Matematica Aplicata in Economie PDF

UNIVERSITATEA “VASILE ALECSANDRI” din BACĂU
FACULTATEA DE ŞTIINłE ECONOMICE

DEPARTAMENTUL MARKETING ŞI MANAGEMENT
SPECIALIZAREA MARKETING
FORMA DE ÎNVĂłĂMÂNT ID
MATEMATICĂ APLICATĂ ÎN
ECONOMIE
Editura Alma Mater - Bacău

2012
Descrierea CIP a Bibliotecii NaŃionale a României
GÎRłU, MANUELA
Matematică aplicată în economie / GîrŃu Manuela ;
ReferenŃi şt.: prof. univ. dr. Corduneanu Adrian,
prof. univ. dr. BlănuŃă Victor.
– Bacău : Alma Mater, 2012
Bibliogr.
ISBN 978-606-527-237-8
I. Corduneanu, Adrian
II. BlănuŃă, Victor
51-7:33
“Matematica este regina ştiinŃelor”
Karl Friedrich Gauss
CUPRINS
CUPRINS
ELEMENTE DE ALGEBRĂ LINIARĂ 7

CAPITOLUL 1
SPAłII VECTORIALE 9
1.1. DefiniŃia spaŃiului vectorial 9
1.2. DependenŃă şi independenŃă liniară 13
1.3. Schimbarea coordonatelor unui vector la o schimbare de bază 17
1.4. SpaŃii vectoriale izomorfe 18
1.5. Probleme rezolvate 19
1.6. Probleme propuse 27
CAPITOLUL 2
FORME LINIARE. FORME BILINIARE.
FORME PĂTRATICE 29
2.1. Forme liniare 29
2.2. Forme biliniare. Forme pătratice 31
2.3. Forma canonică a unei forme pătratice 36
ELEMENTE DE ANALIZĂ MATEMATICĂ 51

CAPITOLUL 3
FUNCłII DE MAI MULTE VARIABILE.
DERIVATE PARłIALE. DIFERENłIALE 53
3.1. Topologie în R n 53
3.2. Derivate parŃiale 54
3.3. DiferenŃiale 63
3.4. Puncte de extrem pentru funcŃii de mai multe variabile 72
3.5. Extreme condiŃionate 75
CAPITOLUL 4
INTEGRALE IMPROPRII 95
4.1. Integrale improprii cu limite de integrare infinite 95
4.2. Integrale improprii din funcŃii nemărginite 98
5
CUPRINS
ELEMENTE DE TEORIA PROBABILITĂłILOR

ŞI STATISTICĂ MATEMATICĂ 109
CAPITOLUL 5
ELEMENTE DE TEORIA PROBABILITĂłILOR ŞI 111
STATISTICĂ MATEMATICĂ
5.1. Câmp de evenimente. Câmp de probabilitate 111
5.2. Variabile aleatoare 122
5.3. DistribuŃii continue clasice 139
ANEXĂ – Matematicieni celebri 165
FIŞA DISCIPLINEI 175
BIBLIOGRAFIE 179
6
SPAłII VECTORIALE
ELEMENTE DE ALGEBRĂ LINIARĂ
Algebra liniară este ramură a matematicii care se ocupă cu studiul vectorilor,

spaŃiilor vectoriale (numite, din raŃiuni istorice, şi spaŃii liniare), transformărilor
liniare şi sistemelor de ecuaŃii liniare.
Algebra liniară are aplicaŃii majore în multe ramuri ale matematicii, dar şi în
ştiinŃele naturii şi în ştiinŃele sociale.
În informatică, algebra liniară este fundamentală într-o multitudine de domenii,
cum ar fi teoria codurilor detectoare şi corectoare de erori, criptografie, geometrie
computaŃională etc.
Din punct de vedere istoric, bazele algebrei liniare au fost puse în anii 1843 şi
1844 de către W. R. Hamilton1 şi H. G. Grassmann2.
Mai târziu, în 1857, A. Cayley3 a introdus noŃiunea de matrice, de o importanŃă
fundamentală în algebra liniară.
1
William Rowan Hamilton (1788 – 1856), matematician, fizician şi astronom irlandez
2
Hermann Günther Grassmann (1809 – 1877), matematician, fizician şi filolog german
3
Arthur Cayley (1821 – 1895), matematician englez. A fost unul dintre fondatorii şcolii britanice
moderne de matematică pură
7
CAPITOLUL I
8
SPAłII VECTORIALE
CAPITOLUL 1
SPAłII VECTORIALE
Obiectivul capitolului
Însuşirea unor noŃiuni şi rezultate fundamentale, tehnici de calcul şi algoritmi din
teoria algebrei liniare.
Cuvinte cheie: spaŃiu vectorial, vector, scalar, combinaŃie liniară de vectori, sistem de
generatori, vectori liniar dependenŃi, vectori liniar independenŃi, bază, dimensiune,
coordonatele unui vector
1.1. DefiniŃia spaŃiului vectorial
NoŃiunea de spaŃiu vectorial este una fundamentală în algebra liniară. SpaŃiile

vectoriale sunt foarte utile în multe arii ale matematicii moderne, servind disciplinelor
economice şi inginereşti.
SpaŃiile vectoriale au fost definite în forma actuală de G. Peano4 (1888), dar
fondatorul teoriei spaŃiilor vectoriale rămâne H. G. Grassmann5 (1844).
DefiniŃie. Fie K un corp comutativ. O mulŃime nevidă V se numeşte spaŃiu
vectorial (sau spaŃiu liniar) peste corpul K dacă sunt definite pe V două legi de
compoziŃie, una internă (notată aditiv)
V × V → V , (u , v) → u + v
şi una externă cu operatori în K (notată multiplicativ)
K × V → V , (α, u ) → αu ,
astfel încât să fie îndeplinite următoarele condiŃii:
I. (V ,+ ) este grup abelian
4
Giuseppe Peano (1858 – 1932), matematician, logician şi lingvist italian
5
Hermann Günther Grassmann (1809 – 1877), matematician şi filosof german
9
CAPITOLUL I
II. 1. (α + β) u = αu + βu , ∀α, β ∈ K , ∀u ∈ V ;
2. α(u + v ) = αu + αv , ∀α ∈ K , ∀u , v ∈ V ;
3. α(β u ) = (αβ ) u , ∀α, β ∈ K , ∀u ∈ V ;
4. 1u = u (1 este elementul unitate al corpului K), ∀u ∈ V .
Se foloseşte următoarea terminologie:
- elementele lui V se numesc vectori, iar operaŃia grupului (V ,+ ) se numeşte
adunarea vectorilor;
- elementele lui K se numesc scalari, iar legea de compoziŃie externă K × V → V ,
(α, u ) → αu se numeşte înmulŃirea vectorilor cu scalari;
- elementul neutru al grupului (V ,+ ) se numeşte vectorul nul şi se notează cu 0 ;
- dat fiind un vector v, există un vector unic w astfel încât v + w = 0 (conform

axiomelor grupului (V ,+ ) ). Acest vector w se numeşte opusul vectorului v şi se notează
cu − v ;
- când K = R spaŃiul vectorial V se numeşte spaŃiu vectorial real, iar când K = C
spaŃiul vectorial se numeşte spaŃiu vectorial complex.
ObservaŃie. Pentru simplificare, în definiŃia spaŃiului vectorial se utilizează
notaŃii suprapuse: notaŃie aditivă pentru adunarea scalarilor şi adunarea vectorilor;
notaŃie multiplicativă pentru înmulŃirea scalarilor şi înmulŃirea dintre un scalar şi un
vector. Contextul evită confuziile ce pot apărea datorită acestor convenŃii.
Exemple de spaŃii vectoriale
1. MulŃimea { 0} constând dintr-un singur vector (cel nul) este spaŃiu vectorial
peste orice corp comutativ K. El se numeşte spaŃiul vectorial nul.
2. Fie K un corp comutativ. Să considerăm produsul cartezian
Kn = 1
K×
44 ×4
K2... ×4
3K = {x = ( x1 , x 2 ,..., x n ) | xi ∈ K , i = 1, n} ( n > 1 un număr natural),
de n ori
adică mulŃimea n – uplelor.
Dacă α ∈ K şi x = ( x1 , x 2 , K, x n ) , y = ( y1 , y 2 , K , y n ) ∈ K n , atunci definim:

def .
x = y ⇔ xi = yi , i = 1, n
10
SPAłII VECTORIALE
def .
x + y = ( x1 + y1 , x 2 + y 2 , K , x n + y n )
def .
αx = (αx1 , αx 2 ,K , αx n ) .
Se verifică imediat că legea de compoziŃie internă
K n × K n → K n , ( x, y ) → x + y
şi legea de compoziŃie externă
K × K n → K n , (α, x ) → αx
îndeplinesc condiŃiile I, II din definiŃia spaŃiului vectorial şi deci mulŃimea K n este

spaŃiu vectorial peste corpul K.
În particular, se poate obŃine structura de R – spaŃiu vectorial a lui R n .

3. MulŃimea M m, n (K ) a matricelor dreptunghiulare cu m linii şi n coloane, cu
elemente din corpul comutativ K formează spaŃiu vectorial peste corpul K în raport cu
adunarea matricelor şi cu înmulŃirea matricelor cu scalari.
4. MulŃimea K [ X ] a polinoamelor în nedeterminata X cu coeficienŃi din corpul
comutativ K formează spaŃiu vectorial peste corpul K în raport cu adunarea
polinoamelor şi cu înmulŃirea polinoamelor cu scalari din K.
Analog, mulŃimea K n [ X ] a polinoamelor de grad cel mult n în nedeterminata X
cu coeficienŃi din corpul comutativ K formează spaŃiu vectorial peste corpul K.
5. MulŃimea F (R ) a funcŃiilor definite pe R şi cu valori în R formează spaŃiu
vectorial peste corpul R în raport cu adunarea funcŃiilor şi cu înmulŃirea funcŃiilor cu
scalari din R.
6. MulŃimea C ([a, b]) a funcŃiilor reale continue definite pe [a, b] formează spaŃiu
vectorial peste corpul R în raport cu adunarea funcŃiilor şi cu înmulŃirea funcŃiilor cu
scalari din R.
7. MulŃimea V 2 a vectorilor liberi din plan formează spaŃiu vectorial peste corpul
R în raport cu adunarea vectorilor liberi şi cu înmulŃirea vectorilor liberi cu scalari din
R.
11
CAPITOLUL I
8. MulŃimea V 3 a vectorilor liberi din spaŃiu formează spaŃiu vectorial peste corpul
R în raport cu adunarea vectorilor liberi şi cu înmulŃirea vectorilor liberi cu scalari din
R.
Reamintim că:
- suma a doi vectori liberi se poate determina prin regula paralelogramului sau prin
regula triunghiului;
- produsul dintre vectorul liber v şi scalarul real t este vectorul tv, definit astfel:
a) dacă v ≠ 0 şi t ≠ 0 , atunci tv este vectorul care are:
- aceeaşi direcŃie cu v,
- lungimea egală cu t v
şi
- sensul - dat de cel al lui v, dacă t > 0
sau
- contrar lui v, dacă t < 0 .
b) dacă v = 0 şi t = 0 , atunci tv = 0 .
ObservaŃie. Acesta joacă un rol central în fizică şi tehnologie şi ilustrează
importanŃa spaŃiilor vectoriale şi a întregii algebre liniare pentru aplicaŃiile practice.
Din exemplele date se observă caracterul larg al conceptului de spaŃiu vectorial.
Un vector poate fi: un n – uplu, o matrice, un polinom, o funcŃie, un vector liber.
Evident lista poate fi continuată.
Teoremă. Dacă V este un spaŃiu vectorial peste corpul K, atunci pentru
∀α, β ∈ K şi ∀u , v, w ∈ V au loc următoarele proprietăŃi:
1) 0v = 0 (0 din membrul stâng este elementul zero (nul) al corpului K);

2) α 0 = 0 ;
3) (−1)v = −v ;
4) u + v = u + w ⇒ v = w ;
5) − (αu ) = (−α)u = α(−u ) ;
6) (α − β)u = αu − βu ;
7) α(u − v) = αu − αv ;
12
SPAłII VECTORIALE
8) αu = βu , u ≠ 0 ⇒ α = β .
DemonstraŃie.
1) α v + 0v = ( α + 0) v = α v ⇒ 0v = 0 ;
2) αv + α 0 = α ( v + 0 ) = αv ⇒ α 0 = 0 ;
3) v + (−1)v = 1v + (−1)v = [1 + (−1)]v = 0v = 0 ⇒ (− 1)v = −v ;

4) Din u + v = u + w , adunând opusul vectorului u, obŃinem
− u + u + v = −u + u + w ⇒ 0 + v = 0 + w ⇒ v = w ;
5) 0 = 0v = [α + (−α)]v = αv + (−α)v ⇒ (−α)v = −(αv) ;
0 = α 0 = α[v + (−v)] = αv + α(−v) ⇒ α(−v) = −(αv) ;

6) (α − β)u = [α + (−β)]u = αu + (−β)u = αu − βu ;
7) α(u − v) = α[u + (−v)] = αu + α(−v) = αu − αv ;
8) αu = βu ⇒ αu − β u = 0 ⇒ (α − β)u = 0 şi cum u ≠ 0 rezultă α − β = 0 ,
deoarece în caz contrar, înmulŃind cu (α − β) −1 obŃinem u = 0 , contradicŃie.
1.2. DependenŃă şi independenŃă liniară
Fie V un spaŃiu vectorial peste corpul comutativ K (sau, pe scurt un K – spaŃiu

vectorial).
DefiniŃie. Se spune că un vector v ∈ V este o combinaŃie liniară de vectorii
v1 , v 2 , K , v n ∈ V , dacă există scalarii α1 , α 2 , K , α n ∈ K astfel încât
n
v = α1v1 + α 2 v 2 + K + α n v n = ∑ α i vi .
i =1
DefiniŃie. Se spune că vectorii v1 , v 2 , K , v n ∈ V formează un sistem de
generatori pentru spaŃiul vectorial V dacă orice vector v ∈ V se poate scrie ca o

combinaŃie liniară de vectorii v1 , v 2 , K , v n :
n
∀v ∈ V , ∃α1 , α 2 ,K , α n ∈ K a.î. v = ∑ α i vi .
i =1
13
CAPITOLUL I
DefiniŃie. K - spaŃiul vectorial V se numeşte de tip finit dacă pentru V există un

sistem finit de generatori.
DefiniŃie. Se spune că vectorii v1 , v 2 , K , v n ∈ V sunt liniar dependenŃi (peste
K) dacă există scalarii α1 , α 2 , K , α n ∈ K nu toŃi nuli, astfel încât
α1v1 + α 2 v 2 + K + α n v n = 0 .
În caz contrar, se spune că vectorii v1 , v 2 , K , v n ∈ V sunt liniar independenŃi

(peste K).
Aşadar, vectorii v1 , v 2 , K , v n ∈ V sunt liniar independenŃi (peste K) dacă orice
relaŃie de forma
α1v1 + α 2 v 2 + K + α n v n = 0 cu α1 , α 2 ,K , α n ∈ K implică α1 = α 2 = K = α n = 0 .
Teoremă. Fie V un K – spaŃiu vectorial. Vectorii v1 , v2 ,..., v n ∈ V sunt
liniar dependenŃi dacă şi numai dacă există printre vectorii v1 , v 2 ,..., vn un vector vi
care este o combinaŃie liniară de ceilalŃi vectori.
DemonstraŃie. Dacă vectorii v1 , v 2 ,..., v n sunt liniar dependenŃi, există
scalarii α1 , α 2 ,K , α n ∈ K nu toŃi nuli, astfel încât
α1v1 + α 2 v 2 + K + α n v n = 0 .
Fie de exemplu α i ≠ 0 .
Avem
− α i vi = −α1v1 − α 2 v 2 − K − −α i −1vi −1 − α i +1vi +1 − ... − α n v n .
Notând
αj
βj =− , j = 1,2,..., i − 1, i + 1,..., n
αi
avem
vi = β1v1 + β 2 v 2 + K + β i −1vi −1 + β i +1vi +1 + ... + β n v n
deci vectorul vi este o combinaŃie liniară de vectorii v1 , v 2 ,K , vi −1 , vi +1 ,..., v n .
14
SPAłII VECTORIALE
Reciproc, dacă vectorul vi este o combinaŃie liniară de vectorii
v1 , v 2 ,K , vi −1 , vi +1 ,..., v n atunci există scalarii α1 , α 2 ,K , α i −1 , α i +1 ,..., α n ∈ K astfel

încât
vi = α1v1 + α 2 v 2 + K + α i −1vi −1 + α i +1vi +1 + ... + α n vn .
Avem
α1v1 + α 2 v 2 + K + α i −1vi −1 + ( −1)vi + α i +1vi +1 + ... + α n v n = 0 .
Cum − 1 ≠ 0 , rezultă că vectorii v1 , v2 , K , v n sunt liniar dependenŃi.
DefiniŃie. Se spune că vectorii v1 , v 2 , K , v n ∈ V formează o bază pentru spaŃiul

vectorial V dacă sunt îndeplinite următoarele două condiŃii:
1. constituie un sistem de generatori pentru V
şi
2. sunt liniar independenŃi.
ObservaŃie. Se poate demonstra că orice spaŃiu vectorial diferit de spaŃiul
vectorial nul {0} admite cel puŃin o bază şi că oricare două baze ale unui spaŃiu vectorial
diferit de spaŃiul vectorial nul, de tip finit, au acelaşi număr de vectori.
DefiniŃie. Fie V un spaŃiu vectorial. Dimensiunea lui V se notează cu dim V şi
se defineşte astfel
0, dacă V = {0}

dim V = n, dacă V ≠ {0}, de tip finit si admite o bază formată din n vectori
∞, dacă V nu este de tip finit

DefiniŃie. Un spaŃiu vectorial V de dimensiune n finită se numeşte n –
dimensional şi se notează cu Vn .
Exemple de baze
1. În K n o bază este B = {e1 , e2 , K , en }, unde e1 = (1,0,0, K ,0 ) , e2 = (0,1,0, K ,0 ) ,
..., en = (0,0, K ,0,1) . Ea se numeşte baza canonică a lui K n . Evident dim K n = n .
2. {
În M m,n (K ) baza canonică este B = E ij , i = 1, m, j = 1, n , unde Eij este }
matricea care are elementul 1 la intersecŃia liniei i cu coloana j şi în rest toate elementele
nule. Evident dim M m,n (K ) = m ⋅ n .
15
CAPITOLUL I
3. În K [X ] baza canonică este { }

B = 1, X , X 2 , K , X n , K . Evident,
dim K [ X ] = ∞ .
În Kn[X ] baza canonică este { }

B = 1, X , X 2 , K , X n . Evident,
dim K n [ X ] = n + 1 .
Coordonatele unui vector
Fie Vn un K – spaŃiu vectorial şi B = {e1 , e2 ,K , en } o bază a acestui spaŃiu.
Dacă v ∈ Vn , atunci există scalarii α1 , α 2 ,K , α n ∈ K unic determinaŃi astfel încât

n
v = α1e1 + α 2 e2 + K + α n en = ∑ α i ei .
i =1
Să demonstrăm că scalarii α1 , α 2 ,K , α n ∈ K sunt unic determinaŃi de vectorul

v şi de baza B.
Într-adevăr, dacă pentru β1 , β 2 , K , β n ∈ K avem de asemenea
n
v = β1e1 + β 2 e2 + K + β n en = ∑ β i ei ,
i =1
atunci
(α1 − β1 )e1 + (α 2 − β 2 )e2 + K + (α n − β n )en = 0
şi cum vectorii e1 , e2 , K , en sunt liniar independenŃi rezultă că
α1 − β1 = α 2 − β 2 = K = α n − β n = 0 ,
deci
α i = β i , i = 1, n .
DefiniŃii. 1) Fie Vn un K – spaŃiu vectorial, B = {e1 , e2 ,K , en } o bază
a lui Vn şi v ∈ Vn . Scalarii unic determinaŃi α1 , α 2 ,K , α n ∈ K astfel încât
v = α1e1 + α 2 e2 + K + α n en se numesc coordonatele vectorului v în baza B.
2) AplicaŃia bijectivă c B : Vn → K n definită prin c B (v) = (α1 , α 2 , K , α n )
se numeşte sistem de coordonate pe Vn asociat bazei B.
16
SPAłII VECTORIALE
1.3. Schimbarea coordonatelor unui vector la o schimbare de bază
Fie Vn un K – spaŃiu vectorial n dimensional şi B = {e1 , e2 , K , en },
B ' = {e'1 , e' 2 ,K , e' n } două baze distincte ale lui Vn .
Vectorii bazei B ' fiind din Vn sunt combinaŃii liniare de vectorii bazei B, adică:
n
e'1 = c11e1 + c 21e2 + ... + c n1en = ∑ ci1ei
i =1
n
e' 2 = c12 e1 + c 22 e2 + ... + c n 2 en = ∑ ci 2 ei
i =1
M
n
e' n = c1n e1 + c 2n e2 + ... + cnn en = ∑ cin ei
i =1
sau, pe scurt
n
e' j = ∑ cij ei , j = 1, n .
i =1
Fie (α1 , α 2 ,..., α n ) , respectiv (α'1 , α ' 2 ,..., α' n ) coordonatele unui vector
arbitrar v ∈ Vn în raport cu B, respectiv B ' . Au loc descompunerile

n n
v = ∑ α i ei respectiv v = ∑ α' j e' j .
i =1 j =1
Folosind relaŃiile existente între vectorii celor două baze, obŃinem

n n  n  n  n 
v = ∑ α ' j e' j = ∑ α ' j  ∑ cij ei  = ∑  ∑ cij α' j ei .
j =1 j =1  i =1  i =1 j =1 

Din unicitatea descompunerii vectorului v în raport cu baza B, prin identificarea
coeficienŃilor, rezultă relaŃiile
n
α i = ∑ cij α' j , i = 1, n .
j =1
Aceste relaŃii descriu transformarea vectorului v la schimbarea bazei B în baza

B' .
Notând coordonatele vectorului v relativ la cele două baze prin
17
CAPITOLUL I
 α1   α'1 
   
α2   α' 2 
α =   respectiv α' =   ,
M M
   
α   α' 
 n  n
relaŃiile precedente se scriu sub formă matriceală
α = C ⋅ α' ,
unde C = (cij ) i , j =1, n .
DefiniŃie. Matricea pătratică C = (cij ) i , j =1, n care are pe coloana j
coordonatele vectorului e' j în raport cu baza B se numeşte matricea de trecere de la
baza B la baza B ' .
1.4. SpaŃii vectoriale izomorfe
Fie V şi W două K – spaŃii vectoriale.

DefiniŃie. Se spune că spaŃiile vectoriale V şi W sunt izomorfe dacă există o
aplicaŃie bijectivă f : V → W care îndeplineşte următoarele condiŃii:
1) f (v1 + v 2 ) = f (v1 ) + f (v 2 ), ∀v1 , v 2 ∈ V (f este aditivă);

2) f (αv1 ) = αf (v1 ), ∀α ∈ K , ∀v1 ∈ V (f este omogenă).
Se spune în acest caz că aplicaŃia bijectivă f este un izomorfism.
ObservaŃie. CondiŃiile 1) şi 2) sunt echivalente cu condiŃia
3) f (αv1 + βv 2 ) = αf (v1 ) + β f (v 2 ), ∀α, β ∈ K , ∀v1 , v2 ∈ V .
Într-adevăr, din condiŃiile 1) şi 2) rezultă
f (αv1 + βv 2 ) = f (αv1 ) + f (β v2 ) = αf (v1 ) + β f (v 2 ) .
Reciproc, din condiŃia 3) pentru α = β = 1 rezultă
f (v1 + v 2 ) = f (v1 ) + f (v 2 ) , adică condiŃia 1),

iar pentru β = 0 , rezultă
f (αv1 ) = αf (v1 ) , adică condiŃia 2).
Teoremă. Orice K – spaŃiu vectorial Vn este izomorf cu spaŃiul vectorial K n .
18
SPAłII VECTORIALE
DemonstraŃie. Fie B = {e1 , e2 , K , en } o bază a spaŃiului vectorial Vn . Atunci
∀v ∈ Vn se scrie în mod unic sub forma
v = α1e1 + α 2 e2 + K + α n en
cu α1 , α 2 ,K , α n ∈ K .
AplicaŃia bijectivă
f : V n → K n , f ( v ) = ( α1 , α 2 , K , α n )
îndeplineşte condiŃia 3) de mai sus, deci f este un izomorfism între Vn şi K n .

ObservaŃie. Două K – spaŃii vectoriale de dimensiuni finite V şi W sunt
izomorfe dacă şi numai dacă dimensiunile lor coincid.
Exemplu. R – spaŃiile vectoriale M 2,3 (R ) şi R 6 sunt izomorfe, având
dimensiunea şase.
1.5. Probleme rezolvate
1. Pe mulŃimea R *+ a numerelor reale strict pozitive se definesc operaŃiile:
x ∗ y = xy, ∀x, y ∈ R *+ ,
α o x = x α , ∀α ∈ R, ∀x ∈ R *+ .
Să se demonstreze că R *+ cu operaŃiile de mai sus este spaŃiu vectorial peste

corpul numerelor reale.
SoluŃie.
Fie x, y ∈ R *+ şi α ∈ R . Atunci x ∗ y ∈ R *+ şi α o x ∈ R *+ .
I. (R*+ ,∗) este grup abelian

I.1. Legea “ ∗ ” este asociativă deoarece înmulŃirea pe R *+ este asociativă.
I.2. Legea “ ∗ ” este comutativă deoarece înmulŃirea pe R *+ este comutativă.
I.3. ∃ 1 ∈ R *+ astfel încât 1 ∗ x = 1x = x , ∀x ∈ R *+ .
19
CAPITOLUL I
1 1 1
I.4. ∀x ∈ R *+ , ∃ ∈ R *+ astfel încât x ∗ = x = 1 .
x x x
II. Fie α, β ∈ R şi x, y ∈ R *+ . Avem succesiv
II.1. (α + β) o x = x α + β = x α x β = x α ∗ x β = (α o x) ∗ (β o x) .
II.2. α o ( x ∗ y ) = α o ( xy ) = ( xy ) α = x α y α = x α ∗ y α = (α o x) ∗ (α o y ) .
II.3. α o (β o x) = α o ( x β ) = ( x β ) α = x αβ = (αβ) o x .
II.4. 1 o x = x1 = x .
Deci, R *+ cu operaŃiile de mai sus este spaŃiu vectorial peste corpul numerelor
reale.
2. Să se studieze dependenŃa liniară pentru:
a) v1 = ( −3,0,1), v 2 = (0,2,−1), v3 = (3,1,0) în R 3 ;
 2 1 1 2  −1 1
b) A1 =   , A2 =   , A3 =   în M 2 (R);
 3 1 0 1  − 3 0
c) p1 = − X 2 + 5 X + 3, p 2 = 2 X 2 + X − 1, p3 = −3 X 2 + 4 X − 5 în R 2 [ X ] .
SoluŃie.
a) Considerăm relaŃia α1v1 + α 2 v2 + α 3v3 = 0 ( α1 , α 2 , α 3 ∈ R ).
Înlocuind vectorii v1 , v2 , v3 obŃinem
α1 ( −3,0,1) + α 2 (0,2,−1) + α 3 (3,1,0) = (0,0,0) .

Efectuând calculele avem
( −3α1 ,0, α1 ) + (0,2α 2 ,−α 2 ) + (3α 3 , α 3 ,0) = (0,0,0)
sau
( −3α1 + 3α 3 ,2α 2 + α 3 , α1 − α 2 ) = (0,0,0)
relaŃie echivalentă cu sistemul omogen
− 3α1 + 3α 3 = 0

 2α 2 + α 3 = 0 .
 α1 − α 2 = 0

Matricea asociată sistemului este
20
SPAłII VECTORIALE
 − 3 0 3
 
A= 0 2 1
 1 −1 0
 
şi are rangul 3 (rangul este egal cu numărul de necunoscute).
Prin urmare, sistemul omogen admite doar soluŃia banală ( α1 = α 2 = α 3 = 0 ),
deci vectorii v1 , v2 , v3 sunt liniar independenŃi.
b) Considerăm relaŃia α1 A1 + α 2 A2 + α 3 A3 = O2 ( α1 , α 2 , α 3 ∈ R ), unde O2
reprezintă matricea nulă a spaŃiului M 2 (R) .

Înlocuind matricele A1 , A2 , A3 obŃinem
 2 1 1 2  − 1 1 0 0
α1   + α 2   + α 3   =   .
 3 1 0 1  − 3 0 0 0
 2α1 α1   α 2 2α 2   − α 3 α3   0 0
  +  + = 
 3α1 α1   0 α 2   − 3α 3 0   0 0 
sau
 2α1 + α 2 − α 3 α1 + 2α 2 + α 3   0 0 
  =  
 3α1 − 3α 3 α1 + α 2  0 0
2α1 + α 2 − α 3 =0

α1 + 2α 2 + α 3 =0
 .
 3α1 − 3α 3 =0
 α1 + α 2 =0
Matricea asociată sistemului este
2 1 − 1
 
1 2 1 
A=
3 0 − 3
 
1 1 0 

şi are rangul 2 (rangul este mai mic decât numărul necunoscutelor).
Prin urmare, sistemul omogen admite şi soluŃii nenule, deci matricele A1 , A2 , A3
sunt liniar dependente.
21
CAPITOLUL I
c) Considerăm relaŃia α1 p1 + α 2 p 2 + α 3 p3 = 0 ( α1 , α 2 , α 3 ∈ R ), unde 0

reprezintă polinomul nul al spaŃiului R2[X].
Înlocuind polinoamele p1 , p 2 , p3 obŃinem
α1 ( − X 2 + 5 X + 3) + α 2 (2 X 2 + X − 1) + α 3 ( −3 X 2 + 4 X − 5) = 0 .
( −α1 + 2α 2 − 3α 3 ) X 2 + (5α1 + α 2 + 4α 3 ) X + 3α1 − α 2 − 5α 3 = 0 ,

relaŃie echivalentă cu sistemul
− α1 + 2α 2 − 3α 3 = 0

 5α1 + α 2 + 4α 3 = 0
 3α − α − 5α = 0.
 1 2 3
Matricea asociată este

 − 1 2 − 3
 
A= 5 1 4 
 3 − 1 − 5
 
şi are rangul 3 (rangul este egal cu numărul de necunoscute).
Prin urmare, sistemul omogen admite doar soluŃia banală ( α1 = α 2 = α 3 = 0 ),
deci polinoamele p1 , p 2 , p3 sunt liniar independente.
3. În R3 se consideră:
B = {v1 = (1,3,2), v 2 = (1,0,1), v3 = (0,1,5)} ,
B ' = {v '1 = ( 2,4,8), v' 2 = ( 2,5,13), v'3 = ( 2,7,9)} .

a) Să se arate că B şi B' sunt baze.
b) Să se determine coordonatele vectorului v = (0,−1,9) în baza B.
c) Să se găsească matricea de trecere de la baza B la baza B' .
d) Să se determine coordonatele vectorului v = (0,−1,9) în baza B ' .
SoluŃie.
a) Deoarece dim R 3 = 3 , pentru a arăta că cei trei vectori v1 , v 2 , v3

formează o bază este suficient să arătăm că sunt liniar independenŃi.
22
SPAłII VECTORIALE
Considerăm relaŃia α1v1 + α 2 v2 + α 3v3 = 0 ( α1 , α 2 , α 3 ∈ R ).
Înlocuind vectorii v1 , v2 , v3 obŃinem
α1 (1,3,2) + α 2 (1,0,1) + α 3 (0,1,5) = (0,0,0) .

(α1 ,3α1 ,2α1 ) + (α 2 ,0, α 2 ) + (0, α 3 ,5α 3 ) = (0,0,0)
sau
(α1 + α 2 ,3α1 + α 3 ,2α1 + α 2 + 5α 3 ) = (0,0,0)
α1 + α 2 = 0

3α1 + α 3 = 0
2α + α + 5α = 0.
 1 2 3
Matricea asociată acestui sistem este

1 1 0
 
A =  3 0 1 ,
 2 1 5
 
iar determinantul său este − 14 ≠ 0 , deci sistemul omogen admite doar soluŃia banală
( α1 = α 2 = α 3 = 0 ).
Rezultă astfel că vectorii v1 , v2 , v3 sunt liniar independenŃi.

Analog se arată că şi B' este o bază.
b) Coordonatele vectorului v în baza B = {v1 , v 2 , v3 } sunt scalarii α1 , α 2 , α 3 ∈ R
din relaŃia
v = α1v1 + α 2 v2 + α 3 v3 .
Înlocuind vectorii v, v1 , v2 , v3 obŃinem
(0,−1,9) = α1 (1,3,2) + α 2 (1,0,1) + α 3 (0,1,5) .

(0,−1,9) = (α1 ,3α1 ,2α1 ) + (α 2 ,0, α 2 ) + (0, α 3 ,5α 3 )
sau
(0,−1,9) = (α1 + α 2 ,3α1 + α 3 ,2α1 + α 2 + 5α 3 )
relaŃie echivalentă cu sistemul
23
CAPITOLUL I
α1 + α 2 = 0

3α1 + α 3 = −1
2α + α + 5α = 9.
 1 2 3
Cum
1 1 0
∆ = 3 0 1 = −14 ≠ 0 ,
2 1 5
rezultă că sistemul este compatibil determinat.
SoluŃia sa se poate determina cu formulele lui Cramer
 ∆α1
α 1 = ∆

 ∆α 2
α 2 =
 ∆
 ∆α 3
α 3 = ∆ ,

unde ∆α1 se obŃine din ∆ prin înlocuirea primei coloane cu coloana termenilor liberi,
∆α 2 se obŃine din ∆ prin înlocuirea coloanei a doua cu coloana termenilor liberi şi

∆α 3 se obŃine din ∆ prin înlocuirea coloanei a treia cu coloana termenilor liberi.
Avem
0 1 0
∆α1 = − 1 0 1 = 14 ,
9 1 5
1 0 0
∆α 2 = 3 − 1 1 = −14 ,
2 9 5
1 1 0
∆α 3 = 3 0 − 1 = −28 .
2 1 9
Astfel,
α1 = −1, α 2 = 1, α 3 = 2 .
Aşadar, coordonatele vectorului v = (0,−1,9) în baza {v1 , v2 , v3 } sunt – 1, 1, 2.
24
SPAłII VECTORIALE
c) Pentru determinarea matricei C de trecere de la baza B la baza B ' , aflăm

coordonatele vectorilor bazei B' în raport cu baza B.
Procedând ca la punctul b)
coordonatele vectorului v'1 relativ la baza B = {v1 , v 2 , v3 } sunt
1, 1, 1;
coordonatele vectorului v' 2 relativ la baza B = {v1 , v 2 , v3 } sunt
1, 1, 2;
coordonatele vectorului v'3 relativ la baza B = {v1 , v 2 , v3 } sunt
2, 0, 1.
Astfel, matricea de trecere de la baza B la baza B' este
1 1 2 
 
C = 1 1 0  .
1 2 1 
 
d) Metoda I.
Procedând ca la punctul b), coordonatele vectorului v în baza B' sunt – 1, 2, – 1.
Metoda a II-a.
Conform punctului b), matricea formată cu coordonatele vectorului în baza B
este
 − 1
 
α =  1 ,
2
 
iar conform punctului c) matricea de trecere de la baza B la baza B ' este
1 1 2 
 
C = 1 1 0  .
1 2 1 
 
Cu coordonatele vectorului v în baza B ' se formează matricea coloană α' .

Conform teoriei
α = C α' .
25
CAPITOLUL I
Astfel
α ' = C −1 α .
Inversa matricei C este
1
C −1 = C* ,
det C
unde
 c11 c 21 c31 
*  
C =  c12 c 22 c32 
c c 23 c33 
 13
cu
1 0 1 0 1 1
c11 = (−1)1+1 = 1, c12 = (−1)1+ 2 = −1, c13 = (−1)1+ 3 =1
2 1 1 1 1 2
1 2 1 2 1 1
c 21 = (−1) 2 +1 = 3, c 22 = (−1) 2 + 2 = −1, c 23 = (−1) 2 + 3 = −1,
2 1 1 1 1 2
1 2 1 2 1 1
c31 = (−1) 3 +1 = −2, c32 = (−1) 3 + 2 = 2, c33 = (−1) 3 + 3 = 0.
0 1 1 0 1 1
Avem
det C = 2
şi
 1 3 
 − 1
1 3 − 2  2 2 
1  1 1
C −1 =  − 1 − 1 2  =  − − 1 .
2  2 2 

 1 −1 0   1 1 
 − 0
 2 2 
Deci,
26
SPAłII VECTORIALE
 1 3 
 − 1
 2 2  − 1  − 1
1 1    
α' =  − − 1  1  =  2  .
 2 2 
 1 1  2   − 1
 − 0
 2 2 
1.6. Probleme propuse
 a b  
1. Fie V =   a, b, c ∈ R  . Să se demonstreze că V cu operaŃiile
 c − a  
obŃinute de adunare a matricelor şi de înmulŃire a matricelor cu numere reale este spaŃiu

vectorial real.
2. Fie V un spaŃiu vectorial real. Pe V × V definim operaŃiile

(u , v) + ( x, y ) = (u + x, v + y ), ∀u , v, x, y ∈ V
(a + ib)(u , v) = (au − bv, bu + av), ∀a + ib ∈ C, ∀u , v ∈ V .
Să se demonstreze că V × V cu operaŃiile de mai sus este spaŃiu vectorial peste
corpul numerelor complexe.
ObservaŃie. SpaŃiul vectorial complex V × V se numeşte complexificatul
spaŃiului vectorial V şi se notează cu CV .
3. Fie C n [ X ] spaŃiul vectorial complex al polinoamelor de grad cel mult n în

nedeterminata X cu coeficienŃi complecşi.
a) Să se demonstreze că pentru a ∈ C fixat, mulŃimea
B = {1, X − a, ( X − a ) 2 ,..., ( X − a ) n } este o bază a spaŃiului vectorial C n [ X ] .
b) Dacă f ( X ) ∈ C n [ X ] este un polinom arbitrar, să se demonstreze
f ' (a ) f " ( a) f (n) (a)

f ( X ) = f (a) + ( X − a) + ( X − a ) 2 + ... + ( X − a) n
1! 2! n!
(formula lui Taylor pentru polinoame).
27
CAPITOLUL I
4. Să se studieze dependenŃa liniară pentru:
a) v1 = (1,2,3) , v 2 = (4,5,6 ) , v3 = (5,7,9 ) în R 3 ;
 1 1  1 − 1  1 2
b) A1 =   , A2 =   , A3 =   în M 2 (R);
 2 1 0 1   2 0
c) p1 = X 2 + 2 X + 3, p 2 = X 2 + 4 X + 9, p3 = 2 X 2 + 5 X + 7 în R 2 [ X ] .
5. În R 3 se consideră
B = {v1 = (1,1,1) , v 2 = (1,2,3) , v3 = (1,4,9 )} ,
B ' = {v'1 = (1,0,0 ) , v' 2 = (0,2,0 ) , v'3 = (1,2,−1)}.

a) Să se arate că B şi B' sunt baze.
b) Să se determine coordonatele vectorului v = 2v1 + v 2 − v3 în baza B.
c) Să se găsească matricea de trecere de la baza B la baza B ' .
d) Să se determine coordonatele vectorului v = 2v1 + v 2 − v3 în baza B ' .
28
FORME LINIARE. FORME BILINIARE. FORME PĂTRATICE
CAPITOLUL 2
FORME LINIARE. FORME BILINIARE.
FORME PĂTRATICE
teoria algebrei liniare.
Cuvinte cheie: formă liniară, formă biliniară, formă pătratică, forma canonică a unei
forme pătratice, formă pătratică pozitiv definită, formă pătratică negativ definită, formă
pătratică nedefinită
2.1. Forme liniare
Fie V un spaŃiu vectorial real.

