Matematica An I Horticultura Chiruta C

UniversitateadetiineAgricoleiMedicin
VeterinarIonIonescudelaBradIai

Suportdecurs
MATEMATIC
ElementedeProgramareliniar,Teoria
ProbabilitiloriStatisticMatematic
DR.CIPRIANCHIRU

2014
Dr.CiprianChiru Suport de curs

2

Introducere
Acest curs Matematic - Elemente de programare liniar, teoria

probabilitilor i statistic matematic se adreseaz studenilor din anul I
de la facultile de Agricultur, Horticultur i Zootehnie ale Universitii
de tiine Agricole i Medicin Veterinar precum i tuturor studenilor ce
doresc s se iniieze n noiunile i conceptele matematice ce apar n primul
an de facultate de la Universitatea de tiine Agricole i Medicin
Veterinar "Ion Ionescu de la Brad" din Iai.
Definiie: Matematica este tiina care studiaz mrimile, relaiile
calitative i formele spaiale cu ajutorul raionamentului deductiv, entitile
de natur abstract precum i relaiile dintre ele, gr. mathematikos, lat.
mathematicus, fr. mathmatique.
Cuvntul matematic i are originea n cuvntul grecesc
mathema care nseamn nvare, studii.
Dezvoltarea conceptelor matematice a pornit din necesitatea de a face
calcule comerciale, de a msura suprafee de teren sau de a prevedea
evenimentele astronomice n scopuri agricole i culturale.
Matematica este o stiin care trebuie nvat de ctre studeni prin
lucru individual, prin repetarea exemplelor ce apar n curs precum i prin
participarea consecvent a studenilor la cursuri i seminarii. Numai
asistarea la seminarii i citirea precum o poveste a cursului nu este
suficient pentru o bun nvare a disciplinei Matematic.
Am ncercat s ofer studenilor la fiecare capitol de teorie pe lng
explicaii teoretice i exemple practice rezolvate i explicate n detaliu.
Studenii trebuie s tie faptul c noiunile matematice ce vor fi
prezentate n acest curs se vor strecura n foarte multe cursuri ce vor urma
anului I.
Prima unitate de nvare cuprinde o prezentare a algebrei liniare,
utilizat apoi n unitatea a II a de algebr abstract.
3

Unitatea a III a urmrete noiunile i teoremele importante din
Programarea liniar noiuni ce se vor relua n cursuri de management i
optimizri din anii superiori.
Unitatea a IV a de teoria probabilitilor i statistic matematic este
o introducere ntr-un domeniu vast i actual, ntr-o ramur mportant a
matematicii aplicate i anume statistica. Aceasta utilizeaz teoria
probabilitilor care faciliteaz definirea, analiza i predicia a diverse
fenomene, avnd aplicaii importante n economie.
Pentru studenii de la nvmnt la Distan este obligatoriu ca la

prezentarea la examenul scris s depun un REFERAT care s cuprind
rezolvarea de ctre student a tuturor problemelor propuse n acest curs de la
fiecare capitol.
4

Unitate de nvare I
Elemente de matematic liniar
Cuprins U.I. I
1.1. Matrice i determinani
1.2. Sisteme de ecuaii liniare
1.3. Inegaliti liniare i sisteme de inegaliti liniare
-----------------------------------------------------------------------------------
ObiectiveleU.I.I.
1.Sidentificediferitetipuridematrice;
2.Scalculezeprindiferitemetodedeterminani,ranguluneimatrice,inversa
uneimatrice;
3.Srezolveprinmetodele:Cramer,GaussiGaussJordansistemedeecuaii
liniare;
4.Sdetermineinversauneimatriceutilizndmetodaeliminriitotale;
5.Srezolveinecuaiiliniareisistemedeinecuaiiliniarendouvariabile.
-----------------------------------------------------------------------------------
1.1. Matrice i determinani

n aceast seciune vor fi predate definiii i proprieti din algebra
matriceal.
Definiia 1. Se numete matrice o mulime de m n numere aranjate ntr-un

tablou dreptunghiular avnd m linii i n coloane.
a11 a12 M a1n

a a 22 M a 2 n
A = 21 ,
L L L L

a a m 2 M a mn
m1
unde aij , i = 1,K m, j = 1,K n se numesc elementele matricei A.
O matrice cu m linii i n coloane se numete matrice de tip (m, n ) sau
matrice de ordinul m n . M m,n (R ) reprezint mulimea matricelor de tip
(m, n ) , avnd toate elementele din R.
1.1.1. Cazuri particulare:
1. O matrice de tip (m,1) se numete matrice coloan (vector coloan).
5

EXEMPLU:
a11

a 21
A= .
M

a
m1
2. O matrice de tip (1, n ) se numete matrice linie.
EXEMPLU:
A = (a 11 a 12 L a 1n ).
3. O matrice de tip (n, n ) se numete matrice ptratic de ordin n.
EXEMPLU:
a11 a12 a1n
M

a a 22 M a2n
A = 21 .
L L L L

a an2 M a nn
n1
Elementele a11 , a 22 , a33 , K a nn formeaz diagonala principal a
matricei.
4. O matrice de tip (m, n ) avnd toate elementele egale cu zero se
numete matrice nul. Se noteaz cu O .
5. O matrice patratic ale crei elemente care nu se afl pe diagonala
principal sunt toate nule se numete matrice diagonal.
EXEMPLU:
a11 0 M 0

0 a 22 M 0
A= .
L L L L

0 0 M a nn

6. O matrice diagonal pentru care a11 = a 22 = a33 = K = a nn = 1 se
numete matrice unitate de ordin n. Matricea unitate se noteaz cu I n sau
En .
EXEMPLU:
1 0 0

I 3 = 0 1 0 .
0 0 1

6

Definitia 2. Dou matrice de acelai tip Am,n i Bm,n sunt egale dac
elementele lor sunt respectiv egale: aij = bij , i = 1,K m, j = 1,K n. Notm
A= B.
1.1.2. Operaii cu matrice
1. Adunarea matricelor
Definiia 3. Fie A, B M m,n (R ) avnd (aij ) elementele matricei A i (bij )

elementele matricei B . Definim adunarea matricelor A i B ca fiind
matricea C M m,n (R ) cu elementele (cij ) i = 1,K m, j = 1,K n unde
cij = aij + bij .
Proprietile adunrii matricelor:

1. Asociativitate
Oricare ar fi matricele A, B, C M m ,n (R ) implic
( A + B ) + C = A + (B + C ) .
2. Comutativitate
Oricare ar fi matricele A, B M m, n (R ) implic A + B = B + A .
3. Element neutru
Exist matricea nul O M m,n (R ) astfel nct A M m,n (R ) are loc
A+O = O+ A = A.
4. Opusa matricei
Oricare ar fi matricea A M m , n (R ) exist matricea
A = ( aij ) M m ,n (R ) astfel nct are loc relaia A + ( A) = ( A) + A = O .
EXEMPLU:
1 4 0 2 3 1 1 7 1
+ = .
3 2 6 6 2 8 9 0 2
2. nmulirea matricelor
Definiia 4. A M m,n (R ) i B M n, p (R ) , cu elemenentele A = (aij ) i

B = (b jk ) . Definim produsul matricelor A B (n aceast ordine) ca fiind
matricea C = A B M m , p (R ) cu elementele C = (cik ) unde
n
cik = aij b jk = ai1b1k + ai 2 b2 k + ... + ain bnk .
j =1
Observaie. Produsul A B a dou matrice se poate efectua doar dac

numrul de coloane a matricei A este egal cu numrul de linii a matricei B.
EXEMPLU:
7

1 2
1 0 3 1 1 + 0 3 + 3 0 1 2 + 0 ( 1) + 3 2 1 8
3 1 = =
2 4 1 0 2 ( 2 ) 1 + 4 3 + 1 0 ( 2) 2 + 4 ( 1) + 1 2 10 6

.
Proprietile nmulirii matricelor:

1. Asociativitate
Oricare ar fi matricele A M m,n (R ) , B M n, p (R ) , C M m, p (R ) are
loc relaia ( A B ) C = A (B C ) .
2. Element neutru la nmulire
Exist matricea unitate I n astfel nct oricare ar fi matricea ptratic
de ordin n A M n (R ) are loc relaia A I n = I n A = A .
3. Distributivitatea la stnga a nmulirii fa de adunare
Fie matricele A, B, C M n (R ) atunci are loc relaia
A (B + C ) = A B + A C .
4. Distributivitatea la dreapta a nmulirii fa de adunare
Fie matricele A, B, C M n (R ) atunci are loc relaia
(A + B) C = A C + B C .
1.1.3. nmulirea cu un scalar
Definiia 5. Definim produsul matricei A M m ,n (R ) cu scalarul R ca

fiind matricea B M m,n (R ) cu elemenetele bij = aij . Putem scrie
B = A = A .
EXEMPLU:
1 2 4 a 2a 4a

a 0 3 1 = 0 3a a .
2 1 0 2a a 0

Proprieti ale nmulirii cu scalari:
1. 1 A = A,
2. ( + ) A = A + A,
3. ( A + B ) = A + B,
4. ( ) A = ( A),
5. ( A B ) = ( A) B, unde A, B M m,n (R ) i , R .
1.1.4. Transpusa unei matrice
Definiia 6. Numim transpus a matricei A M m,n (R ) cu elementele (aij )

matricea notat AT = (a ji ) care are drept linii, respectiv coloanele matricei
A i drept coloane respectiv liniile matricei A .
8

1 2 3 1 4 7

Exemplu: Transpusa matricei A = 4 5 6 este matricea A = 2 5 8 .
T
7 8 9 3 6 9

Definiia 7. Spunem c matricea ptratic A M n (R ) este simetric dac

matricea transpus este egal cu matricea iniial AT = A adic aij = a ji
oricare ar fi i, j = 1,L n i antisimetric dac AT = A adic aij = a ji
oricare ar fi i, j = 1,L n .
1.1.5. Determinani
Definiia 8. Fie A = (aij ) M n (R ) o matrice ptratic. Se numete

determinantul lui A numrul det A definit prin relaia:
( 1) a1 a 2 L an unde 1 , 2 , K n sunt elementele

det A = 1 2 n
(1 , 2 3 ,L n )
{1, 2, 3, K n} , iar suma cuprinde toate permutrile posibile ale acestora i
= 0 dac permutarea este par i = 1 dac permutarea este impar.
Exemple:
a11 a12
det A1 = = a11 a 22 a 21 a12 ,
a 21 a 22
a11 a12 a13

det A2 = a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a12 a23 a31 a31 a22 a13
.
a31 a32 a33
a11 a32 a23 a21 a12 a33
1.1.6. Rangul unei matrice
Definiia 9. Fie A M m,n (R ) o matrice de tipul (m, n ) . Dac n matricea A

alegem la ntmplare k linii i k coloane (unde k min{m, n}) atunci
elementele care se gsesc la intersecia acestor linii i coloane formeaz o
matrice ptratic de ordinul k. Determinantul acestei matrice se numete
minor de ordin k al matricei A.
Definiia 10. Fie A M m,n (R ) o matrice nenul. Spunem c matricea A are

rangul r dac matricea A are un minor de ordin r nenul i toi minorii de
ordin superior, dac exist, sunt nuli. Notaia rang A = r.
1.1.7. Matrice inversabile
Definiia 11. O matrice ptratic se numete singular dac determinantul

su este nul i se numete nesingular dac determinantul su este nenul.
9

Definiia 12. Fie A o matrice ptratic de ordin n. Spunem c matricea A
este inversabil dac exist o matrice ptratic de ordin n, notat A 1 , astfel
nct are loc relaia:
A A 1 = A 1 A = I n .
Teorem 1. Fie o matrice A ptratic de ordin n. Matricea este inversabil

dac i numai dac ea este nesingular, adic det A 0 .
Definiia 13. Numim transformri elementare liniare asupra matricei A

aplicarea uneia din urmtoarela operaii:
T1: nmulirea unei linii (coloane) cu un numr diferit de zero;
T2: Adunarea unei linii (coloane) la alt linie (coloan) element cu
element;
T3: Schimbarea a dou linii (coloane) ntre ele.
Observaie. Dac asupra unei matrice A aplicm transformri elementare

rangul acesteia nu se schimb.
EXEMPLU:
2 0 1

Fie matricea A = 2 1 1 . Verificai dac matricea este inversabil i
3 1 1

calculai rangul matricei A .
Rezolvare:
Verificm dac matricea este inversabil, utiliznd Teorema 1:
2 0 1
det A = 2 1 1 = 2 1 ( 1) + 2 1 1 + 0 ( 1) 3 3 1 1 ( 1) 1 2 2 0 ( 1) =
3 1 1
= 2 + 2 + 0 3 + 2 + 0 = 1 0 deci matricea este

nesingular i deci inversabil.
Avnd n vedere c determinatul de ordin 3 este diferit de zero i alt
minor cu grad mai mare nu avem rezult ca rangul matricei este egal cu 3.
#Exerciii:
1. S se calculeze urmtorii determinani, aplicnd proprietile
determinanilor:
3 0 3 a + b a b a + b

a) A = 4 1 4 , b) A = 1 1 1 .
3 0 10 2ab 0 2ab

10

1 x 1 1 1 1 1 3

x 1 1 1 1 1 3 1
c) A = , d) A = .
1 1 1 x 1 3 1 1

1 1 x 1 3 1 1 1

2. S se verifice dac urmtoarele matrice verific relaia:
A + 2 A2 A + I n = 0
3
1 0 1
1 2
a) A = , b) A = 4 1 4 .
2 1 1 0 1

3. Ridicai la puterea n , n N matricele:
1 0 1
1 1
a) A = , b) A = 0 1 1 .
0 1 0 0 1

4. Determinai rangul matricei:
4 2 2 6

A = 2 4 2 4 .
2 2 4 2

1.2. Sisteme de ecuaii liniare

Multe fenomene din viaa real se pot modela cu ajutorul sistemelor
de ecuaii liniare. Acest curs este dedicat cunoaterii sistemelor de ecuaii
algebrice de gradul nti cu mai multe necunoscute i a metodelor de
rezolvare a acestor sisteme.
Definiia 14. Se numete sistem liniar de m ecuaii cu n necunoscute

ansamblul de ecuaii liniare:
a11 x1 + a12 x 2 + L + a1n x n = b1 ,
a x + a x + L + a x = b ,
21 1 22 2 2n n 2
(1)
L L L L L L L L L L L
a m1 x1 + a m 2 x 2 + L + a mn x n = bm .
unde aij R , bi R , unde 1 i m, 1 j n , variabilele x1 , x 2 , K, x n R

se numesc necunoscutele sistemului, constantele aij R se numesc
coeficienii sistemului, iar bi R se numesc termenii liberi.
Observaie: a) Coeficienii sistemului formeaz o matrice de tip (m, n )

denumit matricea sistemului.
11

a11 a12 a1n
M

a a 22 M a2n
A = 21 .
L L L L

a am2 M a mn
m1
Dac adugm coloana termenilor liberi obinem matricea extins a
sistemului, notat A .
a11 a12 M a1n b1

a a 22 M a 2 n b2
A = 21 .
L L L L L

a a m 2 M a mn bm
m1
b) Sistemul (1) se poate scrie sub forma:
n
a
j =1
ij x j = bi unde i = 1, K m . (2)
Dac pentru necunoscute i termeni liberi se folosesc vectorii

coloan:
x1 b1

x2 b
X = i B = 2 ,
M M

x b
n n
atunci sistemul (1) se poate scrie sub forma matriceal:
A X = B. (3)
Un sistem liniar se numete omogen dac coloana termenilor liberi
este format numai din valori nule, iar n caz contrar se numete neomogen.
Definiie 15. Se numete soluie a unui sistem liniar de forma (1) un n-uplu
(x1 , x2 , K , xn ) care verific simultan toate cele m ecuaii ale acestuia.
Sistemul (1) se numete compatibil dac are cel puin o soluie i se
numete incompatibil n caz contrar.
Un sistem compatibil se numete compatibil determinat dac are o
singur soluie i compatibil nedeterminat dac admite mai multe soluii.
Observaie: problema fundamental n legtur cu un sistem liniar este

determinarea mulimii S a soluiilor sale, adic a tuturor n-uplurilor care
verific simultan toate ecuaiile.
12

Teorem (Kronecker1 - Capelli2)
Un sistem de m ecuaii liniare cu n necunoscute este compatibil
determinat dac i numai dac rangul matricei sistemului este egal cu rangul
matricei extinse a sistemului.
Dac rang A = rang A = k = n (n - numrul necunoscutelor) atunci
sistemul este unic determinat.
Dac rang A = rang A = k < n atunci sistemul este compatibil
nedeterminat.
Dac rang A rang A atunci sistemul este incompatibil.
1.2.1. Rezolvarea sistemelor de ecuaii:
1. Sistem CRAMER3
Un sistem algebric liniar pentru care r = m = n (rangul matricei este
egal cu numrul de linii i de coloane) se numte sistem Cramer.
Formula general este
n
aj =1
ij x j = bi unde i = 1, K n unde det A 0 . (4)
Acest sistem este compatibil unic determinat i soluia sa se obine cu

formula lui Cramer:
det A j
xj = unde j = 1, K n (5)
det A
unde A j se obine din matricea A prin nlocuirea coloanei j cu coloana

termenilor liberi.
EXEMPLU:
Fie sistemul:
4 x1 2 x 2 x3 = 9,

x1 3 x 2 + 2 x3 = 7,
x + x + x = 2.
1 2 3
Pentru a verifica dac acest sistem poate fi rezolvat cu metoda

Cramer trebuie s calculm determinantul lui i s observm dac este
diferit de zero.
1
LeopoldKroneker(18231891)matematiciangerman;
2
AlfredoCapelli(18551910)matematicianItalian;
3
GabrielCramer(17041752)matematicianelveian,doctoratla18aniinmatematic,
contribuii:regulaluiCramer,paradoxulluiCramer;
13

4 2 1
= 1 3 2 = 4 ( 3) 1 4 3 8 + 2 = 26 0 .
1 1 1
n acest caz rangul matricei este 3 egal cu numrul necunoscutelor i

cu numrul ecuaiilor deci este sistem Cramer:
Pentru determinarea necunoscutelor x1 , x 2 , x 3 vom calcula
determinanii corespunztori acestor soluii x1 , x 2 , x 3 astfel: pentru x1
vom nlocui prima coloan din determinant cu coloana termenilor liberi. n
mod analog i pentru ceilali determinani. Necunoscutele se vor gsi prin
x1 x x
fomula: x1 = , x 2 = 2 , x3 = 3 .

9 2 1
x1 = 7 3 2 = 27 7 8 6 18 + 14 = 52 ,
2 1 1
4 9 1
x 2 = 1 7 2 = 28 2 + 18 + 7 16 9 = 26 ,
1 2 1
4 2 9
x3 = 1 3 7 = 24 + 9 14 + 27 28 + 4 = 26 ,
1 1 2
x1 52 x 26 x 26
x1 = = = 2, x 2 = 2 = = 1, x 3 = 3 = =1.
26 26 26
Rezolvnd sistemul folosind regula lui Cramer se obine soluia
x1 = 2, x 2 = 1, x3 = 1 .
2. Metoda eliminrii pariale GAUSS4 (metoda eliminrilor

succesive)
Aceast metod const n transformri elementare succesive ale

sistemului iniial ntr-un sistem de ecuaii echivalent, eliminnd pe rnd cte
o variabil din toate ecuaiile sistemului cu excepia unei singure ecuaii n
care coeficientul variabilei s fie egal cu unitatea.
Procesul de calcul ce va urma se numete PIVOTAJ i se realizeaz
efectund transformri elementare asupra liniilor din sistem.
4
CarlFriedrichGauss(17771855)mathematician,fizician,astronomgerman,directorul
observatoruluiastronomicdinGottingen;
14

Fie sistemul:
a11 x1 + a12 x 2 + L + a1n x n = b1 ,
a x + a x + L + a x = b ,
21 1 22 2 2n n 2

a m1 x1 + a m 2 x 2 + L + a mn x n = bm .
Dac a11 0 atunci pentru variabila x1 putem s avem coeficientul

egal cu 1 dac se mparte prima linie la a11 . Dac a11 = 0 atunci putem
facem o transformare elementar i anume s schimbm linia 1 cu oricare
alt linie n care coeficientul lui x1 este diferit de zero.
Elementul a11 se numete pivot. Prin aceast operaie elementar
prima ecuaie devine:
a12 a1n b1
x1 + a x 2 + L + a x n = a ,
11 11 11
a
21 1x + a x
22 2 + L + a x
2n n = b2 ,

a m1 x1 + a m 2 x 2 + L + a mn x n = bm .
Pentru a elimina necunoscuta x1 din celelalte ecuaii rmase 2, 3, 4,

..., m vom nmuli prima ecuaie pe rnd cu a 21 , a31 , K , a m1 i se scade din
ecuaia 2, apoi din ecuaia 3 pn la ecuaia m. n final vom obine
urmtoarele ecuaii echivalente unde necunoscuta x1 se gsete doar n
prima ecuaie.
a12 a a b
Ecuaia 1 x1 + x 2 + 13 x3 + L + 1n x n = 1 ,
a11 a11 a11 a11
Ecuaia 2
a a a b
0 + a 22 12 a 21 x2 + a 23 13 a 21 x3 + L + a 2 n 1n a 21 xn = b2 1 a 21 ,
a11 a11 a11 a11

.
Ecuaia m
a a a b
0 + a m 2 12 a m1 x 2 + a m 3 13 a m1 x3 + L + a mn 1n a m1 x n = bm 1 a m1 .
a11 a11 a11 a11
La pasul urmtor dac x 2 are coeficientul nenul n ecuaia a doua se
va alege acesta drept pivot i se folosete aceai schem de eliminare a
necunoscutei x 2 din toate ecuaiile cu excepia ecuaiei 2 n care va avea
coeficientul egal cu 1.
Dac coeficientul lui x 2 este zero atunci putem facem o transformare
elementar i anume s schimbm linia 2 cu oricare alt linie n care
coeficientul lui x 2 este diferit de zero.
15

Algoritmul continu pn cnd nu vom mai putea elimina nici o
variabil prin aceast schem de calcul.
Prin aceste transformri elementare efectuate numai asupra liniilor
matricei extinse A se va obine forma (6).
1 p12 p13 L p1n M q1

0 1 p 23 L p2n M q2
0 0 1 L p3n M q3

L L L L L M L
P= cu pij 0, i = 1, L, r . (6)
0 0 0 L 1 M q r
0 0 0 L 0 M q r +1

L L L L L M L
0 0 0 L 0 M q m

Sistemul (1) este echivalent cu sistemul care are drept matrice extins
matricea P.
Observaie:
a) Dac r = m = n sistemul (1) este compatibil unic determinat;
b) Dac r < m sistemul (1) este compatibil dac i numai dac
q r +1 = q r + 2 = L = q m = 0 ;
c) Dac r < n atunci sistemul este compatibil nedeterminat i admite
o infinitate de soluii.
Soluia sistemului se citete ncepnd cu necunoscuta r.
xn = qr ,
x = q p x ,
n 1 r 1 r 1n n
. (7)
L LL L L
x1 = q1 p12 x2 p13 x3 L p1n xn
EXEMPLU:
S se rezolve urmtorul sistem, folosind metoda eliminrii pariale:

4 x1 2 x 2 x3 = 9,

x1 3 x 2 + 2 x3 = 7,
x + x + x = 2.
1 2 3
Pas 1. Scriem matricea extins a sistemului. Stabilim pivotul n acest caz 4:

4 2 1 9

A = 1 3 2 7 .
1 1 1 2

Pas 2. Facem ca valoarea pivotului s fie 1. mprim linia 1 cu 4:
16

1 1 9
1
2 4 4
1 3 2 7 .
1 1 1 2

Pas. 3. Contruim zerouri pe restul coloanei n afar de pivot. Adunm la
linia 2 linia 1 nmulit cu (-1) i adunm la linia 3 linia 1 nmulit cu (-1).
Notm L 2 + L1( 1) i
L3 + L1( 1) . Obinem:
1 1 9
1
2 4 4
0 5 9 19
.
2 4 4
3 5 1
0
2 4 4
Pas 4. Se repet procedeul pentru o coloana a doua. Alegem pivotul pentru

5
coloana a doua pe . Facem ca valoarea pivotului s devin 1. nmulim
2
linia
2
2 cu :
5
1 1 9
1
2 4 4
0 1 9 19
.
10 10
3 5 1
0
2 4 4
Pas. 5. Folosind metoda eliminrii pariale trebuie s facem numai

3
elementul de sub pivot pe coloana 2 s fie zero. L3 + L 2 :
2
1 1 9
1
2 4 4
0 1 9 19
.
10 10
13 13
0 0
5 5
Matricea anterioar este corespunztoare urmtorului sistem de

ecuaii:
17

1 1 9
x1 2 x 2 4 x 3 = 4 ,

9 19
x 2 x3 = ,
10 10
13 13
5 x3 = 5 .

