Sunteți pe pagina 1din 125

MATEMATICI APLICATE ÎN ECONOMIE

Prof. univ. dr. Gheorghe MUNTEANU


2
Cuprins

Prefaţă 5

I Algebră liniară 7

1 Elemente recapitulative de algebră liniară 9


1.1 Matrice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Determinanţi. . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Sisteme liniare. . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Spaţii vectoriale 15
2.1 Definiţie, exemple . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Subspaţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Liniară independenţă, bază şi dimensiune . . . . . . . . . . . . 18
2.3.1 Schimbarea bazei . . . . . . . . . . . . . . . . . . . . . 21
2.3.2 Lema substituţiei . . . . . . . . . . . . . . . . . . . . . 23
2.4 Spaţii euclidiene . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Transformări liniare . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6 Forme biliniare şi pătratice . . . . . . . . . . . . . . . . . . . . 34
2.7 Apicaţii ale geometriei ı̂n economie . . . . . . . . . . . . . . . 37
2.7.1 Geometrie ı̂n planul euclidian . . . . . . . . . . . . . . 38
2.7.2 Geometrie ı̂n spaţiul euclidian . . . . . . . . . . . . . . 41

II Analiză matematică 43

3 Şiruri şi serii numerice 45


3.0.3 Şiruri . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.0.4 Serii numerice . . . . . . . . . . . . . . . . . . . . . . . 46

3
4 Matematici aplicate

4 Şiruri şi serii de funcţii 53


4.1 Serii de funcţii . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.1.1 Serii de puteri . . . . . . . . . . . . . . . . . . . . . . . 55
4.1.2 Serii Taylor . . . . . . . . . . . . . . . . . . . . . . . . 56

5 Funcţii de mai multe variabile reale 61


5.1 Limite şi continuitate . . . . . . . . . . . . . . . . . . . . . . . 62
5.2 Derivate parţiale . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.2.1 Formula lui Taylor pentru funcţii de mai multe variabile 69
5.3 Extreme la funcţii de mai multe variabile . . . . . . . . . . . . 71
5.3.1 Extreme condiţionate . . . . . . . . . . . . . . . . . . . 75
5.3.2 Lema celor mai mici pătrate . . . . . . . . . . . . . . . 76

6 Calcul integral 81
6.1 Integrala definită . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.2 Integrale improprii . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2.1 Integralele lui Euler . . . . . . . . . . . . . . . . . . . . 85
6.3 Integrala dublă . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.4 Ecuaţii diferenţiale . . . . . . . . . . . . . . . . . . . . . . . . 91

III Probabilităţi 95
6.5 Câmp de probabilitate . . . . . . . . . . . . . . . . . . . . . . 97
6.6 Evenimente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.7 Probabilitate . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.7.1 Probabilităţi condiţionate . . . . . . . . . . . . . . . . 101
6.7.2 Scheme probabilistice clasice . . . . . . . . . . . . . . . 103

7 Variabile aleatoare 109


7.1 Definiţie, operaţii . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.2 Caracteristici numerice ale unei variabile aleatoare . . . . . . . 114
7.3 Repartiţii clasice . . . . . . . . . . . . . . . . . . . . . . . . . 118

Bibliografie 124
Prefaţă

Învaţământul economic cunoaşte ı̂n anii din urmă o dezvoltare nu numai ı̂n
privinţa numărului de studenţi, fapt justificat de prefaceri economice, ci şi
una calitativă privind conţinutul disciplinelor universitare.
Trecând de la forma Institutelor economice la Academii de ştiinte eco-
nomice, acest ı̂nvăţământ şi-a propus exigenţe sporite care să-l facă compat-
ibil cu cel mondial, ı̂n care economia de piaţă ı̂şi are reguli nu impuse de
anumite doctrine şi canoane specifice sistemului politic ci unor tendinţe care
se schimbă cu rapiditate şi trebuie să reacţionezi ca atare. Desigur pentru o
asemenea acţiune prima condiţie este legată de cunoştinţele de specialitate.
Ne ı̂ntrebăm care este rolul matematicii ı̂n acest context. Emanuel Kant
spunea că ”o ştiinţă conţine atâta ştiinţă câtă matematică conţine ı̂n ea”.
Nimic mai adevarat şi ı̂n cazul de faţă !. Oare se pot acorda premii Nobel
ı̂n economie fără ca teoria enunţată să aibă o fundamentare matematică, o
modelare ştiinţifică sub formă algoritmică riguroasă ?.
Întrebarea firească este câtă matematică trebuie să cunoască un economist.
Răspunsul este mai greu de dat. Depinde ı̂n primul rând de responsabilităţile
sale. Cert este că el trebuie să fie pregătit de o Universitate pentru orice
exigenţe, urmând ca la locul de muncă să dezvolte cerinţele specifice. Sigur
este faptul că din multitudinea de ramuri ale matematicii sunt câteva indis-
pensabile unui economist. Sunt cele legate de teoria optimizării, de progra-
mare liniară, neliniară sau discretă, de teoria jocurilor, de teoria aproximarii,
de procese probabilistice, statistice, sisteme dinamice şi multe altele. Acestea
sunt doar câteva din disciplinele matematice pe care le ı̂ntâlnim mai des ı̂n
cursurile de specialitate ale marilor universităţi din străinătate. La acestea
se adaugă capitole aplicative de matematică economică cum ar fi cele privind
alegerea sub certitudine sau incertitudine, teoria portofolio, etc.

5
6 Matematici aplicate

Pentru a putea să te iniţiezi ı̂n oricare din aceste discipline este nevoie de
un punct de plecare. Acesta este cel oferit de manualele de matematică din
liceu şi prezentul curs de matematici pentru economişti.
În aceste note de curs ne-am propus să cuprindem, ı̂ntr-o formă acesi-
bilă cât mai multor studenţi, noţiuni de matematică strict necesare pentru
ı̂nţelegerea teoriilor matematice specificate mai sus cu aplicaţii ı̂n economie.
Credem că dintr-un astfel de curs nu pot lipsi noţiuni fundamentale de
algebră liniară precum cele de spaţiu vectorial, bază, schimbări de bază,
forme liniare şi pătratice, sau aplicaţii imediate ı̂n geometria analitică.
Studiul unor probleme de optimizare, de convexitate, nu poate fi făcut
fără câteva cunoştinţe elementare de analiză matematică pe dreapta reală
sau ı̂n spaţii cu mai multe dimensiuni.
În fine, teoria probabilităţilor ı̂şi are un rol esenţial ı̂n studiul multiplelor
procese economice. La acestea se adaugă un curs separat cu noţiuni de
statistică matematică aplicată ı̂n economie.
Przentul curs se adresează studenţilor din anul ı̂ntâi din Universitatea
Creştină Dimitrie Cantemir, de la Braşov. El vine ı̂n sprijinul celor care
ı̂ntâmpină dificultăţi ı̂n culegerea de notite de curs dar şi pentru completarea
lor.

Profesor univ. dr. Gheorghe Munteanu


Partea I

Algebră liniară

7
Capitolul 1

Elemente recapitulative de
algebră liniară

In această secţiune ne propunem să facem o sinteză a principalelor noţiuni


de algebra liniară studiate ı̂n liceu, noţiuni ce le vom folosi destul de des ı̂n
prima parte a cursului.

1.1 Matrice.
Noţiunea de matrice, A = (aij )m×n , semnifică un tablou cu m linii şi n
coloane cu elemente dintr-un corp (de regulă corpul numerelor reale sau com-
plexe). Cazuri particulare sunt cele ale matricelor linie, m = 1, sau matrice
coloană, n = 1. Dacă m = n matricea se numeşte pătratică, un exemplu
remarcabil fiind cel al matricii unitate, notată cu I, ı̂n care toate elementele
sunt zero exceptând cele de pe diagonala principală care sunt egale cu unu.
Cu matrice de acelaşi fel se pot face operaţii:
I. Adunarea matricelor: A + B = C, şi are ca elemente suma ele-
mentelor de pe aceleaşi poziţii ı̂n parte.
Adunarea are proprietăţile:
1. A + (B + C) = (A + B) + C , asociativă
2. A + B = B + A, comutativă

9
10 Capitolul 1. Algebră liniară

3. Există o matrice O cu toate elementele zero şi A + O = A, oricare ar


fi matricea A.
4. Oricare ar fi matricea A există matricea −A, cu toate elementele de
semne opuse şi A + (−A) = O.
Se spune că (Mm×n , +), multimea matricelor de tipul m × n formează
grup faţă de adunare.
II. Amplificarea cu scalari a matricelor: αA = B este matricea ı̂n
care toate elementele lui A se ı̂nmulţesc cu numărul α. Ea verifică câteva
proprităţi ce sunt imediate dar stau la baza unei noţiuni ce o vom dezvolta
ı̂n acest capitol, cea de spaţiu vectorial.
1. (α + β)A = αA + βA
2. α(A + B) = αA + αB
3. α(βA) = (αβ)A
4. 1A = A.
Observăm că această operaţie nu seamănă cu cea dintâi, ea asociază unui
număr şi unei matrice o matrice. Se spune că este o lege de compoziţie
externă.
Mai departe putem introduce o altă operaţie (internă), ı̂nmulţirea, doar
ı̂ntr-un caz particular, cel al matricelor ı̂nlănţuite, A ∈ Mm×n şi B P ∈ Mn×p ,
rezultatul fiind o matrice C = A.B ∈ Mm×p de elemente cij = aik bkj ,
adică elementele liniei i ”se ı̂nmulţesc” cu elementele coloanei j şi se sumează
rezultatele.
III. Dacă ne rezumăm la mătrice patratice Mn×n adunarea verifică ax-
iomele:
1. A.(B.C) = (A.B).C, asociativă
2. I.A = A = A.I, element unitate I
3. A.(B + C) = A.B + A.C, distributivă
dar ı̂n general necomutativă. Se spune că (Mn×n , +, .) formează un inel.
Nu ı̂ntodeauna există o matrice, numită inversă, care ı̂nmulţită cu A să
ne dea matricea unitate I.
Prin transpusa unei matrice At ı̂nţelegem matricea oţinută prin schim-
barea liniilor ı̂n coloane din matricea A.
Elemente recapitulative 11

1.2 Determinanţi.
Prin determinantul unei matrice pătratice A ∈ Mn×n ı̂nţelegem un număr
ce se asociază astfel
X
det A = (−1)signσ a1i1 .a2i2 . ... anin
σ

adică din fiecare linie şi fiecare coloană se alege câte un element, se ı̂nmulţesc
cu un anumit semn şi se adună rezultatele.
Pentru cazul n = 2 se obţine regula lui Cramer de dezvoltare a determi-
natului, pentru n = 3 se obţine regula lui Sarius care este echivalentă cu cea
a triunghiului. Mai departe calculul determinantului se face dezvoltând pe o
linie (sau coloană):

∆ = det A = ai1 Ai1 + ai2 Ai2 + .... + ain Ain

unde Aij = (−1)i+j ∆ij se numeşte complementul algebric al elementului aij


şi ∆ij se obţine tăind linia i şi coloana j ı̂n ∆. Evident vom dezvolta pe
acea linie i ce conţine câţi mai mulţi de 0, eventual folosind proprietăţile
determinanţilor facem ı̂n prealabil cât mai mulţi de 0.
Nu insistăm asupra proprietăţilor determinanţilor.
Revenim asupra inversei unei matrice. Prin A−1 ı̂nţelegem matricea care
verifică: A.A−1 = I = A−1 .A.
Daca det A 6= 0 atunci există o astfel de matrice şi ea se calculează după
formula
1
A−1 = A∗
det A
unde A∗ se numeşte matricea adjunctă şi se obţine din A prin transpunere
şi apoi ı̂nlocuirea elementelor ı̂n transpusă cu complemenţii algebrici. Există
pe lângă calculul acesta direct şi formule numerice pentru calculul inversei
unei matrice precum şi programe pe calculator pentru ea. O astfel de metodă
o să o vedem ceva mai ı̂ncolo.
Numim rangul unei matrice, r = rangA, cel mai mare ordin al unui
determinant cu elemente din matricea A. Şi aici există metode numerice
folosind transformări elementare de calcul al rangului.
12 Capitolul 1. Algebră liniară

1.3 Sisteme liniare.


Prin sistem liniar ı̂nţelegem un sistem de forma


 a11 x1 + a12 x2 + ......a1n xn = b1
a21 x1 + a22 x2 + ......a2n xn = b2

(1.1)

 ...............
am1 x1 + am2 x2 + ......amn xn = bm .

Se spune că are m ecuaţii şi n necunoscute x1 , .., xn .


Dacă b1 = b2 = ... = bm = 0 sistemul se numeşte omogen şi el are
ı̂ntodeauna cel puţin o soluţie, anume x1 = x2 = .. = xn = 0, numită şi
soluţia banală sau nulă. În general, dacă găsim nişte numere x1 , .., xn care
să verifice sistemul spunem că el este compatibil, ı̂n caz contrar se spune că
este incompatibil.
Problema compatibilităţii sistemului se poate rezolva pe cel puţin două
căi. Repetăm aici teorema lui Rouche. Întâi se calculează rangul matricii
sistemului.  
a11 . . a1n
 . . . . 
A=  .

. . . 
a1n . . ann

Liniile care intră ı̂n determinantul ce dă rangul lui A, notat ∆r , se numesc
principale, celelalte se numesc secundare. La fel necunoscute principale şi
necunoscute secundare. Amintim că prin determinat caracteristic asociat
unei linii secundare se ı̂nţelege un determinat de ordin r + 1, obţinut din
determinantul principal ∆r prin adăugarea unei linii secundare şi coloana
termenilor liberi corespunzători. Există atâţi determinanţi caracteristici cı̂te
linii secundare există. Rolul esenţial al unui astfel de determinant este că
anularea lui este echivalentă cu faptul că soluţiile sistemului principal verifică
acea linie secundară pentru care se calculează determinantul caracteristic.
Dacă toţi determinanţii caracteristici sunt zero putem renunţa fară nici o
problemă la liniile secundare şi problema revine la a rezolva sistemul numai
cu ecuaţiile principale. Dacă un determinant caracteristic este diferit de zero
atunci sistemul este incompatibil.
Pe scurt Teorema lui Rouche spune:
Elemente recapitulative 13

I. Dacă m = n = r (toate ecuaţiile şi necunoscutele sunt principale,


∆ = det A 6= 0), atunci sistemul este compatibil cu soluţie unică, xi = ∆

i

, unde ∆i se obţine din ∆ prin ı̂nlocuirea coloanei i cu coloana termenilor


liberi. Aceasta este regula lui Cramer.
II. Dacă m = r < n (toate ecuaţiile sunt principale, rămân necunoscute
secundare), sistemul este ı̂ntodeauna compatibil, n − r nedeterminat, adică
depinde de n − r parametrii.
III. Dacă m < r (rămân ecuaţii secundare, posibil şi necunoscute secudare
dar nu obligatoriu).
1. Dacă toţi determinanţii caracteristici sunt zero atunci sistemul este
compatibil, şi anume:
-dacă n = r, unic determinat
-dacă r < n, compatibil n − r nedeterminat.
2. Dacă există un determinant caracteristic nenul, sistemul este in-
compatibil.

Exemplu: Discutaţi sistemul



 x1 − 2x2 + x3 + x4 = 1
x1 − 2x2 + x3 − x4 = −1
x1 − 2x2 + x3 + 5x4 = 5

 
1 −2 1 1
Matricea sistemului este  1 −2 1 −1  şi are rangul 2, necunos-
1 −2 1 5
cute principale fiind spre exemplu x3 , x4 , prima şi a doua linie sunt prin-
1 1
cipale. ∆r = . Rămâne o ecuaţie secundară, a treia. Deter-
1 −1
1 1 1

minantul caracteristic este ∆c = 1 −1 −1 = 0, deci sistemul este
1 5 5
compatibil cu x1 = α, x2 = β necunoscute secundare. Sistemul devine

x3 + x4 = 1 − α + 2β
şi se rezolvă direct prin adunare, x1 = α,
x3 − x4 = −1 − α + 2β
x2 = β, x3 = −α + 2β, x4 = 1, deci compatibil dublu nedeterminat.
14 Capitolul 1. Algebră liniară

Există şi metode numerice de rezolvare a sistemelor liniare, unele pe cal-


culator. O idee este dată de metoda eliminării a lui Gauss pe care o desriem
ı̂n continuare.
Metoda lui Gauss constă ı̂n eliminarea pe rând a câte o necunoscută
până ce ultima ecuaţie conţine doar o necunoscută. Exemplificăm printr-un
execiţiu această metodă.

 x1 + x2 − x3 = 0
x1 + 2x2 + x3 = 8
2x1 − x2 + 3x3 = 9

Scădem din a doua ecuaţie prima şi din a treia prima ı̂nmulţită cu 2:

 x1 + x2 − x3 = 0
x2 + 2x3 = 8
− 3x2 + 5x3 = 9

Adunăm la ecuaţia a treia ecuaţia a doua ı̂nmulţită cu 3



 x1 + x2 − x3 = 0
x2 + 2x3 = 8
11x3 = 33

Din ultima ecuaţie rezultă că x3 = 3, apoi mergând ı̂n a doua obţinem x2 = 2
şi ı̂n final din prima rezultă că x1 = 1. Ideea se poate aplica pentru sisteme
mult mai mari şi se poate programa pe calculator.
Capitolul 2

Spaţii vectoriale

Pregătirea anterioară a pus ı̂n evidenţă o structură algebrică ce poate fi


ı̂ntâlnită şi pentru alte exemple, anume cea de spaţiu vectorial, sau liniar
cum se mai numeşte.
Să considerăm V o mulţime ale cărei elemente le notăm cu x, y, z... şi le
numim vectori (având legtură şi cu geometria vectorilor). Fie (K, +, .) un
corp comutativ de elemente α, β, γ.., numiţi scalari.

2.1 Definiţie, exemple


Numim spaţiu vectorial peste corpul K o structură algebrică definită pe V
de două legi de compoziţie ce verifică axiomele
I) + : V × V → V , adunarea vectorilor, ce satisface axiomele unui grup
abelian:
I)1. x + (y + z) = (x + y) + z , asociativă ∀x, y, z ∈ V
I)2. x + y = y + x, comutativă, ∀x, y ∈ V
I)3. Există un vector 0 astfel x + 0 = x, ∀x ∈ V
I)4. ∀x ∈ V există −x ∈ V astfel ı̂ncât x + (−x) = 0.
II) . : K × V → V , amplificarea cu scalari a vectorilor, ce satisface:
II)1. (α + β)x = αx + βx pentru ∀α, β ∈ K şi ∀x ∈ V
II)2. α(x + y) = αx + αy pentru ∀α ∈ K şi ∀x, y ∈ V

15
16 Capitolul 2. Spaţii vectoriale

II)3. α(βx) = (αβ)x pentru ∀α, β ∈ K şi ∀x ∈ V


II)4. 1x = x, unde 1 ∈ K şi ∀x ∈ V.

Consecinţe imediate ale definiţiei sunt:


1. 0x = 0
2. 1(−x) = −x = (−1)x
3. αx = 0 dacă şi numai dacă α = 0 sau x = 0.
Exemple remarcabile de spaţii vectoriale sunt:
1. (K, +, .K) , orice corp este spaţiu vectorial peste el ı̂nsuşi, ı̂n particular
spaţiul real sau complex.
2. Fie K n = {(x1 , x2 , ..., xn )/ xi ∈ K}, produsul cartezian al lui K de n
ori. Definim operaţiile

(x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )


α(x1 , x2 , ..., xn ) = (αx1 , αx2 , ..., αxn ) ∀α ∈ K

(K n , +, .K) devine spaţiu vectorial peste K.


În particular putem discuta de (Rn , +, .R) spaţiul real n dimensional,
sau (C n , +, .C) spaţiul complex n dimensional. Spaţiul real (R2 , +, .R) se
identifică cu mulţimea punctelor din plan ı̂ntr-un reper ı̂mpreună cu adunarea
şi amplificarea vectorilor din geometrie, dându-ne geometria analitică din
liceu. Analog (R3 , +, .R) se identifică cu mulţimea punctelor din spaţiu. În
aceste spaţii vom dezvolta şi analiza matematică ı̂n partea a doua a cursului.
Calculaţi: x = 3(1, 4, −1)+2(0, 2, 1)−(2, 1, 1). După operaţiile de mai sus
ı̂nseamnă ca fiecare element din prima paranteză să-l ı̂nmulţim cu 3, analog la
celelalte cu 2 respectiv -1 şi să adunăm pe fiecare poziţie elementele obţinute.
Răspunsul final este x = (1, 14, −2).
3. Vectorii din plan sau spaţiu de care discutam mai sus.
4. (Mm×n , +, R) spaţiul matricelor reale.
5. (F[a,b] , +, R) spaţiul funcţiilor reale definite pe [a, b] → R.
Putem continua cu multe alte exemple ce dovedesc importanţa noţiunii
ce o studiem.
Subspaţii 17

2.2 Subspaţii
Fie (V, +, .K) un spaţiu vectorial şi S ⊂ V o mulţime nevidă.
Spunem că S este subspaţiu ı̂n V dacă restricţia operaţiilor din V la
S defineşte pe acesta o structură de spaţiu vectorial. Pentru aceasta este
suficient ca:

x + y ∈ S , ∀x, y ∈ S şi αx ∈ S, , ∀α ∈ K, x ∈ S

sau echivalent
αx + βy ∈ S , ∀x, y ∈ S, ∀α, β ∈ K .

Se pot da multe exemple de subspaţii: matricele simetrice sau cele anti-


simetrice, funcţiile pare sau impare, funcţiile polinomiale până la un anumit
grad, etc.
Principalele operaţii cu subspaţii sunt:
1. Intersecţia S1 ∩ S2 a două subspaţii este un subspaţiu.
2. Suma S1 + S2 = {x1 + x2 / x1 ∈ S1 , x2 ∈ S2 } este un subspaţiu.
3. Fie M = {x1 , x2 , .., xn } ⊂ V o mulţime oarecare. Numim combinaţie
liniară de elementele lui M un vector de forma α1 x1 + α2 x2 + .. + αn xn .
Mulţimea tuturor combinaţiilor liniare de elementele lui M ı̂mpreună cu
adunarea şi amplificarea lor cu scalari formează un subspaţiu ı̂n V , numit
subspaţiul generat de M, şi notat [M ] . De observat că reuniunea a două
subspaţii nu este un subspaţiu ı̂n general dar se demonstrează că [S1 ∪ S2 ] =
S1 + S2 . Diferenţa a două subspaţii nu este un subspaţiu deoarece nu conţine
pe 0.
Aplicaţie. Fie S1 = {(x1 , x2 ) /x1 = x2 } şi S2 = {(y1 , y2 ) /y1 = −y2 } din
2
R . Arătaţi că sunt subspaţii, calculaţi S1 ∩ S2 şi S1 + S2 .
Soluţie: S1 = {(x, x) /x ∈ R} şi (x, x) + (y, y) = (x + y, x + y) ∈ S1 ,
iar α(x, x) = (αx, αx) ∈ S1 . Deci S1 este subspaţiu ı̂n R2 . Analog S2 =
{(x, −x) /x ∈ R} şi (x, −x)+(y, −y) = (x+y, −(x+y)) ∈ S2 , iar α(x, −x) =
(αx, −αx) ∈ S2 , adică S2 este subspaţiu ı̂n R2 .
Pentru S1 ∩ S2 vedem când un element se găseşte ı̂n ambele mulţimi. Fie
(x, x) ∈ S1 şi (y, −y) ∈ S2 . Ele vor coincide dacă x = y şi x = −y adică
x = y = 0, deci S1 ∩ S2 = {(0, 0)}.
18 Capitolul 2. Spaţii vectoriale

S1 + S2 este suma dintre un element din S1 şi un element din S2 , adică


S1 + S2 = {(x, x) + (y, −y)} = {(x + y, x − y)}. Să observăm că această
mulţime acoperă toate perechile de numere reale, adică S1 + S2 = R2 .
Intuitiv acest exerciţiu ne spune că ı̂n plan S1 şi S2 sunt două drepte
(prima şi a doua bisectoare), intersectia lor se face evident ı̂n origine, iar
suma dintre un vector de pe prima dreaptă cu un vector de pe a doua dreaptă
ne dă un vector din plan; ı̂ntreg planul putând fi acoperit de vectori, unul de
pe prima dreaptă şi celălalt de pe a doua dreaptă.
Exerciţii propuse. Verificaţi care din următoarele mulţimi sunt subspaţii
ı̂n (R3 , +, R):
a) S1 = {(x1 , x2 , x3 ) /x3 = 0}
b) S2 = {(x1 , x2 , x3 ) /x1 − 2x2 + 4x3 = 0}
c) S3 = {(x1 , x2 , x3 ) /x1 − 2x2 + 4x3 = 3}
d) S4 = {(x1 , x2 , x3 ) /x21 + x22 = x23 }.
Răspuns: a) da, b) da; c) nu, d) nu.

2.3 Liniară independenţă, bază şi dimensiune


Fie (V, +, .K) un spaţiu vectorial şi M = {v1 , v2 , ...., vn } ⊂ V o mulţime
(sistem) de vectori.
Spunem că M este liniar independentă dacă oricare ar fi combinaţia
liniară α1 v1 + α2 v2 + .. + αn vn = 0 aceasta este posibil dacă şi numai dacă
α1 = α2 = ... = αn = 0.
În caz contrar spunem că ei sunt liniar dependenţi. Asta ı̂nseamnă că
există cel puţin un αk 6= 0 şi totuşi suma să fie = 0. În acest caz putem scoate
pe vk din combinaţie funcţie de ceilalţi vectori. Deci, un sistem de vectori
este liniar dependent dacă şi numai dacă unul din vectori este o combinaţie
liniară de ceilalţi.
Mai general, o mulţime infinită de vectori din V este liniar independentă
dacă orice parte finită din ea este liniar independentă.
-dacă M1 ⊂ M2 şi M1 este liniar dependentă atunci M2 este liniar depen-
dentă,
bază şi dimensiune 19

-dacă M1 ⊂ M2 şi M2 este liniar independentă atunci M1 este liniar


independentă.
Definiţie. Un sistem de vectori B = {e1 , e2 , ...., en } ⊂ V se spune că
formează bază ı̂n V dacă:
1. B este liniar independent
2. Orice vector x ∈ V este o combinaţie liniară de elementele lui B,
n
X
x = x1 e1 + x2 e2 + .. + xn en = xi ei . (2.1)
i=1

Definiţia se poate extinde la sisteme infinite de vectori, a doua condiţie


ne spune că subspaţiul generat de B coincide cu V, adică [B] = V.
Scalarii x1 , x2 , ..xn din decompunerea lui x se numesc componentele vec-
torului x ı̂n baza B.
Propozitie 1. Descompunerea (2.1) a unui vector ı̂ntr-o bază este unică.
2. Dacă B = {e1 , e2 , ...., en } şi B 0 = {e01 , e02 , ...., e0m } sunt două
baze ı̂n V atunci n = m.
Pn Pn
PnPrima se demonstrează imediat, dacă x = i=1 xi ei = i=1 yi ei =⇒
i=1 (xi − yi )ei = 0 şi din liniara independenţă rezultă xi = yi . A doua
afirmaţie e mai complicat de arătat dar ea ne spune că numărul vectorilor
oricărei baze din V este acelaşi şi se numeşte dimensiunea spaţiului, scriem
dim V = n.
Propoziţie 3. (Grassmann) Dacă S1 şi S2 sunt două subspaţii ı̂n V,
dimS1 = n1 , dimS2 = n2 atunci dim S1 +dim S2 = dim(S1 +S2 )+dim(S1 ∩S2 ).
Dacă S1 ∩ S2 = 0 atunci suma se numeşte directă şi dimensiunea sa este
suma dimensiunilor subspaţiilor.
De observat că dimensiunea unui subspaţiu este ≤ decât dimensiunea
spaţiului.
Aplicaţie: Care din următoarele sisteme de vectori sunt liniar indepen-
dente şi care formează bază ı̂n R3 ?
a) v1 = (1, 2, 1), v2 = (−1, 0, 2), v3 = (1, 4, 4)
b) v1 = (1, 2, 1), v2 = (−1, 0, 2)
c) v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1), v2 = (1, 2, 3)
20 Capitolul 2. Spaţii vectoriale

d) v1 = (1, 2, 1), v2 = (−1, 0, 2), v3 = (1, 1, 1)

Soluţie: a) verificăm liniara independenţă, α1 v1 +α2 v2 +α3 v3 = 0 implică,


α1 (1, 2, 1) + α2 (−1, 0, 2) + α3 (1, 4, 4) = (0, 0, 0), adică

 α1 − α2 + α3 = 0
2α1 + 4α3 = 0 , sistem liniar omogen cu determinan-
α1 + 2α2 + 4α3 = 0

1 −1 1
1 −1
tul ∆ = 2 0 4 = 0 şi rangul este doi, ∆p = , α = λ ne-
1 2 2 0 3
4
cunoscută secundară. Rezolvăm şi găsim α1 = −2λ, α2 = −λ. Deci sistemul
are o infinitate de soluţii, adică vectorii sunt liniar dependenţi, v3 = 2v1 + v2 .
Bază nu formează. 
 α1 − α2 = 0
b) Se obţine sistemul 2α1 = 0 care are doar soluţia α1 =
α1 + 2α2 = 0

α2 = 0, deci vectorii sunt liniar independenţi. Matricea sistemului are rangul
2. Pentru a forma bază luăm un vector x = (a, b, c) arbitrar şi ı̂ncercăm să ı̂l
scriem x = α1 v1 + α2 v2 . Obţinem un sistem ca mai sus dar ı̂n loc de 0 avem
pe coloană a, b, c, deci neomogen cu rangul 2 şi ∆car 6= 0 ı̂n general. Adică
sistemul este incompatibil ı̂n general. Deci nu formează bază. De observat
că la fiecare sistem coloanele sunt tocmai vectorii daţi. Astfel matricea se
poate scrie cu uşurinţă ı̂ntodeauna.
c) vectorii sunt liniar dependenţi , v4 = v1 + 2v2 + 3v3 , nu formează bază.

