1

MODULUL : MATEMATICI APLICATE IN ECONOMIE

LECTIA 1 : NOTIUNILE DE BAZĂ ALE ALGEBREI VECTORIALE

UNITATEA 1.1: Spaţiul Vectorial Real R n

Cuvinte cheie : vector, bază a unui spaţiu vectorial ; componentele unui vector în raport
cu o bază ; produs scalar ; normă

&1.1.1: PRIMELE DEFINIŢII

Un vector n – dimensional V are aspectul :

 x1 
 
x 
V   2  sau V   x1 x2 ... xn 
...
 
x 
 n

In prima variantă , vectorul este un vector coloană , iar în a doua variantă , un vector linie.
Numărul real x1 se numeşte “ prima componentă a lui V ” , x 2 se numeşte “ a doua
componentă a lui V ” , etc.
OBSERVARE: numărul de componente ale unui vector este egal cu dimensiunea
vectorului : un vector tridimensional are trei componente , un vector
cu cinci dimensiuni are cinci componente , etc.

Vectori particulari : o serie de vectori joacă un rol deosebit în lucrul cu vectori :

iată o primă listă de astfel de vectori :
 1: vectorul zero : este vectorul cu toate componentele egale cu zero de
exemplu :

- vectorul zero linie , bidimensional : V   0 0

 0
 
- vectorul zero coloană , tridimensional : V   0  ,etc .
 0
 
 2: vectorul etalon : este vectorul având toate componentele egale cu 1 :
de exemplu :
 2
- vectorul etalon ( linie ; tridimensional ) :  1 1 1
 1
- vectorul etalon coloană , bidimensional :   .
1
 

 3: vectorii unitate : vectorul unitate de ordin k , este vectorul carea are

- componenta numărul k egală cu 1

- celelalte componente egale cu zero .

De exemplu :

 vectorul unitate de ordin 2 ( linie , cu 4 dimensiuni ) este : ( 0 ; 1 ; 0 ; 0 )

 0
 
 vectorul unitate de ordin 3 (coloană , cu trei dimensiuni) este  0  , etc.
 1
 
Observare : - vectorul unitate de ordin k va fi notat , deobicei , prin ek .
- pentru vectorii cu 4 dimensiuni , mulţimea de vectori unitate
este  e1 , e 2 , e3 , e 4  .

Precizare : mulţimea tuturor vectorilor de dimensiune “n” cu componente

. numere reale ,este numită spaţiul vectorial n- dimensional real
şi va fi notat prin R n . Dacă nu se precizează altfel , vectorii vor
fi consideraţi vectori coloană.

 x1   y1 
   
 x2   y2 
Operaţii cu vectori : fie vectorii n - dimensionali V1    , V2    ;
... ...
   
x  y 
 n  n
fie k – un număr real .

Definiţii : - suma a doi vectori care au aceeaşi dimensiune :

 x1   y1   x1  y1 
     
 x2   y 2   x2  y 2 
 ...    ...    ....  ;
     
x  y  x  y 
 n  n  n n
 3

 produsul dintre un vector şi un număr real :

 x1   k  x1 
   
 x2   k  x2 
k   .
... ... 
   
 x  k  x 
 n  n

Precizare : - pentru vectori nu au sens operaţiile de înmulţire şi de împărţire

 de exemplu : nu au sens expresiile

2 5   4 7 
2 5   4 7 

 nu se pot aduna vectori care nu au acelaşi număr de componente

- de exemplu : nu are sens expresia  2 4    5 1 7  .

&1.1.2 :Caracteristici asociate vectorilor :

 1 : Norma unui vector : sensul noţiunii de “ normă “ a unui vector este

apropiat
de cel de “ lungime “ , “ mărime “ a vectorului .

Norma unui vector se defineşte în mai multe moduri : toate acestea au în comun următoarele
caracteristici principale :

 norma oricărui vector este un număr ≥ o ;

 singurul vector cu norma zero este vectorul nul ;
 norma sumei de vectori este ≤ decât suma normelor vectorilor ( proprietate
pe care o considerăm aici facultativă)

Norma vectorului V va fi notată prin || V || . In cele ce urmează , vom folosi următoarele

tipuri de norme :
fie vectorul V   x1 x2 ... x n  : definim

1 n
 norma euclidiană a vectorului V : V    xi ;
n i1
max
 norma pătratică a vectorului V : V p

i  1, n
xi ;
Precizare : un sistem de n- ponderi este o mulţime de numere reale T   p i  i 1,n
 4
care are proprietăţile :
 1 : p i  0 , pentru orice i  1, n
n
 2 : pi 1
i 1

De exemplu : numerele p1  0,3; p 2  0,5 ; p 3  0,2 formează o 3 - pondere.

Fie o n- pondere T =  p i  i 1 , n ; definim

T 1 n
- norma euclidiană ponderată a vectorului V : V    pi  xi ;
n i 1

T max
- norma pătratică ponderată a vectorului V : V p  p i  xi .
i  1, n

Exemplu : fie vectorul V = ( 7 ; - 4 ; 9 ) şi 3 – ponderea T = { 0,2 ; 0,5 ; 0,3 } . Avem

V 
1 2
3

7  ( 4) 2  9 2  6,976 
V p
 max { | 7 |; | 4 | ; | 9 | }  9

V
T 1
3
 
 0,2  7 2  0,5  ( 4) 2  0,3  9 2  3,746 
V pT  max{ 0,2 | 7 |; 0,5 | 4 | ;0,3  | 9 | }  2,7

== // ==

&1.1.3 : Distanţa dintre doi vectori :

Definim distanţa dintre vectorii A şi B ca fiind norma diferenţei A-B .

Pentru calcularea normei se poate folosi , în principiu , oricare dintre cele patru concepte
prezentate anterior.

Exemplu : fie vectorii A = ( 2;1;3;4 ) , B = ( 5 ; 3; 7 ; 8) ; să calculăm distanţa dintre aceşti

vectori , folosind toate patru tipuri de norme . Drept sistem de ponderi vom folosi
 5
T = { 0,2 ; 0,3 ; 0,4 ; 0,1 }.

Rezolvare : avem A – B = ( 2 – 5; 1-3 ; 3 – 7 ; 4 – 8 ) = ( -3 ; -2 ; -4 ; -4) .

d( A , B ) 
1
3
 
 ( 3) 2  ( 2) 2  ( 4) 2  ( 4) 2  3,873 ;

d p ( A, B )  max im{ | 3 | ; | 2 | ; | 4 | ; | 4 | }  4 ;

d T ( A, B) 
1
3
 
 0,2  ( 3) 2  0,3  ( 2) 2  0,4  ( 4) 2  0,1  ( 4) 2  1,915 ;

d pT ( A , B )  max im{ 0,2 | 3 | ; 0,3  | 2 | ; 0,4  | 4 | ; 0,1  | 4 | }  1,6

Observare : indiferent de formula utilizată pentru a calcula distanţa dintre doi vectori , este
valabilă proprietatea :

doi vectori sunt egali dacă şi numai dacă distanţa dintre ei este zero.

Aplicaţie : fie vectorii A = ( 2x-1 ; 3 ; 1-3x ) ; B = ( 4 ; x+1 ; 6x+3 ) ; fie sistemul de

ponderi T = { 0,3 ; 0,5 ; 0,2 }. Să se determine valorile parametrului “x” ,
pentru care distanţa dintre vectori să fie minimă .
In cazul folosirii distanţei ponderate , drept sistem de ponderi se va lua sistemul T.

Rezolvare :

- a): folosind distanţa euclidiană :

d( A, B ) 
1
3

 ( 2x  1  4) 2  (3  x  1) 2  (1  3x  6x  3) 2  

1 12
  (86x 2  12x  33)  este min im , pentru x  
3 86  2
adica x   0,07

-b): folosind distanţa pătratică :

d p ( A , B )  max im { | 2x  1  4 | , | 3  x  1| , |1  3x  6x  3 | };
fie f ( x )  max im { | 2x  5 | , | x  2 | , | 9x  2 | } .

Graficul funcţiei f(x) este următorul :

 6

- c) : folosind distanţa euclidiană ponderată

dp ( A, B) 
1
3
 
 0,3  ( 2x  1  4)2  0,5  (3  x  1)2  0,2  (1  3x  6x  3) 2 

1 8
  (179x 2  8x  103)  este min im , pentru x  
30 179  2
adica x  0,022

- d) : folosind distanţa pătratică ponderată ;

d pT ( A, B )  max im {0,3  | 2x  1  4 | ; 0,5 | 3  x  1| ; 0,2  |1  3x  6x  3 | } ;

fie g( x )  max im {0,3  | 2x  5 | ; 0,5 | x  2 | ; 0,2 | 9x  2 | } .

Graficul funcţiei g(x) este următorul :

 7

&1.1.4 : Produsul scalar a doi vectori :

Fie vectorii n – dimensionali A  (a1 , a 2 ,..., an ) ; B  (b1 , b 2 ,..., b n ) ; definim

produsul scalar al acestor vectori , prin relaţia :

n
A ; B   ai  bi
i 1

Precizare : doi vectori se numesc ortogonali ( perpendiculari unul pe celălalt ) , dacă

produsul lor scalar este zero :

A  B  A ;B  0.

&1.1.5 : Vectori liniar dependenţi ; vectori liniar independenţi

 8
Fie V1 , V2 ,..., Vn - un sistem (*) de vectori având aceeaşi dimensiune ; fie 1 ,  2 ,...,  n un
sistem de numere reale .

Definiţie : - numim “ combinaţie liniară “ a vectorilor V1 , V2 ,..., Vn ,

cu coeficienţii 1 ,  2 ,...,  n , vectorul dat de expresia
n
S    i  Vi
i 1

- sistemul de vectori V1 , V2 ,..., Vn se numeşte “ sistem

liniar independent “ , dacă egalitatea
n

 i 1
i  Vi  O

este posibilă numai dacă avem 1   2  ...   n  0

.

 1  2  1
     
Exemplu : fie vectorii V1   2  ; V2   3  ; V3   1 ; să vedem dacă vectorii sunt
 1  1  1
     

liniar dependenţi . Pentru aceasta , studiem egalitatea

 1  2  1  0 
       
 1   2    2   3    3   1   0  .
 1  1  1  0 
       

 1  2   2   3   0    1  2   2   3  0
    
Avem  2  1  3   2   3    0    2  1  3   2   3  0 .
        0        0
 1 2 3     1 2 3

Sistemul are determinantul

1 2 1
Det( A )  2 3 1   1 0 ,
1 1 1

deci sistemul este un sistem Cramer , deci compatibil şi unic determinat.

Fiind unic determinat , soluţia banală

1   2  ...   n  0

este soluţie unică , deci vectorii V1 , V2 , V3 sunt liniar independenţi.

==//==
 9

Observare : un sistem de vectori care nu este liniar independent se numeşte

“ liniar dependent “ .

Astfel , fie sistemul de vectori V1 , V2 ,..., Vn : acest sistem este liniar dependent , dacă
există un sistem de numere reale , x1 , x 2 ,..., xn , nu toate egale cu zero , astfel încât să
avem :

x1  V1  x 2  V2  ...  xn  Vn  O

 2  1  5
     
Exemplu :  1 ; v 
fie vectorii 1   2   3  5  ;
v 3 ; v 
 3  2  8
     

 0
 
Deoarece avem : 2  v1  v 2  v 3   0 ,
 0
 
deducem că vectorii v1 , v 2 , v 3 sunt liniar dependenţi.

Pentru a stabili natura unui sistem de vectori , se poate utiliza

teorema următoare :

Teoremă: fie sistemul de vectori { v1 , v 2 ,..., v n } ; fie A  v1 , v 2 ,..., v n - matricea

asociată acestui sistem de vectori .

Atunci avem : rang(A) = n → vectorii sunt liniar independenţi ;

Rang(A) < n → vectorii sunt liniar dependenţi.

__________________________________________________________________

Exemplu : se cer matricile corespunzătoare pentru următoarele sisteme de vectori :

 a ) : v1  ( 3 ; 2 ;1 ) ; v 2  ( 7 ; 5 ; 9 ) ; v 3  ( 4 ; 8 ; 6 )
3 2 1
 
raspuns : A   7 5 9
4 8 6
 
 10
 2  5  7   2
       
 b ) : v1   1  ; v 2   3  ; v 3   9  ; v 4   11  ;
 4  8  6   5
       
 2 5 7  2
 
raspuns : A   1 3 9 11 
 4 8 6  5
 

Ideea demonstraţiei teoremei : fie v1 , v 2 ,..., v n un sistem de vectori coloană : pentru a

stabili natura sistemului de vectori , considerăm relaţia :
x1  v1  x 2  v 2  ...  xn  v n  O
Această relaţie se scrie matriceal astfel :

A XO

unde : - A este matricea sistemului de vectori ;

- X este “ vectorul necunoscutelor “ , adică :

 x1 
 
x 
X 2  ;
...
 
x 
 n

- “O” este vectorul nul , de ordin egal cu numărul de componente ale vectorilor
v1 , v 2 ,..., v n ( evident , se presupune că toţi vectorii sistemului au acelaşi număr
de componente ):

Sistemul A  X  O este un sistem omogen , deci este compatibil ,

având soluţia banală X = O ; ştim că :

- dacă rangul matricii sistemului este egal cu numărul de necunoscute ,

atunci sistemul este unic determinat , deci :
rang(A) = n  sistemul are numai soluţia banală
 vectorii sunt liniar independenţi ;
- dacă rangul matricii sistemului este mai mic decât numărul de
. necunoscute , atunci sistemul nu este unic determinat , deci :
rang(A) < n  sistemul are şi soluţii nebanale
 vectorii sunt liniar dependenţi .
 11

&1.1.6 : Relaţia de generare : bază a spaţiului vectorial R n

In spaţiul vectorial R n considerăm un sistem de vectori { A; B ; … ; C} ;

Fie un vector X din acelaşi spaţiu :

Definiţie : se spune că vectorul X este generat de către sistemul de vectori

{ A; B ; … ; C} , dacă există numere reale m , n ,…, p astfel
încât să avem :

X  m  A  n  B  ...  p  C

Observări : avem următoarele rezultate evidente :

- dacă X este generat de către sistemul de vectori {A ,B,…,C} , atunci

sistemul de vectori { A , B,…, C , X} este un sistem de vectori liniar
dependenţi ;

- fie matricile asociate sistemelor de vectori , anume :

H = || A , B ,… ,C || - pentru sistemul {A ,B,…,C} ;

K = || A , B ,… ,C , X || - pentru sistemul {A ,B,…,C ,X} ;
Atunci

dacă X este generat de către sistemul de vectori {A ,B,…,C} ,

avem : rang(H) = rang(K) .

== // ==

 2  3  1  4
       
Aplicaţie : fie vectorii A   1  ; B   2  ; C   1  ; X   3  .
 3  5  2 k
       

Se cer valorile parametrului k , pentru care X este generat de către sistemul {A;B;C}.

Rezolvare : scriem matricea sistemului de vectori { A , B , C ,X } şi îi

discutăm rangul :

2 3 1 4
 
H1 2 1 3  ; se fac următoarele transformări elementare :
3 5 2 k 

- copiem linia 1 ;
- ( linia 2 ) ← ( linia 1 ) - 2( linia 2 )
 12
- ( linia 3 ) ← 3( linia 1) – 2( linia 3)

2 3 1 4 
 
Găsim : H   0 1 1  2  ; acum se fac transformările următoare :
0 1  1 12  2k 
 

- copiem liniile 1 , 2
- (linia 3 ) ← ( linia 2 ) – ( linia 3 )

2 3 1 4 
 
Găsim: H   0 1 1 2  .
0 0 0 2k  14 
 

Din primele 3 coloane se deduce că : rang ( || A,B,C|| ) = 2 . Deci X este generat de către
sistemul { A,B,C } , dacă şi rang ( || A, B, C , X|| ) = 2 , adică

2k – 14 = 0 ↔ k = 7 .

DEFINITIE : un sistem de vectori liniar independenţi care generează toţi

vectorii din R n , formează o bază a lui R n .

Se observă că o bază a lui R n este formată din “ n “ vectori : dacă notăm cu

 v1 , v 2 ,... , v n  vectorii unei baze din R n , atunci trebuie să avem
det ( v1 , v 2 ,... , v n )  0 .

Aplicaţie : fie vectorii a = ( 2 , 1 3) ; b = ( 3 , 2 , 5) ; c = ( 1 , k , 1) .

Se cere condiţia ca vectorii { a,b,c } să formeze o bază în R 3 .

2 1 3
Rezolvare : avem det( a , b , c )  3 2 5 0 k 0 .
1 k 1

Observare : fie B  { v1 , v 2 ,..., v n }  o baza in R n ; fie x  un vector din R n ;

atunci există sistemul de numere reale K  {1 ,  2 ,...,  n } ,
unic determinate , numite componentele lui x in baza B , pentru care

avem : x  1  v1   2  v 2  ...   n  v n .

Componentele se determină prin pivotaj ,ca în exemplul de mai jos :

 12   3  1  2
       
Exemplu : se cer componentele lui x   15  în baza a   4  ; b   1  ; c   3  .
 26   7  2  4
       

Vom pivota matricea K = || a ;b ; c ; x || ;avem

 13

3* 1 2 | 12 1 1 2 | 4
3 3
K  4 1 3 | 15  0  1 * 1 | 1
3 3
7 2 4 | 26 0  1  2 |  2
3 3
1 0 1 | 3 1 0 0 | 2
 0 1 1 | 3  0 1 0 | 4
0 0  1* | 1 0 0 1 | 1

Pe ultima coloană a matricii pivotate citim componentele lui “x” în baza { a; b ; c } anume
{ 2 ; 4 ; 1 } , ceeace înseamnă că avem :

x = 2a+4b+c.

In exemplul anterior , pivotul a fost marcat prin (*) .Pentru cine a uitat , reamintim etapele
pivotajului :
- 1: pivotul este un element diferit de zero , din matricea dată ;
odată ales pivotul , avem etapele de calcul :
- 2: linia pivotului se împarte la pivot ;

- 3: coloana pivotului devine coloană a matricii unitate , cu 1 în

locul pivotului , şi zero în rest ;

- 4: pentru celelalte elemente , se aplică regula dreptunghiului

a*   b
| |
anume : | |
;
c   d

elementul “ d “ al matricii vechi se înlocuieşte prin :

adbc
.
a

Observare ( relaţia matriceală dintre vector , bază şi componente ) :

In R n , considerăm baza B  { v1 , v 2 ,..., v n }; fie x R n ; presupunem că

vectorul “ x “ are componentele {1 ,  2 ,...,  n } în raport cu baza B .
Vectorul dat îl notăm , pentru claritate , cu x text ; vom nota deasemeni
 14
 1 
 
 2 
xbaza    ; fie matricea bazei , H  v1 , v 2 ,..., v n .Atunci avem relaţia
...
 
 
 n

x text  H  x baza

La exemplul precedent , această relaţie revine la :

 12   3 1 2  2  2
       
 15    4 1 3    4  , deci xbaza   4  .
 26   7 2 4   1   1
    

&1.1.7 : Formule ale schimbării de bază : lema substituţiei :

Problema 1 : formula generală a schimbării de bază

In R n considerăm un vector “ x “ : considerăm două baze diferite în R n , anume

B1  { u1 , u 2 ,..., u n } si B 2  { v1 , v 2 ,..., v n } . In aceste baze , vectorul x are componente

unic determinate , anume

in baza B1;{ x1 , x 2 ,..., x n }

in baza B 2 ;{ y1 , y 2 ,..., y n }

Vom considera matricile celor două baze , anume :

H1  u1 , u 2 ,..., u n si H 2  v1 , v 2 ,..., v n

Vectorii componentelor lui “ x “ în aceste baze vor fi deci :

 x1   y1 
   
 x2  y 
x baza1    , respectiv x baza 2   2  .
... ...
   
x  y 
 n  n
 15
 xtext  H1  xbaza1

Avem :   H1  xbaza1  H 2  xbaza 2 .
x  H  x
 text 2 baza 2

In final , găsim formula de trecere de la baza B1 la baza B 2 :

x baza 2  ( H 2 ) 1  H1  x baza 1

Matricea :
( H 2 )  1  H1

se numeşte matrice de trecere de la baza B1 la baza B 2 .

Aceste relaţii se aplică practic prin intermediul pivotajului , după cum se arată
în continuare :

Exemplu : baza B1 este formată din vectorii

 2  3
a1    ; a 2    ;
 5  7
baza B 2 este formată din vectorii
 4  5
b1    ; b 2    ;
 1  1

Matricile corespunzătoare acestor baze sunt deci :

2 3 4 5
H1 
5 7
;H2 
1 1
.
 12 
In baza B1 , un vector “ x “ are componentele xbaza 1   
 ;se cer componentele acestui
  8
vector în baza B 2 , componente pe care le notăm cu : x baza 2 .

- determinăm întâi matricea de trecere de la baza B1 la baza B 2 :

-
baza B2  baza B1 baza B2  baza B1
4 5  2 3   1* 0   23  32 
1 1*  5 7 1 1  5 7
baza B2  baza B1
1 0  23 32
0 1   18  25

23 32
Aşadar , matriea de trecere este T
 18  25
.
Formula : xbaza 2  ( matricea de trecere )  xbaza1 devine :
 16

23 32  12   20 
x baza 2  
  8

 
 .
 18  25     16 

PROBLEMA 2 : lema substituţiei

Scopul acestui studiu este următorul : să determinăm cum se schimbă componentele unui
vector , când în baza dată se înlocuieşte un singur vector.
Astfel , fie un vector x  R n ; fie baza B1  { v1 , v 2 ,..., v n } . Baza
B 2 diferă de baza B1 printr-un singur vector : pentru fixarea ideilor , să zicem că aceste
baze diferă prin primul vector .
Aşadar , avem B 2  { u, v 2 ,..., v n } .

In ce priveşte situaţia componentelor vectorilor în cele două baze , avem următoarele :

- componentele lui ´x ’ în baza B1 :

x  1  v1   2  v 2  ...  n  v n (1)
- componentele lui ´x ’ în baza B 2 :
x  1  u   2  v 2  ...   n  v n (2)
- componentele lui ´u ’ în baza B1 :
u   1  v1   2  v 2  ...   n  v n (3)

In relaţia (2) , înlocuim “ u “ cu forma sa dată de relaţia (3);găsim

x  1    1  v1   2  v 2  ...   n  vn    2  v 2  ...   n  v n 
 1   1  v1  ( 1   2   2 )  v 2  ...  ( 1   n  n )  v n

Deci mai avem şi altă exprimare a vectorului “ x “ în funcţie de baza B1 ,anume

x  1   1  v1  ( 1   2   2 )  v 2  ...  ( 1   n   n )  v n (4)

Cum componentele unui vector într-o bază sunt unice , comparând relaţiile (1) , (4) , găsim :

 1
  1   1   1   1 
1


 1
 j  2 , n  1   j   j   j   j   j     j
 1
 17

In aceste formule recunoaştem cu uşurinţă chiar regulile pivotajului , într-un context ce va fi

clarificat cu ocazia următorului exemplu.

