Curs Mast PDF

Cuprins
1 Elemente avansate de calcul matriceal. 7

1.1 Definirea functiilor de matrice. . . . . . . . . . . . . . . . . . . 7
1.2 Proprietatile exponentialei de matricea A. . . . . . . . . . . . . 17
1.3 Integrarea unor sisteme diferentiale cu coeficienti variabili. . . . 21
2 Elemente de teoria campului. 23

2.1 Campuri scalare si vectoriale. . . . . . . . . . . . . . . . . . . . 23
2.1.1 Campuri scalare. . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Suprafata de nivel sau suprafata echipotentiala n spatiul
cu trei dimensiuni. . . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Variatia campului scalar. Derivata dupa o directie a
campului scalar. . . . . . . . . . . . . . . . . . . . . . . 25
2.1.4 Proprietatile gradientului. . . . . . . . . . . . . . . . . . 30
2.1.5 Campuri vectoriale. . . . . . . . . . . . . . . . . . . . . 31
2.1.6 Linii de camp. proprietati. . . . . . . . . . . . . . . . . 31
2.1.7 Suprafata de camp. . . . . . . . . . . . . . . . . . . . . . 32
2.1.8 Variatia campului vectorial. . . . . . . . . . . . . . . . . 35
2.1.9 Asupra integralei de suprafata. . . . . . . . . . . . . . . 36
2.1.10 Integrala de suprafata de speta ntai si doi. . . . . . . . 39
2.1.11 Fluxul unui camp vectorial printr-o suprafata. . . . . . 40
2.1.12 Divergenta unui camp vectorial. . . . . . . . . . . . . . 43
2.1.13 Proprietati ale divergentei. . . . . . . . . . . . . . . . . 47
2.1.14 Circulatia unui camp vectorial. . . . . . . . . . . . . . . 47
2.1.15 Rotorul unui camp vectorial. . . . . . . . . . . . . . . . 49
2.1.16 Proprietatile rotorului. . . . . . . . . . . . . . . . . . . . 51
2.1.17 Operatori diferentiali vectoriali si scalari. . . . . . . . . 52
2.1.18 Operatori diferentiali vectoriali de ordinul ntai. . . . . . 53
2.1.19 Operatori diferentiali vectoriali de ordinul al doilea. . . 55
2.2 Formule integrale. . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.1 Calculul integral n teoria campurilor. . . . . . . . . . . 56
2.3 Clasificarea campurilor vectoriale. . . . . . . . . . . . . . . . . . 58
3
4 CUPRINS
2.3.1 Categoriile principale de campuri vectoriale. . . . . . . . 59

2.3.2 Camp solenoidal. . . . . . . . . . . . . . . . . . . . . . . 65
2.3.3 Camp laplacian. . . . . . . . . . . . . . . . . . . . . . . 69
2.3.4 Camp biscalar. . . . . . . . . . . . . . . . . . . . . . . . 71
2.3.5 Camp general (oarecare). . . . . . . . . . . . . . . . . . 71
2.4 Determinari de campuri . . . . . . . . . . . . . . . . . . . . . . 72
2.4.1 Determinarea unui camp scalar de gradient dat. . . . . 72
2.4.2 Determinarea unui camp vectorial de rotor si divergenta
date. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3 Transformate 77
3.1 Transformata Z. Definitie, proprietati. . . . . . . . . . . . . . . 77
3.2 Proprietati ale transformatei Z. . . . . . . . . . . . . . . . . . . 78
3.3 Inversa transformatei Z. . . . . . . . . . . . . . . . . . . . . . 82
3.4 Aplicarea transformatei Z la solutionarea ecuatiilor cu diferente
finite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4 Elemente de teoria probabilitatilor 89

4.1 Camp de evenimente . . . . . . . . . . . . . . . . . . . . . . . . 89
4.2 Notiunea de probabilitate . . . . . . . . . . . . . . . . . . . . . 92
4.3 Probabilitati conditionate . . . . . . . . . . . . . . . . . . . . . 94
4.4 Scheme clasice de probabilitate. . . . . . . . . . . . . . . . . . . 97
4.5 Variabile aleatoare si repartitii. . . . . . . . . . . . . . . . . . . 99
4.5.1 Variabile aleatoare simple. . . . . . . . . . . . . . . . . . 102
4.5.2 Variabile aleatoare discrete. . . . . . . . . . . . . . . . . 109
4.5.3 Variabile aleatoare continuie. . . . . . . . . . . . . . . . 110
4.6 Elemente de teoria fiabilitatilor. . . . . . . . . . . . . . . . . . . 114
4.7 Fiabilitatea sistemelor cu subsisteme legate n serie. . . . . . . 118
4.8 Fiabilitatea sistemelor cu subsisteme legate n paralel. . . . . . 119
4.9 Statistca matematica. . . . . . . . . . . . . . . . . . . . . . . . 121
4.9.1 Estimare. . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.9.2 Functia de verosimilitate a selectiei. . . . . . . . . . . . 128
5 Tehnici de solutionare ale ecuatiilor diferentiale si sistemelor

de ecuatii diferentiale de ordin 1 133
5.1 Ecuatii diferentiale de ordinul ntai. . . . . . . . . . . . . . . . 133
5.2 Functiile MATLAB pentru integrarea numerica a ecuatiilor diferentiale.134
5.3 Functiile MATLAB pentru integrarea numerica a sistemelor de
ecuatii diferentiale de ordinnul ntai. . . . . . . . . . . . . . . . 137
5.4 Functiile MATLAB pentru integrarea numerica a ecuatiilor diferentiale
de ordinn n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
CUPRINS 5
6 Transformari conforme. 147

6.1 Interpretarea geometrica a derivatei complexe. . . . . . . . . . 147
6 CUPRINS
Capitolul 1
Elemente avansate de calcul

matriceal.
1.1 Definirea functiilor de matrice.

Vom presupune cunoscuta matricea patratica de ordinul n
A = [ajk ], j, k = 1, 2, ..., n, ajk C
si ne punem problema definirii functiilor de aceasta matrice. Ne va interesa n

special cazul n care f : C C si vrem sa determinam f : Mn Mn , unde
Mn este multimea matricelor de ordin n.
Definitia 1.1.1 Prin polinom caracteristic al matricei A se ntelege poli-

nomul:
P (z) = det(zI A) (1.1)

1, daca j = k
unde I Mn este matricea unitate, I = [jk ] j, k = 1, 2, ..., n, jk =
0 , daca j 6= k
iar zerourile acestui polinom se numesc valori propri ale matricei A, multimea
lor determinand n planul complex C spectrul matricei A.
Definitia 1.1.2 Prin operatorul rezolvant sau matricea rezolvanta al

matricei A, notat Rz = Rz (A) se intelege matricea
Rz (A) = Rz = (zI A)1 (1.2)
unde (zI A)1 este matricea inversa matricei zI A, n ipoteza ca Rz exista.

Vom nota cu {1 , 2 , ..., q , } spectrul matricei A, pentru z 6= j , j = 1, 2, ..., q,
q n. In aceasta situatie Rz are sens.
7
8 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.
Conform cu regula de calcul a matricei inverse, matricea Rz va avea ele-

mentele functii rationale de variabila complexa z
B(z) pjk (z)
Rz = [rjk (z)] = , rjk (z) = (1.3)
P (z) P (z)
unde pjk (z) este un polinom de grad cel mult n-1 (este minorul normalizat al
elementului aflat n linia k si coloana j din matricea zI A), polinomul P este
definit de (1.1) iar B este matricea [pjk (z)].
Exemple.
1) Daca
3 1
A= ,
3 5
atunci
z3 1
zI A =
3 z 5
iar P (z) = z 2 8z + 12, spectrul matricei fiind {2, 6}, iar
" #
z5 3
P (z) P (z) B(z)
Rz = (zI A)1 = 1 z3 = ,
P (z) P (z) P (z)
cu
z5 3
B(z) =
1 z3
2) Pentru matricea de ordinul al doilea

3 1 1
A = 1 5 1 ,
1 1 3
atunci
z3 1 1
zI A = 1 z 5 1
1 1 z3
iar P (z) = z 3 11z 2 + 36z 36, spectrul matricei fiind {2, 3, 6}, iar
z 2 8z+14 z4
P (z) Pz2
(z) P (z)
z 2 6z+8 B(z)
Rz = (zI A)1 = Pz2 (z) P (z) Pz2(z) = P (z) ,
z4 z2 z 2 8z+14
P (z) P (z) P (z)
cu
z 2 8z + 14 z+2 z4
B(z) = z + 2 z 2 6z + 8 z + 2
z4 z + 2 z 2 8z + 14
1.1. DEFINIREA FUNCTIILOR DE MATRICE. 9
Scriind polinomul caracteristic P si matricea B sub formele:
P (z) = z n + p1 z n1 + ... + pn1 z + pn , (1.4)
B(z) = B1 z n1 + B2 z n2 + ... + Bn1 z + Bn , (1.5)
cu pj C, Bj Mn j = 1, 2, ..., n, deoarece Rz = B(z)

P (z) se deduce P (z)Rz =
1
B(z) din care, prin nmultire cu Rz = zI A se obtine identitatea
P (z)I = B(z)(zI A), (1.6)
nlocuind P si B prin membrii drepti din (1.4) si (1.5), prin egalarea coeficientilor
acelorasi puteri ale lui z se gasesc egalitatile:
B1 = I, Bj ABj1 = Pj1 I, j = 2, 3, ..., n, ABn = pn I (1.7)
din care rezulta:
B1 = I, B2 = A + p1 I, B3 = A2 + p1 A + p2 I, B4 = A3 + p1 A2 + p2 A + p3 I, ...
egalitati care permit determinarea matricei Rz cu ajutorul coeficientilor poli-

nomului caracteristic si a puterilor succesive ale matricei A. In acest mod,
nlocuind matricele B1 , B2 , ... se gaseste o noua forma a matricei B:
B(z) = b0 (z)I + b1 (z)A + ... + bn1 (z)An1 , (1.8)
unde b0 , b1 , ..., bn1 sunt polinoame de grad cel mult n-1, n-2, ..., 0 respectiv.
Exemplu. 3) Daca
0 1 1
A = 1 0 1 ,
1 1 0
atunci
z 1 1
zI A = 1 z 1 ,
1 1 z
iar P (z) = z 3 3z 2, spectrul matricei fiind {1, 2}. Apoi deoarece
B(z) = B1 z 2 + B2 z + B3
deoarece
2 1 1
A2 = 1 2 1 ,
1 1 2
gasim (p1 = 0, p2 = 3, p3 = 2)

1 0 0 0 1 1 1 1 1
B1 = I = 0 1 0 , B2 = A = 1 0 1 , B3 = A2 3I = 1 1 1 ,
0 0 1 1 1 0 1 1 1
si deci
z2 1 z + 1 z + 1
B(z) = z + 1 z 2 1 z + 1 ,
z + 1 z + 1 z2 1
adica
z 2 1 z+1 z+1
P (z) P (z) P (z)
B(z) z+1 z 2 1 z+1
Rz = = P (z) P (z) P (z) .
P (z) z+1 z+1 z 2 1
P (z) P (z) P (z)
Daca polinomul caracteristic P (z) si matricea B(z) sunt astfel ncat au loc
egalitatile
P (z) = Q(z)P (z), B(z) = Q(z)B (z), (1.9)
unde Q(z) este un polinom, atunci polinomul P se numeste polinomul min-
imal al matricei A iar operatorul rezolvant se poate scrie sub forma:
B(z) B (z)
Rz (A) = Rz = = (1.10)
P (z) P (z)
Daca Q(z) = 1, polinomul minimal coincide cu polinomul caracteristic
(ceea ce se ntampla, de axemplu, daca valorile proprii ale matricei A sunt
simple). In primele exemple evident Q(z) = 1 iar n exemplu precedent,
deoarece
P (z) = (z + 1)2 (z 2), B(z) = (z + 1)B (z),

z1 1 1
B (z) = 1 z 1 1 ,
1 1 z1
rezulta Q(z) = z 1, iar polinomul minimal P (z) si matricea B (z) vor fi
P (z) = (z + 1)(z 2) = z 2 z 2, B (z) = b0 (z)I + b1 (z)A
cu
b0 (z) = z 1, b1 (z) = 1.
Cu aceste notiuni, se poate trece la definirea functiilor de matricea A. Vom
presupune initial functia f diferentiabila ntr-un domeniu D din C care contine
spectrul matricei A (n D f poate avea eventual singularitati izolate dar aceste
singularitati nu coincid cu spectrul lui A ).
Vom pune, prin
Definitia 1.1.3
Z
1
f (A) = Rz (A)f (z)dz (1.11)
2i
unde Rz (A) este operatorul rezolvant al matricei A iar este o curba jordan
nchisa si rectificabila care contine la interior spectrul matricei A, parcursa n
sens direct.
Formula de definitie (1.11) se numeste integrala Dunford-Taylor si se jus-
tifica prin aceea ca nlocuind matricea A prin scalarul t, deoarece Rz (t) =
1
(z t)1 = zt , gasim formula integrala Cauchy:
Z
1 f (z)
f (t) = dz,
2i z t
curba ocolind punctul t C (deoarece spectrul matricei A va fi format din
zerourile ecuatiei z t = 0, deci z=t). Asadar, egalitatea (1.11) fiind verificata
pentru functii scalare, o impunem sa fie valabila si pentru functiile de matricea
A (avandu-se n vedere, functii diferntiale n C).
Din definitia (1.11) rezulta cateva consecinte pentru functiile de matricea
A:
I. P (A) = 0), adica orice matrice si anuleaza propriul sau polinom mini-
mal. (z)
Intr-adevar, deoarece Rz (A) = B
P (z) , nlocuind n (1.11) f prin P (posibil,
deoarece P este diferentiabil n C), gasim
Z Z
1 B (z) 1
P (A) = P (z)dz = B (z)dz = 0
2i P (z) 2i
(ultima integrala este nula deoarece din (1.8)se deduce ca B este un polinom
matriceal n variabila z, deci este functie olomorfa n C:
Z Z Z Z
n1
B (z)dz = I b0 (z)dz + A b1 (z)dz + ... + A bn1 (z)dz = 0

b0 , b1 , ... , bn1 fiind polinoame).

Deoarece P (z) = Q(z)P (z), din P (A) = 0 se deduce P (A) = Q(A)P (A) =
0 si astfel s-a obtinut teorema Hamilton-Cayley:
Orice matrice A anuleaza polinomul caracteristic al acestei ma-
trice.
II. Pentru orice functie diferentiabila f matricea f (A) este de fapt un
polinom de matrice (avand gradul cel mult cu gradul lui P ) n matricea lui
A. Intr-adevar, nlocuind B n expresia lui Rz (A) din (1.8) se deduce
Z n1X n1
X Z n1
X
1 j 1 j 1 bj (z)
f (A) = [ bj (z)A ] f (z)dz = A dz = cj Aj ,
2i P (z) 2i P (z)
j=0 j=0 j=0
Z
1 bj (z)
cj = dz
2i P (z)
Mentionam ca daca polinomul minimal nu coincide cu polinomul caracter-
istic, atunci n loc de matricea B apare B care se va exprima cu ajutorul
coeficientilor polinomului minimal P (z) si a puterilor A0 , A1 , ..., Am1 , m
fiind gradul lui P , exact la fel ca si matricea B , deoarece are loc identitatea
P (z) = (zI A)B (z)
si deci n suma
n1
X
f (A) = cj Aj
j=0
trebuie nlocuit n prin m iar c0 , c1 , ..., cm1 prin coeficientii corespunzatori.

Rezulta asadar ca este suficient sa gasim coeficientii polinomului B (re-
spectiv B ) pentru ca sa putem obtine matricea A. Acesti coeficienti nsa
sunt greu de calculat cu ajutorul integralelor de contur care apar n definitia
acestora si de aceea se pot imagina metode directe, legate de functia f si de
valorile proprii ale matricei A,
Astfel, fie L polinomul de interpolare Lagrange definit prin:
L(j ) = f (j ), j = 1, 2, ... n (1.12)
daca valorile proprii 1 , 2 , ..., n ale matricei A sunt simple. Deoarece

difernta f (z) L(z) se divide prin z 1 , z 2 , ..., z n , se va divide si
prin polinomul P (z), deci
f (z) L(z) = (z)P (z)
fiind o functie diferentiabila n aceleasi conditii ca si f . Din teoreme

Hamilton-Cayley se deduce P (A) = 0 si deci egalitatea anterioara devine
f (A) = L(A) (1.13)
Deci functia f (A) coincide cu polinomul L(A), L fiind polinomul Lagrange de

interpolare construit prin conditiile (1.12).
Daca polinomul minimal al matricei A nu coincide cu polinomul caracter-
istic, dar are zerourile simple, atunci polinomul de interpolare Lagrange se
determina tot din conditiile (1.12) dar n numar de m < n (deci acest polinom
va avea gradul m 1). In ipoteza ca polinomul minimal se scrie
P (z) = (z 1 )m1 (z 2 )m2 ...(z q )mq , m1 + m2 + ... + mq = m < n

conditiile (1.12) se inlocuiesc prin conditiile
dj dj
L(z)|z=k = f (z)|z=k , j = 0, 1, ... mk 1, k = 1, 2, ... q (1.14)
dz j dz j
Exemplu 4) Reluand exemplu 2) din acest capitol avem 1 = 2, 2 =
3, 3 = 6; polinomul Lagrange de interpolare se scrie
(z 3)(z 6) (z 2)(z 6) (z 2)(z 3)
L(z) = f (2) + f (3) + f (6) =
(2 3)(2 6) (3 2)(3 6) (6 2)(6 3)
f (2) f (3) f (6)
= (z 3)(z 6) (z 2)(z 6) + (z 2)(z 3)
4 3 12
iar
f (2) f (3) f (6)
f (A) = L(A) = (A3I)(A6I) (A2I)(A6I)+ (A2I)(A3I) =
4 3 12
3f (2) 4f (3) + f (6) 2 12f (2) + 32f (3) 5f (6) 9f (2) 8f (3) + f (6)
= A + A+ I
12 12 2
Deoarece
11 9 7
A2 = 9 27 9
7 9 11
se deduce
1 1 1 1 1

2 f (2) + 3 f (3) + 6 f (6) 3 f (3) 3 f (6) 12 f (2) + 13 f (3) + 16 f (6)
f (A) = 1 1
3 f (3) 3 f (6) 27 55 23
2 f (2) + 3 f (3) 6 f (6)
1 1
3 f (3) 3 f (6)

2 f (2) + 3 f (3) + 6 f (6) 3 f (3) 3 f (6) 2 f (2) + 3 f (3) + 16 f (6)
1 1 1 1 1 1 1
In particular

3 1 1
exp(A) = eA = exp 1 5 1 =
1 1 3
1 2 1 3 1 6 1 3 1 6

2e + 3e + 6e 3e 3e 12 e2 + 31 e3 + 61 e6
= 1 3
3e 3e
1 6 27 2 55 3
2e + 3e 6e 23 6 1 3
3e 3e
1 6
1 2 1 3 1 6 1 3 1 6 1 2 1 3 1 6
2e + 3e + 6e 3e 3e 2e + 3e + 6e

3 1 1
sin(A) = sin 1 5 1 =
1 1 3
1

sin(2) + 13 sin(3) + 16 sin(6) 13 sin(3) 13 sin(6)
2 21 sin(2) + 31 sin(3) + 16 sin(6)
= 1 1
3 sin(3) 3 sin(6) 27 55 23
2 sin(2) + 3 sin(3) 6 sin(6)
1 1
3 sin(3) 3 sin(6)

1 1 1 1 1 1 1 1
2 sin(2) + 3 sin(3) + 6 sin(6) 3 sin(3) 3 sin(6) 2 sin(2) + 3 sin(3) + 6 sin(6)
5) In exemplu 3) tratat anterior, avem

0 1 1
A = 1 0 1 ,
1 1 0
si polinomul minimal P (z) = (z + 1)(z 2). Polinomul de interpolare La-

grange, pentru f va fi
z2 z+1 f (2)
L(z) = f (1) + f (2) = (z + 1) f (1)(z 2)
12 2+1 3
iar
f (2)
f (A) = L(A) = (A + I) f (1)(A 2I) =
3
1 1 1

3 f (2) + 2f (1) 3 f (2) f (1) 3 f (2) f (1)
= 13 f (2) f (1) 31 f (2) + 2f (1) 13 f (2) f (1)
1 1 1
3 f (2) f (1) 3 f (2) f (1) 3 f (2) + 2f (1)
In particular
1 1 1

3 sh(2) + 2sh(1) 3 sh(2) sh(1) 3 sh(2) sh(1)
sh(A) = sh 1
3 sh(2) sh(1)
1
3 sh(2) + 2f (1)
1
3 sh(2) sh(1)

1 1 1
3 sh(2) sh(1) 3 sh(2) sh(1) 3 sh(2) + 2sh(1)
In consideratiile anterioare s-a presupus f diferentiabila n domeniul D care

contine spectrul matricei A. S-a ajuns la egalitatea (1.13) care defineste f (A)
cu ajutorul polinomului de interpolare Lagrange, L. Or acest polinom poate
fi construit pentru orice functie f definita pe spectrul matricei A si de aceea
egalitatea (1.13) constituie definitia generala a matricei f (A).
Sa facem observatia ca din relatia de definitie a matricei f (A)
q
X (A 1 I)...(A j1 I)(A j+1 I)...(A q I)
f (A) = f (j )
(j 1 )...(j j1 )(j j+1 )...(j q )
j=1
se poate deduce faptul ca aceasta matrice se poate scrie si sub forma

q
X
f (A) = Zj f (j ) (1.15)
j=1
unde Zj Mn nu depind de functia f . Evident, ne aflam n ipoteza ca

polinomul minimal P admite zerouri simple distincte 1 , 2 , ... , q .
Egalitatea (1.15) este uneori comoda pentru calculul efectiv al matricei
f (A), deoarece matricele Z1 , Z2 , ..., Zq nu depind de f , acestea se pot deter-
mina prin particularizarea lui f , dupa modelul din exemplul urmator.
Exemplu 6) Fie matricea:

0 1 1
A = 3 0 1 ,
3 1 0
avem P (z) = det(zI A) = z 3 7z 6 = (z + 1)(z + 2)(z 3). Prin urmare

P = P iar (1.15) se scrie
f (A) = Z1 f (2) + Z2 f (1) + Z3 f (3).
Punand succesiv f (z) = z 3, f (z) = z + 1, f (z) = (z + 2)2 , deducem

egalitatile matriceale:
A 3I = 5Z1 4Z2
A + I = Z1 + 4Z3
(A + 2I)2 = Z2 + 25Z3
din care se obtine:

4 2 2
1 3 1 1
Z1 = A2 + A + I = 6 3 3
20 20 10 10
6 3 3

2 4 4
5 2 1 3 1
Z2 = A A + I = 6 3 5
4 4 4 8
12 5 3

44 42 42
1 2 1
Z3 = A + A + I = 126 43 43
4 40
126 43 43
Observatia 1.1.1 Daca am fi luat n loc de f (z) = (z + 2)2 , f (z) = z + 2

s-ar fi ajuns la o situatie de nedeterminare. Asadar vom avea n acest caz:
A 3I = 5Z1 4Z2
A + I = Z1 + 4Z3
A + 2I = Z2 + 5Z3
din care se obtine, prin eliminarea lui Z1 din primele doua relatii:
4A 8I = 4Z2 20Z3
adica relatia a tria

A + 2I = Z2 + 5Z3 .
In cazul n care polinomul minimal are zerouri multiple, atunci conditiile

(1.14) pot fi utilizate pentru determinarea polinomului de interpolare Hermite
care se scriu sub forma:
q mX
X k 1
L(z) = fkj jk (z)

k=1 j=0
unde fkj sunt valorile derivatei f (j) n punctul k iar jk sunt polinoame inde-
pendente de functia f , care se determina din conditiile:
d` k
(s ) = `k js
dz ` j

1, daca m = n
mn fiind simbolul lui Kroneker, mn =
0 , daca m 6= n
Cel mai simplu exemplu de polinom de interpolare Hermite se obtine cand
q = 1 si atunci el coincide cu dezvoltarea Taylor:
z 1 0 (z 1 )m1 1 (m1 1)
L(z) = f (1 ) + f (1 ) + ... + f (1 )
1! (m1 1)!
Ca si n cazul spectrului simplu, tinand cont de independenta polinoamelor

jk de functia f se poate scrie matricea f (A) sub forma
q mX
X k 1
f (A) = fkj Zkj

k=1 j=0
unde Zkj Mn se pot determina particularizandu-l pe f .

Exemplul 7) Daca matricea A este astfel ncat polinomul minimal este:
P (z) = z 2 (z 1)
atunci
f (A) = f (0)Z1 + f 0 (0)Z2 + f (1)Z3
si scriind succesiv f (z) = z, f (z) = z 2 , f (z) = z 1, din sistemul:
A = Z2 + Z3
A2 = Z3
A I = Z1 + Z2
se obtine:
Z1 = I A2 , Z2 = A A2 , Z3 = A2
1.2. PROPRIETATILE EXPONENTIALEI DE MATRICEA A. 17
si deci
f (A) = (I A2 )f (0) + (A A2 )f 0 (0) + A2 f (1)
Matricea A este de forma:

7

1 52
2
A = 4 1 3
5
2 1 32
si cum

2 0 8
A2 = 52 0 52
1 0 1
se gaseste:

f (0) + 32 f 0 (0) + 2f (1) f 0 (0) 8f (0) 21 0
2 f (0) + 8f (1)
f (A) = 25 f (0) 32 f 0 (0) 52 f (1) 12 f (0) f 0 (0) 25 f (0) + 12 f 0 (0) + 52 f (1)
f (0) + 32 f 0 (0) + 12 f (1) f 0 (0) 2f (0) 21 f 0 (0) + f (1)
Si n acest caz(al spectrului multiplu) nu este obligatorie conditia de diferen-

tiabilitate pentru f decat numai n punctele n care polinomul minimal al
matricei A are zerouri multiple.
In concluzie, pentru orice functie f definita pe spectrul matricei A (daca
polinomul minimal al matricei A are numai zerouri simple) sau pentru orice
functie f care admite derivate n numar convenabil pentru a se putea utiliza
relatiile (1.14) (n cazul cand zerourile polinomului minimal sunt multiple), se
poate construi matricea f (A).
1.2 Proprietatile exponentialei de matricea A.

In teoria sistemelor diferentiale cu coeficienti constanti un rol deosebit i
revine matricei exponentiale, exp(At) = eAt . Cu ajutorul rezultatelor din
paragraful anterior vom putea stabili proprietatile de baza ale acestei ma-
trice (care depinde de parametrul real t). In primul rand deoarece functia
exponentiala este diferentiabila n C, este posibila utilizarea integralei Dunford-
Taylor si vom scrie:
Z
1
exp(At) = eAt = Rz (A) exp(zt)dz, (1.16)
2i
unde este orice curba Jordan nchisa si rectificabila care include la interior
spectrul matricei A (functia exponentiala nu are singularitati n C).
Deoarece integrala cu parametru din membrul drept al lui (1.16) se poate

deriva n raport cu parametrul t si deoarece
Z Z
1 d 1
Rz (A)z exp(zt)dz = Rz (A) exp(zt)dz
2i dt 2i
este integrala Dunford-Taylor pentru matricea AetA = A exp(tA) pentru orice

t R, rezulta egalitatea:
d d At
[exp(At)] = A exp(At) sau e = AeAt
dt dt
verificata de matricea exp(At), ceea ce face ca aceasta matrice, care este evi-
dent nesingulara(n baza teoremei Abel-Liouville, este suficient sa aratam ca
exp(At)|t=0 este nesingulara; or
Z Z
1 1
exp(At)|t=0 = Rz (A) exp(0)dz = Rz (A) 1dz = I
2i 2i
sa reprezinte o matrice fundamentala pentru sistemul diferential
dx
= Ax (1.17)
dt

x1
x2

.
x= .

