1 T1 = Q1 + d1 = Q1 + V0 i V1 = V0 Q2
2 T2 = Q2 + d 2 = Q2 + V1i V2 = V1 Q2

p T p = Q p + d p = Q p + V p 1i V p = V p 1 Q p

n Tn = Qn + d n = Qn + Vn 1i Vn = Vn 1 Qn = 0

Deoarece Vn = 0 Vn1 = Qn i deci Tn = Qn +Vn1i = Qn (1+ i) .

a) Relaia dintre suma mprumutat i amortismente

n
V0 = Qi
i =1

b) Relaia ntre anuiti i amortismente

Tp+1 Tp = Qp+1 +iVp (Qp +iVp1) = Qp+1+i i(Vp1 Qp) Qp iVp1 =

= Q p +1 iQ p Q p = Q p +1 Q p (1 + i ) .

(1) T p +1 T p = Q p +1 Q p (1 + i )

OBSERVAIE: Formula (1) este adevrat oricum am

alege anuitile.
Cazuri particulare:

) Anuitile sunt egale ntre ele:

 T1 = T2 = ... = Tn = T
Atunci din (1), obinem: Q p +1 Q p (1 + i ) = 0 , adic :
(2) Q p +1 = Q p (1 + i ) i se arat uor prin inducie c:
(3) Q p +1 = Q1 (1 + i ) p
Prin urmare, n cazul anuitilor egale cnd amortismentele
succesive Q1 , Q2 ,..., Q p ,... formeaz o progresie geometric
cresctoare cu raia (1 + i ) .

) Amortismentele sunt constante (egale ntre ele):

V0
Q = Q1 = Q2 = ... = Qn =
n
V0
Atunci din (1), obinem: T p +1 T p = Q1i = i , deci:
n
V0
(4) T p +1 = T p
i
n
Prin urmare, n cazul amortismentelor egale, anuitile
succesive formeaz o progresie aritmetic de raie 0
V
i , deci o
n
progresie aritmetic descresctoare.

OBSERVAIE: n cazul ) al anuitilor egale ntre ele,

amortismentele formeaz o progresie geometric de raie (1 + i ) .
Avem:
n n
V0 = Qk = Q1 (1 + i ) k 1
k =1 k =1

Notm: 1 + i = u V0 = Q1 u k 1 = Q1 u 1
n n

k =1 u 1

(5) V0 = Q1 (1 + ) 1
n
i
i
Deci: (6) Q1 = V0 i
(1 + i ) n 1
Relaiile (5) i (6) pot fi scrise sub form echivalente,
notnd s n) = (1 + i ) n 1 .
(7) V0 = Q1 s n) ; Q1 = V0 1
s n)
 OBSERVAIE: Formulele (5) (7) ne dau relaiile ntre
sumele mprumutate i primul amortisment.

c) Relaiile dintre anuitile constante i suma

mprumutat

innd seama de echivalena dintre suma mprumutat V0 i

anuitile actualizate pe baza dobnzii unitare nominale i, rezult:
1 (1 + i) n
V0 = T (1 + i) 1 + T (1 + i) 2 +... + T (1 + i) n = T (1 + i) 1 =
1 (1 + i) 1
1 (1 + i ) n 1 (1 + i ) n 1 (1 + i ) n
= T (1 + i ) 1 = T (1 + i ) 1 =T
1 (1 + i ) 1 i
1
1+ i 1+ i
sau:
(8) V0 = T a n) T = V0 1
a n)
Relaia de mai sus evideniaz legtura dintre anuitile
posticipate constante i suma mprumutat.

