Documente Academic
Documente Profesional
Documente Cultură
Cuprins Pagina
1.1 Matrice
Definiție. Fie m,nℕ*. Se numește matrice de tipul mxn cu elemente din ℝ (sau
ℂ ) o funcție:
A : 1,2, , mx1,2, , n ℝ (sau ℂ ),
definită prin Ai, j aij , i : 1, , m, j 1, , n,
a
m1 a m 2 a mn
Mulțimea matricelor cu m linii și n coloane cu elemente din ℝ (respectiv ℂ )
se notează cu Mmxn(ℝ) (respectiv Mmxn(ℂ )).
Matrice particulare
1) Matrice coloană. Matrice linie.
Dacă A M m1 , atunci A se numește matrice coloană (sau vector coloană),
iar dacă A M 1n atunci A se numește matrice linie (sau vector linie).
Definiție. O matrice în care toate elementele sunt nule se numește matrice nulă și se
notează cu Omn , iar când nu există pericolul unei confuzii, cu O.
3) Matrice pătratică
Fie A o matrice de tipul m n . Spunem că A este o matrice pătratică de
Definiție.
ordinul n dacă m = n.
10
1 0 0
0 1 0
In = .
0 0 1
Urma unei matrice pătratice
Definiție. Se numește urma matricei patratice și se notează tr A suma elementelor
de pe diagonala ei principala:
n
tr A = a
i 1
ii a11 a 22 a nn .
11
7) Matrice egale.
Două matrice A, B M mn (ℝ) (sau M mn (ℂ )), A aij , B bij , se
numesc egale dacă pentru orice i, j 1, , m 1, , n avem aij bij .
Exemplu:
1 0
1 2 5 t
Dacă A , A 2 4 .
0 4 8 5 8
v
n
8) Matrice simetrice. Matrice antisimetrice.
Exemplu:
1 2 3 0 1 2
Fie matricele A 2 3 4 și B 1 0 3 . A este simetrică, iar B
3 4 5 2 3 0
este antisimetrică.
Operații cu
matrice 1) Adunarea matricelor
Fie matricele A aij i 1, m , B bij i 1, m M mn (ℂ ). Se numește suma
j 1, n j 1, n
12
5 5 2 15 15 6
Exemplu: 3 0 1 7 0 3 21 .
3 2 1 9 6 3
3) Înmulțirea matricelor
Definiție.
Fie A M mn (ℝ) și B M n p (ℝ) (sau A M mn (ℂ ) și B M n p (ℂ )),
A aij 1 i m , B bij 1 i n două matrice. Produsul A B (cu matricele A, B
1 j n 1 j p
13
n
cij a ik bkj , i, j 1,2, , m 1,2, , p.
k 1
Exemple:
a11 a12 a13 b11 b12 b13 c11 c12 c13
1. a 21 a 22 a 23 b21 b22 b23 c 21 c 22 c 23 ,
a a 33 b31 b32 b33 c31 c32 c33
31 a 32
unde:
c11 a11b11 a12b21 a13b31 , c12 a11b12 a12b22 a13b32 ,
3 3
c13 a11b13 a12b23 a13b33 , c 21 a 2 h bh1 , c 22 a 2 h bh 2 ,
h 1 h 1
3 3 3 3
c 23 a 2 h bh3 , c31 a 3h bh1 , c32 a 3h bh 2 , c33 a 3h bh3 .
h 1 h 1 h 1 h 1
1
2. 1 2 3 2 1 1 2 2 3 5 20 M 11 (ℝ).
5
1 0 0 1
A și B ,
0 1 1 0
1 0 0 1 0 1
𝐴∙𝐵 =( )∙( )=( ) și
0 −1 1 0 −1 0
0 1 1 0 0 1
B A ,
1 0 0 1 1 0
deci A B B A .
14
Prin calcul direct rezultă că dacă A M mn (ℝ) (sau M mn (ℂ )), atunci
A I n A , iar dacă B M n p (ℝ) (sau M n p (ℂ )), atunci In B B.
1.2 Determinanți
Fie A aij Mn (ℂ ) este o matrice pătratică de ordin n. Putem sa-i asociem
matricei A un numar complex notat cu detA sau cu |A|
a11 a12 a1n
a 21 a 22 a 2 n
sau .
a n1 a n 2 a nn
Determinanții matricelor din Mn(ℂ ) sunt numiți determinanți de ordin n.
Observații:
15
2. Regula triunghiului
Cele șase produse din formula determinantului de ordin 3 se pot obține printr-
o altă tehnică numită regula triunghiului. Această regulă este descrisă mai jos
indicând secvențial modul de construire a fiecarui produs:
16
În concluzie, d = 𝑎11 𝑎22 𝑎33+ 𝑎13 𝑎21 𝑎32+ + 𝑎12 𝑎23 𝑎31 -𝑎13 𝑎22 𝑎31-
𝑎13 𝑎21 𝑎33 -𝑎11 𝑎23 𝑎32
P4.Dacă la elementele unei linii (sau coloane) a matricei A aij Mn (ℂ )
adunăm elementele altei linii (sau coloane) înmulțite cu un numar λ,
valoarea determinantului matricei A nu se schimbă.
P6. Pentru orice matrice A aij Mn(ℂ ), are loc AT A .
17
Fie matricea A aij ℳn(ℂ ). Pentru i și j fixați, notăm cu Aij
matricea pătratică de ordin n - 1 care se obține din A eliminând linia i și
coloana j.
Numărul dij, definit prin expresia:
d ijdef 1 Aij ,
i j
Definiție.
Teorema 1: Fie matricea A aij ℳn(ℂ ). Au loc următoarele dezvoltări:
1. Dezvoltarea determinatului după elementele liniei i:
Pentru orice i, 1 i n, avem:
A = 𝑎𝑖1 𝑑𝑖1 + 𝑎𝑖2 𝑑𝑖2 + ⋯ . 𝑎𝑖𝑛 𝑑𝑖𝑛 = ∑𝑛𝑖=1 𝑎𝑖𝑗 𝑑𝑖𝑗
Suma produselor dintre elementele liniei i a matricei A și cofactorii acestora
este egală cu A .