DefiniŃie. Se numeşte formă liniară pe spaŃiul vectorial V, o funcŃie ω : V → R
care îndeplineşte următoarele condiŃii:
1) ω( x + y ) = ω( x ) + ω( y ), ∀x, y ∈ V ( ω este aditivă);
2) ω(αx ) = αω( x ), ∀α ∈ R, ∀x ∈ V ( ω este omogenă).

ObservaŃie. CondiŃiile 1) şi 2) sunt echivalente cu condiŃia
3) ω(αx + βy ) = αω( x ) + βω( y ), ∀α, β ∈ R, ∀x, y ∈ V .
În cele ce urmează presupunem că spaŃiul vectorial real V este n – dimensional.
Dacă ω : V → R este o formă liniară, B = {v1 , v 2 ,..., v n } este o bază în V şi
n
x = ∑ xi vi este un vector oarecare din V, atunci
i =1
 n  n
ω( x ) = ω ∑ xi vi  = ∑ xi ω(vi ) .
 i =1  i =1
29
CAPITOLUL 2
n
Notând ai = ω(vi ) , i = 1, n obŃinem ω( x ) = ∑ ai xi . Această relaŃie se numeşte
i =1
expresia analitică a formei liniare ω faŃă de baza considerată B, iar scalarii
ai = ω(vi ) , i = 1, n se numesc coeficienŃii lui ω relativ la baza B.
Matricea A = (a1 a 2 L a n ) ∈ M1, n (R ) se numeşte matricea formei liniare
ω în raport cu baza B.
 x1 
 
x 
Dacă introducem matricea coloană X =  2  ∈ M n ,1 (R ) formată cu coordonatele
M
 
x 
 n
vectorului x, atunci expresia formei liniare ω poate fi scrisă sub forma matriceală
ω( x) = AX .
NotaŃie. MulŃimea formelor liniare pe V se notează cu V * .
Teoremă. Fie V un spaŃiu vectorial real şi ω1 , ω 2 ∈ V * . Atunci
1) ω1 + ω 2 ∈ V * ;
2) γ ω1 ∈ V * , ∀γ ∈ R .
DemonstraŃie. Într-adevăr, ∀α, β ∈ R, ∀x, y ∈ V avem
(ω1 + ω 2 )(αx + βy ) = ω1 (αx + βy ) + ω 2 (αx + βy )
= αω1 ( x ) + βω1 ( y ) + αω 2 (x ) + βω 2 ( y )
= α[ω1 ( x ) + ω 2 ( x )] + β[ω1 ( y ) + ω 2 ( y )]
= α (ω1 + ω 2 )( x ) + β(ω1 + ω 2 )( y )
şi
(γ ω1 )(αx + βy ) = γ ω1 (αx + βy )
= γ[αω1 ( x ) + βω1 ( y )]
= γαω1 ( x ) + γβω1 ( y )
= α(γ ω1 )( x ) + β(γ ω1 )( y ).
Prin verificarea condiŃiilor din definiŃia spaŃiului vectorial se demonstrează
următoarea
30
Teoremă. V * este un R – spaŃiu vectorial în raport cu adunarea formelor

liniare şi cu înmulŃirea formelor liniare cu scalari.
V * se numeşte spaŃiul dual (sau conjugat) al spaŃiului vectorial V.
ObservaŃie. dim V * = dim V .
2.2. Forme biliniare. Forme pătratice
Fie V un spaŃiu vectorial real.

DefiniŃie. Se numeşte formă biliniară sau tensor covariant de ordinul doi pe
spaŃiul vectorial V, o funcŃie ϕ : V × V → R care îndeplineşte următoarele condiŃii:
1) ϕ( x + y, z ) = ϕ( x, z ) + ϕ( y, z ) , ∀x, y, z ∈ V ;
2) ϕ( x, y + z ) = ϕ( x, y ) + ϕ( x, z ) , ∀x, y, z ∈ V ;
3) ϕ(αx, y ) = αϕ( x, y ) , ∀α ∈ R , ∀x, y ∈ V ;
4) ϕ( x, βy ) = βϕ( x, y ) , ∀β ∈ R , ∀x, y ∈ V .
ObservaŃie. CondiŃiile 1), 2), 3) şi 4) sunt echivalente cu condiŃiile:
5) ϕ(αx + βy, z ) = αϕ( x, z ) + βϕ( y, z ) , ∀α, β ∈ R , ∀x, y, z ∈ V ;
6) ϕ( x, αy + β z ) = αϕ( x, y ) + βϕ( x, z ) , ∀α, β ∈ R , ∀x, y, z ∈ V .

DefiniŃie. Forma biliniară ϕ se numeşte simetrică dacă
ϕ( x, y ) = ϕ( y, x ) , ∀x, y ∈ V .
Forma biliniară ϕ se numeşte antisimetrică dacă
ϕ( x, y ) = −ϕ( y, x ) , ∀x, y ∈ V .
Teoremă. O formă biliniară ϕ : V × V → R este antisimetrică dacă şi numai
dacă ϕ( x, x) = 0, ∀x ∈ V .
DemonstraŃie.
Fie ϕ o formă biliniară antisimetrică. Conform definiŃiei
ϕ( x, y ) = −ϕ( y, x ) , ∀x, y ∈ V .
31
CAPITOLUL 2
Pentru y = x, avem ϕ( x, x ) = −ϕ( x, x ) , deci 2ϕ( x, x ) = 0 , deci

ϕ( x, x) = 0, ∀x ∈ V .
Reciproc, fie ϕ o formă biliniară cu ϕ( x, x) = 0, ∀x ∈ V . Atunci pentru vectorul
x + λy cu λ ≠ 0 , avem
ϕ( x + λy, x + λy ) = 0
sau
ϕ( x, x) + λ[ϕ( x, y ) + ϕ( y, x)] + λ2 ϕ( y, y ) = 0 .
Cum ϕ( x, x) = 0 şi ϕ( y, y ) = 0 , avem
λ[ϕ( x, y ) + ϕ( y, x)] = 0 ,
adică
ϕ( x, y ) = −ϕ( y, x ) , ∀x, y ∈ V .
Teoremă. Orice formă biliniară ϕ : V × V → R este o sumă de două forme
biliniare, una simetrică şi alta ansimetrică.
DemonstraŃie. Fie ϕ : V × V → R o formă biliniară pe V. Notăm cu
1
ϕ1 ( x, y ) = [ϕ( x, y ) + ϕ( y, x)],
2
1
ϕ 2 ( x, y ) = [ϕ( x, y ) − ϕ( y, x)].
2
Se constată că ϕ1 este formă biliniară simetrică şi ϕ 2 este formă biliniară
antisimetrică, iar
ϕ( x, y ) = ϕ1 ( x, y ) + ϕ 2 ( x, y ) .
Într-adevăr,
1
ϕ1 (αx + β y, z ) = [ϕ(αx + β y, z ) + ϕ( z, αx + β y )]
2
1
= [αϕ( x, z ) + βϕ( y, z ) + αϕ( z , x) + βϕ( z , y )]
2
1
= {α[ϕ( x, z ) + ϕ( z , x)] + β[ϕ( y, z ) + ϕ( z , y )] }
2
1  1 
= α  [(ϕ( x, z ) + ϕ( z, x)] + β [ϕ( y, z ) + ϕ( z , y )]
2  2 
= αϕ1 ( x, z ) + βϕ1 ( y, z ),
32
1
ϕ1 ( x, αy + βz ) = [ϕ( z , αy + β z ) + ϕ(αy + βz, x)]
2
1
= [αϕ( x, y ) + βϕ( x, z ) + αϕ( y, x) + βϕ( z , x)]
2
1
= {α[ϕ( x, y ) + ϕ( y, x)] + β[ϕ( x, z ) + ϕ( z , x)] }
2
1  1 
= α  [(ϕ( x, y ) + ϕ( y, x)] + β [ϕ( x, z ) + ϕ( z , x)]
 2   2 
= αϕ1 ( x, y ) + βϕ1 ( x, z ),
adică ϕ1 este formă biliniară.
Deoarece ϕ1 ( x, y ) = ϕ1 ( y, x ), ∀x, y ∈ V rezultă că ϕ1 este formă biliniară

simetrică.
Analog se demonstrează că ϕ 2 este formă biliniară antisimetrică.
Evident,
1 1
ϕ1 ( x, y ) + ϕ 2 ( x, y ) = [ϕ( x, y ) + ϕ( y, x )] + [ϕ( x, y ) − ϕ( y, x)] = ϕ( x, y ) .
2 2
În cele ce urmează presupunem că spaŃiul vectorial V este n – dimensional.
Dacă ϕ : V × V → R este o formă biliniară, B = {e1 , e2 ,..., en } este o bază în V şi
n n
x = ∑ xi ei , y = ∑ y j e j sunt doi vectori oarecare din V, atunci
i =1 j =1
 n  n n
( )
n
ϕ( x, y ) = ϕ ∑ xi ei , ∑ y j e j  = ∑ ∑ xi y j ϕ ei , e j .
 i =1 j =1
 i =1 j =1
 
( )
Notând aij = ϕ ei , e j , i, j = 1, n , obŃinem
n n
ϕ( x, y ) = ∑ ∑ aij xi y j .
i =1 j =1
Această relaŃie se numeşte expresia analitică a formei biliniare ϕ faŃă de baza
( )
considerată B, iar scalarii aij = ϕ ei , e j , i, j = 1, n se numesc coeficienŃii lui ϕ relativ
la baza B.
( )
Matricea A = aij i, j =1, n∈ M n (R ) se numeşte matricea formei biliniare ϕ în
raport cu baza B.
33
CAPITOLUL 2
NotaŃie. Matricea formei biliniare ϕ în raport cu baza B se notează cu
A = [ϕ]B .
ObservaŃie. Dacă introducem matricele coloană
 x1   y1 
   
 x2  y 
X =  , Y =  2  ∈ M n,1 (R ) formate cu coordonatele vectorilor x şi y, atunci
M M
   
x  y 
 n  n
expresia analitică a formei biliniare ϕ poate fi scrisă sub forma matriceală
ϕ= t XAY ,
unde t X este transpusa matricei X.

NotaŃie. MulŃimea formelor biliniare pe V se notează cu B(V , R ) .
ObservaŃie. Adunarea formelor biliniare şi înmulŃirea acestora cu scalari pot
fi definite ca în cazul funcŃiilor, determinând pe B(V , R ) o structură de spaŃiu vectorial
peste corpul R.
ObservaŃie. AplicaŃia care asociază fiecărei forme biliniare ϕ : Vn × Vn → R
matricea ei în raport cu o bază dată a spaŃiului vectorial Vn este un izomorfism între
spaŃiul vectorial B(Vn , R ) şi spaŃiul vectorial M n (R ) , deci
dim B(Vn , R ) = dim M n (R ) = n 2 .

Se poate demonstra următoarea
Teoremă. O formă biliniară ϕ ∈ B(Vn , R ) este simetrică dacă şi numai dacă
matricea formei în raport cu o bază arbitrară fixată a spaŃiului Vn este simetrică.
O formă biliniară ϕ ∈ B(Vn , R ) este antisimetrică dacă şi numai dacă matricea
formei în raport cu o bază arbitrară fixată a spaŃiului Vn este antisimetrică.
DefiniŃie. Fie ϕ ∈ B(Vn , R ) şi A = [ϕ] B matricea formei biliniare ϕ relativ la o
bază B a spaŃiului vectorial Vn .
Dacă A este nesingulară, atunci forma biliniară ϕ se numeşte nedegenerată.

Dacă A este singulară, atunci forma biliniară ϕ se numeşte degenerată.
34
DefiniŃie. Fie ϕ ∈ B(Vn , R ) o formă biliniară simetrică. MulŃimea
Kerϕ = {x ∈ Vn | ϕ( x, y ) = 0, ∀y ∈ Vn }
se numeşte nucleul formei biliniare ϕ .
DefiniŃie. Fie V un spaŃiu vectorial şi ϕ ∈ B(V , R ) o formă biliniară

simetrică. FuncŃia ϕ determină unic funcŃia
f ( x) = ϕ( x, x), ∀x ∈ V
care se numeşte forma pătratică1 asociată formei biliniare ϕ .
ObservaŃie. Cunoaşterea formei pătratice f permite recuperarea formei biliniare
simetrice ϕ .
Într-adevăr,
f ( x + y ) = ϕ( x + y, x + y ) = ϕ( x, x ) + ϕ(x, y ) + ϕ( y, x ) + ϕ( y, y )
şi cum
ϕ( x, y ) = ϕ( y, x ), ∀x, y ∈ V
rezultă că
f ( x + y ) = ϕ( x, x ) + 2ϕ( x, y ) + ϕ( y, y )
sau
f ( x + y ) = f (x, x ) + 2ϕ( x, y ) + f ( y, y ) ,
de unde
1
ϕ( x, y ) = [ f (x + y ) − f (x ) − f ( y )], ∀x, y ∈ V .
2
DefiniŃie. Forma biliniară simetrică ϕ asociată formei pătratice f se
numeşte forma polară sau forma dedublată a formei pătratice f.
35
CAPITOLUL 2
2.3. Forma canonică a unei forme pătratice
Fie Vn un spaŃiu vectorial real, n dimensional, ϕ ∈ B(Vn , R ) o formă biliniară

simetrică şi f forma pătratică asociată.
Dacă B = {e1 , e2 ,..., en } este o bază în Vn , atunci pentru orice vector
n
x = ∑ xi ei ∈ Vn forma pătratică f are expresia analitică
i =1
 n  n n
( )
n n n
f ( x ) = ϕ( x, x) = ϕ ∑ xi ei , ∑ x j e j  = ∑ ∑ xi x j ϕ ei , e j = ∑ ∑ aij xi x j ,
 i =1 j =1
 i =1 j =1 i =1 j =1
 
( )
unde aij = ϕ ei , e j , i, j = 1, n .
ObservaŃie. Expresia analitică a formei pătratice f poate fi scrisă şi sub forma

matriceală
f ( x)= t XAX ,
 x1 
 
 x2 
unde X =   , A = ( aij ) i, j =1, n , iar t X este transpusa matricei X.
M
 
x 
 n
A aduce la forma canonică forma pătratică f înseamnă a găsi o bază (numită
bază canonică) astfel încât în această bază forma pătratică să se scrie ca o sumă
algebrică de pătrate.
Sunt mai multe metode de reducere a unei forme pătratice la forma canonică:
metoda lui Gauss2,
metoda lui Jacobi3,
metoda valorilor proprii.
1
Formele pătratice apar în diverse domenii ale matematicii ca geometria şi topologia diferenŃială, teoria
numerelor, etc.
2
Karl Friedrich Gauss (1777 - 1855), matematician, fizician şi astronom german
36
Metoda lui Gauss

Teoremă. Dacă f : Vn → R este o formă pătratică, atunci există o bază în
Vn relativ la care f are o expresie canonică.

DemonstraŃie. Să presupunem că forma pătratică f are relativ la baza
B = {e1 , e2 ,..., en } expresia analitică
n n
f ( x) = ∑ ∑ aij xi x j = a11 x12 + ... + a nn xn2 + 2(a12 x1 x2 + ... + a1n x1 xn + ... + an −1 n xn −1 xn ) .
i =1 j =1
Cazul I. Să presupunem că în expresia analitică există cel puŃin un
coeficient aii ≠ 0, i = 1, n . Fără a restrânge generalitatea, fie acesta a11 .
Expresia analitică a formei pătratice f se poate scrie sub forma
f ( x ) =a11x12 + 2 x1 (a12 x2 + K + a1n xn ) + a22 x22 + 2a23 x2 x3 + L + 2a2n x2 xn + K + ann xn2 .
1
Notăm cu α = a12 x 2 + K + a1n x n , scoatem în factor din toŃi termenii ce
a11
conŃin pe x1 , adunăm şi scădem termenii necesari astfel încât cu termenii ce conŃin pe
x1 să construim un pătrat perfect şi obŃinem

1
f (x ) = (a11 x1 + α )2 − 1 α 2 + a 22 x 22 + 2a 23 x 2 x3 + L + 2a 2n x 2 x n + K + a nn x n2
a11 a11
sau
1
f (x ) =
(a11 x1 + a12 x2 + K + a1n xn )2 + g (x2 ,K, xn ) ,
a11
unde g este o formă pătratică în (n – 1) coordonate (x 2 , K , x n ) .
Efectuând schimbarea de coordonate
 y1 = a11 x1 + a12 x 2 + K + a1n x n
 y = x
2 2

 .......... ...
 y n = x n ,
expresia analitică a lui f devine

1 2
f (x ) = y1 + g ( y 2 ,K , y n ) .
a11
3
Karl Gustav Jacob Jacobi (1804 - 1851), matematician german
37
CAPITOLUL 2
În continuare, algoritmul constă în repetarea raŃionamentului pentru forma

pătratică în (n – 1) variabile, nou obŃinută.
Cazul al II-lea. Dacă în expresia analitică aii = 0 , i = 1, n iar ϕ nu este
identic nulă, atunci există cel puŃin un coeficient aij ≠ 0 cu i ≠ j . În acest caz
efectuând schimbarea de coordonate
xi = z i + z j

j i j
x = z − z
 k
 x = z , k = 1, n − { i, j}
k
obŃinem o formă pătratică de tipul celei din cazul I.

ObservaŃie.
1) Metoda lui Gauss reprezintă un algoritm elementar de aducere la forma
canonică, dar nu furnizează direct noua bază, ci schimbarea de coordonate pe baza
căreia se determină noua bază.
2) O formă pătratică poate fi adusă la diferite forme canonice.
Metoda lui Jacobi

Teoremă. Fie Vn un spaŃiu vectorial real n – dimensional, f : Vn → R o
formă pătratică pe Vn şi A = ( aij ) i, j =1, n ∈ M n ( R ) matricea formei relativ la o bază
B = {e1 , e2 , K , en } a lui Vn . Dacă determinanŃii
∆1 = a11 ,
a a12
∆ 2 = 11 ,
a 21 a 22
M
a11 a12 L a1n
a a 22 L a 2n
∆ n = 21
M M O M
a n1 a n 2 L a nn
sunt toŃi nenuli, atunci există o bază B' = {e'1 , e' 2 ,K , e' n } a lui Vn faŃă de care forma
pătratică f are forma canonică
38
1 2 ∆1 2 ∆
f ( x) = x'1 + x' 2 +... + n −1 x' 2n ,
∆1 ∆2 ∆n
unde x'1 , x' 2 ,..., x' n sunt coordonatele vectorului x în baza B' .
DemonstraŃie. Căutăm vectorii e'1 , e' 2 ,..., e' n de forma
e'1 = c11e1
e' 2 = c 21e1 + c22 e2
M
e' n = cn1e1 + c n 2 e2 + ... + c nn en
aşa încât să avem
ϕ(e'i , e j ) = 0,1 ≤ j < i ≤ n,
ϕ(e'i , ei ) = 1, i = 1, n,
unde ϕ este polara formei pătratice f.
Scrise dezvoltat, aceste relaŃii devin
ϕ(e'i , e1 ) = ci1a11 + ci 2 a12 + ... + cii a1i = 0
ϕ(e'i , e2 ) = ci1a 21 + ci 2 a 22 + ... + cii a 2i = 0
M
ϕ(e'i , ei −1 ) = ci1ai −11 + ci 2 ai −12 + ... + cii ai −1i = 0
ϕ(e'i , ei ) = ci1ai1 + ci 2 ai 2 + ... + cii aii = 1
(am Ńinut cont că forma ϕ este simetrică, adică aij = a ji ).
Pentru i ∈ {1,2,..., n} fixat, sistemul liniar neomogen obŃinut constă din i ecuaŃii
cu i necunoscute {ci1 , ci 2 ,..., cii } . Acest sistem are soluŃie unică, deoarece prin ipoteză
determinantul sistemului este chiar ∆ i ≠ 0 .

Regula lui Cramer4 conduce la
a11 a12 L a1i − 1 0
a 21 a 22 L a 2i −1 0
M M O M M
a i − 11 a i − 12 L a i − 1i − 1 0
a i1 ai2 L a ii − 1 1 ∆ i −1
c ii = =
∆i ∆i
deci baza B' = {e'1 , e' 2 , K, e' n } este perfect determinată.
4
Gabriel Cramer (1704 – 1752), matematician şi fizician elveŃian
39
CAPITOLUL 2
Să determinăm expresia formei pătratice f în această bază. Matricea lui f în baza

{e'1 , e' 2 ,K, e' n } este matricea A' de elemente
a 'ij = ϕ(e'i , e' j ) = ϕ(e'i , c j1e1 + c j 2 e2 + ... + c jj e j )

= c j1ϕ(e'i , e1 ) + c j 2 ϕ(e'i , e2 ) + ... + c jj ϕ(e'i , e j ), i, j = 1, n.
Dar, prin construcŃie ϕ(e'i , e j ) = 0 pentru j < i , deci a'ij = 0 pentru j < i .
Din proprietatea de simetrie a formei biliniare ϕ rezultă că a'ij = 0 şi pentru
j > i . Deci a'ij = 0 pentru i ≠ j .
Dacă j = i , atunci
a 'ii = ϕ(e'i , e'i ) = ϕ(e'i , ci1e1 + ci 2 e2 + ... + cii ei )
= ci1ϕ(e'i , e1 ) + ci 2 ϕ(e'i , e2 ) + ... + cii ϕ(e'i , ei )
∆ i −1
= cii = , i = 1, n.
∆i
În baza B' = {e'1 , e' 2 , K, e' n } avem
n n ∆ i −1 2 1 2 ∆1 2 ∆
f ( x ) = ∑ a ' ij x ' i x ' j = ∑ x 'i = x '1 + x ' 2 + ... + n − 1 x ' 2n
i , j =1 i =1 ∆ i ∆ 1 ∆ 2 ∆n
(am notat ∆ 0 = 1 ).
ObservaŃie. Metoda lui Jacobi este utilă când se cere determinarea rapidă a
formei canonice (de exemplu în aprecierea naturii punctelor de extrem ale unei funcŃii
reale), fără a fi interesaŃi şi de baza corespunzătoare.
Metoda are dezavantajul că presupune neanularea tuturor determinanŃilor
∆ i , i = 1, n .
Signatura unei forme pătratice

DefiniŃie.
O formă pătratică f : Vn → R se numeşte pozitiv semidefinită dacă f ( x ) ≥ 0 ,
∀x ∈ Vn şi există y ∈ Vn , y ≠ 0 pentru care f ( y ) = 0 .
O formă pătratică f : Vn → R se numeşte negativ semidefinită dacă f ( x ) ≤ 0 ,
∀x ∈ Vn şi există y ∈ Vn , y ≠ 0 pentru care f ( y ) = 0 .
40
O formă pătratică f : Vn → R se numeşte pozitiv definită dacă f ( x ) > 0 ,
∀x ∈ Vn − {0}.
O formă pătratică f : Vn → R se numeşte negativ definită dacă f ( x ) < 0 ,
∀x ∈ Vn − {0}.
O formă pătratică f : Vn → R se numeşte nedefinită dacă ∃x, y ∈ Vn astfel
încât f ( x ) > 0 şi f ( y ) < 0 .
n
Fie f ( x ) = ∑ ai xi2 o formă canonică a formei pătratice f : Vn → R .
i =1
Se numeşte signatura formei pătratice f tripletul de numere reale

( p, q, d ) , în care:
p este numărul de coeficienŃi din setul {a1 , a 2 , K , a n } strict pozitivi (p se
numeşte indicele pozitiv de inerŃie al lui f);
q este numărul de coeficienŃi din setul {a1 , a 2 , K , a n } strict negativi (q se
numeşte indicele negativ de inerŃie al lui f);
d = n − ( p + q ) (numărul de coeficienŃi nuli).
Teoremă (legea de inerŃie a lui Sylvester5). Signatura unei forme pătratice f
este aceeaşi în orice formă canonică a lui f.
1) Fie aplicaŃia ϕ : R 3 × R 3 → R definită prin
ϕ( x, y ) = 2 x1 y 2 + 2 x 2 y1 − 3 x3 y3 ,
x = ( x1 , x 2 , x3 ), y = ( y1 , y 2 , y3 ) ∈ R 3 .
a) Să se arate că ϕ este o formă biliniară.
5
James Joseph Sylvester (1814 - 1897), matematician şi avocat englez
41
CAPITOLUL 2
b) Este forma biliniară ϕ simetrică?

SoluŃie.
a) Fie α, β ∈ R şi x = ( x1 , x 2 , x3 ), y = ( y1 , y 2 , y3 ), z = ( z1 , z 2 , z 3 ) ∈ R 3 .
Avem
αx + β y = α( x1 , x2 , x3 ) + β( y1 , y 2 , y3 )
= (αx1 , αx2 , αx3 ) + (β y1 , β y 2 , βy3 )
= (αx1 + β y1 , αx2 + β y 2 , αx3 + βy3 )
şi
ϕ(αx + β y, z ) = 2(αx1 + βy1 ) z 2 + 2(αx2 + β y 2 ) z1 − 3(αx3 + β y3 ) z3
= α(2 x1 z 2 + 2 x2 z1 − 3 x3 z 3 ) + β(2 y1 z 2 + 2 y 2 z1 − 3 y3 z3 )
= αϕ( x, z ) + βϕ( y, z ),
deci ϕ este liniară în primul argument.
Analog se arată că
ϕ( x, αy + βz ) = αϕ( x, y ) + βϕ( x, z ) ,
deci ϕ este liniară şi în al doilea argument.
Rezultă că ϕ este formă biliniară.
b) Deoarece
ϕ( x, y ) = 2 x1 y 2 + 2 x 2 y1 − 3 x3 y3
= 2 y1 x 2 + 2 y 2 x1 − 3 y3 x3 = ϕ( y, x),
∀x = ( x1 , x 2 , x3 ), y = ( y1 , y 2 , y3 ) ∈ R 3 , forma biliniară ϕ este simetrică.
2) Se consideră forma biliniară simetrică ϕ : R 3 × R 3 → R care are în raport cu
baza canonică din R 3 expresia

ϕ( x, y ) = 9 x1 y1 + 6 x 2 y 2 + 4 x3 y3 + 6 x1 y 2 + 6 x 2 y1 − 5 x1 y3 − 5 x3 y1 − x2 y3 − x3 y 2 ,
x = ( x1 , x 2 , x3 ), y = ( y1 , y 2 , y3 ) ∈ R 3 .
Să se scrie forma pătratică asociată formei biliniare simetrice ϕ .

SoluŃie.
Forma pătratică asociată formei biliniare simetrice ϕ este f : R 3 → R definită

prin
42
f ( x) = ϕ( x, x) , ∀x ∈ R 3 .
Avem
f ( x) = 9 x12 + 6 x22 + 4 x32 + 6 x1 x 2 + 6 x2 x1 − 5 x1 x3 − 5 x3 x1 − x 2 x3 − x3 x 2

= 9 x12 + 6 x22 + 4 x32 + 12 x1 x 2 − 10 x1 x3 − 2 x 2 x3 .
3) Se consideră forma pătratică f : R 3 → R care are în raport cu baza canonică
din R 3 expresia
f ( x ) = 2 x12 + 8 x1 x 2 + 9 x 22 + 4 x1 x3 + 19 x32 ,
x = ( x1 , x 2 , x3 ) ∈ R 3 .
Să se scrie forma polară asociată formei pătratice f.
SoluŃie.
Forma polară asociată formei pătratice este ϕ : R 3 × R 3 → R definită prin

1
ϕ( x, y ) = [ f ( x + y ) − f ( x) − f ( y )] , ∀x, y ∈ R 3 .
2
Avem
1
ϕ( x, y ) = {[2( x1 + y1 ) 2 + 8( x1 + y1 )( x 2 + y 2 ) + 9( x 2 + y 2 ) 2 +
2
+ 4( x1 + y1 )( x3 + y3 ) + 19( x3 + y3 ) 2 ] − (2 x12 + 8 x1 x 2 + 9 x 22 + 4 x1 x3 + 19 x32 ) −
− (2 y12 + 8 y1 y 2 + 9 y 22 + 4 y1 y3 + 19 y32 )}.
Efectuând calculele, obŃinem
ϕ( x, y ) = 2 x1 y1 + 4 x1 y 2 + 4 x 2 y1 + 9 x 2 y 2 + 2 x1 y3 + 2 x3 y1 + 19 x3 y3 .
4) Fie forma pătratică f : R 3 → R care are în raport cu baza canonică din R 3

expresia
f ( x ) = 3 x12 + 4 x 22 + 5 x32 + 4 x1 x 2 − 4 x 2 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .
Să se aducă forma pătratică la forma canonică folosind metoda lui Gauss.
SoluŃie.
Avem
43
CAPITOLUL 2
( )
f = 3 x12 + 4 x1 x 2 + 4 x 22 + 5 x32 − 4 x 2 x3
1
( )
= 9 x12 + 12 x1 x 2 + 4 x 22 + 5 x32 − 4 x 2 x3
3
1
= [(3 x1 + 2 x 2 ) 2 − 4 x 22 ] + 4 x 22 + 5 x32 − 4 x 2 x3
3
1 8
= (3 x1 + 2 x 2 ) 2 + x 22 + 5 x32 − 4 x2 x3 .
3 3
 y1 = 3x1 + 2 x2

 y 2 = x2
 y3 = x3 ,
obŃinem
1 8
f = y12 + y 22 + 5 y 32 − 4 y 2 y3
3 3
1 2 8 2 
= y1 +  y 2 − 4 y 2 y 3  + 5 y32
3 3 
1 2 3  64 2 32 
= y1 +  y2 − y 2 y3  + 5 y 32
3 8 9 3 
3  8 
2
1 
= y12 +  y 2 − 2 y 3  − 4 y 32  + 5 y 32
3 8  3  

2
1 38  7
= y12 +  y 2 − 2 y 3  + y 32 .
3 83  2
 z1 = y1
 8
 z 2 = y 2 − 2 y3
 3
 z3 = y3
obŃinem
1 2 3 2 7 2
f = z1 + z 2 + z 3 .
3 8 2

expresia
f ( x ) = x1 x 2 + 2 x1 x3 + 3 x2 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .
SoluŃie. Cum a12 ≠ 0 , se efectuează schimbarea de coordonate
44
 x1 = y1 + y 2

 x2 = y1 − y 2
x = y
 3 3
şi obŃinem
f = ( y1 + y 2 )( y1 − y 2 ) + 2( y1 + y 2 ) y3 + 3( y1 − y 2 ) y3
= y12 − y 22 + 5 y1 y3 − y 2 y3 .
Se continuă ca în exemplul precedent.
Astfel,
f = ( y12 + 5 y1 y3 ) − y 22 − y 2 y3
2
 5  25 2
=  y1 + y3  − y3 − y 22 − y 2 y3 .
 2  4
 5
 z1 = y1 + 2 y3

z2 = y2
z = y ,
 3 3

obŃinem
25 2
f = z12 − z 22 − z − z 2 z3
4 3
25 2
= z12 − ( z 22 + z 2 z 3 ) − z
4 3
2
2  1  1 25 2
= z1 −  z 2 + z 3  + z 32 − z
 2  4 4 3
2
 1 
= z12 −  z 2 + z 3  − 6 z 32 .
 2 
u1 = z1

 1
u 2 = z 2 + z3
 2
u3 = z3 ,
obŃinem pentru forma pătratică f forma canonică
45
CAPITOLUL 2
f = u12 − u 22 − 6u32 .

expresia
f ( x) = 5 x12 + 6 x 22 + 4 x32 − 4 x1 x 2 − 4 x1 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .
Să se aducă forma pătratică la forma canonică folosind metoda lui Jacobi şi apoi
să se determine baza în raport cu care f are forma canonică respectivă.
SoluŃie. Matricea formei pătratice f relativ la baza canonică a spaŃiului R 3 este
 5 − 2 − 2
 
A = − 2 6 0 .
− 2 0 4 

Avem
5 −2 −2
5 −2
∆1 = 5 , ∆ 2 = = 26 şi ∆ 3 = − 2 6 0 = 80 .
−2 6
−2 0 4
Forma canonică a formei pătratice f este

1 2 5 2 26 2
f ( x) = x'1 + x' 2 + x'3
5 26 80
1 5 13
= x'12 + x' 22 + x'32 ,
5 26 40
unde
x = x'1 e'1 + x' 2 e' 2 + x'3 e'3 ,
iar B' = {e'1 , e' 2 , e'3 } este baza în care se realizează aceasta.
Conform teoriei
B' = {e'1 = c11e1 , e' 2 = c 21e1 + c 22 e2 , e'3 = c31e1 + c32 e2 + c33 e3 }
iar coeficienŃii c11 , c 21 , c22 , c31 , c32 , c33 se determină astfel:
a. c11 se determină din condiŃia
ϕ(e'1 , e1 ) = 1 .
46
b. c21 , c 22 se determină din condiŃiile
ϕ(e' 2 , e1 ) = 0

ϕ(e' 2 , e2 ) = 1
c. c31 , c32 , c33 se determină din condiŃiile
ϕ(e'3 , e1 ) = 0

ϕ(e'3 , e2 ) = 0
ϕ(e' , e ) = 1,
 3 3
unde ϕ este forma polară a foemi pătratice f.

Avem
ϕ(e'1 , e1 ) = ϕ(c11e1 , e1 ) = c11ϕ(e1 , e1 ) = c11a11 = c11 ⋅ 5 .
1 1
Deci, 5c11 = 1 , adică c11 = ceea ce implică e'1 = e1 .
5 5
Avem
ϕ(e' 2 , e1 ) = ϕ(c 21e1 + c 22 e2 , e1 ) = c 21ϕ(e1 , e1 ) + c 22 ϕ(e2 , e1 ) = c 21 ⋅ 5 + c 22 ⋅ (−2)
şi
ϕ(e' 2 , e2 ) = ϕ(c 21e1 + c 22 e2 , e2 ) = c 21ϕ(e1 , e2 ) + c 22 ϕ(e2 , e2 ) = c21 ⋅ (−2) + c22 ⋅ 6 .
Rezolvând sistemul
5c21 − 2c 22 = 0

− 2c21 + 6c22 = 1
obŃinem
1 5
c 21 = , c 22 = ,
13 26
deci
1 5
e' 2 = e1 + e2 .
13 26
Avem
47
CAPITOLUL 2
ϕ(e'3 , e1 ) = ϕ(c31e1 + c32 e2 + c33 e3 , e1 )

= c31ϕ(e1 , e1 ) + c32 ϕ(e2 , e1 ) + c33 ϕ(e3 , e1 )
= c31 ⋅ 5 + c32 ⋅ (−2) + c33 ⋅ (−2),
ϕ(e'3 , e2 ) = ϕ(c31e1 + c32 e2 + c33 e3 , e2 )

= c31ϕ(e1 , e2 ) + c32 ϕ(e2 , e2 ) + c33 ϕ(e3 , e2 )
= c31 ⋅ (−2) + c32 ⋅ 6 + c33 ⋅ 0
şi
ϕ(e'3 , e3 ) = ϕ(c31e1 + c32 e2 + c33 e3 , e3 )
= c31ϕ(e1 , e3 ) + c32 ϕ(e2 , e3 ) + c33 ϕ(e3 , e3 )
= c31 ⋅ (−2) + c32 ⋅ 0 + c33 ⋅ 4.
Rezolvând sistemul
5c31 − 2c32 − 2c33 = 0

− 2c31 + 6c32 =0
 − 2c + 4c =1
 31 33
obŃinem
3 1 13
c31 = , c32 = , c33 = ,
20 20 40
deci
3 1 13
e' 3 = e1 + e2 + e3 .
20 20 40
În final obŃinem
 1 1 5 3 1 13 
B' = e'1 = e1 , e' 2 = e1 + e2 , e'3 = e1 + e2 + e3  .
 5 13 26 20 20 40 
1. Fie aplicaŃia ϕ : R 3 × R 3 → R definită prin

ϕ( x, y ) = x1 y 2 + x 2 y1 + x1 y3 + x3 y1 + x 2 y3 + x3 y 2 ,
x = ( x1 , x 2 , x3 ), y = ( y1 , y 2 , y3 ) ∈ R 3 .
a) Să se arate că ϕ este o formă biliniară.
48
b) Este forma biliniară ϕ simetrică?
2. Se consideră forma pătratică f : R 3 → R care are în raport cu baza canonică
din R 3 expresia
f ( x ) = 8 x12 + 2 x 22 + x32 − 4 x1 x2 + 2 x 2 x3 ,
x = ( x1 , x 2 , x3 ) ∈ R 3 .
Să se scrie forma polară asociată formei pătratice f.
3. Fie forma pătratică f : R 3 → R care are în raport cu baza canonică din R 3

expresia
f ( x ) = 2 x12 + x 22 − 4 x32 + x1 x 2 − 3 x1 x3 + 4 x 2 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .

expresia
f ( x ) = x1 x 2 + x1 x3 + 3 x 2 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .

expresia
f ( x) = 2 x12 + 4 x22 − x32 + 2 x1 x 2 − 6 x1 x3 + 8 x 2 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .

Să se aducă forma pătratică la forma canonică folosind metoda lui Jacobi şi apoi
să se determine baza în raport cu care f are forma canonică respectivă.
6. Se consideră forma pătratică f : R 3 → R care are în raport cu baza canonică
din R 3 expresia
f ( x ) = 2 x12 + x 22 + 3 x32 + 8 x1 x 2 − 12 x1 x3 + 16 x 2 x3 , x = ( x1 , x 2 , x3 ) ∈ R 3 .
Să se aducă forma pătratică la forma canonică folosind metoda lui Gauss şi
metoda lui Jacobi şi apoi să se verifice legea de inerŃie a lui Sylvester.
49
CAPITOLUL 2
50
FUNCłII DE MAI MULTE VARIABILE. DERIVATE PARłIALE. DIFERENłIALE
ELEMENTE DE ANALIZĂ MATEMATICĂ
Analiza matematică este ramură a matematicii care se ocupă cu studiul

funcŃiilor, limitelor, derivatelor şi aplicaŃiilor acestora.
Analiza matematică are aplicaŃii profunde în studiul ecuaŃiilor diferenŃiale, în
teoria controlului optimal, studiul fenomenelor aleatoare, în utilizarea superioară a
tehncii de calcul etc.
Pasul hotărâtor în constituirea analizei matematice ca domeniu esenŃial de studiu
a fost făcut de către I. Newton1 şi G. W. Leibniz2.
Se poate afirma că Leibniz a avut ca scop elaborarea unor metode şi algoritmi
cât mai generali, în timp ce Newton era interesat mai ales în a rezolva probleme legate
de fizică (probleme de mecanică şi de optică).
Aceste două moduri de a privi matematica au coexistat dintotdeauna, au ambele
justificări serioase şi corespund unor temperamente ştiinŃifice diferite, dar la fel de
necesare progresului.
Marele matematician elveŃian L. Euler3 a introdus numărul e, a precizat noŃiunea
de funcŃie. Studiul matematic al mişcării coardei vibrante şi mai târziu studiul
propagării căldurii (datorat lui J. B. J. Fourier4) au condus la considerarea funcŃiilor
arbitrare. P. Lejeune-Dirichlet5 a construit în 1829 exemplul său celebru de funcŃie
discontinuă în orice punct.
Matematicienilor A. L. Cauchy6 şi B. Bolzano7 le datorăm definirea modernă a
conceptului de continuitate (în limbajul ε − δ ), iar lui K. Weierstrass8 conceptul de
continuitate uniformă.
1
Isaac Newton (1642 – 1727), matematician, mecanician, fizician şi astronom englez
2
Gottfried Wilhelm Leibniz (1646 – 1716), matematician şi filosof german
3
Leonhard Euler (1707 – 1783), matematician, mecanician şi astronom elveŃian
4
Jean Baptiste Joseph Fourier (1768 – 1830), matematician şi fizician francez
5
Johann Peter Gustav Lejeune-Dirichlet (1805 – 1859), matematician german
6
Augustin Louis Cauchy (1789 – 1857), matematician şi mecanician francez
7
Bernhard Bolzano (1781 – 1848), matematician, filosof şi socialist utopic ceh
8
Karl Weierstrass (1815 – 1897), matematician german
51
CAPITOLUL 3
Abia după ce matematicienii K. Weierstrass, R. Dedekind9, G. Cantor10 au

definit conceptul de număr real şi după ce Cantor a creat teoria mulŃimilor se poate
vorbi de fundamentarea riguroasă a analizei matematice.
Metodele analizei matematice s-au dovedit de la început extrem de puternice şi
în alte domenii ale ştiinŃei. Astfel, K. F. Gauss a creat geometria diferenŃială, J. L.
Lagrange11 şi P. S. Laplace12 au creat mecanica analitică, iar B. Riemann13, D. Hilbert14
şi H. Lebesgue15 au creat analiza funcŃională.
9
Julius Wilhelm Richard Dedekind (1831 – 1916), matematician german
10
Georg Cantor (1845 – 1918), matematician german
11
Joseph Louis Lagrange (1736 – 1813), matematician şi mecanician francez
12
Pierre Simon Laplace (1749 – 1827), matematician, astronom şi fizician francez
13
Georg Friedrich Bernhard Riemann (1826 – 1866), matematician şi fizician german
14
David Hilbert (1862 – 1943), matematician german
15
Henri Lebesgue (1875 – 1941), matematician francez
52
CAPITOLUL 3
FUNCłII DE MAI MULTE VARIABILE. DERIVATE
PARłIALE. DIFERENłIALE
analiza matematică.
Cuvinte cheie: derivate parŃiale, funcŃie omogenă de grad k, funcŃie diferenŃiabilă,

diferenŃiala unei funcŃii, punct de extrem local, punct de extrem condiŃionat
3.1. Topologie în R n
DefiniŃie. Fie a = (a1 , a 2 ,..., a n ) un punct din spaŃiul R n şi r > 0 un

număr real. Se numeşte sferă deschisă, cu centrul în a şi rază r, mulŃimea
S r ( a ) = {( x1 , x 2 ,..., xn ) ∈ R n | ( x1 − a1 ) 2 + ( x2 − a 2 ) 2 + ... + ( xn − a n ) 2 < r} .
DefiniŃie. Se numeşte vecinătate a unui punct a ∈ R n orice mulŃime
V ⊂ R n care conŃine o sferă deschisă S r (a ) cu centrul în a.
NotaŃie. MulŃimea vecinătăŃilor unui punct a ∈ R n se notează cu V (a ) .
DefiniŃie. O mulŃime A ⊂ R n se numeşte mulŃime deschisă fie dacă A = 0/ ,

fie dacă A este vecinătate pentru orice punct al său.
DefiniŃie. Fie A ⊂ R n şi un punct a ∈ A . Se spune că punctul a este punct

interior mulŃimii A dacă A este vecinătate pentru a, adică dacă
∃r > 0 astfel încât S r (a) ⊂ A .
DefiniŃie. MulŃimea punctelor interioare mulŃimii A se numeşte interiorul
o
lui A şi se notează cu IntA sau A .
53
CAPITOLUL 3
o
ObservaŃie. Evident, A ⊂ A .
3.2. Derivate parŃiale
DefiniŃie. Fie f : D ⊂ R 2 → R , f = f ( x, y ) o funcŃie reală de două

variabile reale şi (a, b ) ∈ D un punct interior mulŃimii D.
1. a) Se spune că funcŃia f are derivată parŃială în raport cu variabila x în
punctul (a,b), dacă există
f ( x , b) − f ( a , b)
lim .
x→a x−a
Limita însăşi se numeşte derivata parŃială în raport cu x a funcŃiei f în punctul
∂f
(a,b) şi se notează f x' (a, b) sau ( a, b) .
∂x
b) Se spune că funcŃia f este derivabilă parŃial în raport cu variabila x în
∂f
punctul (a,b) dacă ( a , b) ∈ R .
∂x
2. a) Se spune că funcŃia f are derivată parŃială în raport cu variabila y în
punctul (a,b), dacă există
f ( a, y ) − f ( a, b)
lim .
y →b y −b
Limita însăşi se numeşte derivata parŃială în raport cu y a funcŃiei f în punctul
∂f
(a,b) şi se notează f y' ( a, b) sau ( a, b) .
∂y
b) Se spune că funcŃia f este derivabilă parŃial în raport cu variabila y în
∂f
punctul (a,b) dacă ( a , b) ∈ R .
∂y
DefiniŃie.
1. Se spune că f este derivabilă parŃial în raport cu x pe o mulŃime A ⊂ D
dacă f este derivabilă parŃial în raport cu x în orice punct din A.
54
2. Se spune că f este derivabilă parŃial în raport cu y pe o mulŃime A ⊂ D

dacă f este derivabilă parŃial în raport cu y în orice punct din A.
3. Se spune că f este derivabilă parŃial pe o mulŃime A ⊂ D dacă este
derivabilă parŃial în raport cu variabilele x şi y în orice punct din A.
Dacă funcŃia f : D ⊂ R 2 → R , f = f ( x, y ) este derivabilă parŃial pe o

mulŃime A ⊂ D , se definesc derivatele parŃiale de ordinul întâi ale funcŃiei f ( x, y ) ca
fiind funcŃiile
∂f ∂f ∂f ∂f
: A → R , ( x, y ) → ( x, y ) şi : A → R , ( x, y ) → ( x, y ) .
∂x ∂x ∂y ∂y
∂f
Practic, ( x, y ) se calculează considerând y constant şi derivând f ca funcŃie de
∂x
∂f
x, iar ( x, y ) se calculează considerând x constant şi derivând f ca funcŃie de y.
∂y
Regulile de calcul ale derivatelor parŃiale pentru suma, produsul, câtul şi
compunerea funcŃiilor de mai multe variabile sunt aceleaşi ca pentru funcŃiile de o
singură variabilă.
ObservaŃie. În mod analog se definesc derivatele parŃiale ale unei funcŃii reale
de n variabile reale.
DefiniŃie. Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) o funcŃie reală de n
variabile reale şi ( a1 , a 2 ,..., a n ) ∈ D un punct interior mulŃimii D.
1. Se spune că funcŃia f are derivată parŃială în raport cu variabila xk în
punctul (a1 , a 2 ,..., a n ) dacă există

f ( a1 , a 2 ,..., a k − 1 , x k , a k + 1 ,..., a n ) − f ( a1 , a 2 ,..., a k − 1 , a k , a k + 1 ,..., a n ) .
lim
xk → ak xk − ak
Limita însăşi se numeşte derivata parŃială în raport cu x k a funcŃiei
f ( x1 , x 2 ,..., x n ) în punctul (a1 , a 2 ,..., a n ) şi se notează f x' k ( a1 ,..., a n ) sau
∂f
( a1 ,..., a n ) .
∂x k
55
CAPITOLUL 3
2. Se spune că funcŃia f este derivabilă parŃial în raport cu variabila xk în

punctul (a1 , a 2 ,..., a n ) dacă ∂ f ( a1 ,..., a n ) ∈ R .
∂x k
DefiniŃie.
1. Se spune că funcŃia f este derivabilă parŃial în raport cu variabila xk pe
o mulŃime A ⊂ D dacă f este derivabilă parŃial în raport cu xk în orice punct din A.

2. Se spune că f este derivabilă parŃial pe o mulŃime A ⊂ D dacă este
derivabilă parŃial în raport cu fiecare variabilă x1 , x 2 ,..., xn în orice punct din A.
Dacă funcŃia f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) este derivabilă parŃial pe

o mulŃime A ⊂ D , se definesc derivatele parŃiale de ordinul întâi ale funcŃiei f ca fiind
funcŃiile
∂f ∂f
: A → R , ( x1 , x 2 ,..., x n ) → ( x1 , x 2 ,..., x n )
∂ x1 ∂ x1
∂f ∂f
: A → R , ( x1 , x 2 ,..., x n ) → ( x1 , x 2 ,..., x n )
∂x 2 ∂x 2
.......... .......... .......... .......... .......... .......... .......... .........
∂f ∂f
: A → R , ( x1 , x 2 ,..., x n ) → ( x1 , x 2 ,..., x n ).
∂x n ∂x n
FuncŃii omogene
DefiniŃie. Se spune că funcŃia f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) este
omogenă de grad k, dacă are proprietatea că fiind definită pentru ( x1 , x 2 ,..., x n ) este
definită şi pentru ( tx1 , tx 2 ,..., tx n ) cu t > 0 şi
f ( tx 1 , tx 2 ,..., tx n ) = t k f ( x1 , x 2 ,..., x n ) .
Teorema lui Euler 16. Dacă funcŃia f : D ⊂ Rn → R , f = f ( x1 , x 2 ,..., x n ) ,

omogenă de grad k este derivabilă parŃial pe D, atunci
16
Leonhard Euler (1707 – 1783), matematician, mecanician şi astronom elveŃian
56
∂f ∂f ∂f
x1 (x1, x2,...,xn ) + x2 (x1, x2,...,xn ) + ...+ xn (x1, x2,...,xn ) = kf (x1, x2,...,xn ) .
∂x1 ∂x2 ∂xn
Derivate parŃiale de ordin superior
Fie D o mulŃime din R 2 . Pentru simplificarea expunerii vom presupune că

mulŃimea D este deschisă, adică este formată numai din puncte interioare.
DefiniŃie. Fie f : D ⊂ R 2 → R , f = f ( x, y ) o funcŃie derivabilă parŃial pe

D şi (a, b) ∈ D .
În acest caz sunt definite derivatele parŃiale de ordinul întâi ale funcŃiei f:
∂f ∂f
: D → R , ( x, y ) → ( x, y )
∂x ∂x
∂f ∂f
: D → R , ( x, y ) → ( x, y ).
∂y ∂y
∂f
1. Dacă există derivata parŃială în (a,b) în raport cu x a funcŃiei , atunci
∂x
aceasta se va numi derivată parŃială de ordin doi a funcŃiei f în punctul (a,b) şi se va
∂2 f
nota prin (a, b) sau f x"2 ( a, b) .
2
∂x
∂f
Dacă există derivata parŃială în (a,b) în raport cu y a funcŃiei , atunci
∂x
aceasta se va numi derivată parŃială mixtă de ordin doi a funcŃiei f în punctul (a,b) şi se
∂2 f "
va nota prin ( a, b) sau f xy ( a , b) .
∂y∂x
∂f
Dacă există derivata parŃială în (a,b) în raport cu x a funcŃiei , atunci
∂y
aceasta se va numi derivată parŃială mixtă de ordin doi a funcŃiei f în punctul (a,b) şi se
∂2 f "
va nota prin (a, b) sau f yx ( a , b) .
∂x∂y
57
CAPITOLUL 3
∂f
Dacă există derivata parŃială în (a,b) în raport cu y a funcŃiei , atunci
∂y
aceasta se va numi derivată parŃială de ordin doi a funcŃiei f în punctul (a,b) şi se va
∂2 f
nota prin (a, b) sau f y"2 (a, b) .
2
∂y
∂f ∂f
2. Dacă funcŃiile , : D ⊂ R 2 → R sunt derivabile parŃial pe D, se
∂x ∂y
definesc derivatele parŃiale de ordinul doi ale funcŃiei f ca fiind funcŃiile
∂2 f ∂2 f
: D → R , ( x, y ) → ( x, y )
∂x 2 ∂x 2
∂2 f ∂2 f
: D → R , ( x, y ) → ( x, y )
∂x ∂y ∂x∂y
∂2 f ∂2 f
: D → R , ( x, y ) → ( x, y )
∂y ∂x ∂y ∂x
∂2 f ∂2 f
: D → R , ( x, y ) → ( x, y )
∂y 2 ∂y 2
ObservaŃie. În general, derivatele parŃiale mixte de ordin doi nu sunt egale.
Următoarea teoremă stabileşte condiŃii suficiente pentru egalitatea derivatelor
parŃiale mixte de ordinul doi într-un punct.
Teoremă (Criteriul lui Schwarz17). Fie D o mulŃime deschisă din R 2 şi
f : D ⊂ R 2 → R . Dacă funcŃia f are derivatele parŃiale mixte de ordinul doi
∂2 f ∂2 f
, într-o vecinătate a unui punct (a, b) ∈ D finite şi dacă funcŃiile
∂x∂y ∂y∂x
∂2 f ∂2 f
, sunt continue18 în (a,b), atunci
∂x∂y ∂y∂x
17
Hermann Schwarz (1843 – 1921), matematician german
18
DefiniŃie. Fie funcŃia f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) şi un punct a = (a1 , a 2 ,..., a n ) ∈ D .
Se spune că funcŃia f este continuă în punctul a dacă pentru orice vecinătate U a lui f (a) , există o
vecinătate V a lui a astfel încât oricare ar fi x ∈ V ∩ D să avem f ( x) ∈ U .
Se spune că funcŃia f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) este continuă pe o mulŃime A ⊂ D
dacă este continuă în orice punct din A.
58
∂2 f ∂2 f
(a, b) = (a, b) .
∂x∂y ∂y∂x
ObservaŃie. În mod analog se definesc derivatele parŃiale de ordinul doi ale

unei funcŃii reale de n variabile reale.
Fie D o mulŃime din R n . Pentru simplificarea expunerii vom presupune că

mulŃimea D este deschisă, adică este formată numai din puncte interioare.
DefiniŃie. Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) o funcŃie derivabilă
parŃial pe D şi (a1 , a 2 ,..., a n ) ∈ D .

În acest caz sunt definite derivatele parŃiale de ordinul întâi ale funcŃiei f:
∂f ∂f
: D → R , ( x1 , x2 ,..., xn ) → ( x1 , x2 ,..., xn ) , k = 1, n .
∂x k ∂xk
1. Dacă există derivata parŃială în (a1 , a 2 ,..., a n ) în raport cu xk a funcŃiei
∂f
, atunci aceasta se va numi derivată parŃială de ordin doi a funcŃiei f în punctul
∂x k
2
(a1 , a 2 ,..., a n ) şi se va nota prin ∂ f (a1 ,..., a n ) sau f "2 (a1 ,..., a n ) .
2 xk
∂x k
∂f
Dacă există derivata parŃială în (a1 , a 2 ,..., a n ) în raport cu xl a funcŃiei
∂x k
(l ≠ k ) , atunci aceasta se va numi derivată parŃială mixtă de ordin doi a funcŃiei f în
∂2 f
punctul (a1 , a 2 ,..., a n ) şi se va nota prin (a1 ,..., a n ) sau f x"k xl (a1 ,..., a n )
∂x l ∂ x k
( l ≠ k ).
∂f
2. Dacă funcŃiile : D ⊂ R n → R , k = 1, n sunt derivabile parŃial pe D, se
∂x k
definesc derivatele parŃiale de ordinul doi ale funcŃiei f ca fiind funcŃiile
∂2 f ∂2 f
: D → R , ( x1 , x2 ,..., x n ) → ( x1 , x 2 ,..., x n ) , k = 1, n ,
∂x k2 ∂xk2
∂2 f ∂2 f
: D → R, ( x1 , x 2 ,..., x n ) → ( x1 , x2 ,..., x n ) , k = 1, n , l ≠ k .
∂xl ∂xk ∂xl ∂xk
ObservaŃie. Derivatele parŃiale de ordin trei, patru, ş.a.m.d. se definesc în
acelaşi mod ca şi derivatele parŃiale de ordin doi.
59
CAPITOLUL 3
Derivate parŃiale pentru funcŃii compuse
Fie A şi B două mulŃimi din R 2 . Pentru simplificarea expunerii vom presupune

că A şi B sunt deschise, adică sunt formate numai din puncte interioare.
Fie u , v : A ⊂ R 2 → R , u = u ( x, y ), v = v( x, y ) două funcŃii reale de două

variabile reale astfel ca (u ( x, y ), v ( x, y )) ∈ B, ∀( x, y ) ∈ A şi f : B → R , f = f (u , v ) o
funcŃie reală definită pe B.
Putem considera funcŃia compusă
F ( x, y ) = f (u ( x, y ), v ( x, y ))
(funcŃie reală definită pentru ( x, y ) ∈ A ).
Teoremă. Dacă funcŃiile u şi v au derivate parŃiale continue pe A şi funcŃia
f are derivate parŃiale continue pe B, atunci funcŃia compusă
F ( x, y ) = f (u ( x, y ), v( x, y )) are derivate parŃiale continue pe A date de formulele:
∂F ∂f ∂u ∂f ∂v
( x, y ) = ( u ( x , y ), v ( x , y )) ( x, y ) + ( u ( x , y ), v ( x , y )) ( x, y )
∂x ∂u ∂x ∂v ∂x
∂F ∂f ∂u ∂f ∂v
( x, y ) = ( u ( x , y ), v ( x , y )) ( x, y ) + ( u ( x , y ), v ( x , y )) ( x , y ).
∂y ∂u ∂y ∂v ∂y
Aceste formule se scriu într-o formă incompletă, dar mai uşor de reŃinut astfel:
∂F ∂f ∂u ∂f ∂v
= +
∂x ∂u ∂x ∂v ∂x
∂F ∂f ∂u ∂f ∂v
= + .
∂y ∂u ∂y ∂v ∂y
ObservaŃie. Teorema precedentă rămâne adevărată pentru funcŃii reale de n
variabile reale.
Fie A şi B două mulŃimi din R n . Pentru simplificarea expunerii vom presupune

Fie u1 , u 2 ,..., u n : A ⊂ R n → R , u1 = u1 ( x1 , x 2 ,..., x n ), u 2 = u 2 ( x1 , x2 ,..., x n ), ... ,
u n = u n ( x1 , x 2 ,..., x n ) n funcŃii reale de n variabile reale astfel ca
(u1 ( x1 , x 2 ,..., x n ) , u 2 ( x1 , x2 ,..., xn ), ..., u n ( x1 , x2 ,..., xn )) ∈ B , ∀( x1 , x2 ,..., xn ) ∈ A
şi f : B → R , f = f (u1 , u 2 ,..., u n ) o funcŃie reală definită pe B.
60

F ( x1 , x 2 ,..., x n ) = f (u1 ( x1 , x 2 ,..., x n ), u 2 ( x1 , x 2 ,..., x n ),..., u n ( x1 , x 2 ,..., x n ))
(funcŃie reală definită pentru ( x1 , x2 ,..., xn ) ∈ A ).
Teoremă. Dacă funcŃiile u1 , u 2 , ..., u n admit derivate parŃiale continue pe
A şi funcŃia f admite derivate parŃiale continue pe B, atunci funcŃia compusă
F ( x1 , x 2 ,..., x n ) = f (u1 ( x1 , x 2 ,..., x n ), u 2 ( x1 , x 2 ,..., x n ),..., u n ( x1 , x 2 ,..., x n ))

are derivate parŃiale continue pe A date de formulele:
∂F
( x1 , x 2 ,..., xn )
∂x1
n ∂f ∂u
=∑ (u( x1 , x2 ,..., x n ), u( x1 , x2 ,..., x n ),..., u ( x1 , x 2 ,..., x n )) i ( x1 , x 2 ,..., x n )
i =1∂ui ∂x1
∂F
( x1 , x2 ,..., x n )
∂x2
n ∂f ∂u
=∑ (u( x1 , x2 ,..., x n ), u( x1 , x2 ,..., x n ),..., u ( x1 , x 2 ,..., x n )) i ( x1 , x 2 ,..., x n )
i =1∂ui ∂x2
M
∂F
( x1 , x 2 ,..., x n )
∂x n
n ∂f ∂u
= ∑ (u ( x1 , x 2 ,..., x n ), u ( x1 , x 2 ,..., x n ),..., u ( x1 , x 2 ,..., x n )) i ( x1 , x 2 ,..., x n ).
i =1 ∂u i ∂x n
∂F n ∂f ∂ui ∂f ∂u1 ∂f ∂u2 ∂f ∂un
=∑ = + + ... +
∂x1 i=1∂ui ∂x1 ∂u1 ∂x1 ∂u2 ∂x1 ∂un ∂x1
∂F n ∂f ∂u i ∂f ∂u1 ∂f ∂u 2 ∂f ∂un
=∑ = + + ... +
∂x2 i=1∂ui ∂x2 ∂u1 ∂x2 ∂u2 ∂x2 ∂un ∂x2
M
∂F n ∂f ∂ui ∂f ∂u1 ∂f ∂u2 ∂f ∂un
=∑ = + + ... + .
∂xn i=1∂ui ∂xn ∂u1 ∂xn ∂u2 ∂xn ∂un ∂xn
Derivate parŃiale de ordin doi ale funcŃiilor compuse

61
CAPITOLUL 3

variabile reale astfel ca (u ( x, y ), v( x, y )) ∈ B, ∀( x, y ) ∈ A şi f : B → R , f = f (u , v ) o
F ( x, y ) = f (u ( x, y ), v( x, y ))
Teoremă. Dacă funcŃiile u şi v admit derivate parŃiale de ordinul doi
continue pe A şi funcŃia f admite derivate parŃiale de ordinul doi continue pe B, atunci
funcŃia compusă F ( x, y ) = f (u ( x, y ), v ( x, y )) admite derivate parŃiale de ordinul doi
continue pe A date de formulele:
2
∂2F ∂2 f  ∂u  ∂2 f ∂u ∂v
( x, y ) = (u ( x, y ), v ( x, y )) ( x, y )  + 2 (u ( x, y ), v ( x, y )) ( x, y ) ( x, y ) +
∂x 2 ∂u 2  ∂x  ∂ u ∂v ∂x ∂x
2 2 2
∂ f  ∂v  ∂f ∂ u
+ (u ( x, y ), v ( x, y )) ( x, y )  + (u ( x, y ), v ( x, y )) ( x, y ) +
∂v 2  ∂x  ∂u ∂x 2
∂f ∂ 2v
+ (u ( x, y ), v ( x, y )) ( x, y ),
∂v ∂x 2
2
∂2F ∂2 f  ∂u  ∂2 f ∂u ∂v
( x, y ) = (u ( x, y ), v ( x, y )) ( x, y )  + 2 (u ( x, y ), v ( x, y )) ( x, y ) ( x, y ) +
∂y 2 ∂u 2  ∂y  ∂u∂v ∂y ∂y
2
∂2 f  ∂v  ∂f ∂ 2u
+ (u ( x, y ), v( x, y )) ( x, y )  + (u ( x, y ), v( x, y )) ( x, y ) +
∂v 2  ∂y  ∂u ∂y 2
∂f ∂ 2v
+ (u ( x, y ), v ( x, y )) ( x, y ),
∂v ∂y 2
∂2F ∂2 f ∂u ∂u
( x, y ) = (u ( x , y ), v ( x , y )) ( x, y ) ( x, y ) +
∂x ∂y ∂u 2 ∂x ∂y
∂2 f  ∂u ∂v ∂v ∂u 
+ (u ( x , y ), v ( x , y ))  ( x , y ) ( x, y ) + ( x, y ) ( x, y ) +
∂ u ∂v  ∂ x ∂ y ∂ x ∂ y 
∂2 f ∂v ∂v
+ (u ( x, y ), v ( x, y )) ( x , y ) ( x, y ) +
∂v 2 ∂x ∂y
∂f ∂ 2u
+ (u ( x, y ), v ( x, y )) ( x, y ) +
∂u ∂x ∂y
∂f ∂ 2v
+ (u ( x, y ), v ( x, y )) ( x, y ),
∂v ∂x ∂y
62
∂2F ∂2 f ∂u ∂u
( x, y ) = (u ( x, y ), v ( x, y )) ( x, y ) ( x, y ) +
∂y ∂x ∂u 2 ∂y ∂x
∂2 f  ∂u ∂v ∂v ∂u 
+ (u ( x, y ), v ( x, y ))  ( x, y ) ( x, y ) + ( x, y ) ( x, y )  +
∂u ∂v  ∂ y ∂ x ∂ y ∂ x 
∂2 f ∂v ∂v
+ (u ( x , y ), v ( x, y )) ( x , y ) ( x, y ) +
∂v 2 ∂y ∂x
∂f ∂ 2u
+ (u ( x , y ), v ( x , y )) ( x, y ) +
∂u ∂y ∂ x
∂f ∂ 2v
+ (u ( x, y ), v ( x, y )) ( x, y ).
∂v ∂y ∂x
2 2 2
∂ F ∂ 2 f  ∂u  ∂ 2 f ∂u ∂v ∂ 2 f  ∂v  ∂f ∂ 2 u ∂f ∂ 2 v
=   + 2 +   + +
∂x 2 ∂u 2  ∂x  ∂u∂v ∂x ∂x ∂v 2  ∂x  ∂u ∂x 2 ∂v ∂x 2
2 2
∂2F ∂ 2 f  ∂u  ∂ 2 f ∂u ∂v ∂ 2 f  ∂v  ∂f ∂ 2 u ∂f ∂ 2 v
=   + 2 +   + +
∂y 2 ∂u 2  ∂y  ∂u∂v ∂y ∂y ∂v 2  ∂y  ∂u ∂y 2 ∂v ∂y 2
∂ 2 F ∂ 2 f ∂u ∂u ∂ 2 f  ∂u ∂v ∂v ∂u  ∂ 2 f ∂v ∂v ∂f ∂ 2 u ∂f ∂ 2 v
= + + + + +
∂x∂y ∂u 2 ∂x ∂y ∂u∂v  ∂x ∂y ∂x ∂y  ∂v 2 ∂x ∂y ∂u ∂x∂y ∂v ∂x∂y
∂ 2 F ∂ 2 f ∂u ∂u ∂ 2 f  ∂u ∂v ∂v ∂u  ∂ 2 f ∂v ∂v ∂f ∂ 2 u ∂f ∂ 2 v
= + + + + + .
∂y∂x ∂u 2 ∂y ∂x ∂u∂v  ∂y ∂x ∂y ∂x  ∂v 2 ∂y ∂x ∂u ∂y∂x ∂v ∂y∂x
Într-adevăr,
∂2F ∂  ∂F  ∂  ∂f ∂u ∂f ∂v  ∂  ∂f  ∂u ∂f ∂ 2 u ∂  ∂f  ∂v ∂f ∂ 2 v
=  =  + =   + +   +
∂x 2 ∂x  ∂x  ∂x  ∂u ∂x ∂v ∂x  ∂x  ∂u  ∂x ∂u ∂x 2 ∂x  ∂v  ∂x ∂v ∂x 2
 ∂ 2 f ∂u ∂ 2 f ∂v  ∂u ∂f ∂ 2 u  ∂ 2 f ∂u ∂ 2 f ∂v  ∂u ∂f ∂ 2 v
= +  + + +  +
 ∂u 2 ∂x ∂u∂v ∂x  ∂x ∂u ∂x 2  ∂u∂v ∂x ∂v 2 ∂x  ∂x ∂v ∂x 2
   
2 2
∂ 2 f  ∂u  ∂ 2 f ∂u ∂v ∂ 2 f  ∂v  ∂f ∂ 2 u ∂f ∂ 2 v
=   +2 +   + + .
∂u 2  ∂x  ∂u∂v ∂x ∂x ∂v 2  ∂x  ∂u ∂x 2 ∂v ∂x 2
Analog, se calculează şi celelalte trei.
3.3. DiferenŃiale
DiferenŃiabilitatea funcŃiilor de mai multe variabile
Fie f : D ⊂ R 2 → R , f = f ( x, y ) o funcŃie reală de două variabile reale şi

( a, b) ∈ D un punct interior mulŃimii D.
63
CAPITOLUL 3
DefiniŃie. Se spune că funcŃia f este diferenŃiabilă în punctul (a,b) dacă
există două numere reale λ1 , λ 2 şi o funcŃie ω : D ⊂ R 2 → R, ω = ω( x,y) continuă în

punctul (a,b) şi nulă în acest punct
lim ω( x, y ) = ω(a, b) = 0 ,
x→a
y →b
astfel încât pentru orice ( x, y ) ∈ D să avem
f ( x, y ) − f (a, b) = λ1 ( x − a) + λ 2 ( y − b) + ω( x, y ) ( x − a) 2 + ( y − b) 2 .
Se spune că f ( x, y ) este diferenŃiabilă pe o mulŃime A ⊂ D dacă este

diferenŃiabilă în orice punct din A.
Teoremă. Dacă funcŃia f este diferenŃiabilă în punctul (a,b), atunci ea are
derivate parŃiale în (a,b) şi
∂f
( a , b ) = λ1 ,
∂x
∂f
( a , b) = λ 2 .
∂y
ObservaŃie. Reciproca teoremei nu este în general adevărată. Există funcŃii
care au derivate parŃiale, dar care nu sunt diferenŃiabile.
Dacă funcŃia f este diferenŃiabilă în punctul (a,b), atunci egalitatea de definiŃie a
diferenŃiabilităŃii se scrie astfel
∂f ∂f
f ( x, y ) − f ( a , b ) = ( a, b)( x − a ) + ( a, b)( y − b) + ω( x, y ) ( x − a ) 2 + ( y − b) 2
∂x ∂y
DiferenŃa x – a se numeşte creşterea primei variabile de la a la x, iar diferenŃa
y – b se numeşte creşterea celei de a doua variabile de la b la y.

DiferenŃa f ( x, y ) − f ( a, b) se numeşte creşterea funcŃiei corespunzătoare
creşterilor x – a şi y – b ale argumentelor.
Deoarece funcŃia ω este continuă în punctul (a,b) şi nulă în acest punct, are loc
următoarea relaŃie de aproximare
∂f ∂f
f ( x, y ) − f (a , b ) ≈ ( a, b)( x − a ) + (a, b)( y − b) .
∂x ∂y
64
DefiniŃie. Fie funcŃia f : D ⊂ R 2 → R , f = f ( x, y ) diferenŃiabilă în punctul
(a, b) . FuncŃia liniară T : R 2 → R definită prin

∂f ∂f
T (h1 , h2 ) = (a, b) h1 + ( a, b) h2
∂x ∂y
se numeşte diferenŃiala funcŃiei f în punctul (a,b) şi se notează df (a, b)
∂f ∂f
df (a, b)(h1 , h2 ) = (a, b)h1 + (a, b)h2 .
∂x ∂y
Considerăm cazul particular al proiecŃiilor P1 : R 2 → R , P1 ( x, y ) = x şi
P2 : R 2 → R , P2 ( x, y ) = y .
Avem
dP1 (a, b)(h1 , h2 ) = h1
şi
dP2 ( a, b)(h1 , h2 ) = h2 .
Pe scurt
dx( h1 , h2 ) = h1
şi
dy (h1 , h2 ) = h2 .
Atunci putem scrie
∂f ∂f
df (a, b) = ( a, b) dx + (a, b)dy .
∂x ∂y
Dacă funcŃia f este diferenŃiabilă pe o mulŃime A ⊂ D scriem
∂f ∂f
df = dx + dy
∂x ∂y
pe A.
ObservaŃie. În mod analog se defineşte diferenŃiabilitatea unei funcŃii reale de
n variabile reale. Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) o funcŃie reală de n
variabile reale şi ( a1 , a 2 ,..., a n ) ∈ D un punct interior mulŃimii D.
65
CAPITOLUL 3
Se spune că funcŃia f este diferenŃiabilă în punctul (a1 , a 2 ,..., a n ) dacă există n
numere reale λ1 , λ 2 ,..., λ n şi o funcŃie ω : D ⊂ R n → R continuă în punctul
(a1 , a 2 ,..., a n ) şi nulă în acest punct
lim ω( x1 , x 2 ,..., x n ) = ω(a1 , a 2 ,..., a n ) = 0 ,

x1 → a1
x2 → a2
...
xn → an
astfel încât pentru orice ( x1 , x 2 ,..., x n ) ∈ D să avem
f (x1, x2 ,...,xn ) − f (a1, a2 ,...,an ) = λ1(x1 − a1 ) + λ2 (x2 − a2 ) +...+ λn (xn − an ) +
+ ω(x1, x2 ,...,xn ) (x1 − a1) 2 + (x2 − a2 ) 2 + ...+ (xn − an ) 2 .
Se spune că f este diferenŃiabilă pe o mulŃime A ⊂ D dacă este diferenŃiabilă în

orice punct din A.
Teoremă. Dacă funcŃia f este diferenŃiabilă în punctul (a1 , a 2 ,..., a n ) ,
atunci ea are derivate parŃiale în (a1 , a 2 ,..., a n ) şi
∂f
(a1 , a 2 ,..., a n ) = λ1 ,
∂x1
∂f
(a1 , a 2 ,..., a n ) = λ 2 ,
∂x2
M
∂f
(a1 , a2 ,..., a n ) = λ n .
∂xn
Dacă funcŃia f este diferenŃiabilă în punctul (a1 , a 2 ,..., a n ) atunci egalitatea de

definiŃie a diferenŃiabilităŃii se scrie astfel
∂f
f (x1, x2 ,...,xn ) − f (a1, a2 ,...,an ) = (a1, a2 ,...,an )(x1 − a1) +
∂x1
∂f
+ (a1, a2 ,...,an )(x2 − a2 ) + ...+
∂x2
∂f
+ (a1, a2 ,...,an )(xn − an ) +
∂xn
+ ω(x1, x2 ,...,xn ) (x1 − a1)2 + (x2 − a2 )2 + ... + (xn − an )2 .
66
Deoarece funcŃia ω este continuă în punctul (a1 , a 2 ,..., a n ) şi nulă în acest

punct, are loc următoarea relaŃie de aproximare
∂f
f (x1, x2 ,...,xn ) − f (a1, a2 ,...,an ) ≈ (a1, a2 ,...,an )(x1 − a1) +
∂x1
∂f
+ (a1, a2 ,...,an )(x2 − a2 ) + ...+
∂x2
∂f
+ (a1, a2 ,...,an )(xn − an ).
∂xn
DefiniŃie. Fie funcŃia f : D ⊂ R n → R, f = f ( x1 , x2 ,..., x n ) diferenŃiabilă în
punctul ( a1 , a 2 ,..., a n ) .
FuncŃia liniară T : R n → R definită prin

∂f ∂f
T (h1, h2 ,...,hn ) =
(a1, a2 ,...,an )h1 + (a1, a2 ,...,an )h2 + ... +
∂x1 ∂x2
∂f
+ (a1, a2 ,...,an )hn
∂xn
se numeşte diferenŃiala funcŃiei f în punctul (a1 , a 2 ,..., a n ) şi se notează
df (a1 , a 2 ,..., a n ) .
Considerăm cazul particular al proiecŃiilor
P1 : R n → R , P1 ( x1 , x 2 ,..., x n ) = x1 ,
P2 : R n → R, P2 ( x1 , x2 ,..., x n ) = x 2 ,
M
Pn : R n → R , Pn ( x1 , x 2 ,..., xn ) = x n .
Avem
dP1 ( a1 , a 2 ,..., a n )(h1 , h2 ,..., hn ) = h1 ,
dP2 ( a1 , a 2 ,..., a n )(h1 , h2 ,..., hn ) = h2 ,
M
dPn (a1 , a 2 ,..., a n )(h1 , h2 ,..., hn ) = hn .
Pe scurt
dx1 ( h1 , h2 ,..., hn ) = h1 ,
dx 2 (h1 , h2 ,..., hn ) = h2 ,
M
dx n ( h1 , h2 ,..., hn ) = hn .
67
CAPITOLUL 3
Atunci putem scrie

∂f
df (a1 , a 2 ,..., a n ) = (a1 , a2 ,..., a n )dx1 +
∂x1
∂f
+ (a1 , a 2 ,..., an )dx2 +
∂x 2
∂f
+ ... + (a1 , a2 ,..., a n )dxn .
∂x n
Dacă funcŃia f este diferenŃiabilă pe o mulŃime A ⊂ D scriem
∂f ∂f ∂f
df = dx1 + dx2 + ... + dxn
∂x1 ∂x 2 ∂xn
pe A.
DiferenŃiale de ordin superior
Fie f : D ⊂ R 2 → R , f = f(x,y) o funcŃie reală de două variabile reale şi

(a, b) ∈ D un punct interior mulŃimii D.
DefiniŃie. Se spune că funcŃia f este diferenŃiabilă de două ori în punctul

 ∂f ∂f 
(a, b) dacă derivatele parŃiale de ordinul întâi ale lui f  ,  există într-o
 ∂x ∂y 
vecinătate a punctului (a, b) şi sunt diferenŃiabile în (a, b) .
Se spune că f este diferenŃiabilă de două ori pe o mulŃime A ⊂ D dacă este
diferenŃiabilă de două ori în orice punct din A.
Dacă f este diferenŃiabilă de două ori în (a, b) , atunci
∂2 f ∂2 f
( a , b) = ( a, b) .
∂x∂y ∂y∂x
DefiniŃie. Fie f : D ⊂ R 2 → R , f = f ( x, y ) diferenŃiabilă de două ori în
punctul (a, b) . Forma pătratică
d 2 f (a, b) : R 2 → R
definită prin
∂2 f ∂2 f ∂2 f
d 2 f (a, b)(h1 , h2 ) = (a, b)h12 + 2
(a, b)h1h2 + (a, b)h22
∂x 2 ∂x ∂ y ∂y 2
se numeşte diferenŃiala de ordinul doi a funcŃiei f în punctul (a, b) .
68
Formal putem scrie

2
2  ∂ ∂ 
d f (a, b)(h1 , h2 ) =  h1 + h2  f (a, b) ,
 ∂x ∂y 
unde exponentul 2 înseamnă că se ridică – formal – suma din paranteză la pătrat şi apoi
se înmulŃeşte – formal – cu f (a, b) .
Dacă se Ńine seama de expresiile diferenŃialelor dx şi dy , egalitatea se mai sus
devine
2
2  ∂ ∂ 
d f (a, b) =  dx + dy  f (a, b) .
 ∂x ∂y 
DefiniŃie. Se spune că funcŃia f este diferenŃiabilă de n ori în punctul (a,b)
dacă toate derivatele parŃiale de ordinul n – 1 ale lui f există într-o vecinătate a
punctului (a,b) şi sunt diferenŃiabile în (a,b) .
Se spune că f este diferenŃiabilă de n ori pe o mulŃime A ⊂ D dacă este
diferenŃiabilă de n ori în orice punct din A.
DiferenŃiala de ordinul n a funcŃiei f în punctul (a,b) se notează d n f (a, b) .