15.2. Suma rambursat dup plata a p anuiti

p
R p = Qk .
k =1
n cazul anuitilor constante:
p p p
(1 + i) p 1 .
Rp = Qk = Q1 (1 + i) k 1 = Q1 (1 + i) k 1 = Q1
k =1 k =1 k =1 (1 + i) 1
sau:
(1 + i ) p 1
(9) R p = Q1 = Q1 s p)
i
Relaia (9) evideniaz legtura dintre suma rambursat n
primii p ani i primul amortisment.
innd cont de (7), obinem:
(10) R p = V0 1
s p)
Aceast relaie evideniaz legtura dintre suma rambursat
n primii p ani i suma mprumutat.
Dup plata anuitii de rangul p, rmne de pltit suma V p :
 1
V p = V0 R p = V0 V0 s p) sau
s n)
sn) s p)
(1+ i)n (1+ i) p deoarece (1+ i)n 1
Vp = V0 = V0 s ) =
(1+ i)n 1
n
sn) i
Dac mprim la (1 + i) att numrtorul ct i numitorul,
n

obinem:
( n p )
(11) V p = V0 1 (1 + i ) n = V0 a n) p) 1
1 (1 + i ) a n)

15.3. Legea urmat de diferene succesive a dobnzilor:

d1 d 2 , d 2 d 3 ,... n cazul anuitilor constante.

Tk = Qk + d k , T1 = T2 = ... = Tn = T
T = Qk + d k , k = 1,2,..., n .
d k = T Qk deci:
d k = d k 1 = T Qk (T Qk +1 ) = Qk +1 Qk
d k d k +1 = Q1 (1 + i ) k Q1 (1 + i ) k 1 = Q1 (1 + i ) k 1 =
= Q1 (1 + i) k 1 (1 + i 1) = Q1 (1 + i) k 1 i , k = 1,2,...,n .

Prin urmare:
d1 d 2 = Q1i
d 2 d 3 = Q1 (1 + i )i
d 3 d 4 = Q1 (1 + i ) 2 i

OBSERVAIE: Diferenele ( d k d k +1 ) , k = 1,2,..., n ,

formeaz o progresie geometric de raie (1 + i ) i cu primul termen
(Q1 i) .

Tabel de amortizare:
 Suma
datorat la Dobnda Amortismentul Anuitatea
Anii nceputul dn Qn Tn Suma datorat la
anului Vn 1 sfritul anului

1 V0 d 1 = V0 i Q1 T1 V1 =V0 Q1
2 V1 d 2 = V1i Q2 T2 V2 =V1 Q2
3 V2 d 3 = V2 i Q3 T3 V3 =V2 Q3

n-1 Vn 1 dn1 =Vn2i Qn 1 Tn 1 Vn1 =Vn2 Qn1

n Vn dn =Vn1i Qn Tn Vn =Vn1 Qn =0

15.4. mprumuturi cu anuiti constante i dobnd pltit la

nceputul anului

La semnarea contractului se pltete dobnda pentru primul

an, d1 = V0 i , deci suma real ridicat este , iar pentru fiecare din
anii urmtori se pltete amortismentul i mpreun cu el dobnda
asupra sumei rmase de plat la nceputul anului.

Anul 0 suma efectiv primit V0 (1 i )

Anul1 T1 = V1i + Q1 V1 = V0 Q1
Anul 2 T2 = V2 i + Q2 V2 = V1 Q2

Anul p Tp = Vpi + Q p V p = V p 1 Q p
Anul p+1 T p +1 = V p +1i + Q p +1 V p +1 = V p Q p +1

Anul n-1 Tn 1 = Vn 1i + Qn 1 Vn 1 = Vn 2 Qn 1
Anul n Tn = Vn i + Qn Vn = Vn 1 Qn = 0

Calculnd diferena dintre dou anuiti consecutive,

obinem:
 T p +1 T p = (V p +1 V p )i + Q p +1 Q p = (V p Q p +1 V p )i +
+ Q p +1 Q p = Q p +1 (1 i ) Q p
Deci:
(1) T p +1 T p = Q p +1 (1 i ) Q p

Dac presupunem c anuitile sunt egale (T1 =T2 =...=Tn =T),

vom obine:
Qp 1
Qp+1 (1 i) Qp = 0 Qp+1 = sau, notnd =1+ r
1 i 1i
(2) Q p +1 = (1 + r )Q p

Prin inducie dup p rezult c n sistemul de mprumut cu

dobnzile pltite la nceputul anului i anuiti constante,
amortismentele formeaz o progresie geometric de raie (1 + r ) .
(3) Q p +1 = (1 + r ) p Q1

