Cenusa Raischi Serban Matematici Pentru Economisti PDF

Biblioteca digitala - detalii carte http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21...
Prof.univ.dr.Gheorghe CENUSA,Prof.univ.dr.Radu SERBAN, Conf.univ.dr.Constantin

RAISCHI
Cuprinsul cărţii:
PARTEA I: ALGEBRA
Capitolul 1 SPATII VECTORIALE

1.1. Notiunea de spatiu vectorial
1.2. Vectori liniar independenti si liniar dependenti ; baza si dimensiune
1.3. Schimbarea coordonatelor unui vector la schimbarea bazelor
1.4. Tema substitutiei
1.5. Spatii vectoriale izomorfe
1.6. Subspatii liniare
1.7. Suma de subspatii liniare
Capitolul 2 FUNCTIONALE LINIARE

2.1. Notiunea de functionala liniara
2.2. Matricea unei functionale liniare
2.3. Schimbarea matricei unei functionale liniare la schimbarea bazelor
2.4. Dualul algebric al unui spatiu vectorial
2.5. Functionale biliniare
2.6. Matricea unei functionale biliniare
2.7. Schimbarea matricei unei functionale biliniare la schimbarea bazelor
2.7. Schimbarea matricei unei functionale biliniare la schimbarea bazelor
Capitolul 3 FUNCTIONALE PATRATICE

3.1. Notiunea de functionala patratica
3.2. Metoda Gauss pentru determinarea formei canonice a unei functionale patratice si determinarea
bazei
3.3. Metoda Jacobi pentru determinarea formei canonice a functionalei patratice
3.4. Legea inertiei
PARTEA a II-a: ANALIZA MATEMATICA
Capitolul 4 COMPLEMENTE DE TEORIA SIRURILOR SI SERIILOR NUMERICE

4.1. Notiuni introductive
4.2. Sir fundamental
4.3. Puncte limita ale unui sir
4.4. Serii de numere reale
4.5. Serii cu termeni pozitivi
4.6. Serii alternate
4.7. Serii absolut convergente
4.8. Siruri de functii
4.9. Serii de functii
4.10 Serii de puteri
4.11. Serii tazlor si serii maclaurin
Capitolul 5 FUNCTII REALE DE MAI MULTE VARIABILE REALE

5.1. Multimi si puncte din Rn
5.2. Functii vectoriale de variabila reala vectoriala. Continuitate partiala
5.3. Derivata partiala a unei functii
5.4. Derivate partiale de ordin superior
5.5. Functii diferentiabile
5.6. Diferentiala unei functii
1 of 3 04.12.2011 10:12
5.7. Formula lui Taylor pentru functii de mai multe variabile

5.8. Extremele functiilor de mai multe variabile
5.9. Metoda celor mai mici patrate
Capitolul 6 CALCUL INTEGRAL

6.1. Extensii ale notiunii de integrala
6.2. Integrale cu limite infinite
6.3. Integrale in care functia f este nemarginita intr-un punct al intervalului de integrare
6.4. Integrale euleriene
PARTEA a III-a: PROBABILITATI STATISTICA MATEMATICA
Capitolul 7 CAMP DE EVENIMENTE. CAMP DE PROBABILITATE

7.1. Notiuni fundamentale : evenimente ; probabilitatea de producere a evenimentelor
7.2. Operatii cu evenimente
7.3. Conceptul de probabilitate
7.4. Probabilitati conditionate
7.5. Formule de calcul ale probabilitatilor in cazul operatiilor cu evenimente
7.6. Formula probabilitatilor totale
7.7. Formula lui Bayes
7.8. Scheme probabilistice clasice
Capitolul 8 VARIABILE ALEATOARE

8.1. Variabile aleatoare discrete. Operatii cu variabile aleatoare discrete; variabile aleatoare
independente
8.2. Variabile aleatoare continue
Capitolul 9 CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE

9.1. Media; definitie, proprietati
9.2. Dispersia; definitie, proprietati
9.3. Abaterea medie patratica
9.4. Momente ale variabilei aleatoare X
9.5. Functia generatoare de momente ale unei variabile aleatoare
9.6. Functia caracteristica a unei variabile aleatoare
9.7. Normarea (reducerea) unei variabile aleatoare X
9.8. Valoarea mediana
9.9. Modul (valoarea cea mai probabila)
9.10. Covarianta (corelatia)
9.11. Coeficientul de corelatie
9.12. Caracteristici ale formei de repartitie. Simetrie si asimetrie
Capitolul 10 REPARTITII CLASICE

10.1. Repartitii discrete
Repartitia binomiala
Repartitia hipergeometrica
Repartitia uniforma discreta
Repartitia Poisson
10.2. Repartitii continue
Repartitia continua uniforma
Repartitia exponentiala negativa
Repartitia normala
Repartitia Gamma
Repartitia Beta
Repartitia
Repartitia Student
Capitolul 11 TIPURI DE CONVERGENTA.LEGILE NUMERELOR MARI.TEOREME LIMITA CENTRALA

11.1. Inegalitatea lui Cebasev
11.2. Tipuri de convergenta
11.3. Legi ale numerelor mari
Teorema lui Cebasev
Teorema lui Bernoulli
Teorema lui Poisson
Teorema limita centrala
Capitolul 12 STATISTICA MATEMATICA
2 of 3 04.12.2011 10:12
12.1. Notiuni de teoria selectiei si a estimatiei

12.2. Repartitii de selectie
12.3. Repartitia mediei de selectie pentru o selectie dintr-o populatie normala
Legatura cu variabila aleatoare cu n grade de libertate
12.4. Repartitia dispersiei de selectie pentru o selectie dintr-o populatie normala
12.5. Estimatie punctuala
Estimator; estimator consistent
Estimator absolut corect; estimator corect
Estimator de maxima verosimilitate
12.6. Estimarea prin intervale de incredere
Intervale de incredere pentru parametrii repartitiei normale
12.7. Estimarea parametrilor unei variabile aleatoare prin metoda momentelor
12.8. Verificarea ipotezei cu privire la legea de repartitie a unei variabile aleatoare
PARTEA a IV-a: MATEMATICI FINANCIARE
Capitolul 13 MATEMATICI FINANCIARE

13.1 Dobanda simpla
Elementele dobanzii simple
Operatiuni echivalente in regim de dobanda simpla
Procent mediu de dispunere
13.2. Dobanda compusa
Stabilirea formulei dobanzii compuse
Procent normal si procent real (efectiv)
13.3. Dobanda unitara instantanee
13.4. Echivalenta in regim de dobanda compusa
13.5. Plasament cu dobanda simpla sau compusa
Capitolul 14 PLATI ESALONATE (RENTE)

14.1. Anuitati constante posticipate
14.2. Anuitati constante anticipate
Capitolul 15 RAMBURSAREA IMPRUMUTURILOR

15.1. Amortizarea unui imprumut prin anuitati constante posticipate
15.2. Suma rambursata dupa plata a p anuitati
15.3. Legea urmata de diferente succesive a dobanzilor in cazul anuitatilor constante
15.4. Imprumuturi cu anuitati constante si dobanda platita la inceputul anului
15.5. Aplicatie
PARTEA a V-a : MATEMATICI ACTUARIALE
Capitolul 16 MATEMATICI ACTUARIALE

16.1. Teoria mortalitatii
16.2. Functiile biometrice
16.3. Viata probabila
3 of 3 04.12.2011 10:12
CAPITOLUL 1
SPAŢII VECTORIALE
1.1. Noţiunea de spaţiu vectorial
Fie V o mulţime nevidă. Fie (K,+,·) un corp în raport cu

operaţiile “+” şi “.”
Elementele corpului K le vom numi scalari sau numere.
Pe mulţimea V introducem legea : ϕ :V ×V →V ,
ϕ ( x, y ) = x ⊕ y care este o lege de compoziţie internă pe V, iar pe
corpul K introducem legea de compoziţie externă: ψ : K ×V →V ,
ψ (α , x ) = α ⊗ x .
DEFINIŢIA 1.1.1.
Mulţimea nevidă V peste care s-au introdus două operaţii :

ϕ ( x, y ) = x ⊕ y şi ψ (α , x ) = α ⊗ x
prima, internă pe V, cea de-a doua, externă cu valori din K, se
numeşte spaţiu vectorial (liniar) peste corpul K, dacă sunt
satisfăcute proprietăţile:
Ø (V ,⊕ ) formează un grup abelian, adică adunarea este asociativă,

are element neutru θ, are element simetric, şi este comutativă.
Ø 1) 1 ⊗ x = x , oricare ar fi elementul x din V.

2) (α + β ) ⊗ x = (α ⊗ x ) + ( β ⊗ x ) , oricare ar fi x şi y din V, α
şi β din K.
3) (α ⋅ β ) ⊗ x = α ⋅ ( β ⊗ x) , oricare ar fi x şi y din V, α şi β din
K.
4) α ⊗ ( x ⊕ y ) = (α ⊗ x ) ⊕ (α ⊗ y ) , oricare ar fi x şi y din V, α
şi β din K.
EXEMPLUL 1:
Fie V = Rn spaţiul real n dimensional , iar K = R.

Rn = R x R={( x1 , x2 ,…, xn )T | xi aparţinând lui R, i = 1, … ,n }.
æ x1 ö
ç
Dacă x aparţine lui Rn , atunci vom nota : x = ç x2 = ( x , x ,Κ , x )T
çΜ 1 2 n
çç
è xn
æ y1 ö
ç
Fie y din spaţiul Rn , y = ç y 2 .
çΜ
çç
è yn
æ x1 + y 1 ö æ αx1 ö
ç ÷ ç
x + y2 ÷ αx
Introducem notaţiile: x ⊕ y = ç 2 şi α ⊗ x = ç 2 .
çΜ ÷ çΜ
çç ÷÷ çç
è xn + yn ø è αx n
Arătăm că ( Rn , R ) este un spaţiu vectorial real , n-dimensional.
Ø 1) asociativitatea rezultă din asociativitatea numerelor reale

æ 0ö
ç
2) elementul neutru este: θ = ç 0 .
çΜ
çç
è0
æ − x1 ö
ç
3) elementul simetric este : − x = ç − x 2
çΜ
çç
è − xn
4) comutativitatea rezultă din comutativitatea adunării
numerelor reale
æ1 ⋅ x1 ö
ç
Ø 1) ç1 ⋅ x2
1⊗ x = ç =x
Μ
çç
è1 ⋅ xn
æ αx1 + βx1 ö
ç
2) ç αx2 + βx2
(α + β ) ⊗ x = ç = (α ⊗ x ) ⊕ ( β ⊗ x )
Μ
çç
è αxn + βxn
æαx1 ö æ βx1 ö
ç ç
αx ç βx
3) α ⊗ x = ç 2 β⊗x=ç 2 deci:
çΜ Μ
çç çç
èαxn è βx n
æαx1 + βx1 ö
ç
çαx + βx2
(α ⊗ x) ⊕ ( β ⊗ x) = ç 2
Μ
çç
èαxn + βxn
DEFINIŢIA 1.1.2.
Elementele unui spaţiu vectorial le vom numi vectori.
DEFINIŢIA 1.1.3.
Elementele corpului K le vom numi scalari.
EXEMPLUL 2 :
Fie Pn [x] mulţinea tuturor polinoamelor de gradul n cu

coeficienţi reali.
Dacă p aparţine mulţimii Pn [x] , atunci p(x) = a0 + a1 x1 +
… + an xn , unde a este diferit de zero.
Dacă q aparţine mulţimii Pn [x] , atunci q(x) = b0 + b1 x1 +
… + bn xn , unde b este diferit de zero.
( p ⊕ q)( x ) = a 0 + b0 + (a1 + b1 ) x + Κ + (a n + bn ) x
n
(α ⊗ p )( x ) = αa 0 + αa1 x1 + Κ + αa n x n
Din aceste două relaţii observăm că mulţimea Pn [x] nu
formează un spaţiu vectorial deoarece, dacă avem an = -bn , în urma
adunării rezultă un polinom care nu este de gradul n .
Dacă notăm cu Pn [x] mulţimea polinoamelor de grad mai
mic sau egal cu n şi introducem aceste două legi de compoziţie,
atunci mulţimea dată formează un spaţiu vectorial.
PROPOZIŢIA 1.1.1.
Fie (V,K) un spaţiu vectorial. Atunci elementul neutru θ este

unic.
DEMONSTRAŢIE:
Din propoziţie ştim că există elementul neutru θ, oricare ar

fi vectorul x din mulţimea V.
Aceasta înseamnă că θ+x = x+θ = x.
Presupunem că există două elemente neutre θ1 şi θ2. Atunci
fiecare din cele două elemente neutre verifică relaţia de mai sus:
θ1+x = x+θ1 = x pentru orice x aparţinând mulţimii V.

θ2+x = x+θ2 = x pentru orice x aparţinând mulţimii V.
Dacă aceste relaţii sunt adevarate pentru orice x aparţinând

mulţimii V, atunci sunt adevarate şi pentru θ care aparţine mulţimii
V. Astfel, putem scrie:
pentru x = θ2 , θ1+θ2 = θ2+θ1 = θ2

pentru x = θ1 , θ2+θ1 = θ1+θ2 = θ1
Din cele două relaţii observăm că θ1 = θ2 , deci elementul

neutru este unic.
1.2. Vectori liniar independenţi şi liniar dependenţi; bază şi

dimensiune
Fie (V,K) un spaţiu vectorial.

Fie x1, x2, … , xn vectori care aparţin mulţimii V.
Fie λ1, λ2,…, λn scalari care aparţin corpului K.
DEFINIŢIA 1.2.1.
n
Relaţia: λ1 x1 + λ2 x 2 + Κ + λn x n = å λi x i se numeşte
i =1
combinaţie liniară a vectorilor x1 , x2 , …, xn cu scalari din K.
DEFINIŢIA 1.2.2.
Vectorii x1, x2, …, xn care aparţin mulţimii V se numesc

liniar independenţi atunci când relaţia :
(1 ) λ1 x1 + λ2 x2 + …+ λn xn = θ
este adevărată dacă şi numai dacă toţi scalarii sunt nuli: λ1 = λ2 = …
= λn = 0.
DEFINIŢIA 1.2.3.
Dacă relaţia (1) are loc fără ca toţi scalarii λ1 , λ2 , … , λn să

fie nuli,vectorii x1 , x2 , … , xn se numesc liniar dependenţi.
EXEMPLUL 1:
Fie ( R3 , R ) un spaţiu vectorial , fie x1 , x2 , x3 vectori din

æ1 ö æ1 ö æ 0ö
acest spaţiu vectorial: ç ç ç
x1 = ç1 , x2 = ç 0 , x3 = ç1 .
ç0 ç1 ç1
è è è
Să se arate că aceşti vectori sunt liniar independenţi.
λ1 x1 + λ2 x2 + …+ λn xn = θ
æ1 ö æ1 ö æ0ö æ0ö
ç ÷ ç ÷ ç ÷ ç ÷
λ1 ç 1 ÷ + λ 2 ç 0 ÷ + λ 3 ç 1 ÷ = ç 0 ÷
ç0÷ ç1 ÷ ç1 ÷ ç 0 ÷
è ø è ø è ø è ø
ì λ1 + λ 2 = 0 1 1 0 1 1 0
ï
í λ1 + λ 3 = 0 ; 1 0 1 = 0 − 1 1 = -2
ïλ + λ = 0 0 1 1 0 1 1
î 2 3
Întrucât determinantul este diferit de zero, soluţia sistemului

este λ1 = λ2 = λ3 = 0 , deci vectorii x1 , x2 , x3 sunt liniar
independenţi.
PROPOZIŢIA 1.2.1.
Fie (V,K) un spaţiu vectorial. Vectorii x1 , x2 , … , xn sunt

liniar dependenţi dacă şi numai dacă cel puţin un vector este o
combinaţie liniară a celorlalţi vectori.
DEMONSTRAŢIE:
1* Presupunem că x1 , x2 , … , xk-1 , xk , xk+1 , …, xn sunt

liniar dependenţi şi vom demonstra că cel puţin un vector este o
combinaţie liniară a celorlalţi. Vectorii fiind liniar independenţi,
înseamnă că relaţia :
λ1 x1 + λ2 x2 + … + λk-1 xk-1 + λk xk + λk+1 xk+1 + … + λk xk = θ
este adevărată fără ca toţi scalarii să fie nuli.
Presupunem că λ k este diferit de zero. Atunci:
æλ λ λ λ λ ö n
λi
xk = −çç 1 x1 + 2 x2 + Κ + k −1 xk −1 + k +1 xk + Κ + n xn = − xi
è λk λk λk λk λk i =1 λk
i ≠k
2* Presupunem că cel puţin un vector este o combinaţie

liniară a celorlalţi vectori şi vom demonstra că vectorii sunt liniar
dependenţi.
xk = α1 x1 + α2 x2 + … + αk-1 xk-1 + αk xk + αk+1 xk+1 + … + αn xn
α1 x1 + α2 x2 + … + αk-1 xk-1 + (-1) xk + αk+1 xk+1 + … + αn xn = θ
Întrucât (-1) este un scalar diferit de zero, ultima relaţie

demonstrează că vectorii sunt liniar dependenţi.
DEFINIŢIA 1.2.4.
Vectorii x1 , x2 , … , xn care aparţin mulţimii V formează un

sistem de generatori ai spaţiului V, dacă oricare ar fi vectorul x din
mulţimea V, există scalarii λ1 , λ2 , … , λn aparţinând corpului K
astfel încât să existe relaţia:
x = λ1 x1 + λ2 x2 + … + λn xn (3)
Altfel spus, x1 , x2, …, xn formează un sistem de generatori

dacă oricare ar fi vectorul x din mulţimea V, el se poate scrie ca o
combinaţie liniară a vectorilor x1 , x2 , … , xn .
DEFINIŢIA 1.2.5.
Fie (V,K) un spaţiu vectorial. Vectorii x1 , x2 , … , xn

formează o bază a spaţiului V dacă sunt îndeplinite urmatoarele
condiţii:
1) vectorii x1 , x2 , … , xn formează un sistem de generatori.
2) vectorii x1 , x2 , … , xn sunt liniar independenţi.
EXEMPLUL 2 :
Fie ( R3 , R ) un spaţiu vectorial , fie x1 , x2 , x3 vectori din

æ1 ö æ1 ö æ0ö
acest spaţiu vectorial: ç , ç , ç
x1 = ç1 x2 = ç 0 x 3 = ç1 .
ç0 ç1 ç1
è è è
În exemplul anterior am arătat că aceşti vectori sunt liniar

independenţi.
În continuare vom arăta că formează un sistem de
generatori.
Ştim că oricare ar fi vectorul x din R3, există scalarii λ1 , λ2 ,
λ3 astfel încât :
æ x1 ö
ç ÷
x = λ1 x1 + λ2 x2 + λ3 x3 , x = ç x 2 ÷
çx ÷
è 3ø
æ1 ö æ1 ö æ0ö æ x1 ö ìλ1 + λ2 = x1
ç ÷ ç ÷ ç ÷ ç ÷
λ1 ç1 ÷ + λ2 ç 0 ÷ + λ3 ç1 ÷ = x = ç x 2 ÷ deci sistemul: íλ1 + λ3 = x 2
ç0÷ ç1 ÷ ç1 ÷ çx ÷
è ø è ø è ø è 3ø îλ2 + λ3 = x 3
este un sistem liniar, neomogen.

Vectorii x1 , x2 , x3 formează un sistem de generatori
deoarece sistemul de mai sus este compatibil determinat.
Astfel am demonstrat că vectorii x1 , x2 , x3 formează o bază
în R3 .
DEFINIŢIA 1.2.6.
Dimensiunea spaţiului vectorial V este egală cu numărul

vectorilor unei baze.
PROPOZIŢIA 1.2.2.
Fie V un spaţiu vectorial peste corpul K, dimensiunea

spaţiului V fiind n.
Fie B = { x1 , x2 , … , xn } o bază în spaţiul V.
Atunci, oricare ar fi vectorul x din V el se scrie în mod unic
ca o combinaţie liniară de vectorii bazei.
DEMONSTRAŢIE:
Din ipoteză ştim că B = { x1 , x2 , … , xn } este o bază.

Aceasta înseamnă că vectorii x1 , x2 , … , xn formează un sistem de
generatori şi sunt liniar independenţi.
Întrucât vectorii x1 , x2 , … , xn formează un sistem de
generatori , înseamnă că este verificată relaţia:
x = λ1 x1 + λ2 x2 + … + λn xn (1)
Presupunem că x se scrie şi sub forma:
x = β1x1 + β2x2 + … + βnxn (2)
Înmulţind relaţia (2) cu -1 şi adunând-o cu relaţia (1) vom
obţine:
x + (-x) = ( α1 – β1) x1 + ( α2 – β2 ) x2 + … + ( αn – βn) xn = θ
Din această relaţie şi din faptul că vectorii subt liniar

independenţi, rezultă că:
α1 – β1 = 0, α2 – β2 = 0, … , αn – βn = 0 , adică α1= β1,

α2 = β2, … , α3 = β3.
Spaţiul V este un spaţiu vectorial de dimensiune n , iar

B = {x 1 , x 2 ,..., x n } este o bază în V. Atunci, oricare ar fi vectorul x
din V, el se scrie în mod unic sub forma unei combinaţii liniare de
vectorii bazei. Deci x se scrie sub forma:
x = α1 x1 + α2 x2 + … + αn xn .
DEFINIŢIA 1.2.7.
Scalarii α1 , α2 , … , αn se numesc coordonatele vectorului

x în baza B.
æ α1 ö
ç
çα
xB = ç 2
Μ
çç
èα n
EXEMPLUL 1:
Fie P2 [x] spaţiul vectorial al polinoamelor de grad mai mic

sau egal cu 2, cu coeficienţi reali.
Să se cerceteze dacă vectorii B1 = { 1 + x , 1 + x2 , x + x2 }
şi B2 = { 1 + 2x + 2x2 } formează sau nu o bază.
(i) Oricare ar fi polinomul p din spaţiul vectorial P2 [x],

p(x) = a0 + a1x + +a2 x2, unde a0, a1, a2 sunt numere reale, există
λ1 , λ2 , λ3 astfel încât p = λ1 p1 + λ2 p2 +λ3 p3 .
λ1 ( 1+x) + λ2 (1 + x2 ) + λ3 ( x + x2) = a0 + a1 x + a2 x2
( λ1 + λ2) + ( λ1 + λ3) x + ( λ2 + λ3) x2 = a0 + a1 x + a2 x2
Din aceste două relaţii obţinem un sistem compatibil determinat:
ì λ1 + λ 2 = a 0
í λ1 + λ 3 = a 1
îλ 2 + λ 3 = a 2
(ii) Vectorii sunt liniar independenţi : θ = 0 + 0x + 0x2
ì λ1 + λ 2 = 0
í λ1 + λ 3 = 0
îλ 2 + λ3 = 0
1.3. Schimbarea coordonatelor unui vector la schimbarea

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

Fie E = { e1 , e2 , … , en } o bază în spaţiul vectorial V.
Fie x un vector din V , xE = α1 e1 + α2 e2 + … + αn en , xE =
( α1 , α2 , … , αn )T .
Fie G = { g1 , g2 , … , gn } o altă bază în spaţiul vectorial V.
xG = β1 g1 + β2 g2 + … + βn gn , xG = ( β1 , β2 , … , βn )T
Deoarece E şi G formează baze în spaţiul V, înseamnă că

vectorii ei şi gi aparţin spaţiului V oricare ar fi indicele “i” cu valori
în mulţimea { 1, … , n }.
g1 aparţine lui V, atunci g1 = c11 e1 + c12 e2 + … + c1n en

g2 aparţine lui V, atunci g2 = c21 e1 + c22 e2 + … + c2n en
…………………………………………………………………………………………..
gn aparţine lui V, atunci gn = cn1 e1 + cn2 e2 + … + cnn en
Vom nota cu CEG = (cij ) , unde cij aparţine corpului K, iar

indicii i şi j aparţin mulţimii { 1 , … , n }.
DEFINIŢIA 1.3.1.
Matricea CEG = (cij ) se numeşte matricea de trecere de la

baza E la baza G.
OBSERVAŢIE : Determinantul matricei CEG este diferit de zero,

ceea ce înseamnă că matricea este nesingulară.
PROPOZIŢIA 1.3.1.
Fie (V,K ) un spaţiu vectorial de dimensiune n .

Fie E şi G două baze în spaţiul V, unde E={ e1 , e2 , … , en } ,
G = { g1 , g2 , … , gn } . Fie vectorul x din V, xE = ( α1 , α2 , … , αn )T
şi xG = ( β1 , β2 , … , βn )T .
xE = α1 e1 + α2 e2 + … + αn en
xG = β1 g1 + β2 g2 + … + βn gn
Atunci este adevărată relaţia: XG = ( CT EG )-1 XE
DEMONSTRAŢIE:
gi = ci1 e1 + ci2 e2 + … + cin en

xG = β1 g1 + β2 g2 + … + βn gn = β1 (c11 e1 + c12 e2 + … + c1n en ) +
+ β2 (c21 e1 + c22 e2 + … + c2n en ) +
+………………………………………+
+ βn (cn1 e1 + cn2 e2 + … + cnn en ) =
( β1 c11 + β2 c21 + … + βn cn1 ) e1 + ( β1 c12 + β2 c22 + … + βn cn2 ) e2
+ … + ( β1 c1n + β2 c2n + … + βn cnn ) en
Deoarece scrierea unui vector într-o bază este unică, vom

obţine:
ì β 1 c 11 + β 2 c 21 + Κ + β n c n 1 = α 1
ïβ c + β c + Κ + β c = α
ï 1 12 2 22 n n2 2
í
ï Μ
ïî β 1 c 1n + β 2 c 2 n + Κ + β n c nn = α n
Acest sistem, scris matriceal, are forma : CT EG XG = XE ( 2’ )

Determinantul matricei CEG este diferit de zero, deci şi
determinantul matricei CTEG este diferit de zero, astfel încât există
( CT EG )-1 . Din ( 2’ ) obţinem:
( CT EG )-1 CT EG XG = ( CT EG )-1 XE , adică , XG = ( CT EG )-1 XE
1.4. Lema substituţiei
Fie (V,K) un spaţiu vectorial de dimensiune n .

Fie E = { e1 , e2 , … , en } = { e1 , e2, … , ei-1 , ei , ei+1 , … , en }
o bază în spaţiul V. Fie u un vector oarecare din V,
uE = ( λ1 , λ2 , … , λi-1 , λi , λi+1 , … , λn )T .
uE = λ1 e1 + λ2 e2 + … + λi-1 ei-1 + λi ei + λi+1 ei+1 + … + λn en
Lema substituţiei răspunde la următoarele întrebări:
1) În ce condiţii mulţimea E* = { e1 , e2 , … , ei-1 , u , ei+1 , … , en }

formează o bază în spaţiul V ?
2) Fiind dat un vector x din spaţiul V ,
xE = ( α1 , α2 , … , αi-1 , αi , αi+1 , … , αn )T ,
care sunt coordonatele vectorului în baza E* ?
xE * = ( α *1 , α *2 , … , α *i-1 , α *i , α *i+1 , … , α *n )T
Vom demonstra că:

mulţimea E* = { e1 , e2 , … , ei-1 , u , ei+1 , … , en } formează o bază şi
că dacă vectorul x aparţine spaţiului V, xE = ( α1 , α2 , … , αi-1 , αi ,
αi+1 , … , αn )T şi dacă xE * = ( α *1 , α *2 , … , α *i-1 , α *i , α *i+1 , … ,
α *n )T, atunci:
α α λ − αiλ j
( 1 ) αi* = i ; ( 2 ) α *j = j i unde j ia valori din
λi λi
mulţimea { 1 , … , n }, j fiind diferit de i .
DEMONSTRAŢIE:
1) Trebuie să arătăm că vectorii { e1 , e2 , … , ei-1 , u , ei+1 , … , en }

sunt liniar independenţi .
µ1 e1 + µ2 e2 + … + µi-1 ei-1 + µi u + µi+1 ei+1 + … + µn en = θ
µ1 e1 + µ2 e2 + … + µi-1 ei-1 + µi ( λ1 e1 + λ2 e2 + … + λi-1 ei-1 + λi ei +

λi+1 ei+1 + …+λnen)+ +µi+1 ei+1 + … + µn en = θ
( µ1 +µi λ1 ) e1 + … + ( µi-1 + µi λi-1 ) ei-1 + µi λi ei + ( µi λi+1 + µi+1 )

ei+1 + … + ( µi λn + + µn ) en = θ
Dar vectorii { e1 , e2 , … , en } formează o bază deci sunt

liniar independenţi. Astfel, obţinem un sistem liniar şi omogen de n
ecuaţii şi n necunoscute:
ì µ 1 + µ i λ1 = 0 1 Κ Κ 0 λ1 0 Κ Κ 0
ïΜ ΜΚ Κ Κ Κ Κ Κ Κ Μ
ï
ïµ i −1 + µ i λi −1 = 0 0 Κ Κ 1 λi−1 0 Κ Κ 0
ï ; A = 0 Κ Κ 0 λi 1 Κ Κ 0
í µ i λi = 0
ïµ λ + µ = 0 0 Κ Κ 0 λi+1 1 Κ Κ 0
ï i i +1 i +1
ïΜ ΜΚ Κ Κ Κ Κ Κ Κ Μ
ïµ λ + µ = 0 0 Κ Κ 0 λn 0 Κ Κ 0
î i n n
Determinantul sistemului este: detA = (-1)i+1 λi | Ii-1 | , deci

detA = λi şi este diferit de zero. Înseamnă că sistemul (3) are numai
soluţia banală.
Deci vectorii { e1, e2, … , ei-1, u , ei+1, … , en } sunt liniar
independenţi .
2) Trebuie să arătăm că { e1, e2, … , ei-1, u , ei+1, … , en } formează
un sistem de generatori.
Oricare ar fi vectorul x din spaţiul V, există scalarii α *1 ,

α 2 , … , α *i-1 , α *i , α *i+1 , … , α *n astfel încât :
*
xE = λ*1 e1 + λ*2 e2 + … + λ*i-1 ei-1 + λ*i u + λ*i+1 ei+1 + … + λ*n en
xE =λ*1e1 +λ*2 e2+…+λ*i-1 ei-1 +λ*I (λ1 e1 + λ2 e2 + … + λi-1 ei-1 + λi

ei+λi+1 ei+1 +…+λnen)+λ*i+1 ei+1+…+λ*n en=(α*1+α*i λ1)e1+…+(α*i-1+
+ α*i λi-1 )ei-1 + α*i λi ei +(α*i+1 + α*i λi+1)ei+1 + (α*n + α*i λn) en
Ştim că scrierea unui vector într-o bază este unică. Vom

obţine sistemul:
ìα 1* + α i* λ1 = α 1
ï
ïΚ Κ Κ Κ Κ Κ Κ
ïα * + α * λ = α
ïï i*−1 i i −1 i −1 αi
rezultă că αi* =
íα i λi = α i λi
ïα * + α * λ = α
ï i +1 i i +1 i +1
ïΚ Κ Κ Κ Κ Κ Κ
ï *
ïîα n + α i λ n = α n
*
Celelalte ecuaţii le putem scrie sub forma:
α*j + αi*λ j = α j
αiλ j
α *j = α j − α i* λ j = α j − de aici rezultă că:
λi
α j λ i − α i λ j , pentru oricare j din mulţimea { 1, … , n } , j
α *
=
λi
j
fiind diferit de i.
Formulele ( 1 ) şi ( 2 ) se numesc formulele de pivotare

Gauss- Jordan.
E U X E* X
e1 λ1 α1 e1 α*1
· · · · ·
· · · · ·
· · · · ·
ei-1 λi-1 αi-1 ei-1 α*i-1
ei λi αi u α*i
ei+1 λi+1 αi+1 ei+1 α*i+1
· · · · ·
· · · · ·
· · · · ·
ej λj αj ej α*j
· · · · ·
· · · · ·
en λn αn e1 α*n
( 1 ) Se împarte linia pivot la pivot ;

( 2 ) Se aplică Gauss-Jordan.
1.5. Spaţii vectoriale izomorfe
Fie (X,K) şi (Y,K) două spaţii vectoriale peste acelaşi corp

de sclari K.
DEFINIŢA 1.5.1.
Spaţiile vectoriale X şi Y se numesc K izomorfe, dacă există

φ : X→ Y cu proprietăţile următoare:
1) φ este bijectivă
2) oricare ar fi x1 şi x2 doi vectori din spaţiul X şi oricare ar
fi α1 şi α2 scalari din corpul K, atunci :
φ ( α1 x1 + α2 x2 ) = α1 φ ( x1 ) + α2 φ ( x2 ) .
Funcţia φ cu proprietatea 2) se numeşte aplicaţie sau funcţie
liniară.
TEOREMA 1.5.1.
Dacă X şi Y sunt două spaţii vectoriale definite pe acelaşi

corp de scalari K, dimensiunea celor două spaţii fiind n finit, atunci
X şi Y sunt K-izomorfe.
Aceasta este teorema de izomorfism a spaţiilor vectoriale
finit dimensionale.
DEMONSTRAŢIE:
Fie E = { e1 , e2 , … , en } o bază în spaţiul X .

Fie G = { g1 , g2 , … , gn } o bază în spaţiul Y.
Oricare ar fi vectorul x din spaţiul X, putem scrie:
n
x = α1 e1 + α2 e2 + …+ αn en = åα e
i =1
i i
.
Defininim funcţia φ : X → Y, φ ( x ) = y adică

n n
ϕ ( å α i ei ) = å α i g i
i =1 i =1
Pentru a arăta că φ este izomorfism, demonstrăm că:

1) funcţia este bijectivă:
Ø injectivitate : oricare ar fi x1 şi x2, x1 diferit de x2 , atunci :
φ ( x1 ) este diferit de φ ( x2 ) .
Fie x1 = α1 e1 + α2 e2 + … + αk ek + … + αn en .
Fie x2 = β1 e1 + β2 e2 + … + βk ek + … + βn en , unde αi şi βi
aparţin corpului K, oricare ar fi indicele “i” din mulţimea { 1, … , k,
,… , n } .
Întrucât x1 este diferit de x2 , există cel puţin un indice “k”

din mulţimea { 1, … , n } astfel încât αk este diferit de βk .
φ ( x1 ) = α1 e1 + α2 e2 + … + αk ek + … + αn en
φ ( x2 ) = β 1 e1 + β 2 e2 + … + β k ek + … + βn en
Deoarece există cel puţin un indice “k” din mulţimea { 1, … , n }

astfel încât αk este diferit de βk , atunci φ ( x1 ) este diferit de φ ( x2 ).
Ø surjectivitate: oricare ar fi y din Y, există x din X astfel încât :

φ ( x ) = y.
Oricare ar fi y din Y, există scalarii α1 , α2 , … , αn din corpul K astfel
încât să existe relaţia: y = α1 g1 + α2 g2 + … + αn gn . Considerăm
un x care aparţine lui X, x = α1 e1 + α2 e2 + … + αn en .
Din definiţia funcţiei φ rezultă că φ ( x ) = y.
2) liniaritatea funcţiei φ :
Oricare ar fi x1 şi x2 din spaţiul X şi oricare ar fi a şi b din
corpul K,
φ ( a x 1 + b x2 ) = a φ ( x 1 ) + b φ ( x 2 )
n n
x 1 = å α i e i , x 2 = å β i ei , unde αi , βi aparţin corpului K, iar i
i =1 i =1
aparţine mulţimii { 1 , … , n} .
é n n
ù é n ù n
ϕ (ax 1 + bx 2 ) = ϕ ê a å α i e i + b å β i e i ú = ϕ ê å (aα i + bβ i )e i ú = å (aα i + bβ i )g i =
ë i =1 i =1 û ë i =1 û i =1
n n n n
= å aα i gi + å bβ i g i = a å α i g i + b å β i g i = a ϕ (x 1 ) + b ϕ (x 2 )
i =1 i =1 i =1 i =1
1.6. Subspaţii liniare
Fie (X,K) un spaţiu liniar vectorial; fie X0 un spatiu inclus

în spaţiul X, X0 fiind diferit de mulţimea vidă.
DEFINIŢIA 1.6.1.
Mulţimea X0 este un subspaţiu liniar al spaţiului X dacă:

1) oricare ar fi x, y doi vectori din X0 , atunci şi x + y
aparţine lui X0 .
2) oricare ar fi scalarul α din corpul K şi oricare ar fi
vectorul x din X0 şi α x aparţine lui X0 .
PROPOZIŢIA 1.6.1.
Dacă Xi ( i aparţine unei familii de indici ) este o familie de

subspaţii liniare a spaţiului liniar ( X,K ) , atunci şi mulţimea X0
formată din intersecţia subspaţiilor Xi este un subspaţiu liniar al
spaţiului X.
DEMONSTRAŢIE:
1) oricare ar fi vectorii x şi y din spaţiul X0 , X0 = Ι X i , unde x

i∈I
aparţine lui Xi şi y aparţine lui Xi , pentru orice i din familia de
indici I .
Dar Xi este un subspaţiu liniar al lui X, deci x+y aparţin lui Xi
oricare ar fi i din mulţimea I, adică x+y aparţin lui X0 .
2) Oricare ar fi vectorul x din spaţiul X0 , x aparţine subspaţiului Xi

al spaţiului X0 . Oricare ar fi scalarul α din corpul K, αx aparţine
spaţiului Xi , deci aparţine şi subspaţiului X0.
Fie (X,K) un spaţiu liniar. Fie mulţimea A ⊂ X , A ≠ ∅ .
DEFINIŢIA 1.6.2.
Se numeşte acoperirea liniară a mulţimii A, mulţimea

tuturor combinaţiilor liniare de vectori din mulţimea A . Acoperirea
liniară se notează cu L(A).
ì p
ü
L(A) = í x | x = å α i a i , a i ∈ A, α i ∈ K , i = 1, Κ , p, p ∈ N * ý
î i =1 þ
PROPOZIŢIA 1.6.2.
Fie (X,K) un spaţiu vectorial. Fie A o mulţime din X, diferită

de mulţimea vidă. Atunci acoperirea liniară a lui A este un subspaţiu
liniar al spatiului X.
DEMONSTRAŢIE:
1) Demonstrăm că oricare ar fi vectorii x şi y din L(A) şi x+y

aparţine acoperirii liniare L(A).
Dacă x ∈ L(A), atunci :

p1
x = åαi ai unde αi este un scalar din K, ai este un vector din
i =1
A, i = 1, … , p1 , iar p1 este un număr natural.
Dacă y ∈ L(A), atunci :
p2
y = å β j a j unde βj este un scalar din K, aj este un vector
i =1
din A, j = 1, … , p2 , iar p2 este un număr natural.
p1 p2
x+ y= å α iai +
i =1
åβ
i =1
j a j deci (x+y) este o combimaţie
liniară de vectori din mulţimea A, ceea ce înseamnă că (x+y)

aparţine acoperirii liniare a mulţimii A.
2) Demonstrăm că oricare ar fi vectorul x din L(A) şi αx aparţine

acoperirii liniare L(A), unde α este un scalar din corpul K.
Dacă x ∈ L(A), atunci :
p1
αx = å (αα i )a i oricare ar fi α din corpul K.
i =1
Deoarece α i aparţine corpului K şi αα i aparţine corpului K. Rezultă
astfel că αx aparţine acoperirii liniare L(A) .
PROPOZIŢIA 1.6.3.
Fie A o mulţime din spaţiul liniar X, A fiind diferită de

mulţimea vidă.
Acoperirea liniară a unei mulţimi conţine mulţimea
respectivă.
DEMONSTRAŢIE:
Oricare ar fi elementul a din mulţimea A, el se poate scrie

1
astfel: a = å1* a = 1* a = a
i =1
aceasta fiind o combinaţie liniară ce
aparţine acoperirii liniare L(A) .
Fie (X,K) un spaţiu liniar şi fie A o mulţime din acest spaţiu,

A fiind diferită de mulţimea vidă.
DEFINIŢIA 1.6.2.
Se numeşte subspaţiu liniar generat de mulţimea A, cel mai

mic subspaţiu liniar al spaţiului X care conţine mulţimea A.
Subspaţiul liniar generat de mulţimea este un subspaţiu al

spaţiului X care conţine pe A şi este cel mai mic subspaţiu care are
acestă proprietate. Îl vom nota cu Sp(A).
OBSERVAŢIE: Dacă XA = { Xi | Xi fiind subspaţii ale lui X,
A ⊂ X, i = I } , atunci mulţimea XA este diferită de mulţimea vidă.
PROPOZIŢIA 1.6.4.
Fie (X,K) un spaţiu liniar şi fie A o mulţime inclusă în X, A

fiind diferită de mulţimea vidă. Atunci L(A) = Sp(A) .
DEMONSTRAŢIE:
1) Sp ( A) ⊂ L( A) este evidentă deoarece L(A) este un

subspaţiu liniar al lui X care conţine mulţimea A, iar Sp(A) este cel
mai mic subspaţiu cu această proprietate.
2) L( A) ⊂ Sp ( A)
p
Fie x un vector din L(A) , x = å α k a k , αk aparţinând
k =1
corpului K şi ak aparţinând mulţimii A , k = 1, … , p .
A ⊂ X i , iar Xi este un subspaţiu , deci ak aparţine
subspaţiului Xi , k = 1, … ,p .
p
x = åα kak aparţine subspaţiului Xi , oricare ar fi Xi care
k =1
include mulţimea A.
Ι
p
Deci x = åα kak aparţine X i = Sp( A) . Astfel
k =1 Xi ⊃A
rezultă că L(A) = Sp(A) .
PROPOZIŢIA 1.6.5.
Fie (X,K) un spaţiu liniar, fie A o mulţime din X, A fiind

diferită de mulţimea vidă. Fie B o familie maximală de vectori liliar
independenţi conţinută în mulţimea A. Atunci, L(A) = L(B) .
OBSERVAŢIE : Fie (X,K) un spaţiu liniar şi fie X0 un subspaţiu

liniar al spaţiului X. Atunci elementul neutru θ aparţine subspaţiului
X0 .
DEMONSTRAŢIE :
1) L( A) ⊂ L( B )
Dacă B este o familie maximală de vectori liniar
independenţi din mulţimea A, atunci oricare ar fi elementul a din A,
a este o combinaţie liniară de elemente din familia maximală B.
Rezultă că oricare ar fi vectorul x aparţinând acoperirii liniare L(A),
x este o combinaţie liniară de elemente din B, adică x aparţine
acoperirii liniare L(B). Deci L( A) ⊂ L( B ) .
2) L( B ) ⊂ L( A) este evidentă.
PROPOZIŢIA 1.6.6.
Fie (X,K) un spaţiu liniar a cărui dimensiune este n. Fie X1 şi

X2 două subspaţii liniare ale lui X.
Dacă dim X1 + dim X2 > dim X , atunci X 1 ∩ X 2 conţine
şi alte elemente diferite de θ .
DEMONSTRAŢIE:
Fie dim X1 = p1 . Fie E = { e1 , … , ep } o bază în X1 .

Fie dim X2 = p2 . Fie G = { g1 , … , g2 } o bază în X2 .
Dacă x ∈ X1 ∩ X2 , atunci :
p1
x = å α i e i dacă x aparţine subspaţiului X1 .
i =1
p2
x = å β j g j dacă x aparţine subspaţiului X2 .
i =1
p1 p2 p1 p2
å α i ei =
i =1
å
j =1
β jg j ⇔ å α i ei +
i =1
å (− β )g
i =1
j j =θ
Dar {e 1 , Κ , e p , g 1 , Κ , g p } este o mulţime care aparţine

1 2
lui X şi are p1 + p2 elemente.

Din ipoteză ştim că p1 + p2 > p deci vectorii
{e 1 , Κ , e p , g 1 , Κ , g p } sunt liniar dependenţi.
1 2
Presupunem că αi = 0 ( i = 1, … , p1 ) . Atunci există scalari

βj diferiţi de zero pentru că vectorii sunt liniar dependenţi.
Presupunem că βj = 0 (j = 1, … , p2 ) . Atunci există scalari
αi diferiţi de zero pentru că vectorii sunt liniar dependenţi.
Deci există şi vectori nenuli.
1.7. Sumă de subspaţii liniare
Fie (X,K) un spaţiu liniar . Fie X1 şi X2 două subspaţii liniare

ale lui X.
DEFINIŢIA 1.7.1.
Se numeşte suma subspaţiilor X1 şi X2 mulţimea:

S = X1 + X2 unde X1 + X2 = { x | x = x1 + x2 , x1 ∈ X1 , x2 ∈ X2 }.
PROPOZIŢIA 1.7.1.
Suma a două subspaţii liniare este un subspaţiu liniar.
DEMONSTRAŢIE:
1) Oricare ar fi x din S , x = x1 + x2 , x1 ∈ X1 , x2 ∈ X2
Oricare ar fi y din S , y = y1 + y2 , y1 ∈ X1 , y2 ∈ X2
Dacă x1 ∈ X1 şi y1 ∈ X1 , atunci x1 + y1 ∈ X1 .
Dacă x2 ∈ X2 şi y2 ∈ X2 , atunci x2 + y2 ∈ X2 .
x + y = x1 + x2 + y1 + y2 = x1 + y1 + x2 + y2 ∈ S.
2) Oricare ar fi λ un scalar din corpul K, oricare ar fi vectorul x din

S, obţinem:
λx = λ(x1 + x2 ) = λx1 + λx2 deci λx ∈ S .
OBSERVAŢIE :
1) În general, X 1 ∪ X 2 nu este un subspaţiu liniar
2) S = X1 + X2 ≠ X 1 ∪ X 2 .
TEOREMA 1.7.1. ( teorema dimensiunii )
Fie (X,K) un spaţiu vectorial de dimensiune n. Fie X1 un

subspaţiu liniar, dim X1 = p1 .
Fie X2 un alt subspaţiu al lui X, dim X2 = p2 .
Fie D = X1 ∩ X2 , dim D = d . Fie S = X1 + X2 , dim S = s.
Atunci :
dim X1 + dim X2 = dim D + dim S ⇔ p1 + p2 = d + s .
DEMONSTRAŢIE :
Fie { e1 , … , ed } o bază în D. Completăm această bază
astfel încât să obţinem nişte baze în X1 şi în X2 .
Fie { e1 , … , ed , fd+1 , … , fp1 } o bază în X1 .
Fie { e1 , … , ed , gd+1 , … , gp2 } o bază în X2 .
Vom arăta că mulţimea BS = { e1 , … , ed , fd+1 , … , fp1 ,
gd+1 , … , gp2 } formează o bază în S.
1) oricare ar fi x ∈ S, x = x1 + x2 , x1 ∈ X1 , x2 ∈ X2
d p1
Dacă x1 ∈ X1 , atunci x 1 = å α i e i + åα i fi
i =1 i = d +1
d p2
Dacă x2 ∈ X2 , atunci x 2 = å β i e i + åβ i gi
i =1 i = d +1
d p1 p2
x∈ S , x = å (α i + β i ) e i + å αi fi + åβ i gi deci x se scrie
i =1 i = d +1 i = d +1
ca o combinaţie liniară a vectorilor din BS . Înseamnă că BS
formează un sistem de generatori.
2) arătăm că vectorii din BS sunt liniar independenţi.

d p1 p2 p1 d p2
(*) åαi ei +
i =1
åβ
j =d +1
j fj + åγ
k =d +1
k gk = θ Þ å (− β ) f j j
+
åα e + åγ g
i i k k
1 44 2 4 43
j = d +1 1i=14 44 2 k4=d+41 43
este vector în X1 este vector în X2

deci x ∈ X1 deci x ∈ X2
Din cele scrise mai sus, rezultă că x ∈ D = X1 ∩ X2 , deci

γk = 0 (1) , oricare ar fi k = d+1, … , p1 .
p2 d p1
Din (*) obţinem : å (− γ k )g k = å α i ei + å β j f j
1 44 2 4 43
k = d +1
1 4 44 2 j4=d +41 43
i =1
x∈ X2 x∈ X1
De aici rezultă că x ∈ X 1 ∩ X 2 , deci βj = 0 ( 2 ) ,

oricare ar fi j = 1, … , p1 .
d
Din (*) , ( 1 ) , ( 2 ) obţinem : åα
i =1
i ei = θ
Dar vectorii { e1 , … , ed } formează o bază în D, deci sunt
liniar independenţi. Rezultă că αi = 0 , oricare ar fi i = 1 , … , d ,
ceea ce înseamnă că BS formează o bază.
BS are d + p1 – d + p2 – d = s vectori Þ -d + p1 + p2 = s
Þ p1 + p2 = s + d .
COROLAR: Fie S un subspaţiu al spaţiului X , S ⊂ X , deci s ≤ n ,

atunci:
p1 + p2 – d ≤ n .
OBSERVAŢIE : Dacă X 1 ∩ X 2 = {θ } , atunci d = 0 , p1 + p2 = s ,

ceea ce inseamnă:
dim X1 + dim X2 = dim ( X1 + X2 ) .
DEFINIŢIA 1.7.2.
Fie X1 şi X2 două subspaţii ale spaţiului (X,K) . Dacă

X 1 ∩ X 2 = {θ } , atunci X 1 ⊕ X 2 se numeşte suma directă a
subspaţiilor X1 şi X2 .
CAPITOLUL 2
FUNCŢIONALE LINIARE
2.1. Noţiunea de funcţională liniară
Fie (X,K) un spaţiu vectorial de dimensiune n .
DEFINIŢIA 2.1.1.
O aplicaţie f : X → K , se numeşte funcţională .
DEFINIŢIA 2.1.2.
Funcţionala f : X → K este liniară dacă:

1) oricare ar fi vectorii x şi y din X, f ( x + y ) = f ( x ) + f ( y )
( proprietate de aditivitate)
2) oricare ar fi scalarul λ din corpul K, oricare ar fi vectorul x din X,
f ( λ x ) = λ f ( x ) ( proprietate de omogenitate )
OBSERVAŢIE :
Ø proprietăţile 1) şi 2) pot fi scrise într – o singură formulă :
f(αx+βb)=αf(x)+βf(y),
oricare ar fi scalarii α şi β din corpul K şi oricare ar fi vectorii x şi y
din spaţiul X.
Ø Dacă x = å α i e i Þ f ( x ) = f æç å α i e i ö÷ = å α i f (e i )
n n n
i =1 è i =1 ø i =1
EXEMPLUL 1 :
Fie spaţiul vectorial ( P2[x], R ) şi fie funcţionala

f : P2 [x ] → R, f ( x ) = ò x (t )dt , unde x(t) = a0 + a1 t + a2 t2 , a0 ,
1
0
a1 , a2 ∈ R .
Să se demonstreze că această funcţională este o funcţională
liniară.
Oricare ar fi x şi y din ( P2[x], R ) , x(t) = a0 + a1 t + a2 t2 ,
y(t) = b0 + b1 t + b2 t2 , b0 , b1 , b2 ∈ R .
Oricare ar fi α şi β din R ,
1
ò0 [α x (t ) + β y (t )]dt = α ò x (t )dt + β ò y (t )dt =

1 1
f (αx + βy ) =
0
0
= αf ( x ) + βf ( y )
INTERPRETARE GEOMETRICÃ :
Fie spaţiul ( R3, R ) şi fie f : R 3 → R o funcţională

liniară.
x3
•x
-e3 R
f(x)
x1 f( e3 )
e2 0 e1
f( e1 )
x2 f( e2 )
2.2. Matricea unei funcţionale liniare:
Fie (X,K) un spaţiu vectorial , dim X = n.

Fie E = { e1 , e2 , … , en } o bază în spaţiul X.
Fie x = α1 e1 + α2 e2 + … + αn en , unde x este un vector
din X.
Fie f : X → K , o funcţională liniară.
Valoarea funcţionalei liniare în punctul x este:
æn
ö n
f ( x ) = f ç α i ei = α i f (ei ) .
è i =1 i =1
Notăm ai = f ( ei ) i = 1, … ,n (1)
DEFINIŢIA 2.2.1
Se numeşte matricea funcţionalei f corespunzătoare bazei

E , matricea:
æ a1 ö
ç ÷
ça ÷
A=ç 2 ÷
Μ
çç ÷÷
èan ø
EXEMPLUL 1 :
Fie spaţiul vectorial ( P2[x],R ) şi fie funcţionala

f : P2 [x ] → R, f ( x ) = ò x (t )dt , o funcţională liniară.
1
0
Fie E = { 1, t, t2 } o bază în P2[x] .
Să se determine matricea funcţionalei f în baza E .
f (e1 )dt = 1dt = 1 ;

1 1
a1 =
0 0
1;
f (e2 ) =
1 1
a2 = tdt =
0 0 2
1
t3 1
f (e 3 )dt =
1 1
a3 = t 2 dt = =
0 0 3 0
3
æ ö
ç1 ÷
ç ÷
De aici rezultă că : A = ç 1 ÷ .
ç2÷
ç ÷
çç 1 ÷÷
è3ø
2.3. Schimbarea matricei unei funcţionale liniare la

schimbarea bazelor
PROPOZIŢIA 2.3.1.
Fie (X,K) un spaţiu vectorial , dim X = n .

Fie E = { e1 , e2 , … , en } o bază în spaţiul X .
n
Oricare ar fi vectorul x din spaţiul X , x = α i ei . Fie
i =1
æ a1 ö
ç ÷
ça ÷
f : X → K , o funcţională liniară , fie A = ç 2 ÷ ai = f (ei)
Μ
çç ÷÷
è an ø
unde i = 1, … ,n .
Fie G = { g1 , g2 , … , gn } o altă bază în spaţiul X .
Fie CEG matricea de trecere de la baza E la baza G .
æ b1 ö
ç
ç b2
Fie B = ç matricea functionalei f în baza G , bi = f (gi),
Μ
çç
è bn
unde i = 1, … ,n .
Atunci : B = C• A
DEMONSTRAŢIE :
Scriem matricea C ( cij ) , matricea de trecere de la baza E

la baza G .
g1 = c11 e1 + c12 e2 + … + c1n en

g2 = c21 e1 + c22 e2 + … + c2n en
………………………………………
gn = cn1 e1 + cn2 e2 + … + cnn en
b1 = f ( g1 ) = c11 f ( e1 ) + c12 f ( e2 ) + … + c1n f ( en )

b2 = f ( g2 ) = c21 f ( e1 ) + c22 f ( e2 ) + … + c2n f ( en )
…………………………………………………………………
bn = f ( gn ) = cn1 f ( e1 ) + c2n f ( e2 ) + … + cnn f ( en )
ìb1 = c11a1 + c12 a 2 + Κ + c1n a n

sau : íΜ B = C• A
îbn = c n1a1 + c n 2 a 2 + Κ + c nn a n
2.4. Dualul algebric al unui spaţiu vectorial
Fie (X,K) un spaţiu vectorial, dim X = n .

Considerăm mulţimea tuturor funcţionalelor liniare definite
pe spaţiul X .
L ( X , K ) = { f | f : X → K , f liniare }
Vom organiza această mulţime ca un spaţiu vectorial.
1) oricare ar fi f , g ∈ L ( X , K ) , ( f ⊕ g )( x ) = f ( x ) + g ( x ) , unde
“+” este adunarea din corpul K.
2) oricare ar fi λ ∈ K şi oricare ar fi f ∈ L( X , K ) ,
(α ⊗ f )(x ) = αf (x )
Cu aceste proprietăţi, spaţiul vectorial reprezintă un dual algebric.
DEMONSTRAŢIE :
Oricare ar fi f , g ∈ L( X , K ) Þ ( f ⊕ g )( x ) ∈ L ( X , K )
• f este funcţională liniară Þ oricare ar fi α , β ∈ K , oricare ar
fi x, y ∈ X este adevărată relaţia : f (αx + βy ) = αf (x ) + βf ( y )
• g este funcţională liniară Þ oricare ar fi α , β ∈ K , oricare ar
fi x, y ∈ X este adevărată relaţia : g (αx + βy ) = αg ( x ) + βg ( y )
( f ⊕ g)[αx + βy] = f (αx + βy) + g(αx + βy) = αf (x) + βf ( y) + αg(x) + βg( y) =

= α[ f ( x) + g( x)] + β [ f ( y ) + g( y )] = α ( f ⊕ g ) + β ( f ⊕ g )
• Asociativitate : (( f ⊕ g ) ⊕ h )( x ) = ( f ⊕ (g ⊕ h ))( x ) , oricare

ar fi f , g ∈ L ( X , K ) .
• Element neutru : există ν ∈ L ( X , K ) , ν ( x ) = 0 , oricare ar fi
x∈ X .
• Element simetric : oricare ar fi f ∈ L( X , K ) , există
(− f ) ∈ L( X , K ) , astfel încât: (− f )( x ) = − f (x ) .
• Comutativitate : ( f ⊕g)( x) = (g ⊕ f )( x) , oricare ar fi f , g ∈ L( X , K ) .
• (1 ⊗ f )( x ) = f (x ) , oricare ar fi f ∈ L( X , K ) .
• (α ⊗ β ) ⊗ f (x ) = α ⊗ (β ⊗ f (x )) , oricare ar fi f , g ∈ L( X , K ) ,
oricare ar fi α , β ∈ K .
• α ⊗ ( f (x) ⊕ g( x)) = (α ⊗ f ( x) ⊕αg(x)) , oricare ar fi f , g ∈L( X, K) ,
oricare ar fi α ∈ K .
Dualul algebric se mai numeşte spaţiul adjunct sau conjugat al

lui X.
2.5. Funcţionale biliniare
Fie (X,K) şi fie (Y,K) două spaţii vectoriale definite peste

acelaşi corp de scalari K.
DEFINIŢIA 2.5.1.
O aplicaţie f : X × Y → K se numeşte funcţională

biliniară dacă :
1) f (α1 x’ + α2 x’’ , y) = α1 f (x’, y) + α2 f (x’’, y) , oricare ar fi α1 ,
α2 ∈ K, oricare ar fi x’ , x’’ ∈ X şi oricare ar fi y ∈ Y ( funcţionala
f este liniară în raport cu prima variabilă, x’ ) .
2) f (x , β1 y’ + β2 y’’) = β1 f (x , y’) + β2 f (x , y’’) , oricare ar fi β1 ,
β2 ∈ K, oricare ar fi y’ , y’’ ∈ Y şi oricare ar fi x ∈ X
(funcţionala f este liniară în raport cu a doua variabilă, y’) .
2.6. Matricea unei funcţionale biliniare
Fie (X,K) un spaţiu vectorial, dimX = m ;

Fie E = { e1 , e2 ,…, em } o bază în X.
Fie (Y,K) un spaţiu vectorial, dimY = n ;
Fie Y = { g1 , g2 ,…, gn } o bază în Y.
m n
Oricare ar fi x ∈ X , x = αi ei şi oricare ar fi y ∈ Y , y = βjgj .
i =1 i =1
Fie f : X × Y → K , o funcţională biliniară,

æ m ö m n
f ( x, y ) = f çç å α i ei , å β j g j ÷÷ = åå α i β j f (ei , g j )
n
è i =1 j =1 ø i =1 j =1
Notăm (1) aij = f ( ei ,gj ) , i = 1 , … , m , j = 1 , … , n
obţinem matricea A ( aij ).
DEFINIŢIA 2.6.1.
Matricea A ( aij ) ∈ Mnxm (K) unde aij = f ( ei ,gj ) , iar i =

=1 , … , m şi j = 1 , … , n se numeşte matricea funcţionalei
biliniare corespunzătoare bazelor E din spaţiul X şi G din spaţiul Y.
m n
f (x , y)= α i β j a ij = α1 ( β1 a11 + β2 a12 + … + βn a1n ) +
i =1 j =1
+ α2 ( β1 a21 + β2 a22 + … + βn a2n ) + … +

+ am ( β1 am1 + β2 am2 + … + βn amn ) = XT AY
æ a11 Κ a1n ö æ β1 ö
ç ÷ ç ÷
XT = ( α1 ,α2 , … , αm ) , A = ç Μ ÷ , Y = ç Μ÷
ça a mn ÷ø çβ ÷
è m1 Κ è nø
(2) f ( x , y ) = XT AEG YG
2.7. Schimbarea matricei unei funcţionale biliniare la

schimbarea bazelor
Fie (X,K) un spaţiu vectorial, dimX = m ;

Fie E = { e1 , e2 ,…, em } o bază în X.
Fie (Y,K) un spaţiu vectorial, dimY = n ;
Fie Y = { g1 , g2 ,…, gn } o bază în Y.
m n
Fie x E = åα i ei şi y G = å β j g j .
i =1 i =1
Fie f : X × Y → K o funcţională biliniară .
Fie A matricea funcţionalei biliniare f corespunzătoare bazei
E din spaţiul X şi bazei G din spaţiul Y .
Fie F = { f1 , f2 , … , fm } o altă bază în spaţiul X .
Fie CEF matricea de trecere de la baza E la baza F.
ì f f = c11 e1 + c12 e 2 + Κ + c1m e m
ï
íΜ
ï f = c e + c e +Κ + c e
î m m1 1 m2 2 mm m
Fie H = { h1 , h2 , … , hm } o altă bază în spaţiul Y .
ìh f = d 11 g 1 + d 12 g 2 + Κ + d 1m g m
ï
íΜ
ïh = d g + d g + Κ + d g
î m m1 1 m2 2 mm m
Fie B matricea funcţionalei biliniare f corespunzătoare bazei F din

spaţiul X şi bazei H din spaţiul Y.
(3) f ( x , y ) = XTE A YG
(4) f ( x , y ) = XTF B YH
(5) XF = ( CT )-1 XE
(6) YH = ( DT )-1 YG
(4) Þ f (x, y) = [(CT )−1 X E ] B(DT )−1YG ü

[ ]Y üïýÞ
T
ï ( )
ï f ( x, y) = XET C−1B DT
−1
(∗) ( A⋅ B)T = BT AT
G
ýÞ (3) ïþ
ï
(∗∗) (C−1 )T = (CT )−1 ïþ
Þ A = C –1 B ( DT )-1 | • C Þ C A = C C –1 B ( DT )-1 Þ DT |
C A = B ( DT )-1 Þ
Þ B = C • A • DT
CAPITOLUL 3
FUNCŢIONALE PÃTRATICE
3.1. Noţiunea de funcţională pătratică
Fie (X,R) un spaţiu vectorial , dim X = n .
DEFINIŢIA 3.1.1.
Funcţia f : X → R este o funcţională liniară dacă oricare

ar fi x1 , x2 care aparţin lui X şi oricare ar fi α1 , α2 care aparţin lui R,
atunci :
f ( α1 x1 + α2 x2 ) = α1 f ( x1 ) + α2 f ( x2 ) .
æ a1 ö
ç ÷
E = { e1 , e 2 , … , e n } A = ç Μ ÷ , ai = f ( e i ) , i = 1 , … , n .
ça ÷
è 2ø
Din capitolul 2 , subcapitolul “ Funcţionale biliniare “ , cunoaştem

următoarele :
Ø Fie (X,R) , dim X = n şi fie (Y,R) , dim Y = m .