.
xn
fiind matricea coloana a functiilor necunoscute.
Toate proprietatile functiei exponentiale valabile pentru valorile scalare ale
variabilei, se transpun cu usurinta la matricea exp(At), astfel:
exp[(t1 + t2 )A] = exp(t1 A) exp(t2 A), t1 , t2 R (1.18)
[exp(tA)]1 = exp(tA), t R (1.19)

t k
exp(tA) = lim I + A , tR (1.20)
k k
A = ln(exp A) (1.21)
1.2. PROPRIETATILE EXPONENTIALEI DE MATRICEA A. 19
exp(ln A) = A, daca det A 6= 0 (1.22)
Intr-adevar, deoarece
Z Z
1 1
exp[(t1 +t2 )A] = Rz (A) exp[(t1 +t2 )z]dz = Rz (A) exp(t1 z)exp(t2 z)dz
2i 2i
se obtine (1.18) deoarece

Z
1
Rz (A) exp(t1 z) exp(t2 z)dz = exp(t1 A) exp(t2 A).
2i
Egalitatea (1.19) se obtine din (1.18) si din egalitatea exp(0A) = I, scriind

t2 = t1 = t, prin urmare este valabila relatia
exp(0A) = I = exp(tA) exp(tA)
care este echivalenta cu (1.19)

Formula (1.20) se bazeaza pe egalitatea

t k
exp(tz) = lim 1 + z
k k
si pe posibilitatea trecerii la limita sub semnul integrala n egalitatea:
Z
t k 1 t k
I +A = Rz (A) 1 + z dz
k 2i k
posibilitate bazata pe convergenta uniforma (n raport cu parametrul k a in-

tegralei n cauza). Avem:
Z
t k 1 t k
lim I + A = lim Rz (A) 1 + z dz =
k k 2i k k
Z
1 t k
= Rz (A) lim 1 + z dz =
2i k k
Z
1
= Rz (A) exp(tz)dz = exp(tA).
2i
Egalitatea (1.21) se obtine astfel:
Z
1
ln(exp A) = Rz (A) ln(exp z)dz =
2i
Z
1
= Rz (A)zdz = A.
2i
Egalitatea (1.22) se obtine astfel:

Z
1
exp(ln A) = Rz (A) exp(ln z)dz =
2i
Z
1
= Rz (A)zdz = A,
2i
cu observatia ca exp(ln z) este valabila pentru z 6= 0 iar singularitatile functiei
ln z (adica z = 0 si z = ) nu trebuie sa coincida cu valorile proprii ale matricei
A. Aceasta nseamna ca spectrul matricei A nu trebuie sa contina valoarea
= 0. Or daca = 0 este o valoare proprie, deoarece P (0) = det(zI A),
avem P (0) = 0 daca si numai daca det A = 0.
Sunt de asemeni valabile formulele lui Euler:
exp(iA) = cos A + i sin A

1
cos A = [exp(iA) + exp(iA)]
2
1
sin A = [exp(iA) exp(iA)]
2i
Intr-adevar, pentru prima relatie, avem:
Z
1
exp(iA) = Rz (A) exp(iz)dz =
2i
Z
1
= Rz (A)(cos z + i sin z)dz =
2i
Z Z
1 1
= Rz (A) cos zdz + i Rz (A) sin zdz =
2i 2i
cos A + i sin A
celelalte egalitati justificandu-se
analog.

1 1
Exemplu 8) Daca A = , rezulta P (z) = z 2 3z, deci p1 = 3, p2 =
2 2

2 1 z2 1
0, B1 = I, B2 = A + p1 I = , B(z) = B1 z + B2 = si
2 1 2 z1
P (z) = P (z) = z 2 3z. Polinomul de interpolare va fi:
z3 z 1
L(z) = f (0) + f (3) = [f (3) f (0)]z + 3f (3)
13 3 3
iar
1
f (A) = L(A) = [f (3) f (0)]A + 3f (3)I =
3
1.3. INTEGRAREA UNOR SISTEME DIFERENTIALE CU COEFICIENTI VARIABILI.21
10 1 1

3 f (3) 3 f (0) 3 f (3) 31 f (0)
= 2 2 10
3 f (3) 3 f (0) 3 f (3) 31 f (0)
deci cu f (z) = exp(zt) = ezt
10 3t

At 3 e 13 13 (e3t 1)
exp(At) = e = 2 3t
3 (e 1) 10 3t
3 e 3
1
iar solutia problemei Cauchy x(0) = x0 , y(0) = y0 a sistemului diferential:

x = x + y
y = 2x + 2y
va fi
10 3t

x(t) x0 3 e 31 13 (e3t 1) x0
= exp(At) = 2 3t
y(t) y0 3 (e 1) 10 3t
3 e 3
1
y0
adica
x(t) = ( 10 3t 1 1 3t
3 e 3 )x0 + 3 (e 1)y0
y(t) = 32 (e3t 1)x0 + ( 10 3t 1
3 e 3 )y0
1.3 Integrarea unor sisteme diferentiale cu coefici-

enti variabili.
Teoria functiilor de matrice A poate fi utilizata si la integrarea sistemelor
diferentiale de forma:
dx
tm = Ax + b(t) (1.23)
dt
unde A Mn , m R. Pentru aceasta se scrie ecuatia diferentiala scalara:
tm y 0 = ay
avand solutia generala:

(
t1m
y(t) = ce 1m a , daca m 6= 1, t > 0

cta , daca m = 1, t > 0
Pentru a gasi o matrice fundamentala pentru sistemul (1.23) va fi suficient

sa se verifice ca matricea
t1m
W (t) = e 1m A , daca m 6= 1, t > 0
W (t) = tA , daca m = 1, t > 0
verifica sistemul:
dW
tm = AW (1.24)
dt
(deci W va fi o matrice fundamentala pentru sistemul (1.24).

Utilizand integrala Dunford-Taylor (1.24) se verifca usor si atunci solutia
generala a sistemului (1.23) omogen va fi:
x(t) = W (t)c
c fiind o matrice coloana constanta. Solutia sistemului (1.23) (care este neo-
mogen) se obtine prin metoda variatiei constantelor.
Exemplu. Daca
1 2
A=
4 5
atunci solutia sistemului omogen:

2 dx x1
t = Ax, x= , t 6= 0
dt x2
vor fi x = W c, cu
" 1 3 1 3
#
1t A 2e t e t e t + e t
W (t) = e = 1 3 1 3
2e t 2e t e t + 2e t
deoarece
2f (1) f (3) f (1) + f (3)
f (A) =
2f (1) 2f (3) f (1) + 2f (3)
Solutia sistemului:
dx
t = Ax, t 6= 0
dt
va fi x = W c, cu

A 2t t3 t + t3
W (t) = t =
2t 2t3 t + 2t3
In sfarsit solutia sistemului:

dx
t3 = Ax
dt
adica a sistemului
dx
= t3 Ax
dt
se va scrie x = W c, unde:
" t4 3t4 t4 3t4
#
t4
A 2e 4 e 4 e4 +e 4
W (t) = e 4 = t4 3t4 t4 3t4
2e 4 2e 4 e 4 + 2e 4
Capitolul 2
Elemente de teoria campului.
2.1 Campuri scalare si vectoriale.

2.1.1 Campuri scalare.
In studiul dinamic al fenomenelor naturii intervine notiunea de camp.
Daca o marime fizica are o valoare determinata n fiecare punct din spatiu,
spunem ca multimea acestor valori defineste campul marimii respective.
Exemplu: Curgerea unui lichid defineste un camp al vitezelor.
Notiunea de camp se bazeaza pe doua elemente de natura diferita, inde-
pendente ntre ele:
Elementul analitic: Functia f a campului, reprezentant al actiunii ma-
teriale si
Elementul geometric: Regiunea < a spatiului n care actioneaza functia
f , reprezentant al bazei materiale.
Definitia 2.1.1 Campul este multimea valorilor lui f asociate punctelor M

din regiunea <.
Natura functiei f determina natura campului, daca f este scalar u, campul

este scalar, daca f este vector

v , campul este vectorial, daca f este tensor T
atunci campul este tensorial.
Campurile nestationare sunt campurile care variaza n timp: f = f (x, y, z, t),

iar campurile stationare sunt cele care nu variaza n timp adica: f = f (x, y, z).
Definitia 2.1.2 Daca < este o regiune marginita sau nu a spatiului cu una
doua sau trei dimensiuni si
u = u(M ) (2.1)
o functie scalara ce depinde de puncte M din < numim camp scalar multimea
valorilor lui u corespunzatooare tuturor punctelor M <.
23
24 CAPITOLUL 2. ELEMENTE DE TEORIA CAMPULUI.
Definitia 2.1.3 Regiunea < constituie domeniul de definitie al campului scalar,

functia u(M ) este functia campului scalar si se numeste camp scalar.
Exemple:
In fizica: u este functia potentiala, u este functia de forta.
In geodezica: u este masa specifica a unui mediu neomogen.
In termotehnica: u reprezinta campul temperaturilor, presiunea ntr-un
gaz: p = p(v, t).
In analiza reala se face studiul continuitatii si derivabilitatii functiei u(M ).
2.1.2 Suprafata de nivel sau suprafata echipotentiala n spatiul

cu trei dimensiuni.
Definitia 2.1.4 Suprafata de nivel este multimea punctelor M din D <
pentru care functia u ramane constanta.
du = 0,
(2.2)
u(M ) = const.
Observatia 2.1.1 In cazul cand domeniul este bidimensional se poate vorbi

despre o curba de nivel constant sau curba echipotentiala.
Propozitia 2.1.1 Suprafetele de nivel stratifica valorile campului scalar.
Propozitia 2.1.2 Suprafetele de nivel formeaza o familie de suprafete cu un

parametru, de ecuatie
u(M ) = k.
Propozitia 2.1.3 Printr-un punct dat M0 din regiunea < trece o singura
suprafeta de nivel care are ecuatia:
u(M ) = u0 .
Demonstratie
Punem conditia ca punctul M0 sa fie pe suprafata de nivel: u(M0 ) = u0
si M0 R, u(M0 ) = k deci k = u0 si prin urmare: u(M ) = u0 reprezinta o
singura suprafata de nivel.
Propozitia 2.1.4 Doua suprafete de nivel dinstincte u1 (x, y, z) si u2 (x, y, z)

nu pot avea nici un punct comun.
2.1. CAMPURI SCALARE SI VECTORIALE. 25
Demonstratie
Fie:
u(M ) = u1
u(M ) = u2
unde u1 6= u2 . Presupunem ca suprafetele ar avea puncte comune. Punctele
comune le putem determina rezolvand sistemul, din care deducem: u1 u2 = 0
dar u1 6= u2 din ipoteza deci presupunerea este falsa.
2.1.3 Variatia campului scalar. Derivata dupa o directie a

campului scalar.
Fie u0 suprafata de nivel avand ecuatia u(M ) = u0 si un punct care se poate
deplasa sau pe suprafata data sau n afara suprafetei de nivel u0 .
Cazul I. Deplaearea punctului are loc pe suprafeta de nivel.
La o deplasare infinitezimala a punctului corespunde variatia functiei care
ndeplineste conditia: du = 0, dar:
u u u
du = dx + dy + dz
x y z
si membrul drept al ecuatiei de mai sus reprezinta produsul scalar a doi
Fig. 2.1
vectori:

u u u

G= i + j + k (2.3)
x y z

si d

r = i dx + j dy + k dz adica:

G dr =0
dar d
r se afla n planul tangent n punctul M la u0 pentru ca deplasarea se

face n planul tangent deci G este vector normal n M la suprafata de nivel

u0 . G se numeste gradientul functiei u. Gradientul poate fi scris sub forma
simbolica:

G =(i + j + k )u
x y z

sau G = grad u sau G = u. Operatorul sau nabla este numit operatorul
lui Hamilton.
Cazul II. Deplaearea are loc in afara suprafetei de nivel. Fie M un punct
Fig. 2.2
din domeniul de definitie al campului scalar u, M 0 din afara suprafetei. Ne

propunem sa calculam variatia campului n vecinatatea punctului M ,

r este
vectorul de pozitie al lui M ,

r + d
r este vectorul de pozitie al lui M 0 ,

s
0
este versorul directiei M M

1
s = M M 0
|M M 0 |

Elementul liniar pe directia
s este: 4s = |M M 0 | adica 4s = |d

r |.
Variatia campului scalar u la trecerea din M n M 0 este:
4u = u( r + d
r ) u( r ) = U (M 0 ) u(M ) (2.4)

si depinde atat de distanta |M M 0 | cat si de directia de deplasare

s . Pentru a

evalua variatia campului u n punctul M n directia de vector s se determina
4u
lim
4s0 4s
Definitia 2.1.5 Se numeste derivata functiei u dupa directia de versor

s n

punctul M sau derivata campului scalar u dupa directia de versor s limita
raportului
4u
4s
pentru 4s 0, atunci cand limita exista.
Derivata campului scalar u dupa directia de versor

s se noteaza:
du u(M ) u(M 0 )
= lim
ds |M M 0 |0 |M M 0 |
sau
du 4u
= lim
ds 4s0 4s
Se stie ca: d

r = s|d

r | sau d

r =s 4s si

s =l i +mj +nk
\
\
\

cu l = cos(

s , i ), m = cos(

s , j ), n = cos(

s , k ), l2 + m2 + n2 = 1

dx i + dy j + dz k = l4s i + m4s j + n4s k
Urmeaza ca
dx = l4s, dy = m4s, dz = n4s
Dar cu (4.4):
4u = u(x + l4s, y + m4s, z + n4s) u(x, y, z)
Cum functia u(x, y, z) este diferentiabila avem:
u u u
4u = u(x, y, z) + dx + dy + dz + R u(x, y, z)
x y z
unde
R
lim =0
4s0 4s
Altfel scris:
u u u
4u = 4s l + 4s m + 4s n + R
x y z
4u u u u R
lim = l+ m+ n + lim
4s0 4s x y z 4s0 4s
Prin urmare
du u u u
= l+ m+ n
ds x y z
du
= G
s
ds
sau
du
= grad u

s (2.5)
ds
unde:
u
u u
G= i + j + k
x y z
si

s=l i +mj +nk
Marimea
du
= Gs
ds
se numeste derivata functiei scalare u dupa directia de vector

s.

Propozitia 2.1.5 Derivata dupa o directie S de versor

s a campului scalar

u este proiectia gradientului G dupa directia S .
Intr-adevar, exprimand produsul scalar din definitia derivatei functiei scalare

u dupa directia de versor

s avem:
du

= | G ||
s | cos(

s ,\
grad u)
ds
adica:
du

= | G | cos(

s ,\
grad u)
ds

care reprezinta proiectia gradientului G pe directia S de versor

s . Se vede

ca derivata depinde de punctul M si de directia de versor s .

Propozitia 2.1.6 Marimea gradientului G este derivata campului scalar u
dupa directia normalei n punctul respectiv la suprafata.

Intr-adevar daca directia S este normala N n punctul M la u, versorul

s

este s = n si atunci:
du

\ du
du
du

= | G ||
n | cos( G ,

n ); = | G ||
n | cos(0o ); = | G ||
n |; = |G|
dn dn dn dn
atunci

du

G= n (2.6)
dn
si marimea sa este:
s

u 2 u u
|G| = ( ) + ( )2 + ( )2 (2.7)
x y z

Propozitia 2.1.7 Marimea gradientului G este valoarea maxima ntre derivatele
dupa o directie oarecare.
Intr-adevar
du

= | G ||
s | cos(

s\, grad u)
ds
Fie = (

s ,\
grad u) deci:
du
= cos
ds

Cum 1 cos 1 atunci: max du
ds = | G |.
Observatia 2.1.2 Cum

du
|G| =
dn
rezulta ca
du du
max =
ds dn

Vectorul G indica directia dupa care functia u are valoarea cea mai mare.
Propozitia 2.1.8 Derivatele dupa directiile pozitive ale axelor de coordonate

coincid cu derivatele partiale n raport cu variabila respectiva.

Intr-adevar, pentru

s = i
du u u u
du u
= i ( i + j + k ) = i grad u; =
ds x y z ds x

Analog pentru

s = j si
s = k
du u
= j grad u =
ds y
du u
= k grad u =
ds z
adica derivatele dupa directiile pozitive ale axelor de coordonate coincid cu
derivatele partiale n raport cu variabila respectiva.

Daca
s este i , j sau k atunci du ds este respectiv:
u u u
, ,
x y z

Concluzie: Derivata dupa o directie S de versor s depinde nu numai de
directia respectiva ci si de sensul ales pe aceasta directie.
2.1.4 Proprietatile gradientului.

Pentru functiile: : D1 R3 R si : D2 R3 R unde si sunt de
clasa C 1 reprezentand campuri scalare, au loc propozitiile urmatoare:
Propozitia 2.1.9 Pentru campurile scalare si
grad ( + ) = grad + grad (2.8)
Demonstratie

( + ) = ( + ) i + ( + ) j + ( + ) k =
x y z

= i + i + j + j + k + k = +
x x y y z z
Analog se demonstreaza:
Propozitia 2.1.10
() = + (2.9)
Propozitia 2.1.11
F ((x, y, z)) = F 0 () (2.10)
Intr-adevar:

(F ()) = F ((x, y, z)) i + F ((x, y, z)) j + F ((x, y, z)) k =
x y z
dF

= [ i + j + k ] = F 0 ()
d x y z
Exemplu:
p
grad f (r) = f 0 (r)grad r = f 0 (r)grad x2 + y 2 + z 2
deci:
r r r
grad f (r) = f 0 (r)[ i + j + k]
x y z
x y z
grad f (r) = f 0 (r)[ i + j + k ]
r r r
0
f (r)
grad f (r) = r
r
Cu (2.5) se deduc cu usurinta proprietatile urmatoare:
Propozitia 2.1.12
d df dg
(f + g) = + (2.11)
ds ds ds
Propozitia 2.1.13
d df dg
(f g) = g + f (2.12)
ds ds ds
Propozitia 2.1.14
d d
(F ()) = F 0 () (2.13)
ds ds
2.1.5 Campuri vectoriale.

Definitia 2.1.6 Daca < este o regiune marginita sau nu a spatiului cu una

doua sau trei dimensiuni si V = V (M ) este o functie vectoriala ce depinde

de puncte M din <, numim camp vectorial multimea valorilor V atasati
punctelor M din <.
Definitia 2.1.7 Regiunea < se numeste domeniul de definitie al campului

vectorial, functia V (M ) este a campului vectorial.
Exemple:
In mecanica, geofizica: campul vitezelor, campul momentelor, campul

gravitational. In teoria campului electromagnetic: campul magnetic H
2.1.6 Linii de camp. proprietati.

Definitia 2.1.8 Se numeste linie de camp (linie de forta, linie de curent) o

curba din domeniul < de definitie al campului V (M ), care este tangenta n

fiecare punct M al sau la vectorul camp V (M ). Prin urmare V k d r , adica:
Fig. 2.3

V d

r =0 (2.14)
este ecuatia diferentiala a liniilor de camp sub forma vectoriala.
Liniile de camp sunt date de sistemul de ecuatii diferentiale:
dx dy dz
= = (2.15)
P (x, y, z) Q(x, y, z) R(x, y, z)
unde:

V (M ) = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k si d

r = dx i + dy j + dz k
Solutia sistemului de ecuatii sub forma simetrica (4,15) este data de doua
integrale prime :
1 (x, y, z) = C1
() (2.16)
2 (x, y, z) = C2
Proprietati ale liniilor de camp.

Propozitia 2.1.15 Printr-un punct dat M0 al domeniului trece o singura linie
de camp 0 de ecuatii:

1 (x, y, z) = C10
(0 )
2 (x, y, z) = C20
Propozitia 2.1.16 Doua linii de camp 1 si 2 nu au n general nici un

punct comun.
Propozitia 2.1.17 Liniile de camp formeaza o multime de curbe cu doi parametrii

care au ca ecuatii sistemul (4.16).
2.1.7 Suprafata de camp.

O suprafata de camp este generata de liniile de camp carora li se impune
conditia sa treaca printr-o curba (C) care nu este linie de camp. Fie (C) de
ecuatii:
f1 (x, y, z) = 0
(C) (2.17)
f2 (x, y, z) = 0
unde C . Suprafata se determina scriind ca punctul M (x, y, z) trebuie sa
Fig. 2.4
fie n acelasi timp si pe (C) si pe una din liniile de camp (), adica: M ()
si M (C). Se elimina x, y, z din relatiile:

1 (x, y, z) = C1

2 (x, y, z) = C2

f (x, y, z) = 0
1
f2 (x, y, z) = 0
obtinandu-se astfel o relatie ntre C1 si C2 :
(C1 , C2 ) = 0 (2.18)
numita relatie de compatibilitate a sistemului.

In relatia (4.18) se inlocuiesc C1 si C2 din integralele prime () si se obtine
relatia:
(1 (x, y, z), 2 (x, y, z)) = 0 (2.19)
care reprezinta ecuatia suprafetei de camp .
Proprietati:
1. Daca C ar fi chiar o linie de camp prin aceasta curba ar trece o infinitate
de suprafete de camp (problema nedeterminata).
2. Cand C este o curba nchisa, suprafata () formeaza un tub de vectori
(tub de forte).
Fig. 2.5

3. Vectorul V este tangent la suprafata .
Intr-adevar prin fiecare punct M al suprafetei trece o linie de camp ()

la care vectorul V este tangent.

Exercitiu: Fie campul V = x i + y j + z k si curba:

x2 + y 2 = R2
(C)
z=h
Sa determinam suprafata de camp ce contine curba (C).

Rezolvare: Se determina liniile de camp:

dx dy dz
= =
x y z
cu integrale prime date de:
ln x = ln y + ln C1 ; ln y = ln z + ln C2
liniile de camp sunt:

x = yC1
y = zC2
Se formeaza sistemul:

x = yC1

y = zC2

z=h
2
x + y 2 = R2
Se exprima x, y, z din trei relatii n functie de C1 si C2 :
z = h; y = hC2 ; x = hC1 C2
care apoi se introduc n ultima relatie ramasa din sistemul de mai sus, obtinandu-
se relatia de compatibilitate:
(C1 , C2 ) = (hC1 C2 )2 + (hC2 )2 R2 = 0
adica:
x2 2y
2
h2 + h = R2
z2 z2
Suprafata conica cu centru O si cerc generator (C)
R2 2
x2 + y 2 = z .
h2
Fig. 2.6
2.1.8 Variatia campului vectorial.

Derivata dupa o directie a unui camp vectorial.
Pentru a calcula variatia unui camp vectorial n vecinatatea unui punct
M , cum campul variaza diferit pe diferite directii ale spatiului vom proceda
astfel: Ducem prin M o dreapta avand directia data de versorul s , sau o curba

a carui tangenta n punctul M are directia de versor s . Pe aceasta dreapta
sau curba luam un punct M 0 vecin cu M . Punctul M 0 (x + dx, y + dy, z + dz)
are vectorul de pozitie
r + d
r.
Fig. 2.7

Marimea vectorului OM este:

|OM | = |d

r | = 4s; d

r =

s 4s

Pentru variatia 4 V a functiei vectoriale V la trecerea din punctul M in
punctul M 0 se obtine:

4 V = V (M 0 ) V (M ) = V (x + dx, y + dy, z + dz) V (x, y, z) =

V V V

= V (x, y, z) + dx + dy + dz + R V (x, y, z)
x y z

Definitia 2.1.9 Se numeste derivata functiei V (M ) dupa directia de vector

s sau derivata campului vectorial V (M ) dupa directia de vector s , limita

4V
raportului 4s cand 4s 0 atunci cand aceasta limita exista.

4V dV
lim =
4s0 4s ds
pentru ca d

r =s 4s sau dx = l4s; dy = m4s; dz = n4s

4V V V V R
lim = l+ m+ n + lim
4s0 4s x y z 4s0 4s
cum:

R
lim =0
4s0 4s
rezulta :

dV V V V
= l+ m+ n
ds x y z

dV

= (
s ) V
ds
Se pot demonstra ca si la campurile scalare, urmatoarele proprietati:

d( A + B ) dA dB
= +
ds ds ds

d( A ) d
dA
= A +
ds ds ds

d( A B ) dA dB
= B+A
ds ds ds

d( A B ) dA
dB
= B+A
ds ds ds

Definitia 2.1.10 Se numeste derivata vectorului V n raport cu vectorul A
expresia:

dV

= ( A 5) V

dA

Fie A = Ax i + Ay j + Az k atunci:

dV

V V V
= (Ax x +Ay y +Az z )(P i +Q j +R k ) = Ax x +Ay y +Az z .

dA
2.1.9 Asupra integralei de suprafata.

Fie S o submultime din R3 (S U unde U R3 ) si D2 R2 . Aceasta
suprafata S se poate reprezenta sub trei forme:
Forma implicita:
S = {(x, y, z) | F (x, y, z) = 0}; F : R3 R
Forma explicita:
S = {(x, y, z) | z = f (x, y), (x, y) D2 }

Forma parametrica:
S = {(x, y, z) | x = 1 (u, v), y = 2 (u, v), z = 3 (u, v), (u, v) D2 }
Se poate trece de la forma explicita la forma parametrica astfel:

x = u; y = v; z = f (u, v) unde (u, v) D2
Daca S este sub forma parametrica si v = v0 fixat, atunci se obtine o curba
situata pe suprafata S:
(u ) : {(x, y, z) | x = 1 (u, v0 ), y = 2 (u, v0 ), z = 3 (u, v), (u, v0 ) D2 }
Daca S este sub forma parametrica si u = u0 fixat, atunci se obtine o curba

situata pe suprafata S:
(u ) : {(x, y, z) | x = 1 (u0 , v), y = 2 (u0 , v), z = 3 (u, v), (u0 , v) D2 }
Fig. 2.8
u si v se numesc curbe de coordonate.

N r u si N
rvN k ru rv
1
Pentru 1 , 2 , 3 de clasa C (adica S este neteda), vectorii tangenti n M0
(punctul de intersectie) la curbele u si v sunt:

1
2 3

ru= i + j + k
u u u

1 2 3
rv= i + j + k
v v v
r u si
r v sunt vectori necolineari n D2 , atunci n fiecare punct (u0 , v0 ) al
suprafetei exista un plan tangent unic determinat si deci exista o normala
unica.

r u si

r v necolineari r u r v 6= 0 N k
ru
r v;

i j k

r u
r v = 1 2 3
=A i +B j +C k
1 2 3
u u u

v v v
unde:
(2 , 3 ) (3 , 1 ) (1 , 2 )
A= , B= , C= ,
(u, v) (u, v) (u, v)
Conditia ca vectorii sa fie necolineari este:
|

ru

r v |2 = A2 + B 2 + C 2 > 0
Notand:

1 2 2 2 3 2
E =
ru

ru=( ) +( ) +( ) ;
u u u

1 1 2 2 3 3
F =
r u

rv=( )( )+( )( )+( )( );
u v u v u v

1 2 2 2 3 2
G =
r v

rv=( ) +( ) +( ) ;
v v v
Atunci A2 + B 2 + C 2 = EG F 2 numita Identitatea lui Euler.
Definitia 2.1.11 Fie S o suprafata neteda sau neteda pe portiuni avand forma
parametrica:
x = 1 (u, v); y = 2 (u, v); z = 3 (u, v); (u, v) D2
Daca: ZZ ZZ
p p
A2 + B2 + C 2 dudv = EG F 2 dudv,
D2 D2
exista si este finita atunci suprafata S are arie si:

ZZ p ZZ p ZZ
A(S) = A2 + B 2 + C 2 dudv = EG F 2 dudv = d
D2 D2 S
iar: p p
d = A2 + B 2 + C 2 dudv = EG F 2 dudv
se numeste element diferential de suprafata.
Propozitia 2.1.18 Fie S = {(x, y, z) | z = f (x, y), (x, y) D2 }, S neteda.

Daca S are arie, atunci:
ZZ s ZZ p
f 2 f 2
A(S) = 1 + ( ) + ( ) dxdy = 1 + p2 + q 2 dxdy =
D2 x y D2
f f
unde p = x si q = y sunt numite notatiile lui Monge.
Demonstratie:

x=x
E = 1 + 0 + ( fx )
2
f 2
y=y = G = 0 + 1 + ( y )

z = f (x, y) F = 1 0 + 0 1 + f f
x y
f 2 f f f 2 f f
EG F 2 = (1 + ( ) )(1 + ( )2 ) ( ) = 1 + ( )2 + ( )2
x y x y x y
sau:

i j k

ru
r v = 1 0 f x

0 1 f y

Rezulta: A = f f
x , B = y ; C = 1
|

r
u
r |2 = A2 + B 2 + C 2 = 1 + ( f )2 + ( f )2
v x y
2.1.10 Integrala de suprafata de speta ntai si doi.

Definitia 2.1.12 Fie S o suprafata neteda (sau neteda pe portiuni)

x = 1 (u, v)
S x = 2 (u, v) (u, v) D2

x = 3 (u, v)
si f : U R o functie continua pe U R3 .
Se numeste integrala de suprafata de speta ntai a functiei f pe suprafata S,
integrala data de:
ZZ p ZZ
2 2 2
f (1 (u, v), 2 (u, v), 3 (u, v)) A + B + C dudv = f (x, y, z)d
D2 S

Definitia 2.1.13 Consideram aceleasi proprietati pentru suprafata S iar V :

U R3 , V (x, y, z) = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k
Se numeste integrala de suprafata de speta a doua, integrala data de:
ZZ
(P (1 (u, v), 2 (u, v), 3 (u, v))A + Q(1 (u, v), 2 (u, v), 3 (u, v))B+
D2
+R(1 (u, v), 2 (u, v), 3 (u, v))C)dudv =

ZZ
= P (x, y, z)dydz + Q(x, y, z)dzdx + R(x, y, z)dxdy =
S,

n+
ZZ
= (P (x, y, z) + Q(x, y, z) + R(x, y, z))d
S,

n+
cu

n+ = i + j + k versorul normalei la suprafata S ,

n + =

n
ZZ ZZ
(P + Q + R)d = (P + Q + R))d
S,

n+ S,

n
2.1.11 Fluxul unui camp vectorial printr-o suprafata.

Fie o suprafata S situata n domeniul < n care ste definit campul vectorial

V si
n versorul normalei n punctul M la S.

Definitia 2.1.14 Se numeste fluxul campului vectorial V prin suprafata S,
valoarea integralei: ZZ

= V n d,
S
Fig. 2.9
unde d este elementul diferential al suprafetei S ce contine punctul M .

Campul

V = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k
si versorul normalei

\
\
\

n = cos(n , i ) i + cos(

n , j ) j + cos(

n, k)k = i + j + k
exprima:

Vn d = P d + Qd + Rd
dar:
\

cos(

n , i )d = cos(

\
n , Ox)d = d = dydz
\

cos(

n , j )d = cos(

\
n , Oy)d = d = dzdx
\

cos(

n , k )d = cos(

\
n , Oz)d = d = dxdy
Astfel se poate exprima fluxul campului vectorial:
ZZ
= P (x, y, z)dydz + Q(x, y, z)dzdx + R(x, y, z)dxdy
S
O interpretare fizica a notiunii de flux pornind de la un camp par-

ticular.