Exemplu de aplicare a lemei substituţiei :

 3  2  5  1
       

Fie vectorii 1   2   3  
v 2 ; v  1 ; v  3 ; u   1  ; pentru un vector x  R 3
1  1  1  0
       
avem: x  5  v1  4  v 2  2  v 3 ( deci 1  5 ;  2  4 ;  3  2 ).

Se cer componentele lui “ x “ în bazele :

- a: { u ; v 2 ; v 3 }
- b: { v1 ; u ; v 3 }
- c: { v1 ; v 2 ; u }
-
Observăm că aceste baze diferă faţă de baza { v1 ; v 2 ; v 3 } prin câte un singur vector , deci
este posibilă aplicarea lemei substituţiei .

Rezolvare : pentru toate trei întrebările , trebuie ca în prealabil să determinăm

componentele lui “ u “ în baza { v1 ; v 2 ; v 3 } : folosind pivotajul , găsim
u   2  v 2  v 3 ( deci avem :  1  0 ;  2   2 ;  3  1 ) .

- a: cum  1  0 , deducem că { u ; v 2 ; v 3 } nu formează bază în R 3 ;aşadar,punctul

(a) cade ;
  2  0  { v1 ; u ; v 3 } este baza
Observare : cum 
  3  0  { v1 ; v 2 ; u } este baza

- b: rezolvarea se face prin următorul pivotaj :

baza | x | u 
    |  

 v1 | 5 | 0 
 
 v2 | 4 |  2* 
 v3 | 2 | 1   avem : x  5  v1  2  u  4  v 3 \
 
  |  |  
 v | 5 | inutil 
 1 
 u | 2 | inutil 
 v | 4 | inutil 
 3
 18

- c: rezolvarea se face prin următorul pivotaj :

baza | x | u 
    |  

 v1 | 5 | 0 
 
 v2 | 4 | 2 
 v3 | 2 | 1*   avem : x  5  v1  8  v 2  2  u
 
  |  |  
 v | 5 | inutil 
 1 
 u | 8 | inutil 
 v | 2 | inutil 
 3

UNITATEA 1.2 : PROGRAMAREA LINIARĂ

Cuvinte cheie : soluţie de bază ; tabel simplex ; pivotaj ; bază admisibilă ;

bază optimă

&1.2.1 : Prezentarea problemei : primele notaţii .

Aspectul general al unei probleme de optimizare liniară este următorul :

- se consideră : C – un vector din R n

b - un vector din R m
 19
A - o matrice de ordin ( m x n )

- se urmăreşte determinarea vectorilor X din R n , pentru care funcţia

f ( X )  C' X (1)

ia cea mai mică ( respectiv cea mai mare ) valoare , în condiţiile în care sunt

A  X  b

valabile relaţiile :  (2)
 XO


Precizări : - funcţia f(X) dată de relaţia (1) se numeşte funcţie obiectiv a

modelului ;

- relaţiile (2) formează sistemul de restricţii al modelului ;

- condiţia X≥ O se numeşte condiţie de nenegativitate ;

spunem că un vector este nenegativ , dacă fiecare compo-
nentă a sa este ≥ 0 ;

de exemplu , vectorul
 3k  12 
 
 10  2k 
 6k  3 
 

este nenegativ , dacă avem :

3k  12  0

 10  2k  0  4  k  5 ;
 6k  3  0


- pentru a exprima faptul că se caută valoarea maximă a

funcţiei f , vom scrie : (max) f(X) ;

- pentru a exprima faptul că se caută valoarea minimă a

funcţiei f , vom scrie : (min) f(X) ;

- în unele situaţii , sistemul de restricţii A  X  b se va înlocui

prin sisteme care conţin şi egalităţi , şi inegalităţi nestricte ,de exemplu

 2x1  5x 2  7x3  14

6x1  9x 2  4x3  32 ;
 8x  6x  3x  24
 1 2 3
 20

Exemplu : pentru problema de optimizare liniară de mai jos :

(max) f ( X)  3  x1  5  x 2  7  x 3  9  x 4

 2  x1  9  x 2  4  x 3  3  x 4  32

7  x1  11  x 2  2  x 3  8  x 4  17
 x1, 2 ,3, 4  0


 3  x1 
   
 5  32   2 9 4 3 x 
avem : C    ; b    ; A    ; X   2  .
7  17   7 11 2 8  x
   3
 9 x 
   4
Precizare : problemele de optimizare liniară sunt numite în mod curent probleme
de programare liniară .

In continuare ne vom ocupa în mod special de studierea soluţiilor sistemelor de restricţii.

&1.2.2 : Soluţii de bază ale sistemelor liniare compatibile , nedeterminate

Tipul de sistem pe care îl vom studia este următorul :

A  X  b ; A  matrice de ordin ( m x n ) , cu m  n ;
X R n ; b  R m

Presupunem că rang(A) = m ( adică : rangul matricii sistemului este egal cu numărul de

ecuaţii ) , ceeace înseamnă că sistemul este compatibil , oricare ar fi vectorul “ b” al
termenilor liberi . Mai mult , cum rang(A) este mai mare decât numărul de necunoscute ,
sistemul este nedeterminat , numărul de parametri fiind de : n – m .

In vederea rezolvării , vom transcrie întâi sistemul sub formă matriceală , după cum
se sugerează cu ocazia următorului exemplu :

Exemplu : fie sistemul

3  x1  5  x 2  7  x3  17

 2  x1  3  x 2  4  x3  10
Elementele vectoriale asociate sistemului sunt ;

- vectorii structurali , care sunt vectorii coloană ai matricii sistemului , adică

 3
v1  
 2
, corespunzător variabilei x1 ;
 
 21
 5
v 2    , corespunzător variabilei x 2 ;
 3
 7
v 3    , corespunzător variabilei x 3 ;
 4

- vectorul resurselor , care este chiar vectorul termenilor liberi ai sistemului dat
 17 
b
 10 
 .
 

Pentru a găsi o soluţie de bază a sistemului dat , se procedează astfel :

- din lista de vectori structurali , aleg o bază pentru R2 , de exemplu

B  { v 2 , v3 }
- determin componentele vectoriului resurselor în raport cu baza B ;

găsim b  2  v1  v 2 ;

- atunci evident că : x1  0 ; x 2  2 ; x 3  1 reprezintă o soluţie a

sistemului dat ; această soluţie se numeşte soluţie de bază corespunzătoare
bazei B.

Precizări : - variabilele care corespund vectorilor bazei se numesc variabile bazice :

în exemplul precedent , variabilele bazice corespunzătoare bazei
B  { v 2 , v 3 } sunt x 2 , x 3 .
- variabilele care nu sunt bazice se numesc variabile ne – bazice;
- într-o soluţie de bază , variabilele ne-bazice au valoarea zero .

Rezumat : o soluţie a unui sistem liniar compatibil , nedeterminat poate fi numită

soluţie de bază , dacă :

- numărul de necunoscute care au valori ≠ de zero este ≤ decât

rangul matricii sistemului :

- vectorii structurali corespunzători variabilelor ≠ 0 sunt liniar

independenţi

Exemplu : fie sistemul :

 x1  3x 2  5x3  2x 4  9

 2x1  5x 2  9x3  3x 4  16
 x  2x  4x  2x  7
 1 2 3 4

Fie soluţia S dată de :

 22
x1  1; x 2  1; x 3  1; x 4  0 .
Este S o soluţie de bază ?

Rezolvare : verificând condiţiile ,găsim

- rangul matricii sistemului

1 3 5 2  1 0 2 0
   
A2 5 9 3   0 1 1 0 ,
1 2 4 2   0 0 0 1 


deci avem rang(A) = 3 , deoarece prin pivotare am obţinut trei vectori unitate
( pe coloanele 1 , 2 , 4 ) ;

- în soluţia S , numărul de necunoscute având valori ≠ 0 este 3 ,

deci ≤ cu rangul matricii A ;

- ar mai trebui ca vectorii corespunzători variabilelor ≠ 0 să fie independenţi ;

la noi , avem

1 3 5
det v1; v 2 ; v 3  2 5 9 0 ,deci vectorii v1; v 2 ; v 3 sunt liniar
1 2 4
dependenţi : în final , soluţia S nu este o soluţie de bază .

&1.2.3: Găsirea soluţiilor de bază ale sistemelor liniare cu ajutorul

lemei substituţiei : tabelele simplex .

Practic , calculul de componente în raport cu baza formată din vectorii structurali este
necesară o singură dată : apoi , pentru a găsi alte soluţii de bază , ne putem servi de lema
substituţiei .Acest procedeu este prezentat cu ocazia următorului exemplu.

Exemplu : fie sistemul

 x1  3x 2  5x 3  7 x 4  17

 2x1  5x 2  9x 3  15x 4  33
 23
Să se determine toate soluţiile de bază ale sistemului .

Rezolvare :

 1  3  5  7
- vectorii structurali sunt : v1    ; v 2    ; v 3    ; v 4    ;
 2  5  9  15 
 17 
- vectorul resurselor este : b   
 33 
- alegem baza iniţială  v1 ; v 2  ; în raport cu această bază calculăm componentele celorlalţi
vectori ai problemei : găsim

v 3  2  v1  v 2 ; v 4  10  v1  v 2 ; b  14  v1  v 2
- evident că avem v1  1  v1  0  v 2 ; v 2  0  v1  1  v 2
- cu aceste componente se Intocmeste primul tabel simplex , notat (T1) :

baza b v1 v1 v3 v4 x1 x2 x3 x 4 v1
v1 14 1 0 2 10 14 1 0 0
v2 1 0 1 1* -1

Pentru a trece la următorul tabel simplex , deci pentru a găsi altă soluţie de bază , trebuie să
hotărâm :
- care vector iese din baza { v1 ; v 2 }
- care dintre vectorii v 3 , v 4 intră în loc .
De exemplu , dorim ca din bază să iese vectorul v 2 ,iar în loc să intre vectorul v 3 ;
aşadar , baza structurală ar deveni { v1 ; v 3 } : pentru aceasta , în tabelul (T1) se ia drept
pivot elementul marcat cu (*) .Obţinem tabelul simplex (T2) :

baza b v1 v1 v3 v4 x1 x2 x3 x 4 v1
v1 12 1 -2 0 10 12 0 1 0
v3 1 0 1 1 -1**

Pentru tabelul (T3) corespunzător bazei { v1 ; v 4 } , în (T2) se ia ca pivot elementul marcat

(**) , găsind :

baza b v1 v1 v3 v4 x1 x2 x3 x 4 v1
v1 24 1 10 12 0 24 0 0 -1
v4 -1 0 -1 -1 1
 24

UNITATEA 1. 3 : Teoremele fundamentale ale programării liniare

&1.3.1 : Trecerea de la o soluţie ne-negativă , de bază , la altă soluţie

ne-negativă , de bază

Presupunem dat un sistem liniar ,care verifică ipotezele despre care am discutat deja.
Presupunem că , pentru acest sistem , am găsit o bază B1 căreia îi corespunde o soluţie de
bază nenegativă. Mai presupunem că , pentru această bază ,este cunoscut şi tabelul simplex
corespunzător , notat cu (T1) .
Pentru claritate , vom presupune că variabilele bazice corespunzătoare bazei B1
sunt chiar primele “ m “ variabile , anume x1, x2 ,…, xm .
Vom trece la un alt tabel simplex , notat (T2) , corespunzător unei baze B2 , care diferă
faţă de baza B1 printr-un singur vector : pentru a preciza o opţiune , vom presupune că atunci
când trec de la baza B1 la baza B2 , se întâmplă următoarele

- din baza B1 iese vectorul v1 ;

- în noua bază intră vectorul vj , m+1 ≤ j ≤ n .

Problema urmărită de noi este aceasta :

Cum trebuie ales pivotul corespunzător trecerii de la tabelul (T1)

la tabelul (T2) , astfel încât soluţia de bază corespunzătoare
bazei (B2) să fie tot ne-negativă

Pentru a deduce condiţiile , vom prezenta schematic cele două tabele simplex :

Tabel vm+1 vn
nr. baza b v1 … vm … vj …
v1 b1 1 … 0 … … (*)p1 … …
T1 v2 b2 0 … 0 … … p2 … …
… … … … … … … … … …
vm bm 0 … 1 … … pm … …
1
vj p1 … 0 … … 1 … …
 25
b1
p1
T2 v2 b 2  p1  b1 p 2  p2
p1 p1 … … ;;; … 0 … …

… … … … … … … … … …
b m  p1  b1pm  p m
vm p1 … … … … 0 … …
p1

Aşadar , în tabelul (T2) trebuie să avem cantităţi pozitive în coloana “ b “ , adică :

b1
- 1:  0 , unde deja ştim că b1 ≥ 0 : aşadar , avem condiţia
p1

p1 > 0 , adică pivotul trebuie să fie strict pozitiv

b j  p1  b1p j
0
-2: pentru m+1 ≤ j ≤ n , să avem :
p 1

b1
bj  pj  0
sau p1
. (1)

Această relaţie se interpretează astfel :

- dacă pj < 0 , atunci , cum deja ştim că : b1 ≥ 0 , p1 > 0 , bj ≥ 0 ,

relaţia (1) este adevărată ;

- dacă însă pj ≥ 0 , atunci din (1) se deduce

b1 b
 j .
p1 pj

Exprimând sintetic cele găsite , avem regulile de intrare în bază , pentru cazul
soluţiilor ne-negative :

Pivotul se alege pe coloana vectorului de intrat în bază , astfel:

 26
- 1 : pivotul este pozitiv
- 2: se împarte coloana “ b “ a vectorului resurselor , la coloana
vectorului
care intră în bază :împărţirea se face numai la cantităţi pozitive

- 3: dintre toate rezultatele , se alege raportul minim : pivotul este

numărul
> 0 , care corespunde acestui raport minim ;
- 4 : dacă valoarea raportului minim apare de mai multe ori , oricare
dintre

Model de aplicare : considerăm următorul tabel simplex ipotetic , ce conţine o

soluţie ne-negativă : ne propunem să introducem în bază vectorul
v6 : ce număr de pe coloana lui v6 trebuie luat pivot , astfel încât tabelul simplex următor să
conţină tot o soluţie ne-negativă ?

bază b … v6 … raport concluzii

12
2 v1 poate intra
v1 12 … 6 … 6 în bază
minim
8
4
v2 8 … 2 … 2
v3 24 -5 nu fac raport: sigur componenta
nu impart cu de pe locul 3 va fi
… … cantităţi pozitivă
negative
36
6
v4 36 … 6 … 6
20
2 V5 poate intra
v5 20 … 10 … 10 în bază
minim

&1.3.2 : Calcularea valorii unei funcţii liniare , definită pe mulţimea soluţiilor de

bază ale unui sistem liniar compatibil nedeterminat .

Considerăm problema de programare liniară :

 27
( optim ) f ( X )  C' X
A Xb
unde avem , ca şi până acuma ,

C R n ; X R n ; A  matrice de ordin ( m x n) ;
b R m .

Nu mai considerăm că vectorul X este ne-negativ : deocamdată această condiţie nu ne

interesează.
Presupunem că am întocmit tabelele simplex corespunzătoare bazelor ce se pot forma cu
vectorii structurali ai problemei .Ne propunem să calculăm valorile lui f , corespunzătoare
acestor tabele ( sau : acestor soluţii de bază ) printr-o operaţie vectorială , integrată şi ea în
tabelul simplex. Prezentăm metoda utilizând un exemplu :

Model de aplicare : fie problema de programare

(optim ) f  6x  5y  7 z  4t
 x  3y  2z  t  11

 2x  5y  3z  3t  19

Vectorii structurali vor fi notaţi chiar cu numele variabilelor respective : astfel , avem

 1  3  2  1  11 
x
 2
;y  
 5
;z  
 3
 ;t  
 3
 ;b  
 19 
;
         

tabelul simplex corespunzător bazei { x ; y } este

coeficienţii
bazici din f baza b x y z t
coef. lui x : 6 x 2 1 0 -1 4
coef. lui y : 5 y 3 0 1 1(*) -1
f1= 6∙2 + 5∙3
valoarea lui f = 27
coef. lui x : 6 x 5 1 1 0 3
coef. lui z : 7 z 3 0 1 1 -1
valoarea lui f f2= 6∙5 + 7∙3
= 51
In general , procedura este aceeaşi , după cum se arată mai jos :
considerăm problema :

f  c1  x1  c 2  x 2  ...  cm  xm  cm 1  xm 1  ...  cn  xn
 a11  x1  a12  x 2  ...  a1n  xn  b1

 .......... .......... .......... ...
a  x  a  x  ...  a  x  b
 m1 1 m2 2 mn n m
 28

Presupunem , pentru simplitatea scrierii , că baza este formată din primele “ m “ variabile
( sau : din primii “ m “ vectori structurali ) : atunci valoarea corespunzătoare a lui f se poate
calcula astfel:

coeficienţii
bazici din f baza b x1 x2 …
coeficientul lui x1 : c1 x1 p1 1 0 …
coeficientul lui x2 : c2 x2 p2 0 1 …
…………. …………. … … … …
coeficientul lui xm : cm xm pm 0 0 …
valoarea lui f m
f   cj  pj
j 1

== // ==

&1.3.3 : Modificarea valorii lui f în cazul unei schimbări a bazei

Modul de calcul prezentat în paragraful 3.2 permite pivotarea valorii funcţiei ,

Vom prezenta un astfel de caz , păstrând notaţiile precedente , adică:

- în primul tabel simplex , baza este { x1,x2,…,xm } ;

- pentru trecerea la al doilea tabel simplex : intră în bază un vector xj ,

 29
m+1 ≤ j ≤ n , şi iese din bază chiar vectorul x1 .

Avem următoarele calcule :

Tabelul vechi :

coeficienţii
bazici din f baza b x1 x2 … xm … xj ..
Coef. lui x1 : c1 x1 p1 1 0 … 0 … (*)s1 ..
Coef. lui x2 : c2 x2 p2 0 1 … 0 … s2 ..
…………. …………. … … … … … … … ..
Coef. lui xm : cm xm pm 0 0 … 1 … sm ..
m

Val. lui f f1   c j  p j
j 1

Tabelul nou :

Coefi.
din f baza b x1 x2 … xm …
p1 1 …
Pt. xj : cj xj 0 0 …
s1 s1
p 2  s1  p1  s 2
Pt. x2 : c2 x2 s2 1 … 0 …
s1 
s1
…………. …………. … … … … … …
p m  s1  p1  sm
Pt. xm : cm xm sm 0 … 1 …
s1 
s1
Val. lui f f2

Avem , aplicând regula de calcul cunoscută :

 30
p m
 p 
f 2  c j  1   c i   p i  1  s i  
s1 i  2  s1 
p m
 p 
 c j  1    c i  p i  c i  s i  1 
s1 i  2  s1 
p1  m
 m
   c j   ci  si
    c i  p i 
s1  i2  i2
p  m
 m p  m

 1   c j   c i  s i    c i  p i  f1  1   c j   c i  s i 
s1  i 1  i 1 s1  i 1 

In final :

p1  m

f 2  f1    c j   c i  s i 
s1  i 1 

UNITATEA 1.4 : Dualitate în programarea liniară

Cuvinte cheie : dualitate simetrică ; dualitate nesimetrică ; probleme de alocare

criteriul Von Neumann ;
 31

&1.4.1: Dualitatea simetrică

Fie : A – matrice de ordin ( m x n ) , unde : m < n

presupunem că : rang (A) = m ;
fie X , c – vectori din Rn ;
fie Y , b vectori din Rm .

Definiţie : următoarele modele de programare liniară :

 ( min ) f  c'  X

 A  X  b (1)
 X  0
 ( R .D )
 ( max ) g  Y '  b
 '
 Y  A  c ( 2)
'

 Y 0


vor fi numite modele de programare duale simetrice.

Precizare : - fiecare dintre modelele (1) , (2 ) este considerat dualul celuilalt ;

- în funcţie de împrejurări , unul dintre modele va fi numit
model primal , iar celălalt , dualul său .

Avem următoarele reguli de corespondenţă între elementele a două modele aflate în relaţia de
dualitate simetrică :

Modelul primal Modelul dual

minim / maxim maxim / minim
inegalităţi cu “≤ “ inegalităţi cu “ ≥”
număr de restricţii număr de variabile
coeficienţii funcţiei termenii liberi
obiectiv ai restricţiilor

Exemplul 1 : fie problema de programare :

( min ) f  2x1  5x 2  4x 3
 3x1  7 x 2  5x 3  10

( A) : 
2x1  5x 2  3x 3  7


 x1, 2,3  0
 32

Se cere modelul dual corespunzător :

Rezolvare :având o restricţie egalitate , modelul prezentat nu este nici de tip (RD) (1) ,
nici de tip (RD) (2) : aşadar , nu există problemă de programare , care să se
afle în relaţia de dualitate simetrică cu problema dată .

== // ==

Exemplu : fie problema de programare :

( min ) f  3x1  7 x 2




 5x1  3x 2  12
( A) : 
3x1  2x 2  8

 7 x1  4x 2  17
 8x1  5x 2  21


 x1, 2  0

Se cere problema duală , notată cu (B).

Rezolvare : de această dată condiţiile de dualitate simetrică sunt îndeplinite :

avem următorul tabel de corespondenţe :

Modelul (A) Modelul (B)

este de “ minim “ va fi de “ maxim “
are “ ≥ “ la toate va avea “ ≤ “ la toate
restricţiile restricţiile
are două variabile , va avea două restricţii
anume x1 şi x2
va avea 4 variabile ,
are 4 restricţii notate y1,2,3,4

Aşadar , modelul (B) va fi cel de mai jos :

( max ) g  12y1  8y 2  17y 3  21y 4

 5y1  3y 2  7 y 3  8y 4  3

(B ) : 
3y1  2y 2  4y 3  5y 4  7


 y1, 2 ,3  0

Observare : corespondenţa în cazul dualităţii simetrice se extinde şi la tabelele simplex

obţinute în cursul rezolvării celor două modele : iată şi alte corespondenţe
 33
ce vor fi utilizate :

Modelul primal Modelul dual

vector aflat în bază vector din afara bazei
coloana “ b” a linia “ δ “
termenilor liberi
variabilă structurală variabilă de compensare

Vom demonstra în continuare următoarele :

- orice valoare a funcţiei obiectiv a modelului de minim este mai mare

decât orice valoare a funcţiei obiectiv a modelului de maxim ‘
- valorile optime ale funcţiilor obiectiv ale celor două modele sunt egale .