 α1 − α2 + α3 = 0
d) Sistemul este 2α1 + α3 = 0 liniar omogen cu ∆ 6=
α1 + 2α2 + α3 = 0

0, deci avem doar solutia nulă. Vectorii sunt liniar independenţi. Luăm un
vector x = (a, b, c) arbitrar şi ı̂ncercăm să ı̂l scriem x = α1 v1 + α2 v2 + α3 v3 .
Obţinem un sistem ca mai sus dar ı̂n loc de 0 avem pe coloană a, b, c; sistem
neomogen cu rangul 3 adică Cramer, cu soluţie unică pentru (a, b, c) daţi.
Formează bază.
Orice trei vectori liniar independenţi ı̂n R3 vor forma o bază. Ea nu este
unică. Spre exemplu B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} este
bază numită canonică şi orice x = (a, b, c) = ae1 + be2 + ce3 .
În general ı̂n Rn baza canonică este
bază şi dimensiune 21

B = {e1 = (1, 0, .., 0), e2 = (0, 1, .., 0), ..., en = (0, 0, .., 1)} şi orice x =
(x1 , x2 , ..., xn ) = x1 e1 + x2 e2 + .. + xn en . Deci este baza cu care lucrăm cel
mai uşor.

2.3.1 Schimbarea bazei


Am văzut că ı̂ntr-un spaţiu pot exista mai multe baze. Fie B = {e1 , e2 ,P ...., en }
şi B 0 = {e01 , e02 , ...., e0n } două baze ı̂n V şi x = x1 e1 + x2 e2 + .. + xn en = xi ei .
Ne interesează cum se scrie P acelaşi x dar ı̂n baza B 0 , adică cine ar fi x =
0 0 0 0 0 0 0 0
x1 e1 + x2 e2 + .. + xn en = xi ei ?.
Pentru a da un raspuns la problemă ar trebui să ştim cum se leagă B de
B . Desompunem fiecare vector din B 0 după cei din B,
0

n
X
e0j = s1j e1 + s2j e2 + ... + snj en = sij ei (2.2)
i=1

pentru fiecare j = 1, 2.., n.


x0i e0i = ( sij x0j )ei . Cum scrierea ı̂ntr-
P PP
Înlocuind mai sus rezultă x =
o bază este unică, rezultă
n
X
xi = sij x0j (2.3)
i=1

Dar nouă ne trebuie scrierea inversă, x0j funcţie de xi . Pentru aceasta scriem
matricial sistemul de deasupra astfel, fie
     0 
x1 s11 s12 .. s11 x1
 x2  0
 s21 s22 .. s11 
 0  x2
 
X=  : 
, S =  , X = 
 . . .. .   : 
xn sn1 sn2 .. snn x0n

Sistemul (2.3) se scrie X = S.X 0 , sau prin inversare X 0 = S −1 .X.


Se demonstrează ca matricea S, numită matricea schimbării de baze, este
inversabilă ı̂ntodeauna.
Aplicaţie: În R3 se consideră sistemele de vectori
B = {e1 = (1, 1, 0), e2 = (1, 0, 0), e3 = (1, 2, 3)}
B 0 = {e01 = (1, 3, 3), e02 = (2, 2, 3), e03 = (6, 7, 9)}
22 Capitolul 2. Spaţii vectoriale

a) Arătaţi că B şi B 0 sunt baze şi găsiţi matricea S a schimbării bazelor.
b) Găsiţi expresia vectorului x = 2e1 + 5e2 + 7e3 ı̂n baza B 0 .
Soluţie. Determinantul cu componentele lui B pe coloane este 6= 0 şi
cum sunt 3 vectori din R3 , B formează bază. Analog B 0 . Pentru a găsi S
descompunem e0j după B 0 :
 
 s11 + s21 + s31 = 1  s11 = 1
0
e1 = s11 e1 + s21 e2 + s31 e3 =⇒ s11 + 2s21 = 3 ⇔ s21 = −1
3s31 = 3 s31 = 1
 

Analog e02 = s12 e1 + s22 e2 + s32 e3 =⇒ s12 = 0, s22 = 1, s32 = 1 şi


e03 = s13 e1 + s23 e2 + s33 e3 =⇒ s13 = 1, s23 = 2, s33 = 3.
Astfel că
   
1 0 1 −1 −1 1
S =  −1 1 2  cu S −1 =  −5 −2 3 
1 1 3 2 1 −1

X este matricea coloană de elemente (2, 5, 7), astfel că


     
−1 -1 1 2 0
X 0 = S −1 .X =  −5 -2 3  .  5  =  1 
2 1 −1 7 2
adică x = 0e01 + 1e02 + 2e03 , scrierea lui x ı̂n baza B 0 .
Exerciţii propuse:
1. Găsiţi dimensiunea subspaţiului generat de vectorii din R3
a) S1 = {v1 = (1, 2, 3), v2 = (0, 1, 3), v3 = (1, 1, 0)}
b) S2 = {v1 = (1, 2, 3), v2 = (2, 3, 0), v3 = (1, 1, 3)}
Calculaţi dimensiunile subspaţiilor intersecţie şi sumă ale lor.
2. Găsiţi expresia vectorului x = (0, 4, 2) ı̂n baza
B = {e1 = (1, 2, 3), e2 = (2, 3, 1), e3 = (3, 1, 2)}.
3. Arătaţi că

B 0 = {e01 = (1, 1, 0), e02 = (1, 0, 1), e03 = (0, 1, 1)}


B 00 = {e001 = (0, 1, −1), e002 = (1, 0, −1), e003 = (1, −1, 0)}
Lema substituţiei 23

sunt baze şi găsiţi matricea S a schimbării bazelor şi expresia vectorului
x = (1, 1, 1) ı̂n bazele B 0 şi B 00 .

4. Să se determine dimensiunea sumei şi a intersecţiei subspaţiilor gener-


ate de vectorii
U = {u1 = (1, 2, −1), u2 = (3, 4, −2), u3 = (2, 2, −1)} şi
V = {v1 = (0, 1, 1), v2 = (1, 2, 0)}.

5. Găsiţi dimensiunea subspaţiului din R3 a soluţiilor sistemului



 x1 − x2 + x3 = 0
2x2 − x3 = 0 .
2x1 + x3 = 0

2.3.2 Lema substituţiei

Există o metotă algoritmică (de aplicat şi pe calculator) pentru a găsi expresia
unui vector ı̂ntr-o bază, matricea schimbării de baze şi alte aplicaţii. Este
vorba de lema substituţiei. Pe scurt ea constă ı̂n:
Să presupunem că B = {e1 = (1, 0, .., 0), e2 = (0, 1, .., 0), .., en = (0, 0, .., 1)}
este baza canonică şi
B 0 = {e01 = (s11 , s21 , .., sn1 ), e02 = (s12 , s22 , .., sn2 ), ..., e0n = (s1n , s2n , .., snn )}.
Întocmim un tabel de forma

e01 e02 ...e0j .. e0n x


e1 s11 s12 ..s1j .. s1n x1
e2 s21 s22 ..s2j .. s2n x2
. . . .. .. . .
ei si1 si2 ..sij .. sin xi
. . . .. .. . .
en sn1 sn2 ..snj .. snn xn

Dacă dorim să scoatem din baza B doar vectorul ei şi să-l ı̂nlocuim cu
vectorul e0j atunci trebuie să ne asigurăm că sij 6= 0, iar prin calcul se arată
24 Capitolul 2.Spaţii vectoriale

că tabelul devine


e01 e02 ...e0j .. e0n x
e1 s∗11 s∗12 ..0 .. s∗1n x∗1
e2 s∗21 s∗22 ..0 .. s∗2n x∗2
. . . .. .. . .
e0j s∗i1 s∗i2 ..1 .. s∗in x∗i
. . . .. .. . .
en s∗n1 s∗n2 ..0 .. s∗nn x∗n

unde s∗ik = ssik


ij
iar s∗hk = s1ij (sij shk − sik shj ) pentru h 6= i, adică o regulă a
dreptunghiului. Analog, x∗i = sxiji iar x∗h = s1ij (sij xh − xi shj ) pentru h 6= i.
Eliminând pe rând toate elementele bazei B, ı̂nlocuindu-le cu cele ale
bazei B 0 , după n paşi se obţine x ı̂n baza B 0 .
Exemplificăm prin câteva exerciţii acest lucru
Aplicaţie: 1. Găsiţi cu lema substituţiei expresia vectorului x = (0, 4, 2)
ı̂n baza B 0 = {e01 = (1, 2, 3), e02 = (2, 3, 1), e03 = (3, 1, 2)}.
Considerăm B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} baza canonică
şi ı̂ntocmim tabelul
e01 e02 e03 x
e1 1 2 3 0
e2 2 3 1 4
e3 3 1 2 2

Scoatem din bază pe e1 şi ı̂l ı̂nlocuim cu e01 . Tabelul devine

e01 e02 e03 x


e01 1 2 3 0
e2 0 −1 −5 4
e3 0 −5 −7 2

Scoatem din bază pe e2 şi ı̂l ı̂nlocuim cu e02 . Tabelul devine

e01 e02 e03 x


e01 1 0 −7 8
e02 0 1 5 −4
e3 0 0 18 −18
Lema substituţiei 25

Scoatem din bază pe e3 şi ı̂l ı̂nlocuim cu e03 . Tabelul devine

e01 e02 e03 x


e01 1 0 0 1
e02 0 1 0 1
e03 0 0 1 −1

Deci de pe ultima coloană citim x = 1e01 + 1e02 − 1e03 = e01 + e02 − e03 .
2. Găsiţi matricea de trecere de la baza
B 0 = {e01 = (1, 1, 0), e02 = (1, 0, 0), e03 = (1, 2, 3)} la baza
B 00 = {e001 = (1, 3, 3), e002 = (2, 2, 3), e003 = (6, 7, 9)} şi expresia vectorului
x = (14, 16, 21) ı̂n cele două baze.
Considerăm B baza canonică şi ı̂ntocmim un tabel dublu

e01 e02 e03 e001 e002 e003 x


e1 1 1 1 1 2 6 14
e2 1 0 2 3 2 7 16
e3 0 0 3 3 3 9 21

Scoatem pe rând e1 , e2 , e3 şi le ı̂nlocuim cu e01 , e02 , e03 ,

e01 e02 e03 e001 e002 e003 x


e01 1 1 1 1 2 6 14
e2 0 −1 1 2 0 1 2
e3 0 0 3 3 3 9 21

e01 e02 e03 e001 e002 e003 x


e01 1 0 2 3 2 7 16
e02 0 1 −1 −2 0 −1 −2
e3 0 0 3 3 3 9 21

e01 e02 e03 e001 e002 e003 x


e01 1 0 0 1 0 1 2
e02 0 1 0 −1 1 2 5
e03 0 0 1 1 1 3 7
26 Capitolul 2.Spaţii vectoriale
 
1 0 1
Observăm că matricea de trecere de la B 0 la B 00 este S =  −1 1 2 
1 1 3
şi expresia lui x ı̂n B 0 este x = 2e01 + 5e02 + 7e03 . Pentru a găsi expresia lui x
ı̂n B 00 scoatem pe rând e01 , e02 , e03 şi le ı̂nlocuim cu e001 , e002 , e003 .

e01 e02 e03 e001 e002 e003 x


e001 1 0 0 1 0 1 2
e02 1 1 0 0 1 3 7
e03 −1 0 1 0 1 2 5

e01 e02 e03 e001 e002 e003 x


e001 1 0 0 1 0 1 2
e002 1 1 0 0 1 3 7
e03 −2 −1 1 0 0 −1 −2

e01 e02 e03 e001 e002 e003 x


e001 −1 −1 1 1 0 0 0
e002 −5 −2 3 0 1 0 1
e003 2 1 −1 0 0 1 2
 
−1 -1 1
Astfel că x = 0e001 +1e002 +2e003 şi ı̂n plus citim că S −1 =  −5 −2 3  ,
2 1 −1
deci iată o metodă de a gasi inversa unei matrice pe această cale. De observat
că am folosit aceleaşi date ca ı̂n aplicaţia de la schimbări de baze, rezultatele
fiind aceleaşi.
Exerciţii.1. Găsiţi expresia vectorului x = (3, 3, 4) ı̂n baza B 0 = {e01 =
(1, 2, 3), e02 = (1, 1, 1), e03 = (1, −1, 0)}
2. Se dau B 0 = {e01 = (1, 2, 0), e02 = (2, 3, 0), e03 = (1, 1, 1)} şi B 00 = {e001 =
(0, 1, 1), e002 = (3, 5, 0), e003 = (1, 1, 1)}. Arătaţi că sunt baze, găsiţi matricea de
trecere şi expresia vectorului x = (1, , 2, 1) ı̂n cele două baze.
 
1 1 0 0
 1 2 0 0 
3. Găsiţi inversa matricei A =   1 3 1 1  cu lema substitutiei.

4 3 2 1
Spaţii euclidiene 27

2.4 Spaţii euclidiene


Am văzut că un exemplu important de spaţiu vectorial cu care am lu-
crat mai mult este Rn . Un element al său poate fi privit şi drept coordo-
nate ale unui punct ı̂n raport cu un reper. În acelaşi timp el este un vec-
tor. Noţiunea aceasta de reper este geometrică şi se referă la un sistem de
vectori ce formează o bază a spaţiului, fixaţi ı̂ntr-un punct. În geometrie
această noţiune capătă semnificaţie dacă putem măsura distanţele şi unghi-
urile. Definirea intuitivă a noţiunii de perpendicularitate are un corespondent
matematic ı̂n noţiunea de produs scalar.
Definiţie. Fie (V +, R) un spaţiu vectorial real.
Numim produs scalar pe V o aplicaţie notată h , i : V × V → R cu
proprietăţile:
1. hx, yi = hy, xi
2. hαx, yi = αhx, yi
3. hx1 + x2 , yi = hx1 , yi + hx2 , yi
4. hx, xi ≥ 0 şi hx, xi = 0 dacă şi numai dacă x = 0.
Noţiunea pare abstractă dar imediat ne lămurim ce semnificaţie geomet-
rică are.
Perechea (V, h , i) se numeşte spaţiu euclidian.
p
Definim norma (sau lungimea unui vector) ca fiind k x k= hx, xi. Din
4. observăm că are sens această noţiune.
Propoziţie 1. Are loc următoarea inegalitate a lui Cauchy

| hx, yi |≤k x kk y k

Demonstraţia e simplă şi o facem aici. Considerăm vectorul x + λy.


Evident hx + λy, x + λyi ≥ 0 oricare ar fi λ ∈ R. Dar aceasta se mai scrie,
λ2 hy, yi + 2λhx, yi + hx, xi ≥ 0, ∀λ ∈ R. Un polinom de grad 2 ı̂n λ este
peste tot pozitiv dacă şi numai dacă ∆ = 4(hx, yi2 − hx, xihy, yi) ≤ 0, adică
hx, yi2 ≤k x k2 k y k2 . Din aceasta rezulta inegalitatea lui Cauchy.
Propoziţie 2. Avem:
1. k x k≥ 0 şi = 0 dacă şi numai dacă x = 0
28 Capitolul 2. Spaţii vectoriale

2. k αx k=| α |k x k
3. k x + y k≤k x k + k y k
Numim distanţa de la x la y mărimea d(x, y) =k x − y k .
Propoziţie 3. Avem
1. d(x, y) ≥ 0 şi = 0 dacă şi numai dacă x = y
2. d(x, y) = d(y, x)
3. d(x, z) ≤ d(x, y) + d(y, z).
Demonstraţiile sunt imediate dacă ţinem seamă de inegalitatea lui Cauchy.
Definim unghiul a doi vectori ca fiind α ∈ [0, π] din relaţia

hx, yi
cos α = .
k x kk y k

Dacă α = π2 atunci vectorii se zic perpendiculari şi aceasta se ı̂ntâmplă


dacă şi numai dacă hx, yi = 0.
Două mulţimi se spun că sunt ortogonale (perpendiculare) dacă orice
vector din prima este perpendicular pe orice vector din a doua. În particular
putem discuta de subspaţii ortogonale, S1 ⊥ S2 .
Dacă dim V = n şi S este un subspaţiu in V , dim S = k, atunci se arată
că există un subspaţiu ortogonal lui S notat S ⊥ , dim S ⊥ = n − k, astfel ca
V = S ⊕ S ⊥.
Vectorii unei mulţimi din V se numesc ortogonali dacă oricare doi sunt
perpendiculari. Dacă ı̂n plus ei sunt şi de lungime unitate atunci mulţimea
se numeşte ortonormată. În particular discutăm de bază ortonormată ı̂n care
vectorii sunt 2 câte 2 perpendiculari şi de lungime unitate. Geometric, fixând
vectorii bazei ı̂ntr-un punct obţinem un reper ortonormat, sau cartezian.
Exemple: 1. În (Rn , +, R), dacă x = (x1 , x2 , ..., xn ) şi y = (y1 , y2 , ..., yn )
atunci un produs scalar convenabil este:

hx, yi = x1 y1 + x2 y2 + .... + xn yn

numit şi produsul scalar uzual. Avem


q p
k x k= x21 + x22 + .... + x2n ; d(x, y) = (x1 − y1 )2 + .... + (xn − yn )2 .
Spaţii euclidiene 29

În Rn o bază ortonormată este chiar baza canonică, B = {e1 = (1, 0, .., 0),
e2 = (0, 1, .., 0), ..., en = (0, 0, .., 1)}. Ea este ortonormată, deoarece spre
exemplu he1 , e2 i = 1.0+0.1+0.0+...0.0
√ = 0, deci e1 şi e2 sunt perpendiculari,
analog ceilalţi. Iar k e1 k= 1 + 0 + .... + 02 = 1, analog ceilalţi.
2 2

În R2 vectorii e1 = (1, 0) = i, e2 = (0, 1) = j fixaţi ı̂ntr-un punct O


formează un reper ortonormat şi se reprezintă ca mai jos. Analog in spaţiu,
e1 = (1, 0, 0) = i, e2 = (0, 1, 0) = j, e3 = (0, 0, 1) = k.

Oz
Oy 6
6

Oy
-
j
6 Ox
- -
i Ox

Pe Rn produsul scalar uzual nu este singurul produs scalar dar este cel ce
intuitiv ne dă imaginea geometrică cunoscută. Noi vom folosi ı̂n mod curent
produsul scalar uzual pe Rn .
În spaţiul funcţiilor continue pe [a, b] un produs scalar des folosit este
Rb
hf, gi = a f (x)g(x)dx.

Procedeul de ortonormare Gram-Schmidt.


Fie S = {v1 , v2 , ..., vn } un sistem liniar independent (nu neapărat bază) de
vectori din spaţiul euclidian (V, h , i). Se pune problema obţinerii din acest
sistem a altuia S 0 = {e1 , e2 , ..., en } ortonormat şi care să genereze acelaşi
subspaţiu. Soluţia este dată de Procedeul Gram-Schmidt, care din aproape
ı̂n aproape construieşte acest sistem.
Întâi calculăm e1 = v1 .
k v1 k
Presupunem prin inducţie că am găsit {e1 , e2 , ..., ek }, ortonormaţi. Atunci
30 Capitolul 2. Spaţii vectoriale

ek+1 se deduce după următoarea formulă

k
fk+1 X
ek+1 = unde fk+1 = vk+1 − hvk+1 , ei iei .
k fk+1 k i=1

pentru fiecare k până la n.


Aplicaţie: 1. Să se arate că vectorii v1 = (1, 2, −1) , v2 = (0, 1, 2) sunt
ortogonali, să se ortonormeze şi să se completeze la o bază ortonormată a
spaţiului.
Soluţie. Calculăm hv1 , v2 i = 1.0 + 2.1 − 1.2 = 0, deci v1 şi v2 sunt
perpendiculari. Îi ortonormăm, e1 = kvv11 k = √16 (1, 2, −1) şi e2 = kvv22 k =
√1 (0, 1, 2). Pentru ai completa la o bază ortonormată avem nevoie de ı̂ncă
5
un vector e3 care să satisfacă: he1 , e3 i = 0, he2 , e3 i = 0, k e3 k= 1. Luând e3 =
(x, y, z) aceste condiţii se scriu: x + 2y − z = 0, y + 2z = 0 şi x2 + y 2 + z 2 = 1.
Sistemul admite următoarele două soluţii e3 = ± √130 (5, −2, 1).

2. Să se ortonormeze sistemul de vectori S = {v1 = (1, 1, 1), v2 =


(1, 0, 1), v3 = (0, 1, 1)} ı̂n raport cu produsul scalar uzual.

Soluţie. k v1 k= 3 şi deci e1 = √13 (1, 1, 1).
Calculăm f2 = v2 − hv2 , e1 ie1 = (1, 0, 1) − 23 (1, 1, 1) = 31 (1, −2, 1), din care
rezultă e2 = kff22 k = √16 (1, −2, 1).
Calculăm f3 = v3 −hv3 , e1 ie1 −hv3 , e2 ie2 = (0, 1, 1)− 32 (1, 1, 1)+ 16 (1, −2, 1) =
1
6
(−3, 0, 3) = 31 (−1, 0, 1), din care rezultă e3 = kff33 k = √12 (−1, 0, 1).
Sistemul S 0 = {e1 = √13 (1, 1, 1), e2 = √16 (1, −2, 1), e3 = √1 (−1, 0, 1)}
2
este
ortonormat şi generează acelaşi subspaţiu ca şi S.
Să considerăm Sp un subspaţiu ı̂n V, dimSp = p, şi{e1 , e2 , ...ep } bază
ortonormată ı̂n Sp .
Prin proiecţia unui vector v pe Sp ı̂nţelegem vetorul w = pi=1 hv, ei iei .
P
El este perpendicular pe toţi vectorii subspaţiului.
Exerciţii propuse.
1. Să se ortonormeze sistemul {v1 = (1, 1, 0) , v2 = (−1, 1, 2)} şi să se
completeze la o bază ortonormată a spaţiului.
Transformări liniare 31

2. Să se ortonormeze cu Gram-Schmidt {v1 = (−1, 1, 1), v2 = (1, 2, −1),


v3 = (1, 2, 3)}
3. Să se găsească un complement ortogonal subspaţiului
a) S = {(x1 , x2 , x3 )/x3 = 0}. b) S = {(x1 , x2 , x3 )/x1 = x2 = x3 }.
4. Să se determine proiecţia vectorului v = (1, 1, 1) pe subspaţiul generat
de vectorii
a) {v1 = (1, 2, 3), v2 = (2, −1, 0)} b) S2 = {{(x1 , x2 , x3 )/x1 = x2 = x3 }
O aplicatie importantă privind spaţiile euclidiene se referă la metoda celor
mai mici pătrate, dar aceasta implică şi cunoştinţe de analiză matemetică.

2.5 Transformări liniare


Fie V un spaţiu vectorial. Un caz destul de des ı̂ntâlnit este cel al aplicaţiilor
ce duc vectori dintr-un spaţiu ı̂n vectori din el.
Definiţie. Numim transformare liniară o aplicaţie T : V → V ce satisface:
T (αx + βy) = αT (x) + βT (y) ; ∀α, β ∈ K, x, y ∈ V.
P
Să ne fixăm o bază ı̂n V, B = {e1, ,P
e2 , .., en } şi x = xi ei un vector. Din
liniaritatea lui T obţinem că T (x) = xi T (ei ) şi deci T este bine determi-
nată dacă cunoaştem vectorii
T (ei ) = a1i e1 + a2i e2 + ... + ani en , ∀i = 1, 2, ...n.

Obţinem astfel o matrice A = (aij ) ı̂n care coloana i este scrierea lui T (ei )
după baza B.
Dacă notăm matricial componentele vectoruli x ca fiind coloana cu
(x1 x2 xn )t = X, atunci matricial transformarea liniară este coloana
Y = T (X) = A.X
şi deci o transformare liniară ı̂ntr-o bază se scrie ca un sistem liniar

 a11 x1 + a12 x21 + .... a1n xn = y1
.... ..... ... ... .. .
an1 x1 + an2 x2 + ... ann xn = yn

32 Capitolul 2. Spaţii vectoriale

Astfel, variind liniar variabilele x1 , x2 , .., xn obţinem diverse răspunsuri


despre fenomenul studiat. De aici interesul pentru astfel de aplicaţii.
Dacă schimbăm baza B → B 0 cu matricea S obţinem vectorul Y 0 =
T (X 0 ) = A0 .X 0 . Ne interesează ce legătură există ı̂ntre A şi A0 . Răspunsul ı̂l
găsim dacă ţinem cont că X = S.X 0 şi anlog Y = S.Y 0 . Obţinem că

A0 = S −1 .A.S

Astfel de matrice se numesc matrice asemenea.


Definiţie. Un vector x ∈ V se numeşte vector propriu pentru T dacă
există λ ∈ K astfel ca T (x) = λx.
Scalarul λ se numeşte valuare proprie corespunzătoare lui x.
De fapt, pentru un λ dat putem vorbi nu numai de un vector propriu x
ci de un subspaţiu propriu

Vλ = {x ∈ V / T (x) = λx}

acesta fiind lăsat pe loc prin transformarea T.


Dacă lucrăm matricial ı̂ntr-o bază atunci T (x) = λx ne dă A.X = λX,
adică sistemul liniar omogen

(A − λI)X = 0.

El are soluţii nenule dacă

p(λ) = det(A − λI) = 0.

p(λ) este un polinom de grad n ı̂n λ numit polinom caracteristic. Printre


rădăcinile din K ale polinomului p(λ) = 0 găsim şi valorile proprii ale trans-
formării liniare T. Rezolvând sistemul (A − λI)X = 0 pentru aceste valori
proprii obţinem vectorii proprii (subspaţiile proprii) corespunzători.
Vectorii şi valorile proprii sunt aceeaşi idiferent de bază.
Aplicaţie. Arătaţi că T (x) = (x1 + x2 , x1 + x3 , x2 + x3 ) este o transfor-
mare liniară ı̂n R3 .
a) Determinaţi T (1, 0, −1)
Transformări liniare 33

b) Scrieţi matricea lui T ı̂n baza canonică din R3 şi ı̂n baza B 0 = {e01 =
(−1, 1, 1), e02 = (1, 2, −1), e03 = (1, 2, 3)}.
c) Găsiţi valorile şi vectorii proprii ai transformării.