15.5. Aplicaie

O persoan mprumut o sum de bani pe care urmeaz s o

ramburseze n 6 ani prin anuiti constante posticipate. Suma
primelor dou amortismente este 9226630 lei, iar suma dintre al
doilea i al treilea amortisment este 9559690 lei.
S se calculeze:
a) procentul p al mprumutului
b) primul amortisment ( Q1 )
c) ultimul amortisment ( Q6 )
d) anuitatea (T)
e) valoarea mprumutului ( V0 )

Soluie:

a) Q1 + Q2 = Q1 + Q1 (1 + i ) = Q1 (2 + i) = 9226630
Q2 + Q3 = Q1 (1 + i ) + Q2 (1 + i ) = Q1 (1 + i ) + Q1 (1 + i ) 2 =
= Q1 (1 + i + 1 + 2i + i 2 ) = Q1 (2 + 3i + i 2 ) = Q1 (1 + i )( 2 + i )
Q2 + Q3 9559690
= 1+ i = = 1,04 i = 0,04
Q1 + Q2 9226630
 i = 0,04
p = 4%
p = 100i

b) Q1 (2 + I ) = 9226630
9226630
Q1 = = 4522860
2,04

c) Q 6 = Q1 (1 + i ) 5 = 4522860 (1,04) 5 = 5502750

d) T = Q6 (1 + i ) = 5502750 1,04 = 5722860

e) d 1 = V0 i
d1 = T Q1 = 5722860 4522860 = 1200000
d 1200000
V0 = 1 = = 30000000
i 0,04
 CAPITOLUL 16

MATEMATICI ACTUARIALE

16.1. Teoria mortalitii

Datorit faptului c populaia unui ora, jude, a unei ri,

etc., este de volum foarte mare, fenomenele de supravieuire sau de
deces ale unei persoane oarecare se comport asemntor schemei
lui Bernoulli (urna cu bila revenit).
ntr-adevr: fie un grup de oameni care au mplinit vrsta e
x ani, grup de volum l x .
n anul care urmeaz, pentru o persoan oarecare din acest
grup exist dou posibiliti:
a) supravieuire (notm acest eveniment cu S) cu P( S ) = p x .
b) decesul (notm acest eveniment cu M) cu P(M) = qx =1 px
Evident, S M = , S M = , P( S ) + P( M ) = 1 (sau
p x + q x = 1 ).

Acest grup poate fi considerat c se comport dup urna lui

Bernoulli, deoarece chiar dac unii indivizi decedeaz, alii din
grupul x 1 i iau locul, ei mplinind vrsta de x ani. Datorit
acestor factori (legii numerelor mari) probabilitatea celor dou
evenimente S i M poate fi nlocuit prin frecvena relativ f (n) ,
care poate fi determinat statistic.

Matematicile actuariale analizeaz metodele care pot fi

folosite pentru determinarea factorilor privind supravieuirea
sau decesul ntr-o populaie determinat, innd seama de
caracteristicile unei astfel de colectiviti: volum foarte mare,
oamenii nu pot fi urmrii individ cu individ, fenomenul
naterii, creterii n vrst i decesul au un caracter continuu.

16.2. Funciile biometrice

Biometria este tiina care se ocup cu msurarea unor

caracteristici cantitative legate de populaie.
 Funciile biometrice sunt acele funcii care urmresc sub
diferite aspecte fenomenele de supravieuire sau deces.

Funcii biometrice discontinue

Fie:
l x = funcia de supravieuire a unei persoane de x ani
( x = 0,1,...) . Ea se gsete n tabele.
p( x, y) = probabilitatea de supravieuire (probabilitatea ca o
persoan de x ani s ating vrsta de y ani).
Dac: y = x + n p( x, y) = p( x, x + n) = np x
p( x, x + 1) = p x = 1 p x
q ( x, y ) = probabilitatea de deces a unei persoane de x ani,
nainte de a ajunge la vrsta de y ani.
Dac: y = x + n q( x, y) = q( x, x + n) = nq x
q( x, x + 1) = q x = 1 q x
m / q x = probabilitatea de deces a unei persoane de x ani,
dup ce au trecut m ani dar nainte de a mplini x + m + 1 ani
m / nq x = probabilitatea de deces a unei persoane de x ani
dup ce trec m ani, dar nainte de a trece n ani (m < n)

Considerm evenimentele:
S ( x, y ) = supravieuirea unei persoane de x ani, la vrsta de y
ani.
M ( x, y ) = decesul unei persoane de x ani pn la vrsta de y
ani.