Revenim la notaţiile din (RD) , (1) şi (2) :

FAZA 1:

- iau o restricţie oarecare a modelului (1) anume


j 1, n
a ij  x j  b i ; i  1, m

- o înmulţim cu yi :

j 1, n
a ij  x j  y i  b i  y i ; i  1, m

- însumăm cele “m “ relaţii astfel obţin

.
S  
i 1, m j 1, n
a ij  x j  y i   bi  y i
i 1, m

adică :
S  
i 1, m j 1, n
a ij  x j  y i  g( Y )  S  g( Y )

FAZA 2:

- iau o restricţie oarecare a modelului (2) anume


i 1, m
a ij  y i  c j ; j  1, n

- o înmulţim cu xj

i 1, m
a ij  x j  y i  c j  x j ; j  1, n

- însumăm cele “ n “ relaţii astfel obţin

.
S 
j 1, n i 1, m
a ij  x j  y i   cj  xj
j 1, n
 34
adică :
S  
i 1, m j 1, n
a ij  x j  y i  f ( X )  S  f ( X)

In final

f ( X )  S  g( Y )  f ( X )  g( Y )

==//==

Consecinţă : din această relaţie se deduce imediat că

( min ) ( ma x )
f( X )  ' g( Y )
A  X  b ;X 0 Y  A  c' ; Y  0

- dacă modelul primal are optim infinit , atunci modelul dual are sistemul
de restricţii incompatibil , şi invers.

==//==

Exemplu : se consideră problema de programare liniară

 ( min ) f  8x1  11x 2

 3x  5x  11
 1 2
 2x  3x  7 x  0
 1 2 1, 2


 4x1  7 x 2  15

- a: se cere modelul dual ;

( max ) g  11y1  7y 2  15y 3
 3y1  2y 2  4y 3  8

 5y  3y  7 y  11
 1 2 3


 y1, 2 ,3  0
 35

- b: să se aducă cele doua modele la forma standard , compensând restricţiile

 ( min ) f  8x1  11x 2

 3x  5x  u  11
 1 2 1
 2x  3x  u  7 x  0 ; u
 1 2 2 1, 2 1, 2 , 3  0


 4x1  7 x 2  u 3  15

 ( max ) g  11y1  7 y 2  15y 3

 3y  2y  4y  v  8
 1 2 3 1
 5y  3y  7y  v  11
 1 2 3 2


 y 1, 2 , 3  0 ; v 1, 2  0

Observare : corespondenţa variabilelor este acum următoarea :

Model primal x1 x2 u1 u2 u3
Model dual v1 v2 y1 y2 y3

- c: modelul primal are următorul tabel simplex de optim :

Variabile baza Termeni x1 x2 u1 u2 u3

duale liberi
y3 u3 b1=4/3 a11=2/3 0 0 a14= - 7/3 1
v2 x3 b2=7/3 a21=2/3 1 0 a24= - 1/3 0
y1 u1 b3=2/3 a31=1/3 0 1 a34= -5/3 0
f0=77/3 d1= - 2/3 0 0 d4= - 11/3 0
Variabile duale v1 v2 y1 y2 y3

Se cere tabelul simplex de optim pentru modelul dual.

Răspuns :
 36

cb baza termeni y1 y2 y3 v1 v2
liberi
0 v1 - d1 = 2/3 - a31 = - 1/3 0 - a11 = - 2/3 1 - a21 = - 2/3
7 y2 - d2 = 11/3 - a34 = 5/3 1 - a14 = 7/3 0 - a24 = 1/3
f0 = 77/3 b3 =2/3 0 b1= 4/3 0 b2 =7/3

&1.4 .2 : Determinarea strategiilor optime ale unui joc matriceal :

Un joc matriceal are următoarele elemente componente :

- doi jucători , anume : A – jucătorul maximizant ; B – jucătorul

minimizant

- o matrice de ordin ( m x n ) ,

H h ij i  1,m ; j 1 ,n
; h ij  0 ,  i  1, m ; j  1 , n

numită “ matricea jocului “ ;

- mulţimea de strategii ale jucătorului maximizant este mulţimea liniilor

matricii A , adică :

   A1 , A 2 ,..., A m 
- mulţimea de strategii ale jucătorului minimizant este mulţimea coloanelor
matricii A , adică :

   B1 , B 2 ,..., B n 

Desfăşurarea jocului :

- ambii jucători cunosc matricea jocului

- jocul se compune dintr-o succesiune de “ mutări “ : o mutare constă dintr-o
pereche
( Ai , B j ) ; Ai  , B j 

- în urma aplicării mutării ( A i , B j ) , A câştigă suma hij , iar B pierde

suma hij .

Evident că interesul jucătorului maximizant este de a câştiga cât mai mult , iar al jucătorului
minimizant este de a pierde cât mai puţin .
Presupunem că o partidă completă constă în efectuarea unui foarte mare număr de
mutări , aplicate imprevizibil de către fiecare jucătoe , şi că se urmăreşte determinarea
frecvenţelor de aplicate ale strategiilor , anume :
 37

- pentru jucătorul A :

Strategia A1 … Ai …Am
Frecvenţa de
aplicare p1 … pi … pm

- pentru jucătorul B :

Strategia B1 … Bj …Bn
Frecvenţa de
aplicare q1 … qj … qn

p i  0 ,  i  1, m q j  0 ,  j  1, n
 
;
cu condiţiile : 
  i p  1
  q j 1
 i  1,m  j  1,n

In aceste condiţii , avem :

- câştigul mediu ( lei / mutare ) al lui A , dacă B ar juca numai strategia Bj ,

ar fi :

 h ij  p i  a j ; j  1, n
i  1, m

- pierderea medie ( lei / mutare ) al lui B , dacă A ar juca numai strategia Ai ,

ar fi :
 h ij  q j  b i ; i  1, m
j  1, n

== // ==

Exemplu : fie jocul matriceal , de matrice :

5 8 9
H 
7 4 3
;

Notăm frecvenţele de aplicare ale strategiilor , respectiv :

- pentru A : p1, 2 , cu : p1, 2  0 ; p1  p 2  1

- pentru B : q1, 2 ,3 , cu : q1, 2 ,3  0 ; q1  q 2  q 3  1 .
 38

Câştigurile unitare ale lui A , respectiv pierderile unitare ale lui B sunt date mai jos :

 a1  5p1  7p 2
 a  8p  4p  b1  5q1  8q 2  9q 3
 2 1 2 
 ;  b 2  7q1  4q 2  3q 3 .
 a3  9p1  3p 2 q
  1, 2 ,3  0 ; q1  q 2  q 3  1
p1, 2  0 ; p1  p 2  1

Desfăşurarea jocului :

- jucătorul A îşi fixează un prag , v , care are următoarea semnificaţie :

orice ar face adversarul , A vrea să realizeze un

câştig mediu ≥ v , adică :
aj  v , j 1, 3

Apoi , în măsura în care acest fapt devine posibil ,încearcă să-l facă pe “ v “ cât mai mare .

Urmând această politică , vedem că frecvenţele de aplicare p1,2,3 sunt soluţiile

problemei de programare liniară

 ( max ) v

  h ij  p i  v , j  1, m
 i 1, m
Modelul (A) : 
  pi 1
i 1, m


 p i  0 , i  1, m

- jucătorul B îşi fixează un prag , u , care are următoarea semnificaţie :

orice ar face adversarul , B vrea să realizeze o

pierdere medie ≤ u , adică :
bi  u , i  1 , n

Apoi , în măsura în care acest fapt devine posibil ,încearcă să-l facă pe “ u “ cât mai mic .
 39

Urmând această politică , vedem că frecvenţele de aplicare qj sunt soluţiile

problemei de programare liniară

 ( min ) u

  h ij  q j  u ; i  1, m
 j 1, n
Modelul (B) : 
  q j 1
j 1, n


 q j  0 , j  1, n

== // ==

&1.4. 3: Transformarea problemelor de programare (A) , (B) într-o

pereche de modele duale simetrice :

- Prelucrarea modelului (A) : se împart restricţiile modelului (A) prin “ v ”

 1
 ( max ) v  ( min )
v
 pi


 h ij 
v
 1 , j  1, m   h ij  x i  1
i 1, m i 1, m
 pi 1 1


 v

v
  xi 
v

i 1, m i 1, m
 x i  0 , i  1, m



Aşadar , avem:

Modelel ( A*):
 1
 ( min )   xi
v i 1,m


  h ij  xi  1 pentru j 1, m
 i 1,m
 xi  0 , i 1, m





- Prelucrarea modelului (B) : se împart restricţiile modelului (B) prin “ u ‘

 40
 1
 ( min ) u  ( max )
u
 qj u

  h ij 
u

u
; i  1, m   h ij  y j  1 ; i  1, m
 j 1, n j 1, n
Avem :  qj 1 1


 u  u   yj  u
j 1, n j 1, n
 y j  0 , j  1, n




Adică :

 1
 ( max )
u
 y j
 j 1, n


modelul (B*): 
 h ij  y j  1 ; i  1, m
j 1, n


 y j  0 , j  1, n


Modelele (A*) , (B*) sunt duale simetrice , deci este suficientă rezolvarea unuia singur dintre
ele pentru a determina soluţia ambelor modele.
Una dintre cele mai importante concluzii este aceea că :

( max ) v = ( min ) u ,

deci între interesele celor doi jucători se stabileşte un echilibru , existând posibiliatea găsirii
unor frecvenţe de aplicare , care să optimizeze ambele politici.

Exemplu : Fie jocul matriceal , de matrice

5 7 2 5
 
H 2 3 1 3
7 5 10 8 


Se cer : frecvenţele de aplicare ale strategiilor : câştigul mediu unitar al jucătorului

maximizant ; pierderea medie unitară a jucătorului minimizant.
 41

Rezolvare : se rezolvă numai modelul (B*) , adică

1
( max )  y1  y 2  y 3  y 4
u

 5y 1  7 y 2  2y 3  5y 4  1
 2y  3y  y  3y  1
 1 2 3 4

7
 1 y  5 y 2  10 y 3  8y 4  1

 y1 , y 2 , y 3 , y 4  0

Tabelul simplex de optim al problemei este

B b y1 y2 y3 y4 t1 t2 t3
y1 1/12 1 0 5/2 31/24 - 5/24 0 7/24
y2 1/12 0 1 - 3/2 - 5/24 7 /24 0 - 5/24
t2 7/12 0 0 ½ 25/24 - 11/24 1 1/24
1/u = 1/6 0* 0* 0 1/12 1/12 0* 1/12

Concluzii : - problema jucătorului minimizant B are soluţia :

1 1
( max )   ( min ) u  6 ( lei / mutare )
u 6

y1 y 2 1
   q1  q 2  0, 5
u u 12
y 3  y 4  0  q3  q 4  0

- problema jucătorului maximizant A are soluţia :

 42
1 1
( min )   ( max ) v  6 ( lei / mutare )
v 6

x1 x 2 1
   p1  p 2  0, 5
v v 12
x3  0  p3  0

Aşadar : - jucătorul A aplică strategiile A1 , A2 în proporţii egale ( 50% şi 50% ) ,

iar strategia A3 nu o aplică deloc :
- jucătorul B aplică strategiile B1 , B2 în proporţii egale ( 50% şi 50% ) ,
iar strategia B3 nu o aplică deloc :
- în aceste condiţii , A câştigă în medie , 6 lei / mutare , iar B pierde în medie 6 lei /
mutare.

== // ==

&1.4. 4: Dualitatea nesimetrică

In cadrul dualităţii nesimetrice , se renunţă la condiţiile restrictive asupra modeleor : acum ,

orice problemă de programare liniară va avea problemă duală , în sensul dualităţii
nesimetrice . Dacă o problemă se încadrează însă în categoriile pentru care dualitatea
simetrică este valabilă , atunci problema duală în sens nou coincide cu problema duală în
sensul dualităţii simetrice.

Caracteristicile luate în studiu pentru dualitatea nesimetrică sunt prezentate în

continuare :

- Clasificarea variabilelor : - variabile ne-negative ( ≥ 0 );

- variabile ne-pozitive ( ≤ 0 ) ;
- variabile libere ( numere reale oarecare ) .
- Clasificarea restricţiilor :

- restricţii concordante ( care au “≤” pentru probleme de maxim ,

şi cele care au “ ≥” pentru probleme de maxim ;
- restricţii ne-concordante ( care au “≥” pentru probleme de maxim ,
şi cele care au “ ≤” pentru probleme de maxim ;
- restricţii egalităţi .

La vechile reguli de corespondenţă între elementele problemei , se adaogă acum

Model primal Model dual

variabilă nenegativă Restricţie concordantă
 43
variabilă nepozitivă Restricţie neconcordantă
variabilă liberă Restricţie egalitate

== // ==

Exemplu : fie modelul de programare liniară :

(max) f  2x1  5x 2  9x3  11x 4

6x1  3x 2  4x3  10x 4  16
 x  6x  9x  2x  14
 1 2 3 4

17x1  5x 2  7x3  8x 4  18
 x1  0

 x2  0

 x3  R
 x4  0


Să se scrie modelul dual .

Rezolvare : avem următoarele corespondenţe

Modelul primal Modelul dual

restricţia 1 variabila y1 ≥ 0
concordantă
restricţia 2 variabila y2 ≤ 0
concordantă
restricţia 3 egalitate variabila y3 liberă
x1 ≤ 0 restricţia 1 neconcordantă , cu : ≤
x2 ≥ 0 restricţia 2 concordantă , cu : ≥
x3 – liberă restricţia 3 egalitate
x4 ≥ 0 restricţia 4 concordantă , cu : ≥

Aşadar , modelul dual este :

 44



( min ) g  16y1  14y 2  18y 3

 6y1  y 2  17 y 3  2

 3y1  6y 2  5y 3  5

 4y1  9y 2  7 y 3  9
 10y1  2y 2  8y 3  11

 y1  0
 y2  0


 y 3 R

== // ==

&1.4. 5: Aplicaţii ale dualităţii nesimetrice : probleme de cerere şi ofertă

Modelele de cerere / ofertă pe care le analizăm se încadrează în următoarea schemă generală :

- există o mulţime de ofertanţi ,  D i  i  1,m
- ofertantul Di oferă o cantitate ai de produse sau servicii ;
- există o mulţime de solicitanţi ,  C j  j 1,n
- solicitantul Cj este caracterizat de o cerere de volum bj ;
- pentru o tranzacţie între ofertantul Di şi solicitantul Cj , de 1 unitate
de produs ( sau servicii ) , se percepe suma cij .

Vom nota prin xij ( i= 1,m ; j = 1,n ) cantitatea totală tranzacţionată între ofertantul Di
şi solicitantul Cj : atunci costul total al tranzacţiilor între aceşti doi parteneri este

c ij  x ij

iar costul tuturor tranzacţiilor , între toţi partenerii , va fi de :

  cij  x ij  F ( X )
i 1, m j 1, n

unde prin X am notat matricea cantităţilor tranzacţionate , anume :

X x ij
i 1, m ; j 1, n

Vom presupune că modelul de cerere / ofertă este echilibrat , adică totalul cererii este egal cu
oferta totală ,
 45

i 1, m
ai  b
j 1, n
j .

Se observă că :

- cantitatea totală tranzacţionată de către ofertantul Di este


j 1, n
x ij ;

- această cantitate trebuie să fie inferioară disponibilului ofertantul Di ,

deci : 
j 1, n
x ij  a i ; i  1, m . (1)

- cantitatea totală tranzacţionată de către solicitantul Cj este


i 1,m
x ij ;

- această cantitate trebuie să fie superioară necesarului solicitantul Cj

deci : 
i 1, m
x ij  b j ; j  1, n . (2)

- dacă problema este echilibrată , condiţiile (1) , (2) devin


j 1, n
x ij  a i ; i  1, m ( 1*)


i 1, m
x ij  b j ; j  1, n ( 2*) .

Condiţia de optim pentru funcţia F(X) , împreună cu restricţiile

- (1 ) şi ( 2) , la o problemă oarecare ;

- ( 1*) şi ( 2*) , la o problemă echilibrată ,

constituie modelul general de alocare optimă a resurselor .

 46

Modul de determinare a soluţiei optime a problemei generale echilibrate de alocare optimă a

resurselor va fi prezentat pe un caz simplificat : vom considera m = n = 3 , celelalte notaţii
rămânând valabile.

- funcţia obiectiv a modelului :

( minim ) f = c11∙x11 + c12∙x12 + c13∙x13 + c21∙x21 + c22∙x22 + c23∙x23

Datele celor două modele ( primalul şi dualul ) sunt trecute sintetic în tabelul de mai jos :

x11 x12 x13 x 21 x 22 x 23 termeni variabile

liberi duale
1 1 1 0 0 0 a1 u1
0 0 0 1 1 1 a2 u2
1 0 0 1 0 0 b1 v1
0 1 0 0 1 0 b2 v2
0 0 1 0 0 1 b3 v3

- restricţiile primale sunt egalităţi , deci variabilele duale sunt libere :

u i  R , i  1, 2 ; v j  R , j  1, 3
- modelul dual este deci :

(max im) g  a1  u1  a 2  u 2  b1  v1  b 2  v 2  b3  v 3

 ui  v j  cij , i 1 , 2 ; j  1, 3
 ui , v j R


- Conform teoremei fundamentale a dualităţii , avem : f ≥ g

 47
- în g , înlocuim ai , bj prin valorile date de restricţiile primale , adică



 g  ( x11  x12  x13 )  u1  ( x 21  x 22  x 23 )  u 2 
 (x  x )  v  (x  x )  v  (x  x )  v
 11 21 1 12 22 2 13 23 3

 g   ( u i  v j )  x ij
 i j

 f   c ij  x ij
 i j

Observaţia principală 1 : relaţia fundamentală “ f ≥ g “ devine :


i j
( u i  v j  c ij )  x ij  0

u i  v j  c ij  0 ,  i , j
unde :
x ij  0 ,  i , j

Observaţia principală 2 : în cazul soluţiilor optime , avem f = g , deci :

i j
( u i  v j  c ij )  x ij  0

de unde , conform principiului (1) , avem ;

( u i  v j  c ij )  x ij  0 ,  i , j

Observaţia principală 3 : în cazul soluţiilor optime , soluţia este de bază , deci

numărul de componente ≠ 0 este ≤ decât

( numărul de ofertanţi )+ ( numărul de solicitanţi ) -1

( u i  v j  c ij )  x ij  0
 u i  v j  c ij ,
x ij  0

aşadar : restricţiile duale corespunzătoare variabilelor nenule

devin egalităţi .
 48

Aşadar , avem următorul criteriu de optim :

- Dacă pentru toate perechile de indici ( i , j ) , pentru care xij = 0

avem u i  v j  cij  0 , atunci soluţia este optimă.

- dacă se găseşte xpq pentru care :

x pq  0
u p  v q  c pq  0

atunci :- soluţia nu este optimă

- caut o altă soluţie , pentru care să am xpq ≠ 0 .

Exemplu : considerăm următoarea problemă de cerere / ofertă :

ofertantul D1 D2 D3
mărimea ofertei 30 70 50

solicitantul C1 C2 C3
mărimea cererii 45 95 10

- matricea costurilor unitare de tranzacţionare :

3 1 7
H 2 5 4 .
8 4 2

Se cere soluţia pentru care costul total de tranzacţionare este minim .

Rezolvare : se începe cu o soluţie realizabilă de bază oarecare ( optimă sau nu ) ,

de exemplu :

0 30 0
X1  45 15 10 ;
0 50 0
 49

- presupunem pentru moment , că soluţia X1 este optimă : atunci , avem relaţia

ui + vj = cij ;
pentru orice i,j
atunci , aplicăm aceste relaţii şi găsim :

 u1  v1  1

u 2  v1  2

u 2  v 2  5
u  v  4
 2 3

u 3
  v 2  4

Alegem o valoare arbitrară , de exemplu v1= 1 : atunci

u1 = -3 ; u2 = 1 ; u3 = 0 ; v2= 4 ; v3 = 3.

In matricea următoare , sunt prezentate cantităţile ui + vj – cij , pentru cantităţile xij = 0 :

5 0 7
 0 0 0 .
7 0 1

Dacă soluţia X1 ar fi fost optimă , ar fi trebui ca toate cantităţile din matricea Δ să fie ≤ 0 .

Aşadar : - soluţia X1 nu este optimă ;

- caut o altă soluţie , pentru care x33 ≠ 0 .

Notăm x’33 = w > 0 ; se obţine soluţia X2 , anume

0 30 0
X 2  45 15  w 10  w .
0 50  w w

Din condiţia X2 ≥ 0 , găsim :

0 ≤ w ≤ 10 .

Deoarece : - o soluţie optimă este obligatoriu o soluţie de bază ( cu cel mult 5

componente ≠ 0 ) ;

- X2 rămâne soluţie de bază numai pentru w = 0 sau w = 10 , vom lua w = 10

 50

- pentru w = 10 , soluţia X2 devine :

0 30 0
X 2  45 25 0
0 40 10
Această soluţie este chiar soluţia optimă ( de cost total minim ).

LECŢIA 2 : INTRODUCERE ÎN TEORIA PROBABILITĂŢILOR

UNITATEA 2.1 : NOŢIUNI FNDAMENTALE

&2.1.1: CAMP DE EVENIMENTE : CAMP DE PROBABILITATE

Fie E – o mulţime nevidă : fie K  P ( E ) - o mulţime nevidă de părţi ale lui E.

Definiţie : perechea ( E , K ) este numită câmp de evenimente dacă au loc
proprietăţile :
- 1: A  K  A  K ;
- 2:  A i  iI  K  
i I
Ai K
.
Aici prin A  E / A am notat complementara mulţimii A .

Notă : elementele mulţimii K vor fi numite evenimente .

Consecinţe : - 1 : însăşi mulţimea E este un eveniment , numit evenimentul sigur .

 K    ( ) AK
 A  K  A  K , cf . axiomei 1
Demonstraţie :  A K , A K  A  A K
 dar A  A  E , deci E K

- 2: mulţimea vidă este un eveniment , numit evenimentul imposibil

Demonstraţie :
 E K  E K
 dar : E   , deci   K

- 3 : intersecţia a două evenimente este tot un eveniment

Demonstraţie :
 51
 fie A , B  evenimente , adica : A  K , B  K
 cf . axiomei (1) , avem A , B  K ;
 cf . axiomei ( 2) , avem : A  B  K ;

 cf . axiomei (1) , avem : A  B  K ;

 stim ca : A  B  A  B ;
 in final : A  B  K .

== // ==

Categorii de evenimente : - evenimentele A , B se numesc compatibile , dacă

AB ;
- evenimentele A , B se numesc incompatibile , dacă
AB .

Exemplu : considerăm experienţa : aruncarea unui zar omogen , cu înregistrarea

punctajului obţinut. Fie evenimentele

E k  " in urma aruncarii se obtine punctajul k ",

.
k  1, 6 ;

Considerăm E   Ek  k 1, 6 şi fie K = mulţimea părţilor lui E : atunci cuplul

( E , K ) este câmpul de evenimente asociat experienţei în cauză.