Funcţionala biliniară f : X × Y → R are proprietăţile :
1. Oricare ar fi α1 , α2 ∈ R , x1 , x2 ∈ X , y ∈ Y ,
f ( α1 x1 + α2 x2 , y ) = α1 f ( x1 , y ) + α2 f ( x2 , y ) .
2. Oricare ar fi β1 , β2 ∈ R , y1 , y2 ∈ Y , x ∈ X ,
f ( x ,β1 y1 + β2 y2 ) = β1 f ( x , y1 ) + β2 f ( x , y2 ) .
Ø f ( x, y ) = X ET AYG
În cazul în care Y = X , f : X × X → R . Atunci apar
următoarele modificari :
A ( aij ) , aij = f ( ei , ej ) , i , j = 1 , … , n , f ( x, y ) = X T AY .
DEFINIŢIA 3.1.2.
Funcţionala biliniară f ( x , y ) este simetrică dacă f ( x , y )

= f ( y , x ) , oricare ar fi x , y ∈ X .
DEFINIŢIA 3.1.3.
Prin diagonala produsului cartezian X × X înţelegem :
diagX × X = {( x, x ) | x ∈ X } .
DEFINIŢIA 3.1.4.
Se numeşte funcţională pătratică , restricţia unei funcţionale

biliniare simetrice la diagonala produsului cartezian X × X .
n n
V( x) = f ( x, x) = X T AX = ååaij xi x j = a11 x1 +2a12 x1 x2+2 a13 x1 x3+…+
2
i=1 j=1
+2 a1n x1 xn + a22 x22 + 2 a23 x2 x3 + … + 2 a2n x2 xn + … + ann xn2 ,

unde ( aij = f ( ei , ej ) ) .
DEFINIŢIA 3.1.5.
V (x) este strict pozitiv definită dacă V (x) > 0 , oricare ar fi

x∈ X.
DEFINIŢIA 3.1.6.
V (x) este semipozitiv definită dacă V (x) ≥ 0 , oricare ar fi

x∈ X.
DEFINIŢIA 3.1.7.
V (x) este strict negativ definită dacă V (x) < 0 , oricare ar fi

x∈ X.
DEFINIŢIA 3.1.8.
V (x) este seminegativ definită dacă V (x) ≤ 0 , oricare ar fi

x∈ X.
DEFINIŢIA 3.1.9.
V (x) este nedefinită dacă există x ∈ X astfel încât

V (x) ≥ 0 şi există y ∈ X astfel încât V ( y ) ≤ 0 .
Se pune problema dacă există o bază G = { g1 , g2 , … , gn }

astfel încât în această bază ( bază canonică ) , avem:
V (x) = β1 x12 + β2 x22 + … + βn xn2 .
3.2. Metoda Gauss pentru determinarea formei canonice a

unei funcţionale pătratice şi determinarea bazei
Fie (X,R) un spaţiu vectorial , dim X = n , şi o bază a acestui

spaţiu, E = { e1 , e2 , … , en } .
Fie f : X × X → R o funcţională biliniară simetrică .
A (aij) , aij = f (ei,ej) , i , j = 1 , … , n , f ( x, y ) = X T AY .
n n
V ( x ) = X T AX = åå a ij x i x j
i =1 j =1
Presupunem că există indicele i ( 1 ≤ i ≤ n ) astfel încât aii

este diferit de zero. Presupunem că a11 diferit de zero . Luăm separat
termenii care conţin componenta x1 şi vom scrie astfel :
é ù
a11x12+2a12x1x2+…+2a1nx1xn= a11 ê x12 + 2 x1 æç a12 x 2 + Κ + a1n x n ö÷ ú =
ça a ÷
ë è 11 11 øû
éæ a a ö
2
æa a ö ù
2
= a11 êç x1 + 12 x 2 + Κ + 1n x n ÷ − ç 12 x 2 + Κ + 1n x n ÷ ú .
ç a11 a11 ÷ø ça a11 ÷ø ú
ëêè è 11 û
2
æ a a ö
Deci V ( x ) = a11 çç x1 + 12 x 2 + Κ + 1n x n ÷÷ = V1 ( x ) unde V1 ( x )
è a11 a11 ø
nu conţine pe x1 .
Notăm :
a12 a
y 1 = x1 + x 2 + Κ + 1n x n
a11 a11
y2 = x2
y 3 = x3
Μ
yn = xn
Astfel , V ( y ) = a11 y12 + b22 y22 + 2 b23 y2 y3 + … + bnn yn2 .
Aplicăm acelaşi procedeu lui V1 şi după n paşi , obţinem forma

canonică a funcţionalei .
Dacă aii = 0, oricare ar fi i = 1 , … , n , vom face notaţia următoare :
x 1 = y1 + y2 ; x 2 = y1 – y 2 ; x 3 = y3 ; … ; x n = yn .
Astfel , vom obţine forma :
V ( x ) = a12 ( y1 + y 2 )( y1 − y 2 ) + åa ij y i y j = a12 y12 −a12 y 22 + åa ij yi y j

i≠ j i≠ j
i , j ≥3 i , j ≥3
EXEMPLUL 1 :
V ( x ) = 2 x12 + x22 – x32 + 6 x1 x2 – 8 x1 x3 + 2 x2 x3

2
1
V (x ) = (2 x1 + 3x 2 − 4 x 3 )2 − 2 æç − 7 x 2 + 7 x 3 ö÷ + 5x 3
2 7è 2 ø
y 1 = 2 x1 + 3 x 2 − 4 x 3
7 Þ (1) V ( y ) = 1 y12 − 2 y 22 + 5 y 32 ,
y2 = − x2 + 7 x3
2 2 7
y3 = x3
reprezintă o funcţională în forma canonică .
Care este baza din spaţiul vectorial X în care funcţionala

pătratică V are forma canonică (1) ?
æ y1 ö æç 2 3 − 4 ö æ x1 ö
ç ÷ 7 ÷ç ÷
ç y2 ÷ = ç 0 − 7 ÷ç x 2 ÷
çy ÷ ç 2 ÷ç ÷
è 3 ø è0 0 1 øè x 3 ø
Y = (C T ) X , unde C ( cij ) este matricea de trecere de la

−1
baza E la baza G ( G este baza în care funcţionala pătratică are

forma canonică ) .
æ2 3 − 4ö
ç ÷
(C )
T −1
= ç0 −
7
2
7 ÷ ;
ç ÷
è0 0 1 ø
æ1 3 ö æ 1 ö
ç − 1÷ ç 0 0÷
ç 2 7 ÷ ç 2 ÷
((C ) )
T −1
−1
ç
=C = 0 −
T
ç
2
7
÷
2 Þ C EG =
÷
ç
ç 7
3
−
2
7
0÷
÷
ç0 0 1÷ ç − 1 2 1÷
ç ÷ ç ÷
è ø è ø
Fie baza G baza în care vom determina forma canonică a

funcţionalei pătratice V ,
G = { g1 , g2 , … , gn }
Calculăm vectorii acestei baze :

æ1ö
æ1ö ç 2 ÷
1 1ç ÷ ç ÷
g 1 = c11 e1 + c12 e 2 + c13 e 3 = e1 = ç 0 ÷ = ç 0 ÷
2 2ç ÷
è 0 ø çç 0 ÷÷
è ø
æ 3 ö
ç ÷
ç 7 ÷ æ − 1ö
3 2 2 ç ÷
g 2 = e1 − e 2 = ç − ÷ g 3 = − e1 + 2e 2 + e 3 = ç 2 ÷
7 7 ç 7÷ ç 1 ÷
ç 0 ÷ è ø
ç ÷
è ø
æ1 ö
ç 0 0÷
ç2 ÷
Matricea B a funcţionalei V în baza G este : B = ç 0 2
− 0÷ .
ç 7 ÷
ç0 0 5÷
ç ÷
è ø
3.3. Metoda Jacobi pentru determinarea formei canonice a

funcţionalei pătratice
V ( x ) = 2 x12 + x22 – x32 + 6 x1 x2 – 8 x1 x3 + 2 x2 x3
2 3
Notăm : ∆ 0 = 1 , ∆ 1 = 2 , ∆ 2 = = −7 ,
3 1
2 3 −4
∆3 = 3 1 1 = −35 .
−4 1 −1
∆ 0 2 ∆1 2 ∆ 2 2
V (y) = y1 + y2 + y3
∆1 ∆2 ∆3
1 2 2 2 1 2
Deci , obţinem : V ( y ) = y1 − y 2 + y 3 .
2 7 5
Într – un spaţiu există mai multe baze în care funcţionala

poate fi adusă la forma canonică , deci forma canonică obţinută prin
metoda Gauss diferă de cea obţinută prin metoda Jacobi .
Metoda Jacobi se poate aplica numai dacă toţi minorii
principali ai matricei A sunt nenuli .
METODA JACOBI LA CAZUL GENERAL
Fie spaţiul vectorial (X,R) , dim X = n , şi fie o bază în acest

spaţiu, notată E = { e1 , e2 , … , en } .
Fie f : X × X → R o funcţională biliniară simetrică .
Fie A( aij ) matricea funcţionalei f în baza E .
TEOREMA 3.3.1.
n n
Fie V ( x ) = x T Ax = åå a ij x i x j o funcţională pătratică ,
i =1 j =1
unde A(aij) este matricea funcţionalei V în baza E . Dacă toţi minorii

principali ai matricei A sunt nenuli ,
a11 Κ a1r
∆r = Μ Μ ≠ 0 ( r = 1 , … ,n ) şi ∆ 0 = 1 ,
a r1 Κ a rr
atunci există o bază G = { g1 , g2 , … , gn } în care matricea B a

funcţionalei V este diagonală şi
æ ∆0 ö
ç 0 ÷
ç ∆1 ÷
ç ∆1 ÷
B=ç ∆2 ÷ .
ç ÷
ç Ο ÷
ç 0 ∆ n −1 ÷
ç ∆ n ÷ø
è
OBSERVAŢIE : În baza G , V ( y ) = å ∆ i −1 y i2 .
n
i =1 ∆n
DEMONSTRAŢIE :
Vom construi baza G astfel :
g1 = λ11 e1
g2 = λ21 e1 + λ22 e2
…………………..
(1) gi = λi1 e1 + λi2 e2 + … + λii ei
………………………………
gn = λn1 e1 + λn2 e2 + … + λnn en
Vom determina scalarii λij din condiţiile :

(2) ì f (g k , ei ) = 0 k = 1 , … , n , i = 1 , … ,k-1
í
î f (g k , e k ) = 1
k=1
f( g1 ,e1 ) = 1 Þ f( λ11 e1 , e1 ) = 1 Þ λ11 f( e1 , e1 ) = 1 Þ
1
λ11 a11 = 1 Þ λ11 = . ( din ipoteză , a11 este diferit de zero ) .
a11
k=2
ì f (g2 , e1 ) = 0 ì f (λ21e1 + λ22e2 , e1 ) = 0 ìλ21 f (e1 , e1 ) + λ22 f (e2 , e1 ) = 0

í Þí Þí Þ
î f (g2 , e2 ) = 1 î f (λ21e1 + λ22e2 , e2 ) = 1 îλ21 f (e1 , e2 ) + λ22 f (e2 , e2 ) = 1
a11 λ 21 + a 21 λ22 = 0 ìa11 λ21 + a 21 λ 22 = 0

Þ ìí Þ í
îa12 λ 21 + a 22 λ22 = 1 îa 21 λ21 + a 22 λ22 = 1
a12 = a21
0 a21 0 a21 0 a21 a11 0

1 a22 1 a22 1 a22 a12 1 ∆ 22
λ21 = = = , λ22 = = .
a11 a21 a11 a12 ∆2 ∆2 ∆2
a12 a22 a21 a22
Analog demonstrăm şi pentru 1 ≤ k ≤ n , iar sistemul (2) are

soluţia următoare :
col1 Κ coli Κ colk
∆ ki
λ ki = , unde ∆ ki = a11 Κ 0 Κ a 1k
∆k Μ Μ Μ
a k1 Κ 1 Κ a kk
În baza G astfel determinată , matricea B a funcţionalei

pătratice V este de forma:
æ ∆0 ö
ç 0 ÷
ç ∆1 ÷
ç ∆1 ÷ ì0, i ≠ j
, b = ïí ∆ .
B=ç ∆2 ÷ ij i −1
,i = j
ç ÷ ï
ç Ο ÷ î ∆i
ç 0 ∆ n −1 ÷
ç ∆ n ÷ø
è
Ø pentru i < j :
bij = f( gi , gj ) = f( λi1 e1 + … + λii ei , gj ) = λi1 f( e1 , gj ) + … +
+ λii f( ei , gj ) = λi1 f( gj , e1 ) + … + λii f( gj , ei ) .
Din sistemul (2) , rezultă că pentru i < j , bij = 0 .
Ø pentru i = j :
bii = f( gi , gj ) = f( λi1 e1 + … + λii-1 ei-1 + λii ei , gi ) =
= λi1 f (e1 , g i ) + Κ + λii −1 f (e i −1 , g i ) + λii f (ei , g i ) = λii .

1 42 43 1 4 4 2 4 43 1 42 43
=0 =0 =1
a11 Κ a1,i −1 0
∆ ii Μ Μ Μ ∆
λii = , ∆ ii = = ∆ i −1 Þ λii = i −1 .
∆i a i −1,1 Κ a i −1,i −1 0 ∆i
a i1 Κ a i ,i −1 1
EXEMPLUL 1 :
V ( x ) = 2 x12 + x22 – x32 + 6 x1 x2 – 8 x1 x3 + 2 x2 x3
æ 2 3 − 4ö
ç ÷
A=ç 3 1 1 ÷
ç− 4 1 1 ÷
è ø
2 3 −4
2 3
∆ 0 = 1 , ∆1 = 2 , ∆ 2 = = −7 , ∆ 3 = 3 1 1 = −35
3 1
− 4 1 −1
∆ 0 2 ∆1 2 ∆ 2 2 1 2 2 2 1 2
V (y) = y1 + y2 + y 3 Þ V ( y ) = y1 − y 2 + y 3
∆1 ∆2 ∆3 2 7 5
g1 = λ11 e1
g2 = λ21 e1 + λ22 e2
g3 = λ31 e1 + λ32 e2 + λ33 e3
Ø pentru k = 1 :
Þ f( g1 , e1 ) = 1 Þ f( λ11 e1 , e1 ) = λ11 f( e1 , e1 ) = λ11 a11 = 2λ11

æ1ö
1 1 ç ÷
= 1 Þ Þ λ11 = Þ g 1 = e1 Þ g = ç 20 ÷ .
2 2 1 ç ÷
ç0÷
ç ÷
è ø
Ø pentru k = 2 :
f (g 2 , e1 ) = 0ì f (λ21e1 + λ22 e2 , e1 ) = 0 ìλ21a11 + λ22 a 21 = 0

Þ ìí Þí Þí Þ
î f (g 2 , e2 ) = 1 î f (λ21e1 + λ22 e2 , e2 ) = 1 îλ21a12 + λ22 a 22 = 1
æ 3 ö
ç ÷
ì
λ =
3 ç 7 ÷
Þ ìí2λ21 + 3λ22 = 0 Þ ïïí
21
7 3 2 ç 2÷
Þ g 2 = e1 − e 2 Þ g 2 = −
î3λ21 + λ22 = 1 7 7 ç 7÷
ïλ22 = − 2 ç 0 ÷
îï 7 ç ÷
è ø
Ø pentru k = 3 :
ì f (g 3 , e1 ) = 0 ì f (λ 31 e1 + λ32 e 2 + λ 33 e 3 , e1 ) = 0
Þ ïí f (g 3 , e 2 ) = 0 Þ ïí f (λ31 e1 + λ32 e 2 + λ33 e 3 , e 2 ) = 0 Þ
ï f (g , e ) = 1 ï f (λ e + λ e + λ e , e ) = 1
î 3 1 î 31 1 32 2 33 3 3
ì 1
ïλ31 = − 5
ìλ31a11 + λ32 a 21 + λ33a 31 = 0 ì2λ31 + 3λ32 − 4λ33 = 0 ï
ï ï ï 2
Þ íλ31a12 + λ32 a 22 + λ33a 32 = 0 Þ í3λ31 + λ32 + λ33 = 0 Þ íλ32 = −
ïλ a + λ a + λ a = 1 ï− 4λ + λ − λ = 1 ï 7
î 31 13 32 23 33 33 î 31 32 33
ï 1
ïîλ33 = 5
1 2 1
Þ g 3 = − e1 − e 2 + e 3 .
5 7 5
Matricea B a funcţionalei pătratice V are forma :
æ1 ö
ç 0÷
ç2 ÷
2
B=ç − ÷
ç 7 ÷
ç 1÷
ç0 ÷
è 5ø
3.4. Legea inerţiei
TEOREMA 3.4.1.
Numărul coeficienţilor pozitivi şi numărul coeficienţilor

negativi din forma canonică a unei funcţionale pătratice V(x) nu
depinde de alegerea bazei canonice .
( Deci , coeficienţii pozitivi şi coeficienţii negativi sunt invarianţi ai
funcţionalei pătratice .)
DEMONSTRAŢIE :
Fie spaţiul vectorial (X,R) , dim X = n .Fie bazele canonice

E şi G din spaţiul vectorial X , astfel încât :
E = { e1 , e2 , … , en } xE = ( x1 , x2 , … , xn )T
G = { g1 , g2 , … , gn } yG = ( y1 , y2 , … , yn )T
m1 n1
În baza E : V ( x ) = å λi x i2 − åλ j x 2j , λi > 0 , i = 1 , … , m1
i =1 j = m1+1
λj > 0 , j = m1+1 , … , n1
m2 n2
În baza G : V ( y ) = å µ i y i2 − åµ j y 2j , µi > 0 , i = 1 , … , m2
i =1 j = m 2 +1
µj > 0 , j = m2+1 , … , n2
Deci funcţionala pătratică are în baza E , m1 coeficienţi

pozitivi şi n1 – m1 coeficienţi negativi . ( Nu am scris n ci n1 ,
pentru că există posibilitatea ca anumiţi coeficienţi să fie nuli . )
Trebuie să demonstrăm că m1 = m2 şi n1 = n2 .
Demonstraţia o vom face prin reducere la absurd .
Presupunem contrariul şi anume m1 > m2 .
Fie subspaţiul X1 = Sp ( { e1 , … , em1 } ) , X1 ⊂ X , dim X1 = m1 .
Fie subspaţiul X2 = Sp ( { gm2+1 , … , gn } ) , X2 ⊂ X , dim X2 = m1 .
Fie D = X 1 ∩ X 2 .
dim X1 + dim X2 = m1 + n – m2 Þ D conţine şi vectori nenuli .
m1 n
Fie x ∈ D Þ x ∈ X 1 Þ x = å x i ei , x∈X2 Þ x = å yjg j
1 4 2i =1 4 3 1 44j =2m 2 +41 43
ß ß
() ( ) åy
m1 n
V x = å λi x i2 > 0 V x = j y 2j < 0
i =1 j = m 2 +1
() ()
Dar V x >0 şi V x <0 este absurd. Astfel, rezultă că m1 ≤ m2 .
Analog , presupunând că m1 < m2 , obţinem m1 ≥ m2 . Deci

obţinem: m1 = m2 .
Asemănător demonstrăm că n1 = n2 .
DEFINIŢIA 3.4.1.
Se numeşte indice de inerţie a formei pătratice V (rangul

formei pătratice V ) , numărul total de termeni ce apar într – o formă
canonică .
DEFINIŢIA 3.4.2.
m1 = m2 se numeşte indicele pozitiv de inerţie al

funcţionalei pătratice V ( adică numărul termenilor pozitivi dintr – o
formă canonică ) .
DEFINIŢIA 3.4.3.
n1 = n2 se numeşte indicele negativ de inerţie al

funcţionalei pătratice V .
OBSERVAŢIE : Dacă m1 = n1 , atunci toţi coeficienţii

funcţionalei pătratice V în forma canonică sunt pozitivi , deci
funcţionala V este pozitiv definită .
REGULA LUI SYLVESTER :
Pentru ca o matrice simetrică A(aij) să determine o

funcţională pătratică pozitiv definită , este necesar şi suficient ca toţi
minorii principali ∆ r să fie strict pozitivi .
a11 Κ a 1r
∆r = Μ Μ>0 r=1,…,n .
a r1 Κ a rr
CAPITOLUL 4
COMPLEMENTE DE TEORIA ŞIRURILOR ŞI SERIILOR

NUMERICE
4.1. Noţiuni introductive
DEFINIŢIA 4.1.1. : Se numeşte şir de numere reale o funcţie

f : N → R,
*
f (n ) = a n . Notăm (a n )n∈N * .
DEFINIŢIA 4.1.2. : Fie n1<n2<…<nk<… un şir de numere

( )
naturale strict crescator. Atunci a nk , k ∈ N * se numeşte subsir al şirului
(a n )n∈N * .
OBSERVAŢIA 1 : Un subşir al unui şir are o infinitate de termeni.
EXEMPLE : a n = n 1, 2, …, n , … Atunci :
a2k a 2 , a 4 ,Κ , a 2 k ,Κ este subşirul termenilor pari.
a 2 k −1 a1 , a3 , Κ a 2 k −1 , Κ este subşirul termenilor impari.
DEFINIŢIA 4.1.3. : Fie a ∈ R . Se numeşte vecinătate a lui “a”

orice interval deschis care îl conţine pe “a”.
Fie ε > 0 , ε ∈ R . Se numeşte ε vecinătate centrată a

numărului “a” intervalul (a − ε , a + ε ) . Notăm Vε (a ) = (a − ε , a + ε ) .
DEFINIŢIA 4.1.4. : Se numeşte vecinătate a lui + ∞ , orice

interval de forma (a , ∞ ) , a ∈ R .
DEFINIŢIA 4.1.5. : Se numeşte vecinătate a lui - ∞ , orice

interval de forma (− ∞, a ) , a ∈ R .
DEFINIŢIA 4.1.6. : Şirul (a n )n∈N * este convergent către “ a “

( finit ) dacă oricare ar fi vecinătatea V(a) , aceasta lasă în afara ei cel mult
un număr finit de termeni ai şirului.
DEFINIŢIA 4.1.7. : Şirul (a n )n∈N * este convergent către “a”
( finit ) dacă pentru orice ε > 0 , există un număr natural ( un rang ) N( ε ) ,
astfel încât oricare ar fi n ≥ N (ε ) an − a < ε .
OBSERVAŢIA 2 : Definiţiile 4.1.6. şi 4.1.7. sunt echivalente.
DEFINIŢIA 4.1.8. : Şirul (a n )n∈N * are limita + ∞ dacă oricare

ar fi o vecinătate V ( +∞ ) , aceasta lasă în afara ei cel mult un număr finit de
termeni ai şirului.
DEFINIŢIA 4.1.9. : Şirul (a n )n∈N * are limita + ∞ dacă oricare

ar fi a ∈ R , există un prag N(a), astfel încât oricare ar fi n ≥ N ( a ) rezultă
că a n > a .
DEFINIŢIA 4.1.10. : Şirul (a n )n∈N * are limita − ∞ dacă oricare

ar fi o vecinătate V ( −∞ ) , aceasta lasă în afara ei cel mult un număr finit de
DEFINIŢIA 4.1.11. : Şirul (a n )n∈N * are limita − ∞ dacă oricare

ar fi a ∈ R , există un prag N(a), astfel încât oricare ar fi n ≥ N ( a ) rezultă
că a n < a .
Un şir este convergent dacă are limita finită şi este divergent dacă
are limita + ∞ sau − ∞ sau nu are limită.
EXEMPLE :
1. Şirul constant a n = a . Se demonstrează că a n → a , adică

n →∞
lim a n = a .
n →∞
1
2. Şirul a n = . Se demonstrează că a n → 0 .
n n →∞
Într-adevăr, oricare ar fi ε > 0 , există un prag N (ε ) astfel încât

oricare ar fi n ≥ N (ε ) rezultă că a n − a < ε .
1 1 1 é1ù
− 0 < ε ⇔ < ε ⇔ 1 < nε ⇔ n > Þ N (ε ) = ê ú + 1
n n ε ëε û
OBSERVAŢIA 5 : În definiţiile anterioare ( de convergenţă a

unui şir către un număr ) , limita şirului , “a” , este aprioric cunoscută.
4.2. Şir fundamental
Cauchy introduce noţiunea de şir fundamental ( şir Cauchy ).
DEFINIŢIA 4.2.1. : Şirul (a n )n∈N * este şir fundamental (Cauchy)

dacă oricare ar fi ε > 0 , există un prag N (ε ) astfel încât oricare ar fi
m ≥ N (ε ) şi oricare ar fi n ≥ N (ε ) vom avea a m − a n < ε .
DEFINIŢIA 4.2.2. : Şirul (an )n∈N * este un şir fundamental

(Cauchy) dacă oricare ar fi ε > 0 , există un prag N (ε ) astfel încât oricare
ar fi n ≥ N (ε ) şi oricare ar fi p ∈ N * , avem a n + p − a n < ε .
DEMONSTRAŢIE :
(a) Presupunem că (a n )n∈N * este fundamental conform definiţiei 4.2.1.

Putem presupune fără îngrădirea generalităţii că m>n .
Vom nota p=m-n . De aici rezultă că m=n+p. Înlocuind pe m=n+p în
definiţia 4.2.1. vom obţine definiţia 4.2.2.
(b) Presupunem că (a n )n∈N * este fundamental conform definiţiei 4.2.2.

Vom nota m=n+p , m > N (ε ) . Rezultă astfel că este verificată
definiţia 4.2.1.
OBSERVAŢIA 2 : Şirul (a n )n∈N * este fundamental dacă şi
numai dacă oricare ar fi ε > 0 , există un rang N = N (ε ) astfel încât
oricare ar fi n ≥ N (ε ) rezultă că a N − a n < ε .
DEMONSTRAŢIE :
(i) Presupunem că (a n )n∈N * este un şir fundamental. Conform

definiţiei 1.2.1. rezultă că oricare ar fi ε > 0 , există un rang N = N (ε )
astfel încât pentru m ≥ N (ε ), n ≥ N (ε ), a m − a n < ε . Dacă N=m, atunci
a N − am < ε .
(ii) Presupunem că oricare ar fi ε > 0 , există un rang N = N (ε )

ε
astfel încât oricare ar fi n ≥ N (ε ) rezultă că a N − a n < .
2
ε ε
Fie m ≥ N = N(ε ) Þ am − an = am − aN + aN − an ≤ am − aN + aN − an < + = ε
2 2
Observaţia anterioară poate fi considerată ca a treia definiţie a unui

şir fundamental.
PROPOZIŢIA 4.2.1. : Orice şir fundamental este mărginit.
DEMONSTRAŢIE :
Din ipoteză ştim că şirul (an )n∈N * este fundamental. Conform

observaţiei 2 , oricare ar fi ε > 0 , există un rang N = N (ε ) astfel încât
oricare ar fi n ≥ N (ε ) rezultă că a N − a n < ε .
a n − a N < ε ⇔ −ε < a n − a N < ε Þ a N − ε < a n < a N + ε .
| | | | | |
a1 a2 aN-1 aN- ε aN aN+ ε
Notăm m = min{a1, a2 ,Κ , aN − 1, aN − ε } şi M = max{a1, a2 ,Κ , aN −1, aN + ε}.

Rezultă că m ≤ a n ≤ M , ∀n ∈ N * .
PROPOZIŢIA 4.2.2. : Dacă şirul fundamental (a n )n∈N * conţine
( )
un subşir a nk k∈N *
convergent către “a” , atunci şirul (an )n∈N * este
convergent către “a”.
DEMONSTRAŢIE :
( )
Subşirul a nk k∈N * converge către “a”.
(∀)ε > 0 Þ (∃) N1 (ε ) astfel încât : (∀)nk ≥ N1 (ε ) Þ an − a < ε (1)

k
2
Şirul (a n )n∈N * este fundamental.
ε
(∀)ε > 0 Þ(∃)N2 (ε ) astfel încât (∀)m ≥ N 2 (ε ) şi (∀)n ≥ N2 (ε) Þ am − an < (2)
2
Fie N (ε ) = max{N1 (ε ), N2 (ε )} . Alegem k∈N* astfel încât nk ≥ N (ε ) .
Din (1) rezultă : dacă m = nk , atunci a n − an < ε sau an − an < ε .
k
2 k
2
Din (2) rezultă : dacă m = nk , atunci a n − a < ε .
2 k
Oricare ar fi ε > 0, şi n ≥ N (ε ) , obţinem :
a n − a = an − a nk + a nk − a ≤ a n − a nk + ank − a < ε Þ a n → a .
14 2 43 14 2 43
ε ε
< <
2 2
CRITERIU DE CONVERGENŢĂ :
Fie (bn )n∈N * , bn > 0 , lim bn = 0 . Fie (a n )n∈N . Dacă există un

n →∞
prag N astfel încât oricare ar fi n ≥ N Þ a n − l < bn Þ a n → l .

n →∞
LEMA LUI CESARO:
Din orice şir mărginit se poate extrage un subşir convergent.
DEMONSTRAŢIE :
Din ipoteză ştim că (a n )n∈N * este mărginit, deci există a , b ∈ Q
astfel încât a ≤ a n ≤ b , oricare ar fi n ∈ N * .
a1 a2 b2=b1
| | | |
a 0 + b0
a=a0 c1 c0 = b=b0
2
a0 + b0
Lungimea intervalului [ a , b ] este b-a. Calculăm c0 = şi
2
obţinem două intervale [ a0 , c0 ] şi [c0 , b0 ].
Notăm cu [ a1 , b1 ] un interval ce conţine o infinitate de termeni ai
şirului. Dacă ambele intervale obţinute mai sus conţin o infinitate de
termeni, vom considera drept [ a1 , b1 ] intervalul din stânga.
b−a
Lungimea intervalului [ a1 , b1 ] este . Alegem a n1 ∈ [a1 , b1 ]
2
a1 + b1
Notăm cu c1 = . Notăm cu [ a2 , b2 ] intervalul care conţine o
2
infinitate de termeni ai şirului. Dacă ambele intervale conţin o infinitate de
termeni , aleg drept [ a2 , b2 ] pe cel din stânga.
b−a
Lungimea intervalului [ a2 , b2 ] este .
22
Alegem a n2 ∈ [a 2 , b2 ] , n2 > n1 .
Repetând procedeul de mai sus, după k paşi vom avea intervalul
b−a
[ ak , bk ] cu lungimea şi care conţine o infinitate de termeni ai
2k
şirului.
Alegem a nk ∈ [a k , bk ] , nk > nk-1 .
Împărţim intervalul [ ak , bk ] în două intervale egale şi alegem
drept interval [ ak+1 , bk+1 ] intervalul care conţine o infinitate de termeni
ai şirului. Dacă ambele intervale conţin o infinitate de termeni, alegem
drept [ ak+1 , bk+1 ] pe cel din stânga.
Alegem a nk +1 ∈ [a k +1 , bk +1 ] , nk+1 > nk .
Am demonstrat astfel prin inducţie după “k” , faptul că putem alege
( )
un subşir a nk k∈N *
astfel încât a n ∈ [ak , bk ] , interval de lungime b −k a .
k
2
a = a0 ≤ a1 ≤ a 2 ≤ Κ ≤ a k ≤ Κ ≤ α ≤ Κ ≤ bk ≤ Κ ≤ b1 ≤ b0 = b
pentru oricare k ∈ N * .
Rezultă că există şi este unic numărul real α ∈ [a k , bk ], (∀)k ∈ N * .
b−a
Dar ank ∈ [ak , bk ] pentru oricare k ∈ N * , şi deci ank − α = .
2k
Notând bk = b −k a avem bk > 0 şi lim bk = 0 .
2 k →∞
Conform criteriului de convergenţă enunţat anterior rezultă că

a nk → α .
k →∞
TEOREMA DE CONVERGENŢĂ A LUI CAUCHY
Un şir de numere reale (a n )n∈N * este convergent dacă şi numai

dacă este şir fundamental.
DEMONSTRAŢIE :
(i) Presupunem că (a n )n∈N * este convergent . Aceasta înseamnă că oricare

ε
ar fi ε > 0 , există N (ε ) astfel încât oricare ar fi n ≥ N (ε ) Þ an − a <
.
2
(∀)m ≥ N(ε ),(∀)n ≥ N(ε ) Þ am − an = am − a + a − an ≤ am − a + a − an < ε .
1 2 3 123
ε ε
< <
2 2
Deci şirul (a n )n∈N * este şir fundamental.
(ii) Presupunem că (a n )n∈N * este şir fundamental. Dacă an este şir

fundamental, atunci, conform propoziţiei 4.2.1. şirul an este mărginit. Din
lema lui Cesaro rezultă că şirul mărginit an conţine un subşir a nk
convergent. Conform propoziţiei 4.2.2. orice şir fundamental care conţine
un subşir convergent este convergent. Teorema este astfel demonstrată.
4.3. Puncte limită ale unui şir
Fie (a n )n∈N * un şir de numere reale.
DEFINIŢIA 4.3.1. : Numărul real “a” este punct limită al şirului

(an )n∈N * , dacă orice vecinătate a lui “a” ( V(a) ) conţine o infinitate de
1 + ( −1) n
EXEMPLU : Fie şirul a n =
2
a1 = 0 , a3 = 0 , … , a2k-1 = 0 , …
a2 = 1 , a4 = 1 , … , a2k = 1 , …
Putem spune că “0” şi “1” sunt puncte limită ale lui an pentru că
oricare ar fi vecinătăţile V(0) şi V(1), în ele există o infinitate de termeni ai
şirului.
OBSERVAŢIE :
1) Dacă şirul (a n )n∈N * este convergent către “a” , atunci “a” este
singurul punct limită.
2) Un punct limită al unui şir poate fi un număr finit sau ± ∞ .
EXEMPLU : fie şirul 1, 1, 2, 1, 2, 3, 1, 2, 3, 4, …

Puncte limită sunt : 1, 2, 3, …
Deci există şiruri cu o infinitate de puncte limită.
PROPOZIŢIA 4.3.1. : Fie şirul (a n )n∈N * . Punctul “a” este punct

limită pentru acest şir dacă şi numai dacă există un subşir a nk → a .
k →∞
DEMONSTRAŢIE :
(i) Presupunem că (a n )n∈N * conţine un subşir (a nk ) astfel încât

a nk → a , deci “a” este punct limită al şirului an .
k →∞
Oricare ar fi vecinătatea V(a) , în afara ei există cel mult un număr
finit de termeni ai subşirului a n k . Deci oricare ar fi vecinătatea V(a) , în
interiorul ei există o infinitate de termeni ai şirului an . Rezultă astfel că “a”
este punct limită al şirului an .
(ii) Fie “a” un punct limită al şirului an . Trebuie să arătăm că

există un subşir a n k astfel încât a nk → a .
k →∞
Vom studia trei situaţii : 1) “a” este finit , 2) “a” este + ∞ , 3)
“a” este − ∞ .
1) Fie V1(a) = (a-1 , a+1) . Deoarece “a” este punct limită al
şirului an , în această vecinătate există o infinitate de termeni ai şirului an .
Alegem un termen al şirului an astfel încât a n ∈ V1 ( a ) .
1
Fie V2 (a ) = æç a − 1 , a + 1 ö÷ . Şi în această vecinătate există o

è 2 2ø
infinitate de termeni ai şirului an . Alegem a n2 ∈ V2 (a ), n2 > n1 .
……………………………………………………………………………….
1 1
Fie Vk ( a ) = æç a − , a + ö÷ . Alegem a nk ∈ Vk ( a ), n k > nk −1 .
è k kø
Demonstrăm prin inducţie că această relaţie este adevărată.
1 1
Oricare ar fi Vk ( a ) = æç a − , a + ö÷ , oricare ar fi k ∈ N * , alegem
è k kø
1 1 1 1
a nk ∈ Vk ( a ), n k > nk −1 . Deci ank ∈ æç a − , a + ö÷ ⇔ a − < ank < a + ⇔
è k kø k k
1 1 1
⇔− < a nk − a < Þ a nk − a < . Din criteriul de convergenţă enunţat
k k k
mai sus, rezultă că lim a nk = a ç bk = 1 > 0; bk → 0 ö÷ .
æ
n →∞ k
è k →∞ ø
2) a = + ∞
Fie V1( ∞ ) = ( 1, ∞ ) . Alegem a n1 ∈V1 ( ∞ ) .
Fie V2( ∞ ) = ( 2, ∞ ) . Alegem a n2 ∈ V2 (∞ ), n2 > n1 .
……………………………………………………….
Fie Vk( ∞ ) = ( k, ∞ ). Alegem a nk ∈ Vk ( ∞ ), n k > nk −1 , etc.
a nk ∈ ( k , ∞ ) Þ a nk > k Þ lim a nk > lim k Þ lim a nk = ∞ .

k →∞ k →∞ k →∞
3) a = − ∞
Fie V1( − ∞ ) = ( − ∞ , 1 ) .
Fie V2( − ∞ ) = ( − ∞ , 2 ) .
……………………………
Fie Vk( − ∞ ) = ( − ∞ , k ) , etc.
În continuare se procedează la fel ca la punctul 2) .

DEFINIŢIA 1.3.2. : Fie (a n )n∈N * un şir de numere reale. Se
numeşte limită inferioară a şirului an , cel mai mic punct limită al lui an . Se
notează : lim inf a n = lim an .
n →∞ n →∞
DEFINITIA 1.3.3. : Fie (a n )n∈N * un şir de numere reale. Se

numeşte limită superioară a şirului an , cel mai mare punct limită al lui an .
Se notează : lim sup a n = lim a n .
n→∞ n →∞
EXEMPLU : Fie şirul (a n )n∈N * , an = ( −1) n 2n

n +1
2( 2k − 1)
a 2 k −1 = − → − 2 Þ lim an = −2
2k − 1 + 1 k →∞ n →∞
2( 2k )
a2k = →+2 Þ lim a n = +2
2k + 1 k → ∞ n →∞
4.4. Serii de numere reale
Fie şirul de numere reale (a n )n∈N * , a1 , a2 , … , an , an+1 , …

Notăm :
S1 = a1
S2 = a1 + a2
…………………….
Sn = a1 + a2 + … + an
…………………….
(Sn )n∈N * se numeşte şirul sumelor parţiale. Dacă (S n )n∈N * este

convergent către limita “S” ( deci “S” este finit! ) , atunci lim S n = S ,
n→∞
∞
S = å ai . (1)
i =1
DEFINIŢIA 4.4.1. : Membrul drept al relaţiei (1) se numeşte
serie.
DEFINIŢIA 4.4.2. : a1 , a2 , … , an se numesc termenii seriei.

DEFINIŢIA 4.4.3. : Sn = a1 + a2 + … + an se numeşte suma
parţială de ordinul n .
DEFINIŢIA 4.4.4. : Dacă există, S este suma seriei .
OBSERVAŢIE : Dacă se cunosc termenii seriei, putem obţine

sumele parţiale şi reciproc.
Fie şirul sumelor parţiale (S n )n∈N * .
Sn = a1 + a2 + … + an
Sn-1 = a1 + a2 + … + an-1 Þ a n = S n − S n −1 , a1 = S1 , n ≥ 2 .
∞
DEFINIŢIA 4.4.5. : Seria åa n
este convergentă dacă şirul
n =1
sumelor parţiale Sn este convergent.
DEFINIŢIA 4.4.6. : Dacă şirul sumelor parţiale are limita + ∞

∞
sau − ∞ sau nu are limită, atunci seria åa n
este divergentă .
n =1
A cerceta natura unei serii înseamnă a determina dacă seria este

convergentă sau divergentă.
EXEMPLE :
A. Folosind definiţia convergenţei unei serii, să se stabilească

natura seriei cu termenul general :
1
un = 2 , n ≥1
n + 4n + 3
n 2 + 4n + 3 = (n + 3)(n + 1)
1 1æ 1 1 ö
un = 2 = ç − ÷, n ≥ 1
n + 4n + 3 2 è n + 1 n + 3 ø
1æ1 1 1 1 1 1 1 1 1 1 ö
Sn = u1 + u2 + Κ + un = ç − + − + − + Κ + − + − ÷=
2è2 4 3 5 4 6 n n + 2 n +1 n + 3ø
1æ1 1 1 1 ö 5 1 1
= ç + − − ÷= − −
2 è 2 3 n + 2 n + 3 ø 12 2(n + 2) 2(n + 3)
æ 5 1 1 ö 5
lim S n = lim çç − − ÷=
n→∞ n → ∞ 12
è 2 (n + 2 ) 2 (n + 3) ÷ø 12
B. Să se cerceteze natura seriilor următoare :

∞
1
1) å
n =1 n ( n + 1)
1 1 1
an = = −
n (n + 1) n n + 1
1 1 1 1 1 1 1 1
Sn = a1 + a2 + Κ + an−1 + an = 1 − + − + Κ + − + − = 1− Þ
2 2 3 n −1 n n n + 1 n +1
∞
1
Þ lim S n = 1 Þ å este convergentă şi are suma S = 1 .
n =1 n ( n + 1)
n →∞
2) Seria geometrică :
∞
Fie r>0 . år
n =0
n
= 1 + r + r2 + Κ + rn + Κ
1 − r n +1
Sn = 1 + r + r 2 + Κ + r n =
1− r
1 − r n +1 1
Ø r ∈ (0,1) : lim =
n →∞ 1 − r 1− r
n +1
1− r
Ø r ∈ (1, ∞ ) : lim = +∞
n →∞ 1 − r
Ø r = 1 : Sn = n+1 , lim S n = +∞
n →∞
Deci seria geometrică este convergentă pentru r ∈ (0,1) şi

divergentă pentru r ∈ [1, ∞ ) .
3) Seria oscilantă :
∞
å (− 1)
n =0
n
= 1 − 1 + 1 − 1 + ...
S0 = 1 S1 = 0
S2 = 1 S3 = 0
……… ………
S2k = 1 S2k+1 = 0
……… ……….
∞
Observăm că Sn nu are limită , deci å (− 1)
n =0
n
este divergentă .
PROPRIETĂŢI ALE SERIILOR :
Aceste proprietăţi rezultă din proprietăţile şirurilor.
P1) Dacă într-o serie se schimbă ordinea unui număr finit de

termeni, se obţine o serie de aceeaşi natură ca şi prima.
P2) Dacă într-o serie adăugăm sau scădem un număr finit de

termeni, obţinem o serie de aceeaşi natură ca şi prima.
P3) Resturile unei serii convergente formează un şir convergent

către zero.
DEMONSTRAŢIE :
∞
Fie åa n=1
n = a1 + a2 + Κ + an + an+1 + an+2 + Κ
1 4 4 2 4 4 3 1 4 4 2 4 43
Sn Rn
∞
Rn = åa
k = n +1
k , unde cu Rn am notat restul de ordinul n al seriei.
∞
S = åan = Sn + Rn Þ Rn = S − Sn Þ limRn = lim(S − Sn ) = S − limSn = S − S = 0
n→∞ n→∞ n→∞
n=1
P4) Dacă seria åa n este convergentă, atunci şirul sumelor

parţiale este mărginit.
P5) Dacă seria åa n este convergentă, atunci lim an = 0 .

n→∞
DEMONSTRAŢIE :
Din ipoteză ştim că åa n este convergentă, deci lim S n = S ,
n →∞
unde S este finit.
a n = S n − S n +1 Þ lim a n = lim(S n − S n −1 ) = lim S n − lim S n −1 = S − S = 0
n →∞ n→∞ n →∞ n →∞
OBSERVAŢIA 1 :
Reciproca acestei afirmaţii nu este adevărată. Adică, dacă
lim a n = 0 , nu rezultă că
n →∞
å
a n este convergentă. Pentru a demonstra
această afirmaţie, vom da un exemplu:
Seria armonică :
∞
1 1 1
ån
n =1 n
, an =
Þ lim = 0 .
n →∞ n
æ 1ö æ1 1ö æ1 1 1 1ö æ 1 1 1ö
S2n = ç1 + ÷ + ç + ÷ + ç + + + ÷ + Κ + ç n−1 + n−1 +Κ + n ÷
è 2ø è3 4ø è5 6 7 8ø è 2 +1 2 + 2 2 ø
1 1
1+ >
2 2
1 1 1 1 1
+ > + =
3 4 4 4 2
1 1 1 1 4 1
+ + + > =
5 6 7 8 8 2
………………………
1 1 1
n −1
+Κ + n >
2 +1 2 2
Deci S > n
2 n Þ lim S 2 = ∞ n
2 n→ ∞
Din şirul Sn am extras şirul S 2n care este divergent. De aici
rezultă faptul că Sn este divergent, deci lim S n = ∞ Þ å 1 este divergentă .

n →∞ n
OBSERVAŢIA 2 :
Dacă lim a n ≠ 0 Þ å a n este divergentă . Această observaţie
n →∞
reprezintă un criteriu de divergenţă a seriilor.
P6) Fie åa n o serie convergentă cu suma A . Fie åb n o serie

conv
convergentă cu suma B . Atunci, å (αa n + βbn ) → αA + βB , oricare ar fi
α, β ∈ R .
OBSERVAŢIE : Mulţimea seriilor convergente formează un spaţiu
vectorial.
EXEMPLU :
3n − 5n
Să se arate că seria cu termenul general un = , n ≥ 1 este
15n
convergentă şi să i se calculeze suma .
n n
3n 5n æ 1 ö æ 1 ö
un = − =ç ÷ −ç ÷
15n 15n è 5 ø è 3 ø
n n
1
Fie seriile cu termenii generali vn = æç ö÷ şi tn = æç 1 ö÷ , n ≥ 1
è 5ø è3ø
∞
1
åv
∞
Seria n este convergentă şi are suma , iar seria åt este
n =1 4 n =1
n
1
convergentă şi are suma . Din proprietăţile seriilor convergente rezultă
2
∞ ∞
că, dacă două serii, respectiv åv n
şi åt n
sunt convergente şi au sumele
n =1 n =1
∞
V şi T , atunci seria diferenţă å (v
n =1
n − tn ) este o serie convergentă şi are
suma V-T .
∞
3n − 5 n 1 1 1
Deci å
n =1 15 n
= − =−
4 2 4
CRITERIUL GENERAL DE CONVERGENŢĂ AL LUI

CAUCHY (CGCC)
Seria åa n este convergentă dacă şi numai dacă , oricare ar fi

ε > 0 , există N (ε ) astfel încât , oricare ar fi n ≥ N (ε ) şi oricare ar fi
p ∈ N * avem :
| a n +1 + a n + 2 + Κ + a n + p |< ε
DEMONSTRAŢIE :
(i) Presupunem că seria åa n este convergentă, deci (Sn) este
convergent şi conform teoremei de convergenţă a lui Cauchy, (Sn) este un
şir fundamental. Rezultă astfel că oricare ar fi ε > 0 , există N (ε ) astfel
încât , oricare ar fi n ≥ N (ε ) şi oricare ar fi p ∈ N * avem : S n + p − S n < ε
Sn+p = a1 + a2 + … + an + an+1 + … + an+p
Sn = a1 + … + an
Deci | a n +1 + a n + 2 + Κ + a n + p |< ε .
(ii) Presupunem că oricare ar fi ε > 0 , există N (ε ) astfel încât , oricare ar

fi n ≥ N (ε ) şi oricare ar fi p ∈ N * rezultă că | an+1 + an+2 + Κ + an+ p |< ε ,
adică S n + p − S n < ε . De aici rezultă că Sn este un şir fundamental şi
conform teoremei de convergenţă a lui Cauchy, Sn este un şir convergent.
Astfel am demonstrat că seria å
a n este convergentă.
4.5. Serii cu termeni pozitivi
∞
DEFINIŢIA 4.5.1. : Seria åa
n =1
n este o serie cu termeni pozitivi
( stp ) , dacă an>0, n =1, 2, … .
CRITERII DE COMPARAŢIE PENTRU SERII CU TERMENI

POZITIVI
În acest paragraf vom prezenta câteva criterii de convergenţă a unei

serii cu termeni pozitivi.
Se compară seria a cărei natură este necunoscută cu o serie a cărei
natură o cunoaştem şi astfel putem obţine informaţii despre natura seriei
considerate. De aici denumirea de criterii de comparaţie.
I. Primul criteriu de comparaţie :
Fie åa n şi åb n două serii cu termeni pozitivi. Dacă există N

astfel încât oricare ar fi n ≥ N Þ a n ≤ bn atunci :
1. dacă åb n este convergentă, atunci şi seria åa n este
convergentă.
2. dacă åa n este divergentă, atunci că şi seria åb n este
divergentă.
DEMONSTRAŢIE :
1. Din ipoteză ştim că åb n este convergentă şi, conform criteriului
general de convergenţă al lui Cauchy, oricare ar fi ε > 0 , există N (ε )
astfel încât , oricare ar fi n ≥ N (ε ) şi oricare ar fi p ∈ N * rezultă că
| bn+1 + bn+2 + Κ + bn+ p |< ε . Deoarece bn > 0 , avem bn+1 + bn+2 + Κ + bn+ p < ε .
Deoarece şi a n > 0 , (n ∈ N ) , avem :
*
a n +1 + a n +2 + Κ + an + p = a n+1 + a n+ 2 + Κ + a n + p ≤ bn +1 + bn + 2 + Κ + bn + p < ε
şi prin urmare seria åa n este convergentă.
2. Presupunem contrariul, adică åb n este convergentă, atunci,

conform 1. rezultă că şi åa n este convergentă, ceea ce contrazice ipoteza
că åa n este divergentă.
II. Al doilea criteriu de comparaţie :
Fie åa n şi åb n două serii cu termeni pozitivi. Dacă există N

a n +1 bn +1
astfel încât oricare ar fi n ≥ N Þ ≤ , atunci :
an bn
1. dacă åb n este convergentă, atunci şi seria åa n este
convergentă.
2. dacă å
a n este divergentă, atunci şi seria åb n este
divergentă.
DEMONSTRAŢIE :
a n +1 bn +1 a a
1. ≤ Þ n +1 ≤ n oricare ar fi n ≥ N
an bn bn +1 bn
a a a
Obţinem astfel : c = N ≥ N +1 ≥ Λ ≥ n ≥ Λ , unde “c” este o
bN bN +1 bn
constantă.
Deci c ≤ a n , oricare ar fi n ≥ N Þ a n ≤ cbn .
bn
Din ipoteză ştim că åb n este convergentă şi conform proprietăţii
P6 rezultă că şi å cb n este convergentă.
Din aceste ultime două afirmaţii rezultă, conform primului criteriu
că seria å a n este convergentă.
2. Presupunem contrariul, adică åb n este convergentă şi åa n

este divergentă, lucru care este in contradicţie cu primul criteriu. Rezultă
astfel că seria å
bn este divergentă.
III. Al treilea criteriu de comparaţie: ( fără demonstraţie )
Fie åa n şi åb n două serii cu termeni pozitivi. Dacă lim an = c

n →∞ bn
( c fiind finit şi diferit de zero ), atunci seriile åa n şi åb n au
aceeaşi natură.
SERII UTILIZATE ÎN CRITERII DE COMPARAŢIE
∞
1
1. Seria armonică : ån n =1
. Aceasta este o serie divergentă.
∞ ì0 < r < 1 Þ serie convergent a

2. Seria geometrică : år
n =0
n
, r>0 , ïí
ï r ≥ 1 Þ serie divergenta
î
∞
1
3. Seria armonică generalizată : å nα
n =1
,α ∈ R . Există mai multe
situaţii :
a) α ∈ (0,1) Þ 1α > 1 Þ conform criteriului I , seria armonică
n n
generalizată este divergentă.
∞
b) α = 1 Þ å 1 Þ este seria armonică şi este divergentă.
n =1 n
∞
1 1 1 1 1 1 1
c) α > 1 Þ å α
= 1+ α + α + α + α + α + α +Κ
n =1 n 2 3 4 5 6 7
1 1 1 1 2 1
α
+ α < α + α = α = α −1
2 3 2 2 2 2
2
1 1 1 1 4 1 1 æ 1 ö
+ α + α + α < α = α −1 = = ç α −1 ÷
4 α
5 6 7 4 4 (2α −1 ) è 2 ø
2
∞ 2
1 1 æ 1 ö
å
n =1 n
α
< 1 + α −1 + ç α −1 ÷ + Λ
2 è2 ø
. Dar membrul drept al inegalităţii
reprezintă o serie geometrică cu raţia r = α1−1 , 0 < r < 1 ,deci este o

2
serie convergentă.
∞
1
Conform criteriului I , seria å nα
n =1
, α > 1 este convergentă .
În concluzie, seria armonică generalizată este :

ìconvergenta pentru α > 1
ï
í
ïdivergenta pentru α ≤ 1
î
EXEMPLU : Să se studieze natura seriilor :

∞
1
1. å
n =1 2n + 1
∞
1 1
Vom nota cu an = 1 . Fie seria å unde vom nota bn = .
2n + 1 n =1 n n
a 1 ∞
1 este divergentă .
lim n = Þ conform criteriului III , seria å
n =1 2n + 1
n →∞ b 2
n
1 1 1
2. an = ; < 3
2n + 5n + 7
3
2n + 5n + 7 n
3
1 1
Notăm bn = 3
. Observăm că seria å 3 este o serie armonică
n n
generalizată convergentă, întrucât α = 3 .
Conform criterului I , seria å
an este convergentă.
an = (n 3 − n )
1
− 1 1 1
3. 4 = > = 3
4
n3 − n 4
n3 n4
Notăm b = 1
n 3
. Observăm că åb n este o serie armonică
n4
generalizată divergentă, întrucât α = 3 .
4
Conform criteriului I , seria åa n este divergentă.
CRITERII SUFICIENTE DE CONVERGENŢĂ A SERIILOR CU

TERMENI POZITIVI
I. Criteriul rădăcinii ( Cauchy ) :
Fie åa n o serie cu termeni pozitivi.
1. Dacă pentru oricare n ≥ N , există 0 < k < 1 astfel încât

n a n ≤ k , atunci seria åa n este convergentă.
2. Dacă pentru o infinitate de termeni n a n ≥ 1 , atunci åa n este
divergentă.
DEMONSTRAŢIE :
1. Oricare ar fi n ≥ N , există 0 < k < 1 astfel încât n an ≤ k .

Þan ≤ kn Þåan ≤ åkn , iar å k este o serie geometrică cu raţia r = k<1.
n
Conform criteriului I , seria å a este convergentă.n
2. Dacă pentru o infinitate de termeni n a n ≥ 1 Þ a n ≥ 1 , deci şirul nu

poate fi convergent, iar seria este divergentă.
COROLAR :
a n +1
Dacă lim = k , atunci:
n →∞ an
1) pentru k < 1 , seria åa n este convergentă
2) pentru k > 1 , seria å a n este divergentă
3) pentru k = 1 este neconcludent.
EXEMPLU :
n
æ 2n + 5 ö ,
∞ n
Fie seria æ 2n + 5 ö
å ç
n =1 è 3n − 10
÷
ø
an = ç ÷
è 3n − 10 ø
2n + 5 2
Aplicând criteriul rădăcinii, rezultă că n an = → < 1,
3n − 10 3
deci seria este convergentă.
OBSERVAŢIE : Nu putem studia convergenţa seriei geometrie cu

ajutorul criteriului raportului pentru că în demonstraţia criteriului raportului
am folosit seria geometrică.
EXEMPLU :
1 1 1 1 1 1
Fie seria 1
+ 2 + 3 + 4 + Κ + 2 n −1 + 2 n + Κ
2 3 2 3 2 3
Această serie este convergentă , fapt care rezultă din criteriul
rădăcinii, dar nu putem aplica criteriul raportului.
II. Criteriul raportului ( D’Alembert ) :

a n +1
1. Dacă pentru oricare n ≥ N avem ≤ k < 1 , atunci seria
an
este convergentă.
an +1
2. Dacă
an
≥ k > 1 , atunci seria åa n este divergentă.
DEMONSTRAŢIE :
1. Oricare ar fi n ≥ N avem :
a n +1 ≤ ka n
a N +1 ≤ ka N
a N + 2 ≤ ka N +1 ≤ k 2 a N
……………………
∞ ∞
aN + p ≤ k paN aN k p = aN kp
p =1 p =1
……………………
Seria pe care o obţinem este o serie geometrică de raţie “r” :

∞ ∞
åa
p =1
N k p = a N å k p . Această serie este convergentă. Rezultă astfel,
p =1
conform criterului I de comparaţie că seria åa n este convergentă.
2. an +1 ≥ k > 1
an
a N +1 ≥ a N
…………
a n +1 ≥ a n , oricare ar fi n ≥ N .
Rezultă că şirul an este un şir crescător de numere pozitive

Þ lim a n ≠ 0 . Deci
n→ ∞
å
a n este divergentă.
COROLAR :
a n +1
Fie lim = k . Atunci :
n →∞ an
1) pentru k < 1 , seria åa n este convergentă.
2) pentru k > 1 , seria å a n este divergentă.
DEMONSTRAŢIE :
a n +1
1) lim =k <1
n →∞ an
Există ε > 0 astfel încât k + ε < 1
| ( | ) |
0 k −ε k k +ε 1
Vε ( k ) = (k − ε , k + ε )
Deoarece lim a n+1 = k , înseamnă că oricare ar fi vecinătatea V ε (k ) ,
n→∞ a
n
în afara ei există cel mult un număr finit de termeni ai şirului, iar în
interiorul ei există o infinitate de termeni.
a n +1 a
∈ Vε ( k ) Þ n +1 < 1 conform părţii întâi a criteriului raportului.
an an
Deci seria åa n este convergentă.
a n +1
2) lim =k >1
n →∞ a
n
V(k) = (1, ∞ ) . Repetând raţionamentul de mai sus, demonstrăm că

seria åa n este divergentă.
3) În cazul în care k = 1 , nu putem trage nici o concluzie, deoarece există

situaţii în care seria este convergentă şi situaţii în care seria este divergentă.
De exemplu :
1
Ø å an = å Þ lim an +1 = lim n = 1 , dar ştim că seria este
n n →∞ a n→ ∞ n + 1
n
divergentă.
α
1
Ø å a n = å α , (α > 1) Þ lim a n+1 = lim n α = 1 , iar seria
n n →∞ a n →∞ (n + 1)
n
este convergntă.
EXEMPLE :
∞
2n a n +1 2 n +1 ( n + 1)!+( n + 3)!
1) å (n + 1)!+(n + 3)! Þ
n =0 an
=
(n + 2)!+( n + 4)!
⋅
2n
=
2(( n + 1)! )(1 + ( n + 2)( n + 3)) 2(1 + n 2 + 5n + 6)

= = →0
(n + 2)! (1 + ( n + 3)( n + 4)) (n + 2)(1 + ( n + 3)( n + 4))
Deci lim a n+1 = 0 şi conform criteriului raportului, seria este
n→∞ a
n
convergentă.
n
∞
α n ⋅ n! a n +1 α n +1 ( n + 1)! n n æ n ö α
2) å
n =1 n n
Þ
an
=
( n + 1) n +1
⋅ n
α ⋅ n!
= αç ÷ →
è n +1ø e
Dacă α > 1 Þ α > e , seria este divergentă.
e
α
Dacă < 1 Þ α < e , seria este convergentă.
e
1
n
1
α æ n ö n n e a
Dacă = 1 Þα = e Þ an = eç ÷ =e = Þ n+1 > 1,
è n +1ø (n +1) æ 1 ö
n n
e an
ç1+ ÷
è nø
deci (a n ) este şir strict crescător, iar seria este divergentă.
Rezultă că seria dată este divergentă.
∞
an
3) å
n =1 n!
, a>0
un +1 a n +1 n! 1
lim = lim n ⋅ = a lim = 0 < 1 , deci seria este
n→∞ u
n
n →∞ a ( n + 1)! n →∞ n + 1
convergentă conform criteriului raportului.
∞ n
æaö
4) å
n =1
n! ç ÷ , a > 0
ènø
a n +1
( n + 1)! n
un +1 ( n + 1) n +1 æ n + 1ö a
lim = lim = a lim ç ÷ =
n →∞ u
n
n →∞ an n →∞
è n ø e
n! n
n
a
Dacă < 1 Þ a < e , seria este convergentă.
e
a
Dacă > 1 Þ a > e , seria este divergentă.
e
n
Dacă a = 1 Þ a = e Þ un = n! æç e ö÷ . Atunci un +1 = e
> 1,
n
e ènø un æ n + 1ö
ç ÷
è n ø
oricare ar fi n , deci seria este divergentă.
III. Criteriul Raabe – Duhamel :
1. Dacă oricare ar fi n ≥ N , næç a n − 1ö÷ ≥ k > 1 Þ seria este

ça ÷
è n +1 ø
convergentă.
2. Dacă oricare ar fi n ≥ N , næç a n − 1ö÷ ≤ k < 1 Þ seria este
ça ÷
è n +1 ø
divergentă.
COROLAR :
æ a ö
Dacă lim n çç n − 1÷÷ = k , atunci :
n →∞
è a n +1 ø
1) pentru k > 1 , seria åa n este convergentă
2) pentru k < 1 , seria å a n este divergentă
EXEMPLU :
∞
n!
Fie seria : å α (α − 1) Κ (α + n − 1)
n =1
(α > 0)
an n!α (α − 1)Κ (α + n − 1)(α + n ) α +n α −1

−1 = −1 = −1 =
an +1 α (α + 1)Κ (α + n − 1)(n + 1)! (n + 1) n +1 n +1
æ a ö n (α − 1)
lim n çç n − 1÷÷ = lim = α −1
n→∞
è a n +1 ø n→∞ n + 1
1) pentru α − 1 > 1 Þ α > 2 , seria este convergentă
2) pentru α − 1 < 1 Þ α < 2 , seria este divergentă
3) pentru α − 1 = 1 Þ α = 2, criteriul este neconcludent.
∞ ∞
n! 1
å 2 ⋅ 3 ⋅ Κ ⋅ (n + 1) = å n + 1 ,
n =1 n =1
aceasta fiind serie armonică, este
divergentă.
4.6. Serii alternate

∞
DEFINIŢIA 1.6.1. : Seria åa
n =1
n se numeşte alternată dacă
produsul a doi termeni consecutivi este negativ , adică an ⋅ an+1 < 0, (∀)n∈N*
Seria altenată poate avea forma :
a1 − a 2 + a 3 − a 4 + Κ + a 2 n−1 − a 2 n + Κ , (a n > 0)
− a1 + a 2 − a 3 + a 4 − Κ − a 2 n −1 + a 2 n − Κ , (a n > 0 )
å (− 1) (an > 0) .
n +1
În general putem scrie seria astfel : an ,
n =1
CRITERIUL LUI LEIBNITZ

∞
Fie å (− 1)
n +1
a n o serie altrenată. Dacă sunt îndeplinite condiţiile :
n =1
1. a n > a n +1 ( adică şirul termenilor fără semn este descrescător )

2. lim a n = 0
n →∞
∞
atunci seria å (− 1)
n +1
a n este o serie convergentă.
n =1
DEMONSTRAŢIE :
Presupunem că avem a1 − a 2 + a 3 − a 4 + Κ + a 2 n −1 − a 2 n + Κ
S 2 n = a1 − a 2 + a3 − a 4 + Κ + a 2 n−1 − a2 n + Κ
S 2 n + 2 = S 2 n + a 2 n +1 − a 2 n + 2
Deoarece a 2 n +1 > a2 n + 2 Þ S 2 n +2 > S 2 n Þ S 2 n este un subşir strict crescător.