2. Dezvoltarea determinantului după elementele coloanei j:
Pentru orice j, 1 j n, avem:
A = 𝑎1𝑗 𝑑1𝑗 + 𝑎2𝑗 𝑑2𝑗 + ⋯ . 𝑎𝑛𝑗 𝑑𝑛𝑗 = ∑𝑛𝑖=1 𝑎𝑖𝑗 𝑑𝑖𝑗
Suma produselor dintre elementele coloanei j a matricei A și cofactorii
acestora este egală cu A .
Fie matricea A aij ℳn(ℂ ). Matricea A* ℳn(ℂ ) egală cu
transpusa matricei care se obține din matricea A prin înlocuirea elementului
a ij cu cofactorul sau d ij 1i j Aij , și are forma:
T
Definiție. d 11 d 12 d 1n d 11 d 21 d n1
d d 22 d 2n d 12 d 22 d n2
A 21
*
.
d d nn d d nn
n1 d n 2 1n d 2n
se numește adjuncta matricei A .
Teorema 3: Dacă A aij Mn(ℂ ) și d det A, atunci:
d 0 0
0 d 0
AA * A* A dI n .
0 0 d
Fie A aij Mm x n(ℂ ) și r ℕ *, r ≤ min {m,n}. Cu elementele matricei
A situate la intersecțiile a r linii distincte i1 , i2 , , i r cu r coloane distincte
j1 , j 2 , , j r se poate forma o matrice pătrată M de ordin r,
a i1 j1 a i1 j2 a i1 jr
Definiție.
ai j a i2 j 2 a i2 j r
M 2 2 ℳr(ℂ ),
ai j a ir j 2 a ir jr
r1
Exemplu: Fie matricea A aij M4 x 5(ℂ ),
19
1 2
Astfel submatricea lui A din liniile 1, 3 și coloanele 2, 4 este și
3 1
1 2
minorul corespunzător este 5.
3 1
3 0
Submatricea lui A din liniile 2, 4 și coloanele 1, 5 este și minorul
1 3
corespunzător este
3 0
9.
1 3
Dacă M este submatricea lui A din primele două linii și două coloane, atunci
avem: 4 2 5 2 2 3 6 minori de ordin 3 care bordează minorul
M , și anume:
1 1 2 1 2
2 2 1 3
3
1 0, 3 1 2, 3 1 0,
2 3 1 2 3 2 2 3 2
obținând bordând pe M cu linia a treia a lui A și coloanele 3, 4 și 5.
2 1 1 2 1 2 2 1 3
3 1 0, 3 1 2, 3 1 0,
2 2 5 1 2 1 1 2 3
obținând bordând pe M cu linia a patra a lui A și coloanele 3, 4 și 5.
Dacă N este submatricea lui A situată în liniile 2, 3, 4 și coloanele 2, 4, 5,
atunci:
1 2 0
N 3 1 2 ,
2 1 3
20
Fie A aij Mm x n(ℂ ) si r ℕ *. Spunem că matricea A are rangul r și
notăm rangA = r, dacă A are cel puțin un minor de ordin r diferit de 0 și toți
minorii lui A de ordin mai mare ca r sunt egali cu 0.
Definiție.
Matricea Om x n are prin definiție rangul 0.
Observație:
Dacă toți minorii de ordin t ai unei matrice A sunt egali cu 0, atunci
orice minor de ordin t + 1 al lui A este, de asemenea, egal cu 0.
2 −1 4
3. Să se calculeze |5 3 −2| .
0 1 1
21
∑ 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 , 1≤𝑖≤𝑚
𝑗=1
sau matriceal 𝐴𝑋 = 𝑏.
unde
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴=( … … … … )
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
este matricea coeficienților sistemului sau simplu matricea sistemului,
𝑏1
𝑏2
𝑏 = ( ) matricea termenilor liberi,
:
𝑏𝑚
𝑥1
𝑥2
𝑋 = ( : ) matricea necunoscutelor,
𝑥𝑛
𝑎11 𝑎12 … 𝑎1𝑛 𝑏1
𝑎 𝑎22 … 𝑎2𝑛 𝑏2
Notăm cu Ā = ( 21 )
… … … … …
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑏𝑚
matricea cu m linii și n+1 coloane, matricea extinsă a sistemului care se
obține adaugând la matricea A coloana termenilor liberi.
0
0
Dacă 𝑏 = ( ) atunci sistemul de ecuații se numește omogen.
…
0
Definiție. Se numește soluție a sistemului de ecuații liniare un sistem ordonat de n
numere (𝛼1 , 𝛼2 … , 𝛼𝑛 ) astfel încât înlocuind necunoscutele 𝑥1 , 𝑥2 , … , 𝑥𝑛
respectiv prin 𝛼1 , 𝛼2 … , 𝛼𝑛 sunt verificate toate ecuațiile sistemului, adică
∑𝑛𝑗=1 𝑎𝑖𝑗 𝛼𝑗 = 𝑏𝑖 , 1 ≤ 𝑖 ≤ 𝑚.
22
Teorema Un sistem de ecuații liniare este compatibil dacă și numai dacă rangul matricei
Kronecker sistemului este egal cu rangul matricei extinse, adică
– Capelli
𝑟𝑎𝑛𝑔(𝐴) = 𝑟𝑎𝑛𝑔(Ā).
23
24
25
1 1 1
1. Determinantul 3 4 5 este egal cu:
9 16 25
a) –2; b) 14; c) 2.
x y 2z 8
2. Sistemul de ecuaţii 2 x y z 0
x 1 3
a) nu are soluţii reale;
b) are trei soluţii reale;
c) are soluţia x = y = z = 2.
1 2 1
3.Rangul matricei A = 2 3 2 este:
1 1 1
a) 2; b) 3; c) 1.