Fie campul vectorial V (M ), care reprezinta campul de viteze al curgerii
unui fluid si S o suprafata oarecare situata n domeniul D ocupat de fluid.
Definitia 2.1.15 Se numeste flux al fluidului prin suprafata S cantitatea de

fluid care strabate suprafata S n unitatea de timp.
Pentru a calcula fluxul, vom mparti suprafata S ntr-un numar de suprafete

elementare de arie d.
Fig. 2.10
Versorul normal la suprafata se noteaza cu

n . Cantitatea de fluid care
strabate elementul d n unitatea de timp o numim flux elementar al fluidu-
lui. In unitatea de timp fluidul umple un paralelipiped de baza d si de muchie

| V (M )|. Inaltimea h a paralelipipedului va fi proiectia vectorului V (M ) pe

\

versorul n , al normalei n M , deci va fi data de h = |
n || V | cos(

n , V ) adica:

h= V n . Fluxul elementar este dat de hd, adica: d = V
n d. Fluxul
P
total prin suprafata S va fi limita sumei: V n d suma fiind extinsa la
toate elementele suprafetei S, cand aria tuturor elementelor d 0, daca
aceasta limita exista. Limita obtinuta este o integrala de suprafata
ZZ

= V n d
S

Daca intr-un punct M apartinand suprafetei S, V si n sunt de aceeasi

parte a suprafetei, unghiul dintre V si n este ascutit si produsul scalar V
n
este pozitiv.

Daca V si n sunt de parti opuse, atunci unghiul dintre V si n este

optuz si produsul scalar V n este negativ.

Daca V este perpendicular pe n , deci tangent la suprafata, produsul

scalar V n este nul.
Fig. 2.11

Semnul expresiei V n precizeaza sensul n care fluidul strabate suprafata
n punctul M .

Daca V
n > 0, fluidul iese din suprafata prin punctul M .

Daca V n < 0, fluidul intra n suprafata prin punctul M .

Daca V
n = 0, n punctul M fluidul nu strabate suprafata.
Tinand seama de expresia fluxului printr-o suprafata S, rezulta:
Daca > 0, mai mult fluid a iesit din domeniu decat a intrat;
Daca > 0, mai mult fluid a intrat din domeniu decat a iesit;
Daca = 0, cat fluid intra n domeniu tot atata iese.
Exemplu:

Pentru V = r sa se calculeze fluxul prin portiunea de suprafata: z = x2 + y 2
cuprinsa ntre planul xOy si planul z = 4, avand normala dirijata astfel ca sa
formeze un unghi optuz cu axa Oz.
Fig. 2.12
Versorul:

p i + q j + (1) k
n = p
p2 + q 2 + 1
iar elementul de suprafata:

p
d = p2 + q 2 + 1dxdy
z z
unde p = x ; q = y
cos(

\
n , Oz) = < 0 face ca versorul normalei sa fie:

2x i + 2y j k
n = p
4x2 + 4y 2 + 1
p
si d = 4x2 + 4y 2 + 1dxdy
ZZ

2x2 + 2y 2 z
V
n =p = = (2x2 + 2y 2 z)dxdy =
4x2 + 4y 2 + 1 S
ZZ Z 2 Z 2
2 2 2 2
= (2x + 2y x y )dxdy = d 3 d = 8
D 0 0
unde D : x2 + y2 4 si x = cos , y = sin iar dxdy = d.d
2.1.12 Divergenta unui camp vectorial.

In cazul cand suprafata S este o suprafata nchisa, aplicand formula lui
Gauss-Ostrogradski, obtinem:
ZZ ZZZ
P Q R
= P dydz + Qdzdx + Rdxdy = ( + + )d
S x y z
unde S este o suprafata nchisa care limiteaza domeniul simplu conex si
V (M ) o functie vectoriala de componente functii cu derivate partiale de primul

ordin continuie pe S.
Q
Definitia 2.1.16 Functia scalara P R
x + y + z se numeste divergenta a

functiei vectoriale V (M ) de componente P (x, y, z), Q(x, y, z), R(x, y, z) si se

noteaza div V , adica:

P Q R

div V = + + sau div V = V
x y z
Fluxul unui vector printr-o suprafata nchisa S este egala cu integrala de volum
din divergent vectorului extinsa la domeniul nchis de suprafata S. Formula
Gauss-Ostrogradski se numeste si formula flux-divergenta, se scrie:
ZZ ZZZ

V n d = div V d (2.20)
S
unde d este elementul de volum, notat uneori cu dxdydz.

Exprimarea divergentei independenta de sistemul de referinta, val-

abila n orice punct M din .
Din ZZ ZZZ

V
n d = div V d
S
aplicand formula mediei pentru integrala tripla avem:
ZZ ZZZ

V n d = ( div V )|M d = ( div V )|M V
S
punctul M fiind interior domeniului , V fiind volumul domeniului . Facand

suprafata S sa se stranga continuu n vecinatatea lui M , astfel ncat V 0
avem: ZZ

V n d

S
( div V )|M = lim =
V0 V
Aceasta limita analoaga cu limita care duce n cazul unei dimensiuni la notiunea
de derivata de numeste derivata spatiala.

Definitia 2.1.17 Se numeste divergent a campului vectorial V (M ) n punctul

M limita raportului dintre fluxul lui V (M ) prin suprafata S care margineste
domeniul si volumul V al acestui domeniu, cand V 0 (punctul M apartine
lui ), daca aceasta limita exista.
Semnificatia fizica a divergentei unui vector.

Sa presupunem ca avem o curgere a unui fluid, V (M ) fiind campul de
viteze al curgerii.
Fig. 2.13

Sa consideram o suprafata S din domeniul D de dfinitie al campului V (M ).
In unitatea de timp prin aceasta suprafata intra o anumita cantitate de fluid si
iese o anumita cantitate de fluid. In M1 fluxul este negativ, deoarece normala
la suprafata si vectorul camp sunt de o parte si de alta a suprafetei, pe cand
n M2 fluxul este pozitiv deoarece normala la suprafata si vectorul camp sunt
de aceeasi parte a suprafetei. Daca consideram fluxul total prin suprafata S

si fluxul este pozitiv atunci iese mai mult fluid decat intra; daca fluxul este
negativ, atunci intra mai mult fluid decat iese; daca fluxul este nul, cat fluid
intra prin suprafata S tot atata iese. Avem urmatoarele cazuri:
1. Fluxul prin orice suprafata S D este pozitiv si din formula (4.20)

rezulta ca div V > 0. In acest caz iese mai mult fluid decat intra si rezulta ca
n interiorul lui S se creaza lichid. Spunem n acest caz ca avem n interiorul
lui S, izvoare sau surse pozitive.

2. Fluxul prin orice suprafata S D este negativ deci div V < 0 in D.
In acest caz intra prin suprafata S mai mult fluid decat iese si n interiorul lui
S fluidul este absorbit. Spunem ca avem puturi sau surse negative.

3. Fluxul prin orice suprafata S D este nul deci div V = 0 in D.
In acest caz cat fluid intra prin suprafata S tot atata si iese, fluidul este
incompresibil.

Sa consideram un camp vectorial V (M ) si o suprafata S nchisa prin care

fluxul total al campului este diferit de zero, deci div V 6= 0. Daca fluxul total
este pozitiv oricare ar fi suprafata nchisa S cuprinzand punctul M , atunci
izvorul este n M , iar daca fluxul total este negativ oricare ar fi suprafata
nchisa S cuprinzand punctul M , atunci putul este n M .
Definitia 2.1.18 Se numeste sursa punctuala un punct M din D, care are

o vecinatate V astfel ncat div V (M ) 6= 0 si div V (M 0 ) = 0 pentru orice
M 6= M 0 si M 0 V.
Definitia 2.1.19 Se numeste productivitatea sau intensitatea unei surse

punctuale M integrala: ZZ

e= V n d
S
adica valoarea fluxului vectorului printr-o suprafata S care contine sursa data
n interior, fara sa mai contina alte surse.
Teorema 2.1.1 Fluxul prin orice suprafata nchisa care contine o sursa M
si nu mai contine n interior alte surse este acelasi.
Demonstratie: Fie S1 si S2 doua suprafete nchise care contin sursa punc-

tuala M .

In domeniul D limitat de S = S1 S2 avem div V = 0 pentru ca nu avem
surse
ZZ ZZ ZZ ZZ

V n d = V n d + V n d; V n d = 0
S S1 S2 S
ZZ ZZ

= V
n d = V
n d
S1 S2
Fig. 2.14
Prin urmare, deoarece normalele sunt respectiv interioara la S1 si exterioara

la S2 avem: ZZ ZZ

V n d = V n d
S1 S2
unde e este productivitatea sursei din M .

Fie campul vectorial V (M ) definit ntr-un domeniu D, admitand n acest
domeniu un numar n de surse, pozitive sau negative, avand productivitatile
e1 , e2 , ... en . Sa consideram suprafata nchisa S care limiteaza domeniul D.

Teorema 2.1.2 Fluxul vectorului V prin suprafata S este egal cu suma pro-
ductivitatilor surselor situate n interiorul lui S
ZZ X n

V
n d = ei
S i=1
Demonstratie: Fie Mi , i = 1, 2, ..., n surse situate in interiorul lui S.
Fig. 2.15
Inconjuram fiecare sursa Mi , cu o suprafata inchisa Si ce nu mai cuprinde

alte surse. Domeniul marginit dr S si de Si , i = 1, 2, ..., n i aplicam formula
(2.20). Notam = S S1 S2 ... Sn . In interiorul domeniului nu sunt

surse deci: div V = 0 si de aceea fluxul total prin este nul:
ZZ ZZ ZZ ZZ

V n d = V n d + V n d + ... + V n d = 0
S S1 Sn
ZZ ZZ ZZ ZZ

V
n d = V
n d V
n d ... V
n d
S S1 S2 Sn
schimband sensurile de parcurgere pe suprafetele Si , i = 1, 2, ..., n si deci ale

normalelor avem:
ZZ ZZ ZZ ZZ

V n d = V n d + V n d + ... + V n d =
S S1 S2 Sn
n
X
= e1 + e2 + ... + en = ei
i=1
2.1.13 Proprietati ale divergentei.

1. div (V1 + V 2 )=div V1 +div V2
Intr-adevar, dupa definitie avem:

div (V1 + V 2 )= x (P1 + P2 ) + y (Q1 + Q2 ) + z (R1 + R2 ) =
P1 Q1 R1 P2 Q2 R2

x + y + z + x + y + z =div V1 +div V2

2. div ( A )=grad A +div A
Intr-adevar,

A = A1 i + A2 j + A3 k

div ( A ) = (A1 ) + (A2 ) + (A3 ) =
x y z
A1 A2 A3
= A1 + + A2 + + A3 + =
x x y y z z
A1 A2 A3

( + + ) + grad A = grad A + div A
x y z
Cu operatorul Hamilton avem:

P Q R

div V = ( i +j +k )(P i +Q j +R k ) = + + = V
x y z x y z
2.1.14 Circulatia unui camp vectorial.

Daca V (M ) este un camp vectorial dat, al carui punct de aplicatie M
se deplaseaza de-a lungul unei curbe C din domeniul sau de definitie atunci

circulatia campului vectorial V de-a lungul curbei C este:
Z

c= V d
r
C
Fig. 2.16

Daca consideram drept camp de vectori campul fortelor F care actioneaza
asupra unui punct material M , iar drept curba C traiectoria punctului, atunci

circulatia campului vectorial F de-a lungul curbei C este:
Z

F dr =L
C

reprezinta lucru mecanic al fortelor F pentru deplasarea punctului M de-a
lungul curbei C.
Daca:

V = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k
cum

d

r = dx i + dy j + dz k
Z

c= P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k
C
Exemplu:

Sa se calculeze circulatia vectorului V = (y z) i + (z x) j + (x y) k
de-a lungul conturului OAB
OA segment de dreapta, iar AB un sfert de cerc situat in primul cadran
din planul xOy

x=x dx = dx
OA : y = 0 = dy = 0 0x2

z=0 dz = 0
AB : x2 + y 2 = 4 cu ecuatiile parametrice:

x = 2 cos dx = 2 sin d
AB : y = 2 sin = dy = 2 cos d 0
2
z=0 dz = 0
Z Z Z

c= V d
r = V d
r + V d
r
OAB OA AB
Fig. 2.17

unde : V d
r = (y z)dx + (z x)dy + (x y)dz
Z 2
Pe OA : c1 = (y z)dx = 0
Z0
Pe AB : c2 = (y z)dx + (z x)dy
AB
Z Z
2 2
c2 = [(2 sin )(2 sin ) + (2 cos )(2 cos )]d = 4 d = 2.
0 0
2.1.15 Rotorul unui camp vectorial.

Daca curba C este nchisa, aplicand formula lui Stokes avem:
Fig. 2.18
Z
P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz =
C
ZZ
R Q \
P R \
Q P \

[( ) cos(

n , i )+( ) cos(

n , j )+( ) cos(n , k )]d
S y z z x x y
unde S este o suprafata ce se sprijina pe C iar S C sunt continute n domeniul

D, unde V are derivate partiale de ordinul ntai continuie.
Expresia de sub semnul integralei de suprafata din membrul al doilea este
produsul scalar dintre vectorul de componente:
R Q P R Q P
( ); ( ); ( )
y z z x x y
si versorul normalei de componente:
\
\
\

cos(

n , i ); cos(

n , j ); cos(

n, k)

Definitia 2.1.20 Se numeste rotorul sau vartejul campului vectorial V si

se noteaza cu rot V sau V vectorul:

R Q P R Q P
rot V = ( ) i +( )j +( )k
y z z x x y
Formula lui Stokes in scriere vectoriala devine:

Z ZZ

V dr = rot V d
C S
si se poate enunta astfel:
Definitia 2.1.21 Circulatia unui camp vectorial de-a lungul unei curbe nchise
este egala cu fluxul rotorului campului vectorial printr-o suprafata marginita
de acea curba.
Utilizand o scriere simbolica formula lui Stokes este:

Z ZZ dydz dzdx dxdy

P dx + Qdy + Rdz =
x y z
S
C
P Q R
unde:

i j k

rot V = x y z

P Q R

Exprimarea rotorului campului vectorial V , independenta de sistemul de referinta,
valabila n orice punct M din D:
ZZ

n V d

lim S = rot V |M
V0 V
Intr-adevar, volumul elementar V al paralelipipedului este determinat de

perechile de suprafete: (x, x + dx); (y, y + dy); (z, z + dz)
Deplasarea pe Ox se face n M1 (x + dx, 0, 0) pe Oy n M2 (0, y + dy, 0) si
pe Oz n M3 (0, 0, z + dz). Suprafata ce limiteaza volumul elementar V este:
= x x+dx y y+dy z z+dz

ZZ

I = n V d = I(x ,x+dx ) + I(y ,y+dy ) + I(z ,z+dz )

cu I(x ,x+dx ) = Ix + Ix+dx
Fig. 2.19
Dar:

(

n V d)|x = ( i V (M ))dydz

V
(

n V d)|x+dx = i V (M )|x+dx dydz = i [ V (M ) + dx]dydz
x

V (M )

I(x ,x+dx ) = i dxdydz
x

V (M )

I(y ,y+dy ) = j dxdydz
y

V (M )
I(z ,z+dz ) = k dxdydz
z

V (M )
V (M )

V (M )
I = i dxdydz + j dxdydz + k dxdydz
x y z
Pentru ca:

i i = 0; i j = k ; i k = j

Q R P
R P
I = [( i j ) +( i k ) +( j i ) +( j k ) +( k i ) +
x x y y z

Q

+( k j ) ]dxdydz = V dxdydz = rot V dxdydz = ( rot V )V
z
Prin urmare: ZZ

n V d

S
rot V |M = lim
V0 V
2.1.16 Proprietatile rotorului.


1. rot ( V 1 + V 2 ) = rot V 1 +rot V 2
Intr-adevar,

i j k

rot ( V 1 + V 2 ) = x y z =

P1 + P2 Q1 + Q2 R1 + R2
R1 Q1
P1 R1

Q1 P1
i( )+ j ( )+ k( )+
y z z x x y
R2 Q2
P2 R2

Q2 P2
+i( )+ j ( )+ k( )=
y z z x x y

rot V 1 + rot V 2 .

2. rot ( V ) = grad V +rot V
Intr-adevar,

i j k
R Q
= i ( R+ Q )+
x y z
y y z z
P Q R

P R
Q P
+j ( P + R )+ k( Q+ P )=
z z x x x x y y

= i ( R Q) + j ( P R) + k ( Q P )+
y z z x x y
R
Q P
R
Q P
+[ i ( )+ j ( )+ k( )] =
y z z x x y

i j k i j k

=
+
=
x y z x y z
P Q R P Q R

= grad V + rot V .
2.1.17 Operatori diferentiali vectoriali si scalari.

Operatorii diferentiali vectoriali si scalari se construiesc cu operatorul
Hamilton care n coordonate carteziene este:

= i + j + k
x y z
Reguli generale de calcul cu operatorul .
1. Operatorul formeaza cu functia scalara sau vectoriala careia i se

aplica un tot unitar.
2. Operatorul actioneaza numai asupra functiilor aflate la dreapta sa.
Din acest motiv ntr-un produs, operatorul nu poate fi factor ultim, n cazul
cand rezultatul este o functie.
3. Operatorul este liniar adica aditiv si omogen. Notam legea de
compozitie ntre si o functie scalara sau vectoriala F.
aditivitatea operatorului : (F1 + F2 ) = F1 + F2
omogenitatea operatorului : (cF) = c F
liniaritatea operatorului : (c1 F1 + c2 F2 ) = c1 F1 + c2 F2
4. Operatorul aplicat asupra unui produs de n functii F1 , F2 , ..., Fn
conduce la sume de n functii noi, dupa regula derivarii produsului si dupa
regulile calculului vectorial n care este considerat vector simbolic
(F1 F2 ... Fn ) = (F 1 F2 ... Fn ) + ... + (F1 F2 ... F n )
sublinierea indica factorul asupra caruia actioneaza operatorul .
Dezvoltarea calculelor mai departe depinde de natura legilor de compozitie.
2.1.18 Operatori diferentiali vectoriali de ordinul ntai.
1. Operatorul aplicat functiei scalare u prin operatia de justapunere

conduce la functia vectoriala:
u
u u
u = i + j + k
x y z

2. Operatorul aplicat functiei vectoriale V prin produs scalar conduce
la functia scalara:

P Q R
V = + +
x y z

numita divergenta campului V .

3. Operatorul aplicat functiei vectoriale V prin produs vectorial con-
duce la functia vectoriala:

V =( i + j + k ) (P i + Q j + R k )
x y z

i j k

V = x y z

P Q R

numita rotorul campului vectorial V . Liniile acestui determinant simbolic
snt compuse din elemente de natura diferite (nu numai scalari cum am stu-
diat pana acum). Acest determinant nu are proprietatile unui determinant
obisnuit; se dezvolta numai dupa elementele primei linii.
1. Calculul gradientului, divergentei si rotorului unei sume de forma

F1 + F2 .
(u1 + u2 ) = u1 + u2

( V 1 + V 2) = V 1 + V 2

( V 1 + V 2) = V 1 + V 2
2. Calculul gradientului, divergentei si rotorului unui produs de

forma aF a R.
(au) = au

(a V ) = a V

(a V ) = a V

forma uF.
(u1 u2 ) = (u1 u2 ) + (u1 u2 ) = u2 u1 + u1 u2

(u V ) = (u V ) + (u V ) = V u + u V

(u V ) = (u V )+(u V ) = u V +u V = u V V u

forma F F.

( V 1 V 2 ) = ( V 1 V 2 ) + ( V 1 V 2 )
Pentru calculul primului termen din membru drept utilizam dublu produs
vectorial:

V 1 ( V 2 ) = ( V 2 V 1 ) V 2 ( V 1 ) =

dV 2
( V 2 V 1 ) = V 1 ( V 2 ) + ( V 1 ) V 2 = V 1 rot V 2 +

dV 1
Dupa ce se calculeaza si cel de-al doilea termen din membrul drept printr-un
procedeu analog, rezulta ca gradientul produsului sdalar a doi vectori este:

dV 2 dV 1
( V 1 V 2 ) = V 1 rot V 2 V 2 rot V 1 +

dV 1 dV 2

( V 1 V 2 ) = ( V 1 V 2 ) + ( V 1 V 2 ) = ( V 1 ) V 2

( V 2 ) V 1 = V 2 ( V 1 ) V 1 ( V 2 ) = V 2 rot V 1 V 1 rot V 2

( V 1 V 2 ) = ( V 1 V 2 ) + ( V 1 V 2 ) = V 1 ( V 2 )

V 2 ( V 1 ) + V 1 ( V 2 ) V 2 ( V 1 ) = ( V 2 ) V 1 V 2 ( V 1 )+

+ V 1 ( V 2 ) ( V 1 ) V 2 = dV1

dV 2
+ V 1 div V 2 V 2 div V 1
dV 2 dV 1
2.1.19 Operatori diferentiali vectoriali de ordinul al doilea.

Prin aplicarea din nou a operatorului asupra functiei F1 = F
utilizand legea de compozitie notata obtinem o noua functie:
F2 = F1 sau F2 = ( F)
Daca construim produsele obtinem urmatorul tablou cuprinzand noua combinatii

din care numai cinci pot exista:
(u) (u) (u)

( V ) ( V ) ( V )

( V ) ( V ) ( V )
Cele dublu subliniate nu au sens, pentru cele ce au sens vom face evaluari:

u u
2u 2u
1. (u) = div grad u = div ( u x i + y j + z k ) = x2 + y 2 +
2u
z 2
= 4u. Expresia:
2 2 2
+ +
x2 y 2 z 2
se noteaza 4 (laplacian) si se numeste operatorul lui Laplace. Ecuatia
4u = 0 se numeste ecuatia lui Laplace.

u u
2. (u) = rot grad u = rot ( u x i + y j + z k ) =

i j k

= x y z =
u u u
x y z
2u
2u 2u
2u 2u
2u
= i( )+ j ( )+ k( )=0
yz zy xz zx xy yx

R P Q R
3. ( V ) = grad div V = x ( x + Q
P
y + z ) i + y ( x + y + z ) j +
R 2Q 2P 2P 2R
2P 2P 2P
+ z ( x + Q
P
y + z ) k = i ( yx y 2 z 2 + xz ) + i ( x2 + y 2 + z 2 )+
2R 2 2
2P
2 2 2
2P 2 2
j ( zy zQ2 xQ2 + xy ) + j ( xQ2 + yQ2 + zQ2 )+ k ( xz xR2 yR2 +
2Q
2R 2R 2R
yz ) + k ( x2 + y 2 + z 2 ) =

i j k

= x y z + 4 V = ( V ) + 4 V .
R Q P R Q P
y z z x x y

4. ( V ) = div rot V = 0
Intr-adevar,

i j k
=
div x y z

P Q R
R Q P R Q P
( )+ ( )+ ( )=
x y z y z x z x y
2R 2Q 2P 2R 2Q 2P
= + + =0
xy xz yz yx zx zy

5. ( V ) = rot rot V = ( V ) ( ) V = ( V ) 4 V
2.2 Formule integrale.
2.2.1 Calculul integral n teoria campurilor.

1) Fie vectorul A = grad unde si sunt doua functii scalare cu
derivatele partiale de ordinul al doilea continuie pe S unde suprafata S
este nchisa si sa aplicam formula flux-divergentei sau (2.20)
ZZ ZZZ

n A d = div A d
S
Dar

d
n A = n ( grad ) =

n = (
n ) =
dn

div A = ( grad ) = () + () = + 4
2.2. FORMULE INTEGRALE. 57
Rezulta ZZ ZZZ
d
d = [ + 4]d (2.21)
S dn
numita prima formula a lui Green.

2) Fie = 1 obtinem din relatia (2.21):
ZZ ZZZ
d
d = 4d (2.22)
S dn
3) In (2.21) vom schimba cu si obtinem:

ZZ ZZZ
d
d = [ + 4]d (2.23)
S dn
Scazand (2.21) si (2.23) avem:

ZZ ZZZ
d d
( )d = [4 4]d (2.24)
S dn dn
a doua formula a lui Green.

4) Daca n (2.20) nlocuim functia vectoriala V (M ) prin (M ) a , unde
(M ) este o functie scalara de punctul M , cu derivate partiale de ordinul ntai
continuie pe S unde S este suprafata nchisa iar
a versorul unui vector
constant oarecare, avem:
ZZ ZZZ
(M )
a
n d = div (
a )d
S
Dar
div (

a ) = (

a ) = (

a ) + (

a)=

a +
| {z
a} =

a
=0
adica ZZ ZZZ

a (M )

n d =

a grad d
S
cum a este versorul unui vector constant oarecare si cele doua integrale din
membrul stang si membrul drept, reprezinta vectori care au proiectii egale pe
orice directie, nseamna ca sunt egali, adica:
ZZ ZZZ

(M ) n d = grad d (2.25)
S
care se numeste formula gradientului.


5) Daca n formula (2.20) nlocuim V cu V a , unde
a este versorul
unui vector constant oarecare avem:
ZZ ZZZ

(V a) n d = div ( V a )d
S
ZZ ZZZ

a (

n V )d = div ( V
a )d
S
dar:

div ( V
a ) = (V
a ) = (5 V )
a
prin urmare: ZZ ZZZ

a (

n V )d =

a ( V )d
S
si cum
a este versorul unui vector constant oarecare si cele doua integrale
reprezinta vectori care au proiectii egale pe orice directie, nseamna ca sunt
egali, adica: ZZ ZZZ

( n V )d = ( V )d (2.26)
S
formula care se numeste formula rotorului.
2.3 Clasificarea campurilor vectoriale.

Aceasta clasificare se face dupa modelul cum este conditionat campul

vectorial V .
Campurile actioneaza ntr-un domeniu D cuprins n regiunea <(mono, bi
sau tridimensional) pe care-l vom considera simplu conex sau multiplu conex,
deoarece vom utiliza functii uniforme respectiv multiforme.
Definitia 2.3.1 Domeniul simplu conex este domeniul n care orice curba C
se poate strange n jurul unui punct interior domeniului n mod continuu.
Exemplu:
Interiorul unei sfere.
Definitia 2.3.2 Domeniul multiplu conex este domeniul n care exista curbe
C care nu se pot strange n jurul unui punct interior n mod continuu.
Exemple:
Interiorul unei tor, cilindru infinit.
2.3. CLASIFICAREA CAMPURILOR VECTORIALE. 59
2.3.1 Categoriile principale de campuri vectoriale.

I. Campul uniform(constant) este campul vectorial V constant n marime,
directie si sens n domeniul D <. Ecuatia de definitie:

V (M ) = V 0 , ()M D
II. Campul lamelar sau potential ntr-un domeniu D, un camp de vectori

de forma:

V (M ) = grad (M ), (M ) este definita tot pe D

III. Campul irotational ntr-un domeniu D este campul vectorial V (M )

care are rot V = 0 n toate punctele lui D.
Proprietati ale campului irotational ntr-un domeniu simplu conex

D.

Propozitia 2.3.1 Circulatia campul irotational V (M ) de-a lungul oricarei
curbe nchise C continuta ntr-un domeniu D este nula
Z ZZ

c= V dr = rot V
n d = 0
C S

Propozitia 2.3.2 Circulatia campul irotational V (M ) de-a lungul oricarui
arc de curba cu aceleasi extremitati n D, continut n intregime n D, nu de-
pinde de arcul de curba, depinde numai de extremitati.
Fig. 2.20
Demonstratie:
Intr-adevar, fie doua arce de curba continute in domeniul D, arcul AM B
si arcul AN B. fie curba nchisa = AM BN A
Z Z Z Z Z

V dr = V dr + V dr = 0; V d
r = V d
r
AM B BN A AM B AN B
Propozitia 2.3.3 Orice camp irotational este un camp potential adica este
gradientul unui camp scalar.
Demonstratie:
Intr-adevar, dintr-o proprietate a campurilor irotationale, rezulta ca inte-
grala curbilinie din vector nu depinde de drum. Fie M0 (x0 , y0 , z0 ) fixat n D
si M (x, y, z) variabil n D. Avem:
Z Z

V dr = P dx + Qdy + Rdz = (M0 , M ) = (x, y, z)
M0 M M0 M
se stie ca:

d = dx + dy + dz
x y z
prin urmare:

P = ; Q= ; R=
x y z

si deci V = grad adica V este camp potential.
Propozitia 2.3.4 Orice camp potential este irotational.
Demonstratie:

Campul V potential nseamna: V = grad urmeaza ca: rot V =

rot grad = 0. Dar rot V = 0 nseamna ca V este irotational.
Exemple de campuri irotationale:
Campul gravitational newtonian n regiuni n care se afla mase atractive.

Campul electrostatic E n regiuni care contin sarcini electrice(n teoria
campului electromagnetic).
Proprietati ale campului irotational ntr-un domeniu multiplu conex

D.

Fie un camp irotational V (M ) ntr-un domeniu multiplu conex D. Intr-un
domeniu multiplu conex se por considera doua tipuri de curbe nchise.
a) Curbe C, cu proprietatea ca exista o suprafata S, marginita de curba
C, continuta n domeniul D.
b) Curbe , care nu au aceasta proprietate. Curbele sunt curbe care
traverseaza cel putin una din taieturile pe care le putem face n domeniul mul-
tiplu conex D, pentru a obtine un domeniu simplu conex D0 .
Definitia 2.3.3 Se numesc echivalente ntr-un domeniu multiplu conex D,

doua curbe nchise sau doua arce de curba, continute n acel domeniu, daca
fiecare taietura este traversata de cele doua curbe, sau arce de curba, de acelasi
numar de ori si n acelas sens.
Fig. 2.21
L2 este echivalent cu L3 pentru ca intersecteaza taietura T o singura data

si n acelasi sens. L2 nu este echivalent cu L4 pentru ca nu intersecteaza
taietura T de acelasi numar de ori. L2 intersecteaza taietura T o data si L4
intersecteaza taietura T de doua ori.