De exemplu , în acest câmp , - pentru evenimentul “A = “ punctaj număr impar “

este valabilă scrierea : A = { E1, E3 , E5 } .

- pentru evenimentul B = “ punctaj ≥ 3 “

este valabilă scrierea : B = { E3 , E4 , E5 , E6} .

Atunci avem :
 A  B   E3 , E 5 
 A  B   E1 , E3 , E 4 , E5 , E6 
 A   E 2 , E 4 , E6  .

Precizare importantă : - evenimentele de forma Ek , ce corespund la situaţiile fizic

posibile ce apar în cursul experienţei , vor fi numite
evenimente elementare ;

- mulţimea tuturor evenimentelor elementare va fi numită

uneori mulţimea de cazuri posibile asociată experienţei ;
- mulţimea evenimentelor elementare implicată într-un
eveniment se mai numeşte şi mulţime de cazuri favorabile
pentru acel eveniment .
De exemplu , evenimentul A  B de mai înainte , are drept
 52
mulţime de cazuri favorabile , pe :  E 3 , E5  .

Definiţie : fie ( E , K ) un câmp de evenimente : o funcţie P : K → R se numeşte

funcţie de probabilitate pe câmpul ( E , K ) , dacă

 pentru orice A  K , avem : P( A )  0

 probabilitatea evenimentu lui sigur este 1 , P( E)  1
 pentru orice familie de evenimente  A i  iI , cu I  N , pentru
care avem : i  j  A i  A j   , are loc relatia
P (  Ai )   P ( Ai )
iI iI

== // ==

Consecinţe :

- 1 : probabilitatea oricărui eveniment A verifică relaţia : 0 ≤ P ( A ) ≤ 1

Demonstraţie : fie un eveniment A ; avem

A AE
  P ( A  A )  P( A )  P( A ),
A A
adica : P( A )  P( A )  1 , si P( A )  0 ;
 in final : P( A )  1 .

-2 : probabilitatea evenimentului imposibil este zero

E E
  P( E)  P( E  ) , deci :
E 
1  P( E )  P(  )  P(  )  0

- 3: pentru orice evenimente A , B avem

 P( A  B )  P( A )  P( B )  P( A  B )

Demonstraţie :
 P( A  B )  P( A / B )  P( B / A )  P ( A  B ) ;
 P ( A )  P( A / B )  P ( A  B )  P( A / B )  P( A )  P ( A  B )
 P( B )  P( B / A )  P( A  B )  P( B / A )  P( B )  P( A  B )
in final :
 P( A  B )  [ P( A )  P ( A  B ) ]  [ P ( B )  P( A  B ) ]  P ( A  B ) 

Observare : In cazul unui câmp finit de evenimente , drept funcţie de probabilitate

se poate lua funcţia elementară de probabilitate , dată de :
 53

numãrul de cazuri favorabile lui X

P( X ) 
numãrul de cazuri posibile corespunzãtor experienþei

De exemplu : pentru experienţa cu aruncarea unui zar şi înregistrarea punctelor :

pentru X = “ punctaj ≤ 4 “ , avem drept cazuri favorabile { E1, E2, E3, E4}
, deci :
4
P( X )  .
6

Definiţie : - două evenimente X , Y aparţinând unui câmp de probabilitate dat

sunt independente , dacă :
P ( X  Y )  P( X )  P( Y ) ;

- două evenimente X , Y aparţinând unui câmp de probabilitate dat

sunt dependente , dacă :
P ( X  Y )  P( X )  P( Y )
== // ==

&2.1.2 : Evenimente Condiţionate ; Câmp De Probabilitate Condiţionat

Fie ( E , K , P ) – un câmp de probabilitate : fie B – un eveniment din K ,

pentru care P ( B ) ≠ 0 ;

Câmpul de evenimente condiţionat de către evenimentul B , notat

prin ( E , K , PB ) , are acelaşi eveniment sigur E şi aceeaşi
mulţime de evenimente K , iar funcţia de probabilitate PB
este dată de :
P( X  B)
PB ( X )  .
P( B )
Se verifică uşor că ( E , K , PB ) verifică axiomele câmpului de evenimente .

In cazul unui câmp finit de evenimente , această definiţie revine la

următoarele :

pentru evenimentul X , condiţionat de către evenimentul B ,

notat cu ( X | B ) ,
- cazurile favorabile : sunt cazurile favorabile lui X  B
- cazurile posibile : sunt cazurile favorabile lui B .
Observare : definiţia probabilităţii condiţionate furnizează o formulă de calcul
pentru probabilitatea intersecţiei de evenimente dependente :
 54
P( A  B )  P( A )  P( B | A )
sau .
P( A  B )  P( B )  P( A | B )
== // ==

Exemplu : într-o urnă sunt 5 bile albe şi 4 bile negre . Se extrag 3 bile , prin extrageri
succesive : după fiecare extragere , bila nu se reintroduce în urnă.
Se cere probabilitatea ca bilele să fie ,în ordine : albă , neagră si albă.

Rezolvare : vom considera evenimentele :

- An = “ la extragerea numărul “ n “ apare bilă albă “
- Bk = “ la extragerea numărul “ k “ apare bilă neagră “
- X = “ bilele extrase sunt , în ordine : albă , neagră si albă”
Avem evident :
X  A1  B 2  A 3 ,
deci

P ( X )  P A1  B 2  A 3  
 P( A1 )  P(B 2 | A1 )  P( A 3 | A1  B 2 )

Atunci : - pentru A1 , avem : 5 cazuri favorabile şi 9 cazuri posibile , deci

5
P( A1 )  ;
9
- pentru B 2 | A1 , înseamnă că evenimentul A1 s-a produs , deci urna va
fi acum o urnă cu 4 bile albe şi 4 bile negre .
A calcula P( B 2 | A1 ) , înseamnă de fapt , a calcula probabilitatea
de a extrage o bilă neagră din această nouă urnă .
4 1
Deci , P( B 2 | A1 )   ;
8 2
- pentru P( A 3 | A1  B 2 ) , înseamnă că evenimentul A1  B 2 s-a
produs deja , deci urna devine o urnă cu 4 bile albe şi 3 bile negre .
A calcula P( A 3 | A1  B 2 ) , înseamnă de fapt , a calcula probabilitatea
de a extrage o bilă albă din această nouă urnă .
Pentru evenimentul A 3 | A1  B 2 avem 4 cazuri favorabile şi 7 cazuri posibile , deci
4
P( A 3 | A1  B 2 )  .
7
In final , .
5 1 4
P( X )   
REZUMAT DE FORMULE : 9 2 7
 55
 1 : P(  )  0 ; P( E )  1; 0  P( X )  1 , pt . orice eveniment X
 2 : daca A , B sunt incompatib ile ( adica A  B   ) , atunci
P ( A  B )  P( A )  P ( B )
 3 : daca A , B sunt compatibil e ( adica A  B   ) , atunci
P ( A  B )  P( A )  P ( B )  P( A  B )
 4 : daca A , B sunt independen te , atunci
P ( A  B )  P( A )  P( B | A ) , sau P ( B  A )  P( B )  P( A | B )
 5 : daca A1 , A 2 ,..., A n au proprietat ea : i  j  A i  A j   , atunci :
P ( A1  A 2  ...  A n )  P( A1 )  P( A 2 )  ...  P( A n )

 6 : pentru A1 , A 2 ,..., A n evenimente oarecare , avem :

P ( A1  A 2  ...  A n )  P( A1 )  P( A 2 )  ...  P( A n ) 
 P( A1  A 2 )  P( A 2  A 3 ) ...  P( A n1  A n ) 
 P( A1  A 2  A 3 )  P( A1  A 2  A 4 )  ...
 P( A n 2  A n1  A n )  ....
 (  1)n  P( A1  A 2  ...  A n ) ;
 7 : pentru pentru A1 , A 2 ,..., A n evenimente doua cite doua independente ,
avem : P ( A1  A 2  ...  A n )  P( A1 )  P( A 2 )  ...  P( A n )
 8 : pentru A1 , A 2 ,..., A n evenimente oarecare , avem :
P ( A1  A 2  ...  A n )  P( A1 )  P ( A 2 | A1 )  P( A 3 | A1  A 2 )  ...
...  P( A n | A1  A 2  ...  A n1 )

Exemplu : pentru evenimentele A , B , C prezentate în figură , se cere P( A  B  C) ,

Rezolvare : avem A  B  C   ,deci formula ( 6 ) devine :

P ( A  B  C)  P ( A )  P ( B )  P (C)  P ( A  B )  P ( A  C) 
 P ( B  C) .

== // ==

&2.1.3 : Formula probabilităţii totale ; formula lui Bayes

Fie ( E , K , P ) – un câmp de probabilitate : fie evenimentele

A1 , A 2 ,..., A n  cu proprietatea : i  j  A i  A j   .
 56

Atunci : pentru orice eveniment X din K , avem :

n
(1 ) P( X)   P( A i )  P( X | A i ) ( formula probabilităţii totale ) ;
i 1

P( A j )  P( X | A j )
(2) P( A j | X)  , pt . j  1, n ( formula lui Bayes ) .
P( X )

Demonstraţie :
(1) : n n
X  X  E  X  A j  ( X  A j ) , unde a vem :
i 1 i 1

i  j  ( X  Ai )  ( X  A j )   , deci
 n
 n
P  ( X  A j )   P ( X  A i ) , dec i , in final :
 i 1  i 1
n
P( X )  i 1
P ( Ai ) P ( X | Ai )

P ( A j  X )  P( A j )  P ( X | A j )
avem : , deci :
P ( A j  X )  P ( X )  P( A j | X )
(2) : P( A j )  P( X | A j )  P ( X )  P( A j | X ) ,
P( A j )  P ( X | A j )
deci : P( A j | X ) 
P( X)

Aplicaţie : se cultivă grâu de trei calităţi , conform tabelului

calitatea cantitate putere

cultivată de
germinare
I 85 tone 92 %
II 10 tone 76 %
III 5 tone 65 %

Din cantitatea totală de 100 tone ,se alege la întâmplare un bob şi se cultivă .

- a: se cere probabilitatea ca bobul să germineze ;

- b : se cere probabilitatea ca un bob germinat să fie de caliattea II .

Rezolvare : vom utiliza următorul sistem de evenimente:

 57

A1  “ bobul este de calitatea I “

A 2  “ bobul este de calitatea II “
A 3  “ bobul este de calitatea III “
X “ bobul germineazã “

Conform tabelului de date , avem : P (A1) = 0 , 85 ; P (A2) = 0 , 10 ; P (A3) = 0 , 05 .

Evident că avem :

A1  A 2   ; A1  A 3   ; A 2  A 3   ;
( este imposibil ca un bob sã fie de douã calitãti simultan )
A1  A 2  A 3  E
( este sigur cã orice bob este de una dintre cele trei calitãti)

Puterile de germinare precizate revin la următoarele :

P( X | A1 )  0 , 92 ; P( X | A 2 )  0 , 76 ; P( X | A 3 )  0 , 65 .
Atunci :

- aplicând formula probabilităţii totale :

P( X )  P( A1 )  P( X | A1 )  P( A 2 )  P( X | A 2 )  P( A 3 )  P( X | A 3 ) 
 0,85  0,92  0 ,10  0 ,76  0 ,05  0, 65  0, 8905
deci din amestecul de 100 tone , germinează 89 , 05 % dintre boabe .

- probabilitatea ca un bob germinat să fie de calitatea a doua este P(A2| X)

Conform formulei Bayes , avem

P( A 2 )  P( X | A 2 ) 0,10  0,76
P( A 2 | X )    0,085
P( X ) 0,8905
== // ==

UNITATEA 2.2 : Scheme probabilistice clasice

&2.2.1: Schema lui Bernoulli :

 58
Se consideră o urnă cu bile albe şi negre : presupunem că se cunoaşte
- p = procentul de bile albe din urnă ;
- q = procentul de bile negre din urnă ;
-
avem evident : p , q > 0 ; p + q =1 .

Experienţa efectuată este următoarea :

- se fac “ n “ extrageri ; după fiecare extragere , bila extrasă

se reintroduce în urnă ( “ extrageri cu revenire “ sau
“ prin probe independente” ).

Observare : extragerile “ cu revenire “ au ca efect faptul că

după fiecare extragere , urna revine la starea
iniţială ;
- în urma extragerilor , se înregistrează valoarea indicatorului’
.

x = număr de bile albe aflate printre cele

“ n “ bile extrase
Evenimentele fundamentale
asociate experienţei vor fi :

Ak  ( x  k );k  0 , n

Evenimentele  A k  k 1,n au proprietăţile următoare ;

- sunt două câte două incompatibile : k 1  k 2  A k  A k   ;

1 2

- reuniunea lor este evenimentul sigur :

n

 Ak  E ;
k 0

- probabilitatea lor se calculează cu formula :

k
P( A k )  Cn  pk  qn  k

Aplicaţie : într-o urnă sunt : 75 % bile albe şi 25 % bile negre . Din urnă se extrag ,
cu revenire , 12 bile .

Se cere probabilitatea ca :
- a: printre cele 12 bile extrase să fie 9 bile albe ;
- b: printre cele 12 bile extrase să fie cel mult 6 bile albe ;
- c: printre cele 12 bile extrase să fie cel puţin 8 bile albe ;
 59
- d: numărul de bile albe aflate printre cele 12 bile extrase să fie
cuprins între 5 şi 11 ;

Rezolvare : comparând datele problemei cu notaţiile modelului , găsim :

n = 12 ; p = 0,75 ; q = 0,25.

9
 a : P( x  9)  C12  ( 0,75)9  (0,25)129  0 , 2581
 6  6
 b : P( x  6)  P  ( x  k )   P ( x  k ) 
k 0  k 0
6

k
C 12
 (0,75)k  (0,25)12k  0, 0544
k 0

 12  12
 c : P( x  8)  P ( x  k )   P ( x  k ) 
 k 8  k 8
12

k
C 12
 (0,75)k  ( 0,25)12k  0,8424
k 8

 11  11
 d : P( 5  x  11 )  P  ( x  k )   P ( x  k ) 
 k 5  k 5
11

k
C 12
 ( 0,75)k  (0,25)12k  0, 9655
k 5

== // ==

Problemă : în legătură cu aplicaţia precedentă , se consideră evenimentele

A = “ numărul de bile extrase este ≤ 8 “
B = “ numărul de bile extrase este ≥ 6 “ .

Stabiliţi dacă evenimentele A , B sunt dependente sau independente .

Rezolvare :
 60
8
P( A )   C12  (0,75)k  (0,25)12k  0, 3512;
k

k 0
12
P( B )   C12  ( 0,75)k  ( 0,25)12k  0, 9857 ;
k

k 6

A  B  ( x  6)  ( x  7 )  ( x  8) , deci :
P ( A  B )  P  ( x  6 )  ( x  7 )  ( x  8)  
8
  P( x  k )  0, 337 :
k 6

Relaţia de control a independenţei , anume : P( A  B )  P( A )  P(B ) , devine

0, 3512 ∙0,9857 = 0,337 ,

adică : 0, 3462 = 0 , 337 .

Fiind falsă , deducem că evenimentele A , B sunt dependente .

Problemă : dintr-o urnă cu 68% bile albe şi 32% bile negre se fac extrageri , cu revenire,
de câte 15 bile . Se cere numărul cel mai probabil de bile albe aflate printre cele
15 bile extrase .

Rezolvare : notăm : x = numărul de bile albe aflate printre cele 15 bile extrase ;
k
avem : P( x  k )  C15  (0,68)k  (0,32)15  k ; k  0 ,15 .
Problema noastră revine la următoarea :

k = ? , pentru care P(x=k) este maxim

.

Deoarece variabila “ k ‘ este număr întreg , vom folosi principiul combinatorial , pentru
probleme de maxim , anume :

 f ( k )  f (k  1) (a )
f (k )  max im  
 f ( k )  f (k  1) (b )

Relaţia ( a)
f (k ) 2.125·(16 - k)
f (k )  f ( k  1)  1  1
f ( k  1) k
deci k  10 , 88
 61
Relaţia ( b ) :

f (k ) 0,47  (k  1)
f (k )  f ( k  1)  1  1
f ( k  1) 15 - k
deci k  9 ,88
In final , din :
 k N
  k  10 .
 9,88  k  10 , 88

Răspuns : cel mai frecvent , printre cele 15 bile extrase vor fi 10 bile albe .

== // ==

Problemă : dintr- o urnă cu bile albe şi negre se fac extrageri , cu revenire ,

de câte 20 de bile . Se constată că varianta : “ printre cele 20 de bile
extrase se află 17 bile albe “ apare mai frecvent decât orice altă variantă.
Ce se poate spune despre procentul de bile albe din acea urnă?

Rezolvare : cu notaţiile deja cunoscute , avem ;

k
P( x  k )  C20  pk  (1 p)20  k , k  0 ,20 .
Se ştie că :
max
P ( x  k )  P( x  17 ) ,
k  0,20
ceeace , în conformitate cu principiul combinatorial , revine la :

 P ( x  17 )  P( x  16) (a )

 P ( x  17 )  P( x  18) (b )

Relaţia (a) :
P ( x  17 )
P ( x  17 )  P( x  16)   1
P( x  16)
0, 235p 21p  17 17
 1  0  p ( ;1 )
1 p 17(1  p ) 21

Relaţia (b) :
6  (1  p )
P ( x  17 )  P( x  18)   1
p
6  7p 6
  0  p( 0 ; )
p 7
In final , din :
 62
 17
 p  ( 21 ;1 )
  p ( 0, 81; 0, 857 ) .
6
 p( 0 ; )
 7
Răspuns :

procentul de bile albe este cuprins între 81% şi

85,7% .

== // ==

&2.2.2 : Schema urnei cu bile albe şi negre : extrageri fără revenire

Datele problemei sunt următoarele : avem o urnă pentru care se cunoaşte :

- a = numărul de bile albe din urnă ;
- b = numărul de bile negre din urnă .
Din urnă se extrag “ n “ bile; după fiecare extragere , bila extrasă nu se reintroduce în urna ,
astfel că la fiecare extragere , compoziţia urnei se modifică.

Observare : acest mod de extragere este echivalent cu extragerea simultană a întregului

lot de “ n “ bile.
In urma experienţei se consemnează valoarea indicatorului :

x = “ număr de bile albe aflate printre cele “ n “ bile extrase

“.

Evenimentele fundamentale asociate experienţei sunt : A k  ( x  k ) , k  0 , n

.
Evenimentele A k  k 1,n au proprietăţile următoare ;


- sunt două câte două incompatibile : k 1  k 2  A k  A k   ;

1 2

- reuniunea lor este evenimentul sigur :

n
 Ak  E ;
k 0

- probabilitatea lor se calculează cu formula :

Cka  Cn bk
P( A k ) 
Ca nb
 63

Aplicaţie : într-o urnă sunt 20 de bile albe şi 15 bile negre : se extrag 10 bile ;
extragerile sunt fără revenire . In urma extragerii se consemnează
valoarea indicatorului

x = număr de bile albe aflate printre cele 10 bile extrase

Se cere probabilitatea ca :

- 1: numărul de bile albe să fie de cel mult 7 ;

- 2: numărul de bile albe să fie de cel puţin 3 ;
- 3: numărul de bile albe să fie cuprins între 2 şi 8.

Rezolvare : identificând parametrii problemei , constatăm că avem :

a = 20 ; b = 15 ; n = 10

-1: se cere
7
P( x  7 ) ; avem P( x  7 )   P (x  k ) 
k 0
k 10 k


7
C C
20 15
 0, 913
10
k 0 C 35

- 2 : se cere :
10
P( x  3 ) ; avem P( x  3 )   P (x  k ) 
k 3
k 10 k


10
C C
20 15
 0, 993
10
k 3 C 35

- 3 : se cere :
8
P( 2  x  8 ) ; avem P( 2  x  8 )   P ( x  k ) 
k 2
k 10 k


8
C C 20 15
 0, 985
10
k2 C 35
 64

Aplicaţie : în legătură cu problema precedentă : să se determine numărul

cel mai probabil de bile albe aflate printre cele 10 bile extrase ,
adică valoarea lui “ k “ , k  0 , 10 , pentru care expresia
k 10k

P( x  k ) 
C C 20 15 ia valoarea maximă.
10
C 35

Conform principiului combinatorial , avem:

 P( x  k )  P( x  k  1) (1)
P( x  k )  max  
 P( x  k )  P( x  k  1) ( 2)
- Relaţia (1) :

k 10 k k 1 11 k
C C
20 15

C20
 C 15

(k  11)(k  21)
1 
231  37k
0
C
10
C
10
k (k  5) k ( k  5)
35 35

231
 k  6 , 24
37
- Relaţia (2) :

k 10 k k 1 9 k
C C
20 15

C C
20 15

(k  1)(k  6)
1
37k  194
0
C
10
C
10
(k  10)(k  20) (k  10)  (k  20)
35 35

194
k  5,24
37

 k  5,24

In final , din relaţiile :  k  6 , 24 k 6 .
k  numar natural


Răspuns : printre cele 10 bile extrase , cel mai frecvent apar 6 bile albe.

Aplicaţie : Intr-o urnă sunt 50 de bile , albe şi negre . Se fac extrageri , fără revenire ,
de câte 15 bile şi se înregistrează valorile indicatorului:
X = număr de bile albe aflate printre cele 15 bile extrase .
Se constată că varianta care apare cel mai frecvent este : ( x = 12 ).

Ce se poate spune despre numărul de bile albe din urnă ?

Rezolvare : să notăm cu a = numărul de bile albe din urnă .

Notăm f(k ) = P( x= k ) , deci :

 65
k 15 k

f ( k) 
C C
a 50 a
.
15
C 50
Avem condiţia : f (12) ≥ f ( k ) , pentru orice k = 0 ,15 ; conform principiului
combinatorial , aceasta revine la condiţiile
 12  3 11 4
C C C  C
 a 15 50a  a 15 50a
 f ( 12 )  f (11)  C50 C50 2
   12 3 13
 f ( 12 )  f (13)  Ca  C 50a Ca  C 50a
 15
 15
 C50 C50
adică :

 11  a  4(38  a )
 1  3(a  47 )  0
 3(a  47 ) 
13(a  48)   38  a  41,25
  a  12 3
1 

 3(12  a ) 
 156 16

In final : a{ 38 ; 39 ; 40 ; 41} .

== // ==

&2.2.3 : Schema urnei cu bile de mai multe culori :

extrageri cu revenire .

Avem o urnă cu bile având “ n “ culori diferite : se cunoaşte procentul de bile de fiecare
culoare , anume

culoarea C1 … Ci … Cn
% de bile p1 … pi … pn

Presupunem că sunt valabile condiţiile :

 66
p i  0 , i  1, n
 n
 .
  pi  1
 i 1

Din urnă se extrag , cu revenire , “ m “ bile , înregistrându-se culorile acestora.