Arătăm în continuare că S2n este un subşir mărginit superior.
S 2 n = a1 − (a 2 − a3 ) − (a 4 − a5 ) − Κ − (a2 n −2 − a 2 n −1 ) − a 2 n Þ S 2 n < a1 , deci

14 2 43 14 2 43 1 44 2 4 43 {
>0 >0 >0 >0
S2n este mărginit superior.
S = lim S 2 n üï
Fie n →∞
ý Þ lim S 2 n = lim S 2 n −1 − lim a2 n Þ lim S n = S Þ
= S 2 n −1 − a2 n ïþ 1 2= S 3 14 2 43 123
n →∞ n →∞ n→∞ n→∞
S2n
=S =0
seria este convergentă.
∞
log a n
EXEMPLU : Să se studieze convergenţa seriei å (−1)
n =1
n
n
, a > 1.
log a x
Fie funcţia f ( x ) = , x ∈ [1, ∞ )
x
x 1
− log a x − log a x
log a e − log a x
f ' ( x ) = x ln a 2 = ln a 2 =
x x x2
Ştim că a>1 , deci funcţia log a x este crescătoare. Din relaţia de
mai sus, rezultă că f ' ( x ) < 0 , oricare ar fi x > e . Deci f ( x ) este
descrescătoare pe intervalul (e, ∞ ) şi
log a n
este descrescătoare pentru
n
log n
orice n > e , n ∈ N . De asemenea, lim a = 0. Conform criteriului lui
n→∞ n
Leibnitz, seria este convergentă.
4.7. Serii absolut convergente
Fie åa n o serie numerică.

DEFINIŢIA 4.7.1. : Seria åa n este abslut convergentă dacă
seria valorilor absolute åa n este convergentă.
TEOREMA 4.7.1. : Orice serie absolut convergentă este
convergentă.
DEMONSTRAŢIE :
Din ipoteză ştim că seria åa n este absolut convergentă. Conform
criteriului general de convergenţă al lui Cauchy, oricare ar fi ε > 0 ,
există N (ε ) astfel încât , oricare ar fi n ≥ N (ε ) şi oricare ar fi p ∈ N *
rezultă că a n +1 + a n + 2 + Κ + a n + p < ε ⇔ a n +1 + a n + 2 + Κ + a n + p < ε
Seria åa n este convergentă deoarece :

a n +1 + a n + 2 + Κ + a n + p ≤ a n +1 + a n + 2 + Κ + a n + p < ε oricare ar
fi n ≥ N (ε ) şi oricare ar fi p ∈ N * .
OBSERVAŢIE : Reciproca, în general, nu este adevărată ( nu

orice serie convergentă este şi absolut convergentă ) .
EXEMPLU :
∞
1
å (− 1)
n +1
Ø Seria este convergentă .
n =1 n
∞ ∞
1 1
Ø Seria å (− 1)n +1 = å este seria armonică şi este divergentă.
n =1 n n =1 n
DEFINIŢIA 4.7.2. : O serie convergentă care nu este absolut

convergentă se numeşte semiconvergentă.
OBSERVAŢIE : Într-o serie cu termeni pozitivi, notiunile de

convergenţă şi absolut convergenţă coincid.
CRITERIU DE ABSOLUT CONVERGENŢĂ
Fie åa n şi åb n , două serii numerice. Dacă există N astfel încât

oricare ar fi n ≥ N , să avem a n ≤ bn (*) , atunci dacă åb n este
absolut convergentă şi seria åa n este absolut convergentă.
DEMONSTRAŢIE :
å
Dacă bn este o serie absolut convergentă, din criteriul general de
convergenţă al lui Cauchy rezultă că oricare ar fi ε > 0 , există N (ε ) astfel
încât, oricare ar fi n ≥ N (ε ) şi oricare ar fi p ∈ N * , există relaţia
: bn +1 + bn +2 + Κ + bn + p < ε ⇔ bn +1 + bn +2 + Κ + bn + p < ε .
(*)
an+1 + an+2 + Κ + an+ p = an+1 + an+2 + Κ + an+ p ≤ bn+1 + bn+2 + Κ + bn+ p < ε ,
oricare ar fi n ≥ N (ε ) şi oricare ar fi p ∈ N * . Rezultă astfel că seria
åa n este abslut convergentă.
TEOREMA LUI ABEL ( pentru serii numerice ) :
Fie åa n o serie numerică şi fie ( Sn ) şirul sumelor parţiale care este

mărginit. Fie şirul de numere α n , (α n > 0) , (α n ) fiind convergent
către zero şi descrescător. Atunci seria å α n an este convergentă.
DEMONSTRAŢIE :
Din ipoteză ştim că ( Sn ) este un şir mărginit.

Sn = a1 + a2 + … + an
S n ≤ M ( M > 0 ) , (∀ ) n ∈ N *
Tot din ipoteză ştim că (α n ) → 0 , α n > 0, α n descrescător Þ că
n →∞
oricare ar fi ε > 0 , există N (ε ) astfel încât , oricare ar fi n ≥ N (ε ) ,

ε ε
αn − 0 < Þ αn < .
2M 2M
În continuare vom aplica seriei åα a n n criteriul general de
convergenţă al lui Cauchy:
Oricare ar fi ε > 0 , există N (ε ) astfel încât , oricare ar fi
n ≥ N (ε ) şi oricare ar fi p ∈ N * , există relaţia :
α n+1an+1 + α n+2 an+ 2 + Κ + α n+ p−1an+ p −1 + α n + p an+ p < ε
α n +1an+1 + α n +2 an +2 + Κ + α n + p −1an + p −1 + α n+ p an + p =
= αn+1 (Sn+1 − Sn ) + αn+2 (Sn+2 − Sn+1 ) +Κ + αn+ p−1 (Sn+ p−1 − Sn+ p−2 ) + αn+ p (Sn+ p − Sn+ p−1 ) =
= − αn+1Sn + (αn+1 −αn+2 )Sn+1 + Κ + (αn+ p−1 −αn+ p )Sn+ p−1 + αn+ p Sn+ p ≤
≤ S n α n +1 + S n +1 (α n +1 − α n +2 ) + Κ + S n + p −1 (α n + p −1 − α n + p ) + S n + p α n + p ≤
≤ M (α n +1 + α n +1 − α n +2 + α n +2 − α n +3 + Κ + α n + p −1 − α n + p + α n + p ) =
2εM
= 2α n +1 M ≤ =ε
2M
Rezultă că seria åα a n n este convergentă.
4.8.Şiruri de funcţii
Fie f n : A → B , n ∈ N * , funcţii reale definite pe mulţimea

A∈ R .
DEFINIŢIA 4.8.1. : Şirul f1 , f2 , … , fn , … se numeşte şir de

funcţii şi se notează cu ( f n )n∈N * ( 1 ) .
OBSERVAŢIE : Oricare ar fi a ∈ A , obţinem şirul de numere

f1(a), f2(a), …, fn(a) pe care-l notăm : ( f n (a ))n∈N * ( 2 ) .
DEFINIŢIA 4.8.2. : Punctul x ∈ A se numeşte punct de

convergenţă al şirului de funcţii ( 1 ) , dacă şirul ( f n ( x ))n∈N * este
convergent.
Fie B ⊂ A, B = {x ∈ A | ( f n ( x ))n∈N * este convergent} (3)
DEFINIŢIA 4.8.3. : Mulţimea B se numeşte mulţimea de

convergenţă a şirului de funcţii ( 1 ) .
Fie x ∈ B . Notăm f ( x ) = lim f n ( x ) ( 4) .

n →∞
DEFINIŢIA 1.8.4. : Funcţia f : B → R care verifică relatia de
mai sus se numeşte funcţia limită a şirului de funcţii ( 1 ) .
EXEMPLU :
Fie funcţia f n : R → R , f n ( x ) = x n . Evident, B = ( -1 , 1 ] .
ì0, x ∈ (− 1,1)
f (x ) = í Þ f : B → R este funcţia limită.
î1, x = 1
Fie f n : A → B , n ∈ N * un şir de funcţii. Fie mulţimea B ⊂ A .
DEFINIŢIA 4.8.5. : Şirul de funcţii ( f n )n∈N * converge simplu

către funcţia f pe mulţimea B, dacă oricare ar fi ε > 0 şi oricare ar fi
x ∈ B , rezultă că există N (ε , x ) astfel încât oricare ar fi n ≥ N (ε , x ) ,
f n (x ) − f (x ) < ε (1) .
cs
Vom nota cu f n →f B
, unde “cs” înseamnă “converge simplu” .
DEFINIŢIA 4.8.6. : Şirul de funcţii ( f n )n∈N * converge uniform

către funcţia f pe mulţimea B, dacă oricare ar fi ε > 0 , există N (ε , x )
astfel încât oricare ar fi n ≥ N (ε , x ) şi oricare ar fi x ∈ B , rezultă că
f n (x ) − f (x ) < ε ( 1’ ) .
cu
Vom nota cu fn →fB
, unde “cu” înseamnă “converge uniform” .
Interpretarea geometrică a convergenţei uniforme este prezentată în

figura de mai jos :
f n , n ≥ N (ε )
- f +ε
-f
- f −ε
a b
cu cs
OBSERVAŢIE : Dacă fn →f , atunci f n → f . Reciproca nu
B B
este adevărată.
EXEMPLUL 1 :
ì0, x ∈ (− 1,1)
f n : (− 1,1] → R , f n (x ) = x n Þ f (x ) = í
î1, x = 1
cs
lim f n = f . Observăm că f n → f , dar nu este uniform

n →∞ ( −1,1]
convergent.
EXEMPLUL 2 :
sin nx
f n : [0,2π ] → R , f n (x ) = , (∀)n ∈ N * B = [0,2π ]
n
f ( x ) = 0 , (∀) x ∈ B . Fie şirul :
1 1
xn = , xn → 0 Þ (∀)ε > 0, (∃)N(ε ) astfel incat(∀)n ≥ N(ε ) Þ xn − 0 < ε ⇔ < ε
n n→∞ n
sin nx 1
(∀)n ≥ N (ε ) , f n ( x ) − f ( x ) = − 0 ≤ < ε , (∀) x ∈ B .
n n
OBSERVAŢIE : Pentru convergenţa simplă se aplică criteriile

obişnuite de convergenţă a şirurilor de numere.
CRITERII DE CONVERGENŢĂ UNIFORMĂ
I. Primul criteriu de convergenţă uniformă ( criteriul

lui Cauchy ):
Fie f n : A → B , n ∈ N * un şir de funcţii. Fie mulţimea B ⊂ A .

cu
Şirul fn →f
B
dacă şi numai dacă , oricare ar fi ε > 0 , există
N (ε ) astfel încât oricare ar fi n ≥ N (ε ) , oricare ar fi m ≥ N (ε ) şi

oricare ar fi x ∈ B , rezultă :
f m ( x ) − f n ( x ) < ε (1)
DEMONSTRAŢIE :
1) Necesitatea :
cu
Presupunem că fn →f Þ (∀)ε > 0, (∃) N (ε ), astfel încât,
B
ε
(∀)n ≥ N (ε ), (∀) x ∈ B , f n ( x ) − f ( x ) < (2).
2
ε
Pentru m ≥ N (ε ) , avem relaţia f m ( x ) − f ( x ) < (2’)
2
ε ε
fm (x) − fn (x) = fm (x) − f ( x) + f (x) − fn (x) ≤ fm (x) − f (x) + f (x) − fn (x) < + = ε
2 2
oricare ar fi n ≥ N (ε ) , oricare ar fi m ≥ N (ε ) şi oricare ar fi x ∈ B .
2) Suficienţa :
Presupunem că (∀)ε > 0, (∃)N (ε ), astfel încât, (∀)n ≥ N (ε ), (∀) x ∈ B Þ

Þ f m ( x ) − f n ( x) < ε Prin urmare şirul de numere f n ( x ) este un şir
fundamental şi deci şirul ( f n )n∈N * este convergent.
cs
Fie f : B → R limita şirului ( f n )n∈N * , f n → f . Vom demonstra
B
în continuare că această convergenţă este uniformă.
cs
Fie n ≥ N (ε ) , fixat, ales arbitrar . Deoarece f n → f , înseamnă că
B
este adevărată relaţia :
cs
f n − f n → f − f n Þ (∀)n ≥ N (ε ), (∀) x ∈ B, f m ( x) − f n ( x) < ε .
B
Trecem la limită când n → ∞ . Vom avea : | f ( x ) − f n ( x ) |< ε .
Deoarece n este ales arbitrar, îl putem înlocui cu “n “ şi obţinem :
cu
f ( x ) − f n ( x ) < ε , (∀) x ∈ B Þ fn →f
B
II. Al doilea criteriu de convergenţă uniformă:
Fie f n : A → R . Fie şirul numeric (a n )n∈N * , de numere pozitive,

convergent către zero. Fie B ⊂ A .
Dacă există f : B → R astfel încât f n ( x ) − f ( x ) ≤ a n , oricare
cu
ar fi n ∈ N * Þ fn →f .
B
DEMONSTRAŢIE :
Fie ε > 0 . Deoarece lim a n = 0 Þ (∃) N (ε ) astfel încât
n →∞
(∀)n ≥ N (ε ), a n − 0 < ε . Dar a n > 0 , deci a n < ε .

Pentru (∀)n ≥ N (ε ), (∀) x ∈ B Þ f n ( x ) − f ( x ) ≤ a n < ε . Aceasta
cu
demonstrează faptul că fn →f .B
CONTINUITATEA ŞI CONVERGENŢA UNIFORMĂ
Fie funcţia f : A → R .
DEFINIŢIA 4.8.7. : Funcţia f este continuă în punctul a ∈ A

dacă :
1) există lim f ( x )
x→ a
2) lim f ( x) = f (a )
x→a
DEFINIŢIA 4.8.8. : Funcţia f este continuă în punctul a ∈ A

dacă oricare ar fi ε > 0 , există o vecinătate V(a) astfel încât oricare ar fi
x ∈ V (a ) ∩ A Þ f ( x ) − f (a ) < ε .
Cele două definiţii sunt echivalente.
cu
TEOREMA 4.8.1. : Fie şirul fn →f ( mulţimea B fiind inclusă
B
în mulţimea A ) . Dacă toate funcţiile fn sunt continue în punctul a ∈ B ,
atunci şi funcţia limită f este continuă în punctul “a” .
DEMONSTRAŢIE :
cu
Din ipoteză ştim că fn →f Þ (∀)ε > 0, (∃) N (ε ), astfel încât,
B
ε
(∀)n ≥ N (ε ), (∀) x ∈ B , f n ( x ) − f ( x ) < . (1)
3
ε
În cazul particular x = a , obţinem relaţia f n (a ) − f ( a ) < . (2)
3
Tot din ipoteză ştim faptul că funcţiile fn sunt continue în x = a , deci
şi funcţia fN este continuă în punctul x = a , şi prin urmare, oricare ar fi
ε > 0 , există vecinătatea V(a) astfel încât oricare ar fi x ∈V (a ) ∩ B Þ
ε
f N ( x ) − f N (a ) < . (3)
3
(∀)x∈V(a) ∩B,(∀)ε > 0, f (x) − f (a) = f (x) − fN (x) + fN (x) − fN (a) + fN (a) − f (a) ≤
ε ε ε
≤ f (x) − fN (x) + fN(x) − fN (a) + fN (a) − f (a) < + + = ε
1 44 2 4 43 1 44 2 4 43 1 44 2 4 43 3 3 3
ε ε ε
= (1) = (3) = (2)
3 3 3
DERIVABILITATE ŞI CONVERGENŢĂ UNIFORMĂ
TEOREMA 4.8.2. : Fie I un interval mărginit şi fie şirul de

(
funcţii f n : I → R derivabile pe intervalul I n ∈ N * . Dacă sunt )
îndeplinite condiţiile :
1) există x0 ∈ I astfel încât şirul ( f n ( x0 ))n∈N * este convergent
cu
2) există g : I → R astfel încât f n' → g
I
cu
atunci : 1) există funcţia f : I → R astfel încât f n → f
I
2) f ' (x ) = g (x ), (∀) x ∈ I .
OBSERVAŢIE : Convergenţa uniformă a şirului fn nu atrage

după sine convergenţa uniformă a şirului derivatelor.
EXEMPLU :
, (n ∈ N* ) .
Fie intervalul I = [0,2π ] . Fie f n : I → R , f n ( x) =
cosnx
n
Vom arăta că fn este un şir convergent uniform pe acest interval.
f (x ) = 0 , x ∈ I .
cos nx 1 . Conform criteriului II de convergenţă
f n (x ) − f (x ) = ≤
n n
cu
uniformă, rezultă că f n → f .
I
π
f n' ( x ) = − sin nx . Fie x = ∈I .
2
æπ ö π æπ ö 3π
n = 1 Þ f1' ç ÷ = − sin = −1 n = 3 Þ f 3' ç ÷ = − sin =1
è2ø 2 è3ø 2
æπ ö æπ ö 4π
n = 2 Þ f 2' ç ÷ = − sin π = 0 n = 4 Þ f 4' ç ÷ = − sin =0
è2ø è2ø 2
Obţinem şirul -1, 0, 1, 0 , -1, … , deci nu este un şir convergent.
TEOREMA 4.8.3. : Fie f n [a, b] → R , n ∈ N * un şir de funcţii,

cu
fn → f . Dacă fn sunt integrabile pe intervalul [a, b], atunci :
[ a ,b ]
1) funcţia limită f este integrabilă pe intervalul [a, b]
ò f ( x )dx este convergentă

b
2) n
a
lim ò f ( x )dx = ò f ( x )dx

b b
3) n
n→∞ a a
OBSERVAŢIE : Teorema 4.8.2. se mai numeşte şi “teorema de

derivare termen cu termen a unui şir de funcţii” , iar teorema 4.8.3. se mai
numeşte şi “teorema de integrare termen cu termen a unui şir de funcţii” .
4.9. Serii de funcţii
( )
Fie f n : A → R , n ∈ N * , un şir de funcţii.
∞
DEFINIŢIA 4.9.1. : Suma (1) f 1 + f 2 + Κ + f n + Λ = åf
n =1
n
se numeşte serie de funcţii.
OBSERVAŢII :
∞
1) Oricare ar fi a ∈ A , seriei åf
n =1
n îi corespunde o serie de
∞
numere å f (a ) = f (a ) + f (a ) + Κ + f (a ) + Κ
n =1
n 1 2 n
(2) .
Dacă seria numerică (2) este convergentă, atunci spunem că

punctul “a” este un punct de convergenţă a seriei de funcţii (1) .
1) O serie de funcţii este echivalentă cu o familie de serii de

numere ( fiecărui a ∈ A îi corespunde o serie de numere ) .
2) Unei serii de funcţii îi putem aplica rezultatele de la serii de

numere şi de la şiruri de funcţii. Astfel, notăm :
S1 = f1
S2 = f1 + f2
……………………
Sn = f1 + f2 + … + fn (3)
unde Sn reprezintă suma parţială de ordinul n a seriei de funcţii

(1) (S n )n∈N *
DEFINIŢIA 4.9.2. : Seria de funcţii (1) , åf n , este convergentă

pe B ⊂ A dacă şirul de funcţii ( Sn ) este convergent pe multimea B .
DEFINIŢIA 4.9.3. : Seria de funcţii åf n este absolut

convergentă în punctul a ∈ A dacă å f (a ) este absolut convergentă.
n
DEFINIŢIA 4.9.4. : Mulţimea de convergenţă B ⊂ A a unei

serii de funcţii este B = {a ∈ A | å f n (a ) este convergent a} .
EXEMPLE :
∞
(1) åe
n =0
− nx
, f n ( x ) = e − nx , fn : R → R
x < 0 : lim f n ( x ) = lim e − nx = +∞ ,

n →∞ n→∞
åf n este divergentă .
x = 0 : f n (0) = 1 , S n (0) = n + 1 , lim S n (0) = +∞ , åf n este
n →∞
divergentă .
n n
1 æ1 ö æ1 ö
x>0: f n ( x ) = nx = ç x ÷ , å çè e x ÷ø este serie geometrică cu raţia
e èe ø
1
r= < 1 , deci este o serie convergentă.
ex
Rezultă că mulţimea de convergenţă este B = (0, ∞ ) .
∞
(x + 1)n , f n (x ) =
(x + 1)n
(2) å
n =1 n ⋅ 2n n ⋅ 2n
, fn : R → R
Din criteriul raportului, obţinem :
f n +1 ( x ) æ ( x + 1)n +1 n ⋅ 2 n ö n ( x + 1) x + 1
lim = limçç ⋅ ÷ = lim =
n →∞ f n ( x ) n→∞è (n + 1)2 n +1 ( x + 1)n ÷ø n→∞ 2(n + 1) 2
x +1 x +1
Ø < 1 Þ −1 < < 1 Þ x ∈ (− 3,1) , seria este convergentă.
2 2
x +1
Ø > 1 Þ x ∈ (− ∞,−3) ∪ (1, ∞ ) , seria este divergentă.
2
1
Ø x = 1 Þ fn =
, serie armonică, divergentă.
n
Ø x = 3 Þ fn =
(− 2)n = (− 1)n 1 , serie armonică alternată, care este
n ⋅ 2n n
convergentă.
Rezultă că mulţimea de convergenţă este [− 3,1) .
DEFINIŢIA 4.9.5. : Seria åf n converge simplu pe mulţimea B

către funcţia S dacă oricare ar fi ε > 0 , oricare ar fi x ∈ B , există N (ε , x )
astfel încât, oricare ar fi n ≥ N (ε , x ) , avem S n ( x ) − S ( x ) < ε .
DEFINIŢIA 4.9.6. : Seria åf n converge uniform pe mulţimea
B către funcţia S dacă oricare ar fi ε > 0 , există N (ε ) astfel încât, oricare
ar fi n ≥ N (ε ) , oricare ar fi x ∈ B , avem S n ( x ) − S ( x ) < ε .
DEFINIŢIA 4.9.7. : Funcţia S se numeşte suma seriei de funcţii.
CRITERII DE UNIFORM CONVERGENTA A SERIILOR DE

FUNCTII
Criteriul Cauchy de convergenţă uniformă:
Fie f n : A → R , n ∈ N * . Fie B ⊂ A . Seria åf n converge

uniform pe mulţimea B dacă şi numai dacă oricare ar fi ε > 0 , există
N (ε ) astfel încât, oricare ar fi n ≥ N (ε ) , oricare ar fi p ∈ N * , avem :
f n +1 ( x ) + f n +2 ( x ) + Κ + f n + p ( x ) < ε , oricare ar fi x ∈ B .
DEMONSTRAŢIE :
Fie S n ( x ) = f1 ( x ) + f 2 ( x ) + Κ + f n ( x ) .
cu
Şirul Sn → S ⇔ (∀)ε > 0, (∃)N (ε ) astfel încât : (∀)n ≥ N (ε ) şi (∀) x ∈ B Þ
B
S n+ p (x ) − S n ( x ) < ε şi f n +1 ( x ) + f n +2 ( x ) + Κ + f n + p ( x ) < ε .
Criteriul lui Weierstrass de convergenţă uniformă:
Fie f n : A → R , n ∈ N * . Fie åf n . Fie åa n o serie cu

termeni pozitivi convergentă. Dacă oricare ar fi x ∈ B ⊂ A şi oricare ar fi
n ∈ N * , f n ( x ) ≤ a n , atunci å
f n converge uniform pe mulţimea B .
DEMONSTRAŢIE :
Din ipoteză ştim că åa n este convergentă şi a n > 0 . Din
criteriul general de convergenţă al lui Cauchy rezultă că (∀)ε > 0, (∃) N (ε )
astfel încât (∀)n ≥ N (ε ) , (∀) p ∈ N * , avem :
a n +1 + a n + 2 + Κ + a n + p < ε Þ a n +1 + a n + 2 + Κ + a n + p < ε .
fn+1( x) + fn+2( x) +Κ + fn+p ( x) ≤ fn+1( x) + fn+2( x) +Κ + fn+p ( x) ≤ an+1 + an+2 +Κ + an+p < ε
şi conform criteriului de convergenţă uniformă al lui Cauchy rezultă că
å f n converge uniform pe mulţimea B .
EXEMPLE :
n
1. åf n
, f n : R → R , f n ( x ) = sin 2 x .
n
sin n x 1
(∀)n ∈ N * , (∀) x ∈ R Þ f n ( x ) = 2
≤ 2
n n
1
åa n =
n2
este seria armonică generalizată, α = 2 , deci seria este
convergentă.
Conform criteriului lui Weierstrass, f n converge uniform pe R.
1
2. åf n
, f n : R → R , f n (x ) = .
nx
Ø pentru x > 1 Þ f n ( x ) = 1x este seria armonică generalizată
n
(convergentă)
Ø pentru x ≤ 1 Þ seria este divergentă.
4.10. Serii de puteri
Fie f n : R → R , f n ( x ) = a n x n , n∈N .
∞
DEFINIŢIA 4.10.1. : Seria de funcţii åa x
n=0
n
n
= a0 + a1x +Κ + an xn +Κ
se numeşte serie de puteri.
OBSERVAŢII :
Ø Orice serie de puteri este o serie de funcţii, deci rezultatele obţinute la
seriile de funcţii se aplică seriilor de puteri.
Ø S n ( x ) = a 0 + a1 x + Κ + a n x n este un polinom de gradul n .
PROPOZIŢIA 4.10.1. : Mulţimea de convergenţă a unei serii de

puteri este nevidă.
DEMONSTRAŢIE :
Fie şirul (S n ( x ))n∈N . Pentru x = 0 , Sn(0) = a0 ;
limSn (0) = a0 Þ x = 0 ∈ B . Deci mulţimea B este nevidă.
n→∞
OBSERVAŢIE : Există serii de puteri pentru care mulţimea de

convergenţă este formată doar din numărul zero. ( B = {0} )
∞
EXEMPLU : Fie seria: ån
n =1
n
xn .
Notăm a n = n . n
Fie x0 ∈ R , x0 ≠ 0 .
∞
ån
n =1
n
x n = x0 + 2 2 x02 + 33 x03 + Κ + n n x0n + Κ
De asemenea, n n x0n ≤ (n x0 ) .
n
é 1 ù
Pentru n > ê ú Þ n ⋅ x0 > 1 . Rezultă că lim n n x0n ≠ 0 . Deci seria
ë x0 û
n →∞
este divergentă pentru orice x ≠ 0 ( vezi criteriile de convergenţă )
TEOREMA LUI ABEL PENTRU SERII DE PUTERI
Pentru orice serie de puteri åa n x n , există un număr R ≥ 0 astfel

încât :
1. Oricare ar fi x ∈ (− R, R ) , seria este absolut convergentă.
2. Oricare ar fi x ∈ (− ∞,− R ) ∪ (R, ∞ ) , seria este divergentă.
3. Oricare ar fi 0 < r < R , seria este uniform convergentă pentru orice
x ∈ [− r , r ] .
Numărul R ≥ 0 cu proprietăţile 1. şi 2. se numeşte raza de convergenţă
a seriei de puteri.
DEMONSTRAŢIE :
Fie B multimea de convergenţă a seriei åa n xn .

Dacă B = {0} Þ R = 0 , atunci teorema este demonstrată.
Dacă B ≠ {0}, atunci :
(*) Fie x0 ∈ B , x0 ≠ 0 Þ å a n x0n este convergentă, deci

lim an x0n = 0 de unde rezultă că şirul (an x0n )n∈N este mărginit. *
n →∞
Dacă şirul an x0n ( )

n∈N *
este mărginit, atunci există M > 0 astfel
încât a n x ≤ M . n
0
(
Consierăm x ∈ − x0 , x0 Þ x < x0 )
| | | |
− x0 0 x x0
n n
xn x x
an x = a n x n = an x0n
n
0
n
0 ≤M
x0 x0 x0
n n
x x
å an x ≤ å M x
n
0 = Må
x0
0
x
n
æ x ö
Dareste o serie geometrică convergentă ç r =
å < 1÷÷ , şi
x0 ç x0
è ø
conform primului criteriu de comparaţie, seria n
an x este absolut å
convergentă.
Prin urmare, oricare ar fi x ∈ − x0 , x0 ( ) , seria este absolut
convergentă, deci convergentă.
Am arătat deci că dacă x0 ∈ B , atunci oricare ar fi
x ∈ (− x0 , x0 ) , seria este absolut convergentă.
0
(**) Fie x1 ∉ B ( | ) | |
B x1 x
Dacă x1 ∉ B , atunci seria åa n
x este divergentă.
n 1
Vom demonstra că oricare ar fi x astfel încât x > x1 , seria

åa x este divergentă.
n
n 1
Presupunem contrariul, adică åa n x n este convergentă. Rezultă

conform (*) că seria åa x este convergentă. Aceasta este o contradicţie
n
n 1
cu ipoteza, deci seria este divergentă pentru orice punct mai mare decât x1 .
Fie I = (a, b ) ∈ R .Oricare ar fi M cu proprietatea

x ∈ (a, b ) , x < M se numeşte majorant al intervalului (a,b) .
Observaţie : Un interval (a,b) are o infinitate de majoranţi.
Se numeşte supremul lui I , notat “supI “ , cel mai mic majorant.
Fie R=supB . Vom arăta că R este raza de convergenţă a seriei.

1. Oricare ar fi x0 < R , rezultă conform (*) :
(− x 0 , x0 ) ∈ B Þ (∀) x ∈ (− R, R ) , seria este absolut convergentă.
2. Dacă R este infinit (R = ∞ ) , atunci punctul 2. din teorema lui Abel nu

are sens. Presupunem că R este finit. Atunci :
(**)
(∀) x > R Þ(∀) x ∈ (− ∞,− R ) ∪ (R, ∞ ) , seria este divergentă.
Din 1. şi 2. rezultă faptul că R este raza de convergenţă a seriei.
3. Fie 0 < r < R

Vom arăta că oricare ar fi x ∈ (− R, R ) , seria este convergentă .
Dacă 0 < r < R , atunci r face parte din intrevalul de convergenţă ,
deci seria å a n r n este convergentă. Dar å a n r n = å a n r n , aceasta din
urmă fiind o serie numerică cu termeni pozitivi, convergentă.
Oricare ar fi x ∈ [− r , r ] , rezultă că å a n x n = å a n r n şi conform
criteriului lui Weierstrass de convergenţă uniformă, seria åa n x n este
uniform convergentă pe intervalul [− r, r ] .
OBSERVAŢII :
Ø Teorema lui Abel nu afirmă nimic despre natura seriei atunci când x=R
sau când x= -R. În aceste puncte seria poate fi convergentă sau
divergentă.
Ø Teorema lui Abel afirmă existenţa seriei de puteri, dar nu arată cum
poate fi calculată raza de convergenţă.
∞
EXEMPLU : åx n
= 1 + x + x 2 + Κ + x n , (∀) x ∈ (− 1,1)
n =1
♦ Pentru orice x ∈ (− ∞,−1) ∪ (1, ∞ ) , seria este divergentă.

♦ Pentru x = 1, S n = ∞ , deci seria este divergentă.
♦ Pentru x = -1 , S n este o serie oscilantă, deci divergentă.
În concluzie, B = (− 1,1) .
TEOREMA CAUCHY – HADAMARD
Fie åa n x n o serie de puteri. Fie ω = lim n a n . Atunci :

n →∞
ì1
ïω , 0 < ω < ∞
ï
R = í∞ , ω = 0
ï0 , ω = ∞
ï
î
DEMONSTRAŢIE :
Fie x0 ∈ R oarecare . ( x0 fixat )
åa x 0n = å a n x0 . Notăm
n
Fie seria cu termeni pozitivi n
n
un = an x0 . Pentru seria åu n aplicăm criteriul rădăcinii:
n →∞ n →∞
( )
lim n un = lim x0 n a n = x0 lim n a n = ω x0
n →∞
Există mai multe cazuri :

1 1
1) 0 < ω < ∞ Þ (∀) x0 < Þ x0 < Þ ω x0 < 1 . Din criteriul
ω ω
1
lui Cauchy rezultă că seria este convergentă şi R = .
ω
2) ω = 0 Þ 0 ⋅ x 0 < 1 , ( ∀) x 0 ∈ R Þ R = ∞ .
3) ω = ∞ Þ (∀) x0 , ω x0 > 1 Þ (∀) x0 , x0 ≠ 0 , seria este
divergentă şi R=0 .
a n +1
Observaţie : ω = lim . Dacă nu există această limită, atunci
n→∞ an
ω = lim n an sau ω = lim a n +1 .

n →∞ n→∞ an
EXEMPLE :
∞
xn 1 1
1) å
n =1 n n
, an = n
n
Þ ω = lim n a n = lim
n →∞ n→∞ n
=0ÞR=∞
(− 1)n (− 1)n 1 1 1
2) å2 n
⋅n
x n Þ ω = lim n
n→∞ 2 ⋅n
n
= = ÞR= =2
2 ⋅ lim n 2
n
ω
n →∞
Oricare ar fi x ∈ (− 2,2 ) , seria este absolut convergentă.

Oricare ar fi x ∈ (− ∞,−2 ) ∪ (2, ∞ ) , seria este divergentă.
CONTINUITATEA UNEI SERII DE PUTERI
Fie seria åa n x n şi fie B mulţimea de convergenţă a seriei,

(− R, R ) ⊂ B ⊂ [− R, R ] .
Oricare ar fi x ∈ B , notăm S ( x ) = a0 + a1 x + Κ + a n x n + Κ .
Obţinem astfel funcţia S : B → R ( suma seriei ).
∞
EXEMPLU : åx
n =0
n
= 1 + x + x2 + Κ + xn + Κ
1
B = (− 1,1 ) , S :B → R, S (x ) =
1− x
PROPOZIŢIA 4.10.2. : Suma S a unei serii de puteri åa n xn

este continuă pentru oricare x ∈ (− R, R ) .
DEMONSTRAŢIE :
Fie x0 ∈ (− R, R ) ( | | )
-R x0 r R
Deoarece x0 aparţine acestui interval, rezultă că există r > 0 astfel

încât x0 < r < R . Conform teoremei lui Abel, seria å
an x n este uniform
convergentă pe intervalul [-r,r] .
Dar funcţiile a n x n sunt nişte polinoame, deci sunt continue pentru
orice x ∈ R Þ S ( x ) este continuă, deci S ( x ) este continuă pe intervalul (-
R,R) .
TEOREMĂ : Fie åa n x n o serie de puteri şi fie S suma acestei

serii.
1. Seria derivatelor å na n x n−1 are aceeaşi rază de convergenţă ca şi seria
iniţială.
2. Funcţia S este derivabilă în intervalul de convergenţă şi suma seriei
’
å nan x n−1 este S .
EXEMPLE :
∞
x 2 n +1
1) Să se determine mulţimea de convergenţă a seriei å ( −1)
n =0
n
2n + 1
an 2n + 3
R = lim = lim =1
n →∞ a n →∞ 2 n + 1
n +1
Dacă x ∈ (− 1,1) , seria este absolut convergentă.

Dacă x ∈ (− ∞,−1) ∪ (1, ∞ ) , seria este divergentă.
Oricare ar fi r astfel încât 0 < r < 1 , seria este uniform convergentă pe
[− r, r ] .
∞
( −1) n +1
Dacă x = 1 Þ å ( −1) . Dacă x = −1 Þ å
∞ n
. Acestea sunt
n =0 2 n + 1 n =0 2n + 1
serii alternate care verifică condiţiile criteriului lui Leibnitz, deci sunt
convergente.
Rezultă că mulţimea de convergenţă este B = [− 1,1] .
3n + ( −2) n ∞
2) Să se studieze convergenţa serieiå
n =1 n
( x + 1) n
Notăm x + 1 = y şi obţinem seria å 3 + ( −2) y n .

∞ n n
n =1 n
n
æ 2ö
1+ ç − ÷
a 3 + (−2)
n n
n +1 n +1 è 3ø Þ R = 1
R = lim n = lim ⋅ n+1 n+1
= lim ⋅
n→∞ a
n+1
n→∞ n 3 + (−2) n→∞ n æ æ 2 ön+1 ö 3
3ç1+ ç − ÷ ÷
ç è 3ø ÷
è ø
1 1 4 2
Dacă y ∈ æç − , ö÷ ⇔ x ∈ æç − ,− ö÷ , seria este absolut convergentă.
è 3 3ø è 3 3ø
1 ∞
3 + ( −2 ) n 1
n
Dacă y = Þ å ⋅ n este o serie cu termeni pozitivi pe
3 n =1 n 3
∞
1
care o comparăm cu seria å .
n =1 n
( 3n + ( −2) n )n 3n + ( −2) n
Astfel, lim = lim = 1 . Observăm că seriile au
n→∞ n ⋅ 3n n →∞ 3n
aceeaşi natură, deci seria dată este divergentă.
1 ∞
3n + ( − 2 ) n
Dacă y = − Þ å ( −1) n este o serie alternată. Şirul
3 n =1 n ⋅ 3n
æ 3n + ( − 2 ) n ö este monoton descrescător şi tinde la zero. Conform
çç ÷÷
è n⋅3
n
ø n∈N
criteriului lui Leibnitz, seria dată este convergentă.
4 2
Dacă x ∈ æç − ∞,− ö÷ ∪ æç − , ∞ ö÷ , seria este divergentă.
è 3 ø è 3 ø
1
n+
∞
3) Să se determine mulţimea de convergenţă a seriei n n
å 1ö
n
⋅ xn
n =1 æ
çn + ÷
è nø
n
æ 1ö 1
çn + ÷ n+
1 è nø n =1
R = lim = lim n
1
= lim 1
n→∞ n n→∞ n→ ∞
an n+ 1+
n n
n n2
Dacă x ∈ (− 1,1) , seria este absolut convergentă.

Dacă x ∈ (− ∞,−1) ∪ (1, ∞ ) , seria este divergentă.
1 1
n+ n+
∞
Dacă ∞
n . Dacă n n
( −1) n .
n
x =1Þ å n
x = −1 Þ å n
n =1 æ 1ö n =1 æ 1ö
çn + ÷ çn + ÷
è nø è nø
1
n+
1 æ ön
n n ç ÷
lim = ç 1 ÷ , deci seria este divergentă.
n →∞
æ 1ö
n lim n n ç
n →∞ n2 ÷ =1
çn + ÷ ç æ1 + 1 ö ÷
è nø çç n÷ ÷
èè ø ø
4) Să se dezvolte în serie de puteri ale lui x funcţia f : (− 1, ∞ ) → R ,

unde f ( x ) = ln (1 + x ) .
1
f ' (x ) = = (1 + x ) = 1 − x + x 2 − x 3 + x 4 + Κ + ( −1) n x n + Κ
−1
1+ x
dt = ò (1 − t + t 2 − t 3 + Κ + (−1)n t n + Κ )dt = ò 1dt − ò tdt + ò t 2dt −
1
f (x) = ò
x x x x x
1+ t
0 0 0 0 0
n +1
xx x x2 x3 x4 n x
− ò t dt + Κ + ò (−1) t dt + Κ = x − + − + Κ + (−1)
3 n n
+Κ =
0 0 2 3 4 n +1
∞
x n +1
= å ( −1) n
n =0 n +1
4.11. Serii Taylor şi serii MacLaurin
Fie I un interval din R şi fie f : I → R o funcţie indefinit

derivabilă în punctul a ∈ I .
DEFINIŢIA 4.11.1. : Se numeşte serie Taylor ataşată funcţiei f în

punctul “a”, seria :
∞
(x −a)n f (n) (a) = f (a) + x −a f ' (a) + (x −a)2 f ' ' (a) +Κ + (x −a)n f (n) (a) +Κ
(1) å
n=0 n! 1! 2! n!
Evident, seria (1) este o serie de puteri , căci notând x – a = y , obţinem :
∞
yn y y2 y n (n)
(1’) å n! f ( n ) (a ) = f (a ) + f ' (a ) + f ' ' (a ) + Κ + f (a ) + Κ
n =0 1! 2! n!
Raza de convergenţă a seriei (1) se studiază cu ajutorul teoremei
Cauchy – Hadamard.
OBSERVAŢIE : Deoarece raza de convergenţă este 0 ≤ R ≤ ∞ ,

seria Taylor are mulţimea de convergenţă B ≠ ∅ deoarece a ∈ B .
Suma parţială de ordinul n a seriei (1) , pentru orice x ∈ B

(mulţimea de convergenţă) o vom nota :
(2) Tn ( x ) = f (a ) +
x−a
f ' (a ) +
(x − a )2 f ' ' (a ) + Κ + ( x − a )n f ( n ) (a )
1! 2! n!
şi se numeşte polinomul lui Taylor de ordinul n.
DEFINIŢIA 4.11.2. : Se numeşte rest al lui Taylor de ordinul n,

funcţia Rn : I → R , Rn (x) = f ( x) − Tn (x) (3). Deci f ( x ) = Tn ( x ) + Rn ( x )
(4) , oricare ar fi x ∈ I .
TEOREMA 4.11.1. : Seria Taylor ataşată funcţiei f în punctul “a”

este convergentă în punctul x ∈ I dacă şi numai dacă şirul (Rn ( x ))n∈N *
este convergent către zero.
DEMONSTRAŢIE :
Din relaţia (4) obţinem relaţia (5) f ( x ) − Tn ( x ) = Rn ( x ) . Prin

urmare, dacă şirul sumelor parţiale de ordinul n , Tn ( x ) , converge către
f(x), trecând la limită când n → ∞ în relatia (5), rezultă că lim Rn ( x ) = 0 .
n →∞
Invers, dacă lim Rn ( x ) = 0 atunci din relatia (5) avem

n→ ∞
lim Tn ( x ) = f ( x ) şi deci seria Taylor ataşată funcţiei f în punctul “a” este

n →∞
convergentă pentru orice x ∈ I , către f(x) .
OBSERVAŢII :
1) Dacă lim Rn ( x ) = 0 , avem :

n →∞
f ( x) = f (a) +
x −a
f ' (a) +
(x − a) f ' ' (a) + Κ + (x − a) f (n) (a) + Κ
2 n
(6)
1! 2! n!
Formula (6) se numeşte formula de dezvoltare în serie Taylor a
funcţiei f în jurul punctului x = a.
2)
ì ∞
Mulţimea B = í x ∈ I | å f ( n ) (a )
( x − a )n este convergenta ü nu
ý
î n =0 n! þ
coincide, în general cu I.
Caz particular : Dacă 0 ∈ I , atunci seria următoare se numeşte
serie MacLaurin ataşată funcţiei f .
∞
xn x x2 x n (n)
å n! f ( n ) (0 ) = f (0) + f ' (0 ) + f ' ' (0 ) + Κ + f (0) + Κ (7)
n=0 1! 2! n!
∞
x k (k )
Evident, dacă Rn = å f (0)
k = n +1 k!
converge către zero când n
tinde spre infinit, avem:

x x2 x n (n)
f ( x ) = f (0) + f ' (0 ) + f ' ' (0 ) + Κ + f (0) + Κ (8)
1! 2! n!
Formula (8) se numeşte formula de dezvoltare în serie MacLaurin a

funcţiei f .
EXEMPLE :
1) Să se dezvolte în serie MacLaurin funcţia

f : R → R, f (x ) = e .x
f ( x ) = e x , f (0) = 1
f ' ( x ) = e x , f (0) = 1
……………………………
f (n) (x ) = e x , f ( n ) (0) = 1
……………………………
x x2 xn
Şi deci e x = 1 + + +Κ + +Κ ( formula de dezvoltare în
1! 2! n!
serie MacLaurin )
∞
1 n 1
ex = å x Þ an =
n =0 n! n!
Pentru determinarea razei de convergenţă, conform teoremei

Cauchy – Hadamard, avem:
a n +1 n!
ω = lim = lim =0Þ R=∞
n →∞ an n → ∞ (n + 1)!
2) Să se dezvolte în serie MacLaurin şi să se determine raza de

convergenţă a funcţiei f : R → R , f ( x ) = sin x , f (0) = 0 .
æ πö
f ' ( x ) = cos x = sinç x + ÷ , f ' (0) = 1
è 2ø
æ πö æ πö
f ' ' ( x ) = cosç x + ÷ = sinç x + 2 ÷ , f ' ' (0) = −1
è 2ø è 2ø
………………………………………………………
æ πö
f (n) (x) = sinç x + n ÷ (formulă ce se demonstrează uşor prin inducţie)
è 2ø
………………………………………………………
x 2 k +1 (− 1)
k
x x3 x5 x7
Prin urmare, sin x = − + − +Κ + +Κ
1! 3! 5! 7! (2k + 1)!
Pentru determinarea razei de convergenţă, avem :
ω = lim
(2 k + 1)! = 0 Þ R = ∞
k → ∞ (2 k + 3)!
5) Să se scrie seria McLaurin pentru funcţia : f : R → R, f ( x) = cosx

æ πö π ì(−1)k , n = 2k
f ( n) ( x) = (cos x ) = cosç x + n ÷ ; f (n) (0) = cosn = í
n
è 2ø 2 î0, n = 2k −1
π
cos n
x x4 x 2n ∞
f ( n ) (0) n ∞ 2 xn
cos x = 1 − + + Κ + (−1) n +Κ = å x =å
2! 4! (2n)! n =0 n! n =0 n!
RESTUL ÎN FORMULA LUI TAYLOR
TEOREMA 4.11.2. : Fie f : I → R de n+1 ori derivabilă pe

intervalul I. Atunci pentru orice p ∈ N * , există un număr " α " cuprins
între “a” şi “x” astfel încât :
Rn ( x ) =
(x − a ) p ( x − α )n − p +1 f ( n +1) (α ) (1)
p ⋅ n!
DEMONSTRAŢIE :
Vom considera restul Rn ( x ) de forma Rn (x) = ( x − a) ⋅ k
p
(2)
şi vom determina pe “k” în funcţie de “x” şi de “a”. Din formula lui Taylor
avem: f ( x) = f (a) +
x −a
f ' (a) +
(x − a)2 f ' ' (a) +Κ + (x − a)n f (n) (a) + (x − a)p ⋅ k (3)
1! 2! n!
Vom defini funcţia ϕ : I → R , derivabilă pe I astfel :
ϕ (t ) = f (t ) +
x−t
f ' (t ) +
(x − t ) f ' ' (t ) + Κ + (x − t ) f ( n ) (t ) + (x − t ) p ⋅ k (4)
2 n
1! 2! n!
Evident ϕ ( x ) = f ( x ) şi f ( x ) = ϕ (a ) de unde obţinem ϕ ( x ) = ϕ (a ) .

Presupunând că, de exemplu, a < x , avem:
♦ ϕ este continuă pe intervalul [ a , x ]

♦ ϕ este derivabilă pe intervalul ( a , x ) Þ (∃)α ∈ (a, x) , ϕ ' (α ) = 0 (5)
♦ ϕ (a ) = ϕ ( x ) (conform teoremei lui Rolle)
Pe de altă parte, derivând funcţia ϕ dată de (4) obţinem :
ϕ' (t) = f ' (t) +

x −t
+ f ' ' (t ) − f ' (t ) +
(x − t) f ' ' ' (t) − 2(x − t) f ' ' (t) + ( x − t) f IV (t) −
2 3
1! 2! 2! 3!
−
(x − t) f ' ' ' (t) +Κ + (x − t) f (n) (t) − (x − t) f (n−1) (t) + (x − t) f (n+1) (t) − (x − t)n−1 f (n) (t) −
2 n−1 n−2 n
2! (n −1)! (n − 2)! n! (n −1)!

− p( x − t )
p −1
⋅k
Reducând termenii asemenea, se obţine :
ϕ ' (t ) =
( x − t )n f ( n+1) (t ) − p ⋅ ( x − t ) p −1 ⋅ k
n!
Deci : ϕ ' (α ) =
( x − α )n f ( n+1) (α ) − p ⋅ ( x − α ) p−1 ⋅ k = 0 , de unde
n!
k=
( x − α ) f (α ) , sau k = ( x − α )n− p+1 f ( n+1) (α ) şi rezultă astfel :
n ( n +1)
n! p ⋅ ( x − α )
p −1
p ⋅ n!
Rn ( x ) =
(x − a ) p ( x − α )n − p +1 f ( n +1) (α ) , unde " α " este cuprins
p ⋅ n!
între “a” şi “x”.
Teorema este astfel demonstrată . Cazul când x < a se tratează
analog.
Cazuri particulare ale expresiei restului :
Pentru p = 1 se obţine Rn ( x ) = ( x − a )( x − α ) f ( n +1) (α )

n
(1) şi se
n!
numeşte restul lui Cauchy.
(2) Pentru p = n+1 se obţine Rn ( x ) =
(x − a )n +1 f ( n +1) (α ) şi se
(n + 1)!
numeşte restul lui Lagrange.
RESTUL IN FORMULA LUI MACLAURIN
Aşa cum am mai văzut, o serie Taylor pentru a = 0 se numeşte

serie MacLaurin.
Prin urmare, dezvoltarea unei funcţii f : I → R ( 0 ∈ I ) în serie
MacLaurin este:
x x2 x n (n)
f ( x ) = f (0) + f ' (0) + f ' ' (0) + Κ + f (0) + Κ
1! 2! n!
n
x k (k )
Tn ( x ) = å f (0 )
k = 0 k!
∞
x k (k )
Rn ( x ) = å f (0)
k = n +1 k!
Restul în formula lui Cauchy are forma :
x ( x − α ) ( n +1)
n
Rn ( x ) = f (α ) , unde " α " este cuprins între “a” şi “x”.
n!
Restul în formula lui Lagrange are forma :
n +1
x
Rn ( x ) = f ( n +1) (α ) , unde " α " este cuprins între “a” şi “x”.
(n + 1)!
EXEMPLU :
1
1) Să se calculeze cu trei zecimale exacte.
e
1
1 − æ 1ö æ 1ö
= e 2 = Tn ç − ÷ + Rn ç −
e è 2 è 2
Pentru Rn æç − 1 ö utilizăm formula restului lui Lagrange :
è 2
n+1
æ 1ö
ç− ÷
æ 1ö è 2ø 1 1
Rn ç − ÷ = eα ≤ n+1 ⋅ 1 deoarece < eα < e 0 = 1
è 2ø (n + 1)! 2 (n + 1)! e
Punând condiţia Rn æç − 1 ö÷ < 0,001 , adică 1 1 sau

<
è 2ø 2 n +1 (n + 1)! 1000
2 n +1 ( n + 1)! > 1000 rezultă n = 4 ( prima valoare naturală ).
2 3 4
æ 1ö æ 1ö 1 æ 1ö 1 æ 1ö 1 æ 1ö 1 1 1 1 1
T ç− ÷ = 1+ ç − ÷ + ç − ÷ + ç− ÷ + ç − ÷ = 1− + 2 − 3 + 4 =
è 2ø è 2 ø 1! è 2 ø 2! è 2 ø 3! è 2 ø 4! 2 2 ⋅ 2 2 ⋅ 6 2 ⋅ 24
233 1
= ≈ 0,606 . Deci ≈ 0,606 .
284 e
CAPITOLUL 5
FUNCŢII REALE DE MAI MULTE VARIABILE REALE
5.1. Mulţimi şi puncte din Rn
Fie Rn spaţiul vectorial real n dimensional. Fie

x = ( x1 , x 2 , Κ , x n ) ∈ R n şi y = ( y1 , y 2 , Κ , y n ) ∈ R n .
T T
DEFINIŢIA 5.1.1. : Aplicaţia , : R n × R n → R dată de

n
relaţia x, y = å xi y i este un produs scalar real.
i =1
Se arată uşor că ea verifică axiomele unui produs scalar

real.
PS1) x, y = y, x , (∀) x, y ∈ R n
PS2) λ x , y = λ x , y , ( ∀ ) λ ∈ R , ( ∀) x , y ∈ R n
PS3) x + y , z = x , z + y , z , ( ∀) x , y , z ∈ R n
PS4) x, x ≥ 0 , (∀) x ∈ R n şi x, x = 0 ⇔ x = θ (unde
θ este vectorul nul din R ) n
Deci Rn este un spaţiu euclidian.
DEFINIŢIA 5.1.2. : Aplicaţia • : R n → R dată de relaţia

n
x = x, x = åx
i =1
2
i
este o normă şi deci Rn este un spaţiu
vectorial normat.
Într-adevăr, se arată imediat că:
n1) x ≥ 0 , (∀) x ∈ R n şi x = 0 ⇔ x = θ
n2) λx = λ ⋅ || x | , (∀)λ ∈ R, (∀) x ∈ R n
n3) x + y ≤ x + y , (∀) x , y ∈ R n
DEFINIŢIA 5.1.3. : Un spaţiu vectorial peste care s-a

definit o normă se numeşte spaţiu vectorial normat.
DEFINIŢIA 5.1.4. : O aplicaţie d : X × X → R se
numeşte distanţă dacă :
d1) d ( x, y ) ≥ 0 , (∀) x, y ∈ X şi d ( x, y ) = 0 ⇔ x = y
d2) d (x , y ) = d ( y , x ) , (∀) x , y , z ∈ X
d3) d ( x, z ) ≤ d ( x, y ) + d ( y , z ) , (∀) x, y , z ∈ X
DEFINIŢIA 5.1.5. : O mulţime nevidă X peste care s-a

definit o distanţă se numeşte spaţiu metric.
Vom arăta acum că Rn este un spaţiu metric. Într-adevăr,

n
d : Rn × Rn → R , d ( x, y ) = x − y = å (x i − yi )
2
verifică axiomele
i =1
unei distanţe ( metrice ).
DEFINIŢIA 5.1.6. : Fie A ⊂ R n . Funcţia f : A → R

este o lege prin care fiecărui element x ∈ A îi corespunde un număr
real y şi numai unul singur.
y = f ( x1 , Κ x n ) , x ∈ A , x = ( x1 , x2 , Κ , x n ) ∈ R n
T
Funcţia f : A → R se numeşte funcţie reală de n variabile

reale.
DEFINIŢIA 5.1.7. : Fie a ∈ R n şi fie r ∈ R, r > 0 . Mulţimea
S r ( a ) = {x ∈ R n | x − a < r } se numeşte sfera deschisă cu centrul în
punctul x0 , de rază “r”.
a ∈ R n , a = (a1 , Κ , a n ) .
T
DEFINIŢIA 5.1.8. : Fie
Fie x0 ∈ R n , x0 = (x01 ,Κ , x0n ) şi fie x ∈ R n , x = ( x1 , x 2 , Κ , x n )T .
T
{
Mulţimea Pa(x0) de forma Pa ( x0 ) = x ∈ R n | xi − x0i < ai , i = 1,..., n }
se numeşte paralelogram deschis care conţine punctul “a”.
DEFINIŢIA 5.1.9. : Prin vecinătatea V(a) , a ∈ R n ,

întelegem orice sferă deschisă de rază “r” cu centrul în punctul “a”.
O vecinătate poate fi şi un paralelogram deschis .
Mulţimea {
C r ( x0 ) = x ∈ R n | xi − x0i < r, i = 1,..., n } se
numeşte hipercub. (r>0)
DEFINIŢIA 5.1.10. : Mulţimea M ⊂ R n este o mulţime
deschisă dacă oricare ar fi x ∈ M există o vecinătate V(x) complet
conţinută în M .
DEFINIŢIA 5.1.11. : Mulţimea M ⊂ R n este mărginită

dacă există un număr real “a” şi dacă există un număr “r” finit şi
pozitiv astfel încât M ⊂ S r (a ) .
DEFINIŢIA 5.1.12 : Punctul x ∈ M este un punct de

acumulare al mulţimii M dacă pentru orice V(x) avem
(V ( x ) − {x}) ∩ M ≠ ∅ .
DEFINIŢIA 5.1.13. : Punctul x ∈ M care nu este punct
de acumulare se numeşte punct izolat.
DEFINIŢIA 5.1.14. : Funcţia f : A ⊂ R n → R este o

funcţie mărginită dacă mulţimea valorilor funcţiei f(A) este o
mulţime mărginită .
5.2. Funcţii vectoriale de variabilă reală vectorială.

Continuitate parţială.
Fie A ⊂ R n , (∀) x ∈ A , x = ( x1 , Κ , x n ) . Fie funcţiile

T
f i : A → R, i = 1,..., m . Atunci pentru orice x ∈ A , obţinem

vectorul m dimensional ( f1 ( x ), f 2 ( x ), Κ , f m ( x ))T .
Funcţia f : A ⊂ Rn →Rm f (x1,Κ , xn ) = f ( x) = ( f1(x), f2(x),Κ , fm( x)) se

numeşte funcţie vectorială de variabilă reală vectorială .
Fie y ∈ R m , y = ( y1 , Κ , y i , Κ , y m ) . Prin proiecţia vectorului y
în raport cu “i” înţelegem pri y = yi , i = 1,Κ , m .
Prin urmare, studiul funcţiilor vectoriale de variabilă

vectorială se reduce la studiul functiilor reale de variabilă vectorială.
OBSERVAŢIE : Mulţimea F = {f | f : A ⊂ R n → R m }
formează un spaţiu vectorial în raport cu adunarea funcţiilor şi
înmulţirea unei funcţii cu un scalar.
DEFINIŢIA 5.2.1. : f : A ⊂ R n → R m este mărginită,

dacă există a ∈ R m şi există 0 < r < ∞ astfel încât oricare ar fi
x ∈ A să avem f ( x ) ⊂ V r (a ) .
DEFINIŢIA 5.2.2. : Fie f : A ⊂ R n → R m . Fie a ∈ A ,

a = (a1 , Κ , ai , Κ ,a n ) . Funcţia f este continuă în punctul a ∈ A
dacă :
1) există lim f ( x )
x→a
2) lim f ( x ) = f (a )
x →a
DEFINIŢIA 5.2.3. : Funcţia f este continuă în punctul

a ∈ A dacă pentru orice ε > 0 , există δ (ε ) > 0 astfel încât oricare
ar fi a ∈ A , x − a < δ (ε ) , rezultă că f ( x ) − f (a ) < ε .
OBSERVAŢIE: Definiţiile 5.2.2. şi 5.2.3. sunt echivalente.
Fie f : A ⊂ R 2 → R . Fie (a , b ) ∈ A . Fie mulţimea

Aa = {( x, b ) | ( x, b ) ∈ A} şi mulţimea Ab = {(a , y ) | (a , y ) ∈ A} .
Definim funcţiile ϕ : Aa → R , ϕ ( x, b ) = f ( x , b ) şi
ψ : Ab → R , ψ (a , y ) = f (a , y ) .
x2 Ab
Aa
(a,b)
b
a x1
DEFINIŢIA 5.2.4. : Funcţia ϕ se numeşte funcţia
parţială, în raport cu “x”, asociată funcţiei f în punctul (a,b) .
DEFINIŢIA 5.2.5. : Funcţia ψ se numeşte funcţia

parţială, în raport cu “y”, asociată funcţiei f în punctul (a,b) .
DEFINIŢIA 5.2.6. : Funcţia f : A ⊂ R 2 → R este

continuă parţial în raport cu “x” în punctul (a,b) dacă funcţia
parţială ϕ ( x ) este continuă în punctul “a”.
Funcţia f este continuă parţial în raport cu “y” în punctul
(a, b) dacă funcţia parţială ψ ( y ) este continuă în punctul “b”.
DEFINIŢIA 5.2.7. f : A ⊂ R 2 → R este
: Funcţia
continuă parţial în punctul (a , b ) ∈ A dacă funcţiile parţiale ϕ ( x )
şi ψ ( y ) sunt continue în punctele “a”, respectiv “b” în raport cu
“x”, respectiv “y”.
În general : Fie f : A ⊂ R 2 → R şi fie a = (a1 , Κ ,a n ) ∈ A .

Funcţia f este continuă parţial în punctul a ∈ A dacă funcţiile
parţiale f i (a1 , Κ , ai −1 , xi , ai +1 , Κ , a n ) sunt continue în punctele
ai , i = 1, Κ , n .
PROPOZIŢIA 5.2.1. : O funcţie f : A ⊂ R2 → R , continuă

în punctul a ∈ A este continuă parţial în punctul “a” .
DEMONSTRAŢIE : Prin ipoteză, funcţia f este continuă

în punctul a = (a1 , Κ , ai , Κ ,a n ) , deci pentru orice ε > 0 , există
δ (ε ) > 0 astfel încât oricare ar fi a ∈ A , x − a < δ (ε ) , rezultă că
f ( x ) − f (a ) < ε .
Fie x = (a1,Κ , ai−1, xi , ai+1,Κ , an ) , x ∈ A şi xi − ai < δ . Din
ipoteză rezultă că
f ( x) − f (a) = f (a1,Κ , ai −1, xi , ai+1,Κ , an ) − f (a1,Κ , ai−1, ai , ai +1,Κ , an ) < ε
pentru orice i = 1,…,n şi deci f este continuă parţial în punctul
“a”.
OBSERVAŢIE : În general, reciproca nu este adevărată.
Adică, dacă o funcţie este parţial continuă într-un punct, ea nu este
întotdeauna continuă în acel punct.
EXEMPLU :
ì xy
, ( x, y ) ≠ (0,0)
Fie funcţia f : R → R , f ( x, y ) = ïí x 2 + y 2
2
ï0, ( x, y ) = (0,0)
î
Vom arăta că această funcţie nu este continuă în origine, dar

este parţial continuă.
(1) Funcţia nu este continuă în (0,0) în raport cu ansamblul

variabilelor deoarece nu are limită în acest punct. Într-adevăr,
pentru x ≠ 0 , avem :
y
f ( x, y ) = x
2
æ yö
1+ ç ÷
èxø
Fie dreapta y = mx care trece prin origine. Dacă luăm şirul
(xn , y n ) → 0 de pe această dreaptă, avem y n = mxn pentru
m
orice n ∈ N * şi f ( x n , y n ) = .
1 + m2
m
Limita depinde de dreapta pe care se află şirul de puncte
1 + m2
(xn , y n ) → 0 . Astfel, pentru două drepte cu coeficienţi
unghiulari diferiţi, m1 ≠ m2 , obţinem limite diferite; prin
urmare, funcţia f nu are limită în origine, deci nu este continuă
în raport cu ansamblul variabilelor.
(2) Funcţia nu este parţial continuă în (0,0), dar funcţiile parţiale

următoare sunt continue în origine.
ì0, x ≠ 0
ϕ ( x ) = f ( x,0) = í
î0, x = 0
ì0, y ≠ 0
ψ ( y ) = f (0, y ) = í
î0, y = 0
DEFINIŢIA 2.2.8. : Funcţia f : A ⊂ R n → R este continuă
pe mulţimea A, dacă este continuă în toate punctele a ∈ A .
5.3. Derivata parţială a unei funcţii
Fie funcţia f : A ⊂ R 2 → R , fie (a , b ) ∈ int A .
DEFINIŢIA 5.3.1. : Funcţia f este derivabilă parţial în

raport cu x în punctul (a,b) dacă lim f ( x, b ) − f (a, b ) există şi este
x →a x−a
finită.
Notăm această limită cu ∂f (a, b) sau cu f ' x (a , b ) .
∂x

raport cu y în punctul (a,b) dacă lim f (a, y ) − f (a, b) există şi este
y →b y−b
finită.
Notăm această limită cu ∂f (a, b ) sau cu f ' y (a , b ) .
∂y
EXEMPLU : Fie funcţia f : R 2 → R , f ( x, y ) = e x

2
+ y3
.
Pornind de la definiţie, să se calculeze f ' x (1,1) şi f ' y (1,1) .
f ( x,1) − f (1,1)
2 2 2
ex +1 − e2 2 ex −1 −1 2 ex −1 −1
f ' x (1,1) = lim = lim = e lim = e lim 2 (x +1) =
x→1 x −1 x→1 x −1 x→1 x −1 x→1 x −1
= 2e 2 ln e = 2e 2
f (1, y ) − f (1,1)
3 3 3
e1+ y − e2 e y −1 − 1 2 e y −1 − 1
f ' y (1,1) = lim = lim = e2 lim = e lim 3 ⋅
y→1 y −1 y→1 y −1 y→1 y − 1 y→1 y − 1
( )
⋅ y 2 + y + 1 = e 2 3 ln e = 3e 2
PROPOZIŢIA Funcţia f : A ⊂ R 2 → R este

5.3.1. :
derivabilă parţial în raport cu x în punctul (a , b ) ∈ int A dacă şi
numai dacă funcţia parţială ϕ ( x ) este derivabilă în punctul “a”.
DEMONSTRAŢIE :
∂f (a , b ) f ( x, b ) − f (a , b ) ϕ ( x ) − ϕ (a )
= lim = lim = ϕ ' (a ) şi reciproc.
∂x x → a x−a x → a x−a
PROPOZIŢIA 5.3.2. : Funcţia f : A ⊂ R 2 → R este

derivabilă parţial în raport cu y în punctul (a , b ) ∈ int A dacă şi
numai dacă funcţia parţială ψ ( x ) este derivabilă în punctul “b”.
EXEMPLE :
1. f (x, y ) = x + y
f ' x ( x, y ) = 1
f ' y ( x, y ) = 1
2. f ( x, y ) = xy
f ' x ( x, y ) = y
f ' y ( x, y ) = x
x
3. f ( x, y ) = ,y≠0
y
1
f ' x ( x, y ) = , y ≠ 0
y
x
f ' y ( x, y ) = − 2 , y ≠ 0
y
4. f ( x, y ) = x y , x > 0
f ' x ( x, y ) = yx y −1
f ' y ( x , y ) = x y ln x
În general, fie f : A⊂Rn →R, fie x∈A, x = (x1,Κ , xi−1, xi , xi+1,Κ , xn )

Fie punctul a ∈ int A, a = (a1,Κ , ai−1, ai , ai+1,Κ , an ) .

raport cu xi , în punctul “a”, dacă :
f (a1 , Κ , ai −1 , xi , ai +1 , Κ , a n ) − f (a1 , Κ , ai −1 , ai , ai +1 , Κ , a n )
lim
xi →ai xi − a i
există şi este finită.
Notăm această limită cu ∂f (a ) sau cu f ' x (a ) .
∂xi i
PROPOZIŢIA 5.3.3. : Fie f : A ⊂ R2 → R, (a, b) ∈ int A .