Se poate calcula imediat valoarea lui x3 =1.
Apoi nlocuim valoarea aflat n ecuaia 2 a sistemului pentru a afla
x2:
1 1 9
x1 2 x 2 4 x 3 = 4 ,

19 9
x2 = + = 1,
10 10
x 3 = 1.

Apoi nlocuim valoarea aflat n ecuaia 1 a sistemului pentru a afla
x1:
9 2 1
x1 = 4 + 4 4 = 2

x 2 = 1;
x = 1,
3

x1 = 2

deci soluia sistemului va fi: x 2 = 1;
x = 1
3
3. Metoda eliminrii totale (GAUSS - JORDAN5)
Metoda de lucru propus n acest paragraf va fi demonstrat ntr-un

capitol urmtor (capitol III) dar va fi util studenilor pentru c va fi folosit
la rezolvarea sistemelor de ecuaii cu m ecuaii i n necunoscute, la
calcularea inversei unei matrice, n tot capitolul de spaii vectoriale i n
cadrul algoritmului simplex sau problema celor dou faze.
Metoda acioneaz asemntor cu metoda eliminrii pariale
(GAUSS) asupra matricei extinse A .
Generalizarea pentru sisteme de tip (m, n ) este simpl: ideea central
a metodei eliminrii complete este de a aduce matricea extins a sistemului
la o form care s conin n partea stng numrul maxim posibil de
coloane ale matricei unitate. Metoda se aplic ncepnd cu prima coloan i
la fiecare pas se obine o nou coloan a matricei unitate.
5
WilhelmJordan(18421899)geodesistgerman;
18

Model intuitiv:
1 0 0 x1
a11 a12 a13 b1
0 1 0 x2
a 21 a 22 a 23 b2 L LLLLLL LLLL
0 0 1 x
a a32 a33 b3 3
31
(10)
FORM INIIAL TRANSFORMRI ELEMENTARE SOLUIE
Se pornete de la sistemul de ecuaii cu m ecuaii i n necunoscute:

a11 x1 + a12 x 2 + L + a1n x n = b1 ,
a x + a x + L + a x = b ,
21 1 22 2 2n n 2
(*)
a m1 x1 + a m 2 x 2 + L + a mn x n = bm .
Matricea extins ataat acestui sistem este:

a11 a12 L a1n b1

a 21 a 22 L a2 n b2
L L L L L

a a m 2 L a mn bm
m1
Metoda de lucru n acest scop va fi denumit regula dreptunghiului i
o prezentm pe scurt n 4 pai:
Pas 1. Se alege un pivot diferit de zero.
Pas 2. Linia pivotului se mparte la valoarea pivotului pentru a obine
valoarea 1.
Pas 3. Coloana pivotului se completeaz cu zerouri.
Pas 4. Celelalte elemente se calculeaz cu regula dreptunghiului de
mai jos:
b
1
pivot b pivot
rezultatul va fi .
a locatie a b
0 locatie
pivot
Observaie: Presupunem c am identificat numrul maxim de linii i

coloane din matricea unitate. n urma acestor calcule vom ajunge n cazul
general la urmtoarea matrice:
19

1 0 0 L 0 p1r +1 L p1n q1

0 1 0 L 0 p 2 r +1 L p2 n q2
0 0 1 L 0 p L p3 n q3
3 r +1
L L L L L L L L L

0 0 0 L 1 p rr +1 L p rn qr
0 0 0 L 0 0 L 0 q r +1

L L L L L L L L L
0 0 0 L 0 0 L 0 q m

Teorem
Sistemul (*) este compatibil dac i numai dac
q r +1 = q r + 2 = L = q m = 0 .
Observaii:
1. Dac o singur valoare din irul q r +1 , qr + 2 , L, qm este diferit de
zero atunci sistemul este incompatibil. n acest moment algoritmul se
oprete.
2. Dac toate valorile din irul q r +1 , qr + 2 , L, qm sunt zero atunci
sistemul este compatibil iar liniile completate doar cu valoarea zero pot fi
eliminate deoarece ele reprezint combinaii liniare ale celorlalte linii din
sistem.
3. Dup eliminarea liniilor cu valoarea zero va rmne un sistem de
forma
1 0 0 L 0 p1r +1 L p1n q1

0 1 0 L 0 p 2 r +1 L p2 n q2
0 0 1 L 0 p L p3 n q3
3 r +1
L L L L L L L L L

0 0 0 L 1 p rr +1 L p rn qr
unde matricea unitate are r linii i coloane.

Distingem urmtoarele cazuri:
Primul caz este sistem compatibil determinat cu soluie unic care
apare atunci cnd matricea unitate are n coloane. (r = n).
n acest caz soluia sistemului se citete pe coloana termenilor liberi:
x1 = q1 ,
x2 = q2 ,
x3 = q 3 ,
LLL
xn = qn .
Al doilea caz este sistem compatibil nedeterminat. n acest caz

variabilele ce corespund coloanelor matricii unitate se vor numi principale
i vor fi determinate n funcie de celelalte variabile numite secundare.
20

Sistemul va deveni n acest caz:
x1 + p1r +1 xr +1 + L + p1n xn = q1
x + p x + L + p x = q
2 2 r +1 r +1 2n n 2
3x + p x
3 r +1 r +1 + L + p x
3n n = q 3

xr + p rr +1 xr +1 + L + p rn xn = q r
Soluia acestui sistem o obinem tracnd n membrul drept toi

termenii n afar de variabilele principale.
x1 = q1 p1r +1 r +1 L p1n n xr +1 = r +1 ,
x = q p L p xr +2 = r +2 ,
2 2 2 r +1 r +1 2n
x3 = q3 p3r +1 r +1 L p3n n i xr +3 = r +3 ,
LLLLLLLLLLLLL LLL

xr = q r p rr +1 r +1 L p rn n xm = m .
EXEMPLU:
S se rezolve urmtorul sistem, folosind metoda eliminrii totale (GAUSS-

JORDAN):
4 x1 2 x 2 x3 = 9,

x1 3 x 2 + 2 x3 = 7,
x + x + x = 2.
1 2 3
Se pornete de la matricea extins a coeficineilor sistemului:

(4 ) 2 1 9

A = 1 3 2 7 .
1 1 1 2

Iteraia 1. Se alege pivotul 4, se mparte linia pivotului la valoarea 4,
coloana pivotului se completeaz cu zero i restul elementelor se calculeaz
cu regula dreptunghiului. Obinem:
1 1 9
1
2 4 4
5
0 9 19
.
2 4 4
3 5 1
0
2 4 4
5 5
Iteraia 2. Se alege pivotul , se mparte linia pivotului la valoarea ,
2 2
21

7 13
1 0
10 10
9 19
0 1 10 .
10
13
0 0
13

5 5
13 13
Iteraia 3. Se alege pivotul , se mparte linia pivotului la valoarea ,
5 5
1 0 0 2

0 1 0 1 .
0 0 1 1

Observm n partea stng a matricei extinse apariia matricii unitate
i n partea dreapt cele trei soluii x1 = 2, x 2 = 1, x3 = 1 .
#Exerciii:
1. S se rezolve urmtoarele sisteme folosind metoda Cramer:
x1 + 2 x 2 3 x3 = 0,

a) x1 2 x 2 + 3x3 = 2, S: x1 = 1, x2 = 1, x3 = 1 .
x + 2 x + 3 x = 4.
1 2 3
x1 + 2 x 2 + x3 = 8,

b) 2 x1 + x 2 + x3 = 7, S: x1 = 1, x2 = 2, x3 = 3 .
x + x + 2 x = 9.
1 2 3
2. S se rezolve urmtorul sistem folosind metoda eliminrii pariale

(Gauss):
4 x1 + x 2 + x3 + x 4 = 7,
x + 4 x + x + x = 4,
1 2 3 4
S:
x1 + x 2 + 4 x 3 + x 4 = 7,
x1 + x 2 + x3 + 4 x 4 = 10.
x1 = 1, x 2 = 0, x3 = 1, x 4 = 2 .
3). S se rezolve urmtoarele sisteme folosind metoda eliminrii

totale (Gauss Jordan):
x1 + x 2 + x3 + 3 x 4 = 2,
x + x + 3 x + x = 2,
1 2 3 4
S:
x1 + 3 x 2 + x3 + x 4 = 2,
3 x1 + x 2 + x3 + x 4 = 2.
x1 = 1, x 2 = 1, x3 = 1, x 4 = 1 .
22

x1 + x2 + x3 = 20,

2 x1 3 x2 + x3 = 5, S:
6 x 4 x + 4 x = 30.
1 2 3
4 1
x1 = 11 , x 2 = 9 , x3 = , R .
5 5
Explicitarea unui sistem de ecuaii
Definiie 16. Se spune c un sistem de ecuaii liniare este explicitat dac

matricea sistemului conine toate coloanele matricei unitate de ordin egal cu
numrul ecuaiilor sistemului.
Definiie 17. Fie un sistem de ecuaii liniare adus la o form explicit.

Variabilele care corespund coloanelor matricei unitate se numesc variabile
principale sau variabile de baz, iar celelalte variabile se numesc variabile
secundare sau nebazice.
Un sistem compatibil determinat nu are dect variabile principale. n

aceast form soluia sistemului poate fi citit direct de pe ultima coloan,
cea corespunztoare termenilor liberi. Deci poate fi compatibil determinat
doar un sistem cu numrul de linii egal cu numrul de coloane.
De un interes deosebit pentru elementele de programare liniar care
vor fi abordate n capitolele urmtoare sunt sistemele compatibile
nedeterminate.
Un astfel de sistem are rangul egal cu numrul ecuaiilor, iar numrul
ecuaiilor este mai mic dect numrul necunoscutelor (m < n). El va avea m
necunoscute principale i n m necunoscute secundare.
Variabilele principale se exprim n funcie de variabilele secundare
care pot primi orice valori reale i astfel se obine nfinitatea de soluii.
Definiie 18. Se numete soluie de baz a sistemului liniar de m ecuaii cu

n necunoscute orice soluie a sistemului obinut n cadrul unei forme
explicite prin egalarea cu zero a variabilelor secundare.
Observaie: Este posibil ca n urma egalrii cu zero a variabilelor secundare

s rezulte i printre variabilele principale unele soluii egale cu zero. Se
poate face o nou clasificare dat de definiia urmtoare.
Definiie 19. Dac o soluie de baz are exact m componente nenule ea se

numete nedegenerat, iar dac ea are mai puin de m componente nenule
se numete degenerat.
Fiind dat un sistem liniar de m ecuaii cu n necunoscute, avnd m < n, cu
cele n variabile ale sistemului se pot forma C nm grupuri diferite de m
variabile.
Teorema. Dac un sistem liniar de m ecuaii cu n necunoscute admite cel

puin o form explicit atunci el admite cel mult C nm forme explicite.
23

Observaie: Fiecrei forme explicite a sistemului i corespunde o unic
soluie de baz.
Definiie 20. Dac pentru o soluie de baz toate variabilele au valoare

nenegativ atunci soluia se numete admisibil sau fezabil.
Orice form explicit a sistemului are m variabile principale i n - m
variabile secundare. Formele explicite difer ntre ele tocmai prin grupul
de variabile principale. Atunci cnd se face trecerea de la o form explicit
la alta prin pivotaj una din variabilele secundare devine principal sau de
baz, iar una din variabilele principale devine secundar (sau nebazic),
pentru c numrul de m variabile principale rmne constant.
Se spune c, prin pivotaj, o variabil secundar ntr n baz, iar o
variabil principal iese din baz.
O justificare riguroas a acestor expresii va apare n capitolul
urmtor prin prisma structurilor algebrice care se numesc spaii liniare
(spaii vectoriale).
1.2.2. Calcularea inversei unei matrice folosind metoda eliminrii

complete
Metoda eliminrii complete ofer o modalitate comod de calculare a

inversei unei matrice. Amintim din definiia 12 (paragraf 1.1.7.) c o
matrice ptratic de ordinul n este inversabil dac exist A 1 astfel nct
A A 1 = A 1 A = I n , unde I n este matricea unitate de ordinul n.
Vom exemplifica metoda pe o matrice ptratic de ordinul 2,
generalizarea la o matrice de ordin n fiind imediat.
Fie A M 2 (R ) pe care o presupunem inversabil.
a a12
A = 11 .
a 21 a 22
Calcularea inversei nseamn determinarea elementelor necunoscute

ale matricei
x x12
A 1 = 11 astfel nct A A 1 = A 1 A = I 2 ,
x 21 x 22
adic
a11 a12 x11 x12 1 0
= .
a 21 a 22 x 21 x 22 0 1
Dezvoltm expresiile i obinem:

a11 x11 + a12 x 21 a11 x12 + a12 x 22 1 0
= ,
a 21 x11 + a 22 x 21 a 21 x12 + a 22 x 22 0 1
din care obinem sistemele:

24

a11 x11 + a12 x21 = 1 a11 x12 + a12 x22 = 0
. (11)
a21 x11 + a22 x21 = 0 a21 x12 + a22 x22 = 1
Matricele extinse ale sistemelor (11) sunt:
a11 a12 1 a11 a12 0
.
a21 a22 0 a21 a22 1
Ambele sisteme se pot rezolva prin metoda eliminrii complete

1 0 b11 1 0 b12
,
0 1 b21 0 1 b22
adic:
x11 = b11 x12 = b12
,
x21 = b21 x22 = b22
de unde rezult:
x x12 b11 b12
A1 = 11 = .
x21 x22 b21 b22
Sistemele (11) au ambele aceai matrice a coeficienilor de aceea ele

pot fi rezolvate simultan, scriind mpreun cele dou matrice extinse:
a11 a12 1 0
.
a21 a22 0 1
n acest fel se poate calcula A1 , plecnd de la tabloul n care

matricea A ocup partea stng i matricea unitate partea dreapt. Se aplic
metoda eliminrii complete pn cnd se ajunge la tabloul care are n stnga
matricea unitate moment n care n partea dreapt apare matricea A1 :
1 0 x11 x12
.
0 1 x21 x22
Dac nu se obine un tablou final aa cum am precizat se trage

concluzia c matricea nu este inversabil.
EXEMPLU:
2 0 1

A = 2 1 1 .
3 1 1

Se construiete tabloul urmtor:
25

(2) 0 1 0 0
1

A= 2 1 1 0 1 0 .
3 1 1 0 0 1

Pas. 1. se alege pivotul i se aduce la valoarea 1 prin regula dreptunghiului
1 1
1 0 0 0
2 2
0 1 2 1 1 0 .
0 1 5
3
0 1
2 2

Pas. 2. Alegem al doilea pivot care are valoare 1 i repetm raionamentul:
1 1
1 0 0
0
2 2
0 1 2 1 1 0 .
0 0 1 1 1 1

2 2
Pas. 5. Construim zerouri deasupra pivotului i obinem:
1 0 0 0 1 1

0 1 0 1 5 4 .
0 0 1 1 2 2

de unde aflm forma matricei inverse:
0 1 1
1

A = 1 5 4 .
1 2 2

#Exerciii:
1. S se calculeze inversa matricelor folosind metoda eliminrii
totale:
1 2 3 1 2 3

a) A = 1 1 2 , b) A = 1 2 1
1 2 2 1 2 1

2. S se rezolve ecuaiile matriceale:

1 1 2 3 1 0 1 4
a) * A = , b) * A = .
1 2 1 2 1 2 2 2
1 1 1 2 1 1
1 2 1 0 1 4
c) * A * = ,d) 1 2 1 * A = 1 2 1 .
1 2 2 2 1 5 1 1 3 4 1 3

26

Unitate de nvare II
Elemente de algebr abstract
Cuprins U.I. II
2.1. Lege de compoziie
2.2. Structuri algebrice
2.3. Spaii vectoriale
2.4. Transformri liniare
--------------------------------------------------------------------------------
ObiectiveleU.I.II
1.Sdefineascurmtoarelestructurialgebrice:grup,inel,corp;
2.Slucrezecuoperaiiicuproprietilelorpediferitemulimideelemente;
3.Sdefineascspaiulvectorial,sconstruiascobazdevectoriiunsistem
degeneratori,slucrezecucombinaiiliniaredevectori;
4.Sutilizezenproblemeteoremadecaracterizareabazei,lemasubstituieii
reguladreptunghiului;
5. S identifice transformrile liniare, s determine vectorii proprii i valorile
proprii.
---------------------------------------------------------------------------------------
2.1. Lege de compoziie

Definiie 1. Fie M o mulime nevid, se numete lege de compoziie (sau
operaie binar) pe M orice aplicaie : M M M . Pentru orice
(x, y ) M M elementul (x, y ) se numete compusul lui x cu y prin legea
de compoziie.
Notaii: Putem folosi urmtoarele notaii
x + y, x y, x y, x y, x y, x y, x o y .
EXEMPLE:
1. Adunarea i nmulirea sunt operaii binare pe mulimile:
N , Z , Q, R, C . Scderea (-) nu este operaie pe N, dar este pe Z.
2. Reuniunea ( U ) i intersecia ( I ) sunt operaii pe mulimea tuturor
prilor mulimii nevide X.
Definiia 2. Operaia binar : M M M se numete

1. Asociativ dac ( (x, y ), z ) = (x, ( y, z )) , x, y, z M ;
2. Comutativ dac ( x, y ) = ( y, x ) , x, y M .
27

EXEMPLU: Adunarea i nmulirea sunt operaii asociative i comutative pe
mulimile N , Z , Q, R, C .
n continuare vom nota operaia binar (x, y ) cu x y .
Definiie 3. Elementul e M se numete element neutru pentru o operaie

binar " " pe mulimea M dac are loc:
e x = x e = x pentru orice xM .
Observaie: a) Elementul neutru, dac exist, este unic. Presupunem prin

absurd c exist e i e' M elemente neutre e = e e' = e' .
b) Numrul 0 este element neutru la adunare, numrul 1 este element neutru
la nmulire pe mulimile N , Z , Q, R, C .
Definiia 4. Fie " " o operaie binar definit pe M, avnd elementul neutru
e. Elementul x se numete simetrizabil dac exist elementul x din
mulimea M astfel nct
x x ' = x' x = e .
n acest caz x se numete element simetric al lui x.
Definiia 5. Se spune c operaia " " pe M este:

1. Distributiv la stnga n raport cu o dac:
x ( y o z ) = ( x y ) o ( x z ) x, y , z M .
2. Distributiv la dreapta n raport cu o dac:

( y o z ) x = ( y x ) o (z x ) x, y , z M .
3. Distributiv n raport cu o dac este distributiv la stnga i la

dreapta.
Definiie 6. Fie (M , ) i H o parte nevid a lui M. Se spune c H este parte

stabil a lui M n raport cu operaia " " dac
x, y H x yH .
n acest caz restricia operaiei " " la H H este lege de compoziie pe H i

se numete legea de compoziie indus de " " pe H.
EXEMPLU: (R, +, ) este parte stabil n (C , +, ) .
2.2. Structuri algebrice

Definiie 7. (M , ) se numete semigrup dac operaia " " este operaie
asociativ pe M.
Dac n plus operaia " " este comutativ (M , ) se numete semigrup
comutativ.
28

Definiie 8. (M , ) se numete monoid dac este semigrup cu element
neutru. Dac n plus operaia " " este comutativ atunci (M , ) se numete
monoid comutativ.
Exemplu: ( N , + ) i (Z , + ) sunt monoizi comutativi.
Proprieti
1. Orice element simetrizabil are simetric unic.
Demonstraie:
Presupunem c exist un element x cu dou elemente simetrizabile x'
i x' ' astfel nct:
x x' = x' x = e .
x x' ' = x' ' x = e .
De unde: x' = x' e = x' x x' ' = e x' ' = x' ' ; adic simetricul unui element dac
exist el este unic.
2. Dac x i y sunt elemente simetrizabile, avnd simetricele x i y
atunci x y este simetrizabil i are loc: ( x y )' = y ' x' .
3. n monoidul (M , ) cu element neutru e se pot defini puterile

naturale ale oricrui element
e ; n = 0,

a = a ; n = 1,
n
a n 1 a ; n > 1.