Evenimentele fundamentale corespunzătoare au aspectul:

A = “ printre cele “m” bile extrase , sunt : x1 bile de culoare C1 ;

x2 bile de culoare C2,… , xn bile de culoare Cn “ ,

Evident că avem :
 x i  N , ( ) i  1, n
 n
 .


i 1
x i  m

Probabilităţile acestor evenimente se calculează folosind formula de mai jos :

m!
P( A )   p1x1  p x2 2  ...  p nx n
x1!x 2 !...  x n !

== // // ==

&2.2.4 : Schema urnei cu bile de mai multe culori :

extrageri fără revenire .

Avem o urnă cu bile având “ n “ culori diferite : se cunoaşte numărulde bile de fiecare
culoare , anume

culoarea C1 … Ci … Cn
număr de bile k1 … ki … kn
corespunzător

Din urnă se extrag , fără revenire , “ m “ bile , înregistrându-se culorile acestora.

 67
Evenimentele fundamentale corespunzătoare au aspectul:

A = “ printre cele “m” bile extrase , sunt : x1 bile de culoare C1 ;

x2 bile de culoare C2,… , xn bile de culoare Cn “ ,

Evident că avem : k 1  k 2  ...  k n =m .

Probabilităţile acestor evenimente se calculează folosind formula de mai jos :

x1 x x

P(A) 
C
k1
 Ck2  ...  Ckn
2 n
.
m
C k1  k 2  ... k n

UNITATEA 2.3 : VARIABILE ALEATOARE

&2.3.1: NOţIUNI FUNDAMENTALE

Fie ( E , K , P ) – un câmp de probabilităţi ;

Funcţia f : E → R se numeşte variabilă aleatoare , dacă are loc proprietatea :

( ) t  R , avem :  e E | f ( t )  t  K

Clasificarea variabilelor aleatoare :

- dacă imaginea funcţiei f este formată numai din puncte

izolate , f se numeşte variabilă aleatoare discretă ( pres-
curtat : VAD ) ;
 68
- dacă imaginea funcţiei f este un inteval ,
f se numeşte variabilă aleatoare continuă .

&2.3.2: Variabile aleatoare discrete :

Fiind formată numai din puncte izolate , imaginea lui f are aspectul

Im( f )   a i  iI , unde : I  N ;

vom considera pentru simplificarea notaţiilor , că :

Im ( f )   ai  i  1, n .

Precizare : - numerele  ai  i  I vor fi numite argumentele variabilei aleatoare “ f “ .

- evenimentele :

Ai  e E | f (t )  a i  , i  1, n

vor fi numite evenimentele fundamentale asociate variabilei aleatoare “ f “ .

- sistemul de evenimente  A i  i 1,n are proprietatea :

 i  j Ai  A j  
 n
 ;
  Ai  E
 i 1

= pentru i  1 , n vom nota : pi = P(Ai) . Sistemul de probabilităţi  p i  iI

are proprietatea :
p i  0 ,  i
 n

  pi 1
 i 1
- forma redusă a variabilei aleatoare “ f “ : pentru aplicatiile practice ,
variabila aleatoare discretă “ f “ va fi notată :
 a a 2 ... a i ... a n 
f   1  .
 p1 p 2 ... p i ... p n 

== // ==
 69
&2.3.3 : Vector aleator : variabile aleatoare independente

Pe un câmp de probabilitate se definesc simultan două variabile aleatoare discrete ,

“ f “ şi “ g “ : presupunem că aceste variabile au formele reduse precizate mai jos :

a   bj 
f   i  i  1, n ; g    j  1, m ;
 pi   qj 

reamintim că au loc relaţiile :

p i  0 ,  i q j  0 ,  j
 n 
 ; m .
 
 i 1
pi 1
  q j 1
 j1

Probabilităţile repartiţiei comune a variabilelor f , g :

pentru i  1, n ; j  1, m , notăm : rij  P ( f  a i )  ( g  b j ) ;

valorile  rij  i 1,n ; j 1,m vor fi numite probabilităţile repartiţiei comune
a variabilelor f , g .

Acestea verifică relaţiile următoare :

rij  0 ,  i , j (a )

   rij  1 (b )
 i 1,n j1,m
  rij  q j ,  j  1, m (c ) ;
 i 1,n

  rij  p i ,  i  1, n (d )
 j1,m

Demonstraţii :
- a: evident , orice probabilitate este ≥ o ;
- b: avem :  n   m 
E  E E    ( g  b j )   E 
 ( f  a i ) 
  
 i 1   j 1 
 ( f  a i ) ( g  b j )  E 
i  1,n
j 1, m

 

P  ( f  a i 
) ( g  b j )   1   
P ( f  a i ) ( g  b j )  1
 i  1, n  i  1,n
 j 1, m  j 1, m

rij  1
adică , în final , i  
1,n j1,m
.

- c: avem urmatoarele :
 n

( g  b j )  E  ( g  bj )       ( g  bj ) 
( f  ai )  ( g  bj ) 
 i 1 
 ( f  a i ) ( g  b j )  ( g  bj) 

i  1, n

 
P 
  ( f  a i ) ( g  b j ) 
  P ( g  bj ) 
i  1, n
 

 P ( f  a i ) ( g  b j )   q j   rij  q j
i  1, n i  1, n
 70
- d: avem urmatoarele :  m 
( f  ai )  E  ( f  ai )       ( f  ai ) 
( g  bj ) ( f  ai ) 
 j 1 
 ( f  a i ) ( g  b j ) 
 ( f  ai ) 
j 1, m

 

P   ( f  a i ) ( g  b j ) 
  P( f  ai ) 


j 1, m


 P ( f  a i ) ( g  b j )   pi   rij  pi
j 1, m j 1, m

== // ==

Definiţie : - variabilele aleatoare discrete f , g sunt independente , dacă


P (f  a i )  ( g  b j )  P(f  a i )  P( g  b j ) ,  i , j
adica : rij  p i  q j ,  i , j

- variabilele aleatoare discrete f , g sunt dependente , dacă

( ) i , j 
pt . care : P (f  a i )  ( g  b j )  P(f  a i )  P( g  b j ) 
adica : ( ) i , j , pt . care : rij  p i  q j ,  i , j
== // ==

Exemplu : variabilele aleatoare discrete f , g de mai jos sunt independente :

să se scrie repartiţia lor comună.

 1 2 3   1 4 
f 
 0,2 
 ; g 
 0,6 .
 0,5 0,3   0,4 


Rezolvare :

b1= - 1 b2= 4
a1=1 r11= 0,2 ∙0,6 r12= 0,2∙0,4 p1= 0,2
a2=2 r21= 0,5∙0,6 r21= 0,5∙0,4 p2= 0,5
a3=3 r31= 0,3∙0,6 r31= 0,3∙0,4 p3= 0,3
q1= 0,6 q2= 0,4
 71
Precizare : - o pereche de variabile aleatoare ( f , g ) formează un vector aleator ;
- componentele f , g ale vectorului aleator ( f , g) se numesc
variabile marginale ale lui ( f , g) ; argumentele variabilelor marginale se
numesc argumente marginale ; probabilităţile variabilelor marginale se
numesc probabilităţi marginale ;

Problemă : un vector aleator are repartiţia :

b1=- 1 b2= 4
a1=1 r11= 0,2 ∙0,6 r12= 0,2∙0,4
a2=2 r21= 0,5∙0,6 r21= 0,5∙0,4
a3=3 r31= 0,3∙0,6 r31= 0,3∙0,4

- se cer variabilele aleatoare marginale , notate A şi B ;

- sunt variabilele aleatoare A , B independente ?

Rezolvare :
 a1 a2   1 3 
A      ;
 r11  r12 r21  r22   0,4 0,6 
 b1 b2   2 5 
B      ;
 r11  r21 r12  r22   0,65 0,35 

Controlul independenţei :
 P ( A  1)  (B  2)  r11  0,25
 
 P( A  1)  P( B  2)  0,4  0,65  0,26
 nu sunt egale
deci A , B sunt variabile aleatoare dependente .

&2.3.4 : Operaţii cu variabile aleatoare discrete :

Fiind dată variabila aleatoare f : E → R şi o funcţie G: R→ R,

avem : (G° f ) : E → R , în sensul compunerii obişnuite de funcţii .

Această definiţie revine la următoarele :

a   G (a i ) 
f   i   G  f    .
 p i  i 1, n  p i  i 1,n
 72

 2 4 5 
Exemple : fie X    ;
 0,3 0,2 0,5 

- avem :

 3 2 3 4 3 5
3 X  
 0,3 0,2 0,5  ;
 
 4  2 4  4 4  5
4 X  0,3 ;
 0, 2 0,5 

 2 4 5  72 74 75 
X   ; 7X  
 0,3

 0,3
 0,2 0,5 
  0, 2 0,5 


Vom studia acum cazul operaţiilor cu două sau mai multe variabile aleatoare discrete :

Fie vectorul aleator ( X ,Y ) , unde :

x   yj 
X   i  ; Y    ;
 p i  i 1,n  q j  j1,m
 
fie P ( X  x i )  ( Y  y j )  rij ; i  1, n : j  1, m

Fie o funcţie F: RxR → R ; atunci variabila F( X , Y ) este dată de :

 F( x i , y j ) 
F( X , Y )  


 .
 rij  i 1, n ; j1, m

De exemplu : fie vectorul aleator ( X , Y ) , cu repartiţia

y1=1 y2=3
x1= 2 r11=0,2 r12 = 0,3 p1=0,5
x2= 4 r21=0,4 r22 = 0,1 p2=0,5
q1=0,6 q2=0,4

Se cere repartiţia variabilei aleatoare Z = 3∙X + 2∙Y .

 73

Rezolvare
- tabelul argumentelor lui Z :

y1=1 y2=3
x1= 2 3∙2+2∙1=8 3∙2+2∙3=12 p1=0,5
x2= 4 3∙4+2∙1=14 3∙4+2∙3=18 p2=0,5
q1=0,6 q2=0,4

Aşadar , repartiţia variabilei Z este :

 8 12 14 18 
Z   .
 r11  0,2 r12  0,3 r21  0,4 r22  0,1

== // ==

Exemplu: fie vectorul aleator

y1=1 y2=2
x1= 1 r11=0,2 r12 = 0,3 p1=0,5
x2= 2 r21=0,4 r22 = 0,1 p2=0,5
.q1 = 0,6 .q2 = 0,4

Se cere repartiţia variabilei aleatoare T = | X – Y | .

Rezolvare : avem tabelul de argumente ale lui T :

y1=1 y2=2
x1= 1 | 1-1 |=0 | 1-2 | = 1 p1=0,5
x2= 2 | 2-1 | = 1 | 2 – 2| = 0 p2=0,5
q1=0,6 q2=0,4

Aşadar , repartiţia lui T este :

 0 1 
T    .
 r11  r22  0,3 r12  r21  0,7 

== // ==
 74

&2.3.5 : Momentele unei variabile aleatoare discrete

Definiţie : fie variabila aleatoare

 xi 
X    ;
 p i  i 1, n
definim : - media variabilei aleatoare X :
n
M( X)   x i  p i ;
i 1

Observare : dacă nu sunt posibile confuzii , vom nota media cu “ m “ ;

- dispersia variabilei aleatoare X ;

n
D2 ( X)   ( x i  m )2  p i ;
i 1

Observare : cantitatea D2 ( X)   ( X) se numeşte abaterea medie standard

( sau : abaterea medie pătratică) a variabilei X .

- momentul iniţial de ordin k al variabilei X este definit prin :

n
M k ( X)   x ki  p i ;
i 1

Observare : media lui X este chiar momentul iniţial de ordin 1 al lui X .

- momentul centrat de ordin k al variabilei X este definit prin :

n
m k ( X )   ( x i  m )k  p i ;
i 1

Observare : dispersia lui X este chiar momentul centrat de ordin 2

al lui X .

== //

&2.3.6: Proprietăţile mediei :

- a: fie k – o constantă reală : atunci

M(k) =
k
 75

Observare : constanta “ k ” se identifică cu variabila aleatoare

 x1  k 
k    ,
p
 1  1 
deci M(k) = x1∙p1 = k .

- b: fie k – o constantă reală şi X o variabilă aleatoare : atunci

M ( k∙X ) = k∙M (X)

In adevăr , fie :
x   k  xi 
X   i  ; atunci k  X    , deci :
 p i  i 1, n  p i  i 1, n

n n
M (k  X )   (kxi )  pi  k   xi  pi  k  M( X) .
i 1 i 1

- c : fie X , Y – variabile aleatoare oarecare ( ↔ dependente sau independente )

avem :
M( X +Y ) = M(X) +
In adevăr, avem ; M(Y)

 xi  y j 
X  Y   
 ;
 rij  i 1, n; j 1,m
deci :

M( X  Y )   ( x i  y j )  rij 
i 1, n j 1, m

  x i  rij   y j  rij 
i 1, n j 1, m i 1, n j 1, m

 (x   i rij )   (y   j rij ) 

i 1, n j 1, m j 1, m i 1, n

 x i  pi  y j  q j  M( X)  M( Y )
i 1, n j 1, m

- d : fie X , Y – variabile aleatoare independente : atunci

M( X∙Y ) = M( X )∙M( Y )
 76

In adevăr , deoarece X , Y sunt independente , repartiţia lor comună este :

 xi  y j 
X  Y   
 ;
 rij  p i  q j  i 1,n; j 1,m

atunci ,

M( X  Y )   ( x i  y j )  (p i  q j ) 
i 1, n j 1, m

(  xi  p i )  ( y j  qj)
i 1, n j 1, m

 M( X)  M( Y )
Observare importantă : relaţia : M(X∙Y) = M(X)∙M(Y) poate fi adevărată
şi pentru variabile aleatoare X , Y – dependente.

Variabile aleatoare X , Y pentru care avem

M(X∙Y) = M(X)∙M(Y)

vor fi numite “ variabile aleatoare necorelate “

Deci : unele dintre variabilele aleatoare necorelate sunt independente , altele sunt
dependente.

&2.3.7 :PROPRIETATILE DISPERSIEI :

- a : expresia dispersiei în funcţie de momente iniţiale : avem

D 2 ( X)  M 2 ( X)  M 2 ( X)

In adevăr :

D2 ( X)  (x i  m )2  p i  ( x 2
i
 2  m  xi  m 2 )  pi
i 1,n i 1,n

  x i2 p i  2  m   xi  pi  m 2   pi 
i 1,n i 1,n i 1,n

 M 2 ( X )  2  m  M( X)  m 2  1 
 M 2 ( X)  2  M 2 ( X)  M 2 ( X)  M 2 ( X)  M 2 ( X)
 77

- b : dispersia unei constante este zero :

în adevăr , avem ;
k
k 
 1
  M (k )  k  1  k ; M 2 ( k )  k  1  k ,
2 2

 
deci : D 2 (k )  k 2  k 2  0.

Observare importantă : pentru variabile aleatoare discrete , este adevărată şi afirmaţia

reciprocă , anume : dacă dispersia unei variabile aleatoare este
zero , atunci acea variabilă este ( de fapt ) o constantă ;
mai mult , cu cât dispersia unei variabile aleatoare este mai mică ,
cu atât acea variabilă este mai aproape de o constantă.

- c : dispersia sumei sau diferenţei de variabile aleatoare independente

este egală cu suma dispersiilor

D2 ( X  Y )  D2 ( X )  D 2 ( Y ).
:

In adevăr : să tratăm numai cazul diferenţei de variabile ; avem

 xi  y 
X  Y  j

 r  p i  q  i  1, n ; j
 ij j 
M 2 ( X  Y )    ( x i
i  1, n j  1, m

   ( x 2
i  y 2
j  2  x i
i  1, n j  1, m

   x 2
i p i  q j  2  
i  1, n j  1, m i

   y 2
j p i  q j  
i  1, n j  1, m i  1, n

  ( y 2
j q j   p i )  M
j  1, m i  1, n

Aşadar , am arătat că :

M 2 ( X  Y )  M 2 ( X)  2  M( X)  M( Y )  M 2 ( Y )

Stim că : M(X-Y) = M(X) – M(Y) , deci :

D 2 ( X  Y )   M 2 ( X)  2  M( X)  M( Y )  M 2 ( Y )   M( X )  M( Y ) 
2

  
 M 2 ( X)  M 2 ( X)  M 2 ( Y )  M 2 ( Y )  
 D 2 ( X)  D 2 ( Y )

- d : pentru k = constantă şi X – variabilă aleatoare , avem :

 78

D 2 (k  X )  k 2  D 2 ( X )

Demonstraţia este imediată .

== // ==

UNITATEA 2.4 : INDICATORI DE DEPENDENTA

&2.4.1 : DEFINIŢIA COVARIANŢEI

Definiţie : covarianţa variabilelor aleatoare X , Y este definită prin :

cov( X , Y ) = M [ ( X -M(X) )∙( Y-M(Y) )]

Observare : se arată uşor că avem :

cov( X,Y) = M( X∙Y ) –

M(X)∙M(Y)

Observare : - după cum s-a arătat , avem :

X , Y – independente → M( X∙Y ) = M(X)∙M(Y) ,
deci : X , Y – independente → cov ( X , Y ) = 0 .
- reciproca nu este însă adevărată : este deci posibil să avem
cov ( X , Y ) = 0 , dar X ,Y să fie dependente .

Definiţie : variabilele X , Y pentru care avem cov ( X , Y ) = 0 , se

numesc variabile necorelate .
 79

& 2.4.2 : Proprietăţile covarianţei :

Avem :
cov ( a∙X + b∙Y ; Z ) = a∙cov ( X , Z) +b∙ cov ( Y , Z)
.

Demonstraţie :

 M  (a  X  b  Y )  Z   M  a  X  Z  b  Y  Z  
 M ( a  X  Z )  M ( b  Y  Z )  a  M ( X  Z )  b  M( Y  Z );
 M ( a  X  b  Y )  M ( Z )   a  M ( X )  b  M ( Y )  M ( Z ) 
 a  M ( X)  M ( Z )  b  M( Y )  M( Z ) ;
 cov ( a  X  b  Y; Z )  M  (a  X  b  Y )  Z   M ( a  X  b  Y )  M( Z ) 
 a   M ( X  Z )  M ( X)  M( Z )   b   M ( Y )  M ( Z )  M( Y )  M( Z )
 a  cov (X, Z )  b  cov( Y, Z ) .

&2.4.3 : COEFICIENTUL DE CORELAŢIE

Definiţie : coeficientul de corelaţie al variabilelor X , Y este definit de

relaţia :

cov ( X , Y )
( X,Y )
( X )  ( Y )

Coeficientul de corelaţie are unele proprietăţi comune cu covarianţa , anume

- X , Y – independente → ρ ( X , Y ) = 0
- X , Y – necorelate ↔ ρ(X,Y)≠0

Proprietatea specială , care conferă coeficientului de corelaţie un rol special ,

este următoarea :
 80
- 1 ≤ ρ( X,Y ) ≤ 1

Notă : variabila normată corespunzătoare variabilei aleatoare X este :

^
X  M ( X)
X ( X)
;

Orice variabilă normată are proprietatea :

^ ^
M  X   0 ; D2  X   1
    .

In adevăr ,
 X  mX  1 1
 M     M X  m X     M( X)  m X   0 ;
 ( X)   X X
 X  mX  1
 D 2 
1

  2  D 2  X  m X   2  D 2 ( X )  D 2 (m X )  
 ( X )   X X


1
X2

  2X  0  1. 

Observare : coeficientul de corelaţie are caracter liniar , lucru ce este ilustrat

şi de către următoarele studii :

- a : fie X , Y variabile aleatoare ; fie a ,b – numere reale , a ≠ 0 :

să calculăm ρ ( Y ; a∙X+ b) ;
Rezolvare :
 M  Y  ( a  X  b )  M  a  X  Y  b  Y   a  M ( X  Y )  b  M ( Y ) ;
 M ( Y )  M (a  X  b )  M ( Y )   a  M ( X )  b   a  M ( X )  M ( Y )  b  M ( Y ) ;
 cov( Y; (a  X  b ) )   a  M ( X  Y )  b  M ( Y )   a  M ( X)  M ( Y )  b  M ( Y ) 
 a  cov( X, Y ) ;
 D2 ( a  X  b )  a 2  D 2 ( X ) ;
cov( Y; (a  X  b ) ) a  cov( X, Y )
   Y : ( a  X  b )   
D2 ( a  X  b )  D 2 ( Y ) a  D 2 ( X)  D2 ( Y )
2

a
   ( X;Y ) .
|a|

In final :
  Y : (a  X  b )  sgn  a    ( X ; Y )
 81

- b : fie X – variabilă aleatoare , şi a , b – numere reale , a ≠ 0 ;

avem
  X; (a  X  b )  sgn a 

Relaţia rezultă din formula precedentă , cu considerarea faptului că ρ(X ; X ) = 1.

- c : fie X , Y – variabile aleatoare , şi a ,b , c , d – numere reale ; a ≠ 0 ; c ≠ 0 :

avem :
  (a  X  b ) ; (c  Y  d )   sgn a  c    ( X ; Y )

Si această relaţie rezultă din punctul (1) .

== // ==

UNITATEA 2.5 : VARIABILE ALEATOARE CONTINUE

&2.5.1: Densitatea de probabilitate

Reamintim că , în cazul unei variabile aleatoare continue , X , dată de o

funcţie f definită pe evenimentul sigur al câmpului de probabilitate ,
Im(f) este un interval ( a ; b ) .
Această condiţie nu este suficientă pentru lucrul cu variabile aleatoare continue ;
dintre alte condiţii importante , dar care depăşesc mult nivelul acestei expuneri ,
vom folosi una , anume :

pt . ( ) x o  ( a ; b ) , avem :
P ( X  xo )  0 .