Formal
n
n ∂ ∂ 
d f (a, b) =  dx + dy  f (a, b) ,
 ∂x ∂y 
unde exponentul n înseamnă că se dezvoltă formal suma din paranteză după regula
binomului lui Newton şi apoi se înmulŃeşte formal cu f(a,b).
Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) o funcŃie reală de n variabile reale şi
(a1 , a 2 ,..., a n ) ∈ D un punct interior mulŃimii D.

DefiniŃie. Se spune că funcŃia f este diferenŃiabilă de două ori în punctul
 ∂f ∂f ∂f 
(a1 , a 2 ,..., a n ) dacă derivatele parŃiale de ordinul întâi ale lui f  , ,..., 
 ∂x1 ∂x 2 ∂x n 
există într-o vecinătate a punctului (a1 , a 2 ,..., a n ) şi sunt diferenŃiabile în
(a1 , a 2 ,..., a n ) .
Se spune că funcŃia f este diferenŃiabilă de două ori pe o mulŃime A ⊂ D dacă
este diferenŃiabilă de două ori în orice punct din A.
69
CAPITOLUL 3
ObservaŃie. Dacă f este diferenŃiabilă de două ori în punctul (a1 , a 2 ,..., a n ) ,

atunci
∂2 f ∂2 f
(a1 , a 2 ,..., a n ) = (a1 , a 2 ,..., a n ) .
∂xi ∂x j ∂x j ∂xi
DefiniŃie. Fie f : D ⊂ Rn → R , f = f ( x1 , x 2 ,..., xn ) diferenŃiabilă de
două ori în punctul (a1 , a 2 ,..., a n ) . Forma pătratică
d 2 f (a1 , a 2 ,..., a n ) : R n → R
n n ∂2 f
definită prin d 2 f (a1 , a 2 ,..., a n )(h1 , h2 ,..., hn ) = ∑ ∑ (a1 , a 2 ,..., a n )hi h j se
i =1 j =1 ∂xi ∂x j
numeşte diferenŃiala de ordinul doi a funcŃiei f în punctul (a1 , a 2 ,..., a n ) .
Formal putem scrie
2
 ∂ ∂ ∂ 
d 2 f (a1 , a 2 ,..., a n )(h1 , h2 ,..., hn ) =  h1 + h2 + ... + hn  f (a1 , a 2 ,..., a n )
 ∂x1 ∂x2 ∂x n 
unde exponentul 2 înseamnă că se ridică formal suma din paranteză la pătrat şi apoi se
înmulŃeşte – formal – cu f (a1 , a 2 ,..., a n ) .
Dacă se Ńine seama de expresiile diferenŃialelor dx1 , dx2 ,..., dxn , egalitatea de
mai sus devine
2
2  ∂ ∂ ∂ 
d f (a1 , a 2 ,..., a n ) =  dx1 + dx 2 + ... + dx n  f (a1 , a 2 ,..., a n ) .
 ∂x1 ∂x 2 ∂xn 
DefiniŃie. Se spune că funcŃia f este diferenŃiabilă de n ori în punctul
(a1 , a 2 ,..., a n ) dacă toate derivatele parŃiale de ordinul n – 1 ale lui f există într-o
vecinătate a punctului (a1 , a 2 ,..., a n ) şi sunt diferenŃiabile în (a1 , a 2 ,..., a n ) .

Se spune că f este diferenŃiabilă de n ori pe o mulŃime A ⊂ D dacă este
diferenŃiabilă de n ori în orice punct din A.
DiferenŃiala de ordinul n a funcŃiei f în punctul (a1 , a 2 ,..., a n ) se notează
n
d f (a1 , a 2 ,..., a n ) .
Formal,
n
 ∂ ∂ ∂ 
d n f ( a1 , a 2 ,..., a n ) =  dx 1 + dx 2 + ... + dx n  f ( a1 , a 2 ,..., a n )
 ∂ x1 ∂x 2 ∂x n 
unde exponentul n înseamnă că se dezvoltă formal suma din paranteză şi apoi se
înmulŃeşte formal cu f (a1 , a 2 ,..., a n ) .
70
DiferenŃiala funcŃiilor compuse


variabile reale astfel ca (u ( x, y ), v ( x, y )) ∈ B, ∀( x, y ) ∈ A şi f : B → R , f = f (u , v ) o
F ( x, y ) = f (u ( x, y ), v ( x, y ))
Teoremă. Dacă funcŃiile u şi v sunt diferenŃiabile pe A şi funcŃia f este
diferenŃiabilă pe B, atunci funcŃia compusă F(x,y) = f(u(x,y),v(x,y)) este diferenŃiabilă
pe A.
∂F ∂F ∂F ∂f ∂u ∂f ∂v ∂F ∂f ∂u ∂f ∂v
Avem dF = dx + dy . Dar = + şi = + .
∂x ∂y ∂x ∂u ∂x ∂v ∂x ∂y ∂u ∂y ∂v ∂y
Înlocuind, obŃinem
 ∂f ∂u ∂f ∂v   ∂f ∂u ∂f ∂v 
dF =  + dx +  + dy
 ∂u ∂x ∂v ∂x   ∂u ∂y ∂v ∂y 
∂f  ∂u ∂u  ∂f  ∂v ∂v 
=  dx + dy  +  dx + dy 
∂u  ∂x ∂y  ∂v  ∂x ∂y 
∂f ∂f
= du + dv = df .
∂u ∂v
Rezultă că diferenŃiala de ordinul întâi este invariantă faŃă de compunerea
funcŃiilor.
DiferenŃiala de ordin doi a funcŃiilor compuse

Teoremă. Dacă funcŃiile u şi v sunt diferenŃiabile de două ori pe A şi
funcŃia f este diferenŃiabilă de două ori pe B, atunci funcŃia compusă
F ( x, y ) = f (u ( x, y ), v ( x, y )) este diferenŃiabilă de două ori pe A.
71
CAPITOLUL 3
∂2F ∂2F ∂2F

Avem d 2F = (dx ) 2 + 2 dxdy + (dy ) 2 . Înlocuind derivatele
∂x 2 ∂x∂y ∂y 2
parŃiale de ordinul doi ale funcŃiei compuse F şi efectuând calculele, obŃinem

∂f 2 ∂f
d 2F = d 2 f + d u + d 2v .
∂u ∂v
Rezultă că diferenŃiala de ordinul doi nu este invariantă faŃă de compunerea
funcŃiilor.
3.4. Puncte de extrem pentru funcŃii de mai multe variabile
DefiniŃie. Fie f : D ⊂ R 2 → R , f = f ( x, y ) şi (a, b) un punct din D.

Se spune că (a, b) este punct de minim local (sau minim relativ) al funcŃiei f
dacă
∃V ∈ V (a, b ) astfel încât f ( x, y ) ≥ f (a, b) , ∀( x, y ) ∈ V ∩ D .
Se spune că (a, b) este punct de maxim local (sau maxim relativ) al funcŃiei f
dacă
∃V ∈ V (a, b ) astfel încât f ( x, y ) ≤ f (a, b) , ∀( x, y ) ∈ V ∩ D .
Punctele de minim local sau maxim local ale funcŃiei f se numesc puncte de
extrem local ale lui f.
Teoremă. Fie f : D ⊂ R 2 → R , f = f ( x, y ) şi (a, b) un punct interior

mulŃimii D. Dacă (a, b) este un punct de extrem local al funcŃiei f şi f are derivate
parŃiale de ordinul întâi în (a, b) , atunci
∂f ∂f
(a, b) = 0 şi ( a, b ) = 0 .
∂x ∂y
SoluŃiile ( x, y ) ∈ D ale sistemului
 ∂f
 ∂x ( x , y ) = 0
 ∂f
 ( x, y ) = 0
 ∂y
formează mulŃimea punctelor staŃionare ale funcŃiei f.
72
Teoremă. Fie f : D ⊂ R 2 → R , f = f ( x, y ) şi (a, b) un punct staŃionar

al funcŃiei f.
Fie
∆1 = a11 ,
a a12
∆ 2 = 11 ,
a 21 a 22
unde
∂2 f ∂2 f ∂2 f
a11 = (a, b), a12 = (a, b), a 22 = ( a , b) .
∂x 2 ∂x∂y ∂y 2
1) Dacă ∆1 > 0 şi ∆ 2 > 0 , atunci (a, b) este un punct de minim local pentru f.
2) Dacă ∆1 < 0 şi ∆ 2 > 0 , atunci (a, b) este un punct de maxim local pentru f.
ObservaŃie. Dacă ∆ 2 < 0 , atunci (a, b) nu este punct de extrem al funcŃiei f.
DefiniŃie. Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) şi (a1 , a 2 ,..., a n ) un

punct din D.
Se spune că (a1 , a 2 ,..., a n ) este un punct de minim local (sau minim relativ) al
funcŃiei f dacă
∃V ∈ V (a1 , a 2 ,..., a n ) astfel încât f ( x1 , x 2 ,..., x n ) ≥ f (a1 , a 2 ,..., a n ) ,
∀( x1 , x 2 ,..., x n ) ∈ V ∩ D .
Se spune că (a1 , a 2 ,..., a n ) este un punct de maxim local (sau maxim relativ) al
funcŃiei f dacă
∃V ∈ V (a1 , a 2 ,..., a n ) astfel încât f ( x1 , x 2 ,..., x n ) ≤ f (a1 , a 2 ,..., a n ) ,
∀( x1 , x 2 ,..., x n ) ∈ V ∩ D .
Punctele de minim local sau maxim local ale funcŃiei f se numesc puncte de
extrem local ale lui f.
Teoremă. Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) şi (a1 , a 2 ,..., a n ) un
punct interior mulŃimii D. Dacă (a1 , a 2 ,..., a n ) este un punct de extrem local al funcŃiei
f şi f are derivate parŃiale de ordinul întâi în (a1 , a 2 ,..., a n ) , atunci
73
CAPITOLUL 3
∂f
(a1 , a 2 ,..., a n ) = 0 ,
∂x1
∂f
(a1 , a 2 ,..., a n ) = 0 ,
∂x 2
M
∂f
(a1 , a 2 ,..., a n ) = 0 .
∂x n
SoluŃiile ( x1 , x 2 ,..., xn ) ∈ D ale sistemului
 ∂f
 ∂x ( x1 , x 2 ,..., x n ) = 0
 1
 ∂f
 ( x1 , x2 ,..., x n ) = 0
 ∂x 2
M

 ∂f
 ∂x ( x1 , x 2 ,..., x n ) = 0
 n
formează mulŃimea punctelor staŃionare ale funcŃiei f.
Teoremă. Fie f : D ⊂ R n → R , f = f ( x1 , x 2 ,..., x n ) şi (a1 , a 2 ,..., a n ) un

punct staŃionar al funcŃiei f.
Fie
∆1 = a11 ,
a a12
∆ 2 = 11 ,
a21 a22
M
a11 a12 ... a1n
a 21 a 22 ... a2n
∆n = ,
... ... ... ...
an1 a n 2 ... a nn
unde
∂2 f
aij = (a1 , a 2 ,..., a n ) .
∂xi ∂x j
74
1) Dacă ∆1 > 0 , ∆ 2 > 0 , …, ∆ n > 0 , atunci (a1 , a 2 ,..., a n ) este un punct de

minim local pentru f.
2) Dacă ∆1 < 0 , ∆ 2 > 0 , ∆ 3 < 0 , ∆ 4 > 0 , …, atunci (a1 , a 2 ,..., a n ) este un
punct de maxim local pentru f.
3.5. Extreme condiŃionate
În anumite probleme se cere găsirea extremelor unei funcŃii

f = f ( x1 , x 2 ,..., xn ) , cu condiŃia ca cele n variabile să verifice anumite relaŃii.
Această problemă se numeşte problema găsirii extremelor funcŃiei cu legături.
Pentru rezolvarea acestei probleme, folosim metoda multiplicatorilor lui
Lagrange19.
Dacă se cere să se determine extremele funcŃiei f = f ( x1 , x 2 ,..., xn ) în care
variabilele x1 , x 2 ,..., x n sunt supuse la legăturile (condiŃiile)
 F1 ( x1 , x 2 ,..., x n ) = 0
 F2 ( x1 , x 2 ,..., x n ) = 0
 M

 Fm ( x1 , x 2 ,..., x n ) = 0 , m ≤ n
se procedează astfel:
- se construieşte funcŃia ajutătoare
L( x1 , x 2 ,..., x n ; λ1 , λ 2 ,..., λ m ) = f ( x1 , x 2 ,..., x n ) + λ1 F1 ( x1 , x 2 ,..., x n ) +
+ λ 2 F2 ( x1 , x 2 ,..., x n ) + ... + λ m Fm ( x1 , x 2 ,..., x n )
cu coeficienŃii λ1 , λ 2 ,..., λ m nedeterminaŃi;

- se formează sistemul de n + m ecuaŃii
19
Joseph Louis Lagrange (1736 – 1813), matematician şi mecanician francez
75
CAPITOLUL 3
 ∂L
 ∂x ( x1 , x 2 ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0
 1  ∂L
 ∂L
( x , x ,..., x ; λ , λ ,..., λ ) = 0  ∂x ( x1 , x 2 ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0
 ∂x 1 2 n 1 2 m  1
 2  ∂L
 M  ∂x ( x1 , x 2 ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0
  2
 ∂L ( x1 , x 2 ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0  M
 ∂x n 
 ⇔  ∂L
∂ L ( x , x ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0
 ( x1 , x 2 ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0  ∂x n 1 2
 ∂λ 1 
  F1 ( x1 , x 2 ,..., x n ) = 0
 ∂ L 
( x , x ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0 F2 ( x1 , x 2 ,..., x n ) = 0
 ∂λ 2 1 2 
  M
 M 
 ∂L  Fm ( x1 , x 2 ,..., x n ) = 0
 ( x1 , x 2 ,..., x n ; λ 1 , λ 2 ,..., λ m ) = 0
 ∂λ m
cu n + m necunoscute x1 , x 2 ,..., x n , λ1 , λ 2 ,..., λ m şi se rezolvă.
Fie P(a1 , a 2 ,..., a n , µ1 , µ 2 ,..., µ m ) una din soluŃiile acestui sistem. Pentru a
vedea dacă punctul corespunzător M (a1 , a2 ,..., a n ) este extrem condiŃionat al funcŃiei
date se procedează astfel:
- coeficienŃii λ1 , λ 2 ,..., λ m din funcŃia ajutătoare L se înlocuiesc cu
µ1 , µ 2 ,..., µ m şi se consideră funcŃia
L∗ ( x1 , x2 ,..., x n ) = f ( x1 , x2 ,..., xn ) + µ1 F1 ( x1 , x 2 ,..., xn ) + ... + µ m Fm ( x1 , x 2 ,..., xn )
- se calculează diferenŃiala de ordinul doi a funcŃiei L∗ de mai sus în punctul

M (a1 , a 2 ,..., a n ) ;
- se diferenŃiază legăturile date, iar din sistemul astfel obŃinut scoatem m
dintre diferenŃialele dx1 , dx 2 ,..., dx n în funcŃie de celelalte n – m;
- se înlocuiesc cele m diferenŃiale în diferenŃiala de ordinul doi
d 2 L∗ (a1 , a 2 ,..., a n ) şi se obŃine o formă pătratică în cele n – m diferenŃiale rămase.

Dacă această formă pătratică este pozitiv definită, atunci punctul
M (a1 , a 2 ,..., a n ) este punct de minim condiŃionat pentru funcŃia f, iar dacă această
76
formă pătratică este negativ definită, atunci punctul M (a1 , a 2 ,..., a n ) este punct de
maxim condiŃionat pentru funcŃia f.
1) Să se determine mulŃimile de definiŃie pentru următoarele funcŃii:

1
a) f ( x, y ) = ;
4 − x2 − y2
b) f ( x, y ) = 1 − x 2 + 1 − y 2 ;
c) f ( x, y ) = ln( x 2 + y 2 − 9) ;
d) f ( x, y, z ) = arcsin x + arcsin y + arcsin z .
SoluŃie.
a) MulŃimea de definiŃie a funcŃiei date este mulŃimea punctelor D ⊂ R 2 pentru
care 4 − x 2 − y 2 > 0 , adică x 2 + y 2 < 4 .
Cum x 2 + y 2 = 4 este ecuaŃia cercului cu centrul în origine şi de rază 2,

mulŃimea de definiŃie a funcŃiei date este mulŃimea punctelor interioare cercului cu
centrul în origine şi de rază 2.
b) MulŃimea de definiŃie a funcŃiei date este mulŃimea punctelor D ⊂ R 2 pentru
care 1 − x 2 ≥ 0 şi 1 − y 2 ≥ 0 , adică x ∈ [− 1,1] şi y ∈ [− 1,1] .

MulŃimea de definiŃie a funcŃiei date este deci pătratul
[− 1,1]× [− 1,1].
c) MulŃimea de definiŃie a funcŃiei date este mulŃimea punctelor D ⊂ R 2 pentru
care x 2 + y 2 − 9 > 0 , adică x 2 + y 2 > 9 .

MulŃimea de definiŃie a funcŃiei date este mulŃimea punctelor care se găsesc în
exteriorul cercului cu centrul în origine şi de rază 3.
d) MulŃimea de definiŃie a funcŃiei date este mulŃimea punctelor D ⊂ R 3 pentru

care x ∈ [− 1,1] , y ∈ [− 1,1] şi z ∈ [−1,1] .
77
CAPITOLUL 3
MulŃimea de definiŃie a funcŃiei date este deci cubul

[− 1,1]× [− 1,1]× [− 1,1] .
2) Să se calculeze, folosind definiŃia, f x' (1,2) şi f y' (1,2) pentru
f ( x, y ) = x 2 + y 2 + 2 .
SoluŃie.
f ( x ,2 ) − f (1,2 ) x 2 + 2 2 + 2 − 12 + 2 2 + 2
f x' (1,2 ) = lim = lim
x →1 x −1 x →1 x −1
x2 + 6 − 7 x2 −1
= lim = lim
x −1
x →1 x →1
( x − 1) x 2 + 6 + 7 
 
x +1 1
= lim =
x →1 x 2 + 6 + 7 7
şi
' f (1, y ) − f (1,2) 12 + y 2 + 2 − 12 + 2 2 + 2

f y (1,2) = lim = lim
y→2 y−2 y →2 y−2
y2 + 3 − 7 y2 − 4
= lim = lim
y−2
y→2 y→2
( y − 2) y 2 + 3 + 7 
 
y+2 2
= lim = .
y→2 y 2 + 3 + 7 7
3) Să se arate că funcŃia f ( x, y, z ) = 5 x 2 + 3 xy + 2 y 2 + 7 xz verifică relaŃia
∂f ∂f ∂f 2
x ( x, y, z) + y ( x, y, z) + z ( x, y, z) = f ( x, y, z) .
∂x ∂y ∂z 5
SoluŃie. Deoarece
78
f (tx, ty, tz ) = 5 (tx) 2 + 3(tx )(ty ) + 2(ty ) 2 + 7(tx )(tz )
= 5 t 2 x 2 + 3t 2 xy + 2t 2 y 2 + 7t 2 xz
(
= 5 t 2 x 2 + 3 xy + 2 y 2 + 7 xz )
2
=t55 x 2 + 3 xy + 2 y 2 + 7 xz
2
=t5 f ( x, y, z ),
2
rezultă că funcŃia f este omogenă de grad .
5
Aplicând teorema lui Euler, avem
∂f ∂f ∂f 2
x ( x, y, z) + y ( x, y, z) + z ( x, y, z) = f ( x, y, z) .
∂x ∂y ∂z 5
4) Fie funcŃia f ( x, y ) = x 3 + x 2 y − y 3 .
a) Să se arate că f este omogenă de grad 3.
b) Să se arate că între derivatele parŃiale de ordinul doi ale funcŃiei f există relaŃia
∂2 f ∂2 f ∂2 f
x2 ( x, y) + 2xy ( x, y) + y 2 ( x, y) = 6 f ( x, y)
∂x 2 ∂x∂y ∂y 2
SoluŃie.
a) Deoarece
f (tx, ty ) = (tx ) 3 + (tx ) 2 (ty ) − (ty ) 3

= t 3 x3 + t 3 x 2 y − t 3 y 3
= t 3 ( x 3 + x 2 y − y 3 ) = t 3 f ( x, y ),
rezultă că funcŃia f este omogenă de grad 3.
b) Avem
∂f ∂f
( x, y ) = 3 x 2 + 2 xy , ( x, y ) = x 2 − 3 y 2 ,
∂x ∂y
∂2 f ∂2 f
( x, y ) = 6 x + 2 y , ( x, y ) = 2 x
∂x 2 ∂x∂y
şi
79
CAPITOLUL 3
∂2 f
( x, y ) = −6 y .
∂y 2
Astfel,
∂2 f ∂2 f ∂2 f
x2 ( x, y ) + 2 xy ( x, y ) + y 2 ( x, y ) = x 2 ⋅ (6 x + 2 y ) + 2 xy ⋅ 2 x + y 2 ⋅ (−6 y )
∂x 2 ∂x∂y ∂y 2
= 6 x 3 + 6 x 2 y − 6 y 3 = 6( x 3 + x 2 y − y 3 )
= 6 f ( x, y ),
adică relaŃia de la punctul b).
5) Să se calculeze df (1,2) pentru funcŃia f ( x, y ) = x 2 + y 4 .
SoluŃie.
∂f ∂f
df (1,2) = (1,2)dx + (1,2)dy .
∂x ∂y
Cum
∂f 2x x ∂f 4 y3 2y3
( x, y ) = = , ( x, y ) = = ,
∂x 2 x2 + y4 x2 + y4 ∂y 2 x2 + y4 x2 + y4
∂f 1 1 ∂f 2 ⋅ 23 16
(1,2) = = , (1,2) = = ,
∂x 12 + 2 4 17 ∂y 12 + 2 4 17
rezultă
1 16
df (1,2) = dx + dy .
17 17
6) Să se calculeze d 2 f (1,0,2) pentru funcŃia
f ( x, y, z ) = x 3 + 2 y 2 + z 4 − xy 2 + x − 5 z .
SoluŃie. Conform teoriei
80
2
2  ∂ ∂ ∂ 
d f (1,0,2) =  dx + dy + dz  f (1,0,2)
 ∂x ∂y ∂z 
2
∂ f ∂2 f ∂2 f
= (1,0,2)(dx) 2 + (1,0,2)(dy ) 2 + (1,0,2)(dz ) 2 +
2 2 2
∂x ∂y ∂z
∂2 f ∂2 f ∂2 f
+2 (1,0,2)dxdy + 2 (1,0,2)dxdz + 2 (1,0,2)dydz.
∂x∂y ∂x∂z ∂y∂z
Avem
∂f ∂f ∂f
( x, y, z ) = 3 x 2 − y 2 + 1, ( x, y, z ) = 4 y − 2 xy, ( x, y, z ) = 4 z 3 − 5,
∂x ∂y ∂z
∂2 f ∂2 f ∂2 f
( x, y , z ) = 6 x , ( x, y , z ) = 4 − 2 x , ( x, y, z ) = 12 z 2 ,
2 2 2
∂x ∂y ∂z
∂2 f ∂2 f ∂2 f
( x, y, z ) = −2 y, ( x, y, z ) = 0, ( x , y , z ) = 0.
Astfel
∂2 f ∂2 f ∂2 f
(1,0,2) = 6 ⋅ 1 = 6, (1,0,2) = 4 − 2 ⋅ 1 = 2, (1,0,2) = 12 ⋅ 2 2 = 48,
2 2 2
∂x ∂y ∂z
2 2 2
∂ f ∂ f ∂ f
(1,0,2) = −2 ⋅ 0 = 0, (1,0,2) = 0, (1,0,2) = 0
şi
d 2 f (1,0,2) = 6( dx) 2 + 2( dy ) 2 + 48(dz ) 2 .
7) Să se determine punctele de extrem local pentru funcŃia
f ( x, y ) = y 2 − x( x − 2) 2 .
SoluŃie. Punctele staŃionare sunt soluŃii ale sistemului
 ∂f
 ∂x ( x, y ) = 0 − ( x − 2) 2 − 2 x( x − 2) = 0
 ∂f ⇔ .
 ( x, y ) = 0 2 y = 0
 ∂y
2 
ObŃinem două puncte staŃionare M 1 ( 2,0) şi M 2  ,0  .
3 
Cum
∂2 f ∂2 f ∂2 f
( x , y ) = − 2( x − 2) − 2( x − 2) − 2 x , ( x, y ) = 0, ( x, y ) = 2,
∂x 2 ∂x∂y ∂y 2
rezultă
81
CAPITOLUL 3
- pentru M 1 ( 2,0)
∂2 f ∂2 f ∂2 f
a11 = ( 2,0) = −4, a12 = ( 2,0) = 0, (2,0) = 2
∂x 2 ∂x∂y ∂y 2
şi
−4 0
∆1 = − 4, ∆ 2 = = − 8 ⇒ (2,0) nu este punct de extrem;
0 2
2 
- pentru M 2  ,0 
3 
∂2 f  2  ∂2 f  2  ∂2 f  2 
a11 =  , 0  = 4, a12 =  ,0  = 0, a 22 =  ,0  = 2
∂x 2  3  ∂x∂y  3  ∂y 2  3 
şi
4 0 2 
∆1 = 4, ∆ 2 = = 8 ⇒  ,0  este punct de minim.
0 2 3 
8) Să se determine punctele de extrem local pentru funcŃia

1 x y z
f ( x, y , z ) = + + + , x > 0, y > 0, z > 0.
x y z 16
SoluŃie. Punctele staŃionare sunt soluŃii ale sistemului
 ∂f  1 1
 ∂x ( x, y, z ) = 0 − 2 + = 0
 x y

 ∂f  x 1
 ( x , y , z ) = 0 ⇔ − 2 + = 0
 ∂y  y z
 ∂f  y 1
 ( x, y , z ) = 0 − + =0
 ∂z  z 2 16
ObŃinem un singur punct staŃionar M (2,4,8) .
Cum
82
∂2 f 2 ∂2 f 2x ∂2 f 2y
( x, y , z ) = , ( x, y , z ) = , ( x, y , z ) = ,
2 3 2 3 2
∂x x ∂y y ∂z z3
∂2 f 1 ∂2 f ∂2 f 1
( x, y , z ) = − , ( x, y, z ) = 0, ( x, y , z ) = − ,
∂x∂y y 2 ∂x∂z ∂y∂z z2
rezultă
∂2 f 2 1 ∂2 f 2⋅2 1
a11 = ( 2,4,8) = = , a 22 = ( 2,4,8) = = ,
∂x 2 23 4 ∂y 2 43 16
∂2 f 2⋅4 1 ∂2 f 1 1
a 33 = ( 2,4,8) = = , a12 = ( 2,4,8) = − =− ,
∂z 2 83 64 ∂x ∂y 4 2 16
∂2 f ∂2 f 1 1
a13 = ( 2,4,8) = 0, a 23 = ( 2,4,8) = − =−
∂x ∂z ∂y ∂z 82 64
şi
1
∆1 = ,
4
1 1
−
∆2 = 4 16 = 3 ,
1 1 16 2
−
16 16
1 1
− 0
4 16
1 1 1 1
∆3 = − − = .
16 16 64 2 ⋅ 64 ⋅ 64
1 1
0 −
64 64
Deoarece ∆1 > 0 , ∆ 2 > 0 , ∆ 3 > 0 rezultă că punctul staŃionar M (2,4,8) este
punct de minim.
9) Să se determine extremele funcŃiei f ( x, y ) = xy , variabilele fiind legate prin

condiŃia x + y = 1 .
SoluŃie. FuncŃia ajutătoare are forma
L( x, y; λ) = xy + λ ( x + y − 1) .
Derivatele parŃiale de ordinul întâi ale funcŃiei L conduc, prin anulare, la
sistemul
y + λ = 0

x + λ = 0
 x + y − 1 = 0.

83
CAPITOLUL 3
Unica soluŃie a acestui sistem este

1 1 1
x= ,y= ; λ=− .
2 2 2
Avem deci de considerat funcŃia
1
L∗ ( x, y ) = xy − ( x + y − 1) .
2
1 1
DiferenŃiala de ordinul doi a funcŃiei L∗ în punctul M  ,  are forma
2 2
următoare
∂ 2 L∗ ∂ 2 L∗ ∂ 2 L∗
d 2 L∗ ( M ) = ( M )dx 2 + 2 ( M )dxdy + ( M )dy 2 .
∂x 2 ∂x∂y ∂y 2
Cum
∂ 2 L∗ ∂ 2 L∗ ∂ 2 L∗
( M ) = 0, ( M ) = 1, (M ) = 0 ,
∂x 2 ∂x∂y ∂y 2
avem d 2 L∗ ( M ) = 2dxdy .
DiferenŃiind legătura, obŃinem dx + dy = 0 , astfel că
d 2 L∗ ( M ) = −2(dx) 2
1 1
şi deci punctul M  ,  este punct de maxim condiŃionat pentru funcŃia f ( x, y ) .
2 2
10) Să se determine extremele funcŃiei f ( x, y, z ) = x + y + z , variabilele fiind

legate prin condiŃiile
x − y + z = 2 , x2 + y2 + z 2 = 4 .
SoluŃie. FuncŃia ajutătoare are forma
L( x, y, z; λ1 , λ 2 ) = x + y + z + λ1 ( x − y + z − 2) + λ 2 ( x 2 + y 2 + z 2 − 4) .
sistemul
84
1 + λ1 + 2λ 2 x = 0

1 − λ1 + 2λ 2 y = 0

1 + λ1 + 2λ 2 z = 0
x − y + z − 2 = 0

 x 2 + y 2 + z 2 − 4 = 0.