Soluţie. Se verifică direct luând x = (x1 , x2 , x3 ) şi y = (y1 , y2 , y3 ) că


T (αx + βy) = αT (x) + βT (y).
a) T (1, 0, −1) = (1, 0, −1), deci este vector propriu pentru λ = 1
b) Matricea A ı̂n baza canonică B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 =
(0, 0, 1)} se obţine calculând
 T
(e1 ) = (1, 1, 0), T (e2 ) = (1, 0, 1) , T (e3 ) =
1 1 0
(0, 1, 1) şi deci A =  1 0 1  .
0 1 1
 
−1 1 1
Matricea S a schimării de baze B → B 0 este S =  1 2 2  şi deci
1 −1 3
0 −1
A = S A.S, calcul direct.

1−λ 1 0

c) Rezolvăm ecuaţia det(A − λI) = 0, adică 1 −λ 1 = 0.

0 1 1−λ
Obţinem λ1 = 1, λ2 = −1 , λ3 = 2, valorile proprii.

 x2 = 0
Pentru λ1 = 1 sistemul (A − λI)X = 0 devine x1 − x2 + x3 = 0
x2 = 0

cu soluţia Vλ1 = {(α, 0, −α)}.
(pentru α = 1 se obţine cazul a) ).

 2x1 + x2 = 0
Pentru λ2 = −1 sistemul (A−λI)X = 0 devine x1 + x2 + x3 = 0
x2 + 2x3 = 0

cu soluţia Vλ2 = {(α, −2α, α)}.

 −x1 + x2 = 0
Pentru λ3 = 2 sistemul (A−λI)X = 0 devine x1 + −2x2 + x3 = 0
x2 − x3 = 0

cu soluţia Vλ3 = {(α, α, α)}.
Acestea sunt subspaţiile proprii din care putem extrage spre exemplu
următorii vectorii proprii v1 = (1, 0, −1), v2 = (1, −2, 1), v3 = (1, 1, 1)
34 Capitolul 2. Spaţii vectoriale

Exerciţii propuse. Determinaţi valorile şi vectorii proprii ale transformărilor


T : R3 → R3 ,
a) T (x) = (4x1 − 5x2 + 2x3 , 5x1 − 7x2 + 3x3 , 6x1 − 9x2 + 4x3 ) .
b) T (x) = (x1 + x2 + x3 , x2 + x3 , x3 ) .

2.6 Forme biliniare şi pătratice


Noţiunile pe care le introducem sunt tot de algebră liniară dar prezintă
importanţă pentru analiza matematică şi geometrie.
Fie (V, +, R) un spaţiu real.
Definiţie: O aplicaţie f : V × V → R ce satisface axiomele
1) f (αx1 + βx2 , y) = αf (x1 , y) + βf (x2 , y) , ∀α, β ∈ R, x1 , x2 , y ∈ V
2) f (x, αy1 + βy2 ) = αf (x, y1 ) + βf (x, y2 ) , ∀α, β ∈ R, x, y1 , y2 ∈ V
se numeşte formă biliniară.
P P
Dacă B = {e1 , e2 , ..., en } P
este o bază ı̂n V şi x = xi ei , y = yj ej , din
axiome rezultă că f (x, y) = xi yj f (ei , ej ). Deci forma biliniară este perfect
cunoscută dacă ı̂n baza B se dau f (ei , ej ) = aij şi deci
n
X
f (x, y) = aij xi yj cu f (ei , ej ) = aij
i,j=1

Matricea A = (aij ) se numeşte matricea formei biliniare ı̂n baza B.


Dacă B 0 = {e01 , e02 , ..., e0n } este altă bază şi f (e0i , e0j ) = a0ij , ce determină
matricea A0 = (a0ij ), ne intereseză ce legătură există ı̂ntre A şi A0 .P Pentru
aceasta considerăm S = (sij ) matricea schimbării de baze, e0j = sij ei .
0 0
Înlocuind ı̂n f (ei , ej ) după calcule se găseşte că

A0 = S t .A.S

legătura ı̂ntre matricile ı̂n cele două baze.


Forma biliniară f se numeşte simetrică dacă f (x, y) = f (y, x), matriceal
asta ı̂nseamnă că A este o matrice simetrică, aij = aji .
Forme biliniare şi pătratice 35

Unei forme biliniare simetrice f ı̂i putem asocia o aplicaţie h : V → R ,


h(x) = f (x, x), numită forma pătratică asociată lui f.
Şi invers, oricărei forme pătratice h aplicaţia f (x, y) = 21 {h(x+y)−h(x)−
h(y)} este forma biliniară asociată lui h.
În baza B, egalând pe y cu x, obţinem
n
X
h(x) = aij xi xj cu f (ei , ej ) = aij ,
i,j=1

f fiind forma biliniară asociată lui h.


La schimbări de baze matricea A se schimbă şi la forme pătratice după
aceeaşi formulă A0 = S t .A.S.
Aplicaţie: În raport cu baza canonică din R3 se consideră:

f (x, y) = x1 y1 + 2x2 y2 − 4x3 y3 + x1 y2 + x2 y1 − 2x1 y3 − 2x3 y1 + x2 y3 + x3 y2

a) Arataţi că f este biliniară simetrică şi scrieţi matricea sa ı̂n baza
canonică.
b) Găsiţi matricea lui f ı̂n baza B 0 = {e01 = (1, 1, 1), e02 = (1, 1, 0), e03 =
(1, 0, 0)}
c) Scrie-ţi forma pătratică asociată.
Pn
Soluţie: Să observăm că f (x, y) = i,j=1aij xi yj şi deci este o formă

1 1 −2
biliniară. Matricea sa este A =  1 2 1  care este simetrică. Pentru
−2 1  −4 
1 1 1
a găsi matricea ı̂n baza B 0 scriem S =  1 1 0  şi transpusa sa aici
1 0 0 
−1 4 0
coincide cu S. Se calculează A0 = S t .A.S =  4 5 2  .
0 2 1
Forma pătratică se obţine egalând pe x cu y,

h(x) = x21 + 2x22 − 4x23 + 2x1 x2 − 4x1 x3 + 2x2 x3 .


36 Capitolul 2. Spaţii vectoriale

Legat de această formă pătratică o problemă importantă este determinarea


unei alte baze ı̂n care h să se scrie cât mai simplu, spre exemplu să conţină
numai pătrate. Se spune că am găsit o expresie canonică a formei pătratice.
La modul P general, dacă in baza B = {e1 , e2 , ..., en } forma pătratică se
scrie h(x) = ni,j=1 aij xi xj , găsiţi o altă bază B 0 = {e01 , e02 , ..., e0n } ı̂n care
h(x0 ) = λ1 (x01 )2 + λ2 (x02 )2 + ... + λn (x0n )2 .
Problema este posibilă ı̂ntodeauna şi are mai multe soluţii.
Dăm aici două căi de a rezolva expresia canonică:
1. Metoda lui Gauss. În mare constă ı̂n următoarele
-se urmăreşte dacă ı̂n scrierea lui h(x) există termeni cu pătrate.
-dacă, spre exemplu, x1 este la pătrat atunci se grupează toţi termenii ce
conţin pe x1 şi se formează un binom sau trinom la pătrat.
-ce rămâne este o nouă formă pătratică ı̂n mai puţine variabile pentru
care se procedează ca mai sus.
Exemplificăm pe cazul de mai ı̂nainte această metodă. Avem
h(x) = x21 + 2x22 − 4x23 + 2x1 x2 − 4x1 x3 + 2x2 x3
şi observăm că x1 este la pătrat. Grupăm toti termenii ce conţin pe x1 .
Obţinem
h(x) = (x1 + x2 − 2x3 )2 + x22 − 8x23 + 6x2 x3 . Pentru ultima parte avem o
nouă formă pătratică ı̂n x2 şi x3 . Grupăm după x2 .
h(x) = (x1 + x2 − 2x3 )2 + (x2 + 3x3 )2 − 17x23 .
 0
 x1 = x1 + x2 − 2x3
Acum dacă notăm x02 = x2 + 3x3 , obţinem că h(x0 ) = (x01 )2 +
0
x3 = x3

0 2 02
(x2 ) −17x3 , adică expresie canonică.Pentru a determina baza ı̂n care avem
 x1 = x01 − x02 + 5x03
aceasta inversăm sistemul şi rezultă, x2 = x02 − 3x03 .
0
x3 = x3

0
 Comparându-l
 cu X = SX , matricea schimbării de baze este S =
1 −1 5
 0 1 −3  , iar vectorii noii baze sunt coloanele lui S.
0 0 1
2. Metoda lui Jacobi. Se scrie matricea formei patratice ı̂n baza dată.
Apicaţii ale geometriei ı̂n economie 37

a11 a12
Se notează cu ∆1 =| a11 |, ∆2 = , .. ∆r , determinanţii ı̂n ordine
a21 a22
crescătoare ca dimensiune de pe diagonala principală, toţi nenuli, r = rangA.
Atunci o expresie canonică este

1 0 2 ∆1 0 2 ∆r−1 02
h(x0 ) = (x1 ) + (x2 ) + ... + x .
∆1 ∆2 ∆r r

Aplicaţie. Să rezolvăm aceeaşi problemă prin metoda Jacobi.


h(x) = x21 + 2x22 − 4x23 + 2x1 x2 − 4x1 x3 + 2x2 x3 şi matricea sa ı̂n baza
canonicăeste: 
1 1 −2
1 1

A=  1 2 1  cu ∆1 = 1, ∆2 = = 1, ∆3 = det A = −17.
1 2
−2 1 −4
Deci expresie canonică este h(x0 ) = 11 (x01 )2 + 11 (x02 )2 − 1 02
x .
17 3
Să observăm că ea nu coincide cu cea din metoda Gauss. Aşa cum am
spus nu putem discuta de o singură expresie canonică dar toate se leagă prin
ceva, anume
Teorema lui Sylvester : Numărul semnelor de +, al celor de −, şi al celor
cu 0 este acelaşi ı̂n orice expresie canonică.
Exerciţii propuse.
1. Scrieţi matricea formelor biliniare ı̂n baza canonică:
a) f (x, y) = x1 y1 +4x2 y2 −3x3 y3 +2x1 y2 +2x2 y1 −x1 y3 −x3 y1 +3x2 y3 +3x3 y2
b) f (x, y) = x1 y1 − 3x3 y3 + 6x1 y2 + 6x2 y1 − 2x1 y3 − 2x3 y1 − x2 y3 − 3x3 y2
c) f (x, y) = 2x1 y1 + x2 y2 − x3 y3 + x1 y2 + x2 y1 − 3x1 y3 − 3x3 y1 + x2 y3 + x3 y2
d) f (x, y) = x1 y2 + x2 y1 − x1 y3 − x3 y1 + x2 y3 + x3 y2
2. Reduceţi prin metoda lui Gauss şi a lui Jacobi formele pătratice aso-
ciate.

2.7 Apicaţii ale geometriei ı̂n economie


În această secţiune dorim să recapitulăm noţiuni fundamentale de geometrie
analitică studiate ı̂n licee dar şi să le completăm (fără a le dezvolta) cu unele
38 Capitolul 1. Algebră liniară

necesare pentru ı̂nţelegerea altor discipline aplicative ı̂n economie.

2.7.1 Geometrie ı̂n planul euclidian


Am văzut că algebra liniară din R2 ı̂şi are o reprezentere plană prin fixarea

− →

unui punct O şi a bazei canonice e1 = (1, 0) = i şi e2 = (0, 1) = j . Aceasta
este noţiunea de reper cartezian plan. Unui punct M i se asociază un sistem
de numere M (x, y), numite coordonatele sale. În plus, avem definită noţiunea
de produs scalar, distanţă şi unghiuri.
Principalele elemente ale geometriei analitice a planului se leagă de puncte,
drepte şi curbe plane.
O dreaptă d se poate da prin cunoaşterea unui punct al sau M0 (x0 , y0 ) şi
a unui vector director −

v = (l, n).
−−−→
Un punct arbitrar se află pe dreaptă dacă M0 M = λ−
→v.

Oy M
6

M0 α
Ox
v -

Dezvoltat aceasta ı̂nseamnă că x − x0 = λl şi y − y0 = λn. Eliminând


parametrul λ obţinem că

x − x0 y − y0
= .
l n

Dacă l 6= 0, adică x 6= x0 , atunci y − y0 = m(x − x0 ), unde am notat


cu m = nl numită panta dreptei d, şi reprezintă tangenta unghiului orintat
dintre axa ox şi dreapta d.
Dacă l = 0 atunci dreapta devine x − x0 = 0.
Apicaţii ale geometriei ı̂n economie 39

O condiţie echivalentă cu a da un punct şi un vector pentru a scrie o


dreapta ı̂n plan este să dăm două puncte M0 (x0 , y0 ) şi M1 (x1 , y1 ). Ecuaţia
dreptei devine
x − x0 y − y0
= .
x1 − x0 y1 − y0
y1 − y0
Deducem că panta dreptei este m =
x1 − x0
Oricum, observăm că o dreaptă ı̂n plan se scrie sub formă generală ca
Ax + By + C = 0.

Fiind dat un punct P (x0 , y0 ) arbitrar, distanţa de la P la d se calculează


după formula
| Ax0 + By0 + C |
d(P, d) = √ .
A2 + B 2
Legat de dreaptă putem considera mulţimi de puncte care satisfac Ax +
By + C ≤ 0 sau Ax + By + C ≥ 0. Ele reprezintă semiplanele determinate
de dreapta d. Pentru a şti despre care din semiplane este vorba e suficient
să ne alegem un punct din plan şi să vedem care din cele două inegalităţi
este satisfăctă. Atunci toate puntele din acel semiplan vor verifica aceeaşi
inegalitate. Prin considerarea unui sistem de astfel de inegalităţi liniare se
pot obţine mulţimi de puncte, numite domenii, separate de semiplane. Ne
interesează de regulă cazul când domeniile sunt convexe.
Problema des ı̂ntâlnită este să determinăm maximul (profit) sau minimul
(cost) unei funcţii liniare f (x, y) = ax + by + c atuci când (x, y) sunt dintr-un
domeniu delimitat de un sistem de semiplane


 A1 x + B1 y + C1 ≥ 0
A2 x + B2 y + C2 ≥ 0


 ..................
An x + Bn y + Cn ≥ 0

cu x ≥ 0, y ≥ 0.
O astfel de ploblemă se numeşte programare liniară plană. Fără a demon-
sta, se arată că maximul sau minimul (optimul) functiei f (x, y) = ax + by + c
se atinge ı̂n acele puncte (vârfuri sau laturi) ale poligonului convex delim-
itat de semiplane (restricţii ) pentru care distanţa de la origine la dreptele
ax + by + λ = 0 este maximă.
40 Capitolul 1. Algebră liniară

Aplicaţie. Să se rezolve problema de programare liniară

max(3x + 2y) = ?
2x + y ≤ 10
x + 2y ≤ 8
4x − y ≥ 5
x, y ≥ 0.

Domeniu delimitat de restricţii este cel din figura de mai jos

Oy
6

B(2, 3)
H
HH
H
H
C(4, 2) A
A
2x + 3y = 0 A
HH DOMENIU
A Ox
H A
HH A -
H
H
A(1, 0) D(5, 0)

Ducând drepte paralele cu 3x + 2y = 0, cea mai ı̂ndepartată de origine


intersectează poligonul ı̂n x0 = 4 şi y0 = 2.
Deci max(3x + 2y) = 3.4 + 2.2 = 16.
O altă problemă este cea a curbelor plane. Principalele curbe plane sunt
-cercul (x − a)2 + (y − b)2 = r2 ,
x2 y2
-elipsa raportată la axe a2
+ b2
− 1 = 0,
x2 y2
-hiperbola raportată la axe a2
− b2
− 1 = 0,
2
-parabola raportată la axe y = 2px.
Presupunem cunoscute reprezentările lor.
Apicaţii ale geometriei ı̂n economie 41

2.7.2 Geometrie ı̂n spaţiul euclidian


În bună parte, noile manuale şcolare conţin şi aceste elemente de geometrie
analitică. Nu facem decât să le trecem ı̂n revistă fără să le dezvoltăm.
-Ecuaţiile dreptei determinate de un punct şi un vector director − →
v =
(l, m, n)
x − x0 y − y0 z − z0
= = .
l m n
-Ecuaţiile dreptei determinate de două puncte
x − x0 y − y0 z − z0
= = .
x1 − x0 y1 − y0 z1 − z0

-Planul determinat de un punct şi doi vectori



x − x0 y − y0 z − z0

l1 m 1 n 1
= 0.

l2 m2 n2

-Planul determinat de trei puncte




x − x0 y − y0 z − z0


x1 − x0 y1 − y0 z1 − z0 = 0.

x2 − x0 y2 − y0 z2 − z0

Aceşti determinanţi dezvoltaţi ne dau ecuaţia generală a planului

Ax + By + Cz + D = 0.

Distanţa de la un punct la un plan este

| Ax + By + Cz + D |
d= √ .
A2 + B 2 + C 2

Problema programarii liniare in spaţiu se formulează analog dar ea nu mai


are o soluţie grafică, ci este mult mai complicată, anume algoritmul simplex
ce are şi o versiune informatizată.
În spaţiu putem discuta de curbe şi suprafeţe.
42 Capitolul 1. Algebră liniară

Principalele suprafeţe sunt:


-sfera (x − a)2 + (y − b)2 + (z − c)2 = r2 ,
x2 y2 z2
-elipsoidul a2
+ b2
+ c2
− 1 = 0,
x2 y2 z2
-hiperboloidul cu o pânză a2
+ b2
− c2
− 1 = 0,
x2 y2 z2
-hiperboloidul cu două pânze a2
+ b2
− c2
+ 1 = 0,
x2 y2
-paraboloidul eliptic a2
+ b2
= z,
x2 y2
-paraboloidul hiperbolic a2
− b2
= z,
x2 y2 z2
-conul a2
+ b2
= c2
,
x2 y2 x2 y2
-cilindrii a2
+ b2
− 1 = 0, a2
− b2
− 1 = 0, y 2 = 2pz.
Intersectii de suprafeţe determină curbe ı̂n spaţiu.
Problemele pot fi generalizate la spaţii cu n dimensiuni. Spre exemplu
discutăm de hiperplane ca fiind puncte ce satisfac A1 x1 + A2 x2 + .... + An xn +
A0 = 0, sau de semispaţii A1 x1 + A2 x2 + .... + An xn + A0 ≥ 0, etc.
Partea II

Analiză matematică

43
Capitolul 3

Şiruri şi serii numerice

În această lecţie repetăm pe scurt câteva elemente din liceu privind şirurile,
pentru ca apoi să consierăm sume infinite cu termenii unui şir de numere.

3.0.3 Şiruri
Definiţie: Numim şir de numere reale o aplicaţie f : N → R, notată f (n) =
an , unde n ∈ N.
Un şir se numeşte mărginit dacă există M ∈ R asfel ı̂ncât | an |≤ M ,
∀n ∈ N.
Un şir se numeşte crescător dacă an ≤ an+1 , ∀n ∈ N. Dacă an ≥ an+1 ,
∀n ∈ N, şirul se numeşte descrescător. Un şir se numeşte monoton dacă este
fie crescător fie descrecător.
Definiţie: Un şir (an ) se spune că este convergent către a ∈ R dacă ∀ε > 0,
∃nε ∈ N asfel ı̂ncât ∀n > nε să avem | an − a |< ε.
Scriem acest lucru prin lim an = a şi spunem că an → a. Un şir care nu e
convergent se numeşte divergent.
Spunem an tinde la ∞ şi scriem lim an = ∞ dacă ∀ε > 0, ∃nε ∈ N asfel
ı̂ncât ∀n > nε să avem an > ε. Spunem an tinde la -∞ şi scriem lim an = −∞
dacă ∀ε > 0, ∃nε ∈ N asfel ı̂ncât ∀n > nε să avem an < −ε.
Limita unui şir dacă există este unică.
Cu şiruri se pot face operţiile de adunare, ı̂nmulţire, ı̂mpărţire, ridicare

45
46 Capitolul 3. Şiruri şi serii numerice

la putere.
Aşa cum ştim nu putem preciza limita şirurilor ı̂n următoarele situaţii:
±∞ 0

, 0, ∞.0, ∞ − ∞, 1∞ , ∞0 , 00 .
Definiţie: Un şir (an ) se numeşte fundamental (sau şir Cauchy) dacă
∀ε > 0, ∃nε ∈ N asfel ı̂ncât ∀n, m > nε să avem | an −am |< ε . Presupunând
m = n + p condiţia se scrie echivalent, | an+p − an |< ε.

Propoziţie.1. Un şir este convergent dacă şi numai dacă este fundamental.
2. Orice şir monoton şi mărginit este convergent.
3. Dacă bn ≤ an ≤ cn şi şirurile bn şi cn au aceeaşi limită, atunci şi an
tinde la aceeaşi limită (teorema cleştelui).
4. (Stolz-Cesaro) Fie bn → ∞ crescător. Dacă există
an+1 − an an
lim atunci ∃ lim
bn+1 − bn bn
şi cele două limite sunt egale.
n√
5. (Raportului) Fie an ≥ 0 şi ∃ lim an+1
an
atunci ∃ lim an = lim an+1
an
.
Următoarele limite sunt bine cunoscute:

lim(1 + n1 )n = e, lim n an = 1, lim( 0!1 + 1
1!
+ ... + 1
n!
) = e.
Exerciţii: Calculaţi limitele şirurilor:
2n+2 2n2 +3 n−1 (n+1)3 −(n−1)3
1. an = 3n+5
, 2. an = −3n+2
3. an = 2n2 +1
4. an = n2 +n+1
√ √ √
3 √
5 6
n+2− n2 +1− 1.2+2.3+....+n(n+1)
5. an = √ n+1 6. an = √ n +3
7. an =
n 3 n+1 12 +32 +....+(2n+1)2
1+ √1 +....+ √1n
 2 √n
2 1 n +3n+2
8. an = √
3
n+1
9. an = n2 +3
sin n! 10. an = n2 +1
q
n!
11. an = n
n+1
12. an = 11 sin x + 21 sin 2x + ... + 1
2n
sin nx

3.0.4 Serii numerice


Fie (an ) un şir de numere reale.
P∞
Dediniţie: Se numeşte serie o sumă de forma n=1 an = a1 + a2 + a3 +
... + an + ......
P
Pe scurt se mai notează cu an .
Serii numerice 47

Fie Sn = a1 + a2 + a3 + ... + an , numit şirul sumelor parţiale. Avem că


an = Sn − Sn−1 pentru n ≥ 2.
P
Dediniţie: Spunem că seria an este convergentă dacă şirul sumelor
parţiale este convergent, adică ∃ lim Sn şi este finită. În caz contrar seria se
zice că este divergentă.
Din relaţia an = Sn − Sn−1 rezultă că
P
Propoziţie 1. Dacă an este convergentă atunci an → 0, invers nu este
ı̂ntodeauna adevărat.
Din faptul că orice şir fundamental este convergent şi invers, rezultă
P
Propoziţie 2. Seria an este convergentă dacă şi numai dacă ∀ε > 0,
∃nε ∈ N asfel ı̂ncât ∀n > nε şi p ∈ N să avem | Sn+p − Sn |< ε.
Adică | an+1 + an+2 + .... + an+p | poate fi făcut oricât de mic.

q n = 1 + q + q 2 + .... + q n + ..., cu q 6= 1.
P
Exemple: 1. Seria geometrică,
n+1
Ştim de la progresii geometrice că Sn = q q−1−1 şi deci lim Sn există şi este
1
P n
finită dacă şi numai dacă | q |< 1, lim Sn = 1−q = q . Dacă | q |> 1 seria
este divergentă.
P1
2. Seria armonică, n
= 1 + 12 + 31 + ... + n1 + ... este divergentă din
următorul calcul:
P1
n
= 1 + 21 + ( 13 + 41 ) + ( 15 + ... + 18 ) + ... > 1 + 12 + 2 212 + 22 213 + ...
= 1 + 12 + 12 + 1
2
→ ∞.
+ ... > 1 + n
2
P 1 1 1 1
3. Să mai luăm un exemplu, n2
= 1+ 22
+ 32
+ ... + n2
+ ... este
convergentă din următorul calcul:
1 1 1
n2
< n(n−1) = n−1 − n1 pentru n ≥ 2. Când calculăm Sn doi câte doi
termeni se reduc şi 0 < Sn < 1 + 1 − n1 → 2, deci este convergentă seria.
Observăm că aceste exemple conţin numai termeni pozitivi. Nu este
obligatoriu dar cele cu termeni pozitivi au ceva aparte, şi anume că şirul
sumelor parţiale este crescător şi deci e suficient să fie mărginit pentru ca
seria să fie convergentă.
P
În general, seria modulelor | an | P
este cu termeni pozitivi şi dacă ea
este convergentă atunci spunem că seria an este absolut convergentă. Din
inegalitatea | an+1 + an+2 + ... + an+p |≤| an+1 | + | an+2 | +...+ | an+p |,
rezultă
48 Capitolul 3. Şiruri şi serii numerice

Propoziţie 3. Orice serie absolut convergentă este convergentă.

Serii cu termeni pozitivi.

Vom trata aici cazul când an > 0. Unele din afirmaţiile următoare sunt
imediate, altele sunt ceva mai complicate.
P
Propoziţie 1. Dacă Sn este mărginit atunci an este convergentă.
P P
Teorema 2. (Criterii de comparaţie) Fie an şi bn două serii cu an ≥
bn > 0.
P P
-Dacă an este convergentă atunci bn este convergentă.
P P
-Dacă bn este divergentă atunci an este divergentă.
Fie l = lim an+1
an
P P
-Dacă 0 < l < ∞ atunci an si bn au aceeaşi natură.
P P
-Dacă l = 0 şi bn este divergentă atunci an este divergentă.
P P
-Dacă l = ∞ şi an este convergentă atunci bn este convergentă.
P
Teorema 3. (Criteriul lui D’Alembert). Fie an o serie cu termeni
pozitivi.
an+1
-Dacă an
≤ k < 1 atunci seria este convergentă.
an+1
-Dacă an ≥ 1 atunci seria este divergentă.
-Dacă lim an+1
an
< 1 atunci seria este convergentă.
an+1
-Dacă lim an > 1 atunci seria este divergentă.
Observăm că nu se poate preciza nimic dacă lim an+1
= 1.
an
P
Teorema 4. (Criteriul rădăcinii al lui Cauchy). Fie an o serie cu
termeni pozitivi.

-Dacă n an ≤ k < 1 atunci seria este convergentă.

-Dacă n an ≥ 1 atunci seria este divergentă.

-Dacă lim n an < 1 atunci seria este convergentă.

-Dacă lim n an > 1 atunci seria este divergentă.

Observăm că nu se poate preciza nimic dacă lim n an = 1.
Următorul criteriu ne oferă o şansă atunci când lim an+1
an
= 1.
Serii numerice 49
P
Teorema 5. (Criteriul lui Raabe şi Duhamel). Fie an o serie cu termeni
pozitivi.
an
-Dacă lim n( an+1 − 1) < 1 atunci seria este divergentă.
an
-Dacă lim n( an+1 − 1) > 1 atunci seria este convergentă.
an
Nu se poate preciza nimic dacă lim n( an+1 − 1) = 1.
P
Teorema 6. (Criteriul de condensare, Cauchy). Fie an o serie cu ter-
meni pozitivi.
an şi 2n a2n au aceeaşi natură.
P P
Seriile
P 1
Aplicaţie. Considerăm
P n 1 seria armonică generalizată nα
. Ea are aceeaşi
1
P
natură cu 2 2nα = . Din exemplul seriei geometrice pentru q =
2n(α−1)
1
2
, rezultă:
P 1
Seria nα
este convergentă pentru α > 1 şi divergentă pentru α ≤ 1.
P1 P 1
De observat că, aşa cum am arătat, n
este divergentă, ı̂n timp ce n2
este convergentă.