Dacă f este derivabilă parţial în raport cu x în punctul (a,b), atunci f
este continuă parţial în raport cu x în punctul (a,b).
DEMONSTRAŢIE : Prin ipoteză, funcţia f este derivabilă

parţial în raport cu x în punctul (a,b). Conform propoziţiei 5.3.1. ,
funcţia parţială ϕ ( x ) este derivabilă în punctul “a”, deci este
continuă în acest punct. Prin urmare, funcţia f este continuă parţial
în raport cu x în punctul (a,b).
TEOREMA DE MEDIE A LUI LAGRANGE
Fie f : A ⊂ R 2 → R , (a , b ) ∈ int A .
Dacă există f ' x şi f ' y într-o vecinătate a punctului (a,b), atunci
pentru orice punct ( x , y ) ∈ V (a , b ) ∩ A există un număr real α
cuprins între a şi x şi există un număr β cuprins între b şi y, astfel
încât :
f ( x, y ) − f (a, b ) = f ' x (α , y )( x − a ) + f ' y (a, β )( y − b ) (1)
DEMONSTRAŢIE : Fie V(a,b) şi fie ( x, y ) ∈ V (a , b ) ∩ A un punct

pe care îl fixăm.
y
y (x,y)
β (α,β)
b (a,b)
a α x x
f (x, y) − f (a, b) = f (x, y) − f (a, y) + f (a, y) − f (a, b) (2)
ìϕ ( t ) = f ( t , y )
Notez ( 3) í , (t , y ) ∈ V , ( a , t ) ∈ V .
îψ ( t ) = f ( a , t )
Funcţiile ϕ şi ψ sunt derivabile, deci :

(a) ϕ este derivabilă în intervalul cu capetele în a şi x, de unde
rezultă că ϕ este continuă pe intervalul cu capetele în a şi x.
(b) ψ este derivabilă pe intervalul cu capetele în b şi y, de unde
rezultă că ψ este continuă pe intervalul cu capetele în b şi y.
Din (a) rezultă că există α cuprins între a şi x astfel încât :

ϕ( x) −ϕ(a) =ϕ' (α)(x −a) (4)
Din (b) rezultă că există β cuprins între b şi y astfel încât :
ψ ( y ) − ψ (b ) = ψ ' (β )( y − b ) (4’)
ϕ ' (α ) = f ' x (α , y ) ; ψ ' (β ) = f ' y (a, β ) .
Din (2) rezultă :

f ( x, y ) − f (a, b) = [ϕ ( x ) − ϕ (a )] + [ψ ( y ) − ψ (b)] =
= ϕ ' (α )( x − a ) + ψ ' (β )( y − b ) = f ' x (α , y ) + f ' y (a, β )( y − b )
Astfel, teorema este demonstrată.
ìϕ (t ) = f (t , b)
OBSERVAŢIE: Notândí (3' ) şi
îψ (t ) = f ( x, t )
raţionând ca şi în demonstraţia de mai sus, rezultă că există un
număr α ' cuprins între a şi x şi un număr β ' cuprins între b şi y
astfel încât :
(1’) f ( x, y ) − f (a, b ) = f ' x (α ' , b )( x − a ) + f ' y ( x, β ' )( y − b)
Egalităţile (1) şi (1’) vor fi scrise în continuare astfel :
(5) f ( x, y ) − f (a, b ) = f ' x (α , β )(x − a ) + f ' y (α , β )( y − b ) unde

α este cuprins între a şi x şi β este cuprins între b şi y .
Relatia (5) se numeşte formula lui Lagrange .
OBSERVAŢIE : Se poate da o formulă de tip Lagrange şi

pentru o funcţie de n > 2 variabile.
PROPOZIŢIA 5.3.4.: Fie f : A⊂ R2 →R, fie (a, b ) ∈ int A .

Dacă funcţia f are derivate parţiale f ' x şi f ' y mărginite într-o
vecinătate a punctului (a,b), atunci f este continuă în (a,b) în raport
cu ansamblul variabilelor.
DEMONSTRAŢIE : Din ipoteză ştim că există M > 0

astfel încât :
f ' x ( x, y ) ≤ M üï
ý (∀) ( x , y ) ∈ V ( a , b )
f ' y ( x, y ) ≤ M ïþ
Conform teoremei lui Lagrange :
f ( x, y) − f (a, b) ≤ f ' x (α, β ) x − a + f ' y (α, β ) y − b ≤ M[ x − a + y − b ]
Dar limM[ x − a + y − b] = 0 deci limf (x, y) − f (a,b) = 0 Þlimf (x, y) = f (a,b)

x→a x→a x→a
y→b y→b y→b
Deci funcţia f este continuă în punctul (a,b).
5.4. Derivate parţiale de ordin superior
Fie f : A ⊂ R 2 → R , fie (a , b ) ∈ int A .
DEFINIŢIA 5.4.1. : Se numeşte derivata parţială de

ordinul 2 a funcţiei f în raport cu x 2 în punctul (a,b) :
∂ é ∂f (a , b) ù ∂ 2 f ( a , b)
= = f ' ' x 2 (a , b )
∂x êë ∂x úû ∂x 2

ordinul 2 a funcţiei f în raport cu y 2 în punctul (a,b) :
∂ é ∂f ( a , b) ù ∂ 2 f (a , b)
= = f ' ' y 2 (a , b )
∂y êë ∂y úû ∂y 2
ordinul 2,mixtă, a funcţiei f în punctul (a,b) :
∂ é ∂f ( a, b) ù ∂ 2 f (a , b)
= = f ' ' xy (a , b )
∂y êë ∂x úû ∂x∂y
∂ é ∂f ( a, b) ù ∂ 2 f ( a , b)
= = f ' ' yx (a , b )
∂x êë ∂y úû ∂y∂x
EXEMPLE :
1) Fie f ( x, y ) = 2 x 3 y 3 − 3xy + 2 să se calculeze derivatele
parţiale de ordinul doi ale acestei funcţii.
∂f ∂2 f
= 4 xy 3 − 3 y = 12 x 2 y
∂x ∂y 2
∂f ∂2 f
= 6 x 2 y 2 − 3x = 12 xy 2 − 3
∂y ∂x∂y
∂2 f ∂2 f
= 4 y3 = 12 xy 2 − 3
∂x 2
∂y∂x
2) Calculaţi derivatele parţiale de ordinul I şi II pentru

funcţia f : R 2 → R , f ( x, y ) = 4 x 3 + 3x 2 y + 3xy 2 − y 3
∂f ∂2 f ∂ æ ∂f ö
= 12 x 2 + 6 xy + 3 y 2 = ç ÷ = 6x − 6 y
∂x ∂y 2
∂y çè ∂y ÷ø
∂f ∂f ∂ æ ∂f ö
= 3x 2 + 6 xy − 3 y 2 = çç ÷÷ = 6 x + 6 y
∂y ∂x∂y ∂x è ∂y ø
∂2 f ∂ æ ∂f ö ∂f ∂ æ ∂f ö
= ç ÷ = 24 x + 6 y = ç ÷ = 6x + 6 y
∂x 2
∂x è ∂x ø ∂y∂x ∂y è ∂x ø
CRITERIUL LUI SCHWARTZ
Dacă funcţia f ( x , y ) are derivate parţiale mixte de ordinul

2 f ' ' xy şi f ' ' yx într-o vecinătate V(a,b) , (a , b ) ∈ int A , şi dacă
f ' ' xy şi f ' ' yx sunt continue în (a,b), atunci f ' ' xy (a, b) = f ' ' yx (a, b) .
DEMONSTRAŢIE: Alegem un punct arbitrar
( x, y ) ∈V (a, b) ∩ A pe care îl fixăm.
Notăm (1) R( x, y) = f ( x, y) − f ( x, b) − f (a, y) + f (a, b) .

( x − a)( y − b)
y (a,y) (x,y)
η (ζ,η)
b (a,b) (x,b)
a ζ x x
Considerăm funcţia ϕ definită pe intervalul cu capetele în a

şi x, având forma următoare :
(2) ϕ (t ) = f (t , y ) − f (t , b) Þ R( x, y ) =
ϕ ( x ) − ϕ (a ) (3)
y −b x−a
Funcţia ϕ (t ) este derivabilă pe intervalul cu capetele în a şi
x.
f ' (t , y ) − f ' x (t , b)
ϕ ' (t ) = x (4)
y −b
Aplicăm funcţiei ϕ teorema lui Lagrange. Rezultă că există
ξ cuprins între a şi x astfel încât : ϕ ' (ξ ) = ϕ ( x ) − ϕ (a ) .
x−a
Deci (5) R ( x , y ) = ϕ ' (ξ ) = x f ' (ξ , y ) − f ' x (ξ , b ) .
y−b
Considerăm funcţia ϕ 1 (τ ) definită pe intervalul cu capetele
în b şi y, având forma următoare : ϕ1 (τ ) = f xy (ξ ,τ ) (6)
Funcţia ϕ 1 (τ ) este derivabilă pe intervalul cu capetele în b
şi y :
f ' 'x (ξ, y) − f ' ' x (ξ, b)
ϕ '1 (τ ) = f ' ' xy (ξ ,τ ) , adică f ' ' xy (ξ,η) = .
y −b
Deci : R( x, y ) = f ' ' xy (ξ ,η ) (*)
f ( x, t ) − f (a, t )
Analog definim (2’) ψ ' (t ) =
x−a
Rezultă că există η ' cuprins între b şi y astfel încât :
f ' y ( x, η ' ) − f ' y ( a ,η ' )
R ( x, y ) = (5’)
x−a
Folosim apoi funcţia (6’) ψ 1 (τ ) = f ' y (τ ,η ' ) Þ (∃)ξ '
astfel încât obţinem: R( x, y ) = f ' ' yx (ξ ' ,η ' ) (**)
Fie şirul ( xn , y n ) → (a, b ) din vecinătatea V(a,b) , x n ≠ a ,

yn ≠ a , xn → a , y n → b .
Pentru orice punct ( xn , y n ) , există două puncte ξ n şi ξ ' n
cuprinse între a şi xn şi există două puncte η n şi η ' n cuprinse între
b şi y n astfel încât :
(*)
f ' ' xy (ξ n ,η n ) = f ' ' yx (ξ ' n ,η ' n ) (7)
(**)
Dar f ' ' xy şi f ' ' yx sunt continue şi, trecând la limită în
relaţia (7), obţinem:
f ' ' xy (ξ n ,η n ) → f ' ' xy (a, b) şi f ' ' yx (ξ ' n ,η ' n ) → f ' ' yx (a, b) .
Deci : f ' ' xy (a, b) = f ' ' yx (a, b) .
COROLAR : Dacă derivatele mixte există şi sunt continue

pe mulţimea A , atunci sunt egale pe A .
5.5. Funcţii diferenţiabile
Fie f : A ⊂ R 2 → R şi fie punctul (a, b ) ∈ int A .
DEFINIŢIA 5.5.1. : Funcţia f este diferenţiabilă în punctul

(a,b) dacă există două numere λ şi µ şi dacă există o funcţie
ω : V ( a , b) → R , continuă şi nulă în (a,b) astfel încât, pentru orice
(x, y ) ∈ A să avem :
(1) f ( x, y) − f (a, b) = λ( x − a) + µ( y − b) + ω( x, y) ( x − a)2 + ( y − b)2
OBSERVAŢIE : Funcţia ω este continuă şi nulă în (a,b),
ceea ce înseamnă că : lim ω ( x, y ) = ω (a, b ) = 0 .
x→a
y →b
Notăm ρ ( x, y ) = ( x − a )2 + ( y − b )2 ( distanţa euclidiană de

la punctul (x,y) la punctul (a,b) ). Vom obţine :
(1’) f ( x, y ) − f ( a , b ) = λ ( x − a ) + µ ( y − b ) + ω ( x , y ) ρ ( x , y )
DEFINIŢIA 5.5.2. : Dacă A este o mulţime deschisă,

atunci f : A → R este diferenţiabilă pe A dacă este diferenţiabilă în
orice punct (a, b ) ∈ A .
PROPOZIŢIA 5.5.1.: Fie f : A ⊂ R 2 → R şi fie

punctul (a, b ) ∈ int A . Dacă f este diferenţiabilă în (a,b), atunci f este
continuă în punctul (a,b).
DEMONSTRAŢIE: Trecând la limită când ( x, y ) → (a.b )

în relaţia (1) avem:
lim[ f ( x, y) − f (a, b)] = λ lim( x − a) + µ lim( y − b) + limω( x, y) ρ( x, y) = 0
x→a x→a x→a x→a
y→b y→b y→b y→b
Deci f este continuă în punctul (a,b).
PROPOZIŢIA 5.5.2: Fie f : A ⊂ R 2 → R şi fie

punctul (a, b ) ∈ int A . Dacă f este diferenţiabilă în (a,b) , atunci
există f ' x (a , b ) şi f ' y (a, b) şi λ = f ' x (a, b ) , µ = f ' y (a, b) .
DEMONSTRAŢIE : Din ipoteză, f este diferenţiabilă în

(a,b) , deci există λ şi µ şi există funcţia ω ( x, y ) continuă şi nulă
în (a,b) astfel încât oricare ar fi ( x, y ) ∈ A , avem :
f ( x , y ) − f ( a , b ) = λ ( x − a ) + µ ( y − b) + ω ( x , y ) ( x − a ) 2 + ( y − b) 2
Pentru punctul ( x, b) ∈ A , avem :
f ( x , b ) − f ( a , b) = λ ( x − a ) + µ ( b − b) + ω ( x , y ) ( x − a ) 2 + ( b − b) 2 ,
deci : f ( x, b) − f ( a, b) = λ ( x − a ) + ω ( x, b) x − a .
Împărţind cu (x-a) şi trecând la limită ( x → a ) , avem :
f ( x , b) − f ( a , b ) ω ( x , b) x − a
lim = λ + lim = λ = f ' x ( a , b) .
x →a x−a x →a x−a
Pentru punctul (a, y ) ∈ A , avem:
f ( a , y ) − f ( a, b) = µ ( y − b) + ω ( a, y ) y − b şi împărţind cu (y-b) şi
trecând la limită ( y → b ) rezultă : µ = f ' y (a , b ) .
DEFINIŢIA 5.5.3.: Fie f : A ⊂ R 2 → R şi fie punctul

(a , b ) ∈ int A . Funcţia f este diferenţiabilă în (a,b) dacă există
f ' x (a, b ) şi f ' y ( a, b) şi există ω : A → R , continuă şi nulă în (a,b)
astfel încât :
f (x, y) − f (a, b) = f 'x (a, b)(x − a) + f ' y (a, b)( y − b) + ω(x, y) (x − a)2 + ( y − b)2
OBSERVAŢIE : Fie f : A ⊂ R 2 → R şi fie (a, b ) ∈ int A .

Dacă există f ' x (a, b ) şi f ' y ( a, b) nu rezultă întotdeauna că f este
diferenţiabilă în (a,b).
ì xy
, x2 + y2 ≠ 0
EXEMPLU : Fie f (x, y) = ïí x2 + y2 , f : R2 → R .
ï0, ( x, y) = (0,0)
î
Calculând derivatele parţiale ale funcţiei f în (0,0) , obţinem :
f ( x,0) − f (0,0)
lim = f ' x (0,0) = 0
x →0 x−0
f (0, y ) − f (0,0)
lim = f ' y (0,0) = 0
y →0 y−0
Presupunem că f este diferenţiabilă în (0,0) , atunci :
f ( x, y ) − f (0,0) = f ' x (0,0)( x − 0) + f ' y (0,0)( y − 0) + ω ( x, y ) ρ ( x, y )
xy
Deci : f ( x, y ) = ω ( x, y ) x 2 + y 2 , adică ω ( x, y ) =
care nu
x + y2 2
este continuă în (0,0). În concluzie, f nu este diferenţiabilă în

punctul (0,0).
Definiţie echivalentă pentru proprietatea de diferenţiabilitate :

LEMĂ : Dacă ω : A ⊂ R 2 → R este continuă şi nulă în
punctul (a , b ) ∈ int A , atunci există două funcţii ω1 , ω 2 : A → R ,
continue şi nule în (a,b) astfel încât :
ω( x, y) ( x − a)2 + ( y − b)2 = ω1 ( x, y)(x − a) + ω2 ( x, y)( y − b) şi reciproc.
DEMONSTRAŢIE :
(i) Prin ipoteză , lim ω ( x, y ) = ω (a, b) = 0 .

x →a
y →b
ì ( x − a)
ω ( x, y ) , ( x , y ) ≠ ( a , b)
Definim : ω1 ( x, y ) = ïí ρ ( x, y )
ï0, ( x, y ) = ( a, b)
î
ì ( y − b)
ïω ( x, y ) , ( x, y ) ≠ ( a, b)
ω 2 ( x, y ) = í ρ ( x, y )
ï0, ( x, y ) = ( a, b)
î
Atunci :
ω( x, y)
ω1 ( x, y)(x − a) + ω2 (x, y)(y − b) =
ρ( x, y)
[(x − a)2 + ( y − b)2 ] = ω(x, y)ρ(x, y)
Vom arăta acum că ω 1 ( x, y ) este continuă în (a,b). Într-adevăr,
ω ( x, y )( x − a ) x−a
0 ≤ ω1 ( x , y ) − 0 = = ω ( x, y ) ≤ ω ( x, y ) .
ρ ( x, y ) ρ ( x, y )
lim ω1 ( x, y ) − 0 ≤ lim ω ( x, y ) = 0 ,deci funcţia ω 1 ( x , y ) este
x →a x →a
y →b y →b
continuă în (a,b).
Analog se demonstrează şi faptul că ω 2 ( x, y ) este continuă în (a,b).
(ii) Fie ω 1 ( x, y ) şi ω 2 ( x, y ) continue şi nule în punctul (a,b).

Notăm ω ( x, y ) astfel :
ì x−a y−b
ïω1 ( x, y ) + ω 2 ( x, y ) , ( x, y ) ≠ ( a , b)
.
ω ( x, y ) = í ρ ( x, y ) ρ ( x, y )
ï0, ( x, y ) = ( a, b)
î
Deci ω ( x, y )ρ ( x, y ) = ω1 ( x, y )( x − a ) + ω 2 ( x, y )( y − b )
pentru orice ( x, y ) ∈ A .
x−a y−b
ω ( x , y ) ≤ ω1 ( x , y ) + ω 2 ( x, y ) ≤ ω1 ( x , y ) + ω 2 ( x, y )
ρ ( x, y ) ρ (x, y )
0 ≤ limω( x, y) − 0 ≤ limω1 (x, y) + limω2 ( x, y) = 0 Þ limω( x, y) = 0 = ω(a, b)

x→a x→a x→a x→a
y→b y→b y→b y→b
Astfel am demonstrat că ω este continuă şi nulă în (a,b) .
DEFINIŢIA 5.5.4. : Fie f : A ⊂ R 2 → R , (a, b ) ∈ int A .

Funcţia f este diferenţiabilă în punctul (a,b) dacă există două funcţii
ω1 , ω 2 : A → R , continue şi nule în (a,b) şi dacă există două numere
λ şi µ astfel încât :
f ( x, y) − f (a, b) = λ( x − a) + µ( y − b) + ω1 ( x, y)( x − a) + ω2 ( x, y)( y − b)
PROPOZIŢIA 5.5.3. : Fie f : A ⊂ R 2 → R , (a , b ) ∈ int A .

Dacă f admite derivate parţiale continue într-o vecinătate a punctului
(a,b) , atunci f este diferenţiabilă în (a,b) .
DEMONSTRAŢIE : Pentru orice ( x , y ) ∈ V (a , b ) ,

conform teoremei lui Lagrange, avem :
f ( x, y ) − f ( a, b) = f ' x (α , y )( x − a ) + f ' y ( a, β )( y − b) , unde α
este cuprins între a şi x , iar β este cuprins între b şi y.
Adunăm şi scădem f ' x ( a, b)( x − a ) + f ' y ( a, b)( y − b) . Avem :
f ( x, y) − f (a, b) = f ' x (a, b)(x − a) + f ' y (a, b)( y − b) + [ f ' x (α, y)(x − a) +
+ f ' y (a, β )( y − b) − f ' x (a, b)(x − a) − f ' y (a, b)( y − b)]
Notăm : ω1 ( x , y ) = [ f ' x (α , y ) − f ' x ( a, b)]

ω 2 ( x, y ) = [ f ' y ( a, β ) − f ' y ( a, b)]
Rezultă :
f ( x, y ) − f (a, b) = f ' x (a, b)( x − a) + f ' y (a, b)( y − b) + ω1 ( x, y)( x − a) +
+ ω2 ( x, y )( y − b)
Prin ipoteză, f ' x şi f ' y sunt continue în V(a,b) , deci :

lim ω1 ( x, y ) = ω1 ( a , b) = 0
y→b
lim ω 2 ( x, y ) = ω 2 ( a, b) = 0
x →a
Am demonstrat astfel că ω1 şi ω 2 sunt continue şi nule în

(a,b) , deci f este diferenţiabilă în punctul (a,b) .
În general : Fie f : A ⊂ R n → R , a = (a1 , Κ , a n ) ∈ A .
DEFINIŢIA 5.5.5. : Funcţia f este diferenţiabilă în punctul

a ∈ int A dacă există numerele λ1 , λ2 , Κ , λn şi există ω : A → R
continuă şi nulă în punctul a , astfel încât :
f ( x ) − f ( a ) = λ1 ( x1 − a1 ) + Κ + λn ( x n − a n ) + ω ( x ) ρ ( x )
unde ρ ( x ) = ( x1 − a1 ) 2 + Κ + ( x n − a n ) 2 .
5.6. Diferenţiala unei funcţii
Fie f : A ⊂ R 2 → R , (a , b ) ∈ int A , şi f diferenţiabilă în

(a,b) .
DEFINIŢIA 5.6.1. : Se numeşte diferenţială a funcţiei f în

punctul (a,b) , funcţia liniară :
df ( x, y; a, b ) = f ' x (a, b )( x − a ) + f ' y (a, b )( y − b )
Notăm : x-a = dx , “creşterea” variabilei x

y-b = dy , “creşterea” variabilei y
Atunci: df ( x, y; a , b ) = f ' x (a, b )dx + f ' y (a, b )dy .
Operatorul æ∂ ∂ ö se numeşte operatorul de

d = çç dx + dy ÷÷
è ∂x ∂y ø
diferenţiere.
Deci, dacă f este diferenţiabilă în (a,b) , atunci :
æ∂ ∂ ö
d ( x, y; a, b ) = çç dx + dy ÷÷ f (a, b )
è ∂x ∂y ø
EXEMPLU : f : R 2 → R , f ( x, y ) = xe x
2
+ y2
, în punctul
(1,1) .
f ' x ( x, y ) = e x Þ f ' x (1,1) = 3e 2

2
+ y2 2
+ y2
+ 2 x 2e x
f ' y ( x, y ) = 2 xye x Þ f ' y (1,1) = 2e 2
2
+ y2
Prin urmare, df ( x, y;1,1) = 3e 2 dx + 2e 2 dy .
DEFINIŢIA 5.6.2 : Diferenţiala de ordinul doi a funcţiei f

în punctul (a,b)
d 2 f (x, y; a, b) = f ' ' x2 (a, b)(x − a) + 2 f ' 'xy (a, b)(x − a)( y − b) + f ' ' y2 (a, b)( y − b)
2 2
este notată simbolic astfel :

2
æ∂ ∂ ö
d f ( x, y; a, b ) = çç dx + dy ÷÷ f (a , b ) .
2
è ∂x ∂y ø
În general :
n
æ∂ ∂ ö
d f ( x, y; a , b ) = çç dx + dy ÷÷ f (a, b ) =
n
è ∂x ∂y ø
∂ f (a, b) n
n
1 ∂ f (a, b) n−1
n
k ∂ f (a, b) n−k
n
= Cn0 d x + Cn d xdy + Κ + Cn d xd k y + Κ +
∂xn ∂xn−1∂y ∂xn−k ∂y k
∂n f (a, b) n
+ Cnn d y
∂y n
5.7. Formula lui Taylor pentru funcţii de mai multe

variabile
Fie f : A ⊂ R 2 → R , (a , b ) ∈ int A .
Presupunem că f admite derivate parţiale de ordinul n în
punctul (a,b) şi derivatele parţiale mixte nu depind de ordinea de
derivare. Atunci:
1 1 1
Tn ( x, y ) = f (a, b) + df ( x, y; a, b) + d 2 f (x, y; a, b) + Κ + d n f ( x, y; a, b)
1! 2! n!
se numeşte polinomul lui Taylor de ordinul n ataşat funcţiei f în
punctul (a,b).
Notăm Rn ( x, y ) = f ( x, y ) − Tn ( x , y ) , numit restul lui
Taylor de ordinul n în punctul (a,b) .
f ( x , y ) = Tn ( x, y ) + Rn ( x, y ) se numeşte formula lui
Taylor ataşată funcţiei f în punctul (a,b) .
Dacă lim Rn ( x, y ) = 0 , atunci spunem că funcţia f este

x→a
y →b
dezvoltabilă în serie Taylor în jurul punctului (a,b) .

1
Se poate arăta că : Rn ( x, y ) = ω ( x, y )ρ n ( x, y ) ,
n!
ρ ( x, y ) = (x − a )2 + ( y − b )2 .
1 æ ∂f (a, b)
(x − a) + ∂f (a,b) ( y − b)ö÷÷ + 1 çç ∂ f (a2,b) (x − a)2 +
æ 2
f ( x, y) = f (a, b) + çç
1! è ∂x ∂y ø 2! è ∂x
∂2 f (a, b)
( x − a)( y −b) + ∂ f (a2, b) ( y −b)2 ö÷÷ +Κ + 1 æççCn0 ∂ f (an, b) (x − a)n +Κ +
2 n
+2
∂x∂y ∂y ø n! è ∂x
∂n f (a, b) n ∂ f (a, b)
n
ö
+ Cnk n−k k
( x − a)n−k
( y − b)n−k
+Κ + Cn ( y − b)n ÷÷ + 1 ω( x, y)ρn (x, y)
∂x ∂y ∂yn
ø n!
EXEMPLU : Să se scrie polinomul Taylor de gradul doi

ataşat funcţiei f : R 2 → R , f ( x, y ) = x 2 + y 2 , în punctul (1,−1) .
1 æ ∂f (1,−1) ∂f (1,−1) ö 1 æ ∂2 f (1,−1)

T2 (x, y) = f (1,−1) + çç (x −1) + ( y +1) + (x −1)2 +
1! è ∂x ∂y 2! ∂x2
∂ 2 f (1,−1) ∂ 2 f (1,−1) ö
+2 ( x − 1)( y − 1) + ( y + 1) 2
∂x∂y ∂y 2
f (1,−1) = 2 ; ∂f (1,−1) = x
|(1, −1) =
2
∂x x +y2 2 2
∂f (1,−1) y 2
= |(1, −1) = −
∂y x +y
2 2 2
∂ 2 f (1,−1) 2 ∂ 2 f (1,−1) 2 ; ∂f (1,−1) 2
= ; = =
∂x 2
4 ∂y 2
4 ∂x∂y 4
2 2
T2 ( x, y) = 2 + ( x −1) − ( y + 1)) + ((x −1)2 + 2( x −1)( y −1) + ( y + 1)2 )2
2 8
5.8. Extremele funcţiilor de mai multe variabile
Fie f : A ⊂ R 2 → R , fie (a , b ) ∈ A .
DEFINIŢIA 5.8.1. : Punctul (a,b) este un punct de maxim

local (relativ) al funcţiei f dacă există o vecinătate a lui (a,b) astfel
încât oricare ar fi ( x, y ) ∈ V (a , b ) să avem : f ( x, y ) ≤ f (a , b ) .
DEFINIŢIA 5.8.2. : Punctul (a,b) este un punct de minim

local (relativ) al funcţiei f dacă există o vecinătate a lui (a,b) astfel
încât oricare ar fi ( x, y ) ∈ V (a , b ) să avem : f ( x, y ) ≥ f (a , b ) .
DEFINIŢIA 5.8.3. : Un punct de minim local sau de

maxim local se numeşte punct de extremum local.
PROPOZIŢIA 5.8.1. : Fie f : A ⊂ R 2 → R şi fie

(a , b ) ∈ A un punct de extremum local al funcţiei f . Dacă există
f ' x (a , b ) şi f ' y (a, b ) , atunci f ' x (a , b ) = 0 şi f ' y (a, b ) = 0 .
DEMONSTRAŢIE : Fie Ab = {x | x ∈ R, ( x, b ) ∈ A} şi fie

g : Ab → R , g ( x ) = f ( x , b ) .
Dacă punctul (a,b) este un punct de extremum local al
funcţiei f , înseamnă că punctul x = a este punct de extremum local
al funcţiei g . Atunci, conform teoremei lui Fermat, g ' (a ) = 0 ,
adică f ' x (a , b ) = 0 .
Analog, fie Aa = {y | y ∈ R, (a , y ) ∈ A} şi fie h : Aa → R ,
h ( y ) = f (a , y ) . Dacă (a,b) este punct de extremum local pentru
funcţia f , rezultă că y = b este punct de extremum local pentru h .
Deci h ' (b ) = 0 , adică f ' y (a, b ) = 0 .
DEFINIŢIA 5.8.4. : Punctul (a , b ) ∈ A în care se

anulează derivatele parţiale ale funcţiei f : A ⊂ R 2 → R se numeşte
punct staţionar.
OBSERVAŢIE : Conform propoziţiei 5.8.1. , orice punct
de extrem este punct staţionar. Reciproca nu este adevărată. Nu
orice punct staţionar este punct de extrem.
EXEMPLU : Fie f : R 2 → R , f ( x, y ) = x 2 − y 4 .
f ' x ( x, y ) = 2 x üï
ý Þ punctul (0,0) este punct staţionar. El nu este
f ' y ( x, y ) = −4 y ïþ
3
punct de extrem deoarece :

Ø oricare ar fi x ≠ 0 , f ( x,0) − f (0,0) = x 2 , deci f ( x,0) ≥ f (0,0)
Ø oricare ar fi y ≠ 0 , f (0, y) − f (0,0) = −y4 ≤0 , deci f (0, y ) ≤ f (0,0)
TEOREMA 5.8.1. : Fie f : A ⊂ R 2 → R şi fie (a , b ) ∈ A un

punct staţionar al lui f . Dacă f admite derivate parţiale de ordinul
doi continue în (a,b) şi dacă :
∆ (a, b ) = f ' ' x 2 (a , b ) ⋅ f ' ' y 2 (a, b ) − [ f ' ' xy (a, b )] , atunci :
2
∆ (a, b ) > 0 ü
1) Dacă ý Þ (a,b) este punct de minim local.
f ' ' x 2 (a, b ) > 0þ
∆ (a, b ) > 0 ü
2) Dacă Þ (a,b) este punct de maxim local.
f ' ' y 2 (a, b ) < 0ý
þ
3) Dacă ∆ (a , b ) < 0 Þ (a,b) este punct “şa”.
DEMONSTRAŢIE : Scriem formula lui Taylor de ordinul 2

pentru funcţia f în punctul (a,b) :
1 1
f ( x, y ) − f ( a , b) = [ f ' x ( a, b)( x − a ) + f ' y ( a , b)( y − b)] + [ f ' ' x 2 ( a , b)( x − a ) 2 +
1! 2!
1
+ 2 f ' ' xy ( a , b)( x − a )( y − b) + f ' ' y 2 ( a, b)( y − b) ] + ω ( x, y ) ρ 2 ( x, y )
2
2!
Dăm factor comun pe ρ 2 şi avem :

1 ( x − a)2 x−a y −b
f ( x, y ) − f ( a , b) = [ f ' ' x 2 ( a , b) + 2 f ' ' xy ( a , b) +
2! ρ 2
ρ ρ
( y − b) 2
+ f ' ' y 2 ( a , b) + ω ( x, y )]ρ 2 ( x, y )
ρ2
Deoarece (a,b) este un punct staţionar, f ' x (a, b ) = 0 şi f ' y (a, b) = 0 .
Notăm : α = x − a , β = y − b , A = f ' ' x2 (a, b ) , B = f ' ' xy (a , b ) ,

ρ ρ
C = f ' ' y 2 (a , b )
Cu aceste notaţii, din relaţia de mai sus, obţinem :
1
f ( x, y) − f (a, b) = [ f ' ' x2 (a, b)α 2 + 2 f ' ' xy (a, b)αβ + f ' ' y2 (a, b)β 2 +
(*) 2!
+ ω( x, y)]ρ 2 ( x, y)
Expresia notată E(α, β ) = f ' ' x2 (a, b)α 2 + 2 f ' ' xy (a, b)αβ + f ' ' y2 (a, b)β 2
este o funcţională cu variabilele α şi β .
Observaţie : α 2 + β 2 = ( x − 2a ) + ( y − 2b ) = 1 pentru orice punct

2 2
ρ ρ
(x, y ) ≠ (a, b ) .
Matricea formei pătratice E (α , β ) este :
æ f ' ' 2 (a, b ) f ' ' xy (a , b ) ö

A = çç x ÷ , f ' ' xy (a , b ) = f ' ' yx (a, b ) pentru că
f ' ' (a , b ) f ' ' y 2 (a, b )÷
è xy ø
derivatele parţiale sunt continue.
Presupunând că f ' ' x 2 (a , b ) ≠ 0 şi det A ≠ 0 , aducem forma pătratică

E (α , β ) la forma canonică prin metoda lui Iacobi.
∆0 = 1
∆1 = f ' ' x2 (a, b )
∆ 2 = ∆ (a , b ) = f ' ' x 2 (a , b ) f ' ' y 2 (a , b ) − ( f ' ' xy (a , b ))
2
1 f ' ' x 2 (a , b )
Atunci : E (γ , δ ) = γ2 + δ2
f ' ' x2 (a, b ) ∆ (a , b )
Prin urmare :
∆ (a , b ) > 0 ü
1) Dacă ý Þ funcţionala pătratică E (γ , δ ) este
f ' ' x 2 (a , b ) > 0 þ
pozitiv definită ( deci şi E (α , β ) este pozitiv definită ).
Fie m>0 minimul funcţionalei pătratice E (α , β ) pe mulţimea

{(α , β ) ∈ R 2 | α 2 + β 2 = 1} . Prin urmare există V1 (a, b) astfel încât
din (*) avem : f ( x, y ) − f (a, b ) ≥ 1 [m + ω ( x, y )]ρ 2 ( x, y ) .
2
Deoarece lim ω ( x, y ) = 0 , rezultă că (m + ω ( x, y ))ρ 2 ( x, y ) ≥ 0 şi
x→a
y →b
deci f ( x, y ) ≥ f ( a, b) , oricare ar fi ( x , y ) ∈ V1 ( a , b) , deci (a,b) este

un punct de minim local pentru funcţia f .
∆ (a, b ) > 0 ü
2) Dacă Þ funcţionala pătratică E (γ , δ ) este
f ' ' y 2 (a , b ) > 0ýþ
negativ definită ( deci şi E (α , β ) este negativ definită ).
Fie M<0 maximul funcţionalei pătratice E (α , β ) pe mulţimea

{(α , β ) ∈ R 2 | α 2 + β 2 = 1} . Prin urmare există V2 (a, b) astfel încât
din (*) avem : f ( x, y ) − f (a, b ) ≤ 1 [M + ω ( x, y )]ρ 2 ( x, y ) .
2
Deoarece lim ω ( x, y ) = 0 , rezultă că (M + ω ( x , y ))ρ 2 ( x, y ) ≤ 0 şi
x→a
y →b
deci f ( x, y ) ≤ f ( a, b) , oricare ar fi ( x , y ) ∈ V2 ( a , b) , deci (a,b) este

un punct de maxim local pentru funcţia f .
3) E (α , β ) = Aα 2 + 2 Bαβ + Cβ 2 . Împărţim cu β 2 şi fie t = α .

β
Obţinem : E (t ) = At + 2 Bt + C unde ∆ (a , b ) = AC − B < 0 . Prin
2 2
urmare, B 2 − AC > 0 , deci ecuaţia At 2 + 2 Bt + C = 0 are două

rădăcini reale şi diferite t1 ≠ t 2 .
Când punctul (x,y) înconjoară punctul (a,b) , α şi β iau toate
valorile cuprinse între –1 şi 1 , deci t = α ia valori între t1 şi t 2 şi
β
în afara lor. E (α , β ) este o formă pătratică nedefinită şi deci punctul
(a,b) nu este nici punct de minim local, nici de maxim local. Este
punct “şa” .
EXEMPLE :
1) Să se determine punctele de extrem ale funcţiei f : R 2 → R ,

f ( x , y ) = x 3 + y 3 + 3xy
f ' x ( x, y ) = 3x 2 + 3 y = 0 üï
ý Þ A(0,0), B (− 1,−1) sunt puncte staţionare
f ' y ( x, y ) = 3 y 2 + 3x = 0þï
f ' ' x 2 ( x, y ) = 6 x , f ' ' xy ( x, y ) = 3 , f ' ' y 2 ( x, y ) = 6 y .

Pentru punctul A : f ' ' x 2 (0,0) = 0 , f ' ' xy (0,0) = 3 , f ' ' y 2 (0,0) = 0 ,
deci ∆ (0,0 ) = 0 ⋅ 0 − 9 < 0 , prin urmare A este punct “şa”.
Pentru punctul B : f ' ' x2 (− 1,−1) = −6 , f ' ' xy (− 1,−1) = 3 ,
f ' ' y 2 (− 1,−1) = −6 , deci ∆ (− 1,−1) = (− 6 ) ⋅ (− 6 ) − 9 = 27 ≥ 0
f ' ' x 2 (− 1,−1) = −6 < 0 , prin urmare, B este punct de maxim local.
2) Să se determine extremele funcţiilor :
a) f ( x, y ) = x 2 − xy + y 2 − 2 x + y
ì f ' x ( x, y ) = 0 ì2 x − y − 2 = 0
í Þí Þ x = 1, y = 0
î f ' y ( x, y ) = 0 î − x + 2 y + 1 = 0
Deci A(1,0) este punct staţionar .
f ' ' x2 = 2; f ' ' y 2 = 2; f ' ' xy = −1
( f ' ' xy (1,0)) 2 − f ' ' x 2 (1,0 ) ⋅ f ' ' y 2 (1,0) = −3 < 0 Þ (1,0) este un
punct de extrem
f ' ' x 2 (1,0 ) = 2 > 0 , deci punctul este de minim.
Minimul funcţiei este f (1,0 ) = −1 .
b) f ( x, y ) = x 6 + 4 y 6 + 5 y 2 − 4 x 3 y 3
ìï f ' x ( x, y) = 6x5 −12x2 y3 = 0 ì6x2 ( x3 − 2 y3 ) = 0
í Þ í Þ
ïî f ' y ( x, y) = 24y + 10y −12x y = 0 î2 y(12y4 + 5 − 6x3 y) = 0
5 3 2
ìx = 0
Þí
îy = 0
ìx = 0
Þí nu are soluţii.
î12 y + 5 − 6 x y = 0
4 3
ìx3 − 2 y 3 = 0 ìx = 0
Þí Þí
îy = 0 îy = 0
ìx3 − 2 y 3 = 0
Þí nu are soluţii.
î12 y 4
+ 5 − 6 x 3
y = 0
Deci punctul (0,0) este punct staţionar.

f ' ' x 2 ( x , y ) = 30 x 4 − 24 xy 3
f ' ' xy ( x , y ) = −36 x 2 y 2
f ' ' y 2 ( x, y ) = 120 y 2 − 24 x 3 y + 10
( f ' ' xy (0,0)) 2 − f ' ' x 2 (0,0) ⋅ f ' ' y 2 (0,0) = 0
f ( x, y) − f (0,0) = ( x 3 − 2 y 3 )2 + 5 y 2 ≥ 0 , (∀)( x, y) ∈ R2 Þ (0,0)
este punct de minim.
3) Să se găsească extremele funcţiei : f ( x, y) = ax2 + 2xy + ay2 + 1, a

fiind un parametru real.
ì f ' x = 2(ax + y ) = 0 ìax + y = 0

í Þí Þ (0,0) este punct staţionar.
î f ' y = 2(ay + x) = 0 îay + x = 0
f ' ' xy = 2; f ' ' x 2 = 2 a; f ' ' y 2 = 2a .

( f ' ' xy ) 2 − f ' ' x 2 ⋅ f ' ' y 2 = 4 − 4a 2 = −4( a 2 − 1)
Dacă a 2 − 1 < 0 ⇔ a ∈ ( −1,1) , nu avem punct de extrem în

(0,0) .
Dacă a 2 − 1 > 0 ⇔ a ∈ (− ∞,−1) ∪ (1, ∞) , există extrem în (0,0 ) ,
astfel :
Ø a ∈ (− ∞,−1) Þ (0,0 ) este punct de maxim
Ø a ∈ (1, ∞ ) Þ (0,0 ) este punct de minim
Dacă a = 1 Þ f ( x, y ) = x 2 + 2 x + y 2 + 1 = ( x + y )2 + 1 şi are cea

mai mică valoare pentru x = y = 0 , dar aceeaşi valoare o are
pentru orice x şi y pentru care x + y = 0 , deci (0,0 ) nu este
singurul punct de minim.
Dacă a = −1 Þ f ( x, y) = 1 − ( x − y)2 şi are în origine cea mai mare

valoare. Aceeaşi valoare o are şi când x = y , deci există
extreme în toate aceste puncte.
5.9. Metoda celor mai mici pătrate
Să presupunem că funcţia f : [a , b] → R este cunoscută în

punctele x1 < x 2 < Κ < x n . Fie yi = f ( xi ) , i = 1, 2, …, n. Altfel
spus, să presupunem că cunoaştem “norul” de puncte
xi x1 x2 … xn
yi y1 y2 … yn
y2 y3
y1 yn-1 yn
x1 x2 x3 … xn-1 xn
Ne punem problema să determinăm un polinom de gradul m
( m<n ) , Fm ( x ) astfel încât suma pătratelor diferenţelor dintre
valorile măsurate yi , i = 1, 2, …, n , şi cele calculate Fm ( xi ) să fie
minimă.
Fie Fm ( x) = a0 + a1x + a2 x2 +Κ + amxm (1). Suma pătratelor

m 2
diferenţelor specificate este: s(a0,a1,Κ , am ) = å[Fm (xi ) − yi ] → min (2)
i=1
Ø Cazul m = 1 : Interpolarea cu o dreaptă F1 ( x ) = ax + b
n 2
Relaţia (2) devine : (3) s(a, b) = å[ yi − (axi − b)] → min
i=1
ì ∂s (a, b ) n
ï ∂b = 2 å [ yi − axi − b](1) = 0
ï i =1
í
ï ∂s (a, b ) = 2 [ y − ax − b]x = 0
n
îï ∂a
å
i =1
i i i
Punctele staţionare se obţin din sistemul :

ìn ì n n
ïå( yi − axi − b) = 0 ïaå xi + nb = å yi

(4) ïí i=1 Þ (5) ïí i=1 i =1
ï ( y x − ax2 − bx ) = 0
n n n n
ïa x 2 + b x = x y
å
ïî i=1 i i i i å
ïî i=1 i åi =1
i å
i =1
i i
Sistemul (5) se numeşte sistemul ecuaţiilor normale ( sistemul lui

Gauss ).
ì n
ï j å ( xi ) , j = 0,1, Κ ,2m
j
u =
Facem notaţiile : (6) ïí i =1
n
ïv = y i ( xi ) , j = 0,1, Κ , m
ïî j å
j
i =1
Atunci sistemul (5) devine :
ìau1 + bu0 = v0
(7) í , sistem care are soluţiile:
îau 2 + bu1 = v1
ì v0 u1 − v1u0
ïïa = ∆
í , ∆ = u12 − u0u2 ≠ 0
ïb = u1v1 − u2 v0
îï ∆
Deci F1 ( x ) = ax + b este complet determinată.
Ø Cazul general :
Fie Fm ( x ) = a0 + a1 x + a 2 x 2 + Κ + a m x m . Atunci :
2
[ ]
m n
s(a0,a1,Κ , am ) = å[ yi − Fm ( xi )] = å a0 + a1xi + a2 xi2 +Κ + am xim − yi → min
2
i=1 i=1
ì ∂s (a 0, a1 , Κ , a m )
= 2 êå (a0 + a1 xi + a 2 xi2 + Κ + a m xim − yi )ú(1) = 0
én ù
ï
ï ∂ a 0 ë i =1 û
ï ∂s (a , a , Κ , a )
= 2 êå (a 0 + a1 xi + a 2 xi2 + Κ + a m xim − yi )ú xi = 0
0 1 m é n
ù
ï
í ∂a1 ë i =1 û
ïΜ
ï
ï ∂s (a0 , a1 , Κ , a m )
ï
∂a m
= 2
én
ê å (a 0 + a1 xi + a 2 xi2 + Κ + a m xim − yi )ú xim = 0
ù
î ë i =1 û
Prin urmare, sistemul ecuaţiilor normale este :
ì n n n n
na
ï 0 + a 1 å
i =1
x i + a 2 åi =1
x 2
i + Κ + a m åi =1
x m
i = å
i =1
yi
ï
ï n n n n n
(8) ïa 0 å xi + a1 å xi + a 2 å xi + Κ + a m å xi = å yi xi
2 3 m +1
í i =1 i =1 i =1 i =1 i =1
ïΜ
ï
ï n m n n n n
ï a 0
î i =1
å x i + a1 åi =1
x i
m +1
+ a 2 å
i =1
x m+ 2
i + Κ + a m åi =1
x 2m
i = å
i =1
y i xim
Cu notaţiile (6) , sistemul (8) devine :

ìu0 a0 + u1a1 + u 2 a 2 + Κ + um a m = v0
ïu a + u a + u a + Κ + u a = v
(9) ï 1 0 2 1 3 2 m +1 m 1
í
ïΜ
ïîu m a0 + um +1a1 + um + 2 a 2 + Κ + u2 m a m = v m
Rezolvând sistemul (9) obţinem valorile pentru a 0 , a1 , Κ , a m , pe

care , introducându-le în (1) , obţinem polinomul de interpolare de
gradul m.
EXEMPLU :
În ultimele trei luni, la un magazin , vânzările au fost ( în

milioane de lei ):
luna 1 2 3
val. 10 15 21
vânz
Să se determine polinomul de gradul I (dreapta de regresie)

care aproximează acest nor de puncte, şi să se estimeze valoarea
vânzărilor în luna următoare.
xi xi yi xi2 xi yi
1 -1 10 1 -10
2 0 15 0 0
3 1 21 1 21
3 0 46 2 11
å
i =1
ì3a0 + 0 ⋅ a1 = 46 ì3a 0 = 46 ìa 0 = 15,333

í Þí Þí
î0 ⋅ a 0 + 2 ⋅ a1 = 11 î2a1 = 11 îa1 = 5,5
1
F1 ( x ) = 15 + 5,5 x este dreapta de regresie.
3
F1 (2 ) = 15,33 + 11 = 26,33 pentru luna următoare.
OBSERVAŢIE : Metoda celor mai mici pătrate se poate

aplica nu numai utilizând polinoame Fm ( x ) ci şi alte funcţii.
CAPITOLUL 6
CALCUL INTEGRAL
6.1. Extensii ale noţiunii de integrală
În liceu s-a introdus noţiunea de integrală Riemann a unei

funcţii f : [a , b ] → R ca fiind ò f (x )dx
b
şi am presupus că a, b
a
sunt finite, iar funcţia f este mărginită pe intervalul [a, b ] .
Amintim câteva proprietăţi :
1) Dacă f este continuă pe [a, b] , atunci f este integrabilă pe

[a, b] .
2) Dacă f este monotonă pe [a, b] , atunci f este integrabilă pe
[a, b] .
3) Dacă f este integrabilă pe [a, b] , atunci f este mărginită pe
[a, b] .
Observaţie : reciproca nu este adevărată.
4) Liniaritatea: ò (αf ( x ) + βg ( x ))dx = α ò f ( x )dx + β ò g ( x )dx

b b b
a a a
pentru orice α , β ∈ R .
În continuare vom studia câteva generalizări .
6.2. Integrale cu limite infinite
Fie f : [a , b] → R , continuă pe [a, b] . Rezultă că f este
ò f (x )dx
b
integrabilă şi există pentru orice b > a .
a
∞
DEFINIŢIA 6.2.1. : I 1 = ò f ( x )dx este convergentă dacă
a
lim ò f ( x )dx există şi este finită.

b
b →∞ a
∞
Deci I 1 = ò f ( x )dx = lim ò f ( x )dx dacă limita există şi este
b
a b →∞ a
finită .
Dacă limita nu există sau este ± ∞ , atunci I 1 este
divergentă.
f ( x )dx este convergentă dacă

b
DEFINIŢIA 6.2.2. : I 2 = ò
−∞
ò f (x )dx
b
lim există şi este finită.
a → −∞ a
f ( x )dx = lim ò f (x )dx

b b
Deci I 2 = ò dacă limita există şi
−∞ a → −∞ a
este finită.
divergentă.
DEFINIŢIA 6.2.3. : Dacă I 1 şi I 2 sunt convergente,

∞ ∞
f ( x )dx = ò f ( x )dx + ò f ( x )dx , unde c ∈ R , este
c
atunci şi I 3 = ò
−∞ −∞ c
convergentă şi are ca valoare suma I 2 + I 1 .
Dacă cel puţin una din integralele I 1 sau I 2 este
divergentă, atunci şi I 3 este divergentă.
EXEMPLE :
1)
∞ b
[ ]
é 1 ù
I 1 = ò e − x dx = lim ò e − x dx = lim − e − x |b0 = lim ê− b + 1ú = 1
0 b→ ∞ 0 b→ ∞ b→ ∞
ë e û
∞ 1
2) Să se arate că dacă a > 0 , integrala improprie I = ò p dx este
a x
convergentă pentru p > 1 şi divergentă pentru p ≤ 1 .
Ø Dacă p > 1 :
a1−p
I = limò
b 1 b é 1 1−p ù b 1
dx = limò x−pdx = limê
b→∞ 1− p
x ú |a = [
limb1−p − a1−p = ]
û 1− p b→∞ p −1
b→∞ a x p b→∞ a
ë
şi este convergentă.
Ø Dacă p = 1 :
I = lim[ln x ] |ba = ∞ , deci este divergentă.
b→∞
Ø Dacă p < 1 :
b 1
I = lim ò p dx = lim
b→ ∞ a x
1
b→∞ 1 − p
[x1− p ] |ba = 1 −1 p lim
b→ ∞
[b1− p − a1− p ] = ∞ ,
deci este divergentă.
6.3. Integrale în care funcţia f este nemărginită într-un

punct al intervalului de integrare
Fie funcţia f : [a, b] → R .
|
a a +ε b
1) lim f ( x ) = ±∞
x →a
x >a
DEFINIŢIA 6.3.1. : Integrala I1 = f ( x )dx = lim f ( x)dx

b b
ò aò ε →0 a +ε
ε >0
este convergentă dacă limita există şi este finită.

divergentă .
2) lim f ( x ) = ±∞
x →b
x <b
DEFINIŢIA 6.3.2. : Integrala I 2 = ò f (x)dx = limò f (x)dx

b b
a ε →0 a+ε
ε >0
este convergentă dacă limita există şi este finită.

divergentă .
3) Există c ∈ (a, b ) astfel încât lim f ( x )dx = ±∞

x →c
c−ε
I3 = ò f ( x)dx = ò f ( x)dx + ò f ( x)dx = limò f ( x)dx + limò f ( x)dx = I2 + I1
b c b b
a a c ε →0 a ε →0 c−ε
ε >0 ε >0
Dacă I 1 şi I 2 sunt convergente, atunci şi I 3 este convergentă şi

I 3 = I 1 + I 2 . Dacă cel puţin una din integralele I 1 sau I 2 este
divergentă, atunci I 3 este divergentă.
EXEMPLE :
1)
5 dx 5 dx
I1 = ò = lim ò = limln(x − 2) |52+ε = lim(ln 3 − lnε ) = + ∞ ,
2 x − 2 ε >0
ε →0 2+ε x + 2 εε →
>0
0 ε →0
ε >0
deci este divergentă.
1 π
dx = lim[arcsin x] |10−ε = lim(arcsin(1 − ε ) − arcsin0) =
1
2) I2 = ò
0
1− x 2 ε →0
ε >0
ε →0
ε >0
2
1−ε
I 3 = ò ln x − 1 dx = lim é ò ln(1 − x )dx + ò ln( x − 1)dx ù
2 2
3)
0 ε →0 ê
ë0 1−ε úû
ε >0
1−ε
I1 = limò ln(1− x)dx= lim[(1− x) ln(1− x) −(1− x)] |10−ε = lim[ε lnε −ε +1ln1−1] = −1
ε→0 0 ε→0 ε→0
ε>0 ε>0 ε>0
I2 = limò ln(x −1)dx= lim[(x −1) ln(x −1) − (x −1)] |12+ε = lim[1ln1−1−ε lnε +ε] = −1
2
ε→0 1−ε ε→0 ε→0

ε>0 ε>0 ε>0
Deci I 3 = I 1 + I 2 = −2 .
CRITERIU DE CONVERGENŢĂ : ( fără demonstraţie )
Fie f , g : [a , b ) → R , integrabile pe orice interval

[a, x ] ⊂ [a, b) . Dacă :
0 ≤ f ( x ) ≤ g ( x ) şi ò g (x )dx
b
1) este convergentă, atunci şi
a
ò f (x )dx
b
este convergentă.
a
0 ≤ f ( x ) ≤ g ( x ) şi ò f (x )dx
b
2) este divergentă, atunci şi
a
ò g (x )dx
b
este divergentă.
a
6.4. Integrale Euleriene
Ø Integrala Gamma ( integrală Euler de speţa a-2-a )
∞
(1) Γ(a ) = ò x a −1e − x dx
0
Aceasta este o integrală improprie (generalizată) şi depinde

de parametrul “a”.
PROPRIETĂŢI :
P1. Γ(a ) este convergentă pentru a>0 .

P2. Γ (1) = 1 .
P3. Formula de recurenţă : Γ(a ) = (a − 1)Γ(a − 1) , oricare ar fi a>1 .
P4. Γ(n ) = (n − 1)⋅!
P5. Γæç 1 ö÷ = π
è2ø
DEMONSTRAŢIE :
P1. Pentru a studia convergenţa integralei o vom descompune în

două integrale.
∞
Γ(a ) = I 1 + I 2
1
, I 1 = ò x a −1e − x dx , I 2 = ò x a −1e − x dx
0 1
1
I 1 = ò x a −1e − x dx este convergentă deoarece :
0
e−x
lim( x − 0) ⋅ f ( x) = limxα = 1 dacă α = 1 − a . Cum a>0, rezultă
α
x→0
x>0
x→0
x>0
x1−a
α < 1.
Pentru I 2 aplicăm criteriul corespunzător integralelor
generalizate cu limite infinite. Criteriul este următorul :
Fie f : [a, ∞ ) → R, a > 0, f ( x ) > 0 , oricare ar fi x ∈ [a, ∞ ) . Dacă
lim x α f ( x ) = L (finit), atunci :
x→∞
∞
1) pentru α > 1 , ò f ( x )dx este convergentă.
a
2) pentru α ≤ 1 şi L ≠ 0 integrala este divergentă.
β +a −1
Calculăm lim x β f ( x ) = lim x β x a −1e − x = lim x
= 0 , dacă β > 1 .
x →∞ x →∞ ex x →∞
Deci, funcţia Γ(a ) este convergentă oricare ar fi a>0 .
∞
Γ(1) = e − x dx , F (u ) = ò e − x dx , u ∈ [0, ∞ )
u
P2. ò 0 0
F (u ) = −e − x |u0 = −e − u + 1 , lim F (u ) = 1 .
u →∞
∞ ∞ ∞
P3. Γ(a) = ò xa−1e−xdx = −xa−1e−x |0∞ +ò (a −1)xa−2e−xdx = (a −1)ò xa−2e−xdx Þ
0 0 0
Þ Γ(a ) = (a − 1)Γ(a − 1) .
Integrarea o vom face prin părţi.

f = x a −1 , f ' = ( a − 1) x a − 2
g ' = e − x , g = −e − x
P4. Γ(n) = (n −1)Γ(n −1) = (n −1)(n −2)Γ(n −2) =Κ = (n −1)(n −2) ⋅Κ ⋅1⋅ Γ(1) Þ
Þ Γ(n ) = ( n − 1)!
1 −x
æ1ö ∞ − ∞ e
P5. Γç ÷ = ò x 2 e − x dx = ò dx
è2ø 0 0
x
Schimbarea de variabilă x = t 2 conduce la : Γæç 1 ö÷ = 2 ò e −t dt = π
∞ 2
è2ø 0
∞
EXEMPLU : Să se calculeze : Γ(a ) = ò x 2 n e − ax dx , a > 0
2
Notăm ax2 = y Þ x 2 = y Þ x = y = 1 y Þ dx = 1 ⋅ 1 dy
a a a a 2 y
Dacă x = 0 Þ y = 0 . Dacă x → ∞ Þ y → ∞ .
2n 2n+1 2n+1
æ 1 ö −y æç 1 1 ö÷ æ 1 ö ∞ n−2 −y
1
∞ 1 æ 1 ö æ 2n +1ö
Γ(a) = ò ç y÷ e ç ⋅ dy÷ = ç ÷ ò y e dy= ç ÷ Γç ÷=
0
è a ø è a 2 y ø è aø
0 2è a ø è 2 ø
2 n +1
1æ 1 ö ( 2n − 1)!
= ç ÷ 2 n −1
π
2è a ø 2 ( n − 1)!
æ 2n +1ö 2n −1 æ 2n −1ö 2n −1 2n −3 æ 2n −3ö 2n −1 2n −3 1 æ 1ö
Γç ÷= Γç ÷= ⋅ Γç ÷= ⋅ ⋅Κ ⋅ ⋅ Γç ÷ =
è 2 ø 2 è 2 ø 2 2 è 2 ø 2 2 2 è 2ø
( 2n − 1)! π ( 2n − 1)! π
= ⋅ = 2 n −1
2 n
2 ⋅ 4 ⋅ 6 ⋅ Κ ⋅ ( 2n − 2) 2 ( n − 1)!
Ø Integrala Beta
(2) β (a , b ) = ò x a −1 (1 − x )b−1 dx
1
PROPRIETĂŢI :
P1. β (a, b ) este convergentă pentru a>0 , b>0 .

P2. β (a , b ) = β (b, a )
P3. Formula de recurenţă în raport cu primul parametru :
a −1
β (a, b ) = β (a − 1, b )
a + b −1
P4. Formula de recurenţă în raport cu ambii paramentrii :
a −1 b −1
β (a, b ) = ⋅ β (a − 1, b − 1)
a + b −1 a + b − 2
P5. Integrala Beta are următoarele forme :
∞
(i) β (a , b ) = ò y a −1 (1 + y ) −( a +b ) dy
0
π
β (a, b ) = 2 ò 2 (cos t ) (sin t )2b−1 dt
2 a −1
(ii)
0
P6. β (a, b ) = Γ(a ) ⋅ Γ(b )

Γ(a + b )
DEMONSTRAŢIE :
P1. Pentru a>1 şi b>1, funcţia f ( x ) = x a −1 (1 − x )b−1 este continuă

pe [0,1] şi deci integrabilă.
Pentru 0 < a ≤ 1 , 0 < b ≤ 1 ( observaţie : într-unul din
cazuri, integrala este improprie ) , lim f ( x ) = ∞ , lim f ( x ) = ∞ .
x →0 x →1
x >0 x <1
Fie c ∈ (0,1) . β (a, b) = x a−1 (1 − x) dx + x a−1 (1 − x ) dx .

c b−1 1 b−1
0 c
Notăm cu I 1 şi I 2 cele două integrale I 1 = ò x a −1 (1 − x )b−1 dx ,

c
I 2 = ò x a −1 (1 − x ) dx .
c b −1
0
Pentru I 1 , lim x1−a f ( x ) există şi este finită. Integrala I 1 este

x→a
x >a
convergentă pentru 1 − a < 1 Þ a > 0 .