Propozitia 2.3.5 Circulatia campului irotational V (M ) pe doua curbe echiva-
lente este aceeasi.
Demonstratie:
Cazul I Presupunem ca avem doua curbe C1 si C2 din prima categorie
adica exista o suprafata marginita de aceste curbe S1 si S2 , continute n
ntrgime n domeniul D. Pentru determinarea circulatiei pe aceste curbe
putem aplica formula Stokes, deoarece campul este definit n toate punctele
suprafetelor S1 si S2 si avem:
Z ZZ

c1 = V d
r = rot V
n d = 0
C1 S1
Z ZZ

c2 = V d
r = rot V
n d = 0
C2 S2
= c1 = c2
Cazul II Sa presupunem ca avem doua curbe L1 si L2 din categoria a
doua, care traverseaza o singura data o taietura T si numai una. Fie M1 si
M2 punctele n care L1 si L2 intersecteaza suprafata T si M2 M3 arc de curba
apartinand taieturii T .
Putem considera curba nchisa:
C = L+
2 M2 M3 L2 M3 M2
care este o curba de categoria ntai, care nu traverseaza nici o taietura si daca
curba L2 este parcursa n sens direct curba L3 este parcursa n sens invers.
Pentru aceasta curba vom avea:
Z ZZ

V dr = rot V n d = 0
C S
dar
Z Z Z Z Z

V d
r = V d
r + V d
r + V d
r + V d
r
C L+
2 M2 M3 L
3 M3 M2
Cum:
Z Z Z Z

V d
r = V d
r si V d
r = V d
r
M2 M3 M3 M2 L
3 L+
3
Z Z

= V d
r = V d
r
L+
2 L+
3
Asadar daca curbele L1 si L2 traverseaza o taietura T o singura data n sens

direct circulatia este aceeasi.
Demonstratia se extinde si la cazul cand cele doua curbe echivalente tra-
verseaza de mai multe ori una sau mai multe taieturi n acelasi sens.
Definitia 2.3.4 Valoarea comuna a circulatiei pe curbe echivalente nchise ce

traverseaza taietura T o singura data poarta numele de constanta ciclica k
asociata taieturii T .
Propozitia 2.3.6 Daca o curba nchisa , continuta n domeniul D n care
V (M ) este irotational, traverseaza o singura taietura T de n ori n sens di-

rect, atunci circulatia lui V (M ) pe este egala cu de n ori constanta ciclica
corespunzatoare acestei taieturi adica:
Z

V dr = nk

Demonstratie: Sa consideram, pentru nceput, o curba care traverseaza

de doua ori taietura T n sens direct. Fie A si B punctele sale de intersectie
cu T . Circulatia pe este:
cAP BQRA = cAP B + cBQRA = cBA + cAP B + cBQRA + cAB = cBAP B + cBQRAB
Curbele C1 : BAP B si C2 : BQRAB sunt nchise, traverseaza o singura data

taietura T si circulatia pe aceste curbe are aceeasi valoare k deci:
Z Z Z Z

V d r = V dr = V dr + V dr = 2k
AP BQRA C1 C2
In cazul n care curba traverseaza taietura T de n ori (n > 2) n sens

direct, adaugand arce trasate pe taietura se obtine o curba care se descompune
n n curbe echivalente si atunci pentru n = 4 avem:
cAP BQCRDSA = cBA + cAP B + cCB + cBQC + cDC + cCRD + cAB + cCD +
Fig. 2.22
Fig. 2.23
cDSA = cBAP B + cCBQC + cDRCD + cABCDSA

Rezulta ca: Z

V d
r = 4k

Daca curba traverseaza de n ori n sens invers, atunci circulatia va fi nk.

Fie doua curbe L1 si L2 ce unesc punctele A si B cu deosebirea ca L1
nu traverseaza nici o taietura iar L2 traverseaza taieturile T1 , T2 , ..., Tp de
n1 , n2 , ..., np ori.
Din proprietatile precedente rezulta: L = L1 L2
Z Z Z

V d
r = V d r + V d
r
L L
1 L+
2
Z

dar: V d
r = n1 k1 n2 k2 ... np kp , adica:
L
Z Z

V d
r = V d
r n1 k1 n2 k2 ... np kp
L+
2 L+
1
Fig. 2.24
Semnul + sau semnul se alege n functie de sensul n care este traversata

taietura.

Propozitia 2.3.7 Un camp irotational V (M ) ntr-un domeniu multiplu conex
este un camp potential adica este gradientul unui camp scalar.
Demonstratie:
Fie A(x0 , y0 , z0 ) fixat n D si B(x, y, z) variabil n D atunci:
Z Z Z

V d r = V d r = P dx + Qdy + Rdz = (A, B) = (x, y, z)
L2 AB AB
(2.27)
Dar stim ca:
Z Z

V d
r = V d
r n1 k1 n2 k2 ... np kp (2.28)
L2 L1
Din relatiile (4.27) si (4.28) rezulta:

Z X p

V d
r + ni ki = (x, y, z)
L1 i=1
Z

Notam 0 (x, y, z) = V d
r numita determinare principala a functiei
L1
p
X
(x, y, z). Prin urmare (x, y, z) = 0 (x, y, z) + ni ki . Cum:
i=1

dx +
d = dy + dz
x y z

rezulta ca: P =
x ; Q = y ; R = z ; si deci V = grad (x, y, z) adica

gradientul functiei (x, y, z) este egal cu V (M ) n tot domeniul D0 obtinut
din D prin introducerea celor p taieturi.
2.3.2 Camp solenoidal.
Definitia 2.3.5 Numim camp solenoidal ntr-un domeniu D campul vectorial
V (M ) care are divergenta nula n toate punctele domeniului D adica:

div V = 0

Propozitia 2.3.8 Daca campul V (M ) este contnuu n domeniul D si pe
suprafata S care margineste acest domeniu si solenoidal n domeniul D, atunci

fluxul lui V (M ) prin orice surafata nchisa continuta n domeniul D este
nul.
Demonstratie:

V (M ) este solenoidal adica div V (M ) = 0 si deci:
ZZ ZZZ

V d = div V (M )d = 0
S
S-a aplicat formula flux-divergenta. Rezulta ca n interiorul unui domeniu

marginit de suprafata nchisa S pentru care V este solenoidal nu pot fi izvoare
sau puturi.

Propozitia 2.3.9 Fluxul unui camp V (M ) solenoidal este acelasi prin orice
suprafata S sub ntinsa de o curba C
Demonstratie:
Fig. 2.25
ZZ ZZ ZZ

S = S1 S2 ; V
n d = V
n d + V
n d
S S1 S2
Dar: ZZ ZZZ

V
n d = div V (M )d = 0
S
ZZ ZZ

cum:

n S1 =

n S2 avem V
n d = V
n d = 0
S1 S2
Dar Pe suprafata S2 vedem nsa sensul de parcurs pe curba C invers decat
dupa S1 . Folosind sensul direct de parcurgere avem:
ZZ ZZ

V n d = V n d
S1 S2

Propozitia 2.3.10 Fluxul unui camp V (M ) solenoidal prin orice sectiune
transversala ntr-un tub de vectori (sau tub de curent) este acelasi: S1 = S2 .
Fig. 2.26
Demonstratie:
Sa consideram suprafata S marginita de curba C. Prin fiecare punct al
suprafetei S trece o linie de camp L cu proprietatea:

V dr = 0 sau V n = 0.
Liniile L genereaza un domeniu D marginit de o suprafata 1 , D este numit
tub de vectori iar 1 suprafata tubului de vectori.
Fie S1 si S2 doua sectiuni n tubul de vectori si S` portiunea din ` cuprinsa
ntre cele doua sectiuni. = S1 S2 S` este suprafata nchisa care margineste
un domeniu nchis.
Cu formula flux-divergenta:
ZZ ZZZ

V n d = div V (M )d = 0

dar:
ZZ ZZ ZZ ZZ

V
n d = V
n d + V
n d + V
n d = 0
S1 S2 S`

Dar pe suprafata S` avem: V n = 0, pe suprafata S1 :

n S1 = +

n 1 pe
suprafata S2 :

n S2 =
n 2 . Rezulta:
ZZ ZZ

d = I
V n2 d = V n 1
S2 S1
Definitia 2.3.6 Fluxul printr-o sectiune n tub notat I se numeste intensi-

tatea tubului de vectori.

Propozitia 2.3.11 Conditia necesara si suficienta ca un camp vectorial V (M )
definit n D sa fie solenoidal este ca n orice punct din D sa existe campul

vectorial W (M ) astfel ncat sa fie satisfacuta relatia:

V (M ) = rot W (M )

W (M ) se numeste potential vector al campului solenoidal V (M ).
Demonstratie:

Suficienta: Daca exista W (M ) satisfacand relatia: V = rot W atunci:

div V = V = W = 0

Necesitatea: Ipoteza problemei este div V = 0 si trebuie gasit vectorul W (M )
ce satisface ecuatia:

V = rot W (2.29)
Construim o solutie particulara a ecuatiei. Pentru aceasta raportam campurile

vectoriale V si W la triedrul i , j , k si avem:

V = V1 i + V2 j + V3 k

W = W1 i + W2 j + W3 k
Dar:

i j k

V = x y z

W1 W2 W3
adica:
W3 W2
y z = V1
W1 W3
z x = V2 (2.30)

W2 W1
x y = V3
unde V1 , V2 , V3 sunt functii cunoscute si W1 , W2 , W3 sunt functii necunoscute.
Vrem sa determinam numai o solutie particulara a acestui sistem, de aceea
putem particulariza problema cat este posibil ca sa integram mai usor.
Cautam solutii cu W3 (x, y, z) = 0 si sistemul de mai sus devine:
W2
z = V1
W1
= V2 (2.31)
W2 z W1
x y = V3
Din prima relatie a sistemului:

Z z
W2 = V1 (x, y, t)dt + f (x, y)
z0
Din a doua relatie a sistemului:

Z z
W1 = V2 (x, y, t)dt + g(x, y)
z0
cu f (x, y) si g(x, y) functii arbitrare. Cu functiile W1 (x, y, z) si W2 (x, y, z)

astfel determinate se verifica cea de-a treia ecuatie a sistemului:
Z z
W2 V1 (x, y, t) f (x, y)
= dt +
x z0 x x
Z z
W1 V2 (x, y, t) g(x, y)
= dt +
y z0 y y
Inlocuind avem:
Z z
V1 (x, y, t) V2 (x, y, t) f (x, y) g(x, y)
( + )dt + = V3
z0 x y x y

Cum V (M ) este solenoidal adica div V = 0 avem:
V1 (x, y, t) V2 (x, y, t) V3 (x, y, t)
+ =
x y z
avem: Z z
V3 (x, y, t) f (x, y) g(x, y)
dt + = V3
z0 t x y
f (x, y) g(x, y)
V3 (x, y, z) V3 (x, y, z0 ) + = V3 (x, y, z)
x y
f (x, y) g(x, y)
= V3 (x, y, z0 )
x y
Particularizand functia g(x, y) = 0 obtinem: fx (x,y)
= V3 (x, y, z0 ) adica:
Z x
f (x, y) = V3 (t, y, z0 )dt + (y)
x0
Pentru (y) = 0 am determinat o solutie particulara a sistemului (4.31), deci

un vector W 0 care verifica ecuatia: rot W 0 = V vectorul W 0 este un potential

vector al campului V si este dat de:
Z Z z Z x

z

W0 = i V2 (x, y, t)dt + j [ V1 (x, y, t)dt + V3 (t, y, z0 )dt]
z0 z0 x0

Daca vectorului W 0 i adaugam gradientul unei functii scalare arbitrare,
obtinem tot o solutie a sistemului (2.30) deci tot un potential vector:

W = W 0 + grad (2.32)

unde rot W = rot W 0 + rot grad . Dar rot grad = 0 deci: rot W =
0

rot W = V .

Propozitia 2.3.12 Doua solutii W si C ale ecuatiei (2.30) difera prin gra-
dientul unei functii scalare.
Demonstratie:

W si C solutii ale ecuatiei (2.31) nseamna: rot W = V si rot C = V . Prin

scaderea acestora avem: rot (W C ) = 0. Deoarece orice camp irotational

este un camp potential avem: W C = grad = W = C + grad . Deci
W se exprima sub forma (2.32).
2.3.3 Camp laplacian.

Numim camp laplacian sau armonic campul V (M ) care este simultan irotational
si solenoidal ntr-un domeniu D din R, adica:

rot V (M ) = 0; div V (M ) = 0

Daca campul este irotational: V (x, y, z) = grad f (x, y, z) deci V = f

cum V = 0 = V = 4f = 0 adica:
2f 2f 2f
2
+ 2 + 2 =0
x y z
Prin urmare un camp vectorial armonic este un:

camp vectorial potential
al carui potential satisface ecuatia lui Laplace.
Solutiile ecuatiei lui Laplace se mai numesc si functii armonice.
Presupunem n continuare ca functiile armonice sunt definite ntr-un dome-
niu D marginit de suprafata S.
Teorema 2.3.1 Pentru functia armonica avem:

ZZ
d
d = 0
S dn
Demonstratie: Utilizand prima formula a lui Green obtinem:

ZZ ZZZ
d
d = ( + 4)d
S dn
Pentru = 1 si armonica adica 4 = 0

ZZ
d
d = 0
S dn
Teorema 2.3.2 Daca si sunt armonice are loc relatia:

ZZ
d d
( )d = 0
S dn dn
Demonstratie: Utilizand a doua formula a lui Green obtinem:

ZZ ZZZ
d d
( )d = (4 4)d
S dn dn
Dar 4 = 0 si 4 = 0 prin urmare:

ZZ
d d
( )d = 0
S dn dn
Teorema 2.3.3 O functie F (M ) armonica, diferita de o constanta, nu poate

avea un maxim sau un minim n D.
Demonstratie: Daca functia f (M ) ar avea un maxim n punctul M0 (x0 , y0 , z0 )

din D, atunci n M0 (x0 , y0 , z0 ) ar trebui sa fie satisfacuta conditia:
2f 2f 2f
+ + = 4f < 0
x2 y 2 z 2
n contradictie cu ipoteza 4f = 0. Daca functia f (M ) ar avea un minim n

punctul M0 (x0 , y0 , z0 ) din D, atunci n M0 (x0 , y0 , z0 ) ar trebui sa fie satisfacuta
conditia:
2f 2f 2f
+ + = 4f > 0
x2 y 2 z 2
n contradictie cu ipoteza 4f = 0. Din teorema de mai sus rezulta ca o functie
armonica n D si atinge valorile maxima si minima pe frontiera S a lui D.
2.3.4 Camp biscalar.

Definitia 2.3.7 Camp biscalar este camp vectorial V care satisface ecuatia:

V = grad u
unde si u sunt functii scalare nenule.
Propozitia 2.3.13 In fiecare punct din domeniul D n care campul biscalar

V (M ) este definit, V (M ) este perpendicular pe rotorul sau:

V rot V = 0
Demonstratie:

rot V = rot ( grad u) + rot (u) = u + (u) = u ;

V rot V = u (u ) = 0

Propozitia 2.3.14 Campul biscalar V nu admite un potential scalar din care

sa derive, adica nu exista o functie asa fel ncat V sa poata fi scris V =
grad .

Demonstratie: Intr-adevar, daca V ar deriva dintr-un potential , atunci

el ar trebui sa fie irotational, adica: rot V = 0. Dar rot V = gradu
grad 6= 0 pentru orice si u.
2.3.5 Camp general (oarecare).

Definitia 2.3.8 Campul general este campul vectorial V (M ) care nu este
supus nici uneia din conditiile indicate la tipurile precedente, dar care poate fi
supus altor conditii.

Propozitia 2.3.15 Campul general V poate fi descompus ntr-un camp irotational

si un camp solenoidal V = V i + V s cu conditiile ca:

rot V = rot V s si div V = div V i
Demonstratie:

div V = div V i + div V s = div V i

rot V = rot V i + rot V s = rot V s

pentru ca div V s = 0 si rot V i = 0.
2.4 Determinari de campuri .

2.4.1 Determinarea unui camp scalar de gradient dat.
Fie campul vectorial

V = grad
cunoscut, se cere sa determinam functia (x, y, z).

Problema este posibila daca rot V = 0 adica:

R Q
i j k y = z
P R
x y z
= 0 z = x

Q P
P Q R x = y
In aceste ipoteze, functia va fi determinata de sistemul:

x = P (x, y, z)

y = Q(x, y, z)
= R(x, y, z)
z
Rezulta:
d = P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz
si: Z
(x, y, z) = P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz
M0 M
unde M0 (x0 , y0 , z0 ) este un punct fix si M (x, y, z) un punct arbitrar din dome-
niul D.
Functia (x, y, z) este determinata n afara de o constanta arbitrara si este

dupa cum am definit-o potentialul scalar al campului V (M ).
Fig. 2.27
Exemplu: Sa se determine potentialul scalar al campului:

V = (yz + 4z) i + (xz + 4y) j + (xy + 4x) k
2.4. DETERMINARI DE CAMPURI . 73

Conditia ca V sa admita un potential scalar rot V = 0 este ndeplinita,

rezulta ca: V = grad adica:

x = yz + 4z

y = zx + 4y
= xy + 4x
z
Functia:
Z
= (yz + 4z)dx + (zx + 4y)dy + (xy + 4x)dz =
M0 M
Z x Z y Z z
= (y0 z0 + 4z0 )dx + (xz0 + 4y)dy + (xy + 4x)dz
x0 y0 z0
Dupa integrari si simplificari se obtine:
(x, y, z) = xyz + 4xz + 2y 2 (x0 y0 z0 + 4x0 z0 + 2y02 )
adica:
(x, y, z) = xyz + 4xz + 2y 2 + C
2.4.2 Determinarea unui camp vectorial de rotor si divergenta

date.

Se defineste ntr-un domeniu D functia (x, y, z) si vectorul U (x, y, z). Se

cere sa se determine campul vectorial V care sa aibe rotorul egal cu U si
divergenta egala cu , deci:

rot V = U (x, y, z)

div V = (x, y, z)
Problema este posibila daca:

div U = 0
Se vor rezolva cateva cazuri particulare:
I. Determinarea unui camp irotational si solenoidal.

(
rot V = 0
(S1 )

div V = 0

Din rot V = 0 rezulta V = grad si div V = = 4 = 0 Solutia
sistemului este:

V = grad , unde 4 = 0
adica este armonica.
Ecuatia 4 = 0 se numeste ecuatia lui Laplace.
II. Determinarea unui camp irotational de divergenta data.
(

rot V = 0
(S2 )

div V = (x, y, z)

Din rot V = 0 rezulta V = grad si div V = = 4 = (x, y, z)
Solutia sistemului este:

V = grad , unde 4 = (x, y, z)
Ecuatia 4 = (x, y, z) se numeste ecuatia lui Poisson.
III. Determinarea unui camp solenoidal de rotor dat.
(

rot V = U
(S3 )

div V = 0

Din div U = 0 rezulta
u1 u2 u3
+ + =0
x y z

Din ecuatia rot V = U se construieste o solutie particulara V 0 (ca la pro-
prietatile campurilor irotationale). Solutia ecuatiei este:

V = grad + V 0

unde este o functie arbitrara. Dar div V = 0 div V 0 + = 0

4 = div V 0
este ecuatia Poisson.

Solutia sistemului este:

V = grad + V 0
unde este potentialul scalar ce verifica:

4 = div V 0
2.4. DETERMINARI DE CAMPURI . 75
IV. Determinarea unui camp de rotor dat si de divergenta data.
(

rot V = U
(S4 )

div V = (x, y, z)

Vom cauta solutia sistemului (S4 ) ca suma de doi vectori: V = V 1 + V 2

unde V 1 si V 2 satisfac conditiile:
(

rot V1 = U

div V1 = 0
(

rot V2 = 0

div V2 = (x, y, z)

V 1 este solutie a sistemului (S3 ) si V 2 este solutie a sistemului (S2 ). Rezulta
ca solutia sistemului (S4 ) este:

V = V 1 + V 2 unde: rot V = rot V1 + rot V2 = U

div V = div V1 + div V2 = (x, y.z)
Capitolul 3
Transformate
3.1 Transformata Z. Definitie, proprietati.

Fie T > 0 un numar pozitiv si f (t) o functie definita pe multimea numerelor
reale si cu valori reale sau complexe.
Transformata Z a functiei f (t) este prin definitie functia complexa:

X f (T ) f (2T )
F (z) = f (nT )z n = f (0) + + + ... (3.1)
z z2
n=0
Se mai noteaza
F (z) = Z[f (t)](z)
Functia F (z) este o functie de variabila complexa z, reprezentata printr-o
serie Laurent cu partea regulata f (0). Conform celor din cap. 1.6 aceasta serie
converge pentru |z| > R (R putand fi infinit) si deci n domeniul |z| R1 > R
functia F (z) este olomorfa.
Vom presupune n continuare ca avem R < + pentru toate functiile cu
care lucram.
Din modul cum a fost definita transformata Z se vede ca pentru deter-
minarea ei sunt necesare numai valorile functiei f (t) n punctele nT (n =
0, 1, 2, ...). Se poate considera atunci si transformata Z a unui sir numeric
(fn )nN :
X
Z[fn ] = fn z n (3.2)
n=0
Exemple.
1) Sa determinam transformata Z a functiei unitate h(t)
Aplicand definitia avem:

X 1 1 1 z
Z[h(t)] = z n = 1 + + + ... = 1 =
z z2 1 z
z1
n=0
77
78 CAPITOLUL 3. TRANSFORMATE
pentru |z| > 1

2) Fie acum sirul cu termenul general fn = n. Avem

X 1 2 1 1 1 z2 z
Z[n] = nz n = + 2 +... = z(1+ + 2 +...)0 = = ,
z z z z z (1 z)2 (z 1)2
n=0
pentru |z| > 1

3) Fie acum sirul cu termenul general fn = n2 . Avem

X
2 1 22 32 1 2 z(z + 1)
Z[n ] = n2 z n = + 2 + 3 + ... = z( + 2 + ...)0 = ,
z z z z z (z 1)3
n=0
pentru |z| > 1

4) Sa determinam transformata Z pentru sirul cu termenul general fn =
an .

X
n a a2 1 z
Z[a ] = an z n = 1 + + 2 + ... = a =
z z 1 z za
n=0
pentru |z| > a

5) Sa determinam transformata Z pentru sirul cu termenul general fn =
en .

X
n e e2 1 z
Z[e ]= en z n = 1 + + 2 + ... = e =
z z 1 z z e
n=0
pentru |z| > e

6) Fie acum sirul cu termenul general fn = n1 . Avem
X1 Z Z
1 1 1 1 1 1 z
Z[ ] = z n = + 2 + 3 +... = ( + +...)dz = (z 2 )dz
n n z 2z 3z z2 z3 z1
n=1
Z
dz z
= = ln pentru |z| > 1
z(z 1) z1
3.2 Proprietati ale transformatei Z.

I. Proprietatea de liniaritate.
Z[c1 f1 (t) + c2 f2 (t)] = c1 Z[f1 (t)] + c2 Z[f2 (t)] (3.3)

3.2. PROPRIETATI ALE TRANSFORMATEI Z. 79
Justificarea este imediata, folosind definitia transformatei Z si liniaritatea

sunei cu care se defineste.
II. Teorema de deplasare.
Daca F (z) = Z[f (t)] atunci avem:
Z[f (t + T )] = z{F (z) f (0)} (3.4)
d Din definitia (3.49) rezulta

X
X
X
Z[f (t+T )] = f (nT +T )z n = f ((n+1)T )z n = z f ((n+1)T )z (n+1) =
n=0 n=0 n=0

X
=z f (kT )z k , unde k = n + 1. Adunand si scazand zf (0) va rezulta:
k=1
X
Z[f (t + T )] = z{ f (kT )z k f (0)} = z{Z[f (t)] f (0)}.c
k=0
Prin inductie completa din (3.52) mai avem:

m1
X
m
Z[f (t + mT )] = z {Z[f (t)] f (kT )z k } (3.5)
k=0
Pentru siruri aceasta formula devine

m1
X
Z[fn+m )] = z m {Z[fn ] fk z k } (3.6)
k=0
Ca o consecinta a teoremei demonstrate avem:
Z[f (t mT )h(t mT )] = z m Z[f (t)] (3.7)
Intr-adevar

X
Z[f (t mT )h(t mT )] = f ((n m)T )h((n m)T )z n =
n=0

X
X
(nm) m
= z m f ((n m)T )z =z f (kT )z k ; k = n m
n=m k=0
Observatie. In cazul unui sir (fn )n N aceasta proprietate se scrie sub
forma:
Z[(fnm h(n m))n ] = z m Z[fn ] (3.8)
III. Multiplicarea prin eat (a real sau complex).
Z[eat f (t)] = F (eaT z) (3.9)
Avem:

X
X
Z[eat f (t)] = eanT f (nT )z n = f (nT )(eaT z) n = F (eaT z)
n=0 n=0
Exemple. 1) Sa calculam transformata Z functiei

eat , daca t 0
f (t) =
0 , daca t < 0
Avem:
eaT z z
Z[f (t)] = Z[eat h(t)] = aT
=
e z1 z eaT
De aici mai avem:
z z
Z[eit ] = ; Z[eit ] =
z eiT z eiT
2) Sa calculam transformata Z functiilor sin(t) si cos(t).

Aplicand proprietatea I si cele din exemplul precedent mai avem:
eit eit 1 1
Z[sin t] = Z[ ] = Z[eit ] Z[eit ] =
2i 2i 2i
1 z z z sin T
= { iT
iT
}= 2
2i z e ze z 2z cos T + 1
De asemenea:
z(z cos T )
Z[cos t] =
z2 2z cos T + 1
IV. Sumarea finita.
Xn
Fie de calculat Z[ f (kT )]. Vom nota
k=0
n
X n1
X
gn = g(nT ) = f (kT ) sau gn1 = g((n 1)T ) = f (kT )
k=0 k=0
si din aceste relatii:
g(nT ) = g((n 1)T )h((n 1)T ) + f (nT )

3.2. PROPRIETATI ALE TRANSFORMATEI Z. 81
Aplicand transformata Z ultimei relatii rezulta

1
G(z) = G(z) + F (z)
z
unde
G(z) = Z[g(nT )] si F (z) = Z[f (nT )]
sau solutionand n raport cu G(z) aceasta relatie:
Xn
z
Z[ f (kT )] = F (z) (3.10)
z1
k=0
V. Produsul imaginilor.
Fie F1 (z) = Z[f1 (t)], F2 (z) = Z[f2 (t)]. avem
Xn
F1 (z) F2 (z) = Z[ f1 (kT )f2 ((n k)T )] (3.11)
k=0
Justificare

X
X
k
F1 (z) F2 (z) = f1 (kT )z F2 (z) = f1 (kT )(z k F2 (z))
k=0 k=0
Dar conform proprietatii de deplasare avem:
z k F2 (z) = Z[f2 (t kT )h(t kT )]
si deci

X
X
F1 (z) F2 (z) = f1 (kT ) f2 ((n k)T )h((n k)T )z n =
k=0 n=0
X
X
= { f1 (kT )f2 ((nk)T )h((nk)T )}z n . Dar h((nk)T ) = 0 dacak > n
n=0 k=0
rezultand astfel (3.59).
Aplicatie.
Fie (an )nN si (bn )nN doua siruri de numere complexe. Sa determinam
transformata Z a sirului (cn )nN
cn = a0 bn + a1 bn1 + ... + ak bnk + ... + an b0
Avem
Xn
Z[{cn }] = Z[ ak bnk ] = Z[{an }] Z[{bn }]
k=0
VI. Derivarea imaginii.

Daca Z[f (t)](z) = F (z), avem:
dF (z)
Z[t f (t)] = T z (3.12)
dz
Justificare

X
X
Z[t f (t)] = nT f (nT )z n = T z f (nT ){nz n1 } =
n=0 n=0

X
dz n d X
= T z f (nT ) = T z f (nT )z n
dz dz
n=0 n=0
Exemple:
d z Tz
i) Z[t] = Z[th(t)] = T z dz ( z1 )= (z1)2
d Tz
ii) Z[t2 ] = Z[t t] = T z dz ( (z1) 2)
3.3 Inversa transformatei Z.