- O variabilă aleatoare continuă va fi prezentată sub forma

 x 
X    , unde :
 f (x) 
 arg umentul x  ( a ; b )
 f : ( a ; b )  R este densitatea de probabilitate
a var iabilei X
 82
Densitatea de probabilitate are proprietăţile :

 f ( x )  0 , ( ) x  ( a ; b )
b
.
  f ( x)  dx
a
1

- Calculul probabilitătii unor evenimente , folosind densitatea de probabilitate :

avem :

 pentru o multime H  ( a ; b ) , avem

P x  H    f ( x )  dx
H

De exemplu :
k
 P X  k    f ( x )  dx , ( ) k  ( a; b )
a
b
 P X  k    f ( x )  dx , ( ) k  ( a; b )
k
v
 P u  X  v    f ( x )  dx , ( ) ( u ; v )  ( a; b )
u

Majoritatea definiţiilor reproduc acum definiţiile date în cazul variabilelor discrete ,

b b
înlocuind “  ” , prin “  ” .
k 1 a

De exemplu :

- fie variabila aleatoare continuă

 x 
X
 f ( x) 
 ; x  ( a ;b ) ; f : ( a ;b )  R


 
b
cu :  f ( x)  dx  1
a

- media variabilei X :
 83
b
M( X)  x  f ( x)  dx
a
- momentul iniţial de ordin 2 :
b
M2 ( X )  x  f ( x )  dx
2

a
- momentul centrat de ordin 2 ( adică dispersia variabilei X ) :

b
D2 ( X )   (x  m )  f ( x )  dx , unde
2

m  M( X )

Observare importantă : pentru variabila aleatoare X ,

 x 
X
 f ( x) 
 ; x  ( a ;b ) ; f : ( a ;b )  R


 

considerăm că : P ( X ≤ a ) = 0 ; P ( X ≥ b ) = 0

- din cauza proprietăţii : P( X = k ) = 0 , pentru orice “ k “ din ( a ; b ) ,

nu se face deosebire între interval închis şi interval deschis , adică

P(u<X<v)=P(u≤X<v)=P(u<X≤v)=P(u≤X≤v);
P ( X > k ) = P ( X ≥ k ) , etc .

== // ==

&2.5.2: Funcţia de repartiţie a unei variabile aleatoare continue .

Fie variabila aleatoare :

 x  
X
 f (x) 
 ; x  ( a ;b ) ; f : ( a ;b )  R
 

Funcţia de repartiţie a variabilei X este o funcţie F : R → R , dată de

 84
 0 , pentru t  a


t
F(t )    f ( x )  dx , pentru t  ( a ; b ) ;
a

 1 , pentru t  b

Cu ajutorul funcţiei de repartiţie , se pot calcula probabilităti de evenimente în care este

implicat X , de exemplu :

P(X<k)=F(k) ;P(X>h)=1–F(h)
P(u<X<v)=F(v)–F
(u);

Dar proprietatea fundamentală a funcţiei de repartiţie este următoarea :

densitatea de probabilitate a variabilei aleatoare

este derivata funcţiei de repartiţie a acelei variabile ,
adică : f ( x ) = F’ ( x )

Aplicaţie : fie variabila aleatoare

 x  3
X
 f ( x) 
 ; x  ( 2 ; 4 ) ; f ( x )  62  ( x  1 ) ;
2

 

se cere repartiţia variabilei aleatoare Y = X2 .

Vom folosi funcţiile de repartiţie : astfel , fie

 arg umentul : x ( 2 ; 4 )
 3
 pentru var iabila X :  densitatea de probabilitate :f ( x)  ( x 2  1)
 62
 functia de repartitie F(t ) , pt . care F  f
'

 arg umentul : y

 pentru var iabila Y :  densitatea de probabilitate : g ( y )
 functia de repartitie G ( y ) , pt . care G '  g


Avem următoarele etape :

 85
Y X 2
yx 2

 y  x2
  y  ( 4 ;16)
 x ( 2 ; 4 )
 pentru y  ( 4 ;16) , avem : G ( y )  P( Y  y )  P( X 2  y ) 
 P( X  y )  F( y)
 g( y )  G ( y )  F(
'
 y)  '
 ( y ) F (
' '
y )


2
1
y
f ( y )
3
62

 ( 
y )2  1 
2
1
y

In final ,
 y 
Y  g( y ) 

 
 y  ( 4 ;16 )
3  ( y  1)
 g(y ) 
144  y

== // ==

&2.5.3: Interval de încredere pentru o variabilă aleatoare continuă :

Fie variabila aleatoare X , repartizată în intervalul ( a ; b ) ; fie p ( 0 ;1) .

Atunci : intervalul de încredere pentru variabila X , cu coeficientul de încredere “ p “
este intervalul ( u ; v )  ( a ; b ) , pentru care “

 P ( X  u )  P ( X  v )

 ;
 P(u X  v)p

Observare :

- din relaţiile :
 P( X  u )  P ( X  v )  P ( u  X  v )  1

 P( X  u )  P( X  v )
 P( u  X  v )  p


rezultă :

1 p
 P ( X  u )  P( X  v ) 
2
;
1 p
 P( X  v )  1  P( X  v ) 
2
 86

Aşadar , notând cu F – funcţia de repartiţie a variabilei X , avem :

- capătul din stânga al intervalului de încredere , cu coeficientul de

încredere “ p “ , este soluţia ecuaţiei
1 p
F( u )  ;
2
- capătul din dreapta al intervalului de încredere , cu coeficientul de
încredere “ p “ , este soluţia ecuaţiei
1 p
F( v )  .
2

&2.5.4 : Variabila aleatoare cu repartiţie normală

Variabila aleatoare cu repartiţie normală este dată de :

( x  m )2
 x  1 
2  2
X    ; x  R ; f ( x )  e ,
 f ( x)    2

unde m , σ – sunt parametri , σ > 0 .

In mod curent , variabila aleatoare normală de parametri m , σ este notată

prin N (m , σ ) .

In legătură cu această variabilă prezentăm pe scurt o serie de rezultate :

- 1 : media variabilei aleatoare N (m , σ ) este egală cu “ m “ ;

- 2 : dispersia variabilei aleatoare N (m , σ ) este egală cu “σ “ ;

- 3: dacă X = N (m , σ ) , atunci , pentru Y = a∙X + b avem :

 87

Y = N (a∙m + b ; a∙
σ)

Observare : variabila aleatoare normală de parametri m = 0 ; σ = 1 ,

se numeşte variabila aleatoare normală normată ;

avem rezultatul :

Xm
X  N ( m; )  N ( 0 ;1 )


LECŢIA 3 : MATEMATICI FINANCIARE

INTRODUCERE

In esenţă , toate tranzacţiile financiare implică existenţa a două fluxuri financiare , orientate
în sensuri opuse ( bani care vin şi bani care pleacă – respectiv bani pe care îi dau şi bani pe
care îi iau ).
Măsurarea acestor fluxuri nu este o problemă simplă, deoarece odată cu trecerea timpului,
valoarea sumelor încadrate într-un flux se modifică : deasemeni,şi mediul economic s
modifică, ceeace influenţează asupra valorii respective.
In cadrul modulelor care urmează vor fi prezentate atât conceptele,cât şi instrumentele
necesare evaluării banilor la diferite momente de timp ,precum şi în diferite contexte.

UNITATEA 3.1: EVOLUŢIA IN TIMP A VALORII BANILOR

Conceptul fundamental în teoria financiară este acela că o anumită sumă de bani pe care o
deţinem azi, nu va avea aceeaşi valoare şi mâine.
Acest fapt se datorează acţiunii ratei dobânzii , care face să crească valoarea nominală a unei
sume de bani în raport cu timpul.
 88
Cu alte cuvinte,un euro pe care îl deţii astăzi valorează mai mult decât un euro pe care
urmează să-l primeşti la o dată ulterioară.

&3.1.1 : VALOAREA VIITOARE A UNEI SUME .

Voi nota valoarea sumei de bani pe care o deţin în momentul de faţă prin PV
( PV ↔ present value ), iar rata dobânzii prin p . Momentul din viitor în care se face
evaluarea sumei va fi notat prin t .
Valoarea viitoare , notată FV , a acestei sume este valoarea pe care o va avea această sumă la
un moment precizat din viitor.
De exemplu, la o rată anuală a dobânzii de 6,8% ( deci p = 6,8 ) şi la o sumă de 250 RON
( deci PV = 250 ) corespunde – peste 5 ani ( deci t = 5 ) – o valoare viitoare FV
dată de relaţia

t 5
 p   6,8 
FV  PV  1   250  1    347,37
 100   100 

Grafic , vom reprezenta astfel :

Exerciţii Privind Valoarea Viitoare A Unei Sume

-1:Care este valoarea viitoare a sumei de 1325 RON , peste 4 ani şi 3 luni , calculată cu
o rată anuală a dobânzii dee 6,35% ?
 89
Rezolvare : datele problemei sunt urmatoarele
 valoarea actuală : PV = 1325
 rata dobânzii : p = 7,35
 perioada : t = 4 ani 3 luni = 4 ani şi 3/12 ani = 4 ani şi ¼ ani =
= 4 ani şi 0,25 ani = 4,25 ani .
t 4 , 25
 p   7,35 
deci : FV  PV   1    1325   1    1791, 12 RON.
 100   100 

 2: Care va fi valoarea viitoare a sumei de 883 RON , peste 2 ani şi 5 luni,

calculată cu o rată lunară a dobânzii de 2,8% ?
Rezolvare : avem datele
 valoarea actuală : PV = 883
 rata dobânzii : p = 2,8
 perioada : t = 2 ani 5 luni = 24 luni şi 5 luni = 29 luni .
t 29
 p   2,8 
deci : FV  PV  1   883  1   1966,8 RON.
 100   100 

&3.1.2 : Valoarea Prezentă A Unei Sume

Valoarea prezentă a unei sume va fi notată prin PV .

Prin valoare prezentă a unei sume înţelegem valoarea pe care o sumă

ce va fi obţinută în viitor o are în momentul de faţă.

Acea sumă ce va fi obţinută în viitor va fi notată prin FV.In loc de “ valoare prezentă “ vom
folosi şi denumirea de “ valoare actuală”.
Atunci, pentru o rată a dobânzii notată cu p şi o perioadă de timp notată cu t , avem relaţia

FV
PV  t
 p  .
1  
 100 

De exemplu :care este valoarea actuală a unei sume de 275 RON ,pe care urmează să o
primesc peste 4 ani ?
Rata anuală a dobânzii este de 6,35% .
Rezolvare : datele problemei sunt următoarele :
 valoarea viitoare a sumei : FV = 275€ ;
 perioada de timp : t = 4 ani
 rata anuală a dobânzii este : p= 6,35% .

Atunci :
 90

FV 275
PV  t
 4
 214,97
 p   6,35  RON.
1   1  
 100   100 

Grafic, reprezentăm astfel :

EXERCIŢII PRIVIND VALOAREA PREZENTĂ A UNEI SUME

-1 : doresc să constitui un depozit bancar , care peste 5 ani să valoreze 1500 RON :
Dobânda la depozitele persoanelor fizice este de 6,5% anual .
Care trebuie să fie valoarea nominală a depozitului ?
Precizare : prin “ valoare nominală “ se înţelege chiar suma pe care o depun în momentul
constituirii contractului,sumă care apare înscrisă în contractul de constituire a
depozitului.
Datele problemei sunt următoarele :
- durata operaţiunii : t = 5 ani
- rata anuală a dobânzii : p = 6,5 %
- valoarea finală a depozitului se identifică cu valoarea viitoare, deci avem
FV = 1500.
Valoarea prezentă corespunzătoare va fi egală cu valoarea nominală a depozitului.

FV 1500
PV  t
 5
 1094,82
Atunci :  p   6,5  RON.
1   1  
 100   100 

== // ==
 91

- 2: Care este valoarea prezentă a sumei de 500 RON pe care urmează să o

încasez peste 2 ani şi 8 luni ?
Rata dobânzii este de 0,75% pe săptămână .
Rezolvare :
Datele problemei sunt următoarele :
- durata operaţiunii : t = 2 ani 8 luni = 2 x 52 săptămâni şi 8 x 4 săptămâni
= 136 săptămâni
- rata săptămânală a dobânzii : p = 0,75 %
- valoarea viitoare FV = 500.

FV 500
PV  t
 136
 180,98
Atunci :  p   0,75  RON.
1   1  
 100   100 

== // ==

UNITATEA 3.2 : FLUXURI FINANCIARE

INTRODUCERE :
Prin fluxuri financiare înţelegem sume de bani care sunt plătite sau încasate la
anumite momente de timp.
Sumele încasate vor fi numite intrări ( input) , iar sumele plătite, ieşiri ( sau output ).
Când reprezentăm fluxurile financiare în raport cu axa timpului, convenim să
reprezentăm timpul ca o axă orizontală : intrările vor fi reprezentate deasupra axei
timpului, iar ieşirile , sub această axă.
De exemplu :
 92

TEST : care dintre operaţiunile urmatoare reprezintă fluxuri financiare

- 1: depunerile şi retragerile de numerar dintr-un depozit constituit de către

o persoană fizică ;
- 2: cheltuielile curente zilnice ale unei firme ;
- 3: plăţile lunare ale unor prime de asigurare;
- 4: toate cele trei sunt exemple de fluxuri financiare.

Răspuns: varianta (4) este corectă : orice operaţiuni de plată/încasare constituie un flux
financiar.

&3.2.1 : CLASIFICAREA FLUXURILOR FINANCIARE

 93
Dintre diversele tipuri de fluxuri financiare, mai frecvent întâlnite sunt următoarele :
bondurile , anuităţile şi fluxurile de tip zero-cupon.
Bondurile : plata dobânzii se face periodic ( periodic = la intervale de timp egale ); la
scadenţă ( scadenţă = sfârşitul perioadei operaţiunii ) se plăteşte suma
nominală şi ultima plată în contul dobânzii .

In reprezentare grafică , avem schema:

Anuităţile: pe toată durata fluxului , se fac plăţi egale,periodice , care

acoperă atât dobânzile aferente , cât şi suma nominală ; nu există
nici o deosebire între plăţile de pe parcursul operaţiunii şi plata finală.
In reprezentare grafică , avem schema:

Flux de tip zero-cupon : nu se fac plăţi intermediare ; toată sumaadatorată se plăteşte o

singură dată , la sfârşitul perioadei . In reprezentare grafică ,
avem schema:
 94

== // ==

TEST : care dintre următoarele operaţiuni constituie un flux de bonduri

-1: toate plăţile ( dobânzile şi datoria principală) sunt repartizate în

tranşe egale,la intervale de timp egale ;
-2: toate plăţile în contul dobânzii sunt reparizate la intervale de timp egale ,
cu plata sumei principale la scadenţă ;
-3: se efectuează o singură plată la scadenţă ;
-4: nici una din variantele 1 – 3 nu reprezintă un flux de tip bond.

Precizare : în loc de termenul “ scadenţă ” se foloseşte şi termenul de “ maturitate “

a fluxului financiar .
Răspunsul corect : (2)

==//==

&3.2.2 : DESPRE RANDAMENT

Randamentul se defineşte ca fiind procentul mediu anual care,pe perioada operaţiunii

face trecerea de la valoarea iniţială (PV) la valoarea finala (FV).
Randamentul se exprimă în procente: ca unitate de măsură se foloseşte punctul
procentual , ( notat bp = basis point ) adică procentul de 1/100 sau 0,01%.
Aşadar, avem :
1 bp = 0,01%
 95
10 bp = 0,10%
100 bp = 1,00% .

TEST : ce măsoară randamentul :

- a: relaţia dintre valoarea iniţială şi valoarea finală a operaţiunii

- b: relaţia dintre rata dobânzii şi rata cupoanelor ;
- c: diferenţa dintre fluxurile de tip bond şi fluxurile de tip anuitate
- d: valoarea procentuală a ratei de creştere a fluxului.

Răspuns: răspunsul corect este (a) : randamentul măsoară relaţia dintre PV şi FV folosind
conceptul de rată de creştere anuală.

== // ==

-2: Ce este punctul procentual

- a: măsura profitului obţinut prin tranzacţia financiară

- b: beneficiul împărţit la valoarea prezentă

- c: o sutime dintr-un procent , adică 0,01%

- d: o miime dintr-un procent, adică 0,001%

Răspuns : (c)
== // ==

3: Dacă un randament de 5,62% creşte cu 10 bp , atunci care va fi noua valoare

a randamentului :

Răspuns : 5,62 + 10x 0,01 = 5,62 + 0,1 = 5,72% .

 96
&3.2.3: DETERMINAREA RANDAMENTULUI FOLOSIND INTERPOLAREA

Randamentele fluxurilor financiare se determina în mod obişnuit numai la maturitate :

există astfel rată lunară , rată semestrială , rată anuală etc.
Randamentul la un moment anterior momentului maturităţii poate fi estimat prin
metoda interpolării : cea mai simplă ipoteză în care se poate efectua interpolarea este ipoteza
trendului liniar ( interpolarea liniară ).

Pentru graficul curbei randamentului , prezentat mai jos , să determinăm prin interpolare
liniară , rata după 4 ani.

Vom proceda aşadar în trei etape :

-1 : determinăm capetele intervalului de timp , care conţine momentul pentru

care dorim să efectuăm interpolarea , apoi scădem din rata corespunzătoare
primului moment , rata corespunzătoare celui de-al doilea moment de timp .
La noi , intervalul de timp ce încadrează anul 4 este format din : t1 = 3 şi
t2 = 5 . Rata corespunzătoare momentului t1 = 3 este y1 = 7% , iar rata
corespunzătoare momentului t2 = 5 este y2 = 9% .

Deci avem calculul : 9% - 7% = 2 %

- 2 : înmulţim rezultatul găsit cu raportul intervalelor de timp , adică :

t'  t1 4 3
2%   2%   1%
t 2  t1 5 3

- 3: se adună rezultatul la valoarea minimă a randamentului , adică

 97
t  t1
'
y1  ( y 2  y1 )   7%  1%  8%
t 2  t1

În final , valoarea interpolată pentru anul 4 este de 8%.

NOTĂ: deoarece se consideră că , în general , randamentele au o evoluţie exponenţială ,

se recomandă o interpolare logaritmică , anume :
- se logaritmează valorile randamentelor , păstrând neschimbate
valorile intervalelor de timp
- se interpolează liniar logaritmii astfel obţinuţi
- se exponenţiază rezultatul , găsind valoarea interpolată.

În exemplul deja prezentat , ajustarea logaritmică decurge astfel :

- datele problemei :

ti 3 5
yi 7 9

- logaritmăm :

ti 3 5
zi = ln ( yi ) ln(7)=1,9459 ln(9)=2,0794

- calculăm valoarea interpolată : pentru t` = 4 corespunde

z 2  z1 2,0794  1,9495
z'  z1   ( t '  t 1 )  1,9495   ( 4  3)  2,01445
t 2  t1 5 3

'
- în final , avem : y '  e z  e 2 , 01445  7 , 4966 .

Deci : valoarea interpolată , mai corectă decăt cea obţinută prin interpolare liniară ,
este de 7 , 4966% .

&3.2.4: RATA ZERO – CUPON

Rata zero-cupon este este rata dobânzii pentru orice flux financiar la care
nu se plăteşte nicio dobândă până la maturitate.
 98

TEST: ce înţelegeţi prin rata zero-cupon :

- a: rata folosită la calculul cuponului datorat la sfârşitul secolului , pentru

un flux financiar dat ;
- b: rata implicită a dobânzii pentru orice flux financiar care presupune plata
zero la maturitate;
- c: rata valabilă numai pentru bonduri ;
- d: rata pentru orice flux financiar care presupune că până la maturitate
nu se efectuează nici o plată.

Răspuns : ( d ) !

Ratele zero-cupoanelor nu sunt prea des cotate pe pieţele financiare : mai degrabă
ele se deduc din dobânzile pieţei , cotate pentru fluxuri financiare de tip bond.
Pentru a deriva o rată zero-cupon pe doi ani , să presupunem următoarele rate anuale pentru
bonduri:

termen 1 an 2 ani
rata anuală 5% 6%

Astfel , un investitor care investeşte astăzi 100% , va primi 6% dobândă la sfârşitul anului 1 ,
şi 106% la sfârşitul celor 2 ani , constând din capital şi dobândă.
 99

Acum să presupunem că investitorul vrea să renunţe la plata intermediară a dobânzii

de 6% , dar vrea totuşi să primească cei 106% de la sfârşitul anului 2 .
Atunci investiţia sa iniţială va fi mai mică decât 100%: ea va fi egală cu investiţia iniţială ,
minus valoarea plăţii intermediare actualizată la momentul iniţial.
Deoarece plata intermediară de 6% va fi plătită deabia peste 1 an , valoarea sa
prezentă se va calcula folosind dobânda pe 1 an , adica 5% .
Aşadar, avem :
FV 6%
PV  t
 1
 5,71%
 p   5  .
1  1  
 100   100 
In final, investiţia iniţială va fi : 100$ - 5,71% = 94,29$.
Acum , având precizată valoarea investiţiei iniţiale , se poate determina rata implicită a zero-
cuponului pentru perioada de 2 ani.
t
 p 
Avem : FV  PV   1   , unde de data aceasta , necunoscuta este “p”:
 100 
2
 p 
înlocuim : 106 $  94,29 $   1    p  6,03 % .
 100 

Răspuns : rata zero-cuponului pe 2 ani este de 6,03% .

fluxul financiar corespunzător este prezentat schematic mai jos :
 100

TEST : -1 : care este rata zero-cuponului pe 3 ani , dacă se iau în consideraţie următoarele
rate anuale şi următoarele rate anuale de tip zero-cupon:

termenul 1 an 2 ani 3 ani

rata anuală
a dobânzii 5% 4,5% 3,6%
rata anuală
a zero-cuponului 5% 4,49% ???

Răspuns : 3,56%

Presupunând o rată a dobânzii de 3,6% pe 3 ani , pentru 100 $ depuşi azi , avem următorul
flux financiar :

Să determinăm suma iniţială necesară pentru a primi 103,60 $ peste 3 ani ,

deducând din fiecare flux financiar rata zero-cupon corespunzătoare.

- Calculăm valoarea prezentă pentru anul 1 :

FV 3,60 $
PV    3,43 $
(1  r ) t
( 1  0,05)1

- Calculăm valoarea prezentă pentru anul 1 :

FV 3,60 $
PV    3, 30 $
(1  r ) t
( 1  0,0449) 2

Suma necesară azi pentru a primi 103,60 $ în 3 ani va fi obţinută scăzînd din 100$
sumele de 3,43 $ şi 3,30 $ , adică 93,27 $
 101

În final , având azi 93,27 $ , care peste 3 ani devin 103,6 $ , putem determina rata
zero-cupon implicită pe 3 ani , adică :

FV 103,6
rt 1 3  1  0, 0356  p  3, 56%
PV 93,27

- 2: care este rata zero-cupon pe 4 ani , presupunând că ratele anuale ale dobânzilor şi
ratele anuale zero-cupon sunt cele din tabelul de mai jos :

anul 1 2 3 4
rata anuală
a dobânzii 8% 7,2% 6,5% 6%
rata anuală
zero-cupon 8% 7,17% 6,44% ??

Răspuns : 5 , 91 %

Rezolvare : luând în considerare rata anuală de 6% pentru perioada de 4 ani , pentru suma de
100 $ depusă azi , avem următorul flux financiar :

Să determinăm suma iniţială necesară pentru a primi 106 $ peste 4 ani , prin
deducerea
fiecărui flux cu rata zero-cupon corespunzătoare.