Au loc formulele
a m a n = a m+ n a M ,
(a )
m n
= a m n m, n N .
4. Dac operaia de monoid este comutativ se obinuiete s fie

notat aditiv "+ " , avnd element neutru pe 0.
Au loc formulele
0 ; n = 0,
a M n N na =
(n 1) a + a ; n > 1,
unde n a se numesc multiplii lui a; "- a" se numete opusul lui a.
n a = ( n ) ( a ) ,
(m + n ) a = m a + n a .
Definiie 9. (G, ) se numete grup dac operaia " " are proprietile:
1. Este asociativ;
2. Are element neutru;
3. Orice element diferit de zero din G este simetrizabil.
29

Dac n plus operaia " " este comutativ se numete grup comutativ sau
grup abelian.
n orice grup comutativ (G, + ) se poate defini operaia de scdere
x y = x + ( y ), x, y G .
EXEMPLE:
(Z , + ) , (Q, + ) , (R, + ) , (C , + ) sunt grupuri comutative.
Reguli de calcul n grup
Proprietate 1. n orice grup (G, ) funcioneaz legile de simplificare la

stnga i la dreapta:
Simplificare la stnga a b = a c b = c .
Simplificare la dreapta b a = c a b = c .
Proprietate 2. n orice grup (G, ) ecuaiile a x = b i x a = b au soluii
unice i anume x = b a' unde a este simetricul lui a.
Definiie 10. Fie (G, ) un grup, a G i n > 0 un numr natural. Se spune

c elementul a are ordinul n dac a n = e dar a k e pentru orice
k {1, 2, .., n 1}. Dac G este o mulime de cardinal n se spune c grupul
(G, ) are ordinul n.
Orice grup cu un numr finit de elemente se numete grup finit.
Definiie 11. Submulimea nevid H a grupului (G, ) se numete subgrup

dac este parte stabil n raport cu operaia " " .
Teorem 1. Submulimea nevid H a grupului (G, ) este subgrup dac i

numai dac
1. x, y H x y H ,
2. x H x' H .
Definiie 12. Fie (G, ) i (, o ) dou grupuri. O aplicaie f : G se

numete morfism de grupuri dac satisface condiia
f ( x y ) = f ( x ) o f ( y ), x, y G
Un morfism bijectiv se numete izomorfism.
30

Teorem 2. Fie (G, ) i (, o ) dou grupuri avnd elementele neutre e i
respectiv . Dac f : G este morfism de grupuri atunci:
1. f (e ) = ,
2. f ( x') = ( f (x ))' , x G .
definitie
Demonstraie: 1. e e = e f (e ) = f (e e ) = f (e ) o f (e ) . nmulim la
dreapta cu ( f (e ))' de unde rezult f (e ) o ( f (e ))' = f (e ) o f (e ) o ( f (e ))' ceea ce
conduce la relaia = f (e ) o adic f (e ) = .
2. = f (e ) = f (x x') = f ( x ) o f (x') . nmulim la dreapta cu ( f (x ))' de unde
o ( f ( x ))' = f ( x ) o f (x') o ( f (x ))' , rezult f ( x') = ( f (x ))' , x G .
Definiie 13. O mulime nevid I dotat cu dou legi de compoziie, una

notat aditiv "+" i numit adunare, iar cealalt notat multiplicativ ""
numit nmulire se numete inel dac
I1. (I , + ) este grup comutativ;
I2. (I , ) este monoid;
I3. nmulirea este distributiv fa de adunare.
Dac n plus nmulirea este comutativ inelul se numete inel comutativ.
EXEMPLU:
1. (Z , +, ) este inel comutativ.
2. (Rn , , ) cu operaiile adunarea modulo n i nmulirea
modulo n este inel comutativ.
3. (R[ X ], +, ) mulimea polinoamelor cu coeficieni reali este un inel
comutativ.
4. (M n [R ], +, ) mulimea matricelor ptratice de ordin n cu elemente
numere reale este inel necomutativ.
Elementele lui I simetrizabile n raport cu nmulirea se numesc elemente
inversabile.
Definie 14. Spunem c inelul (I , +, ) este inel fr divizori ai lui 0 dac

x 0 si y 0 x y 0.
Dac exist x 0 i y 0 astfel nct x y = 0 se spune c x i y sunt

divizori ai lui 0.
Un inel care are cel puin dou elemente, care este comutativ i este
fr divizori ai lui 0 se numete domeniu de integritate.
31

EXEMPLU:
(M n [R], +, ) este inel necomutativ cu divizori ai lui 0. Pentru exemplificare

1 1 3 4
alegem matricele: A = i B = ambele diferite de 0, dar
2 2 3 4
A B = 0 .
Reguli de calcul ntr-un inel
Orice inel (I , +, ) are proprietile:

P1. x 0 = 0 x = 0, x I ;
P2. Dac I are cel puin dou elemente rezult c 1 0 ;
P3. ( x ) y = x ( y ) = (x y ) ;
( x ) ( y ) = x y, x, y I (regula semnelor):
P4. x (y z) = x y x z ;
( y z ) x = y x z x, x, y, z I ;
P5. ntr-un inel fr divizori ai lui 0 se pot face simplificri la stnga i
la dreapta prin elemente diferite de zero.
Definiie 15. Un inel (K , +, ) pentru care 0 1 avnd proprietatea c orice

element diferit de zero este inversabil se numete corp. Orice corp
comutativ se numete cmp.
1. Corpurile nu conin divizori ai lui zero.
2. Elementele diferite de zero dintr-un corp formeaz un grup grupul
multiplicativ al corpului.
EXEMPLE:
(Q, +, ) (R, +, ) (C , +, ) sunt cmpuri;
(K = {0, 1, a, b}, +, ) este cmp
+ 0 1 a b * 0 1 a b
0 0 1 a b 0 0 0 0 0
1 1 0 b A 1 0 1 a b
a a b 0 1 a 0 a b 1
b b a 1 0 b 0 b 1 a
#Exerciii:
x+ y
1. S se arate c x y = determin pe mulimea G (-1, 1) o structur
1+ x y
de grup abelian.
2. S se arate c x y = xy 2( x + y ) + 6 determin pe mulimea G (2, ) o
structur de grup.
32

2.3. Spaii vectoriale6
Definiie 16. Fie K un cmp de scalari (de regul K este corpul numerelor
reale R sau corpul numerelor complexe C). Se numete spaiu vectorial sau
spaiu liniar peste corpul K orice mulime nevid V dotat cu o operaie
liniar de la V V V :
(ur, vr ) ur + vr
notat aditiv "+" numit adunare i o aplicaie de la K V V :
( , vr ) vr
notat multiplicativ "" numit operaie extern sau lege de
compoziie extern care satisfac axiomele:
r r r r r r r r r
1. Asociativitatea adunrii: ( u + v ) + w = u + (v + w) u , v , w V ;
r r r r r r r
2. Element neutru: 0 V astfel nct 0 + v = v + 0 = v , v V ;
r r r r r r r
3. Element simetrizabil: v V v ' V astfel nct v '+ v = v + v ' = 0 ,
r
v V ;
r r r r r r
4. Comutativitate: u + v = u + v u , v V ;
r r
5. Elementul 1 este element neutru la nmulirea din K: 1 v = v
r
v V ;
r r r r r r
6. ( u + v ) = u + v u , v V , K ;
r r r r
7. ( + ) v = v + v ; v V , , K ;
r r r
8. ( v ) = v ; v V , , K .
Notaii:
1. Elementele lui V se numesc vectori, operaia de adunare este
adunarea vectorilor.
2. Elementele lui K se numesc scalari, iar operaia extern se
numete nmulire cu scalari.
3. Cnd K = R atunci mulimea V se numete spaiu vectorial real.
4. Cnd K = C atunci mulimea V se numete spaiu vectorial
complex. r
5. Elementul neutru pentru adunare se numete vectorul zero 0 .
6
Istoria algebrei liniare moderne ncepe n anii 1843 i 1844. n 1843, W. R. Hamilton este cel
care a introdus termenul de vector i a descoperit cuaternionii. n 1844, H. Grassmann ia
publicatcarteaDielineareAusdehnungslehre.n1857,A.Cayleyaintrodusnoiuneadematrice,
de o importan fundamental in algebra liniar
(http://ro.wikipedia.org/wiki/Algebr%C4%83_liniar%C4%83).
33

Din primele 4 axiome rezult ca (V , + ) este grup comutativ, avnd
r r
element neutru vectorul zero 0 i opusul elementului v este vectorul
r r
v ' = v .
Exemplu:
(R n , +, ) spaiul vectorial real n n dimensiuni unde operaia de
adunare a vectorilor este definit astfel:
(x1 , x2 ,L, xn ) + ( y1 , y2 ,L, yn ) = (x1 + y1 , x2 + y2 ,L, xn + y n ) .
i nmulirea cu scalar:
(x1 , x2 ,L, x n ) = ( x1 , x 2 ,L, xn ) .
Pentru n = 2 obinem: (R 2
)
, +, unde
R = R R = {(x1 , x2 ) / x1 R, x2 R}
2
(x1 , x2 ) + ( y1 , y 2 ) = (x1 + y1 , x2 + y 2 ) i nmulirea cu scalar

(x1 , x2 ) = ( x1 , x2 ) .
Reguli de calcul n spaiu vectorial
Proprietate. Orice spaiu vectorial

r r r
V peste corpul K are proprietile:
r r
P1. 0 u = 0 i 0 = 0 u V , K ;
r r r r
P2. u = 0 = 0 sau u = 0 ;
P3. ( ) ur = ( ur ) = ( ur ) ;
( ) ( ur ) = ur, K , ur V ;
P4 ( ) ur = ur ur ;
r r r r r r
(u v ) = u v , , K , u , v V ;
P5. (1) ur = ur , ur V .
r r r
Definiie 17. Dac S = {v1 , v2 , K, vm } este un sistem de vectori din V orice
r r r
expresie de forma 1v1 + 2 v2 + K + m vm cu 1 , 2 , K, m K se numete
r r r
combinaie liniar a vectorilor v1 , v2 , K, vm ; scalarii 1 , 2 , K, m numindu-
se coeficienii combinaiei liniare.
r r r r r r r
Exemplu: Fie vectorii v1 , v2 , v3 atunci v = 3v1 v2 + 2v3 este o combinaie
liniar.
r
Definiie 18. Spunem c vectorul v V este o combinaie liniar a
r r r
vectorilor v1 , v2 , K, vm dac exist scalarii 1 , 2 , K, m K astfel nct:
r r r r
v = 1v1 + 2 v2 + K + m vm .
r r r
Definiie 19. Spunem c sistemul de vectori S = {v1 , v2 , K, vm } este un
sistem de generatori pentru spaiul vectorial V , dac orice vector din V
este combinaie liniar a vectorilor sistemului S.
34

r r r
Definiie 20. Spunem c sistemul de vectori S = {v1 , v2 , K, vm } este un
sistem liniar independent dac orice relaie de forma
r r r
1v1 + 2 v2 + K + m vm = 0 implic 1 = 2 = K = m = 0 .
r r r
Definiia 21. Spunem c sistemul de vectori S = {v1 , v2 , K, vm } este un
sistem liniar dependent dac exist un sistem de m scalari,
r r r
1 , 2 , K, m K , nu toi nuli astfel nct 1v1 + 2 v2 + K + m vm = 0 .
r r r
Proprietate 1. Sistemul de vectori S = {v1 , v2 , K, vm } este liniar dependent
dac i numai dac cel puin un vector este o combinaie liniar a celorlali
vectori.
Demonstraie:
r r r
Direct: Fie S = {v1 , v2 , K, vm } liniari dependei rezult c exist
1 , 2 , K, m K nu toi nuli astfel nct
r r r
1v1 + 2 v2 + K + m vm = 0 .
Presupunem c elementul 1 0 de unde avem prin mprire la 1 :

r r r r
v1 = 2 v2 3 v3 K m vm .
1 1 1
Ceea ce este o combinaie liniar de ceilali vectori.

r
Reciproc: Dac un vector v1 . este combinaie liniar a sistemului de
r r
vectori {v2 , K, vm } atunci
r r r r
v1 = 2 v2 + 3 v3 + K + m vm ,
r r r
de unde 1 v1 2 v2 K m vm = 0 , cum 1 este diferit de 0 rezult c
r r r
sistemul de vectori S = {v1 , v2 , K, vm } este liniar dependent.
EXEMPLU:
n spaiu vectorial real R 3 se consider sistemul de vectori

r r r r r r
S = {v1 , v2 , v3 } unde v1 = (2, 1, 1) , v2 = (3, 2, 1) , v3 = ( 1, 1, 2 ) . Se cere
r
1. S se arate c pentru vectorul v = (1, 1, 2) R 3 exist scalarii
r r r r
1 , 2 , 3 R astfel nct v = 1v1 + 2 v2 + 3 v3 ;
r
2. S se arate c pentru oricare vector w = (a1 , a2 , a3 ) R 3 exist
scalarii 1 , 2 , 3 R a. .
r r r r
w = 1v1 + 2 v2 + 3 v3 .
3. S se arate c orice combinaie cu proprietatea

r r r
1v1 + 2 v2 + 3 v3 = 0 implic 1 = 2 = 3 = 0 .
35

r r r r
Rezolvare: 1. Putem scrie v = 1v1 + 2 v2 + 3 v3 dac i numai dac
1 = 2 1 + 3 2 1 3 ,

1 = 1 1 + 2 2 1 3 , .
2 = 1 + 1 2 .
1 2 3
Rezolvm sistemul folosind metoda Cramer ( det A = 2, det A1 = 6,

det A2 = 2, det A3 = 4 ) i obinem soluiile: 1 = 3, 2 = 1, 3 = 2 de
r
unde rezult c vectorul v se poate scrie
r r r r
v = 3 v1 1 v2 + 2 v3 .
r r r r r
2. Putem scrie w = 1v1 + 2 v2 + 3 v3 unde w = (a1 , a 2 , a3 ) R 3 dac
a1 = 2 1 + 3 2 1 3 ,

a 2 = 1 1 + 2 2 1 3 ,
a = 1 + 1 2 .
3 1 2 3
Sistem ce are soluie unic deoarece determinatul este egal cu 2

diferit de zero.
3a1 5a 2 + a3
1 = 2
,

a1 + 3a 2 a3
2 = ,
2
a1 a 2 a3
3 = 2
,

r r r
de unde rezult c sistemul S = {v1 , v2 , v3 } este un sistem de generatori.
r r r
3. S sistem de vectori liniar independeni: 1v1 + 2 v2 + 3 v3 = 0
rezult
2 1 + 3 2 1 3 = 0,

1 1 + 2 2 1 3 = 0,
1 + 1 2 = 0.
1 2 3
Determinant diferit de zero rezult c are soluia banal

r r r
1 = 2 = 3 = 0 . Deci sistemul S = {v1 , v2 , v3 } este sistem de vectori liniar
independeni.
Definiie 22. Sistemul de vectori S se numete baz a spaiului vectorial V

dac:
1. S este un sistem liniar independent;
2. S este un sistem de generatori pentru V .
36

r r r
Definiia 23. Dac B = {e1 , e2 , K, en } este baz n V i orice vector
r r r r
v = 1e1 + 2 e2 + K + n en rezult c elementele 1 , 2 , K, m K se numesc
r
coordonatele vectorului v n baza B.
EXEMPLU:
r r r r r r r
Alegem baza B = {e1 , e2 , e3 } i vectorul v = ( x1 , x2 , x3 ) = x1e1 + x2 e2 + x3e3
adic componentele vectorului sunt chiar coordonatele vectorului n baza
canonic n R 3 unde
r r r
e1 = (1, 0, 0 ) , e2 = (0, 1, 0 ) e3 = (0, 0, 1) .
Observaie: Unicitatea coordonatelor unui vector ntr-o baz nu exclude

faptul c n baze diferite acest vector are coordonate diferite. Exemplu
r
vectorul v3 = (1, 1, 2) are coordonatele (1, 1, 2) n baza canonic, dar
are coordonatele (3, 1, 2) n baza din exemplu.
Teorema (de caracterizare a bazei)
r r r
Sistemul de vectori B = {e1 , e2 , K, en } este baz a spaiului vectorial V dac
r
i numai dac orice vector v V se scrie n mod unic sub forma
r r r r
v = 1e1 + 2 e2 + K + n en . unde 1 , 2 , K, m K .
Demonstraie:
Direct: presupunem c B este baz, rezult din definiie c B este
r
sistem de generatori pentru V , de unde rezult c pentru orice vector v V
r r r r
se poate scrie v = 1e1 + 2 e2 + K + n en . S demonstrm c scrierea este
unic.
r r r r
Presupunem c exist o a doua scriere: v = '1 e1 + '2 e2 + K + ' n en .
Scdem cele dou forme i obinem:
r r r
0 = (1 '1 ) e1 + ( 2 ' 2 ) e2 + K + ( n ' n ) en . Avnd n vedere c este
sistem liniar independent (definiia bazei) rezult c
1 = '1 , 2 = ' 2 , K, n = ' n ceea ce implic scrierea unic.
r
Reciproc: Dac orice vector v V are o scriere de forma
r r r r
v = 1e1 + 2 e2 + K + n en rezult c B este sistem de generatori.
r r r r r
Dac alegem vectorul 0 V rezult 0 = 1e1 + 2 e2 + K + n en
r r r r
reprezentare unic. Dar 0 = 0 e1 + 0 e2 + K + 0 en de unde obinem imediat
c 1 = 2 = K = n = 0 de unde B sistem de vectori liniari independent
(q.e.d.).
37

2.4 Lema substituiei
r r r r
Fie B = {e1 , e2 , K, en } o baz a spaiului vectorial V , u V un vector fix cu
reprezentarea
r r r r
u = 1e1 + 2 e2 + K + n en
r r r r r r
i sistemul de vectori B = {e1 , e2 , K, ei 1 , u , ei +1 , K, en ,} obinut din baza B
r r
nlocuind vectorul ei cu vectorul u atunci au loc afirmaiile:
1. B este baz dac i numai dac i 0 .
2. dac B este baz a lui V atunci coordonatele 1 *, 2 *, K, n * K n

r
baza B ale unui vector v V se exprim n funcie de coordonatele
r
1 , 2 , K, n K n baza B ale lui v prin egalitile:
i
i * = ; j* = j i j; j i .
i i
Trecerea de la i la i * se face pe baza regulii dreptunghiului.

r r
B M u v
r r r i
B M u v e1 M 0 1
r i 1
e1 M 1 1 r
r e2 M 0 2 i 2
e2 M 2 2 i
L M L L L M L L
r r i
ei M i i u M 1
i
L M L L L M L L
r
ej M j j r
ej M 0 j i j
L M L L i
r L M L L
en M n n r
en M 0 n i n
i
Regula dreptunghiului
i
i L i 1 L
i
M M .
j L j
0 L j i j
i
Trecerea de la B la B* se face n felul urmtor:

1. elementele corespunztoare liniei pivotului din B* se obin
mprind la valoarea pivotului toate elementele liniei pivotului.
2. Se completeaz coloana corespunztoare pivotului cu zerouri.
38

3. Toate celelalte elemente j cu j i se calculeaz dup regula

j* = j i j .
i
EXEMPLU:
r r r r
Fie baza S = {v1 , v2 , v3 } avnd coordonatele n baza canonic: v1 = (2, 1, 1) ,
r r r
v2 = (3, 2, 1) , v3 = ( 1, 1, 2 ) i vectorul v cu coordonatele n baza canonic
r
v = (1, 1, 2 ) .
a) s se arate c S este baz n spaiul R 3 .
r
b) s se determine coordonatele lui v n baza S.
r r r r
BC v1 v2 v3 v
r
e1 2 3 1 1
r
e2 1 2 1 1
r
e3 1 1 2 2
r 3 1 1
B1 v1 1
2 2 2
r 1 1 3
e2 0
2 2 2
r 1 3 5
e3 0
2 2 2
r
B2 v1 1 0 1 5
r
v2 0 1 1 3
r
e3 0 0 2 4
r
B3 v1 1 0 0 3
r
v2 0 1 0 1
r
v3 0 0 1 2
S , B1 , B2 , B3 sunt baze n spaiul vectorial V .

r r r
Teorem 1. Dac V are o baz B = {e1 , e2 , K, en } atunci au loc relaiile:
1. orice sistem liniar independent din V are cel mult n vectori;
2. orice baz a lui V are n vectori.
Teorem 2. Fie V un spaiu vectorial de dimensiune n peste cmpul K .

r r r
Pentru orice sistem de n vectori S = {v1 , v2 , K, vn } urmtoarele afirmaii sunt
echivalente:
1. S este baz pentru V ;
2. S este un sistem de generatori pentru V ;

39

3. S este un sistem liniar independent.
Definiia 24. Spunem c spaiul vectorial V peste corpul K are

dimensiunea n i scriem n = dim K V dac n V exist o baz format din n
vectori.
Definiia 25. Fie Vn un spaiu vectorial real de dimensiune n, iar

{ }
r r r r r r
B = {e1 , e2 , K, en } i B* = f1 , f 2 , K, f n
dou baze ale spaiului. Fiecare
element al bazei B' se reprezint n baza B sub forma :
r r r r
f1 = a11e1 + a 21e2 + L + a n1en ,
r r r r
f 2 = a12 e1 + a 22 e2 + L + a n 2 en ,

L L L L L L
fr = a er + a er + L + a er ,
n 1n 1 2n 2 nn n
unde elementele aij R .

Matricea S = (aij )nn se numete matricea de trecere de la baza B la
baza B*.
Observaie: Matricea S este inversabil.

r
Un vector v Vn se exprim unic n fiecare din cele dou baze prin:
r r r r
v = x1e1 + x2 e2 + L + xn en i
r r r r
v = y1 f1 + y 2 f 2 + L + y n f n .
Atunci vectorii X = (x1 , x2 L xn )T , Y = ( y1 , y 2 L y n )T se leag prin

formulele echivalente (legea matriceal):
X = S Y Y = S 1 X .
# Exerciii
r r r
1. Fie baza S = {v1 , v2 , v3 } avnd coordonatele n baza canonic:
r r r r
v1 = (1, 1, 1) , v 2 = (1, 2, 1) , v3 = (1, 1, 4) i vectorul w cu coordonatele n baza
r
canonic w = (2, 1, 4) .
a) s se arate c S este baz n spaiul R 3 .
r
b) s se determine coordonatele lui w n baza S.
r r r
2. S se arate c vectorii v1 = (1, 0, 1) , v 2 = (0, 2, 1) , v3 = (1, 1, 1) formeaz
r
o baz n R3 i s determine coordonatele lui w = (1, 1, 2 ) n aceast baz.
3. n spaiu vectorial real R 3 se consider sistemul de vectori
r r r r r r
S = {v1 , v2 , v3 } unde v1 = (1, 1, 1) , v 2 = ( 2, 1, 2 ) , v3 = (1, 2, 1) . Fie vectorul ce are
r r
coordonatele v = (1, 0, 1) R 3 n baza S. S se exprime coordonatele vectorului v
r r r r
n raport cu baza B = {w1 , w2 , w3 } alctuit din vectorii w1 = ( 1, 2, 0 ) ,
r r
w2 = (1, 1, 1) , w3 = (1, 0, 3) .
40

2.4 Transformri liniare

Definiie 11. Fie V i V ' dou spaii liniare vectoriale reale. Se numete
transformare liniar (sau operator liniar) a spaiului vectorial V n spaiul
vectorial V ' orice aplicaie T : V V ' care satisface condiiile:
r r r r r r
1. T (v1 + v2 ) = T (v1 ) + T (v2 ), v1 , v2 V .
r r r
2. T ( v ) = T (v ) v V , R .
Observatie: Prima proprietate se numete aditivitate i a doua se numete

omogenitate.
Teorem (de caracterizare a transformrilor liniare)
Aplicaia T : V V ' este transformare liniar dac i numai dac

r r r r r r
T ( v1 + v 2 ) = T (v1 ) + T (v 2 ), v1 , v 2 V , , R .
Demonstraie.
Direct: T aplicaie liniar rezult conform definiiei:
r r r r r r
T ( v1 + v2 ) = T ( v1 ) + T ( v 2 ) = T (v1 ) + T (v 2 ) .
Reciproc: Presupunem c relaia

r r r r r r
T ( v1 + v 2 ) = T (v1 ) + T (v 2 ), v1 , v 2 V , , R este verificat
atunci particularizm.
Alegem = 1, = 1 de unde obinem:
r r r r r r
T (v1 + v2 ) = T (v1 ) + T (v2 ), v1 , v2 V .
Alegem = 0 de unde obinem:

r r r
T ( v1 ) = T (v1 ) v1 V , R .
EXEMPLU:
Aratm c aplicaia T : R3 R3 definit prin relaia

r r
T (v ) = (x1 + x2 , x1 + x3 , x2 + x3 ) unde v = (x1 , x2 , x3 ) este o transformare
liniar.
Aplicm teorema de caracterizare: alegem doi vectori
r r
u = (a1 , a 2 , a3 ), v = (b1 , b2 , b3 ) :
r r
T ( u + v ) = T ( (a1 , a 2 , a3 ) + (b1 , b2 , b3 )) = T (( a1 , a 2 , a3 ) + ( b1 , b2 , b3 ))
= T (( a1 + b1 , a2 + b2 , a3 + b3 )) =
= ( a1 + b1 + a2 + b2 , a1 + b1 + a3 + b3 , a2 + b2 + a3 + b3 ) =
= ( (a1 + a 2 ) + (b1 + b2 ), (a1 + a3 ) + (b1 + b3 ), (a2 + a3 ) + (b2 + b3 )) =
= ( (a1 + a2 ), (a1 + a3 ), (a2 + a3 )) + ( (b1 + b2 ), (b1 + b3 ), (b2 + b3 )) =
r r
= (a1 + a 2 , a1 + a3 , a2 + a3 ) + (b1 + b2 , b1 + b3 , b2 + b3 ) = T (u ) + T ( v ) .
41

Teorem 3. Dac T : V V ' este transformare liniar atunci au loc:
( )
r r r r r
T OV = OV ' i T ( v ) = T (v ), v V ,
r r
unde OV , OV ' sunt vectorii nuli din spaiul V i V '.
Definiie 12. Se numete nucleu al transformrii liniare T mulimea

r
{ r r
Ker T = v V / T (v ) = 0 . }
Numrul d = Ker T se numete defectul transformrii.
Definiie 13. Se numete imagine a transformrii liniare T mulimea

r r r r
Im T = { v2 V ' / v1 V a.i. T (v1 ) = v 2 } .
Numrul r = Im T se numete rangul operatorului T.

r r r r r
{r
}
Dac B = {e1 , e2 , K, en } este baz n Vn i B ' = f1 , f 2 , K, f m este baz
r r r
n V 'm atunci fiecare element T (e j ) = a1 j f1 + a 2 j f 2 + L + amj f m , j= 1, 2, ..., n.
r
Atunci matricea A = (aij )mn se numete matricea transformrii

liniare T n bazele B i B'.
r r r r
T (e1 ) = a11 f1 + a 21 f 2 + L + a m1 f m ,
r r r r
T (e2 ) = a12 f1 + a 22 f 2 + L + a m 2 f m ,

L L L L L L
T (er ) = a fr + a fr + L + a fr ,
n 1n 1 2n 2 mn m
r r
Definiie 14. Fie T : Vn Vn , orice vector v 0 , v Vn pentru care exist
r r
R astfel nct T (v ) = v se numete vector propriu al transformrii T.
Folosind matricea operatorului T n baza B rezult c matricea X a
r
vectorului propriu v Vn satisface sistemul de ecuaii liniare omogene
A X = X ( A I n ) X = 0 .
Acest sistem va avea soluii nenule dac i numai dac este soluia
ecuaiei
A I n = 0
numit ecuaia caracteristic a transformrii T.
Observaie. Ecuaia caracteristic nu depinde de baza aleas.