Toate aceste criterii (şi altele pe care noi nu le tratăm aici) se aplică pentru
serii cu termeni pouitivi. Pentru serii cu termeni oarecare lucrurile sunt
mai complicate. Un prim criteriu are ı̂n vedere absoluta convergenţă.
P
P O serie se numeşte alternantă dacă an = a1 − a2 + a3 − a4 + .... =
n+1
(−1) an şi ai ≥ 0.
Teorema 6. (CriteriulP lui Leibnitz). Dacă şirul an este desrescător la 0,
n+1
atunci seria alternantă (−1) an este convergentă.

UnPultim criteriu se referă la serii ı̂n care termenii sunt produse de numere
reale, an b n .
Teorema P bn ≥ 0 este descrescător la 0
P 7. (Criteriul lui Abel). Dacă şirul
şi Sn = an este şir mărginit, atunci seria an bn este convergentă.

Aplicaţii. Studiaţi convergenţa seriilor cu termeni pozitivi:


√ 1 ; 2 n
P n+1 P 1 P 1 P P n+2 P 1 
I. 2n+3
; 2n +3n
; n2 +n+1
; √
n3 +1
; n 5
.
n(n+3)

Soluţii : Folosim criterii de comparaţie.


n+1
→ 12 6= 0, deci seria
P n+1
1. Şirul an = 2n+3 2n+3
este divergentă.
50 Capitolul 3. Şiruri şi serii numerice

1 1 1 1
P P
2. 2n +3 n < 2n
şi 2n
este geometrică convergentă, deci 2n +3n
este
convergentă.
1
< n12 şi seria armonică 1 1
P P
3. n2 +n+1 n2
este convergentă, deci n2 +n+1
este convergentă.

n(n+3)
4. Considerăm an = √ 1 şi bn = n1 . Calculăm lim abnn = lim n
=
n(n+3)
√ 1 1 1
P P P
1, deci şi n
au aceeaşi natură, adică divergente deoarece n
n(n+3)
este seria armonică divergentă.
5. Comparăm an = √n+2 cu b = √nn3 = √1n . Cum lim abnn = 1, cele două
n3 +1 P n
√1 =
P 1
serii au aceeaşi natură. Seria n 1 este divergentă, deci şi seria
P n+2 n2

n3 +1
este divergentă.
n n P 2 n
6. Şirul an = n1 25 < 52 şi seria geometrică 5
este convergentă,
P1 2 n
deci n 5
este convergentă.
P 2n+1 P 2n−1 P n4n P (2n)! P 2.5.8....(3n−1)
II. √ n; ; (n+1)2
; (n!)2
; .
( 2) n! 1.5.9...(4n−3)

Soluţii. Aplicăm criteriul raportului.


2n+1 2n+3 an+1
1. an = √ n şi an+1 = √ n+1 . Calculăm lim a = √1 < 1, deci seria
( 2) ( 2) n 2
2n+1
P
√ n este convergentă.
( 2)
n−1 n
2. an = 2 n! şi an+1 = (n+1)!
2
. Calculăm lim an+1
an
2
= lim n+1 = 0 < 1, deci
P 2n−1
seria n!
este convergentă.
n (n+1)4n+1
n4
3. an = (n+1)2 şi an+1 = (n+2)2
. Calculăm lim an+1
an
= 0 < 1, deci seria
este convergentă.
4. an = (2n)!
(n!)2
(2n+2)!
şi an+1 = ((n+1)!) an+1
2 . Calculăm lim a
n
= lim (2n+1)(2n+2)
(n+1)2
=
4 > 1, deci seria este divergentă.
5. an = 2.5.8....(3n−1)
1.5.9...(4n−3)
şi an+1 = 2.5.8....(3n−1)(3n+2)
1.5.9...(4n−3)(4n+1)
. Calculăm lim an+1
an
=
3n+2
lim 4n+1 = 34 < 1, deci seria este convergentă.
P n+1 n P n 2n+1 P √ 2 n P √ n
III. 2n+3
; 3n−1
; n +1−n ; ( n n − 1) .
Soluţii. Aplicăm criteriul rădăcinii.
n+1 n
 √ n+1 1
1. an = 2n+3 şi calculăm lim n an = lim 2n+3 = 2
< 1, deci seria este
convergentă.
Serii numerice 51

n
2n+1 √ n
 2n+1
2. an = 3n−1 şi calculăm lim n an = lim 3n−1 n
= 19 < 1, deci
seria este convergentă.
√ n √ √
3. an = n2 + 1 − n şi calculăm lim n an = lim( n2 + 1 − n) =
1
lim √n2 +1+n = 0 < 1, deci seria este convergentă.
√ n √ √
4. an = ( n n − 1) şi calculăm lim n an = lim( n n − 1) = 0 < 1,deci seria
este convergentă.
P (2n)! P en n! P n2 +1
IV. n
4 (n!) 2 ; nn
; ln n2 ;

Soluţie:
1. an = 4n(2n)!
(n!)2
şi an+1 = 4n+1(2n+2)!
((n+1)!)2
. Calculăm lim an+1
an
= lim (2n+1)(2n+2)
4(n+1)2
=
1, deci nu putem trage o concluzie din criteriul raportului. Aplicăm Raabe-
2 −(2n+1)(2n+2)
Duhamel, lim n( an+1 an
− 1) = lim n 4(n+1) (2n+1)(2n+2)
= 12 < 1 deci seria este
divergentă.
n n+1
2. an = ennn! şi an+1 = e(n+1)
(n+1)! an+1
n+1 . Calculăm lim a
n
= 1. Aplicăm Raabe-
an
Duhamel, lim n( an+1 − 1) = 0 < 1, deci seria este divergentă.
2 2
3. an = ln nn+1
2 şi an+1 = ln nn2 +2n+2
+2n+1
. Calculăm lim an+1
an
= 1. Aplicăm
n2 +1 n2 +2n+2
an ln 2 −ln 2
Raabe-Duhamel, lim n( an+1 − 1) = lim n n n2 +2n+2
n +2n+1
> 1, deci seria con-
ln 2
n +2n+1
verge.

2n
V. (−1)n+1 n1 ; (−1)n+1 sin n12 ; (−1)n+1 n+1
P P P P cos nx
; n2

Soluţie: Aplicăm criteriul lui Leibnitz


1
1. an = n
→ 0 descrescător, deci seria este convergentă.
2. an = sin n12 → 0 descrescător, deci seria este convergentă.

2n

3. an = n+1 → 2, deci seria este divergentă.
4. Aplicăm Abel: bn = n1 şi | Sn |= n1 | cos x + cos 2x + ... + cos nx |≤ 1,
deci Sn mărginit; seria este convergentă.

Exerciţii propuse: Studiaţi convergenţa seriilor.

X 1 X 1 X 1 X 1 X n
√ ; ; 2n sin ; ;
n2 + 3n + 2 2n + 1 n n! 3n
52 Capitolul 3. Şiruri şi serii numerice
√ √
X n2 X 12 + 22 + ... + n2 X n3 + 1 − n3 X 2n
, ; ;
n! en n3 n n!
X n2 + n + 3
  n X 12 + 22 + ... + n2 n
  n X  n + 3 n ln n
; − ;
n2 n3 4 2n + 3

Xe n X 1.3.5....(2n − 1) X 12 .52 .....(4n − 3)2
1
; ;
n 2.4.6....2n 2n + 1 32 72 .....(4n − 1)2

X
n+1 1
X
n+1 n X 1 + 2 + ... + 2n
(−1) ; (−1) ; (−1)n+1
ln n n+3 2n+1
X sin nx X sin nx. cos nx X
n2 +1 2n
; ; (−1) .
3n n3 (n + 1)n
Capitolul 4

Şiruri şi serii de funcţii

Un şir de funcţii, notat (fn ), este privit ca o aplicaţie de la mulţimea nu-


merelor naturale la mulţimea funcţiilor reale. Fie D domeniul comun de
definire al funcţiilor fn.
Spunem că un punct x0 ∈ D este punct de convergenţă al lui (fn )
dacă şirul de numere reale (fn (x0 )) este convergent. Notăm cu C mulţimea
punctelor de convergenţă.
Numim funcţie limită o funcţie f : C → R cu propietatea că lim fn (x) =
f (x).
Definiţie. Spunem că (fn ) converge simplu pe D către f dacă ∀x ∈ D şi
∀ε > 0, ∃n(ε, x) ∈ N astfel ca |fn (x) − f (x)| < ε , ∀n > n(ε, x)
Dacă n(ε, x) este acelaşi pentru orice x ∈ D spunem că (fn ) converge
uniform pe D către f.
Teoremă 1. Dacă (fn ) este un şir de funcţii continue, uniform convergent
către f , atunci funcţia limită f este continuă pe acea mulţime.
2. Dacă (fn ) este un şir de funcţii derivabile, uniform convergent
către f şi şirul derivatelor converge uniform către g, atunci funcţia f 0 = g pe
mulţimea de derivabilitate.
3. Dacă (fn ) este un şir uniform convergent, de funcţii integrabile pe
Rb Rb
[a, b] ,atunci funcţia limită f este integrabilă şi lim a fn (x)dx = a f (x)dx.
Demonstrarea acestor afirmaţii este ceva mai delicată şi nu insistăm aici
asupra sa.

53
54 Capitolul 4. Şiruri şi serii de funcţii

Exemple remarcabile de clase de şiruri sunt:


1, x2 , x3 , ...., xn , ......
a1 sin x + b1 cox, a2 sin 2x + b2 co2x, ......, an sin nx + bn conx, .....

4.1 Serii de funcţii


Fie (fn ) un şir de funcţii definite pe d.
P
Definiţie. Numim serie de funcţii simbolul fn = f1 + f2 + ... + fn + ....
P P
Seria fn se spune că este convergentă ı̂n x0 dacă seria numerică fn (x0 )
este convergentă.
Mulţimea C a punctelor ı̂n care seria este convergentă se numeşte domeniu
de convergenţă. Fie Sn = f1 + f2 + ... + fn .
P
Seria fn converge simplu la f (x) dacă ∀ε > 0 şi x ∈ C, ∃n(ε, x) ∈ N
astfel ca |Sn (x) − f (x)| < ε pentru ∀n > n(ε, x).
P
Seria fn converge uniform la f (x) dacă ∀ε > 0 şi ∀x ∈ C, ∃n(ε) ∈ N
astfel ca |Sn (x) − f (x)| < ε pentru ∀n > n(ε).
Folosind criteriul lui Cauchy pentru Sn , condiţia de uniformă convergenţă
se traduce prin:
∀ε > 0 şi ∀x ∈ C, ∃n(ε) ∈ N astfel ca |fn+1 + fn+2 + ... + fn+p | < ε,
pentru ∀n > n(ε) şi p ≥ 1.
Teoremă 1.(Weierstrass)
P O serie este uniform convergentă pe C dacă ex-
istă o serie numerică an cu termeni pozitivi astfel ı̂ncât |fn (x)| ≤ an ,
∀n ∈ N şi ∀x ∈ C.
P
2. O serie fn uniform convergentă de funcţii continue are ca
sumă o funcţie f continuă.
P
3. Fie fn uniform
P 0 convergentă la f şi fn funcţii derivabile pe
0
C. Dacă seria derivatelor fn este uniform convergentă la g, atunci f = g.
P
4. Fie fn uniform convergentă la f şi fn funcţii integrabile pe [a, b] .
PRb Rb
Atunci funcţia sumă f este integrabilă pe [a, b] şi a
fn (x)dx = a
f (x)dx.
Observăm că aceste operaţii de derivabilitate şi integrabilitate se transmit
asupra funcţiei sumă numai ı̂n condiţia de uniformă convergenţă a seriei.
Serii de puteri 55

Discutăm ı̂n continuare o clasă particulară de serii de funcţii cu multe


aplicaţii practice, ı̂n special ı̂n procese de aproximare.

4.1.1 Serii de puteri


an xn = a0 + a1 x + a2 x2 + ... +
P
Numim serie de puteri o serie de forma
an xn + ....
Dat fiind faptul că şirul de funcţii este format din puterile lui x, vor
rezulta nişte proprietăţi pentru seriile de puteri mult mai convenabile. Spre
exemplu,
Propoziţie. Mulţimea de convergenţă e nevidă (x0 = 0 este punct de
convergenţă)
an xn există un număr
P
Teorema lui Abel. Pentru orice serie de puteri
R > 0, numit rază de convergenţă, astfel ı̂ncât
1. Seria este absolut convergentă pe (−R, R) şi divergentă pentru x ∈
/
[−R, R] .
2. Seria este uniform convergentă pe (−r, r) ⊂ (−R, R) .
Demonstraţia rezultă din următorul calcul simplu:
n
Fie x0 ∈ C, atunci ∀0 < x < x0 avem |an xn | = |an | xx0 |x0 |n <

|an | |x0 |n = an xn0 . Cum seria an xn0 cu termeni pozitivi este convergentă,
P
rezultă prima afirmaţie.
Problema convergenţei se reduce deci la determinarea razei de convergenţă.
Aceasta se rezolvă cu următoarea afirmaţie
an xn o serie de puteri, R raza sa de
P
Teorema Cauchy-Hadamard. Fie
convergenţă. Atunci,
p
1. Dacă ∃ lim n |an | = L, atunci R = L1 dacă 0 < L < ∞ şi R = ∞ dacă
L = 0;
an+1

2. Dacă ∃ lim an = L, atunci R = L1 dacă 0 < L < ∞ şi R = ∞ dacă
L = 0.
n
P Dinn faptul că an x sunt funcţii continue, derivabile, rezultă că suma seriei
an x P
va fi o funcţie continuă S(x) şi ı̂n orice punct din (−R, R) avem
0
S (x) = nan xn−1 .
56 Capitolul 4. Şiruri şi serii de funcţii
Rb P Rb
Prin integrare termen cu termen avem a
S(x)dx = ( a an xn dx).

4.1.2 Serii Taylor


Fie f : I → R o funcţie indefinit derivabilă ı̂n x0 ∈ I.
Definiţie. Prin seria Taylor a lui f ı̂n x0 ı̂nţelegem,

x − x0 0 (x − x0 )2 00 (x − x0 )n (n)
f (x0 ) + f (x0 ) + f (x0 ) + .... + f (x0 ) + .....
1! 2! n!

Teorema Taylor. Dacă f este derivabilă de n + 1 ori ı̂n x0 atunci

x − x0 0 (x − x0 )2 00 (x − x0 )n (n)
f (x) = f (x0 )+ f (x0 )+ f (x0 )+....+ f (x0 )+R(x)
1! 2! n!
şi lim R(x) = 0
x→x0

În particular, dacă x0 = 0 seria Taylor se numeşte seria Mac Laurin a


funcţiei f,

x 0 x2 xn
f (x) = f (0) + f (0) + f 00 (0) + .... + f (n) (0) + ....
1! 2! n!

Aplicaţie. I. Să se dezvolte ı̂n serie Mac Laurin funcţiile de mai jos şi să
se determine raza de convergenţă:
1. f (x) = ex . Derivatele f (n) (x) = ex şi deci f (n) (0) = 1. Aplicând formula
de mai sus obţinem

x x2 xn
ex = 1 + + + ..... + + ....
1! 2! n!
Pentru determinarea razei de convergenţă aplicăm formula Cauchy-Hadamard,
1
an+1 (n+1)!
L = lim = = 0 şi deci R = ∞.
n→∞ an n!
2. f (x) = sin x. Calculând derivatele ı̂n 0 ale lui sin x, obţinem

x x3 x5 n x
2n+1
sin x = − + ..... + (−1) + ....
1! 3! 5! (2n + 1)!
Serii Taylor 57

şi R = ∞
3. f (x) = cos x. Calculând derivatele ı̂n 0 ale lui cos x, obţinem

x2 x4 x2n
cos x = 1 − + ..... + (−1)n+1 + ....
2! 4! (2n)!

şi R = ∞
Să observăm că prin ı̂nmultire cu numărul complex i avem

cos x + i sin x = eix ; cos x − i sin x = e−ix

şi deci
eix − e−ix eix + e−ix
sin x = ; cos x =
2 2
numite formulele lui Euler.
1
4. f (x) = . Din seria binomială ştim că
1−x
1
= 1 + x + x2 + x3 + .... + xn + ...
1−x
pentru x ∈ (−1, 1). Prin trecerea lui x ı̂n −x, obţinem pentru x ∈ (−1, 1)
1
= 1 − x + x2 − x3 + .... + (−1)n xn + ...
1+x

Pin integrare termen cu termen deducem că

x x2 x3 xn+1
ln(1 + x) = − + − .... + (−1)n + ...
1 2 3 n+1
pentru x ∈ (−1, 1).
5. f (x) = (1 + x)α , unde α ∈ R şi α 6= 0, 1, 2.... După calculul derivatelor
ı̂n x = 0 se deduce,

x x2 x2
(1 + x)α = 1 + α + α(α − 1) + ... + α(α − 1)..(α − n + 1) ...
1! 2! n!
convergentă pentru x ∈ (−1, 1).
58 Capitolul 4. Şiruri şi serii de funcţii

O analiză separată pentru convergenţă trebuie făcută de fiecare dată ı̂n


capetele intervalelor.
Exerciţii rezolvate. Determinaţi mulţimea de convergenţă pentru seriile:
P xn P n 2n−1 n n
n!(x − 4)n 4. (−1)n (2x)
P P
1. n2n
2. 2n+1
x 3. n
5.
P (x−2)n
n3n

Soluţii.

1 1 an+1
1. an = n2n
şi an+1 = (n+1)2n+1
Calculăm L = lim an = 12 , deci
.
R = 2. Seria este uniform convergentă pe (−2, 2). Studiem convergenţa ı̂n
alternantă (−1)n n1 care este convergentă. În x = 2
P
x = −2. Seria Pdevine
1
seria devine n
, divergentă. Deci mulţimea de convergenţă este [−2, 2).
n
2n−1 p
2. an = 2n+1 . Calculăm L = lim n |an | = 14 şi deci R = 4. Seria
este uniform convergentă pe (−4, 4). În x = 4 şi x = −4 se constată că seria
este divergentă.

an+1
3. Dacă notăm x−4 = y seria este de puteri cu an = n! şi L = lim an =
∞, deci R = 0. Seria este convergentă doar pentru y = 0, adică x = 4.
n
4. an = (−1)n 2n şi găsim cu raportul că L = 2, adică R = 12 . Seria este
uniform convergentă pe − 12 , 12 . În x = − 21 este divergentă iar ı̂n x = 12


convergentă.
5. Dacă notăm x − 2 = y seria este de puteri cu an = n31n , pentru care
˙
R = 3. Seria este uniform convergentă pentru y ∈ (−3, 3), adică x ∈ (−1, 5).
În x = −1 seria este convergentă iar ı̂n x = 5 divergentă.

II. Dezvoltaţi ı̂n serie Taylor funcţiile:


2 √
1. f (x) = ex , 2. f (x) = ln 1+x
1−x
, 3. f (x) = ln 1 + x2 , 4. f (x) = cos2 x,
1
5. f (x) = x2 −3x+2 .
Soluţii. 1. Inlocuim x cu x2 ı̂n dezvoltarea lui ex şi rezultă,
2 x2 x4 2n
ex = 1 + 1!
+ 2!
+ ..... + xn! + ....∀x ∈ R.
= ln(1 + x) − ln(1 − x) = 2 ∞
1+x
P x2n−1
2. f (x) = ln 1−x 0 2n−1 pentru x ∈ (−1, 1).
√ x2 x4 x6 2n+1
3. f (x) = ln 1 + x2 = 12 ln(1+x2 ) = 12 ( 1 − 2
+ 3
−....+(−1)n x2n+1 +...)
2 4 2n
4. f (x) = cos2 x = 21 (1+cos 2x) = 12 (2− (2x)
2!
+ (2x)
4!
.....+(−1)n+1 (2x)
(2n)!
+...)
Serii Taylor 59

x n
1 1 1
P∞ P∞
= − 12 1−1 x + 1−x
1
= − 12

5. f (x) = x2 −3x+2
= x−2
− x−1 0 2
+ 0 xn .
2
60 Capitolul 4. Şiruri şi serii de funcţii
Capitolul 5

Funcţii de mai multe variabile


reale

În liceu s-au studiat funcţii de forma f : D ⊂ R → R depinzând de o singură


variabilă x. Spre exemplu funcţiile elementare f (x) = x2 , f (x) = sin x,
f (x) = ln x etc., sau compuneri ale lor.
În multe aplicaţii numărul variabilelor poate fi mai mare, spre exemplu
f : D ⊂ R2 → R, prin f (x) = x2 + 2y 2 , f (x) = sin(x + 3y), etc. Aceste
funcţii asociază unui punct din plan (x, y) un număr real z = f (x, y).
Din punct de vedere geometric ele reprezintă suprafeţe ı̂n spaţiu R3 .
Câteva exemple le-am şi enumerat atunci când am discut geometrie analitică.
2 2
Exemplu: planul z = x + y − 3 sau paraboloidul eliptic z = xa2 + yb2 , etc.
O reprezentare intuitivă avem ı̂n desenul următor.

61
62 Capitolul 5. Funcţii de mai multe variabile reale

Oz
6
z = (x, y)
 
 

Oy
-

'$

.(x, y)
&%
Ox

La modul general, putem considera funcţii de n variabile, f : D ⊂ Rn →


R care asociază unui punct x = (x1 , x2 , ...., xn ) ∈ D → y = f (x) ∈ R.

5.1 Limite şi continuitate


Am văzut că Rn are o structură de spaţiu vectorial faţă de operaţiile clasice

(x1 , x2 , ...., xn ) + (y1 , y2 , ...., yn ) = (x1 + y1 , x2 + y2 , ...., xn + yn )


α(x1 , x2 , ...., xn ) = (αx1 , αx2 , ...., αxn )

şi ı̂n plus are şi o structură


p euclidiană ce ne permite să măsurăm unghiurile
şi distanţele, k x k= x1 + x22 + .. + x2n , d(x, y) =k x − y k .
2

Definiţie 1. Spunem că un punct a = (a1 , a2 , ...., an ) este limita unui şir
(x)k∈N de puncte din Rn (deci fiecare xk are n componenete) dacă ∀ε > 0 ,
∃k(ε) ∈ N astfel ca ∀k > k(ε) să avem k xk − a k< ε.
Dacă pe fiecare componentă şirurile (x1 )k , (x2 )k , ..., (xn )k sunt convergente
respectiv la a1 , a2 , ..., an atunci (x)k∈N este convergent ı̂n Rn la a.
Limite şi continuitate 63

Definiţie 2. Spunem că funcţia f : D ⊂ Rn → R are limita (globală) L ı̂n


punctul a = (a1 , a2 , ...., an ) ∈ D dacă ∀ε > 0 , ∃η(ε) > 0, astfel ca ∀x ∈ D cu
k x − a k < η să avem k f (x) − L k< ε. Scriem acest lucru prin lim f (x) = L.
x→a
Dacă L = f (a) atunci spunem că f este continuă ı̂n punctul a ∈ D.
Propoziţie. Dacă oicare ar fi şirul ((x1 )k , (x2 )k , ..., (xn )k ) → (a1 , a2 , ...., an )
avem
k f ((x1 )k , (x2 )k , ..., (xn )k ) − f (a1 , a2 , ...., an ) k< ε
atunci lim f (x) = f (a).
x→a
De observat că această afirmaţie nu spune că dacă avem limite pe fiecare
poziţie ı̂n parte atunci există limita globală. Spre exemplu putem considera
următoarele limite succesive, numite iterate,

lim { lim {... lim f (x1 , x2 , ...., xn )}...}


x1 →a1 x2 →a2 xn →an

care să existe dar să nu existe limita globală. Mai mult, dacă schimbăm
ordinea limitelor e posibil ca rezultatele să difere. Invers, dacă există limita
globală atunci toate aceste limite iterate vor fi egale cu L, respectiv f (a)
dacă este funcţie continuă ı̂n a.
Exemple:
 x−y
x+y
daca (x, y) 6= (0, 0)
1. Să se studieze limita funcţiei f (x, y) = ı̂n
0 daca (x, y) = (0, 0)
a = (1, 2) şi apoi ı̂n a = (0, 0).
În a = (1, 2) indiferent cum ne apropiem cu şiruri ((x)k , (y)k ) → (1, 2)
limita este aceeaşi L = −1 3
= f (a), deci funcţia este continuă.
x−y
În a = (0, 0) să calculăm ı̂ntâi limitele iterate lim {lim }} = lim (1) =
x→0 y→0 x + y x→0
x−y
1, iar lim {lim }} = lim (−1) = −1. aceasta ne spune deja că funcţia nu
y→0 x→0 x + y y→0
are limită ı̂n a = (0, 0). Mai mult, putem observa că dacă considerăm lim-
1 α n→∞ 1 α 1−α
 
itele unor şiruri de forma n , n → (0, 0) cu α fixat, atunci f n , n → 1+α ,
limită care depinde de valuarea lui α.
 2xy
x2 +y 2
daca (x, y) 6= (0, 0)
2. Să se studieze limita funcţiei f (x, y) = ı̂n
0 daca (x, y) = (0, 0)
a = (0, 0).
64 Capitolul 5. Funcţii de mai multe variabile reale

Calculăm limitele iterate


2xy 2xy
lim {lim 2 }} = lim (0) = 0, iar lim {lim }} = lim (0) = 0.
x→0 y→0 x + y 2 x→0 y→0 x→0 x2 + y 2 y→0

Deoarece ele sunt egale am putea  crede că limita este 0. Să considerăm
1 α n→∞
limitele unor şiruri de forma n , n → (0, 0) cu α fixat. Atunci f n1 , αn →


1+α2
, care depind de valuarea lui α. Deci limitele nu vor fi aceleaşi indiferent
de şirurile ce tind la (0, 0); funcţia nu are limită ı̂n (0, 0).

Exerciţii propuse:
1. Să se reprezinte grafic domeniul maxim de definiţie pentru funcţiile:
p
a) f (x, y) = 4 − x2 − y 2 b) f (x, y) = ln(y − x2 − 1)
2. Să se studieze existenţa limitelor ı̂n (0, 0) :
( 2 3
x y
x2 +y 2
; (x, y) 6= (0, 0)
a) f (x, y) =
0 ; (x, y) = (0, 0)
( sin xy
√ ; (x, y) 6= (0, 0)
b) f (x, y) = x2 +y 2
0 ; (x, y) = (0, 0)

5.2 Derivate parţiale


Vom introduce o noţiune care se studiază la unele clase şi ı̂n liceu, cea de
diferenţială la o funcţie de o variabilă.
Din câte cunoaştem cu toţii, prin derivata unei fucţii continue f : D ⊂
R → R ı̂n x0 ∈ D se ı̂nţelege următoarea limită

f (x) − f (x0 )
f 0 (x0 ) = lim .
x→x0 x − x0

Dacă notăm x − x0 = h, atunci limita se scrie echivalent:

f (x0 + h) − f (x0 )
f 0 (x0 ) = lim ,
h→0 h

care ne spune că derivata măsoară raportul dintre variaţia lui f (x) ı̂n x0 şi
variaţia lui x ı̂n jurul lui x0 . Ţinând seama de semnificaţia limitei aceasta
Derivate parţiale 65

ı̂nseamnă,
ω(h)
f (x0 + h) − f (x0 ) = f 0 (x0 ).h + ω(h) cu lim = 0.
h→0 h

Notăm cu df (x0 ) = f 0 (x0 ).h = L(h) şi care este o aplicaţie liniară ı̂n h,
numită diferenţiala funcţiei f ı̂n x0 .
În particular dacă f (x) = x, atunci df (x0 ) = f 0 (x0 ).h = h, indiferent de
df
punctul x0 . De aici şi notaţia, dx = h, iar derivata se mai scrie f 0 (x) = .
dx
x sin x
Aplicaţie: Calculaţi diferenţiala funcţiei f (x) = 2 ı̂n x0 = 0.
x +1
2 2
Avem df (0) = f 0 (0).h = f 0 (0)dx, iar f 0 (x) = (sin x+x cos x)(x +1)−2x sin x
x2 +1
şi
0
deci f (0) = 0, astfel că df (0) = 0. Nu acelaşi lucru se ı̂ntâmplă ı̂n alte
puncte.