- Valoarea prezentă pentru primul an :

FV 6$
PV    5 , 56 $
( 1  r) t
( 1  0,08)1
- Valoarea prezentă pentru al doilea an :
 102

FV 6$
PV    5 , 22 $
( 1  r) t
( 1  0,0717) 2

- Valoarea prezentă pentru al treilea an :

FV 6$
PV    4 , 98 $ .
( 1  r) t
( 1  0,0644) 3

Suma necesară azi pentru a primi 106 $ în 4 ani va fi de 100 $ , minus 5,56 $ , minus 5,22$ ,
minus 4,98 $ , adică 84,24 $ .

Acum , având 84,24 $ azi şi primind 106 $ peste 4 ani , se poate determina rata zero-cupon
implicită :

FV 106
rt 1 4  1  0,0591  p  5, 91 %
PV 84,24

- 3 : Care este rata zero-cupon pe trei ani , în condiţiile datelor de mai jos :

anul 1 2 3
rata dobânzii 6% 7% 8%
rata
zero-cupon 6% 7,04% ???

Răspuns : 8,11 %

Rezolvare :

Luând în considerare rata dobânzii pe 3 ani de 8% , pentru depunerea de 100$ făcută

azi , avem următorul flux financiar ;
 103

Vom determina suma iniţială necesară pentru a primi 108 $ peste trei ani , scăzând fiecare
flux corespunzător dobânzilor încasate intermediar , actualizate cu ratele zero-cupon
corespunzătoare :

FV 8$
- valoarea actualizată pentru anul 1 : PV    7,55 $
(1  r ) t
( 1  0,06)1

FV 8$
- valoarea actualizată pentru anul 2 : PV    6, 98 $
(1  r ) t ( 1  0,0704) 2

Aşadar , suma ce trebuie depusă azi , pentru a primi 108 $ peste 3 ani , va fi

100 $ - 7,55 $ - 6,98 $ = 85,47 $

Acum , determinăm rata zero – cupon necesară ca depunerea de 85 ,47 $ făcută azi ,peste 3
ani să devină 108 $:

FV 108
rt 1 3  1  0, 0811  p  8, 11 % .
PV 85,47

- 4 : Care este rata zero-cupon pe 4 ani , presupunând valabile următoarele date

perioada 1 an 2 ani 3 ani 4 ani

rata dobânzii 10 % 10,5 % 11,3 % 12,3 %
rata zero-cupon 10 % 10,53 % 11,41 % ???

Răspuns : 12,6 %

Pentru o rată anuală de 12,3 % pe 4 ani , fluxul financiar corespunzător unui depozit de 100 $
făcut azi va fi cel redat în schema următoare :
 104

Să determinăm suma ce trebuie depusă azi , pentru a primi peste 4 ani suma de 112,3 $ :
pentru aceasta vom deduce valorile actualizate ale încasărilor din contul dobânzilor ,
actualizate la momentul inţial :

FV 12, 30 $
- pentru anul 1 : PV    11 , 18 $
( 1  r) t
( 1  0, 1)1
FV 12, 30 $
- pentru anul 2 : PV    10 , 07 $
( 1  r ) t ( 1  0, 1053) 2
FV 12, 30 $
- pentru anul 3 : PV    8 , 89 $
( 1  r) t
( 1  0, 1141 ) 3

Atunci suma ce trebuie depusă pentru a primi 112,30 $ peste 4 ani va fi :

100 $ - 11,18 $ - 10,07 $ - 8,89 $ = 69,86 $ .

Aşadar, rata implicită a zero-cuponului va fi dată de

112 , 3
r4  1  0, 126  p  100  r  12, 6 %
69,86

&3.2.5: UTILIZAREA RATEI ZERO-CUPONULUI IN CAZUL FLUXURILOR

FINANCIARE
 105

Valoarea prezentă a oricărui flux financiar ( prezentă ↔ la momentul t = 0 )

se face utilizând ratele zero-cupoanelor astfel :
- se determină discountul corespunzător fiecărei plăţi , cu rata zero-cuponului cores-
punzătoare perioadei dintre momentul iniţial ( t = 0) şi data acelei plăţi ;
- se adună sumele discount găsite .
Deoarece ratele zero-cupoanelor nu presupun nici o reinvestire într-un flux financiar
intermediar , nu vor fi făcute ipoteze privind rata reinvestiţiilor.

Aşadar , rata zero-cuponului este singura corectă când vrem

să calculăm discount la un flux financiar viitor.

-1: Să se calculeze valoarea prezentă a unui flux financiar de tip “ bond “ , pe 3 ani ,
constând din plata a 9000 $ în anul 1 şi 2 , şi 109000 în anul 3.

Avem datele:

anul an 1 an 2 an 3
rata anuală 10 % 9,5% 8,7%
a dobânzii
rata zero- 10% 9,48% 8,61%
cuponului

Răspuns : 100768,62 $ .
Obs: avem
9000 9000
PV1   8181, 82 ; PV2   7508, 84 ;
( 1  0, 1 )1 ( 1  0,0948 ) 2
109000
PV3   85077 , 96
( 1  0, 0861)3

In final , avem : valoarea actuală la momentul t = 0 este :

8181,82 + 7508,84 + 85077,96 = 100768,62 $ .

TEST :
de ce rata zero-cuponului este singura rată corectă pentru a calcula discountul
fluxurilor financiare ?

- a: pentru că orice flux financiar poate fi privit ca o serie de fluxuri

separate de tip “ bond “ ;
- b : deoarece rata zero-cuponului nu presupune reinvestirea fluxurilor
intermediare apărute ;
- c: deoarece rata discountului nu coincide totdeauna cu rata anuală ;
- d: deoarece rata reinvestirii poate astfel să fie prognozată.
 106

Răspuns : ( b ) !

&3.2.6: RATA VIITOARE ( The Forward Rate )

Rata viitoare este folosită pentru a actualiza un flux financiar care va începe la o dată
din viitor , şi va dura până la o dată încă şi mai îndepărtată , tot din viitor.
Evaluarea ratei dobânzii unui astfel de flux se face la momentul actual .
De exemplu ,

Test : - 1: ce scop ne propunem atunci când calculăm rata viitoare :

- a: să găsim valoarea prezentă a unei sume viitoare
- b: să găsim valoarea viitoare a unei sume din viitor
- c: să evaluăm un flux financiar care va începe la o dată viitoare
- d: să evaluăm un flux financiar care începe azi şi se desfăşoară
până la un moment dat din viitor.

Răspuns : ( c )

CALCULAREA RATEI VIITOARE

NOTA: “ rata viitoare” se mai numeşte“ rată posticipată”

Să calculăm rata viitoare pe 1 an , pentru perioada de azi într-un an .

Pentru aceasta vom folosi ratele zero- cuponului pentru 1 an ( de 5%) şi pentru 2 ani
( de 6,03%).
Pentru început , vom calcula valoarea viitoare a sumei de 100$ peste 1 an şi peste 2 ani.
Avem : - valoarea viitoare peste 1 an : FV1  100  ( 1  0,05 )1  105
- valoarea viitoare peste 2 ani : FV2  100  ( 1  0,0603 ) 2  112 , 42 .
 107

În continuare , pentru a găsi rata viitoare pentru 1 an , începând cu anul viitor,

trebuie să calculăm rata dobânzii prin care suma de 105 $ ( de anul viitor) se transformă
– peste 1 an – în 112,42 $.

FV2  FV1  ( 1  r ) t  112 ,42  105  ( 1  r ) 1  r  0, 0707

Răspuns : rata viitoare va fi de 7,07 % .

Problema 1 : se cunosc următoarele rate ale zero-cuponului :

perioada 1 an 2 ani
rata zero-
cupunului 6,06 % 6, 31%

Care este rata viitoare pe 1 an ?

Răspuns : 6,56 %

Rezolvare : pentru a rezolva , vom începe prin a calcula valorile viitoare ale sumei de 100 $
peste 1 an şi peste 2 ani.

FV1  PV  ( 1  r1 ) t1  100  ( 1  0, 0606 )1  106, 06

FV2  PV  ( 1  r2 ) t 2  100  ( 1  0, 0631) 2  113, 02
in final : FV2  FV1  ( 1  rv )1  113, 02  106, 06  ( 1  rv )1

deci : rv  0, 0656 sau 6, 56 %

 108

- 2 : fiind date următoarele rate ale zero – cuponului , se cere rata viitoare
pe 1 an , începând cu al treilea an socotit din momentul de faţă.

perioada 1 an 2 ani 3 ani 4 ani

rata zero-
cuponului 6,06 % 6,31 % 6,52 % 6,76%

Răspuns : 7,44 %

Rezolvare : vom calcula valoarea viitoare a sumei de 100 $ peste 3 ani apoi peste 4 ani :

FV3  100  ( 1  0,0652 )3  120 , 86

FV4  100  ( 1  0,0675 ) 4  129, 86
FV4  FV3  (1  rv )1  129, 86  120 , 86  (1  rv )1
final : rv  0,0744 sau : 7, 44 %

- 3 : fiind date următoarele rate ale zero – cuponului , se cere rata viitoare
pe 2 an , începând cu al doilea an socotit din momentul de faţă.

perioada 1 an 2 ani 3 ani 4 ani

rata zero-
cuponului 5 % 4 % 3,5 % 3%

Răspuns : 2,01 %

Rezolvare : vom calcula valorile viitoare ale sumei de 100 $ , de acum în doi ani şi de acum
în 4 ani
Avem :
FV2  100  ( 1  0,04 ) 2  108, 16
FV4  100  ( 1  0,03 ) 4  112 , 55
FV4  FV2  ( 1  rv ) 2  112 , 55  108, 16  (1  rv ) 2
 rv  0, 0201 sau 2,01%

UNITATEA 3.3 : RATA INTERNA A PROFITULUI

Valoarea prezentă ( actuală ) a oricărui flux financiar se calculează folosind dobânzile zero-
cupon corespunzătoare scadenţei fiecărei plăţi individuale .

Dobânzile ( ratele ) de tip zero – cupon presupun că aceste plăţi nu se reinvestesc.

 109
Totuşi , fiind dat un flux financiar precum şi valoarea sa actuală , se poate calcula o
rată unică a dobânzii , care să ia în calcul reinvestirea plăţilor individuale , cu această rată a
dobânzii.

Această rată este numită rata internă a profitului (IRR) .

TEST : 1: rata internă a profitului diferă de rata de tip zero-cupon , deoarece :

- a: poate fi folosită pentru a calcula venitul obţinut din anuităţi

- b: este convenabil pentru fluxuri financiare cu maturitatea mai mare de
5 ani
- c : presupune reinvestirea fluxurilor financiare în cauză
- d : nu poate fi determinat în mod obiectiv.

Răspuns corect : ( c )

&3.3.1 : Calculul Ratei Interne A Profitului

Pentru exemplificare , să determinăm rata internă a profitului pentru un flux financiar

de tip “ bond “ , pe 5 ani , constând din următoarele sume :
 110

valoare
actuală an 1 an 2 an 3 an 4 an 5
90 $ 9 $ 9 $ 9 $ 9 $ 109 $

Notăm cu “ r “ rata internă a profitului : atunci avem formula

t
CFn
PV  
n 1 ( 1  r )
n

unde : PV – este valoarea actuală ; CFn este fluxul financiar în anul “ n “ ;

t – numărul total de operaţiuni.
În cazul nostru :

9 9 9 9 109
90  1
 2
 3
 4

(1  r) (1  r) (1  r) (1  r) ( 1  r )5

Găsim : r = 0 ,1176 sau 11,76% .

EXEMPLUL 1 : care este rata internă a profitului pentru un flux financiar

de 130 $ în anul 1,130 $ în anul 2 şi 1130 $ în anul 3 ,
dacă valoarea actuală este de 1000 $ ?

Rezolvare :

Avem :
130 130 1130
1000   ,
( 1  r )1 ( 1  r )2 ( 1  r )3

de unde rezultă r = 0,13 sau 13%.

EXEMPLUL 2 : care este rata internă a profitului pentru un flux financiar de 14 $ timp
de 5 ani , dacă valoarea actuală este de 50,34 $ ?

Rezolvare :

Avem :
5
14
50 , 34   n
 r  12 ,1%
n 1 (1  r)

&3.3.2: Factorul De Discount

 111

Pentru : rt = rata zero-cupon la maturitatea t

t = timpul ( exprimat în ani )

factorul de discount DFt este dat de formula :

1
DFt 
( 1  rt ) t

Obs: - DFt reprezintă suma care trebuie depusă cu procentul de dobândă compusă rt ,
astfel ca peste “ t “ ani să devină egală cu 1Ron.
- dacă vrem ca peste “ t ” ani să obţinem suma S , atunci trebuie să depunem
suma S∙ DFt .

1
DFt  1
 0, 9438
Exemplu : pentru t = 1 an şi rt = 5,96% , obţinem :  5, 96  .
1  
 100 

Aşadar , dacă vrem ca peste 1 an să avem 1 Ron , trebuie ca azi să depunem

suma de 0,9438 Ron.
Dacă vrem ca peste 1 an să dispunem de suma de 175 Ron , atunci azi trebuie să
depunem suma de 175∙0,9438 = 165,165 Ron.

Aplicaţie : folosind următoarele rate zero-cupon, să se calculeze factorul de discount pentru

anul 4 .

perioada rata anuală rata zero-cupon

1 an 9,00 % 8,00 %
2 ani 7,70 % 7,69 %
3 ani 6,65 % 6,57 %
4 ani 5,60 % 5,47 %

Rezolvare : faactorul de discount se calculează folosind formula :

1 1
DF    0, 8081
1 r t
 5,47 
4

 1 
 100 
 112
== // ==

&3.3.3 : Utilizarea Factorului De Discount

Valoarea actuală a unei sume se poate determina înmulţind valoarea sa viitoare

prin factorul de discount.
Factorul de discount este comod de utilizat când calculăm valoarea actuală a mai
multe fluxuri financiare de valori egale .
Astfel , pentru fluxuri de valori egale , de tip bond factorii de discount pentru diferitele
scadenţe pot fi adunate , apoi rezultatul poate fi înmulţit cu valoarea plăţii .
Ceeace obţinem , prin adunare la valoarea iniţială a fluxului , va reprezenta
valoarea actuală a întregului flux financiar.

Exemplul 1 : să determinăm valoarea actuală a unui flux financiar detip bond pe trei
ani , constând în plata a 7 RON în anul 1 şi în anul 2 , şi 107 RON în anul 3 :
procentele zero-cupon sunt următoarele :

- pentru 1 an : 5,95 %
- pentru 2 ani : 6,2 %
- pentru 3 ani : 6,42 %

Rezolvare : valoarea prezentă PV este dată de

PV  valoarea platii  ( DF1  DF2  DF3 )  capitalul  DF3 

 
 
1 1 1 1
 7     100  
 5,95  1  6, 2  2  6,42  3   6,42 
 1  1  1  1 
3
    
 100   100   100    100 
 7  ( 0,9438  0, 8866  0, 8297 )  100  0,8297  101, 59

== // ==

Exemplul 2 : calculaţi valoarea actuală a unui flux financiar de bonduri , constând

din două plăţi periodice de câte 54,50 RON în anii 1 şi 2 , şi dintr-o
plată finală de 954,50 RON la finele anului 3.
Se vor lua în considerare următorii factori de discount :

- pe 1 an : 0,9429
- pe 2 ani : 0,8848
 113
- pe 3 ani : 0,8274

Rezolvare : avem

Valoarea actuală = plata intermediară x ( DF1 + DF2 + DF3 ) + capitalul x DF3 =

= 54,50 ∙ ( 0,9429 + 0,8848 + 0,8274 ) + 900 ∙ 0,8274 =

= 889 , 36 RON .

Exemplul 3 :un flux financiar de tip zero – cupon plăteşte 18.400.000 RON
la finele anului 6.
Factorul de discount corespunzător anului 6 este de 0,6931 .
Se cere valoarea actuală a fluxului .

Rezolvare : ştim că este valabilă relaţia

valoarea actuală = valoarea finală ∙ factorul de

discount

deci :

PV = 18.400.000 x 0, 6931 = 12.753.040

RON

== // ==
 114

Exemplul 4 : factorul de discount pentru 8 ani este de 0,7940 : care va fi valoarea viitoare
peste 8 ani , a sumei de 6.750.000 RON primită astăzi ?

PV 6750000
Rezolvare : FV  DF  0,7940  8501259,45

== // ==

UNITATEA 3.4 :CAPITALIZAREA DOBÂNZILOR

PRIN FRAGMENTAREA PERIOADEI
( COMPOUNDING )

Capitalizarea dobânzii are în vedere câştigurile obţinute pe seama fluxurilor

financiare
cu caracter intermediar , de obicei prin intermediul cupoanelor sau utilizăii dobânzilor.
Se presupune că toate plăţile astfel obţinute se reinvestesc , la acelaşi procent de dobândă.
Notăm : n = frecvenţa cu care se aplică reinvestirea în cursul unui an
t = durata depozitului ( în ani )
r = rata dobânzii

nt
 r
Atunci : FV  PV   1  
 n

Exemplul 1 : fiind dată valoarea prezentă de 100 Ron , cu procentul de 5% şi maturitatea la

1 an , obţinem :

- pentru capitalizarea anuală ( n = 1 , nici o reinvestire până la maturitate ): FV = 105 Ron

- pentru capitalizarea semestrială ( n = 2 ; o reinvestire la mijlocul anului ) : FV = 105,06
Ron
- pentru capitalizarea trimestrială ( n = 4 ; trei reinvestiri pe parcurs) : FV = 105,09 Ron
- pentru capitalizarea lunară ( n = 12 ; 11 reinvestiri pe parcurs ) : FV = 105,12 Ron
- pentru capitalizarea zilnică ( n = 365 ) : FV = 105,13 Ron

== // ==

Exemplul 2 : fiind dată valoarea viitoare de 105 Ron , cu procentul de 5% şi maturitatea la

1 an , prin aplicarea formulei :
FV
PV  n t
 r
1 
 n
obţinem :
 115

- pentru capitalizarea anuală ( n = 1 , nici o reinvestire până la maturitate ): PV = 100 Ron

- pentru capitalizarea semestrială ( n = 2 ; o reinvestire la mijlocul anului ) : PV = 99,94 Ron
- pentru capitalizarea trimestrială ( n = 4 ; trei reinvestiri pe parcurs) : PV = 99,91 Ron
- pentru capitalizarea e lunară ( n = 12 ; 11 reinvestiri pe parcurs ) : PV = 99,89 Ron
- pentru capitalizarea zilnică ( n = 365 ) : PV = 99,88 Ron

== // ==

Exemplul 3 : fiind dată valoarea viitoare de 105 Ron , valoarea actuală de 100 Ron ,
procentul corespunzător în cazul unui număr dat de reinvestiri se determină
astfel
1
 FV  n  t
rn  n
 PV 
Aşadar , găsim :

- pentru capitalizarea anuală ( n = 1 , nici o reinvestire până la maturitate ): r = 5 % anual

- pentru capitalizarea semestrială ( n = 2 ; o reinvestire la mijlocul anului ) : r = 4,94 %
anual

- pentru capitalizarea trimestrială ( n = 4 ; trei reinvestiri pe parcurs) : r = 4,91 % anual

- pentru capitalizarea lunară ( n = 12 ; 11 reinvestiri pe parcurs ) : r = 4,89 % anual
- pentru capitalizarea zilnică ( n = 365 ) : r = 4,88 % anual

== // ==

Exerciţiul 1: ştim că valoarea prezentă a unui depozit este de 600 Ron , cu un procent
annual de dobândă de 14,70 % anual ; în cazul reinvestirii trimestriale,
care va fi valoarea finală a depozitului peste 3 ani ?

Rezolvare : avem PV = 600 ; r = 14,7 ; n = 4 şi t = 3 , deci valoarea finală FV va fi dată de :

n t 43
 r  0,147 
FV  PV   1    600   1    925 , 21
 n  4 

Exerciţiul 2 : care dintre operaţiunile următoare are o valoare finală mai mare :
- valoarea actuală de 100 Ron , pe 3 ani , cu 8% anual, reinvestită semestrial
- valoarea actuală de 100 Ron , pe 3 ani , cu 8% anual, reinvestită trimestrial
 116
- valoarea actuală de 100 Ron , pe 3 ani , cu 8% anual, reinvestită lunar
- valoarea actuală de 100 Ron , pe 3 ani , cu 8% anual, reinvestită anual

Răspuns : ( c )

== // ==

Exerciţiul 3 : care este valoarea actuală a sumei de 9400 Ron , cu scadenţa peste 9 ani ,
depusă cu 12,20 % anual , dacă dobânda se reinvesteşte lunar ?

Rezolvare : avem

FV 9400
PV  nt
 12  9
 3152, 68
 r  0,122 
1  1 
 n  12 

Exerciţiul 4 : fiind dat un depozit cu valoarea actuală de 600 Ron , depus cu 5,20% , pe
6 ani , care va fi valoarea sa finală , dacă reinvestirea dobânzii se efectuează
trimestrial ?

Rezolvare :

n t 46
 r  0,052 
FV  PV   1    600   1    818, 05
 n  4 

Exerciţiul 5 : care este valoarea prezentă a unui depozit care , peste 6 ani , cu capitalizarea
lunară a dobânzii , va avea valoarea finală de 2700 Ron ?
Procentul de dobândă este de 7,8% annual.

Rezolvare : avem

FV 2700
PV  nt
 12  6
 1693, 45
 r  0,078 
1  1 
 n  12 
 117
==//==

Exerciţiul 6 : care dintre următoarele operaţiuni are cea mai mică valoare prezentă :

- a : depozitul de 100 Ron , cu scadenţa peste 3 ani , cu 2% anual, în cazul

reinvestirii semestriale a dobânzii ;

- a : depozitul de 100 Ron , cu scadenţa peste 3 ani , cu 2% anual, în cazul

reinvestirii trimestriale a dobânzii ;

- a : depozitul de 100 Ron , cu scadenţa peste 3 ani , cu 2% anual, în cazul

reinvestirii lunare a dobânzii ;

- a : depozitul de 100 Ron , cu scadenţa peste 3 ani , cu 2% anual, în cazul

reinvestirii anuale a dobânzii ;

Răspuns : ( c )

== // ==

Exerciţiul 7: fiind dată valoarea prezentă de 120 Ron , valoarea finală de 169 Ron ,
scadenţa depozitului de 9 ani şi dobânda capitalizată trimestrial , se cere
procentul annual de dobândă al opreaţiunii .

Rezolvare :

1 1
 FV  n  t  169  4  9 sau 3,82%
r  n   n  4    4  0, 0382
 PV   120 

== // ==

UNITATEA 3.5: DEPENDENŢA PROCENTELOR DE UNITATEA DE MĂSURĂ

A TIMPULUI

&3.5.1: ECHIVALAREA PROCENTELOR

 118
Procentele corespunzătoare diferitelor perioade de capitalizare trebuie transformate
întâi în procente anuale , pentru a putea fi comparate.
De exemplu , pentru a echivala procentul de 5% corespunzător capitalizării
semestriale cu un procent care să corespundă unei capitalizări anuale, vom proceda astfel :

- notăm : r = procentul corespunzător capitalizării anuale ;

rn = procentul corespunzător unui număr de “ n “ capitalizări în cursul

anului

n = frecvenţa anuală a capitalizării

atunci :

n
 r 
r   1 n  1
 n 
== // ==

De exemplu : procentul de 5% corespunzător unei capitalizări semestriale corespunde la

procentul anual
2
 0,05 
r  1   1  0, 0506 sau 5,06% anual.
 2 

Aplicaţia 1 : care este procentul anual corespunzător unui procent trimestrial de 4% ?