Din ecuaia caracteristic deducem valorile proprii . n continuare
vom nlocui valorile proprii n sistemul ( A I n ) X = 0 i vom obine
vectorii proprii.
Acestui sistem i corespund o infinitate de vectori proprii deoarece
sistemul este compatibil nedeterminat. Mulimea soluiilor formeaz un
42

subspaiu numit subspaiul propriu ataat valorii proprii:
r r r r
E = {v / v V {0}, T (v ) = v } .
EXEMPLU:
S se determine valorile proprii i vectorii proprii asociai matricei A:

1 2
A = .
2 1
Ecuaia caracteristic este P( ) = A I n = 0 deci
1 2 1 0 1 2 0 1 2
= = .
2 1 0 1 2 1 0 2 1
1 2
Ecuaia caracteristic: = 0,
2 1
(1 )2 4 = 0 ,
( + 1)( 3) = 0 .
Valorile proprii sunt 1 = 1; 2 = 3 .
Vectorii proprii asociai valorii proprii 1 = 1 au coordonatele n
raport cu baza canonic:
(1 1 ) a1 + 2a 2 = 0,

2a1 + (1 1 )a 2 = 0.
nlocuim pe 1 = 1 i obinem sistemul:
2 a1 + 2a 2 = 0,

2a1 + 2a 2 = 0.
a1 = a 2
De unde obinem .
a 2 = R
Subspaiul vectorilor proprii valorii 1 = 1 este
r r
E1 = {v / v = ( , ), R} .
Vectorii proprii asociai valorii proprii 2 = 3 au coordonatele n

raport cu baza canonic:
(1 2 ) a1 + 2a 2 = 0,

2a1 + (1 2 )a 2 = 0.
nlocuim pe 2 = 3 i obinem sistemul:
43

2 a1 + 2a 2 = 0,

2a1 2a 2 = 0.
a1 = a 2
De unde obinem .
a 2 = R
Subspaiul vectorilor proprii valorii 2 = 3 este
r r
E2 = {v / v = ( , ), R} .
# Exerciii
1. S se arate folosind teorema de caracterizare a operatorilor liniari
c aplicaia T : R 3 R 2 definit prin relaia T (x, y, z ) = (x + y + z , x y z )
este operator liniar. S se calculeze matricea operatorului T.
2.S se determine valorile proprii i vectorii proprii asociai matricei

A:
2 0 1
2 3 4 2
a) A = , b) A = 2 1 1 , c) A = .
3 2 3 1 1 2 1

44

Unitate de nvare III

Elemente de programre liniar
Cuprins U.I. III
3.1. Introducere n programare liniar
3.2. Structura unei probleme de programare liniar
3.3. Rezolvarea grafic a problemelor de programare
liniar n dou variabile
3.4. Metoda simplex de rezolvare a problemelor de
programare liniar
3.5. Descrierea algoritmului simplex primal
3.6. Metoda celor dou faze
----------------------------------------------------------------------------
ObiectiveU.I.III
1. S transforme problemele de tip economic n probleme standard de
programareliniar;
2.Sdetermineutilizndmetodagrafic,algoritmulsimpleximetodacelordoufaze
soluiaoptimncadrulproblemelordeprogramareliniar.
-----------------------------------------------------------------------------------------
3.1. Introducere n programare liniar

Prima parte a acestui capitol este dedicat introducerii noiunilor de
baz legate de programare liniar.
Tehnica programrii liniare are o larg arie de aplicativitate n cele
mai diverse domenii de inginerii: economic, agricol, industrial.
Vom ncepe cu rezolvarea grafic a problemelor de programare
liniar care, dei se poate aplica doar problemelor n dou variabile, are
avantajul de a oferi o imagine intuitiv a conceptelor implicate ntr-un
program liniar.
Problema rezolvrii sistemelor liniare de inegaliti dateaz de la
Fourier7, dar a fost dezvoltat de matematicianul L. Kantarovici8 in anul
1939.
7
JeanBaptisteJosephFourier(17681830)matematicianifizicianfrancez;cunoscutpentru:
seriiFourier,transformataFourier,legeaFourier.
45

n condiiile actuale ale evoluiei economice dificile este important ca
deciziile s nu fie adoptate doar n baza intuiiei i a judecii obinuite, ci e
bine s se cunoasc mai multe variante din care s se aleag cea care va
conduce la un rezultat ateptat mai bun.
Pentru aceasta vom apela la metode matematice i anume la
cercetarea operaional.
3.2. Structura unei probleme de programare liniar

Programarea liniar este o metod de optimizare matematic.
Definiie 1. Prin metod de optimizare se nelege o tehnic al crei scop

este s se determine cea mai bun soluie pentru atingerea unui anumit
obiectiv.
Obiectivul este exprimat printr-o valoare numeric; de aceea
optimizarea poate nsemna maximizarea sau minimizarea sa.
n orice problem de programare liniar trebuie luate anumite decizii
prin aplicarea crora s se ating valoarea optim a obiectivului.
Aceste decizii sunt reprezentate printr-un set de variabile de decizie
notate x j .
Variabilele de decizie sunt folosite pentru formularea modelului de
programare liniar. Folosind variabile de decizie se descriu att obiectivul
care trebuie atins ct i o serie de condiii restrictive care trebuie respectate
de ctre soluia final cutat.
O problem de programare liniar i propune s maximizeze sau s
minimizeze o funcie obiectiv n condiiile respectrii unui set de restricii.
Funcia obiectiv este o funcie liniar de variabile x j . Ea este
reprezentarea matematic a scopului avut n vedere: nivelul profitului,
costuri totale etc.
Setul de restricii este un sistem liniar de ecuaii i inecuaii n
variabilele x j . El descrie condiiile pe care trebuie s le satisfac variabilele
de decizie pentru a fi n conformitate cu realitatea: capaciti de producie
limitate, nivel minim obligatoriu al vnzrilor etc.
Att funcia obiectiv ct i restriciile prezentate sunt liniare, din
aceast cauz problemele de acest gen se numesc de programare liniar.
EXEMPLU:
max z = 5 x1 + 3 x2 , (1)
8
Leonid Vitaliyevich Kantorovich (1912 1986) matematican rus; care a ncercat s reduc
costurile armatei i s creasc pierderile inamicului. Problema a fost inut secret pn n anul
1947cndGeorgeB.DantzigapublicatmetodasimplexiJohnvonNeumannadezvoltatteoria
dualitii ca soluie pentru optimizarea liniar aplicat mai trziu n teoria jocurilor.
(http://en.wikipedia.org/wiki/Linear_programming)
46

2 x1 + 3 x2 20,
(2)
3 x1 + 4 x2 25.
x1 , x2 0 . (3)
Aceast problem cere s se maximizeze funcia (1) care este o
funcie liniar n dou variabile x1 i x2 . Nu putem alege valori pentru x1 i
x2 fr s inem seama de cele patru restricii exprimate de inegalitile
liniare (2) i (3).
Sistemul (2) descrie restriciile care reflect condiiile impuse de
structura situaiei analizate: resurse limitate, niveluri minime respectate.
Aceste condiii se numesc restricii structurale.
Condiiile (3) exprim ideea c nici o variabil de decizie nu are voie
s ia valori negative. Acest lucru se ntmpl n problemele de programare
liniar deoarece variabilele de decizie reprezint mrimi care nu pot avea
valori negative: sume de bani, cantiti de produse, consumuri etc. Aceste
restricii (3) se numesc restricii de nenegativitate.
O problem de programare liniar cu n variabile de decizie
x1 , x2 , L xn i avnd m restricii structural are urmtoarea form general:
max (min ) z = c1 x1 + c2 x2 + L + cn xn , (4)
a11 x1 + a12 x2 + L + a1n xn (, =, ) b1

a x + a x + L + a x (, =, ) b
21 1 22 2 2n n 2
. (5)
L L L L L L L L
a m1 x1 + a m 2 x2 + L + a mn xn (, =, ) bm
x1 , x2 ,L, xn 0 . (6)
Parantezele semnific faptul c pe locul respectiv se folosete n

funcie de problem elementul dorit.
EXEMPLU:
O firm fabric dou produse: A i B. Fiecare produs este prelucrat n
dou secii. Se dau numrul de ore de lucru necesare, pe unitatea de produs
n fiecare secie i capacitile de lucru, n ore, ale fiecrei secii pe
sptmn.
De asemenea, este indicat preul care se obine de pe urma vnzrii
unei uniti din fiecare produs.
Se tie c ntreaga producie are vnzare. Trebuie s se decid cte
uniti din fiecare produs trebuie fabricate sptmnal pentru ca profitul s
fie maxim.
PRODUS A PRODUS B CAPACITATE
SECIA 1 3 ore / unitate 2 ore / unitate 120 ore
SECIA 2 4 ore / unitate 6 ore / unitate 260 ore
PROFIT / 5 euro / unitate 6 euro / unitate z funcia
UNITATE obiectiv
47

Se noteaz cu x1 i x2 numrul de uniti care trebuie fabricate
respectiv din produsele A i B. Trebuie determinate valorile acestor
variabile de decizie pentru ca s se obin un profit maxim.
Profitul total il notm cu z i exprim adunarea contribuiilor pe care
le are fiecare produs. Trebuie maximizat funcia obiectiv.
max z = 5 x1 + 6 x2 .
Singurele restricii n stabilirea numrului de uniti care trebuie

fabricate sunt date de capacitile de producie ale celor dou secii. Ele
impun restriciile structurale ale problemei.
3 x1 + 2 x 2 120,

4 x1 + 6 x2 260.
Varibilele de decizie x1 i x2 trebuie s respecte restriciile de

nenegativitate.
Dac combinm funcia obiectiv cu restriciile anterioare se obine
urmtoarea problem de programare liniar (PL).
max z = 5 x1 + 6 x2 , (7)
3 x1 + 2 x2 120,
(8)
4 x1 + 6 x2 260,
x1 , x2 0 . (9)
Observaie. Rezolvarea prin simpla ncercare a diferitelor seturi de valori

(variante) pentru variabilele de decizie nu poate duce dect ntmpltor la
soluia optim. Soluia optim trebuie cutat folosind o metod riguroas
de investigare.
3.3. Metoda grafic de rezolvare a problemelor de programare

liniar
Aceast metod se poate aplica acelor probleme de programare
liniar cu dou cariabile de decizie.
Primul pas n investigarea mulimii soluiilor pentru a o determina pe
cea optim este stabilirea acestei mulimi. Pentru aceasta se folosete setul
de restricii al problemei pentru c soluiile examinate trebuie s respecte
aceste restricii.
Definie 2. Mulimea soluiilor care respect toate restriciile avute n

vedere se numete mulimea soluiilor admisibile sau mulimea soluiilor
fezabile.
Definiie 3: O mulime de puncte din plan se numete convex dac are

proprietatea c pentru orice dou puncte M i N aparinnd mulimii, ntreg
segmentul MN este inclus n mulime.
48

Teorem 1. Intersecia unei familii arbitrare de mulimi convexe este tot o
mulime convex.
Proprieti.
1. ntr-o problem de programare liniar rezolvat prin metod grafic
mulimea soluiilor admisibile este o suprafa poligonal convex.
2. Soluia optim a unei probleme de programare liniar determinat
prin metod grafic va include ntotdeauna un vrf al poligonului
soluiilor admisibile.
Figura 2 - Rezolvarea grafic a problemelor de programare liniar
Restriciile (8) i (9) formeaz un sistem de inegaliti liniare.

Rezolvarea grafic a sistemului de inecuaii (8) este dat n figura 2 unde
punctele cu ajutorul crora am construit dreapta d1 sunt A(40, 0 ) i B(0, 60 ) ;
130
punctele folosite pentru trasarea dreptei d 2 sunt C (65, 0) i D 0, .
3
Datorit restriciilor de nenegativitate ne ncadrm n cadranul I din
reperul cartezian x1Ox2 .
Soluia este dat de suprafaa poligonului OAMC inclusiv laturile
care se numete poligonul soluiilor admisibile. Vrfurile acestuia au
130
coordonatele O(0, 0 ) , A(40, 0 ) , D 0, i M (20, 30 ) .
3
Numai coordonatele punctelor ce formeaz poligonul soluiilor
admisibile pot da soluia optim a funciei obiectiv. n acest caz trebuie ca
funcia obiectiv s fie maxim. Vom urmri combinaiile ( x1 , x2 ) pentru
care se obine o anumit valoare a funciei obiectiv:
alegem 5 x1 + 6 x2 = 0 este o dreapt ce intersecteaz poligonul
soluiilor admisibile i trece prin punctul O(0, 0 ) ;.
alegem 5 x1 + 6 x2 = 200 este o dreapt ce trece prin punctul A(40, 0 ) ;
alegem 5 x1 + 6 x2 = 260 este o dreapt ce trece prin punctul
130
D 0, ;
3
49

alegem 5 x1 + 6 x2 = 280 este o dreapt ce trece doar prin punctul
M (20, 30 ) .
Dreptele sunt paralele i formeaz un fascicol de drepte. Cea mai

deprtat de origine conduce la valoarea cea mai mare pentru funcia
obiectiv.
Funcia obiectiv este maximizat pentru valorile x1 = 20 i x2 = 30 ale
variabilelor de decizie i are valoarea z = 280 .
Se pune problema de a se determina o metod de calcul pentru cea
mai ndeprtat dreapt.
Algoritmul pentru a determina soluia optim.
1. Se traseaz grafic poligonul soluiilor admisibile;

2. Se determin coordonatele vrfurilor poligonului soluiilor
admisibile;
3. Se calculeaz valoarea funciei obiectiv pentru fiecare vrf; pentru
aceasta se nlocuiesc coordonatele punctelor n funcia obiectiv;
4. Pentru o problem de maximizare soluia optim este n vrful
poligonului pentru care se obine cea mai mare valoare a funciei obiectiv;
iar pentru o problem de minimizare se va cuta valoarea minim a funciei
obiectiv.
Exist posibilitatea ca o problem de programare liniar s aib mai
mult de o soluie optim. Acest lucru se ntmpl atunci cnd dreapta
corespunztoare funciei obiectiv ce intersecteaz poligonul soluiilor
admisibile coincide cu o latur a acestuia. Atunci se trage concluzia c
valoarea maxim (optim) va apare pentru orice punct de pe latura
poligonului i deci vor fi soluii multiple.
Al doilea caz posibil este ca sistemul de restricii al unei probleme de
programare liniar s nu aib soluie (s fie incompatibil). Deci nu va exista
nici o pereche ( x1 , x2 ) care satisface toate restriciile.
Al treilea caz ce poate s apar rezolvnd sistemul restriciilor este
acela al soluiei nemrginite. n acest caz suprafaa poligonului soluiilor
admisibile este nemrginit.
EXEMPLU:
Fie urmtoare problem de programare liniar:

max z = 9 x1 + 3 x2 ,
x1 + x2 20,

2 x1 + x2 32,
x1 , x2 0 .
Pasul 1. Se traseaz dreptele ataate restriciilor structurale.

d1 : x1 + x2 = 20 de unde x1 = 0 x2 = 20 A(0, 20 ) ;
50

x2 = 0 x1 = 20 B(20, 0 ) ;
d 2 : 2 x1 + x2 = 32 de unde x1 = 0 x2 = 32 C (0, 32 ) ;
x2 = 0 x1 = 16 D(16, 0 ) .
Pasul 2. Se determin coordonatele punctului de intersecie al dreptelor;

x1 + x2 = 20
se scad relaiile i obinem x1 = 12 x2 = 8 M (12, 8) .
2 x1 + x2 = 32
Pasul 3. Se traseaz graficul.
Figura 3 - Reprezentarea grafic a poligonului soluiilor admisibile
Pasul 4. Se determin poligonul soluiilor admisibile. n acest caz el este

determinat de vrfurile O(0, 0 ) , A(0, 20 ) , D(16, 0 ) i M (12, 8) .
Pasul 5. Se calculeaz valorile funciei obiectiv z corespunztoare

punctelor O(0, 0 ) , A(0, 20 ) , D(16, 0 ) i M (12, 8) :
O(0, 0 ) z = 9 0 + 3 0 = 0 ,
A(0, 20 ) z = 9 0 + 3 20 = 60 ,
D(16, 0 ) z = 9 16 + 3 0 = 144 ,
M (12, 8) z = 9 12 + 3 8 = 108 + 24 = 132 .
Concluzia este c valoarea maxim a funciei obiectiv se obine n

punctul D(16, 0 ) z = max = 144 i x1 = 16, x2 = 0 .
# Exerciii
1. S se rezolve prin metoda grafic urmatoarele probleme de programare
liniar:
max z = 30 x1 + 20 x 2
max z = 3 x1 + 6 x 2
3 x1 + x 2 18,
3 x + 2 x 2 36,
1) 1 2) x1 + x 2 12,
4 x1 + 5 x 2 90, x 2,
1
x1 , x 2 0.
x1 , x 2 0.
51

max z = 6 x1 + 12 x 2
max z = 16 x1 + 8 x 2
x1 + x 2 9,
2 x + x 30,
3). 1 2 4) 4 x1 + 2 x 2 8,
x1 + 2 x 2 24, 2 x + 3 x 6,
1 2
x1 , x 2 0.
x1 , x 2 0.
max / min z = 2 x1 + x 2 max / min z = x1 + x 2

x1 + x 2 4 x1 + x 2 4

5). 6 x1 2 x 2 36, 6) 2 x1 x 2 3,
x + 2 x 6, 3 x x 5,
1 2 1 2
x1 , x 2 0. x1 , x 2 0.
max / min z = 6 x1 9 x 2
max / min z = 2 x1 + 3 x 2
x1 + x 2 3
2 x1 + 4 x 2 14 x x 3,

7) 2 x1 + x 2 2, 8). 1 2
x x 1, 2 x1 x 2 0,
1 2
x1 2 x 2 < 0
x1 , x 2 0.
x1 , x 2 0.
max z = 9 x1 + 7 x 2
x1 x 2 8
x + 3x 12,

9) 1 2
x1 4,
x 2 3.
x1 , x 2 0.
52

3.4. Metoda simplex de rezolvare a problemelor de programare liniar
Metoda grafic de rezolvare a problemelor de programare liniar este
limitat la probleme n dou variabile.
Algoritmul simplex este metoda algebric cea mai utilizat pentru
rezolvarea unei probleme de programare liniar indiferent de numrul de
variabile.
n anul 1947 G. Dantzig9 a construit prima variant a metodei
simplex, iar n anul 1953 C. E. Lemke a dat a doua metod general numit
algoritmul simplex dual.
Modelul matematic al unei probleme de programare liniar l vom
numi program liniar (P.L.). Vom prezenta mai nti trei exemple ce ne vor
conduce la problema general de programare linar.
a) Problema utilizrii eficiente a resurselor limitate.
Presupunem c o fabric utilizeaz n procesul de producie m feluri

de resurse R1 , R2 , L, Rm i produce n tipuri de produse P1 , P2 , L, Pn .
Notm cu:
- (aij ) i = 1, 2, K, m; j = 1, 2, K, n cantitatea i de resurs folosit pentru
producerea unitii j de produs;
- bi - cantitatea total de resurs i (pe care l deine productorul)
( i = 1, 2, K, m );
- c j - profitul realizat prin vnzarea unitii j de produs
( j = 1, 2, K , n );
- x j - necunoscut - cantitatea de produs ce se va produce
( j = 1, 2, K , n ).
Ne propunem s determinm, folosind doar resursele existente,
valorile x1 , x2 , K , xn pentru care profitul fabricii s fie maxim.
P1 P2 ... Pj ... Pn Resurse

R1 a11 a12 ... a1j ... a1n b1
R2 a21 a22 ... a2j ... a2n b2
... ... ... ... ... ... ... ...
Ri ai1 ai2 ... aij ... ain bi
... ... ... ... ... ... ... ...
Rm am1 am2 ... amj ... amn bm
n
Profit c1 c2 ... cj ... cn z = c j x j

j =1
Funcia z care reprezint profitul trebuie maximizat i se numete

funcia obiectiv.
Modelul matematic va fi urmtorul:
9
GeorgeBernardDantzig(19142005)matematicianamerican
53

n
max z = cj xj (1)
j =1
a
j =1
ij x j bi , i = 1, 2, K, m , (2)
x1 , x2 ,L, x n 0 . (3)
unde (1) funcie obiectiv, (2) restricii structurale, (3) condiii de

nenegativitate.
b) Problema dietei
Pentru a se pstra sntos un individ are nevoie ca alimentaia sa s

conin minim valorile b1 , b2 , K , bm din nutrienii N1 , N 2 , K , N m (glucide,
lipide etc.). Se tie c aceste elemente nutritive se gsesc n alimentele
A1 , A2 , K , An . Mai exact ntr-o unitate din alimentul A j se gsesc aij uniti
din elementul nutritiv N i .
O unitate din elementul A j cost c j uniti monetare. Se pune
problema s se determine un meniu care s asigure necesarul biologic la un
pre minim.
Necesar
A1 A2 ... Aj ... An
biologic
N1 a11 a12 ... a1j ... a1n b1
N2 a21 a22 ... a2j ... a2n b2
... ... ... ... ... ... ... ...
Ni ai1 ai2 ... aij ... ain bi
... ... ... ... ... ... ... ...
Nm am1 am2 ... amj ... amn bm
n
Cost c1 c2 ... cj ... cn z = cj xj

j =1
Modelul matematic:
n
min z = cj xj , (4)
j =1
a
j =1
ij x j bi , i = 1, 2, K, m , (5)
x1 , x2 ,L, x n 0 . (6)
c) Problema amestecului
Un amestec are n compoziie m substane S1 , S 2 , K , S m care se

gsesc n materiile prime M 1 , M 2 , K , M n . Se tie c n compoziia
54

amestecului trebuie s fie exact bi uniti din substana S i , c ntr-o unitate
din materia M j se gsesc aij uniti dintr-o substan S i i c o unitate din
materia prim M j cost c j uniti monetare.
Se cere s se determine cantitile x j din materia prim M j care sunt
necesare realizrii amestecului cu compoziia prescris la un cost minim.
M1 M2 ... Mj ... Mn Necesar

S1 a11 a12 ... a1j ... a1n b1
S2 a21 a22 ... a2j ... a2n b2
... ... ... ... ... ... ... ...
Si ai1 ai2 ... aij ... ain bi
... ... ... ... ... ... ... ...
Sm am1 am2 ... amj ... amn bm
n
Cost c1 c2 ... cj ... cn z = c j x j

j =1
Modelul matematic:
n
min z = c j x j , (7)
j =1
a
j =1
ij x j = bi , i = 1, 2, K, m , (8)
x1 , x2 ,L, x n 0 . (9)
La toate cele trei probleme prezentate pentru a putea aplica

algoritmul simplex trebuie transformate ntr-o problema de programare
liniar standard:
n
max z = c j x j ,
j =1
aij x j = bi , i = 1, 2, K, m, (10)
j =1
x , x ,L, x 0.
1 2 n

1. Termenul liber al fiecrei restricii s fie nenegativ.
Acest inconvenient se rezolv nmulind restriciile structurale care
au termen liber negativ cu (-1). Atenie prin aceast nmulire inegalitatea
respectiv i va schimba semnul. Exemplu:
2 x1 5 x2 + x3 3 x4 10 / ( 1)
2 x1 + 5 x2 x3 + 3 x4 10 .
2. Toate restriciile structurale trebuie exprimate ca ecuaii.