2𝑥 − 𝑦 + 3𝑧 = 5
4. Sistemul de ecuaţii { este:
−𝑥 + 3𝑦 − 2𝑧 + 𝑡 = 7
a) incompatibil;
b) compatibil nedeterminat;
c) admite soluţia x = 2, y = 0, z =1, t = 0.
Răspuns 1.1
1. tr A 1 3 6 10 .
1 i 2 4i 1 i 2 4i
2. Conjugata matricei A este A
.
3 i 7 3 i 7
2 3 1 2 0 17 −1 0
3. ( )∙( )=( ).
4 0 5 −1 0 4 8 0
Răspuns 1.2
1 2 1 0
1. Matricea A 2 4 3 1 are rangul egal cu 2. Se observă că
2 4 3 1
1 1
submatricea pătrată M provenită din primele două linii ale lui
2 3
26
Cum linia 3 a lui A coincide cu linia 2, orice minor de ordin 3 al lui A are
două linii egale, deci este egal cu 0. Așadar rang A = 2.
Să observăm că A mai are și alți minori de ordin 2 diferiți de 0, de
2 0
exemplu 2 0 , provenit din liniile 1, 3 și coloanele 2, 4 ale
4 1
lui A.
4 2
2.Matricea A=( ) este inversabilă pentru că det(A)=4-2=20.
1 1
1 −2
Adjuncta matricei A este A*=( ).
−1 4
1 1 −2
Inversa este A-1 = 2 ( ).
−1 4
3. Cu regula lui Sarrus det(A)=6+20+0-0-(-4)-(-5)=35
Răspuns 1.3
3 2 1
1. 𝑑 = det 𝐴 = |1 3 5| = −49 ≠ 0
2 6 3
Deoarece 𝑑 ≠ 0, rang A=3=rang 𝐴̅=nr. necunoscute, rezultă că
sistemul este compatibil determinat (are solutie unică). Soluția se poate
calcula cu regula lui Cramer :
𝑑 𝑑 𝑑
𝑥 = 𝑑1, 𝑦 = 𝑑2 , 𝑧 = 𝑑3
0 2 1
𝑑1 −49
unde: 𝑑1 = |−1 3 5| = −49 𝑥= = −49 = 1 , 𝑥 = 1;
𝑑
−7 6 3
3 0 1
𝑑 91 13 13
𝑑2 = |1 −1 5| = 91 𝑦 = 𝑑2 = −49 = − 7 , 𝑦 = 7;
2 −7 3
3 2 0
𝑑 −14 2 2
𝑑3 = |1 3 −1| = −14 𝑧 = 𝑑3 = −49 = 7 , 𝑧 = 7.
2 6 −7
13 2
S={(1, ; 7)}.
7
27
28
Cuprins Pagina
29
30
Fie (V,+,)/K, vectorii v1, v2,.., vn V, nN*, scalarii 1, 2,…, nK
n
Vectorul v=1v1+2v2+…+n vn= j v j se numeşte combinaţia liniară
j 1
a vectorilor v1, v2,.., vn cu scalari din corpul K.
Multimea de vectori S={ v1, v2,.., vn } se numeşte liniar independenta sau
Definitie. libera (sau spunem ca vectorii v1, v2,.., vn sunt liniar independenţi) dacă orice
combinaţie liniară nulă a vectorilor lui S se obţine numai cu toţi scalarii nuli,
adică: 1v1+2v2+…+n vn= i =0, i=1,2,..,n
Multimea de vectori S={ v1, v2,.., vn } se numeşte liniar dependenta sau
legata (sau vectorii v1, v2,.., vn sunt liniar dependenţi) dacă nu este libera,
adică există n scalari i , i=1,2,..,n, nu toţi nuli, astfel încât combinaţia
liniară a vectorilor lui S cu aceşti scalari să fie nulă.
Orice spaţiu vectorial V/K admite cel puţin un sistem de generatori. Două
sisteme de vectori care generează acelaşi spaţiu vectorial se numesc
echivalente.
31
Se poate demonstra:
Teorema. Orice spaţiu vectorial V { } admite cel puţin o bază.
Propozitie. Toate bazele unui spaţiu vectorial au acelaşi număr de vectori.
32
33
34
Raspuns 2.1
1. Se verifica daca vectorii sunt liniar independenti si formeaza sistem
de generatori.
2. (0.19)
Raspuns 2.2
1. Se verifica T(x+y)=T(x)+T(y), T(ax)=a T(x), aR, x, yR2.
2. Se verifica aditivitatea si omogeneitatea functiei si se demonstrea ca
este injectiva, adica din T(x)=T(y), x, yR2 rezulta x=y.
Raspuns 2.3
1. a) Se verifica T(x+y)=T(x)+T(y), T(ax)=a T(x), aR, x, yR3.
b) se determina vectorii nucleului, xR3, cu proprietatea T(x)=
x=(, , ) R3, R.
c) Im f= R2
2. Nucleul este format din toate polinoamele de grad 0, pentru ca acestea
au derivata de ordinul 1 nula.
35
36
37
38
40
Pagina
Cuprins
42
42
43
45
46
47
47
41
42
43
44
45
46
47
LIMITE DE FUNCTII
Pagina
49
49
51
52
53
53
54
48
49
50
51
52
53
54
FUNCTII CONTINUE
Pagina
56
56
57
58
59
59
60
55
56
57
58
59
60
FUNCTII DERIVABILE
Pagina
62
62
64
65
66
66
66
61
62
64
În loc de
Am ajuns la sfârşitul Unităţii de învăţare Nr. 7.
rezumat
65
Raspuns 7.1
1. Functia trebuie sa fie continua si derivabila in x=, in celelalte puncte
fiind derivabila. Se obtine 1+a=2a+3b si 2+a=2a.
2. f’(1)=1/√2
Raspuns 7.2
𝑥 2 +1
1. f’(x)= 2𝑥 2
2. f”(x)=𝑒 𝑥 (x2+5x+4)
Raspuns 7.3
1.Se determina a si b din conditiile teoremei Rolle, continuitatea implica
4a=b si derivabilitatea pe (0,3) implica b=0. Atunci a=0. f(0)=f(3)=0.