Pentru I 2 , lim(1 − x )1−b f ( x ) = 1 . Deci integrala I 2 este
x →b
x <b
convergentă pentru 1 − b < 1 Þ b > 0 .
P2. β(a, b) = ò xa−1(1 − x)b−1dx = −ò (1 − y)a−1 yb−1dy = ò yb−1(1− y)a−1dy = β(a, b)

1 0 1
0 1 0
Notăm x = 1 − y Þ dx = −dy .
x = 0 Þ y = 1, x = 1Þ y = 0
P3. β (a, b) = ò xa−1 (1 − x)b−1 dx = − 1 x a−1 (1 − x)b |10 + a − 1 ò xa−2 (1 − x)b dx =

1 1
0 b b 0
a − 1 1 a −2 − 1 a − 1 1 a −1
x (1 − x ) dx = x a −2 (1 − x ) dx − x (1 − x ) dx =
a 1 b −1 b −1
= ò ò b ò0
b
b 0 b 0
a −1 a −1
= β (a − 1, b ) Þ β (a, b ) = β (a − 1, b )
b a + b −1
f = x a −1 , f ' = ( a − 1) x a − 2
1
g ' = (1 − x ) , g = − (1 − x )b
b −1
a −1 a −1
P4. β (a, b ) = β (a − 1, b ) = β (b, a − 1) =
a + b −1 a + b −1
a −1 b −1 a −1 b −1
= ⋅ β (b − 1, a − 1) = ⋅ β (a − 1, b − 1)
a + b −1 a + b − 2 a + b −1 a + b − 2
Γ(a ) ⋅ Γ(b )
P6. β (a, b ) =
Γ(a + b )
∞
Pentru t>0 , I 1 = ò x a −1e −tx dx .
0
Notăm tx = y Þ x = y Þ dx = 1 dy . Dacă x = 0 Þ y = 0 ,
t t
dacă x → ∞, y → ∞ .
∞ ∞ y a −1 − y 1 ∞ 1
ò x a −1e −tx dx = ò a −1
e dy Þ ò x a −1e −tx dx = a Γ(a )
0 0 t t 0 t
Înlocuim pe t cu t+1 şi pe a cu a+b :
∞ 1
ò x a +b−1e −( t +1) x dx = Γ(a + b ) . Înmulţim această relaţie cu
0 (t + 1) a +b
t b−1 şi apoi integrăm de la 0 la ∞ în raport cu t.
∞ ∞ ∞ 1
ò0 t éêëò0 x e dx ùúûdt = Γ(a + b) = ò0 t (t + 1) a+b dt
b−1 a + b−1 − ( t +1) x b−1
∞ ∞
ò t b−1 é ò x a +b−1e −( t +1) x dx ùdt = Γ(a + b )β (a, b )
0 êë 0 úû
a +b−1 − x 1
∞ ∞ ∞
ò0 x e éêëò0 t e dtùúûdx = ò0 x e x b Γ(b)dx = Γ(a + b)β (a, b) Þ
a +b−1 − x b −1 −tx
∞
Þ Γ(b) ⋅ ò x a−1e − x dx = Γ(a + b)β (a, b) Þ Γ(b) ⋅ Γ(a ) = Γ(a + b)β (a, b) Þ
0
Γ(a ) ⋅ Γ(b )
Þ β (a, b ) =
Γ(a + b )
EXEMPLU : Să se calculeze integralele :
1 3e
1. I =ò ln x ⋅ (1 − ln x ) 4 dx
1 x
1
Notăm ln x = t şi deci dx = dt .
x
1 Γ( 4)Γ(5) 3!⋅4! 1 .
I = ò t 3 (1 − t ) 4 dt =β ( 4,5) = = =
0 Γ( 9) 8! 280
8 x4
2. I =ò dx
0 1 + x6
Notăm x 6 = t Þ I = 1 ò t 6 (1 + t ) −1 dt = 1 β æç 5 , 1 ö÷ = π
1
∞ −
6 0 6 è6 6ø 3
Ø Integrala Euler – Poisson
∞
f ( x ) = e − x este
2 2
I= e − x dx (funcţia continuă, deci
0
integrabilă)
dy
x 2 = y Þ 2 xdx = dy Þ dx = . Dacă x = 0 Þ y = 0 ,
2x
dacă x → ∞ Þ y → ∞
∞ 1 1 ∞ −
1
1 æ1ö π
I =ò e −y
dy = ò y 2 e − y dy = Γç ÷ =
0 2 y 2 0 2 è2ø 2
EXEMPLU:
æ 7ö æ 5ö
π Γç ÷ ⋅ Γç ÷
1 æ 7 5ö 1 2 2 1 5 3 1 æ 1ö 3 1
I = ò sin6 x ⋅ cos4 xdx= βç , ÷ = è ø è ø =
2
⋅ ⋅ ⋅ ⋅ Γç ÷ ⋅ ⋅ ⋅
0 2 è 2 2ø 2 Γ(6) 2 ⋅ 5! 2 2 2 è 2 ø 2 2
æ 1ö 5⋅ 9π 3π
⋅ Γç ÷ Þ I = 6 = 9
è 2ø 2 ⋅ 5! 2
CAPITOLUL 7
CÂMP DE EVENIMENTE. CÂMP DE PROBABILITATE
7.1. Noţiuni fundamentale: evenimente; probabilitatea de

producere a evenimentelor.
DEFINIŢIE : Experienţa reprezintă orice act care poate fi

repetat în condiţii date. Aplicarea experienţei asupra unei populaţii
date se numeşte probă.
DEFINIŢIE : Evenimentul reprezintă orice rezultat al unei

experienţe.
Noţiunea de eveniment în teoria probabilităţilor este legată
de producerea sau neproducerea unui fenomen (într-o experienţă
dată) şi nu de natura fenomenului.
EXEMPLUL 1 : La controlul de recepţie a mărfurilor :

Ø Experienţa constă în cercetarea unui lot de marfă, dacă
corespunde sau nu din punct de vedere al calităţii.
Ø Proba constă în cercetarea calităţii unei unităţi (unui articol)
din marfa respectivă.
Ø Evenimentele rezultate sunt :
-articolul este corespunzător;
-articolul nu este corespunzător.
EXEMPLUL 2 : La aruncarea unui zar :

Ø Experienţa constă în crearea condiţiilor de aruncare a
zarului (masă, zar).
Ø Proba constă în aruncarea zarului şi citirea feţei.
Ø Evenimentele sunt asociate feţelor 1, 2, 3, 4, 5 sau 6.
DEFINIŢIE : Se numeşte eveniment elementar

evenimentul care se poate realiza printr-o singură probă.
Dacă o experienţă are n rezultate posibile, vom nota
evenimentele elementare cu ω1 , Κ , ω n .
DEFINIŢIE : Notăm cu Ω mulţimea tuturor evenimentelor

elementare, Ω = {ω1 , Κ , ω n } .
De exemplu, în cazul aruncării zarului, Ω = {1,2,3,4,5,6} .
OBSERVAŢIE : Mulţimea Ω este evenimentul sigur

(adică evenimentul care se poate realiza prin oricare din probe).
DEFINIŢIE : Evenimentul care nu se produce la nici o

efectuare a experienţei se numeşte evenimentul imposibil, pe care
îl notăm cu Φ .
DEFINIŢIE : Evenimentul care poate fie să se producă fie

să nu se producă în efectuarea unei experienţe se numeşte
eveniment aleator (întâmplător).
Vom nota evenimentele aleatoare cu litere mari A, B, C, …

Dacă evenimentele aleatoare pot fi observate de mai multe ori în
condiţii identice se constată că ele se supun unor legităţi statistice.
Teoria probabilităţilor studiază aceste legităţi, care permit să se
prevadă desfăşurarea evenimentelor.
Fiecărui eveniment A îi corespunde un eveniment contrar

(opus, complementar) care se realizează atunci şi numai atunci când
nu se realizează evenimentul A. Vom nota evenimentul contrar cu
A sau C(A).
OBSERVAŢIE : Ω = Φ ; Φ = Ω .
DEFINIŢIE : Evenimentul A implică evenimentul B, dacă

realizarea evenimentului A atrage după sine realizarea
evenimentului B. Notăm A ⊂ B .
OBSERVAŢIE : Dacă A este un eveniment şi Ω este
evenimentul sigur, evident A ⊂ Ω .
DEFINIŢIE : Dacă A ⊂ B şi B ⊂ A , atunci evenimentele A

şi B sunt echivalente.
7.2. Operaţii cu evenimente
Fie evenimentele A şi B.
DEFINIŢIE : Evenimentul a cărui producere constă în

producerea a cel puţin unuia din evenimentele A şi B se numeşte
reuniunea (suma) evenimentelor. Se notează cu A ∪ B şi se citeşte
A sau B.
DEFINIŢIE : Evenimentul care constă în producerea

simultană a evenimentelor A şi B se numeşte intersecţia (produsul)
evenimentelor. Se notează cu A ∩ B şi se citeşte A şi B.
n n
În general, S = Υ Ai şi I = Ι Ai .
i =1 i =1
DEFINIŢIE : Două evenimente sunt incompatibile dacă nu

se pot produce simultan. Deci A ∩ B = Φ .
OBSERVAŢIE : A ∩ A = Φ .
DEFINIŢIE : Diferenţa evenimentelor A–B este

evenimentul care se produce atunci şi numai atunci când se produce
A şi nu se produce B. Avem : A − B = A ∩ B .
Proprietăţi ale operaţiilor cu evenimente :
A∪ B = B ∪ A A∩ B = B ∩ A
( A ∪ B) ∪ C = A ∪ ( B ∪ C ) ( A ∩ B) ∩ C = A ∩ ( B ∩ C )
A∪ A = A A∩ A = A
A∪Φ = A A∩Φ = Φ
A∪Ω = Ω A∩Ω = A
A∪ A = Ω A∩ A = Φ
( A) = A
Φ =Ω
æ n ö n
çç Υ A i ÷÷ = Ι Ai
è i =1 ø i =1
DEFINIŢIE : O mulţime nevidă K de părţi ale lui Ω se

numeşte corp de evenimente dacă :
a) oricare ar fi evenimentul A din mulţimea K, atunci şi
evenimentul A aparţine mulţimii K.
b) oricare ar fi evenimentele A şi B din mulţimea K,
A ∪ B aparţime mulţimii K.
CONSECINŢE :
a) Ω ∈ K
Demonstraţie : dacă A ⊂ K , atunci şi A ∈ K , iar A ∪ A = Ω ∈ K ,
conform proprietăţilor operaţiilor cu evenimente.
b) Φ ∈ K
Demonstraţie : deoarece Ω ∈ K , şi Ω = Φ ∈ K .
c) Dacă A, B ∈ K , atunci A − B ∈ K
Demonstraţie : A − B = A ∩ B = A ∪ B ∈ K .
d) Dacă A, B ∈ K , atunci A ∩ B ∈ K
DEFINIŢIE : O mulţime nevidă K de părţi ale lui Ω se

numeşte corp borelian de evenimente, dacă :
a) oricare ar fi evenimentul A din mulţimea K, atunci şi
evenimentul A aparţine mulţimii K.
∞
b) oricare ar fi A j ∈ K , j = 1,2,... , atunci ΥA
j =1
j ∈K.
DEFINIŢIE : Se numeşte câmp finit de evenimente, o

mulţime finită de evenimente elementare Ω pe care s-a definit un
corp de evenimente K. Se notează (Ω, K ) .
DEFINIŢIE : Se numeşte câmp borelian de evenimente o

mulţime finită de evenimente elementare Ω peste care s-a definit un
corp borelian de evenimente.
OBSERVAŢIE : Din definiţia anterioară rezultă că în

mulţimea evenimentelor câmpului (Ω, K ) există o submulţime
{ω i }, i = 1,..., n numită mulţimea evenimentelor elementare. Această
mulţime are următoarele proprietăţi :
1) ω i ≠ Φ , i = 1,..., n .
2) ω i ∩ ω j = Φ , i ≠ j .
n
3) Υω
i =1
i =Ω.
4) există cel puţin un eveniment A ∈ (Ω, K ) , A ≠ ω i , i = 1,..., n ,

astfel încât A = ω i1 ∪ ... ∪ ω i p , 1 ≤ p ≤ n .
DEFINIŢIE : E1, E2 ,...,En formează un sistem complet de

evenimente, deoarece :
n
1) ΥE
i =1
i =Ω
2) Ei ∩ E j = Φ , i ≠ j .
7.3. Conceptul de probabilitate
Pentru măsurarea şanselor de realizare a unui eveniment

aleator s-a introdus noţiunea de probabilitate. Sunt cunoscute trei
definiţii ale noţiunii de probabilitate.
1. Definiţia axiomatică introduce probabilitatea ca o funcţie p

definită pe un câmp de evenimente cu valori în mulţimea
numerelor reale.
2. Definiţia clasică a probabilităţii reduce conceptul de
probabilitate la cazul evenimentelor egal posibile.
3. Definiţia statistică exprimă probabilitatea cu ajutorul
frecvenţei de realizare a unui eveniment într-un număr mare
de experienţe realizate în aceleaşi condiţii.
DEFINIŢIA AXIOMATICĂ A PROBABILITĂŢII:
Fie (Ω, K ) un câmp de evenimente.

Funcţia P : (Ω, K ) → R , care asociază oricărui eveniment
A ∈ (Ω, K ) numărul real P(A), cu proprietăţile :
1) P( A) ≥ 0 , oricare ar fi A ∈ (Ω, K ) ,
2) P(Ω) = 1 ,
3) P( A ∪ B) = P( A) ∪ P( B ) , oricare ar fi A, B ∈ (Ω, K ) ,
A∩ B = Φ ,
se numeşte probabilitate.
Această definiţie a fost enunţată de A.N.Kolmogorov

(1929).
DEFINIŢIE : Un câmp de evenimente (Ω, K ) înzestrat cu o

probabilitate P se numeşte câmp de probabilitate, şi se notează cu
(Ω, K , P) .
DEFINIŢIE : Se numeşte probabilitate σ - aditivă (sau
complet aditivă) pe câmpul borelian de evenimente (Ω, K ) o
funcţie P : (Ω, K ) → R cu proprietăţile :
1) P( A) ≥ 0 , oricare ar fi A ∈ (Ω, K ) ,
2) P(Ω) = 1 ,
∞ ∞
3) Pæçç Υ Ai ö÷÷ = å P ( Ai ) , oricare ar fi şirul ( Ai )i∈N * ∈ (Ω, K ) şi
è i =1 ø i =1
Ai ∩ A j = Φ , oricare ar fi i ≠ j .
DEFINIŢIE : Un câmp borelian de evenimente (Ω, K )

înzestrat cu o probabilitate σ - aditivă se numeşte câmp borelian
de probabilitate şi se notează (Ω, K , P) .
Consecinţe ale definiţiei axiomatice a probabilităţii:
C1. P( A ) = 1 − P( A)
Demonstraţie : Din proprietăţile operaţiilor cu evenimente ştim că

A∪ A = Ω. Atunci P( A ∪ A ) = P( A) + P( A ) , deoarece
A ∩ A = Φ . Rezultă că P( A ) = 1 − P( A) .
C2. Dacă Ai ∈ (Ω, K ) , i = 1,..., n cu proprietatea că Ai ∩ A j = Φ ,

∞ ∞
oricare ar fi i ≠ j , i, j = 1,..., n , atunci : Pæçç Υ Ai ö÷÷ = å P ( Ai ) .
è i =1 ø i =1
Demonstraţie : - folosim inducţia matematică .

Pentru n=2, relaţia este adevărată, conform proprietăţii numarul 3
din definiţia lui Kolmogorov.
Presupunem că propoziţia este adevărată pentru n-1, adică
n −1
æ n −1 ö n −1
Pçç Υ Ai ÷÷ = å P ( Ai ) . Notăm A = Υ Ai . Rezultă astfel că putem
è i =1 ø i =1 i =1
n −1
scrie ΥA
i =1
i = A ∪ An .
n −1
Atunci P æçç Υ Ai ö÷÷ = P( A) + P( An ) = å P( Ai ) .
n
è i =1 ø i =1
n
C3. å P(ω ) = 1 , unde ω , ω
i =1
i 1 2 ,..., ω n sunt evenimentele elementare
ale mulţimii Ω .
n
Demonstraţie: Υω
i =1
i =Ω şi ωi ∩ωj = Φ, i ≠j. Atunci
æn ö n
PççΥωi ÷÷ = P(Ω) = 1, deci åP(ω ) =1. i
è i=1 ø i=1
C4. Dacă A, B ∈ (Ω, K ) şi A ⊂ B , atunci P( A) ≤ P( B) .
p p+q
Demonstraţie: Dacă A ⊂ B , atunci A = Υω i şi B = Υω i
. Ştim că
i =1 i =1
ω i ∩ ω j = Φ , i≠j.
p p q
Deci : P( A) = å P(ω i ) şi P ( B ) = å P(ω i ) + å P(ω ) . i
Dar
i =1 i =1 i = p +1
P(ω i ) ≥ 0 , de unde rezultă că P( A) ≤ P( B) .
C5. Oricare ar fi evenimentul A ⊂ (Ω, K ) , este adevărată relaţia

0 ≤ P( A) ≤ 1 .
Demonstraţie: Oricare ar fi A ∈ (Ω, K ) , Φ ⊂ A ⊂ Ω , deci vom avea

P(Φ ) ≤ P( A) ≤ P(Ω) , adică 0 ≤ P( A) ≤ 1 .
C6. Să considerăm o experienţă în care mulţimea evenimentelor

elementare cuprinde evenimente egal posibile (exemplu: aruncarea
unui zar). Din C3. rezultă că P(ωi ) = 1 . Fie A ∈ (Ω, K ) , unde
n
k
A = ω i1 ∪ ... ∪ ω ik . Atunci P( A) = P(ωi1 ) + ... + P(ωik ) , deci P( A) = .
n
DEFINIŢIA CLASICĂ A PROBABILITĂŢII:
Probabilitatea unui eveniment A ⊂ (Ω, K ) este egală cu

raportul dintre numărul cazurilor favorabile producerii
evenimentului A şi numărul total de cazuri posibile.
7.4. Probabilităţi condiţionate
DEFINIŢIE : Fie (Ω, K , P ) un câmp borelian de

probabilitate. Fie A, B ∈ (Ω, K , P ) cu P( A) ≠ 0 . Să presupunem că
apariţia evenimentului B este condiţionată de apariţia evenimentului
A. Vom nota această probabilitate condiţionată cu PA (B ) sau
P( A ∩ B )
P( B / A) . Atunci PA ( B ) = = P ( B / A) .
P ( A)
Proprietăţi ale probabilităţilor condiţionate:
Proprietatea 1 :
{Ω, K , PA ( B )} este un câmp (chiar borelian) de
probabilitate.
Demonstraţie: Verificăm ipotezele :

1. PA ( B ) ≥ 0 deoarece P( A ∩ B ) ≥ 0 şi P( A) > 0
2. PA (Ω ) = 1
P ( A ∩ Ω) P( A)
PA (Ω) = = =1
P ( A) P( A)
3. PA ( B1 ∪ B2 ) = PA ( B1 ) + PA ( B2 )
P[(B1 ∪ B2 ) ∩ A] P[(B1 ∩ A) ∪ (B2 ∩ A)]
PA ( B1 ∪ B2 ) = = =
P( A) P( A)
P ( B1 ∩ A) P( B2 ∩ A)
= + = PA ( B1 ) + PA ( B2 )
P( A) P ( A)
În această demonstraţie avem în vedere faptul că
B1 ∩ B2 = Φ şi ( B1 ∩ A) ∩ ( B2 ∩ A) = B1 ∩ B2 ∩ A .
Proprietatea 2 :
Dacă P( A) ≠ 0 şi P(B) ≠ 0 , atunci este adevărată
relaţia P( A) ⋅ PA ( B) = P( B) ⋅ PB ( A) .
Demonstraţie:
P( A ∩ B ) , de unde
PA ( B ) = P ( A ∩ B ) = P ( A) ⋅ PA ( B )
P ( A)
P( B ∩ A) , de unde
PB ( A) = P ( B ∩ A) = P ( B ) ⋅ PA ( A)
P( B )
Cum P( A ∩ B ) = P( B ∩ A) , avem P( A) ⋅ PA(B) = P(B) ⋅ PB ( A)
şi proprietatea 2 este demonstrată.
DEFINIŢIE : Evenimentele A, B ∈ (Ω, K ) sunt

independente dacă P( A ∩ B ) = P ( A) ⋅ P( B ) .
7.5. Formule de calcul ale probabilităţilor în cazul operaţiilor cu

evenimente
1) Reuniunea evenimentelor incompatibile:

æ n ö n
P çç Υ Ak ÷÷ = å P ( Ak ) , dacă Ai ∩ A j = Φ , i ≠ j .
è k =1 ø k =1
Demonstraţia este imediată, prin metoda inducţiei matematice,

utilizând axioma 3 din definiţia axiomatică a probabilităţii.
2) Reuniunea evenimentelor compatibile:

P( A ∪ B ) = P ( A) + P( B ) − P( A ∩ B ) (*)
Demonstraţie : Evenimentele A şi B se mai pot scrie astfel:

A = ( A ∩ B) ∪ ( A ∩ B )
B = ( B ∩ A) ∪ ( B ∩ A )
Deci A ∪ B = ( A ∩ B ) ∪ ( A ∩ B ) ∪ ( A ∩ B ) . Evenimentele din
paranteze sunt independente două câte două.
P( A ∪ B ) = P( A ∩ B ) + P( A ∩ B ) + P( A ∩ B ) (α )
P ( A) = P ( A ∩ B ) + P ( A ∩ B )
P( B ) = P( A ∩ B ) + P( A ∩ B )
Din relaţia ( α ) scădem cele două relaţii de mai sus şi obţinem:
P( A ∪ B ) − P( A) − P( B ) = − P ( A ∩ B ) , de unde rezultă
P( A ∪ B ) = P ( A) + P( B ) − P( A ∩ B ) .
În general, fie sistemul de evenimente compatibile
{ A1 ,..., An } ⊂ K . Probabilitatea producerii a cel puţin unuia dintre
aceste evenimente este:
æn ö n
Pçç Υ Ai ÷÷ = å P( Ai ) − å P( Ai ∩ Aj ) + å P( Ai ∩ Aj ∩ Ak ) + ... +
è i=1 ø i=1 i< j i< j<k
n +1
+ ( −1) P( A1 ∩ A2 ∩ ... ∩ An ) . Această formulă se numeşte
formula lui Poincaré.
Demonstraţie: Se utilizează inducţia matematică.

În etapa de verificare, pentru n = 2 , se obţine relaţia (*)
care a fost demonstrată.
Se presupune proprietatea adevărată pentru k evenimente
compatibile, cu k ≤ n şi se demonstrează că formula lui Poincaré
este adevărată şi pentru n+1 evenimente. Atunci:
æ n+1 ö éæ n ö ù æn ö éæ n ö ù
Pçç Υ Ak ÷÷ = Pêçç Υ Ak ÷÷ ∪ An+1 ú = Pçç Υ Ak ÷÷ + P( An+1 ) − Pêçç Υ Ak ÷÷ ∩ An−1 ú =
è k =1 ø ëè k =1 ø û è k =1 ø ëè k =1 ø û
æ n
ö é n
ù
= Pçç Υ Ak ÷÷ + P( An−1 ) − PêΥ( Ak ∩ An+1 )ú .
è k =1 ø ë k =1 û
În primul şi al treilea termen al acestei relaţii se utilizează

formula Poincaré, adevărată pentru n evenimente compatibile.
Rezultă :
æ n+1 ö n+1 n
Pçç Υ Ak ÷÷ = å P( Ak ) − å P( Ai ∩ Aj ) + å P( Ai ∩ Aj ∩ Ak ) −
è k =1 ø k =1 i , j=1;i< j i , j ,k =1;i< j<k
n +1
æ ö
... + ( −1) n P çç Ι Ak ÷÷
è k =1 ø
EXEMPLU: Problema concordanţelor
O urnă conţine n bile numerotate 1,2,…,n. Se extrag pe rând

toate bilele din urnă. Se numeşte concordanţă de rang k evenimentul
ca la extragerea de rang k să apară bila cu numărul k. Fie Ak acest
eveniment. Să se determine probabilitatea de a avea cel puţin o
concordanţă.
Rezolvare: Fie A evenimentul de a avea cel puţin o
n
concordanţă. Rezultă că A = Υ Ak , iar evenimentele sunt
k =1
compatibile.
Se aplică formula lui Poincaré.
( n − 1)! 1
P( Ak ) = = , oricare ar fi k = 1,2,..., n .
n! n
(n − 2)! 1 , oricare ar fi
P( Ai ∩ Aj ) = = i, j = 1,2,..., n , şi i ≠ j .
n! n(n − 1)
……………………………………………………………………..
æ n ö 1
P çç Ι Ak ÷÷ =
è k =1 ø n!
Rezultă : P( A) = å 1 − å 1 1 1 1
n n
+ ... + (−1)n−1 ⋅ =n ⋅ − Cn2 +
k =1 n i, j=1;i< j n(n − 1) n n n(n − 1)
1 1 1 1 1
+ Cn3 + ... + ( −1) n −1 ⋅ = 1 − + + ... + ( −1) n −1 ⋅
n( n − 1)( n − 2) n! 2! 3! n!
3) Formula de înmulţire a probabilităţilor:
TEOREMA 1: Fie (Ω, K , P) un câmp de probabilitate şi fie

familia de evenimente ( A1 , A2 ,..., An ) ⊂ K independente în totalitatea
lor. Atunci, probabilitatea producerii simultane a celor n evenimente
este egală cu produsul probabilităţilor acestor evenimente:
æ n ö n
Pçç Ι Ak ÷÷ = ∏ P( Ak ) .
è k =1 ø k =1
Demonstraţie : Se face prin inducţie după n.

Pentru n=2, etapa de verificare, rezultă din definiţia
independenţei a două evenimente: P ( A1 ∩ A2 ) = P( A1 ) ⋅ P ( A2 )
Presupunem teorema adevărată pentru k evenimente
(k ≤ n) şi o demonstrăm pentru n+1 evenimente:
éæ n ö ù æ n ö
P ( A1 ∩ A2 ∩ ... An ∩ An +1 ) = P êçç Ι Ak ÷÷ ∩ An +1 ú = Pçç Ι Ak ÷÷ ⋅ P ( An +1 ) =
ëè k =1 ø û è k =1 ø
n +1
é n
ù
= ê∏ P ( Ak )ú ⋅ P( An +1 ) = ∏ P( Ak )
ë k =1 û k =1
TEOREMA 2: Într-un câmp de probabilitate (Ω, K , P) fie
familia de evenimente ( A1 , A2 ,..., An ) ⊂ K astfel încât probabilitatea
P( A1 , A2 ,..., An ) ≠ Φ . Atunci:
æn ö
PççΙ Ak ÷÷ = P( A1 ) ⋅ P( A2 | A1 ) ⋅ P( A3 | A1 ∩ A2 ) ⋅ ...⋅ P( An | A1 ∩... ∩ An−1 )
è k=1 ø
Demonstraţie: Se poate demonstra fie prin inducţie, fie

prin definiţia probabilităţilor condiţionate. Aplicăm a doua metodă:
P ( A1 ) = P( A1 )
P( A1 ∩ A2 )
P( A2 | A1 ) =
P( A1 )
P( A1 ∩ A2 ∩ A3 )
P( A3 | A1 ∩ A2 ) =
P( A1 ∩ A2 )
………………………………………..
æ n −1
ö P ( A1 ∩ A2 ∩ ... ∩ An )
P çç An | Ι Ai ÷÷ =
è i =1 ø P ( A1 ∩ A2 ∩ ... ∩ An −1 )
Înmulţim între ele expresiile din membrul stâng şi din

membrul drept şi simplificăm. Rezultă :
n −1
æ ö
P ( A1 ) ⋅ P ( A2 | A1 ) ⋅ Κ ⋅ P çç An | Ι Ai ÷÷ = P( A1 ∩ A2 ∩ ... ∩ An )
è i =1 ø
EXEMPLU : Un lot de piese conţine 5% piese rebut.

Controlul de calitate stabileşte ca regulă de acceptare a lotului
condiţa ca la 5 verificări consecutive să nu fie nici o piesă rebut.
Care este probabilitatea de acceptare a lotului?
Rezolvare: Fie Ak evenimentul ca piesa controlată

lacontrolul de ordinul k să fie corespunzătoare, fie A evenimentul ca
lotul să fie acceptat. Atunci: A = A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5 .
Evenimentele nu sunt independente, deoarece orice realizare a unuia
dintre ele influenţează realizarea celorlalte prin modificarea
proporţiei de piese corespunzătoare din lot.
P(A) = P( A1) ⋅ P(A2 | A1) ⋅ P( A3 | A1 ∩ A2 ) ⋅ P( A4 | A1 ∩A2 ∩ A3 )⋅ P(A5 | A1 ∩A2 ∩A3 ∩A4 )
Avem: P( A1 ) = 95 ; P( A2 | A1 ) = 94 ; P( A3 | A1 ∩ A2 ) = 93 ;
100 99 98
92
P( A4 | A1 ∩ A2 ∩ A3 ) =; P( A5 | A1 ∩ A2 ∩ A3 ∩ A4 ) = 91 .
97 96
95 94 93 92 91
Deci: P( A) = ⋅ ⋅ ⋅ ⋅ = 0,77 .
100 99 98 97 96
7.6. Formula probabilităţilor totale
Fie A1 , A2 ,..., An un sistem complet de evenimente al

câmpului (Ω, K ) . Adică A1 ∪ Κ ∪ An = Ω şi Ai ∩ A j = Φ , unde
i, j = 1, Κ , n , i ≠ j .
Fie X ∈ (Ω, K ) evenimentul care se realizează condiţionat
când unul din evenimentele Ai se realizează. Cunoscând P( Ai ) şi
PAi (X ) , i = 1, Κ , n , să se determine P(X).
TEOREMĂ : Probabilitatea unui eveniment X ce se produce

condiţionat de unul din evenimentele A1 , A2 ,..., An care formează un
sistem complet de evenimente este :
n
P( X ) = P( Ai ) ⋅ PAi ( X ) (formula probabilităţii totale)
i =1
Demonstraţie: Putem scrie :
X = ( A1 ∩ X ) ∪ ( A2 ∩ X ) ∪ Κ ∪ ( An ∩ X ) .
Vom arăta că : ( Ai ∩ X ) ∩ ( A j ∩ X ) = Φ .
( Ai ∩ X ) ∩ ( A j ∩ X ) = ( Ai ∩ A j ) ∩ X = Φ ∩ X = Φ , i ≠ j .
n
P( X ) = P[(A1 ∩ X ) ∪ ( A2 ∩ X ) ∪Κ ∪ ( An ∩ X )] = åP( Ai ∩ X ) =
i=1
n
= å P( Ai ) ⋅ PAi ( X ) deoarece P ( Ai ∩ X ) = P ( Ai ) ⋅ PAi ( X )
i =1
şi PA ( X ) = P( Ai ∩ X ) .
i
P( Ai )
7.7. Formula lui Bayes
Considerând aceleaşi ipoteze ca şi în cazul formulei

probabilităţilor totale : A1 ∪ Κ ∪ An = Ω şi Ai ∩ A j = Φ , unde
i, j = 1, Κ , n , i ≠ j , notăm cu X ∈ (Ω, K ) evenimentul care se
realizează când unul din evenientele Ai , i = 1, Κ , n , se realizează.
Problema: Să se determine probabilitatea evenimentelor Ai

în ipoteza realizării evenimentului X, adică PX ( Ai ) = ?
P ( Ai ) ⋅ PAi ( X )
Px ( Ai ) = n (formula lui Bayes)
å P( Ai ) ⋅ PAi ( X )
i =1
Demonstraţie:
P( Ai ∩ X ) şi P( Ai ∩ X )
PAi ( X ) = PX ( Ai ) = . Rezultă că:
P( Ai ) P( X )
P( Ai ) ⋅ PAi ( X )
P( Ai ) ⋅ PAi ( X ) = P( X ) ⋅ PX (Ai ) Þ Þ PX ( Ai ) = .
P( X )
Vom înlocui P(X) cu formula probabilităţii totale şi obţinem :
P ( Ai ) ⋅ PAi ( X ) .
Px ( Ai ) = n
å P( A ) ⋅ P
i =1
i Ai (X )
7.8. Scheme probabilistice clasice
Colectivităţile studiate în practică au caracteristici care duc

la evenimente care se realizează după scheme teoretice
asemănătoare.
1. Schema urnei cu bile nerevenite:
Se consideră o urnă în care sunt bile albe şi bile negre. Fie

„a” numărul bilelor albe şi „b” numărul bilelor negre. Fie N=a+b
numărul total de bile din urnă.
Se extrag succesiv n bile, fără a repune bilele înapoi (sau se
extrag deodată n bile).
Se cere probabilitatea Pn (α , β ) ca din cele n bile extrase,
α să fie albe şi β să fie negre.
Soluţie: Numărul tuturor grupelor de n bile luate din cele N

bile este C Nn . Pentru a determina numărul cazurilor favorabile
asociez fiecare grupă de α bile albe (în total Caα grupe) cu fiecare
grupă ce conţine β bile negre (în total Cbβ grupe).
Deci numărul total al cazurilor favorabilr este Caα ⋅ Cbβ .
Folosind definiţia clasică a probabilităţii se obţine relaţia :
Cα ⋅ C β
Pn (α , β ) = a n b , unde a+b=n şi α + β = n .
CN
Dacă notăm α = x (din n bile extrase x să fie albe), vom
obţine:
C x ⋅ C n− x
Pn ( x) = a n N −a .
CN
Generalizare: Presupunem că în urnă sunt bile de s culori.

Fie ak numărul bilelor de culoarea k (k = 1, Κ , s ) . Se extrag deodată
n bile. Care este probabilitatea ca xk bile să fie de culoarea k ?
s s
Avem: åa
k =1
k = N şi åx
k =1
k = n . Se obţine relaţia următoare :
Cax11 ⋅ Cax22 ⋅ ... ⋅ C axss

Pn ( x1 , x2 ,..., x s ) =
C Nn
EXEMPLU:
Într-un depozit sunt 30 televizoare , 18 de producţie străină
şi 12 de producţie românească, ambalate identic. Care este
probabilitatea ca la o comandă de 10 televizoare, un magazin să
primească 6 străine şi 4 româneşti?
C 6 ⋅ C 4 612
P10 (6,4) = 10 10 10 = ≈ 0,9 .
C30 667
2. Schema urnei cu bila revenită (schema Bernoulli):
Se consideră o urnă în care sunt bile albe şi bile negre. Fie

„a” numărul bilelor albe şi „b” numărul bilelor negre. Fie N=a+b
numărul total de bile din urnă. Se extrag n bile, de fiecare dată bila
extrasă introducându-se înapoi în urnă.
Se cere: probabilitatea ca din cele n bile extrase x bile să fie
albe.
Soluţie: Fie A evenimentul extragerii unei bile albe. Notăm

P( A) = p , deci P ( A ) = q = 1 − p .
Fie A si A si Κ si A şi A si A si ... si A ,
14444244443 1 4 4 4 4 2 4 4 4 4 3
de x ori de ( n − x ) ori
o succesiune în care A apare de x ori şi A apare de (n-x) ori.

Probabilitatea unei astfel de succesiuni de evenimente
independente (rezultatul oricărei extrageri nu depinde de
precedentul) este :
P[ A ∩ A ∩ Κ ∩ A ∩ A ∩ A ∩ Κ ∩ A] = px ⋅ qn−x
14444244443 1 4 4 4 44 2 4 4 4 4 43
de x ori de (n−x) ori
Numărul succesiunilor distincte în care apare A de x ori şi

A de (n-1) ori este, evident, Cnx . Deoarece aceste succesiuni sunt
incompatibile şi echiprobabile, rezultă relaţia:
n!
Pn ( x ) = C nx p x q n − x = p x q n− x .
x! ( n − x )!
OBSERVAŢIE: Probabilitatea de mai sus este egală cu

coeficientul lui t x din dezvoltarea binomului ( q + pt ) n .
EXEMPLU:
Se consideră o urnă ce conţine 3 bile albe şi 4 bile negre.
Din această urnă se fac 3 extrageri cu revenire. Cu ce probabilitate
se obţin 2 bile albe şi o bilă neagră?
2
æ 3 ö 4 108
P3 ( 2) = C32 ç ÷ ⋅ = = 0,315
è 7 ø 7 343
Generalizare: Fie o urnă cu bile de s culori. Fie pk

probabilitatea extragerii unei bile de culoare k ( k = 1, Κ , s ) .
Ne interesează să determinăm probabilitatea ca din cele n
bile extrase, xk bile să fie de culoarea k , ( k = 1, Κ , s ) . Notând
această probabilitate cu Pn ( x ) = ( x1 , x 2 ,..., x s ) , se arată că:
n!
Pn ( x ) = ( x1 , x2 ,..., x s ) = ⋅ p1x1 ⋅ p2x2 ⋅ Κ ⋅ psxs , unde xk ≥ 0 ,
x1!⋅ x2 !⋅Κ ⋅ xn !
s s
åx
k =1
k = n, åp
k =1
k = 1. (lege multinominală)
EXEMPLU:
Un magazin primeşte în cursul unei săptămâni 100 bucăţi
dintr-o anumită marfă provenită de la fabricile A, B, C.
Probabilitatea ca marfa să provină de la fabrica A este de 0,6; de la
fabrica B este de 0,2; de la fabrica C este de 0,2. Care este
probabilitatea ca din cele 100 bucăţi primite, 60 să fi fost realizate la
fabrica A, 30 la fabrica B, iar restul la C?
100!
p= (0,6) 60 ⋅ (0,2) 30 ⋅ (0,2)10
60!⋅30!⋅10!
3. Problema lui Pascal:
Fie o urnă Bernoulli. Fie X evenimentul ca prima bilă albă

să fie extrasă la extragerea de ordinul x. Fie A evenimentul de
extragere a bilei albe şi A evenimentul de extragere a bilei negre.
Deci X = A ∩ A ∩ Κ ∩ A ∩ A .
1 4 4 4 44 2 4 4 4 4 43
( x −1) ori
Ştiind că P ( A) = p şi P ( A ) = q , atunci P ( X ) = p ⋅ q x −1 .
Această lege se mai numeşte şi legea geometrică deoarece
este exprimată prin termenul general al unei progresii geometrice cu
primul termen p şi raţia q.
EXEMPLU:
Într-un raft sunt cămăşi de acelaşi fel de talia I şi a-II-a în
proporţie de 49% (I) şi 51% (II), identic ambalate. Care este
probabilitatea ca un cumpărător care doreşte o cămaşă de talia II să
o găsească numai la a 6-a încercare?
x = 6 , p = 0,49 , q = 0,51 .
P ( X ) = p ⋅ q x −1 = 0,49 ⋅ (0,51) 5 = 0,0169 .
4. Schema lui Poisson
Fie n urne care conţin bile albe şi negre în proporţii diferite:

Ø Urna U1 : p1 + q1 = 1 ;
Ø Urna U2 : p 2 + q2 = 1 ;
………………………….
Ø Urna Un : pn + qn = 1 .
Se extrage câte o bilă din fiecare urnă. Se cere

probabilitatea ca din cele n bile extrase, x să fie albe.
Pn ( x ) = å pi1 ⋅ pi2 ⋅ Κ ⋅ pix ⋅ qix +1 ⋅ Κ ⋅ qin
Acestă sumă conţine toate produsele a câte n factori formate

în moduri diferite, din care x probabilităţi pi şi (n-x) probabilităţi qi
(i = 1,..., n ) . Suma de mai sus este dată de polinomul Pn (x ) care
conţine coeficienţii lui t x din dezvoltarea:
( p1t + q1 ) ⋅ ( p2 t + q2 ) ⋅ Κ ⋅ ( pn t + qn )
OBSERVAŢIE : Urna Bernoulli este un caz particular al

urnei Poisson când p1 = p 2 = Κ = p n = p .
EXEMPLU:
O firmă se aprovizionează de la 4 furnizori. Din datele
statistice deţinute se estimează că doi dintre furnizori onorează
contractele cu probabilitatea 0,8, iar ceilalţi doi cu probabilitatea
0,9. Se cer probabilităţile următoarelor evenimente:
a) toţi furnizorii onorează contractul;
b) doar doi furnizori onorează contractul;
c) nici un furnizor nu onorează contractul;
d) cel puţin un furnizor onorează contractul.
Problema se încadrează în schema lui Poisson.

p1 = 0,8 , p 2 = 0,8 , p3 = 0,9 , p4 = 0,9
Q (t ) = ( 0,8t + 0,2) 2 ⋅ (0,9t + 0,1) 2
a) P4 ( 4) = p1 ⋅ p 2 ⋅ p3 ⋅ p4 = 0,5184 ;
b) P4 (2) = 0,82 ⋅ 0,12 + 4 ⋅ 0,8 ⋅ 0,2 ⋅ 0,9 ⋅ 0,1 + 0,22 ⋅ 0,92 = 0,0964
c) P4 (0) = 0,2 2 ⋅ 0,12 = 0,0004
d) P = 1 − 0,0004 = 0,9996
CAPITOLUL 8
VARIABILE ALEATOARE
În activitatea economică se întâlnesc multe mărimi

numerice care variază întâmplător (aleator).
EXEMPLE:
1) Numărul calculatoarelor vândute la un magazin într-o zi
este o variabilă aleatoare care poate lua una din valorile 0, 1, 2, …, n
, unde n este numărul total de calculatoare din magazin. Aici,
mulţimea valorilor posibile este {0,1,2,..., n} .
2) Timpul necesar servirii unui automobilist la o staţie de

benzină este o variabilă aleatoare care poate lua o valoare dintr-un
interval dat (a,b). Aici, mulţimea valorilor posibile este (a,b).
DEFINIŢIE: Se numeşte o variabilă aleatoare, o mărime

care în urma unei experienţe poate lua o valoare dintr-o mulţime
bine definită numită mulţimea valorilor posibile.
OBSERVAŢIE: Nu se cunoaşte dinainte ce valoare ia

variabila aleatoare; această valoare va fi cunoscută numai după
efectuarea experimentului.
DEFINIŢIE: Dacă mulţimea valorilor posibile este

discretă, atunci variabila aleatoare se numeşte discretă, iar dacă
mulţimea valorilor posibile este continuă (un interval finit sau
infinit din R ), variabila aleatoare se numeşte continuă.
OBSERVAŢIE: Vom nota variabilele aleatoare cu litere

mari de la sfârşitul alfabetului, X, Y, Z, etc., iar valorile pe care le
pot lua variabilele aleatoare cu litere mici, x, y, z, etc.
8.1. Variabile aleatoare discrete
Pentru a defini o variabilă aleatoare discretă, trebuie să

enumerăm toate valorile posibile ale variabilei aleatoare precum şi
probabilităţile corespunzătoare.
EXEMPLU: în cazul aruncării unui zar, definim variabila
aleatoare astfel:
æ1 2 3 4 5 6ö
X :ç1 1 1 1 1 1÷
ç ÷
è6 6 6 6 6 6ø
DEFINIŢIE: Se numeşte repartiţie a unei variabile

aleatoare discrete enumerarea tuturor valorilor posibile ale
variabilei aleatoare precum şi a probabilităţilor corespunzătoare.
În general, fie variabila aleatoare X şi xi , (i=1, 2, … , n )

valorile ei posibile.
Fie Ei evenimentul ca variabila aleatoare X=xi , i=1, 2, … ,
n şi fie P(Ei)=P(X=xi)=f(xi)=pi , probabilitatea corespunzătoare,
unde f(xi) este funcţia de probabilitate. Atunci putem scrie:
æ x x2 Κ xn ö
X : çç 1 ÷
è f ( x1 ) f ( x2 ) Κ f ( x n ) ÷ø
DEFINIŢIE: Mulţimea perechilor ordonate ( xi , f ( xi )) se

numeşte repartiţia variabilei aleatoare discrete X.
Din exemplele prezentate rezultă că funcţia de probabilitate

trebuie să îndeplinească următoarele două condiţii:
1) f ( xi ) ≥ 0 , i = 1,..., n ;
n
2) å f ( x ) = 1 , deoarece
i =1
i
E i = ( X = xi ) este un sistem complet
n
de evenimente, adică: ΥE
i =1
i = Ω , Ei ∩ E j = Φ , i ≠ j , i, j = 1,..., n .
EXEMPLE:
1. Repartiţia binomială (Bernoulli):
æ x ö
X : çç ÷ , x = 0,1,..., n .
x x n− x ÷
è f ( x ) = C n p q ø
f ( x ) = Cnx p x q n− x arată probabilitatea ca din n extrageri, x să
fie bile albe. Arătăm în continuare că f(x) este o funcţie de
probabilitate.
1) Evident, f ( x ) ≥ 0 ;
n n
2) å f ( x) = å C
x =0 x =0
x
n p x q n − x = ( p + q) n = 1 (binomul lui Newton) .
2. Repartiţia geometrică (Pascal):
Fie X evenimentul ca extragerea bilei albe să se realizeze

prima dată la extragerea de ordinul x: X = ( A ∩ Κ ∩ A ∩ A) ,
1 4 44 2 4 4 43
x−1
deci P( x ) = p ⋅ q x −1 .
æ x ö
X : çç ÷ , x = 1,2,3,..., n , unde p > 0 , q > 0 şi p + q = 1 .
x−1 ÷
è f ( x) = p ⋅ q ø
Evident:
1) f ( x ) ≥ 0 ;
∞ ∞ ∞
1 p
2) å p⋅q
x =1
x −1
x =1
= p ⋅ å q x −1 = p ⋅
= = 1 , deoarece seria å q x −1
1− q p x =1
este seria geometrică de raţie 0 < q < 1 , convergentă, cu suma
1 .
1− q
8.1.1. Operaţii cu variabile aleatoare discrete; variabile

aleatoare independente
x Κ xi Κ æy Κ yj Κ ym ö
Fie X : æç 1
xn ö
; Y :ç 1 .
çp Κ pi Κ çq Κ qj Κ qm
è 1 pn è 1
n m
pi = f ( x i ) ≥ 0 ; pi = 1 ; qj = f (yj ) ≥ 0 ; q j = 1.
i =1 j =1
Evenimentul care constă în faptul că :

Ø X ia valoarea xi îl notăm ( X = xi ), i=1, … , n ,
P( X = xi )=pi ;
Ø Y ia valoarea yj îl notăm ( Y = y j ), j=1, … , m,
P( Y = y j )=qj .
Evenimentul care constă în faptul că X = xi şi Y = y j este

( X = xi ) ∩ (Y = y j ) , i=1, … , n; j=1, … , m .
P[(X = xi );(Y = y j )] = P[(X = xi ) ∩(Y = y j )] are o probabilitate
bine determinată, notată pij .
DEFINIŢIE: Variabilele aleatoare X şi Y se numesc

independente dacă evenimentele ( X = xi ) şi ( Y = y j ), i=1, … , n;
j=1, …, m sunt independente. În acest caz:
P[( X = xi ); (Y = y j )] = P[( X = xi ) ∩ (Y = y j )] = pij = pi ⋅ q j .
OPERAŢII:
æx + yj ö
1) X + Y : ç i , unde pij = pi ⋅ q j , i=1, … , n; j=1, … , m .
ç p ÷÷
è ij ø
æx ⋅ y ö
2) X ⋅ Y : ç i j ÷ , i=1, … , n; j=1, … , m , unde, dacă X şi Y sunt
ç p ÷
è ij ø
independente, pij = pi ⋅ q j .
æ a ⋅ xi ö
3) a ⋅ X = çç ÷÷ , i=1, … , n .
è pi ø
æ xk Κ xik Κ x nk ö
4) X k : ç 1 ÷.
çp Κ Κ p n ÷ø
è 1 pi
EXEMPLU: Fie variabilele aleatoare discrete X şi Y cu

repartiţiile:
æ 0 1 2 ö æ−1 1 ö
X : çç ÷÷ şi Y : çç ÷÷
è 0,3 0,5 0,2 ø è 0,5 0,5 ø
æ −1 1 0 2 1 3 ö
X + Y : çç ÷÷ Þ
è 0,3⋅ 0,5 0,3⋅ 0,5 0,5⋅ 0,5 0,5⋅ 0,5 0,2 ⋅ 0,5 0,2 ⋅ 0,5ø
æ −1 0 1 2 3 ö
Þ X + Y : çç ÷÷ .
è 0,15 0,25 0,25 0,25 0,10 ø
æ 0 0 −1 1 −2 2 ö
X ⋅ Y : çç ÷÷ Þ
è 0,15 0,15 0,25 0,25 0,1 0,1ø
æ− 2 −1 0 1 2ö
Þ X ⋅ Y : çç ÷÷ .
è 0,1 0,25 0,3 0,25 0,1ø
æ 0 3 6 ö
3 ⋅ X : çç ÷÷ .
è 0,3 0,5 0, 2 ø
æ 0 1 8 ö
X 3 : çç ÷÷ .
è 0,3 0,5 0,2 ø
Reprezentarea grafică a funcţiilor de probabilitate:
æ 0 1 2 ö
EXEMPLU: X : çç ÷÷ , pi = f ( xi ) .
è f (0) = 0,3 f (1) = 0,5 f (2) = 0,2 ø
Atunci graficul funcţiei de probabilitate a variabilei

aleatoare X definit anterior este:
0,5 -
-
0,3 -
0,2 -
-
0 1 2
8.2. Variabile aleatoare continue
Fie variabila aleatoare X : æçç

x ö
, unde x ∈ [a, b] , iar f (x )
è f ( x)
este probabilitatea de apariţie a lui x.
DEFINIŢIE: Funcţia f (x ) se numeşte densitatea de

probabilitate a variabilei aleatoare X.
Proprietăţile densităţii de probabilitate:
1) f ( x) ≥ 0 ;
b
2)
ò f ( x )dx = 1 .
a
EXEMPLE:
I. Să se determine constanta „c”, astfel încât funcţia

f : [a, b] → R , f ( x ) = c , să fie densitate de probabilitate a unei
variabile aleatoare X.
1) f ( x ) ≥ 0 , oricare ar fi x ∈ [a, b] , deci c ≥ 0 ;
b b
2) 1 .
f ( x )dx = c ⋅ dx = c ⋅ x |ba = c (b − a ) = 1 c=
a a
b−a
æ x ö
Deci: X : ç 1 , x ∈ [a, b] este o variabilă aleatoare
ç f ( x) =
è b−a
numită variabilă aleatoare continuă uniformă pe intervalul [a , b] .
II. Să se determine constanta „k”, astfel încât funcţia

f : [0, ∞) → R , f ( x ) = k ⋅ e − x , să fie densitate de probabilitate a
unei variabile aleatoare X.
1) f ( x ) ≥ 0 , oricare ar fi x ≥ 0 , deci k ≥ 0 , f fiind o funcţie
exponenţială
∞ ∞
∞
f ( x )dx = k ⋅ ò e − x dx = k ⋅ Γ(1) = k = 1 , unde Γ( a ) = ò0 x e dx
a −1 − x
2) ò
0 0
este integrala Γ a lui Euler.

Deci X : æçç ö
x
÷ , x ≥ 0 este o variabilă aleatoare pe
−x ÷
è f (x) = e ø
intervalul [0, ∞) .
Reprezentarea grafică a densităţii de probabilitate:
Pentru funcţia de la exemplul I, reprezentarea grafică este:
funcţia este continuă pe [a , b]

1
-
b−a
A =1
0 a b
Pentru funcţia de la exemplul II, reprezentarea grafică este:
1 -
A =1
Într-adevăr, derivata funcţiei f este f ' ( x ) = −e − x < 0 ,

oricare ar fi x > 0 ; şi lim f ( x ) = 0 ; f (0) = 1 .
x →∞
X 0 ∞
f' - - - - - - - - - - - - - - -
f 1 0
şi deci graficul densităţii de probabilitate f (x ) este cel de mai sus.

Funcţia de repartiţie a unei variabile aleatoare:
Prezentarea unei variabile aleatoare prin funcţia de

probabilitate f ( xi ) sau prin densitatea de probabilitate prezintă
aspecte diferite. Considerăm evenimentul ( X < x ) , x ∈ R .
DEFINIŢIE: Se numeşte funcţie de repartiţie a variabilei

aleatoare X, funcţia F : R → R dată de F ( x ) = P( X < x ) .
OBSERVAŢIE: Variabila aleatoare X este discretă

(continuă), după cum funcţia de repartiţie F (x ) este o funcţie
discretă (continuă).
Calculul funcţiei de repartiţie:
1) Fie variabila aleatoare discretă :

x
æx Κ xi xi +1 Κ xn ö
X : çç 1
è p1 Κ pi pi +1 Κ pn
F ( x ) = P( X < x ) = pi = f ( xi )
xi < x xi < x
Reprezentarea grafică este următoarea:
1- (
p1 +...+pn−1- (
p1 + p2 - (
p1 - (
0 x1 x2 x3 ……….. x n −1 xn
0 1 2 ö
EXEMPLU: X : æçç
è 0,3 0,5 0,2
F (x )
1- (
0,3+0,5- (
0,3 -(
x
0 1 2
2) Fie variabila aleatoare continuă:

æ x ö,
X : çç ÷÷ x ∈ [a, b] .
è f ( x) ø
F (x )
f (x )
) (
a b
Putem lărgi domeniul de definiţie al funcţiei f deoarece F

se consideră pe R .
x
F ( x) = ò f (t )dt
−∞
. Reprezentarea grafică a funcţiei de
repartiţie continuă F (x ) are următoarea formă:

F (x )
1-
0 x
æ x ö
EXEMPLU: X : çç −x
, x ≥ 0.
è f ( x) = e
x x
F ( x) = f (t )dt = e−t dt = −e−t |0x = −e− x + 1 = 1 − e− x ;
−∞ 0
F ' ( x ) = e − x > 0 ; F ' ' ( x ) = −e − x < 0 .

Prin urmare, graficul funcţiei F este:
F (0) = 0 ; lim F ( x ) = 1 .
x→∞
Proprietăţi ale funcţiei de repartiţie:
P1. 0 ≤ F ( x ) ≤ 1 , oricare ar fi x ∈ R .
Demonstraţie: F ( x ) = P( x < 1) , şi deci fiind o probabilitate, rezultă

proprietatea P1.
P2. F (x ) este nedescrescătoare, adică, oricare ar fi x1 ≥ x 2 , rezultă

că F ( x1 ) ≥ F ( x 2 ) .
Demonstraţie: ( X < x1 ) = ( X < x1 ) ∪ ( x1 ≤ X < x 2 ) .