Am vazut ca transformata Z a unei functii, este o functie complexa olo-
morfa n vecinatatea punctului de la infinit.
In continuare ne putem pune problema inversa: Fiind data o functie F (z)
olomorfa n |z| > R, exista o functie f (t) a carei transformata Z sa coincida
cu F (z)? In caz ca exista functia f (t) cum poate fi ea determinata?
Intrucat F (z) este olomorfa n vecinatatea punctului de la infinit avem
pentru |z| > R reprezentarea:
c1 c2 cn
F (z) = c0 + + 2 + ... + n + ... (3.13)
z z z
a unei serii Laurent.
In 1.6.2 am aratat ca dezvoltarea unei functii n serie Laurent este unica
si ca coeficientii cn au expresia
Z
1 f ()
cn = d; n = 0, 1, 2, ... (3.14)
2i C n+1
n care C reprezinta un cerc cu centru n origine si cu raza suficient de mare

astfel ca toate singularitatile functiei F (z) sa se gaseasca n interiorul acestui
cerc.
Atunci transformata Z a sirului (fn )nN cu fn = cn coincide cu F (z) si
deci prima ntrebare de mai sus capata un raspuns afirmativ. Orice functie
3.3. INVERSA TRANSFORMATEI Z. 83
f (t) ce indeplineste conditiile f (nT ) = fn = cn are ca transformata Z functia

F (z).
Totodata formula (3.62) permite calculul valorilor fn ale functiei f (t) intr-
o secventa de puncte echidistante. aceasta nu trebuie sa ne surprinda ntrucat
n definitia (3.49) functia f (t) nu intervine decat prin aceste valori.
Vom numi transformata Z inversa a functiei F (z) sirul definit de fn =
f (nT ), n = 0, 1, 2, ...
In concluzie, valorile fn pot fi obtinute direct din dezvoltarea functiei F (z)
n serie Laurent (n jurul punctului de la infinit), fie din formula (6.62) utilizand
de exemplu teoria reziduurilor.
Exemple:
i) Sa se determine transformata inversa a functiei F (z) = ( z+b
z ) , fiind
un numar real nentreg.
Avem pentru |z| > b:
z+b b b ( 1) b 2 b
( ) = (1 + ) = 1 + + ( ) + ... + Cn ( )n + ...
z z z 2 z z
Prin urmare

z + b X n n n
( ) = C b z
z
n=0
Astfel
fn = Cn bn
sau
f (nT ) = Cn bn
0,632z
ii) Sa se determine transformata inversa a functiei F (z) = z 2 1,368z+0,368
.
Avem
F (z) 1 1
=
z z 1 z 0, 368
si de aici
z z
F (z) =
z 1 z 0, 368
Dar
z 1 1 1 1
= 1 =1+ + + ... + n + ...
z1 1 z
z z2 z
z 1 0, 368 (0, 368)2 (0, 368)n

= = 1 + + + ... + + ...
z 0, 368 1 0,368
z
z z2 zn
De aici
f0 = 0, f1 = 0, 632, f2 = 0, 864, ...
0,632z
iii) Sa se determine transformata inversa a functiei F (z) = z 2 1,368z+0,368 ,
utilizand formula (3.62).
Avem
Z
1 0, 632 0, 632
fn = cn = 2
z n dz = Rezz=1 2 zn +
2i C z 1, 368z + 0, 368 z 1, 368z + 0, 368
0,632
+Rezz=0,368 z 2 1,368z+0,368 z n = 1 (0, 368)n 1 en .
3.4 Aplicarea transformatei Z la solutionarea ecuatiilor

cu diferente finite.
Vom considera ecuatii cu diferente finite liniare si cu coeficienti constanti.
O asemenea ecuatie are forma:
a0 xn + a1 xn+1 + ... + ap xn+p = fn ; n 0 (3.15)
a0 , a1 , ..., ap si fn sunt constante reale date iar xn = f (nT ) valorile ce urmeaza
a fi determinate.
Expresia (3.63) este o ecuatie cu diferente finite de ordinul p. Pentru
determinarea lui xn , n N mai sunt necesare si conditii initiale de forma:
x0 = b0 , x1 = b1 , ..., xp1 = bp1 (3.16)
in care b0 , b1 , ..., bp1 sunt iarasi constante date.
Din (3.63) utilizand conditiile (3.64) se poate determina xp , xp+1 si astfel
din aproape n aproape rezulta toate valorile lui xn . Ne intereseaza nsa o
forma compacta a solutiei.
Pentru ecuatiile cu diferente finite se poate dezvolta o teorie analoaga
ecuatiilor diferentiale.
Noi vom aborda nsa numai cazul particular al ecuatiei (3.63) si vom rezolva
aceasta ecuatie cu conditiile initiale (3.64) utilizand transformata Z.
Sa luam transformata Z a ecuatiei (3.63):
Z[a0 xn + a1 xn+1 + ... + ap xn+p ] = Z[fn ] (3.17)
Aplicand proprietatile I s II (formula (3.54)) rezulta:
Xp p
X p
X j1
X
j
Z[ aj xn+j ] = aj Z[xn+j ] = aj z {Z[xn ] xk z k }
j=0 j=0 j=0 k=0
Ecuatia (3.65) se scrie:

p
X p
X j1
X
Z[xn ] aj z j = Z[bn ] + aj z j xk z k
j=0 j=0 k=0
3.4. APLICAREA TRANSFORMATEI Z LA SOLUTIONAREA ECUATIILOR CU DIFERENTE
si de aici:
p
X j1
X
j
Z[bn ] + aj z xk z k
j=0 k=0
Z[xn ] = p (3.18)
X
j
aj z
j=0
Transformata Z inversa a functiei date de relatia (3.66) conduce la solutia

problemei (3.63)+(3.64). Daca se lucreaza cu valorile x0 , x1 , ..., xp1 nepre-
cizate atunci din inversarea relatiei (3.66) se obtine solutia generala a ecuatiei
(3.63).
Exemple:
i) Sa se determine solutia ecuatiei cu diferente finite
1
xn+2 5xn+1 + 6xn = ((1)n 1)
2
Avem
Z[xn ] = X(z)
Z[xn+1 ] = zX(z) zx0
Z[xn+2 ] = z{zX(z) zx0 }
1 1 1 z 1 z z
Z[ ((1)n 1)] = Z[(1)n 1] = =
2 2 2z+1 2z1 1 z2
Astfel transformata Z a ecuatiei date va fi:
z
X(z)(z 2 5z + 6) = + x0 z 2 + x1 z 5x0 z
1 z2
De aici
X(z) 1 z5 1
= 2 2
+ x0 2 + x1 2 =
z (z 1)(z 5z + 6) z 5z + 6 z 5z + 6
1 1 1 1 1 1 1 1 3 2 1 1
= + + +x0 { }+x1 { }
4 z 1 3 z 2 24 z + 1 8 z 3 z2 z3 z3 z2
Deci
1 1 1 1 1 1 1 1 3 2 1 1
X(z) = + + +x0 { 2 3 }+x1 { 3 }
4 1 z1 3 1 z2 24 1 + z1 8 1 z3 1 z 1 z 1 z 1 z2
De aici rezulta ca solutia generala a ecuatiei cu diferente finite considerate

este:
1 1 1 1
xn = + (1)n + 2n 3n + (3 2n 2 3n )x0 + (3n 2n )x1
4 24 3 8
Fig. 3.1: Circuit n scara
ii) Sa se determine curentul n ochiul n al circuitului n scara din figura

(5.9).
Legea a doua a lui Kirchoff pentru ochiul n+1 ne da:
Rin+1 + R(in+1 in ) + R(in+1 in+2 ) = 0, n = 0, 1, 2, ..., L 2, LN
sau
Rin + 3Rin+1 Rin+2 = 0 (3.19)
ceea ce constituie o ecuatie n diferente finite de ordinul al doilea. Avem:
Z[in ] = I(z)
Z[in+1 ] = z{I(z) i0 }
Z[in+2 ] = z{z{I(z) i0 } i1 }
Ecuatia (3.67)devine atunci:
I(z) + 3z(I(z) i0 ) z 2 (I(z) i0 ) + zi1
si de aici
z z 2 3z
I(z) = i 1 + i0 (3.20)
z 2 3z + 1 z 2 3z + 1
sau

I(z) 1 1 1 53 5 1 5+3 5 1
= ( )i1 +( + )i0 =
z 5 z 3+ 5
z 3 5 10 z 3+ 5 10 z 3 5
2 2 2 2

2 5i1 + (5 3 5)i0 1 2 5i1 (5 + 3 5)i0 1
=
10 z 3+ 5 10 z 3 5
2 2
prin urmare

2 5i1 + (5 3 5)i0 3 + 5 n 2 5i1 (5 + 3 5)i0 3 5 n
in = ( ) ( )
10 2 10 2
3.4. APLICAREA TRANSFORMATEI Z LA SOLUTIONAREA ECUATIILOR CU DIFERENTE
De aici

5 3+ 5 n 3 5 n 3 5 3+ 5 n 3+ 5 3 5 n
in = {( ) ( ) }i1 { ( ) ( ) }i0
5 2 2 2 5 2 2 5 2
(3.21)
Din primul ochi al circuitului mai rezulta:
Ri0 + R(i0 i1 ) = E
si de aici:
E
i1 = 2i0 = (3.22)
R
De asemenea din ultimul ochi al circuitului mai avem:
(R + RL )iL + R(iL iL1 ) = 0 (3.23)
Relatiile (3.70) si (3.71) determina pe i1 si i0 astfel ca din (3.69) rezulta solutia

problemei.
Capitolul 4
Elemente de teoria
probabilitatilor
4.1 Camp de evenimente

Calculul probabilitatilor a aparut n secolul al VII-lea si este legat de numele
matematicienilor B. Pascal si P. Fermat. Ei au ajuns la probleme legate de
probabilitate datorita jocurilor de noroc. In prezent teoria probabilitatilor s-a
transformat ntr-o parte a matematicii care se ocupa cu studierea regulilor
aparitiei fenomenelor aleatoare cu aplicatii deosebit de importante n toate
stiintele. Experimentele studiate n teoria probabilitatilor sunt experimente
aleatorii care nu se definesc fiind considerate primare. Fiecare realizare a
unui astfel de experiment se va numi proba, iar rezultatul unei probe este un
eveniment.
Fie o multime nevida oarecare. Daca multimii i se poate atasa o
experienta aleatoare, convenabil aleasa, astfel ncat fiecarei submultimi a lui
sa i corespunda o situatie reala n experienta considerata, atunci se numeste
spatiu de selectie, iar submultimile lui se numesc evenimente. Evenimentele
se vor nota cu litere mari ale alfabetului: A, B, C,...
Evenimentele elementare sunt sunt acele evenimente care se pot real-
iza la o singura proba si numai una, proba fiind un caz posibil al experientei.
Evenimentul sigur se asociaza multimii si este evenimentul care se real-
izeaza cu certitudine la fiecere efectuare a experimentului. Evenimentul im-
posibil se noteaza si este evenimentul care nu se realizeaza la nici o efectuare
a experimentului. Evenimentul imposibil consta n nerealizarea evenimentului
sigur si reciproc.
Doua evenimente care se pot realiza simultan se numesc compatibile; n
caz contrar fiind incompatibile sau disjuncte. Analog se definesc n eveni-
mente compatibile doua cate doua dar incompatibile n totalitatea lor. Doua
89
90 CAPITOLUL 4. ELEMENTE DE TEORIA PROBABILITATILOR
evenimente elementare distincte sunt incompatibile.

Fie A si B doua evenimente. Daca AB atunci evenimentul B se realizeaza
ori de cate ori se realizeaza evenimentul A si se spune ca evenimentul A
implica evenimentul B .
Orice eveniment implica evenimentul sigur.
Se poate admite ca evenimentul imposibil implica orice eveniment.
Evenimentele elementere nu sunt implicate de nici un alt eveniment, cu
exceptia celui imposibil.
Daca A=B atunci fiecare eveniment l implica pe celalalt si se spune ca
evenimentele A si B sunt egale.
Operatiile cu evenimente se noteaza la fel ca operatiile cu multimi. Astfel:
- AB este evenimentul care se realzeaza daca si numai daca se realzeaza
cel putin unul dintre evenimentele A sau B.
- AB este evenimentul care se realzeaza daca si numai daca se realzeaza
ambele evenimente A si B.
- A este evenimentul care se realzeaza daca si numai daca A nu se realzeaza
si se numeste evenimentul contrar lui A. Se mai noteaza si cu CA. Oricarui
eveniment i corespunde un eveniment contrar.
- A\B este evenimentul care se realzeaza daca si numai daca evenimentul
A se realzeaza si evenimentul B nu se realzeaza. Se mai noteaza si cu A-B.
Se introduce notiunea de camp de evenimente ale carei axiome trebuie
sa permita manevrarea cu notiunile de mai sus, adica odata cu evenimentele
A si B trebuie sa aiba sens si AB, AB, A, A-B.
Fie K o familie nevida de parti ale multimii (K P())
Definitia 4.1.1 Cuplul format din (, K) se numeste camp finit de eveni-
mente daca:
a) K, K
b) A, B K AB, CA = A K
Pentru un camp infinit de evenimente trebuie sa se verifice n plus:

[
c) Aj K, j N Aj K
j=1
Exemlul 4.1.1 Se considera experimentele ce constau n aruncarea unei mon-

ede sau aruncarea unui zar. Sa se scrie campurile de evenimente asociate celor
doua experiente aleatoere.
a) Multimea evenimentelor elementare ale fenomenului aruncarea banu-

lui este {(b), (s)}, unde b=banul, s=stema. Spatiul de selectie este ={(b),
(s)}, iar campul de evenimente K={, (b), (s), }
b) Pentru experimentul aruncarea zarului multimea evenimentelor ele-
mentare este:
4.1. CAMP DE EVENIMENTE 91
{(1), (2), (3), (4), (5), (6)}.

Spatiul de selectie este ={(1), (2), (3), (4), (5), (6)}
Toate evenimentele care pot fi considerate la aruncarea zarului sunt urmatoarele:
{1}, {2}, {3}, {4}, {5}, {6},
{1, 2}, {1, 3},..., {5, 6},
{1, 2, 3}, ..., {4, 5, 6},
{1, 2, 3, 4}, ..., {3, 4, 5, 6},
{1, 2, 3, 4, 5}, ..., {2, 3, 4, 5, 6},
{1, 2, 3, 4, 5, 6}.
K={, (i), (i,j), (i, j, k), (i, j, k, l), (i, j, k, l, m), i, j, k, l, m }
In total sunt C61 +C62 +C63 +C64 +C65 +C66 = 26 1 evenimente. Evenimentul
={1, 2, 3, 4, 5, 6} se mai numeste evenimentul sigur. La aceste evenimente se
adauga evenimentul imposibil, notat cu . Astfel ncat multimea K a tuturor
evenimentelor corespunzatoare fenomenului aruncarea zarului este P() si
contine 26 elemente.
In general, daca multimea evenimentelor elementare este , atunci multimea
tuturor evenimentelor este P() si contine 2Card() elemente, unde am notat
cu Card() numarul elementelor multimii .
Exemlul 4.1.2 La aruncarea zarului evenimentul A rezultat par este submultimea

A={(2), (4), (6)}
Exemlul 4.1.3 Consideram experimentul aruncarea a doua zaruri.
= {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6} = {(i, j); 1 i 6, 1 j 6}
Evenimentul dubla este:
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}.
Propozitia 4.1.1 Fie (, K) un camp de evenimente. Atunci:

1) K, K
2) A, B K A B K
3) A, B A \ B
Demonstratie:
1) Fie A K. Conform definitiei, A K, deci = A A K ,
= K. T S
2) Tinem seama ca A B = (A B). Mai general, daca
n
\
Ai K, 1 i n, atunci Ai K
i=1
T
3) In acest caz, A \ B = A B K.
4.2 Notiunea de probabilitate

Definitia clasica a probabilitatii.
Dupa definitia clasica, probabilitatea este raportul dintre numarul cazurilor
favorabie si numarul cazurilor posibile, n ipoteza ca toate cazurile sunt egal
posibile. Definitia clasica a probabilitatii este insuficienta, deoarece se aplica
numai la campuri finite de evenimente. Pe de alta parte, chiar si n cazul
campurilor finite de evenimente nu se poate vorbi totdeauna de cazuri egal
posibile (de exemplu, zarul nu este perfect simetric).
Definitia ststistica a probabilitatii.

Sa aruncam o moneda de 100 de ori si sa admitem ca fata ce contine banul a
aparut de 52 de ori. Fie A evenimentul aparitiei banului n aruncarea monedei.
52
Numarul nA =52 poarta numele de frcventa absoluta, iar numarul fA = 100
se numeste frcventa relativa a evenimentului A n aceasta serie de 100 de
ncercari. La fiecare noua repetare a experientei se obtin frcvente relative
apropiate de 12 , iar devierile de la aceasta valoare vor fi tot mai mici n cazul
maririi numarului de aruncari.
In cazul general, consideram un experiment n urma caruia poate sau nu sa
apara evenimentul A si notam cu nA numarul de realizari ale acestui eveniment
n n repetari ale experientei. Frcventa relativa fA = nnA se stabilizeaza pentru
valori mari ale lui n n jurul valori numita probabilitatea evenimentului
A, rezultat justificat de legea numerelor mari a lui Bernoulli.
Definitia 4.2.1 (Definitia axiomatica a probabilitatii ). Fie (, K) un

camp de evinente. Se numeste probabilitate orice functie p : K [0, 1] cu
proprietatile:
1) p() = 1, p() = 0;
2) p(A B) = p(A) + p(B), daca A B = .
Tripletul (, K, p) se numeste camp de probabilitate.
Teorema 4.2.1 Fie (, K, p) un camp de probabilitate. Atunci:

a) p(A) = 1 p(A), A
n
[
b) Daca A1 , A2 , ..., An si Ai Aj = , pentru i 6= j, atunci p( Ai ) =
i=1
n
X
p(Ai );
i=1
c) p(A B) = p(A) + p(B) p(A B), A, B ;
d) Daca A B, atunci p(A) p(B).
4.2. NOTIUNEA DE PROBABILITATE 93
Demonstratie. a) Deoarece A A = , obtinem p(A) + p(A) = p(A A) =

p(X) = 1, deci p(A) = 1 p(A)
b) Demonstratia se face prin inductie. Presupunem adevarata pentru
Xk
S S
k, deci ca p(A1 ... Ak ) = p(Ai ). Vom demonstra ca afirmatia este
i=1
adevarata pentru k + 1.
k
[ \
S S T
Deoarece (A1 ... Ak ) Ak+1 = (Ai Ak+1 ) = , rezulta ca:
i=1
k
[ k+1
X
S S S
p(A1 ... Ak Ak+1 ) = p( (Ai )) + p(Ak+1 ) = p(Ai ), deci afirmatia
i=1 i=1
este adevarata pentru orice n N,n 2.
c) Din egalitatea A B = (A B) (A B) (A B), obtinem ca:
[
p(A B) = p(A B) + p(A B) + p(A B). (4.1)
Pe de alta parte A = (A
B) (A B), deci p(A) = p(A
B) + p(A B).
Prin urmare p(A B) =
p(A) p(A B). In mod
asemanator se arata ca:
p(A B) = p(B) p(A B).
Inlocuind n ( ) rezulta relatia din
enunt.
d) Cum B = A (B A),
Fig. 4.1: Intersectia multimilor A cu B
avem p(B) = p(A) + p(B A),
deci p(A) p(B).
Observatia 4.2.1 Fie = {e1 , e2 , ..., en } o multime finita si K = P().

Elementele lui sunt evenimente elementare. Atunci:
n
[ Xn
1 = p() = p( {ei }) = p({ei }). Daca evenimentele sunt egal proba-
i=1 i=1
bile atunci p({e1 }) = p({e2 }) = ... = p({en }) = n1 .
X k
S S k
Fie A = {ei1 } {ei2 }... {eik } . Atunci p(A) = p({eij }) = .
n
j=1
Asadar, ntr-un camp finit de elemente, ale carui evenimente elementare

sunt egal probabile, probabilitatea unui eveniment oarecare este raportul din-
tre numarul evenimentelor favorabile evenimentului si numarul total de eveni-
mente elementare ale campului.
Regasim astfel definitia clasica a probabilitatii.

Jocurile de noroc sunt exemplele cele cunoscute de fenomene ntamplatoare
n care evenimentele ntamplatoare sunt egal posibile. Acesta este motivul
pentru care, la nceputurile teoriei probabilitatilor, exemplele sunt luate din
aceste jocuri.
Exemlul 4.2.1 Intr-o urna sunt 4 bile albe, 3 bile verzi si 5 bile negre. Se
extrage o bila din urna. Fie A evenimentul ca bila sa fie alba, V evenimentul
ca bila sa fie verde si N evenimentul ca bila sa fie neagra.
4
Atunci p(A) = 12 = 31 , p(V ) = 3
12 = 14 , p(N ) = 5
12 .
Exemlul 4.2.2 Se aruca doua zaruri. Care este probabilitatea sa iasa suma
7?
Fie E = {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6}, deci Card(E)=36. Cazurile favora-

bile sunt date de A7 = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}, Card(A7 ) = 6.
6
Atunci p(A7 ) = 36 = 61
Exemlul 4.2.3 Consideram un pachet de 52 carti de joc,
N = { as , 2, ..., 10, valet , dama , rege}
, K = { cupa , caro , trefla , pica}, C = N K. Se extrag 5 carti. Care este

probabilitatea de a obtine o culoare?
Multimea evenimentelor elementare are C525 elemente. Evenimentul culoare
este reuniunea disjuncta a 4 evenimente: culoare de cupa, culoare de trefla,

culoare de caro, culoare de pica. Fiecare din aceaste evenimente are C13 5
4C 5
33
elemente. Deci, probabilitatea de a obtine o culoare este: C 513 = 16660
52
0, 002.
Evenimentul careu este reuniunea a 13 evenimente disjuncte: careu de asi,
..., careu de regi. Cate elementw are evenimentul careu de asi? Din cele
5 carti, 4 sunt asi a cincea fiind oarecare. In total sunt 48 de posibilitati.
Asadar, probabilitatea evenimentului careu este: 1348
C5
1
= 4165 0, 00024.
52
4.3 Probabilitati conditionate

Sa presupunem ca ntr-o serie de n operatii efectuate n conditii identice,
evenimentul A a aparut de k ori si ca n cele k aparitii n care s-a produs eveni-
mentul A s-a realizat evenimentul B de ` ori. In cele n operatii, frecventa T rela-
tiva a evenimentului A este f (A) = nk , iar frecventa evenimentului A B este
T
f (A B) = n` . Sa consideram si frecventa evenimentului B n acele operatii
4.3. PROBABILITATI CONDITIONATE 95
n care A s-a produs. Frecventa relativa a evenimentului B se raporteaza la

numarul k de operatii n care A s-a produs, deci fA B = k` .
Intre cele trei frecvente avem relatia evidenta
f (A B) = f (A)fA B
Fie (, K, p) un camp de probabilitate si A K cu p(A) > 0
Definitia 4.3.1 Fie B K. Se numeste

T probabilitate a lui B conditionata de
A functia pA : K R, pA (B) = p(A
p(A)
B)
Teorema 4.3.1 Functia pA este o probabilitate pe K. In plus:

p(A B) = p(A)pA (B).
Demonstratie. Deoarece A B A, rezulta ca
0 = p() p(A B) p(A)
Impartind cu p(A), se obtine:
0 pA (B) 1.
Evident pA () = 0 si pA () = 1.
Fie acum A1 , A2 , satisfacand A1 A2 = . Atunci (A1 B)(A2 B) =
. In consecinta
p((A1 A2 ) (B)) p((A1 B) (A2 (B))

pB (A1 A2 ) = = =
p(B) p(B)
p((A1 B) + p((A2 (B))

= = pB (A1 ) + pB (A2 ).
p(B)
Definitia 4.3.2 Spunem ca evenimentele A si B sunt independente daca:
p(A B) = p(A) p(B)
Propozitia 4.3.1 Daca A si B sunt independente atunci perechile (A, B), (A, B), (A, B)
sunt independente.
Demonstratie. Prin ipoteza p(A B) = p(A) p(B). Deoarece A = (A B)

(A B), avem p(A) = p(A B) + p(A B), deci
p(A B) = p(A) p(A) p(B) = p(A)(1 p(B)) = p(A)p(B)
etc.
Definitia 4.3.3 Evenimentele A1 , A2 , ..., An se numesc independente daca pen-

tru orice Ai1 , Ai2 , ..., Aik , k n avem:
p(Ai1 Ai2 ... Aik ) = p(Ai1 )p(Ai2 )...p(Aik ).
Observatia 4.3.1 Daca evenimentele A1 , A2 , ..., An sunt independente, atunci

si evenimentele A1 , A1 A2 , A2 , ..., An , An sunt independente.
Definitia 4.3.4 Spunem ca evenimentele B1 , B2 , ..., Bn formeaza o partitie a

[n
lui X daca X = Bi si Bi Bj = daca i 6= j.
i=1
Formula probabilitatii totale.

Fie (X, , p) un camp de probabilitate si B1 , B2 , ..., Bn o partitie a lui X.
Atunci pentru orice A avem:
n
X
p(A) = p(Bi )pBi (A)
i=1
n
[
Demonstratie. Este clar ca A = A X = (A Bi ). In consecinta
i=1
n
X n
X
p(A) = p(A Bi ) = p(Bi ) pBi (A)
i=1 i=1
Formula lui Bayes.
p(Bi )pBi (A)

pA (Bi ) = n
X
p(Bi ) pBi (A)
i=1
Demonstratie. Intr-adevar
p(A Bi ) p(Bi )pBi (A)
pA (Bi ) = = n
p(A) X
p(Bi ) pBi (A)
i=1
Exemplu. Consideram 3 urne care contin bile albe si negre, dupa cum
urmeaza:
prima urna contine 3 bile albe si o bila neagra,
a doua urna contine 4 bile albe si 4 bile neagre, iar
4.4. SCHEME CLASICE DE PROBABILITATE. 97
a treia urna contine 2 bile albe si 18 bile neagre.

Alegem la ntamplare o urna si apoi extragem o bila. Bila se dovedeste a
fi alba. Sa se determine care este probabilitatea ca bila sa fie din urna a treia.
Notam cu : A evenimentul s-a extras o bila alba, Bi , evenimentul bila
alba este din urna i, i=1, 2, 3. Atunci p(B1 ) = p(B2 ) = p(B3 ) = 13 , pB1 (A) =
3 1 1
4 , pB2 (A) = 2 , pB3 (A) = 10 .
Conform formulei probabilitatii totale, avem:
1 3 1 1 9
p(A) = p(B1 ) pB1 (A) + p(B2 ) pB2 (A) + p(B3 ) pB3 (A) = ( + + ) .
3 4 2 10 20
4.4 Scheme clasice de probabilitate.

Schema lui Poisson.
Se dau n urne U1 , U2 , ..., Un care contin bile albe si negre n proportii date. Se
cere probabilitatea de a extrage k bile albe si n-k bile negre, atunci cand din
fiecare urna se extrage cate o bila.
Fie pi probabilitatea de a extrage o bila alba din urna Ui si qi = 1 pi
probabilitatea de a extrage o bila neagra din urna Ui . Notam cu Ai evenimen-
tul de a extrage o bila alba din urna Ui si Ai evenimentul contrar. Pentru
a
S extrage
T k T bile Talbe si T n-k bile
T negre trebuie sa se realizeze evenimentul
[Ai1 ... Aik Aik+11 ... Ain ]. Probabilitatea acestui eveniment este
X
pi1 pi2 ...pik qik+1 ...qin .
De examplu, pentru k=2 si n=3 aceasta probabilitate este p1 p2 q3 +p1 p3 q2 +
p2 p3 q1 . Se observa usor ca dupa aceeasi regula se calculeaza coeficientul lui
xk n polinomul
P (x) = (p1 x + q1 )(p2 x + q2 )...(pn x + qn )

Astfel, cand k=2 si n=3, P (x) = (p1 x + q1 )(p2 x + q2 )(p3 x + q3 ), coeficientul
lui x2 fiind p1 p2 q3 + p1 p3 q2 + p2 p3 q1 .
Schema lui Poisson este utila n rezolvarea problemelor n care se cere
probabilitatea realizarii de k ori a unui eveniment ntr-o experienta ce consta n
efectuarea a n experiente independente, atunci cand cunoastem probabilitatea
realizarii evenimentului n fiecare din cele n experiente.
Exemplu. Intr-un atelier sunt 3 masini. Prima da 0, 9% rebuturi, a doua
1% rebuturi si a treia 1, 3% rebuturi. Se ia la ntamplare cate o piesa de la
fiecare masina. Se cere probabilitatea ca doua piese sa fie bune si una sa fie
rebut.
0.9 1 1.3
In acest caz q1 = 100 = 0, 009, q2 = 100 = 0, 01, q3 = 100 = 0, 013,
p1 = 0, 991, p2 = 0, 99, p3 = 0, 987. Probabilitatea ceruta este coeficientul lui
x2 din polinomul (0, 991 x + 0, 009)(0, 99 x + 0, 01)(0, 987 x + 0, 013), adica
0, 198506 0, 2, deci 20% Probabilitatea de a extrage k bile albe va fi n acest

caz
Schema lui Bernoulli.

Presupunem ca n schema lui Poisson urnele sunt identice. Probabilitatea
extragerii a k bile albe va fi n acest caz coeficientul lui xk din polinomul
P (x) = (px + q)n si va fi Cnk pk q nk
Deoarece urnele sunt identice putem considera ca extragerile se fac dintr-o
singura urna, bila extrasa punandu-se napoi n urna dupa fiecare extragere.
Exemple. 1) Se arunca o moneda de 4 ori. Se cere probabilitatea de a
obtine o singura data stema. In acest caz p = q = 21 , n=4, k=1. Probabilitatea
ceruta va fi C41 ( 12 )1 ( 12 )3 = 14 .
2) Se arunca un zar de 5 ori. Se cere probabilitatea ca fata 1 sa de 2 ori si
sa nu apara de tri ori.
De aceasta data p = 21 , q = 56 , n=5, k=2, deci probabilitatea ceruta va fi
C52 ( 16 )2 ( 56 )3 = 3888
625
0, 16.
4.5. VARIABILE ALEATOARE SI REPARTITII. 99
4.5 Variabile aleatoare si repartitii.