𝑥 2 +2𝑥−2 6
2. f’(x)= , f”(x)=(𝑥+1)3 .
(𝑥+1)2
66
73
73
74
67
68
69
70
71
Polinomul :
1
Tn(x,y)=f(a,b)+ ( x a) ( x b)f (a, b) +
1! x y
( 2)
1
+ ( x a) ( x b) f (a, b) +
2! x y
(n )
1
( x a) ( x b) f (a, b)
n! x y
se numeşte polinomul Taylor de gradul n ataşat funcţiei f în (a,b).
Rn(x,y)= f(x,y) –Tn(x,y) se numeşte restul de ordinul n al formulei lui
Taylor.
Restul Rn(x) estimează eroarea aproximării funcţiei f(x,y) prin
polinomul lui Taylor de ordin n, Tn(x,y).
R2(x,y)=
1
2!
ω( x, y ) ( x a) 2 ( y b) 2 .
72
Raspuns 8.1
𝜕𝑓 𝜕𝑓
1. 𝜕𝑥(1,1)=2; (1,1)=2
𝜕𝑦
𝜕𝑓 𝜕𝑓
2. (x,y)=2x sin(x+2y)+x2cos (x+2y); 𝜕𝑦(x,y) =2 x2cos (x+2y)
𝜕𝑥
Raspuns 8.2
1. da
2. df(1,0)=2dx+2dy
73
Răspuns 8.3
2
1. T3(f)(X)=1+X+3! X3
1
2. T3(f)(x,y)= 1+(x-1)+ (x-1) (y-1)+ 2(x-1)2 (y-1)
(1,1)1,20,1021
74
Pagina
76
76
78
79
80
81
82
75
76
77
79
80
Raspuns 9.1
1.x1=0, x2=1 sunt puncte critice ale functiei f. f ’’(x) = 30 x4 - 12x,
f(3)(x)= = 120 x3 – 12. x1=0 nu este punct de extrem, x2=1 este punct de
minim local al functiei.
2
2.f’(x)= 1- 1+𝑥 2 . x1=1, x2= -1 sunt punctele critice ale functiei f. x1=1 este
Răspuns 9.3
1. Funcţia Lagrange este
L(x,y,z;)= x3+y2+z2-xy-yz-zx +(3x-y-z-9). Punctele stationare
sunt (-1,-6,-6) pentru =-5. Diferenţiala de ordinul al doilea pentru acest
punct staţionar este
d2L(-1,-6,-6)=-6dx2-2dxdy-2dxdz+2dy2-2dydz+2dz2
si cum nu este pozitiv sau negativ definită; punctul staţionar (-1,-6,-6)
nu este extrem local. Pentru al doilea punct staţionar, diferenţiala de
ordinul al doilea a lui L este
3 −9 −9
d2L(2 , 4 , 4 )=21dx2-18dxdy+6dy2 =3(7dx2-6dxdy+2dy2).
3 −9 −9
Punctul (2 , 4 , 4 ) este punct de minim local pentru L şi punct de minim
local condiţionat pentru f.
2. Funcţia Lagrange este L(x,y,z;)= xyz+ (xy+2xz+2yz-48). Punctul
critic conditionat este (4,4,2), pentru = -1 care este punct de maxim
local conditionat.
81
82
PRIMITIVE. INTEGRABILITATE
Pagina
84
84
86
87
90
90
91
83
84
85
86
87
88
89
Raspuns 10.1
√𝑥(𝑥+2)
1. ln +C, C=const.
𝑥+1
𝑥 1
2.
2
√𝑥 2 + 1+ ln|𝑥 + √𝑥 2 + 1| +C, C=const.
2
Raspuns 10.2
1. e-3
2. cos 1 + sin 1
Răspuns 10.3
8
1. 15
3
2. − 10
90
91
Cuprins Pagina
92
93
n
-din resursa Ej s-a consumat în total cantitatea aij x i , j 1, m ;
i 1
n
-costul total al resursei Ej consumate este j aij x i j = 1, m ;
i 1
n
aij x i b j j 1, m
i 1
xi 0 i 1, n
n m
aij x i j S
i 1 j 1
n
c i x i S ; x i 0 i 1, n
i 1
94
m
x ij ai i 1, n
j 1
n m
n
Modelele sunt : minim c ij x ij ; x ij b j j 1, m
i 1 j 1 i 1
x ij 0 i 1, n , j 1, m
n m
pentru problema echilibrată, în care ai b j
i 1 j 1
m
x ij ai i 1, n
n j 1
x ij b j j 1, m .
i 1
x ij 0 i 1, n , j 1, m
95
C.Problema de nutriţie
Se ştie din cercetările nutriţioniştilor că un sistem de alimentaţie, într-
un anumit interval de timp trebuie să conţină anumite substanţe active, care se
găsesc în diverse tipuri de alimente. Notăm cu Si substanţele active necesare i
= 1, m , cu Aj alimentele care trebuie procurate j= 1, n şi care conţin aij cantitate
din substanţa Si pe unitatea de aliment Aj. Notăm cu xj cantitatea din alimentul
Aj, cu cj costul unitar al alimentului Aj şi cu bi necesarul din substanţa Si. Se
pune problema: care sunt cantităţile de alimente xj, care pot fi procurate mai
ieftin, fără abatere de la alimentaţia ştiinţifică.
Modelul matematic este:
n
n
aij x j bi i 1, m
minim f(x1,x2,…xn) = ci xi ; j 1 .
i 1 x 0 i 1, n
i
c1
.
C= matricea cu coeficientii functiei obiectiv f,
.
c
n
96
b1
.
b = , matricea termenilor liberi din restrictiile problemei
.
b
n
a11 . . a1n
. . . .
A= , matricea formata cu coeficientii necunoscutelor din
. . . .
a
m1 . . amn
sistemul de restrictii
x1
.