55

Pentru a transforma inegalitile n egaliti se introduc o serie de
variabile suplimentare. Astfel: pentru fiecare restricie de tip se adun
o variabil ecart nenegativ n partea stng a restriciei.
EXEMPLU:
2 x1 5 x2 + x3 3 x4 10
2 x1 5 x2 + x3 3 x4 + x5 = 10 . unde x5 > 0 .
Pentru fiecare restricie de tip se scade o variabil ecart
nenegativ din partea stng a restriciei.
EXEMPLU:
x1 + x2 2 x3 + 5 x4 25
x1 + x2 2 x3 + 5 x4 x5 = 25 . unde x5 > 0 .
Variabilele ecart echilibreaz inegalitile transformndu-se n

egaliti.
EXEMPLU:
Fie sistemul de inegaliti:

2 x1 5 x2 + x3 3 x4 10,

x1 + x2 2 x3 + 5 x4 25.
x1 , x2 , x3 , x4 0 .
Sistemul devine n forma standard:

2 x1 + 5 x2 x3 + 3 x4 x5 = 10,

x1 + x2 2 x3 + 5 x4 + x6 = 25.
x1 , x2 , x3 , x4 , x5 , x6 0 .
n cadrul funciei obiectiv se consider c variabilele ecart au

coeficientul egal cu zero.
Definiie 3. Pentru o problem de programare liniar de maximizare

restriciile structurale de tip se numesc concordante. Pentru o
problem de programare liniar de maximizare restriciile de tip se
numesc neconcordante.
Definiie 4. O problem de programare liniar are form canonic dac

toate restriciile sale sunt concordante.
Metoda simplex este o metod de rezolvare a problemei de programare

liniar aranjat sub form standard.
56

Definiie 5. Soluiile sistemului AX = b care satisfac condiiile de
nenegativitate se numesc soluii admisibile.
Notm cu M mulimea tuturor soluiilor admisibile:
{
M = X R n / AX = b, X 0 . }
Definiie 6. O baz B = {ai1 , ai 2 , ..., air } a subspaiului V generat de coloanele
matricei A este numit baz admisibil dac exist o soluia admisibil
X = ( x1 , x2 , ..., xn ) M cu x j = 0, j ik (k = 1, 2, ..., r ) . n acest caz se spune c
X este soluia admisibil de baz corespunztoare bazei B;
xik , (k = 1, 2, ..., r ) se numesc componentele bazice ale soluiei.
Teorem Dac un sistem liniar de m ecuaii cu n necunoscute are cel puin

o soluie de baz atunci el va admite cel mult C nm soluii de baz.
Definiie 7. Baza admisibil B este numit degenerat dac cel puin o

component bazic a soluiei este zero. n caz contrar se numete
nedegenerat.
EXEMPLE:
1. n cazul general o soluie de baz corespunztoare bazei

B = {ai1 , ai 2 , ..., air } are formula X = (0, K xi1 , xi 2 , ..., xir ,..., 0) . Baza B este
degenerat dac mcar unul dintre locurile ai1 , ai 2 , ..., air este ocupat de
elementul zero.
Dac B = {ai1 , ai 2 , ..., air } este baz admisibil atunci b coloana
vectorilor liberi se scrie n mod unic ca o combinaie liniar de vectori din
baza B. Deci o baz admisibil determin soluia admisibil de baz n mod
unic.
2. S se determine toate soluiile admisibile de baz pentru sistemul ecuaii:
x1 + 2 x2 + x3 =4
unde xi 0 .
x1 x2 x3 + x4 = 2
Rezolvare:
x1 + 2 x2 + x3 =4
Scriem matricea ataat sistemului: .
x1 x2 x3 + x4 = 2
1 2 1 0 4
.
1 1 1 1 2
Pentru a determina soluiile admisibile de baz trebuie mai nti s

determinm o baz.
57

Variabilele corespunztoare bazei se vor numi variabile
(necunoscute) principale i celelalte variabile (necunoscute) secundare.
Pentru a determina soluia de baz necunoscutele secundare se vor

egala cu valoarea 0 i se determin imediat valorile pentru necunoscutele
principale.
Dac necunoscutele principale sunt diferite de zero atunci avem

soluie de baz nedegenerat. Dac mcar o valoare a necunoscutelor
principale este 0 atunci vom avea soluie de baz degenerat.
a) Construim o baz n matricea sistemului folosind regula

dreptunghiului aplicat la capitolul anterior:
x1 x2 x3 x4 b

(1) 2 1 0 4 .
1 1 1 1 2
1 2 1 0 4
.
0 3 2 (1) 2
Baza n acest caz este format de vectorii ( x1 , x4 ) acest lucru

conducnd la o form explicit n raport cu necunoscutele ( x1 , x4 ) .
Adic x1 = 4, x4 = 2 i x2 = 0, x3 = 0 soluie nedegenerat admisibil;
b) Construim o baz n matricea sistemului
1 2 (1) 0 4
.
1 1 1 1 2
1 2 1 0 4
.
2 1 0 (1) 6

Adic x3 = 4, x4 = 6 i x1 = 0, x2 = 0 soluie nedegenerat admisibil;
c) Construim o baz n matricea sistemului
1 2 1 0 4
.
(1) 1 1 1 2
0 (3) 2 1 2
.
1 1 1 1 2
58

2 1 2
0 1 3 3 3 .
1 2 4
1 0
3 3 3

2 4
Adic x1 = , x2 = i x3 = 0, x4 = 0 soluie nedegenerat admisibil;
3 3
d) Construim o baz n matricea sistemului
1 2 1 0 4
.
(1) 1 1 1 2
0 3 (2 ) 1 2
.
1 1 1 1 2
3 1
0 2
1
2
1
1 1 .
1 0 3
2 2

Adic x1 = 1, x3 = 3 i x2 = 0, x4 = 0 soluie nedegenerat admisibil.
n mod asemntor au mai rmas de aflat formele explicite n raport

cu necunoscutele: (x2 , x3 ) , ( x2 , x4 ) .
# Exerciii
S se determine toate soluiile admisibile de baz pentru sistemele:
x1 + 2 x2 + 3 x3 + 4 x4 = 4
1. .
2 x1 3 x2 6 x3 6 x4 = 5
2 x1 + x2 + 2 x3 + 3 x4 = 1
2. .
x1 + 2 x2 + x3 + x4 = 1
Definiie 8. O baz admisibil B i V soluia admisibil de baz

corespunztoare ei sunt numite optimale dac funcia obiectiv ia valoare
maxim n soluia admisibil gsit:
59

C T V = max C T X .
X M
n continuare presupunem c sistemul de condiii (10) are cel puin o

soluie, adic M . Vom prezenta un algoritm care conduce la o soluie
optim acceptnd c exist o soluie admisibil i c sunt indeplite
condiiile.
Teorema 1.
Dac sistemul de restricii (10) are o soluie (admisibil) atunci el are cel
puin o soluie admisibil de baz.
Observaie: A doua teorem ne va ajuta s trecem de la o baz admisibil la

alt baz admisibil
Teorema 2. (Criteriul de ieire din baz)
Fie B = {a1 , a 2 , ..., a m } o baz admisibil, X = ( x1 , x2 , ..., xm , 0, ..., 0) soluia

admisibil de baz corespunztoare i expresia:
m
a k = ik ai = 1k a1 + 2 k a 2 + L + rk a r , k = 1, 2, ..., n ,
i =1
expresiile coloanelor matricei A n baza B. Dac pentru un anumit k > m,

fixat, exist numere pozitive ik i
xi xi
= min .
ik ik >0 ik
Atunci B' = {a1 , a 2 , ..., ai 1 , ak , a1+1 ,..., am } este o baz admisibil.
Observaie: Vom da n continuare un criteriu care s ne asigure c funcia

obiectiv nu descrete cnd se trece de la o baz admisibil la o alt baz
admisibil folosind teorema 2.
Teorema 3. (Criteriul de intrare n baz)
n ipotezele i notaiile din teorema 2 se va schimba baza admisibil B cu

baza admisibil B. Dac
m
d k = ik ci ck < 0 ,
i =1
atunci
CT X ' CT X .
60

Teorema 4.(Criteriul de verificare a optimalitii soluiei)
Fie B = {a1 , a2 , ..., a m }o baz admisibil i

m
a k = ik ai , k = 1,2,..., n ,
i =1
expresiile coloanelor matricii A n baza B.
Dac pentru toi k avem:

m
d k = ik ci ck 0 ,
i =1
atunci baza B este optimal.
Observaie: valorile dk care corespund elementelor unei baze admisibile

sunt ntotdeauna egale cu zero.
Teorema 5.
Fie B = {a1 , a2 , ..., a m } o baz admisibil presupunem c pentru un anumit k

fixat, k > m, d k este negativ i ik 0 , i = 1, 2, ..., m. Atunci funcia
obiectiv nu este mrginit pe mulimea M a soluiilor admisibile.
Rezultatele teoremelor precedente arat c avem o metod care

conduce la soluia problemei de maximizare. Mai nti se rezolv sistemul
(10) i se gsete o soluie admisibil. Se trece apoi, prin teorema 1 de la o
soluie admisibil la o soluie admisibil de baz.
Se verific dac soluia obinut n acest mod este optim sau nu cu
ajutorul teoremei 4. Dac soluia este optim algoritmul se oprete.
Dac soluia nu este optim trebuie gsit o nou soluie pentru a fi
verificat optimalitatea ei. O alt soluie este determinat prin schimbarea
bazei admisibile.
Trecerea de la o baz admisibil la alta se face prin nlocuirea cte
unui vector coloan, ales cu ajutorul teoremei 3, din baza admisibil cu un
vector nou, ales cu ajutorul teoremei 2 din matricea A. Se ajunge la un ir
cresctor de valori ale funciei obiectiv.
La fiecare pas se verific teoremele 4 i 5, dac soluia este optimal
sau dac problema are sau nu optim finit.
3.5. Descrierea algoritmului simplex primal

nainte de a ncepe algoritmul simplex trebuie ca problema de
programare liniar s fie adus la forma standard:
61

n
max z = cj xj , (1)
j =1
a
j =1
ij x j = bi , i = 1, 2, K, m , (2)
x1 , x2 ,L, x n 0 , (3)
[ ]
A = aij mn
C = [c1 c2 L cn ]
T
z = CT X . (4)
Pas 1.
Se scrie matricea coeficienilor A pentru a observa existena matricei
unitate.
Presupunem c B = {a1 , a 2 , ..., a m } baz admisibil i
X 0 = [x10 , x20 , ..., xm 0 ,0, K, 0] este o soluie admisibil de baz.
CB - coeficienii funciei obiectiv corespunztori coloanelor ce
formeaz baza B;
CJ - coeficienii funciei obiectiv;
B - vectorii bazei admisibile B;
X0 - componentele bazice ale soluiei X0;
Coloanele ai - numerotarea coloanelor matricei A;
n ultima linie CTX0 valoarea funciei obiectiv i valorile calculate dk
dup formula:
m
d k = ik ci ck .
i =1
K K K K
CB CJ c1 c2 ci cm c m+1 cj cn
a1 a2 K K am K K
B X0 ai a m +1 aj an
K K K K
c1 a1 x10 1 0 0 0 1m+1 1 j 1n
K K K 2 j K
c2 a2 x20 0 1 0 0 2 m+1 2 n
M M
M M M M M M M M M M M M
K K K K
ci ai xi 0 0 0 1 0 im+1 ij in
M M
M M M M M M M M M M M M
cm am K K mm+1 K mj K mn
xm 0 0 0 0 1
C TX K K K K
0 0 0 0 d m+1 dj dn
0
62

Pas 2.
Dup completarea tabelului se testeaz optimalitatea soluiei cu
ajutorul teoremei 4. Dac toi d k 0 problema este rezolvat - s-a
determinat o soluie optim, se trece la Pas 4 i algoritmul se oprete.
Dac exist d k < 0 i toi termenii ce alctuiesc coloana k sunt
negativi ( ik < 0 ) atunci programul liniar are optim infinit (teorema 5) i
determinarea ei nu mai prezint interes, algoritmul se oprete.
Dac exist d k < 0 i exist ik > 0 soluia nu este optim, dar soluia
se poate mbunti i se trece la Pas 3. Se iniiaz prima iteraie a
algoritmului simplex primal.
Pas 3.
Vom cuta o alt soluie admisibil de baz. Pentru aceasta vom
schimba baza i acest lucru se face schimbnd un vector din baza existent
i introducem un vector nou n baz.
Vectorul ce intr n baz (teorema 3) se determin dup cantitatea dj
corespunztoare lui care trebuie s fie negativ minim.
d j = min{d k / d k < 0} .
Observaie: Alegerea lui dj cel mai negativ nu este obligatorie, ea are ca
efect micorarea numrului de iteraii necesare rezolvrii problemei de
programare liniar.
Vectorul ce iese din baz (teorema 2) corespunde indicelui pentru
care
xi 0 xi 0
= min .
ik ik >0 ik
Se reia pas 2.
La intersecia vectorului ce intr n baz cu vectorul ce iese din baz
se obine pivotul ce va fi obligatoriu pozitiv. n continuare se recalculeaz
elementele tabelului utiliznd regula dreptunghiului i vom construi un
tabel de acelai tip corespunztor noii baze. Dup completarea noului tabel
cu cantitile dk se testeaz optimalitatea noii soluii. Dac noua soluie este
optim algoritmul se oprete, dac nu se ncepe o nou iteraie.
Pas 4.
n cazul n care verificarea optimalitii d un rspuns afirmativ
ultimul tabel simplex conine soluia programului liniar: componentele din
coloana X0 sunt chiar componentele bazice ale soluiei optime (cele ce nu
apar au valoare egala cu zero), iar CTX0 reprezint valoarea optim a
funciei obiectiv.
Observaie.
1. Se poate formula un algoritm analog pentru minimizarea funciei
obiectiv, dar nu este necesar deoarece problema de minimizare se poate
rezolva pe baza aceluiai algoritm innd cont de egalitatea:
min z ( X ) = max [ z ( X )].
63

2. Pn n acest moment am rezolvat probleme de maximizare i
minimizare cu un anumit tip de restricie " " . Pentru o problem de
programare liniar ce are toate tipurile de restricii metoda de lucru nu se
schimb. Diferenele apar n momentul n care aducem problema liniar la o
form standard.
EXEMPLU:
S se rezolve folosind algoritmul simplex urmtoarea problem de

programare liniar:
max z = 5 x1 + 6 x2 ,
3x1 + 2 x2 120,

4 x1 + 6 x2 260,
x1 , x2 0 .
Rezolvare: Problema trebuie adus la forma standard. Avnd n vedere c

restriciile erau mai mic sau egal atunci trebuie s adunm un termen pentru
a face egalitate n prima ecuaie adunm x3 i n a doua x4. Aceste
necunoscute vor primi n funcia obiectiv coeficientul zero.
max z = 5 x1 + 6 x 2 + 0 x 3 + 0 x 4 ,
3x1 + 2 x2 + x3 = 120,

4 x1 + 6 x2 + x4 = 260,
Matricea acestui sistem este:
a1 a2 a3 a4 b

A= 3 2 1 0 120 .
4 6 0 1 260

Baza este format din vectorii B = {a 3 , a 4 } i soluia admisibil de

baz este X 0 = (0, 0, 120, 260) . Construim tabelul simplex:
CB CJ 5 6 0 0
B X0 a1 a2 a3 a4
0 a3 120 3 2 1 0
0 a4 260 4 (6) 0 1
0 -5 -6 0 0
Acest soluie X = (0, 0, 120, 260 ) nu este una optim deoarece n

ultima linie exist termeni negativi. Alegem pe "cel mai negativ" i coloana
corespunztoare acestui termen intr n baz conform criteriului de intrare
n baz. Vectorul a 2 intr n baz. Coloana a 2 devine coloana cheie.
64

Urmeaz s determinm ce vector iese din baz folosind criteriul de
ieire din baz.
Vectorul ce iese din baz corespunde indicelui pentru care

xi 0 xk 0
= min .
ij kj > 0 kj
120 260 130

n acest caz min , = min 60, = 43.3 Intr n baz
>0
2
kj 6 3
vectorul a 2 i iese din baz vectorul a 4 . La intersectia dintre cei doi vectori
gasim noul pivot pe care il transformm n valoarea 1 prin mparire la 6.
Facem modificrile n tabel
CB CJ 5 6 0 0
B X0 a1 a2 a3 a4
100 5 1
0 a3 0 1
3 3 3
130 4 1
6 a2 1 0
3 6 6
260 -1 0 0 1
Baza este format din vectorii B = {a 3 , a 2 } i soluia admisibil de
130 100
baz este X = 0, , , 0 .
3 3
Aceast soluie nu este soluia optim deoarece nu toti termenii d k
sunt pozitivi. Trecem la pasul urmtor. Cutm o nou soluie admisibil.
Vectorul ce intr n baz este a1 deoarece "cea mai negativ" valoare pentru
dk este -1.
100 130

n acest caz min 3 , 3 = min{20, 65} = 20 . Vectorul care iese din
5 4
kj > 0
3 6
baz este a 3 . La intersectia dintre cei doi vectori gasim noul pivot pe care l
transformm n valoarea 1 prin mparire la pivot. Facem modificrile n
tabel
CB CJ 5 6 0 0
B X0 a 1 a 2 a 3 a 4
3 1
5 a1 20 1 0
5 5
2 3
6 a2 30 0 1
5 10
3 1
280 0 0
5 5
Baza este format din vectorii B = {a1 , a 2 } i soluia admisibil de
baz este X = (20, 30, 0, 0) . n linia coeficenilor d k avem numai termeni
65

pozitivi. Concluzia este c am gsit soluia optim a problemei de
programare liniar. Valoarea maxim pentru funcia obiectiv este z = 280 i
se obine dac x1 = 20, x2 = 30 .
3.6. Metoda celor dou faze

Exist probleme de programare liniar n care n matricea A a
restriciilor nu conine o matrice unitate. Vom ncerca construirea unei
matrice unitate, utiliznd variabile artificiale.
Vom arta cum se poate determina, utiliznd algoritmul simplex
primal, o soluie admisibil de baz pentru programul liniar standard
max C T X = max (c1 x1 + c2 x2 + c3 x3 + L + cn xn ) , (5)
A X = b; X 0, (6)
folosind metoda celor dou faze.
Faza 1. Considerm programul liniar
min ( y1 + y 2 + y3 + L + y n ) , (7)
A X + I m Y = b; X 0, Y 0 , (8)
unde Y = [ y1 , y 2 , ..., y m ]T i variabilele y1 , y2 , ..., ym se numesc

variabile artificiale.
Teorem. Dac X0 este o soluie admisibil a programului (5) - (6)
~
atunci X 0 = [X 0 ,0, ..., 0] R n + m este soluie a programului (7) - (8).
Reciproc, orice soluie optim a programului (7) - (8) care are
componentele artificiale egale cu 0 conduce la soluia admisibil X0 a
programului iniial.
La sfritul fazei 1 vom avea una din urmtoarele 3 situaii:
n cazul 1. Valoarea optim este strict pozitiv;
Programul iniial nu are nici o soluie admisibil pentru c dac ar
~
exista X0 o soluie admisibil atunci X 0 = [X 0 ,0, ..., 0]T ar fi soluie
problemei asociate de unde min ( y1 + y 2 + y3 + L + y n ) = 0 contrar ipotezei.
n cazul 2. Valoarea optim este zero i nici o component artificial
nu este bazic;
Renunnd la componentele artificiale obinem o soluie admisibil
de baz a problemei (4) - (5) i continum cu faza 2.
n cazul 3. Valoarea optim este zero i cel puin o component

artificial este bazic.
Soluia de baz conine i componente artificiale, dar care vor fi
egalate cu zero. n acest caz obinem o soluie de baz degenerat a
problemei iniiale.
n situaiile 2 i 3 se trece la realizarea fazei a doua.
66

Faza 2.
Se trece la rezolvarea problemei de optimizare iniial, lund ca
soluie de baz de plecare soluia determinat la sfritul primei faze i
folosim algoritmul simplex.
Dac suntem n situaia 2 primul tabel al fazei a doua se obine din

ultimul tabel al fazei nti, renunnd la coloanele corespunztoare
variabilelor artificiale.
Dac suntem n situaia 3 primul tabel al fazei a doua se obine din
ultimul tabel al primei faze, renunnd la coloanele tabelului
corespunztoare variabilelor artificiale nebazice.
Funcia obiectiv devine:
C T X = c1 x1 + c2 x2 + c3 x3 + L + cn xn + 0 y1 + 0 y 2 + 0 y3 + L + 0 y m .
i se continu rezolvarea problemei de programare liniar folosind

algoritmul simplex.
EXEMPLU:
S se rezolve programul liniar
max z = x1 2 x2 x4 + 5 x5 ,
6 x1 2 x2 + x3 x4 + 2 x5 = 4,

1
2 x1 x2 x3 + x4 = 3,
3
1
3 x x 2 + 2 x3 + 4 x 4 + x5 = 2,
x1 , x2 , x3 x4 , x5 0 .
Sistemul este adus la forma standard i scriem matricea coeficienilor

pentru a cerceta existena matricei unitate.
6 2 1 1 2
1
A = 2 1 1 0 .
3
3 1 2 4 1
Observm c nu apare explicit o matrice unitate. Vom aplica metoda
celor dou faze.
Faza 1. Considerm programul liniar

min ( y1 + y2 + y3 ) = max( y1 y2 y3 ) ,
6 x1 2 x2 + x3 x4 + 2 x5 + y1 = 4,

1
2 x1 x2 x3 + x4 + y 2 = 3,
3
3 x1 x2 + 2 x3 + 4 x4 + x5 + y3 = 2,
x1 , x 2 , x3 , x 4 , x5 , y1 , y 2 , y 3 0 .
67

Matricea coeficienilor este n acest caz:
a1 a 2 a3 a 4 a5 a6 a7 a8

~ 6 2 1 1 2 1 0 0
A= 1 ,
2 1 1 0 0 1 0
3
3 1 2 4 1 0 0 1

~
unde baza este format din B = {a6 , a7 , a8 } i X 0 = [0, 0, 0, 0, 0, 4, 3, 2]T
soluie admisibil de baz.
CB CJ 0 0 0 0 0 -1 -1 -1
B X0 a1 a2 a3 a4 a5 a6 a7 a8
-1 a6 4 6 -2 1 -1 2 1 0 0
1
-1 a7 3 2 -1 1 0 0 1 0
3
-1 a8 2 (3) -1 2 4 1 0 0 1
10
-9 -11 -2 -4 -3 0 0 0
3
-1 a6 0 0 0 -3 -9 0 1 0 -2
5 1 7 5 2 2
-1 a7 0 ( ) 0 1
3 3 3 3 3 3
2 1 2 4 1 1
0 a1 1 0 0
3 3 3 3 3 3
5 1 16 32 2 11
0 0 0
3 3 3 3 3 3
-1 a6 0 0 0 -3 -9 0 1 0 -2
0 a2 5 0 1 -7 -5 -2 0 3 -2
7 5 1 1 1
0 a1 1 0 0 1
3 3 3 3 3
0 0 0 3 9 0 0 1 3
T
~ 7
S-a obinut soluia optim X 0 = , 5, 0, 0, 0, 0, 0, 0 a programului
3
ajuttor. Ne aflm n cazul 3 adic o component artificial este n baz.
Trecem la faza 2.
T
7
Alegem soluia X 0 = , 5, 0, 0, 0 a programului de iniiere faza 2.
3
Ultimul tabel de la programul ajuttor este primul tabel de la faza 2.
CB CJ -1 -2 0 -1 5 0
B X0 a1 a 2 a3 a4 a5 a6
0 a6 0 0 0 -3 -9 0 1
-2 a2 5 0 1 -7 -5 -2 0
7 5 1 1
-1 a1 1 0 0
3 3 3 3
37 47 34 2
0 0 0
3 3 3 3
68

Programul nu are optim finit deoarece variabila d5 este negativ i
toate componentele coloanei corespunztoare ei din tabel sunt negative sau
1
zero. Pe coloana a5 termenul d5=-2/3 < 0 i 15 = 0; 25 = 2; 35 = de unde
3
rezulta ca problema de programare liniar are optim infinit iar iteraiile se
opresc.
# Exerciii
1. S se rezolve PPL folosind algoritmul simplex:
max z = 5 x1 3 x2 + 2 x3 ,
max z = 6 x1 + 8 x2 + 10 x3 ,
6 x1 + 2 x2 + 2 x3 240,
x 3x2 1200,
a) 1 b) 2 x1 2 x2 + 4 x3 40,
2 x1 + 3 x2 + 4 x3 2600, 2 x + 2 x 2 x 80,
1 2 3
x1 , x2 , x3 0.
x1 , x2 , x3 0.
max z = 4 x1 + 3 x2 + 2 x3 + x 4
3 x2 + 2 x3 + 2 x4 30, max z = 2 x1 + x2 + 2 x3
x + 2 x + 2 x + 4 x 24,
x1 + 2 x2 + x3 2,
c) 1 2 3 4
d)
1x + x 2 + 3 x 4 6, 2 x1 x2 + 2 x3 + x4 4,
x1 + 3 x2 + x3 + 4 x4 18, x1 , x2 , x3 , x4 0.
x1 , x2 , x3 , x4 0.
2. S se rezolve P.P.L. folosind metoda celor doua faze.
max z = x1 2 x2 x4 + 5 x5
6 x1 2 x2 + x3 x4 + 2 x5 = 4,