Să trecem acum să generalizăm această noţiune la funcţii de mai multe
variabile reale.
Definiţie. O funcţie f : D ⊂ Rn → R este diferenţiabilă ı̂n a =
(a1 , a2 , ...., an ) ∈ D dacă există o aplicaţie liniară L : Rn → R astfel ı̂ncât

f (a + h) − f (a) − L(h)
lim = 0 ; ∀h = (h1 , h2 , ...., hn )
khk→0 khk

Din această definiţie rezultă imediat că există ω(h) astfel ı̂ncât

ω(h)
f (a + h) − f (a) = L(h) + ω(h) cu lim = 0.
khk→0 k h k

Să dăm o exprimare mai dezvoltată a acestei definiţii. Aplicaţia L :


n
R → R fiind liniară se poate scrie matricial ca L = (D1 , D2 , ..., Dn ) şi
h = (h1 , h2 , ..., hn )t , astfel că L(h) = D1 h1 + D2 h2 + ... + Dn hn . Pentru a fi
ı̂n notaţile din cazul n = 1 scriem L(h) = df (a)
Să considerăm două cazuri particulare imediate:
1. Fie f (x1 , x2 , ., xi , ..., xn ) = xi .
Atunci f (a1 + h1 , .., ai + hi , ..., an + hn ) − f (a1 , .., ai , ..., an ) = ai + hi −
ai = hi .
66 Capitolul 5. Funcţii de mai multe variabile reale

Prin urmare dxi (a) = hi .


2. Fie f (x1 , x2 , ., xi , ..., xn ) arbitrară dar diferenţiabilă.
În definiţia diferenţiabilităţii am văzut că limita este 0 indiferent de h ce
tinde la 0. Deci să alegem h particular, h = (0, 0, ., hi , ..., 0) . Rezultă,
f (a1 + 0, .., ai + hi , ..., an + 0) − f (a1 , .., ai , ..., an ) = Dh hi + ω(h). Cum
limkhk→0 ω(h)
khk
= 0, deducem că

f (a1 + 0, .., ai + hi , ..., an + 0) − f (a1 , .., ai , ..., an )


Di = lim .
hi →0 | hi |

Dacă există această limită ea se numeşte derivata parţială a funcţiei f ı̂n


∂f
punctul a şi se notează cu simbolul . În multe cazuri pentru prescurtare
∂xi
∂f
se foloseşte şi notaţia = fxi .
∂xi
∂f
Să observăm că seamănă cu derivata unei funcţii de o singură vari-
∂xi
abilă xi , ı̂n rest celelalte variabile fiind fixate. De aici şi termenul de derivată
parţială. Vom avea n astfel de derivate parţiale.

Revenind la diferenţiala unei funţii rezultă că ı̂ntr-un punct a oarecare,


pe care nu ı̂l mai scriem, vom avea
n
∂f ∂f ∂f X ∂f
df = dx1 + dx2 + .... + dxn = dxi .
∂x1 ∂x2 ∂xn i=1
∂x i

Se observă că diferenţiala unei funcţii ı̂ntr-un punct reprezintă variaţia


acelei funcţii cu ponderile hi = dxi ale direcţiilor ı̂n care se face variaţia
funcţiei.
Din punct de vedere economic, spre exemplu derivata partială ar putea
reprezenta o variatie a cererii atunci când unul din preţuri variază, diferenţiala
ar fi variaţia cererii de produse la o variaţie inflaţionistă de preţuri.
Se pune ı̂ntrebarea când o funcţie cu derivate parţiale este diferenţiabilă.
Răspunsul este dat de
Teoremă. i) Dacă f este diferenţiabilă ı̂n punctul a atunci ea admite
derivate parţiale ı̂n acel punct.
Derivate parţiale 67

ii) Dacă f admite derivate parţiale ı̂ntr-o vecinătate a punctului a


şi acestea sunt conţinute ı̂n acea vecinătate atunci f este diferenţiabilă ı̂n a.

La funcţii de o singură variabilă reală, ı̂n liceu s-au considerat şi derivate
de ordin superior, f 0 , f 00 , f 000 , .., f (n) ca fiind derivatele funcţiei anterioare ı̂n
acest şir. Putem considera derivate parţiale şi diferenţiale de ordin superior
∂2f
la funcţii de mai multe variabile, spre exemplu notăm prin derivata
 2 ∂xj ∂xi
∂f ∂ f
parţială ı̂n rapot cu xj a funcţiei . Matricea J = cu derivatele
∂xi ∂xj ∂xi
parţiale de ordin doi se numeşte matricea Jacobi a funcţiei f.
Pentru simplitate ı̂n continuare vom considera cazul funcţiilor de două
variabile, adică avem f (x, y), pentru care putem să consideram următoarele
derivate parţiale:

∂2f ∂2f ∂2f ∂2f ∂2f ∂2f


= ; = ; ; .
∂x∂x ∂x2 ∂y∂y ∂y 2 ∂x∂y ∂y∂x
00
Prescurtat acestea se mai notează : fx002 ; fy002 ; fxy 00
respectiv fyx .
Aplicaţie. Se dă funcţia f (x, y) = x3 + 2x2 y − 7xy 4 + sin(x2 + y 2 ).
a) Calculaţi diferenţiala funcţiei f ı̂n A(1, 0).
b) Calculaţi derivatele parţiale de ordin doi ale funcţiei.
∂f
Soluţie: a) ∂x
= 3x2 + 4xy − 7y 4 + 2x cos(x2 + y 2 ) şi
∂f
∂y
= 2x2 − 28xy 3 + 2y cos(x2 + y 2 ). Ele sunt funcţii continue. Calculate ı̂n
A(1, 0) ne dau, ∂f
∂x
(1, 0) = 3 + 2 cos 1 şi respectiv ∂f
∂y
(1, 0) = 2. Deci df (1, 0) =
(3 + 2 cos 1)dx + 2dy. Sigur, acestă diferenţială la rândul ei se calculează
pentru diverse direcţii dx şi dy.
∂2f
b) ∂x2
= 6x + 4y + 2 cos(x2 + y 2 ) − 4x2 sin(x2 + y 2 )
∂2f
∂y 2
= −84xy 2 + 2 cos(x2 + y 2 ) − 4y 2 sin(x2 + y 2 )
∂2f
∂x∂y
= 4x − 28y 3 − 4xy sin(x2 + y 2 )
∂2f
∂x∂y
= 4x − 28y 3 − 4xy sin(x2 + y 2 )
Observăm că ultimele două derivate parţiale sunt egale ı̂n orice punct. Se
ı̂ntâmplă aceasta pentru orice funcţie ?. Răspunsul este dat de:
68 Capitolul 5. Funcţii de mai multe variabile reale

Criteriul lui Schwarz. Presupunem că f (x, y) are derivatele parţiale


∂2f ∂2f
numite mixte de ordin doi şi ı̂ntr-un punct (a, b). Dacă acestea
∂x∂y ∂y∂x
sunt continue ı̂ntr-o vecinătate a punctului (a, b) atunci derivatele parţiale
mixte de ordin doi sunt egale.

O problemă interesantă priveşte derivarea funcţiilor compuse. Aici


nu vom intra ı̂n detalii, vom da doar câteva idei de lucru.
1. Presupunem că avem f (x, y) o funcţie ce admite derivate parţiale şi la
rândul lor x şi y sunt funcţii derivabile de un parametru t. Atunci un calcul
ar fi să facem ı̂nlocuirea f (x(t), y(t)) şi funcţia va fi derivabilă de o singură
variabilă t. Pentru a evita acest calcul putem aplica următoarea formulă:
df ∂f dx ∂f dy
f 0 (t) = = + .
dt ∂x dt ∂y dt

Exemplu: Fie f (x, y) = x2 + 2y 2 unde x = cos t şi y = sin t. Calculaţi


f 0 (t).
Calculăm ∂f
∂x
= 2x şi ∂f
∂y
= 4y, iar dx
dt
= − sin t şi dy
dt
= cos t. Din formula
de mai sus rezultă
f 0 (t) = −2 cos t sin t + 4 sin t cos t = 2 sin t cos t = sin 2t.
2. Presupunem că avem f (x, y) o funcţie ce admite derivate parţiale
şi la rândul lor x şi y sunt funcţii cu derivate parţiale de u şi v, adică
f (x(u, v), y(u, v)). Pentru calculul derivatelor parţiale a lui f ı̂n raport cu
u şi v putem aplica formulele:
∂f ∂f ∂x ∂f ∂y ∂f ∂f ∂x ∂f ∂y
= + ; = + .
∂u ∂x ∂u ∂y ∂u ∂v ∂x ∂v ∂y ∂v

Exemplu: Fie f (x, y) = ln(1 + x2 + 3y 2 ) şi x = u − v iar y = uv. Calculaţi


∂f
∂u
şi ∂f
∂v
.
Calculăm ∂f
∂x
= 2x
1+x2 +3y 2
şi ∂f
∂y
= 6y
1+x2 +3y 2
. Apoi, ∂x
∂u
= 1 ; ∂y
∂u
= v şi
∂x ∂y
∂v
= −1 ; ∂v = u.
Prin ı̂nlocuire ı̂n formulă obţinem
Derivate parţiale 69

∂f 6y ∂f −2x 6y
∂u
= 1+x2x
2 +3y 2 + 1+x2 +3y 2
v şi ∂v
= 1+x2 +3y 2
+ 1+x2 +3y 2
u ı̂n care x = u − v
iar y = uv.
Teorema lui Euler pentru funcţii omogene.
O funcţie f (x1 , x2 , ..., xn ) se numeşte omogenă de grad α dacă
f (tx1 , tx2 , ..., txn ) = tα f (x1 , x2 , ..., xn ) , ∀t ∈ R.

Aplicăm derivarea funcţiilor compuse şi rezultă:

df ∂f ∂f ∂f
dt
= x
∂(tx1 ) 1
+ x
∂(tx2 ) 2
+ ... + x
∂(txn ) n
= αtα−1 f.

Această formulă find valabilă ∀t ∈ R. În particular, facem t = 1 şi obţinem


formula
∂f ∂f ∂f
x1 + x2 + ... + xn = αf
∂x1 ∂x2 ∂xn
√ √ √
Aplicaţie. Să se arate ca funcţia f (x, y, z) = x y + z+y x + z+z y + x
este omogenă şi sã se verifice enunţul teoremei lui Euler.
3
Calculăm f (tx, ty, tz) = t 2 f (x, y, z), deci funcţia este omogenã de grad
3
2
. Avem:
∂f √
∂x
= y + z + 2√yx+z + 2√y+x z

∂f √
∂y
= 2√xy+z + x + z + 2√y+x z

∂f √
∂z
= 2√xy+z + 2√yx+z + y + x
Atunci expresia x ∂f
∂x
+ y ∂f
∂y
+ z ∂f
∂z
ne dă = 32 f.

5.2.1 Formula lui Taylor pentru funcţii de mai multe


variabile
În cadrul lecţiei privind dezvoltările ı̂n serie Taylor am prezentat o formulă
ce ne permitea să aproximăm funcţii cu serii de puteri, eventual cu sume
parţiale din serii de puteri. Ceva asemănător se ı̂ntâmplă şi la funcţii de mai
multe variabile.
Fie f : D ⊂ Rn → R , f (x1 , x2 , ..., xn ), şi a = (a1 , a2 , ..., an ) ∈ D ı̂n care
f are derivate parţiale până la ordinul k + 1.
70 Capitolul 5. Funcţii de mai multe variabile reale

Dacă luăm funcţia de o variabilă reală F : [0, 1] → R,


F (t) = f ((1 − t)a1 + tx1 , ..., (1 − t)an + txn )
ea satisface F (0) = f (a1 , a2 , ..., an ) şi F (1) = f (x1 , x2 , ..., xn ).
Pentru F (t) putem aplica formula lui Taylor de o singură variabilă reală,
şi avem

t2 00 tk (k)
F (t) = F (0) + 1!t F 0 (0) + 2!
F (0) + ... + k!
F (0) + R(t),
care pentru t = 1 devine
f (x1 , x2 , ..., xn ) = f (a1 , a2 , ..., an ) + 1!1 F 0 (0) + 2!1 F 00 (0) + ... + k!1 F (k) (0) + R.
Mai rămâne de calculat F 0 (0), F 00 (0), .., F (k) (0). Să observăm că F (α) (0) =
dF (α)
dt
(0) = diferenţiala de ordin α a funcţiei f ı̂n a = (a1 , a2 , ..., an ), notată
 (α)
cu (x1 − a1 ) ∂x∂ 1 + .... + (xn − an ) ∂x∂n . Astfel că
 
1 ∂ ∂
f (x) = f (a) + (x1 − a1 ) + .... + (xn − an ) f (a) + ...
1! ∂x1 ∂xn
 (k)
1 ∂ ∂
+ (x1 − a1 ) + .... + (xn − an ) f (a) + R.
k! ∂x1 ∂xn

Putem particulariza uşor formula pentru n = 2,


 
1 ∂ ∂
f (x, y) = f (a1 , a2 ) + (x − a1 ) + (y − a2 ) f (a) +
1! ∂x ∂y
2
∂2 2
 
1 2 ∂ 2 ∂
(x − a1 ) + 2(x − a1 )(y − a2 ) + (y − a2 ) f (a) +
2! ∂x2 ∂x∂y ∂y 2
 (k)
1 ∂ ∂
.... + (x − a1 ) + (y − a2 ) f (a) + R.
k! ∂x ∂y

Aplicaţie. Să se dezvolte ı̂n serie Taylor funcţiile:


a) f (x, y) = x3 − 2y 3 + xy ı̂n A(1, 2)
b) f (x, y) = x2 ey ı̂n A(0, 0)
Soluţie: a) Calculăm f (1, 2) = −13
Extreme la funcţii de mai multe variabile 71

∂f ∂f
∂x
= 3x2 + y |(1,2) = 5 ; ∂y
= −6y 2 + x |(1,2) = −23
∂2f ∂2f ∂2f
∂x2
= 6x |(1,2) = 6 ; ∂x∂y
= 1 |(1,2) = 1 ; ∂y 2
= −12y |(1,2) = −24
∂3f ∂3f ∂3f ∂3f
∂x3
= 6 |(1,2) = 6 ; ∂x2 ∂y
=0 ; ∂x∂y 2
= 0; ∂y 3
= −12
iar derivatele de ordin mai mare sunt 0. Obţinem,
1
f (x, y) = −13 + 1!
((x − 1)5 + (y − 2)(−23)) +
1 2
2!
((x − 1) 6 + 2(x − 1)(y − 2) + (y − 2)2 (−24)) +
1
3!
((x − 1)3 6 + (y − 2)3 (−12)) .
b) Procedăm analog, avem
∂f ∂f
∂x
= 2xey |(0,0) = 0 ; ∂y
= x2 ey |(0,0) = 0
∂2f ∂2f ∂2f
∂x2
= 2ey |(0,0) = 2 ; ∂x∂y
= 2xey |(0,0) = 0 ; ∂y 2
= x2 ey |(0,0) = 0
∂3f ∂3f 3
∂ f ∂3f
∂x3
|(0,0) = 0 ; ∂x2 ∂y
|(0,0) = 2 ; ∂x∂y 2 |(0,0) = 0; ∂y 3
|(0,0) = 0
şi la fel se deduc derivatele de ordin mai mare.
Înlocuind ı̂n serie obţinem,
1
f (x, y) = 2!
(2x2 ) + 3!1 (3x2 y) + ... = x2 (1 + 1!1 y + 2!1 y 2 + ...).
Exerciţii propuse: Dezvoltaţi ı̂n serie Taylor,
a) f (x, y) = ex ln(y + 1) ı̂n (0, 0)
b) f (x, y) = ex+y ı̂n (0, 0).

5.3 Extreme la funcţii de mai multe variabile


Amintim că derivata unei funcţii de o singură variabilă reală joacă un rol
important ı̂n determinarea punctelor de maxim sau minim ale funcţiei, adică
punctele de extrem.
Un punct x0 este de maxim (minim) pentru funcţia f : D ⊂ R → R dacă
găsim o vecinătate a lui x0 ı̂n care f (x) ≥ f (x0 ) (respectiv f (x) ≤ f (x0 )).
Pentru a determina punctele de extrem se calculează derivata f 0 (x) se rezolvă
ecuaţia f 0 (x) = 0 şi dacă x0 este o soluţie ea nu este neapărat punct de
extrem; dacă f 00 (x0 ) 6= 0 şi la stânga lui x0 funcţia f 0 (x) < 0 iar la dreapta
72 Capitolul 5. Funcţii de mai multe variabile reale

lui x0 funcţia f 0 (x) > 0 atunci x0 este punct de maxim. Dacă semnele sunt
invers atunci x0 este punct de minim.
Să trecem acum la funcţii de mai multe variabile reale.
Un punct x0 ∈ D este de maxim (minim) pentru funcţia f : D ⊂ Rn → R
dacă găsim o vecinătate a lui x0 ı̂n care f (x) ≥ f (x0 ) (respectiv f (x) ≤
f (x0 )). Pentru a caracteriza un punct de extrem e necesar să mai introducem
o noţiune.
Definiţie. Numim derivata funcţiei f după direcţia v = (v1 , v2 , ..., vn ) ∈
n
R mărimea
df ∂f ∂f ∂f
= v1 + v2 + ... + vn =< v, grad f >
dv ∂x1 ∂x2 ∂xn
 
∂f ∂f ∂f
unde grad f = ∂x1 , ∂x2 , ..., ∂xn este un vector care ı̂n cazul unei suprafeţe
y = f (x, y) este perpendicular (ortogonal) la suprafaţă ı̂n acel punct.

Oz
6
grad
6
 
-

 

Oy
-

'$

.(x, y)
&%
Ox

Considerând curbe pe suprafaţă ce trec prin punctul de extrem x0 tan-


gentele la acestea vor trebui să fie perpendiculare pe vectorul grad f, deci
< v, grad f >= 0 pentru vectori tangenţi la curbe. În particular, alegem
Extreme la funcţii de mai multe variabile 73

ı̂n punctul de extrem curbele pentru care vectorii tangenţi sunt coliniari cu
axele de coordonate, adică v = ei = (0, 0, ..., 1, 0, ..., 0) , i = 1, 2, .., n, vec-
torii bazei canonice din Rn . Atunci < ei , grad f >= 0, ∀i = 1, 2, .., n, din
∂f
care deducem că ∂x i
= 0, i = 1, 2, .., n. Obţinem că ı̂ntr-un punct de extrem
derivatele parţiale de ordin unu toate vor trebui să fie egale cu 0.
∂f ∂f ∂f
Un punct x0 ı̂n care = = ... = = 0 se numeşte punct
∂x1 ∂x2 ∂xn
staţionar. El nu este obligatoriu punct de extrem dar este o condiţie necesară
pentru a fi punct de extrem.
Aplicăm formula lui Taylor cu k = 2 ı̂n x0 = (a1 , a2 , .., an ) staţionar,
obţinem
n
1 X ∂2f
f (x) − f (x0 ) = (xi − ai )(xj − aj ) + R
2! i=1 ∂xi ∂j

Atunci când x e aproape de x0 , restul tinde la 0 şi (xi − ai ) = dxi sunt


tocmai diferenţiale de ordin intâi. Astfel că
n
2
X ∂2f
f (x) > f (x0 ) daca d Φ |x0 = dxi dxj > 0
i=1
∂x i ∂j
n
2
X ∂2f
f (x) < f (x0 ) daca d Φ |x0 = dxi dxj < 0.
i=1
∂xi ∂j

Deci x0 este punct de minim (maxim) dacă forma pătratică d2 Φ calcu-


lată ı̂n x0 este pozitiv (negativ) definită. Răspunsul când o formă pătratică
este pozitiv definită este dat spre exemplu de metoda Jacobi de reducere la
expresie canonică. Adică calculăm
∂2f ∂2f

2 2
∂ f ∂x1 ∂x1 ∂x2
∆1 = ∂x2 , ∆2 = ∂ 2 f 2 , ....
1 x0 ∂x ∂x ∂∂xf2
2 1 1 x0
Dacă toate aceste cantităţi sunt pozitive atunci x0 este punct de minim.
În cazul maximului rapoartele ∆∆i−1 i
trebuiesc să fie toate negative.
Particularizăm acest răspuns ı̂n cazul funcţiilor de două variabile.
Teoremă. Fie f (x, y) o funcţie de două variabile. Pentru a găsi punctele
de extrem procedăm astfel:
∂f ∂f
1. Rezolvăm sistemul ∂x
= ∂y
= 0 şi găsim punctele x0 staţionare.
74 Capitolul 5. Funcţii de mai multe variabile reale

2. Calculăm ı̂n x0 cantităţile ∆1 şi ∆2 .


Dacă ∆2 > 0 şi ∆1 > 0 atunci x0 este punct de minim.
Dacă ∆2 > 0 şi ∆1 < 0 atunci x0 este punct de maxim.
În alte situaţii x0 nu este punct de extrem, spre exemplu ∆1 < 0 avem
punct şa .
Aplicaţie. 1. Găsiti punctele de exrem ale funcţiei f (x, y) = x3 +y 3 −3xy.
Calculăm ∂f
∂x
= 3x2 − 3y şi ∂f
∂y
= 3y 2 − 3x. Rezolvăm sistemul
 2
3x − 3y = 0
şi găsim soluţiile O(0, 0) şi A(1, 1).
3y 2 − 3x = 0
Calculăm derivatele parţiale de ordin doi:
∂2f ∂2f ∂2f
∂x2
= 6x ; ∂x∂y
= −3 ; ∂y 2
= 6ẏ, şi deci


6x −3
∆1 = 6x şi ∆2 = = 36xy − 9.
−3 6y
În O(0, 0) avem ∆1 = 0 şi ∆2 = 9, deci O nu este punct de extrem.
În A(1, 1) avem ∆1 = 6 şi ∆2 = 27, deci A este punct de extrem, minim.
2. Găsiti punctele de exrem ale funcţiei f (x, y) = x3 + y 3 − 12x − 3y.
Calculăm ∂f
∂x
= 3x2 − 12 şi ∂f
∂y
= 3y 2 − 3. Rezolvăm sistemul
 2
3x − 12 = 0
şi găsim soluţiile A(2, 1), B(2, −1), C(−2, 1), D(−2, −1).
3y 2 − 3 = 0
Calculăm derivatele partiale de ordin doi:
∂2f ∂2f ∂2f
∂x2
= 6x ; ∂x∂y
=0; ∂y 2
= 6ẏ, şi cantităţile ∆1 şi ∆2 sunt:
În A(2, 1), avem ∆1 = 12 şi ∆2 = 72, deci A este minim.
În B(2, −1), avem ∆1 = 12 şi ∆2 = −72, deci B este punct şa.
În C(−2, 1), avem ∆1 = −12 şi ∆2 = −72, deci C este punct şa.
În D(2, 1), avem ∆1 = −12 şi ∆2 = 72, deci D este maxim.
Exerciţii propuse. Găsiti punctele de exrem ale funcţiilor:
a) f (x, y) = xy(x + y − 3)
b) f (x, y) = xy 2 ex−y
Extreme condiţionate 75

c) f (x, y, z) = x3 − 3x2 + y 2 + z 2 + yz − 10y − 8z.

5.3.1 Extreme condiţionate


Există cazuri ı̂n care variabilele unei funcţii definite ı̂ntr-un domeniu trebuiesc
să satisfacă nişte condiţii suplimentare. Ne propunem să găsim extremele
unei astfel de funcţii. Problema se poate formula astfel:
Găsiţi punctele de extrem ale funcţiei
f : Rn+m → R, z = f (x1 , ..., xn , y1 , ..ym ) ce satisfac legăturile:

 F1 (x1 , ..., xn , y1 , ..ym ) = 0
....................................... .
Fm (x1 , ..., xn , y1 , ..ym ) = 0

O metodă ar fi să scoatem y1 , ..ym din sistem şi să obţinem z ca o funcţie
numai de (x1 , ..., xn ). Aceasta nu este ı̂ntodeauna posibil. Soluţia este dată
de metoda multipicatorilor lui Lagrange. Considerăm următoarea funcţie:

L = f + λ1 F1 + ... + λm Fm .

Să observăm că extremele lui f cu legăturile de mai sus coincid cu ex-
tremele lui L. Deci găsim punctele staţionare ca soluţii ale sistemului:

∂L ∂L ∂L ∂L
∂x1
= .. = ∂xn
=0; ∂y1
= .. = ∂ym
= 0 ; F1 = ... = Fm = 0.
Obţinem un sistem cu 2m + n ecuaţii şi tot atâtea necunoscute: xi , ya , λa .
Se rezolvă şi se determină care din ele sunt puncte de extrem pentru L.
Aplicaţie. Găsiti punctele de extrem ale funcţiei f (x, y) = x + 2y ce
satisfac x2 + y 2 = 5
Considerm funcţia lui Lagrange L = x + 2y + λ(x2 + y 2 − 5).
∂L ∂L
∂x
= 1 + 2λx = 0 ; ∂y
= 2 + 2λy = 0 ; x2 + y 2 − 5 = 0,
1
sistem ce admite soluţiile λ = 2
; x = −1 ; y = −2 şi λ = − 12 ;
x = 1 ; y = 2.
Calculăm derivatele parţiale de ordin doi ale lui L ı̂n primul caz şi găsim
că A(−1, −2) este minim condiţionat, iar B(1, 2) este maxim condiţionat.
76 Capitolul 5. Funcţii de mai multe variabile reale

Exerciţii propuse. Găsiţi punctele de extrem ale funcţiilor


a) f (x, y) = x2 + y 2 + xy cu 2x + y = 3
b) f (x, y) = xy cu x2 + y 2 = 10
c) f (x, y, z) = x − 2y + 2z cu x2 + y 2 + z 2 = 9.

5.3.2 Lema celor mai mici pătrate


Am văzut că ı̂n Rn există o posibilitate clară de a măsura distanţele cu
ajutorul produsului scalar uzal ce corespunde imaginii geometrice cunoscute.
Ca o aplicaţie a acestui produs scalar apare determinarea condiţiilor ı̂n care
lungimea unui vector, cu componente variabilele unui proces economic, să fie
minimă sau maximă. Aceasta este esenţa urmatoarei aplicaţii ce o prezentăm.
Vom trata la ı̂nceput un caz particular important pentru ca apoi să analizăm
cazul general şi soluţia sa.
I. Presupunem că studiem un fenomen economic f ce depinde liniar de n
variabile c1 , c2 , .., cn (costuri), adică
f = c1 x1 + c2 x2 + .... + cn xn , numit şi trend liniar.
Făcând diverse testări economice pentru costuri diferite c1 , ..., cn , se pot
determina răspunsurile pentru valorile lui f˙. Să presupunem că facem m
testări pentru diverese costuri. Problema cere să determinăm cantităţile
x1 , x2 , .., xn (din fiecare produs) care să aproximeze liniar ”cel mai bine”
fenomenul f. O primă observaţie ne spune că ar trebui să repetăm experi-
mentul de cât mai multe ori, adică m >> n, şi obţinem un sistem liniar de
forma 

 c11 x1 + c12 x2 + .... + c1n xn = f1
c21 x1 + c22 x2 + .... + c2n xn = f2


 ...................
cm1 x1 + cm2 x2 + .... + cmn xn = fm

ı̂n care numărul ecuaţiilor este mult mai mare decât al necunoscutelor.
Evident, dacă cerem prea multe condiţii e foarte posibil ca sistemul să
nu fie compatibil şi din punct de vedere matematic problema e ı̂ncheiată,
nu avem soluţii. Din punct de vedere economic cerem a găsi soluţiile ”cele
mai bune” pentru fenomenul f. Ce să ı̂nţelegem prin aceasta ?. Înţelegem
că diferenţele dintre valorile din dreapta şi membri din stânga la fiecare din
Lema celor mai mici pătrate 77

ecuaţii să fie cât mai mici, adică vectorul

v1 = c11 x1 + c12 x2 + .... + c1n xn − f1


v2 = c21 x1 + c22 x2 + .... + c2n xn − f2
....................
vm = cm1 x1 + cm2 x2 + .... + cmn xn − fm

să aibă lungimea (norma ) minimă,

F (x1 , .., xn ) =k v k2 = (v1 )2 + ... + (vm )2 = minim.