Rezolvând acest sistem, găsim soluŃiile
1 1 4 2 4
λ1 = , λ2 = − , x = , y = , z = ;
3 2 3 3 3
1
λ1 = −1 , λ 2 = , x = 0, y = −2 , z = 0 .
2
1 1
Pentru λ1 = , λ 2 = − avem de considerat funcŃia
3 2
1 1
L∗ ( x, y, z ) = x + y + z + ( x − y + z − 2) − ( x 2 + y 2 + z 2 − 4) .
3 2
4 2 4
DiferenŃiala de ordinul doi a funcŃiei L∗ în punctul M 1  , ,  are forma
3 3 3
∂ 2 L∗ 2 ∗ 2 ∗
d 2 L∗ (M 1 ) =
2
(M 1 )dx 2 + ∂ L
2
(M 1 )dy 2 + ∂ L
2
(M 1 )dz 2 +
∂x ∂y ∂z
∂ 2 L∗ 2 ∗ 2 ∗
+2 (M 1 )dxdy + 2 ∂ L (M 1 )dxdz + 2 ∂ L (M 1 )dydz.
Cum
∂ 2 L∗ ∂ 2 L∗ ∂ 2 L∗
(M 1 ) = −1, (M 1 ) = −1, (M 1 ) = −1,
∂x 2 ∂y 2 ∂z 2
∂ 2 L∗ 2 ∗ 2 ∗
(M 1 ) = 0, ∂ L (M 1 ) = 0, ∂ L (M 1 ) = 0,
avem
d 2 L∗ (M 1 ) = −dx 2 − dy 2 − dz 2
4 2 4
şi deci punctul M 1  , ,  este punct de maxim condiŃionat pentru funcŃia
3 3 3
f ( x, y , z ) .
85
CAPITOLUL 3
1
Pentru λ1 = −1 , λ 2 = , avem de considerat funcŃia
2
1 2
L∗ ( x, y, z ) = x + y + z − ( x − y + z − 2) + ( x + y 2 + z 2 − 4) .
2
Procedând analog obŃinem pentru diferenŃiala de ordinul doi a funcŃiei L∗ în
punctul M 2 (0,−2,0 ) expresia d 2 L∗ (M 2 ) = dx 2 + dy 2 + dz 2 şi deci punctul
M 2 (0,−2,0 ) este punct de minim condiŃionat pentru funcŃia f ( x, y, z ) .
11) FuncŃia de utilitate a unui consumator este u ( x, y ) = 2 xy în care x, y sunt

cantităŃile din mărfurile X, Y (kg). PreŃurile unitare ale celor două mărfuri sunt
PX = 2 u.m. , PY = 1 u.m. , iar venitul disponibil este V = 10 u.m. Să se determine
cantităŃile optime de mărfuri care se achiziŃionează de consumator.
SoluŃie. Folosind ecuaŃia liniei bugetare
V = PX ⋅ x + PY ⋅ y
restricŃia este
10 = 2 x + y .
FuncŃia ajutătoare are forma
L( x, y, λ) = 2 xy + λ(2 x + y − 10) .
sistemul
 2 y + 2λ = 0

2 x + λ = 0 .
2 x + y − 10 = 0

Unica soluŃie a acestui sistem este
5
x= , y = 5; λ = −5 .
2
Avem deci de considerat funcŃia
L* ( x, y ) = 2 xy − 5(2 x + y − 10) .
86
5 
DiferenŃiala de ordinul doi a funcŃiei L* în punctul M  ,5  are forma
2 
următoare
∂ 2 L* ∂ 2 L* ∂ 2 L*
d 2 L* ( M ) = ( M )dx 2 + 2 ( M )dxdy + ( M )dy 2 .
∂x 2 ∂x∂y ∂y 2
Cum
∂ 2 L* ∂ 2 L* ∂ 2 L*
( x, y ) = 0, ( x, y ) = 0, ( x, y ) = 2 ,
∂x 2 ∂y 2 ∂x∂y
avem
d 2 L* ( M ) = 4dxdy .
DiferenŃiind legătura, obŃinem
2dx + dy = 0 ,
astfel că
d 2 L* ( M ) = −8(dx) 2
5 
şi deci punctul M  ,5  este punct de maxim condiŃionat pentru funcŃia u ( x, y ) .
2 
Pentru a beneficia de utilitatea maximă în condiŃiile restricŃiei bugetare,
consumatorul va achiziŃiona 2,5 kg din marfa X şi 5 kg din marfa Y.
ObservaŃie. O firmă care doreşte să cunoască mărimea cererii pentru X şi Y va
lua în calcul preferinŃele consumatorilor pentru aceste bunuri întrucât preferinŃele de
consum se transformă în cerere pe piaŃă în limitele determinate de constrângerea
bugetară a fiecărui client.
87
CAPITOLUL 3
12) Să se arate că dacă funcŃia de producŃie* este 20
x = λa α b1− α , unde α este un număr subunitar pozitiv,

atunci
α b
r= ⋅ şi σ = 1 .
1− α a
SoluŃie.
Deoarece
∂x ∂x
= λαa α −1b1− α şi = λ(1 − α)a α1b − α ,
∂a ∂b
avem
λαa α −1b1− α α b
r= = ⋅ .
α1 − α 1− α a
λ(1 − α)a b
Cum
∂r α  1 
= ⋅ b ⋅  −  ,
∂a 1 − α  a2 
iar
20 *
FuncŃia de producŃie
Dacă condiŃiile tehnice ale producŃiei sunt date, cantitatea de marfă produsă X depinde numai de
cantităŃile de factori variabili ai producŃiei folosiŃi A1 , A2 ,..., An . Dacă x este cantitatea produsă folosind
cantităŃile a1 , a 2 ,..., a n din aceşti factori, putem scrie funcŃia de producŃie
x = f (a1 , a 2 ,..., a n ) .
ObservaŃie. Dacă există doi factori variabili A şi B, funcŃia de producŃie este x = f (a, b) .
Rata marginală de substituŃie a factorului B în locul factorului A este
∂x
r = ∂a .
∂x
∂b
Elasticitatea substituŃieie dintre A şi B este
r ar + b
σ= ⋅ .
ab ∂r ∂r
r −
∂b ∂a
88
∂r α 1
= ⋅ ,
∂b 1 − α a
obŃinem
r ar + b
σ=
ab rα αb
+
(1 − α)a (1 − α)a 2
r ar + b (1 − α)a (ar + b)
= =
ab α  b  ar + b 
r +  bα  
(1 − α)a  a  a 
(1 − α)ar (1 − α)a α b
= = ⋅ ⋅ = 1.
bα bα 1− α a
13) Să se arate că dacă funcŃia de producŃie este
x = 2 γab − αa 2 − βb 2 ,
unde α, β, γ sunt constante pozitive şi γ 2 > αβ , atunci
γx 2
σ= −1 .
( γ 2 − αβ)ab
SoluŃie. Deoarece
∂x 2 γb − 2αa γb − αa
= =
∂a 2 2 γab − αa 2 − βb 2 2 γab − αa 2 − βb 2
şi
∂x 2 γa − 2βb γa − β b
= =
∂b 2 2 γab − αa 2 − βb 2 2 γab − αa 2 − βb 2
avem
γb − α a γa − β b
r= :
2 γab − αa 2 − βb 2 2 γab − αa 2 − βb 2
γb − α a 2 γab − αa 2 − βb 2
= ⋅
2 γab − αa 2 − βb 2 γa − βb
γb − αa
= .
γa − β b
89
CAPITOLUL 3
Cum
∂r − α ( γa − βb) − ( γb − αa ) γ
=
∂a ( γa − βb) 2
αβ b − γ 2 b b(αβ − γ 2 )
= =
( γa − βb) 2 ( γa − βb) 2
iar
∂r γ ( γa − βb) − ( γb − αa )(−β)
=
∂a ( γa − β b ) 2
γ 2 a − αβ a a ( γ 2 − αβ)
= = ,
( γa − β b ) 2 ( γa − β b) 2
obŃinem
r ar + b r ar + b r ( γa − βb) 2
σ= = =
ab a ( γ 2 − αβ) b(αβ − γ 2 ) ab γ 2 − αβ ab γ 2 − αβ
r − (ar + b)
( γa − βb) 2 ( γa − βb) 2 ( γa − βb) 2
γb − αa
γa − β b ( γa − βb) 2 ( γb − αa)( γa − β b) 2 ( γb − αa )( γa − βb)
= ⋅ = =
ab γ 2 − αβ ab( γa − βb)( γ 2 − αβ) ab( γ 2 − αβ)
γ 2 ab − γβb 2 − αγa 2 + αβ ab γ ( γab − βb 2 − αa 2 ) + αβ ab
= =
ab( γ 2 − αβ) ab( γ 2 − αβ)
γ (2γab − βb 2 − αa 2 ) − γ 2 ab + αβ ab
=
ab( γ 2 − αβ)
γx 2 − ab( γ 2 − ab) γx 2
= = − 1.
ab( γ 2 − αβ) ab( γ 2 − αβ)
3.7. Probleme propuse*21
1. Să se determine mulŃimile de definiŃie pentru următoarele funcŃii:
a) f ( x, y ) = x 2 + y 3 + 2012 ;
21 21 *
FuncŃiile sunt înŃelese pe mulŃimile lor de definiŃie
90
b) f ( x, y ) = 4 − x 2 − y 2 ;
c) f ( x, y ) = 4 − x 2 ln(1 − y 2 ) ;
d) f ( x, y ) = x + y ;
e) f ( x, y ) = ( x 2 + y 2 − 1)(9 − x 2 − y 2 ) ;
f) f ( x, y , z ) = 1 − x 2 − y 2 − z 2 .
2. Folosind definiŃia să se calculeze:

2
a) f x' (1,0) şi f y' (1,0) pentru f ( x, y ) = e x − y ;
π π  π π
b) f x'  ,  şi f y'  ,  pentru f ( x, y ) = cos x − sin y + 1 .
4 3 4 3
3. Să se calculeze derivatele parŃiale de ordinul întâi şi al doilea pentru

următoarele funcŃii:
a) f ( x, y ) = x 3 + 3 x 2 y + y 4 + 3 ; b) f ( x, y ) = x 2 + y + sin xy ;
c) f ( x, y ) = x 3 − ( 2 − x ) y 2 ; d) f ( x, y ) = x 2 + 4 y 2 ;
x2 y
e) f ( x, y ) = x 2 sin 3 y ; f) f ( x, y ) = ;
x+ y
4 3 2 2
g) f ( x, y , z ) = e x + y + z ; h) f ( x, y, z ) = e xy sin z ;
x
i) f ( x, y, z ) = arcsin ; j) f ( x, y, z ) = e y + ln( x 2 + 1) + z 5 + 3 .
2 2
y +z
4. Să se calculeze df (2,3) şi d 2 f (2,3) pentru următoarele funcŃii:
a) f ( x, y ) = x 2 + 3 xy 2 + xy 5 ;
b) f ( x, y ) = ln(1 + x + y + xy) .
5. Să se calculeze df (1,2,0) şi d 2 f (1,2,0) pentru următoarele funcŃii:
91
CAPITOLUL 3
a) f ( x, y, z ) = e xy + e xz + e yz ;
b) f ( x, y, z ) = x 3 − 2 y 2 + 3 z 2 − 3 xyz .
6. Să se arate că funcŃiile următoare verifică relaŃiile indicate:

∂f ∂f 6
a) f ( x, y ) = 5 x 6 + y 6 + 2 xy 5 , x ( x, y ) + y ( x, y ) = f ( x, y ) ;
∂x ∂y 5
y ∂f ∂f
b) f ( x, y ) = ( x 2 + y 2 ) sin , x ≠ 0 , x ( x, y ) + y ( x, y ) = 2 f ( x, y ) ;
x ∂x ∂y
x+ y
c) f ( x, y, z) = ( x 2005 + x 2000 y 5 − z 2005 )arctg ,
y+z
∂f ∂f ∂f
x ( x, y, z) + y (x, y, z) + z (x, y, z) = 2005 f (x, y, z) ;
∂x ∂y ∂z
x4 + y5
d) f ( x, y, z ) = ( x 9 + x 4 y 5 + z 9 ) cos ,
y5 + z 4
∂f ∂f ∂f
x ( x , y , z ) + y ( x, y , z ) + z ( x, y , z ) = 9 f ( x , y , z ) .
∂x ∂y ∂z
6. Fie funcŃia f ( x, y ) = ax α y β .
a) Să se arate că f este omogenă de grad α + β .
b) Să se arate că între derivatele parŃiale de ordinul doi ale funcŃiei f există
relaŃia
∂2 f ∂2 f ∂2 f
x2 ( x, y ) + 2 xy ( x, y ) + y 2 ( x, y ) = (α + β)(α + β − 1) f ( x, y ) .
∂x 2 ∂x∂y ∂y 2
1
7. Să se arate că funcŃia f ( x, y , z ) = ,
2 2 2
( x − a ) + ( y − b) + ( z − c )
( x, y, z ) ≠ (a, b, c) verifică ecuaŃia lui Laplace
∂2 f ∂2 f ∂2 f
( x, y , z ) + ( x, y , z ) + ( x, y , z ) = 0 .
∂x 2 ∂y 2 ∂z 2
92
8. Să se arate că funcŃia
f (t , x) = A sin λx cos aλt
verifică ecuaŃia coardei vibrante
∂2 f ∂2 f
(t , x) = a 2 (t , x ) .
∂t 2 ∂x 2
( x − b) 2
−
1 4a 2 t
f (t , x) = e (a şi b fiind constante)
2a πt
verifică ecuaŃia căldurii
∂f ∂2 f
(t , x) = a 2 (t , x) .
∂t ∂x 2
−a x2 + y 2 + z 2 a x2 + y2 + z2
c1e + c2 e
f ( x, y , z ) = ( c1 şi c2 fiind constante)
x2 + y2 + z2
verifică ecuaŃia lui Helmholtz22
∂2 f ∂2 f ∂2 f
( x, y , z ) + ( x, y , z ) + ( x, y , z ) = a 2 f ( x, y , z ) .
2 2 2
∂x ∂y ∂z
11. Să se determine punctele de extrem pentru funcŃiile:
a) f ( x, y ) = x 2 + 4 y 2 − 16 xy + 32 x − 16 y , ( x, y ) ∈ R 2 ;
b) f ( x, y ) = x 3 + y 3 − 3 x 2 y + 6 xy 2 − 2 x − y , ( x, y ) ∈ R 2 ;
2 2
c) f ( x, y ) = ( x + y ) e − x − y , ( x, y ) ∈ R 2 ;
d) f ( x, y, z ) = x 2 − y 2 + 2 z 2 − 6 x + 8 y − 12 z + 3 , ( x, y, z ) ∈ R 3 ;
e) f ( x, y, z ) = x 2 + 2 y 2 − 4 xy + 6 xz − 4 yz , ( x, y, z ) ∈ R 3 ;
22
Hermann Ludwig Ferdinand von Helmholtz (1821 –1894) , medic și fizician german
93
CAPITOLUL 3
f) f ( x, y, z ) = x 3 + y 2 + z 2 − 2 x 2 − 2 xy + 4 yz , ( x, y, z ) ∈ R 3 ;
g) f ( x, y, z ) = x 2 + y 2 + z 2 − 3 xy − 12 xz − 18 yz , ( x, y, z ) ∈ R 3 .
12. Să se determine extremele condiŃionate pentru funcŃiile:

a) f ( x, y ) = xy , variabilele fiind legate prin condiŃia
x2 + y2 = 4 ;
b) f ( x, y ) = 5 x 2 + 3 xy + y 2 , variabilele fiind legate prin condiŃia
x 2 + y 2 = 1;
c) f ( x, y , z ) = x − y + 2 z , variabilele fiind legate prin condiŃia
x 2 + y 2 + 2z 2 = 2 ;
d) f ( x, y , z ) = xy 2 z 3 , variabilele fiind legate prin condiŃia

x + 2 y + 3z = 4 , x > 0 , y > 0 , z > 0 ;
e) f ( x, y , z ) = xyz variabilele fiind legate prin condiŃiile
x + y + z = 5 şi xy + yz + zx = 8 ;
f) f ( x, y, z ) = x 2 + y 2 + z 2 , variabilele fiind legate prin condiŃia
x2 y2
+ + z2 −1 = 0 .
9 4
13. FuncŃia de utilitate a unui consumator este u ( x, y ) = xy + 2 x + 4 y + 8 , în

care x, y sunt cantităŃile din mărfurile X, Y (kg). PreŃurile unitare ale celor două mărfuri
sunt PX = 5 u.m. , PY = 10 u.m. , iar venitul disponibil este V = 50 u.m. Să se determine
cantităŃile optime de mărfuri care se achiziŃionează de consumator.
94
INTEGRALE IMPROPRII
CAPITOLUL 4
ELEMENTE DE CALCUL INTEGRAL
analiza matematică.
Cuvinte cheie: integrale improprii cu limite de integrare infinite, integrale impropii din
funcŃii nemărginite, integrale convergente, integrale divergente
4.1. Integrale improprii cu limite de integrare infinite
DefiniŃie. Fie f o funcŃie definită pe [a,+∞ ) şi integrabilă pe [a,b], ∀b > a .

b
Dacă există limita lim ∫ f ( x)dx (finită sau infinită), atunci se defineşte integrala
b →∞ a
∞ b
improprie a funcŃiei f pe intervalul [ a,+∞ ) prin ∫ f ( x )dx = lim ∫ f ( x)dx .
a b→∞ a
∞
În cazul în care această limită este finită se spune că integrala ∫ f ( x)dx este
a
convergentă.
∞
Dacă limita este infinită sau nu există se spune că integrala ∫ f ( x)dx este
a
divergentă.
Interpretare geometrică
∞
Dacă f ( x) > 0 , integrala improprie ∫ f ( x)dx este aria figurii mărginite de
a
graficul funcŃiei f, de dreapta x = a şi de axa Ox .
95
CAPITOLUL 4
Analog se definesc integralele improprii:

b b
∫ f ( x)dx = lim ∫ f ( x)dx ,
−∞ a →−∞ a
unde f este o funcŃie definită pe (−∞, b] şi integrabilă pe [ a, b] , ∀a < b , iar limita

b
lim ∫ f ( x)dx există,
a → −∞ a
şi
∞ b
∫ f ( x)dx = lim ∫ f ( x)dx ,
−∞ a →−∞ a
b→+∞
unde f este o funcŃie definită : R → R şi integrabilă pe orice interval [a, b] , b > a , iar
b
limita lim ∫ f ( x)dx există.
a → −∞ a
b → +∞
Exemple.
∞ dx
1) Integrala ∫ este divergentă.
1 x
Într-adevăr,
∞ dx b dx b
∫ = lim ∫ = lim ln | x | = lim ln b = ∞ .
1 x b→∞ 1 x b→∞ 1 b→∞
∞ dx
2) Integrala ∫ este convergentă.
2005
1x
Într-adevăr,
b
∞ dx b dx x −2004  1 b − 2004  1
∫ 2005 = lim ∫ 2005 = lim = lim  − = .
1x b→∞ 1 x b→∞ − 2004 b→∞ 2004 2004  2004
1
Necesitatea introducerii integralelor improprii decurge din problema calculării
ariilor unor regiuni plane nemărginite (şi din studierea unor fenomene fizice pe intervale
de timp nemărginite).
Pentru unele integrale improprii nu putem studia uşor convergenŃa lor cu
ajutorul definiŃiei. În asemenea situaŃii se stabileşte natura integralei improprii
(convergentă sau divergentă) cu ajutorul criteriilor următoare.
96
INTEGRALE IMPROPRII
1. Criteriul comparaŃiei cu inegalităŃi

Dacă 0 < f ( x) ≤ g ( x ) , x ∈ [a,+∞ ) , atunci
∞
- din convergenŃa integralei ∫ g ( x)dx , rezultă convergenŃa integralei
a
∞
∫ f ( x)dx
a
iar
∞ ∞
- din divergenŃa integralei ∫ f ( x)dx , rezultă divergenŃa integralei ∫ g ( x)dx .
a a
2. Criteriul comparaŃiei cu limită

f ( x)
Dacă f ( x ) > 0 , g ( x) > 0 , x ∈ [a,+∞ ) şi lim = k , 0 ≤ k ≤ ∞ , atunci
x →∞ g ( x )
∞
- din convergenŃa integralei ∫ g ( x)dx pentru k < ∞ , rezultă convergenŃa
a
∞
integralei ∫ f ( x)dx
a
iar
∞
- din divergenŃa integralei ∫ f ( x)dx pentru k > 0 , rezultă divergenŃa
a
∞
integralei ∫ g ( x)dx .
a
3. Criteriul cu puteri
Dacă f ( x) > 0 , x ∈ [a,+∞ ) şi lim x λ f ( x) = k , 0 < k < ∞ , atunci

x →∞
∞
- pentru λ > 1 , integrala ∫ f ( x)dx este convergentă
a
iar
∞
- pentru λ ≤ 1 , integrala ∫ f ( x)dx este divergentă.
a
97
CAPITOLUL 4
4. Criteriul lui Dirichlet

b
Dacă f(x) este integrabilă pe orice interval [a,b] şi ∫ f ( x)dx ≤ k , iar g(x)
a
∞
tinde monoton către zero când x → ∞ , atunci ∫ f ( x) g ( x)dx este convergentă.
a
4.2 Integrale improprii din funcŃii nemărginite
DefiniŃie. Fie a un punct singular pentru funcŃia f definită pe (a, b] şi

b
integrabilă pe [a + ε, b] , ∀ε > 0 . Dacă există limita lim ∫ f ( x)dx (finită sau infinită),
ε →0 a + ε
atunci se defineşte integrala improprie a funcŃiei f pe intervalul (a, b] prin

b b
∫ f ( x)dx = lim ∫ f ( x)dx .
a ε →0 a + ε
În cazul în care această limită este finită se spune că integrala improprie

b
∫ f ( x)dx este convergentă.
a
Dacă limita este infinită sau nu există se spune că integrala este divergentă.
b b−ε
Analog, se defineşte integrala improprie ∫ f ( x)dx = lim ∫ f ( x)dx , dacă b este
a ε→0 a
punct singular pentru funcŃia f definită pe [a, b) şi integrabilă pe [a, b − ε] , ∀ε > 0 .

Interpretare geometrică. Dacă f ( x) > 0 şi b este punct singular pentru
funcŃia f definită pe [a, b) şi integrabilă pe [a, b − ε] , ∀ε > 0 , integrala improprie
b
∫ f ( x)dx este aria figurii mărginite de graficul funcŃiei f, de dreapta x = a şi de
a
asimptota verticală x = b .
98
INTEGRALE IMPROPRII
Exemple.
10 dx
1) Integrala ∫ este divergentă.
5 x−5
1
Într-adevăr, funcŃia f ( x) = este nemărginită în punctul x = 5 şi avem
x−5
10 dx 10 10
dx
∫ = lim ∫ = lim ln | x − 5 | = lim (ln 5 − ln ε) = ∞ .
5 x − 5 ε→0 5+ε x − 5 ε→0 5+ε ε→0
10 dx
2) Integrala ∫ este convergentă.
5 x−5
1
Într-adevăr, funcŃia f ( x) = este nemărginită în punctul x = 5 şi avem
x−5
10 10 10
dx dx
∫ = lim ∫ = lim 2 x − 5 = lim (2 5 − 2 ε ) = 2 5 .
5 x−5 ε→0 5+ε x−5 ε→0 5+ ε ε→0
Au loc următoarele criterii cu puteri.
1. Fie a un punct singular pentru funcŃia f(x) > 0 definită pe (a,b] şi
integrabilă pe [a+ ε ,b], ∀ε > 0 . Dacă lim ( x − a ) λ f ( x) = k , 0 < k < ∞ , atunci

x→a
x >a
b
- pentru λ < 1, integrala (improprie) ∫ f ( x)dx este convergentă
a
iar
b
- pentru λ ≥ 1 , integrala (improprie) ∫ f ( x)dx este divergentă.
a
2. Fie b un punct singular pentru funcŃia f ( x) > 0 definită pe (a,b] şi
integrabilă pe [a, b − ε] , ∀ε > 0 . Dacă lim (b − x) λ f ( x) = k , 0 < k < ∞ , atunci:

x →b
x <b
99
CAPITOLUL 4
b
- pentru λ < 1, integrala (improprie) ∫ f ( x)dx este convergentă
a
iar
b
- pentru λ ≥ 1 , integrala (improprie) ∫ f ( x)dx este divergentă.
a
1) Folosind definiŃia, să se cerceteze convergenŃa integralelor:

∞ ∞
10 x −10 x
a) ∫e dx ; b) ∫e dx ;
0 0
∞ 10 1
2
c) ∫ x + 1dx ; d) ∫ dx ;
0 2 (10 − x) 2012
10 1
e) ∫ 2012 dx .
2 10 − x
SoluŃie.
b
∞ b e10 x 1
10 x 10 x
a) ∫e dx = lim ∫ e dx = lim = lim (e10b − 1) = ∞ ,
0 b→∞ 0 b → ∞ 10 10 b → ∞
0
∞
deci integrala ∫ e10 x dx este divergentă;
0
b
∞
−10 x
b
−10 x e −10 x 1 1
b) ∫e dx = lim ∫ e dx = lim =− lim (e −10b − 1) = ,
0 b→∞ 0 b → ∞ − 10 10 b → ∞ 10
0
∞
deci integrala ∫ e −10 x dx este convergentă;
0
∞ b
2 2
c) ∫ x + 1dx = lim ∫ x + 1dx .
0 b→∞ 0
Cum
100
INTEGRALE IMPROPRII
b
2
b x2 +1 b x2 b 1
∫ x + 1dx = ∫ dx = ∫ dx + ∫ dx
0 0 x2 +1 0 x2 +1 0 x2 +1
b b
x
= ∫x⋅ dx + ln( x + x 2 + 1)
0 x2 +1 0
b
= ∫ x ⋅ ( x 2 + 1)' dx + ln(b + b 2 + 1) − ln 1.
0
Folosind formula de integrare prin părŃi*, obŃinem
b b b
2 2 2 2
∫ x + 1dx = x x + 1 − ∫ x + 1dx + ln(b + b + 1)
0 0 0
de unde rezultă
b
2 ∫ x 2 + 1dx = b b 2 + 1 + ln(b + b 2 + 1)
0
adică
b 1
2
∫ x + 1dx = b b 2 + 1 + ln(b + b 2 + 1)
0 2  
de unde avem
∞
lim b b 2 + 1 + ln(b + b 2 + 1) = ∞ ,
2 1
∫ x + 1dx =
0 2 b → ∞  
∞
deci integrala ∫ x 2 + 1dx este divergentă;
0
10 1 10 − ε 1
d) ∫ dx = lim ∫ dx
2012
2 (10 − x ) ε→0 2 (10 − x) 2012
10 − ε
10 − ε
− 2012 (10 − x ) − 2011
= lim ∫ (10 − x) dx = − lim
ε →0 2 ε→0 − 2011
2
10 − ε
1 1 1 1 1 
= lim = lim  − = ∞,
2011 ε → 0 (10 − x) 2011 2011 ε → 0  ε 8 2011 
2
10 1
deci integrala ∫ dx este divergentă;
2 (10 − x) 2012
b b b
*
: Fie f , g : [a, b] → R funcŃii derivabile cu derivate continue. Atunci ∫ f ( x ) g ' ( x)dx = f ( x ) g ( x ) a − ∫ f ' ( x ) g ( x )dx
a a
101
CAPITOLUL 4
10 1 10 − ε 1 10 − ε 1
e) ∫ 2012 dx = lim ∫ dx = lim ∫ dx
2 10 − x ε → 0 2 2012 10 − x ε→0 2 1
(10 − x) 2012
2011 10 − ε
1
10 − ε − (10 − x) 2012
= lim ∫ (10 − x) 2012 dx = − lim
ε →0 2 ε→0 2011
2012 2
2011 10 − ε 2011 2011 2011
2012 2012 2012 2012
= − lim (10 − x) 2012 =− lim (ε 2012 − 8 2012 ) = 8 ,
2011 ε → 0 2011 ε → 0 2011
2
10 1
deci integrala ∫ dx este convergentă.
2012
2 10 − x
2) Să se studieze convergenŃa integralelor:

3
∞ x2 ∞ x2
a) ∫ 2
dx ; b) ∫ dx ;
01 + x 1 1 + x7
∞ cos x 3 1
c) ∫ dx ; d) ∫ dx .
1 x 1 ( x + 1) x 2 − 1
SoluŃie.
3
λ+
x 2 1
a) Deoarece lim x λ f ( x) = lim = 1 pentru λ= < 1 , integrala este
x →∞ x →∞ 1 + x 2 2
divergentă.
xλ + 2
b) Deoarece lim x λ f ( x) = lim = 1 pentru λ = 5 > 1 , integrala este
x→∞ x →∞ 1 + x 7
convergentă.
1
c) Considerăm funcŃiile f ( x) = cos x şi g ( x) = . Deoarece
x
b
∫ cos dx = sin b − sin 1 ≤ 2
1
102
INTEGRALE IMPROPRII
1 ∞ cos x
şi g ( x) = descreşte monoton la zero când x → ∞ , rezultă că integrala ∫ dx este
x 1 x
convergentă.
d) Deoarece
1
λ−
( x − 1) 2 1
lim ( x − 1) λ f ( x) = lim = ,
x →1 x →1 ( x + 1) x + 1 2 2
x >1 x >1
1
pentru λ = < 1 , integrala este convergentă.
2
3) Să se calculeze:
∞ 1
− 2x 2
a) ∫ xe dx ; b) ∫ x − x dx ;
0 0
π
2 ∞ 1
4 2
c) ∫ sin x cos xdx ; d) ∫3 dx
0 0 x (1 + x)
utilizând integralele lui Euler†
1
β(a, b) = ∫ x a −1 (1 − x) b −1 dx (a > 0, b > 0) ,
0
∞
Γ(a ) = ∫ x a −1e − x dx (a > 0) .
0
SoluŃie.
1
a) Efectuând schimbarea de variabilă 2 x = t , obŃinem dx = dt .
2
łinând seama că limitele de integrare se păstrează, avem:
∞t 1 ∞ −t 1 1 1 1 1
−t
∫ e dt = ∫ te dt = Γ(2) = Γ(1 + 1) = ⋅ 1 ⋅ Γ(1) = ⋅ 1 ⋅ 1 = .
02 40 4 4 4 4 4
b)
†
Se poate demonstra că:
1
Γ(1) = 1; Γ  = π ; Γ(n + 1) = n! , n ∈ N; Γ(a + 1) = aΓ(a), a > 1;
2
π Γ( a)Γ(b)
Γ(a ) ⋅ Γ(1 − a) = , a ∈ (0,1); β(a, b) = .
sin πa Γ ( a + b)
103
CAPITOLUL 4
1 1
1 1 1
2
∫ x − x dx = ∫ x (1 − x ) dx = ∫ x (1 − x ) 2 dx
2
0 0 0
2
 3   3    3 
Γ  Γ    Γ   
3 3  2 
= β ,  =     = 
2 2
2 2 3 3 Γ (3)
Γ + 
 2 2 
2 2 2
 1   1  1  1 
Γ  2 + 1   2 Γ 2    ⋅ π
    π
=  =  = 
2
= .
Γ ( 2 + 1) 2! 2 8
c) Efectuând schimbarea de variabilă sin 2 x = t , obŃinem x = arcsin t ,
1 1
dx = ⋅ ⋅ dt .
1− t 2 t
π
łinând seama de noile limite de integrare ( x = 0 ⇒ t = 0; x = ⇒ t = 1 ) avem
2
1 1 3 1
1
2 1 1 1 1 2− 1− 11
∫ t (1 − t ) ⋅ ⋅ dt = ∫ t 2 (1 − t ) 2 dt = ∫ t 2 (1 − t ) 2 dt
0 1− t 2 t 20 20
5 3 3  3 3 3 3
Γ  Γ   Γ  + 1 Γ   Γ  Γ  
1 5 3 1 2 2 1 2  2 1 2 2 2
= β ,  = = =
2 2 2 2 5 3 2 Γ(4 ) 2 Γ(3 + 1)
Γ + 
2 2
2 2
  3    1 
 Γ    Γ  2 + 1  2 2
3   2  3    1  1  1  1 1   1 
= = =  Γ    = ⋅ ⋅ Γ   
4 3! 4 6 8  2  2  8 4   2 
=
1
32
( π )2 = 32π .
t 1
d) Efectuând schimbarea de variabilă x = obŃinem dx = dt şi
1− t (1 − t ) 2
1
1+ x = .
1− t
π
łinând seama de noile limite de integrare ( x = 0 ⇒ t = 0; x = ⇒ t = 1 ) avem
2
104
INTEGRALE IMPROPRII
1 1
1 1 1 1 1 − t 
1 1 (1 − t ) 3 1
3
∫ ⋅ dt = ∫   ⋅ dt = ∫ ⋅ dt
0 t  1 − t 1− t
1
0 (1 − t ) 2 0
1
 t 3 1 t3
  ⋅
1− t  1− t
1 1 1 2
1 − −1 1 − −
= ∫ t 3 (1 − t ) 3 dt = ∫ t 3 (1 − t ) 3 dt
0 0
2 1  2 1 1  1
Γ  Γ   Γ  Γ   Γ   Γ  1 − 
 2 1
= β ,  =     =     =   
3 3 3 3 3 3
 3 3  Γ 2 + 1  Γ(1) 1
 
 3 3
π π 2π
= = = .
π 3 3
sin
3 2
1. Folosind definiŃia, să se cerceteze convergenŃa integralelor:

∞ ∞ ln x
3 −x
a) ∫ x e dx ; b) ∫ dx ;
0 1 x
∞ 1 ∞
−2 x
c) ∫ 2 2
dx ; d) ∫e cos 3 x dx ;
3 (x + 5) 1
2 1 5 1
e) ∫ dx ; f) ∫ dx ;
1 3x − 1
3
0 x+ x
3
3 1 1 1
g) ∫ dx ; h) ∫ dx ;
3
1 ( x + 1) x 2 − 1 0x+x
4 x4 + 1
i) ∫ 3 dx .
−1 x + 1
105
CAPITOLUL 4
2. Pe baza criteriilor, să se studieze convergenŃa integralelor:

∞ 1 ∞ 1
a) ∫ dx ; b) ∫ dx ;
0 3 x2 + 1 2 ( x + 3) x 2 + 5
∞ ∞
c*) ∫ cos 2 x dx ; d**) 2
∫ sin x dx ;
0 0
1 1 2 1
e) ∫ dx ; f) ∫ dx .
0 ( x + 2) 1 − x 2 0 5 4 − x2
3. Să se arate că integrala lui Euler de speŃa întâi

1
β(a, b) = ∫ x a −1 (1 − x) b −1 dx
0
este convergentă pentru a > 0, b > 0.
4. Să se arate că integrala lui Euler de speŃa a doua

∞
Γ(a ) = ∫ x a −1e − x dx
0
este convergentă pentru a > 0.
5. Să se demonstreze că:
a) Γ( a + 1) = aΓ( a) , a > 1 ;
b) Γ(n + 1) = n! , n ∈ N ;
6. Să se demonstreze că:
a) β( a, b) = β(b, a ) ;
a −1 b −1
b) β( a, b) = β( a − 1, b) = β(a, b − 1) , a > 1, b > 1 ;
a + b −1 a + b −1
( n − 1)!( m − 1)!
c) β( m, n) = , m, n ∈ N ;
( m + n − 1)!
Integralele * şi ** prezintă o importanŃă deosebită în fizică. Ele sunt aşa numitele integrale ale lui Jean
Augustin Fresnel ((1788 – 1827), fizician francez) din teoria difracŃiei luminii.
106
INTEGRALE IMPROPRII
∞ y a −1
d) β( a, b) = ∫ dy ;
a +b
0 (1 + y )
Γ( a )Γ(b)
e) β( a, b) = .
Γ( a + b )
7. Să se calculeze:
3 x
∞ − 1
43 4
a) ∫ x 2 e 4 dx ; b) ∫ x x − x dx ;
0 0
π
2 ∞ 4x
6 4
c) ∫ sin x cos xdx ; d) ∫ 2
dx
0 0 (1 + x )
utilizând integralele lui Euler

1
β(a, b) = ∫ x a −1 (1 − x) b −1 dx (a > 0, b > 0) ,
0
∞
Γ(a ) = ∫ x a −1e − x dx (a > 0) .
0
107
CAPITOLUL 4
108
ELEMENTE DE TEORIA PROBABILITĂłILOR ŞI STATISTICĂ MATEMATICĂ
ELEMENTE DE TEORIA PROBABILITĂłILOR

ŞI STATISTICĂ MATEMATICĂ
ApariŃia teoriei probabilităŃilor este legată de probleme referitoare la jocurile de

noroc (L. Pacioli1, 1494; G. Cardano2, 1539).
Pe la 1654, cavalerul de Méré, mare jucător, a prezentat prietenului său
B. Pascal3 două situaŃii pe care cavalerul le întâlnise în practica sa îndelungată, situaŃii
ce generau controverse între jucători.
Fondatorii acestei teorii sunt matematicienii B. Pascal şi P. Fermat4.
Fundamentarea riguros ştiinŃifică a teoriei probabilităŃilor s-a făcut însă abia în
anul 1933 de către matematicianul A. N. Kolmogorov5.
Într-o perioadă relativ scurtă ea s-a transformat dintr-un simplu calcul al
probabilităŃilor de câştig la jocurile de noroc într-o ştiinŃă cu o largă aplicabilitate.
Primele aplicaŃii efective ale teoriei probabilităŃilor au fost legate de studii demografice
şi asigurări.
Mai târziu dezvoltarea teoriei probabilităŃilor s-a făcut sub impulsul problemelor
puse de fizică, chimie şi mai ales de ştiinŃele tehnice.
Aceste ştiinŃe, ca şi altele, fac apel tot timpul la teoria probabilităŃilor atunci
când trebuie să interpreteze diverse rezultate experimentale sau înregistrări numerice.
Întrucât teoria probabilităŃilor construieşte variate modele abstracte care pot
servi, cel puŃin ca punct de plecare, pentru interpretarea diverselor fenomene reale,
asistăm la întrepătrunderea cu alte ştiinŃe cum sunt mecanica, economia, biologia,
lingvistica etc., generând domenii noi de cercetare, mecanica statistică, statistica
economică, biologia matematică, lingvistica matematică etc.
1
Fra Luca Bartolomeo de Pacioli (1446 – 1517), matematician şi călugar franciscan italian, colaborator al
lui Leonardo da Vinci. Este de asemenea numit părintele contabilităŃii pentru contribuŃiile sale de
pionierat în acest domeniu
2
Girolamo Cardano (1501 – 1576), matematician, filosof şi medic italian din perioada Renaşterii
3
Blaise Pascal (1623 – 1662), matematician, fizician şi filosof francez
4
Pierre Fermat (1601 – 1665), matematician şi avocat francez
5
Andrei Nicolaevici Kolmogorov (1903-1986), matematician sovietic
109
CAPITOLUL 5
De asemenea asistăm la o puternică dezvoltare a teoriei probabilităŃilor,

constituindu-se noi ramuri cu importante aplicaŃii în economie, cum sunt teoria
siguranŃei, controlul calităŃii producŃiei, teoria aşteptării, întreŃinerea şi reînnoirea
utilajelor, probleme de stocare a materialelor, etc.
NoŃiunile de entropie şi cantitate de informaŃie, fundamentale în cibernetică se
definesc de asemenea cu ajutorul interpretărilor probabilistice.
Întrucât teoria probabilităŃilor a permis fundamentarea riguroasă a legilor
statistice, ea îşi găseşte în prezent largi aplicaŃii în studiul aspectelor cantitative ale
legilor economice. Astfel problemele legate de planificarea economiei naŃionale şi de
evidenŃă statistică, întocmirea balanŃelor inter – ramuri, planificarea producŃiei etc. sunt
studiate astăzi utilizând teoria probabilităŃilor.
110
CAPITOLUL 5
ELEMENTE DE TEORIA PROBABILITĂłILOR ŞI
STATISTICĂ MATEMATICĂ
teoria probabilităŃilor şi statistică matematică.
Cuvinte cheie: eveniment, probabilitate, probabilităŃi condiŃionate, scheme

probabilistice clasice (schema bilei nerevenite, schema bilei revenite, schema lui
Poisson), variabile aleatoare, caracteristici numerice ale variabilelor aleatoare
(valoare medie, abaterea, momente de ordin k, medii de ordin k, momente centrate,
dispersia, mediană, modul, covarianŃă, coeficient de corelaŃie), distribuŃii continue
clasice (distribuŃia normală, distribuŃia Gamma, distribuŃia Beta, distribuŃia
Hi – Pătrat (Pearson), distribuŃia „t” (Student))
5.1. Câmp de evenimente. Câmp de probabilitate
Lucrurile, fiinŃele sau fenomenele care datorită unei proprietăŃi comune pot fi
considerate împreună formează o colectivitate, o populaŃie, o mulŃime.
Exemple.
1) StudenŃii unui an de studiu dintr-o facultate.
2) Piesele produse de o secŃie a unei firme.
Fiind dată o colectivitate C, putem să cercetăm dacă elementele sale au sau nu o
anumită proprietate P. Proprietatea P se numeşte criteriu de cercetare a colectivităŃii.
Exemplu. Dacă se consideră colectivitatea formată din piesele produse de o
firmă, atunci putem considera drept criteriu de cercetare proprietatea ca o piesă să
corespundă sau nu stasului.
111
CAPITOLUL 5
Prin experienŃă se înŃelege realizarea practică a complexului de condiŃii

corespunzătoare unui criteriu de cercetare.
Efectuarea unei experienŃe asupra unui element al colectivităŃii se numeşte
probă.
Realizarea unui criteriu în urma unei probe se numeşte eveniment.
Un eveniment care în unele probe poate avea loc, iar în altele nu se numeşte
eveniment întâmplător, stochastic sau aleator.
Dacă considerăm drept criteriu de cercetare al colectivităŃii apartenenŃa unui
element la colectivitate şi dacă notăm evenimentul corespunzător cu E, atunci
evenimentul E se va realiza în urma oricărei probe şi în consecinŃă îl vom numi
eveniment sigur.
Exemplu. La aruncarea unui zar, evenimentul sigur este „apariŃia uneia din
feŃele 1, 2, 3, 4, 5, 6 ”.
Evenimentul imposibil φ nu se poate realiza în nicio efectuare a experienŃei.
DefiniŃie. Se spune că evenimentul A implică evenimentul B dacă realizarea
evenimentului A atrage după sine realizarea evenimentului B.
Dacă evenimentul A implică evenimentul B, se scrie A ⊂ B .
ObservaŃii.
1) Evenimentul imposibil implică orice eveniment ( φ ⊂ A ).
2) Orice eveniment implică evenimentul sigur ( A ⊂ E ).
DefiniŃie. Evenimentul contrar evenimentului A este evenimentul care se
realizează atunci şi numai atunci când nu se realizează evenimentul A.
Evenimentul contrar lui A se notează cu A sau CA .
OperaŃii cu evenimente
Fie A şi B două evenimente legate de o experienŃă.
DefiniŃie. Se numeşte reuniunea evenimentelor A şi B un nou eveniment care se
realizează atunci şi numai atunci când se realizează cel puŃin unul din evenimentele A
sau B.
Se notează A ∪ B .
112
Exemplu. Deoarece realizarea evenimentului A sau a contrarului său A este