1
2 x1 x2 x3 + x4 = 3,
3
3 x1 x2 + 2 x3 + 4 x4 + x5 = 2,
x1 , x2 , x3 x4 , x5 0 .
69

Unitate de nvare IV
Elemente de teoria probabilitilor
i statistic matematic
Cuprins U.I. IV
4.1. Noiuni fundamentale
4.2. Operaii cu evenimente
4.3. Noiunea de probabilitate
4.4. Scheme probabilistice clasice
4.5. Variabile aleatoare
4.6. Repartiii clasice
4.7. Organizarea i descrierea datelor
4.8. Gruparea datelor
4.9. Caracteristici numerice ale variabilelor aleatoare
4.10. Reprezentarea grafic a datelor statistice
4.11. Ajustare liniar
4.12. Ajustare parabolic
4.13. Intervale de ncredere
-----------------------------------------------------------------------------
Obiective:
1.Sidentificediferitetipurideevenimente;
2.Sdefineascprobabilitateaunuievenimentfolosindcele3definiii:clasic,
statistic,axiomatic;
3.Sutilizezenproblemeschemeleprobabilisticeclasiceiformuleledecalcul
aleprobabilitilor;
4.Scalculezevaloriletipicealevariabileloraleatoare;
5.Sidentificeisutilizezerepartiiileclasice:discreteicontinue;
6.Sgrupezecorectisdescriedatelestatistice;
7.Sreprezintegraficdatelestatistice;
8.Sajustezeliniariparabolicdatestatistice.
------------------------------------------------------------------------------------------
70

Multe fenomene din viaa real sunt caracterizate de incertitudine
sau de evoluie ntmpltoare. Teoria probabilitilor este un instrument
matematic care permit modelarea unor astfel de situaii.
4.1. Evenimente
Teoria probabilitilor se ocup cu studiul modelelor matematice ce

descriu experiene aleatoare. Exemple: controlul tehnic al calitii
produselor alimentare, jocuri de noroc, asigurri, prognoza vremii etc.
Pentru a construi un model matematic se pleac de la un experiment.
Definie 1. Prin experiment se nelege o aciune al crui rezultat este

supus ntmplrii, nu poate fi anticipat cu exactitate dar mulimea
rezultatelor posibile este cunoscut.
EXEMPLE: aruncarea unui zar, aruncarea unei monede, extragerea unei bile
dintr-o urn ce conine bile de mai multe culori, observarea duratei de via
a unei maini, cercetarea duratei de via a unui individ dintr-o populaie
uman sau biologic i altele.
Definiie 2. Aplicarea experimentului asupra unei populaii date se numete

prob iar rezultatul ei se numete eveniment elementar.
Definiie 3. Evenimentul reprezint orice rezultat al unei experiment.
EXEMPLU: Se consider aruncarea unui zar. Experimentul const n

aciunea de aruncare a unui zar care poate fi repetat n condiii similare.
Proba const n rezultatul obinut. Evenimentele sunt asociate feelor 1, 2, 3,
4, 5, 6.
Definiie 4. Se numete spaiu de selecie (spaiul de evenimente ) al

unui experiment aleator mulimea tuturor evenimentelor elementare
(mulimea tuturor rezultatelor posibile ale experimentului).
EXEMPLU: a) Spaiul de selecie la aruncarea unui zar este format din
= {1, 2, 3, 4, 5, 6} .
b). La verificarea unui fruct spaiul de selecie este alctuit din
= {bun, stricat }.
Definiie 5. Definim un eveniment ca fiind o submulime a mulimii de

evenimente elementare
Notaie: P( ) este mulimea format din toate submulimile mulimii .
Definiie 6. Se numete eveniment sigur, evenimentul care se realizeaz

ntotdeauna ca rezultat al efecturii unui experiment.
Definiie 7. Se numete eveniment imposibil evenimentul care nu se poate

realiza niciodat.
Notaii: evenimentul sigur i - evenimentul imposibil.
71

EXEMPLE: Se arunc un zar, spaiul de selecie este = {1, 2, 3, 4, 5, 6} .

Evenimentul A s apar o fa cu numr par: A = {2, 4, 6}, evenimentul B s
apar o fa cu numr impar B = {1, 3, 5} sau evenimentul C s apar o fa
cu un numr mai mare sau egal cu 4: C = {4, 5, 6} . Evenimentul imposibil
este s apar o fa cu numarul 7. Evenimentul sigur este s apar o fa cu
unul dintre numerele {1, 2, 3, 4, 5, 6} .
Definiie 8. Fie evenimentul A. Se numete evenimentul contrar lui A

evenimentul care se realizeaz ori de cte ori nu se realizeaz A. Notaie A
sau cA .
Definiie 9. Se spune c evenimentul A implic evenimentul B dac B se

realizeaz ori de cte ori se realizeaz A. Notaie A B .
Definiie 10. Se spune c evenimentul A este echivalent cu evenimentul

B dac A implic B i B implic A. Adic A B i B A A = B.
4.2. Operaii cu evenimente

Definiie 11. Fie date dou evenimente A i B. Se numete reuniunea lui A
cu B evenimentul care se realizeaz atunci cnd are loc cel puin unul dintre
cele dou evenimente. Notaie: A U B .
Proprieti: Reuniunea evenimentelor are urmtoarele proprieti:

1. A U B = B U A comutativitate;
2. ( A U B ) U C = A U (B U C ) asociativitate;
3. A A U B i B A U B legile absorbiei;
4. A U A = A ;
5. A U = ;
6. A U = A .
Definiie 12. Fie date dou evenimente A i B. Se numete intersecia lui A

cu B evenimentul care se realizeaz atunci cnd au loc simultan cele dou
evenimente.
Notaie: A I B .
Proprieti: Intersecia evenimentelor are urmtoarele proprieti:

1. A I B = B I A comutativitate;
2. ( A I B ) I C = A I (B I C ) asociativiitate;
3. A I (B U C ) = ( A I B ) U ( A I C ) distributivitatea interseciei fa de
reuniune;
4. A U (B I C ) = ( A U B ) I ( A U C ) distributivitatea reuniunii fa de
interseciei;
5. A B A I B = A ;
A I A = A, A I = A, A I = ;
72

6. A I B A, A I B B .
Definiie 13. Dou evenimente A i B se numesc compatibile dac ele se

pot realiza simultan, adic exist probe comune care realizeaz att pe A ct
i pe B. Dac evenimentele nu se pot realiza simultan se numesc
incompatibile.
A I B - compatibile;
A I B = - incompatibile.
Definiie 14. Fie date dou evenimente A i B se numete diferena dintre A

i B evenimentul care se realizeaz atunci cnd se realizeaz A, dar nu se
produce B.
Notaie: A \ B .
Proprieti:
1. = , = , (A ) = A ;
2. A U A = ,
3. A I A = ,
2. A B B A ;
3. Legile lui De Morgan
a). A U B = A I B ; b). A I B = A U B .
Definiie 15. Fie date dou evenimente A i B se numete diferena

simetric dintre A i B evenimentul notat A B = ( A \ B ) U (B \ A) .
Definiie 16. Spunem c este un spaiu de evenimente dac
a) A atunci A ;
b) A i B atunci A U B i A I B .
Proprietate: Un spaiu de evenimente are urmtoarele proprieti:

1. ;
2. Dac A , B i A B atunci B A ;
3. Dac Ai , i N atunci:

U A
i =1
i i I A .
i =1
i
Definiie 17. Fie spaiul de evenimente , o mulime de evenimente

Ai , i N formeaz un sistem complet de evenimente dac sunt
ndeplinite urmtoarele condiii:
n
(i). UA i = reuniunea tuturor evenimentelor d evenimentul sigur;
i =1
(ii). Ai I A j = , i j , i, j = 1, 2,..., n - evenimentele sunt incompatibile

dou cte dou.
73

4.3. Probabiliti
Fiind dat un spaiu de evenimente se pune problema de a

caracteriza printr-un numr cuprins ntre 0 i 1 ansa de apariie a fiecrui
eveniment. Se poate spune c probabilitatea de apariie a fiecrui eveniment
este o expresie cuantificat a previziunii de a se produce acel eveniment.
Definiia statistic a probabilitii
Fie A un eveniment asociat unui experiment E. Presupunem c

experimentul E a fost repetat de n ori i c evenimentul A s-a realizat de n A
ori. Numrul n A se numete frecvena absolut de apariie a evenimentului
A. Numrul
nA
f n ( A) =
n
se numete frecvena relativ a evenimentului A n seria de repetri a
experimentului.
Observaie: S-a constatat c dac numrul de repetri a

experimentului crete, numrul de apariii a evenimentului A se grupeaz n
jurul valorii f n ( A) care d probabilitatea de producere a evenimentului A.
EXEMPLU:
Se arunc o moned de 200 de ori i se urmrete evenimentul

apariiei feei cu stem. Presupunem c evenimentul a aprut de 75 de ori.
75 15 3
Numrul f 200 ( A) = = = reprezint frecvena relativ a
200 40 8
evenimentului A.
Definiie 18. Se numete probabilitatea evenimentului A numrul

P( A) = f n ( A) care indic aproximativ frecvena relativ de apariie a
evenimentului A ntr-o serie de n repetiii ale experimentului.
Definiia clasic a probabilitii
Aceast definiie a probabilitii este util pentru c este intuitiv i

poate fi aplicat ntr-o clas destul de larg de evenimente.
Definiie 19. Se numete probabilitatea evenimentului A, numrul P(A)

care se calculeaz ca raportul ntre numrul de cazuri favorabile producerii
evenimentului i numrul de cazuri posibile a aprea n urma efecturii
experimentului.
n nr. de cazuri favorabile
P ( A) = =
N nr. de cazuri posibile
74

EXEMPLU: Fie o urn U ce conine 10 bile roii i 20 bile albastre. Din urn
se extrage o bil. Care este probabilitatea s obinem o bil albastr?
Notm cu A evenimentul s obinem o bil albastr din extragere.
Numrul de cazuri favorabile evenimentului A este n = 20; numrul de
cazuri posibile N = 30.
Probabilitatea s obinem o bil albastr se calculeaz:
n 20 2
P ( A) = = = = 0.66 66%
N 30 3
Definiia axiomatic a probabilitii
Funcia de probabilitate cuantific ansa de realizare a fiecrui

eveniment dintr-un experiment efectuat. n anul 1931 Kolmogorov10 a pus
bazele axiomatice ale teoriei probabilitilor.
Definiie 20. Se numete probabilitate pe spaiul de evenimente o

funcie P : P( ) [0, 1] ce asociaz fiecrui eveniment A P( ) un numr
real P(A) cu proprietile:
1. P( ) = 1 ;
2. Oricare A, B P( ) , A I B = are loc P( A U B ) = P( A) + P(B ) ;
2. n cazul n care spaiul de evenimente este infinit
P( A1 U A2 U L U An U K) = P( A1 ) + P( A2 ) + L + P( An ) + K , oricare
A1 , A2 ,L, An evenimente incompatibile.
Observaie;
1). Din prima relaie probabilitatea evenimentului sigur este egal cu
1;
2). Din a doua relaie probabilitatea reuniunii a mai multor
evenimente incompatibile este egal cu suma probabilitailor acelor
evenimente.
Proprieti: Dac P este o probabilitate P : P ( ) [0, 1] atunci are loc

1). P( ) = 0 ;
2). P(A ) = 1 P( A) (regul de complementaritate);
3). P(B \ A) = P(B ) P( A I B ), A, B P( ) ;
4). P(B \ A) = P(B ) P( A), A B ;
5). P( A) P(B ) dac A B, A, B P( ) regul de monotonie
6). P( A U B ) = P( A) + P(B ) P( A I B ), A, B P( ) regul de adunare
pentru evenimente oarecare;
n n
P Ai =
7). i =1 U P( A ) P(A I A ) + L + ( 1)
i =1
i
i< j
i j
n +1
P( A1 I A2 I L I An ),
.
Ai P( ), i = 1, L, n
10
AndreiNikolaeviciKolmogorov(19031987)matematicianrus.
75

Probabiliti condiionate
Exist multe probleme n care evenimentul A urmrit este

condiionat de realizarea unui alt eveniment B. Datorit acestui fapt
probabilitatea evenimentului A se va calcula n ipoteza c evenimentul B s-
a realizat. Aceast probabilitate se numete probabilitatea lui A condiionat
de evenimentul B i se noteaz PB ( A) .
Definiie 21. Fie spaiul cu n evenimente elementare i evenimentele

A I B i B cu m, respective p evenimente elementare. n ipoteza c
evenimentul B are loc se numete probabilitatea evenimentului A
condiionat de evenimentul B expresia:
P( A I B )
PB ( A) = .
P (B )
Observaie: Formula a fost propus de Moivre11 (1718). Se poate defini

analog
P( A I B )
PA (B ) = .
P ( A)
Vom obinem din cele dou relaii formula care leag probabilitile
condiionate reciproc de dou evenimente:
P( A I B ) = P(B ) PB ( A)
i
P( A I B ) = P( A) PA (B ) .
Adic:
P( A) PA (B ) = P(B ) PB ( A) .
EXEMPLU: Analizm defectele unor mere dintr-un lot cules de studeni. A

este evenimentul ca un mr este mic, B este evenimentul ca mrul analizat
este stricat. Probabilitatea ca un mr ales s fie mic este P( A) = 0,2 i
probabilitatea ca un mr ales care este mic s fie i stricat este PA (B ) =0,3.
Care este probabilitatea ca mrul ales s fie i mic i stricat.
P( A I B ) = P( A) PA (B ) = 0,2 0,3 = 0,06 .
Evenimente independente
Definiie 22. Se spune c A i B sunt evenimente independente dac

P ( A I B ) = P ( A) P (B ) .
11
AbrahamdeMoivre(16671754)matematicianfrancez.
76

Dac A I B atunci PA (B ) = P(B ) (ansa de realizare a lui B nu este
influenat de ansa de realizare a lui A) i PB ( A) = P( A) (ansa de realizare
a lui A nu este influenat de ansa de realizare a lui B).
Definiie 23. Se spune c evenimentele A1, A2, An sunt independente dac

probabilitatea interseciei oricrora dintre ele este egal cu produsul
probabilitilor evenimentelor respective.
P( Ai1 I Ai 2 I L I Aim ) = P( Ai1 ) P( Ai 2 ) L P( Aim ) .
Formule pentru calcularea unor probabiliti
Definiie 24. Fie spaiu de evenimente i A1, A2, An un sistem complet

de evenimente, P( Ai ) 0 . Atunci probabilitatea oricrui eveniment A din
se determin cu formula:
n
P( A) = P( Ai ) PAi ( A)
i =1
Adic P( A) = P( A1 ) PA ( A) + P( A2 ) PA ( A) + L + P( An ) PA ( A) se numete
1 2 n
fomula probabilitii totale.
Definiie 25. Fie A1, A2, An un sistem complet de evenimente, P( Ai ) 0 i

B un eveniment oarecare. Presupunem c evenimentul B s-a realizat n
acest caz care este probabilitatea ca realizarea lui s se datoreze cauzei Ai:
Formula lui Bayes12:
P( Ai ) PAi (B )
PB ( Ai ) = n
.
P( Ai ) PAi (B )
i =1
Definiie 26. Fie A1, A2, An un sistem de evenimente care nu sunt

independente. Are loc inegalitatea
P( A1 I A2 I L I An ) 1 P (Ai ) .
n
i =1
sau
n
P( A1 I A2 I L I An ) P( Ai ) n + 1 (Inegalitatea lui
i =1
Boole13).
12
ThomasBayes(17011761)matematicianenglez,afostpreotpresbiterian.
13
George Boole (1815 1864) matematician, logician i filozof englez, creatorul logicii
matematiciimoderneiaalgebrelorbooleene.
77

EXEMPLU:
Doi sportivi arunc aceeai greutate i doresc s depeasc distana de 10

metri. Probabilitatea ca primul s depeasc distana este 1/3, iar
probabilitatea ca al doilea s depeasc distana este 3/5. Cei doi sportivi
au cte o ncercare. S se calculeze probabilitatea ca limita s fie depit
de:
1. cel puin unul din sportivi;
2. ambii sportivi;
3. primul sportiv.
Care este probabilitatea ca nici un sportiv s nu depeasc distana
propus?
Rezolvare:
Vom considera evenimentele urmtoare:
A - evenimentul ca primul sportiv s depeasc distana;
B - evenimentul ca al doilea sportiv s depeasc distana;
P( A) = , P (A ) = , P(B ) = , P (B ) = .
1 2 3 2
3 3 5 5
1 3 1 3 1 2 11
1. P( A B ) = P( A) + P(B ) P( A) P(B ) = + = + = .
3 5 3 5 3 5 15
1 3 1
2. P( A B ) = P( A) P(B ) = = .
3 5 5
3. P( A B ) = P( A) P(B ) = = .
1 2 2
3 5 15
P (A B ) = P (A ) P (B ) = = .
2 2 4
3 5 15
# Exerciii
1. Un elev face parte dintr-o clas de 25 elevi. El este elev n clasa I
unde sunt 82 elevi. coala are n total 567 elevi. Elevul se ntlnete n
curtea colii cu un coleg. Care este probabilitatea a) s fie coleg de clas, b)
s fie tot n clasa I.
2. O urn conine bile de trei culori. 3 albe, 4 negre i 5 albastre. Din
urn se extrage o bil. Care este probabilitatea ca bila s fie albastr? Dar s
fie neagr?
3. Doi arcai trag n aceeai int. Probabilitatea ca primul s
loveasc inta este 1/4, iar probabilitatea ca al doilea s loveasc inta este
1/2. Cei doi sportivi au cte o ncercare. S se calculeze probabilitatea ca
inta s fie lovit de:
1. cel puin unul dintre arcai;
2. ambii arcai;
3. numai primul arca.
Care este probabilitatea ca nici un arca s nu ating inta?
78

4.4. Scheme probabilistice clasice:
Extragerea dintr-o populaie este un procedeu de a alege la

ntmplare un element i se poate face n mod repetat.
Exist dou moduri prin care se poate face extragerea respectiv i
anume:
cu revenire - elementul extras este repus n populaie nainte de urmtoarea
extragere i fr revenire - elementul extras este eliminat din mulime dup
extragere.
SCHEMA POISSON14
Se consider un experiment E care const n efectuarea a n

experimente independente E1, E2, En.
Fie A1, A2, An evenimente asociate experimentelor E1, E2, En ,
avnd probabiliti de realizare:
P ( A1 ) = p1 , P( A2 ) = p 2 , K , P ( An ) = p n ,
P ( A1 ) = 1 p1 = q1 , P( A2 ) = 1 p 2 = q 2 , K , P( An ) = 1 p n = q n .
S se determine probabilitatea ca la o efectuare a experimentului E

s se realizeze evenimentul A care const n realizarea exact a k ( 0 k n )
din evenimentele A1, A2, An .
Probabilitatea cutat este:
P ( A) = coeficientul lui x k din dezvoltarea ( p1 x + q1 ) ( p2 x + q2 ) L ( pn x + qn ) .
EXEMPLU:
Se dau 3 urne U1 ce conine 2 bile albe si 3 bile negre, U2 ce conine

4 bile albe si 1 bil neagr, U3 ce conine 3 bile albe si 2 bile negre. Din
fiecare urn se extrage cte o bil.
Care este probabilitatea ca 2 bile s fie albe i una neagr?
Rezolvare:
Evenimentul A1 - bila extras din prima urn s fie alb,
Evenimentul A2 - bila extras din a doua urn s fie alb,
Evenimentul A3 - bila extras din a treia urn s fie alb,
n = 3, k = 2,
Conform definiiei probabilitatea cutat este coeficientul lui x2 din
polinomul ( p1 x + q1 ) ( p2 x + q2 ) ( p3 x + q3 ) ,
14
SimeonDenisPoisson(17811840)matematician,fizician,astronomfrancez;nmemoriasa
numeleiafostscrispeTurnulEiffel.
79

2 2 3
p1 = P ( A1 ) = , q1 = 1 = ,
5 5 5
4 4 1
p 2 = P ( A2 ) = , q 2 = 1 = ,
5 5 5
3 3 2
p3 = P ( A3 ) = , q3 = 1 = ,
5 5 5
de unde rezult c
( p1 x + q1 ) ( p2 x + q2 ) ( p3 x + q3 ) = 2 x + 3 4 x + 1 3 x + 2 =
5 5 5 5 5 5
=
1
125
(
(2 x + 3) (4 x + 1) (3x + 2) = 1 24 x 3 + 58 x 2 + 37 x + 6 .
125
)
58
Deci P ( A) = = 0.464 . Probabilitatea ca 2 bile s fie albe i una
125
neagr este de 46,4%.
SCHEMA BINOMIAL
Aceast schem este un caz particular al schemei Poisson.