X = matricea necunoscutelor problemei (1)
.
x
n
AX b
[max] f =TCX; (2)
X 0
AX b
şi [min] f =TCX ; . (3)
X 0
AX b
[min] f =TCX ( sau [max] f = TCX ); . (4)
X 0
97
Observaţii.
1) Se poate trece de la o problemă de maxim la una de minim folosind
relaţia: max f = - min (- f ) si invers - max (- f) = min f .
2) Dacă problema de programare liniară nu are forma canonica, atunci
se adaugă sau se scad varibilele de compensare, după cum cere restricţia
respectivă.
Exemplu. Să se aducă la forma standard problema de programare
liniară următoare
x1 2 x 2 x 3 x 4 200
[max] f = 16x1+20 x2 –2x3+3x4 ; 2 x1 x 2 x 4 100
x j 0 , j 1,4
x1 2 x 2 x 3 x 4 x 5 200
2 x1 x 2 x 4 x 6 100 .
x j 0 , j 1,6
AX b
[min/ max] f =TCX ; .
X 0
98
99
x1 0, x 2 0,..... x n 0
şi presupunem că toţi termenii liberi sunt pozitivi, adică b1 0,...,bm 0,
adăugăm variabilele de compensare: xn+1,xn+2,…xn+m 0 şi se obţine forma
standard:
a11x1 a12 x 2 ... a1n x n x n 1 b1
a x a x ... a x x
21 1 22 2 2n n n 2 b2
max f=c1x1+c2x2+…+cnxn; .......... .......... .......... .......... ... .
a x a x ... a x x
n m bm
m1 1 m2 2 mn n
x1 0, x 2 0,..... x n m 0
Rangul matricei sistemului de ecuaţii de mai sus este m, deoarece
matricea sistemului conţine exact m vectori unitari, pe care îi vom nota:
an+1,an+2,…,an+m.
O soluţie de bază trebuie să aibă maxim m componente nenule.
Drept soluţie iniţială vom lua o soluţie foarte uşor de determinat şi anume:
x1=x2=….=xn=0, xn+1=b1, xn+2=b2,…, xn+m = bm.
Cum toate componentele termenului liber sunt pozitive, rezultă că
soluţia sistemului de restricţii al problemei de programare liniară:
XT=(0,0,…,0,b1,b2,…bm)Rn+m serveşte drept soluţie iniţială de bază.
Observaţie. Se ştie că problema de programare liniară se poate aduce
mereu la forma standard, totuşi condiţia suplimentară b1 0 ,...,bm0 face ca
întotdeauna soluţia iniţială să poată fi dedusă ca mai sus.
Metoda simplex are în vedere testarea optimalităţii soluţiei de bază
(iniţiale) curente; în caz că soluţia este optimă, algoritmul se opreşte; dacă nu
este optimă, soluţia se modifică prin modificarea unui vector din baza curentă,
100
aplicând criteriul de intrare în bază; acest nou vector care se alege prin criteriul
de intrare în bază, înlocuieşte un vector din vechea bază, care se alege prin
criteriul de ieşire din bază.
Noua soluţie se calculează utilizând metoda Gauss-Jordan. Această
soluţie se va testa la rândul ei, cu criteriul de optimalitate, etc. Algoritmul ia
sfârşit după un număr finit de paşi.
Organizarea calculelor - tabelul simplex
Presupunem, fara a reduce generalitatea, că baza curentă B este formată
din primii m vectori ai matricei sistemului de restricţii din forma standard,
a1,a2,…,am, deci primele m componente ale soluţiei x1,x2,…,xm sunt diferite de
0.
Vom nota CB subvectorul lui C format cu componentele lui C corespunzătoare
bazei B. Se observă că vectorii bazei se exprimă în felul următor în baza B:
a1=1a1+0a2+…+0am;a2=0a1+1a2+…+0am;….,am =0a1+0a2+…+1am.
De asemenea, aşa cum am văzut mai sus, toţi vectorii a j care nu aparţin
bazei se pot exprima prin:
a j 1j a1 2j a2 ...... mj am , j= m 1, m n .
Tabelul simplex pentru baza curentă este următorul:
c1 c2…cr…cm…cj… cm+n
c1 a1 x1 1 0…..0….0….1j… 1m+n
c2 a2 x2 0 1…..0….0….2j… 2m+n
. . . ………………………………
cr ar xr 0 0…..1…0…..rj…. rm+n
. . . ……………………………..
cm am xm 0 0…..0…1…..mj…. mm+n
k f0 0…0….0….0… j … m+n
101
4.Stabilirea pivotului.
La intersecţia liniei vectorului ar, care iese din bază, cu coloana vectorului aj,
care intră în bază, se află pivotul rj 0, care se foloseste în metoda lui Gauss-
Jordan pentru obţinerea noului tabel simplex.
1
f1 = CBT a1 =(0, 0, 0) 2 =0 ; 1 = c1-f1= 5 – 0 =5
0
2
f2 = CB T
a2 =(0, 0, 0) 1 =0; 2= c2 – f2 = 4 - 0=4
2
2
f3= CBT a3 =(0, 0, 0) 0 =0; 3 =c3 – f3 = 3 - 0=3;
1
f6=0, 6 = c6-f6=0.
în bază, j=1. Vom stabili vectorul care iese din bază şi pentru aceasta adăugăm
coloana .
Criteriul de ieşire din bază arata ca vectorul care va fi inlocuit in baza
x
este a5, deoarece min {10,4} = 4= 51 . Pivotul iteraţiei este 2. Noua bază va fi
5
formată din vectorii a4, a1, a6.