O variabila se numeste variabila aleatoare daca n cazul mai multor
experiente efectuate n aceleasi conditii, acestea ia valori diferite, fiecare fiind
un eveniment aleator; se noteaza cu X, Y sau alte litere mari iar valorile pe
care le ia se noteaza cu litere mici x, y etc. Intr-un interval o variabila aleatoare
poate sa ia un numar finit sau infinit nenumarabil de valori. In primul caz
variabila aleatoare se numeste discreta iar n al doilea caz se numeste continua.
Numarul pe care-l obtinem n cazul aruncarii unui zar X poate lua numai valori
discrete xi , i = 1, 2, 3, 4, 5, 6, deci el reprezinta o variabila aleatoare discreta.
Dimpotriva, viteza unei molecule ntr-un gaz poate sa ia orice valoare ntr-un
interval stabilit, deci este o variabila aleatoare continua.
Repartitie. In cazul productiei de suruburi aparitia rebuturilor pe schimb
este o variabila aleatoare, deoarece intervin factori a caror influienta nu o
putem aprecia (variatiile materialului). Prin cunoasterea numarului minim
si maxim de rebuturi pe schimb nu putem sa ne pronuntam asupra calitatii
productiei ntr-un interval de timp mai lung. Acest lucru este posibil n cazul
n care n afara de numarul de rebuturi indicam si probabilitatea de aparitie
a acestui numar. O variabila aleatoare este caracterizata de valorile pe care
le ia ca si de probabilitatile corespunzatoare fiecarei valori. Multimea ale
carei elemente sunt perechile ordonate formate din valorile pe care poate sa
le ia variabila aletoare si probabilitatea coresunzatoare defineste repartitia
variabilei aleatoare.
Repartitia unei variabile discrete. La aruncarea unui zar ideal numarul
pe care-l obtinem este o variabila aleatoare X care poate lua numai valorile
discrete xi , i = 1, 2, 3, 4, 5, 6,. Fiecare din aceste numere poate aparea cu prob-
abilitatea P(X = xi ) = 16 . Repartitia va fi:
xi 1 2 3 4 5 6
1 1 1 1 1 1
P(X = xi ) 6 6 6 6 6 6
Repartizarea grafica arepertitiei de probabilitate se face n felul urmator:

pe abscisa notam valorile posibile iar pe ordonata probabilitatile corespunzatoare
(). In cazul exemplului de mai sus ele au toate aceeasi valoare, deci aceeasi
naltime. Suma tuturor P(X=xi ) este egala cu 1. In cazul reprezentarii grafice,
daca luam latimea dreptunghiuriloe formate egala cu unitatea, atunci ariile
dreptunghiurilor formate este egala cu 1.
In baza acestui exemplu putem deduce foarte usor functia de repartitie
care ne indica probabilitatea ca numarul pe care-l obtinem la aruncarea zaru-
lui sa fie mai mic cecat un numar dat, de exemplu F(1)=P(X<1)=0, deci
probabilitatea aparitiei unui numar mai mic decat 1 este egala cu zero ( ).
Continuand, obtinem:
F(2)=P(X<2)=P(X=1)= 16
F(3)=P(X<3)=P(X=1)+P(X=2)= 13
F(4)=P(X<4)=P(X=1)+P(X=2)+P(X=3)= 21
F(5)=P(X<5)=P(X=1)+P(X=2)+P(X=3)+P(X=4)= 32
F(6)=P(X<6)=P(X=1)+P(X=2)+P(X=3)+P(X=4)+P(X=5)= 65
X6
F(x > 6)=P(X<x)= P(X = i)=1
i=1
Reprezentand pe abscisa valorile xi si pe ordonata valorile lui F(x), obtinem
reprezentarea grafica a functiei de repartitie ca o functie n trepte care contine
puncte de salt. Avem F()=0 si F(+)=1.
Repartitia unei variabile continuie. O variabila aleatoare continua
poate lua un numar oricat de mare de valori ntr-un interval; probabilitatea
de aparitie a fiecarei valori izolate x este 0. Vom analiza n acest
Z caz densitatea
+
de repartitie f(x) care are urmatoarele proprietati: f(x) 0, f(t)dt=1.

Pe graficul densitatii de repartitie aria suprafetei dintre curba f(x) si axa
absciselor este egala cu 1.
Functia de repartitie
Z unei variabile continuie X va fi urmatoarea:
x
F(x)=P(X<x)= f(t)dt, unde F()=0 si F(+)=1.

Probabilitatea ca X sa se afle ntre doua puncte x1 , Zx2 , (x1 < x2 ) este:
x2
P(x1 x2 )=P(X < x2 )P(X < x1 )= F(x2 )F(x2 )= f(t)dt
x1
Vom trata n mod general cele expuse mai sus.
Prin variabila aleatoare se ntelege o functie atasata unui fenomen ntamplator
(aleatoriu). Valorile acestei functii depind de rezultatul experientei, deci sunt
aleatoare.
Definitia 4.5.1 Fie (K, , p) un camp de probabilitate. Se numeste variabila

aleatoare orice functie X : K R cu proprietatea ca oricare ar fi a R,
X 1 ((, a)) = {x K; X(x) < a} = {X < a}
Observatia 4.5.1 Daca multimea este finita, orice functie X : K R este

variabila aleatoare. Intr-adevar, daca = {e1 , e2 , ..., en }, atunci X 1 ((, a))
P () K

[ 1
Observatia 4.5.2 Deoarece {X a} = {X < a + }, {X > a} =
n
n=1
{X a}, {X a} = {X < a}, rezulta ca functia X este variabila aleatoare
daca si numai daca {X a} , sau {X > a} , sau {X a} .
Variabilele aleatoare care iau un numar finit de valori se numesc variabile

aleatoare simple. Variabilele aleatoare pentru care multimea valorilor este
cel mult numarabila se numesc variabile aleatoare discrete. Variabilele
aleatoare pentru care multimea valorilor este nenumarabila (de puterea con-
tinuului) se numesc variabile aleatoare continuie.
Definitia 4.5.2 Functia
F (x) = p(X x), x R
se numeste functia de repartitie a variabilei aleatoare X.
Functia de repartitie a unei variabile aleatoare discrete este o functie n
scara, continua la dreapta n orice punct din R
Importanta acestei functii consta n faptul ca permite determinarea prob-
abilitatii ca X sa ia valori ntr-un interval. Avem
p(a < X b) = F (b) F (a)
Intr-adevar, deoarece {a < X b} = {X b} {X a}, avem:
p(a < X b) = p(X b) p(X a) = F (b) F (a)
La fel se demonstreaza:
p(a X b) = F (b) F (a 0)
p(a X < b) = F (b 0) F (a 0)
Alte proprietati ale functiei de repertitie sunt:
1) 0 F (x) 1, ceea ce rezulta din faptul ca F (x) reprezinta probabili-
tatea ca X x
2) Functia F (x) este monoton crescatoare. Intr-adevar, daca x1 < x2
din relatia F (x2 ) F (x1 ) = p(x1 < X x2 ) 0, rezulta ca F (x1 ) F (x2 ).
3) F () = 0, F () = 1, deoarece X < este evenimentul imposibil,
iar X < este evenimentul sigur.
In cazul variabilei aleatoare discrete calculul efectiv al functiei de repertitie
se face tinand cont ca evenimentul {X x} este reuniunea evenimentelor
elementare {X = xi } pentru xi x, adica:
[
{X x} = {X = xi }
xi x
Evenimentele {X = xi } fiind incompatibile, aplicand operatorul de prob-

abilitate asupra relatiei de mai sus, obtinem:
X X
F (x) = p(X x) = p(X = xi ) = pi .
xi x xi x
Datorita formulei de mai sus, functia de repertitie este numita si functia

cumulativa a probabilitatilor.
4.5.1 Variabile aleatoare simple.

Fie = {e1 , e2 , ..., en } si X : R o variabila aleatoare care ia valorile
a1 < a2 < ... < ar , r n Consideram evenimentele Ai = {e ; X(e) = ai }.
r
[
Evident ca Ai Aj = , daca i 6= j si Ai = .
n=1
Cunoasterea unei variabile aleatoare presupune sa cunoastem valorile pe
care le ia si probabilitatile cu care ia aceste valori. Diagrama unei variabile
aleatoare simple este:

a1 a2 ... ar
X: (4.2)
p1 p2 ... pr
r
X
unde pi = p(f = ai ) = p(Ai ) si pi = 1
i=1
Exemlul 4.5.1 La un examen o grupa de 20 studenti au obtinut notele: opt

studenti au obtinut nota 5, trei studenti au obtinut nota 7, cinci studenti au
obtinut nota 8 si patru studenti au obtinut nota 10. Obtinem urmatoarea
diagrama:
5 7 8 10
8 3 5 4
20 20 20 20
Exemlul 4.5.2 Intr-o urna sunt 2 bile albe si 4 bile negre. Efectuam 3 ex-
trageri a cate o bila, punand de fiecare data bila extrasa napoi n urna. Atunci
numarul de aparitii de bile albe este o variabila aleatoare. Sa se determine
distributia acestei variabile aleatoare.
Problema se ncadreaza n schema lui Bernoulli. Fie p probabilitatea de a

extrage o bila alba si q probabilitatea de a extrage o bila neagra, deci p = 13 ,
q = 23 . Diagrama variabilei aleatoare va fi:

0 1 2 3
X:
C33 ( 23 )3 C31 ( 13 )( 23 )2 C32 ( 31 )2 ( 23 ) C30 ( 31 )3
Operatii cu variabile aleatoare simple.

Definitia 4.5.3 Fie variabilele aleatoare X, Y : R, si R
Daca diagramele celor
doua
variabile sunt:

a1 a2 ... ar b1 b2 ... bm
X: ,Y : atunci definim variabilele aleatoare
p1 p2 ... pr q1 q2 ... qm
X, X + Y , X Y ca fiind date de diagramele:

a1 a2 ... ar
X : ,
p1 p2 ... pr

a1 + b1 a2 + b2 ... ar + bm
X +Y : ,
p11 p12 ... prm

a1 + b1 a2 + b2 ... ar + bm
X Y : ,
p11 p12 ... prm
unde
pij = p({X = ai } {Y = bj }),
{X = ai } = Ai = {x ; p(x) = ai } si {Y = bj } = Bj = {x ; p(x) = bj }.
Definitia 4.5.4 Variabilele aleatoare X si Y se numesc independente daca
p(Ai Bj ) = p(Ai ) (Bj ) = pi qj , 1 i r, 1 j m.

p(Ai ), daca i = j
Cum p(Ai Aj ) = , vom avea:
0 , daca i 6= j
2 2
2 a1 a2 ... a2r
X :
p1 p2 ... pr
Definitia 4.5.5 Prin definitie, valoarea medie a variabilei aleatoare X, cu

diagrama data de (4.2), este
r
X r
X r
X
M (X) = ai pi = ai p(Ai ) = X(ej )p(ej ).
i=1 i=1 j=1
Proprietatile valorii medii a unei variabile aleatoare sunt date de urmatoatea

propozitie
Propozitia 4.5.1 Valoarea medie a unei variabile aleatoare are urmatoarele

proprietati:
1) M (a) = a
2) M (X + a) = M (X) + a
3) M (X) = M (X)
4) M (X + Y ) = M (X) + M (Y )
5) Daca X si Y sunt independente, atunci M (X Y )=M (X) M (Y ).
Demonstratie. Vom justifica, de exemplu, proprietatea 4).
X m
r X r
X m
X m
X r
X
M (X + Y ) = (ai + bj )pij = ai pij + bj pij
i=1 j=1 i=1 j=1 j=1 i=1
m
X m
X
pij = p(Ai Bj )
j=1 j=1
m
[ m
[
Ai = Ai X = Ai ( Bj ) = (Ai Bj ),
j=1 j=1
deci
m
X
p(Ai Bj ) = p(Ai ).
j=1
Analog
r
X
pij = p(Bj )
i=1
In consecinta
r
X m
X
M (X + Y ) = ai p(Ai ) + bj p(Bj ) = M (X) + M (Y )
i=1 j=1
Definitia 4.5.6 Momentul de ordinul k al variabilei aleatoare X se defineste

astfel:
X r
Mk (X) = aki pi .
i=1
Dispersia variabilei aleatoare X este definita prin:
2 = D2 (X) = M2 (X M (X))
Numarul se numeste abaterea medie patratica a variabilei aleatoare X.

In consecinta,
r
X
2 = D2 (X) = (ai M (X))2 pi =
i=1
r
X r
X
= [a2i 2ai M (X) + (M (X)) ]pi =2
a2i pi 2(M (X))2 + (M (X))2 ,
i=1 i=1
deci
D2 (X) = M (X 2 ) (M (X))2 .
Observatia 4.5.3 Dispersia masoara mprastierea valorilor variabilei aleatoare

fata de valoarea medie.
Propozitia 4.5.2 Dispersia unei variabile aleatoare are urmatoarele proprietati:

1) D2 (a) = 0
2) D2 (X + a) = D2 (X)
3) D2 (X) = 2 D2 (X)
4) Daca X si Y sunt independente, atunci D2 (X + Y )=D2 (X) + D2 (Y ).
Demonstratie. Vom justifica, de exemplu, proprietatea 4). Deoarece
D2 (X + Y ) = M2 [(X + Y ) M (X + Y )] = M2 [(X M (X)) + (Y M (Y ))]
tinand seama de liniaritatea valorii medii M, obtinem:
D2 (X + Y ) = M ([(X M (X)) + (Y M (Y ))]2 ) =
= M ((X M (X))2 ) + 2M ((X M (X))(Y M (Y ))) + M ((Y M (Y ))2 ) =
= D2 (X) + 2M ((X M (X))(Y M (Y ))) + D2 (Y ).
Pe de alta parte, variabilele aleatoare X si Y fiind independente si din

proprietatile valorii medii, avem:
M ((XM (X))(Y M (Y ))) = M (X)M (Y )2M (X)M (Y )+M (X)M (Y ) = 0.
In consecinta
D2 (X + Y ) = D2 (X) + D2 (Y ).

5 7 8 10
Exemlul 4.5.3 Se da variabila aleatoare X : 8 3 5 4 .
20 20 20 20
Sa se calculeze valoarea medie si dispersia
8 3 5 4
M (X) = 5 + 7 + 8 + 10 = 7, 05
20 20 20 20
8 3 5 4
2 = (5 7, 05)2 + (7 7, 05)2 + (8 7, 05)2 + (10 7, 05)2 .
20 20 20 20
2 = 3, 6475
Teorema 4.5.1 (Inegalitatea lui Cebasev). Fie (K, , p) un camp finit

de probabilitate si X o variabila aleatoare. Pentru orice > 0, avem:
2
p(|X M (X)| ) (4.3)
2
2
p(|X M (X)| < ) 1 (4.4)
2
unde 2 = D2 (X).
Demonstratie. Notam M (X) = m si presupunem ca ordonam valorile vari-

abilei aleatoare X astfel
|a1 m| |a2 m| ... |ar m|.
Fie > 0 astfel ncat min{|ai m|; 1 i r} < max{|ai m|; 1

i r}. Este clar ca exista l astfel ncat
|a1 m| |a2 m| ... |al m| < |al+1 m| ... |ar m|.
Atunci
(a1 m)2 (a2 m)2 ... (al m)2 < 2 (al+1 m)2 ... (ar m)2 .
In consecinta
D2 (X) = (a1 m)2 p1 + ... + (al m)2 pl + (al+1 m)2 pl+1 + ... + (ar m)2 pr
0 p1 + ... + 0 pl + 2 pl+1 + ... + 2 pr = 2 (pl+1 + ... + pr ).
Dar
pl+1 + ... + pr = p(Al+1 ... Ar ) = p(|X m| ).
Asadar
2
p(|X M (X)| )
2
Trcand la probabilitatea evenimentului contrar, obtinam:
2
p(|X M (X)| < ) 1 .
2
Observatia 4.5.4 Inegalitatea lui Cebasev arata ca abateri mari de la medie

sunt putin probabile cand dispersia este mica.
Exemlul 4.5.4 O variabila aleatoare X are media 30 si dispersia 2. Sa se

gaseasca o limita inferioara pentru p(24 < X < 36).
Tinand seama ca 24 < X < 36 daca si numai daca |X 30| < 6, rezulta ca
p(24 < X < 36) = p(|X 30| < 6). Conform (4.3)
2 17
p(|X 30| < 6) 1 = .
36 18
Functia caracteristica asociata unei variabile aleatoare simple.

Definitia 4.5.7 Fie X o variabila aleatoare simpla:
X n
a1 a2 ... an
X: , pi = 1.
p1 p2 ... pn
i=1
Functia
n
X
c (t) = eiak t pk ,
i=1
unde i2 = 1, se numeste functie caracteristica asociata variabilei aleatoare

X.
Tinand seama de dezvoltarea n serie a functiei ex , avem:

n
! m m
n !
X X im am tm X i t X X im m
c (t) = pk k
= am p
k k = Mm (f ) t ,
m! m! m!
i=1 m=0 m=0 i=1 m=0
unde Mm (f ) este nomentul de ordinul m. Pe de alta parte:

X (m)
c (0) m
c (t) = t
m!
m=0
de unde rezulta:
1 (m)
Mm (X) = (0) (4.5)
im c
formula ce permite calculul momentului de ordin m.
Variabile aleatoare asociata schemei lui Bernoulli.

Are diagrama

0 1 2 ... k ... n
X:
qn Cn1 pq n1 Cn2 pq n2 ... Cn2 pq n2 ... pn
In consecinta, valoarea medie a variabilei aleatoare va fi:

n
X
M (X) = kCnk pk q nk
k=0
Pe de alta parte, avem:

n
X
n
(px + q) = Cnk pk xk q nk .
k=0
Derivand, obtinem:
n
X
n(px + q)n1 p = Cnk pk kxk1 q nk .
k=0
Pentru x = 1, rezulta ca:

n
X
n(p + q)n1 p = np = Cnk pk kq nk = M (X).
k=0
Asadar valoarea medie a variabilei aleatoare din schema lui Bernoulli este:
M (X) = np
Ne propunem acum sa determinam dispersia acestei variabile aleatoare:
2 = D2 (X) = M2 (X) M 2 (X).
Pentru calculul momentului de ordinul 2, M2 (X), folosim functia caracteris-

tica. Avem
1 00
M2 (f ) = 2 c (0)
i
Dar
n
X Xn
c (t) = eikt Cnk pk q nk = Cnk (peit )k q nk = (peit + q)n .
k=0 k=0
Atunci:
0
c (t) = n(peit + q)n1 pi eit
00
c (t) = npi [(n 1)(peit + q)n2 pi e2it + (peit + q)n1 i eit ]
deci
00
c (0) = npi2 [(n 1)pi + i] = i2 np(np p + 1)
In consecinta:
M2 (X) = n2 p2 np2 + np = n2 p2 + npq,
deci
2 = npq.
Asadar, dispersia variabilei aleatoare asociate schemei lui Bernoulli este:
2 = npq.
4.5.2 Variabile aleatoare discrete.

Sunt variabile aleatoare care iau o infinitate numarabila de valori. Dia-
grama unei variabile aleatoare discrete are forma:
X
a1 a2 ... an ...
X: , pn = 1.
p1 p2 ... pn ...
n=1
Distributia Poisson.
Are diagrama:

0 1 2 ... n ...
X: 2 n
e 1! e 2! e 2 ...
n! e ...
Se conststa ca:

X
X
n
pn = e = e e = 1
n!
n=0 n=0
Distributia Poisson este un caz limita al distributiei Bernoulli. Fie = np

valoarea medie a distributiei Bernoulli. Atunci p = n 0 cand n . De
asemenea
n(n 1)...(n k + 1) k
lim Cnk pk q nk = lim k (1 )nk =
n n k! n n
k n(n 1)...(n k + 1) (nk)
n k
= lim lim e = e .
k! n nk n k!
In schemea lui Bernoulli pk = Cnk pk q nk reprezinta probabilitatea realizarii
de k ori a evenimentului A ntr-o serie de n experiente. Daca p = n si n
, atunci p este foarte mic. Distributia Poisson se mai numeste si legea
evenimentelor rare si este folosita la controlul statistic al produselor industriale
atunci cand probabilitatea obtinerii unei piese defecte este foarte mica.
Valoarea medie a distributiei Poisson este:

X X k1
k
M (X) = k e = e = e e = .
k! (k 1)!
k=0 k=1
De asemenea

X
X
X
k k k
M2 (X) = k 2 e = e k = e [(k 1)+1] =
k! (k 1)! (k 1)!
k=0 k=1 k=1

X
X
k2 k1
e (2 + ) = e e (2 + ) = 2 + .
(k 2)! (k 1)!
k=2 k=1
In consecinta, dispersia distributiei Poisson este 2 = .

4.5.3 Variabile aleatoare continuie.

Fie (K, , p) un camp de probabilitate. Reamintim ca functia X : K R se
numeste variabila aleatoare continua daca are proprietatea ca oricare ar fi
a R,
X 1 ((, a)) = {x K; X(x) < a} = {X < a} K,
functia X luand o infinitate nenumarabila de valori.
Definitia 4.5.8 Fie X o variabila aleatoare continua si F functia sa de repartitie.
Daca exista o functie integrabila : R R+ astfel ncat
Z x
F (x) = (t)dt, oricare ar fi x R,

atunci functia se numeste densitate de repartitie sau densitate de prob-

abilitate a variabilei aleatoare X.
Teorema 4.5.2 Densitatea de repartitie a variabilei aleatoare continuie X
are urmatoarele proprietati:
1) (x)
Z 0, oricare ar fi x R.

2) (x)dx = 1.

Z b
3) p(a < X b) = (x)dx
a
Demonstratia este evidenta.

Observatia 4.5.5 Fie X o variabila aleatoare continua si F functia sa de
repartitie. Daca densitatea de repartitie a variabilei aleatoare X este con-
tinua atunci
F 0 (x) = (x) oricare ar fi x R.
Definitia 4.5.9 Se numeste valoare medie a unei variabilei aleatoare X
expresia Z
M (X) = x(x)dx.

Momentul de ordinul k al unei variabilei aleatoare X se defineste prin
formula Z
Mk (X) = xk (x)dx.

Dispersia variabilei aleatoare f este definita astfel:
2 = D2 (X) = M2 (X M (X)).
D2 (X) = M (X 2 ) (M (X))2 .
Numarul se numeste abaterea medie patratica a variabilei aleatoare X.
In cele ce urmeaza. vom prezenta unele legi de probabilitate uzuale, definite

prin densitati de repartitie.
Definitia 4.5.10 Variabila aleatoare X are o repartitie uniforma pe [a, b]

daca are densitatea de repartitie:
1
(x) = ba , daca x [a, b]
0 , daca x 6= [a, b]
Z
Este clar ca (x)dx = 1.

Avem:
Z x 0 , daca x a
xa
F (x) = (t)dt =
ba , daca x (a, b]
1 , daca x > b.
Obtinem succesiv:
Z b Z b 2
x a+b x a2 + ab + b2
M (X) = dx = , M2 (X) = dx = ,
a ba 2 a ba 3
deci
(b a)2
2 = M2 (X) (M (X))2 = .
12
Definitia 4.5.11 Variabila aleatoare X satisface o lege normala N (m, ) daca
are densitatea de repartitie
1 (xm)2
(x; m, ) = e 22
2
.
Observatia 4.5.6 Legea normala a aparut n legatura cu teoria erorilor de

masurare.
Functia are proprietatile unei densitati de repartitie. Intr-adevar

Z Z
1 (xm)2
(x; m, )dx = e 22 dx.
2
Daca facem schimbarea de variabila

x = m + 2t (4.6)
obtinem: Z Z
1 2
(x; m, )dx = et dt = 1

Fig. 4.2: (x; m, ) cu constsnt, m variabil.
Fig. 4.3: (x; m, ) cu m constsnt, variabil.
In (Fig 5.9) sunt reprezentate graficele functiilor (x; m, ) pentru valori

ale lui m si acelasi , iar n (Fig 4.3) pentru acelasi m si diferite valori ale lui
.
Vom calcula acum media si dispersia acestei variabile aleatoare. Folosind
schimbarea de variabila (4.6), rezulta:
Z Z Z
1
(xm)2 m t 2 2 t2
M (X) = xe 2 dx =
2 e dt+ te dt = m,
2
Z Z
1 (xm)2 2 2 2 t2
D2 (X) = (x m)2 e 22 dx = t e dt.
2
Integrand prin parti, obtinem:
Z
2 2 1 2 1 t2
D2 (X) = tet | + e dt = 2.
2 2
Vom determina acum functia de repartitie a legii normale.
Z x
1 (tm)2
F (x) = e 22 dt.

Facem schimbarea de variabila t = m + 2y. Rezulta ca
Z xm

1 2 2
F (x) = ey dy.

Pe de alta parte Z Z
0
1
= = ,
2 2
deci Z xm

1 1 2 2
+ ey dy.
2 0
Folosind functia lui Laplace : R R,
Z x
2 2
(x) = ey dy,
0
putem scrie
1 xm
F (x) = 1+ .
2 2
In consecinta

1 bm am
p(a X b) = F (b) F (a) = .
2 2 2
4.6 Elemente de teoria fiabilitatilor.

Fiabilitatea unui sistem reprezinta probabilitatea ca sistemul sa-si ndeplineasca
corect functiile prevazute(la nivelul performantelor stabilite) pe durata unei
perioade de timp date n conditii de exploatare specificate. Aici notiunii de
sistem i dam un sens foarte larg. Sistemul poate fi: fabrica, automobil, strung,
aparat de radio, calculator, etc.
Pentru a defini un concept cantitativ al fiabilitatii se va nota cu T tim-
pul de functionare al sistemului pana la prima defectiune. T este o
variabila aleatoare. In cazul unor echipamente perioada de timp T de la darea
n functiune pana la aparitia avariei coincide cu durata de viata(de exemplu
becurile, la care nu se pune problema repararii).
Se defineste functia de fiabilitate(functia de siguranta a sistemului):
R(t) = P (T > t), t > 0) (4.7)
ca fiind probabilitatea de functionare a sistemului. R este initiala cuvantului

Reliability(fiabilitate n limba engleza)
Functia de defectare, notata F(t) se defineste astfel:
F (t) = P (T t), t > 0) (4.8)
Este evident ca functia F(t), astfel definita, reprezinta functia de repartitie a

variabilei aleatoare T. Litera F a fost luata ca fiind initiala cuvantului Fail-
ure(defectare n limba engleza).
Deoarece R(t) si F(t) reprezinta probabilitatile unor evenimente comple-
mentare, n sensul teoriei probabilitatilor, rezulta evident ca R(t)+F(t)=1.
Deoarece F(0)=0 si lim F(t)=1 rezulta: R(0)=1 si lim R(t)=0.
t t
Altfel spus, la pornire sistemul functioneaza cu certitudine, n timp ce la
durata de functionare mare el iese din uz.
Daca functia de defectare F(t) este derivabila, atunci se poate defini o
functie f(t) numita viteza instantanee de defectare:
dF(t) F(t+4t) F(t) P(t < T t + 4t)

f(t) = = lim = lim
dt 4t0 4t 4t0 4t
Altfel spus viteza instantanee de defectare este limita raportului dintre prob-
abilitatea ca variabila aleatoare sa ia valori n intervalul [t, t+4t) si marimea
intervalului, cand 4t 0.
Din definitie rezulta:
Z t Z
F(t) = f(u)du, R(t) = f(u)du, f(t)=-R0 (t)
0 t
4.6. ELEMENTE DE TEORIA FIABILITATILOR. 115
Valoarea medie a timpului de functionare fara defectare este:

Z
= M (T ) = tf(t)dt
0
Daca integram prin parti obtinem:

Z Z x Z x
M (T ) = tf(t)dt = lim tf(t)dt = lim xF (x) F(t)dt =
0 x 0 x 0
Z x Z
= lim x(1 F (x)) + (1-F(t))dt = R(t)dt
x 0 0
Dispersia lui T este:
Z Z
2 2
D(T ) = = (t ) f (t)dt = 2 tR(t)dt 2
0 0
Dispersia 2 reprezinta abaterea valorilor timpilor de functionare fata de media

acestora.
Sa presupunem n continuare ca sistemul a functionat fara sa se defecteze
pana la momentul t. Care este probabilitatea sa nu se defecteze n timpul
[t, t+t)? Sa consideram evenimentele:
-A: sistemul functioneaza fara sa se defecteze pana la momentul t.
-B: sistemul nu se defecteaza n intervalul [t, t+t).
Rezulta ca trebuie sa calculam:
P(A B) F(t + t) F(t)
PA (B) = =
P(A) 1 F(t)
Definitia 4.6.1 Rata de defectare(rata caderilor sau intensitatea de

defectare), notata cu (t), este data de:
1 F(t + t) F(t) F0 (t) R0 (t) f(t)

(t) = lim = = =
t0 t 1 F(t) 1 F(t) R(t) R(t)
Vom remarca faptul ca n timp ce f(t)t indica probabilitatea de defectare
n intervalul [t, t+t) marimea (t)t indica probabilitatea conditionata
de defectare n intervalul [t, t+t) stiind ca n intervalul [0, t) nu au loc
defectiuni. Z t 0 Z t
R0 (t) R (u)
Din (t) = R(t) rezulta: du = ln R(t) = (u)du, de unde
0 R(u) 0
obtinem:
Z t Z t Z t
(u)du (u)du (u)du
R(t) = e 0 , F (t) = 1 e 0 , f (t) = (t)e 0 .
Deducem ca:
f (t) (t), lim (t) = f (0)
t0
In teoria mortalitatii functia (t) se numeste functia de supravietuire.