∂F ∂F
Determinăm punctele staţionare rezolvând sistemul ∂x 1
= ... = ∂xn
=0
şi găsim o singură soluţie, ce se verifică uşor că este chiar minimul.
Aplicaţie. Să presupunem că ı̂n urma analizei economice se obţine sis-
temul

9x1 + 2x2 = 11
x1 + x2 = 2
2x1 − x2 = 2
x1 + 2x2 = 4

Găsiţi cea mai bună soluţie ı̂n sensul lemei celor mai mici patrate.
Evident sistemul este incompatibil, din primele două ecuaţii rezultă x1 =
x2 = 1 care nu verifică celelalte ecuaţii. Avem
v1 = 9x1 +2x2 −11 ; v2 = x1 +x2 −2 ; v3 = 2x1 −x2 −2 ; v4 = x1 +2x2 −4.
F (x1 , x2 ) = (9x1 + 2x2 − 11)2 + (x1 + x2 − 2)2 +
+ (2x1 − x2 − 2)2 + (x1 + 2x2 − 4)2 .
∂F ∂F
Rezolvăm sistemul ∂x1
= ∂x2
=0
18(9x1 + 2x2 − 11) + 2(x1 + x2 − 2) + 4(2x1 − x2 − 2) + 2(x1 + 2x2 − 4) = 0
4(9x1 + 2x2 − 11) + 2(x1 + x2 − 2) − 2(2x1 − x2 − 2) + 4(x1 + 2x2 − 4) = 0

87x1 + 19x2 = 109
adică cu soluţiile x1 = 482
509
şi x2 = 713
509
, cea mai
19x1 + 10x2 = 32
bună soluţie ı̂n sensul lemei celor mai mici pătrate.
II. Studiem un caz mai general:
78 Capitolul 5. Funcţii de mai multe variabile reale

Considerăm n puncte A1 (x1 , y1 ) , A2 (x2 , y2 ) , ...., An (xn , yn ) .


Ne interesează să determinăm o funcţie de o variabilă
Φ(x) = c1 ϕ1 + c2 ϕ2 + ...+ cm ϕm
care să treacă prin punctele A1 , A2 , .., An , unde ϕ1 , ϕ2 , .., ϕm sunt funcţii
convenabil alese. Spre exemplu cel mai des considerate sunt ϕ1 = 1, ϕ2 = x,
ϕ3 = x2 , ..., ϕm = xm .
Ca mai ı̂nainte problema se pune ı̂n sensul legii celor mai mici pătrate,
n
X
(Φ(xi ) − yi )2 = minim
i=1

adică funcţia
n
X
F (c1 , c2 , .., cm ) = {c1 ϕ1 (xi ) + ... + cm ϕm (xi ) − yi }2 = minim.
i=1

∂F ∂F
Rezolvăm ∂c1
= ... = ∂c n
= 0, adică
Pn
2 i=1 {c1 ϕ1 (xi ) + ... + cm ϕm (xi ) − yi } ϕk (xi ) = 0 pentru k = 1, 2, ..., m.
Din aceasta rezultă sistemul
c1 ni=1 ϕ1 (xi )ϕk (xi ) + ...... + cm ni=1 ϕm (xi )ϕk (xi ) = ni=1 yi ϕk (xi ) ;
P P P

k = 1, 2, ..., m.
Notăm n n
X X
akj = ϕj (xi )ϕk (xi ) ; bk = yi ϕk (xi )
i=1 i=1

şi sistemul devine liniar ı̂n necunoscutele c1 , c2 , ...., cm

ak1 c1 + ak2 c2 + ... + akm cm = bk ; k = 1, 2, ..., m.

Rezolvarea se poate face pe căile cunoscute, eventual matricial sub forma


A.C = B unde
     
a11 .. .. a1m c1 b1
 .. .. .. .. . .
    . 
=
  . .
 
 .. .. .. ..   .
am1 .. .. amm cm bm
Lema celor mai mici pătrate 79

Pentru a scrie mai uşor matricele A şi B să obsevăm că dacă notăm
   
ϕ1 (x1 ) .. .. ϕ1 (xn ) y1
 .. .. .. ..  ; Y = . 
  
U =  .. .. .. ..   . 
ϕm (x1 ) .. .. ϕm (xn ) yn
−1
atunci A = U.U t şi B = U.Y , astfel că soluţia finală este C = (U.U t ) .U.Y.
Aplicaţie. Găsiţi funcţia polinomială Φ(x) = c1 + c2 x + c3 x2 care să treacă
prin punctele A1 (−2, 3), A2 (−1, 0), A3 (0, −1), A4 (1, 0), A5 (2, 3).
Soluţie. Avem ϕ1 (x) = 1, ϕ2 (x) = x, ϕ3 (x) = x2 şi
ϕ1 (x1 ) = 1, ϕ1 (x2 ) = 1, ϕ1 (x3 ) = 1, ϕ1 (x4 ) = 1, ϕ1 (x5 ) = 1
ϕ2 (x1 ) = −2, ϕ2 (x2 ) = −1, ϕ2 (x3 ) = 0, ϕ2 (x4 ) = 1, ϕ2 (x5 ) = 2
ϕ3 (x1 ) = 4, ϕ3 (x2 ) = 1, ϕ3 (x3 ) = 0, ϕ3 (x4 ) = 1, ϕ3 (x5 ) = 4
Matricea U şi Y sunt
 
  3
1 1 1 1 1 
 0 

U=  −2 −1 0 1 2  ; Y =
 −1 

4 1 0 1 2  0 
3

din care rezultă


   
5 0 10 5
A = U.U t =  0 10 0  ; B = U.Y =  0 
10 0 34 24

astfel că sistemul A.C = B ne dă soluţiile c1 = 0, c2 = −1, c3 = −1,


adică Φ(x) = −x − x2 .
80 Capitolul 5. Funcţii de mai multe variabile reale
Capitolul 6

Calcul integral

In acest capitol vom repeta pentru ı̂nceput ideea de integrală definită, pentru
ca apoi să extindem noţiunea la cazul integralelor improprii, ı̂n particular in-
tegralele lui Euler, şi ı̂n final integrala dublă pentru funcţii de două variabile.

6.1 Integrala definită


Repetăm pe scurt câteva din ideile din liceu privind calculul integral.
Fiind dată o funcţie f : D ⊂ R → R, ea este cu primitive dacă există o
funcţie F : D ⊂ R → R astfel ı̂ncât să avem F 0 = f pentru orice x ∈ D.
Dacă există F ea nu este unică deoarece
R F + c este tot o primitivă.
Mulţimea primitivelor lui f se notează cu f (x)dx.
Se Rcunosc primitivele
R 0 funcţiilor elementare şi prin integrare prin părţi,
0
adică f g dx = f g − f gdx, se mai pot calcula ı̂n unele cazuri şi integrala
produsului a două funcţii. De asemenea, prin schimbareZ de variabilă se poate
1
ajunge la integrale cunoscute. Spre exemplu calculaţi √ dx.
x+1

Facem schimbarea de variabilă x = t, adică x = t2 şi deci dx = 2tdt.
Prin ı̂nlocuire obţinem,
Z Z Z
1 2t 1
√ dx = dt = 2 (1 − )dt = 2t − 2 ln(t + 1) + c =
√ x + 1
√ t + 1 t + 1
2 x − 2 ln( x + 1) + c.

81
82 Capitolul 6. Calcul integral

Prea multe schimbări de variabilă nu se cunosc şi nici scopul nostru nu


este aici de a dezvolta această idee.
S-au studiat ı̂n liceu câteva clase de funcţii pentru care problema primi-
tivelor se rezolvă. Cea mai cunoscută clasă este cea a funcţiilor raţionale.
În studiul integralei definite s-a plecat de la ideea determinării ariei de-
limitate de graficul unei funcţii (pozitive), axa 0x şi două drepte verticale
x = a şi x = b.

Oy
6

 
 

Ox
-
a x1 xi−1 xi xn−1 b

Pentru aceasta s-a ı̂mpărţit intervalul [a, b] ı̂n n părţi, ∆ : x0 = a < x1 <
... < xi−1 < xi < ... < xn = b, cu distanţa | xi − xi−1 | → 0. Se aproximează
ariile obţinute cu ariile unor dreptunghiuri de baza xi − xi−1 şi de ı̂nălţime
f (ξi ), unde ξi ∈ [xi−1 , xi ] este punct intermediar oarecare, şi se trece la limită
când n → ∞. Dacă există limita
X n Z b
lim f (ξi )(xi − xi−1 ) = f (x)dx
n→∞ a
i=1

se spune că funcţia este integrabilă.


Între integrabilitate şi primitive, dacă există
Rb ambele, există o anumită
legătură dată de formula Leibnitz-Newton: a f (x)dx = F (b) − F (a), unde
F este o primitivă a lui f.
Funcţiile continue pe D au primitive şi sunt integrabile, ı̂n rest lucrurile
sunt mai complicate.
Integrale improprii 83

Formula de integrare prin părţi se aplică astfel


Z b Z b
0 b
f g dx = f g |a − f 0 gdx, iar schimbarea de variabilă duce şi la
a a
schimbarea limitelor de integrare fără să fim nevoiţi să revenim la variabila
iniţială.
Nu insistăm asupra proprietăţilor acestor integrale, ele fiind studiate ı̂n
liceu.
Câteva exemple de integrale definite vor apărea ı̂n lecţia următoare ı̂ntr-
un caz mai general.

6.2 Integrale improprii


Discutăm de două clase de integrale improprii:
I. Integrale nedefinite, ı̂n care una sau ambele limite de integrare sunt
nemărginite,
Z ∞ Z b Z ∞ Z a Z ∞
f (x)dx f (x)dx , f (x)dx = f (x)dx + f (x)dx.
a −∞ −∞ −∞ a

În toate aceste cazuri domeniul de integrare este nemărginit.


Z ∞
Definiţie. Spunem că f (x)dx este convergentă dacă există
a
Z b
lim f (x)dx şi este finită limita. În caz contrar integrala e divergentă.
b→∞ a
Z ∞
Dacă f admite primitive atunci scriem f (x)dx = F (∞) − F (a) unde
a
F (∞) = lim F (b).
b→∞
Analog definim convergenţa la −∞ a integralei.
R∞
Propoziţie
R∞ 1. Dacă 0 ≤ f (x) ≤ g(x) şi a
g(x)dx este convergentă atunci
şi a f (x)dx este convergentă.
R∞
R∞ 2. Dacă 0 ≤ f (x) ≤ g(x) şi a f (x)dx este divergentă atunci
şi a g(x)dx este divergentă.
Să analizăm câteva exemple:
84 Capitolul 6. Calcul integral
Z ∞ Z −1 Z ∞ Z ∞
1 1 1 ln x
1. a) 2
dx, b) 2
dx, c) √ dx, d) dx.
0 1+x −∞ x 1 x 1 x2
R∞ 1 ∞ π
Soluţii. a) 0 1+x 2 dx = arctgx |0 = arctg∞ − arctg0 = 2 , deci integrala

e convergentă.
R −1
b) −∞ x12 dx = − x1 |−1 1
−∞ = 1 − ∞ = 1, deci integrala e convergentă.
R∞ √ √
c) 1 √1x dx = 2 x |∞ 1 = 2 ∞ − 2 = ∞, integrala e divergentă.
R∞ R∞ 1
d) 1 lnx2x dx = − x1 ln x |∞ ln x 1 ∞
1 + 1 x2 dx = − limx→∞ x + 0 − x |1 = 1, deci
convergentă.
În general dacă dorim să aplicăm criteriul de comparatie, comparăm cu
Z ∞ 
1 1 1 convergentă dacă α > 1
dx == = , a > 0.
a x α 1−αx α−1 divergentă dacă 0 < α ≤ 1
Propoziţie. Fie f : [a, ∞) →Z R, f (x) > 0. Dacă există un β > 1 astfel ca

β
lim x f (x) = L finită, atunci f (x)dx este convergentă.
x→∞ a
Z ∞ Z ∞
arctgx 1
Aplicaţie. a) dx, b) dx.
0 1 + x4 0 x2 +x+3
a) Calculăm lim x4 f (x) = 1, deci integrala e convergentă.
x→∞

b) Calculăm lim x2 f (x) = 1, deci integrala e convergentă.


x→∞

II. Integrale din funcţii nemărginite pe [a, b] .


Presupunem că există c ∈ [a, b] ı̂n care lim f (x) = ±∞.
x→c
Z b Z c Z b
Atunci desfacem f (x)dx = f (x)dx + f (x)dx şi obţinem două
a a c
integrale pentru care doar una din limitele de integrare este improprie.
Z c Z b−ε
Definiţie 1. Spunem că f (x)dx este convergentă dacă lim f (x)dx
a ε→0 a
este finită.
Z b Z b
2. Spunem că f (x)dx este convergentă dacă lim f (x)dx
c ε→0 c+ε
este finită.
Propoziţie. Dacă există β < 1 astfel ca lim(x − c)β f (x) = L finită, atunci
x%c
Integralele lui Euler 85
Z c
f (x)dx este convergentă. Analog pentru cealaltă integrală.
a

Studiaţi convergenţa integralelor:


Z 1 Z 1 Z 0 Z 3
1 1 1 1
a) dx, b) 2
dx, c) √ dx d) 2
dx.
0 x 0 x 0 x − 3x + 2
1−x 2
−1
R1
Soluţii : a) 0 x1 dx = ln x |10 = ln 1 − ln(+0) = ∞, deci integrala este
divergentă.
R1
b) 0 x12 dx = − x1 |10 = −1 + +0 1
= ∞, deci integrala este divergentă.
R0 1 0 π π
c) −1 √1−x 2 dx = arcsin x |−1 = 0 − (− 2 ) = 2 , deci integrala este conver-
gentă.
R3 1
R3 1
d) 0 x2 −3x+2 dx = 0 (x−1)(x−2) dx şi convergenţa se pune ı̂n 1 şi 2.
R1 1
Studiem convergenţa integralei 0 (x−1)(x−2) dx.
Calculăm lim (x − 1)β f (x) ea este ∞ pentru β > 1, integrala este diver-
x%1
gentă.
R2 1
R3 1
Analog se arată că 1 (x−1)(x−2)
dx şi 2 (x−1)(x−2)
dx sunt divergente.
Exerciţii propuse. Studiaţi convergenţa integraleor:
Z ∞ Z ∞ Z −2
1 1 x4
1. a) dx, b) dx, c) √ dx.
3 x2 − 3x + 2 1 x2 ln x −∞ 1 − x2
Z 1 Z e Z 1 Z 2
1 1 x x ln x
2. a) 2
dx, b) 2
dx, c) √ dx d) 3
dx.
0 x −x 1 x ln x 0 1 − x2 1 x −1

6.2.1 Integralele lui Euler


a) Funcţia Gamma,
Z ∞
Γ(a) = xa−1 e−x dx , a > 0.
0

Este impropie atât ı̂n 0 cât şi la ∞. Se verifică cu ajutorul Propoziţiilor


enunţate că integrala este convergentă.
Această integrală are următoarele proprietăţi.
Prpopoziţie 1. Γ(1) = 1 (calcul direct)
86 Capitolul 6. Calcul integral

2. Γ(a + 1) = aΓ(a) (integrare prin părţi)


3. Γ(n + 1) = n! (din relaţiile anterioare)
4. Γ(α).Γ(1 − α) = sinπαπ pentru α ∈ (0, 1)

5. Γ( 12 ) = π (din relaţia anterioară pentru α = 12 ).
Z ∞ Z ∞ Z ∞ 2
6 −x 7 −x2 x − 3x + 2
Aplicaţie. Calculaţi a) x e dx, b) x e dx, c) dx.
0 0 0 ex
R∞
Soluţie. a) 0 x6 e−x dx = Γ(7) = 6! = 720
b) facem schimbarea de variabilă x2 = t =⇒ 2xdx = dt şi integrala
devine,
R ∞ 7 −x2 R ∞ √ −t √ R∞
0
x e dx = 12 0 t7 e tdt = 12 0 t4 e−t dt = 12 Γ(3) = 3.
R∞ 2 R∞ 2 R∞ R∞
c) 0 x −3x+2
ex
dx = 0 xex dx−3 0 exx dx 0 e2x dx = Γ(3)−3Γ(2)−2Γ(1) = 1.

Prin integrala Poisson ı̂nţelegem


Z ∞ √
−x2 π
I= e dx =
0 2

Calculul lui I se face prin schimbarea de variabilă x = t şi obţinem,
R∞ √
I = 21 0 √1t e−t dt = 12 Γ( 21 ) = 2π . De observat că
Z ∞ √
2
e−x dx = 2I = π.
−∞

b) Funcţia Beta,
Z 1
β(a, b) = xa−1 (1 − x)b−1 dx, a, b > 0
0

Propozitie 1. β(a, b) = β(b, a) (substituţie t = 1 − x)


2. β(a, b) = b−1
a+b−1
β(a, b − 1) (părţi f = (1 − x)b−1 , g 0 = xa−1 )
Γ(a)Γ(b)
3. β(a, b) = Γ(a+b)
şi deci β( 21 , 12 ) = π.
R1 Re
Aplicaţie. Calculaţi a) 0 x8 (1 − x3 )5 dx , b) 1 x1 ln3 x(1 − ln x)4 dx.
Soluţie. a) facem x3 = t şi obţinem
Integrala dublă 87
R1 8 −2
1 1 Γ(3)Γ(6)
I= 3 0
t 3 (1 − t)5 t 3 dt = 31 β(3, 6) = 3 Γ(9)
= 1
504

b) facem ln x = t şi obţinem


R1 Γ(4)Γ(5) 1
I = 0 t3 (1 − t)4 dt = β(4, 5) = Γ(9)
= 208
.
Exerciţii propuse. Calculaţi
R −1 R1 R∞ 2
1. a) −∞ (x + 1)3 ex+1 dx b) 0 x(ln x)5 dx c) 0 x2 e−x dx
R ∞ x4 R 1 2√
2. a) 0 1+x 6 dx , b) 0
x 1 − x2 dx.

6.3 Integrala dublă


Fie f : D ⊂ R2 → R , z = f (x, y) o funcţie mărginită pe D din plan.

Oz
6

 
 
Oy
6 '$
Oy D
&%
-

'$
-
Ox
D
.(x, y)
&%
Ox

Ne propunem să determinăm volumul corpului delimitat de D şi suprafaţa


z = f (x, y). Pentru aceasta, prin analogie cu studiul din plan pentru calculul
ariei, divizăm D ı̂n subdomeniile ∆ : D1 , D2 , ..., Dn , de diametrii tinzând la
0 când n → ∞, şi notăm cu ωi = ariaDi . Considerăm ı̂n fiecare domeniu Di
puncte intermediare (ξi , ηi ) ∈ Di , arbitrare.
88 Capitolul 6. Calcul integral

Definiţie. Dacă există limita Riemann


Xn
lim f (ξi , ηi )ωi = I
n→∞
i=1

spunem
Z Z că f admite integrală dublă pe D şi notăm această limită prin
I= f (x, y)dxdy.
D
Z Z Z Z Z Z
Verificăm imediat că (αf +βg)dxdy = α f dxdy+β gdxdy.
D D D
Ne propunem să dăm formule de calcul pentru integrala dublă. Distingem
trei cazuri:
1. Domeniul D este un dreptunghi, D = [a, b] × [c, d] .

Oy
6

D
c

Ox
-
a b

Împărţim domeniul ı̂n n × m dreptunghiuri mai mici Dij . Fie mij ≤


f (x, y) ≤ Mij , valorile minime şi maxime ale lui f pe Dij . Presupunem că
pentru x fix f este integrabilă pe [c, d] , atunci
Z yj
mij (yj − yj−1 ) ≤ f (x, y) ≤ Mij (yj − yj−1 ),
yj−1

şi prin sumare obţinem


Xm Z d m
X
mij (yj − yj−1 ) ≤ f (x, y)dy = F (x) ≤ Mij (yj − yj−1 ).
j=1 c j=1
Integrala dublă 89

Înmulţind acestă relaţie cu (xi − xi−1 ) şi sumăm de la 1 la n, obţinem:


n X
X m Z b n X
X m
mij (xi −xi−1 )(yj −yj−1 ) ≤ F (x)dx ≤ Mij (xi −xi−1 )(yj −yj−1 ).
i=1 j=1 a i=1 j=1

Rb
Dacă există a
F (x)dx atunci există şi integrala dublă şi
Z Z Z b Z b Z d 
f (x, y)dxdy = F (x)dx = f (x, y)dy dx.
D a a c

Inversând ordinea sumări avem şi


Z Z Z d Z b 
f (x, y)dxdy = f (x, y)dx dy.
D c a

2. Domeniul D este simplu ı̂n raport cu axa oy,

Oy
6

ϕ2 (x)
' $

& %
ϕ1 (x) Ox
-
a b

Procedând ca mai ı̂nainte fie ϕ1 (x) şi ϕ2 (x) curbele ce delimitează pe D


ı̂ntre x = a şi x = b, atunci
!
Z Z Z b Z Z b ϕ2 (x)
f (x, y)dxdy = F (x)dx = f (x, y)dy dx.
D a a φ1 (x)
90 Capitolul 6. Calcul integral

3. Domeniul D este simplu ı̂n raport cu axa ox,

Oy
6

d  

ψ1 (y) ψ2 (y)
c  

Ox
-

Analog fie ψ1 (y) şi ψ2 (y) curbele ce delimitează pe D ı̂ntre y = c şi y = d,


atunci
Z Z Z d Z d Z ψ2 (y) !
f (x, y)dxdy = G(y)dy = f (x, y)dx dy.
D c c ψ1 (y)

Schimbarea de variabilă ı̂n integrala dublă:



x = x(u, v)
Considerăm (x, y) ∈ D şi facem schimbarea cu (u, v) ∈ D0 .
∂x ∂x y = y(u, v)

Notăm cu J = ∂u
∂y
∂v
∂y , atunci
∂u ∂v
Z Z Z Z
f (x, y)dxdy = f (x(u, v), y(u, v)) |J| dudv.
D D0

Cea mai des ı̂ntı̂lnită schimbare fiind cea in coordonate polare x = u cos v
; y = u sin v pentru care J = u.
Aplicaţie. Calculaţi :
Z Z
1. (x2 + y 3 )dxdy pe D = [0, 1] × [−1, 1] .
D
RR 2 3
R 1 R 1 2 3

I= D
(x + y )dxdy = 0 −1
(x + y )dy dx
Ecuaţii diferenţiale 91
R1
Calculăm separat −1 (x2 + y 3 )dy = (x2 y + 41 y 4 ) |y=1 2
y=−1 = 2x , deci I =
R1 2
0
2x dx = 32 .
Z Z
2. (x − y)dxdy pe D mărginit de ϕ1 : y = x2 şi ϕ2 : y = x
D
Domeniul este simplu faţă de oy şi deci calculăm ı̂ntâi
R ϕ =x
F (x) = ϕ12=x2 (x − y)dy = (xy − 12 y 2 ) |y=x 1 2 3
y=x2 = 2 x − x + 2 x
1 4

R1
(x−y)dxdy = 0 ( 21 x2 −x3 + 21 x4 )dx = ( 16 x3 − 14 x4 + 18 x5 ) |10 = 1
RR
Astfel D 24
Z Z
3. xydxdy pe D mărginit de x2 ≤ y ≤ 2x + 3.
D
Domeniul este simplu ı̂n raport cu oy.
Punctele de intersecţie sunt A(−1, 1) şi B(3, 9).
R 3 R 2x+3  R3
I = −1 x2 xydy dx = −1 − 12 x5 + 2x3 + 6x2 + 92 x dx = 160

3
.
Z Z
1
Exerciţii propuse: 2
dxdy pe D = [3, 4] × [1, 2]
D (x + y)
y−1
Z Z
b) 2
dxdy pe D mărginit de y = −x2 + 3x şi y = x2 .
D x +1
Z Z
c) (x2 + y)dxdy pe D mărginit de y = x2 şi y 2 = x.
D

6.4 Ecuaţii diferenţiale


Ecuaţiile diferenţiale sunt cele care exprimă legături ı̂ntre o funcţie y = f (x)
şi derivatele sale y 0 , y 00 , .., y (n) , adică

F (x, y, y 0 , y 00 , .., y (n) ) = 0.

Se spune că avem o ecuaţie diferenţială de ordin n.


Chiar şi pentru ecuaţiile diferenţiale de ordin ı̂ntâi găsirea unei soluţii este
o problemă complicată şi se cunosc doar câteva clase de ecuaţii de ordin ı̂ntâi
care se pot rezolva efectiv. Se arată că o ecuaţie diferenţială de grad ı̂ntâi
dacă admite soluţie ea nu este unică ci depinde de o constantă. Mulţimea
tuturor soluţiilor la o ecuaţie de grad k depinde de k constante.
92 Capitolul 6. Calcul integral

Prezentăm doar câteva idei privind ecuaţiile diferenţiale de ordin ı̂ntâi.


a) Ecuaţii cu variabile separabile. Sunt de forma

y 0 = f (x)g(y).

dy dy
Aşa cum am văzut derivata y 0 = dx , astfel că ecuaţia se mai scrie dx =
f (x)g(y). Presupunem g(y) 6= 0. Metoda de integrare presupune separarea
variabilelor y şi x ı̂n câte un membru şi integrarea lor ca variabile indepen-
dente, adică Z Z
1
dy = f (x)dx.
g(y)
Evident soluţiile vor depinde de o constantă pusă doar ı̂n unul din membri.
Aplicaţie: Să se integreze ecuaţia y 0 tgx − y = 0.
dy
Scriem ecuaţia sub forma dx = y tgx sau echivalent, dy
y
= tgx dx. Prin
R dy R
integrare obţinem, y
= tgxdx, adică ln y = − ln(cos x) + c. Eventual
punând constanta c = ln C, rezultă y = cosC x .
b) Ecuaţii omogene, sunt de forma
y
y 0 = f ( ).
x

Se face o schimbare de variabilă, u = xy , din care rezultă: y = ux şi


y 0 = u0 x + u ı̂n urma căreia ecuaţia este cu variabile separabile.
2
Aplicaţie: Să se integreze ecuaţia y 0 = 1 + xy + xy .
Facem substituţia de mai sus şi obţinem,
u0 x + u = 1 + u + u2 , şi deci 1+u
du 1
2 = x dx. Prin integrare rezultă arctg u =

ln x + c, adică xy = tg(ln x + c).


Mai există ı̂ncă câteva clase de ecuaţii care se reduc la cele cu variabile
separabile. Nu insistăm asupra lor. O clasă distinctă este:
c) Ecuaţia liniară de ordin ı̂ntâi,

P (x)y 0 + Q(x)y = R(x).

Rezolvarea ei este ingenioasă şi soluţia se datorează lui L. Euler. Este


metoda variaţiei constantei.
Ecuaţii diferenţiale 93

Se procedează ı̂n două etape. Întâi se rezolvă ecuaţia omogenă P (x)y 0 +


Q(x)y = 0, care este cu variabile separabile, soluţia sa generală depinde
de o constantă c. În etapa a doua se caută soluţie pentru ecuaţia dată
(neomogenă) de forma soluţiei obţinute pentru cea omogenă ı̂n care constanta
o luăm ca o funcţie de x.
Aplicaţie: Să se integreze y 0 + x2 y = x2 .
Luăm ecuaţia omogenă y 0 + x2 y = 0. Separăm variabilele şi obţinem,
dy
y
= − 2dx
x
. Prin integrare rezultă soluţia generală ln y = −2 ln x + ln C, adică
C
y = x2 .
În etapa a doua căutăm soluţie pentru ecuaţia neomogenă de forma y =
C(x) 0
x2
, şi de aici rezultă y 0 = C x−2C
x3
. Prin ı̂nlocuire ı̂n ecuaţia neomogenă
obţinem,
C0 x5
x2
− 2C
x3
+ 2 C
x x2
= x2 , adică C 0 = x4 şi deci C = 5
+ K. Astfel că soluţia
x5
+K x K
generală pentru ecuaţia neomogenă este y = 5
x2
, altfel scris y = 5
+ x2 .