Calculul elementelor noului tabel se va efectua cu metoda Gauss -
Jordan. Tabloul simplex este urmatorul:
CB B XB a1 a2 a3 a4 a5 a6
c4= 0 a4 6 0 3/2 (2) 1 -1/2 0 3
c6 =0 a6 8 0 2 -1 0 0 1 -
k=ck- 20 1 2 3 4 5 =- 6 =0
fk =0 =3/2 =3 =0 5/2
CB B XB a1 a2 a3 a4 a5 a6
c3= 3 a3 3 0 3/4 1 1/2 -1/4 0
104
x1 0, x 2 0,..... x n 0
Presupunem că termenii liberi sunt pozitivi: b1 0 ,b2 0,…, bm 0.
Aducem problema la forma standard:
min f=c1x1+c2x2+…+cnxn
a11 x1 a12 x 2 ... a1n x n x n 1 b1
a x a x ... a x x
21 1 22 2 2n n n 2 b2
x j 0, j 1, n m
Introducand variabilele de compensare xn+1 , xn+2 ,…,xn+m
Dacă procedăm ca in cazul anterior, vom lua drept soluţie iniţială de bază,
soluţia:
x1=x2=….=xn=0, xn+1= - b1, xn+2= - b2,…, xn+m= - bm,
105
x j 0, j 1, n 2m
Soluţia iniţială de bază pentru problema cu restricţiile de mai sus poate
fi acum una convenabilă şi anume: x1=x2=….=xn=…=xn+m=0,
xn+m+1=b1,xn+m+2=b2,…xn+2m=bm.
Iniţial, variabilele artificiale sunt în bază; le putem elimina treptat din
bază dacă asociem fiecarei variabile artificiale un coeficient foarte mare în
funcţia de eficienţă, practic , care se numeşte coeficient de penalizare si se
notează cu M.
În concluzie, funcţia de eficienţă se modifică, devenind:
min w = c1x1+c2x2+…+ cnxn + Mxn+m+1+ Mxn+m+2 +…Mxn+2m.
Dacă totuşi, la finalul rezolvării problemei de programare liniară prin
metoda variabilelor artificiale cel putin una din variabilele artificiale are vector
în baza optimă, rezultă că problema dată initial nu admite soluţie.
Exemplu.
Să se rezolve problema de programare liniară, utilizând algoritmul simplex:
min f = 4x1 + 3x2 + 5x3
2x1 + x2 - 5x3 300;
x1 + x2 + x3 75; x1, x2 ,x3 0.
Soluţie. Aducem problema la forma standard fără a modifica functia
f prin scaderea variabilelor de ecart x4 si x5
min f = 4x1 + 3x2 + 5x3
2x1 + x2 -5x3 – x4 = 300
x1 + x2 + x3 - x5 = 75; xj 0 j 1,5 .
106
Observatie
O variabilă artificială care iese din bază, nu va mai intra în bază.
Soluţia optimă a problemei este: x1=150, x2=x3=x4=0, x5=75, x6=0, x7=0 si
min f = 600 = min w.
107
Raspuns 11.1
1. Fie xi, i 1,4 cantităţile din uleiurile Ui care trebuie puse în amestec.
Funcţia obiectiv este costul total al amestecului. Ea trebuie minimizată:
min f = 5 x1+ 4x2 + 4,5 x3+ 3x4 (mii u.m.)
Restricţia referitoare la cantitate este:
x1+x2+x3+x4 800.
Celelalte două restricţii se referă la substanţele S1 şi S2 necesare amestecului:
20 x1+10x2+30x3+20x4 18000
10 x1+20x2+10x3+30x4 21000.
108
Raspuns 11.2
1. Solutia optima este X=(8,6,0,0)
2. Solutia optima este X=(0,0,0,2,0,2)
Raspuns 11.3
1.a) se aplica metoda costurilor de penalizare si se obtine solutia optima
X=( 700 , 0 , 0, 600, 0, 1180 ).
b) se aplica metoda costurilor de penalizare si problema nu admite soluţie.
109
Cuprins Pagina
110
111
112
113
114
Operatiuni
echivalente in
regim de
dobanda
simpla
115
116
117
118
Elementele
dobanzii
compuse
Raspuns 12.1
1. i=0,5, p=50
2. i=0,35, p=35, S(3)=410.
Raspuns 12.2
1. p=12
2. Sf=1100 u.m.
Raspuns 12.3
1. S0=40000 u.m.
2. Sf=22472 u.m., Sf=22898 u.m.
120
Cuprins Pagina
121
122
123
K.
Corpul borelian este un corp de evenimente.Reciproca nu este
adevărată. În plus, dacă A1,A2,..An,…K, atunci Ai K.
i 1
13.2 Probabilitate
124
125
Evenimente independente
Două evenimente A şi B pentru care
P(AB)=P(A)P(B) (6)
se numesc evenimente independente.
Dacă două evenimente sunt independente şi incompatibile atunci
P( Ak Ak Ak )=P( Ak ) P ( Ak ) P( Ak ).
1 2 s 1 2 s
126
P ( Ak ) P ( X / Ak ) P ( Ak ) P ( X / Ak )
P(Ak /X)= = n .
P( X )
P ( A i )P ( X / Ai )
i 1
P(A1A2)=P(A1)+P(A2) – P(A1A2).
127
Schema lui Într-o urnă se află bile albe şi bile negre. Probabilitatea de a
Bernoulli ( sau extrage la întâmplare o bilă albă este p, iar probabilitatea evenimentului
binomială sau apariţiei unei bile negre este q=1–p. Se extrag la întâmplare n bile pe
schema urnei cu rând, observându–se culoarea şi punând bila extrasă de fiecare dată
bilă revenită) înapoi în urnă. Care este probabilitatea ca, în cele n extrageri să apară k
bile albe?
k k n k
Pn;k= Cn p q
este formula care caracterizează schema bilei revenite, unde n,kN, kn,
p,q 0 p+q=1.
Această formulă din schema lui Bernoulli se poate generaliza.
128
n!
Pn(k1,k2,..,ks)= p1k1 p2k2 .... psks .
k1!k 2 !.... k s !
2.Schema urnei
cu bila Este asemănătoare cu schema lui Bernoulli, însă se face ipoteza
nerevenită. că bila nu mai revine în urnă după fiecare extragere.