P ( X < x ) = P ( X < x1 ) + P ( x1 ≤ X < x 2 ) .
1 4 2 4 32 1 4 2 43 1 4 4 2 4 43
F ( x2 ) F ( x1 ) ≥0
ì F ( x ) = 0, x ≤ a
P3. Dacă x ∈ [a, b] , atunci í
î F ( x ) = 1, x > b
Consecinţe: lim F ( x ) = 0 , lim F ( x ) = 1 .
x → −∞ x →∞
CAPITOLUL 9
CARACTERISTICI NUMERICE ALE VARIABILELOR

ALEATOARE
9.1. Media; definiţie, proprietăţi
Fie X variabilă aleatoare pe câmpul de probabilitate

(Ω, K , P ) .
æ xi ö
DEFINIŢIE : Fie
X : çç ÷÷ , unde i = 1, Κ , n .
è i
p = f ( x )
i ø
Atunci valoarea medie variabilei aleatoare discrete X este

n
M (X ) = xi f ( xi ) .
i =1
DEFINITIE : Fie X : æçç

x ö
, unde x ∈ [a, b] . Atunci
è f ( x)
valoarea medie a variabilei aleatoare continue X este
b
M (X ) = x ⋅ f ( x )dx .
a
OBSERVAŢIE : Pentru n → ∞, trebuie ca seria

∞
xi f ( xi ) să fie convergentă. Pentru a sau b tinzând către − ∞ sau
i =1
+ ∞ , trebuie ca integrala improprie să fie convergentă.
EXEMPLE:
1 2 3 ö
1) X : æçç ÷÷ , M ( X ) = 1 ⋅ 0,2 + 2 ⋅ 0,5 + 3 ⋅ 0,3 = 2,1 .
è 0,2 0,5 0,3 ø
æ x ö ∞
÷ , x ≥ 0 , M ( X ) = ò0 xe dx = Γ( 2) = 1 .
−x
2) X : çç −x ÷
è f ( x ) = e ø
Proprietăţi ale mediei:
æ x ö
P1. Fie X : çç i ÷ , i = 1, Κ , n . Dacă λ ≤ xi ≤ µ , atunci :
÷
è f ( xi ) ø
λ ≤ M(X ) ≤ µ .
n
Demonstraţie: M ( X ) = å xi f ( xi )
i =1
Adunând aceste relaţii pentru valorile indicelui i = 1, Κ , n , obţinem:
n n
λ ⋅ f ( xi ) ≤ xi ⋅ f ( xi ) ≤ µ ⋅ f ( xi ) ⋅ λ ⋅ å f ( xi ) ≤ M ( X ) ≤ µ ⋅ å f ( xi ) ,deci
i =1 i =1
n
λ ≤ M(X ) ≤ µ , deoarece å f (x ) = 1.
i =1
i
P2. M ( k ) = k , adică media unei constante este o constantă.
Demonstraţie: X : æçç ö÷÷ , M (k ) = k ⋅ 1 = k .

k
è1ø
P3. Media unei constante înmulţită cu o variabilă aleatoare este

egală cu constanta înmulţită cu media variabilei aleatoare.
Adică: M ( a ⋅ X ) = a ⋅ M ( X ) .
æx Κ xn ö n n
Demonstraţie: Fie X : çç 1 ÷, åp = 1 , M ( X ) = å xi ⋅ pi .
Κ pn ÷ø
i
è p1 i =1 i =1
a ⋅ x1 Κ a ⋅ xn ö
Atunci a ⋅ X : æç ÷.
ç p p n ÷ø
è 1 Κ
M(a ⋅ X) = a ⋅ x1 ⋅ p1 +Κ + a ⋅ xn ⋅ pn = a ⋅ (x1 ⋅ p1 +Κ + xn ⋅ pn ) = a ⋅ M(X) .
P4. Dacă X şi Y sunt două variabile aleatoare, atunci :

M ( X + Y ) = M ( X ) + M (Y ) .
Fie X : æç i ö÷ ,
n
x
Demonstraţie:
çp ÷ i = 1, Κ , n , M ( X ) = å xi ⋅ pi ,
è iø i =1
n
æ yj ö m
åp i =1 şi fie Y : çç ÷÷ , j = 1, Κ , m , M (Y ) = å y j ⋅ q j ,
i =1 è qj ø j =1
m
æ xi + y j ö
å q j = 1 . Atunci X + Y : çç ÷÷ , i = 1, Κ , n , j = 1, Κ , m .
j =1 è pi ⋅ q j ø
n m n m n m n m
M(X +Y) = åå(xi + yj ) ⋅ pi ⋅ qj =ååxi ⋅ pi ⋅ qj +ååyj ⋅ pi ⋅ qj =åxi ⋅ pi åqj +
i=1 j=1 i=1 j=1 i=1 j=1 i=1 j=1
n m
+ å pi å y j ⋅ q j = M ( X ) + M (Y ) .
i =1 j =1
P5. Dacă X şi Y sunt independente, atunci: M(X ⋅Y) = M(X) ⋅ M(Y) .
æx ⋅ y ö
Demonstraţie: X ⋅ Y : ç i j ÷ , i = 1, Κ , n , j = 1, Κ , m .
çp ⋅q ÷
è i jø
n m n m
M ( X ⋅ Y ) = å å xi y j pi q j = å xi pi å y j q j = M ( X ) ⋅ M (Y )
i =1 j =1 i =1 j =1
9.2. Dispersia; definiţie, proprietăţi
− 2 −1 1 2ö
Fie X : æçç ÷÷ , M ( X ) = 0 . Observăm că
è 0,1 0,4 0,4 0,1ø
valorile lui X nu diferă mult de medie.
− 1000 − 5 5 1000 ö
Fie Y : æçç ÷ , M (Y ) = 0 . Observăm că
è 0,1 0,4 0,4 0,1 ÷ø
valorile lui Y diferă mult de medie.
Împrăştierea valorilor lui Y este mai mare decât
împrăştierea valorilor lui X.
x x2 Κ xn ö
Fie X : æç 1 şi fie M(X) media sa. Construim
ç p p Κ p ÷÷
è 1 2 nø
variabila aleatoare ξ = X − M ( X ) , numită abaterea variabilei

aleatoare X de la media sa. Fie m=M(X).
æ x − m x2 − m Κ xn − m ö
ξ : çç 1 ÷
è p1 p2 Κ pn ÷ø
OBSERVAŢIE: M(ξ) = M[ X − m] = M( X) − M(m) = M(x) − m = 0.
Deci nu putem utiliza media variabilei aleatoare abatere

pentru a determina împrăştierea faţă de media sa. Din acest motiv,
ca o măsură a împrăştierii valorilor unei variabile aleatoare X faţă de
media sa, vom lua dispersia, notată cu D(X), unde:
D( X ) = σ 2 = M (ξ 2 ) . Dispersia este media pătratului variabilei
aleatoare de abatere ξ .
æ ( x − m) 2 ( x2 − m) 2 Κ ( xn − m) 2 ö
ξ 2 : çç 1 ÷.
Κ ÷
è p1 p2 pn ø
ξ 2 = [ X − M ( X )]2 = X 2 − 2 M ( X ) ⋅ X + M 2 ( X ) .
Atunci dispersia va fi :
D(X) = M(ξ 2 ) = M(X 2 ) − 2M( X)M(X) + M2 (X) = M(X 2 ) − M 2 (X) .
Rezultă astfel că D( X ) = M ( X 2 ) − M 2 ( X ) .
EXEMPLE :
−1 0 1 ö æ1 0ö
1) X : æçç ÷÷ , M( X ) = 0 ; X 2 : çç ÷÷ , M( X ) = 0,6
2
è 0,3 0,4 0,3ø è 0,6 0,4ø

D( X ) = M ( X ) − M ( X ) = 0,6 .
2 2
æ−1000 0 1000ö æ 0 106 ö

2) Y : çç ÷÷ , M(Y) = 0; Y 2 : çç ÷÷ , M (Y 2 ) = 600000
è 0,3 0,4 0,3 ø è0,4 0,6 ø
D (Y ) = M (Y ) − M (Y ) = 600000 .
2 2
æ x ö ∞
÷ , x ≥ 0 , M ( X ) = ò0 xe dx = Γ( 2) = 1
−x
3) X : çç −x ÷
è f ( x ) = e ø
æ x 2
ö ∞
X 2 : çç ÷ , x ≥ 0 , M ( X ) = ò x 2 e − x dx = Γ(3) = 2! = 2
−x ÷
è f ( x) = e ø
0
D( X ) = M ( X 2 ) − M 2 ( X ) = 2 − 1 = 1 .
Proprietăţi ale dispersiei:
P1. Dispersia unei constante este egală cu zero. Adică D( a ) = 0 ,

unde a este o constantă.
Demonstraţie: D ( a ) = M ( a 2 ) − M 2 ( a ) = a 2 − a 2 = 0 .
P2. Dispersia unei constante înmulţită cu o variabilă aleatoare este

egală cu produsul dintre pătratul constantei şi dispersia variabilei
aleatoare. Adică: D ( a ⋅ X ) = a 2 ⋅ D ( X )
Demonstraţie: D(a ⋅ X ) = M (a2 ⋅ X 2 ) − M 2 (a ⋅ X ) = a2 M ( X 2 ) −

− a 2 M 2 ( X ) = a 2 [ M ( X 2 ) − M 2 ( X )] = a 2 D( X ) .
P3. Dacă X şi Y sunt independente, atunci D(X +Y) = D(X) + D(Y)
Demonstraţie: D( X + Y ) = M [( X + Y ) 2 ] − M 2 ( X + Y ) =
= M( X 2 + 2XY + Y 2 ) − [M( X ) + M(Y )]2 = M( X 2 ) + 2M( X )M(Y ) +
+ M (Y 2 ) − M 2 ( X ) − 2 M ( X ) M (Y ) − M 2 (Y ) = D( X ) + D(Y ) .
Consecinţa 1: D æç å X i ö÷ = å D ( X i ) , unde variabilele X i

r r
è i =1 ø i =1
sunt independente, i = 1, Κ , r .
Consecinţa 2: D( a + X ) = D( X ) .
Consecinţa 3: Dacă Y = a ⋅ X + b , atunci D (Y ) = a 2 D( X ) .
Consecinţa 4: Dacă Z = X − Y , atunci D(Z) = D( X ) + D(Y ) .
Într-adevăr, putem scrie Z = X − Y = X + ( −Y ) şi deci
D(Z) = D( X ) + D[(−1)Y ] = D( X ) + (−1) D(Y ) şi deci D(Z) = D( X ) + D(Y ) .
2
TEOREMĂ: Fie X 1 , X 2 , Κ , X n variabile aleatoare cu

n
åX i
1 n
aceeaşi medie şi dispersie. Fie Y =
n
i =1
= å X i , media
n i =1
aritmetică a veriabilelor X i . Atunci D(Y ) = 1 å D( X i ) .
n
n i =1
Demonstraţie: D(Y ) = Déê 1 å X i ùú = 12 ⋅ n ⋅ åD( X i ) = 1 D( X i ) .
n n
ë n i=1 û n i =1 n
9.3. Abaterea medie pătratică
DEFINIŢIE: Se numeşte abatere medie pătratică a unei

variabile aleatoare X, rădăcina pătrată din dispersia variabilei
aleatoare.
Abaterea medie pătratică, σ = D ( X ) , are în principiu

proprietăţi corespunzătoare dispersiei.
9.4. Momentele unei variabile aleatoare X
Momentele unei variabile aleatoare sunt valori tipice ale

variabilei. Există două tipuri de momente: momente iniţiale şi
momente centrate.
DEFINIŢIE: Momentul iniţial de ordinul k al unei

variabile aleatoare X este media variabilei aleatoare X k .
mk = M ( X k ) , k = 1,2, Κ
Cazuri particulare:
m1 = M ( X ) , m2 = M ( X 2 ) , deci D ( X ) = m2 − m12 .
DEFINIŢIE: Momentul centrat de ordinul k al unei

variabile aleatoare X este media variabilei aleatoare [( X − M ( X )) k ] .
µ k = M [( X − M ( X )) k ] , k = 1,2, Κ
Cazuri particulare:
µ1 = M[ X − M ( X )] = 0 , µ2 = [X − M( X)]2 = D( X) .
æx Κ xn ö
În cazul unei variabile aleatoare discrete, fie X:ç 1 ,
çp Κ p
è1 n
æxk Κ xnk ö æ ( x − m) k Κ ( x n − m) k ö
atunci Xk : ç 1 şi ( X − m) k : çç 1 ÷.
÷
çp Κ p Κ
è1 n è p1 pn ø
n n
Prin urmare mk = M( X k ) = xik pi şi µk = M[(X − m)k ] = å( xi − m)k pi ,
i=1 i=1
k = 1,2, Κ , n .
În cazul unei variabile aleatoare continue, fie

æ x ö ì0, x ∈ ( −∞, a ) ∪ (b, ∞)
X : çç , x ∈ [ a , b] , f ( x ) = í , momentele
è f ( x) f ( x ), x ∈ [a , b]
b b
vor fi mk =
a
x k f ( x )dx şi µ k = òa
( x − m ) k f ( x ) dx , k = 1,2, Κ , n .
∞
Fie F(X) funcţia de repartiţie. Atunci mk = ò x k dF (x) şi
−∞
∞
µk = ò ( x − m) dF ( x) .
k
−∞
Relaţia dintre momentele iniţiale şi cele centrate:
ék ù k
µk = M[X − M(X)]k = M[X −m]k = Mêå(−1)k Ckjmj X k− j ú = å(−1) j Ckjmj M(X k− j )
ë j=0 û j=0
j
Dar M ( X k − j ) = m k − j . Deci avem: µ k = å ( −1) j Ckj m j mk − j .
k =0
OBSERVAŢIE : Pentru k=2 , obţinem :
2
µ2 = åC2j m j mk− j = C20m2 − C21m1m1 + C22m2m0 .
j=0
Dar m0 = M ( X 0 ) = M (1) = 1 şi m1 = m .
Atunci µ 2 = m2 − m12 + 0 = m2 − m12 = D ( X ) .
9.5. Funcţia generatoare de momente a unei variabile aleatoare
Funcţia generatoare de momente a unei variabile aleatoare

se introduce pentru simplificarea calculului momentelor.
DEFINIŢIE: Se numeşte funcţie generatoare de momente

a unei variabile aleatoare X, valoarea medie a variabilei e tX , unde
t∈R.
Notăm funcţia generatoare de momente cu g : R → R , dată
de g (t ) = M ( e tX ) .
x x2 Κ xn ö
Fie X : æç 1 o variabilă aleatoare discretă,
ç p p Κ p ÷÷
è 1 2 nø
æ e tx1 e tx2 Κ e txn ö

deci e tX = çç ÷ , iar funcţia generatoare de
÷
è p1 p 2 Κ pn ø
n
momente este g(t) = M (etX ) = åetxi pi .
i =1
æ x ö,
Fie X : çç ÷÷ x ∈ [a, b] , o variabilă aleatoare continuă,
è f ( x) ø
æ e tx ö
deci e tX = ç
ç ÷ , x ∈ [a, b] , iar funcţia generatoare de momente
è f (x ) ÷ø
b
este g(t ) = M (etX ) = ò etx f ( x)dx .
a
Proprietăţi ale funcţiei generatoare de momente:
P1. g (0) = 1
Demonstraţie: g (0) = M ( e t⋅0 ) = M (1) = 1
P2. Dacă X 1 , X 2 , Κ , X n sunt variabile aleatoare independente cu

funcţiile generatoare de momente g1 (t ), g 2 (t ),Κ , gn (t ) , atunci funcţia
generatoare de momente a variabilei aleatoare
X = X 1 + X 2 + Κ + X n , este g(t ) = g1 (t ) ⋅ g2 (t ) ⋅ Κ ⋅ gn (t ) .
Demonstraţie:
g (t ) = M ( e tX ) = M ( e t ( X 1 + X 2 +Κ + X n ) ) = M [e tX1 ⋅ ⋅e tX 2 ⋅ Κ ⋅ e tX n ] =
= M(etX1 ) ⋅ M(etX2 ) ⋅Κ ⋅ M(etXn ) = g1(t) ⋅ g2 (t) ⋅Κ ⋅ gn (t) .
P3. Dacă variabila aleatoare X admite momente finite de orice

∞
ordin, atunci g (t ) = tk
⋅ mk .
k = 0 k!
Demonstraţie: Dezvoltăm în serie Taylor (Mc Laurin) pe e tX . Ştim

t t2 tk
că e t = 1 + + + Κ + + Κ .
1! 2! k!
Atunci e tX va avea forma :
∞
t t2 tk tk k .
e tX = 1 + X + X 2 + Κ + X k + Κ = X
1! 2! k! k =0 k!
é ∞ tk k ù ∞ tk ∞
tk
g(t ) = M (etX ) = M ê X = M( X k ) g(t ) = mk .
ëk =0 k! k =0 k! k =0 k!
P4. Funcţia generatoare de momente este de n ori derivabilă în

raport cu t şi g ( k ) (0) = mk sau g ( k ) (t ) |t =0 = mk .
Demonstraţie:
x2 Κ
a) Fie variabila aleatoare discretă X : æç 1
x xn ö
çp ÷.
è 1 p2 Κ pn ÷ø
n
g (t ) = å e txi ⋅ pi
i =1
n
g ' (t ) = å xi ⋅ e txi ⋅ pi
i =1
n
g ' ' (t ) = å xi2 ⋅ e txi ⋅ pi
i =1
………………………….
n
g ( k ) (t ) = å xik ⋅ e txi ⋅ pi
i =1
Înlocuind pe t cu zero, obţinem:
n
g ( k ) (0) = å xik ⋅ pi = mk
i =1
b) Fie variabila aleatoare continuă X : æçç

x ö
÷÷ , x ∈ [a, b] .
è f ( x) ø
b
g(t ) = ò etx f ( x)dx
a
b b
g' (t ) = ò x ⋅ etx f ( x)dx Þ g' (0) = ò x ⋅ e0 f ( x)dx = m1
a a
b b
g' ' (t) = ò x ⋅ e f ( x)dx Þ g' ' (0) = ò x 2 f ( x)dx = m2
2 tx
a a
……………………………………………………
b b
g (k ) (t ) = ò x k ⋅ etx f ( x)dx Þ g (k ) (0) = ò x k f ( x)dx = mk
a a
9.6. Funcţia caracteristică a unei variabile aleatoare
Funcţia caracteristică a unei variabile aleatoare X se

foloseşte tot pentru calculul momentelor.
DEFINIŢIE: Se numeşte funcţie caracteristică a variabilei

aleatoare X , valoarea medie a variabilei e itX , adică c(t) = M(eitX ) ,
unde t ∈ R .
æ x x2 Κ xn ö
Fie X : çç 1 ÷÷ o variabilă aleatoare discretă,
p
è 1 p 2 Κ p nø
æ eitx1 eitx2 Κ eitxn ö

deci eitX = çç ÷ , iar funcţia caracteristică este
÷
è p1 p2 Κ pn ø
n
c (t ) = M ( e itX ) = å e itX ⋅ p j .
j =1
Fie X : æçç
x ö
÷÷ , x ∈ [a, b] , o variabilă aleatoare continuă,
è f ( x) ø
æ e itx ö
deci e itX = çç ÷÷ , x ∈ [a, b] , iar funcţia caracteristică este
è f (x ) ø
b
c (t ) = M ( e itX ) = ò e itX f ( x ) dx .
a
−1 1 ö æ e −it e it ö
EXEMPLU: Fie X : æçç ÷÷ , iar e itX = çç ÷÷ .
è 0,5 0,5 ø è 0,5 0,5 ø
Funcţia caracteristică este :
c(t) = M(eitX ) = e−it ⋅ 0.5 + eit ⋅ 0,5 = 0,5⋅ (e−it + eit ) .
Dar e iθ = cos θ + i sin θ şi e − iθ = cos θ − i sin θ , deci putem scrie
e iθ + e − iθ e iθ + e − iθ
cos θ = şi sin θ = .
2 2i
Astfel, funcţia caracteristică va fi :
c(t ) = 0,5 ⋅ (cost − i sin t ) + 0,5 ⋅ (cost + i sin t ) = cost .
Proprietăţi ale funcţiei caracteristice:
P1. Funcţia caracteristică c(t) este o funcţie uniform continuă pe R
P2. c(0) = 1
Demonstraţie: c(0) = M ( e i 0 t ) = M ( e 0 ) = M (1) = 1 .
P3. Dacă X 1 , X 2 , Κ , X n sunt variabile aleatoare independente cu

funcţiile caracteristice c1 (t ), c2 (t ), Κ , cn ( t ) , atunci funcţia
caracteristică a variabilei aleatoare X = X 1 + X 2 + Κ + X n este
c(t ) = c1 (t ) ⋅ c2 (t ) ⋅Κ ⋅ cn (t )
Demonstraţie:
c(t ) = M ( e itX ) = M [e it ( X1 + X 2 +Κ + X n ) ] = M [e itX1 ⋅ e itX 2 ⋅ Κ ⋅ e itX n ] =
= M ( e itX 1 ) ⋅ M ( e itX 2 ) ⋅ Κ ⋅ M ( e itX n ) = = c1 (t ) ⋅ c2 (t ) ⋅Κ ⋅ cn (t ) .
n
Consecinţa 1: Dacă Y = å λk ⋅ X k , λk ∈ R , unde
k =1
X1, X2,Κ , Xn sunt variabile aleatoare independente cu funcţiile

n
caracteristice c1 (t ), c2 (t ), Κ , cn ( t ) , atunci cY (t ) = ∏ c X ( λk t ) .
k
k =1
Consecinţa 2: Un produs de funcţii caracteristice este tot o
funcţie caracteristică. În particular, dacă c(t) este funcţia
caracteristică a variabilei aleatoare X , atunci [c(t )]n este tot o
funcţie caracteristică.
P4. Fie c X (t ) funcţia caracteristică a variabilei aleatoare X şi fie

Y = α ⋅ X . Atunci cY (t ) = c X (α ⋅ t ) .
Demonstraţie: cY (t ) = M ( e itY ) = M ( e itαX ) = c X (α ⋅ t ) .
P5. Fie variabila aleatoare X şi c X (t ) funcţia sa caracteristică. Fie

Y = aX + b . Atunci cY ( t ) = c X ( at )e ibt .
Demonstraţie:
cY (t) = M(eitY ) = M(eit(aX+b) ) = M[ei(at) X ⋅ eitb] = e itb M [e i ( at ) X ] = e itb c X ( at ) .
P6. Fie variabila aleatoare X şi c(t) funcţia caracteristică. Atunci

∞
(it ) k
c (t ) = å ⋅ mk .
k = 0 k!
Demonstraţie:
∞
é ∞ (it) k k ù ∞ (it) k (it ) k
c(t) = M (eitX ) = M êå X ú=å M( X k ) = å mk , unde
ëk =0 k! û k =0 k! k =0 k !
∞
(it ) k k .
e itX = å X
k =0 k !
P7. mk = 1k [c ( k ) (t )] |t =0 = 1k c ( k ) (0)
i i
Demonstraţie:
x2 Κ
a) Fie variabila aleatoare discretă X : æç 1
x xn ö
çp ÷.
è 1 p2 Κ pn ÷ø
æe itx1
e itx2
Κ e ö
itxn
eitX = çç ÷
÷
è p1 p2 Κ pn ø
n
c( t ) = å e ⋅ pj
itx j
j =1
n
c' (t ) = å ix j ⋅ e ⋅ pj
itx j
j =1
………………………….
n
c ( k ) (t ) = å i k x kj ⋅ e ⋅ pj
itx j
j =1

n
c ( k ) (0) = i k å x kj ⋅ p j Þ c ( k ) (0) = i k M ( X k ) = i k ⋅ mk
j =1
1 (k )
Deci mk = c (0) , k = 1,2, Κ , n .
ik
c) Fie variabila aleatoare continuă X : æçç
x ö
÷÷ , x ∈ [a, b] .
è f ( x) ø
æ e itx ö
e itX = çç ÷÷
è f (x ) ø
b
c(t ) = ò eitx f ( x)dx
a
b
c' (t ) = ò i ⋅ x ⋅ eitx f ( x)dx
a
…………………………….
b
c(k ) (t ) = ò i k ⋅ x k ⋅ eitx f ( x)dx
a
b
c(k ) (0) = i k ⋅ ò ⋅ x k ⋅ eitx f ( x)dx = i k mk
a
1 (k )
Deci mk = c (0) , k = 1,2, Κ , n .
ik
9.7. Normarea (reducerea) unei variabile aleatoare X
Fie variabila aleatoare X cu M ( X ) = m şi D ( X ) = σ 2 .

X −m
DEFINIŢIE: Variabila aleatoare Z = se numeşte
σ
variabila normată a variabilei aleatoare X (sau redusa variabilei
aleatoare X).
Proprietăţi ale variabilei normate:
P1. M ( Z ) = 0
Demonstraţie: M ( Z ) = M æç 1 X − m ö÷ = 1 M ( X ) − m = 0
èσ σø σ σ
P2. D( Z ) = 1
Demonstraţie: D(Z) = Dæç X − mö÷ = 12 [D(x) − D(m)] = 12 ⋅σ2 =1, deoarece
è σ ø σ σ
D(m) = 0 .
9.8. Valoarea mediană
DEFINIŢIE: Se numeşte valoare mediană a variabilei

aleatoare X numărul Me care satisface relaţia
P( X < Me) = P( X > Me) , adică valoarea pentru care variabila
aleatoare X are aceeaşi probabilitate de a fi mai mare şi mai mică
decât ea.
Relaţia P( X < Me) = P( X > Me) se mai scrie şi sub forma

1
F ( Me) = 1 − F ( Me) sau 2 F ( Me) = 1 sau F ( Me) = .
2
1
Deci Me este soluţia ecuaţiei F ( x ) = . În cazul unei
2
æ x ö
variabile aleatoare continue X : çç ÷÷ , x ∈ [a, b] , mediana se va
è f ( x) ø
determina din ecuaţia ò f ( x )dx = 1 .
Me
a 2
EXEMPLU:
Să se determine mediana variabilei aleatoare continue
æ x ö
X :ç 1 ÷ , x ∈ [0,3] .
ç (2 x + 1) ÷
è 12 ø
Me 1 1 1
ò0 12 (2 x + 1)dx = 12 [ Me + Me] = 2 Þ Me + Me − 6 = 0 .
2 2
Me1 = −3 ∉ [0,3] şi Me2 = 2 . Deci Me = 2 .
9.9. Modul (valoarea cea mai probabilă)
DEFINIŢIE: Se numeşte modul (valoarea cea mai

probabilă) a variabilei aleatoare X acea valoare pentru care funcţia
de probabilitate f ( xi ) , pentru variabila aleatoare discretă, respectiv
densitatea de probabilitate f (x ) este maximă.
OBSERVAŢIE: În cazul variabilei aleatoare continue,

maximul funcţiei f (x ) se obţine prin rezultatele cunoscute ale
analizei matematice
În cazul variabilelor aleatoare discrete se procedează astfel:
EXEMPLU: Să se determine modul variabilei aleatoare

binomiale.
æ x ö, x x n− x
X : çç ÷÷ x = 0,1,..., n , f ( x ) = Cn p q .
è f ( x ) ø
Presupunem că funcţia f (x ) are o valoare maximă x * .
Atunci f (x* −1) < f (x* ) şi f ( x * ) > f ( x * + 1) .
Deci obţinem (1) f ( x* ) şi (2) f ( x * + 1)

>1 < 1.
f ( x * − 1) f ( x* )
* * *
f ( x* ) Cx px qn−x n!(n − x* + 1)!(x* −1)! p n − x* + 1 p
= x*−n1 x*−1 n−x*+1 = ⋅ = ⋅ >1Þ
f ( x −1) Cn p q
*
x*!(n − x* )!n! q x* q
Þ x*q < np− x* p + p Þ x* ( p + q) < np+ p Þ x* < np+ p , deoarece p+q =1.
f ( x* + 1) n − x* p
= * ⋅ < 1 Þ x* ( p + q) > np − q Þ x* > np − q .
f ( x* ) x +1 q
Deci np − q ≤ Mo ≤ np + p .
9.10. Covarianţa (corelaţia)
Fie variabilele aleatoare X, cu media M ( X ) = m X şi

dispersia D( X ) = σ x2 şi Y, cu media M (Y ) = mY şi dispersia
D (Y ) = σ y2 .
Calculând dispersia sumei celor două variabile aleatoare
obţinem:
D( X + Y ) = M[(X + Y − mX − mY )2 ] = M{[(X − mX )2 + (Y − mY )2 ]} =
= M [( X − m X ) 2 ] + M [(Y − mY ) 2 ] + 2 M [( X − m X )(Y − mY )] .
DEFINIŢIE: Media M[( X − mX )(Y − mY )] se numeşte

covarianţa celor două variabile şi se notează cov( X , Y ) .
Efectuând produsul, obţinem şi o altă expresie a coverianţei:

cov(X,Y) = M[XY−mY X −mXY + mX mY ] = M(XY) −mY M(X) −mX M(Y) + mX mY =
= M ( XY ) − m X mY deoarece M( X ) = mX şi M (Y ) = mY .
OBSERVAŢIE: Dacă X şi Y sunt variabile aleatoare

independente, atunci cov( X , Y ) = 0 . Reciproc nu este adevărat.
9.11. Coeficientul de corelaţie
Fie X, Y două variabile aleatoare cu dispersiile σ X2 şi

X − m X şi
σ Y2 finite şi nenule şi mediile m X şi mY . Fie X ' =
σX
Y − mY variabilele aleatoare normate corespunzătoare.
Y'=
σY
(M(X’)=0, M(Y’)=0, D(X’)=1, D(Y’)=1) .
DEFINIŢIE: Se numeşte coeficient de corelaţie a

variabilelor aleatoare X şi Y, coverianţa variabilelor aleatoare
normate X’ şi Y’ şi îl notăm cu ρ ( X , Y ) .
ρ ( X , Y ) = cov( X ' , Y ' )
Avem:
é X − mX Y − mY ù M[(X − mX )(Y − mY )] cov(X,Y)
ρ(X,Y) = cov(X' ,Y' ) = Mê , = =
ë σX σY úû σXσY σXσY
Proprietăţi ale coeficientului de corelaţie:
P1. Dacă X şi Y sunt independente, atunci ρ ( X , Y ) = 0 .
Demonstraţie: Deoarece cov( X , Y ) = 0 în cazul unor variabile

aleatoare independente, şi ρ ( X , Y ) = cov( X , Y ) = 0 .
σ XσY
P2. − 1 ≤ ρ ( X , Y ) ≤ 1 , pentru orice X şi Y.
Demonstraţie:
M(X’)=0, M(Y’)=0, D(X’)=0, D(Y’)=0 , deci M ( X ' 2 ) = 1 şi
M (Y ' 2 ) = 1 .
Din egalitatea ( X '±Y ' ) 2 = ( X ' 2 ±2 X ' Y '+Y ' 2 ) obţinem :
M [( X '±Y ' )2 ] = M ( X ' 2 ) ± 2M ( X ' Y ' ) + M (Y ' 2 ) = 2 ± 2M ( X ' Y ' ) .
Cum M ( X 'Y ' ) = cov(X ' ,Y ' ) , obţinem: 1 ± ρ ( X , Y ) ≥ 0 , adică
− 1 ≤ ρ( X ,Y ) ≤ 1.
P3. Dacă pentru două constante reale a şi b variabila aleatoare

ì1, a > 0
Y = aX + b , atunci ρ ( X , Y ) = í .
î− 1.a < 0
Demonstraţie: Ştim că M(Y ) = mY = amX − b şi D(Y ) = σY2 = a2σ X2 .

Atunci vom obţine:
cov(X ,Y ) = M[(X − mX )(Y − mY )]M[(X − mX )(aX + b − amX − B)] =
= M[(X −mX )(aX−amX )]= aM[(X −mX )(X −mX )]= M[(X −mX )2 ] = aD( X ) = aσ X2 .
cov( X , Y ) aσ X2 aσ X2 a
ρ ( X ,Y ) = = = = = ±1 .
σ Xσ Y σ Xσ Y | a | σ X | a |
2
9.12. Caracteristici ale formei de repartiţie. Simetrie şi

asimetrie.
DEFINIŢIE: Variabila aleatoare X definită de funcţia f(x)

este simetrică faţă de valoarea medie m dacă f (m − ε ) = f (m + ε ) ,
oricare ar fi ε > 0 .
SIMETRICĂ
m −ε m m +ε
ASIMETRICĂ
m −ε m m +ε
Proprietăţi:
P1. Pentru o repartiţie simetrică, media, mediana şi modul coincid.
P2. Momentele centrate de ordin impar pentru o repartiţie simetrică

sunt nule µ 2 k +1 = 0 .
Coeficienţi utilizaţi pentru măsurarea asimetriei:

Coeficientul lui Pearson: α1 = M ( X ) − M 0 ( X ) .
σX
Coeficientul lui Fisher: α 2 = µ 3 .
σX
CAPITOLUL 10
REPARTIŢII CLASICE
10.1. Repartiţii discrete
10.1.1. Repartiţia binomială
DEFINIŢIE: Variabila aleatoare X are o repartiţie

binomială de parametrii n şi p dacă funcţia sa de probabilitate este
dată de probabilitatea pn (x ) din schema urnei lui Bernoulli, adică
f ( x ) = Cnx p x q n− x , x ∈ {0, Κ , n} , p ∈ (0,1) , p + q = 1 . Deci :
æ x ö
X : çç x x n − x ÷÷
è Cn p q ø
I. f (x ) este o funcţie de probabilitate, deoarece:

1) f ( x ) ≥ 0 , evident deoarece Cnx > 0 , p ≥ 0 , q ≥ 0 .
n n
2) f ( x) = Cnx p x q n − x = ( p + q) n = 1n = 1 .
x =0 x =0
II. Pentru calculul mediei şi dispersiei vom folosi funcţia

generatoare de momente.
æ e tx ö
g (t ) = M ( e tX ) ; e tX : ç .
ç f ( x ) , x = 0,1, Κ , n
è
n n
Deci g(t) = M (etX ) = etxCnx p x qn−x = Cnx ( pet ) x qn−x = ( pet + q)n .
x=0 x=0
n −1
g ' ( t ) = npe t ( pe t + q ) ;
n −1
m1 = g ' (0) = np( p + q ) = np .
g ' ' (t ) = n ( n − 1) p e ( pe + q ) n − 2 + npe t ( pe t + q ) n −1 ;
2 2t t
m2 = g' ' (0) = n(n −1) p2 ( p + q)n−2 + np( p + q)n−1 = n2 p2 − np2 + np =

= n 2 p 2 + np(1 − p ) = n 2 p 2 + npq
Deci: M ( X ) = np şi D( X ) = m2 − m12 = n 2 p 2 + npq − n 2 p 2 = npq.

Funcţia caracteristică:
n n
c(t ) = M (eitX ) = å eitxCnx p x qn−x = åCnx ( p ⋅ eit ) x qn−x = ( p ⋅ eit + q)n
x =0 x=0
Evident, m1 = M ( X ) = c ' ( 0) = np .
1
Analog se calculează m2 = 2 c' ' (0) = m2 p 2 + npq . Prin urmare,
i
D( X ) = m2 − m12 = npq.
10.1.2. Repartiţia hipergeometrică
DEFINIŢIE: Variabila aleatoare X are repartiţie

hipergeometrică dacă funcţia sa de probabilitate este dată de
probabilitatea Pn ( X ) din schema urnei cu bilă nerevenită (Această
schemă presupunea că dintr-o urnă cu N bile, din care a erau albe şi
b erau negre, se extrag n bile. Pn este probabilitatea ca din cele n
x n−x
bile extrase x să fie albe.). Deci f ( x ) = C a CnN −a , x ∈{0,Κ , n} .
CN
æ x ö
ç x n− x ÷
X : ç a N −a ÷
C C
ç Cn ÷
è N ø

1) f (x) ≥ 0 , evident deoarece toate combinările sunt mai mari ca
zero.
x n− x
2) å f ( x ) = å Ca CnN −a = 1n å Cax C Nn −−xa =1 .
n n n
x =0 x =0 CN C N x =0
n n
Pentru a calcula suma åf (x) am folosit egalitatea
x=0
åC C
x=0
x
a
n−x
N −a = CNn pe
care o vom demonstra în continuare.

(1 + y ) a (1 + y ) b = (1 + y ) a + b
(1 + y ) a = Ca0 1 + C a1 y + ... + C an −1 y n −1 + C an y n + ... + C aa y a
(1 + y ) b = Cb0 1 + Cb1 y + ... + Cbn −1 y n −1 + Cbn y n + ... + Cbb y b
(1 + y ) a +b = Ca0+b 1 + Ca1+b y + ... + Can+−b1 y n −1 + Can+b y n + ... + Caa++bb y a +b
Coeficientul lui y n din membrul stâng al ultimei relaţii este :

n
y n [Ca0Cbn + Ca1Cbn −1 + ... + Can −1Cb1 + Can Cb0 ] = å Cax Cbn − x .
x =0
n n
Deci åC C
x =0
x
a
n− x
b =C n
a +b Þ åC C
x =0
x
a
n−x
N −a =C .
n
N
II. Media şi dispersia:

n
C xC n−x
M ( X ) = å x a nN −a
x =0 CN
a! a(a − 1)! (a − 1)!
xCax = x =x =a = aCax−−11
x! (a − x)! x( x − 1)!(a − x)! ( x − 1)!(a − x)!
n n n
å Cax C Nn−−xa = å xCaxC Nn−−xa = a å Cax−−11C Nn−−xa = aC Nn−−11

x =0 x =1 x =1
aCn−1 ( N − 1)!n! ( N − n)! n a a

M ( X ) = Nn −1 = a = a = n = np , p = .
CN (n − 1)!( N − n)! N! N N N
Pentru a calcula dispersia, vom calcula momentul de ordinul doi.

1 n 1 n 1 n
M( X 2 ) = n x2CaxCNn−−xa = n x( x −1)CaxCNn−−xa + n xCaxCNn−−xa , unde
CN x=0 CN x=0 CN x=0
x = x ( x − 1) + x .
2
n n
a! n
(a − 2)! n
x(x −1)Cax = x(x −1) = a(a −1) = a(a −1) Cax−−22
x=0 x=2 x!(a − x)! x=2 (x − 2)!(a − x)! x=2
a(a −1) n x−2 n−x a(a −1) n−2

M(X 2 ) = n
Ca−2 CN −a + M ( X ) = CN −2 + M ( X ) =
CN x=0 CNn
a ( a − 1)n! ( N − n )! ( N − 2)! a n( n − 1) n
= + n = a ( a − 1) +a =
N ! ( n − 2)! ( N − n )! N N ( N − 1) N
na é ( a − 1)( n − 1) ù na an − a − n + N .
= +1 = ⋅
N êë N −1 N N −1
na an − a − n + N n 2 a 2
D( X ) = M ( X 2 ) − M 2 ( X ) =
⋅ − 2 =
N N −1 N
na é an − a − n + N na ù na anN − aN − nN + N − nN + na
2
= ê − = ⋅
Në N −1 N N N ( N − 1)
a ( N − a )( N − n ) n N −a N −n .
=n ⋅ =a ⋅ ⋅
N N ( N − 1) N N N −1
a a N −a
Dar =p q = 1− p = 1− = .
N N N
N −n
Obţinem astfel D( X ) = npq .
N −1
OBSERVAŢIE: Pentru N suficient de mare în raport cu n

N −n N −n n
putem face aproximarea ≈ = 1− . Atunci
N −1 N N
æ n ö.
D( X ) ≈ npqç1 −
è N
Deci dispersia variabilei aleatoare hipergeometrice diferă de
dispersia variabilei aleatoare binomiale cu un factor subunitar ce
tinde către 1 când N → ∞ .
10.1.3. Repartiţia uniformă discretă
DEFINIŢIE: O variabilă aleatoare X are o repartiţie

uniformă discretă dacă funcţia sa de probabilitate este de forma
1
f ( x) = .
n
æ1 2 Κ x Κ nö
X :ç1 1 1 1÷
ç Κ Κ ÷
èn n n nø

1) f (x) ≥ 0 , evident
2) å f ( x ) = n 1 = 1
n
x =1 n
II. Media şi dispersia

n
1 1 n 1 n( n + 1) n + 1
M (X ) = å x = å x = =
x =1 n n x =1 n 2 2
n
1 1 n
1 n(n + 1)(2n + 1) (n + 1)(2n + 1)
M ( X 2 ) = å x2 = å x2 = ⋅ =
x=1 n n x=1 n 6 6
(n +1)(2n +1) (n +1) (n +1)(4n + 2 − 3n − 3)
2
D( X) = M( X 2 ) − M2 ( X) = − = =
6 4 12
( n + 1)( n − 1) n 2 − 1
= =
12 12
10.1.4. Repartiţia Poisson
DEFINIŢIE: O variabilă aleatoare X are repartiţie Poisson

dacă funcţia sa de probabilitate este de forma f (x) = e−λ λ ,
x
x!
x ∈ N , λ > 0.
æ x ö
X : ç −λ λx ÷
çe ÷
è x! ø
I. f ( x ) este o funcţie de probabilitate deoarece:
1) e −λ λ ≥ 0 evident.
x
x!
2) å e −λ λ = e −λ å λ = e −λ ⋅ e λ = 1 , unde å λ este dezvoltarea
∞ x ∞ x ∞ x
x =0 x! x =0 x! x =0 x!
λ
lui e în serie McLaurin.
II. Media şi dispersia le putem determina prin calcul direct:

∞
λx ∞
λx −1
M (X ) = xe −λ = e −λ λ =λ.
x =0 x! x = 0 ( x − 1)!
∞
λx ∞ λx ∞
λx
M(X 2 ) = x2e−λ = x(x −1) ⋅ e−λ + M(X) = e−λ + M(X) =
x=0 x! x=0 x! x=2 (x − 2)!
∞
λ x −2
= λ2 ⋅ e −λ + M ( X ) =λ2 ⋅ e −λ e λ + M ( X ) = λ2 + λ .
x = 2 ( x − 2 )!
D( X ) = M ( X 2 ) − M 2 ( X ) = λ2 + λ − λ2 = λ .
Funcţia caracteristică a variabilei aleatoare Poisson:

∞ ∞
(λ ⋅ eit ) x
c(t) = åeitx f ( x) = e−λ å
− λ (1− eit )
= e−λ eλ⋅e . Prin urmare c(t ) = e .
it
x=0 x=0 x!
c' ( t ) = e − λ (1−e ) λ ⋅ i ⋅ eit Þ c' (0) = e − λ (1−1) λ ⋅ i ⋅ e0
it
1 1
M ( X ) = m1 = c' (0) = λ ⋅ i ⋅ e −λ⋅0 = λ
i i
c ' ' ( t ) = e − λ (1−e ) ( λ ⋅ i ⋅ e it ) 2 + e − λ (1−e ) λ ⋅ i 2 ⋅ e it
it it
c' ' (0) = e − λ (1−1) λ2 ⋅ i 2 ⋅ e 0 + e − λ (1−1) λ2 ⋅ i 2 ⋅ e 0 = i 2 ( λ2 + λ )

1
m2 = 2 c' ' (0) = λ2 + λ .
i
Prin urmare: D( X ) = m2 − m12 = λ2 + λ − λ2 .
10.2. Repartiţii continue
10.2.1. Repartiţia continuă uniformă
DEFINIŢIE: O variabilă aleatoare X , continuă, are

repartiţie uniformă dacă funcţia sa de probabilitate este de forma
1
f ( x) = , x ∈ ( a , b) .
b−a
I. f (x ) este o funcţie de probabilitate deoarece:

1) f ( x ) ≥ 0 evident, deoarece b > a .
b b 1 1 b b−a
2) f ( x )dx = dx = dx = =1
a a b−a −
b a a b−a
b 1 b 1 x 2 b b2 − a 2 a + b
M ( X ) = ò xf ( x )dx =
b − a òa
xdx = ⋅ |a = =
a b−a 2 2(b − a) 2
b b3 − a 3 a 2 + ab + b 2
M ( X 2 ) = ò x 2 f ( x) = =
a 3(b − a ) 3
a + ab+ b a + 2ab+ b2
2 2 2
D( X ) = M( X 2 ) − M 2 ( X ) = − =
3 4
4a 2 + 4ab + 4b 2 − 3a 2 − 6ab − 3b 2 ( a − b) 2
= = .
12 12
10.2.2. Repartiţia exponenţială negativă

exponenţială negativă de parametru µ dacă funcţia sa de
probabilitate este de forma f (x) = µ ⋅ e−µ⋅x , x ≥ 0 , µ > 0 .
I. f (x ) este o funcţie de probabilitate deoarece:
1) f ( x ) ≥ 0 evident.
∞ ∞
2) ò f ( x )dx = ò
0 0
µ ⋅ e − µ ⋅x dx = − e − µ ⋅x |0∞ = 0 + 1 = 1

∞ ∞ ∞
M ( X ) = ò xf ( x )dx = ò xµ ⋅ e − µ ⋅ x dx = − xe − µ ⋅ x |0∞ + ò e − µ ⋅x dx =
0 0 0
1 1
− e − µ ⋅x |0∞ = .
µ µ
În rezolvarea integralei am folosit metoda integrării prin părţi, unde
u( x ) = x , du = dx , v( x ) = −e − µ ⋅x , dv = µ ⋅ e − µ ⋅ x dx
∞ ∞ 2 ∞
M ( X 2 ) = ò x2 µ ⋅ e−µ⋅xdx = −x2e−µ⋅x |0∞ +2ò xe−µ⋅x = 0 + ò xµ ⋅ e−µ⋅x =
0 0 µ 0
2 1 2
= ⋅ = 2.
µ µ µ
Integrala a fost calculată tot prin metoda integrării prin părţi, unde
u( x ) = x 2 , du = 2 xdx , v( x ) = −e − µ ⋅x , dv = µ ⋅ e − µ ⋅ x dx .
2 1 1
D( X ) = M ( X 2 ) − M 2 ( X ) = 2 − 2 = 2 .
µ µ µ
1
σ ( X ) = D( X ) = .
µ
Putem calcula media şi dispersia şi astfel:
∞ ∞
M ( X ) = ò xf ( x )dx = ò x ⋅ µ ⋅ e − µ ⋅ x dx
0 0
Făcând schimbarea de variabilă µ ⋅ x = y Þ x = y Þ dx = 1 dy şi

µ µ
observând că limitele de integrare se păstrează, obţinem:
∞ y 1 1 ∞ 1 1
M (X ) = µò ⋅ e − y ⋅ dy = ò ye − y dy = Γ( 2) =
0 µ µ µ 0 µ µ
2
La fel, M ( X 2 ) = ò x 2 f ( x )dx =µ ò x 2 e − µ⋅ x dx = µ ò 2 e − y 1 dy =
∞ ∞ ∞ y
0 0 0 µ µ
1 ∞ 2 −y 1 2 .
= 2 ò y e dy = 2 Γ(3) = 2
µ 0 µ µ
Prin urmare, D ( X ) = M ( X 2 ) − M 2 ( X ) = 22 − 12 = 12 .
µ µ µ
Repartiţia exponenţială are proprietatea M(X) =σX = 1 .
µ
Repartiţiile exponenţială şi Poisson sunt utilizate în
modelarea şi rezlovarea problemelor legate de firele de aşteptare
care apar în activitatea economică.
10.2.3. Repartiţia normală

normală dacă funcţia sa de probabilitate este de forma
2
1 æ x −m ö
1 − ç ÷
f ( x) = e 2 è σ ø , unde m ∈ R , σ > 0 (1)
σ 2π
Pentru a pune în evidenţă parametrii m şi σ , densitatea de
probabilitate se mai notează n( x; m, σ ) , x ∈ R , σ > 0 .
I. f (x ) este funcţie de probabilitate, deoarece:
1) n( x; m, σ ) ≥ 0 , evident, din definiţie.
2
1 æ x −m ö
∞ ∞ 1 − ç ÷
2) ò−∞
n ( x; m, σ )dx = 1 sau ò−∞ σ 2π è
⋅ e 2 σ ø
dx = 1 .
x−m 1
Notăm = y , dx = dy Þ dx = σ ⋅ dy .
σ σ
2
1 æ x −m ö
2π
1 1
∞ 1 − ç ÷ ∞ 1 − y2 1 ∞ − y2
ò dx = ò σ ⋅ dy = ò = 1,
2è σ ø
⋅e ⋅e 2
e2
dy =
−∞
σ 2π −∞
σ 2π 2π −∞
2π
1
∞ − y2
deoarece se ştie că integrala Euler-Poisson ò
−∞
e 2
dy = 2π .
Graficul funcţiei de probabilitate depinde de parametrii m
şi σ , forma curbei rămânând (structural) aceeaşi, şi anume forma
cunoscută sub numele de clopotul lui Gauss.
EXEMPLU: n( x;0, σ )
- ≈ 0,4 = 1
σ 2π
-1 0 1
1) Faţă de parametrul m , curbele n( x, m, σ ) reprezintă de fapt
translaţii de-a lungul axei ox, menţinându-şi forma şi mărimea.
| |
m = −
3 m=0 m = 3
2 2
2) Faţă de parametrul σ , curbele sunt mai ascuţite sau mai plate,

astfel încât aria cuprinsă între graficul curbei şi axa ox să fie egală
cu 1 (unitatea de suprafaţă). Aici σ 1 < σ 2 < σ 3 .
σ1
σ2
σ3
3
m =
2
OBSERVAŢIE: Curba se apropie repede de axa ox . În

raport cu o abatere x − m < 3σ , diferenţa faţă de ox este de ordinul
a 0,003 unităţi. Astfel, repartiţia normală poate fi considerată
definită într-un interval închis şi finit.
Pentru determinarea mediei şi dispersiei vom utiliza funcţia

caracteristică a variabilei aleatoare normale.
∞
c (t ) = M ( e itX ) = ò e itx n ( x; m, σ )dx (2)
−∞
Calculăm pentru început funcţia caracteristică a variabilei
1
aleatoare normale normate: n( y;0,1) = 1 e 2
− y2
(3)
2π
æ y ö æ e ity ö
ç ÷ ç ÷
Y : ç 1 − 2 y 2 ÷ Þ e itY : ç 1 − 2 y2 ÷ .
1 1
ç e ÷ ç e ÷
è 2π ø è 2π ø
y2 1
∞ 1 ∞ − 1 ∞ − ( y 2 −2ity)
c(t) = ò e−ityn( y;0,1)dy = ò eitye 2
dy = ò 2
e dy =
−∞
2π −∞
2π −∞
1 1 1 1
1 ∞ − ( y 2 − 2 ity +i 2t 2 ) + i 2t 2 1 ∞ − ( y −it ) 2 + i 2t 2
=
2π
ò−∞
e 2 2
dy =
2π
ò
−∞
e 2 2
dy =
1 1
1 1 − t2 1 − t2 z2
1 ∞ − ( y −it )2 − t 2 e 2 ∞ − ( y −it )2 e 2 ∞ −
=
2π
ò −∞
2
e 2
e dy =
2π
ò
−∞
e 2
dy =
2π
ò
−∞
e dz =2
1
− t2
2π
2 1
e − t2
= = e 2 , unde am folosit substituţia y − it = z Þdy = dz.
2π
Observăm, de asemenea, că utilizând această substituţie limitele de
integrare nu se schimbă.
Ultima integrală este integrala Euler-Poisson. Ea este egală

cu 2π şi se calculează astfel:
z2 z2 1
∞ − dt ∞ −
∞ − ∞
ò−∞ e
0
2
dz = 2 ò e
0
2t 0
2
dz = 2 ò e it
= 2 ò t 2 e −t dt = 2π .
În calculul de mai sus am folosit substituţia :

1 2 dt z2 dt .
z = t Þ zdz = dt Þ dz = ; = t Þ z = 2t Þdz =
2 z 2 2t
Prin urmare, funcţia caracteristică a variabilei aleatoare
1
− t2
normale normate n ( y ; 0 ,1 ) este cY (t ) = e 2 (4)
Fie variabila aleatoare X=α⋅Y+β. Atunci cX (t) = eiβ⋅tcY (α⋅ t) (5)
Demonstraţie:
c X = M (e itX ) = M [eit (α ⋅Y + β ) ] = M [e itα ⋅Y eitβ ] = e itβ M [e i ( tα )Y ] = e itβ cY (t ) .
2
1 æ x −m ö
Fie variabila aleatoare normală n( x; m, σ ) = 1 e 2 è
− ç ÷
σ ø .
σ 2π
x −m
Facem substituţia = y Þx =σ ⋅ y + m Þ X =σ ⋅Y + m, unde
σ
Y = N ( y;0,1) . Aşa cum am văzut, pentru variabila aleatoare
1
− t2
normală normată, funcţia caracteristică este cY ( t ) = e 2 .
Deci conform (5) avem:
1
− σ 2t 2
c X ( t ) = cσY + m (t ) = e imt cY (σ ⋅ t ) = e imt e 2 .
În concluzie, funcţia caracteristică a variabilei normale
1
imt − σ 2t 2
n( x; m, σ ) este c X (t ) = e 2 (6)
Calculul mediei: M ( X ) = m1
c ' ( 0)
m1 =
i
1
itm − σ 2t 2
c' X (t ) = (im − σ 2 t )e 2
Þ c' X ( 0) = ime 0 = im Þ m1 = m .
Deci M ( X ) = m .
Calculul dispersiei: D ( X ) = M ( X 2 ) − M 2 ( X ) = m2 − m12

c ' ' ( 0)
m2 = 2
i
1 1
itm − σ 2t 2 itm − σ 2t 2
c' ' (t ) = −σ 2 e 2
+ (im − σ 2 t ) 2 e 2
c' ' (0) = −σ 2 e 0 + (im )e 0 = −σ 2 − m 2

c ' ' (0) − σ 2 − m 2
= σ 2 + m 2 (întrucât, evident, i = −1 )
2
m2 = =
i2 i2
Deci D ( X ) = σ 2 + m 2 − m 2 = σ 2 .
OBSERVAŢIE: Parametrii m şi σ ai repartiţiei normale

reprezintă media şi respectiv abaterea medie pătratică.
Funcţia de repartiţie ; funcţia integrală a lui Laplace:
Fie variabila aleatoare normală de parametrii m şi σ :

æ x ö
X : çç ÷÷ , σ > 0 , m ∈ R , unde, aşa cum ştim,
è n ( x; m, σ ) ø
2
1 æ x −m ö
1 − ç ÷
n ( x; m , σ ) = e 2è σ ø . Funcţia de repartiţie este :
σ 2π
2
1 æ t −m ö
x 1 − ç x ÷
F ( x ) = P ( X < x ) = ò n (t ; m, σ )dt = ò e 2è σ ø
dt (7)
−∞ −∞
σ 2π
x
Notăm: N ( x; m, σ ) = ò n (t ; m, σ )dt funcţia de repartiţie a
−∞
variabilei aleatoare normale.
Fie X o variabilă aleatoare normală cu densitatea de

probabilitate n( x; m, σ ) şi funcţia de repartiţie N ( x; m, σ ) . Dacă
facem schimbarea de variabilă Z = X − m , ştim că Z este o
σ
variabilă aleatoare normală normată cu media m = 0 şi dispersia
σ = 1 . Deci Z are densitatea de probabilitate n (z;0,1) şi funcţia de
repartiţie N ( z;0,1) .
2
1 æ t −m ö
1 − çx ÷
F ( x ) = P ( X < x ) = N ( x; m, σ ) = ò e 2 è σ ø dt (8)
−∞
σ 2π
Pentru calculul integralei (8) facem substituţia:
t−m x−m
= y Þ dt = σ ⋅ dy .Dacă t = x , atunci y = , iar pentru t
σ σ
tinzând către − ∞ şi y tinde către − ∞ . Astfel, vom obţine:
1
y 1 − y2 æx−m ö
F ( x) = ò e 2 σ ⋅ dy = N ( y;0,1) = N ç ;0,1÷ .
−∞
σ 2π è σ ø
Prin urmare, putem scrie:
x−m
P( X < x ) = N ( x; m, σ ) = N ( z;0,1) , unde z = .
σ
Reprezentarea grafică a funcţiei de repartiţie normală
1
normată de forma N ( z;0,1) = 1 ò e 2 dy , unde z = x − m este:
z − y2
2π −∞ σ
N ( z;0,1)
1
1
2
OBSERVAŢIE: Curba N(z;0,1) este simetrică faţă de punctul
æ 1 ö . Dacă facem o translaţie de axe: 1
ç 0, ÷ Φ ( z ) = N ( z;0,1) −
è 2ø 2
(translaţie datorată lui Laplace), obţinem:
Φ (z )
1
2
− 12
OBSERVAŢIE: Φ (z ) este o funcţie simetrică faţă de

origine, şi deci funcţia Φ este o funcţie impară . Prin urmare este
suficient să cunoaştem Φ (z ) pentru z > 0 .
n (z;0,1)
z
Φ ( z ) = n(t;0,1)dt
0
În toate cărţile şi manualele de teoria probabilităţilor şi

statistică matematică, funcţia Φ(z ) este tabelată.
Prin urmare, avem: N ( z;0,1) = 1 + Φ ( z ) este funcţia de

2
repartiţie a variabilei aleatoare normală normată şi
1 æ x − m ö este funcţia de repartiţie a variabilei
N ( x; m, σ ) = + Φç ÷
2 è σ ø
aleatoare normală nenormată (de parametrii m şi σ ).
Calculul momentelor centrate :
Momentele centrate ale variabilei aleatoare normale sunt

des utilizate, în special în statistica matematică. Astfel, momentul
centrat de ordinul r :
2
1 æ x −m ö
∞ 1 − ç ∞ ÷
µ r = ò ( x − m ) n( x; m, σ )dx = ò ( x − m )
r
e 2è r σ ø
dx
−∞ −∞
σ 2π
Am văzut că:
∞
µ 0 = ò ( x − m ) 0 n( x; m, σ )dx = 1 Þµ 0 = 1 .
−∞
2 2
1æ x−m ö 1æ x−m ö
∞ 1 −2çè ÷ ∞ 1 −2çè ÷
µ1 = ò (x − m) e σ ø
dx = ò x e σ ø
dx −
−∞ σ 2π −∞ σ 2π
2
1 æ x −m ö
∞ 1 − ç ÷
mò e 2è σ ø
dx = 0 Þµ1 = 0
−∞
σ 2π
x−m
Notăm : = y Þ x − m = σ ⋅ y Þ dx = σ ⋅ dy şi întrucât
σ
σ > 0 , limitele de integrare se păstrează. Obţinem:
2
1æ x−m ö
∞ 1 −2çè σ r ∞ r −12 y
÷ σ r é r −12 y ∞ ù
2 2
µr = ò σ y
2π ò−∞
r r
e σ ø
yσ ⋅ dy =
e dy = ê− y e |−∞ ú +
−∞
σ 2π 2π ë û
σ ∞
r
−
1
y 2
∞ 1 2 −
1
y 2
+
2π ò−∞
(r − 1) y r−2e 2 dy = σ2(r −1)ò σr−2 yr−2
−∞
2π
e dyÞµr =σ2(r −1)µr−2
În rezolvarea acestei integrale am aplicat metoda integrării

1 1
− y2 − y2
prin părţi, unde f = y r −1 Þ f ' = (r − 1) y r−2 , g ' = ye 2
Þ g = −e 2 .
Deci:
µ 2 = σ 2 (2 − 1) = σ 2
µ 3 = σ 2 (3 − 1) µ1 = 0
µ 4 = σ 2 (4 − 1) µ 2 = 1 ⋅ 3 ⋅ σ 4
µ5 = 0
……………………………….
µ 2 q+1 = 0
µ 2 q = 1 ⋅ 3 ⋅ Κ ⋅ ( 2q − 1)σ 2 q
10.2.4. Repartiţia Gamma
DEFINIŢIE: O variabilă aleatoare X are repartiţie Gamma

dacă funcţia sa de repartiţie este de forma:
ì 1 −
x
ï x a
e b
, x > 0 , unde ∞
f ( x; a, b) = í Γ( a + 1)b a +1 Γ(a + 1) = ò x a e − x dx
0
ï0, x ≤ 0
î
şi a > −1 , b > 0 .

1) f ( x; a, b) ≥ 0 , evident
x x
∞ ∞ 1 − 1 ∞ 1 −
2) ò−∞
f (x; a, b)dx = ò
0 Γ(a +1)ba+1
xae b dx = ò
Γ(a + 1) b
0 a+1
xae b dx =
Notăm x = y Þ x = b ⋅ y Þ dx = b ⋅ dy
b
1 ∞ 1 1 ∞ Γ(a + 1)
= ò
Γ(a + 1) 0 b a +1
ba y a e− y b ⋅ dy = ò
Γ(a + 1) 0
y a e− y dy =
Γ(a + 1)
=1
Amintim câteva proprietaţi ale integralei Γ :
P1. Γ(a ) = (a − 1)Γ(a − 1)

P2. Γ(n ) = (n − 1)!
P3. Γæç 1 ö÷ = π
è2ø
Demonstraţiile acestor proprietăţi se găsesc în cursurile de

analiză matematică.
Funcţia generatoare de momente pentru variabila aleatoare

Gamma:
x
∞ ∞ 1 −
g(t) = M(etX ) = etx f (x; a, b)dx = etx a+1
xa e b dx, a > −1 b > 0
0 0 Γ(a + 1)b
Facem substituţia : y = x Þ x = b ⋅ y Þ dx = b ⋅ dy .
b
Avem:
∞ 1 1 ∞
g (t ) = ò e bty a +1
b a y a b ⋅ dy = ò e bty y a ⋅ e − y ⋅ dy =
0 Γ(a + 1)b Γ(a + 1) 0
y
−
1
1 ∞ 1 ∞ 1 1 ,
= ò
Γ(a +1) 0
e−y(1−bt) yady = +
(1− bt) 0
a 1 ò æ 1 ö
a+1
e y dy =
1−bt a
(1− bt)a+1
Γ(a +1)ç ÷
è1− btø
y
−
1
deoarece ∞ 1
ò a +1
e 1−bt
y a dy =1 , fiind densitatea de
0
æ 1 ö
Γ( a + 1)ç ÷
è 1 − bt ø
probabilitate a repartiţiei Γ .
Prin urmare, putem scrie că funcţia generatoare de
momente pentru Γ este g ( t ) = (1 − bt ) − ( a +1) .
Momentele iniţiale:
Calculăm momentele iniţiale din relaţia g ( r ) (t ) |t =0 = mr , r = 1,2,....

g' (t) = −(a + 1)(1 − bt)−(a+2) (−b) = b(a + 1)(1 − bt)−(a+2) Þ m1 = g' (0) = b(a + 1)
g ' ' (t ) = b 2 ( a + 1)(a + 2)(1 − bt ) − ( a +3) Þ m2 = g ' ' (0) = b 2 ( a + 1)( a + 2)

……………………………………………………………………….
g(r) (t) = br (a +1)(a + 2) ⋅Κ ⋅ (a + r)(1− bt)−(a+r+1) Þmr = g(r) (0) =

= b r ( a + 1)( a + 2) ⋅ Κ ⋅ ( a + r )
Deci M ( X ) = m1 = b(a + 1) şi
D( X ) = m2 − m12 = b2 (a + 1)(a + 2) − b2 (a + 1)2 = b2 (a + 1)
Momentele centrate:
ék ù
µ k = M [ X − M ( X )]k = M [ X − m]k = M êå ( −1) j Ckj m j X k − j ú =
ë j =0 û
k
= å ( −1) j C kj m j M ( X k − j )
j =0
k
Deci : µ k = å ( −1) j C kj m j mk − j .
j =0
OBSERVAŢIE:
Pentru k = 2 obţinem:
2
µ2 = åC2jmjm2−j =C20m0m2 −C21m1m`1 +C22m2m0 = m2 −m`21 = D(X) , unde :
j=0
m0 = M ( X 0 ) = M (1) = 1 şi m1 = M ( X 1 ) = M ( X ) = m .
Pentru k = 1 obţinem:
µ1 = M ( X − m ) = M ( X ) − M ( m ) = m − m = 0
În cazul repartiţiei Γ , vom obţine:

µ1 = 0 ;
µ 2 = D ( X ) = b 2 ( a + 1) ;
3
µ 3 = å ( −1) j C3j m j m3− j = m3 − 3m ⋅ m2 + 3m 2 m1 − m 3m0 =
j =0
= b (a + 1)(a + 2)(a + 3) −3b(a +1)b2 (a +1)(a +2) +3b2 (a +1)2 b(a +1) −b3(a +1)3 =
3
= b 3 ( a + 1)[( a + 2)( a + 3) − 3( a + 1)( a + 2) + 3( a + 1) 2 − ( a + 1) 2 ] =

= b3 (a +1)[(a2 +5a + 6 −3a2 −9a −6 + 2a2 + 4a + 2] = b3(a +1)2 Þ µ3 = 2b3(a +1)
µ 4 = 3b 4 ( a + 1)( a + 3) .
10.2.5. Repartiţia Beta
DEFINIŢIE: O variabilă aleatoare X are repartiţie Beta

dacă densitatea sa de probabilitate este de forma:
ì 1
ï xa−1 (1 − x)b−1 , x ∈[0,1]
f ( x; a, b) = í β (a, b) , unde a > 0 , b >0 şi
ï0 , x ∈ (−∞,0) ∪ (1, ∞)
î
1
β (a, b) = x a−1 (1 − x)b−1dx
0

1) f ( x; a , b) ≥ 0 , evident oricare ar fi x ∈ [a, b]
2) f ( x; a, b)dx = 1 1
1 1
x a −1 (1 − x ) b−1 dx = β ( a , b) = 1
0 β ( a , b) 0 β ( a , b)
Reamintim câteva proprietăţi ale integralei β ( a, b) :

P1. β ( a, b) = β (b, a )
Demonstraţie: facem substituţia 1 − x = y Þ x = 1 − y Þ dx = −dy .
1 0 1
β (a, b) = ò xa−1(1 − x)b−1 dx = −ò (1 − y)a−1 yb−1dy = ò yb−1(1 − y)a−1 dy = β (b, a)
0 1 0
a −1
P2. β (a, b) = β ( a − 1, b − 1)
a + b −1
a −1 b −1
P3. β (a, b) = ⋅ β ( a − 1, b − 1)
a + b −1 a + b − 2
P4. β ( a, b) = Γ( a ) Γ(b) , unde Γ( a ) = ò x a −1e − x dx

∞
Γ( a + b) 0
II. Calculul momentelor pentru calculul mediei şi dispersiei:
1 1 1 1 1 a+r−1
mr = ò xr f (x;a, b)dx =ò xr xa−1 (1− x)b−1 dx = ò x (1− x)b−1 dx =
0 0 β (a,b) β (a,b) 0
β ( a + r , b ) Γ ( a + r ) Γ (b ) Γ ( a + b) Γ( a + r ) Γ( a + b)
= = ⋅ =
β ( a , b) Γ ( a + r + b) Γ ( a ) Γ( b) Γ( a + r + b) Γ( a )
Dar Γ ( a + 1) = a Γ ( a ) Þ Γ ( a + r ) = ( a + r − 1) Γ ( a + r − 1) =
= (a + r − 1)(a + r − 2)Γ(a + r − 2) = Κ = (a + r − 1)(a + r − 2) ⋅ Κ ⋅ aΓ(a )
Γ(a + r + b) = Γ(a + b + r) = (a + b + r −1)Γ(a +b + r −1) = (a + b + r −1)(a + b + r − 2) ⋅
⋅ Γ(a + b + r − 2) = Κ = (a + b + r − 1)(a + b + r − 2) ⋅ Κ ⋅ (a + b)Γ(a + b)
Deci
(a +r −1)(a +r −2)⋅Κ ⋅ aΓ(a)Γ(a +b) a(a +1)⋅Κ ⋅ (a +r −1)
mr = =
(a +b+r −1)(a +b+r −2)⋅Κ ⋅ (a +b)Γ(a +b)Γ(a) (a +b)(a +b+1)⋅Κ ⋅ (a +b+r −1)
Prin urmare, m1 = a a ( a + 1)
= M ( X ) , m2 = = M (X 2)
a+b ( a + b)( a + b + 1)
Deci dispersia este :
a(a +1) a2 (a + b)(a2 + a) − a2 (a + b +1)
D( X ) = m2 − m12 = − = =
(a + b)(a + b +1) (a + b)2 (a + b)2 (a + b +1)
a 3 + a 2 + a 2 b + ab − a 3 − a 2 b − a 2 ab .
= =
( a + b) ( a + b + 1)
2
( a + b) ( a + b + 1)
2
10.2.6. Repartiţia χ 2
DEFINIŢIE: O variabilă aleatoare X are repartiţie χ 2 dacă
funcţia sa de repartiţie este de forma:
ì 1
k
−1 −
x
ï x 2
e 2
, x>0
ï æk ö 2
k
f ( x; k ) = í Γ ç ÷ 2 , unde k ∈ N * reprezintă
ï è2ø
ïî0 , x ≤ 0
numărul gradelor de libertate.
Mai jos prezentăm graficele funcţiei f ( x; k ) pentru

k = 2,4,6,15 .
k=2
k=4
0,2-
0,15- k=6
0,1- k=15
0,05-
| | | | |
0 5 10 15 20 25
Se vede că graficele sunt asimetrice, dar, pentru valori mari

ale gradelor de libertate ( k > 30) , graficul repartiţiei χ 2 se apropie
de graficul repartiţiei normale.
OBSERVAŢIE: χ 2 se poate obţine din Γ pentru a =

k
−1
2
şi b = 2 .
Funcţia generatoare de momente a variabilei aleatoare Γ
1
= (1 − bt)−(a+1) şi g (0) = mr , r = 1,2,.... .
(r)
este de forma g(t) = a+1
(1 − bt)
Prin urmare, pentru a = k − 1 şi b = 2 , vom obţine funcţia
2
generatoare de momente a variabilei χ 2
de forma:
k
−
g (t ) = (1 − 2t ) .
2
k k
k − −1 − −1
g ' (t ) = − (1 − 2t ) 2 ( −2) = k (1 − 2t ) 2 g ' (0) = m1 = k
2
æk +2ö
k k
− −1 − −1
g ' ' (t ) = − k ç (1 − 2t ) 2 ( −2) = k ( k + 2)(1 − 2t ) 2
è 2
g ' ' ( 0) = m 2 = k ( k + 2 )
D ( χ 2 ) = m2 − m12 = k 2 + 2k − k 2 = 2k
10.2.7. Repartiţia Student
DEFINIŢIE: O variabilă aleatoare X are repartiţie Student

dacă funcţia sa de repartiţie este de forma:
æ k + 1ö
Γç ÷ k +1
2 − 2
è 2 æ
ø ç1 + ÷
t ö
f (t , k ) = , t ∈ℜ
æ k ö çè k ÷ø
k π ⋅ Γç ÷
è2ø
Se poate arăta că variabila aleatoare „t” este dată de raportul

z k
t= , unde z este variabila aleatoare n( x;0,1) , iar variabila
V
aleatoare V este un χ 2 cu k grade de libertate, independentă de z.
Se arată că lim f (t , k ) = n(t;0,1) , deci t este aproximată

k →∞
suficient de bine de n(x;0,1) pentru k > 30 .
k
M (t ) = 0 , iar D(t ) = .
k −2
n (x;0,1)
x
CAPITOLUL 11
TIPURI DE CONVERGENŢĂ. LEGILE NUMERELOR

MARI. TEOREME LIMITĂ CENTRALĂ
11.1. Inegalitatea lui Cebîşev
DEFINIŢIE: Fie (Ω, K , P ) un câmp (borelian) de

probabilitate şi X : Ω → ℜ o variabilă aleatoare cu media
M ( X ) = m şi dispersia D( X ) finite. Atunci pentru orice ε > 0 ,
M ( X
are loc inegalitatea:

D( X )
P( X − m ≥ ε ) ≤ (1)
ε2
echivalentă cu inegalitatea :
D( X )
P( X − m < ε ) ≥ 1 − . (1’)
ε2
Formula (1) [respectiv (1’) ] poartă numele de Inegalitatea
lui Cebîşev .
Demonstraţie:
∞
D( X ) = ò ( x − m) 2 f ( x)dx = ò (εx − m)
2
f ( x)dx + ò (εx − m)
2
f ( x)dx ≥
−∞
x −m < x −m ≥
≥ ò (εx − m)
2
f ( x )dx ≥ ε 2 ò fε ( x )dx = ε
2
P( X − m ≥ ε ) .
x −m ≥ x −m ≥
Deci D(X) ≥ ε 2P( x − m ≥ ε) ÞP( x − m ≥ ε) ≤ D(X ) D(X)

ÞP( x − m < ε) ≥1− 2
ε 2
ε
Luând ε = k ⋅ σ , unde k ∈ N şi σ = D ( X ) , rezultă că
D( X ) σ2 1
= 2 2 = 2 şi deci inegalitatea lui Cebîşev se poate scrie :
ε 2
k σ k
1
P( X − m ≥ kσ ) ≤ 2 , unde k ∈ N , (2) sau:
k
1
P ( X − m < kσ ) ≥ 1 − 2 (2’)
k
OBSERVAŢIE: Pentru k = 1 , inegalitatea este banală. De

aceea vom lua k ∈ N , k ≥ 2 .De exemplu:
1
Ø Pentru k = 3, avem P( X − m ≥ 3σ ) ≤ ≈ 0,1 sau
9
1 8
P( X − m < 3σ ) ≥ 1 − = ≈ 0,9
9 9
1
Ø Pentru k = 4 , avem P( X − m ≥ 4σ ) ≤ ≈ 0,06
16
Observăm deci că abaterile mai mari decât 3σ şi cu atât
mai mult decât 4σ au probabilităţile de producere foarte mici, deci
şansele acestor evenimente de a se produce sunt extrem de reduse.
EXEMPLE:
1) Variabila aleatoare X , continuă, reprezintă lungimea unor

piese fabricate la o maşină. Se ştie că M ( X ) = m = 50 cm şi
D ( X ) = σ 2 = 0,1 . Utilizând inegalitatea lui Cebîşev, să se
determine probabilitatea ca lungimea X a pieselor să fie cuprinsă
între 49,5 cm şi 50,5 cm.
Soluţie:
Deoarece m = 50 , condiţia 49,5 < X < 50,5 se poate scrie
− 0,5 < X − 50 < 0,5 , sau X − 50 < 0,5 Þ ε = 0,5 .
Aplicăm inegalitatea lui Cebîşev :
0,1
P ( X − 50 < 0,5) ≥ 1 − = 1 − 0,4 = 0,6 .
0,25
2) Aplicând inegalitatea lui Cebîşev, să se găsească limita

inferioară a probabilităţii inegalităţii α 5 − 1 < 10 −2 , unde α
10 6
reprezintă numărul de apariţii ale feţei 5 în 105 aruncări ale zarului.
Soluţie:
Variabila aleatoare α are repartiţie binomială, cu media
M (α ) = np şi dispersia D (α ) = npq .
1 1
M (α ) = np = 105 ⋅ , unde reprezintă probabilitatea de apariţie a
6 6
feţei 5.
1 5 5 ⋅ 105
D (α ) = npq = 10 5 ⋅ ⋅ =
6 6 36
Fie variabila aleatoare X = α 5 − 1 . Atunci :
10 6
5
1 1
æ ö 10 1 1 1 1
M ( X ) = M (α ) ⋅ 5 − M ç ÷ = ⋅ 5 − = − =0
10 è6ø 6 10 6 6 6
éæ α 1 ö ù 2
æ α2 α 1ö
D( X) = M[(X − m)2 ] = Mêç 5 − − 0÷ ú = Mçç 10 − 5 + ÷÷ =
êëè10 6 ø úû è10 10 ⋅ 3 36ø
1 1 1 1 105 (105 + 5) 1 105 1
= M (α 2 ) − 5 M (α ) + = 10 ⋅ − 5 ⋅ + =
1010
10 ⋅ 3 36 10 36 10 ⋅ 3 6 36
1 5 1 1 5
= + − + = .
36 105 ⋅ 36 18 36 10 5 ⋅ 36
Aplicăm inegalitatea lui Cebîşev:
æ α 1 ö 5 ⋅ 10 4 5 355 71
P ç 5 − − 0 < 10 −2 ÷ ≥ 1 − 5 =1− = =
è 10 6 ø 10 ⋅ 36 360 360 72
11.2. Tipuri de convergenţă
Am văzut că unele repartiţii (sau unele caracteristici ale

unor variabile aleatoare) pot fi aproximate, în condiţiile unui volum
mare de probe (n → ∞) , prin alte repartiţii sau carecteristici.
EXEMPLU: Repartiţia Student:
æ k +1ö
Γç ÷ k +1
2 − 2
è 2 æ
ø ç1 + ÷
t ö
f (t; k ) = , t ∈ℜ
æ k ö çè k ÷ø
kπ ⋅ Γ ç ÷
è2ø
Se arată că lim f (t; k ) = n(t;0,1) . Practic, pentru k > 30 ,

k →∞
f (t; k ) ≈ n(t;0,1) .
Prin urmare este util să cunoaştem în ce condiţii un şir de

variabile aleatoare ( X n ) tinde (converge) către o variabilă aleatoare
X.
a) Convergenţa în probabilitate
DEFINIŢIE: Şirul de variabile aleatoare ( X n ) n∈N converge

în probabilitate către variabila aleatoare X ( X n →
P
X ) , dacă
pentru orice ε > 0 , avem :
lim P{ X n − X < ε } = 1 .
n→∞
b) Convergenţa în medie de ordinul r , ( r ∈ N * )

în medie de ordinul r către variabila aleatoare X dacă:
lim M ( X n − X ) = 0 .
r
n →∞
OBSERVAŢIE: Pentru r = 2 se obţine definiţia

convergenţei în medie pătratică, foarte utilizată în statistica
metematică.
c) Convergenţa în repartiţie (sau în sens Bernoulli)
Fie X n variabila aleatoare cu funcţia de repartiţie Fn (x ) şi

X variabila aleatoare cu funcţia de repartiţie F (x ) .