Rezolvare :

n 4
 r   0,04 
r  1 n   1   1   1  0, 0406 sau 4,06% anual.
 n  4 
== // ==

Dacă urmărim acum transformarea unui procent anual într-un procent ne-anual ,
vom avea următoarele :

Vom nota : r = procentul de dobândă anuală

n = numărul de capitalizări într-un an

rn = procentul de dobândă corespunzător unui număr de “ n “

capitalizări
 119

Atunci avem :


rn  n  ( r  1 ) 1 / n  1 
== // ==

Exemplul 1 : care este procentul trimestrial corespunzător unui procent anual de 5% ?

Rezolvare :

 
r4  4  ( 0,05  1 ) 1 / 4  1  0,0491 sau 4,91% trimestrial

Exemplul 2 : procentul anual este de 13 % : care este procentul semestrial corespunzător ?

Rezolvare :

 
r2  2  ( 0,13  1 ) 1 / 2  1  0,126 sau 12,6% semestrial.
==//==

Exemplul 3 : care procent este mai mare :

a :- de 10 % cu capitalizare anuală
b :- de 8,65 % cu capitalizare trimestrială
c: - ambele sunt egale
d :- nu avem sufieciente informaţii pentru a compara cele două procente

Rezolvare : pentru a face comparaţia posibilă , vom transforma procentul de 8,65%

trimestrial în procent anual : avem

4 4
 r   8,65 
ranual   1  trimestrial   1   1    1  0,0893
 4   4  100 

adică 8,93 % .
Atunci este adevărată varianta (a).

== // ==

&3.5.2 : Relaţia Dintre Valoarea Actuală Şi Procentul De Dobândă

Intre cele două mărimi există o legătură de tip invers :dacă procentul scade, atunci
valoarea prezentă creşte ; dacă procentul creşte,atunci valoarea prezentă scade.
 120
Am presupus că valorile fluxurilor financiare , precum şi momentele corespunzătoare de
timp, rămân aceleaşi.

Reamintim relaţia :

t
CFn
PV   n
n 1  r  .
1  
 100 

Exemplul 1 : considerăm un flux financiar de tip bond,constând în plata a câte 8 lei la finele
anilor 1 , 2 şi 3 , apoi 108 lei la finele anului 4. Atunci

- pentru PV = 100 lei , avem următoarea ecuaţie cu necunoscuta “ r “

8 8 8 108
100    
r  r 
2
 r 
3
 r 
4
;
1 1   1   1  
100  100   100   100 

Soluţia ecuaţiei este r = 8% ;

- pentru PV = 110 lei , avem următoarea ecuaţie cu necunoscuta “ r “

8 8 8 108
110    
r  r 
2
 r 
3
 r 
4
;
1 1   1   1  
100  100   100   100 

Soluţia ecuaţiei este r = 5,17% ;

== // ==

Exemplul 2 : considerăm un flux financiar de tip bond,constând în plata a câte 17 lei

la finele anilor 1 , 2 şi 3 , apoi 117 lei la finele anului 4. Ştim că la un procent
anual de 17% , corespunde o valoare prezentă PV = 100 lei .
Care va fi noua valoare prezentă, dacă procentul creşte cu 60 bp ?

Rezolvare : noul procent va fi de 17 + 60 x 0,01 = 17,6% : atunci

17 17 17 117
PV      98, 37 lei.
1  0,176 (1  0,176) 2
(1  0,176) 3
( 1  0,176) 4

Exemplul 3 : considerăm un flux financiar de tip bond,constând în plata a câte

10,50 lei la finele anilor 1 , 2 şi 3 , apoi 110,50 lei la finele anului 4.
 121
Ştim că la un procent anual de 10,5% , corespunde o valoare prezentă
PV = 100 lei .
Care va fi noua valoare prezentă, dacă procentul scade cu 60 bp ?

Rezolvare : noul procent va fi de 10,5 - 60 x 0,01 = 9,9% : atunci

10,5 10,5 10,5 110 ,5

PV      101,91 lei.
1  0,099 (1  0,099) 2
(1  0,099) 3
( 1  0,099) 4

& 3.5.3 : Relaţia Dintre Raportul ( valoare prezentă / dobândă ) Pentru Un Flux
Financiar De Tip Anuitate

- 1: Cazul fluxului de tip anuitate , pe 2 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % annual, avem :

== // ==

- 2: Cazul fluxului de tip anuitate , pe 3 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % annual , avem :
 122

== // ==

- 3: Cazul fluxului de tip anuitate , pe 4 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % anual:

== // ==

- 4: Cazul fluxului de tip anuitate , pe 5 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % annual , avem :
 123

== // ==

&3.5.4 :Relaţia Dintre Raportul ( valoare prezentă / dobândă ) Pentru Un Flux

Financiar De Tip Bond

- 1: In cazul fluxului de tip bond , pe 2 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % annual , avem :

== // ==

- 2: In cazul fluxului de tip bond , pe 3 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % annual , avem :
 124

== // ==

- 3: In cazul fluxului de tip bond , pe 4 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % annual , avem :

== // ==

- 4: In cazul fluxului de tip bond , pe 5 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % anual:
 125

== // ==

&3.5.5 : Relaţia Dintre Raportul ( valoare prezentă / dobândă ) Pentru Un Flux

Financiar De Tip Zero - Cupon

- 1: In cazul fluxului de tip zero-cupon , pe 2 ani , cu valoarea prezentă de 100 Ron , cu

procentul de dobândă de 6 % anual:
 126
== // ==

- 2: In cazul fluxului de tip zero - cupon , pe 3 ani , cu valoarea prezentă de 100 Ron , cu
procentul de dobândă de 6 % anual avem:

== // ==

- 3: In cazul fluxului de tip zero - cupon , pe 4 ani , cu valoarea prezentă de 100 Ron , cu
procentul de dobândă de 6 % anual avem:

== // ==

- 4: In cazul fluxului de tip zero – cupon , pe 5 ani , cu valoarea prezentă de 100 Ron , cu
procentul de dobândă de 6 % anual avem:
 127

== // ==

UNITATEA 3.6 : PROBLEME RECAPITULATIVE ŞI DE SINTEZĂ

Problema 1 : un flux financiar de tip “ bond” , pe 5 ani , plăteşte 500 Ron la finele anilor
1 , 2 , 3 şi 4 , şi 10500 Ron la finele anului 5.
Un flux de tip “ zero-cupon” pe 5 ani plăteşte 12762,82 Ron la finele anului 5.
Ambele fluxuri au valoarea prezentă de 10000 Ron , calculată cu un procent de
5% anual. Stabiliţi care dintre fluxuri ar avea o valoare prezentă mai mare, dacă
procentul de dobândă ar creşte la 5,14 % :
- a : fluxul de tip “ bond”
- b : fluxul de tip “ zero – cupon “
- c : vlorile prezente ale celor două fluxuri rămân egale
- d : nu există suficiente date pentru a calcula ambele valori prezente.

Rezolvare :

- valoarea prezentă a fluxului de tip “ bond” este dată de :

 128
500 500 500 500 10500
PV '     
( 1  0,0514 )1
( 1  0,0514 ) 2
( 1  0,0514 )3 ( 1  0,0514 )4 ( 1  0,0514 ) 5

 9939 , 62
- valoarea prezentă a fluxului de tip “ zero – cupon ” este dată de :

12762 , 82
PV ' '   9933 , 6
( 1  0,0514 ) 5

Aşadar , răspunsul corect este (a) .

== // ==

Problema 2 : un flux financiar de tip “ bond” , pe 4 ani , plăteşte 1100 Ron la finele anilor
1 , 2 , 3 şi 11100 Ron la finele anului 4.
Un flux de tip “ zero-cupon” pe 4 ani plăteşte 15180,70 Ron la finele anului 4.
Ambele fluxuri au valoarea prezentă de 10000 Ron , calculată cu un procent de
11% anual. Stabiliţi care dintre fluxuri ar avea o valoare prezentă mai mare,
dacă procentul de dobândă ar scădea la 10,80 % :
- a : fluxul de tip “ bond”
- b : fluxul de tip “ zero – cupon “
- c : valorile prezente ale celor două fluxuri rămân egale
- d : nu există suficiente date pentru a calcula ambele valori prezente.

Rezolvare : valoarea prezentă a fluxului de tip “ bond “ este dată de :

1100 1100 1100 11100

PVb      10062,31
( 1  0,108 )1 ( 1  0,108 ) 2 ( 1  0,108 )3 ( 1  0,108 ) 4

valoarea prezentă a fluxului de tip “ zero – cupon “ este dată de :

15180, 7
PV   10072, 40
( 1  0,108 ) 4

Deci răspunsul corect este ( b ).

== // ==

Problema 3 : un flux financiar de tip “ bond” , pe 4 ani , plăteşte 500 Ron la finele anilor
1 , 2 , 3 şi 10500 Ron la finele anului 4.
Un flux de tip “ anuitate” pe 4 ani plăteşte 2820,12 Ron la finele fiecărui an.
Ambele fluxuri au valoarea prezentă de 10000 Ron , calculată cu un procent de
5 % anual. Stabiliţi ce se va întâmpla dacă procentul de dobândă ar creşte la
5,2% :
- a : valoarea prezentă a fluxului de tip “ bond” va scădea sub valoarea
fluxului de tip “ anuitate “;
 129
- b : valoarea prezentă a fluxului de tip “ anuitate” va scădea sub valoarea
fluxului de tip “ bond “;
- c : valorile prezente ale celor două fluxuri vor înregistra creşteri egale ;
- d : valoarea prezentă a fluxului de tip “ bond” va rămâne staţionară, iar
valoarea prezentă a fluxului de tip “ anuitate “ va creşte.

Rezolvare : valoarea prezentă a fluxului de tip “ bond “ este dată de :

500 500 500 10500

PV '      9929, 41
( 1  0,052 )1
( 1  0,052 ) 2
( 1  0,052 ) 3
( 1  0,052 ) 4

valoarea prezentă a fluxului de tip “ anuitate “ este dată de :

2820,12 2820,12 2820,12 2820,12

PV ''      9953, 71
( 1  0,052)1
( 1  0,052) 2
( 1  0,052) 3
( 1  0,052)4

Deci răspunsul corect este ( b ) .

== // ==

Problema 4 : : un flux financiar de tip “ bond” , pe 3 ani , plăteşte 1000 Ron la finele anilor
1 şi 2 şi 11000 Ron la finele anului 3.
Un flux de tip “ anuitate” pe 3 ani plăteşte 4021,15 Ron la finele fiecărui an.
Ambele fluxuri au valoarea prezentă de 10000 Ron , calculată cu un procent de
10 % anual. Stabiliţi ce se va întâmpla dacă procentul de dobândă ar scădea la
9,89 % :
- a : valoarea prezentă a fluxului de tip “ bond” va ceşte cu mai puţin
decât fluxul de tip “ anuitate “;

- b : valoarea prezentă a fluxului de tip “ anuitate” va creşte cu mai puţin

decât valoarea fluxului de tip “ bond “;
- c : valorile prezente ale celor două fluxuri vor scădea în mod egal ;
- d : valoarea prezentă a fluxului de tip “ bond” va rămâne staţionară, iar
valoarea prezentă a fluxului de tip “ anuitate “ va scădea

Rezolvare : - valoarea prezentă a fluxului de tip “ bond” va fi :

1000 1000 11000

PV '    10027 , 41
( 1  0,0989 )1
( 1  0,0989 ) 2
( 1  0,0989 ) 3
 130
- valoarea prezentă a fluxului de tip “ anuitate “ este dată de :

1
4021,15 4021,15 4021,15
PV ' '     10019,40
( 1  0,0989)1
( 1  0,0989) 2
( 1  0,0989)3

Deci răspunsul corect este ( b ).

== // ==

Problema 5 :
un flux financiar de tip “ zero - cupon” , pe 5 ani , plăteşte 18424,35 Ron .
Un flux de tip “ anuitate” pe 5 ani plăteşte 2843,15 Ron la finele fiecărui an.
Ambele fluxuri au valoarea prezentă de 10000 Ron , calculată cu un procent de
13 % anual. Stabiliţi ce se va întâmpla dacă procentul de dobândă ar scădea cu
17 puncte de bază :
- a : valoarea prezentă a fluxului de tip “ zero-cupon” va creşte cu mai puţin
decât valoarea fluxului de tip “ anuitate “;
- b : valoarea prezentă a fluxului de tip “ anuitate” va creşte cu mai puţin
decât valoarea fluxului de tip “ zero-cupon “;
- c : valorile prezente ale celor două fluxuri vor înregistra creşteri egale ;
- d : valoarea prezentă a fluxului de tip “ zero -cupon” va creşte, iar

valoarea prezentă a fluxului de tip “ anuitate “ va scădea .

Rezolvare :
- valoarea fluxului de tip “ zero – cupon” va deveni :

18424,35
PV '   10075,56
( 1  0,1283)5

deci valoarea sa prezentă va înregistra o creştere de :

10075,56 – 10000 = 75 , 56 Ron

- valoarea fluxului de tip “ anuitate “ va deveni :

2843,15 2843,15 2843,15 2843,15 2843,15

PV ''      
( 1  0,1283 )1
( 1  0,1283 ) 2
( 1  0,1283 ) 3
( 1  0,1283 ) 4
( 1  0,1283 ) 5

 10041, 63

deci valoarea sa prezentă va înregistra o creştere de numai

 131
10041,63 – 10000 = 41,63 Ron.

În final : răspunsul corect este ( b ).

== // ==

Problema 6 : un flux financiar de tip “ zero - cupon” , pe 5 ani , plăteşte 12762,82 Ron .
Un flux de tip “ anuitate” pe 5 ani plăteşte 2309,75 Ron la finele fiecărui an.
Ambele fluxuri au valoarea prezentă de 10000 Ron , calculată cu un procent de
5 % anual. Stabiliţi ce se va întâmpla dacă procentul de dobândă ar creşte cu 16
puncte de bază :
- a : valoarea prezentă a fluxului de tip “ zero-cupon” va scădea cu mai puţin
decât valoarea fluxului de tip “ anuitate “;
- b : valoarea prezentă a fluxului de tip “ anuitate” va scădea cu mai puţin
decât valoarea fluxului de tip “ zero-cupon “;
- c : valorile prezente ale celor două fluxuri vor înregistra scăderi egale ;
- d : valoarea prezentă a fluxului de tip “ zero -cupon” va scădea, iar
valoarea prezentă a fluxului de tip “ anuitate “ va creşte .

Rezolvare :
- valoarea prezentă a fluxului de tip “ zero – cupon “ va fi :

12762,82
PV '   9924, 16
( 1  0,0516 ) 5

deci acest flux va înregistra o scădere de : 10000 – 9924,16 = 75,84 Ron

- valoarea prezentă a fluxului de tip “ anuitate “ va fi :

2309,75 2309,75 2309,75 2309,75 2309,75

PV ''
     
( 1  0,0516)1
( 1  0,0516) 2
( 1  0,0516) 3
( 1  0,0516) 4
( 1  0,0516)5
 9955, 93

deci valoarea prezentă a acestui flux va scădea cu : 10000 – 9955,93 = 44,07 Ron
Răspunsul corect este ( b ).

END
 132

CUPRINS

MODULUL : MATEMATICI ECONOMICE

LECTIA 1 : NOTIUNILE DE BAZĂ ALE ALGEBREI VECTORIALE

UNITATEA 1.1: SPAŢIUL VECTORIAL REAL R n

&1.1.1: Primele Definiţii : pag. 1 – 3

&1.1.2 :Caracteristici asociate vectorilor : pag. 3 – 4
&1.1.3 : Distanţa dintre doi vectori : pag. 4 – 7
&1.1.4 : Produsul scalar a doi vectori : pag. 7
&1.1.5 : Vectori liniar dependenţi ; vectori liniar independenţi
pag. 7 – 10
&1.1.6 : Relaţia de generare : bază a spaţiului vectorial ;
pag. 11 – 14
&1.1.7 : Formule ale schimbării de bază : lema substituţiei
pag. 14 – 18

UNITATEA 1.2 : PROGRAMAREA LINIARĂ

&1.2.1 : Prezentarea problemei : primele notaţii : pag. 19 – 20

&1.2.2 : Soluţii de bază ale sistemelor liniare compatibile ,
 133
nedeterminate : pag. 21 – 23
&1.2.3: Găsirea soluţiilor de bază ale sistemelor liniare
cu lema substituţiei : tabelele simplex : pag. 23 – 24

UNITATEA 1. 3 : TEOREMELE FUNDAMENTALE ALE

PROGRAMĂRII LINIARE

&1.3.1 : Trecerea de la o soluţie ne-negativă , de bază ,

la altă soluţie ne-negativă , de bază : pag. 25 – 27
&1.3.2 : Calcularea valorii unei funcţii liniare , definită pe
mulţimea soluţiilor de bază ale unui sistem liniar
compatibil nedeterminat .pag. 28 – 29
&1.3.3 : Modificarea valorii lui f în cazul unei schimbări
a bazei : pag. 30 – 31

UNITATEA 1.4 : DUALITATE ÎN PROGRAMAREA LINIARĂ

&1.4.1: Dualitatea simetrică pag. 32 – 37

&1.4 .2 : Determinarea strategiilor optime ale
unui joc matriceal ; pag. 37 – 40
&1.4. 3: Rezolvarea jocului matriceal folosind dualitatea:
pag. 40 – 43
&1.4. 4: Dualitatea nesimetrică : pag. 44 – 52

LECŢIA 2 : INTRODUCERE ÎN TEORIA PROBABILITĂŢILOR

UNITATEA 2.1 : NOŢIUNI FNDAMENTALE

&2.1.1: câmp de evenimente : câmp de probabilitate :pag.52 – 55

&2.1.2 : evenimente condiţionate ; câmp de probabilitate
condiţionat : pag. 55 – 58
&2.1.3 : Formula probabilităţii totale ;formula lui Bayes:pag.58 – 60

UNITATEA 2.2 : SCHEME PROBABILISTICE CLASICE

 134
&2.2.1: Schema lui Bernoulli :pag. 60 – 64
&2.2.2 : Schema urnei cu bile albe şi negre :
extrageri fără revenire : pag. 64 – 68
&2.2.3 : Schema urnei cu bile de mai multe culori :
extrageri cu revenire . pag. 68
&2.2.4 : Schema urnei cu bile de mai multe culori :
extrageri fără revenire .pag. 69

UNITATEA 2.3 : VARIABILE ALEATOARE

&2.3.1: noţiuni fundamentale : pag. 70

&2.3.2: Variabile aleatoare discrete : pag. 70 – 71
&2.3.3 : Vector aleator : variabile aleatoare independente: pag 71- 75
&2.3.4 : Operaţii cu variabile aleatoare discrete : pag. 75 – 78
&2.3.5 : Momentele unei variabile aleatoare discrete : pag. 78
&2.3.6: Proprietăţile mediei :pag. 78 – 80
&2.3.7 :proprietatile dispersiei : pag. 80 – 83

UNITATEA 2.4 : INDICATORI DE DEPENDENTA

&2.4.1 : definiţia covarianţei : pag.83

& 2.4.2 : Proprietăţile covarianţei : pag. 84
&2.4.3 : coeficientul de corelaţie : pag. 84 – 86

UNITATEA 2.5 : VARIABILE ALEATOARE CONTINUE

&2.5.1: Densitatea de probabilitate : pag. 86 – 88

&2.5.2: Funcţia de repartiţie a unei variabile aleatoare continue :
pag.89 – 90
&2.5.3: Interval de încredere pentru o variabilă
aleatoare continuă :: pag. 91
&2.5.4 : Variabila aleatoare cu repartiţie normală : pag. 92

LECŢIA 3 : MATEMATICI FINANCIARE

UNITATEA 3.1: EVOLUŢIA IN TIMP A VALORII BANILOR

 135

&3.1.1 : valoarea viitoare a unei sume: pag. 93 – 94

&3.1.2 : valoarea prezentă a unei sume : pag. 95 – 97

UNITATEA 3.2 : FLUXURI FINANCIARE

&3.2.1 : clasificarea fluxurilor financiare : pag. 98 – 100

&3.2.2 : despre randament : pag. 100 – 101
&3.2.3: determinarea randamentului folosind
interpolarea : pag. 101 – 103
&3.2.4: rata zero – cupon : 103 – 110
&3.2.5: utilizarea ratei zero-cuponului in cazul
fluxurilor financiare : 110 – 111
&3.2.6: rata viitoare ( the forward rate ) ; pag. 111 – 114

UNITATEA 3.3 : RATA INTERNA A PROFITULUI

&3.3.1 : Calculul Ratei Interne A Profitului :pag. 115 – 116

&3.3.2: Factorul De Discount : pag. 116 – 117

&3.3.3 : Utilizarea Factorului De Discount : pag. 117 – 119

UNITATEA 3.4 :CAPITALIZAREA DOBÂNZILOR PRIN FRAGMENTAREA

PERIOADEI ( COMPOUNDING ) – pag. 119 - 123

UNITATEA 3.5: DEPENDENŢA PROCENTELOR DE

UNITATEA DE MĂSURĂ A TIMPULUI

&3.5.1: echivalarea procentelor : pag. 123 – 125

&3.5.2 : relaţia dintre valoarea actuală şi
procentul de dobândă : pag. 125 – 126
& 3.5.3 : relaţia dintre raportul ( valoare prezentă / dobândă )
pentru un flux financiar de tip anuitate : pag. 127 – 128
&3.5.4 : relaţia dintre raportul ( valoare prezentă / dobândă )
pentru un flux financiar de tip bond : pag. 129 – 130
 136
&3.5.5 : relaţia dintre raportul ( valoare prezentă / dobândă )
pentru un flux financiar de tip zero – cupon :131- 132

UNITATEA 3.6 : PROBLEME RECAPITULATIVE ŞI DE SINTEZĂ

Pag. 133 - 137

BIBLIOGRAFIE :

D.P.Vasiliu :Matematici Economice : modele numerice şi calitative

Editura Universitară , Bucureşti 2003

D.P.Vasiliu ; A.M.D. Vasiliu ; Metode cantitative în probleme Economice

Editura Tribuna Economică , Bucureşti 2000

D.P.Vasiliu : Probleme şi Modele de matematici Economice

Editura Titu Maiorescu , Bucureşti , 2005