Avem:
S ( x , y ) M ( x, y ) =
p ( x, y ) + q ( x , y ) = 1
S ( x , y ) M ( x, y ) =
l x = volumul colectivitii corespunztoare vrstei de x ani.
l x +1 = volumul colectivitii corespunztoare vrstei de x + 1
ani.
Folosind definiia clasic a probabilitii:
px =
l x +1
; q x = l x l x +1 = d x ; p x + q x = 1 .
lx lx lx
 l x+n
np x =
lx
np x + nq x = 1
l l
nq x = x x + n
l x

Fie A evenimentul ca o persoan s decedeze dup ce a

mplinit vrsta de x + n ani i nainte de a mplini x + n + 1 ani.
A = S ( x, x + n) M ( x + n, x + n + 1)
Deoarece S i M sunt evenimente independente, avem:
P ( A) = P[ S ( x, x + n)] P[ M ( x + n, x + n + 1)]
l l l
P( A) = nq x = np n q x + n = x + n x + n x + n +1
lx l x+n
l l d
P ( A) = x + n x + n +1 = x + n
lx lx
Notm: m / nM x = evenimentul ca o persoan n vrst de x
ani s decedeze ntre x + m ani i x + n ani (m < n) .
Avem: m / nMx = S(x, x + m) M (x + m, x + n) P(m / nMx ) =
= P[S ( x, x + m)] = P[M ( x + m, x + n)] = (mpx )[(n m)q x +m ] =
l l l l l
= x +m x +m x+n = x +m x +n .
lx l x+m lx

TEOREM : Funcia de supravieuire l x este valoarea

medie a variabilei aleatoare ce reprezint numrul persoanelor care
ajung s mplineasc x ani dintr-o colectivitate de baz de volum l0 .
Demonstraie :
n variabila aleatoare cu repartiia binomial l0 = n i
probabilitatea de supravieuire pn la x este P( A) = p( x) , iar
probabilitatea de deces pn la x ani este P( A ) = q( x) = 1 p( x) .
Valoarea medie a variabilei aleatoare ce reprezint
evenimentul A de supravieuire:
Z = M (Z ) = nP( A) = l 0 p ( x)
Notnd Z = l x l x = l 0 p( x) p( x) = l x deci:
l0
l
l x = l0 p ( x) i p ( x) = x .
l0
Notm:
 Ax = evenimentul ca o persoan din populaia iniial s
ating vrsta de x ani.
Ay = evenimentul ca o persoan din populaia iniial s
ating vrsta de y ani (cu x < y )
S ( x, y ) = evenimentul ca o persoan n vrst de x ani s
supravieuiasc la y ani.
Avem:
S ( x, y ) = ( Ay / Ax ) realizarea lui Ay cnd Ax a avut loc.
P[ S ( x, y )] = P[ Ay / Ax ] = p( x, y ) = PAx ( Ay )
A Ay
Dar x i deci:
Ax Ay = Ay
l
P( Ay Ax ) P( Ay ) p ( y) l 0 l y
p( x, y) = PAx ( Ay ) = = = = =
P( Ax ) P( Ax ) p( x) l x l x
l0
Notnd y = x + n p( x, x + n) = l x+ n = np x
lx
Deci: p( x, y ) = l x ; p( x, x + m) = np x .
ly

16.3. Viaa probabil

Pentru o persoan n vrst de x ani se definete viaa

probabil acea vrst = x + n ani pentru care probabilitatea de
supravieuire este egal cu probabilitatea de deces.
1 l x + n l 1 1
np x = ; = = ; l = l x
2 lx lx 2 2

Deci l = 1 l x determin viaa probabil pentru o persoan

2
de x ani.
Concluzii: funciile biometrice discontinue studiate sunt
legate de perioada de 1 an. Ele se gsesc tabelate din an n an.
Funcia l x este descresctoare, iar q x = l x l x+1 .
lx
Graficul funciei l x .
l0

1 2 3 x 1 x x +1