Execiţii propuse. Să se integreze:


2 2
1. a) xy 0 = y 3 + y b) y 0 = 1−y
x ln x
1+y
c) y 0 = 1+x 2.

p
2. a) y 0 = x+y
y
b) xy 0
= x2 − y 2 + y c) y 0 = x−2y
2x+y
.
3. a) y 0 − 2xy = x − x3 b) y 0 − x4 y = x2 + 1 c) y 0 + x1 y = sin x.
94 Capitolul 6. Calcul integral
Partea III

Probabilităţi

95
Evenimente 97

6.5 Câmp de probabilitate


Noţiunea de probabilitate este direct legată de fenomene ce se pot sau nu
realiza. Acestea sunt evenimentele pe care le introducem ı̂n continuare.

6.6 Evenimente
Definiţia 1 Se numeste probă orice realizare a unui experiment.
Definiţia 2 Se numeşte eveniment orice rezultat al unui experiment despre
care putem spune că s-a realizat sau că nu s-a realizat, după efectuarea unei
probe.
Un eveniment se numeşte :
1. Sigur dacă apare ı̂n orice probă a experimentului
2. Imposibil dacă nu poate să apară ı̂n nici o probă
3. Întamplător sau aleator dacă poate să apară sau să nu apară intr-o
probă a experimentului considerat .
Notăm cu Ω evenimentul sigur, cu Φ evenimentul imposibil şi cu litere
mari ale alfabetului (eventual indexate) evenimentele aleatoare (A, B, A1 , ..).
Exemplu. Se aruncă cu un zar de mai multe ori. Fiecare situaţie ı̂n
parte este o probă. Rezultatul poate fi următorul: să apară una din feţele
1, 2, 3, 4, 5, 6. Fiecare sunt evenimente. Putem să ne gândim şi la evenimente
de forma: să apară o cifră pară, adică A = {2, 4, 6}; este un eveniment
compus, celelalte fiind simple.
Definiţia 3 Se numeşte eveniment sumă (sau reuniune ) a două eveni-
mente A şi B asociate aceluiaşi experiment, evenimentul care se realizează
ori de câte ori se realizează A sau B şi se notează cu A ∪ B.
Se numeşte eveniment produs (sau intersecţie ) a două evenimente A şi
B asociate aceluiaşi experiment, evenimentul care se realizează simultan cu
evenimentele A şi B şi se notează cu A ∩ B.
Se numeşte eveniment diferenţă a evenimentelor A şi B asociate aceluiaşi
experiment, evenimentul care constă ı̂n realizarea lui A şi nerealizarea lui B,
şi se notează cu A − B.
Spunem că evenimentul A implică evenimentul B dacă B se realizează
98 Capitolul 7. Câmp de probabilitate

ori de câte ori se realizează A şi scriem A ⊂ B


Spre exemplu la aruncarea cu un zar, dacă A = {2, 4} şi B = {1, 2, 3}
atunci A ∪ B = {1, 2, 3, 4}, A ∩ B = {2}, A − B = {4}
Observăm analogia ı̂ntre evenimente şi mulţimi, motiv pentru care se
folosesc notaţiile din teoria mulţimilor.
Două evenimente A şi B se numesc echivalente dacă A ⊂ B şi B ⊂ A
, adică oricare dintre ele se realizează numai atunci când se realizează şi
celălalt. Scriem A = B
Spunem că două evenimente A şi B sunt :
1. Incompatibile dacă A ∩ B = Φ adică nu se pot realiza simultan;
2. Compatibile dacă A ∩ B 6= Φ , adică se pot realiza simultan.
Spunem că evenimentele A şi B sunt contrare (opuse sau complementare )
dacă sunt incompatibile şi reuniunea lor este evenimentul sigur, adică A∩B =
Φ şi A ∪ B = Ω .
Notăm evenimentul contrar lui A cu CA sau A
Teoremă. (Proprietăţi ale operaţiilor cu evenimente )
1. A ∪ B = B ∪ A, (A ∪ B) ∪ C = A ∪ (B ∪ C), A ∪ A = A, A ∪ Φ =
A, A ∪ Ω = Ω
2. A ∩ B = B ∩ A, (A ∩ B) ∩ C = A ∩ (B ∩ C), A ∩ A = A, A ∩ Φ =
Φ, A ∩ Ω = A
3. A∩ A= Φ, A∪ A= Ω, Ω= Φ, Φ= Ω, A= A, A ∪ B =A ∩ B , A ∩ B =A
∪B
4. A ∩ (∪nk=1 Bk ) = ∪nk=1 (A ∩ Bk ) , A ∪ (∩nk=1 Bk ) = ∩nk=1 (A ∪ Bk )
Definiţia 4. Fiind dată o mulţime arbitrară nevidă Ω numim corp de părţi
o submulţime K a părţilor P(Ω) a lui Ω cu proprietăţile:
1. Dacă A ∈ K atunci A∈ K
2. Dacă A ∈ K atunci A ∪ B ∈ K.
Dacă definiţia se extinde asupra unei reuniuni infinite de evenimente
atunci K se numeşte corp (câmp) Borelian de evenimente.
Dacă Ω = {ω1 , ω2 , ..., ωn } şi K = P(Ω) atunci ω1 , ω2 , ..., ωn se numesc
evenimente elementare.
Probabilitate 99

Spre exemplu la aruncarea cu un zar sunt 6 evenimente elementare şi


anume apariţia uneia din cifrele 1, 2, 3, 4, 5 sau 6. Din acestea prin reuniune
sau negare se obţine orice eveniment (parte a evenimentului sigur) referitor
la experienţa aruncării cu un zar.
Aplicaţie: Un produs provine de la trei firme având fiabilitate diferită.
Se cumără câte o bucată din fiecare. Exprimaţi evenimentele:
1. Toate trei produsele sunt bune.
2. Două produse sunt bune.
3. Nici un produs nu este bun.
4. Cel puţin un produs este bun.
Soluţie. Notăm cu Ai , i = 1, 2, 3, evenimentul ca produsul de la firma Fi
să fie bun. Atunci:
1. A = A1 ∩ A2 ∩ A3
  
2. B = A1 ∩ A2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ A3 ∪ Ā1 ∩ A2 ∩ A3
3. C = Ā1 ∩ Ā2 ∩ Ā3
4. D = A1 ∩ A2 ∩ A3

6.7 Probabilitate
Există o definiţie clasică a noţiunii de probabilitate pe care o prezentăm
la ı̂nceput.
Definiţie. Prin probabilitatea unui eveniment ı̂ntelegem raportul dintre
numărul cazurilor favorabile realizării evenimentului şi numărul cazurilor egal
posibile acelui eveniment.
Imediat putem desprinde câteva proprietăţi:
Prpoziţie. a). P (A) ≥ 0,
b). P (Ω) = 1 şi P (Φ) = 0
c) Dacă A ∩ B = Φ atunci P (A ∪ B) = P (A) + P (B)
d) Dacă evenimentele sunt independente atunci P (A ∩ B) = P (A).P (B).
Exemple: a) Să se determine probabilitatea apariţiei cifrei 6 la aruncarea
100 Capitolul 7. Câmp de probabilitate

cu un zar.
Răspuns: P (A) = 16 .
b) Să se determine probabilitatea apariţiei perechii (6, 6) la aruncarea cu
două zaruri.
1 2
Răspuns: P (B) = 36
dar probabilitatea apariţiei perechii (4, 6) este 36
.
c) Doi trăgători lovesc asupra aceleiaşi ţinte. De regulă primul din 5
focuri nimereşte de 3 ori. Al doilea din 6 focuri nimereşte de 4 ori. Care sunt
probabilităţile
1. Ţinta să fie lovită de ambii trăgători.
2. Ţinta să nu fie lovită.
3. Ţinta să fie lovită doar de unul din trăgători.
3
Soluţie: Probabilitatea ca primul să nimerescă este P (A1 ) = 5
iar ca să
nu nimereasă este P (Ā1 ) = 25 .
4
Probabilitatea ca al doilea să nimerescă este P (A2 ) = 6
iar ca să nu
nimereasă este P (Ā2 ) = 62 .
12
1. P (A) = P (A1 ∩ A2 ) = P (A1 ).P (A2 ) = 30
= 25 .
2 4
2. P (B) = P (Ā1 ∩ Ā2 ) = P (Ā1 ).P (Ā2 ) = = 1530
   
3. P (C) = P A1 ∩ Ā2 ∪ Ā1 ∩ A2 = P A1 ∩ Ā2 + P Ā1 ∩ A2 =
32
56
+ 25 46 = 15
4

d) Dacă ı̂n problema de la sfârşitul secţiunii precedente probabilitatea


ca produsul de la firma F1 să fie bun este P (A1 ) = 90%, de la firma F2
este P (A2 ) = 95%, iar de la F3 este P (A3 ) = 98%, atunci probabilităţile
evenimentelor cerute sunt:
90 95 98
1. P (A) = P (A1 ∩ A2 ∩ A3 ) = 100 100 100
90 95 2 90 5 98 10 95 98
2. P (B) = 100 100 100
+ 100 100 100
+ 100 100 100
10 5 2
3. P (C) = 100 100 100
90 95 98
4. P (D) = 1 − 100 100 100
.
Definiţia dată este acceptabilă pentru evenimente ce conţin un număr
finit de posibilităţi. Dar ı̂n general pot apărea situaţii mult mai complicate.
Aceasta a dus la o definţie axiomatică care să o generalizeze pe cea de mai
sus. Ea a fost dată de Kolmogorov ı̂n 1929.
Probabilităţi condiţionate 101

Definiţie. Fie K un câmp de evenimente. Numim probabilitate o funcţie


P : K → R cu proprietăţile:
1. P (A) ≥ 0, ∀A ∈ K,
2. P (Ω) = 1
3. P (A ∪ B) = P (A) + P (B) , ∀A, B ∈ K, incompatibile, A ∩ B = Φ.
Din această definiţie desprindem cu uşurinţă proprietăţile amintite mai
ı̂nainte:
Prpopoziţie. 1. P (Ā) = 1 − P (A) (din A ∪ Ā = Ω)
2. P (Φ) = 0 (din Ω ∪ Φ = Ω)
3. A ⊂ B =⇒ P (A) ≤ P (B) (din B = A ∪ (B ∩ Ā) = A ∪ (B − A))
4. 0 ≤ P (A) ≤ 1
5. P (B − A) = P (B) − P (A ∩ B)

(din B = B ∩ Ω = B ∩ A ∪ Ā = (B ∩ A) ∪ (B ∩ Ā) = (B ∩ A) ∪ (B − A)).
6. Dacă A ⊂ B atunci P (B − A) = P (B) − P (A)
7. P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
şi P (A ∪ B) = P (A) + P (B) dacă A ∩ B = Φ.
(din A ∪ B = A ∪ (B − (A ∩ B)) = ...).
Prin inducţie se generalizează la:
n
X X
8. P (∪ni=1 Ai ) = P (Ai ) − P (Ai ∩ Aj )+
i=1 i<j
X
+ P (Ai ∩ Aj ∩ Ak ) + ... + (−1)n P (∪ni=1 Ai )
i<j<k
n
X
şi P (∪ni=1 Ai ) = P (Ai ) dacă evenimentele sunt toate incompatibile.
i=1

6.7.1 Probabilităţi condiţionate


Fie A şi B două evenimente a căror realizare depinde unul de realizarea
celuilalt. Presupunem că P (B) 6= 0. Putem defini o funcţie care să fie
probabilitate astfel:
102 Capitolul 7. Câmp de probabilitate

Definiţie. Se numeşte probabilitatea evenimentului A condiţionat de B


valuarea
P (A ∩ B)
P (A | B) = .
P (B)
Se mai notează P (A | B) = PB (A) şi observăm că dacă evenimentele nu
sunt condiţionate atunci putem regăsi că P (A ∩ B) = P (A).P (B).
Se verifică axiomele probabilităţii:
1) P (A | B) ≥ 0
2) P (Ω | B) = 1
3) P (A1 ∪ A2 | B) = P (A1 | B) + P (A2 | B).
Prin inducţie obţinem
P (∩ni=1 Ai ) = P (A1 ).P (A2 | A1 ).P (A3 | A1 ∩A2 )...P (An | A1 ∩A2 ..∩An−1 )
iar dacă evenimentele nu sunt condiţionate
P (∩ni=1 Ai ) = P (A1 ).P (A2 )...P (An ).
Două formule joacă un rol important ı̂n teoria probabilităţilor:
Formula probabilităţii totale: dacă {A1 , A2 , .., An } este un sistem complet
de evenimente atunci oricare ar fi evenimentul A avem
P (A) = P (A1 ).P (A | A1 ) + P (A2 ).P (A | A2 ) + .. + P (An ).P (A | An ).
Formula lui Bays: Dacă {A1 , A2 , .., An } este un sistem complet de eveni-
mente şi P (Ai ) 6= 0, P (A) 6= 0 atunci
P (Ai ).P (A | Ai )
P (Ai | A) = Pn .
i=1 P (Ai ).P (A | Ai )

Aplicaţie.a) La un magazin se găsesc 100 piese de acelaşi fel, 60 de la firma


F1 şi 40 de la firma F2 . Fiabilitatea celor de la F1 este de 90% iar a celor de
la F2 este de 95%. Un client cumpără o piesă. Care este probabilitatea ca ea
să fie bună?
60
Soluţie. Probabilitatea ca piesa să provină de la F1 este P (A1 ) = 100 şi
90
ca ea să funcţioneze este P (A | A1 ) = 100 . Analog, probabilitatea ca piesa să
40 95
provină de la F2 este P (A2 ) = 100 şi ca ea să funcţioneze este P (A | A2 ) = 100 .
Aplicăm formula probabilităţii totale şi găsim:
60 90 40 95
P (A) = .
100 100
+ 100 100
.
Scheme probabilistice clasice 103

b) Se dau trei urne identice ca formă, prima având 10 bile albe şi 3 negre,
a doua având 7 bile albe şi 5 negre, a treia având 12 bile albe şi 7 negre. Se
extrage la ı̂ntâmplare o bilă din una din urne. Care este probabilitatea ca ea
să fie albă.
Soluţie. Raţionamentul e asemănător ca mai ı̂nainte, şansa de a alege una
din urne este 31 . După formula probabilităţii totale obţinem:
1 10 1 7 1 12
P (A) = 3 13
+ 3 12
+ 3 19
.
b) Din mai multe controale la trei magazine se constată că marfa este
corect declarată ı̂n proporţie de 90%,80%,70%. La un control inopinant se
sortează 50 de documente de provinienţă a mărfurilor: 20 de la primul, 15
de la al doilea, 15 de la al treilea. Din acestea se studiază doar unul.
1. Care este probabilitatea ca el să fie corect declarat?
2. Constatând că este corect declarat care este probabilitatea ca el sa fie
de la primul magazin.
Soluţie. Notăm cu Ai evenimentul ca documentul să fie de la magazinul
i. Avem P (A1 ) = 2050
, P (A2 ) = 15
50
15
şi P (A3 ) = 50 .
Fie A evenimentul ca documentul controlat să fie corect. Avem
90 80 70
P (A | A1 ) = 100
, P (A | A2 ) = 100
, P (A | A3 ) = 100
.
1. Din formula probabilităţii totale obţinem:
20 90
+ 15 80 15 70 81
P
P (A) = P (Ai ).P (A | Ai ) = 50 100 50 100
+ 50 100
= 100
2. Aplicăm formula lui Bays:
20 90
P (A1 ).P (A | A1 ) 50 100 4
P (A1 | A) = P = 81 = .
P (Ai ).P (A | Ai ) 100
9

6.7.2 Scheme probabilistice clasice


Multe din problemele privind calculul probabilităţii se ı̂ncadrează ı̂n câteva
tipare clasice numite şi scheme probabilistice. Prezentăm sub formă standard
aceste enunţuri, ele putând fi formulate ı̂n termeni economici.
a) Schema bilei nerevenite (hipergeometrică).
O urnă conţine a bile albe şi b bile negre. Se fac n ≤ a + b extrageri fără
a repune bila ı̂napoi ı̂n urnă.
104 Capitolul 7. Câmp de probabilitate

Care este probabilitatea ca α din ele să fie albe şi β negre.
Răspunsul se află imediat dacă analizăm cazurile posibile şi cele favora-
bile.
Caα Cbβ
P (A) = α+β .
Ca+b
O generalizare este schema hipergeometrică cu mai multe culori, enunţul
fiind acelaşi dar se consideră k culori:
Caα11 Caα22 ...Caαkk
P (A) = .
Caα11+a
+a2 +..+ak
2 +..+ak

b) Schema lui Poisson.


Fie n evenimente independente A1 , A2 , ..An , cu P (Ai ) = pi şi P (Āi ) =
qi = 1 − p i .
Care este probabilitatea evenimentului A ca din cele n evenimente să se
realizeze k?
Răspunsul este: P (A) = coeficientul lui xk polinomul
Q(x) = (p1 x + q1 )(p2 x + q2 )...(pk x + qk ).

Pentru a justifica acest răspuns analizăm spre exemplu un caz particu- 


lar mai uşor de scris, n = 4 şi k = 3. Atunci
 A = A 1 ∩ A 2 ∩ A 3
 ∩ Ā 4 ∪
A1 ∩ A2 ∩ Ā3 ∩ A4 ∪ A1 ∩ Ā2 ∩ A3 ∩ A4 ∪ Ā1 ∩ A2 ∩ A3 ∩ A4 şi deci
P (A) = p1 p2 p3 q4 + p1 p2 q3 p4 + p1 q2 p3 p4 + q1 p2 p3 p4 care reprezintă exact coefi-
cientul lui x3 din dezvoltarea polinomului Q(x) = (p1 x + q1 )(p2 x + q2 )(p3 x +
q3 )(p4 x + q4 ). Situaţia generală se discută la fel.
c) Schema Bernoulli (schema binomială).
Se consideră o experienţă şi un eveniment A legat de ea cu P (A) = p. Se
fac n probe. Care este probabilitatea ca din cele n să se realizeze k.
Răspunsul este
Pn,k (A) = Cnk pk q n−k , unde q = 1 − p.

Justificarea rezultă din schema lui Poisson ı̂n care cele n evenimente in-
dependente sunt de fapt fiecare probă ı̂n parte şi deci Q(x) = (px + q)n ,
coeficientul lui xk fiind Cnk pk q n−k .
Scheme probabilistice clasice 105

Aplicaţie.
1. La deschiderea bursei se pun ı̂n vânzare 100 acţiuni cu aceeaşi valuare
30 de la firma F1 şi 70 de la F2 . La ı̂nchiderea bursei s-au vândut 10 acţiuni.
a) Care este probabilitatea ca 3 să fie de la F1 şi 7 de la F2 .
b) Care este probabilitatea ca toate să fie de la F2 .
c) Care este probabilitatea ca cel puţin 7 să fie de la F1 .

Soluţie. Este schema bilei nerevenite:


C3 C7
a) P (A) = 3010 70 .
C100
C 0 C 10
b) P (B) = 3010 70
C100
C7 C3 C8 C2 C9 C1 C 10 C 0
c) P (C) = 3010 70 + 3010 70 + 3010 70 + 3010 70 .
C100 C100 C100 C100
2. La o estimare cam 40% din produsele unei firme sunt de calitate foarte
bună, 58% bune şi 2% defecte.
Dintr-un lot de 100 piese se iau 5. Care este probabilitatea ca:
a) 2 să fie foarte bune, 3 bune.
b) 1 să fie defectă.
c) 1 să fie foarte bună, 3 bune , 1 defectă.
d) cel puţin una foarte bună.

Soluţie. Este schema bilei nerevenite cu multiple culori:


C2 C3 C0
a) P (A) = 40 558 2 .
C100
C C1
4
b) P (A) = 985 2 .
C100
C1 C3 C1
c) P (A) = 40 558 2 .
C100
1
C C4 C2 C3 C3 C2 C4 C1 C5 C0
d) P (A) = 405 60 + 405 60 + 405 60 + 405 60 + 405 60 .
C100 C100 C100 C100 C100
3. Un depozit deţine 3 loturi de 100 piese ficare provenind de la trei firme
106 Capitolul 7. Câmp de probabilitate

diferite. Prima firmă produce ı̂n medie 3 % rebuturi, a doua 4%, iar a treia
6%.
Se alege câte o piesă din fiecare lot. Care este probabilitatea ca:
a) 2 să fie bune, una defectă.
b) toate să fie bune.
97 96 94
Soluţie. Fie p1 = 100 , p2 = 100 şi p3 = 100 probabilităţile de a extrage piesă
3 4 6
bună din fiecare lot separat şi q1 = 100 , q2 = 100 şi p3 = 100 probabilităţile
de a extrage piesă defectă. Aplicăm schema Poisson.
a) Q(x) = (p1 x + q1 )(p2 x + q2 )(p3 x + q3 ). Coeficientul lui x2 este P (A) =
p 1 p 2 q3 + p 1 q2 p 3 + q 1 p 2 p 3 .
b) P (B) = p1 p2 p3 .

4. La un sondaj de opinie se pun trei ı̂ntrebări la care răspunsurile sunt


cu DA sau Nu. Rezultatul sondajului arată că au răspuns cu Da la prima
intrebare 40%, la a doua 70 %, iar la a treia 80%.
Care este probabilitatea ca un client să răspundă:
a) Da la toate trei ı̂ntrebările.
b) 2 Da şi 1 Nu.
c) toate trei Nu.
d) primele două răspunsuri Da şi al treilea Nu.
40 70 80
Soluţie. Este tot schema Poisson. Fie p1 = 100 , p2 = 100 şi p3 = 100
60
probabilităţile de a răspunde cu Da la ı̂ntrebările respective şi q1 = 100 ,
30 20
q2 = 100 , q3 = 100 probabilităţile de a răspunde cu Nu.
a) P (A) = p1 p2 p3 .
b) P (B) = p1 p2 q3 + p1 q2 p3 + q1 p2 p3 .
c) P (C) = q1 q2 q3 .
d) P (D) = p1 p2 q3 .

5. Se aruncă cu 2 zaruri de 5 ori. Care este probabilitatea ca suma lor să


fie 8 de 3 ori.

Soluţie. Probabilitatea ca la o aruncare cu zarurile suma să fie 8 este


5
p = 36 şi să nu fie 8 este q = 31
36
. Aplicăm schema Bernoulli să obţinem că
Scheme probabilistice clasice 107

5 3 31 2
 
P (A) = C53 36 36
.
6. La o bancă se constată că din creditele acordate ı̂n ultimul an 10% au
fost neperformante. Se incheie ı̂ntr-o zi 5 credite. Care este probabilitatea
ca :
a) toate să fie performante.
b) nici unul performant.
c) 4 performante.
90 9 10
Soluţie. Suntem ı̂n condiţiile schemei Bernoulli, p = 100
= 10
şi q = 100
=
1
10
.
9 5 1 0 9 5
  
a) P (A) = C55 10 10
= 10 .
9 0 1 5 1 5
  
b) P (B) = C50 10 10
= 10 .
9
 4 1
 1 9 4
c) P (C) = C54 10 10
= 5 10 5.
108 Capitolul 7. Câmp de probabilitate
Capitolul 7

Variabile aleatoare

Noţiunea de probabilitate nu este ı̂n măsură să dea o imagine totală asupra
unui fenomen. El se produce de regulă ı̂ntr-un interval de timp sau pe o
anumită distanţă şi ar trebui să avem informaţii probabilistice la fiecare mo-
ment despre acel fenomen. Noţiunea pe care o introducem, cea de variabilă
aleatoare, are ı̂n vedere tocmai acest lucru. Sigur, un interval de timp sau
spaţiu este o mulţime cu o infinitate de valori, trecerea de la o valuare la
alta făcându-se continu. De multe ori e suficient să cunoaştem situaţia la un
număr finit de valori, acesta numindu-se caz discret.

7.1 Definiţie, operaţii


Definiţie. Fie (Ω, K, P ) un câmp borelian de probabilitate. Numim variabilă
aleatoare o aplicaţie ξ : Ω → R cu proprietatea că {ω ∈ Ω | ξ(ω) < x} ∈ K
pentru orice x ∈ R.
Variabilele aleatoare se notează cu ξ, η, .. sau cu X, Y, ...
Propoziţie. Dacă ξ este o variabilă aleatoare atunci şi
a) {ω ∈ Ω | ξ(ω) ≤ x} ∈ K
b) {ω ∈ Ω | ξ(ω) > x} ∈ K
c) {ω ∈ Ω | ξ(ω) ≥ x} ∈ K,
şi reciproc, ficare din aceste afirmaţii implică faptul că ξ este variabilă

109
110 Capitolul 8. Variabile aleatoare

aleatoare.
Variabila aleatoare ξ se numeşte discretă dacă mulţimea valorilor sale
este finită sau numărabilă. Dacă mulţimea valorilor este R sau intervale
reale atunci variabila se numeşte de tip continu.
a) Variabile aleatoare de tip discret.
Fie {ωi } un sistem complet de evenimente elementare din Ω.
Numim repartiţie a unei variabile aleatoare de tip discret un tabel de
forma  
x1 x2 ... xn ...
ξ:
p1 p2 ... pn ...

unde xi = ξ(ωi ) şi pi = P ({ω ∈ Ω | ξ(ωi ) < xi }) = P (ξ = x).


 
xi
Pe scurt notăm ξ : şi observăm că pi ≥ 0 iar din faptul că avem
pi P
un sistem complet de evenimente implică pi = 1. De regulă vom analiza
cazul finit şi mai rar pe cel numărabil, adică i = 1, 2, ..n.
Exemplu. Un lot de piese este supus unui control de calitate. Din analize
anterioare se ştie că fiabilitatea produselor este de 85%. Cumpărătorul face
un control extrăgând 5 piese la ı̂ntâmplare. Dacă una este defectă se respinge
ı̂ntreg lotul. Descrieţi ca o variabilă aleatoare situaţia posibilă.
1. Se poate ı̂ntâmpla ca lotul să fie respins de la prima piesă extrasă. Fie
15
ω1 acest eveniment cu probabilitatea p1 = 100 = 0, 15. Asociem ξ(ω1 ) = 1.
2. Fie ω2 evenimentul ca lotul să fie respins după a doua piesă; aceasta
ı̂nseamnă că prima a fost bună iar a doua defectă, deci p2 = 0, 85.0, 15 şi
asociem ξ(ω2 ) = 2.
3. Lotul să fie respins după a treia piesă, deci p3 = (0, 85)2 .0, 15 şi
asociem ξ(ω3 ) = 3.
4. Lotul să fie respins după a patra piesă, deci p4 = (0, 85)3 .0, 15 şi
asociem ξ(ω4 ) = 4.
5. Lotul să fie respins după a cincea piesă, deci p5 = (0, 85)4 .0, 15 şi
asociem ξ(ω5 ) = 5.
6. Lotul să nu fie respins, deci p6 = (0, 85)5 şi asociem ξ(ω6 ) = 0.
Într-un tabel avem ξ :
Definiţie, operaţii 111
 
1 2 3 4 5 0
0, 15 0, 85.0, 15 (0, 85) .0, 15 (0, 85)3 .0, 15
2
(0, 85) .0, 15 (0, 85)5
4

Cu variabile aleatoare se pot face operaţii:


 
c + xi
1. Dacă c ∈ R este o constantă atunci c + ξ : este o variabilă
pi
aleatoare.  
c.xi
2. c.ξ : este variabilă aleatoare.
pi
   
xi yj
3. Dacă ξ : şi η : sunt două variabile aleatoare, i = 1, n
pi qj
şi j = 1, m, atunci definim
 
xi + yj
ξ+η :
pij
unde pij = P ({ω ∈ Ω | ξ(ωi ) < xi }) ∩ P ({ω ∈ Ω | η(ωj ) < yj }).
Dacă variabilele sunt independente atunci pij = pi .qj .
Ar trebui să verificăm că această definiţie este corectă, adică
! !
X X X X X X
pij = p i qj = pi qj = (pi .1) = 1.
i,j i j i j i

4. Definim analog  
xi .yj
ξ.η :
pij
unde pij = P ({ω ∈ Ω | ξ(ωi ) < xi }) ∩ P ({ω ∈ Ω | η(ωj ) < yj }).
 k 
k k xi
5. Variavila aleatoare ξ se defineşte direct prin ξ : , analog
p
 √   1  i xi 
√ xi
ξ: pentru xi ≥ 0, sau variabilele ξ −1 : xi , ηξ : yi .
pi pi pi
Aplicaţie: Fie variabilele independente
   
0 1 2 −1 1 2
ξ: 1 1 1 şi η : 1 1 1 .
2 4 4 3 6 2

Calculaţi 2ξ , η 2 , ξ şi 2ξ + 3η, ξ.η 2 .
     