Într-o urnă se află a bile albe şi b bile negre, în total N bile. Se
extrag la întâmplare n bile, fără a reintroduce bila extrasă înapoi în urnă.
Care este probabilitatea ca din cele n bile extrase, k să fie albe?
Notăm cu X = evenimentul ca din cele n bile extrase k sunt albe.
n
Numărul cazurilor posibile pentru acest eveniment este egal cu C N .
Putem forma C ak grupe ce conţin k bile albe; fiecare astfel de grupă se
asociază cu o grupă ce conţine n–k bile negre (în total Cbn k ) obţinându-
se numărul cazurilor favorabile C ak Cbn k .
Cak C bn k
P(X)= .
3.Schema CNn
urnelor lui
În n urne identice se află în diferite proporţii bile albe şi bile
Poisson.
negre. Probabilitatea de a extrage o bilă albă din urna j este pj, iar de a
extrage o bilă neagră este q j=1–pj, j=1, ̅̅̅̅̅
𝑛. Se extrage din fiecare urnă
câte o bilă, în total n bile. Care este probabilitatea Pn(k) ca din cele n bile
extrase, k să fie albe?
Notăm cu X evenimentul ca din cele n bile extrase (câte una din
fiecare urnă) k să fie albe şi cu Aj extragerea unei bile albe din urna j, iar
A j este evenimentul extragerii unei bile negre din urna j, j= ̅̅̅̅̅
1, 𝑛. .
129
P(Aj)=p; P( A j )=1–p=q.
A= A1 A2 ... Ak 1 Ak .
130
Raspuns 13.1
1. a) Se aruncă o monedă şi se observă dacă apare faţa cu valoare
(V) sau faţa fără valoare (S). Evenimentele sunt (V) şi (S).
b) Se aruncă un zar şi se observă care dintre feţele 1,2,3,4,5 sau 6 apar.
not
Evenimentele sunt 1 =apariţia feţei cu un punct {1}; 2 =apariţia
not not
feţei cu două puncte {2};…,6= apariţia feţei cu şase puncte {6}.
c) O monedă este aruncată repetat până când apare faţa cu valoare, atunci
evenimentele sunt următoarele: V,SV,SSV,SSSV,.. Ele sunt în număr
infinit.
Raspuns 13.2
1. ½
2. A1 - evenimentul ca prima piesă extrasă să fie bună
A2 - evenimentul ca a doua piesă extrasă să fie bună.
2 30
a) P(A1cA2).= P(A1c) PAc (A2)= =0,245.
1 5 49
3 29
b) P(A1A2)=P(A1) PA1 ( A2 ) = =0,355.
5 49
3. Se aplica formula probabilitatii totale si formula lui Bayes.
a) 0,035
b) 0,714
Raspuns 13.3
1.Aplicăm formula schemei lui Bernoulli şi se obţine
6 4
6 1 5
4
6 6 4 6 5
P10;6= C10 p q = C10 = C10 =0,002.
6 6 610
2. Aplicăm schema bilei nerevenite cu: N=100000, a=10, n=100.
131
132
VARIABILE ALEATOARE
Cuprins Pagina
133
134
135
xj y j
sau pe scurt X: şi Y: .
p j j 1,n q j j 1,m
Notăm cu pij probabilitatea ca X să ia valoarea xi şi Y să ia valoarea yj,
adică:
m n
p ij=P(X=xi , Y=yj), pij 1.
j 1 i 1
xj k x kx j
Atunci: X+k :
; X : j ; kX:
p p p
j j 1,n j j 1,n j j 1,n
1
x 2j x 3j xn 1
X :
2
; 3
X : n j
;……; X : ; : xj
p j j 1,n p j j 1,n p j j 1,n X
pj j 1,n
136
xi y j xi y j xi y j
X+Y :
; X - Y :
; XY :
;
pij ij11,,nm pij ij11,,nm pij ij11,,nm
xi
X
: y j .
Y p i 1,n
ij j 1,m
x
xi y j X i
XY :
i 1,n ; Y : y j .
p i q j j 1,m p q i 1,n
i j j 1,m
Variabile aleatoare bidimensionale discrete
Fie două variabile aleatoare X1 şi X2 definite pe acelaşi câmp de
probabilitate:
X1, X2 : R.
Perechea de variabile aleatoare (X1,X2) se numeşte vector aleator
bidimensional.
Dacă X1 şi X2 sunt variabile aleatoare discrete, cu n valori,
respectiv m valori, atunci vectorul bidimensional (X1,X2) va avea în
general mn valori.
Fie x1,x2,…,xn valorile lui X1 şi y1,y2,…,ym valorile lui X2. Pentru
a scrie repartiţia vectorului bidimensional trebuie cunoscute toate
probabilităţile realizării simultane a valorilor lui X1 şi X2, adică:
pij=P(X1=xI,X2=yj) i= 1, n , j= 1, m .
Repartiţia vectorului aleator (X1,X2) este dată în tabelul următor:
X2 cu condiţia
X1 y1 y2 ……… ym m n
pij =1.
x1 p11 p12 p1m j 1 i 1
137
unde
p1=p11+p12+…+p1m, p2=p21+p22+…+p2m,…, pn=pn1+pn2+…+pnm şi
q1=p11+p21+…+pn1, q2=p12+p22+…+pn2,…, qm=p1m+p2m+…+pnm.
Variabilele aleatoare X1 şi X2 au funcţiile de repartiţie F1 şi F2
care în acest caz se numesc funcţii marginale de repartiţie.
138
2 1,5 3 4
X : .
0,2 0,1 0,4 0,3
n
Mr(X)=M(Xr)= x ir p i .
i 1
Notăm cu m media variabilei aleatoare X.
x m x 2 m ........ x n m n
Variabila X-m : 1 , p j 1, se
p1 p2 ........ pn j 1
numeşte variabila centrată asociată lui X.