întotdeauna o certitudine, avem relaŃia
A∪ A = E.
ObservaŃie. Reuniunea se poate extinde pentru un număr oarecare de
evenimente.
DefiniŃie. Se numeşte intersecŃia evenimentelor A şi B un nou eveniment care
se realizează atunci şi numai atunci când se realizează ambele evenimente A şi B.
Se notează A ∩ B .
Exemplu. Din definiŃia evenimentului contrar lui A rezultă că avem
A∩ A = φ.
ObservaŃie. IntersecŃia se poate extinde pentru un număr oarecare de
evenimente.
DefiniŃie. Evenimentele A şi B se numesc incompatibile dacă nu se pot realiza
simultan, adică dacă îndeplinesc relaŃia
A∩ B = φ.
Dacă A ∩ B ≠ φ , evenimentele A şi B se numesc compatibile.
DefiniŃie. Se numeşte diferenŃa dintre evenimentul A şi evenimentul B un nou
eveniment care se realizează atunci şi numai atunci când se realizează evenimentul A
dar nu se realizează evenimentul B.
Se notează A − B .
ObservaŃie. A − B = A ∩ B .
DefiniŃie. Fie Ω o mulŃime nevidă. O familie K de părŃi ale lui Ω se numeşte
corp de părŃi dacă este închisă faŃă de operaŃiile de reuniune finită şi complementară,
adică dacă îndeplineşte următoarele condiŃii:
1) ∀A, B ∈ K rezultă A ∪ B ∈ K ;
2) ∀A ∈ K rezultă A ∈ K .
DefiniŃie. Fie Ω o mulŃime nevidă. O familie K de părŃi ale lui Ω se numeşte
σ - corp sau corp borelian dacă este închisă faŃă de operaŃiile de reuniune infinită şi
complementară, adică dacă îndeplineşte următoarele condiŃii:
113
CAPITOLUL 5
1) ∀Ai ∈ K , i ∈ N ∗ rezultă U Ai ∈ K ;
i∈N∗
2) ∀A∈ K rezultă A ∈ K .
ObservaŃie. Orice corp borelian este şi corp.
Practica arată că mulŃimea evenimentelor asociate unei experienŃe formează un
corp de părŃi dacă ele sunt în număr finit şi un corp borelian dacă sunt în număr infinit.
De aceea, vom numi câmp (câmp borelian) de evenimente, evenimentul sigur E
înzestrat cu un corp (corp borelian) K de evenimente. Un câmp de evenimente îl vom
nota prin (E,K).
DefiniŃie. Se spune că evenimentele A1 , A2 , K , An ∈ ( E , K ) reprezintă o
desfacere sau o partiŃie a evenimentului A dacă îndeplinesc următoarele condiŃii:
1) Ai ∩ A j = φ, i, j = 1, n, i ≠ j ;
n
2) A = U Ak .
k =1
DefiniŃie. O mulŃime finită {E1 , E 2 ,..., E n } de evenimente din ( E , K )
formează mulŃimea evenimentelor elementare a câmpului de evenimente ( E , K ) dacă:
1) Ei ∩ E j = φ , i, j = 1, n , i ≠ j ;
n
2) E = U E i ;
i =1
3) ∀A ∈ ( E , K ) , A ≠ φ , ∃k ∈{1,2,..., n} astfel încât A = Ei1 ∪ Ei2 ∪ ... ∪ Eik .
DefiniŃie. Fie (E,K) un câmp de evenimente. Se numeşte probabilitate6 pe K o

aplicaŃie P : K → R care îndeplineşte următoarele condiŃii:
1) P( A) ≥ 0, ∀A ∈ K ;
2) P( E ) = 1 ;
3) P( A ∪ B ) = P( A) + P( B), ∀A, B ∈ K cu A ∩ B = φ .
Tripletul (E, K, P) se numeşte câmp de probabilitate.
6
DefiniŃia axiomatică a probabilităŃii a fost formulată iniŃial de A. N. Kolmogorov (1933)
114
DefiniŃie. Fie (E,K) un câmp borelian de evenimente. Se numeşte probabilitate

σ - aditivă sau complet aditivă, o aplicaŃie P : K → R care îndeplineşte următoarele
condiŃii:
1) P( A) ≥ 0, ∀A ∈ K ;
2) P( E ) = 1 ;
 
3) P U Ai  = ∑ P( Ai ), ∀( Ai )i ∈I ∈ K cu Ai ∩ A j = φ, i ≠ j , I este o mulŃime
 i ∈I  i ∈I
cel mult numărabilă de indici.
Tripletul (E, K, P) se numeşte în acest caz câmp borelian de probabilitate.
ConsecinŃe.
1. Fie un câmp de evenimente (E,K) şi fie desfacerea E1, E2, …, En a
evenimentului sigur E în evenimente elementare. Orice eveniment A ∈ ( E , K ) se poate
scrie ca reuniune de evenimente elementare, adică
A = Ei1 ∪ Ei 2 ∪ K ∪ Ei k
cu
Ei j ∩ Eis = φ, i j ≠ i s .
Din axioma 3) rezultă

( ) ( )
P( A) = P Ei1 + P Ei2 + K + P Eik . ( )
Înseamnă că pentru a cunoaşte probabilitatea unui eveniment oarecare A este
suficient să cunoaştem probabilităŃile evenimentelor elementare E1, E2, …, En.
Cum E = E1 ∪ E 2 ∪ K ∪ E n , avem
P(E ) = P(E1 ) + P(E 2 ) + K + P(E n ) = 1 .

Considerând că toate evenimentele elementare au aceeaşi probabilitate de a se
realiza, adică
1
P(E1 ) = P(E 2 ) = K = P(E n ) =
n
k
rezultă P( A) = .
n
115
CAPITOLUL 5
Am găsit astfel definiŃia clasică a probabilităŃii7.

DefiniŃie. Probabilitatea unui eveniment este raportul dintre numărul
evenimentelor elementare favorabile realizării evenimentului considerat şi numărul
total al evenimentelor elementare, evenimentele elementare fiind considerate egal
probabile.
Se observă că definiŃia clasică a probabilităŃii nu se poate aplica atunci când
numărul evenimentelor elementare este infinit.
2. Pentru orice A ∈ ( E , K , P) avem P( A ) = 1 − P( A) .
Într-adevăr, cum A ∪ A = E şi A ∩ A = φ rezultă că P( E ) = P( A) + P( A ) = 1 ,
de unde P( A ) = 1 − P( A) .
3. P(φ) = 0 .
Într-adevăr, cum φ ∪ A = A şi φ ∩ A = φ rezultă că P(φ ) + P ( A) = P( A) , de
unde P(φ) = 0 .
4. Pentru orice A ∈ ( E , K , P) avem 0 ≤ P( A) ≤ 1 .
Prima parte a inegalităŃii este asigurată prin definiŃie, iar pentru partea a doua
folosim consecinŃa 2 şi avem P( A) = 1 − P( A ) ≤ 1 .
5. Dacă A, B ∈ ( E , K , P) şi A ⊂ B , atunci P( A) ≤ P( B) .
Într-adevăr, cum B = A ∪ ( B ∩ A ) şi A ∩ (B ∩ A ) = φ rezultă că
P( B) = P ( A) + P ( B ∩ A ) ≥ P( A) .
6. Dacă A, B ∈ ( E , K , P) , atunci P( B − A) = P( B) − P( A ∩ B) .
Într-adevăr, cum B = ( B − A) ∪ ( A ∩ B) şi ( B − A) ∩ ( A ∩ B) = φ rezultă că
P( B) = P ( B − A) + P( A ∩ B) .
7. Dacă A, B ∈ ( E , K , P) şi A ⊂ B , atunci P( B − A) = P( B) − P ( A) .
Într-adevăr, cum B = ( B − A) ∪ A şi ( B − A) ∩ A = φ rezultă că
P( B) = P ( B − A) + P( A) .
8. Formula de adunare a probabilităŃilor. Dacă A, B ∈ ( E , K , P) , atunci
P( A ∪ B) = P( A) + P( B) − P( A ∩ B ) .
7
DefiniŃia clasică a probabilităŃii a fost formulată iniŃial de J. Bernoulli (1705)
116
Într-adevăr, cum A ∪ B = A ∪ [ B − ( A ∩ B)] şi A ∩ [ B − ( A ∩ B)] = φ rezultă că

P( A ∪ B) = P ( A) + P[ B − ( A ∩ B )] .
Cum A ∩ B ⊂ B , din consecinŃa 7 rezultă
P( B − ( A ∩ B)) = P( B) − P( A ∩ B)
care înlocuită în egalitatea precedentă ne dă P( A ∪ B) = P ( A) + P( B) − P( A ∩ B ) .
ObservaŃie. Prin inducŃie matematică se demonstrează că oricare ar fi
evenimentele A1, A2, …, An ∈ ( E , K , P) avem
 n  n
P U Ai  = ∑ P( Ai ) − ∑ P( Ai ∩ A j ) + ∑ P ( Ai ∩ A j ∩ Ak ) −
 i =1  i =1 i< j i< j <k
− K + (−1) n P( A1 ∩ A2 ∩ K ∩ An ).
9. Oricare ar fi A, B ∈ (E,K,P) avem P( A ∪ B) ≤ P( A) + P ( B ) .
Aceasta rezultă imediat din consecinŃa 8.
ObservaŃie. Proprietatea rămâne adevărată oricare ar fi evenimentele A1, A2,
 n  n
…, An ∈ ( E , K , P) şi avem P U Ai  ≤ ∑ P( Ai ) .
 i =1  i =1
10. Inegalitatea lui Boole 8. Dacă A1, A2, …, An ∈ ( E , K , P) , atunci
 n  n
P I Ai  ≥ 1 − ∑ P( Ai ) .
 i =1  i =1
Într-adevăr,
 n   n   n  n
P I Ai  = P U Ai  = 1 − P U Ai  ≥ 1 − ∑ P( Ai ) .
 i =1   i =1   i =1  i =1
 
ObservaŃie. Inegalitatea lui Boole ne dă o limită inferioară pentru
probabilitatea intersecŃiei a n evenimente.
ProbabilităŃi condiŃionate
Fie (E,K,P) un câmp de probabilitate (câmp borelian de probabilitate), iar A şi B
două evenimente ale câmpului cu P( B) ≠ 0 .
8
George Boole (1815 – 1864), matematician şi logician englez, fondatorul logicii matematice moderne
117
CAPITOLUL 5
DefiniŃie. Se numeşte probabilitate condiŃionată9 a evenimentului A de către

P( A ∩ B)
evenimentul B raportul .
P ( B)
Se notează P( A | B ) sau PB ( A) .
ObservaŃie. Tripletul (E,K,PB) este un câmp (câmp borelian) de probabilitate.
Formula de înmulŃire a probabilităŃilor. Fie A1, A2, …, An ∈ ( E , K , P) cu
P( A1 ∩ A2 ∩ K ∩ An −1 ) ≠ 0 . Are loc formula
P( A1 ∩ A2 ∩ K ∩ An ) = P ( A1 ) ⋅ P ( A2 | A1 ) ⋅ P( A3 | ( A1 ∩ A2 )) ⋅
⋅ K ⋅ P( An | ( A1 ∩ A2 ∩ K ∩ An −1 ))
DemonstraŃie. Vom folosi metoda inducŃiei matematice .
Pentru n = 2 avem P( A1 ∩ A2 ) = P ( A1 ) ⋅ P( A2 | A1 ) care este tocmai definiŃia
probabilităŃii condiŃionate.
Presupunem formula adevărată pentru n – 1 şi o demonstrăm pentru n. Avem
P( A1 ∩ A2 ∩K∩ An−1 ∩ An ) = P( A1 ∩ A2 ∩K∩ An−1 ) ⋅ P( An | ( A1 ∩ A2 ∩K∩ An−1 ))
= P( A1) ⋅ P( A2 | A1 ) ⋅K⋅ P( An−1 | ( A1 ∩K∩ An−2 )) ⋅ P( An | ( A1 ∩ A2 ∩K∩ An−1 ))
DefiniŃie. Se spune că evenimentele A şi B ∈ ( E , K , P) sunt independente
dacă
P( A ∩ B) = P( A) ⋅ P( B) .
Se spune că evenimentele familiei finite {A1, A2, …, An} ⊂ ( E , K , P) sunt
independente (sau independente în totalitatea lor) dacă evenimentele oricărei subfamilii
nevide a familiei date sunt independente, adică dacă ∀1 ≤ i1 ≤ i2 ≤ ... ≤ ik ≤ n avem
P( Ai1 ∩ Ai2 ∩K∩ Aik ) = P( Ai1 ) ⋅ P( Ai2 ) ⋅ P( Aik ) .
ObservaŃie. Dacă evenimentele familiei {A1, A2, …, An} sunt independente în

totalitatea lor, atunci sunt independente şi s câte s.
Exemplul datorat lui S. N. Bernstein10 ne arată că reciproca nu este adevărată.
Fie un tetraedru având o faŃă colorată cu alb, una cu roşu, una cu negru şi a patra
cu toate cele trei culori.
9
DefiniŃia a fost formulată iniŃial de Jacques Bernoulli (1700)
10
Serghei Natanovici Bernstein (1880 – 1968), matematician rus
118
Notând cu A1 evenimentul apariŃiei culorii albe, cu A2 evenimentul apariŃiei

culorii roşii şi cu A3 evenimentul apariŃiei culorii negre, avem
1
P( A1 ) = P ( A2 ) = P ( A3 ) = ,
2
1
P( A1 ) ⋅ P( A2 ) ⋅ P ( A3 ) = ,
8
1
P( A1 ∩ A2 ∩ A3 ) = ,
4
deci A1 , A2 , A3 nu sunt independente în totalitatea lor, dar sunt independente două câte
două deoarece
1
P ( A1 ∩ A2 ) = P ( A1 ∩ A3 ) = P ( A2 ∩ A3 ) = .
4
Formula probabilităŃii totale. Dacă A1, A2, …, An reprezintă o desfacere în
evenimente incompatibile a evenimentului sigur, atunci pentru orice eveniment X al
câmpului de evenimente (E, K, P) are loc formula
n n
P ( X ) = ∑ P ( Ak ∩ X ) = ∑ P ( Ak ) ⋅ PAk ( X ) .
k =1 k =1
DemonstraŃie. Într-adevăr, din faptul că A1, A2, …, An reprezintă o desfacere a

evenimentului sigur în evenimente incompatibile, avem
n
U Ak = E şi Ai ∩ A j = φ , i ≠ j , i, j = 1, n .
k =1
Un eveniment oarecare X din câmpul de evenimente se poate scrie

 n  n
X = E ∩ X =  U Ak  ∩ X = U ( Ak ∩ X )
 k =1  k =1
cu
( Ai ∩ X ) ∩ (A j )
∩ X = φ, i ≠ j , i, j = 1, n
şi deci
 n  n n
P( X ) = P U ( Ak ∩ X ) = ∑ P( Ak ∩ X ) = ∑ P( Ak ) ⋅ PAk ( X ) .
 k =1  k =1 k =1
Formula lui Bayes11. În aceleaşi condiŃii ca la formula probabilităŃii totale

are loc şi formula
11
Thomas Bayes (1702 – 1761), matematician englez şi preot prezbiterian
119
CAPITOLUL 5
P ( Ak ) ⋅ PAk ( X )
PX ( Ak ) = .
n
∑ P ( Ak ) ⋅ PAk ( X )
k =1
DemonstraŃie. Cum P( Ak ∩ X ) = P( X ) ⋅ PX ( Ak ) = P( Ak ) ⋅ PAk ( X ) rezultă că
P( Ak ) ⋅ PAk ( X )
PX ( Ak ) = . Înlocuind P(X) din formula probabilităŃii totale se obŃine
P( X )
formula lui Bayes.
Scheme probabilistice clasice
Schema bilei nerevenite

Dintr-o urnă cu a bile albe şi b bile negre se extrag n bile ( n ≤ a + b ) una câte
una fără întoarcerea bilei extrase în urnă (ceea ce este echivalent cu a extrage n bile
deodată).
Probabilitatea ca din cele n bile extrase k1 să fie albe şi k2 să fie negre
( k1 + k 2 = n ) este
k k
C a 1 ⋅ Cb 2
P= .
C an+b
DemonstraŃie. Numărul cazurilor posibile este C an+b . Un grup de k1 bile albe

k k
poate fi luat în C a 1 moduri, iar unul de k2 bile negre în Cb 2 moduri, deci numărul
k k
cazurilor favorabile este C a 1 ⋅ Cb 2 . Folosind definiŃia clasică a probabilităŃii rezultă
formula din enunŃ.

ObservaŃie. Această schemă admite următoarea generalizare
O urnă conŃine a1 bile de culoarea 1, a2 bile de culoarea 2, …, as bile de
culoarea s. Se extrag n bile ( n ≤ a1 + a 2 + ... + a s ).
Probabilitatea ca din cele n bile extrase k1 să fie de culoarea 1, k2 să fie de
culoarea 2, …, ks de culoarea s ( k1 + k 2 + ... + k s = n ) este
120
k k k
C a 1 ⋅ C a 2 ⋅ ... ⋅ C a s
P= 1 2 s
.
C an + a + ... + a
1 2 s
Schema bilei revenite (schema lui Bernoulli12)

Dintr-o urnă cu a bile albe şi b bile negre se extrag n bile, introducându-se de
fiecare dată bila extrasă înapoi în urnă.
Probabilitatea ca din cele n bile extrase k să fie albe şi n – k să fie negre este
P = C nk p k q n− k ,
a b
unde p = este probabilitatea de a extrage o bilă albă, iar q = 1 − p = este
a+b a+b
probabilitatea de a extrage o bilă neagră.
ObservaŃii.
1) Folosind binomul lui Newton
n
( pt + q ) n = ∑ C nk p k q n − k t k ,
k =0
probabilitatea cerută de schema lui Bernoulli este coeficientul lui t k din această
dezvoltare. Din acest motiv schema se mai numeşte şi schema binomială.
2) Această schemă admite următoarea generalizare
O urnă conŃine a1 bile de culoarea 1, a2 bile de culoarea 2, …, as bile de
culoarea s. Se extrag n bile, punând de fiecare dată bila extrasă înapoi în urnă.
Probabilitatea ca din cele n bile extrase k1 să fie de culoarea 1, k2 să fie de
culoarea 2, …, ks de culoarea s ( k1 + k 2 + ... + k s = n ) este
n! k k k
P= p1 1 p 2 2 ... p s s ,
k1! k 2 !...k s !
unde
a1
p1 = este probabilitatea de a extrage o bilă de culoarea 1,
a1 + a 2 + ... + a s
12
Jean Bernoulli (1667 – 1748), matematician elveŃian
121
CAPITOLUL 5
a2
p2 = este probabilitatea de a extrage o bilă de culoarea 2,
a1 + a 2 + ... + a s
M
as
ps = este probabilitatea de a extrage o bilă de culoarea s.
a1 + a 2 + ... + a s
Această schemă se numeşte schema polinomială.
Schema lui Poisson13

Fie n urne U1, U2, …, Un. Urna U1 conŃine a1 bile albe şi b1 bile negre, urna U2
conŃine a2 bile albe şi b2 bile negre, …, urna Un conŃine an bile albe şi bn bile negre.
Se extrage câte o bilă din fiecare urnă.
Probabilitatea ca din cele n bile extrase k să fie albe şi n – k să fie negre este
dată de coeficientul lui t k din polinomul ( p1t + q1 )( p 2 t + q 2 ) ... ( p n t + q n ) , unde

p1 este probabilitatea ca din urna U1 să extragem o bilă albă,
p2 este probabilitatea ca din urna U2 să extragem o bilă albă,
………………………………………………………………………
pn este probabilitatea ca din urna Un să extragem o bilă albă,
iar
q1 este probabilitatea ca din urna U1 să extragem o bilă neagră,
q2 este probabilitatea ca din urna U2 să extragem o bilă neagră,
…………………………………………………………………………
qn este probabilitatea ca din urna Un să extragem o bilă neagră.
ObservaŃie. Schema lui Poisson este o generalizare a schemei polinomiale.
5.2. Variabile aleatoare
DefiniŃie. Se numeşte variabilă aleatoare acea variabilă pentru care

evenimentul de a lua o valoare oarecare din mulŃimea ei de definiŃie este un eveniment
aleator (întâmplător).
13
Siméon Denis Poisson (1781-1840), matematician şi mecanician francez
122
Dacă o variabilă aleatoare ia valori dintr-o mulŃime cel mult numărabilă,

atunci ea se numeşte variabilă aleatoare discretă, iar dacă ia valori dintr-un interval al
dreptei reale se numeşte variabilă aleatoare continuă.
Fie X o variabilă aleatoare discretă şi fie xi, i = 1, n mulŃimea valorilor pe care le
poate lua variabila aleatoare X. Să notăm cu P( X = xi ) probabilitatea ca variabila
aleatoare X să ia valoarea xi. Această probabilitate este evident funcŃie de xi şi deci
putem scrie
P( X = xi ) = f ( xi ) = p i .
Pentru a cunoaşte o variabilă aleatoare trebuie să cunoaştem atât valorile xi pe
care le ia variabila aleatoare în timpul procesului de variaŃie cât şi probabilităŃile cu care
ia aceste valori.
Din această cauză vom nota variabilele aleatoare discrete prin

 x  x 
X  i  sau X  i  , i = 1, n ,
 f ( x i )  pi 
unde xi se numeşte argumentul variabilei aleatoare X, iar f(xi) = pi se numeşte funcŃie de
probabilitate.
În mod evident avem f ( xi ) ≥ 0 , i = 1, n .
Cum evenimentele E i = ( X = xi ) , constituie o desfacere în evenimente

n
incompatibile a evenimentului sigur E avem ∑ f ( xi ) = 1 .
i =1
Rezultă că o variabilă aleatoare X se mai poate scrie

 x 
X  i  , i = 1, n ,
 f ( x i )
unde f(xi) îndeplineşte condiŃiile:
1) f ( xi ) ≥ 0 , i = 1, n ;
n
2) ∑ f ( xi ) = 1 .
i =1
123
CAPITOLUL 5
MulŃimea valorilor variabilei aleatoare împreună cu funcŃia de probabilitate

definesc distribuŃia variabilei aleatoare.
Exemple.
1) DistribuŃia discretă uniformă
Variabila aleatoare X care este definită de această distribuŃie ia valorile xi cu
1
aceeaşi probabilitate . Deci distribuŃia variabilei X este
n
 xi 
X  1  , i = 1, n .
 
n
1 n n 1
Avem evident f ( xi ) = > 0 , i = 1, n şi ∑ f ( xi ) = ∑ = 1 .
n i =1 i =1 n
2) DistribuŃia binomială (Bernoulli) are variabila aleatoare

 k 
X  k k n − k  , k = 0, n ,
 Cn p q 
unde k reprezintă numărul de bile albe extrase dintr-o urnă Bernoulli.
Avem evident
f (k ) = C nk p k q n − k ≥ 0 , k = 0, n
şi
n nk k n−k
∑ f (k ) = ∑ C n p q = ( p + q) n = 1 .
k =0 k =0
Cu variabilele aleatoare discrete se pot efectua diferite operaŃii.

Fie un sistem de două variabile aleatoare
 x   yj 
X  i  , i = 1, n şi Y   , j = 1, m .
 f ( x i ) g yj ( ) 

Variabila aleatoare X o Y va avea distribuŃia
 xi o y j 
X o Y   , i = 1, n , j = 1, m ,

 h ( x i , y j ) 
124
unde h( x i , y j ) este probabilitatea ca variabila aleatoare X să ia valoarea xi şi variabila
aleatoare Y să ia valoarea yj.

Dacă cele două variabile aleatoare sunt independente, atunci h(xi,yj) = f(xi)·g(yj).
Cu variabilele aleatoare ale unui sistem se pot defini operaŃii ca suma, produsul,
înmulŃirea cu o constantă, etc.
DefiniŃie. Se numeşte suma variabilelor aleatoare X şi Y o nouă variabilă
aleatoare notată prin X + Y a cărei distribuŃie este
 xi + y j 
X + Y   , i = 1, n , j = 1, m ,
(
 h xi , y j )

unde
1) h( xi , y j ) ≥ 0 , i = 1, n , j = 1, m ;
n m
2) ∑ ∑ h( xi , y j ) = 1 .
i =1 j =1
DefiniŃie. Se numeşte produsul cu o constantă k a unei variabile aleatoare X o

nouă variabilă aleatoare notată prin kX a cărei distribuŃie este
 kx i 
kX   , i = 1, n ,
 f ( x i )
unde
1) f ( xi ) ≥ 0 , i = 1, n ;
n
2) ∑ f ( xi ) = 1 .
i =1
DefiniŃie. Se numeşte produsul variabilelor aleatoare X şi Y o nouă variabilă

aleatoare notată prin XY a cărei distribuŃie este
 xi y j 
XY   , i = 1, n , j = 1, m ,
(
 h xi , y j )


unde
1) h( xi , y j ) ≥ 0 , i = 1, n , j = 1, m ;
125
CAPITOLUL 5
n m
2) ∑ ∑ h( xi , y j ) = 1 .
i =1 j =1
DefiniŃie. Se numeşte puterea p a variabilei aleatoare X o nouă variabilă
aleatoare notată prin X p a cărei distribuŃie este

 x p 
X p  i  , i = 1, n ,
 f (x )
 i 
unde
1) f ( xi ) ≥ 0 , i = 1, n ;
n
2) ∑ f ( xi ) = 1 .
i =1
Dacă X este o variabilă aleatoare continuă, atunci argumentul ei x ia valori dintr-

un interval [a,b] şi deci P(X = x) = 0.
Pentru a defini distribuŃia variabilei aleatoare continue vom considera un interval
infinitezimal [x,x+dx]. Probabilitatea (infinitezimală) dP ca variabila aleatoare X să ia o
valoare din acest interval reprezintă o funcŃie de x şi este de forma dP= f(x)dx, unde f(x)
se numeşte densitate de probabilitate.
Pentru a cunoaşte o variabilă aleatoare continuă trebuie să cunoaştem densitatea
de probabilitate f(x). DistribuŃia variabilei aleatoare continue X cu densitatea de
probabilitate f(x) se va scrie
 x 
X   , x ∈ [a, b] .
 f ( x) 
f(x) are proprietăŃile:
1) f ( x ) ≥ 0 , x ∈ [ a, b] ;
b
2) ∫ f ( x)dx = 1 .
a
Exemple.
1) DistribuŃia continuă uniformă pentru o variabilă aleatoare X definită în [a,b]
1
are densitatea de probabilitate f ( x ) = .
b−a
Avem
126
1
f ( x) = >0
b−a
şi
b b 1
∫ f ( x)dx = ∫ dx = 1 .
a ab − a
1
2) DistribuŃia Cauchy are densitatea de probabilitate f ( x) = , x∈R .
π(1 + x 2 )
Avem
1
f ( x) = >0
π(1 + x 2 )
şi
+∞ +∞ 1 1 n 1 1 2 π
∫ f ( x)dx = ∫ dx = lim ∫ dx = lim 2arctg n = ⋅ = 1 .
−∞ −∞ π(1 + x2 ) π n→∞ −n 1 + x 2 π n→∞ π 2
Reprezentări grafice ale funcŃiei de probabilitate

şi ale densităŃii de probabilitate
Fie o variabilă aleatoare discretă X de distribuŃie
 x 
X  i  , i = 1, n ,
 f ( x i )
1) f ( xi ) ≥ 0 , i = 1, n ,
n
2) ∑ f ( xi ) = 1 .
i =1
Dacă raportăm planul la un sistem ortogonal de coordonate xOy, atunci

mulŃimea punctelor Mi(xi,f(xi)), i = 1, n reprezintă graficul variabilei aleatoare discrete X.
Exemplu. Fie variabila aleatoare discretă X de distribuŃie
 0 1 2 3 
X 1 2 4 8 .
 
 27 9 9 27 
127
CAPITOLUL 5
 1   2  4
Graficul ei este dat de mulŃimea punctelor M 0  0,  , M 1 1,  , M 2  2,  şi
 27   9  9
 8 
M 3  3,  . (Fig. 1)
 27 
Dacă pe axa absciselor sunt trecute punctele reprezentând valorile variabilei xi şi

din aceste puncte se ridică segmente verticale de lungime pi = f(xi) se obŃine graficul
prin bastonaşe.
Pentru variabila aleatoare discretă X din exemplul precedent, graficul prin
bastonaşe este dat de mulŃimea segmentelor paralele cu axa Oy, situate deasupra axei
Ox, care trec prin punctele de pe axa Ox: O(0,0), A1(1,0), A2(2,0), A3(3,0) şi au
1 2 4 8
respectiv lungimile , , , . (Fig. 2)
27 9 9 27
Punctele Mi(xi,f(xi)), i = 1, n pot fi unite de o infinitate de curbe. O curbă care
uneşte punctele Mi(xi,f(xi)), i = 1, n se numeşte curbă de distribuŃie a variabilei aleatoare

discrete X. Deci se pot considera o infinitate de curbe de distribuŃie pentru o variabilă
aleatoare discretă. Dintre acestea cea mai simplă curbă de distribuŃie se obŃine unind
punctele Mi(xi,f(xi)), i = 1, n prin segmente de dreaptă.
128
Un alt mod de a reprezenta grafic o variabilă aleatoare discretă, des întâlnit în

practică, este dat de histograma variabilei aleatoare14. Pentru a construi histograma, se
face convenŃia ca valorile xi ale variabilei aleatoare X să se ia echidistante cu
xi +1 − xi = 1 . În acest caz, ordonata pi = f(xi) are ca mărime acelaşi număr ce exprimă şi
aria dreptunghiului de bază xi − xi −1 = 1 şi înălŃime pi = f(xi). În practică, se construiesc

dreptunghiuri, astfel ca valoarea xi să fie la mijlocul bazei dreptunghiului cu înălŃimea
f(xi).
O astfel de reprezentare grafică se numeşte se numeşte histograma variabilei
aleatoare X.
Histograma pentru variabila aleatoare discretă X din exemplul precedent este
dată în (Fig. 3).
Dacă variabila aleatoare X este continuă şi are distribuŃia

 x 
X   , x ∈ [a, b] ,
 f ( x) 
1) f ( x) ≥ 0 ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci reprezentarea grafică a funcŃiei densitate de probabilitate f(x) se face după

modelul dat de analiza matematică.
Curba obŃinută se numeşte, de asemenea, curbă de distribuŃie a variabilei
aleatoare X.
14
Histogramele sunt utilizate în statistica matematică, economie, demografie
129
CAPITOLUL 5
Caracteristici numerice ale variabilelor aleatoare
a) Valoarea medie (sau speranŃa matematică)15

Fie o variabilă aleatoare discretă X de distribuŃie
 x 
X  i  , i = 1, n ,
 f ( x i )
1) f ( xi ) ≥ 0 , i = 1, n ,
n
2) ∑ f ( xi ) = 1 .
i =1
DefiniŃie. Se numeşte valoarea medie a variabilei aleatoare X numărul

n
M ( X ) = ∑ xi f ( x i ) = x1 f ( x1 ) + x 2 f ( x 2 ) + ... + x n f ( x n ) .
i =1

 x 
X   , x ∈ [a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci valoarea medie se defineşte prin

b
M ( X ) = ∫ xf ( x)dx .
a
ProprietăŃi ale valorii medii

1) Dacă X = k, adică variabila aleatoare este constantă, atunci M(X) = k.
2) Valoarea medie este valoare internă, adică dacă argumentul variabilei
aleatoare ia valori din [a,b], atunci avem şi M(X)∈[a,b].
3) M(kX) = kM(X), unde k este o constantă reală.
4) M(k+X) = k + M(X), unde k este o constantă reală.
5) Dacă X şi Y sunt două variabile aleatoare oarecare, atunci
15
NoŃiunea a fost introdusă de Christiaan Huygens (1629 – 1695), matematician, astronom şi fizician
olandez
130
M(X + Y) = M(X)+M(Y).
6) Dacă X şi Y sunt două variabile aleatoare independente, atunci
M(XY) = M(X)M(Y).
b) Abaterea unei variabile aleatoare

DefiniŃie. Se numeşte abatere a variabilei aleatoare X cu M ( X ) ∈ R , o nouă
variabilă aleatoare ξ de argument egal cu diferenŃa dintre argumentul lui X şi
M(X)=m (valoarea medie a variabilei aleatoare X). Astfel, dacă variabila aleatoare X
este discretă cu distribuŃia
 x 
X  i  , i = 1, n ,
 f ( x i )
1) f ( xi ) ≥ 0 , i = 1, n ,
n
2) ∑ f ( xi ) = 1 ,
i =1
atunci
 x − m
ξ  i  ,
 f ( xi ) 
iar dacă variabila aleatoare X este continuă cu distribuŃia
 x 
X  , x ∈ [a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci
 x − m
ξ   .
 f ( xi ) 
łinând seama de proprietatea d) a valorii medii, avem
M (ξ) = M ( X ) − M (m) = m − m = 0 ,
deci valoarea medie a abaterii este nulă.
c) Momente de ordinul k
DefiniŃie. Se numeşte moment de ordin k al variabilei aleatoare X valoarea
medie a variabilei X k . Astfel, dacă variabila aleatoare X este discretă cu distribuŃia
131
CAPITOLUL 5
 x 
X  i  , i = 1, n ,
 f ( x i )
1) f ( xi ) ≥ 0 , i = 1, n ,
n
2) ∑ f ( xi ) = 1 ,
i =1
atunci
n
M ( X k ) = ∑ xik f ( xi ) ,
i =1

 x 
X   , x ∈ [a, b] ,
 f ( x) 
b
1) f ( x) ≥ 0 , x ∈ [a, b] , 2) ∫ f ( x)dx = 1 ,
a
atunci
b
M ( X k ) = ∫ x k f ( x)dx .
a
d) Medii de ordinul k
DefiniŃie. Se numeşte medie de ordinul k a variabilei aleatoare X, radicalul de
indice k din momentul de ordinul k al variabilei aleatoare X.
Notând cu M k ( X ) media de ordinul k, avem
Mk (X ) = k M (X k ) .
ProprietăŃi ale momentelor şi ale mediilor
1) Dacă X = c, adică variabila aleatoare este constantă, atunci M ( X k ) = c k

şi M k ( X ) = c .
2) Dacă avem un sistem de n variabile independente X1, X2, …, Xn cu
M ( X 1 ) = M ( X 2 ) = ... = M ( X n ) = 0 , atunci
( ) ( ) ( ) ( )
M ( X 1 + X 2 + ... + X n )2 = M X 12 + M X 22 + ... + M X n2 .
132
3) Dacă k < p, atunci M ( X k ) < M ( X p ) şi M k ( X ) < M p ( X ) .
4) Media de ordinul k este o valoare internă în sensul că dacă argumentul

variabilei aleatoare ia valori din [a,b], atunci avem şi M k ( X ) ∈ [ a, b] .
e) Momente centrate
DefiniŃie. Se numeşte moment centrat de ordinul k al variabilei aleatoare X
momentul de ordinul k al abaterii.
Notând cu mk momentul centrat de ordinul k, dacă variabila aleatoare X este
discretă cu distribuŃia
 x 
X  i  , i = 1, n ,
 f ( x i )
n
1) f ( xi ) ≥ 0 , i = 1, n , 2) ∑ f ( xi ) = 1 ,
i =1
atunci
( )n
m k = M ξ k = ∑ ( xi − m) k f ( x i ) ,
i =1

 x 
X   , x ∈ [ a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [ a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci
( )b
m k = M ξ k = ∫ ( x − m) k f ( x)dx .
a
Dezvoltând după formula binomului lui Newton pe ( x − m) k avem
m k = M ( X k ) − C k1 mM ( X k −1 ) + C k2 m 2 M ( X k − 2 ) − ... + ( −1) k C kk m k .
Pentru valori particulare ale lui k, avem:

m1 = 0
m2 = M ( X 2 ) − m 2
m3 = M ( X 3 ) − 3mM ( X 2 ) + 2m 2
133
CAPITOLUL 5
şi aşa mai departe.