în repartiţie către variabila aleatoare X dacă: lim Fn ( x ) = F ( x ) în
n→∞
toate punctele x unde funcţia de repartiţie F (x ) este continuă.
11.3. Legi ale numerelor mari
Cu toate că despre orice variabilă aleatoare nu se poate şti

dinainte valoarea pe care aceasta o ia într-o anumită experienţă,
totuşi, media aritmetică a unui număr sufucient de mare de
variabile aleatoare, în condiţii destul de puţin restrictive, îşi
pierde caracterul întâmplător.
Astfel de condiţii se dau în teoremele cunoscute sub

denumirea comună de legi legi ale numerelor mari .
11.3.1. Teorema lui Cebîşev
Dacă X 1 , X 2 , Κ , X n sunt variabile aleatoare independente

două câte două, şi au dispersiile mai mici decât o constantă „c”,
atunci, pentru orice ε > 0 avem:
ì n n
ü
ïï å X k å M ( X k ) ïï
lim P í k =1 − k =1 < ε ý = 1 (1)
n→∞
ï n n ï
îï þï
Demonstraţie:
Fie variabila aleatoare X = 1 å X k . Această variabilă are
n
n k =1
media M( X ) = 1 åM( Xk ) şi dispersia D( X ) = 12 å D( X k ) ≤ nc2 = c .
n n
n k=1 n k =1 n n
Aplicăm inegalitatea lui Cebîşev pentru variabila X = å X k , adică 1 n
n k =1
D( X )
P( X − m < ε ) ≥ 1 − .
ε2
ì n n
ü
ï å X å M( Xk ) ïï
De aici rezultă : 1 − D( X ) ≤ Pïí k =1
k
− < ε ý ≤1 .
k =1
ε2 ï n n ï
ïî ïþ
c
Înlocuind D( X ) = şi trecând la limită pentru n → ∞ ,
n
ì n n
ü
ïï å X k å M (X k ) ïï
rezultă: 1 ≤ lim P í k =1 − k =1 < ε ý ≤ 1 , şi teorema este
n→ ∞
ï n n ï
ïî ïþ
demonstrată.
COROLAR: Dacă variabilele aleatoare X 1 , X 2 , Κ , X n au

toate aceeaşi medie „m”, deci M ( X k ) = m , k = 1,2,..., n , atunci
relaţia (1) devine:
ì n
ü ì n
ü
ïï åX k
n ⋅m ï
ï ïï åX k ïï
lim P í k =1
− < ε ý = 1 Þ lim P í k =1
− m < εý =1.
n→∞ n n n→ ∞ n
ï ï ï ï
ïî ïþ ïî ïþ
Rezultă deci că media aritmetică a unui număr suficient de

mare de variabile aleatoare, cu dispersiile mărginite, îşi pierde
caracterul de variabilă aleatoare.
Aceste rezultate dau o justificare regulei mediei aritmetice,
care se aplică în mod curent în măsurători. Dacă trebuie măsurată o
mărime „a”, repetând de n ori măsurătorile, obţinem n rezultate
x1 , x 2 ,..., x n , în general diferite. Drept valoare aproximativă luăm
1
media aritmetică a rezultatelor: a = ( x1 + ... + xn ) .
n
11.3.2. Teorema lui Bernoulli (legea numerelor mari a lui

Bernoulli)
Teorema lui Bernoulli stabileşte o legătură între frecvenţa

relativă a unui eveniment şi probabilitatea sa.
Să considerăm o experienţă în care probabilitatea de apariţie
a unui eveniment A este p . Se fac n experienţe. Dacă ν este
numărul de apariţii ale evenimentului A din cele n experienţe,
atunci, oricare ar fi ε > 0 , avem:
ìν ü ν
limPí − p < ε ý = 1 , unde reprezintă frecvenţa relativă.
n→∞
î n þ n
Demonstraţie:
Considerăm variabila aleatoare X k , variabilă ce reprezintă
numărul de apariţii ale evenimentului A în experienţa de ordinul k ,
k = 1,2,..., n .
1 0ö
Fiecare variabilă aleatoare X k are repartiţia X k : æç ,
ç p q ÷÷
è k kø
unde pk + qk = 1 . Această variabilă are media M ( X k ) = pk şi

dispersia D( X k ) = M ( X k2 ) − M 2 ( X k ) = pk − pk2 = pk (1 − pk ) = pk qk .
Fie X = X1 + X 2 + Κ + X n . Aplicăm teorema lui Cebîşev
variabilei aleatoare X :
ì1 ü ìν ü
lim P í ( X 1 + X 2 + Κ + X n ) − p < ε ý = lim P í − p < ε ý = 1 .
n →∞ n →∞
î n þ î n þ
OBSERVAŢII:
1) Teorema lui Bernoulli explică stabilitatea frecvenţei relative de

apariţie a unui eveniment A, f n = ν , pentru un număr mare de
n
experienţe.
2) Uneori, această teoremă celebră se enunţă astfel: frecvenţa
relativă de apariţie a unui eveniment converge în probabilitate
către probabilitatea evenimentului considerat.
3) Dăm următoarea definiţie:
Variabila aleatoare X (n ) , depinzând de numărul natural n se spune
că estimează absolut corect numărul „a” dacă:
a) M [ X (n)] = a
b) lim D[ X (n)] = 0
n →∞
Să arătăm că aceste condiţii sunt îndeplinite pentru

variabilele aleatoare X (n ) =
ν şi a = p .
n
æν ö æ1 n ö 1
Mç ÷ = Mç å Xk ÷ = n ⋅ p = p
ènø è n k =1 ø n
æν ö æ1 n ö 1 pq æν ö
D ç ÷ = Dç å X k ÷ = 2 n ⋅ p ⋅ q = Þ lim Dç ÷ = 0
ènø è n k =1 ø n n n → ∞
ènø
Prin urmare probabilitatea p este estimată absolut corect de
frecvenţa relativă f n = ν ceea ce face ca în caclulul probabilităţii şi
n
statistică să se folosească valoarea aproximativă p ≈ ν .
n
11.3.3. Teorema lui Poisson
Teorema lui Poisson este o generalizare a teoremei lui

Bernoulli în sensul că evenimentul A are în prima probă
probabilitatea de realizare p1 , în a doua probabilitatea p2 , …, în a
n-a probă probabilitatea pn .
TEOREMĂ: Fie ν numărul de apariţii ale unui eveniment
A în n experienţe independente şi pk probabilităţi de apariţie a
evenimentului A în experienţa de ordinul k , k = 1,2,..., n . Atunci,
oricare ar fi ε > 0 , avem lim Pç ν − 1

æ n
ö
pk < ε = 1 .
n→∞ ç n n k =1
è
Demonstraţie: Variabila aleatoare X reprezintă rezultatul
1 0ö
probei de ordinul k ( k = 1,2,..., n ) şi are repartiţia X k : æç ,
ç p q ÷÷
è k k ø
pk + qk = 1 , k = 1,2,..., n . X k ia valoarea 1 dacă evenimentul A a

n
apărut şi 0 dacă evenimetul A nu a apărut. Deci ν = å X k . De
k =1
asemenea : M ( X k ) = pk ; M ( X k2 ) = pk .
D(Xk ) = M[(Xk − pk )2 ] = M[Xk2 −2pk M(Xk ) + pk2 ] = pk −2pk2 + pk2 = pk − pk2 =
= pk (1 − pk ) = pk qk
Aplicăm inegalitatea lui Cebîşev variabilei aleatoare
1n ν
å
n k=1
Xk = .
n
n n
æ1 n
1 n
ö åp q k k k kåp q
Pçç å X k − å pk < ε ÷÷ ≥ 1 − k =1 2 2 . Dar lim k=1 2 2 = 0 .
nε n→∞ n ε
è n k =1 n k =1 ø
Atunci obţinem:
æ1 n 1 n ö ν 1 n
lim Pçç å X k − å pk < ε ÷÷ = 1 şi deoarece = å X k , atunci
n→∞ n n k =1
è n k =1 n k =1 ø
rezultă că : lim Pç ν − 1 å pk < ε ÷ = 1 .
æ n
ö
n→∞ ç n n k =1 ÷
è ø
1n 1
OBSERVAŢIE: Dacă p1 = p2 =...= pk = p Þ å
n k=1
pk = np= p,
n
adică teorema lui Bernoulli
11.3.4. Teorema limită centrală
Dăm fără demonstraţie următorul rezultat, esenţial în

statistica matematică:
Dacă :
1) Variabila aleatoare X k , k = 1,2,..., n , sunt independente;
2) Variabilele X k nu iau valori prea mari una în comparaţie
cu celelalte;
3) Numărul n al veriabilelor este sufucient de mare,
n
Atunci: variabila aleatoare X = å X k are ca repartiţie
k =1
asimptotică repartiţia normală, oricare ar fi repartiţiile variabilelor
aleatoare X k ( k = 1,2,..., n ).
Prin urmare, teorema limită centrală dă posibilitatea

folosirii repartiţiei normale drept lege practică de aproximare.
CAPITOLUL 12
STATISTICĂ MATEMATICĂ
12.1. Noţiuni de teoria selecţiei şi a estimaţiei
Să considerăm o populaţie Γ , finită sau infinită, în sensul

că este formată dintr-un număr finit sau infinit de unităţi. Dacă
populaţia Γ este finită, vaom nota cu N numărul unităţilor ce o
compun, iar N îl vom numi volumul populaţiei .
Studiem populaţia Γ din punctul de vedere al unei
proprietăţi. Această proprietate, care variază (în general) aleator de
la o unitate la alta a populaţiei o vom asimila cu o variabilă
aleatoare X şi o vom numi variabilă aleatoare teoretică definită pe
populaţia Γ .
Caracteristicile probabilistice ale variabilei aleatoare
teoretice X le vom numi caracteristici teoretice, astfel:
m = M ( X ) , media teoretică;
D = σ 2 = D( X ) , dispersia teoretică;
mr = M ( X r ) , momentul iniţial de ordinul r, teoretic;
µ r = M [( X − m) r ] , momentul centrat de ordinul r, teoretic.
Cercetarea unităţilor din populaţia Γ se poate face printr-o

observare totală sau parţială.
Cercetarea totală (care se efectuează de exemplu sub

formă de recensământ) este o operaţie complexă, care de cele mai
multe ori primeşte mai multe caracteristici ale unităţilor, pentru a
realiza o analiză multilaterală. Practic, o cercetare totală se
recomandă atunci când volumul populaţiei Γ nu este prea mare,
pentru a evita cheltuieli ce pot depăşi avantajele concluziilor trase.
Carcetarea parţială (selectivă) se efectuează asupra unei

subpopulaţii γ ∈ Γ , subpopulaţie de volum n. Variabila aleatoare
asimilată caracteristicii studiate corespunzătoare subpopulaţiei de
selecţie γ este reprezentativă, ceea ce înseamnă că în subpopulaţia
γ sunt reflectate proprietăţile întregii populaţii Γ .
Construirea eşantionului (subpopulaţiei de selecţie) γ se
face cu unităţi din populaţia Γ , alese după o animită tehnică (după
anumite reguli) numită operaţie de sondaj.
În efectuarea unui sondaj întâlnim două metode de bază:
a) Sondaj cu revenire (sondaj non-exhaustiv):

Fiecare unitate de sondaj extrasă din Γ pentru a fi studiată,
se reintroduce în Γ , după cercetare, putând deci să apară din nou în
procesul de construcţie al eşantionului γ .
Efectuarea sondajului cu revenire are ca schemă
probabilistică urna lui Bernoulli (urna cu bilă revenită).
În acest caz vom spune că s-a efectuat o selecţie repetată de
volum n. Sondajele astfel efectuate sunt:
Echiprobabile
Valorile de selecţie astfel obţinute sunt
independente
b) Sondaj fără revenire (sondaj exhaustiv):

Fiecare unitate de sondaj extrasă din Γ pentru a fi studiată
nu mai este reintrodusă în Γ după studiere (cercetare).
Efectuarea sondajului fără revenire are ca schemă
probabilistică schema urnei cu bilă nerevenită.
În acest caz vom spune că s-a efectuat o selecţie nerepetată
de volum n.
OBSERVAŢIE: Aplicarea selecţiei nerepetată nu are sens

decât în cazul când volumul populaţiei Γ este finit. Valorile de
selecţie astfel obţinute sunt dependente.
Selecţia repetată şi selecţia nerepetată sunt aplicate

colectivităţilor omogene.
DEFINIŢIE: O colectivitate este omogenă dacă este

constituită din elemente care sunt susceptibile de a avea sau de a nu
avea caracteristica studiată, cu o aceeaşi pondere.
În cazul când sondajul se efectuează dintr-o populaţie

omogenă, el se numeşte sondaj simplu (selecţie simplă) .
În cazul când populaţia Γ nu este omogenă din punct de
vedere al caracteristicii (al proprietăţii) cercetate dar poate fi
împărţită în subpopulaţii Γi , fiecare în parte omogenă, ca nişte
straturi ale populaţiei Γ , se va efectua aşa numita selecţie
stratificată.
Fie γ ⊂ Γ , o populaţie de selecţie de volum n. Valorile

variabilei teoretice X pentru fiecare unitate din eşantionul γ
determină şirul de valori X 1 , X 2 ,..., X j ,..., X n . Deoarece participarea
oricărei unităţi din populaţia Γ la eşantionul γ este echiprobabilă
(deoarece sondajul se face întâmplător) , fiecare valoare X j din
şirul anterior se realizează în eşantion cu aceeaşi probabilitate 1 .

n
*
Astfel se construieşte variabila de selecţie X , cu repartiţia :
æ X1 X2 Κ Xj Κ Xn ö
X : çç 1
*
1 1 1 ÷
÷
ç Κ Κ ÷
è n n n n ø
Caracteristicile variabilei aleatoare de selecţie X * , numite

caracteristici de selecţie, sunt: (1)
1 n
m* = X = å X j
n j =1
n
1
D* = å ( X j − X )2
n j =1
1 n
mr* = å X rj
n j =1
1 n
µ r* = å ( X j − X ) r
n j =1
OBSERVAŢIE: Eşantionul γ , la rândul lui, are un aspect

aleatoriu determinat în primul rând de caracterul întâmplător al
sondajului. Prin urmare, efectuând alte sondaje se obţin alte
eşantioane şi alte variabile aleatoare de selecţie.
Putem considera că fiecare valoare X j a argumentului

variabilei aleatoare de selecţie X * este, la rândul ei, o variabilă
aleatoare identică din punct de vedere probabilistic cu X, deoarece
poate fi oricare din valorile posibile ale lui X şi deci are aceleaşi
caracteristici ca şi variabila aleatoare teoretică. Adică:
M(X j) = M(X ) , j = 1,..., n
D ( X j ) = D( X ) , j = 1,..., n
M ( X rj ) = M ( X r ) , j = 1,..., n
În cazul când variabila aleatoare empirică X * are repartiţia

de forma :
æ x x 2 Κ xi Κ x k ö k
X * : çç 1
n n Κ n Κ n
÷÷ ; å ni = 1 , unde
è 1 2 i k ø i = 1
x1 , x 2 , Κ , xi , Κ , x k sunt valorile distincte ale lui X j , j = 1,..., n , iar

n1 , n2 , Κ , ni , Κ , nk sunt frecvenţele de apariţie. Deci relaţiile (1)
devin: (1’)
1 k
m * = x = å xi ni
n i =1
k
1
D * = å ( x i − x ) 2 ni
n i =1
1 k
mr* = å xir ni
n i =1
1 k
µ r* = å ( xi − x ) r ni
n i =1
12.2. Repartiţii de selecţie
O anumită caracteristică (calitativă sau cantitativă) studiată

pe o populaţie oarecare Γ poate fi considerată ca o variabilă
aleatoare unidimensională X care are o densitate de repartiţie f (x )
sau o funcţie de reaprtiţie F (x ) .
f (x ) şi F (x ) se numesc legi teoretice de repartiţie a
variabilei aleatoare X .
Să considerăm acum că pe baza unei selecţii de volum n din
populaţia Γ obţinem valorile X 1 , X 2 , Κ , X n . Cu ajutorul acestor
valori (cu ajutorul acestor date de selecţie) putem calcula diferiţi
indicatori ca de exemplu:
n
Ø Media de selecţie : X * = X = 1 å X k
n k =1
n
Ø Dispersia de selecţie : D * = 1 å ( X k − X ) 2
n k =1
DEFINIŢIE: O funcţie Tn ( X 1 , X 2 ,..., X n ) de datele de

selecţie X 1 , X 2 , Κ , X n se numeşte statistică .
OBSERVAŢIE: Media de selecţie X * şi dispersia de
selecţie D * sunt funcţii de datele de selecţie X 1 , X 2 , Κ , X n , deci
sunt statistici.
Fiecare statistică Tn ( X 1 , X 2 ,..., X n ) (de exemplu media de

selecţie şi dispersia de selecţie) este, datorită caracterului aleatoriu
al selecţiei, o variabilă aleatoare care la rândul ei are anumite legi de
repartiţie (f şi F) numite repartiţii de selecţie .
Cunoaşterea legii de repartiţie (repartiţiei de selecţie) a

statisticii Tn ( X 1 , X 2 ,..., X n ) este deoasebit de importantă deoarece
cu ajutorul ei se poate face studiul probabilistic al statisticii
Tn ( X 1 , X 2 ,..., X n ) , calculându-se probabilităţi de forma P(Tn < a ) ,
P( a < Tn < b) ; M (Tn ) , D(Tn ) , etc.
OBSERVAŢIE: Interpretarea datelor de selecţie are un

dublu înţeles:
Ø X 1 , X 2 , Κ , X n sunt nişte numere cunoscute
Ø X i , i = 1,..., n sunt variabile aleatoare cu aceleaşi
caracteristici ca şi X .
În acest fel, prin intermediul statisticii Tn putem trage

concluzii referitoare la populaţia generală Γ din care a provenit
selecţia (eşantionul) γ .
Teoria probabilităţilor ne oferă procedee de determinare atât

a repartiţiei exacte, cât şi a repartiţiei asimptotice a statisticii Tn .
Prin repartiţia exactă a statisticii Tn înţelegem repartiţia
determinată pentru orice volum al selecţiei n, iar prin repartiţia
asimptotică înţelegem repartiţia limită a statisticii Tn (când
n → ∞) .
Repartiţia exactă este utilă când condiţiile concrete ale
caracteristicii studiate din populaţia Γ impune folosirea unei selecţii
(eşantion) γ de volum redus n ≤ 30 .
În cazul unor selecţii de volum mare ( n > 30 ) folosirea
repartiţiei asimptotice conduce la rezultate suficient de bune.
Repartiţia de selecţie a statisticii Tn este strâns legată şi
unic determinată de legea de repartiţie teoretică a variabilei
aleatoare X care a generat selecţia.
În continuare vom cerceta repatiţiile de selecţie ale unor

statistici Tn construite dintr-o selecţie extrasă dintr-o populaţie cu
repartiţie normală.
1) Tn ( X 1 , X 2 ,..., X n ) = X (media de selecţie)
2) Tn ( X 1 , X 2 ,..., X n ) = D (dispersia de selecţie)
12.3. Repartiţia mediei de selecţie pentru o selecţie dintr-o

populaţie normală
TEOREMA 1: Dacă X 1 , X 2 , Κ , X n este o selecţie de volum

n dintr-o populaţie normală N (m, σ ) , atunci media de selecţie:
1 æ σ ö.
X = ( X 1 + X 2 + Κ + X n ) are o repartiţie N ç m, ÷
n è nø
Demonstraţie:
Deoarece variabila aleatoare de selecţie X k , k = 1,..., n ,
este o variabilă aleatoare normală N (m, σ ) , ea are funcţia
1
imt − σ 2t 2
caracteristică c X k (t ) = e 2 . (vezi capitolul 10, paragraful
10.2.3.)
Aplicând proprietăţile funcţiei caracteristice, obţinem
funcţia caracteristică a variabilei aleatoare 1 X k , k = 1,..., n :
n
t 1 t2
im − σ 2 2
c 1 (t ) = e n 2 n (deoarece caX (t ) = c X ( at ) ).
Xk
n
1 1 1 1
Dar X =
( X1 + X 2 + Κ + X n ) = X1 + X 2 + Κ + X n
n n n n
şi deci, aplicând proprietatea P3 a funcţiei caracteristice (vezi
capitolul 3, paragraful 1.6.), avem:
n
1 t2 t 1 t2 2
1æ σ ö 2
n t
i m− σ 2 2 å i n m − 2σ 2 n 2 itm −
1σ 2 2
t itm− ç ÷ t
c X (t ) = ∏ e n 2 n
= e i =1 =e 2 n
=e 2è n ø
,
k =1
adică X are repartiţia N æç m, σ ö÷ .

è nø
OBSERVAŢIE: Prin urmare, M ( X ) = m , D ( X ) = σ .

2
n
CONSECINŢA 1: Considerăm variabila aleatoare redusă
X −m
Z= n pe care o putem scrie sub forma unei expresii liniare
σ
n n
în funcţie de X , adică Z = X− X . Atunci :
σ σ
æ X −m ö n æ n ö n n
M(Z) = Mçç n ÷÷ = M( X) − Mçç m = [M(X) − m] = [m− m] = 0
è σ σ èσ σ σ
æ X −m ö æ n ö æ n ö n n σ2
D( Z ) = Dçç n ÷÷ = Dçç X ÷÷ − Dçç m = D( X ) = 2 ⋅ =1
è σ èσ èσ σ σ n
X −m
Prin urmare, Z = n are repartiţia normală de tip
σ
N (0,1) .
TEOREMA 2: Dacă X 11 , Κ , X 1n1 este o selecţie de volum

n1 din populaţia normală N ( m1 , σ 1 ) şi X 21 , Κ , X 2 n2 este o selecţie
de volum n2 din populaţia normală N ( m 2 , σ 2 ) , şi dacă
n1 n2
1 1
X1 =
n1
åX
j =1
1j
şi X2 =
n2
åX
k =1
2k
sunt mediile de selecţie
corespunzătoare, atunci variabila aleatoare Y = X1 − X2 = X1 + (−X2 )

æ 2 ö
are o repartiţie normală N ç m1 − m2 ; σ 1 + σ 2 ÷ .
2
ç n1 n 2 ÷ø
è
Demonstraţie:
Funcţia caracteristică a mediei de selecţie X1 este
t 2σ 2 t 2σ 22
itm1 − 1 itm2 −
c X (t ) = e 2 n1
şi ale mediei de selecţie X 2 este c X (t ) = e
2
2 n2
.
1
OBSERVAŢIE: Funcţia caracteristică a variabilei aleatoare

t 2σ 22
− itm 2 −
− X 2 este de forma : c− X (t ) = e 2 n2
, conform proprietăţii P4 a
2
funcţiei caracteristice (vezi capitolul 4, paragraful 4.2.3.) .
Deoarece X 1 şi − X 2 sunt variabile aleatoare

independente, funcţia caracteristică a variabilei aleatoare
Y = X 1 − X 2 = X 1 + ( − X 2 ) este (conform proprietăţii P3 a funcţiei
caracteristice):
t 2σ 12 t 2σ 22 t 2 æç σ 12 σ 22 ö
÷
itm1 − itm 2 − it ( m1 − m 2 ) − +
2 çè n1 n 2 ÷
cY (t ) = e 2 n1
⋅e 2 n2
=e ø
æ 2 ö
Prin urmare Y are repartiţia N ç m1 − m2 ; σ 1 + σ 2 ÷ .
2
ç n1 n 2 ÷ø
è
OBSERVAŢIE: Ultima afirmaţie rezultă din faptul că

variabila aleatoare X cu repartiţia N (m, σ ) are funcţia caracteristică
t 2σ 2
imt −
c X (t ) = e 2 .
CONSECINŢA 2: Din teorema 2 rezultă că repartiţia

variabilei aleatoare normate Z = X 1 − X 2 − ( m1 − m2 ) are o
σ 12 σ 22
+
n1 n2
repartiţie de tipul N (0,1) .
12.3.1. Legătura cu variabila aleatoare χ 2 cu n grade de

libertate
Se ştie că variabila aleatoare χ 2 are densitatea de
probabilitate:
ì 1
k
−1 −
x
ï k
x 2
e 2
, x>0
ï æk ö 2
f ( x; k ) = í Γ ç ÷ 2
ï è2ø
ïî0 , x ≤ 0
Se poate demonstra că dacă Z k , k = 1,..., n sunt variabile

n
aleatoare normale N (0,1) , atunci variabila aleatoare å Z k2 este:
k =1
n
χ 2 = å Z k2 , cu n grade de libertate şi are deci densitatea de
k =1
probabilitate :
n x
1 −1 −
h( x ) = n
⋅ x2 ⋅e 2
, x > 0.
ænö
Γç ÷ ⋅ 2 2
è2ø
Ştim că M ( χ 2 ) = n şi D ( χ 2 ) = 2n (vezi capitolul 10,

paragraful 10.2.6).
Este adevărată următoarea teoremă:
TEOREMA 3: Dacă X 1 , X 2 , Κ , X n este o selecţie de

volum n dintr-o populaţie normală N (0,1) , atunci variabila aleatoare
n
Y = å X k2 este o variabilă aleatoare χ cu n grade de libertate.
2
k =1
12.4. Repartiţia dispersiei de selecţie pentru o selecţie dintr-o

populaţie normală
Dispersia D a unei populaţii oarecare Γ poate fi evaluată pe

baza selecţiei X 1 , X 2 , Κ , X n în următoarele moduri:
a) Dacă media m a populaţiei generale Γ este cunoscută, atunci
n
dispersia de selecţie este dată de: D ' = 1 å ( X k − m ) 2 = S *2 (1)
n k =1
b) Dacă media m a populaţiei Γ nu este cunoscută, atunci media o
n
putem aproxima cu media de selecţie X = 1 å X k şi dispersia de
n k =1
n
selecţie este: D * = 1 å ( X k − X ) 2 = S 2 (2)
n k =1
c) În cazul selecţiilor de volum mic, evaluăm dispersia D a
populaţiei Γ cu dispersia de selecţie dată de relaţia :
~ 1 n
D= å ( X k − X )2 = ~s2
n − 1 k =1
În cele ce urmează vom stabili repartiţia unor funcţii de

~
variabilele aleatoare D' , D * , D pentru selecţii dintr-o populaţie
normală. Sunt adevărate următoarele proprietăţi:
TEOREMA 1: Dacă X 1 , X 2 , Κ , X n este o selecţie dintr-o

populaţie N (m, σ ) , atunci variabila aleatoare U ' = nD2 ' are o
σ
repartiţie χ cu n grade de libertate.
2
Demonstraţie:
n
1
nD '
n⋅
n
å (X
i − m)
2
n
æ Xi − m ö
2 n
U'= 2 =
σ
i =1
σ2
= å
i =1
ç
è σ
÷
ø
= å
i =1
Z i2 ,
unde Z i este o variabilă aleatoare cu repartiţia N (0,1) . Conform

teoremei 3 din paragraful anterior, U ' este o repartiţie χ 2 cu n
grade de libertate.
Prin urmare M (U ' ) = n şi D(U ' ) = 2n . Deci :
n
M (U ' ) = 2 M ( D' ) = n Þ M ( D' ) = σ 2
σ
n 2σ 4
D (U ' ) = 2 D( D ' ) = 2n Þ D ( D' ) =
σ n
volum n dintr-o populaţie N (m, σ ) , atunci variabila aleatoare
~
( n − 1) D
U= are o repartiţie χ 2 cu ( n − 1) grade de libertate.
σ 2
~
Prin urmare, variabila U = ( n − 12 ) D are densitatea de
σ
n −1 x
probabilitate de forma : h( x ) = 1 −1 −
x 2 e 2 , x > 0.
æ n − 1 ö n−1
Γç ÷⋅2
è 2 ø

volum n dintr-o populaţie normală N (m, σ ) , atunci variabila
aleatoare t = X − m ~
~ n , unde σ~ = D , are o repartiţie Student cu
σ
( n − 1) grade de libertate.
CONSECINŢĂ: Dacă X 11 , Κ , X 1n1 este o selecţie de

volum n1 din populaţia normală N ( m1 , σ 1 ) şi X 21 , Κ , X 2 n2 este o
selecţie de volum n2 din populaţia normală N ( m2 , σ 2 ) , şi dacă
1 n1 1 n2
X 1 = å X 1 j şi X 2 =
n1 j =1
å X 2k sunt mediile de selecţie
n2 k =1
~ 1 n1 ~ 1 n2
corespunzătoare, iar D 1= å
n1 −1 k=1
(X1k − X1)2 şi D2 = å(X2k − X2)2 sunt
n2 −1 k=1
dispersiile de selecţie corespunzătoare, atunci variabila aleatoare:
( X 1 − X 2 ) − ( m1 − m2 )
t= ~ ~
( n1 − 1) D + ( n2 − 1) D
n1 + n2 − 2
are o repartiţie Student cu ( n1 + n2 − 2) grade de libertate.
TEOREMA 4: Fie X 1 , X 2 , Κ , X n o selecţie (independentă)

de volum n dintr-o populaţie având o repartiţie oarecare de medie m
n
şi abatere medie pătratică σ , finite. Atunci X = 1 å X k are,
n k =1
pentru n → ∞ o repartiţie normală N æç m, σ ö÷ .
è nø
Demonstraţiile teoremelor enunţate în acest paragraf se

găsesc în /2/ , /1/, /3/ .
12.5. Estimaţie punctuală
Fie variabila de selecţie X * sub una din formele empirice :
æ X1 X2 Κ Xj Κ Xn ö
X * : çç 1 1 1
÷
1 ÷ , sau
ç Κ Κ ÷
è n n n n ø
æx x2 Κ xi Κ xk ö k
X * : çç 1
n2 Κ ni Κ
÷ , cu
nk ÷ø
ån i = 1.
è n1 i =1
Datorită volumului de selecţie n, modului de efectuare a

sondajului, valorile numerice oferite de selecţie reflectă valorile
variabilei teoretice X care reprezintă caracteristica (proprietatea)
studiată din Γ .
Aceste aprecieri au la bază teorema lui Glivenco (teorema
fundamentală a statisticii matematice) care se referă la legătura
strânsă care există între funcţia de repartiţie teoretică F (x ) a
variabilei aleatoare teoretice X şi funcţia de repartiţie empirică
Fn (x ) .
DEFINIŢIE: Prin funcţia de repartiţie empirică a unei

variabile aleatoare X, după extragerea unei selecţii γ de volum n,
înţelegem funcţia definită de relaţia Fn ( x ) = n x , unde n x reprezintă
n
numărul de observaţii în care a apărut o valoare a variabilei
aleatoare X (a caracteristicii X), mai mică decât x.
Reamintim că funcţia de repartiţie teoretică F (x ) a
variabilei aleatoare X este F ( x ) = P ( X < x ) .
TEOREMA LUI GLIVENCO: Fie Fn (x ) funcţia de

repartiţie empirică corespunzătoare unei selecţii de volum n ce
provine dintr-o populaţie caracterizată de variabila aleatoare X
având funcţia de repartiţie F (x ) . Atunci:
P( lim sup Fn ( x ) − F ( x ) = 0) = 1 .
n →∞ x∈R
Adică, cu cât n este mai mare, cu atât Fn (x ) aproximează

mai corect pe F (x ) .
Conform teoremei lui Glivenco, putem accepta principiul

de bază al teoriei selecţiei:
Variabila aleatoare de selecţie X * converge în lege către
variabila aleatoare teoretică X, iar caracteristicile variabilei de
selecţie converg în probabilitate către caracteristicile
corespunzătoare ale variabilei aleatoare teoretice.
DEFINIŢIE: Operaţia prin care se evaluează parametrii

necunoscuţi ai unei legi de probabilitate se numeşte estimarea
parametrilor.
Estimarea se face pe baza unei selecţii X 1 , X 2 , Κ , X n de

volum n, extrasă din populaţia Γ pe care este definită variabila X,
cu lege specificată, care conţine parametrul ce trebuie estimat.
12.5.1. Estimator; estimator consistent
Fie X variabila aleatoare cu legea f ( x, λ ) care depinde de

un parametru necunoscut λ .
Vrem să-l determinăm pe λ din datele de selecţie ale
variabilei aleatoare de selecţie X * .
DEFINIŢIE: Se numeşte estimaţie punctuală a

parametrului λ , o anumită funcţie (statistică) λ* = λ* ( X 1 ,..., X n ) cu
ajutorul căreia tragem concluzii asupra valorii necunoscute a
parametrului λ .
OBSERVAŢIE:Estimatorul λ* astfel definit este o variabilă
aleatoare (fiind o funcţie care depinde de valorile de selecţie
X 1 , X 2 , Κ , X n ), pe când λ reprezintă o valoare constantă a
variabilei aleatoare teoretice X .
Orice valoare λ*C (valoare calculată a estimatorului λ* )
determinată de o anumită selecţie reprezintă o valoare estimată
pentru λ .
DEFINIŢIE: Funcţia de estimaţie λ* = λ* ( X 1 ,..., X n ) ,

pentru care lim P ( λ* − λ < ε ) = 1 se numeşte funcţie de estimaţie
n →∞
consistentă, iar estimatorul λ* se numeşte estimator consistent.
12.5.2. Estimator absolut corect; estimator corect
DEFINIŢIE: Estimatorul λ* este un estimator absolut

corect dacă:
1) M ( λ* ) = λ
2) D ( λ* ) → 0
n →∞
Spunem atunci că orice valoare calculată a λ*C a acestui

estimator, estimează absolut corect pe λ .
DEFINIŢIE: Estimatorul λ* este un estimator corect dacă:

1) M ( λ* ) → λ
n →∞
2) D( λ* ) → 0
n →∞
Spunem atunci că orice valoare calculată λ*C a acestui

estimator, estimează corect pe λ .
Se poate demonstra următoarea teoremă , a cărei

demonstraţie se găseşte în /2/:
TEOREMĂ: Orice estimator absolut corect este şi un

estimator consistent.
æ x ö
EXEMPLU: Fie repartiţia Poisson X : ç −λ⋅ λx ÷ , x ≥ 0
çe ÷
è x! ø
cu M ( x ) = D( x ) = λ . (vezi capitolul 10, paragraful 10.1.4. ) .
n
Vom arăta că media de selecţie X = 1 åX j este un estimator
n j=1
absolut corect pentru λ .
æ1 n ö 1 n 1
M ( X ) = M çç å X j ÷÷ = å M ( X j ) = ⋅ n ⋅ λ = λ .
è n j =1 ø n j =1 n
æ1 n ö 1 n 1 λ
D ( X ) = Dçç å X j ÷÷ = 2 å D ( X j ) = 2 ⋅ n ⋅ λ = → 0
è n j =1 ø n j =1 n n n →∞
Deci media de selecţie X este un estimator absolut corect
al parametrului λ din repartiţia Poisson.
12.5.3. Estimator de maximă verosimilitate
Fie variabila aleatoare teoretică X cu funcţia de probabilitate

f ( x, λ ) , care depinde de parametrul λ . Acest parametru trebuie
estimat pe baza datelor de selecţie X 1 , X 2 , Κ , X n .
Funcţia de probabilitate f ( x, λ ) , corespunzătoare valorilor
X 1 , X 2 , Κ , X n este f ( X j ; λ ) = P( X = X j ) , j = 1,..., n . Deoarece
variabila de selecţie X * presupune realizat evenimetul
én ù
êΙ ( X = X j )ú , rezultă că însăşi realizarea variabilei de selecţie
ë j =1 û
constituie un eveniment care are un anumit grad de reprezentare a
variabilei teoretice, constituind astfel verosimilitatea de reflectare a
variabilei teoretice X de către variabila de selecţie X * .
Această verosimilitate este măsurată de probabilitatea :
én ù n
L( X1, X2 ,...,Xn ; λ) = PêΙ ( X = X j )ú , adică L( X1, X2 ,...,Xn ; λ) = ∏ f ( X j ; λ)
ë j=1 û j=1
n
L( X 1 , X 2 ,..., X n ; λ ) = ∏ f ( X j ; λ ) , numită funcţia de
j =1
verosimilitate a selecţiei.
Vom determina (estima) parametrul λ punând condiţia ca

verosimilitatea să fie maximă. Punem deci condiţia
n
∂∏ f ( X j ; λ )
∂L( X 1 ,..., X n; λ ) j =1
= 0 sau = 0.
∂λ ∂λ
Deoarece maximul funcţiei L are loc pentru aceleaşi valori

ca şi maximul funcţiei ln L , ecuaţia precedentă poate fi înlocuită
prin una mai avantajoasă din punct de vedere al calculelor :
n ∂ ln f ( X ; λ )
∂ ln L( X 1 ,..., X n ; λ )
= 0 sau å j
= 0.
∂λ j =1 ∂ λ
n ∂ ln f ( X ; λ )
Ecuaţia å j
= 0 se numeşte ecuaţia de
j =1 ∂ λ
verosimilitate maximă.
DEFINIŢIE: Orice soluţie a ecuaţiei de verosimilitate

maximă se numeşte estimator de maximă verosimilitate .
OBSERVAŢIE: În general, un estimator de maximă

verosimilitate este şi un estimator consistent. Adică
lim P ( λ* − λ < ε ) = 1 .
n →∞
EXEMPLU: Să se determine estimatorul de maximă

æ x ö
verosimilitate din repartiţia Poisson X : ç −λ⋅ λx ÷ , x ≥ 0 , unde
çe ÷
è x! ø
λx .
f ( x; λ ) = e − λ
x!
Funcţia de verosimilitate este :
λ j
n n X
L( X 1 ,..., X n ; λ ) = ∏ f ( X j ; λ ) = ∏ e−λ Logaritmând,

j =1 j =1 ( X j )!
obţinem: ln L( X 1 ,..., X n ; λ ) = å {− λ + X j ln λ − ln[( X j )!]}.

n
j =1
Ecuaţia de maximă verosimilitate este:
n
∂lnL n æ 1ö 1n
åX j
= åç−1+ X j ⋅ ÷ = 0 sau −n + åX j = 0 Þλ* = j=1n Þλ* = X .

∂λ j=1 è λø λ j=1
În concluzie, media de selecţie în repartiţia Poisson este un

estimator de maximă verosimilitate pentru parametrul λ .
OBSERVAŢIE: În cazul repartiţiilor X care au funcţia de

probabilitate depinzând de mai mulţi parametri f ( x; λ1 , λ2 ,..., λs ) ,
parametrii λ1 , λ2 ,..., λn se determină din sistemul de ecuaţii
∂ ln L( X 1 ,..., X n ; λ1 ,..., λs )
= 0 , i = 1,..., s .
∂λi
EXEMPLU: Să se determine estimaţiile de maximă

verosimilitate ale parametrilor m şi σ ale unei variabile aleatoare
normale f ( x; m, σ ) cu ajutorul unei selecţii X 1 , X 2 , Κ , X n .
2
1 æ X −m ö
1 − ç ÷
, σ > 0 , x∈R, m∈R .
f ( x ; m, σ ) = e 2è σ ø
σ 2π
n
1
n
1 − å ( X i − m )2
L( X 1 , Κ , X n ; m, σ ) = ∏ f ( X i ; m, σ ) = n
e 2σ 2 i =1
i =1
σ n ( 2π ) 2
n 1 n
2 å
ln L( X 1 , Κ , X n ; m, σ ) = −n ln σ − ln(2π ) − ( X i − m) 2
2 2σ i =1
∂ ln L( X 1 ,..., X n ; m, σ ) 1 2 n
= − ⋅ 2 å ( X i − m)( −1) = 0
∂m 2 σ i =1
∂ ln L( X 1 ,..., X n ; m, σ ) n 1 n
= − + 3 å ( X i − m) 2 = 0
∂σ σ σ i =1
ìn ì 1 n ìm* = X
ïå i ( X − m ) = 0 ï m = å i
n i =1
X ï
ï i=1 ï ï n
Þí n Þí Þ
n í
ï 1 ( X − m)2 = n ïσ 2 = 1 ( X − m) 2 ï *
å ( Xi − m)2
ïîσ 2 å å i ïîσ =
i=1
i=1
i
ïî n i =1 n
În concluzie, m * şi σ * sunt estimatori de maximă
verosimilitate pentru m şi σ din f ( x; m, σ ) .
12.6. Estimarea prin intervale de încredere
Am văzut că estimaţiile punctuale sunt afectate de erori, ele

reprezentând numai valori aproximative ale adevăratelor valori ale
parametrilor estimaţi. Deoarece o estimaţie variază în precizie, ea
trebuie să fie însoţită de o indicaţie cu privire la precizia ei, adică
cât de aproape poate fi estimaţia de valoarea parametrului pe care
trebuie să-l estimeze. Apare astfel necesitatea de a se indica un
interval despre care să se poată afirma, cu o probabilitate
cunoscută, că acoperă valoarea parametrului estimat, care este o
mărime constantă.
Presupunem că proprietatea studiată este determinată de o

variabilă aleatoare X care are legea de repartiţie teoretică f ( x;θ )
care depinde de parametrul θ .
Se efectuează o selecţie γ de volum n din care obţinem
valorile de selecţie X 1 , X 2 , Κ , X n .
Să presupunem de asemenea că avem două funcţii de
selecţie (statistici) θ ( X 1 , Κ , X n ) şi θ ( X 1 , Κ , X n ) , θ < θ , astfel
încât probabilitatea inegalităţii θ < θ < θ să fie îndeplinită de θ ,
adică :
P[θ ( X 1 , Κ , X n ) < θ < θ ( X 1 , Κ , X n )] = 1 − α (1)
unde α nu depinde de θ .
Pentru o selecţie realizată, funcţiile θ şi θ iau valori bine

determinate şi vom spune că am găsit un interval (θ , θ ) care
acoperă parametrul necunoscut θ [altfel spus θ ∈ (θ , θ ) ] cu un grad
de siguranţă garantat de probabilitatea (1 − α ) unde α este foarte
mic.
DEFINIŢIE:
(i) Intervalul (θ , θ ) se numeşte interval de încredere pentru
parametrul θ (sau interval de estimaţie).
(ii) θ se numeşte limita inferioară a intervalului de încredere.
(iii) θ se numeşte limita superioară a intervalului de încredere.
(iv) Probabilitatea (1 − α ) se numeşte probabilitate confidenţială
sau coeficient de încredere (siguranţă).
OBSERVAŢII:
Ø Parametrul θ este o valoare bine determinată.

Ø Intervalul (θ , θ ) este un interval aleator care variază de la o
selecţie la alta.
Ø Cu cât intervalul (θ , θ ) este mai mic şi α este mai mic, cu
atât estimarea parametrului θ este mai bună. Practic, pentru
α se iau valorile α = 0,05 ; α = 0,01 ; α = 0,02 , etc.
Se consideră variabila aleatoare X cu funcţia de

probabilitate f ( x;θ ) . Ne propunem ca pe baza unei selecţii
X 1 , X 2 , Κ , X n să determinăm un interval de încredere pentru
parametrul θ necunoscut.
Metoda constă în găsirea unei funcţii U ( X 1 , Κ , X n ; θ ) care
depinde de datele de selecţie şi de θ , şi are proprietăţile:
a) U este bine definită pe orice punct din intervalul valorilor
posibile ale lui θ .
b) U este continuă şi monotonă în raport cu θ .
c) Repartiţia sa g (u) nu depinde de parametrul θ şi nici de
alţi parametri.
Atunci, pentru fiecare coeficient de încredere (1 − α ) ,

folosind repartiţia g (u) a statisticii U , putem găsi limitele u1 şi u2
care depind de α , dar sunt independente de datele de selecţie, asftel
încât:
u2
P(u1 < U < u2 ) = ò g (u )du = 1 − α (2)
u1
12.6.1. Intervale de încredere pentru parametrii repartiţiei

normale :
æ x ö,
X : çç ÷÷ x∈R, m∈R, σ >0,
è f ( x) ø
2
1 æ x −m ö
1 − ç ÷
f ( x; m , σ ) = e 2è σ ø
σ 2π
(i) Interval de încredere pentru media m când σ 2 este
cunoscut
Alegem statistica: U ( X 1 , Κ , X n ; m ) = X − m n (1)

σ
care este monotonă şi continuă în raport cu m şi a cărei funcţie de
repartiţie este N (0;1) , cu densitatea:
1 u2
1 − 2⋅ 2 (2).
g (u ) = e
2π
Funcţia (2) nu depinde de m şi nici de alţi parametri .

Prin urmare vom putea determina numerele u1 şi u2 astfel
u
încât: P(u1 < U < u2 ) = ò 2 g (u )du = 1 − α , sau:
u1
u2
æ ö
(3) Pç u1 < X − m n < u2 ÷ = 1
u2 −
ç
è σ ÷
ø 2π ò
u1
e 2
du = 1 − α Þ
æu σ uσ ö æ uσ uσ ö (4)
Pç 1 < X − m < 2 − X ÷ = Pç X − 2 < −m < X − 1 ÷ = 1 − α
è n n ø è n nø
Am obţinut deci intervalul de încredere pentru m,
æ uσ uσ ö (5)
çX − 2 ,X − 1 ÷
è n nø
cu probabilitatea 1 − α .
OBSERVAŢIE: Deoarece între u1 şi u2 avem o singură

relaţie, dată de (3) putem obţine o infinitate de intervale de
încredere cu probabilitatea 1 − α .
Evident, un interval de încredere este cu atât mai bun cu cât
este cât mai mic. Căutăm deci intervalul dat de relaţia (5), de
lungime minimă.
Fie l lungimea intervalului. Atunci l = σ (u2 − u1 )
n
Vom minimiza lungimea intervalului l , cu condiţia (3),
adică rezolvăm problema:
ì σ
ïïmin l = n (u2 − u1 )
í u
ï 2 g (u )du = 1 − α
ïî òu1
Utilizăm metoda multiplicatorilor lui Lagrange:

Fie L(u1 , u2 ; λ ) = σ (u2 − u1 ) + λ ⋅ [ ò 2 g (u )du − (1 − λ )]
u
n u1
ì ∂L σ
ï ∂u = − n − λ ⋅ g (u1 ) = 0
ï 1 Þ g ( u1 ) = g (u 2 ) , care are soluţiile
í
ï ∂L σ
= + λ ⋅ g (u2 ) = 0
ïî ∂u2 n
u1 = u 2 care nu convine şi soluţia − u1 = u 2
Notăm z = u2 = −u1 . Atunci ecuaţia (4) devine

u2
1 z −
ò e 2
du = 1 − α Þ F ( z) − F (−z) = 1 − α , dar F (− z) = − F ( z) ,
2π −z
deci 2F( z) − 1 = 1 − α Þ F ( z) = 1 − α Þ z = F −1 æç1 − α ö÷ .

2 è 2ø
ìu1 = − z α = z α
1−
Dar z α = − z α Þ ïí 2 2
ïu2 = z1− α
1−
2 2
î 2
Deci intervalul de încredere este :
æ σ σ ö
çX − z α ⋅ <m< X +z α ⋅ ÷
ç 1− n 1− n ÷ø
è 2 2
(ii) Interval de încredere pentru media m când σ este

necunoscut
Considerăm funcţia de selecţie U( X1,Κ , Xn ; m) = X − m n = t ,

S
n
unde S 2 = 1 å ( X i − X ) 2 . Am văzut că t are o repartiţie Student
n − 1 i =1
cu ( n − 1) grade de libertate. Analog punctului anterior se poate
arăta că intervalul de încredere este:
æ S S ö
çX −t α ⋅ <m< X +t α ⋅ ÷
ç 1− ;n −1 n 1− ;n −1 n ÷ø
è 2 2
12.7. Estimarea parametrilor unei variabile aleatoare prin

metoda momentelor
Fie populaţia Γ în care studiem o proprietate dată de

variabila aleatoare teoretică X definită pe Γ . Variabila X are
momentele iniţiale şi centrate m r şi µ r cunoscute.
Se efectuează o selecţie γ de volum n şi se consideră
variabila aleatoare de selecţie X * cu momentele iniţiale de selecţie
şi momentele centrate de selecţie m r* , µ r* .
TEOREMĂ: Momentul de selecţie m r* este un estimator

absolut corect al momentului teoretic m r .
Demonstraţie:
m r* este un estimator absolut corect al lui m r dacă
M (mr* ) = mr şi lim D( mr* ) → 0 . Într-adevăr:
n →∞
æ1 n ö 1 1
M ( mr* ) = M çç å X rj ÷÷ = M ( X rj ) = ⋅ n ⋅ m r = m r
è n j =1 ø n n
æ1 n ö 1 n 1 m − mr2
D(mr* ) = Dçç å X rj ÷÷ = 2 å D( X rj ) = 2 ⋅ n ⋅ (m2r − mr2 ) = 2r →0
è n j=1 ø n j=1 n n n→∞
OBSERVAŢIE: Aplicarea metodei momentelor la

estimarea parametrilor λ1 , Κ , λs a unei funcţii f ( x; λ1 , Κ , λs )
constă în scrierea unui sistem de s ecuaţii pentru cei s parametrii.
Acest sistem se formează prin scrierea primelor s momente ale
variabilei aleatoare teoretice X care sunt egale cu momentele de
acelaţi ordin ale variabilei aleatoare empirice X * .
EXEMPLU: Fie f ( x; λ ) = 1 x λ −1e − x , x > 0 , λ > 0 . Se
Γ( λ )
efectuează o selecţie de volum n : X 1 , X 2 , Κ , X n . Scriem că
momentul de ordinul 1 al variabilei aleatoare X este egal cu
momentul de selecţie de ordinul 1.
ì ∞ 1 ∞ λ −x Γ(λ + 1)
ïïM ( X ) =m1= ò0xf ( x; λ)dx = Γ(λ) ò0 x e dx = Γ(λ) = λ 1n
í n
Þλ*
= åX j
n j=1
ïM ( X * ) = m* = 1 X
ïî 1 å j
n i=1
OBSERVAŢIE: Ne putem pune întrebarea ce moment

empiric este cel mai potrivit pentru estimarea momentului teoretic?
Din exemplul anterior rezultă:
1 n
m2 = λ ( λ + 1) Þ λ ( λ + 1) = å X j
n j =1
1 n
m3 = λ ( λ + 1)( λ + 2) Þ λ ( λ + 1)( λ + 2) = å X 3j
n j =1
Se observă chiar că valorile lui λ astfel determinate nu
satisfac (în general) şi ecuaţiile anterioare, deci metoda se complică.
În aceste situaţii este indicată aplicarea metodei intervalelor de
încredere.
12.8. Verificarea ipotezei cu privire la legea de repartiţie a

unei variabile aleatoare
O ipoteză statistică se referă fie la forma legii de repartiţie a

unei populaţii (normală, exponenţială, etc.) fie la parametrii
conţinuţi în această lege (medie, dispersie), şi ea se verifică folosind
rezultatele obţinute într-o selecţie aleatoare extrasă din populaţia
cercetată.
Fie variabila aelatoare X care reprezintă o proprietate
considerată pe o populaţie Γ a cărei repartiţie f ( x, θ ) are o formă
cunoscută, dar care depinde de un parametru necunoscut θ . Ipoteza
conform căreia θ are valoarea θ 0 , se notează : H 0 : θ = θ 0 şi poartă
numele de ipoteza nulă .
Să presupunem că în afara valorii θ 0 , parametrul θ mai poate
avea şi una din valorile θ 1 , θ 2 ,... . Ipotezele H i : θ = θ i , i = 0,1,2,...
se numesc ipoteze admisibile, iar H i : θ = θ i , i = 1,2,... se numesc
ipoteze alternative ale ipotezei nule H 0 .
În cele ce urmează vom considera două ipoteze: ipoteza
nulă H 0 şi alternativa ei, H 1 ca ipoteză contrară ipotezei H 0 ,
explicând în ce constă verificarea unei ipoteze statistice, procedeul
de verificare, precum şi unele noţiuni legate de acestea.
Testul statistic este o metodă sau un criteriu după care

ipoteza de verificat se acceptă sau se respinge. El stabileşte, după
natura observaţiilor, pentru care selecţii ipoteza se acceptă şi pentru
care se respinge.
Datorită caracterului întâmplător al selecţiei, la verificarea
unei ipoteze statistice, există întotdeauna riscul de a lua o decizie
eronată. Când pe baza datelor selecţiei respingem ipoteza H 0 de
verificat, deşi în realitate este adevărată, spunem că am comis o
eroare de genul întâi, iar când acceptăm ipoteza H 0 care în realitate
este falsă, spunem că am comis o eroare de genul doi. Probabilitatea
erorii de genul întâi se numeşte risc de genul întâi (prag sau nivel de
semnificaţie) şi-l notăm cu α , iar probabilitatea erorii de genul doi
se numeşte risc de genul al doilea şi se notează cu β .
Pentru construirea testului statistic cu ajutorul căruia
verificăm ipoteza statistică H 0 trebuie să avem în vedere
următoarele:
a) determinarea unei funcţii (o statistică) T ( X 1 ,..., X n ) de
datele de selecţie numită statistica testului, cu caretestăm
ipoteza H 0 ;
b) valoarea admisibilă a pragului de semnificaţie;
c) ipoteza alternativă H 1 opusă ipotezei H 0 ;
d) regiunea critică W a ipotezei H 0 corespunzătoare statisticii
T a testului, prin care înţelegem acea mulţime de valori ale
statisticii T astfel încât dacă valoarea observată a lui T
aparţine acestei mulţimi, atunci ipoteza H 0 se respinge,
acceptîndu-se H 1 . În caz contrar se acceptă H 0 . Regiunea
critică W este astfel determinată încât probabilitatea
comiterii erorii de genul doi să fie minimă şi probabilitatea
ca T obţinut prin selecţie să-i aparţină când H 0 este
adevărată, să fie egală chiar cu α , adică vor fi îndeplinite
condiţiile:
P(T ∈ W / H 0 ) = α şi P (T ∈ W / H 1 ) = maxim
Conform definiţiei riscului β , putem scrie P(T ∈W / H1) = β ,
unde W este complementara mulţimii W .
Probabilitatea de a respinge H 0 ca falsă (fiind adevărată
H 1 ) adică de a nu comite eroarea de genul doi este:
π (W , H 1 ) = P(T ∈ W / H 1 ) = 1 − β
şi poartă numele de puterea testului, care este cu atât mai mare cu
cât β este mai mic.
Până acum am presupus că repartiţia teoretică a variabilei

aleatoare X este specificată, iar în cele mai multe cazuri este
repartiţia normală.
De foarte multe ori chiar specificarea repartiţiei reprezintă o
ipoteză care trebuie verificată. De aceea, practica statistică pune
problema realizării unei legături între variabila empirică (de
selecţie) X * şi variabila teoretică X .
x x 2 Κ xi Κ x k ö k
Fie variabilele: X * : æçç 1 ÷÷ ; å ni = 1 ,
è n1 n2 Κ ni Κ nk ø i =1
x ö
şi X : æçç ÷÷ .
è f ( x) ø
Se va cerceta dacă şirul numeric al frecvenţelor absolute
empirice ni reflectă legea ipotetică a variabilei teoretice X ,
concretizată în funcţia f ( x; a1 ,..., a k ) .
Rezolvarea acestei probleme presupune următoarele etape:
1. Estimarea parametrilor, făcută ţinând seama de eventualele

semnificaţii pe care le pot avea în legătură cu caracteristicile
distribuţiei teoretice şi de calităţile estimaţiei respective.
2. Se construieşte, după estimarea parametrilor, variabila

pseudo-teoretică:
æx x 2 Κ xi Κ x k ö k
X ' : çç 1 ÷÷ ; å n' i = 1 , făcându-se legătura
è n'1 n ' 2 Κ n' i Κ n ' k ø i =1
între variabila empirică X * şi variabila teoretică X .
Determinarea frecvenţelor absolute calculate ni este

realizată prin intermediul funcţiei de probabilitate, folosind relaţia:
ni*
= f ( x; a1 ,..., a k ) , de unde ni = ni ⋅ f ( x; a1 ,..., a k ) , i = 1,..., n .
*
ni
OBSERVAŢIE: Datorită unor proprietăţi ale au funcţiilor

de probabilitate f ( x ) pentru determinarea frecvenţelor calculate
n' i , de cele mai multe ori se folosesc formulele de recurenţă,
pornindu-se de la valoarea dominantă (cu maximum de probabilitate
a realizării argumentului).
3. Verificarea ipotezei H 0 de concordanţă între repartiţia

empirică şi repartiţia teoretică, ipoteză ce se verifică folosind aşa-
numitele teste de concordanţă .
a) Testul de concordanţă χ 2 :
Studiind funcţia χ 2 = å ( ni − n ' i ) , K.Pearson a arătat că,

k 2
i =1 n'i
în cazul unui sondaj cu revenire în populaţia studiată, când
probabilităţile pi nu sunt apropiate de 0 sau 1, iar produsele
n' i = ni ⋅ pi , unde pi = f ( xi ) , după estimarea parametrilor, nu sunt
prea mici (practic nu sunt mai mici decât 5), funcţia considerată are
repartiţia χ 2 cu ( s − 1) − k grade de libertate, s fiind numărul de
valori observate, iar k numărul parametrilor estimaţi.
OBSERVAŢII:
Ø Dacă legea presupusă este legea Poisson, ea are un singur

parametru, deci k = 1 , iar numărul gradelor de libertate va fi
( s − 1) − 1 = s − 2 ; dacă legea presupusă este legea normală, atunci
k = 2 şi avem ( s − 1) − 2 = s − 3 grade de libertate.
Ø După cum am precizat mai sus, legea χ 2 condiţia ca
n' i = ni ⋅ pi să nu fie numere mai mici decât 5. În cazul în care există
astfel de numere, se vor cumula la prima frecvenţă ni mai mare ca
5. Aceasta face ca numărul s să fie modificat corespunzător noii
situaţii, devenind ~ s , iar numărul gradelor de libertate devenind
(~
s − 1) − k . Dacă între repartiţia de selecţie şi repartiţia teoretică
există concordanţă, atunci statistica χ 2 definită în relaţia
k
( ni − n ' i ) 2 trebuie să fie mai mică şi nu va depăşi o valoare
χ2 = å
i =1 n'i
determinată χ (2s −1)− k ;α corespunzătoare numărului gradelor de
libertate ( s − 1) − k şi pragului de semnificaţie α dat. Regiunea
critică a testului va fi dată de inegalitatea χ 2 > χ (2s −1) − k ;α şi deci,
dacă χ 2 ≤ χ (2s −1) − k ;α acceptăm ipoteza H 0 , în caz contrar o
respingem.
b) Testul de concordanţă al lui Kolmogorov:
Din studierea convergenţei funcţiei empirice de repartiţie