Se numeşte moment centrat de ordin r, rN* asociat lui X,
momentul de ordin r al variabilei aleatoare centrate, asociate lui X. Se
notează r(X).
n
r(X)= Mr(X – m)=M[(X – m)r]= ( x i m)r pi .
i 1
Dacă variabila aleatoare X este discretă infinită, adică:
x x 2 ........ x n .......
X: 1 , p j 1 ,
p1 p2 ........ pn ....... j 1
atunci Mr(X)=M(Xr)= x ir p i este momentul iniţial de ordin r ,
i 1
iar r(X)= Mr(X – m)=M[(X – m)r]= ( x i m)r pi este momentul
i 1
centrat de ordin r.
Desigur, cele două serii trebuie să fie convergente pentru ca momentele
să existe.
Dacă variabila aleatoare X este continuă şi are densitatea de
repartiţie f, atunci definiţiile momentelor sunt următoarele:
Mr(X)=M(Xr)= x r f ( x )dx - momentul de ordinul r,
r(X)= Mr(X – m)=M[(X – m)r]= ( x m) r f ( x )dx - momentul centrat
de ordin r, unde m este media variabilei aleatoare X (dacă aceste integrale
nu sunt convergente, atunci momentele nu există).
Momentele vectorilor aleatori discreţi
Fie vectorul aleator X=(X1,X2) , care are repartiţia
X2
X1 y1 y2 ……… ym
14.3 Dispersia
Dacă X este o variabilă aleatoare discretă sau continuă, care are media
m=M(X), atunci momentul centrat de ordinul 1 este 0.
Momentul centrat de ordin doi al variabilei aleatoare X se
numeşte dispersie. Se notează D2(X) ;
D2(X)=2(X)=M[(X-m)2]
Dispersia unei variabile aleatoare este mereu pozitivă sau cel puţin egală
cu zero. Ea arată cât de depărtate sunt valorile variabilei aleatoare X faţă
de media sa.
Vom obţine o formulă de calcul pentru dispersie:
141
D2(X)=2(X)=M[(X-m)2]=M(X2-2mX+m2)=
=M(X2)-mM(X)+m2=M(X2)-2m2+m2=M2(X)-(M(X))2
D2(X)= M2(X)-(M(X))2.
Proprietăţile dispersiei
1. Dacă X=const., atunci D2(X)=0. Reciproca este adevărată.
2. Dacă X este o variabilă aleatoare şi aR, atunci D2(aX)=a2D2(X).
3. Dacă X şi Y sunt două variabile aleatoare independente, atunci
D2(X+Y)=D2(X)+D2(Y).
4. Dacă X şi Y sunt variabile aleatoare independente, atunci
D2(X - Y)=D2(X)+D2(Y).
5. Daca X şi Y sunt variabile aleatoare oarecare se obţine formula
D2(X -Y) = D2(X)+D2(Y) - 2cov(X,Y).
142
1.Se aruncă două zaruri. Se acordă 12 puncte dacă suma punctelor care
apar pe zaruri este 12, 4 puncte dacă această sumă este 7 şi un punct
pentru celelalte cazuri. Să se scrie repartiţia variabilei aleatoare care arată
numărul de puncte obţinut de cel care aruncă zarurile; să se calculeze
media şi dispersia acesteia.
−1 0 1 −2 0 2
X : (𝑝 + 1 𝑞 + 1 1 ), Y: (2𝑝 + 𝑞 1
12 𝑝2 ).
6 3 3 3
Raspuns 14.1
0 1 2
1. X: 1 1 1
4 2 4
2. F:R R,
143
0 ptr . x 2
0,2 ptr . 2 x 1,5
F(x)= 0,3 ptr .1,5 x 3 .
0,7 ptr . 3 x 4
1 ptr . x 4
Raspuns 14.2
1 1 1
1. M(X) = npn = n n
= n n 1 =2
n 1 n 1 2 2 n 1 2
t dt 1 t 1 1
2. k =, M(X)= 0 e t 0 te dt (2) .
Raspuns 14.3
11
1. p2=1/4, p3=1/2, D2(X)=16
2 1 1
2. D2(X)= M2(X)-(M(X))2= .
2
2
2
144
BIBLIOGRAFIE
4. M.A. Aprodu, C. Frigioiu, Noțiuni matematice aplicate in economie, Ed. Fundatiei
Universitare „Dunarea de Jos”, Galati, 2009.
5. Branzanescu V., Stanasila O., Matematici speciale, Ed. All, 1998, Bucuresti
6. Buhăescu T., Duţu G., Matematici aplicate în economie, Ed. Fundatiei Universitare
„Dunarea de Jos”, 1999, Galaţi;
7. Chirita S., Probleme de matematici superioare , Editura Didactica si Pedagogica, 1989,
Bucuresti
8. Donciu N. şi Flondor D., Algebră şi analiză matematică (culegere de probleme), E.D.P.,
1979, Bucureşti
9. Filip A., Matematici aplicate în economie, Ed. A.S.E., 2002, Bucureşti.
10. Filip A., Spătaru S., Mircea I., Teoria probabilităţilor, Statistică matematică,
matematici financiare, Ed. A.S.E., 2002, Bucureşti.
11. Mihoc C., Micu N, Teoria probabilitatilor si statistica matematica, EDP, 1980,
Bucuresti.
12. Năstăsescu C., Niţă C., Vraciu C., Bazele algebrei, Vol. I, Editura Academiei, 1986
Bucureşti.
13. Nicolescu M., Dinculeanu N., Marcus S., Analiza matematica, vol.I-III, Ed. Didactică şi
Pedagogică, 1971, Bucureşti.
14. Popescu O., Baz D., Beganu G.,etc. Matematici aplicate în economie, Ed. Didactică şi
Pedagogică, 1993, Bucureşti.
15. Popescu O., Baz D., Popescu A., Butescu V. & co, Matematici aplicate in economie,
1987, Bucuresti.
16. Roşculet M., Algebră liniară, geometrie analitică şi diferenţială, Ed. Tehnică, 1987,
Bucureşti
145