Momentul centrat de ordinul doi se numeşte dispersia (sau varianŃa sau
fluctuaŃia) variabilei aleatoare X şi se notează cu σ 2 sau D(X). Astfel, dacă variabila

aleatoare X este discretă cu distribuŃia
 x 
X  i  , i = 1, n ,
 f ( x i )
1) f ( xi ) ≥ 0 , i = 1, n ,
n
2) ∑ f ( xi ) = 1 ,
i =1
atunci
n
σ 2 = ∑ ( xi − m) 2 f ( x i ) = M ( X 2 ) − m 2 ,
i =1

 x 
X   , x ∈ [ a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [ a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci
b
σ 2 = ∫ ( x − m) k f ( x)dx = M ( X 2 ) − m 2 .
a
ProprietăŃi ale dispersiei

1) Dacă X = c, adică variabila aleatoare este constantă, atunci D(X) = 0.
2) D(cX) = c2·D(X), unde c este o constantă reală.
3) Dacă X şi Y sunt două variabile aleatoare independente, atunci
D( X + Y ) = D( X ) + D (Y ) .
4) D(c + X ) = D ( X ) , unde c este o constantă reală.
134
ObservaŃie. D( X ) se numeşte abaterea medie pătratică a variabilei aleatoare

X.
f) Mediană. FuncŃie de repartiŃie

DefiniŃie. Se numeşte funcŃie de repartiŃie a variabilei aleatoare X
probabilitatea ca variabila aleatoare X să ia valori mai mici decât un număr real x.
Notând cu F(x) funcŃia de repartiŃie, avem
F(x) = P(X < x).
Dacă variabila aleatoare X este discretă şi are distribuŃia
 x 
X  i  , i = 1, n ,
 f ( x i )
n
1) f ( xi ) ≥ 0 , i = 1, n , 2) ∑ f ( xi ) = 1 ,
i =1
atunci
xi < x
F ( x) = ∑ f ( xi ) ,
i =1
deoarece
xi < x xi < x
F(x) = P(X < x) = ∑ P ( X = xi ) = ∑ f ( xi ) .
i =1 i =1
ObservaŃie. Cu ajutorul funcŃiei de repartiŃie putem calcula probabilitatea ca

variabila aleatoare X să ia valori cuprinse între două numere p şi q şi avem
P( p < X < q) = F (q) − F ( p) .
 x 
X   , x ∈ [ a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [ a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci funcŃia de repartiŃie este

x
F ( x) = P( X < x) = ∫ f (t )dt .
a
135
CAPITOLUL 5
ObservaŃii.
1) Ca şi în cazul variabilelor aleatoare discrete, avem
q
P ( p < X < q) = F ( q ) − F ( p ) = ∫ f (t ) dt .
p
2) Cunoscând funcŃia de repartiŃie F(x) a unei variabile aleatoare X, putem afla

densitatea de probabilitate f(x) şi anume
dF ( x)
f ( x) = .
dx
ProprietăŃi ale funcŃiei de repartiŃie

1) F(a) = 0, F(b) = 1;
2) F(x) ∈[0,1], ∀x ∈ [ a, b] .
DefiniŃie. Se numeşte mediana variabilei aleatoare X acea valoare Me pentru
care
P( X < M e ) = P( X > M e ) .
łinând seama că P ( X < M e ) = 1 − P ( X > M e ) , rezultă că
1
F (M e ) = .
2
1
Astfel, mediana este soluŃie a ecuaŃiei F ( x) = .
2
ObservaŃie. În acest caz, Me coincide cu o valoare a variabilei aleatoare. Sunt
cazuri când ea este cuprinsă într-un interval ( x k , x k +1 ) şi atunci spunem că avem un
interval median. Se obişnuieşte ca Me să se ia mijlocul intervalului median.
Dacă variabila aleatoare este continuă şi are distribuŃia

 x 
X   , x ∈ [ a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [ a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
136
1
atunci Me se găseşte ca soluŃie a ecuaŃiei F ( x) = , adică
2
Me 1
∫ f ( x)dx = .
a 2
g) Modul (sau valoarea dominantă sau valoarea cea mai probabilă)

DefiniŃie. Se numeşte modul variabilei aleatoare X acea valoare M0 a
argumentului pentru care funcŃia de probabilitate, respectiv funcŃia densitate de
probabilitate, după cum variabila aleatoare X este discretă, respectiv continuă, are
valoare maximă.
 x 
X   , x ∈ [ a, b] ,
 f ( x) 
1) f ( x ) ≥ 0 , x ∈ [ a, b] ,
b
2) ∫ f ( x)dx = 1 ,
a
atunci pentru aflarea modului se află maximul funcŃiei f(x) din [a,b].
h) Quantile
DefiniŃie. Se numesc quantile de ordinul n a unei variabile aleatoare X
rădăcinile reale ale ecuaŃiilor
i
F ( x) = , i = 1, n − 1 ,
n
unde n este un număr natural dat, iar F(x) este funcŃia de repartiŃie a variabilei
aleatoare X.
1
Se observă că mediana Me fiind rădăcină a ecuaŃiei F ( x) = este quantilă de
2
ordinul doi.
În practică se consideră de obicei n = 2, 4, 10, 100.
Pentru n = 4, cele trei rădăcini se numesc quartile.
Pentru n = 10, cele nouă rădăcini se numesc decile.
Pentru n = 100, cele 99 rădăcini se numesc centile.
137
CAPITOLUL 5
i) CovarianŃa
Fie două variabile aleatoare X şi Y.
DefiniŃie. Se numeşte covarianŃa variabilelor aleatoare X şi Y valoarea medie
a variabilei (X - m1)(Y - m2), unde m1 şi m2 sunt respectiv valorile medii ale variabilelor
X şi Y.
Notând covarianŃa cu cov(X,Y), avem
cov(X,Y) = M((X - m1)(Y - m2)).
Cum m1 = M(X) şi m2 = M(Y), avem
cov(X,Y) = M(XY – m1Y – m2X + m1m2) = M(XY) – m1M(Y) – m2M(X) + m1m2
= M(XY) – M(X)M(Y).
Are loc deci formula
cov(X,Y) = M(XY) - M(X)M(Y).
ObservaŃie. Dacă variabilele aleatoare X şi Y sunt independente, atunci
cov(X,Y) = 0.
j) Coeficient de corelaŃie
Fie două variabile aleatoare X şi Y cu valorile medii m1, respectiv m2 şi abaterile
medii pătratice σ1 şi respectiv σ 2 . Lor le putem ataşa variabilele aleatoare
X − m1 Y − m2
X '= şi respectiv Y ' =
σ1 σ2
numite variabile aleatoare normate.
ObservaŃie. Dacă X este o variabilă aleatoare de valoare medie m, atunci
variabila aleatoare normată X ' are valoarea medie egală cu m, iar dispersia este 1.
DefiniŃie. Se numeşte coeficient de corelaŃie al variabilelor X şi Y covarianŃa
variabilelor aleatoare normate X ' şi Y ' .
Notând coeficientul de corelaŃie cu ρ XY , avem
 ( X − m1 )(Y − m2 )   X − m1   Y − m2  cov( X , Y )
ρ XY = cov( X ' , Y ' ) = M   − M   ⋅ M   = .
 σ1σ 2   σ1   σ 2  σ1σ 2
138
ProprietăŃi ale coeficientului de corelaŃie

1) − 1 ≤ ρ XY ≤ 1 .
2) Dacă variabilele aleatoare X şi Y sunt independente, atunci ρ XY = 0 .
3) Dacă X ' = Y ' , atunci ρ XY = 1 .
4) Dacă X ' = −Y ' , atunci ρ XY = −1 .
k) FuncŃia caracteristică
Fie X o variabilă aleatoare discretă sau continuă. Variabilei aleatoare X îi putem
ataşa o nouă variabilă aleatoare e itX de distribuŃie
 e itxk 
e itX   , k ∈ N ∗ , dacă variabila aleatoare X este discretă
 f (x )
 k 
şi
 e itx 
e itX   , x ∈ R , dacă variabila aleatoare X este continuă,
 f ( x) 
 
unde i este unitatea imaginară, iar t este un parametru real.
DefiniŃie. Se numeşte funcŃie caracteristică a variabilei aleatoare X valoarea
medie a variabilei aleatoare e itX .

Notând funcŃia caracteristică cu c(t), avem
∞
c(t ) = M (e itX ) = ∑ f ( x k )e itxk , dacă variabila aleatoare X este discretă
k =1
şi
∞
c(t ) = M (e itX ) = ∫ f ( x)e itx dx , dacă variabila aleatoare X este continuă.
−∞
5. 3. DistribuŃii continue clasice
O parte din variabilele aleatoare continue au o mare importanŃă teoretică şi

practică. Dintre acestea un loc central îl ocupă variabila aleatoare a cărei distribuŃie se
numeşte distribuŃia normală.
139
CAPITOLUL 5
DefiniŃie. Se spune că o variabilă aleatoare X are distribuŃia normală dacă are

densitatea de probabilitate
2
1  x −m 
−  
1
n( x; m, σ) = e 2 σ  , x∈R ,
σ 2π
unde m şi σ sunt doi parametri reali, iar σ > 0 .
Să arătăm că n( x; m, σ) este o densitate de probabilitate, adică îndeplineşte
următoarele condiŃii:
1) n( x; m, σ) ≥ 0 ;
∞
2) ∫ n( x; m, σ)dx = 1 .
−∞
Prima condiŃie este evident îndeplinită.
Pentru a doua condiŃie vom folosi integrala lui Gauss16 din analiză şi anume
∞ π
−t 2
∫e dt = .
0 2
Avem
2
1  x −m 
∞ 1 ∞ −  
2 σ  dx
I = ∫ n( x; m, σ )dx = ∫e 
−∞ σ 2π −∞
în care efectuând schimbarea de variabilă x − m = σ 2 t , avem dx = σ 2dt şi limitele

de integrare se păstrează, deci putem scrie
σ 2 ∞ −t 2 1 ∞ −t 2
I= ∫ e dt = ∫ e dt .
σ 2π −∞ π −∞
Cum funcŃia de sub integrală este pară, rezultă
2 ∞ −t 2
I= ∫ e dt .
π0
łinând seama de integrala lui Gauss, avem
2 π
I= = 1.
π 2
16
Karl Friedrich Gauss (1777 - 1855), matematician şi astronom german
140
x2
1 − 2
ObservaŃie. FuncŃia n( x;0, σ) = e 2σ , x ∈ R se numeşte densitatea
σ 2π
de probabilitate a variabilei normale centrate.
Să calculăm valoarea medie şi dispersia variabilei aleatoare cu densitatea de
probabilitate n( x; m, σ) .
2
1  x −m 
∞ ∞ −  
1
a) M ( X ) = ∫ xn( x; m, σ )dx = ∫ xe 2  σ  dx .
−∞ σ 2π −∞
Cu aceeaşi schimbare de variabilă ( x − m = σ 2 t ), avem
1 ∞ 2
−t
M (X ) = ∫ (σ 2 t + m)e σ 2dt
σ 2π − ∞
1 ∞ −t 2
= ∫ (σ 2 t + m)e dt
π −∞
σ 2 ∞ −t 2 m ∞ −t 2
= ∫ te dt + ∫ e dt
π −∞ π −∞
m ∞ −t 2
= ∫ e dt
π −∞
(prima integrală este nulă, deoarece funcŃia de sub integrală este impară).
Pentru integrala rămasă folosind paritatea funcŃiei şi integrala lui Gauss avem
2 m ∞ −t 2 2m π
M (X ) = ∫ e dt = =m.
π0 π 2
Din M(X) = m, rezultă că parametrul m este tocmai valoarea medie a variabilei
aleatoare X.
2
1  x −m 
∞ ∞ −  
1 2 σ  dx .
b) D ( X ) = ∫ ( x − m) 2 n( x; m, σ )dx = ∫ ( x − m) e 
2
−∞ σ 2π −∞
Cu aceeaşi schimbare de variabilă ( x − m = σ 2 t ), avem
141
CAPITOLUL 5
1 ∞ 2
2 2 −t
D( X ) = ∫ 2σ t e σ 2dt
σ 2π − ∞
2σ 2 ∞ 2 − t 2
= ∫ t e dt
π −∞
2σ 2 n 2
= lim ∫ t 2 e − t dt.
π n→∞ − n
2 1 2
Integrând prin părŃi, unde f = t, g ' = te −t , f ' = 1 , g = − e −t , obŃinem
2
n
2σ2 t 2 2σ2 n 1 2
D( X ) = − lim e −t − lim ∫  − e −t  dt
π n→∞ 2 −n π n→∞ −n  2 
2
2σ 1 n 2
= lim ∫ e −t dt = σ2 ,
π 2 n→∞ −n
deoarece
n
t −t 2
lim e =0
n→∞ 2 −n
şi
n 2
lim ∫ e −t dt = π .
n→∞ −n
Deci σ 2 este dispersia variabilei aleatoare cu distribuŃia normală.

Momentul de ordinul k al variabilei aleatoare X cu distribuŃia normală este
∞
M ( X k ) = ∫ x k n( x; m, σ)dx
−∞
2
1  x−m 
∞ −  
1
= ∫ x e 2 σ 
k
dx.
σ 2π − ∞
Graficul funcŃiei n( x; m, σ) are forma unui clopot numit clopotul lui Gauss.
FuncŃia de repartiŃie a variabilei aleatoare X cu distribuŃia normală este
142
2
1  t −m 
1 x −  
2 σ  dt .
F ( x) = P( X < x) = ∫e 
σ 2π −∞
Ea depinde de x, m şi σ şi se notează cu N ( x; m, σ) .
FuncŃia
t2
1 x −
N ( x;0,1) = ∫ e 2 dt
2π −∞
se numeşte funcŃia de repartiŃie normată.
Se demonstrează că variabilele aleatoare cu distribuŃia normală au următoarele
proprietăŃi:
1) Dacă o variabilă aleatoare X are distribuŃia normală n( x; m, σ) , iar c este o
constantă reală, atunci variabila aleatoare cX are tot distribuŃia normală dată de
densitatea de probabilitate n( x; cm, cσ) .
2) Dacă variabilele aleatoare X1, X2, …, Xn sunt independente şi au distribuŃii
n
normale, atunci variabila aleatoare X = ∑ X k are tot o distribuŃie normală şi dacă
k =1
n( x k ; m k , σ k ) este densitatea de probabilitate a variabilei X k , k = 1, n , atunci variabila
 n n 
aleatoare X are densitatea de probabilitate dată de n  x; ∑ mk , ∑ σ k2 .
 k =1 k =1 
 
DistribuŃia Gamma
DefiniŃie. Se spune că o variabilă aleatoare X are distribuŃia Gamma dacă are
 −
x
 1 1 a −1
f ( x; a , b ) =  Γ ( a ) a x e , x ≥ 0
b
b

0 ,x < 0,
∞
unde a şi b sunt doi parametri reali strict pozitivi, iar Γ(a ) = ∫ x a −1e − x dx .
0
143
CAPITOLUL 5
Să arătăm că f ( x; a, b) este o densitate de probabilitate, adică îndeplineşte

1) f ( x; a, b) ≥ 0 ;
∞
2) ∫ f ( x; a, b)dx = 1 .
−∞
łinând seama de expresia lui f ( x; a, b) avem
x
∞ 1 1 ∞ a −1 − b
I = ∫ f ( x; a, b)dx = ∫ x e dx .
−∞ Γ(a) b a 0
Efectuând schimbarea de variabilă x = bt, avem dx = bdt şi limitele de integrare

se păstrează.
Astfel putem scrie
∞
I = ∫ f ( x; a , b ) dx
−∞
1 1 ∞ a − 1 a −1 − t
= ∫b t e bdt
Γ(a) b a 0
1 ∞ a −1 − t
= ∫t e dt
Γ(a) 0
1
= Γ ( a ) = 1.
Γ(a)
Momentul de ordinul k al variabilei aleatoare X cu distribuŃia Gamma este
∞
M ( X k ) = ∫ x k f ( x; a , b ) dx
−∞
x
1 1 ∞ k a −1 − b
= ∫x x e dx
Γ(a) b a 0
x
1 1 ∞ a + k −1 − b
= ∫x e dx.
Γ(a) b a 0
Cu aceeaşi schimbare de variabilă (x = bt) avem
1 1 ∞ a+k −1 a+k −1 −t
M (X k ) = ∫b t e bdt
Γ(a) b a 0
1 1 a+k ∞ a+k −1 −t
= b ∫t e dt
Γ(a) b a 0
1 k
= b Γ(a + k ) .
Γ(a)
144
łinând seama de formula de recurenŃă

Γ(a + k ) = (a + k − 1)(a + k − 2)...(a + 1)aΓ(a ) ,
obŃinem
M ( X k ) = a (a + 1)...(a + k − 1)b k .
Astfel pentru k = 1 avem M ( X ) = ab , iar pentru k = 2 avem
M ( X 2 ) = a (a + 1)b 2 .
probabilitate f ( x; a, b) .
a) M ( X ) = ab , conform celor de mai sus.
b) D ( X ) = M ( X 2 ) − [ M ( X )] 2 = a (a + 1)b 2 − (ab) 2 = ab 2 .
Graficul funcŃiei f ( x; a, b) depinde de valorile parametrilor a şi b.
FuncŃia de repartiŃie a variabilei aleatoare X cu distribuŃia Gamma este
 x −
t
 1 1 ∫ t a −1e b dt , x ≥ 0
F ( x) = P( X < x ) =  Γ(a ) a
b 0

0 , x < 0.
DistribuŃia Beta
DefiniŃie. Se spune că o variabilă aleatoare X are distribuŃia Beta dacă are
 1
 x a −1 (1 − x) b −1 , 0 ≤ x ≤ 1
f ( x; a, b) =  β(a, b)
0 , x < 0, x >1 ,

1
unde a şi b sunt doi parametri reali strict pozitivi, iar β(a, b) = ∫ x a −1 (1 − x) b −1 dx .
0
Să arătăm că f ( x; a, b) este o densitate de probabilitate, adică îndeplineşte

1) f ( x; a, b) ≥ 0 ;
∞
2) ∫ f ( x; a, b)dx = 1 .
−∞
145
CAPITOLUL 5

łinând seama de expresia lui f ( x; a, b) avem
∞ 1 1 a −1 1
b −1
I = ∫ f ( x; a, b)dx = ∫ x (1 − x) dx = β( a , b ) = 1 .
−∞ β(a, b) 0 β(a, b)
Momentul de ordinul k al variabilei aleatoare cu distribuŃia Beta este

∞ 1 1 k a −1 b−1
M ( X k ) = ∫ x k f ( x; a, b)dx = ∫ x x (1 − x) dx
−∞ β(a, b) 0
1 1 a + k −1 1
= ∫x (1 − x) b −1 dx = β(a + k , b) .
β(a, b) 0 β( a , b )
łinând seama că între funcŃia Beta şi funcŃia Gamma are loc relaŃia
Γ(a )Γ(b)
β(a, b) = ,
Γ( a + b )
obŃinem
1 Γ(a + k )Γ(b) Γ(a + b)Γ(a + k )
M(X k ) = =
Γ(a)Γ(b) Γ(a + b + k ) Γ(a)Γ(a + b + k )
Γ(a + b)
Γ(a + b)(a + k − 1) ⋅ ... ⋅ (a + 1)aΓ(a)
=
Γ(a)(a + b + k − 1) ⋅ ... ⋅ (a + b + 1)(a + b)Γ(a + b)
a(a + 1) ⋅ ... ⋅ (a + k − 1)
= .
(a + b)(a + b + 1) ⋅ ... ⋅ (a + b + k − 1)
a
Astfel pentru k =1 avem M (X ) = , iar pentru k = 2 avem
a+b
a (a + 1)
M (X 2 ) = .
(a + b)(a + b + 1)
probabilitate f ( x; a, b) .
a
a) M ( X ) = , conform celor de mai sus.
a+b
2
a (a + 1)  a  ab
b) D ( X ) = M ( X 2 ) − [ M ( X )] 2 = −  = .
(a + b)(a + b + 1)  a + b  2
(a + b) (a + b + 1)
146
Graficul funcŃiei f ( x; a, b) depinde de valorile parametrilor a şi b.

FuncŃia de repartiŃie a variabilei aleatoare X cu distribuŃia Beta este
0 ,x < 0
 1 1
a −1
F ( x) = P( X < x) =  ∫t (1 − t ) b −1 dt , 0 ≤ x ≤ 1
 β ( a , b ) 0
1 , x >1 .
DistribuŃia HI – PĂTRAT (Pearson17)

DefiniŃie. Se spune că o variabilă aleatoare X are distribuŃia Hi – Pătrat dacă
are densitatea de probabilitate
 n x
−1 − 2
 1
x 2 e 2σ , x ≥ 0
 n
f ( x ; n, σ ) = 
2 n n
 2 σ Γ 2 
  
0 ,x<0 ,
unde n este un parametru ce reprezintă numărul gradelor de libertate, iar σ > 0 .

Să arătăm că f ( x; n, σ) este o densitate de probabilitate, adică îndeplineşte
1) f ( x; n, σ) ≥ 0 ;
∞
2) ∫ f ( x; n, σ)dx = 1 .
−∞
łinând seama de expresia lui f ( x; n, σ) avem
n x
∞ 1 ∞ −1 − 2
I = ∫ f ( x; n, σ)dx =
n ∫ x 2 e 2σ dx .
−∞ n 0
2 2 σ n Γ 
2
Efectuând schimbarea de variabilă x = 2σ 2 t , avem dx = 2σ 2 dt şi limitele de
integrare se păstrează.
Astfel, putem scrie
17
Karl Pearson (1857 – 1936), matematician englez, fondator al statisticii matematice. În 1911 a fondat
prima catedră de statistică matematică la University College London
147
CAPITOLUL 5
n n n
1 ∞−1 −1 1 ∞ 2 −1 −t 1 n
n−2 2 −t 2
I= ∫2 2 σ t e 2σ dt = ∫t e dt = Γ  = 1 .
n n n 2
n n
0 Γ  0 Γ   
2 2 σ Γ  2 2
2
Momentul de ordinul k al variabilei aleatoare X cu distribuŃia Hi – Pătrat este
∞
M ( X k ) = ∫ x k f ( x; n, σ)dx
−∞
n x
1 ∞ −1 − 2
= k 2
∫x x e 2σ dx
n
n 0
2 2 σ n Γ 
2
n x
1 ∞ +k −1 − 2
= 2 2σ
n ∫x e dx .
n 0
2 2 σ n Γ 
2
Cu aceeaşi schimbare de variabilă ( x = 2σ 2 t ) avem
n n
1 ∞ +k−1 +k−1
n+2k−2 2
M(X ) =k
∫22 σ t e−t 2σ2dt
n
 n 0
22 σnΓ 
 2
n n
1 +k ∞ +k−1
n+2k 2
= 2 σ
2 ∫t e−tdt
n
 n 0
22 σnΓ 
 2
n
1 k 2k ∞ 2+k−1 −t 1 k 2k  n 
= 2 σ ∫t e dt = 2 σ Γ + k 
 n  n 2 
Γ  0 Γ 
 2  2
1 k 2k  n   n  n  n
= 2 σ  + k −1 ⋅...⋅  +1 Γ 
 n 2   2  2  2
Γ 
 2
 n + 2k − 2   n + 2  n k 2k n(n + 2) ⋅...⋅ (n + 2k − 2)
= 2k σ2k   ⋅...⋅   =2 σ
 2   2 2 2k
= n(n + 2) ⋅...⋅ (n + 2k − 2)σ2k .
Astfel pentru k =1 avem M ( X ) = nσ 2 , iar pentru k =2 avem
M ( X 2 ) = n(n + 2)σ 4 .
148

probabilitate f ( x; n, σ) .
a) M ( X ) = nσ 2 , conform celor de mai sus.
b) D ( X ) = M ( X 2 ) − [ M ( X )] 2 = n(n + 2)σ 2 − nσ 2 ( )2 = 2nσ 4 .

DistribuŃia „t” (Student) 18
DefiniŃie. Se spune că o variabilă aleatoare X are distribuŃia „t” dacă are
 n +1
Γ 
f (t ; n ) =
1  2  1
, t∈R,
nπ n n +1
Γ  
 2  1 + t 2  2
 n 

unde n este un parametru ce reprezintă numărul gradelor de libertate.
Să arătăm că f (t ; n) este o densitate de probabilitate, adică îndeplineşte
1) f (t ; n) ≥ 0 ;
∞
2) ∫ f (t ; n)dt = 1 .
−∞
łinând seama de expresia lui f ( x; n) avem
∞
I = ∫ f (t ; n ) dt
−∞
 n +1 n +1
Γ  ∞  2 
−
1  2  t  2
= ∫  1 + dt .
nπ  n  −∞  n 
Γ 
2
Cum funcŃia de sub integrală este pară, rezultă
18
Student este pseudonimul matematicianului englez William Sealey Gosset (1876 – 1937)
149
CAPITOLUL 5
 n + 1 n +1
Γ  ∞ 2 − 2
I=
2  2  1 + t  dt .
∫
nπ  n  0  n 
Γ 
2
Efectuând schimbarea de variabilă t 2 = nx şi Ńinând seama că limitele de
integrare se păstrează, avem
 n + 1
Γ 
I=
2  2  ∞(1 + x )− n+1 n 1 dx
∫ 2
nπ n 2 nx
Γ  0
 
2
 n + 1
Γ  1
n +1
=
2  2  n ∞ x − 2 (1 + x )−
∫ 2 dx
nπ n 2 0
Γ 
2
 n + 1  n + 1
Γ ∞ −1 n +1 Γ 
1  2  − 1  2  1 n
= ∫x 2 (1+ x ) 2 dx = β , 
π n π n
Γ  
2 2
Γ  0
 
2  
2
 n + 1  1   n 
Γ  Γ  Γ  
1  2  2 2 1 1 1
= = Γ  = π = 1.
π n 1 n π 2 π
Γ  Γ  + 
2 2 2
Momentele de ordin impar ale variabilei aleatoare X cu distribuŃia „t” sunt nule,
deoarece
 n +1
Γ 
 2  ∞
1 t 2 k +1
M ( X 2 k +1 ) = ∫ dt = 0,
nπ  n  −∞ n +1
Γ   t2  2
2 1 + 
 n 

funcŃia de sub integrală fiind impară.
Momentele de ordin par sunt date de
 n + 1 n +1
Γ  −
1  2  ∞ 
2k  t 2  2
M ( X 2k ) = ∫ t 1 + dt
nπ n −∞  n 
Γ 
2
 n + 1 n +1
Γ  −
2  2  ∞ 
2k  t 2  2
= ∫ t 1 + dt .
nπ n  n 
Γ  0
2
150
Cu aceeaşi schimbare de variabilă ( t 2 = nx ), efectuând calculele, rezultă
1 ⋅ 3 ⋅ ... ⋅ (2k − 1)n k

M ( X 2k ) = .
(n − 2)(n − 4) ⋅ ... ⋅ (n − 2k )
n
Astfel pentru k =1 avem M ( X 2 ) = .
n−2
probabilitate f (t ; n) .
a) M ( X ) = 0 , conform celor de mai sus.
n n
b) D ( X ) = M ( X 2 ) − [ M ( X )]2 = −0 = .
n−2 n−2
1) Într-o magazie sunt 40 de piese dintre care 4 au defecte. Care este probabilitatea
ca o piesă luată la întâmplare să fie cu defecte?
SoluŃie. Fie A evenimentul ca piesa aleasă să fie cu defecte. Deoarece alegerea
unei piese este un eveniment aleator, rezultă că putem lua orice piesă din cele 40 şi deci
avem 40 de cazuri posibile. Numărul cazurilor favorabile realizării evenimentului A este
egal cu numărul pieselor cu defecte, adică este egal cu 4. Din definiŃia clasică, rezultă
4
P( A) = = 0,1 .
40
2) La fabricarea unui dispozitiv pot să apară defecte datorită materialului folosit la

fabricarea pieselor, datorită pieselor componente şi datorită montajului. Dispozitivul se
consideră bun dacă nu are nici unul din aceste defecte. Din practică se cunoaşte că
datorită materialului folosit 5% din piese au defecte, datorită prelucrării 8% au defecte,
iar datorită montajului 4% din dispozitive au defecte.
Se cere probabilitatea minimă ca un dispozitiv să fie bun.
SoluŃie. Fie A evenimentul ca piesele componente să nu aibă defecte din cauza
materialului folosit, B evenimentul ca piesele componente să nu aibă defecte de
151
CAPITOLUL 5
fabricaŃie şi C evenimentul ca dispozitivul să nu aibă defecte de montaj. Se cere

P( A ∩ B ∩ C ) . Avem
P( A ) = 0,05 , P( B ) = 0,08 şi P(C ) = 0,04 .

Din inegalitatea lui Boole avem
P( A ∩ B ∩ C ) ≥ 1 − [ P( A ) + P( B ) + P(C )] = 1 − (0,05 + 0,08 + 0,04) = 0,83 .
3) Un produs necesită două operaŃii: de prelucrare şi de montare. La prelucrare,

probabilitatea ca produsul să fie cu defecte este 0,5, iar ca montajul să fie defect este
0,2. Care este probabilitatea ca produsul să fie defect?
SoluŃie. Fie A evenimentul ca produsul să fie cu defecte de prelucrare şi B
evenimentul ca produsul să fie cu defecte de montaj. Se cere P( A ∪ B ) .
Avem P(A) = 0,5 şi P(B) = 0,2.
Cum
P( A ∪ B ) = P( A) + P ( B) − P( A ∩ B )
şi
P( A ∩ B ) = P ( A) ⋅ P( B)
(evenimentele A şi B sunt independente) rezultă că
P( A ∪ B ) = 0,5 + 0,2 − 0,5 ⋅ 0,2 = 0,69 .
4) Doi muncitori au lucrat fiecare câte 10 piese şi le-au aşezat în acelaşi loc. Ştiind
că probabilitatea să dea o piesă rebut este de 0,2 şi respectiv 0,3 pentru cei doi
muncitori, să se afle probabilitatea ca luând o piesă la întâmplare ea să fie defectă şi să
provină de la primul muncitor.
SoluŃie. Fie A1 evenimentul ca piesa luată să provină de la primul muncitor, A2
evenimentul ca piesa luată să provină de la al doilea muncitor şi X evenimentul ca piesa
luată să fie cu defecte. Piesa defectă poate proveni de la primul muncitor sau de la al
doilea şi X = ( X ∩ A1 ) ∪ ( X ∩ A2 ) . Cum o piesă luată nu poate proveni decât de la cei
doi muncitori, avem A1 ∪ A2 = E şi A1 ∩ A2 = φ . Problema ne cere ca piesa defectă să
provină de la primul muncitor, deci se cere PX ( A1 ) .
152
Aplicând formula lui Bayes, avem

P ( A1 ) ⋅ PA1 ( X )
PX ( A1 ) = .
P ( A1 ) ⋅ PA1 ( X ) + P( A2 ) ⋅ PA2 ( X )
Dar P(A1) = P(A2) = 0,5 deoarece avem aceeaşi şansă să luăm piesa de la cei doi
muncitori şi din datele problemei rezultă PA1 ( X ) = 0,2 , PA2 ( X ) = 0,3 . Înlocuind în
formula lui Bayes, obŃinem

0,5 ⋅ 0,2
PX ( A1 ) = = 0,4 .
0,5 ⋅ 0,2 + 0,5 ⋅ 0,3
5) Într-o ladă sunt 12 piese dintre care 2 au defecte. Se extrag 5 piese. Care este
probabilitatea să extragem o piesă cu defecte?
SoluŃie. Înlocuind în schema bilei nerevenite bila albă cu piesa bună şi bila
neagră cu piesa cu defecte, avem a = 10, b = 2, n = 5, k1 = 4, k2 = 1, iar probabilitatea
C 4 ⋅ C 1 35
cerută este dată de P = 10 2 = .
5 66
C12
6) Dintr-o urnă cu 5 bile albe şi 10 bile negre se extrag 3 bile, introducându-se de

fiecare dată bila extrasă înapoi în urnă.
Care este probabilitatea să extragem două bile albe?
SoluŃie. Aplicăm schema bilei revenite pentru
5 1 10 2
n = 3, k = 2, p = = , q= = şi obŃinem
5 + 10 3 5 + 10 3
2 3− 2
1  2 2
P = C32     = .
 3  3 9
7) Avem 3 cutii cu piese bune şi piese defecte. Cutia 1 are 3 piese bune şi una
defectă, cutia 2 are 3 piese bune şi 2 cu defecte, cutia 3 are 2 piese bune şi una cu
defecte. Se scoate câte o piesă din fiecare cutie. Care este probabilitatea ca o piesă să fie
cu defecte?
153
CAPITOLUL 5
SoluŃie. Înlocuind în schema lui Poisson bila albă cu piesa bună şi bila neagră
cu piesa cu defecte, avem
3 1 3 2 2 1
p1 = , q1 = , p 2 = , q 2 = , p3 = , q1 = .
4 4 5 5 3 3
Probabilitatea cerută este dată de coeficientul lui t2 din polinomul
3 13 22 1
 t+  t +  t + ,
4 45 53 3
deci
3 3 1 3 1 2 2 3 2 27 9
P= ⋅ ⋅ + ⋅ ⋅ + ⋅ ⋅ = = .
4 5 3 5 4 3 3 4 5 60 20
8) Fie variabila aleatoare discretă X cu distribuŃia

 −1 0 1 
X .
 0,2 0,3 0,5 
Să se calculeze valoarea medie şi dispersia acestei variabile aleatoare.
SoluŃie. Valoarea medie a variabilei aleatoare X este
M ( X ) = (−1) ⋅ 0,2 + 0 ⋅ 0,3 + 1 ⋅ 0,5 = 0,3 .
Dispersia variabilei aleatoare X este
D ( X ) = M ( X 2 ) − [ M ( X )]2 .
Cum
M ( X 2 ) = (−1) 2 ⋅ 0,2 + 0 2 ⋅ 0,3 + 12 ⋅ 0,5 = 0,7 ,

rezultă
D ( X ) = 0,7 − 0,3 2 = 0,7 − 0,09 = 0,61 .
9) Fie variabila aleatoare X cu distribuŃia

 1 1 1 1 
 L 
X  1⋅ 2 2⋅3 3⋅ 4 n(n + 1)  .
 1 1 1 1 
 L 
 n n n n 
Să se calculeze valoarea medie a acestei variabile aleatoare.
154
SoluŃie. Valoarea medie a variabilei aleatoare X este

1 1 1 1 1 1 1 1
M (X ) = ⋅ + ⋅ + ⋅ + ... + ⋅
1⋅ 2 n 2 ⋅ 3 n 3 ⋅ 4 n n ⋅ (n + 1) n
1 1 1 1 1 
=  + + + ... + 
n  1⋅ 2 2 ⋅ 3 3 ⋅ 4 n ⋅ (n + 1) 
1 2 −1 3 − 2 4 − 3 (n + 1) − n 
=  + + + ... +
n  1⋅ 2 2⋅3 3⋅ 4 n ⋅ (n + 1) 
1 2 1 3 2 4 3 n +1 n 
=  − + − + − + ... + −
n 1 ⋅ 2 1 ⋅ 2 2 ⋅ 3 2 ⋅ 3 3 ⋅ 4 3 ⋅ 4 n ⋅ (n + 1) n ⋅ (n + 1) 
1 1 1 1 1 1 1 1 1 
=  − + − + − + ... + − 
n 1 2 2 3 3 3 n n +1
1 1  1 n +1 −1 1 n 1
= 1 − = = = .
n  n +1 n n +1 n n +1 n +1
10) Fie X şi Y două variabile aleatoare pentru care: M ( X ) = −2, M (Y ) = 4,

D( X ) = 4, D(Y ) = 9 şi ρ( X , Y ) = −0,5 .
Să se calculeze valoarea medie a variabilei aleatoare
Z = 3 X 2 − 2 XY + Y 2 − 3 .
SoluŃie. łinând seama de proprietăŃile valorii medii, avem:
M ( Z ) = M (3 X 2 − 2 XY + Y 2 − 3)
= 3M ( X 2 ) − 2 M ( XY ) + M (Y 2 ) − 3.
Cum
D ( X ) = M ( X 2 ) − [ M ( X )]2 ,
avem
4 = M (X 2 ) − 4
şi deci
M (X 2 ) = 8 .
Cum
D (Y ) = M (Y 2 ) − [ M (Y )]2 ,
avem
155
CAPITOLUL 5
9 = M (Y 2 ) − 16
şi deci
M (Y 2 ) = 25 .
Coeficientul de corelaŃie al variabilelor X şi Y este
cov( X , Y )
ρ( X ,Y ) = ,
D( X ) D (Y )
unde
cov( X , Y ) = M ( XY ) − M ( X ) M (Y )
este covarianŃa variabilelor aleatoare X şi Y.
Astfel,
M ( XY ) − (−2) ⋅ 4
− 0,5 = ,
2⋅3
de unde
M ( XY ) = −11 .
Rezultă că
M ( Z ) = 3 ⋅ 8 − 2 ⋅ (−11) + 25 − 3 = 68 .
11) Fie variabila aleatoare cu distribuŃia binomială
 k 
X  k k n −k  , k = 0, n , p + q = 1.
 Cn p q 
a) Să se calculeze valoarea medie a variabilei aleatoare X.
b) Să se calculeze M ( X 2 ) şi M 2 ( X ) .
c) Să se calculeze dispersia variabilei aleatoare X.
SoluŃie.
n
a) Valoarea medie a variabilei aleatoare X este M ( X ) = ∑ kC nk p k q n −k .
k =0
n
Pentru calculul lui M(X), folosim identitatea ( px + q) n = ∑ C nk p k q n −k x k .
k =0
Derivând, avem
156
n
np ( px + q ) n −1 = ∑ kC nk p k q n −k x k −1 .
k =0
Pentru x = 1, obŃinem
n
np ( p + q ) n −1 = ∑ kC nk p k q n −k = M ( X ) .
k =0
Cum p + q = 1, rezultă că M(X) = np.

b) Din definiŃia momentului de ordinul doi avem
n
M ( X 2 ) = ∑ k 2 C nk p k q n − k .
k =0
Pentru a calcula această sumă, folosim identitatea

n
( px + q) n = ∑ C nk p k q n −k x k .
k =0
Derivând în raport cu x şi apoi înmulŃind egalitatea obŃinută cu x, avem

n
npx( px + q) n −1 = ∑ kC nk p k q n −k x k .
k =0
Derivând din nou această egalitate în raport cu x, avem

n
np ( px + q ) n −1 + n(n − 1) p 2 x( px + q) n −2 = ∑ k 2 C nk p k q n −k x k −1 .
k =0
Pentru x = 1, se obŃine
n
np + n(n − 1) p 2 = ∑ k 2 C nk p k q n −k = M ( X 2 ) ,
k =0
deci
M ( X 2 ) = np(np − p + 1) = np(np + q) .
łinând seama de definiŃia mediei de ordinul doi, rezultă că
M 2 ( X ) = np (np + q ) .
c) Cum M(X) = np şi M(X2) = np(np + q), rezultă că
D ( X ) = M ( X 2 ) − [ M ( X )] 2 = np (np + q ) − n 2 p 2 = npq .
157
CAPITOLUL 5
12) La un strung s-au strunjit 5 piese de formă cilindrică. În urma măsurării

diametrelor pieselor s-au obŃinut rezultatele: 12,01mm, 12,07mm, 12,11mm, 12,05mm,
12,12mm. Se cere mediana.
SoluŃie. Ordonând aceste mărimi şi Ńinând seama că probabilitatea ca piesa să
1
aibă unul din aceste diametre este p = = 0,2 rezultă că variabila aleatoare ataşată
5
problemei are distribuŃia
12,01 12,05 12,07 12,11 12,12 
X  .
 0,2 0,2 0,2 0,2 0,2 
Avem Me = 12,07 deoarece P(X < 12,07) = 0,4 şi P(X > 12,07) = 0,4.
13) Fie variabila aleatoare cu distribuŃia Cauchy

 x 
 1 
X , x∈R .
 π(1 + x 2 ) 
 
a) Să se calculeze valoare medie a variabilei aleatoare X.
b) Să se calculeze mediana variabilei aleatoare X.
c) Să se calculeze modul variabilei aleatoare X.
SoluŃie.
a) Valoarea medie a variabilei aleatoare X este
+∞ xdx 1 n xdx
M (X ) = ∫ = lim ∫
2
− ∞ π(1 + x ) π n →∞ − n 1 + x 2
1 n 2 xdx 1 n
= lim ∫ = lim ln(1 + x 2 )
2π n → ∞ − n 1 + x 2 2π n → ∞ −n
2
1 1+ n
= lim ln = 0.
2π n → ∞ 1 + n 2
b) Avem
x dt 1 x dt 1 x
F ( x) = ∫ =
lim ∫ = lim arctg t n
2
−∞ π(1 + t ) π n→ −∞ n1 + t
2 π n→ −∞
1 1 π 1
= lim (arctg x − arctg n) = (arctgx + ) = ,
π n→−∞ π 2 2
de unde rezultă că arctgx = 0 şi deci x = 0. Înseamnă că Me = 0.
c) Avem
158
1 2x
f ( x) = şi f ' ( x) = − .
π(1 + x )2
π(1 + x 2 ) 2
 1
Din f(x) = 0 obŃinem x = 0 şi cum  0,  este punct de maxim pentru f(x),
 π
rezultă că M0 = 0.
14) Fie X o variabilă aleatoare a cărei densitate de probabilitate este
1 1
 x + , x ∈ [−5,5]
f ( x) =  50 10
 0, x < −5 sau x > 5.
Să se calculeze valoarea medie şi dispersia acestei variabile aleatoare.