F ( x ) către funcţia teoretică de repartiţie F ( x ) , Kolmogorov a
demonstrat următoarea teoremă:
æ λ ö ∞
÷ = K ( λ ) = å ( −1) k e −2 k λ2 , unde λ > 0
2
lim Pç d n < şi
n →∞
è nø k = −∞
d n = max Fn ( x ) − F ( x ) .
Funcţia K ( λ ) este calculată în tabele pentru diverse valori

ale lui λ (tabelul distribuţiei Kolmogorov) .
Cu ajutorul acestei teoreme se poate da un criteriu de
verificare a ipotezei H 0 că repartiţia empirică urmează o anumită
lege de repartiţie.
Dacă ipoteza H 0 este adevărată, atunci diferenţele
Fn ( x ) − F ( x ) nu vor depăşi o anumită valoare dα ;n pe care o fixăm
astfel încât: P( d n > dα ;n / H 0 ) = α , unde α este riscul de gradul
întâi. Dar P( d n > dα ;n ) = 1 − P( d n ≤ dα ;n ) .
Luând d α ;n = λα , înseamnă că atunci când H 0 este

n
adevărată şi n suficient de mare avem:
æ λ ö æ λ ö
P ç d n > α ÷ = 1 − Pç d n ≤ α ÷ = 1 − K ( λα ) = α .
è nø è nø
Unui prag de semnificaţie α dat îi corespunde prin relaţia
K ( λα ) = 1 − α o valoare λα astfel încât, pentru un volum n dat al
selecţiei găsim valoarea d α ;n = λα .
n
Regiunea critică pentru ipoteza H 0 este dată de relaţia
λα . Deci:
dn >
n
Ø dacă dn < λα , există concordanţă între Fn ( x ) şi F(x) şi se
n
acceptă ipoteza H 0 .
λ
Ø dacă dn ≥ α , nu există concordanţă şi respingem ipoteza
n
H0 .
EXEMPLU:
Pentru a organiza mai bine serviciul în perioada de vârf, la

un sector al unui magazin se cercetează sosirile cumpărătorilor la
raionul respectiv, cât şi timpul de servire al unei persoane. Astfel,
considerând intervalele de timp de 5 minute, luate la întâmplare în
perioada de vârf, se numără de fiecare dată câte persoane sosesc la
raionul urmărit. Au fost cercetate 200 perioade de câte 5 minute,
obţinându-se rezultatele din tabelul T1 , în care am notat cu x
numărul care arată în câte perioade din cele 200 cercetate am
observat exact x sosiri. S-a măsurat, pe de altă parte, timpul de
servire a 30 cumpărători, luaţi la întâmplare, în perioada de vârf,
obţinându-se datele din tabelul T2 , unde am notat cu y timpul de
servire al unui cumpărător şi cu n y numărul de cumpărători, pentru
care timpul de servire este y. Deoarece variabila aleatoare y este
continuă, crecetarea a fost făcută pe intervale de câte 30 secunde
(0,5 minute), pe care le vom reduce în calcule la jumătăţile lor.
a) Să se testeze ipoteza H 0 că sosirile cumpărătorilor la

raionul considerat sunt de tip Poisson.
b) Să se testeze ipoteza H 0 că timpul de servire a unui

cumpărător are o distribuţie exponenţială.
Tabelul T1 :
NR. SOSIRI ÎN FRECVENŢE

5 MIN. (X) ABSOLUTE ( n x )
0 1
1 16
2 31
3 37
4 41
5 30
6 23
7 13
8 6
9 1
10 0
11 1
12 0
Total 200
Tabelul T2 :
INTERVAL DE FRECVENŢE
TIMP ( yi −1 ; yi ) ABSOLUTE ( n y )
0,5-1 18
1-1,5 8
1,5-2 2
2-2,5 1
2,5-3 1
Total 30
a) Facem o ajustare a repartiţiei empirice din tabelul T1 după o

repartiţie Poisson:
λx
f ( x; λ ) = e − λ , x = 1,2,...
x!
Deoarece media repartiţiei Poisson este egală cu λ , vom
estima parametrul λ prin media de selecţie X , deci:
å x ⋅ n x 800
λ=X= x = = 4.
å n x 200
x
x
Determinăm frecvenţele n' x = 200 ⋅ e −4 ⋅ 4 , calculând întâi
x!
pentru x = 4 , considerată ca cea mai probabilă din tabelul T1 :
44
n' x = 200 ⋅ e −4 ⋅
= 39,1 şi apoi celelalte, folosind formulele de
4!
recurenţă care sunt uşor de dedus: n' x −1 = x ⋅ n ' x , pentru x < 4 şi
λ
λ
n' x +1 = ⋅ n ' x , pentru x > 4 . Rezultatele obţinute se trec în
x +1
coloana n' x a tabelului:
Tabelul T3 :
x nx x ⋅ nx n' x n x − n' x (n x − n'x )2
n'x
1 2 3 4 5 6
0 1 0 3,7 -1,4 0,11
1 16 32 14,7
2 31 62 29,3 1,7 0,10
3 37 111 39 -2 0,11
4 41 164 39,1 1,9 0,99
5 30 150 31,4 1,4 0,06
6 23 138 20,8 2,2 0,29
7 13 91 11,9 1,1 0,10
8 6 48 6,0
9 1 9 2,6
10 0 0 1,0 -2,1 0,44
11 1 11 0,4
12 0 0 0,1
Total 200 800 200 χ 2 = 2 ,14
Pentru a testa ipoteza H 0 , aplicăm testul χ 2 , motiv pentru
care am cumulat valorile mici de pe coloanele lui n x şi n' x . S-a
obţinut:
12
( n − n' x ) 2
χ2 = å x = 2,14
x =0 n' x
Pentru nivelul de semnificaţie α = 0,05 şi numărul gradelor
de libertate 6, găsim χ 02, 05;6 = 12,59 . Avem χ C2 < χ 02, 05;6 , deci
acceptăm ipoteza H 0 , adică sosirile cumpărătorilor la raionul
respectiv sunt de tip Poisson, cu media λ = 4 persoane în 5 minute.
b) Facem aici o ajustare a repartiţiei empirice din tabelul T2 ,

după o repartiţie exponenţială de forma: f ( y ) = µ ⋅ e − µ⋅ y , y > 0 .
Drept valori ale lui y vom considera tabelul T4 mijloacele
intervalelor timpilor de servire şi calculăm valoarea medie a
variabilei empirice cu formula:
Y = M (Y ) =
å y ⋅ n y = 32 = 1,07
å n y 30
Pentru că estimatorul de maximă verosimilitate al
1
parametrului µ este , estimăm pe µ prin: µ = 1 = 30 = 0,925 .
Y Y 32
Pentru a testa ipoteza H 0 vom aplica testul lui
Kolmogorov. În acest scop calculăm mai întâi coloana Fn ( y ) a
funcţiei de repartiţie empirice, cumulând pe fiecare linie frecvenţele
absolute din linia respectivă şi de deasupra ei şi împărţind rezultatul
la 30. De exemplu:
8 + 18
F2 ( y ) = = 0,87
30
Calculăm apoi valorile corespunzătoare ale funcţiei de
repartiţie teoretică F ( y ) folosind formula cunoscută a acesteia:
F ( y ) = 1 − e − µ⋅ y , pentru µ = 0,925
De exemplu: F (2,25) = 1 − e −2, 25⋅0, 925 = 0,87 .
Ultima coloană a tabelului T4 conţine diferenţele

Fn ( x ) − F ( x ) cu cea mai mare dintre ele evidenţiată.
Tabelul T4 :
[ yi −1 − yi ) yi ni y i ⋅ ni Fn ( y ) F ( y) Fn ( y ) − F ( y )
0,5-1 0,75 18 13,50 0,66 0,60 0,00
1-1,5 1,25 8 10,00 0,87 0,75 0,12
1,5-2 1,75 2 3,50 0,93 0,84 0,09
2-2,5 2,25 1 2,25 0,97 0,87 0,10
2,5-3 2,75 1 2,75 1,00 0,94 0,06
Total 30 30,00
Considerând drept nivel de semnificaţie α = 0,01 , tabelul

corespunzător testului lui Kolmogorov dă λα = 1,63 şi cum n = 5
avem:
λα 1,63
= = 0,73 > 0,12 = max Fn ( x ) − F ( x ) = d n
n n
Acceptăm ipoteza H 0 că timpul de servire a unui
cumpărător are o repartiţie exponenţială cu parametrul µ = 0,925 .
CAPITOLUL 13
MATEMATICI FINANCIARE
O sumă de bani S 0 de care dispune partenerul P1 este

plasată partenerului P2 pentru o perioadă de timp t , în anumite
condiţii. La sfârşitul perioadei, P1 obţine o sumă S ( S 0 , t ) > S 0 .
DEFINIŢIE : Se numeşte dobândă corespunzătoare plasării

sumei S 0 pe durata t , o funcţie D : [0, ∞) × [0, ∞ ) → [0, ∞ ) ,
D( S 0 , t ) , care îndeplineşte condiţiile:
1) D este strict crescătoare în raport cu fiecare din variabilele
S 0 şi t .
2) D( S 0 , t ) = 0 ; D(0, t ) = 0 .
OBSERVAŢIE: Condiţia 1 este echivalentă cu

∂D( S 0 , t ) ∂D ( S 0 , t )
> 0 şi > 0.
∂S 0 ∂t
DEFINIŢIE: Se numeşte valoare finală (sau valoare

revenită) a partenerului P1 ce a plasat suma S 0 pe durata de timp t,
valoarea funcţiei S ( S 0 , t ) = S 0 + D( S 0 , t ) .
DEFINIŢIE:
Dacă S 0 = 100 u.m. şi t = 1 an, atunci dobânda
corespunzătoare se numeşte procent (notat „ p ”).
Dacă S 0 = 1 u.m. şi t = 1 an, dobânda corespunzătoare se
numeşte dobânda unitară anuală (se notează cu „ i ”).
p
i= ; p = 100 ⋅ i
100
13.1. Dobânda simplă
DEFINIŢIE: Dobânda calculată asupra aceleiaşi sume pe

toată durata împrumutului se numeşte dobânda simplă (notată D).
Prin urmare, pe întreaga durată de plasare „ t ”, valoarea
sumei S 0 nu se modifică.
Notăm:
S 0 = suma depusă (împrumutată);
t = timpul în ani;
p = procentul;
p
i= = dobânda unitară;
100
D = dobânda simplă.
S0 ⋅ p ⋅ t
D = S0 ⋅ i ⋅ t = = D( S 0 , t , i ) (1)
100
Prin urmare, dobânda simplă este direct proporţională cu
suma împrumutată, cu timpul şi cu dobânda unitară (sau procentul).
Să considerăm timpul împărţit în k părţi egale:
k = 2 Þ t 2 - semestre
k = 4 Þ t 4 - trimestre
k = 12 Þ t12 - luni
k = 360 Þ t 360 - zile
În general, t k reprezintă un număr oarecare de asemenea
t
părţi (exemplu: k = 12; t12 = 18 luni). Atunci timpul t = k (în
k
18
exemplul dat t = = 1,5 ).
12
t S ⋅ p ⋅ tk
D = S0 ⋅ i ⋅ k = 0 (2)
k 100k
Dacă k = 360 , deci t se exprimă în zile, obţinem:
t S ⋅ p ⋅ t 360 (2’)
D = S 0 ⋅ i ⋅ 360 = 0
360 360
i
În calculele financiare :
S 0 ⋅ t 360 - se numeşte “număr” , iar
360
- se numeşte “divizor fix” relativ la dobândă pentru i
i
p
dat ( i = - dobânda unitară anuală).
100
Astfel, din (2) obţinem :
S0 ⋅ p ⋅ t2
D= - dobânda pentru t 2 semestru ;
200
S ⋅ p ⋅ t4
D= 0 - dobânda pentru t 4 trimestru.
400
Să presupunem acum că plasamentul nu are loc cu acelaşi

procent “p” pe toată durata de plasare “t”.
t
| | | | | | |
θ1 θ2 θk θm
p1 p2 pk pm
dobânda pentru această perioadă

este S 0 ⋅ i k ⋅ θ k
m
deci: t = å θ k , iar
k =1
p k = 100 ⋅ i k = procentul de plasare pe durata θ k

( k = 1,..., m ) .
n m
Atunci: D ( S 0 , t ) = D ( S 0 ,θ k ) =S 0 i kθ k (3)
k =1 k =1
Cu această formulă se determină dobânda la suma S 0 pentru
m
perioada t , în regim de dobândă simplă, dacă t = å θ k , astfel încât
k =1
pe fiecare perioadă θ k , plasarea se face cu procentul anual
p k = 100i k .
OBSERVAŢIE: Formula (3) constituie rezultatul aplicării

succesive a dobânzii simple pe intervalele ce constituie durata de
plasare.
Dăm o altă expresie pentru formula (2).

p
Deoarece i = , înlocuind în (2) , vom obţine:
100
S 0 ⋅ t 360 (4)
D( S 0 , t ) =
36000
p
unde t 360 reprezintă durata în zile a operaţiunii.
Notăm:
N = N ( S 0 , t 360 ) = S 0 ⋅ t 360 - numărul operaţiunii
df = df ( p,360) = 36000 - divizorul fix al operaţiunii
p
Cu aceste notaţii, (4) devine:
N
D(S 0 , t ) = = D( N , df ) (5)
df
OBSERVAŢIE: Formula (5) este utilă în cazul în care se

calculează dobânda aferentă mai multor operaţiuni, cu acelaşi
procent p.
Deci: dacă se efectuează operaţiunile ( S k , t k ) , k = 1,..., n cu
acelaşi procent p şi dacă însumarea dobânzilor are sene, atunci
dobânda totală este:
n
1 n
D[( S k , t k ), p ] = å D ( S k , t k , p ) = å N k (6)
k =1 df k =1
În acest caz, este deci necesară calcularea doar a numerelor
N k şi a sumei acestora, sumă care poate fi considerată ca „număr”
al tuturor operaţiunilor.
13.1.1. Elementele dobânzii simple:
1. Suma revenită (sau valoarea finală)
S ( S 0 , t , i ) = S t = S 0 + D ( S 0 , t , i ) = S 0 + S 0 ⋅ i ⋅ t = S 0 (1 + it )
Deci formula S t = S 0 (1 + it ) , reprezintă suma revenită şi se
aplică atunci când procentul p este constant pe întreaga perioadă.
În cazul în care în timpul t procentul variază în diferite
fracţiuni ale lui t :
m
p
t = å θ k , θ k → p k Þ i k = k , i k = dobânda unitară
k =1 100
Atunci: S t = S 0 æç1 + å ikθ k ö÷
m
(8)
è k =1 ø
2. Suma iniţială S 0 este dată, în cele două situaţii de relaţia

S St
S0 = t (9) , respectiv (9’) S = .
1 + it 0 n
1 + å ikθ k
k =1
(1 + it ) = factor de fructificare
1
= factor de actualizare
1 + it
13.1.2. Operaţiuni echivalente în regim de dobândă simplă
Fie S1 , S 2 ,..., S n mai multe sume plasate pe duratele

t1 , t 2 ,..., t n , cu acelaşi procent p.
Ne propunem să înlocuim sumele S i şi duratele t i
( i = 1,..., n ) printr-o sumă unică S şi o perioadă unică t astfel încât
dobânda totală adusă de sumele S i în perioadele t i să fie egală cu
dobânda adusă de suma S în perioada t .
Vom spune că cele două operaţiuni financiare sunt
echivalente în regim de dobândă simplă.
DS
Vom folosi notaţia: A ~ B ⇔ D( A) = D( B) .
Cele două operaţiuni se numesc substituibile.
DS S ⋅ p ⋅ t1 S2 ⋅ p ⋅ t2 S ⋅ p ⋅ tn S ⋅ p ⋅ t
Deci A ~ B ⇔ 1 + +...+ n = Þ
100 100 100 100
n
(10) åS t
k =1
k k = S ⋅ t - ecuaţie cu două necunoscute, S şi t.
Cunoscând-o pe una, o determinăm pe cealaltă.

(11) t = 1 å S k t k - durata de timp dată de timp numită
n
S k =1
scadenţă comună.
n
n åS t k k
Dacă S = å S k Þ (12) t = k =1 - numită scadenţa
n
åS
k =1
k
k =1
medie.
13.1.3. Procent mediu de dispunere
Să presupunem că sumele S1 , S 2 ,..., S n sunt plasate pe

duratele de timp t1 , t 2 ,..., t n cu procentele p1 , p 2 ,..., p n .
Ne propunem să determinăm un procent mediu p pentru
care, sumele S1 , S 2 ,..., S n plasate pe aceleaşi durate t1 , t 2 ,..., t n , să
dea aceeaşi dobândă totală.
n
S ⋅ p ⋅t n
S ⋅ p ⋅ tk n
D=å k k k =å k Þ å S k ⋅ pk ⋅ tk =
k =1 100 k =1 100 k =1
n
n åS k ⋅ pk ⋅ t k
= på S k ⋅ t k Þ p = k =1 .
k =1 Sk ⋅ tk
n
åS k ⋅ pk ⋅ t k
Deci: p = k =1 - procentul mediu de depunere.
Sk ⋅ tk
13.2. Dobânda compusă
DEFINIŢIA 1 : Dacă valoarea luată în calcul a sumei

plasate S 0 , se modifică periodic pe durata de timp t, după o anumită
regulă, vom spune că avem un proces de dobândă compusă (sau că
plasarea sumei S 0 s-a efectuat în regim de dobândă compusă)
DEFINIŢIE : Unitatea de timp la care dobânda se modifică

se numeşte unitate etalon (perioadă).
DEFINIŢIA 2 (echivalentă cu definiţia 1): Suma S 0 este

plasată cu dobândă compusă când la sfârşitul primei perioade (a
primei unităţi etalon) dobânda simplă a acestei perioade este
adăugată la suma iniţială a perioadei, pentru a produce la rândul ei
dobândă în perioada următoare, ş.a.m.d.
În operaţiile financiare pe termen lung, unitatea etalon

(perioada) de timp folosită este anul, uneori semestrul sau
trimestrul.
13.2.1. Stabilirea formulei dobânzii compuse
Fie:
t = timpul de plasament, exprimat într-un număr întreg de
perioade;
S 0 = suma iniţială;
p = procentul;
p
i= = dobânda unitară;
100
S t = suma finală după un număr întreg de perioade.
Anii Suma Dobânda Suma obţinută la sfârşitul

plasată produsă în perioadei
timpul
perioadei
1 S0 S0 ⋅ i S1 = S 0 ⋅ (1 + i )
2 S1 S1 ⋅ i S 2 = S1 ⋅ (1 + i ) = S 0 ⋅ (1 + i ) 2
… … … …
t=n S t −1 S t −1 ⋅ i S t = S t −1 ⋅ (1 + i ) = S 0 ⋅ (1 + i ) t
Deci: S t = S 0 ⋅ (1 + i ) t (1)
Notăm : 1 + i = u şi obţinem S t = S 0 ⋅ u t (2)
u se numeşte factorul de fructificare. El se găseşte
calculat în tabele pentru anumite procente şi pentru perioada de
timp de 1 an.
OBSERVAŢIE : Formula (1) este valabilă şi în cazul când

perioada de timp t nu este egală cu un an, cu condiţia ca procentul
folosit să corespundă perioadei respective.
Cazul când timpul nu este un număr întreg de perioade

I. Soluţia raţională
Se foloseşte formula S t = S 0 ⋅ (1 + i ) t pentru partea întreagă

a timpului şi dobânda simplă pentru partea fracţionară rămasă.
1 n h/k
| | | | |
t
h
t =n+
k
După n ani, suma finală este S n = S 0 ⋅ (1 + i ) n . Calculăm
dobânda simplă produsă pe seama S n în timpul fracţiunii h a
k
anului, cu dobânda unitară i . Obţinem:
h h h æ hö
S n ⋅ i ⋅ = S 0 ⋅ (1 + i) n ⋅ i ⋅ Þ St = S n + S n ⋅ i ⋅ = S n ç1 + ÷
k k k è kø
Deci : S t = S 0 ⋅ (1 + i) n ⋅ æç1 + i ⋅ h ö÷ (3)
è kø
II. Soluţia comercială
DEFINIŢIE : Două procente corespunzătoare la perioade de

fructificare diferite sunt echivalente când pentru aceeaşi durată de
plasament ele conduc la aceeaşi valoare finală.
§ 1 leu plasat cu dobânda unitară anuală „i” devine la

sfârşitul primului an , 1+ i.
§ 1 leu plasat cu dobândă unitară semestrială i 2 , devine la
sfârşitul anului 1 + i = (1 + i 2 ) 2 .
§ 1 leu plasat cu dobânda unitară trimestrială i 4 ,
echivalentă cu dobânda unitară anuală i , devine la sfârşitul
anului 1 + i = (1 + i 4 ) 4 .
În general :
1 leu plasat cu dobânda unitară i k , corespunzătoare
fracţiunii 1 a anului, este: 1 + i = (1 + ik ) k Þ 1 + ik = (1 + i)1/ k (4)
k
Prin urmare, în cazul când t nu este un număr întreg de
perioade æç t = n + h ö÷ , suma S 0 devine: S n = S 0 ⋅ (1 + i ) n pentru cele
è kø
n perioade întregi.
Pentru o fracţiune k a anului, 1 leu devine (1 + ik ) , iar
pentru h fracţiuni de acelaşi fel, devine (1 + ik ) h . Suma S n în
perioada h devine: S n ⋅ (1 + ik ) h = S 0 ⋅ (1 + i) n ⋅ (1 + ik ) h .
k
Dar (1 + i k ) h = [(1 + i )1 / k ] h = (1 + i ) h / k .
h
n+
Deci: S t ⋅ (1 + i) n ⋅ (1 + i) h / k = S 0 ⋅ (1 + i) k = S 0 (1 + i) t .
Astfel, formula anterioară (1) este adevărată şi pentru t fracţionar.
13.2.2. Procent normal şi procent real (efectiv)
EXEMPLU : Se depune suma de 100 lei cu 20% şi calculul

dobânzii se face de două ori pe an.
În primele 6 luni (primul semestru) suma de 100 lei aduce o
dobândă de 10 lei, deci ea devine 110 lei la sfârşitul primului
semestru.
În următorul semestru dobânda va fi de 10 lei pentru 100 lei
10
şi 10 ⋅ = 1 leu pentru cei 10 lei. Deci, în total, pe an, dobânda va
100
fi 21 lei.
20% se numeşte procentul nominal.

21% se numeşte procentul real (efectiv).
Deci, dacă facem calculul dobânzii pe fracţiuni de an,

dobânda adusă la sfârşitul anului diferă de cea calculată cu
procentul anual stabilit.
Dacă anul a fost împărţit în k părţi egale şi i k reprezintă
dobânda unitară efectivă corespunzătoare perioadei 1 , iar j k este
k
dobânda unitară nominală corespunzătoare perioadei 1 , vom
k
1
obţine: j k = k ⋅ i k Þ ik = ⋅ j k (5)
k
Înlocuind în (4), vom avea:
k k
æ jk ö æ jk ö
1 + i = (1 + ik ) = ç1 + ÷ Þ i = ç1 + ÷ − 1 (6)
k
è k ø è k ø
1 1
1 + ik = (1 + i ) k Þ i k = (1 + i ) k − 1
1
Sau din relaţia (5): j k = k ⋅ i k = k [(1 + i ) k − 1] (7)
Relaţia (6) reprezintă legătura între dobânda nominală j k şi

cea efectivă i k , oricare ar fi k ≥ 2 .
13.3. Dobânda unitară instantanee
Fie i = dobânda unitară anuală efectivă.

k = numărul de părţi în care a fost împărţit anul
OBSERVAŢIE: Pentru k → ∞ vom stabili o limită pentru

dobânda unitară nominală, limită numită dobânda unitară
instantanee (dobânda se calculează astfel în mod continuu).
Din relaţia (6) obţinem: lim j k = lim k[(1 + i )1 / k − 1] =
k →∞ k →∞
1
1 1
− (1 + i ) ln(1 + i )
k
(1 + i ) − 1
k
k2
= lim = lim = ln(1 + i ) = δ .
k →∞ 1 k →∞ 1
− 2
k k
Deci (8) δ = ln(1 + i ) este dobânda unitară instantanee.

δ δ2 δn
δ = ln(1 + i ) Þ 1 + i = e δ = 1 + + + ... + + ... Þ
1! 2! n!
δ2 δn
Þi =δ + + ... + + ... Þ i > δ , adică dobânda unitară efectivă
2! n!
este mai mare decât dobânda instantanee.
OBSERVAŢIE: Pentru determinarea dobânzii unitare anuale

nominale j k atunci când se cunoaşte dobânda unitară efectivă i , s-
au întocmit tabele.
13.4. Echivalenţa în regim de dobândă compusă
DEFINIŢIE: Două sume sunt echivalente în regim de

dobândă compusă, la un moment dat, dacă ele au aceeaşi valoare
actuală, actualizările făcându-se cu acelaşi procent.
Fie două sume de valori finale S t1 şi S t 2 . Fie i = dobânda

unitară. Atunci valorile la momentul iniţial sunt:
S 0(1) = S t1 (1 + i) −t1 şi S 0( 2 ) = S t2 (1 + i ) − t2 .
Echivalenţa la momentul iniţial este dată de relaţia:
S t1 (1 + i ) −t1 = S t2 (1 + i ) −t2 .
În general:
Fie un grup de n valori finale : S t1 , S t 2 ,..., S tn plătibile în
t1 , t 2 ,..., t n perioade.
Fie un al doilea grup de m sume de valori finale:
Sθ1 , Sθ 2 ,..., Sθ m , plătibile în θ 1 ,θ 2 ,...,θ m .
DEFINIŢIE: Două grupe de sume sunt echivalente în

regim de dobândă compusă, la un moment dat, dacă suma
valorilor actuale ale primului grup de sume este egală cu suma
valorilor actuale ale celui de-al doilea grup de sume.
Prin urmare, echivalenţa corespunzătoare unui aceluiaşi

procent p , la momentul iniţial, este dată de relaţia:
St1 (1 + i) −t1 + St2 (1 + i) −t2 + ... + Stn (1 + i) −tn = Sθ1 (1 + i) −θ1 +
+ Sθ 2 (1 + i ) −θ 2 + ... + Sθ m (1 + i) −θ m .
Vom putea da următoarea definiţie echivalentă:
DEFINIŢIE: Două operaţii financiare A şi B sunt

DC
echivalente în regim de dobândă compusă A ~ B dacă ele au
aceleaşi valori actuale.
n m
(1) å S tk (1 + i) −tk = å Sθ k (1 + i) −θ k
k =1 k =1
În cazul mai general când procentul p (deci dobânda unitară)
diferă de la o sumă la alta, atunci:
n m
(2) åS
k =1
tk (1 + ik ) −t k = å Sθ h (1 + i h ) −θ h
h =1
Se cere:
a) Înlocuirea sumelor S t1 , S t 2 ,..., S tn printr-o sumă unică S
(înlocuirea făcându-se prin echivalenţă) :
n n
åS
k =1
tk (1 + i k ) −tk = S å (1 + i k ) −tk Þ
k =1
n
åS tk (1 + ik ) −tk
Þ (3) S= k =1
n
å (1 + i
k =1
k ) −tk
b) Înlocuirea numai a scadenţelor t1 , t 2 ,..., t n printr-o

scadenţă comună „t”:
n n
(4) åS
k =1
tk (1 + i k ) −tk = å S tk (1 + i k ) −t
k =1
c) Înlocuirea numai a dobânzilor unitare i k (deci a

procentelor p k ) printr-o dobândă unitară unică i (deci
printr-un procent unic p)
n n
(5) åS
k =1
tk (1 + ik ) −tk = å S tk (1 + i ) −t k
k =1
d) Sumele S t1 , S t 2 ,..., S tn plătibile în perioadele t1 , t 2 ,..., t n le

înlocuim printr-o sumă unică S , plătibilă la scadenţa t,
cu procentul p (sau dobânda unitară i ).
n
S (1 + i ) −t = å S tk (1 + i ) −tk sau
k =1
n
(6) S = (1 + i ) t å S t k (1 + i ) −t k , când cunoaştem i şi t .
k =1
Când cunoaştem S şi i , dacă logaritmăm în relaţia (6),
obţinem:
n
lg S − lg å S tk (1 + i ) −tk
(7) t= k =1
lg(1 + i )
13.5. Plasament cu dobândă simplă sau compusă
Suma S 0 , plasată pe durata t , cu dobânda unitară i, va aduce

dobânda:
Ds = S 0 ⋅ i ⋅ t → în regim de dobândă simplă.
Dc = S 0 [(1 + i ) t − 1] → în regim de dobândă compusă.
PROPOZIŢIE:
1) Ds > Dc , pentru t < 1 an
2) Ds < Dc , pentru t > 1 an
3) Ds = Dc , pentru t = 1 an
DEMONSTRAŢIE:
Ds − Dc = S 0 ⋅ i ⋅ t − S 0 [(1 + i ) t − 1] = S 0 [i ⋅ t − (1 + i) t + 1]
Introducem funcţia: f : [0, ∞) → R , f (t) = i ⋅ t +1− (1+ i)t .
t t (t − 1) 2 t (t − 1) 2
(1 + i) t = 1 + ⋅ i + ⋅ i + ... = 1 + i ⋅ t + ⋅ i + ...
1! 2! 2!
ì> 0, t > 1
t (t − 1) 2 ï
(1 + i) − (1 + i ⋅ t ) =
t
⋅ i + ... = í< 0, t < 1
2! ï= 0, t = 1
î
Dc (t ) Ds (t )
1 t
DEFINIŢIE: Operaţiile de plasare a sumei S 0 pe durata t în

regim de dobândă simplă cu dobânda unitară i sau în regim de
dobândă compusă cu dobânda unitară j, sunt echivalente, când
determină aceeaşi dobândă.
Deci: S 0 ⋅ i ⋅ t = S 0 [(1 + j ) t − 1] Þ i ⋅ t = (1 + j ) t − 1
t (t − 1) 2 (t − 1) 2
i ⋅t = t ⋅ j + j + ... Þ i = j + j + ... Þ
2! 2
1
ìi < j , t < 1 1
Þí şi i = [(1 + j) −1]
t
sau j = (1 + it ) t
−1
îi ≥ j t ≥ 1 t
Prin urmare, pentru a realiza aceeaşi valoare finală (sau

aceeaşi dobândă) prin plasarea sumei S 0 pe durata t > 1 , procentul
anual în regim de dobândă simplă este mai mare decât procentul
anual în regim de dobândă compusă.
CAPITOLUL 14
PLĂŢI EŞALONATE
(RENTE)
DEFINIŢIE: Se numesc plăţi eşalonate (rente), sumele de

bani plătite la intervale de timp egale.
DEFINIŢIE: Se numeşte perioadă intervalul de timp care

separă plata a două sume.
DEFINIŢIE: Dacă perioada este anul, plăţile eşalonate se

numesc anuităţi. (semestrul – semestrialităţi, trimestrul –
trimestrialităţi, luna - mensualităţi).
Plăţile eşalonate pot fi:

1) plăţi eşalonate de plasament (sau de fructificare), făcute
pentru constituirea unei sume de bani.
2) plăţi eşalonate de amortizare (sau de rambursare), în
vederea rambursării unei datorii.

anticipate (la începutul perioadei)
posticipate (la sfârşitul perioadei)

temporare (numărul de plăţi este finit şi fixat prin
contract)
perpetue (numărul plăţilor este nelimitat)
viagere (numărul plăţilor depinde de viaţa unei
persoane)

constante (sumele depuse sunt constante)
variabile (sumele depuse sunt variabile)
14.1. Anuităţi constante posticipate
a) Valoarea finală a unui şir de anuităţi constante,

imediate, temporare Sn
Notăm:
T = valoarea anuităţii constante;
n = numărul de ani;
i = dobânda unitară anuală;
S n = valoarea sau suma finală a şirului de anuităţi în
momentul n (momentul plăţii ultimei anuităţi)
T T T T
| | | ………… | |
0 1 2 n-1 n
T (i + 1)
n −1
T (i + 1) T
n−2
T (i + 1)
u = 1 + i - factor de fructificare
Sn = T (1 + i ) n−1 + T (1 + i ) n− 2 + ... + T (1 + i ) + T =
= T ⋅ u n−1 + T ⋅ u n − 2 + ... + T ⋅ u + T =
un −1
= T (1 + u + ... + u n − 2 + u n −1 ) = T ⋅
u −1
Deci: Sn = T ⋅ u − 1 .
n
OBSERVAŢIE : Pentru T = 1 (o unitate monetară) suma

finală a unui şir de n anuităţi constante posticipate este:
un −1
sn = şi deci Sn = T ⋅ s n
i
b) Valoarea finală (suma finală) a unui şir de anuităţi

posticipate, constante, temporare, amânate. r Sn
Anuităţile sunt amânate r ani, r < n .

Prima plată se face posticipat, după r ani (prima plată
făcându-se deci la momentul r+1) timp de (n-r) ani.
T T T T
| | | …….. | | | …… | |
0 1 2 …….. r r+1 r+2 ….. n-1 n
r Sn = T ⋅ u n − r −1 + T ⋅ u n − r − 2 + ... + T ⋅ u + T =
u n−r − 1
= T (1 + u + ... + u n − r − 2 + u n − r −1 ) = T ⋅
u −1
n-r termeni
u n−r − 1
r Sn = T ⋅ sau r Sn = Sn-r
i
OBSERVAŢIE : Valoarea finală a şirului de anuităţi

posticipate egale cu T calculate pe n ani, dar amânate r ani, este
egală cu valoarea finală a acestor plăţi, imediate, dar calculate
numai pe (n-r) ani.
EXEMPLU: Să se calculeze valoarea finală a unui şir de 10

anuităţi egale cu 1000 u.m. , plătibile la sfârşitul fiecărui an (dar
amânate 5 ani) cu procentul p = 5% .
Soluţie : i = 0,05 , r = 5 , n − r = 10 Þ n = 15
5 S15 = 1000⋅ 1.05 − 1 = 1000⋅12,577892= 12577,892 u.m.

10
0,05
c) Valoarea actuală a unui şir de anuităţi constante,

posticipate, temporare, imediate An
DEFINIŢIE: Se numeşte valoarea actuală a unui şir de

anuităţi (constante, posticipate, temporare, immediate) An suma
necesară şi suficientă în momentul iniţial pentru a se putea plăti
scadenţele fixate la scadenţele 1, 2, …, n (constante în valoare de T
unităţi monetare).
T T T T
| | | ………… | |
0 1 2 n-1 n
n −1
An T ⋅u T ⋅u2 T ⋅u T ⋅un
OBSERVAŢIE : An este egală cu suma valorilor actuale a
fiecărei anuităţi.
An = T ⋅ u + T ⋅ u2 + ...+ T ⋅ un−1 + T ⋅ un = T ⋅ u ⋅ (1+ u + ...+ un−1 )

un −1
An = T ⋅ u ⋅
u −1
OBSERVAŢIE: Pentru T = 1 (o unitate monetară)

u −1
n
notăm: a n = u ⋅ şi deci An = T ⋅ a n .
u −1
EXEMPLU: Ce sumă unică depusă imediat poate să

înlocuiască plata a 12 anuităţi constante ( T = 1250 u.m.) posticipate,
cu procentul de 5% ?
An = 1250⋅ (1 + 0,05) ⋅ 1,05 − 1 = 1250⋅1.05 ⋅ 1,80 = 47250

12
0,05 0,05
d) Valoarea actuală a unui şir de anuităţi (constante,

posticipate, perpetue, imediate) A∞
Anuităţile sunt perpetue, deci plata se efectuează nelimitat.

1
Pentru T = 1 , avem a ∞ = şi dacă T > 1 Þ A∞ = T ⋅ a ∞ .
i
e) Valoarea actuală a unui şir de anuităţi (constante,

posticipate, temoprare, amânate) rAn
Plata se face după r ani, posticipat, timp de (n-r) ani.
T T T T
| | | …….. | | | …… | |
0 1 2 …….. r r+1 r+2 ….. n-1 n
rAn
rAn = T ⋅ u r +1 + T ⋅ u r + 2 + ... + T ⋅ u n =
u n−r − 1
= T ⋅ u r +1 (1 + u + ... + u n − r −1 ) = T ⋅ u r +1 ⋅ =
u −1
u n −r − 1 u n−r − 1
= T ⋅ u r +1 ⋅ =T ⋅ ur ⋅ u ⋅ = T ⋅ u r ⋅ an−r
i u −1
Deci: rAn = T ⋅ u r ⋅ a n − r .
EXEMPLU: Care este suma unică pe care urmează să o

plătească o persoană pentru a înlocui plata a 12 anuităţi posticipate
de 3000 u.m. fiecare, amânate 3 ani, cu procentul p = 5% ?
Soluţie: n − r = 12 , r = 3 , n = 15
3A15 = 3000⋅ (1,05)3 ⋅ a12 = 3000⋅ 0,863837⋅ 8,86325= 22969,21 u.m.
14.2. Anuităţi constante anticipate
a) Valoarea finală a unui şir de anuităţi constante,

anticipate, temporare, imediate S n
T T T T
| | | …….. | |
0 1 2 …….. n-1 n
S n este egală cu suma valorilor finale a fiecărei anuităţi, la

momentul n.
S n = T ⋅ u n + T ⋅ u n−1 + ... + T ⋅ u = T ⋅ u ⋅ (1 + u + ... + u n−1 ) =

u n −1 u n −1
= T ⋅u ⋅ = T ⋅u ⋅
u −1 i
Deci S n = T ⋅ u ⋅ u − 1 .
n
i
Pentru T = 1 obţinem valoarea finală a unui şir de anuităţi
anticipate a 1 u.m.; notăm s n .
u n −1
sn = u ⋅ şi deci S n = T ⋅ s n .
i
b) Valoarea finală a unui şir de anuităţi anticipate,

constante, temporare, amânate r ⋅ S n
T T T T
| | | …….. | | | …… | |
0 1 2 …….. r r+1 r+2 ….. n-1 n
u n−r − 1
r ⋅ S n = T ⋅ u n − r + T ⋅ u n − r −1 + ... + T ⋅ u = T ⋅ u ⋅
i
n−r
−1
Deci: r ⋅ S n = T ⋅ u ⋅ u adică r ⋅ S n = T ⋅ S n − r .
i
c) Valoarea actuală a unui şir de anuităţi constante,

anticipate, immediate, temporare An
DEFINIŢIE: Se numeşte valoarea actuală a unui şir de

anuităţi anticipate, suma necesară şi suficientă în momentul iniţial
pentru a se putea plăti la fiecare din scadenţele fixate 0, 1, …, (n-1)
suma egală cu T. Notăm cu An această sumă.
T T T T
| | | …….. | |
0 1 2 …….. n-1 n
An = T + T ⋅ u + T ⋅ u + ... + T ⋅ u = T (1 + u + ... + u n −1 ) =
2 n −1
u n −1 un −1
=T ⋅ =T⋅ .
u −1 i
An = (1 + i ) An .
CAPITOLUL 15
RAMBURSAREA ÎMPRUMUTURILOR
DEFINIŢIE: În sens general, se numeşte împrumut, o

operaţiune financiară prin care un partener P1 (individual sau un
grup) plasează o sumă de bani, pe o perioadă de timp dată şi în
anumite condiţii, unui alt partener P2 .
DEFINIŢIE: P1 se numeşte creditor.
DEFINIŢIE: P2 se numeşte debitor.
DEFINIŢIE: Operaţiunea prin care P2 restituie partenerului

P1 suma de care a beneficiat (suma împrumutată) se numeşte
rambursarea (sau amortizarea) împrumutului .
Prin urmare, împrumutul este o operaţiune ce conţine două

părţi distincte şi anume creditarea şi rambursarea.
Fiecare componentă reprezintă o operaţiune de plăţi
eşalonate.
În general cele două operaţiuni nu au loc simultan şi deci
valoarea lor finală nu este aceeaşi. Ele au în comun valoarea
actuală a rambursării, adică valoarea împrumutată.
Împrumutul se constituie prin anuităţi constante formate
din:
rambursarea unei părţi a datoriei;
dobânda asupra părţii din datoria rămasă la începutul
perioadei în care se efectuează plata.
Aceste sume rambursate anual şi care au rolul de a amortiza

treptat suma împrumutată, se numesc amortismente.
15.1. Amortizarea unui împrumut prin anuităţi constante

posticipate
Fie V0 suma împrumutată la momentul iniţial.

Fie T1 , T2 ,..., Tn anuităţile succesive, astfel:
prima anuitate ( T1 ) se plăteşte la un an de la acordarea
împrumuturilor;
a doua se plăteşte un an mai târziu, ş.a.m.d.
Fie Q1 , Q2 ,..., Qn amortismentele succesive conţinute în

prima, a doua,…, a n-a anuitate.
Fie i dobânda unitară nominală a împrumutului.
Fie n numărul de ani în care se face rambursarea.
Momentul Suma rambursată Suma rămasă

0 V0
1 T1 = Q1 + d1 = Q1 + V0 i V1 = V0 − Q2
2 T2 = Q2 + d 2 = Q2 + V1i V2 = V1 − Q2
… …… ……
p T p = Q p + d p = Q p + V p −1i V p = V p −1 − Q p
… …… ……
n Tn = Qn + d n = Qn + Vn −1i Vn = Vn −1 − Qn = 0
Deoarece Vn = 0 ÞVn−1 = Qn şi deci Tn = Qn +Vn−1i = Qn (1+ i) .
a) Relaţia dintre suma împrumutată şi amortismente
n
V0 = å Qi
i =1
b) Relaţia între anuităţi şi amortismente
Tp+1 −Tp = Qp+1 +iVp −(Qp +iVp−1) = Qp+1+i −i(Vp−1 −Qp) −Qp −iVp−1 =
= Q p +1 − iQ p − Q p = Q p +1 − Q p (1 + i ) .
(1) T p +1 − T p = Q p +1 − Q p (1 + i )
OBSERVAŢIE: Formula (1) este adevărată oricum am

alege anuităţile.
Cazuri particulare:
α ) Anuităţile sunt egale între ele:

T1 = T2 = ... = Tn = T
Atunci din (1), obţinem: Q p +1 − Q p (1 + i ) = 0 , adică :
(2) Q p +1 = Q p (1 + i ) şi se arată uşor prin inducţie că:
(3) Q p +1 = Q1 (1 + i ) p
Prin urmare, în cazul anuităţilor egale când amortismentele
succesive Q1 , Q2 ,..., Q p ,... formează o progresie geometrică
crescătoare cu raţia (1 + i ) .
β ) Amortismentele sunt constante (egale între ele):

V0
Q = Q1 = Q2 = ... = Qn =
n
V0
Atunci din (1), obţinem: T p +1 − T p = −Q1i = − i , deci:
n
V0
(4) T p +1 = T p −
i
n
Prin urmare, în cazul amortismentelor egale, anuităţile
succesive formează o progresie aritmetică de raţie æç − 0 ö
V
i ÷ , deci o
è n ø
progresie aritmetică descrescătoare.
OBSERVAŢIE: În cazul α ) al anuităţilor egale între ele,

amortismentele formează o progresie geometrică de raţie (1 + i ) .
Avem:
n n
V0 = å Qk = å Q1 (1 + i ) k −1
k =1 k =1
Notăm: 1 + i = u Þ V0 = Q1 å u k −1 = Q1 u − 1 Þ
n n
k =1 u −1
(5) V0 = Q1 (1 + ) − 1
n
i
i
Deci: (6) Q1 = V0 i
(1 + i ) n − 1
Relaţiile (5) şi (6) pot fi scrise sub formă echivalente,
notând s n) = (1 + i ) n − 1 .
(7) V0 = Q1 ⋅ s n) ; Q1 = V0 ⋅ 1
s n)
OBSERVAŢIE: Formulele (5) – (7) ne dau relaţiile între
sumele împrumutate şi primul amortisment.
c) Relaţiile dintre anuităţile constante şi suma

împrumutată
Ţinând seama de echivalenţa dintre suma împrumutată V0 şi

anuităţile actualizate pe baza dobânzii unitare nominale i, rezultă:
1 − (1 + i) −n
V0 = T (1 + i) −1 + T (1 + i) −2 +... + T (1 + i) −n = T (1 + i) −1 =
1 − (1 + i) −1
1 − (1 + i ) − n 1 − (1 + i ) − n 1 − (1 + i ) n
= T (1 + i ) −1 = T (1 + i ) −1 =T
1 (1 + i ) − 1 i
1−
1+ i 1+ i
sau:
(8) V0 = T ⋅ a n) Þ T = V0 1
a n)
Relaţia de mai sus evidenţiază legătura dintre anuităţile
posticipate constante şi suma împrumutată.
15.2. Suma rambursată după plata a p anuităţi
p
R p = å Qk .
k =1
În cazul anuităţilor constante:
p p p
(1 + i) p −1 .
Rp = åQk = åQ1 (1 + i) k −1 = Q1 å(1 + i) k −1 = Q1
k =1 k =1 k =1 (1 + i) −1
sau:
(1 + i ) p − 1
(9) R p = Q1 = Q1 ⋅ s p)
i
Relaţia (9) evidenţiază legătura dintre suma rambursată în
primii p ani şi primul amortisment.
Ţinând cont de (7), obţinem:
(10) R p = V0 1
s p)
Această relaţie evidenţiază legătura dintre suma rambursată
în primii p ani şi suma împrumutată.
După plata anuităţii de rangul p, rămâne de plătit suma V p :
1
V p = V0 − R p = V0 − V0 s p) sau
s n)
sn) − s p)
(1+ i)n − (1+ i) p deoarece (1+ i)n −1
Vp = V0 = V0 s ) =
(1+ i)n −1
n
sn) i
Dacă împărţim la (1 + i) atât numărătorul cât şi numitorul,
n
obţinem:
−( n− p )
(11) V p = V0 1 − (1 + i ) − n = V0 ⋅ a n) − p) 1
1 − (1 + i ) a n)
15.3. Legea urmată de diferenţe succesive a dobânzilor:

d1 − d 2 , d 2 − d 3 ,... în cazul anuităţilor constante.
Tk = Qk + d k , T1 = T2 = ... = Tn = T
Þ T = Qk + d k , k = 1,2,..., n .
d k = T − Qk deci:
d k = d k −1 = T − Qk − (T − Qk +1 ) = Qk +1 − Qk
d k − d k +1 = Q1 (1 + i ) k − Q1 (1 + i ) k −1 = Q1 (1 + i ) k −1 =
= Q1 (1 + i) k −1 (1 + i − 1) = Q1 (1 + i) k −1 i , k = 1,2,...,n .
Prin urmare:
d1 − d 2 = Q1i
d 2 − d 3 = Q1 (1 + i )i
d 3 − d 4 = Q1 (1 + i ) 2 i
………………………
OBSERVAŢIE: Diferenţele ( d k − d k +1 ) , k = 1,2,..., n ,

formează o progresie geometrică de raţie (1 + i ) şi cu primul termen
(Q1 ⋅ i) .
Tabel de amortizare:
Suma
datorată la Dobânda Amortismentul Anuitatea
Anii începutul dn Qn Tn Suma datorată la
anului Vn −1 sfârşitul anului
1 V0 d 1 = V0 i Q1 T1 V1 =V0 −Q1
2 V1 d 2 = V1i Q2 T2 V2 =V1 −Q2
3 V2 d 3 = V2 i Q3 T3 V3 =V2 −Q3
… … … … … …
n-1 Vn −1 dn−1 =Vn−2i Qn −1 Tn −1 Vn−1 =Vn−2 −Qn−1
n Vn dn =Vn−1i Qn Tn Vn =Vn−1 −Qn =0
15.4. Împrumuturi cu anuităţi constante şi dobândă plătită la

începutul anului
La semnarea contractului se plăteşte dobânda pentru primul

an, d1 = V0 i , deci suma reală ridicată este , iar pentru fiecare din
anii următori se plăteşte amortismentul şi împreună cu el dobânda
asupra sumei rămase de plată la începutul anului.
Anul 0 suma efectiv primită V0 (1 − i )

Anul1 T1 = V1i + Q1 V1 = V0 − Q1
Anul 2 T2 = V2 i + Q2 V2 = V1 − Q2
… … …
Anul p Tp = Vpi + Q p V p = V p −1 − Q p
Anul p+1 T p +1 = V p +1i + Q p +1 V p +1 = V p − Q p +1
… … …
Anul n-1 Tn −1 = Vn −1i + Qn −1 Vn −1 = Vn − 2 − Qn −1
Anul n Tn = Vn i + Qn Vn = Vn −1 − Qn = 0
Calculând diferenţa dintre două anuităţi consecutive,

obţinem:
T p +1 − T p = (V p +1 − V p )i + Q p +1 − Q p = (V p − Q p +1 − V p )i +
+ Q p +1 − Q p = Q p +1 (1 − i ) − Q p
Deci:
(1) T p +1 − T p = Q p +1 (1 − i ) − Q p
Dacă presupunem că anuităţile sunt egale (T1 =T2 =...=Tn =T),

vom obţine:
Qp 1
Qp+1 (1 − i) − Qp = 0 Þ Qp+1 = sau, notând =1+ r Þ
1− i 1−i
(2) Q p +1 = (1 + r )Q p
Prin inducţie după p rezultă că în sistemul de împrumut cu

dobânzile plătite la începutul anului şi anuităţi constante,
amortismentele formează o progresie geometrică de raţie (1 + r ) .
(3) Q p +1 = (1 + r ) p Q1
15.5. Aplicaţie
O persoană împrumută o sumă de bani pe care urmează să o

ramburseze în 6 ani prin anuităţi constante posticipate. Suma
primelor două amortismente este 9226630 lei, iar suma dintre al
doilea şi al treilea amortisment este 9559690 lei.
Să se calculeze:
a) procentul p al împrumutului
b) primul amortisment ( Q1 )
c) ultimul amortisment ( Q6 )
d) anuitatea (T)
e) valoarea împrumutului ( V0 )
Soluţie:
a) Q1 + Q2 = Q1 + Q1 (1 + i ) = Q1 (2 + i) = 9226630
Q2 + Q3 = Q1 (1 + i ) + Q2 (1 + i ) = Q1 (1 + i ) + Q1 (1 + i ) 2 =
= Q1 (1 + i + 1 + 2i + i 2 ) = Q1 (2 + 3i + i 2 ) = Q1 (1 + i )( 2 + i )
Q2 + Q3 9559690
= 1+ i = = 1,04 i = 0,04
Q1 + Q2 9226630
i = 0,04 ü
ý p = 4%
p = 100i
b) Q1 (2 + I ) = 9226630
9226630
Q1 = = 4522860
2,04
c) Q 6 = Q1 (1 + i ) 5 = 4522860 (1,04) 5 = 5502750
d) T = Q6 (1 + i ) = 5502750 ⋅ 1,04 = 5722860
e) d 1 = V0 i
d1 = T − Q1 = 5722860 − 4522860 = 1200000
d 1200000
V0 = 1 = = 30000000
i 0,04
CAPITOLUL 16
MATEMATICI ACTUARIALE
16.1. Teoria mortalităţii
Datorită faptului că populaţia unui oraş, judeţ, a unei ţări,

etc., este de volum foarte mare, fenomenele de supravieţuire sau de
deces ale unei persoane oarecare se comportă asemănător schemei
lui Bernoulli (urna cu bila revenită).
Într-adevăr: fie un grup de oameni care au împlinit vârsta e
x ani, grup de volum l x .
În anul care urmează, pentru o persoană oarecare din acest
grup există două posibilităţi:
a) supravieţuire (notăm acest eveniment cu S) cu P( S ) = p x .
b) decesul (notăm acest eveniment cu M) cu P(M) = qx =1− px
Evident, S ∩ M = ∅ , S ∩ M = Ω , P( S ) + P( M ) = 1 (sau
p x + q x = 1 ).
Acest grup poate fi considerat că se comportă după urna lui

Bernoulli, deoarece chiar dacă unii indivizi decedează, alţii din
grupul x − 1 îi iau locul, ei împlinind vârsta de x ani. Datorită
acestor factori (legii numerelor mari) probabilitatea celor două
evenimente S şi M poate fi înlocuită prin frecvenţa relativă f (n) ,
care poate fi determinată statistic.
Matematicile actuariale analizează metodele care pot fi

folosite pentru determinarea factorilor privind supravieţuirea
sau decesul într-o populaţie determinată, ţinând seama de
caracteristicile unei astfel de colectivităţi: volum foarte mare,
oamenii nu pot fi urmăriţi individ cu individ, fenomenul
naşterii, creşterii în vârstă şi decesul au un caracter continuu.
16.2. Funcţiile biometrice
Biometria este ştiinţa care se ocupă cu măsurarea unor

caracteristici cantitative legate de populaţie.
Funcţiile biometrice sunt acele funcţii care urmăresc sub
diferite aspecte fenomenele de supravieţuire sau deces.
Funcţii biometrice discontinue
Fie:
§ l x = funcţia de supravieţuire a unei persoane de x ani
( x = 0,1,...) . Ea se găseşte în tabele.
§ p( x, y) = probabilitatea de supravieţuire (probabilitatea ca o
persoană de x ani să atingă vârsta de y ani).
Dacă: y = x + n Þ p( x, y) = p( x, x + n) = np x
p( x, x + 1) = p x = 1 ⋅ p x
§ q ( x, y ) = probabilitatea de deces a unei persoane de x ani,
înainte de a ajunge la vârsta de y ani.
Dacă: y = x + n Þ q( x, y) = q( x, x + n) = nq x
q( x, x + 1) = q x = 1 ⋅ q x
§ m / q x = probabilitatea de deces a unei persoane de x ani,
după ce au trecut m ani dar înainte de a împlini x + m + 1 ani
§ m / nq x = probabilitatea de deces a unei persoane de x ani
după ce trec m ani, dar înainte de a trece n ani (m < n)
Considerăm evenimentele:
§ S ( x, y ) = supravieţuirea unei persoane de x ani, la vârsta de y
ani.
§ M ( x, y ) = decesul unei persoane de x ani până la vârsta de y
ani.
Avem:
S ( x , y ) ∩ M ( x, y ) = ∅ ü
ý Þ p ( x, y ) + q ( x , y ) = 1
S ( x , y ) ∪ M ( x, y ) = ∅ þ
l x = volumul colectivităţii corespunzătoare vârstei de x ani.
l x +1 = volumul colectivităţii corespunzătoare vârstei de x + 1
ani.
Folosind definiţia clasică a probabilităţii:
px =
l x +1
; q x = l x − l x +1 = d x ; p x + q x = 1 .
lx lx lx
l x+n ü
np x = ï
lx ï
ý Þ np x + nq x = 1
l −l
nq x = x x + n ï
l x ïþ
Fie A evenimentul ca o persoană să decedeze după ce a

împlinit vârsta de x + n ani şi înainte de a împlini x + n + 1 ani.
A = S ( x, x + n) ∩ M ( x + n, x + n + 1)
Deoarece S şi M sunt evenimente independente, avem:
P ( A) = P[ S ( x, x + n)] ⋅ P[ M ( x + n, x + n + 1)]
l l −l
P( A) = nq x = np n q x + n = x + n ⋅ x + n x + n +1
lx l x+n
l −l d
P ( A) = x + n x + n +1 = x + n
lx lx
Notăm: m / nM x = evenimentul ca o persoană în vârstă de x
ani să decedeze între x + m ani şi x + n ani (m < n) .
Avem: m / nMx = S(x, x + m) ∩ M (x + m, x + n) Þ P(m / nMx ) =
= P[S ( x, x + m)] = P[M ( x + m, x + n)] = (mpx )[(n − m)q x +m ] =
l l −l l −l
= x +m ⋅ x +m x+n = x +m x +n .
lx l x+m lx
TEOREMĂ : Funcţia de supravieţuire l x este valoarea

medie a variabilei aleatoare ce reprezintă numărul persoanelor care
ajung să împlinească x ani dintr-o colectivitate de bază de volum l0 .
Demonstraţie :
În variabila aleatoare cu repartiţia binomială l0 = n şi
probabilitatea de supravieţuire până la x este P( A) = p( x) , iar
probabilitatea de deces până la x ani este P( A ) = q( x) = 1 − p( x) .
Valoarea medie a variabilei aleatoare ce reprezintă
evenimentul A de supravieţuire:
Z = M (Z ) = nP( A) = l 0 p ( x)
Notând Z = l x Þ l x = l 0 p( x) Þ p( x) = l x deci:
l0
l
l x = l0 p ( x) şi p ( x) = x .
l0
Notăm:
Ax = evenimentul ca o persoană din populaţia iniţială să
atingă vârsta de x ani.
Ay = evenimentul ca o persoană din populaţia iniţială să
atingă vârsta de y ani (cu x < y )
S ( x, y ) = evenimentul ca o persoană în vârstă de x ani să
supravieţuiască la y ani.
Avem:
S ( x, y ) = ( Ay / Ax ) → realizarea lui Ay când Ax a avut loc.
P[ S ( x, y )] = P[ Ay / Ax ] = p( x, y ) = PAx ( Ay )
ì A ⊃ Ay
Dar ïí x şi deci:
ïî Ax ∩ Ay = Ay
l
P( Ay ∩ Ax ) P( Ay ) p ( y) l 0 l y
p( x, y) = PAx ( Ay ) = = = = =
P( Ax ) P( Ax ) p( x) l x l x
l0
Notând y = x + n Þ p( x, x + n) = l x+ n = np x
lx
Deci: p( x, y ) = l x ; p( x, x + m) = np x .
ly
16.3. Viaţa probabilă
Pentru o persoană în vârstă de x ani se defineşte viaţa

probabilă acea vârstă υ = x + n ani pentru care probabilitatea de
supravieţuire este egală cu probabilitatea de deces.
1 l x + n lυ 1 1
np x = ; = = ; lυ = l x
2 lx lx 2 2
Deci lυ = 1 l x determină viaţa probabilă pentru o persoană

2
de x ani.
Concluzii: funcţiile biometrice discontinue studiate sunt
legate de perioada de 1 an. Ele se găsesc tabelate din an în an.
Funcţia l x este descrescătoare, iar q x = l x − l x+1 .
lx
Graficul funcţiei l x .
l0
1 2 3 x −1 x x +1

Cenusa Raischi Serban Matematici Pentru Economisti 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

Cenusa Raischi Serban Matematici Pentru Economisti PDF

Încărcat de

Drepturi de autor:

Formate disponibile

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

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

Capitolul 1 SPATII VECTORIALE

Capitolul 2 FUNCTIONALE LINIARE

Capitolul 3 FUNCTIONALE PATRATICE

PARTEA a II-a: ANALIZA MATEMATICA

Capitolul 4 COMPLEMENTE DE TEORIA SIRURILOR SI SERIILOR NUMERICE

Capitolul 5 FUNCTII REALE DE MAI MULTE VARIABILE REALE

5.7. Formula lui Taylor pentru functii de mai multe variabile

Capitolul 6 CALCUL INTEGRAL

PARTEA a III-a: PROBABILITATI STATISTICA MATEMATICA

Capitolul 7 CAMP DE EVENIMENTE. CAMP DE PROBABILITATE

Capitolul 8 VARIABILE ALEATOARE

Capitolul 9 CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE

Capitolul 10 REPARTITII CLASICE

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

Capitolul 12 STATISTICA MATEMATICA

12.1. Notiuni de teoria selectiei si a estimatiei

PARTEA a IV-a: MATEMATICI FINANCIARE

Capitolul 13 MATEMATICI FINANCIARE

Capitolul 14 PLATI ESALONATE (RENTE)

Capitolul 15 RAMBURSAREA IMPRUMUTURILOR

PARTEA a V-a : MATEMATICI ACTUARIALE

Capitolul 16 MATEMATICI ACTUARIALE

1.1. Noţiunea de spaţiu vectorial

Fie V o mulţime nevidă. Fie (K,+,·) un corp în raport cu

Mulţimea nevidă V peste care s-au introdus două operaţii :

Ø (V ,⊕ ) formează un grup abelian, adică adunarea este asociativă,

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

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

Arătăm că ( Rn , R ) este un spaţiu vectorial real , n-dimensional.

Ø 1) asociativitatea rezultă din asociativitatea numerelor reale

Elementele unui spaţiu vectorial le vom numi vectori.

Elementele corpului K le vom numi scalari.

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

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

Din propoziţie ştim că există elementul neutru θ, oricare ar

θ1+x = x+θ1 = x pentru orice x aparţinând mulţimii V.

Dacă aceste relaţii sunt adevarate pentru orice x aparţinând

pentru x = θ2 , θ1+θ2 = θ2+θ1 = θ2

Din cele două relaţii observăm că θ1 = θ2 , deci elementul

1.2. Vectori liniar independenţi şi liniar dependenţi; bază şi

Fie (V,K) un spaţiu vectorial.

Vectorii x1, x2, …, xn care aparţin mulţimii V se numesc

Dacă relaţia (1) are loc fără ca toţi scalarii λ1 , λ2 , … , λn să

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

Întrucât determinantul este diferit de zero, soluţia sistemului

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

1* Presupunem că x1 , x2 , … , xk-1 , xk , xk+1 , …, xn sunt

Presupunem că λ k este diferit de zero. Atunci:

2* Presupunem că cel puţin un vector este o combinaţie

xk = α1 x1 + α2 x2 + … + αk-1 xk-1 + αk xk + αk+1 xk+1 + … + αn xn

α1 x1 + α2 x2 + … + αk-1 xk-1 + (-1) xk + αk+1 xk+1 + … + αn xn = θ

Întrucât (-1) este un scalar diferit de zero, ultima relaţie

Vectorii x1 , x2 , … , xn care aparţin mulţimii V formează un

Altfel spus, x1 , x2, …, xn formează un sistem de generatori

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

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

În exemplul anterior am arătat că aceşti vectori sunt liniar

este un sistem liniar, neomogen.

Dimensiunea spaţiului vectorial V este egală cu numărul

Fie V un spaţiu vectorial peste corpul K, dimensiunea

Din ipoteză ştim că B = { x1 , x2 , … , xn } este o bază.

xE = λ1 e1 + λ2 e2 + … + λi-1 ei-1 + λi u + λi+1 ei+1 + … + λn en

xE =λ1e1 +λ2 e2+…+λi-1 ei-1 +λI (λ1 e1 + λ2 e2 + … + λi-1 ei-1 + λi