Se consider un experiment E care const n efectuarea a n
experimente independente E1, E2, En.
Fie A1, A2, An evenimente asociate experimentelor E1, E2, En,
avnd probabiliti de realizare:
P ( A1 ) = p1 = P ( A2 ) = p 2 = K = P ( An ) = p n = p .
P( A1 ) = 1 p1 = q1 = P( A2 ) = 1 p2 = q2 = K = P( An ) = 1 pn = qn = q .
S se determine probabilitatea ca la o efectuare a experimentului E

s se realizeze evenimentul A care const n realizarea exact a k ( 0 k n )
din evenimentele A1, A2, An .
Probabilitatea cutat este:
P ( A) = coeficientul lui x k din dezvoltarea ( p x + q ) ( px + q ) L ( px + q ) = ( px + q )
n
Adic:
P( A) = C nk p k q n k .
Observaie: Echivalent cu extragerea dintr-o urn a unei bile cu repunere

este aruncarea repetat unui zar sau aruncarea repetat a unei monede
deoarece la toate aruncrile se produc n aceleai condiii.
EXEMPLU:
Se consider o urn care conine 15 bile albe i 10 bile negre. Din
aceast urn se fac 5 extrageri punndu-se de fiecare dat bila extras
napoi.
Care este probabilitatea ca din 5 extrageri s obinem 2 bile albe?
80

Rezolvare:
Evenimentul A evenimentul ca din 5 extrageri s obinem 2 bile
albe,
P( A) = Cnk p k q n k .
Scriem n = 5, k = 2,
bile albe a = 15, bile negre b = 10,
a 15 3 b 10 2
p= = = , q= = = .
a + b 25 5 a + b 25 5
Deci:
2 3
3 2 5! 9 8 144
P ( A) = C52 = = = 0.2304 .
5 5 2!(5 2 )! 25 25 625
Probabilitatea ca din 5 extrageri s obinem 2 bile albe este de 23,04%.
SCHEMA HIPERGEOMETRIC
Se consider o urn U care conine a bile albe i b bile negre. Din

aceast urn se fac n extrageri fr a pune bila extras napoi n urn.
S se determine probabilitatea evenimentului A care const n
extragerea a k ( 0 k n ) bile albe.
Cak Cbn k
P( A) = .
Can+ b
EXEMPLU:
Se consider o urn care conine 5 bile albe si 5 bile negre. Din

aceast urn se extrag 3 bile fr a le pune napoi.
a). Care este probabilitatea extrageri a 3 bile albe?
b). Dar probabilitatea obinerii a 2 bile albe i o bil neagr?
Rezolvare:
a) Evenimentul E1 evenimentul ca din 3 extrageri s obinem 3 bile albe,
Cak Cbn k
P ( A) =
Can+ b
a = 5, b = 5, a + b = 10,
n = 3, k = 3,
Cak Cbn k C53 C50 1
P ( E1 ) = = = = 0,083.
Can+ b C103 12
Probabilitatea extrageri a 3 bile albe este de 8%.
b) Evenimentul E2 evenimentul ca din 3 extrageri s obinem 2 bile albe si
o bil neagr,
C ak Cbn k
P ( A) =
C an+b
a = 5, b = 5, a + b = 10
81

n = 3, k = 2,
Cak Cbn k C53 C51 5
P ( E2 ) = = = = 0,416.
Can+ b C103 12
Probabilitatea obinerii a 2 bile albe i o bil neagr este 41,6%.
SCHEMA HIPERGEOMETRIC GENERALIZAT
O urn U conine mi bile de culori ci, i=1, 2, ...p. Din aceast urn se
extrag fr repunere n bile.
Probabilitatea ca dintre cele n bile extrase ki s fie de culoarea ci este
dat de formula:
C mk11 C mk 22 L C mp
kp
P k 1....kp
m1... mp ( A) =
C mk11++km22++LLkp+ mp
unde k1+k2+ ... +kp = n.
EXEMPLU:
Se consider o urn care conine 3 bile roii, 2 bile albastre, 4 bile

verzi i 2 bile albe. Din aceast urn se extrag 3 bile fr repunere. Care
este probabilitatea ca s obinem o bil roie i dou verzi.
Rezolvare:
Evenimentul A evenimentul ca din 3 extrageri s obinem o bil roie i
dou verzi.
C31 C 20 C 42 C 20 C31 C 42 6
P31204220 ( A) = 1+ 0+ 2 + 0
= 3
= = 0.109 .
C 3+ 2 + 4 + 2 C11 55
Tehnicile de numrare (permutri, aranjamente i combinri) se
vor aminti la seminar, dar ele trebuie pregtite individual de fiecare student
deoarece au fost n progama analitic a clasei a X-a.
Amintim urmtoarele formule importante:
n! Ak n!
Pn = 1 2 3 K n = n !, Ank = , C nk = n = , nk.
(n k )! k ! k !(n k )!
# Exerciii
1. Se arunc o moned de 15 ori. Se cere probabilitatea de a obine
de 3 ori stema. (Indicaie: se folosete schema binomial)
2. ntr-o fabric sunt 3 strunguri. Primul d 1,3% rebuturi, al doilea
0,8% i al treilea 1%. Dac lum la ntmplare o pies de la fiecare strung
care este probabilitatea ca dou din piesele alese s fie bune i una s fie
rebut? (Indicaie: schema Poisson)
3. O urn conine 40 bile numerotate cu 1, 2, 3, 40. Se extrag
simultan 12 bile. Care este probabilitatea s obinem 5 dintre numele 5, 13,
18, 24, 29, 30? (Indicaie: schema bilei nentoarse).
82

4.5. Variabile aleatoare
Fie mulimea a Ai evenimente elementare ale unei experiene
(fiecare eveniment Ai se realizeaz printr-o prob i numai una i = 1, 2, ...
n). Fiecrui eveniment elementar Ai i se ataeaz un numr real xi , deci
experienei i se ataeaz o mulime de numere reale, fiecare numr avnd o
anumit probabilitate pi i anume probabilitatea evenimentului elementar
cruia i corespunde.
Definiie 26. Corespondena dintre mulimea evenimentelor elementare ale

unei experiene i o mulime de numere reale se numete variabil
aleatoare.
Notaie: X : R
Definiie 27. Numim variabil aleatoare discret variabila aleatoare

pentru care mulmea valorilor este un numr finit (experiment n care
"numrm": Numrul fructelor stricate dintr-un lot; numrul studenilor ce
au trecut un examen).
Definiie 28. Numim variabil aleatoare continu variabila aleatoare

pentru care mulmea valorilor este un interval finit sau infinit (experiment
n care "msurm": timpul de ateptare a unui student s intre la un examen
etc).
Fie X o variabil aleatoare i avem valorile x1 , x2 , L , xn ce apar cu
probabilitatea pi , i=1, 2, .., n. Spunem c pi este probabilitatea cu care
variabila aleatoare X ia valoarea xi .
Notaie: p1 = P( X = x1 ); p2 = P( X = x2 ); L, p n = P( X = xn ); .
Schematic variabila aleatoare X se noteaz astfel:
x K xn x
X : 1 sau X : i , i = 1, n .
p1 K p n pi
Observaii
1. Valorile xi se scriu n ordine cresctoare;
2. Scrierea de mai sus poart denumirea de distribuia sau repartiia
variabilei aleatoare X.
Putem s notm variabila aleatoare i n forma: X ( xi , pi ) .
3. Suma tuturor probabilitilor corespunztoare X este egal cu 1.

n n
pi = P( X = xi ) = P( X {x1 , x2 , L, xn }) = P( ) = 1 .
i =1 i =1
EXEMPLU 1:
Considerm urmtorul experiment: se arunc un zar. S se gseasc
variabila aleatoare X ce apare n urma rezultatelor posibile.
83

1 2 3 4 5 6
X : 1 1 1 1 1 1.

6 6 6 6 6 6
n
Se verific uor c p
i =1
i = 1 adic
1 1 1 1 1 1
p1 + p 2 + p3 + p 4 + p5 + p6 = + + + + + =1
6 6 6 6 6 6
EXEMPLU 2:
Un tratament mpotriva obezitii urmat timp de o sptmn,
conduce cu probabilitatea p = 0,75 la scderea cu un kilogram a greutii
corporale, ceea ce nseamn c tratamentul a avut succes. 4 pacieni
urmeaz acest tratament. Variabila aleatoare care d numrul pacienilor
pentru care tratamentul a avut succes este de tip binomial. S se scrie
tabloul de repartiie al lui X.
Pornim de la faptul c variabila aleatoare este de tip binomial. De
aici rezult c
75 3 3 1
p = 0,75 = = de unde q = 1 p = 1 = .
100 4 4 4
Variabila aleatoare notat X are urmtoarea form:
0 1 2 3 4
X :
p0 p1 p2 p3 p 4
unde P( X = k ) = C nk p k q nk .
Pentru a completa variabila aleatoare prezentm ce rezultate pot sa
apar la cei 4 pacieni:
Probabilitatea ca pentru nici un pacient tratamentul s nu aib
rezultate:
0 40
3 1 1
p0 = P( X = 0 ) = C p q
0
n
0 n 0
= C
0
4 = = 0.0039;
4 4 256
Probabilitatea ca numai pentru un singur pacient s aib rezultat:
1 3
3 1 3
p1 = P( X = 1) = C p q
1
n
1 n 1
= C =
1
4 = 0.0468;
4 4 64
Probabilitatea ca tratamentul s aib rezultat pentru 2 pacieni:
2 2
3 1 27
p2 = P( X = 2) = C n2 p 2 q n 2 = C 42 = = 0.2109;
4 4 128
Probabilitatea ca tratamentul s aib rezultat pentru 3 pacieni:
3 1
3 1 27
p3 = P( X = 3) = C n3 p 3 q n 3 = C 43 = = 0.42187;
4 4 64
Probabilitatea ca toi cei 4 pacieni s rspund pozitiv la tratament.
4 0
3 1 81
p4 = P( X = 4) = C p q
4
n
4 n4
= C =
4
4 = 0.3164.
4 4 256
84

De unde obinem variabila aleatoare cerut n problem:
0 1 2 3 4
X : 1 3 27 27 81 .

256 64 128 64 256
1 3 27 27 81
Verificare: + + + + = 1.
256 64 128 64 256
4.5.1. Operaii cu variabile aleatoare
n cele ce urmeaz vom presupune c variabilele aleatoare X i Y au

urmtoarele tablouri de distribuie:
x L xi L x n y1 L yi L ym
X : 1 i Y : .
p1 L pi L p n q1 L q j L q m
a) Adunarea variabilelor aleatoare

Variabila aleatoare X + Y are tabloul de distribuie
x1 + y1 x1 + y 2 K xi + y j K xn + y m
X + Y : .
p11 p12 K pij K p nm
unde pij = P(X + Y = xi + y j ) = P[( X = xi ) I (Y = y j )] i

n m
p
i =1 j =1
ij = 1.
Dac variabilele aleatoare X i Y sunt independente atunci

pij = P (X + Y = xi + y j ) = P( X = xi ) P (Y = y j ) = pi q j , Ceea ce conduce la
scrierea:
xi + y j
X + Y : .

p i q j
Dac variabilele aleatoare X i Y nu sunt independente atunci
[ ]
pij = P (X + Y = xi + y j ) = P ( X = xi ) I (Y = y j ) = P( X = xi )P (Y = y j / X = xi ) =

= P( X = xi )P (X = xi / Y = y j ).
Variabila aleatoare X + Y se numete suma variabilelor aleatoare X
i Y.
n cazul n care Y = a constant se obine suma dintre o constanta i
o variabil aleatoare i avem:
x +a x 2 + a K xi + a K x n + a
X + a : 1 .
p1 p2 K pi K p n
b) nmulirea variabilelor aleatoare
Variabila aleatoare X Y are tabloul de distribuie
85

x1 y1 x1 y 2 K xi y j K xn y m
X Y :
p11 p12 K pij K p nm
unde
[ ]
pij = P (X Y = xi y j ) = P ( X = xi ) I (Y = y j ) = P( X = xi ) P (Y = y j ) = pi q j i
n m
pi =1 j =1
ij = 1.
Variabila aleatoare X Y se numete produsul variabilelor aleatoare X

i Y.
n cazul n care Y = a constant se obine produsul dintre o constanta
i o variabil aleatoare i avem:
ax a x 2 K a xi K a xn
a X : 1 .
p1 p 2 K pi K p n
c). Ridicare la putere a unei variabile aleatoare:
x n x 2 n K xi n K x n n
X n : 1 .

p1 p 2 K pi K p n
(
P X n = x1
n
)= P( X = x1 ) = p1 ,
P (X ) = P( X = x ) = p ,
n
n
= x2 2 2
P (X ) = P( X = x ) = p ,
n
n
= xi i i
P (X ) = P( X = x ) = p .
n
n
= xn n n
EXEMPLU:
Fie urmtoarele dou variabile aleatoare:
0 2 4 1 2
X : 2 3 5 i Y : 3 7 .

10 10 10 10 10
S se calculeze: 2 + X , ( 4) X , X3, X+Y, XY.
2 + 0 2 + 2 2 + 4 2 4 6
2+ X : 2 3 5 = 2 3 5 ,

10 10 10 10 10 10
2 3
P(2 + X = 2) = P( X = 0) = , P(2 + X = 4) = P( X = 2) = ,
10 10
5
P(2 + X = 6) = P( X = 4) = .
10
4 0 4 2 4 4 0 8 16
4 X : 2 3 5 = 2 3 5 ,

10 10 10 10 10 10
2 3
P( 4 X = 0) = P( X = 0) = , P( 4 X = 8) = P( X = 2) = ,
10 10
5
P( 4 X = 16) = P( X = 4) = .
10
86

0 2 4 1 2
X +Y = 2 3 5 + 3 7 =

10 10 10 10 10
0 +1 0+2 2 +1 2+2 4 +1 4+2
2 3 2 7 3 3 3 7 5 3 5 7 =

10 10 10 10 10 10 10 10 10 10 10 10
1 2 3 4 5 6
6 14 9 21 15 35 .

100 100 100 100 100 100
0 2 4 1 2
X Y = 2 3 5 3 7 =

10 10 10 10 10
0 1 02 2 1 22 4 1 42 0 2 4 8
2 3 2 7 3 3 3 7 5 3 5 7 = 20 9 36 35 .

10 10 10 10 10 10 10 10 10 10 10 10 100 100 100 100
4.5.2. Funcia de repartiie a unei variabile aleatoare
n practic apare nevoia de a determina probabiliatea ca o variabil

aleatoare s ia o valoare mai mic dect o valoare real. Pentru a descrie
acest lucru vom defini n continuare funcia de repartiie a variabilei
aleatoare.
Definiie 29. Fie X : R o variabil aleatoare. Se numete funcie de

repartiie a variabilei aleatoare X, notat FX , o funie FX : R R cu
proprietatea c:
FX ( x ) = P ( X < x ) .
a
Observaie: 1. Dac variabila aleatoare este o constant X : atunci
1
funcia de repartiie este definit n modul urmtor:
0, x a
FX ( x ) = .
1, x > a
Graficul funciei de repartiie:
87

0 1
2. Dac variabila aleatoare are tabloul de distribuie: X A : , unde p =
q p
P (A). Funcia de repartiie este definit astfel:
0, x 0,

FXA (x ) = q, 0 < x 1,
1, x > 1.

3. Dup cum am definit funcia de repartiie putem deduce n continuare
probabilitatea ca variabila X s ia valori ntr-un anumit interval (a, b].
P(a X < b ) = F (b ) F (a ) .
Pentru aceasta pornim de la faptul c intervalele ( X < a ); (a X < b ) sunt

disjuncte, iar reuniunea lor dau intervalul ( X < b ) :
definitie
F (b ) = P( X < b ) = P( X < a ) + P(a X < b ) = F (a ) + P(a X < b ) de unde
rezult imediat
P(a X < b ) = F (b ) F (a ) .
EXEMPLU 1:
Fie variabila aleatoare X:
x x 2 L xi L x n
X : 1 .
p1 p 2 L pi L p n
Funcia de repartiie pentru aceast variabil aleatoare se determin astfel:

0, x < x1 ,
p , x < x x ,
1 1 2
p1 + p 2 , x2 < x x3 ,
FX ( x ) =
L L L L L L
p1 + p 2 + L + p n1 , xn 1 < x xn ,

p1 + p 2 + L + p n1 + p n , xn < x.
EXEMPLU 2:
Se consider variabila aleatoare X reprezentnd rezultatul aruncrii unui
zar. Tabloul de repartiie va fi:
1 2 3 4 5 6
X : 1 1 1 1 1 1.

6 6 6 6 6 6
Aceast variabil aleatoare are funia de repartiie
88

5/6
4/6
3/6
2/6
1/6
123456
0, x 1,
1
, 1 < x 2,
6
2
, 2 < x 3,
6
3
FX ( x ) = , 3 < x 4,
6
4
6 , 4 < x 5,

5 , 5 < x 6,
6

1, x > 6.
Proprieti:
P1. Funcia de repartiie F este descresctoare;
P2. F ( ) = lim F ( x ) = 0 ;
x
F (+ ) = lim F (x ) = 1 ;
x
P3. Funcia de repartiie F este continu la stnga, adic

F (x 0 ) = F ( x ), x R ;
P4. Fie X o variabil aleatoare i F (x ) funcia de repartiie. Atunci au loc:
P(a X b ) = F (b ) F (a ) + P( X = b ) .
P(a < X b ) = F (b ) F (a ) P( X = a ) + P ( X = b ) .
P(a < X < b ) = F (b ) F (a ) P( X = a ) .
89

Demonstraie:
2. F ( ) = lim F (x ) = P( X < ) = P( ) = 0 ,
x
F (+ ) = lim F (x ) = P( X < + ) = P( ) = 1 .
x
Observaie:
1. Pentru o variabil aleatoare discret X ce ia valorile x1 , x2 , x3 ,... cu
probabilitile p1 , p2 , p3 ,... se definete funcia de densitate de repartiie
prin:
p , daca x = xi ,
f (x ) = i
0, in rest.
Astfel funcia de distribuie poate fi determinat n modul urmtor:
F ( x ) = f ( xi ) = p i .
xi x xi x
2. n practic cele mai multe variabile aleatoare sunt de tip continuu.

3. Dac variabila aleatoare are densitate de probabilitate spunem c funcia
sa de repartiie este absolute continu.
Definiie 30. Fie F funcia de repartiie a unei variabile aleatoare X. Se

numete densitate de repartiie (densitate de probabilitate) a variabilei
aleatoare X orice funcie f : R R + integrabil pe R cu probabilitatea
x
F (x ) = f (t )dt .

Deoarece funcia de densitate este continu cu excepia eventual a

unui numr finit de puncte de discontinuitate de specia nti vom spune c
variabila aleatoare este de tip continuu. Mai mult ea este i derivabil i
conform definiiei 30 obinem prin derivare nraport cu x:
F ' (x ) = f (x ) . x R
Aceast relaie ne permite s cunoatem funcia de repartiie F cnd

cunoatem funcia densitate de repartiie i reciproc.
Proprieti: Dac X este variabil aleatoare continu cu funcia densitate
de reparie f i funcia de repartiie F atunci au loc proprietile:
1. Dac I R :
P( X I ) = f (t ) dt ;
I
2. Dac I = (a, b] :
b
P(a X < b ) = F (b ) F (a ) = f (t ) dt ;
a
90

3. Dac I este R impreun cu ,+ :
+
f (t ) dt = P( < X < + ) = P( ) = 1 .

4. Pentru variabile aleatoare continue are loc:

b
P(a X b ) = P(a < X b ) = P(a X < b ) = P(a < X < b ) = f (t ) dt .
a
EXEMPLU:
Se consider variabila aleatoare continu X avnd funcia densitate de
repartiie:
0, x 1,
x

f ( x ) = , 1 < x 3,
4
1, x > 3.
S se determine funcia de distribuie F i s se calculeze P(1 X < 3) .

Rezolvare: Folosind definiia calculm:
x x
Pentru intervalul x 1 F ( x ) = f (t ) dt = 0 dt = 0 ,

Pentru intervalul 1< x 3

x 1 x x
f (t ) dt = f (t ) dt + f (t ) dt = 4 t dt = 8 (x )
1 1
F (x ) = 2
1 .
1 1
Pentru intervalul x>3

x 1 3 3
1 1
F (x ) = f (t ) dt = f (t ) dt + f (t ) dt = 4 t dt = 8 (9 1) = 1 .
1 1
0, x 1,
1
Am obinut

( )
F ( x ) = x 2 1 , 1 < x 3,
8
1, x > 3.
3 3
1
Vom calcula P(1 X < 3) = f (t ) dt =
4 1
t dt = 1
1
sau folosim definiia funciei F

1 1 8
P(1 X < 3) = F (3) F (1) = (9 1) (1 1) = + 0 = 1 .
8 8 8
91

4.5.2 Valori tipice ale unei variabile aleatoare
Analiza unui fenomen sau experiment se realizeaz cu dificultate pe
baza analizei valorilor sau a probabilitilor de apariie. De aici apare
necesitatea utilizrii a unor valori standard ale unei variabile aleatoare
numite n continuare valori tipice.
I. Caracteristici numerice ce exprim tendina central a valorilor
unei variabile aleatoare.
a) Media
Definiie 31. Fie X o variabil aleatoare discret avnd tabelul de repartiie:

x
X : i , i= 1,n. Se numete media variabilei aleatoare discret numrul
f ( xi )
n
M ( X ) = x1 f ( x1 ) + x2 f (x2 ) + L + xn f (xn ) = xi f ( xi ) .
i =1
Dac se ine seama de definiia funciei densitate de probabilitate f

atunci media variabile se poate calcula dup formula:
n
M ( X ) = x1 p1 + x2 p2 + L + xn pn = xi pi .
i =1
Observaie: Media se noteaz ( X ) i caracterizeaz tendina

central a valorilor variabilei aleatoare.
Definiie 32. Fie X o variabil aleatoare continu descris de repartiia

x
X : unde f este densitatea de repartiie. Se numete media
f ( x ) xI
variabilei aleatoare continu:
M ( X ) = x f (x ) dx .
I
Proprieti: Fie a R , X i Y dou variabile aleatoare independente:

1. M (a ) = a,
2. M (a X ) = a M ( X ),
3. M ( X + Y ) = M ( X ) + M (Y ),
4. M ( X + a ) = M ( X ) + a,
5. M ( X Y ) = M ( X ) M (Y ), X i Y variabile aleatoare
independente.
Demonstraie:
a
1. a constant a : conform definiiei M (a ) = a 1 = a ;
1
n n
2. M (aX ) = a xi pi = a xi pi = a M ( X ) ;
i =1 i =1
92

x yj xi + y j
3. X : i i Y : i conform definiiei X + Y :

pi q
j p i q j
M ( X + Y ) = (xi + y j ) pi q j = xi pi q j + y j pi q j =
n m n m n m
i =1 j =1 i =1 j =1 i =1 j =1
= (xi pi ) q j + pi ( y j q j ) = M ( X ) + M (Y ) ,
n m n m
deoarece
i =1 j =1 i =1 j =1
n m
p i =1
i = 1 i q
j =1
j = 1.
4. demonstraie este imediat deoarece alegem la relaia anterioar

variabila aleatoare Y constant.
5. M ( X Y ) = xi y j pi q j = (xi pi ) ( y j q j ) = M ( X ) M (Y ) .
n m n m
i =1 j =1 i =1 j =1
Exemple:
Observaii: Media unei variabile aleatoare discrete X are urmtoarea

interpretare: M ( X ) este valoarea n jurul creia se grupeaz valorile
b) Mediana
Definiie 33. Mediana unei variabile aleatoare discrete este o

valoare numeric, notat M e ( X ) , care mparte valorile variabilei X n dou
grupe de probabiliti egale:
1
P( X < M e ( X )) ,
2
1
P( X M e ( X )) > .
2
Pentru a determina mediana unei variabile aleatoare continue folosim
funcia de repartiie F (x ) = P( X < x ) . Proprietatea din definiia anterioar se
scrie
P( X < M e ( X )) = P( X M e ( X ))
definitie
Dar P( X < M e ( X )) = F (M e ( X ))
definitie
P( X M e ( X )) = 1 F (M e ( X )) de unde obinem:
1
F (M e ( X )) = 1 F (M e ( X )) i de aici F (M e ( X )) = .
2
x 1
Pentru variabil aleatoare X : relaia F ( x ) = conduce la
f ( x ) x[a , b ] 2
Me
1
f (x ) dx = 2 .
a
Avnd n vedere c funcia F este continu i cresctoare rezult o soluie

unic.
93

x 1
EXEMPLU: Fie X : 2 x + 1 x [1, 2]. Relaia F ( x ) = conduce la
2
8
x x
2t + 1 1 1
F (x ) = dt = (2t + 1) dt =
1
8 81 2
de unde:
8
(
1 2
x + x 2) = x 2 + x 6 = 0 x1 = 3 [1, 2]; x2 = 2 [1, 2] M e ( X ) = 2 .
1
2
c. Cuantile (de ordin n)
Alte valori ce analizeaz gruparea valorilor sunt cunatilele de ordin n. Ele

sunt valori ale unei variabile aleatoare care mpart repartiia n n pri egale.
Trebuie iniial ca valorile s fie ordonate cresctor. n funcie de valorile lui
n identificm mai multe cazuri:
n = 4, atunci vorbim despre cuartile, n numr de 3: prima x 0.25 sau
Q1 - cuartila inferioar, x 0.50 sau Q2 este chiar mediana, x 0.75 sau Q3
cuartila superioar iar diferena Q3 - Q1 reprezint intervalul intercuartilic.
n = 10, atunci vorbim despre decile (n numr de 9);
n = 100, atunci vorbim despre percentile (n numr de 99).
d) Valoarea modal
Valoarea modal sau dominanta este valoarea variabilei

x
X : i care are probabilitatea cea mai mare de apariie. Notaia este
f ( xi )
M 0 (X ) .
M 0 ( X ) = xk unde p k = max pi = max f (xi ) i =1, 2, n.
Dac variabila aleatoare are dou valori cu probabilitai egale

maxime spunem c variabila este bimodal. Dac are trei valori cu
probabilitai egale maxime trimodal, dac toate valorile au aceeai
probabilitate de apariie atunci variabila nu are valoare modal.
e) Momentul simplu i centrat
n momentul n care am definit valoarea medie a unei variabile

aleatoare se poate defini cu uurin o alt valoare important i anume
momentul simplu.
Definiie 28. Se numete momentul iniial de ordin r al variabilei

aleatoare X, numrul:
( )
n
M r ( X ) = M X r = xir pi .
i =1
94

n particular
M 1 (X ) = M (X ) .
Pentru varibile aleatoare continue se definete n mod analog :

M r (X ) = x
r
f (x ) dx .