0 2 4 2 1 1 4 1 4
Soluţie. a) 2ξ : 1 1 1 b) η : 1 1 1 = 1 1 .
2 4 4 3 6 2 2 2
112 Capitolul 8. Variabile aleatoare
√ 

  
0 1 2 −3 3 6
c) ξ : 1 1 1 . d) Calculăm ı̂ntâi 3η : 1 1 1 . Pentru
2 4 4 3 6 2
calculul lui X = 2ξ + 3η socotim toate valorile lui xi adunate pe rând cu
fiecare valoare a lui yj cu probabilităţile pi .qj . Obţinem:
 
−3 3 6 −1 5 8 1 7 24
X: 1 1 1 1 1 1 1 1 1 .
6 12 4 12 24 8 12 24 8
2
d) Pentru calculul lui Y = ξη socotim toate valorile lui xi ı̂nmulţite pe
rând cu fiecare valoare a lui yj2 cu probabilităţile pi .qj . Obţinem:
   
0 0 1 4 2 8 0 1 2 4 8
Y : 1 1 1 1 1 1 = 1 1 1 1 1 .
4 4 8 8 8 8 2 8 8 8 8

b) Variabile aleatoare de tip continu.


Fie ξ : Ω → R şi Ax = {ω ∈ Ω | ξ(ω) < x} pentru x ∈ R.
Şi cu aceste variabile aleatoare de tip continu putem defini operaţii.
1. c + ξ : {ω ∈ Ω | ξ(ω) < x − c} ∈ K
2. c.ξ : ω ∈ Ω | ξ(ω) < xc ∈ K


3. ξ + η : {ω ∈ Ω | ξ(ω) < x − η(ω)} ∈ K


n o
x
4. ξ.η : ω ∈ Ω | ξ(ω) < η(ω) ∈K
5. ξ 2 : {ω ∈ Ω | ξ 2 (ω) < x} ∈ K
√ n p o
6 ξ: ω∈Ω | ξ(ω) < x ∈ K, etc.
Aceste operaţii nu se pot exprima aşa simplu cu ajutorul unor tabele. Aici
discutăm nu de tabel de repartiţie ci de o funcţie de repartiţie F : R → [0, 1]
dată de
F (x) = P ({ω ∈ Ω | ξ(ω) < x}) = P (Ax ).
Când avem mai multe variabile aleatoare atunci se specifică funcţia de repartiţie
cu Fξ (x).
Teoremă. 1. Dacă x1 < x2 atunci F (x1 ) < F (x2 )
2. lim F (x) = 0 şi lim F (x) = 1.
x→−∞ x→∞

3. lim F (x) = F (x0 ) şi deci F este continuă ı̂n ∀x0 ∈ R.


x→x0

4. P (a ≤ ξ < b) = F (b) − F (a).


5. P (a < ξ < b) = F (b) − F (a) − P (ξ = a).
Definiţie, operaţii 113

6. P (a ≤ ξ ≤ b) = F (b) − F (a) + P (ξ = b).


7. P (a < ξ ≤ b) = F (b) − F (a) + P (ξ = b) − P (ξ = a).
Demonstraţiile acestora fiind imediate din incluziuni de evenimente şi
proprietăţile probabilităţii.
Definiţie. Fie ξ o variabilă aleatoare. Dacă există o funcţie f : R → [0, ∞)
integrabilă astfel ı̂ncât
Z x
F (x) = f (u)du
−∞

atunci f se numeşte densitatea de repartiţie a lui ξ.


Un calcul imediat este:
F (x + ∆x) − F (x) P (x ≤ ξ < x + ∆x)
f (x) = F 0 (x) = lim = lim , şi
∆x→0 ∆x ∆x→0 ∆x
deci diferenţial avem: P (x ≤ ξ < x + ∆x) = f (x)dx.
Z +∞
Propoziţie. 1. f (x) ≥ 0, 2. f (u)du = 1
−∞
Z b
3. P (a ≤ ξ < b) = F (b) − F (a) = f (u)du.
a

Aplicaţii.
1. Fie (Ω, K, P ) un cămp finit de probabilitate, Ω = {ω1 , ω2 , ω3 , ω4 , ω5 } şi
P (ωi ) = 51 . Definim ξ(ωi ) = i3 − 9i2 + 23i − 5. Să se scrie funcţia de repartiţie
a lui ξ şi să se determine P (8 ≤ ξ < 12).

Soluţie. ξ(ω1 ) = ξ(ω3 ) = ξ(ω5 ) = 10, iar ξ(ω2 ) = 13, ξ(ω4 ) = 7. Deci
 
7 10 13
ξ: 1 3 1 . Din definiţia funcţiei de repartiţie,
5 5 5
F (x) = P ({ω ∈ Ω | ξ(ω) < x}) rezultă:


 0, x≤7
 1
, 7 < x ≤ 10 3
F (x) = 5
4 . Avem P (8 ≤ ξ < 12) = .

 5
, 10 < x ≤ 13 50

1, x > 13


k sin x x ∈ [0, π]
2. Fie f : R → R, f (x) = .
0 x∈/ [0, π]
114 Capitolul 8. Variabile aleatoare

a) Să se determine k ∈ R astfel ca f să fie densitatea de repartiţie a unei


variabile aleatoare.
b) Determinaţi F şi calculaţi F ( π4 ).
Z +∞
Soluţie. a) Din ultima propoziţie trebuie ca f (x) ≥ 0,şi f (u)du = 1,
Z π −∞

adică k ≥ 0 şi k sin udu = 1 din care rezultă k = 12 .


R x0 Rx
b) F (x) = −∞ f (u)du = F (x) = 0 f (u)du pentru x ∈ [0, π] şi F (x) = 1
dacă x > π. 
 0, x≤0
1
Deci F (x) = (1 − cos x) x ∈ (0, π] . Avem F ( π4 ) = 12 (1 − cos π4 ) =
 2
1 x>π

1 2
2
(1 − 2 ).

 0, x≤0
3. Se dă F : R → R, prin F (x) = kx2 x ∈ (0, 1] .
1 x>1

a) Să se determine k ∈ R astfel ca F să fie funcţia de repartiţie a unei


variabile aleatoare.
b) Determinaţi densitatea de repartiţie.
Soluţie. a) F trebuie să fie continuă şi derivata sa să fie f.
Din continuitate avem k = 1. 
 0, x≤0
b) Calculăm F 0 (x) = f (x) = 2x x ∈ (0, 1] care este continuă cu
1 x>1

proprietăţile unei densităţi de repartiţie.

7.2 Caracteristici numerice ale unei variabile


aleatoare
Fie (Ω, K, P ) un câmp borelian de probabilitate şi ξ : Ω → R o variabilă
aleatoare.
Vom defini câteva mărimi ce dau informaţii globale asupra lui ξ.
Caracteristici numerice 115

1. Valoarea medie. Măsoară tendinţa centrală a variabilei aleatoare ξ.


Vom defini această noţiune separat pentru cazul discret şi continu.
 
xi
Definiţie. Dacă ξ : este o variabilă discretă atunci media sa
P pi
M (ξ) = xi pi .
 
x
Dacă ξ : este o variabilă continuă, cu densitatea de repartiţie
f (x)
R +∞
f (x), atunci media sa M (ξ) = −∞ xf (x)dx.
Câteva proprietăţi se verifică uşor atât pentru variabile discrete cât şi
continue:
Propoziţie. 1. Dacă ξ = c este constantă atunci M (ξ) = c.
2. M (c.ξ) = cM (ξ).
3. M (ξ + η) = M (ξ) + M (η).
4. M (ξ.η) = M (ξ).M (η).

2. Momentul iniţial de ordin k. Este o noţiune mai generală decât


media.  
xi
Definiţie. Dacă ξ : este o variabilă discretă atunci momentul de
pi
ordin k este Mk (ξ) = xki pi .
P
 
x
Dacă ξ : este o variabilă continuă, cu densitatea de repartiţie
f (x)
R +∞
f (x), atunci momentul de ordin k este Mk (ξ) = −∞ xk f (x)dx.
Observăm că media este tocmai momentul de ordin 1.
2. Momentul central de ordin k. Este o noţiune ce măsoară ı̂mprăştierea
faţă de medie.
 
xi
Definiţie. Dacă ξ : este o variabilă discretă atunci momentul
pi
central de ordin k este µk (ξ) = Mk (ξ − M (ξ)) = (xi − M (ξ))k pi .
P
 
x
Dacă ξ : este o variabilă continuă, cu densitatea de repartiţie
f (x)
Rf (x), atunci momentul central de ordin k este µk (ξ) = Mk (ξ − M (ξ)) =
+∞
−∞
(x − M (ξ))k f (x)dx.
116 Capitolul 8. Variabile aleatoare

Vom discuta ı̂n mod deosebit un caz particular şi anume momentul central
de ordin doi, numit dispersia lui ξ, notată D(ξ) = M2 (ξ − M (ξ)) .
Propoziţie. Dispersia unei variabile aleatoare are proprietăţile:
1. Dacă ξ = c atunci D(ξ) = 0.
2. D(cξ) = c2 D(ξ).
3. D(ξ) = M2 (ξ) − M 2 (ξ) = M (ξ 2 ) − M 2 (ξ).
4. D(ξ + η) = D(ξ) + D(η).
5. D(ξ + c) = D(ξ).
De notat că formula 3. ne oferă o modalitate directă de calcul a dispersiei.
Are loc următoarea Inegalitate a lui Cebı̂şev:
D(ξ)
P ({ω / | ξ(ω) − M (ξ) |≥ ε}) ≤
ε2
pentru orice ε > 0.
Aceasta este o inegalitate ce se referă la medie şi dispersie.
p
4. Abaterea medie pătratică se defineşte ca fiind σ(ξ) = D(ξ).
Ea are sens deoarece D(ξ) ≥ 0 ı̂ntodeauna.
Următoarele noţiuni sunt legate de două variabile aleatoare ξ şi η, numită
şi variabilă aleatoare bidimensională.
5. Se numeşte moment iniţial de ordin (r, s) al perechii de variabile
aleatoare (ξ, η) media mr,s = M (ξ r .η s ). Momentul central de ordin (r, s) este
µr,s = Mrs ((ξ − M10 (ξ)).(η − M01 (η))) = M ((ξ − M (ξ))r .(η − M (η))s ) .
6. Coeficientul de corelaţie al perechii de variabile aleatoare (ξ, η) este
 
ξ − M (ξ) η − M (η) 1
ρ (ξ, η) = M . = M ((ξ − M (ξ)).(η − M (η)))
σ(ξ) σ(η) σ(ξ)σ(η)
unde σ(ξ) este abaterea medie pătratică.
Aplicaţie.
1. Seconsideră variabilele
 aleatoare
 
−1 0 1 −1 1 2
ξ = 1 1 1 şi η = 1 1 1 . Calculaţi media şi dispersia
4 2 4 3 3 3
variabilelor: ξ , η , 3ξ + 2η , ξ 2 .η
Caracteristici numerice 117

Determinaţi coeficientul de corelaţie al lui (ξ, η).


Soluţie.  −1. 41 + 0. 12 + 1. 14 = 0. Pentru calculul dispersiei calculăm
M (ξ) = 
0 1
ı̂ntâi ξ 2 = 1 1 şi deci M (ξ 2 ) = 0. 21 + 1. 12 = 12 . Astfel că dispersia
2 2
1
D(ξ) = M (ξ 2 ) − M 2 (ξ) = 2
− 02 = 12 .
1 1 1 2 2
 pentru η, media este M (η) = −1. 3 + 1. 3 + 2. 3 = 3 , iar η =
 Analog
1 4
2 1 şi M (η 2 ) = 1. 32 + 4. 13 = 2. Deci dispersia D(η) = M (η 2 ) − M 2 (η) =
3 3
4 32
22 − 9
= 9
.
Pentru calculul mediei şi dispersiei lui X = 3ξ + 2η folosim proprietăţile
lor.
M (X) = 3M (ξ) + 2M (η) = 3.0 + 2 32 = 4
3
şi D(X) = 9D(ξ) + 4D(η) =
9 12 + 4 32
9
= 266
18
.
Analog avem media şi dispersia lui Y = ξ 2 .η ,
1 2 1
M (Y ) = M (ξ 2 ).M
 (η) = 2 . 3 =3 , iar pentru calculul
 dispersiei
 trebuie
−1 0 1 2 0 1 4
găsit efectiv Y = 1 1 1 1 . Deci Y 2 = 1 1 1 şi D(Y ) =
6 2 6 6 2 3 6
1
M (Y 2 ) − M 2 (Y ) = 1 + 3
= 34 .
Pentru calculul corelaţiei avem
1
ρ(ξ, η) = σ(ξ)σ(η)
M ((ξ − M (ξ)).(η − M (η))) =
= 38 M ((ξ − M (ξ)).(η − M (η))) = 83 .0 = 0
2. Se testează 2 prototipuri de aparate. Probabiltăţile ca acestea să
treacă testul sunt respectiv: p1 = 0, 7 şi p2 = 0, 8. Notăm cu ξ variabila
aleatoare respectivă. După unele ajustări se ı̂mbunătăţesc performanţele
obţinând variabila η cu probabilităţile q1 = 0, 9 şi q2 = 0, 9.
Să se scrie şi să se determine mediile, dispersiile celor două variabile şi
coeficientul lor de corelaţie.
Soluţie. Fie 0,1,2 numărul prototipurilor ce trec testul. Variabilele se
scriu după schema lui Poison
   
0 1 2 0 1 2
ξ= şi η = .
0, 06 0, 38 0, 56 0, 01 0, 18 0, 81
M (ξ) = 1.0, 38 + 2.0, 56 = 1, 5 şi M (η) = 1.0, 18 + 2.0, 81 = 1, 8
118 Capitolul 8. Variabile aleatoare

M (ξ 2 ) = 1.0, 38 + 4.0, 56 = 2, 62 şi M (η 2 ) = 1.0, 18 + 4.0, 81 = 3, 42


Deci D(ξ) = 2, 62 − 2, 25 = 0, 37 şi D(η) = 3, 42 − 3, 24 = 0, 18.
Corelatia se calculează după formula de mai ı̂nainte.
 2 −kx
ax e , x≥0
3. Se consideră funcţia f (x) = unde k > 0 şi
0 x<0
a ∈ R.
a) Determinaţi a astfel ca f să fie densitatea de repartiţie a unei variabile
aleatoare ξ.
b) Găsiţi F funcţia de repartiţie.
c) Calculaţi M (ξ), D(ξ) şi P (0 < ξ < k1 ).
R +∞ R +∞
Soluţie. a) Din −∞ f (x)dx = 1 rezultă a 0 x2 e−kx dx = 1. Facem
R +∞
substituţia y = kx şi obţinem ka3 0 y 2 e−y dy = 1 adică ka3 Γ(3) = 1, din care
3
rezultă a = k2 .
 k3 R +∞ 2 −kx
x e dx x>0
b) F (x) = P (ξ < x) = 2 0 =
0 x≤0
 2 2
1 − k x +2kx+2 e−kx x>0
= 2
0 x≤0
R +∞
c) M (ξ) = −∞ xf (x)dx = Γ(4) 2k
= k3 şi D(ξ) = M (ξ 2 )−M 2 (ξ) = k122 − k92 =
3
k2
.
P (0 < ξ < k1 ) = F ( k1 ) − F (0) = 1 − 5
2e
.

7.3 Repartiţii clasice


Aşa cum am văzut pentru calculul probabilităţii s-au conturat câteva clase de
probleme ce urmează scheme clasice. La fel putem discuta şi pentru variabile
aleatoare.
I. Repartiţii clasice discrete.
1.Repartiţia discretă uniformă
 
k
are scrierea ξ : unde k = 1, n şi pk = f (k) = n1 .
f (k)
Repartiţii clasice 119

Verificăm direct că


P
Propoziţie. 1 f (x) ≥ 0 şi f (k) = 1
n
X 1 n+1
2. M (ξ) = k =
k=1
n 2
n
2
X 1 (n + 1)(2n + 1)
3.M (ξ ) = k2 =
k=1
n 6
n2 − 1
4.D(ξ) = M (ξ 2 ) − M 2 (ξ) = .
12

2. Repartiţia binomială şi Poisson.


 
k
Repartiţia binomială este ξ : unde k = 0, n şi pk = f (k) =
f (k)
Cnk pk q n−k cu p + q = 1 şi p, q ∈ [0, 1] .
P
Propoziţie. 1. f este o densitate de repartiţie, f (x) ≥ 0 şi f (k) = 1
2. M (ξ) = np şi D(ξ) = npq.

Considerăm situaţia p = nλ şi trecem la limită,


 k  n−k
λ λ λk
lim Cn k
1− = e−λ .
n→∞ n n k!
Obţinem astfel următoraea repartiţie infinită, numită repartiţia Poisson:
 
0 1 2 ... n ...
ξ˜ = 2 n .
e−λ 1!λ e−λ λ2! e−λ ... λn! e−λ ...
Să calculăm :
M (ξ)˜ = P k λk e−λ = λe−λ P λk−1 = λe−λ eλ = λ,
k! (k−1)!
k
P k 0 0
λk−1
M (ξ˜2 ) = k 2 λk! e−λ = λe−λ k (k−1)! = λe−λ λ
= λe−λ λeλ =
P P
(k−1)!
λ(λ + 1). Obţinem de aici că D(ξ) ˜ = λ(λ + 1) − λ2 = λ.

3. Repartiţia hipergeometrică.
C k C n−k
 
k
Are scrierea ξ : unde k = 0, n şi pk = f (k) = a nb .
f (k) Ca+b
P
Propoziţie. 1. f (x) ≥ 0 şi f (k) = 1.
120 Capitolul 8. Variabile aleatoare

X C k C n−k a
2. M (ξ) = k a nb =n
Ca+b a+b
a b a+b−n
3. D(ξ) = n . .
a+b a+ba+b−1
II. Repartiţii continue.
1. Repartiţia continuă uniformă.
   1
x b−a
x ∈ [a, b]
Are scrierea ξ : unde f (x) = .
f (x) 0 x∈/ [a, b]
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
Z +∞
a+b
2. M (ξ) = xf (x)dx =
−∞ 2
+∞
a2 + ab + b2 (a − b)2
Z
3. M (ξ 2 ) = x2 f (x)dx = şi D(ξ) = .
−∞ 3 12
2. Repartiţia exponenţială.
  
x 0 x<0
Are scrierea ξ : unde f (x) = , µ > 0.
f (x) µe−µx x≥0
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
Z +∞ Z ∞
1
2. M (ξ) = xf (x)dx = µ e−µx dx =
−∞ 0 µ
Z+∞
2 1
3. M (ξ 2 ) = x2 f (x)dx = 2
şi D(ξ) = 2 .
−∞ µ µ
2. Repartiţia normală (Gauss).
 
x (x−m)2
Are scrierea ξ : unde f (x) = √1 e− 2σ 2 cu m ∈ R şi σ > 0.
f (x) σ 2π

x−m
Dacă facem substituţia √

= t, integrând obţinem:
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
Z +∞
2. M (ξ) = xf (x)dx = m
−∞
Repartiţii clasice 121
Z +∞
3. D(ξ) = (x − M (ξ))2 f (x)dx = σ 2
−∞
Z x
1 1 2
4. Funcţia de repartiţie este F (x) = √ e− 2 t dt.
σ 2π −∞

3. Repartiţia Gama.
  
x 0 x≤0
Are scrierea ξ : unde f (x) = x , cu
f (x) 1
Γ(a+1)ba+1
xa e− b x>0
a > −1 şi b > 0.
x
Făcând substituţia = t se verifică următoarele:
b
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
Z +∞
2. M (ξ) = xf (x)dx = b(a + 1)
−∞
Z +∞
3. D(ξ) = (x − M (ξ))2 f (x)dx = b2 a.
−∞

4.Repartiţia Beta.
  
x 0 x∈/ [0, 1]
Are scrierea ξ : unde f (x) = 1 ,
f (x) β(a,b)
xa−1 (1 − x)b−1 x ∈ [0, 1]
cu a, b > −1 .
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
Z +∞
a(a + 1)
2. M (ξ) = xf (x)dx =
−∞ (a + b)(a + b + 1)
Z +∞
ab
3. D(ξ) = (x − M (ξ))2 f (x)dx =
−∞ (a + b)(a + b + 1)

5. Repartiţia hi-pătrat (χ2 ).


(

x
 0 x≤0
Are scrierea ξ : unde f (x) = 1 k
−1 − x2
x > 0 , cu
f (x) k x e
2
Γ( k2 )2 2
k>0.
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
122 Capitolul 8. Variabile aleatoare
Z +∞
2. M (ξ) = xf (x)dx = k
−∞
Z +∞
3. D(ξ) = (x − M (ξ))2 f (x)dx = 2k.
−∞

6. Repartiţia Student.
Γ n+1
    − n+1
x 2 x2 2
Are scrierea ξ : unde f (x) = √ . 1 + n
, x ∈ R.
f (x) nπΓ n2
Z +∞
Propoziţie. 1. f (x) ≥ 0 şi f (x)dx = 1
−∞
Z +∞
2. M (ξ) = xf (x)dx = 0
−∞
Z +∞ r
2 n
3. D(ξ) = (x − M (ξ)) f (x)dx = .
−∞ n−2
Aplicaţii.
1. O maşină automată produce piese de calitate corespunzătoare ı̂n
proporţie de 90%. Se extrag 10 piese la ı̂ntâmplare. Să se scrie variabila
aleatoare ξ ce descrie situaţia posibilă. Găsiţi M (ξ), D(ξ), σ(ξ).
Determinaţi probabilităţile: P (ξ ≥ 5) şi P (6 ≤ ξ < 8).
90
Soluţie. Este o repartiţie binomială cu n = 10 şi p = 100
 = 0, 9. Deci
k
ξ: k
unde k ∈ {0, 1, 2, ..., 10} şi f (k) = C10 (0, 9)k (0, 1)10−k .
f (k)
p √
M (ξ) = np = 9 , D(ξ) = npq = 9.0, 1 = 0, 9 şi σ(ξ) = D(ξ) = 0, 9.
10
X
P (ξ ≥ 5) = k
C10 (0, 9)k (0, 1)10−k iar P (6 ≤ ξ < 8) = C10
6
(0, 9)6 (0, 1)4 +
k=5
7
C10 (0, 9)7 (0, 1)3 .
2. La o agenţie Loto sunt 10000 de bilete din care 10 câştigătoare. Un
cumpărător ia 8 bilete. Să se scrie variabila aleatoare ξ ce exprimă situaţia
posibilă. Găsiţi M (ξ), D(ξ), σ(ξ).
Determinaţi probabilităţile: P (ξ ≤ 3) şi P (ξ = 8).
Soluţie. Situaţia se poate reprezenta cu o repartiţie hipergeometrică cu
Repartiţii clasice 123
  k 8−k
k C10 C9990
n = 8 , deci ξ : unde k ∈ {0, 1, 2, ..., 8} şi f (k) = 8
.
f (k) C10000
a a b a+b−n
M (ξ) = n = 0, 008, D(ξ) = n . = 0, 0079
a+b a+b a+ba+b−1
p √
şi σ(ξ) = D(ξ) = 0, 0079.
3 k 8−k 8
X C10 C9990 C10
P (ξ ≤ 3) = 8
şi P (ξ = 8) = 8
.
k=0
C 10000 C10000

3. O firmă este aprovizionată de trei furnizori. Aceştia au capacitatea


de a-şi onora comenzile cu probabilităţile: p1 = 0, 9 , p2 = 0, 8 , p1 = 0, 7.
Scrieţi variabila aleatoare ce exprimă numărul furnizorilor ce pot să-şi onoreze
comanda. Găsiţi M (ξ), D(ξ), σ(ξ).

Soluţie. Este o repartiţie binomială cu trei urne. Avem q1 = 0, 1 , q2 = 0, 2


, q3 = 0, 3.
Variabila
 aleatoare este 
0 1 2 3
ξ= .
0, 006 0, 092 0, 398 0, 504

M (ξ) = 2, 45, D(ξ) = M (ξ 2 ) − M 2 (ξ) = 0, 46, σ(ξ) = 0, 46.

4. Într-o urnă Loto sunt bile identice numerotate de la 1 la 49.


a) Se etrage o bilă din urnă. Scrieţi variabila aleatoare ce reprezintă
numărul extras.
b) Se extrag 5 bile fără revenirea lor ı̂n urnă. Scrieţi variabila aleatoare
ce reprezintă posibilităţile unui jucător de a câştiga din un bilet cumpărat.
Calculaţi mediile şi dispersiile lor.
 
k
Soluţie. a) Este repartiţie uniformă, ξ : 1 unde k ∈ {1, 2, ..., 49} .
49
n+1 n2 −1
M (ξ) = 2
= 25, D(ξ) = = 200. 12
 
k
b) Este schema hipergeometrică ξ : unde k ∈ {0, 1, 2, 3, 4, 5}
f (k)
5−k
C5k C44
şi f (k) = 5
C49
124 Capitolul 8. Variabile aleatoare

a a b a+b−n
M (ξ) = n = 0, 055, D(ξ) = n . = 0, 00396.
a+b a+b a+ba+b−1
5. Într-o urnă sunt 6 bile albe şi 4 negre. Se extrag la ı̂ntâmplare 3
bile. Fie ξ variabila aleatoare care reprezintă numărul bilelor albe extrase.
Calculaţi media şi dispersia ı̂n următoarele situaţii
a) extragerea este revenită.
b) extragerea este nerevenită.
Soluţie. a) Repartiţia este binomială, n = 3, p = 0, 6
 
0 1 2 3
ξ = , M (ξ) = np = 1, 8 ; D(ξ) =
0, 43 3.042 .0, 6 3.04.0, 62 0, 63
npq = 0, .72
b) Repartiţia este hipergeometrică
!
0 1 2 3 14
ξ= 4 C61 C42 C62 C41 C63 , M (ξ) = 1, 8 ; D(ξ) = 25
.
3
C10 3
C10 3
C10 3
C10
Bibliografie

[1] G.Atanasiu, G.Munteanu, M.Postolache Algebră liniară, geometrie


analitică, ecuaţii diferenţiale, Ed. All, Bucureşti, 1994.

[2] D.Baz, V.Butulescu, N.Stremţan, Matematici aplicate ı̂n economie,


Univ. Creştină Dimitrie Cantemir, Bucureşti, 1999.

[3] S.Chiriţă, Probleme de matematici superioare, Ed. Didactică şi Peda-


gogică, Bucureşti, 1989.

[4] O.Popescu şi colectiv, Matematici aplicate ı̂n economie, Vol. 1, Ed. Di-
dactică şi Pedagogică, Bucureşti, 1993.

[5] O.Popescu şi colectiv, Matematici aplicate ı̂n economie, Culegere de


probleme, Ed. Didactică şi Pedagogică, Bucureşti, 1999.

[6] I.Radomir, O.Popescu, Matematici pentru economişti, Ed. Univ. Tran-


silvania, Braşov, 1999.

[7] P.Stavre, Matematici speciale cu aplicaţii ı̂n economie, Ed. Scrisul


românesc, 1982.

125