De cele mai multe ori graficul functiei empirice rata de defectare obtinut
prin prelucrarea datelor statistice are o forma caracteristica de tipul cada de
baie Fig. 4.4.
Fig. 4.4
Aceasta forma a graficului sugereaza existenta a trei perioade distincte n

timpul exploatarii:
Zona I- perioada de rodaj.
Zona II- perioada vietii utile.
Zona III- perioada de mbatranire, datorita mai ales uzurii.
Daca admitem ca rata de defectare este constanta (t) = 0 , 0 > 0
rezulta:
R(t) = e0 t , F (t) = 1 e0 t , f (t) = 0 e0 t ,

adica o lege de repartitie exponentiala. De altfel modelul exponential este
primul model din punct de vedere istoric n teoria fiabilitatii. Aceasta lege de
fiabilitate nu este generala. In practica se ntalnesc frecvent situatii n care
datele experimentale nu concorda cu modelul de mai sus. De exemplu daca
rata de defectare este proportionala cu timpul (t) = 20 t, 0 > 0, atunci din
0 (t)
relatiile RR(t) = 20 t, R(0) = 1, rezulta:
2 2 2
R(t) = e0 t , F (t) = 1 e0 t , f (t) = 20 te0 t ,
si anume suntem n cazul unei legi Weibull cu parametrii 0 si 2.

Legea normala este de asemenea des utilizata ca distributie de probabilitate
pentru functia de fiabilitate.
Exemlul 4.6.1 Funtia de defectare pentru un utilaj avand o durata de functionare

T=5 ani este de forma F (t) = c1 + c2 et
4.6. ELEMENTE DE TEORIA FIABILITATILOR. 117
Sa se calculeze:
a) Parametrii c1 si c2 ,
b) Functia de fiabilitate si rata de defectare,
c) Probabilitatea de defectare la mplinirea duratei de functionare,
d) Valoarea medie a timpului de functionare fara defectare.
Rezolvare:
a) Deoarece F (0) = 0 si lim F (t) = 1, rezulta imediat c1 = 1 si c2 = 1.
t
b) Functia de fiabilitate este:
R(t) = 1 F (t) = et ,
iar rata de defectare se obtine astfel:
R0 (t)
(t) = = 1.
R(t)
c) Probabilitatea caruta este:
P(t = 5) = F (5) = 1 e5 = 0, 93
Z
d) = M (T ) = tet dt = 1
0
Exemlul 4.6.2 Un utilaj are rata de defectare constanta = 3. Sa se cal-

culeze functia de fiabilitate functia de defectare si timpul dupa care probabili-
tatea de defectare este egala cu probabilitatea de functionare.
Rezolvare:
Conform definitiei avem:
R0 (t)
(t) = 3 = .
R(t)
Prin integrare obtinem:

ln R(t) = 3t + C
Deoarece R(0) = 1, rezulta C = 0 In concluzie functia de fiabilitate este:
R(t) = e3t , t 0,
iar functia de defectare are forma:
F (t) = 1 R(t) = 1 e3t , t 0.

Egaland cele doua functii se obtine timpul cerut 2e3t = 1, t = ln 3
2
Exemlul 4.6.3 Stiind ca pentru un utilaj are rata de defectare este (t) =
1
1+t2
. Sa se calculeze functia de fiabilitate functia de defectare precum si prob-
abilitatea ca utilajul sa se defecteze dupa un an de functionare.
Rezolvare: 0 (t)
Deoarece rata de defectare este (t) = RR(t) rezulta:
dt dR
2
=
1+t R
sau
arctan t = ln R(t) + C
Deoarece R(0) = 1, se obtine C = 0. Rezulta functia de fiabilitate
R(t) = e arctan t
si functia de defectare
F (t) = 1 e arctan t .

Probabilitatea ceruta este: P(t = 1) = F (1) = 1 e 4 .
4.7 Fiabilitatea sistemelor cu subsisteme legate n

serie.
Fie sistemul S, format din subsistemele S1 si S2 legate n serie Fig. 4.5.
Spunem ca subsistemele sunt legate n serie daca prin defectarea sistemului
ntelegem defectarea a cel putin a unui subsistem. Probabilitatile de defectare
ale celor subsisteme sunt p1 si p2 , presupuse cunoscute. Presupunem ca sub-
sistemele se defecteaza independent unul de altul.
Se cere fiabilitatea sistemului S.
Fig. 4.5
Fie Ai , i = 1, 2, evenimentul subsistemului Si , i = 1, 2 functioneaza, iar A

evenimentul sistemul S functioneaza. Rezulta A = A1 A2 si
P (A) = P (A1 A2 ) = P (A1 ) P (A2 ) =
= (1 P (A1 )) (1 P (A2 )) = (1 p1 ) (1 p2 )
4.8. FIABILITATEA SISTEMELOR CU SUBSISTEME LEGATE IN PARALEL.119
Daca timpii potentiali de functionare fara defectare a subsistemelor S1 si S2

sunt T1 si respectiv T2 , iar T este timpul de functionare al sistemului S,
atunci T=inf{T1 , T2 }. In acast caz, daca R si Rk , k=1, 2, reprezinta functiile
de siguranta pentru sistemul S si respectiv, subsistemele Sk , avem:
R(t) = P (T > t) = P (T1 > t, T2 > t) = P (T1 > t) P (T2 > t) = R1 (t) R2 (t),
adica functia de siguranta(fiabilitate) a sistemului este egala cu produsul
functiilor de siguranta ale subsistemelor.
Pentru n subsisteme legate n serie avem:
n
Y
R(t) = Ri (t)
i=1
Luand logaritmul natural pentru R(t) din relatia de mai sus si nmultind cu
n
X
-1, obtinem ln R(t) = ln Ri (t) si apoi derivand n raport cu t gasim
i=1
n
X
(t) = i (t), adica riscul de defectare a sistemului este suma riscurilor de
i=1
defectare a sistemelor inseriate.
4.8 Fiabilitatea sistemelor cu subsisteme legate n

paralel.
Fie sistemul S, format din subsistemele S1 si S2 legate n paralel Fig. 4.7,
avand probabilitatile de defectare p1 si p2 , presupuse cunoscute. Spunem ca
subsistemele sunt legate n paralel daca prin defectarea sistemului ntelegem
defectarea tuturor subsistemelor sale. Consideram ca subsistemele se de-
fecteaza independent unul de altul. Se pune problema studierii fiabilitatii
sistemului S.
Fig. 4.6
Se adopta aceleasi notatii ca si n situatia precedenta a subsistemelor legate

n serie. In acest caz avem A = A1 A2 si
P (A) = P (A1 A2 ) = P (A1 ) + P (A2 ) P (A1 ) P (A2 ) =
= (1 P (A1 )) + (1 P (A2 )) (1 P (A1 )) (1 P (A2 )) = 1 p1 p2

Notand timpii potentiali de functionare fara defectare ale lui S, S1 si S2 prin
T, T1 si T2 , avem T=sup{T1 , T2 }. Deducem ca:
F (t) = P (T t) = P (T1 t, T2 t) = P (T1 t)P (T2 t) = F1 (t)F2 (t),
adica functia de defectare a sistemului este egala cu produsul functiilor de

defectare a subsistemelor.
Pentru n sisteme legate n paralel, rezultatul de mai sus se extinde fara
probleme:
n
Y
F (t) = Fi (t)
i=1
Probleme propuse:
1) Sa se determine functia de fiabilitate si functia de defectare daca viteza
instantanee de defectare este:
2
f (t) = ktet , t 0, k R
2) Functia de defectare este de forma:

1
F (t) = 2 , daca t [0, 2]
1 , daca t > 2
Sa se calculeze durata medie de functionare fara defectare si probabilitatea de

defectare la atingerea acestei perioade.
Raspuns: = 1, P (t = 1) = F (1) = 0, 5
3) Fie sistemul (S) format din sistemul (S1 ) legat n serie cu subsistemul
alcatuit din (S2 ) si (S3 ), legate n paralel, avand probabilitatile p1 = 0, 1,
p2 = 0, 2 si p3 = 0, 3. Se cere fiabilitatea sistemului (S).
4.9. STATISTCA MATEMATICA. 121
4.9 Statistca matematica.

Orice multime de elemente cu proprietati comune, care este supusa unei
prelucrari statistice se numeste populatie statistica. Proprietatile comune
ale elementelor unei populatii statistice care variaza aleator se numesc car-
acteristici. Studiem populatia statistica din punctul de vedere al unei
caracteristici. Iaceasta variaza aleator de la o unitate la alta a populatiei, ea
poate fi asimilata cu o variabila aleatoare X pe care o vom numi variabila
aleatoare teoretica definita pe populatia .
Caravteristicile numerice ale variabilei teoretice X le vom numi caracter-
istici teoretice si le vom nota prin = M(X) media teoretica, 2 = D(X)
dispersia teoretica, etc.
Cercetarea proprietatilor populatiei se poate face printr-o observare to-
tala sau partiala.
Cercetarea totala, efectuata de exemplu sub forma de recensamant, este
o operatie complexa, care de cele mai multe ori priveste mai multe caracteristici
ale unitatilor, pentru a se putea realiza o analiza multilaterala. Din punct
de vedere al practicii social-economice, o cercetere totala este recomardabila
numai atunci cand volumul nu este prea mare, angajand obligatii de timp si
cheltuieli care pot depasi avantajele concluziilor trase.
Cercetarea partiala(selectiva) se efectuiaza asupra unei subpopulatii
, de volum n(cu n unitati). Variabila aleatoare asimilata caracteristicii
corespunzatoare subpopulatiei de selectie o vom numi variabila aleatoare
de selectie(empirica) si o vom nota cu X .
Constructia esantionului se face cu unitati din populatia luate dupa
o anumita tehnica, numita opertie de sondaj. Urmatoarele puncte de vedere
trebuie respectate:
1) Materialul investigat trebuie sa fie omogen; n timpul investigatiilor
metoda de testare trebuie sa fie aceeasi. Nu trebuie facute schimbari la aparate
si nici folosite instrumente cu precizie diferita.
2) Erorile sistematice trebuie excluse pe cat posibil. Daca vrem de exemplu
sa comparam doua materiale, acestea trebuie produse de aceeasi masina.
3) Alegerea selectiei trebuie facuta aleator sau reprezentativ. De exemplu
la masurarea grosimii firelor textile, punctele n care se fac masuratorile sunt
reprezentate aleator pe toata lungimea firului. Alegerea aleatoare se face cu
ajutorul tabelelor de numere aleatoare. O alegere reprezentativa n cazul unei
selectii se face daca materialul cecetat poate fi mpartit n mod unic n parti.
Este posibil de exemplu sa mpartim un lot de suruburi cercetat ntr-un astfel
de mod ca ficare parte sa contina suruburi produse numai de o masina.
4) Referitor la volumul esantionului se remarca faptul ca deductiile facute
pe baza unei populatii mai mari sunt mai exacte. De multe ori tinand seama de
timpul si efortul afectat preferam un esantion mai mic cu toate ca rezultatele
obtinute vor fi mai putin exacte.

5) Selectia poate fi cu revenire sau fara revenire. In primul caz fiecare
unitate cercetata este lasata dupa cercetare n populatia spre deosebire de
al doilea caz. Schema probabilistica corespunzatoare este schema bilei revenite
sau schema bilei nerevenite. In cazul selectiei fara revenire, sondajele efectuate
sunt echiprobabile, dar variabilele de selectie sunt dependente.
Valorile variabilei teoretice X pentru fiecare unitate din esantionul deter-
mina sirul de variabile aleatoare X1 , X2 , ..., Xn avand desitati de repertitie
identice cu ale variabilei X. Deoarece selectia a fost aleatoare, fiecare valoare
Xi se realizeaza n esantion cu probabilitatea n1 . Se costruieste astfel variabila
de selectie X (X1 , X2 , ..., Xn ) cu distributia:

X1 , X2 , ..., Xn
X : 1 1 1
n, n , ... n
Deoarece si esantionul are un caracter aleator rezulta ca fiecare valoare Xi

constituie o variabila aleatoare identica din punct de vedere probabilistic cu
variabila teoretica deoarece M(Xi ) = M(X), D(Xi ) = D(X), etc.
Pentru a obtine o privire preliminara asupra materialului dat se ordoneaza
valorile caracteristicii dupa marime si se determina freventa absoluta cu care
apare fiecare valoare. Se ajunge astfel la o repartitie de tipul (S1 ) daca toate
valorile caracteristicii pentru o selectie de volum n sunt distincte.
Mai frecvente sunt nsa situatiile n care valorile caracteristicii date de o
selectie de volum n se repeta. In aceasta situatie, considerand ca au rezultat
k valori distincte ale caracteristicii, repartitia o vom numi de tipul (S2 ) si o
reprezentam conform tabelului de mai jos:
Valorile Frecventele Frecventele % i = 100 fi

caracteristici absolute ni relative fi = nni
x1 n1 f1 1
x2 n2 f2 2
.. .. .. ..
. . . .
xk nk fk k
k
X k
X k
X
ni = n fi = 1 i = 100
i=1 i=1 i=1
Se observa usor ca repartitiile de tipul S1 reprezinta un caz particular al

repartitiei de tipul S2 si anume n cazul n care toate frecventele absolute sunt
egale cu 1. Fiecare valoare xi este la randul ei o variabila aleatoare datorita
caracterului aleator al sondajului.
O reprezentare grafica a repartitiei de tip S2 a frecventelor se poate face
luand pe axa absciselor valorile caracteristicii xi , iar pe axa ordonatelor valorile
frecventelor absolute ni . Unind toate punctele de coordonate (xi , ni ), i=1, 2,

..., k, se obtine poligonul frecventelor.
In cazul repartitiei de tip S2 variabila de selectie(empirica) X are repartitia
de forma:
X k
x1 , x2 , ..., xn
X : n , ni = n
n1 , n2 , ..., nk
i=1

Indicatorii principali de pozitie pentru X sunt:
1) Amplitudinea: h=max{xi }- min{xi },
(
x k+1 , daca k este impar
2) Mediana e x= 2
1
2 x k + xk
+1 , daca k este par
2 2
k
X
1
3) Valoarea medie x = n xi ni ,
i=1
k
X
4) dispersia s2 = 1
n1 (xi x)2 ni (s se numeste abaterea medie patratica
i=1
sau abatere standard).
In cazul repartitiei de tip S1 indicatorii sunt dati de formulele de mai sus
cu k=n si ni =1.
Sa verificam cat de bine estimeaza dispersia de selectie s2 , data de formula
de mai sus, dispersia populatiei 2 . Avem pentru o repartitie de tip S1 :
1 X 1 X
M(s2 ) = M (xi x)2 = M x2i nx2 =
n1 n1
1 hX i
= M(x2i ) nM(x2 )
n1
2
Dar M(x2i ) = 2 2 si M(x2 ) = n + 2 . Rezulta:

2 1 2
M(s ) = n( + ) n( + ) = 2 .
2 2 2
n1 n
Deci valoarea medie a dispersiei de selectie reprezinta dispersia populatiei.

Se foloseste uneori pentru dispersia de selectie formula:
1X
s21 = (xi x)2 .
n
Reluand calculul de mai sus pentru s21 rezulta M(s21 ) = n1 2 2

n . Deci s1 va
reprezenta o estimatie mai mica pentru . 2
Pentru un esantion de tip n cu k valori caracteristice, frecventa reletiva a

valorilor selectiei mai mici decat o valoare x se numeste functie de repartitie
de selectie(empirica) si se defineste astfel:

0, daca x xi

X
i1
Fn (x) = fj , daca xi1 x xi , i = 2, 3, ..., n, (4.9)

j=1
1 , daca xk < x.
In cazul repartitiei de tip (S1 ) avem:

0, daca x xi
Fn (x) = i1
n , daca xi1 x xi , i = 2, 3, ..., n, (4.10)

1 , daca xk < x.
Exemlul 4.9.1 Fie X o variabila aleatoare asupra careia se efectuiaza o selectie

de volum n=100. Se obtin valorile caracteristice distincte 1, 3, 6, 10 cu frecventele
relative 0, 4; 0, 1; 0, 2 si respectiv 0, 3. Sa se calculeze functia de repartitie de
.
selectie F100
Raspuns:
Conform definitiei de mai sus avem:

0, daca x 1

0, 4, daca 1 < x 3

F100 (x) = 0, 5, daca 3 < x 6

0, 7, daca 6 < x 10

1 , daca 10 < x.
In cazul unui esantion mare, valorile caracteristicii se mpart n clase de

marime egala. Tot n clase se mparte materialul statistic n cazurile n care
caracteristica ia valori continuie ntr-un inteval. Alegerea marimii claselor de-
pinde de marimea esantionului si de amplitudinea h = xmax xmin . Numarul
de clase nu trebuie sa fie prea mic caci astfel caracterul repartitiei poate fi
voalat. Pe de alta parte, daca numarul de clase este prea mare, valorile anor-
male nu sunt puse n evidenta si repartitia nu poate fi recunoscuta.
Determinarea lungimii unei clase [ì1 , ì ), i = 2, 3, ..., k, n cazul unui
esantion de volum n pentru care se cunoaste amplitudinea se poate face cu
xmax xmin
relatia propusa de H. A. Struges d = 1+3,322lg n . De obicei valoarea lui d se
rotunjeste la numarul ntreg cel mai apropiat de valoarea gasita.
In cazul unei selectii de volum n cu k clase, repartitia statistica o vom
numi de tipul S3 si o reprezentam conform tabelei de mai jos.
unde xM i - mijlocul intervalului [ì1 , ì ), ni - frecventa absoluta n [ì1 , ì ),
ni
fi = n - frecventa reletiva n [ì1 , ì ).
Clase xM
i ni fi % i = 100 fi
[`0 , `1 ) xM
1 n1 f1 1
[`1 , `2 ) xM
2 n2 f2 2
.. .. .. .. ..
. . . . .
[`k1 , `k ) xM
k nk fk k
k
X k
X k
X
ni = n fi = 1 i = 100
i=1 i=1 i=1
O reprezentare grafica n cazul unei repartitii statistice de tip S3 este data

de poligonul frecventelor ca si n cazul S2 , folosind xMi n loc de xi , dar mai ales
de histograma. Histrograma se obtine construind [ xmax x d
min
] = k dreptunghi-
uri avand bazele egale cu d si naltimile ni (sau fi sau i ). Indicatorii principali
de pozitie sunt obtinuti la fel ca si n cazul repartitiei S2 nlocuind nsa pe xi
cu xMi . Functia de repartitie de selectie se defineste n cazul repartitiei de tip
S3 astfel:

0, daca x `0

X
i1
1
Fn (x) = fi + (x ì1 )fi , daca ì1 x ì , i = 2, 3, ..., n, (4.11)

d

j=1
1 , daca `k < x.
Exemlul 4.9.2 O echipa de zece muncitori si-au realizat planul lunar n proportie
de 85, 96, 98, 102, 107, 110, 112, 113, 117 si respectiv 127%. Sa se construiasca
histograma datelor procentuale.
Rezolvare:
10785
Avem d = 1+3,222lg 10 ' 9, 7177. Se va lua pentru d numarul ntreg 10.
Datele procentuale se grupeaza n [ 12785
9,7 ] = 4 grupe. Histograma datelor
procentuale este:
Fig. 4.7
Histograma este un tip special de grafic, deosebit de relevantpentru pre-

lucrari statistice. Functia MATLAB hist, pentru reprezentarea histogramei
se apeleaza cu sintaxa hist(X,n), cu X setul de date analizat, iar n numarul
de intervale, n cazul exemplului, de mai sus , n=4.
Exemlul 4.9.3 Controlul statistic de calitate al unui produs se face pe baza

unei selectii. In cazul unui lot de N obiecte se va teste o selectie de volum
n. Daca acesta contine mai mult de produse necorespunzatoare, lotul va fi
respins, n caz contrar fiind acceptat. Planul de selectie se caracterizeaza prin
alegerea numerelor (, n) si pe presupunerea ca procentul de rebuturi din sectia
de productie este acelasi cu cel al lotului din care s-a efectuat selectia. Aceasta
ipoteza se face cu o anumita probabilitate astfel ncat atat producatorul cat si
beneficiarul si asuma un anumit risc n acceptarea planului de selectie.
Pentru urmarirea calitatii produselor se folosesc fise de control. Pentru
controlul unei caracteristici a unui proces particular de productie, produsele pe
care facem masuratorile sunt alese aleator. Aceste masuratori sunt trecute pe
fisele de control avand forma de mai jos.
Fig. 4.8
Daca cosideram pe x ca linie medie si valorile x+3s, x3s (s reprezentand

abaterea medie patratica) ca limita superioara de comtrol, respectiv limita
inferioara de control, atunci 99, 73% dintre toate valorile masurate se afla n
regiunea marginita de limitele de control. Daca cele trei linii sunt determinate
prin teste preliminare, atunci procesul de productie poate fi controlat n acest
mod. Daca o observatie masurata se afla n aceasta regiune, atunci deviatiile
de la medie sunt privite ca aleatoare. Deviatia este sistematica daca data
masurata cade n afara liniilor de control(indicata n Fig.(4.8) n la 4 si la
18). In acest caz productia trebuie ntrerupta si cercetata cauza deviatiei.
4.9.1 Estimare.
Fie acum data variabila de selectie X sub una din formele empirice:

xj xi
X : 1 , j = 1, 2, ..., n sauX : n , i = 1, 2, ..., k,
n ni
corespunzand repartitiilor statistice de tip S1 sau S2 . Atunci X constituie o

aproximare a variabilei teoretice:

x
X: ,
f (x)
definita pe populatia studiata. Functia densitate de repartitie f (x) contine

anumiti parametri pe care ncercam sa-i determinam folosind selectia efec-
tuata. Operatia de determinare a valorilor parametrilor se numeste estimare.
Principiul de baza al teoriei selectiei: Variabila de selectie converge
n lege catre variabila teoretica, iar parametrii variabilei de selectie converg n
probabilitate catre parametrii corespunzatori ai variabilei teoretice.
Fie parametrul ce se cere a fi determinat prin intermediul datelor puse
la dispozitie de variabila de selectie X ( poate fi valoare medie, disper-
sie, etc.) tipul repartitiei X fiind considerat cunoscut. Functia de estimatie
(X1 , X2 , ..., Xn ) determinata pe baza selectiei, care ndeplineste conditia gen-
erala de convergenta n probabilitate:
lim P(| | < ) = 1

n
se numeste functie de estimatie consistenta, iar estimatorul respectiv

poarta numele de estimator consistent al parametrului .
Remarcam urmatorul fapt: Consistenta nu se refera la convergenta lui
catre n ses matematic uzual. Convergenta se refera la probabilitatea
asociata evenimentului | | < obtinuta cu repartitia lui cand n .
Exemlul 4.9.4 Din legea numerelor mari sub forma lui Bernoulli, avem relatia:
lim P(|fn p| < ) = 1,

n
deci frecventa relativa fn este un estimator consistent al probabilitatii p con-

siderata ca un parametru al legii binomiale.
Se poate demonstra ca exista o infinitate de estimatori consistenti pen-
tru un parametru teoretic .
In practica convergenta estimatorului catre are loc n una din urmatoarele
situatii:
a) M( ) = si D( ) 0 cand n . In acest caz reprezinta un
estimator absolut corect.
b) M( ) si D( ) 0 cand n . In acest caz reprezinta un

estimator corect pentru .
Se verifica ca orice estimator absolut corect este si estimator consistent.
Intr-adevar, folsind inegalitatile Cebsev avem:
D( )
1 P(| | < ) 1.
2
Deoarece presupunem ca este un estimator absolut corect rezulta ca
D( ) 0 cand n , deci lim P(|fn p| < ) = 1, adica este ntr-
n
adevar un estimator consistent.
Se verifica de asemeni ca valoarea medie de selectie x sidispersia de selectie
s reprezinta estimatori absolut corecti pentru , respectiv 2 .
2
4.9.2 Functia de verosimilitate a selectiei.

Sa consideram variabila teoretica X cu densitatea de repartitie f (x, ) de-
pinzand de un singur parametru ce trbuie estimat pe baza datelor de selectie
(x1 , x2 , ..., xn ). Densitatea de repartitie f (x, ) ia corespunzator valorilor din
esantion, valorile:
f (xi , ) = P(X = xi ), i = 1, 2, ..., n.
Deoarece variabila de selectie X presupune realizat evenimentul
n
\
(X = xi ),
i=1
rezulta ca realizarea variabilei de selectie constituie un eveniment reprezentand

verosimilitatea de reflectare a variabilei teoretice de catre variabila de select
X , ce este masurata prin probabilitatea
n
\
L(x1 , x2 , ..., xn , ) = P( (X = xi )),
i=1
adica prin functia:

n
Y
L(x1 , x2 , ..., xn , ) = f (xi , ), (4.12)
i=1
numita functia de verosimilitate a selectiei.

Metoda verosimilitatii maxime folosita pentru prima data de Gauss n cazul
repartitiei normale si apoi de R. A. Fischer propune determinarea parametru-
lui inpunand conditia ca functia de verosimilitate sa fie maxima, ceea ce
presupune ca
L
(x1 , x2 , ..., xn , ) = 0.

In calcule practice adesea ecuatia de mai sus este nlocuita de ecuatia echiva-
lenta
(ln L) 1 L
= =0
L
Daca densitatea de probabilitate depinde de doi parametrii 1 si 2 , atunci
acesti parametrii sunt dati de sistemul de ecuatii:
(
(ln L) 1 L
1 = L 1 = 0,
(ln L) 1 L
2 = L 2 = 0.
Se poate arata ca n anumite conditii destul de generale n ceea ce priveste

functia densitate de probabilitate f (x, ), estimatorul de maxima verosimili-
tate a parametrului este si estimator consistent.
Exemlul 4.9.5 Sa se determine estimatorii de maxima verosimilitate 1 =
si 2 = ai unei variabile aleatoare normale folosind o selectie de valori
x1 , x2 , ..., xn ntr-o repartitie statistica de tip (S1 ).
Functia de verosimilitate n acest caz este:
n
X
n
Y n 12 (xi )2
2 1 2
L(x1 , x2 , ..., xn , , ) = f (xi , , ) = e i=1 ,
i=1
2
Avem:
n
n 1 X
ln L = n ln ln(2) 2 (xi )2
2 2
i=1
Formam sistemul de ecuatii:
n

X
(ln L) =
1
(xi ) = 0,
2
i=1
n
X

(ln L)

= n + 1
3
(xi )2 = 0.
i=1
Se obtine dupa simplificari:

n n

X
X
(xi ) = 0, 1

=
n xi = x,
i=1 deci i=1
n
X Xn

2

1
2
(xi ) = n. 2
=

1
n (xi x)2 = s2 .
i=1 i=1
Rezulta ca media si dispersia unei repartitii normale au drept estimatori

de maxima verosimilitate valoarea medie, respectiv dispersia de selectie.
In cazurile de mai sus estimarea parametrilor este punctuala. Intr-o es-

timare punctuala, valoarea adevarata a parametrilor variabilei aleatoare teo-
retice este considerata afi egala cu estimatia valorii obtinuta printr-o selectie
prin metoda verosimilitatii maxime. Intrucat probabilitatea ca sa coincida cu
valoarea reala este mica, de fapt stim foarte putin despre precizia estimatiei.
De aceea se ncearca sa se determine un interval ( , + ), care contine
estimatorul , astfel ncat sa includa parmetrul teoretic necunoscut cu prob-
abilitatea 1 . Numarul 1 se numeste coeficient de ncredere(nivel
de ncredere) . Lungimea intervalului de ncredere 2 se poate calcula pe
baza lui 1 , 0 < < 1. Cu cat intervalul de ncredere este mai mic si
coeficientul de ncredere mai aproape de 1, cu atat avem o indicatie mai pre-
cisa cu privire la valoarea parmetrului . Precizam ca parametrul nu este
o variabila aleatoare, n schimb intervalul de ncredere(care depinde de datele
de selectie) este un interval aleator care variaza de la o selectie la alta. De
aceea legatura dintre valoarea parametrului si intervalul de ncredere trebuie
nteleasa astfel: probabilitatea ca intervalul de ncredere sa acopere
valoarea este egala cu coeficientul de ncredere.
In practica parametrul estimat este adeseori indicator tehnic cerut de buna
functionare a unei instalatii sau un indicator de calitate a unor produse real-
izate. Acesti indicatori se considera corespunzatori daca sunt situati ntr-un
interval ce garanteaza buna functionare a instalatiei respective sau calitatea
corespunzatoare a bunului realizat. In acest sens intervalul de ncredere si
coeficientul de ncredere corespunzator sunt numiti interval de siguranta si
indicator de siguranta.
Daca are semnificatia valorii medii teoretice, atunci n calculul interval-
ului de ncredere ne putem folosi de inegalitatea lui Cebasev:
D( )
P(| | < ) 1 ,
2
unde este calculat pe baza datelor de selectie (x1 , x2 , ..., xn ). Pentru un
)
coeficient de ncredere 1 D(
2 dat si presupunand ca se cunoaste D( )
putem determina pe . Atunci intervalul de ncredere este ( , + ).
Exemlul 4.9.6 Pentru un coeficient de ncredere 1 dat sa se determine un

interval de ncredere pentru parametrul p al probabilitatii din legea binomiala.
Efectuam n experiente. Daca evenimentul E apare cu probabilitatea p

si q=1-p este probabilitatea ca E sa nu apara, atunci putem defini variabile
aleatoare Xk , k = 1, 2, ..., n, avand distributia:

1 0
Xk :
p q
deci Xk = 1 daca evenimentul E apare n ncercarea k si Xk = 0 daca eveni-

mentul E nu apare n ncercarea k.
Consideram drept estimator consistent p al probabilitatii p frecventa rel-
ativa fn , conform legii numerelor mari a lui Bernoulli.
X1 + X2 + ... + Xn
p = fn =
n
Avem: n !
1 X
M (fn ) = M xi = p
n
i=1
n !
1 X p(1 p)
D(fn ) = 2 D xi =
n n
i=1
r
p(1 p)
fn =
n
Deoarece produsul pq are valoarea maxima =entru p = q = 12 , datorita
legaturii p + q = 1, avem: fn 21 n . Consideram functia de selectie:
fn p
U (X1 , X2 , ..., Xn, p) =
fn
Pentru n mare conform teoremei Moivre-Laplace, U urmeaza o lege nor-
mala redusa. Rezulta pentru un coeficient de ncredere 1 , dat:
Z z
1 u2
P(z U z ) = e 2 du = 2(z ) = 1 .
2 z
Valoarea z este solutia ecuatiei 2(z ) = 1 si se calculeaza din tabela
functiei lui Laplace. Rezulta z fnfp z , deci intervalul de ncredere va
n
fi:
z z
fn , fn + .
2 n 2 n
In continuare pentru o populatie repartizata normal cu media si abaterea
standard se dau intervale de ncredere atat pentru parametrul cat si pen-
tru n diferite situatii, considerand o selectie X1 , X2 , ..., Xn din populatia
considerata si un coeficient de ncredere 1 , dat.
a) -cunoscut, -necunoscut.
Alegand drept estimator consistent x pentru , avem intervalul de ncredere:

x z1 2 , x + z1 2
n n
unde z1 2 este solutia ecuatiei (z) = 1 2 .
Capitolul 5
Tehnici de solutionare ale

ecuatiilor diferentiale si
sistemelor de ecuatii
diferentiale de ordin 1
In acest capitol vom prezenta functiile MATLAB care implementeaza metodele

Runge-Kutta pentru rezolvarea ecuatiilor diferentiale de ordinul ntai si metodele
de rezolvare a ecuatiilor diferentiale de ordin superior, prin convertire n sis-
teme de ecuatii diferentiale de ordin ntai.
5.1 Ecuatii diferentiale de ordinul ntai.