Definiie 29. Se numete momentul centrat de ordin r al variabilei

aleatoare X numrul:
[ ]
n
mr = M r ( X M ( X )) = M ( X M ( X )) = (xi M ( X )) p i .
r r
i =1
II. Caracteristici numerice ce caracterizeaz gradul de

mprtiere a valorilor unei variabile aleatoare.
f) Amplitudinea
Amplitudinea este valoarea egal cu diferena dintre cea mai mare i

cea mai mic dintre valorile variabilei X.
A( X ) = max{x1 , x2 ,..., xn } min{x1 , x2 ,..., xn } .
Media unei variabile aleatoare poate da o idee greit asupra mrimii

majoritii valorilor dac n seria de valori apar valori extreme (foarte mici
sau foarte mari). Astfel introducem urmtoare definiie.
g). Abaterea individual
Definiie 30. Abaterea individual se calculeaz ca diferena dintre

valoarea variabilei aleatoare minus media valorilor:
d i = xi M ( X )
sau n mrime relativ:

xi M ( X )
di % = 100 .
M (X )
h) Abaterea medie liniar
Definiie 31. Abaterea medie liniar reprezint valoarea obinut ca

o medie aritmetic a abaterilor individuale fa de medie:
n
x M (X )
i
d = i =1
n
95

g). Dispersia
Definiie 32. Se numete dispersia (variana) lui X momentul centrat de

ordin doi al variabilei aleatoare X.
Dispersia unei variabile aleatoare X se noteaz cu D 2 ( X ) sau X2 .
[ ]
n
D 2 ( X ) = m2 ( X ) = M ( X M ( X )) = (xi M ( X )) pi .
2 2
i =1
Observaie: 1. Dac urmrim raionamentul de mai jos observm c

x x M ( X )
X : i , i = 1...n , X M ( X ) : i , i = 1...n
pi pi
de unde M ( X M ( X )) = M ( X ) M (M ( X )) = 0 . Astfel dispersia se definete
ca fiind media ptratelor abaterii de la medie.
2. n calcule este mai uor de utilizat expresia:
( ) (
D 2 ( X ) = M ( X M ( X )) = M X 2 2 X M ( X ) + M 2 ( X ) = .
2
)
( )
= M X 2 2 M ( X ) M (X ) + M 2 (X ) = M X 2 M 2 ( X ). ( )
( )
D 2 (X ) = M X 2 M 2 (X ).
Proprieti: Dispersia unei variabile aleatoare are proprietile

aR :
1. D 2 (a ) = 0;
2. D 2 (a X ) = a 2 D 2 ( X );
3. D 2 (a + X ) = D 2 ( X );
4. D 2 ( X + Y ) = D 2 ( X ) + D 2 (Y ); dac X i Y sunt independente.
5. Inegalitatea lui Cebev15: Fie X o variabil aleatoare, iar a un numr

oarecare atunci
D 2 (X )
P( X M ( X ) a ) 1
a2
sau trecnd la evenimentul contrar obinem
D 2 (X )
P( X M ( X ) a ) .
a2
15
PafnutiLvoviciCebv(18211894)matematicianrus;estecunoscutpentruteoremalimit
centralilegeanumerelormari.
96

Adic probabilitatea ca X s se abat de la medie trebuie s fie mai
D 2 (X )
mic dect .
a2
Demonstraie:
1. D 2 (a ) = M (a 2 ) M 2 (a ) = 0;
2.
( ) ( )
D (a X ) = M a 2 X 2 M 2 (a X ) = a 2 M X 2 a 2 M 2 ( X ) = a 2 D 2 ( X ) ;
2
3.
( ) (
D (X + Y ) = M (X + Y ) M 2 (X + Y ) = M X 2 + 2 X Y + Y 2 M 2 (X + Y ) =
2 2
)
( ) ( )
= M X 2 2 M ( X ) M (Y ) + M Y 2 (M ( X ) + M (Y )) =
2
( ) ( ) (
= M X 2 2 M ( X ) M (Y ) + M Y 2 M 2 ( X ) + 2 M ( X ) M (Y ) + M 2 (Y ) = )
( ) ( ) (
= M X 2 + M Y 2 M 2 ( X ) + M 2 (Y ) = D 2 ( X ) + D 2 (Y ) )
4. D (a + X ) = D (a ) + D ( X ) = 0 + D 2 ( X ) = D 2 ( X );
2 2 2
x
Dac X este o variabil aleatoare continu X : spunem c
f ( x ) x[a , b ]
dispersia se calculeaz n modul urmtor:
2
b
b
D ( X ) = x f (x ) dx x f (x ) dx .
2 2
a a
h) Abaterea medie ptratic (deviaia standard)
Definiie 31. Abaterea medie ptratic este definit ca fiind rdcina

ptrat a dispersiei. Se noteaz cu D(X) sau X .
D( X ) = X = D 2 ( X ) .
adic:
n
D( X ) = X = (x M ( X )) 2
i pi .
i =1
Observaie: 1. Cantitile precum media i dispersia care indic anumite

proprieti ale distribuiei se numesc parametrii distribuiei.
2. "Abaterea medie ptratic, fiind calculat ca o medie ptratic, reflect
ntr-o msur mai mare influena factorilor aleatori comparativ cu abaterea
medie liniar. Acest lucru se explic prin faptul c abaterile extreme prin
ridicare la ptrat au o influen mai mare dect abaterile intermediare, mai
apropiate de medie." (Jaba, 2005).
97

i). Coeficientul de variaie
Acest coeficient este utilizat n scopul stabilirii gradului de omogenitate a

unui eantion i se obine din raportul dintre abaterea medie ptratic i
media variabilei.
D( X )
C.V .( X ) = 100
M (X )
Observaie: Interpretarea rezultatelor se face n felul urmtor (Jaba, 2005):

1. pentru variabila aleatoare X variabilitatea caracteristic se consider
mic atunci cnd C.V .( X )% < 17% . n acest caz mprtierea valorilor este
mic de unde rezult c media este strict reprezentativ.
2. variabilitatea caracteristic se consider medie atunci cnd
C.V .( X )% < 35% . n acest caz mprtierea datelor este medie de unde
rezult c media este suficient de reprezentativ.
3. variabilitatea caracteristic se consider mare atunci cnd
C.V .( X )% < 50% . n acest caz media este reprezentativ n sens larg.
4. variabilitatea caracteristic se consider f. mare atunci cnd

C.V .( X )% > 50% . mprtierea valorilor este f. mare i media nu mai poate
fi folosit pentru reprezentarea datelor. Se recomand utilizarea n analiza
statistic a medianei.
j). Coeficientul de asimetrie (Fisher)
m32 ( X )
1 ( X ) = ,
( ) 2 3
X
unde m3 ( X ) reprezint momentul centrat de ordin 3, iar X2 variana.
Dac valoarea mrimii 1 ( X ) este zero atunci variabila distribuia este

simetric, iar dac valoarea coeficientului de asimetrie este pozitiv atunci
distribuia este asimetric.
k). Coeficientul de boltire (Pearson)

m4 ( X )
2 (X ) = ,
( ) 2 2
X
unde m4 ( X ) reprezint momentul centrat de ordin 4, iar X2 variana

Observaie: pentru o distribuie normal acest coeficient va avea valoarea 3.
98

Pentru valori mai mari distribuia poart denumirea de distribuie
leptocurtic ("leptos" = subire), iar pentru valori mai mici poart
denumirea de distribuie platicuritc ("platus" = lat).
Covariana (corelaia)
Definiie 32. Fie X i Y dou variabile aleatoare. Se numete covarian
(corelaie) a celor dou variabile valoarea:
cov( X , Y ) = M [( X M ( X )) (Y M (Y ))] .
Observaie. Covariana este o msur a variaiei simultane a celor dou

variabile. Dac variabilele aleatoare X, Y sunt independente atunci
cov( X , Y ) = 0 . Reciproca nu este adevrat adic dac dou variabile
aleatoare au corelaia 0 nu rezult c sunt independente.
n practic coeficientul de corelaie a dou variabile este calculat
astfel:
cov( X , Y )
(X , Y ) = .
X Y
EXEMPLU 1:
S se calculeze caracteristicile numerice ale variabilei aleatoare X
determinat de suma punctelor obinute la aruncarea a dou zaruri.
Rezolvare: Se cer media, mediana, dominanta, dispersia, abaterea
medie ptratic, amplitudinea. Vom folosi definiiile anterioare. Trebuie s
determinm iniial valorile variabilei aleatoare.
2 3 4 5 6 7 8 9 10 11 12
X : 1 2 3 4 5 6 5 4 3 2 1 .

36 36 36 36 36 36 36 36 36 36 36
Modul de calcul a fost urmtorul: valoarea 2 o obinem cnd pe
ambele zaruri apare faa cu numrul 1. Probabilitatea de apariie a acestui
caz se determin folosind definiia probabilitilor: exist un singur caz
favorabil i 36 cazuri posibile (6 fee are un zar i 6 fee al doilea zar).
11
Media: formula este M ( X ) = xi pi :
i =1
1 2 3 4 5 6 5 4
M (X ) = 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 +
36 36 36 36 36 36 36 36
3 2 1
+ 10 + 11 + 12 = 7.
36 36 36
Mediana: M e ( X ) = 7 verificm dac ndeplinete condiiile din

definiie:
99

1 2 3 4 5 15 1
P( X < 7 ) = + + + + = ,
36 36 36 36 36 36 2
15 6 1
P( X 7 ) = + > (adevrat).
36 36 2
Dominanta: M 0 ( X ) = 7 valoarea are probabilitatea cea mai mare.
Dispersia: Folosim formula D 2 ( X ) = M (X 2 ) (M ( X ))2 .

Trebuie s mai calculm media lui X2:
4 9 16 25 36 49 64 81 100 121 144
X 2 : 1 2 3 4 5 6 5 4 3 2 1 .

36 36 36 36 36 36 36 36 36 36 36
( )
M X 2 = 4
1
36
2 3 4 5 6 5
+ 9 + 16 + 25 + 36 + 49 + 64 +
36 36 36 36 36 36
4 3 2 1 1974
+ 81 + 100 + 121 + 144 = .
36 36 36 36 36
( )
D 2 ( X ) = M X 2 (M ( X )) =
2 1974
36
7 2 = 5.83 .
Abaterea ptratic medie:
X = D 2 ( X ) = 5.83 = 2.41 .
EXEMPLU 2:
Se consider variabila aleatoare X cu urmtorul tablou de repartiie:
1 0 1
X : 1 1.

3 3
a) S se determine tabloul de repartiie al variabilei aleatoare
Y = 2X + X 2 ;
b) S se calculeze M (3Y ) i D 2 (2011 2Y ) .
Rezolvare:
n
a) Folosim proprietatea p
k =1
k = 1 pentru a gsi valoarea :
1 1 1 1 1
+ + = 1 = 1 = ..
3 3 3 3 3
1 0 1
De unde obinem X : 1 1 1. Calculm valoarea

3 3 3
2 0 2
2X : 1 1 1 unde am folosit

3 3 3
1
P(2 X = 2) = P( X = 1) = ,
3
100

1
P(2 X = 0) = P( X = 0) = ,
3
1
P(2 X = 2) = P( X = 1) = .
3
0 1
Calculm i variabila aleatoare X 2 :1 2 unde

3 3
P (X 2 = 0 ) = P ( X = 0 ) =
1
i
3
( )
P X 2 = 1 = P[( X = 0) U ( X = 1)] = P( X = 0) + P( X = 1) =
1 1 2
+ = .
3 3 3
2 1 0 1 2 3
Y = 2X + X 2 : 1 2 1 2 1 2.

9 9 9 9 9 9
Modul de calcul pentru probabilitile ce apar n variabila aleatoare
Y este urmtorul:
[ ( )]
P(Y = 2) = P (2 X = 2) I X 2 = 0 = P(2 X = 2)P X 2 = 0 = = ,
1 1 1
3 3 9
( )
[ (
P(Y = 1) = P (2 X = 2) I X = 1 = P(2 X = 2)P X = 1 = = ,
2 2
)] 1 2 2
3 3 9
( )
[ ]
P(Y = 0) = P (2 X = 0 ) I (X 2 = 0 ) = P(2 X = 0)P (X 2 = 0) = = ,
1 1
3 3 9
1
[ ( )]
P(Y = 1) = P (2 X = 0) I X 2 = 1 = P(2 X = 0)P X 2 = 1 = = ,
1 2 2
3 3 9
( )
[ ( )]
P(Y = 2) = P (2 X = 2) I X = 0 = P(2 X = 2)P X = 0 = = ,
2 2 1 1 1
3 3 9
( )
[ ]
P(Y = 3) = P (2 X = 2) I (X 2 = 1) = P(2 X = 2)P (X 2 = 1) = = .
1 2 2
3 3 9
b) Pentru a calcula media folosim proprietile mediei M (3Y ) = 3 M (Y )
unde
1 2 1 2 1 2 22+2+2+6 2
M (Y ) = ( 2) + ( 1) + 0 + 1 + 2 + (3) = =
9 9 9 9 9 9 9 3
.
2
Deci media ce trebuia calculat este M (3Y ) = 3 = 2 .
3
Pentru a calcula dispersia variabilei aleatoare folosim proprietile
D 2 (2011 2Y ) = D 2 ( 2Y ) = ( 2) D 2 (Y ) = 4 D 2 (Y )
2
dispersiei unde
( )
D 2 (Y ) = M Y 2 [M (Y )] .
2
0 1 4 9
Y 2 :1 4 2 2.

9 9 9 9
Modul de calcul pentru probabilitile ce apar n variabila aleatoare
2
Y este urmtorul:
( )
P Y 2 = 0 = P(Y = 0) =
1
9
,
101

( ) 2 2 4
P Y = 1 = P[(Y = 1) U (Y = 1)] = P(Y = 1) + P(Y = 1) = + = ,
2
3 3 9
P (Y 2 = 4) = P[(Y = 2) U (Y = 2)] = P(Y = 2) + P(Y = 2) = + = ,
1 1 2
3 3 9
( )
P Y 2 = 9 = P(Y = 3) = ,
2
9
2 4 + 8 + 18 30 10
( )
2 1
9
4
9
2
M Y = 0 + 1 + 4 + 9 =
9 9 9
=
9
= ,
3
2
[M (Y )] = 2 = 4 . nlocuim valorile gsite n definiia dispersiei:

2
3 9
10 4 30 4 26
( )
D 2 (Y ) = M Y 2 [M (Y )] = =
2
3 9 9
=
9
.
26 104
De unde obinem n final: D 2 (2011 2Y ) = 4 D 2 (Y ) = 4 = .
9 9
EXEMPLUL 3:
Un partid a estimat c un anumit candidat are 35% anse s ctige alegerile

locale. Ci alegtori trebuie s chestionm dac vrem s verificm poziia
partidului cu o probabilitate de cel puin 0.97, tiind c procentul de
alegtori ce intenioneaz s-l voteze pe candidat se ncadreaz ntre 30% i
40%?
Rezolvare: Considerm o variabil aleatoare Xn este numrul celor
care voteaz candidatul din n participani alei aleator. Vom calcula
numrul cel mai mic n pentru care
X
P 0.3 n 0,4 0,97 .
n
Variabila aleatoare X are repartiia de tip binomial B (n, 0,25) unde n
este numrul de oameni pe care vrem s-l determinm.
Xn
Frecvena cu care este votat candidatul se calculeaz uor .
n
X n np
Media este dat M ( X n ) = n p , dar M = = p = 0.35 , iar pentru a
n n
X 1
calcula dispersia folosim propritile D 2 n = 2 D 2 ( X n ) de unde rezult
n n
1 91
2
npq = 0.35 0.65 = . Aplicm inegalitatea lui Cebev pentru a =
n 400n
0.05.
X
D2 n
X n 0,97 , de aici putem determina
P n 0,35 0.05 1
n 0.05 2
numrul n:
102

91
91 10000 91
1 400n2 0,97 adic 1 0,97 de unde 0,03
0.05 400n 25 n
9100
n 3033 .
3
Concluzia: chestionarul trebuie fcut pe un minim de 3033 de
alegtori.
# Exerciii
1. Fie X i Y dou variabile aleatoare cu repartiiile:
2 3 0 4 6
X : Y : .
0.4 0.6 0.3 0.5 0.2
a) S se determine reapartiiile urmtoarelor variabile aleatoare:
12 X + 4Y , X 2 + Y 2 , X + Y , X 2 Y 2 ;
b) S se calculeze
M ( X ), M (Y ), M (X ), M (Y ), D ( X ), D (Y ), D (4X ), D ( XY ) .
2 2 2 2 2 2

2 0 2 1 0 1
X : 5 1 , Y : 3 1.
p p q q
3 3 5 5
a) S se determine valorile p i q;
b) S se calculeze D 2 (3 X + 2Y ) .

a 1 2 a 1 1 2
X :1 1 1, Y : 1 1 1.

3 3 3 4 4 2
2
S se determine valoarea lui a dac D 2 ( X + Y ) = .
3
4. Se arunc o moned de 9 ori. S se calculeze caracteristicile
numerice ale variabilei aleatoare X ce apare atunci cnd analizm numrul
de apariii a stemei.
103

4.6 Repartiii clasice

A. Repartiii de tip discret
Vom defini cteva variabile aleatoare cu un numr finit de valori mai

des ntlnite n aplicaii. Repartiiile discrete sunt cele ce pot fi msurate,
apreciate prin valori numerice.
1) Repartiia uniform discret U(n)
Definiie 33. Spunem c variabila aleatoare X are repartiie uniform

U(n) dac valorile lui X au aceeai probabilitate de apariie:
1 2 K n
X : ,
p1 p2 K p n
1
unde pk = P( X = k ) = , k = 1, K, n.
n
n acest caz media este
1 1 1 1 + 2 + L + n n (n + 1) n + 1
X = M ( X ) = 1 + 2 +Ln = = = .
n n n n 2n 2
12 22 K n2
Calculm X 2 : de unde
p1 p2 K p n
1 1 1 12 + 2 2 + L + n 2 n (n + 1)(2n + 1) (n + 1)(2n + 1)
M ( X 2 ) = 12 + 2 2 + L n 2 = = =
n n n n 6n 6
Dispersia este
X2 = D 2 ( X ) = M (X 2 ) M 2 ( X ) =
(n + 1)(2n + 1) (n + 1)2 =
n2 1
.
6 4 12
2) Repartiia Bernoulli de parametru p
Definiie 34. Variabila aleatoare X are repartiie Bernoulli de

parametru p dac ia valorile 0 i 1 cu probabilitile: p = P( X = 1) i
q = P( X = 0) :
0 1
X : unde p + q = 1, i X2 este identic cu X.
q p
X = M ( X ) = M (X 2 ) = 0 q + 1 p = p ;
X2 = D 2 ( X ) = M (X 2 ) M 2 ( X ) = p p 2 = p(1 p ) = p q .
Notaie: B(n, 0, 1) .
104

3) Repartiia binomial de parametrii n i p
Definiie 35. Variabila aleatoare X are repartiie Bernoulli de

parametrii n i p dac ia ca valori numrul de realizri ale unui eveniment A
n n ncercri cu probabilitatea: P( X = k ) = C nk p k q nk
Variabila X are urmtorul tablou de distribuie:
0 1 2 K k K n
X : n i
q
1
C pq
n
n 1 2 2 n2
Cn p q k k nk
K Cn p q p n
n
C p k q nk = ( p + q ) = 1
n
k
n .
k =1
Notaie: B(n, p, q )
n acest caz media este X = M ( X ) = n p i dispersia este

= D2 (X ) = n p q .
2
X
Observaie: 1. Variabila aleatoare X poate fi considerat ca suma a n
variabile Bernoulli de parametru p.
2. n practic este folosit la experimentele n care extragerile se
efectueaz cu repunere.
4). Repartiia hipergeometric de parametrii n, a, b
Definiie 35. Variabila aleatoare X are repartiie hipergeometric cu

parametrii n, a, b dac poate lua orice valoare ntreag cuprins ntre
C ak Cbn k
max(0, n b ) i min (n, a ) cu probabilitatea P( X = k ) = , n a + b .
C an+b
0 1 2 K k K n
0 n n 1
C a2 Cbn 2 C ak Cbn k C an Cb0
X : C a Cb

Limbă

Matematica An I Horticultura Chiruta C

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Matematica An I Horticultura Chiruta C

Încărcat de

Drepturi de autor:

Formate disponibile

UniversitateadetiineAgricoleiMedicin

Acest curs Matematic - Elemente de programare liniar, teoria

Pentru studenii de la nvmnt la Distan este obligatoriu ca la

1.1. Matrice i determinani

Definiia 1. Se numete matrice o mulime de m n numere aranjate ntr-un

1. O matrice de tip (m,1) se numete matrice coloan (vector coloan).

3. O matrice de tip (n, n ) se numete matrice ptratic de ordin n.

1.1.2. Operaii cu matrice

Definiia 3. Fie A, B M m,n (R ) avnd (aij ) elementele matricei A i (bij )

Proprietile adunrii matricelor:

Definiia 4. A M m,n (R ) i B M n, p (R ) , cu elemenentele A = (aij ) i

Observaie. Produsul A B a dou matrice se poate efectua doar dac

Proprietile nmulirii matricelor:

1.1.3. nmulirea cu un scalar

Definiia 5. Definim produsul matricei A M m ,n (R ) cu scalarul R ca

1.1.4. Transpusa unei matrice

Definiia 6. Numim transpus a matricei A M m,n (R ) cu elementele (aij )

Definiia 7. Spunem c matricea ptratic A M n (R ) este simetric dac

Definiia 8. Fie A = (aij ) M n (R ) o matrice ptratic. Se numete

a11 a12 a13

1.1.6. Rangul unei matrice

Definiia 9. Fie A M m,n (R ) o matrice de tipul (m, n ) . Dac n matricea A

Definiia 10. Fie A M m,n (R ) o matrice nenul. Spunem c matricea A are

1.1.7. Matrice inversabile

Definiia 11. O matrice ptratic se numete singular dac determinantul

Teorem 1. Fie o matrice A ptratic de ordin n. Matricea este inversabil

Definiia 13. Numim transformri elementare liniare asupra matricei A

Observaie. Dac asupra unei matrice A aplicm transformri elementare

= 2 + 2 + 0 3 + 2 + 0 = 1 0 deci matricea este

1.2. Sisteme de ecuaii liniare

Definiia 14. Se numete sistem liniar de m ecuaii cu n necunoscute

unde aij R , bi R , unde 1 i m, 1 j n , variabilele x1 , x 2 , K, x n R

Observaie: a) Coeficienii sistemului formeaz o matrice de tip (m, n )

Dac pentru necunoscute i termeni liberi se folosesc vectorii

Observaie: problema fundamental n legtur cu un sistem liniar este

1.2.1. Rezolvarea sistemelor de ecuaii:

Acest sistem este compatibil unic determinat i soluia sa se obine cu

unde A j se obine din matricea A prin nlocuirea coloanei j cu coloana

Pentru a verifica dac acest sistem poate fi rezolvat cu metoda

n acest caz rangul matricei este 3 egal cu numrul necunoscutelor i

2. Metoda eliminrii pariale GAUSS4 (metoda eliminrilor

Aceast metod const n transformri elementare succesive ale

Dac a11 0 atunci pentru variabila x1 putem s avem coeficientul

Pentru a elimina necunoscuta x1 din celelalte ecuaii rmase 2, 3, 4,

S se rezolve urmtorul sistem, folosind metoda eliminrii pariale:

Pas 1. Scriem matricea extins a sistemului. Stabilim pivotul n acest caz 4:

Pas 4. Se repet procedeul pentru o coloana a doua. Alegem pivotul pentru

Pas. 5. Folosind metoda eliminrii pariale trebuie s facem numai

Matricea anterioar este corespunztoare urmtorului sistem de

3. Metoda eliminrii totale (GAUSS - JORDAN5)

Metoda de lucru propus n acest paragraf va fi demonstrat ntr-un

FORM INIIAL TRANSFORMRI ELEMENTARE SOLUIE

Se pornete de la sistemul de ecuaii cu m ecuaii i n necunoscute:

Matricea extins ataat acestui sistem este:

Observaie: Presupunem c am identificat numrul maxim de linii i

unde matricea unitate are r linii i coloane.

Al doilea caz este sistem compatibil nedeterminat. n acest caz

Soluia acestui sistem o obinem tracnd n membrul drept toi

S se rezolve urmtorul sistem, folosind metoda eliminrii totale (GAUSS-

Se pornete de la matricea extins a coeficineilor sistemului:

2. S se rezolve urmtorul sistem folosind metoda eliminrii pariale

3). S se rezolve urmtoarele sisteme folosind metoda eliminrii

2. dac B este baz a lui V atunci coordonatele 1 , 2 , K, n * K n