SoluŃie. Prin definiŃie
∞ 0 5  1 1 ∞
M ( X ) = ∫ xf ( x)dx = ∫ x ⋅ 0dx + ∫ x ⋅  x + dx + ∫ x ⋅ 0dx
−∞ −∞ − 5  50 10  0
5  1 1  1 5 2 1 5
= ∫  x 2 + x dx = ∫ x dx + ∫ xdx
− 5  50 10  50 − 5 10 − 5
5 5
=
1 x3
50 3
+
1 x2
10 2
=
1 3
150
5 − (−5) 3 +
1 2
20
[
5 − (−5) 2 ] [ ]
−5 −5
1 1 5
= ⋅ 2 ⋅ 53 + ⋅0 = .
150 20 3
Dispersia variabilei aleatoare X este
D ( X ) = M ( X 2 ) − [ M ( X )]2 .
Dar
∞ 5  1 1
M ( X 2 ) = ∫ x 2 f ( x)dx = ∫ x 2 ⋅  x +  dx
−∞ −5  50 10 
5  1 1  1 5 3 1 5 2
= ∫  x3 + x 2 dx = ∫ x dx + ∫ x dx
−5  50 10  50 − 5 10 −5
5 5
=
1 x4
50 4
+
1 x3
10 3
=
1 4
200
5 − (−5) 4 +[ 1 3
30
5 − (−5)3 ] [ ]
−5 −5
1 1 25
= ⋅ 0 + ⋅ 2 ⋅ 53 = ,
200 20 3
159
CAPITOLUL 5
de unde rezultă că
2
25  5  50
D( X ) = −  = .
3 3 9
15) Se consideră funcŃia

k (4 x + 1), x ∈ [0,3]
f ( x) = 
 0, x < 0 sau x > 3.
Să se determine constanta k astfel încât funcŃia f să fie densitate de probabilitate
pentru o variabilă aleatoare X.
SoluŃie. ProprietăŃile densităŃii de probabilitate sunt
1) f ( x) ≥ 0, ∀x ∈ R ;
şi
∞
2) ∫ f ( x)dx = 1 .
−∞
Din proprietatea 1) rezultă că k > 0 .

Din proprietatea 2), avem
∞ 0 3 ∞ 3
∫ f ( x)dx = ∫ 0dx + ∫ k (4 x + 1)dx + ∫ 0dx = k ∫ (4 x + 1)dx
−∞ −∞ 0 3 0
 23 
 3 3   x 3  3 3
= k  4 ∫ xdx + ∫ dx  = k  4 + x 0  = k  2 x 2 + x 0 
 0 0   2 0   0 
 
= k (2 ⋅ 32 + 3) = 21k ,
de unde
21k = 1 ,
deci
1
k= .
21
16) Să se determine quartilele variabilei aleatoare X cu distribuŃia continuă de

3 2
densitate de probabilitate f ( x) = x , x ∈ [0,4] .
64
160
SoluŃie. Pentru a afla quartilele trebuie să căutăm soluŃiile ecuaŃiilor

i
F ( x) = , i = 1,2,3 ,
4
unde F (x) este funcŃia de repartiŃie a variabilei aleatoare X.
Avem
x
x x 3
2 3 x 2 3 t3 x3
F ( x) = ∫ f (t )dt = ∫ t dt = ∫ t dt = = .
0 0 64 64 0 64 3 64
0
Pentru i = 1, avem ecuaŃia x3 = 16 cu rădăcina x1 = 23 2 .

Quartilele sunt deci x1, x2, x3.
1
1. Fie A şi B două evenimente compatibile şi independente, cu P( A) = şi
2
3
P( A ∩ B) = . Să se calculeze P( A ∪ B) .
8
2. La o loterie cu 4000 de bilete sunt cinci bilete câştigătoare. O persoană

cumpără 10 bilete.
a) Care este probabilitatea ca persoana să găsească un bilet câştigător?
b) Care este probabilitatea ca persoana să găsească cinci bilete câştigătoare?
c) Care este probabilitatea ca persoana să găsească toate biletele necâştigătoare?
3. Într-un depozit al unui magazin se găsesc 1000 de bucăŃi dintr-un anumit

produs, care este de patru calităŃi şi anume: 500 bucăŃi de calitatea I, 300 de bucăŃi de
calitatea a II-a, 150 de bucăŃi de calitatea a III-a şi restul de bucăŃi de calitatea a IV-a. Se
ia un lot de 300 de bucăŃi pentru a fi desfăcut în magazin. Care este probabilitatea ca
161
CAPITOLUL 5
200 de bucăŃi să fie de calitatea I, 60 de bucăŃi să fie de calitatea a II-a, 30 de bucăŃi să

fie de calitatea a III-a, iar 10 bucăŃi să fie de calitatea a IV-a?
4. În trei cutii cu câte 100 de mere fiecare sunt respectiv 10, 20, 30 mere rele şi
restul bune. Se ia câte un măr din fiecare cutie. Se cere probabilitatea ca două mere din
cele trei extrase să fie rele.
5. Trei vânători trag simultan asupra unei vulpi. Se ştie că probabilitatea ca

vânătorii să ochească vulpea este respectiv 0,7; 0,8; 0,9. Care este probabilitatea ca
vulpea să nu fie ochită?
x2
1 −
6. Să se arate că f ( x) = e 2 , x ∈ R este o densitate de probabilitate.
2π
7. Să se determine constanta k astfel ca funcŃia f ( x) = ke − ax , x ≥ 0 să fie o

densitate de probabilitate. Să se calculeze valoarea medie şi dispersia variabilei
aleatoare cu această densitate de probabilitate.
8. Fie variabila aleatoare discretă

 1 2 3 4 5
X  .
 0,2 0,3 0,2 0,2 0,1
Să se calculeze valoarea medie, modul, mediana şi dispersia acestei variabile
aleatoare.
9. Fie variabila aleatoare discretă X cu distribuŃia

 a 0 1 
X .
 0, 2 0,3 0,5 
Să se determine a ştiind că M (2 X + 1) = 1,6 .
162
10. Să se calculeze dispersia variabilei aleatoare cu distribuŃia

1 2 3 4 5 6
X 1 1 1 1 1 1.
 
6 6 6 6 6 6
11. Să se calculeze valoarea medie şi momentul centrat de ordinul 2 pentru

e −λ
variabila aleatoare cu funcŃia de probabilitate f (λ, k ) = λk ,k ∈N .
k!
12. Să se calculeze momentul centrat de ordinul trei pentru variabila aleatoare cu

densitatea de probabilitate f ( x) = 12 x(1 − x) 2 , x ∈ [0,1] .
13. Să se calculeze abaterea medie pătratică pentru variabila aleatoare cu

1
densitatea de probabilitate f ( x) = , x∈R .
( x −1) 2
2πe
14. Să se calculeze M ( X 2 ) pentru variabila aleatoare cu densitatea de

probabilitate f ( x) = xe − x , x ∈ [0,+∞) .
15. Să se calculeze M(X) şi D(X) pentru variabila aleatoare ce dă numărul de bile

albe în 10 extrageri dintr-o urnă cu 7 bile albe şi 3 bile negre, ştiind că după fiecare
extragere bila extrasă se reîntoarce în urnă.
163
CAPITOLUL 5
164
ANEXĂ
ANEXĂ - MATEMATICIENI CELEBRI
Jacques Bernoulli (1654 - 1705),

matematician elveŃian
Profesor de matematică la Basel.

Membru al Academiei de ŞtiinŃe din Paris.
A fost unul dintre primii care a dezvoltat calculul diferenŃial şi integral de la
nivelul lăsat de I. Newton şi G. Leibniz şi l-a aplicat la probleme noi (lui datorându-i-se
şi denumirea "integrală").
A adus contribuŃii la dezvoltarea teoriei probabilităŃilor (a formulat legea
numerelor mari).
Opera principală: Ars conjectandi (publicată postum, 1713).
Jean Bernoulli (1667 - 1748),

matematician elveŃian
Profesor la Groningen şi după moartea fratelui său Jacques, la Basel (unde a avut
ca elevi pe L. Euler, G. Cantor, A. Clairaut).
Membru al Academiei de ŞtiinŃe din Paris şi al Academiei de ŞtiinŃe din
Petersburg.
Lucrări de teoria ecuaŃiilor diferenŃiale (ecuaŃiile de tip Bernoulli); a contribuit
alături de G. Leibniz, la răspândirea calculului diferenŃial şi integral şi a introdus
metoda de integrare a funcŃiilor raŃionale. Împreună cu Jacques Bernoulli, a iniŃiat
165
ANEXĂ
cercetări care au condus la apariŃia calculului variaŃional. Lucrări de mecanică

(principiul deplasărilor virtuale), astronomie, chimie, optică.
A scris primul manual de calcul integral Lectiones mathematicae de methodo
integralium alüsque (1742), precum şi unul de calcul diferenŃial Lectiones de calculo
differentialium (1691-1692, manuscris descoperit în anul 1920 şi publicat în 1923).
George Boole (1815 - 1864),

matematician şi logician englez,
fondatorul logicii matematice moderne
Profesor la Queen’s College din Cork.

A dezvoltat prima formă de logică simbolică, cunoscută astăzi ca algebră
booleană. De asemenea, a publicat lucrări importante şi în geometria algebrică.
Opera principală: An investigation of the laws of thought, on which are founded
the mathematical theories of logic and probabilities, 1854
Gabriel Cramer (1704 - 1752),

matematician şi fizician elveŃian
Profesor de matematică şi filosofie la Geneva.

Membru al Academiei de ŞtiinŃe din Berlin şi în Royal Society din Londra.
A elaborat unul din primele tratate de geometrie analitică în care a dat şi regula
ce îi poartă numele, privitoare la rezolvarea unui sistem de n ecuaŃii algebrice liniare cu
n necunoscute.
Opera principală: Introduction à l’analyse des lignes courbes algébrique, 4
volume, 1750
166
ANEXĂ
Leonhard Euler (1707 - 1783),

matematician, mecanician şi astronom elveŃian
La vârsta de 13 ani este student al UniversităŃii din Basel, unde îl are ca profesor
pe Jean Bernoulli.
Membru al Academiilor de ŞtiinŃe din Petersburg şi Berlin.
Opera sa vastă, cuprinsă în aproape 1200 de memorii, conŃine cercetări în multe
ramuri ale matematicii, numeroase teoreme, formule şi noŃiuni fiind legate de numele
său.
În algebră, a definit logaritmul unui număr prin considerarea operaŃiei inverse
ridicării la putere, a introdus ecuaŃiile reciproce, a studiat problema rezolvabilităŃii prin
radicali a ecuaŃiilor algebrice de grad mai mare ca patru.
În analiza matematică, s-a ocupat cu dezvoltările în serie, a dat metode de
integrare, a introdus integrala dublă, a studiat funcŃiile de variabilă complexă, a pus
bazele calculului variaŃional.
În teoria ecuaŃiilor diferenŃiale, a introdus noŃiunile de soluŃie generală şi
particulară.
În geometria diferenŃială, a introdus ecuaŃiile parametrice ale suprafeŃelor şi a
stabilit formula referitoare la curbura normală a unei curbe pe o suprafaŃă.
Operele principale: Methodus inveniendi lineas curvas, 1744; Introductio in
analysis infinitorum, 1748; Institutiones calculi diferentialis, 1755; Institutiones calculi
integralis, 1768-1770; Theoria motuum planetarum, 1744.
Pierre Fermat (1601 - 1665),

matematician şi avocat francez
Studii de drept (consilier al Parlamentului din Toulouse).

A adus contribuŃii referitoare la teoria numerelor (marea teoremă, teorema lui
Fermat).
167
ANEXĂ
Creator al geometriei analitice (alături de R. Descartes) şi al calculului

probabilităŃilor (împreună cu B. Pascal).
Opera sa, Varia opera Mathematica, a apărut postum, la Toulouse, în 1679.
Karl Friedrich Gauss (1777 - 1855),

matematician, fizician şi astronom german
Profesor la Universitatea din Göttingen şi director al Observatorului astronomic

de aici.
În teza sa de doctorat, Gauss a demonstrat teorema fundamentală a algebrei
(enunŃată de D’Alembert).
A întemeiat calculul cu numere complexe, a dat interpretarea geometrică a
acestora, stabilind corespondenŃa biunivocă dintre numerele complexe şi punctele
planului.
A introdus seria hipergeometrică ce a avut un rol important în teoria ecuaŃiilor
diferenŃiale.
A obŃinut rezultate fundamentale în teoria suprafeŃelor unde a dat formele
fundamentale ale suprafeŃelor, precum şi curbura totală (ce îi poartă numele).
Hermann Günther Grassmann (1809 - 1877),

matematician şi filosof german
Opera sa (rămasă aproape neobservată la apariŃia ei) Die Wissenschaft der

extensiven Grössen oder die Ausdehnungslehre (1844) cuprinde importante contribuŃii,
conŃinând într-o formă pur geometrică calculul de sisteme de numere cu totul generale;
tot aici a exprimat şi dezvoltat (aproape concomitent cu A. Cayley) noŃiunea de spaŃiu
cu n dimensiuni; a introdus cele şase coordonate “plückeriene” ale dreptei; a dezvoltat
soluŃia “problemei lui Pfaff” privind integrarea unei anumite ecuaŃii cu derivate parŃiale.
168
ANEXĂ
Karl Gustav Jacob Jacobi (1804 – 1851),

matematician german
Profesor la UniversităŃile din Königsberg şi Berlin.

Membru al Academiei de ŞtiinŃe din Berlin.
A lucrat în domeniul teoriei numerelor, calculului variaŃional, analizei
matematice şi în cel al teoriei funcŃiilor eliptice.
A adus contribuŃii la teoria ecuaŃiilor diferenŃiale şi sistemelor de ecuaŃii
diferenŃiale.
Operele principale: Fundamenta nova théoriae functionum ellipticarum, 1829;
Canon arithmeticus, 1839
Operele sale, Gesammelte Werke, au apărut, la Berlin, în 8 volume (1881 –
1891).
Andrei Nicolaevici Kolmogorov (1903 - 1986),

matematician sovietic
Profesor la Universitatea din Moscova.

Membru al Academiei de ŞtiinŃe a URSS, al Academiei Polone şi membru de
onoare al Academiei Române.
ContribuŃiile sale privesc teoria funcŃiilor de variabilă reală (serii trigonometrice,
serii de funcŃii ortogonale), teoria măsurii, generalizarea noŃiunii de integrală, teoria
aproximării funcŃiilor în spaŃii Banach.
Cele mai importante lucrări ale sale se referă la teoria probabilităŃilor, culminând
cu axiomatizarea acestei teorii; a studiat procesele continue Markov, procesele
aleatoare, staŃionare.
Operele principale: Grundbegriffe der WahrscheinlichKeitsrechnung, 1933;
Osnovîie paniatia teorii veroiatnostei, 1936.
169
ANEXĂ
Joseph Louis Lagrange (1736 - 1813),

matematician şi mecanician francez
Profesor la şcoala militară din Torino (unde a înfiinŃat o societate ştiinŃifică,

devenită ulterior Academia de ŞtiinŃe din Torino), apoi la Paris, la Şcoala Normală
Superioară şi la Şcoala Politehnică.
I-a succedat lui L. Euler la Academia de ŞtiinŃe din Berlin; membru asociat al
Academiei de ŞtiinŃe din Paris.
Creatorul mecanicii analitice (enunŃă principiul vitezelor virtuale, dă ecuaŃiile
care-i poartă numele). Unul dintre iniŃiatorii calculului variaŃional.
În domeniul ecuaŃiilor diferenŃiale, a dat metoda variaŃiei constantelor.
În analiza matematică a extins dezvoltarea în serie a funcŃiilor de mai multe
variabile, a dat formula creşterilor finite şi o formulă de interpolare.
A adus contribuŃii în teoria numerelor, algebră, mecanica fluidelor.
Pentru lucrările sale de mecanică cerească, a fost de cinci ori premiat de
Academia de ŞtiinŃe din Paris.
Operele principale: Mécanique analytique, 2 volume, 1788; Traité de la
résolution numerique des équations de tous les degrés, 1798; Théorie des variations
séculaires des éléments des planètes, 1781.
Blaise Pascal (1623 - 1662),

matematician, fizician şi filosof francez
La 11 ani a scris o lucrare despre sunete şi la 12 ani a reconstituit primele 32 de

propoziŃii din cartea I-a a Elementelor lui Euclid.
Prima lucrare publicată, Essai sur les coniques (1640), i-a atras admiraŃia
matematicienilor contemporani.
A inventat o maşină de calcul (1641).
Din corespondenŃa sa cu P. Fermat asupra unei probleme de joc de noroc a
apărut teoria probabilităŃilor.
170
ANEXĂ
Numele său este legat de triunghiul aritmetic ale cărui proprietăŃi le-a studiat în
Traité du triangle aritmethique (tipărit postum, 1665).
În domeniul fizicii, a dat legea fundamentală a hidrostaticii şi a demonstrat
experimental variaŃia, în funcŃie de altitudine, a presiunii atmosferice.
În ultima parte a vieŃii, are preocupări filosofice.
Giuseppe Peano (1858 - 1932),

matematician, logician şi lingvist italian
Profesor la Academia regală de artilerie şi de geniu şi la Universitatea din

Torino.
Întemeietorul aritmeticii axiomatice; s-a ocupat cu probleme de bază ale analizei
matematice (ecuaŃii diferenŃiale, teoria şirurilor, spaŃii vectoriale).
A creat un sistem de simboluri care permite enunŃarea propoziŃiilor logicii şi
matematicii.
Lui i se datorează şi fondarea a două periodice apreciate: “Rivista matematica”
şi “Formulaire mathématique”.
Operele principale: Le calcul géométrique selon l’Ausdenhungslehre de
Grassmann, 1889; Arithmetices principia, nova methodo exposita, 1889; Lezzioni di
analisi infinitesimale, 1893.
Siméon Denis Poisson (1781 - 1840),

matematician şi mecanician francez
Profesor de mecanică la Sorbona.

Membru al Academiei de ŞtiinŃe din Paris.
S-a ocupat în special de fizica matematică şi mecanica raŃională, însă lucrările
sale asupra invariabilităŃii axelor mari ale planetelor, asupra distribuŃiei electricităŃii la
171
ANEXĂ
suprafaŃa corpurilor, a fenomenelor capilare, teoria matematică a căldurii etc., au adus

perfecŃionări ale analizei matematice privind îndeosebi calculul variaŃional, ecuaŃiile
fizicii matematice.
În domeniul probabilităŃilor s-a ocupat de legea numerelor mari, de problemele
de statistică şi aplicaŃiile teoriei probabilităŃilor (printre care şi schema ce îi poartă
numele).
Operele principale: Traité de mécanique, 1811; Mémoires sur les surfaces
élastique, 1814; Recherches sur la probabilité des jugements, 1837.
Hermann Amandus Schwarz (1843 - 1921),

matematician german
A activat la Halle, Gotingen şi Berlin.

Are contribuŃii în geometria diferenŃială (teoria suprafeŃelor minime) şi în
analiză (celebra teoremă ce-i poartă numele).
James Joseph Sylvester (1814 - 1897),

matematician şi avocat englez
A elaborat teoria algebrică a formelor, a stabilit legea de inerŃie a formelor

pătratice. A introdus termenul de matrice, generalizat ulterior de W. Hamilton şi A. L.
Cayley.
Profesor de matematică la Johns Hopkins ce a determinat ridicarea nivelului
matematicii de pe întreg teritoriul S.U.A.
Fondator al primei reviste din S.U.A. dedicată cercetării matematice.
172
ANEXĂ
Brook Taylor (1685 - 1731),

matematician englez
Membru în Royal Society din Londra.

Lucrarea sa cea mai importantă este intitulată Methodus incrementorum directa
et inversa (1715); a expus metoda dezvoltării în serie a unei funcŃii, a pus, pentru prima
dată, problema coardei vibrante de la care ulterior s-a ajuns la seriile trigonometrice, a
studiat probleme de izoperimetrie. Unul dintre creatorii teoriei diferenŃelor finite.
173
ANEXĂ
174
FIŞA DISCIPLINEI
UNIVERSITATEA „VASILE ALECSANDRI” DIN BACĂU

DEPARTAMETUL PENTRU ÎNVĂŢĂMÂNT LA DISTANŢĂ
Domeniul de studii: Marketing
Ciclul de studii: Licenţă
Forma de învăţământ: ID
Programul de studii/Calificarea: Marketing
FIŞA DISCIPLINEI:
MATEMATICĂ APLICATĂ ÎN ECONOMIE
Cod disciplină UB 07MK104F
Forma
de AT TC AA Credite Total ore semestru
An Durata
Semestrul evaluare
studiu (săptămâni)
Numărul ore pe Total Studiu
semestru/activităţi ore individual
I 1 E 8 20 4 28 14
Total ore din planul de Distribuţia fondului de timp (Studiu individual)*

învăţământ
AT TC AA 1 2 3 4 5 6
8 20 7 7
Distribuţia fondului de timp*:

1 - Studiul după manual, suport de curs, bibliografie şi notiţe;
2 – Documentare suplimentară în bibliotecă, pe platformele electronice de specialitate, pe teren;
3 – Pregătire activităţi tutoriale/ activităţi apicative asistate/ proiect, teme de control, referate, portofolii şi
eseuri;
4 – Tutoriat;
5 - Examinări;
6 – Alte activităţi.
STATUT DISCIPLINĂ (se marchează cu X)

Obligatorie Opţională Facultativă
x
Categorie disciplină (se marchează cu X)

Fundamentală/ de În domeniu/ de sinteză De specialitate/ Complement
aprofundare Cunoaştere avansată ară
x
Precondiţii de de curriculum
accesare a disciplinei de competenţe
F 267.08/Ed.02 175
FIŞA DISCIPLINEI
de desfăşurare a
Condiţii activităţilor tutoriale
(dacă este cazul) de desfăşurare a
activităţilor aplicative
asistate
COMPETENŢELE SPECIFICE ACUMULATE
Competenţe Utilizarea adecvata a conceptelor, metodelor, tehnicilor si

profesionale instrumentelor de marketing
Utilizarea instrumentelor si a aplicatiilor informatice in
activitatile de marketing
Competenţe
transversale
OBIECTIVELE DISCIPLINEI (reieşind din grila competenţelor specifice acumulate):
Obiectivul general al disciplinei

- Insuşirea unor noţiuni şi rezultate fundamentale, tehnici de calcul şi algoritmi din
teoria algebrei liniare, analizei matematice şi probabilităţilor.
- Crearea, la studenţi, a unei culturi matematice generale, precum şi familiarizarea cu
unele aplicaţii ale matematicii în economie.
- Formarea deprinderilor specifice lucrului cu instrumente matematice şi identificarea
posibilităţilor de utilizare în studiul unor discipline cu caracter aplicativ.
Obiectivele specifice
- Cunoaşterea, înţelegerea şi utilizarea conceptelor fundamentale ale matematicii şi a
limbajului de specialitate.
- Capacitatea de a construi şi dezvolta argumentări logice pe teme matematice, cu
identificarea clară a ipotezelor şi concluziilor.
- Capacitatea de aplicare a diverselor metode de raţionament, a unor tehnici de lucru
cantitative şi calitative în rezolvarea problemelor de matematică.
CONŢINUTUL DISCIPLINEI
Suportul de curs
- Spaţii vectoriale
Definiţia spaţiilor vectoriale, proprietăţi, exemple.
Dependenţă şi independenţă liniară
Bază. Coordonate
- Forme liniare. Forme biliniare. Forme pătratice
Definiţia formelor liniare, proprietăţi, exemple
Definiţia formelor biliniare, proprietăţi, exemple
Definiţia formelor pătratice
Forma canonică a unei forme pătratice reale. Signatura unei
forme pătratice reale
176
FIŞA DISCIPLINEI
- Funcţii de mai multe variabile. Derivate parţiale. Diferenţiale

Derivate parţiale
Diferenţiale
Puncte de extrem
Extreme condiţionate
- Integrale improprii
Integrale improprii cu limite de integrare infinite
Integrale improprii din funcţii nemărginite
- Elemente de teoria probabilităţilor şi statistică matematică
Câmp de evenimente.Câmp de probabilitate
Variabile aleatoare
Distribuţii continue clasice
Activităţi tutoriale
- urmează tematica de la curs
Bibliografie
1. S. Chiriţă - Probleme de matematici superioare, Bucureşti, E.D.P., 1989
2. V. Diaconiţa, M. Spînu, Gh. Rusu - Matematici aplicate în economie, Ed. Sedcom
Libris, Iaşi, 2004
3. N. Mihăilă, O. Popescu - Matematici speciale aplicate în economie, Bucureşti,
E.D.P., 1978
4. T. Postelnicu, C. Dinescu, B. Săvulescu - Matematici speciale aplicate în economie,
Bucureşti, E.D.P., 1977
5. G. Puiu, M. Gîrţu - Matematici generale, vol. I, Ed. Tehnică, ştiinţifică şi didactică
Cermi, Iaşi, 2004
6. G. Puiu, M. Gîrţu - Matematici generale, vol. II, Ed. Tehnică, ştiinţifică şi didactică
Cermi, Iaşi, 2005
Activităţi aplicative asistate/ teme de control
Rezolvarea unui număr de aplicaţii din suportul de curs
Bibliografie
- suportul de curs
Metode de predare
Prelegerea, munca independentă, conversaţia euristică, problematizarea, învăţarea prin
descoperire.
Observaţii
COROBORAREA CONŢINUTURILOR DISCIPLINEI CU AŞTEPTĂRILE

REPREZENTANŢILOR COMUNITĂŢII EPISTEMICE, ASOCIAŢIILOR
PROFESIONALE ŞI ANGAJATORI REPREZENTATIVI DIN DOMENIUL
AFERENT PROGRAMULUI
Se asigură competenţe conform prevederilor RNCIS
F 267.08/Ed.02 177
FIŞA DISCIPLINEI
STABILIREA NOTEI FINALE
Tip de activitate (Examen, Colocviu, Verificare pe parcurs)

Criterii de Metode de Pondere din Standard minim
evaluare evaluare nota finală de performanţă
Activităţi tutoriale
Activităţi 30% Obligativitatea
aplicative asistate/ temei de control
teme de control
Examen/Verificare 70% Obţinerea notei
minime 5
Condiţii minime de promovare

Condiţii de obţinere a notei maxime
(cum se obţine nota 5)
Cunoaşterea noţiunilor de bază cuprinse în Cunoaşterea aprofundată a noţiunilor
programa analitică, înţelegerea acestor cuprinse în programa analitică,
noţiuni şi posibilitatea aplicării lor. înţelegerea corectă şi explicarea
ştiinţifică a acestor noţiuni, precum şi
posibilitatea operării cu aceste noţiuni.
Titularul disciplinei
Numele şi Prenumele Gîrţu Manuela
Instituţia Universitatea „Vasile Alecsandri” din Bacău
Departament Matematică, Informatică şi Ştiinţele educaţiei
Titlul ştiinţific Doctor în Matematică
Gradul didactic Conf.univ.dr.
Încadrarea (normă de bază în Normă de bază în Universitate
Univ./asociat)
Titularul activităţilor tutoriale/ activităţilor aplicative asistate

Numele şi Prenumele Gîrţu Manuela
Instituţia Universitatea „Vasile Alecsandri” din Bacău
Departament Matematică, Informatică şi Ştiinţele educaţiei
Titlul ştiinţific Doctor în Matematică
Gradul didactic Conf.univ.dr.
Încadrarea (normă de bază în Normă de bază în Universitate
Univ./asociat)
Data Semnătura Semnătura titularului Data avizării în Semnătura

completării titularului de de activităţi tutoriale/ departament directorului de
disciplină activităţi aplicative departament
asistate
Conf.univ.dr.
24.09.2012 08.10.2012 Prihoancă Diana
178
BIBLIOGRAFIE
BIBLIOGRAFIE
1. Allen, R. G. D. – Analiză matematică pentru economişti, Bucureşti, Editura

ŞtiinŃifică, 1971
2. ChiriŃă, S. – Probleme de matematici superioare, Bucureşti, Editura Didactică

şi Pedagogică, 1989
3. Ciucu, G.; Craiu, V.; Săcuiu, I. – Culegere de probleme de teoria

probabilităŃilor, Bucureşti, Editura Tehnică, 1967
4. Demidovici, B. P. – Culegere de probleme şi exerciŃii de analiză matematică,

Bucureşti, Editura Tehnică, 1956
5. Donciu, N., Flondor, D. – Algebră şi analiză matematică (culegere de

probleme), Bucureşti, Editura Didactică şi Pedagogică, 1978
6. Lămătic, M. – Matematică aplicată în economie, Piatra – NeamŃ, Editura Nona,

2005
7. Mihăilă, N. – Introducere în teoria probabilităŃilor şi statistică matematică,

Bucureşti, Editura Didactică şi Pedagogică, 1965
8. Mihăilă, N.; Popescu, O. – Matematici speciale aplicate în economie,

Bucureşti, Editura Didactică şi Pedagogică, 1978
179
BIBLIOGRAFIE
9. Nicolescu, M.; Dinculeanu, N.; Marcus, S. – Analiză matematică, Bucureşti,

Editura Didactică şi Pedagogică, 1966
10. Postelnicu, T.; Dinescu, C.; Săvulescu, B. – Matematici speciale aplicate în

economie, Bucureşti, Editura Didactică şi Pedagogică, 1977
11. Precupanu, A. – Analiză matematică, vol. I, Universitatea „Al. I. Cuza” Iaşi,

1987
12. Puiu, G., GîrŃu, M. – Matematici generale, vol. I, Editura Tehnică, ştiinŃifică şi
didactică Cermi, Iaşi, 2004
13. Puiu, G., GîrŃu, M. – Matematici generale, vol. II, Editura Tehnică, ştiinŃifică
şi didactică Cermi, Iaşi, 2005
14. RoşculeŃ, M. – Analiză matematică, Bucureşti, Editura Didactică şi Pedagogică,

1984
15. Udrişte, C. – Algebră liniară, geometrie analitică, Bucureşti, Geometry Balkan

Press, 1996
16. – DicŃionar de matematici generale, Bucureşti, Editura Enciclopedică Română,

1974
17. www.wikipedia.ro
180

Matematica Aplicata in Economie 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

Matematica Aplicata in Economie PDF

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA “VASILE ALECSANDRI” din BACĂU

FACULTATEA DE ŞTIINłE ECONOMICE

Editura Alma Mater - Bacău

ELEMENTE DE ALGEBRĂ LINIARĂ 7

ELEMENTE DE ANALIZĂ MATEMATICĂ 51

ELEMENTE DE TEORIA PROBABILITĂłILOR

ANEXĂ – Matematicieni celebri 165

FIŞA DISCIPLINEI 175

ELEMENTE DE ALGEBRĂ LINIARĂ

Algebra liniară este ramură a matematicii care se ocupă cu studiul vectorilor,

1.1. DefiniŃia spaŃiului vectorial

NoŃiunea de spaŃiu vectorial este una fundamentală în algebra liniară. SpaŃiile

- elementul neutru al grupului (V ,+ ) se numeşte vectorul nul şi se notează cu 0 ;

- dat fiind un vector v, există un vector unic w astfel încât v + w = 0 (conform

adică mulŃimea n – uplelor.

Dacă α ∈ K şi x = ( x1 , x 2 , K, x n ) , y = ( y1 , y 2 , K , y n ) ∈ K n , atunci definim:

îndeplinesc condiŃiile I, II din definiŃia spaŃiului vectorial şi deci mulŃimea K n este

În particular, se poate obŃine structura de R – spaŃiu vectorial a lui R n .

1) 0v = 0 (0 din membrul stâng este elementul zero (nul) al corpului K);

3) v + (−1)v = 1v + (−1)v = [1 + (−1)]v = 0v = 0 ⇒ (− 1)v = −v ;

0 = α 0 = α[v + (−v)] = αv + α(−v) ⇒ α(−v) = −(αv) ;

8) αu = βu ⇒ αu − β u = 0 ⇒ (α − β)u = 0 şi cum u ≠ 0 rezultă α − β = 0 ,

deoarece în caz contrar, înmulŃind cu (α − β) −1 obŃinem u = 0 , contradicŃie.

1.2. DependenŃă şi independenŃă liniară

Fie V un spaŃiu vectorial peste corpul comutativ K (sau, pe scurt un K – spaŃiu

DefiniŃie. Se spune că vectorii v1 , v 2 , K , v n ∈ V formează un sistem de

generatori pentru spaŃiul vectorial V dacă orice vector v ∈ V se poate scrie ca o

DefiniŃie. K - spaŃiul vectorial V se numeşte de tip finit dacă pentru V există un

K) dacă există scalarii α1 , α 2 , K , α n ∈ K nu toŃi nuli, astfel încât

În caz contrar, se spune că vectorii v1 , v 2 , K , v n ∈ V sunt liniar independenŃi

Teoremă. Fie V un K – spaŃiu vectorial. Vectorii v1 , v2 ,..., v n ∈ V sunt

scalarii α1 , α 2 ,K , α n ∈ K nu toŃi nuli, astfel încât

deci vectorul vi este o combinaŃie liniară de vectorii v1 , v 2 ,K , vi −1 , vi +1 ,..., v n .

Reciproc, dacă vectorul vi este o combinaŃie liniară de vectorii

v1 , v 2 ,K , vi −1 , vi +1 ,..., v n atunci există scalarii α1 , α 2 ,K , α i −1 , α i +1 ,..., α n ∈ K astfel

Cum − 1 ≠ 0 , rezultă că vectorii v1 , v2 , K , v n sunt liniar dependenŃi.

DefiniŃie. Se spune că vectorii v1 , v 2 , K , v n ∈ V formează o bază pentru spaŃiul

1. În K n o bază este B = {e1 , e2 , K , en }, unde e1 = (1,0,0, K ,0 ) , e2 = (0,1,0, K ,0 ) ,

..., en = (0,0, K ,0,1) . Ea se numeşte baza canonică a lui K n . Evident dim K n = n .

3. În K [X ] baza canonică este { }

În Kn[X ] baza canonică este { }

Coordonatele unui vector

Fie Vn un K – spaŃiu vectorial şi B = {e1 , e2 ,K , en } o bază a acestui spaŃiu.

Dacă v ∈ Vn , atunci există scalarii α1 , α 2 ,K , α n ∈ K unic determinaŃi astfel încât

Să demonstrăm că scalarii α1 , α 2 ,K , α n ∈ K sunt unic determinaŃi de vectorul

şi cum vectorii e1 , e2 , K , en sunt liniar independenŃi rezultă că

DefiniŃii. 1) Fie Vn un K – spaŃiu vectorial, B = {e1 , e2 ,K , en } o bază

a lui Vn şi v ∈ Vn . Scalarii unic determinaŃi α1 , α 2 ,K , α n ∈ K astfel încât

v = α1e1 + α 2 e2 + K + α n en se numesc coordonatele vectorului v în baza B.

2) AplicaŃia bijectivă c B : Vn → K n definită prin c B (v) = (α1 , α 2 , K , α n )

se numeşte sistem de coordonate pe Vn asociat bazei B.

1.3. Schimbarea coordonatelor unui vector la o schimbare de bază

Fie Vn un K – spaŃiu vectorial n dimensional şi B = {e1 , e2 , K , en },

B ' = {e'1 , e' 2 ,K , e' n } două baze distincte ale lui Vn .

arbitrar v ∈ Vn în raport cu B, respectiv B ' . Au loc descompunerile

Folosind relaŃiile existente între vectorii celor două baze, obŃinem

Aceste relaŃii descriu transformarea vectorului v la schimbarea bazei B în baza

DefiniŃie. Matricea pătratică C = (cij ) i , j =1, n care are pe coloana j

coordonatele vectorului e' j în raport cu baza B se numeşte matricea de trecere de la

baza B la baza B ' .

1.4. SpaŃii vectoriale izomorfe

Fie V şi W două K – spaŃii vectoriale.

1) f (v1 + v 2 ) = f (v1 ) + f (v 2 ), ∀v1 , v 2 ∈ V (f este aditivă);

I.3. ∃ 1 ∈ R + astfel încât 1 ∗ x = 1x = x , ∀x ∈ R + .