O ecuatie diferentiala de ordinul ntai are forma:
dy
y0 = = f (x, y), (5.1)
dx
unde x este variabila independenta, iar y este functia necunoscuta.
Exemple:
1) y 0 = f1 (x, y) = 3x2 ,
2) y 0 = f2 (x, y) = 0, 1y,
3) y 0 = f3 (x, y) = 3y + e2x .
Pentru rezolvarea acesstora cu conditiile initiale (problema Cauchy) re-
spectiv: y(0) = 7, 5, y(0) = 4, y(0) = 3, aceste ecuatii au solutiile:
1) y = x3 7, 5,
2) y = 4e0,1x ,
3) y = 4e3x e2x .
133
134CAPITOLUL 5. TEHNICI DE SOLUTIONARE ALE ECUATIILOR DIFERENTIALE SI SIST
Cu toate ca solutiile analitice ale ecuatiilor diferentiale sunt preferate, pen-

tru multe astfel de solutii nu pot fi obtinute.
Metodele numerice cele mai cunoscute pentru rezolvarea ecuatiilor diferentiale
sunt metoda lui Euler si metoda Runge-Kutta. Ambele aproximeaza functiile
utilizand descompunerea n serii Taylor.
5.2 Functiile MATLAB pentru integrarea numerica

a ecuatiilor diferentiale.
Functiile MATLAB pentru integrarea numerica a ecuatiilor diferentiale de
ordinul ntai sunt:
ode23 -rezolva ecuatii diferentiale prin metoda Runge-Kutta de ordin 2/3;
ode45 -rezolva ecuatii diferentiale prin metoda Runge-Kutta de ordin 4/5.
Functiile ode23 si ode45 se apeleaza cu una din sintaxele:
[x,y]=ode23(yprim,x_{0},x_{f},y_{0})
[x,\;y]=ode45(yprim, x_{0}, x_{f}, y_{0})
[x,\;y]=ode23(yprim, x_{0}, x_{f}, y_{0}, tol, trace)
unde:
yprim -este o variabila sir cu numele unui fisier-M care defineste derivata
functiei necunoscute y.
x0 -este valoarea initiala a variabilei x.
xf -este valoarea finala a variabilei x.
y0 -este un vector coloana continand conditiile initiale. (In cazul unei sin-
gure ecuatii diferentiale y0 reprezinta conditia initiala a functiei necunoscute.)
tol -este precizia dorita a solutiei(optionala). Implicit tol=103 pentru
ode23 si tol=106 pentru ode45.
trace -este un parametru care asigura tiparirea rezultatelor intermediare,
obtional. Valoarea implicita este zero (fara tiparire)
Numarul de puncte xi din intervalul [x0 , xf ], n care funxctiile ode23 si
ode45 returneaza valorile yi ale necunoscutei, este un parametru intern al
acestora. Functiile ode23 si ode45 apeleaza la metodele de integrare Runge-
Kutta-Fehlberg, cu stabilirea automata a pasului. Algoritmul Runge-Kutta cu
pas automat si alege pasul n functie de gradientul solutiei, luand un pas mic
cand gradientul y 0 are valoare mare, luand respectiv un pas mai mare cand
gradientul y 0 are o valoare mai mica.
Functiile MATLAB au doua argumente de iesire; valorile variabilei x si
marimile corespunzatoare ale necunoscutei y, care reprezinta solutia numerica
a ecuatiei diferentiale.
5.2. FUNCTIILE MATLAB PENTRU INTEGRAREA NUMERICA A ECUATIILOR DIFERENT
Pentru a ilustra modul de utilizare al functiei ode23, de exemplu, se

prezinta calculul numeric al solutiilor ecuatiilor diferantiale date ca exem-
plu n paragraful precedent. Solutia numerica (x, yn) fiind reprezentata cu
markere, iar solutia analitica (x, ya) cu linie continua.
Vom reconsidera exemplul 1) al ecuatiei diferentiale y 0 = 3x2 pe intervalul
[2, 4], cu conditia initiala y(2) = 0, 5.
Se creaza un fisier functie:
function dy=f1(x, y)
dy=3*x^2;
cu numele f1.m care se apeleaza cu secventa:

[x, yn]=ode23(f1, 2, 4, .5);
ya=x.^3-7.5;
plot(x,yn,o,x,ya); grid
obtinandu-se solutia numerica comparativ cu cea analitica n :
(a) cu ode23 (b) cu ode45
Fig. 5.1: Solutiile yn (x)(punctata) si yn (x)(linie continua) pt. primul exemplu
Pentru exemplul 2) al ecuatiei diferentiale y 0 = 0, 1y pe intervalul [2, 5],

cu conditia initiala y(0) = 4. Se creiaza un fisier functie
dy=-.1*y;
cu numele f2.m care se apeleaza cu secventa MATLAB:
[x, yn]=ode23(f2, 0, 5, 4);
ya=4.*exp(-.1.*x);
obtinandu-se solutia numerica reprezentata comparativ cu cea analitica n

(5.2)
Fig. 5.2: Solutiile yn (x)(punctata) si yn (x)(linie continua) pt.exemplul 2)
Pentru exemplul 3) al ecuatiei diferentiale y 0 = 3y +e2x pe intervalul [0, 2],

cu conditia initiala y(0) = 3. Se creiaza un fisier functie
dy=3*y+exp(2*x);
cu numele f3.m care se apeleaza cu secventa MATLAB:
[x, yn]=ode23(f3, 0, 5, 4);

ya=4.*exp(3.*x)-exp(2.*x);
obtinandu-se solutia numerica reprezentata comparativ cu cea analitica n

(5.3)
In mod practic vom folosi una dintre cele doua secvente alegerea uneia sau
a alteia facandu-se n raport de nevoile practice.
Exercitii propuse: Sa se rezolve numeric ecuatiiile diferentiale cu conditia
initiala data comparand cu solutia, analitica y(a), corespunzatoare.
1+y 2 2x
1) y 0 = 1+x 2 , y(0) = 2, xf = 4, ya = 1+2x
2

2) y 0 = 1+y
xy , y(1) = 2, xf = 2, ya =
5x2
x
2 x2 p
3) y 0 = y 2xy , y(1) = 1, xf = 2, ya = x(1 ln x)
4) y 0 + y cos x = sin x cos x, y(0) = 1, xf = 2, ya = sin x 1 + 2e sin x
2
ex 1
5) x2 y 0 + 2x3 y = (1 + 2x2 )y 2 , y(1) = 2, xf = 2, ya = ( x1 2e )
5.3. FUNCTIILE MATLAB PENTRU INTEGRAREA NUMERICA A SISTEMELOR DE ECUAT
Fig. 5.3: Solutiile yn (x)(punctata) si ya (x)(linie continua) pt.exemplul 3)

a sistemelor de ecuatii diferentiale de ordinnul
ntai.
Vom considera sistemul de n ecuatii diferentiale de ordin ntai cu n ne-
cunoscute scris sub forma normala:
0

y = a11 y1 + a12 y2 + ... + a1n yn + b1 (x);
10
y2 = a21 y1 + a22 y2 + ... + a2n yn + b2 (x);

: : : : : :;
0
yn = an1 y1 + an2 y2 + ... + ann yn + bn (x),
cu vectorul coloana
y1
y2
y=
: ,
yn
functie necunoscuta.
Functiile ode23 si ode45 se apeleaza la fel ca mai sus avand n vedere ca
necunoscuta y, ca si valoarea initiala y0 din sintaxele:
[x,y]=ode23(yprim,x_{0},x_{f},y_{0})
[x,\;y]=ode45(yprim, x_{0}, x_{f}, y_{0})
sa fie vectori coloana.

Evident, acestea vor fi puse n evidenta cu ajutorul fisierului functie si cu

secventa programului principal.
Exemple: 4) Fie sistemul:
0
y1 = y1 + 4y2
y20 = y1 + y2
cu conditiile:
y1 (0) 0
y(0) = =
y2 (0) 2
Solutia analitica este:

ya1 2ex + 2e3x
ya = =
ya2 ex + e3x
Vom obtine:
Graficele se realizeaza cu scventele:

Fisier functie:
function yp=sf_ex4(x,y)
yp=zeros(2,1);
yp(1)=y(1)+4*y(2);
yp(2)=y(1)+y(2);
Program principal:
5.3. FUNCTIILE MATLAB PENTRU INTEGRAREA NUMERICA A SISTEMELOR DE ECUAT
%y1=y1+4y2, y1(0)=0.
%y2=y1+y2, y2(0)=2.
x0=0;xf=.5;%limitele de integrare
y0=[0 2];%Vectorul conditiilor initiale
[x,y]=ode45(sf_ex4,x0,xf,y0)
ya1=-2.*exp(-x)+2.*exp(3*x)
ya2=exp(-x)+exp(3*x)
plot(x,y,o,x,ya1,x,ya2);grid
5) Fie sistemul:

y10 = 11y1 + 16y2 + x + 1
y20 = 2y1 y2 x + 1
cu conditiile:
y1 (0) 806
147
y(0) = = 226
y2 (0) 147

ya1 2e3x 4e7x 5x
7
76
+ 147
ya = =
ya2 e3x + e7x + 3x 68
7 147
Se obtin graficele:
Realizeazate cu scventele:
Fisier functie:
yp=zeros(2,1);
yp(1)=11.*y(1)+16.*y(2)+x+1;
yp(2)=-2.*y(1)-y(2)-x+1;
Program principal:
%y1=11y1+16y2+x+1, y1(0)=-806./147
%y2=-2y1-y2-x+1, y2(0)=226./147.
y0=[-806./147 226./147];%Vectorul conditiilor initiale
ya1=-2.*exp(3.*x)-4.*exp(7.*x)-(5*x)/7+76./147
ya2=exp(3.*x)+exp(7.*x)+(3.*x)/7-68./147
plot(x,y,o,x,ya1,x,ya2);grid
6) Fie si sistemul de tri ecuatii cu trei necunoscute:

0
y1 = y2 + y3
y 0 = y1 + y3
20
y3 = y1 + y2
cu conditiile:
y1 (0) 1
y(0) = y2 (0) = 2
y3 (0) 2

ya1 2ex + e2x
ya = ya2 = ex + e2x
ya3 ex + e2x
Se obtin graficele:
Realizeazate cu scventele:
Fisier functie:
yp=zeros(3,1);
yp(1)=y(2)+y(3);
yp(2)=y(3)+y(1);
yp(3)=y(1)+y(2);
Program principal:
%y1=y2+y3, y1(0)=-2
%y2=y1+y3, y2(0)=2
%y3=y1+y2, y2(0)=3
y0=[-1 2 2];%Vectorul conditiilor initiale
ya1=-3.*exp(-x)+exp(2.*x)
ya2=exp(-x)+exp(2.*x)
ya3=2.*exp(-x)+exp(2.*x)
plot(x,y(:,1),*,x,y(:,2),.,x,y(:,3),o,x,ya1,x,ya2,x,ya3);grid

a ecuatiilor diferentiale de ordinn n.
Se stie ca o ecuatiedifetentiala de ordin n este echivalenta cu un sistem de

ecuatii diferentiale de ordinul ntai cuplate. Spre exemplu, ecuatia diferentiala
de ordin n:
y (n) = u(x, y, y 0 , y 00 , ..., y (n1) )

la care se asociaza notatiile:

y1 (x) = y (n1)

y2 (x) = y (n2)

:

yn2 (x) = y 00

y (x) = y 0
n1
yn (x) = y
este echivalenta cu urmatorul sistem de ecuatii diferentiale de ordinul ntai:

0

y1 = y (n) = u(x, yn , yn1 , yn2 , ..., y1 )

y 0 (x) = y1
2
:
0
yn2 (x) = yn3

0

y (x) = yn2
n1 0
yn (x) = yn1
Exemple 7) Sa se integreze ecuatia diferentiala de ordin 2
y 00 + y = 0
pe intervalul [0, 2] cu conditiile initiale:
y(0) = 0, y 0 (0) = 1

y = sin x
Se creiaza fisierul functie, esf ex 7.m, care descrie sistemul de ecuatii diferentiale
cu urmatorul continut:
function yp=esf_ex7(x,y)
yp=zeros(2,1);%vectorul derivatelor
yp(1)=-y(2);%dervata de ordin 2
yp(2)=y(1);%dervata de ordin 1
si apoi programul principal, Bsfex7.m, care apeleaza fisierul functie esf ex7.m
si care are continutul:
%Ec. dif. de ordin II cu 1 nec.
x0=0;xf=3.*pi;
y0=[1,0];
[x,y]=ode23(esf_ex7,x0,xf,y0)
ya=sin(x);
plot(x,y(:,2),o,x,ya);grid
8) Sa se integreze ecuatia diferentiala de ordin 4
y (4) 3y 00 4y = 0
pe intervalul [0, 2, 5] cu conditiile initiale:
y(0) = 0, y 0 (0) = 0, y 00 (0) = 0, y 000 (0) = 2

2 1 1
y = sin x e2x + e2x
5 10 10
Pentru rezolvarea acestei ecuatii cu MATLAB-ul, se exprima derivata de or-
din cel mai mare(4 n acest caz) ca functie de celelalte derivate si variabila
independenta:
y (4) = 3y 00 + 4y
Cu notatiile: (4)

y = 3y(2) + 4y(4), derivata a 4-a

y 000 = y(1), derivata a 3-a
y 00 = y(2), derivata a 2-a

y 0 = y(3), prima derivata

y = y(4),
Se creiaza fisierul functie, esf ex 8.m, care descrie sistemul de ecuatii diferentiale
cu urmatorul continut:
function yp=esf_ex8(x,y)
yp=zeros(2,1);%vectorul derivatelor
yp(1)=-y(2);%dervata de ordin 2
yp(2)=y(1);%dervata de ordin 1
%Ec. dif. de ordin II cu 1 nec.

x0=0;xf=3.*pi;
y0=[1,0];
[x,y]=ode23(esf_ex8,x0,xf,y0)
ya=sin(x);
plot(x,y(:,2),o,x,ya);grid
Se obtin graficele:
9) Sa se integreze sistemul de doua ecuatia diferentiale de ordin doi, fiecare:

00
y + 4y + 5z = x2
z 00 + 5y + 4z = x + 1
pe intervalul [0, 2, 5] cu conditiile initiale:
y(0) = 0, y 0 (0) = 0, z(0) = 0, z 0 (0) = 2

Pentru rezolvarea acestui sistem de ecuatii cu MATLAB-ul, se exprima derivatele

de ordin cel mai mare(2 n acest caz) ca functie de celelalte derivate si variabila
independenta:
y 00 = 4y 5z + x2 , z 00 = 5y 4z + x + 1
Cu notatiile:
00

y = 4y(2) 5y(4) + x2 , derivata a 2-a a lui y

y 0 = y(1), prima derivata a lui y

y = y(2)

z 00 = 5y(2) 4y(4), derivata a 2-a a lui z

z 0 = y(3), prima derivata a lui z

z = y(4)
vom creea sistemul diferential de 4 ecuatii diferentiale de ordinul ntai, cuplate.

0

y (1) = 4y(2) 5y(4) + x2
0
y (2) = y(1)

y 0 (3) = 5y(2) 4y(4)
0
y (4) = y(3)
Se obtin graficele: Creiat cu fisierul functie, esf ex9.m, care descrie sistemul
de ecuatii diferentiale cu urmatorul continut:

function yprim=esf_ex9(x,y)
yprim=zeros(4,1);%vectorul derivatelor
yprim(1)=-4*y(2)-5*y(4)+x.^2;%derivata de ordin 4
yprim(2)=y(1);%derivata de ordin 3
yprim(3)=-5*y(2)-4*y(4)+x+1;%derivata de ordin 2
yprim(4)=y(3);%derivata de ordin 1
%y+4y+5z=x^2, y(0)=206/81,y(0)=32/9.
%z+5y+4z=x+1, z(0)=-37/81,z(0)=23/9.
x0=0;xf=2.5;tol=10^(-9);
y0=[32/9 206/81 23/9 -37/81];%Conditii initiale;
[x,y]=ode45(esf_ex9,x0,xf,y0);
ya=exp(x)+exp(-x)+cos(3.*x)+sin(3.*x)-(4.*x.^2)/9+(5.*x)/9-37/81;
za=cos(3.*x)+sin(3.*x)-exp(x)-exp(-x)+(5.*x.^2)./9-(4.*x)./9+44/81;
plot(x,y(:,2),o,x,y(:,4),*,x,ya,x,za);grid
Capitolul 6
Transformari conforme.
6.1 Interpretarea geometrica a derivatei complexe.

Fie w = f (z) o functie complexa monogena intr-o vecinatate U a punctului
z0 si avand n aceasta vecinatate derivata continua. Admitem ca f 0 (z0 ) 6= 0.
Sa mai consideram n planul z un arc de curba neted , de ecuatie z = z(t)
avand extremitatea n z0 = z() astfel ncat z(t) U, ()t [, ]. Prin
functia w = f (z), acestui arc i corespunde in planul w un arc de curba de
ecuatie w = f (z(t)), t [, ]. Fig.6.2
Fig. 6.1
Avem
w0 = f 0 (z(t)) z 0 (t)
astfel ncat w ca functie de t are derivata continua. De asemeni w0 () =

f 0 (z0 ) z 0 (), iar z 0 () 6= 0 si deci arcul este de asemeni un arc neted.
147
148 CAPITOLUL 6. TRANSFORMARI CONFORME.
Functia f (z) fiind monogena n z0 avem:

w w0
lim = f 0 (z0 )
zz0 z z0
aceasta limita fiind independenta de directia dupa care z tinde la z0 . In

particular cand z z0 dupa curba avem:
f (z(t)) f (z())
lim = f 0 (z0 ) (6.1)
zz0 z(t) z()
Relatia (6.1) este echivalenta cu urmatoarele doua relatii

f (z(t)) f (z())
lim = |f 0 (z0 )| (6.2)
zz0 z(t) z()
f (z(t)) f (z())
lim arg = arg f 0 (z0 ) (6.3)
zz0 z(t) z()
Egalitatea (6.2) indica faptul ca raportul lungimii coardelor w(t) w0 si

z(t)z0 tinde catre f 0 (z0 ) atunci cand t . In consecinta |f 0 (z0 )| semnifica
geometric coeficientul de dilatare al lungimilor n punctul z0 prin
functia f (z). Acest coeficient este independent de directia curbei, asfel ncat
curbele care trec prin punctul z0 se dilata n acest punct la fel. Cu alte cuvinte
cercurile cu raza foarte mica cu centrul n z0 le corespund curbe n planul w
ce difera foarte putin de cercuri cu centru n punctul w0 .
Relatia (6.3) mai poate fi scrisa n continuare:
lim arg(w(t) w()) lim arg(z(t) z()) = arg f 0 (z0 )

t t
sau
lim arg(w(t) w0 ) lim arg(z(t) z0 ) = arg f 0 (z0 ) (6.4)

t t
Dar lim arg(z(t) z0 ) = , reprezinta unghiul tangentei n z0 la curba

t
cu axa Ox iar lim arg(w(t) w0 ) = desemneaza unghiul tangentei n w0 la
t
curba cu axa Ou.
Prin urmare din (6.4) mai avem:
= arg f 0 (z0 ) (6.5)
Astfel arg f 0 (z0 ) desemneaza geometric unghiul cu care sunt rotite

curbele n punctul z0 prin functia w = f (z).
6.1. INTERPRETAREA GEOMETRICA A DERIVATEI COMPLEXE. 149
Cum f 0 (z0 ) este independent de directia dupa care z tinde n z0 urmeaza

ca acest unghi este acelasi pentru toate curbele ce trec prin z0 .
Fie acum pe langa curba si curba 1 trecand prin z0 si fie 1 unghiul
tangentei la aceasta curba n punctul z0 cu axa Ox. Sa notam cu 1 imaginea
acestei curbe prin functia w = f (z) si prin 1 unghiul tangentei la 1 n punctul
w0 cu axa Ou. Conform relatiei (6.5) avem:
1 1 = arg f 0 (z0 ) (6.6)
si din relatiile (6.5) si (6.6) prin scadere rezulta
1 1 = 1 (6.7)
Dar = 1 este unghiul dintre curba si curba 1 , iar = 1

reprezinta unghiul dintre curbele si 1 . In concluzie conform relatiei (6.7)
= si deci prin transformarea w = f (z) cu f 0 (z0 ) 6= 0, unghiurile curbelor
ce trec prin z0 se conserva.
Observatia 6.1.1 Conditia f 0 (z0 6= 0 este esentiala.
Iata de exemplu functia w = z 2 este monogena n z = 0, nsa w0 (0) = 0.
Fig. 6.2
Sa luam = Ox si 1 = Oy. Prin urmare avem:
() z=x 0<x<
( ) w = x2 0 < x < ; u = x2 , v = 0 (axa Ou pozitiva)
(1 ) z = iy 0<y<
(1 ) w = y 2 0 < y < ; u = y 2 , v = 0 (axa Ou negativa)

= 2 iar = si deci = 2 ().
150 CAPITOLUL 6. TRANSFORMARI CONFORME.
Definitia 6.1.1 O transformare w = f (z) diferentiabila n punctul z0 se zice

conforma n acest punct daca are iacobianul nenul, pastreaza unghiurile cu
varful n z0 si transforma cercurile infinitezimale cu centru n z0 n cercuri
infinitezimale cu centru n w0 .
Definitia 6.1.2 O transformare w = f (z) se zice conforma ntr-un domeniu

D daca este biunivoca pe D si este conforma n fiecare punct al lui D.
Teorema 6.1.1 Fie f (z) = u + iv o functie monogena n z0 cu f 0 (z0 ) 6= 0.

Atunci transformarea w = f (z) este conforma n z0 si reciproc.
Demonstratie.
Pentru prima implicatie trebuie calculat iacobianul:

u u f 2 f 2 f 2
x y
I = v v = = 6= 0
x y z z z
Reciproc: Fie acum f (z) o reprezentare conforma n punctul z0 . Cum f (z)

este diferentiabila n punctul z0 , avem:
f f
f (z) f (z0 ) = (z z0 ) + (z z 0 ) + (z)|z z0 |
z z
cu lim (z) = 0. Sa luam imaginea prin aceasta functie a vectorilor z1 z0 =
zz0
si z2 z0 = i. Avem:
w1 w0 = f (z1 ) f (z0 ) = f f
z (z0 ) + z (z0 ) + (z1 )
w2 w0 = f (z2 ) f (z0 ) = i z (z0 ) i f
f
z (z0 ) + (z2 )i
sau
w1 w0
= f f
z (z0 ) + z (z0 ) + (z1 )
w2 w0
= i f f
z (z0 ) i z (z0 ) + (z2 )i
6.1. INTERPRETAREA GEOMETRICA A DERIVATEI COMPLEXE. 151
(a) Ecuatie dif. de ordin I (b) Ecuatie dif. de ordin IV (c) Sistem de doua ec. dif de(d) Sistem de doua ec. dif de
ordin I ordin I
Fig. 6.3: Grafice

Curs Mast PDF

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

Curs Mast PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Cuprins

1 Elemente avansate de calcul matriceal. 7

2 Elemente de teoria campului. 23

2.3.1 Categoriile principale de campuri vectoriale. . . . . . . . 59

4 Elemente de teoria probabilitatilor 89

5 Tehnici de solutionare ale ecuatiilor diferentiale si sistemelor

6 Transformari conforme. 147

Elemente avansate de calcul

1.1 Definirea functiilor de matrice.

A = [ajk ], j, k = 1, 2, ..., n, ajk C

si ne punem problema definirii functiilor de aceasta matrice. Ne va interesa n

Definitia 1.1.1 Prin polinom caracteristic al matricei A se ntelege poli-

P (z) = det(zI A) (1.1)

Definitia 1.1.2 Prin operatorul rezolvant sau matricea rezolvanta al

Rz (A) = Rz = (zI A)1 (1.2)

unde (zI A)1 este matricea inversa matricei zI A, n ipoteza ca Rz exista.

Conform cu regula de calcul a matricei inverse, matricea Rz va avea ele-

Scriind polinomul caracteristic P si matricea B sub formele:

P (z) = z n + p1 z n1 + ... + pn1 z + pn , (1.4)

B(z) = B1 z n1 + B2 z n2 + ... + Bn1 z + Bn , (1.5)

cu pj C, Bj Mn j = 1, 2, ..., n, deoarece Rz = B(z)

P (z)I = B(z)(zI A), (1.6)

B1 = I, Bj ABj1 = Pj1 I, j = 2, 3, ..., n, ABn = pn I (1.7)

din care rezulta:

egalitati care permit determinarea matricei Rz cu ajutorul coeficientilor poli-

B(z) = b0 (z)I + b1 (z)A + ... + bn1 (z)An1 , (1.8)

b0 , b1 , ... , bn1 fiind polinoame).

P (z) = (zI A)B (z)

trebuie nlocuit n prin m iar c0 , c1 , ..., cm1 prin coeficientii corespunzatori.

L(j ) = f (j ), j = 1, 2, ... n (1.12)

daca valorile proprii 1 , 2 , ..., n ale matricei A sunt simple. Deoarece

f (z) L(z) = (z)P (z)

fiind o functie diferentiabila n aceleasi conditii ca si f . Din teoreme

f (A) = L(A) (1.13)

Deci functia f (A) coincide cu polinomul L(A), L fiind polinomul Lagrange de

P (z) = (z 1 )m1 (z 2 )m2 ...(z q )mq , m1 + m2 + ... + mq = m < n

conditiile (1.12) se inlocuiesc prin conditiile

5) In exemplu 3) tratat anterior, avem

si polinomul minimal P (z) = (z + 1)(z 2). Polinomul de interpolare La-

In consideratiile anterioare s-a presupus f diferentiabila n domeniul D care

se poate deduce faptul ca aceasta matrice se poate scrie si sub forma

unde Zj Mn nu depind de functia f . Evident, ne aflam n ipoteza ca

Exemplu 6) Fie matricea:

avem P (z) = det(zI A) = z 3 7z 6 = (z + 1)(z + 2)(z 3). Prin urmare

f (A) = Z1 f (2) + Z2 f (1) + Z3 f (3).

Punand succesiv f (z) = z 3, f (z) = z + 1, f (z) = (z + 2)2 , deducem

Observatia 1.1.1 Daca am fi luat n loc de f (z) = (z + 2)2 , f (z) = z + 2

adica relatia a tria

In cazul n care polinomul minimal are zerouri multiple, atunci conditiile

L(z) = fkj jk (z)

Ca si n cazul spectrului simplu, tinand cont de independenta polinoamelor

f (A) = fkj Zkj

unde Zkj Mn se pot determina particularizandu-l pe f .

Matricea A este de forma:

Si n acest caz(al spectrului multiplu) nu este obligatorie conditia de diferen-

1.2 Proprietatile exponentialei de matricea A.

Deoarece integrala cu parametru din membrul drept al lui (1.16) se poate

este integrala Dunford-Taylor pentru matricea AetA = A exp(tA) pentru orice

sa reprezinte o matrice fundamentala pentru sistemul diferential

exp[(t1 + t2 )A] = exp(t1 A) exp(t2 A), t1 , t2 R (1.18)

[exp(tA)]1 = exp(tA), t R (1.19)

exp(ln A) = A, daca det A 6= 0 (1.22)

se obtine (1.18) deoarece