Mate Bun

Matematică aplicată în economie
Unitate de învăţare Nr. 1
MATRICE. DETERMINANT. SISTEME DE ECUAȚII

LINIARE
Cuprins Pagina
Obiectivele Unităţii de învăţare Nr. 1 ............................................................................. 10
1.1 Matrice ..................................................................................................................... 10
1.2 Determinanți ........................................................................................................... 15

1.3 Sisteme de ecuații liniare ........................................................................................ 21
Lucrare de verificare Unitate de învăţare Nr. 1............................................................... 25
Răspunsuri şi comentarii la testele de autoevaluare........................................................ 26
Bibliografie Unitate de învăţare Nr. 1............................................................................. 28

OBIECTIVELE Unităţii de învăţare Nr. 1

Principalele obiective ale Unităţii de învăţare Nr. 1 sunt:
 Să cunoască operațiile cu matrice: adunare, înmulțire unei matrice cu un
scalar, înmulțire a două matrice și proprietățile acestora;
 Să cunoască regulile de calcul pentru determinanti, proprietățile
determinanților;
 Să studieze compatibilitatea unui sistem de ecuații liniare și să determine
mulțimea soluțiilor sistemului.
1.1 Matrice
Definiție. Fie m,nℕ*. Se numește matrice de tipul mxn cu elemente din ℝ (sau
ℂ ) o funcție:
A : 1,2, , mx1,2, , n  ℝ (sau ℂ ),
definită prin Ai, j   aij , i : 1, , m, j  1, , n,
Matricei A i se poate asocia un tablou dreptunghiular cu m linii și n coloane

format cu numerele reale aij (respectiv complexe), pe care îl vom nota tot cu
A. Vom spune că matricea A are m linii și n coloane.
În general o matrice A se reprezintă sub forma:
 a11 a12  a1n 
 
 a 21 a 22  a 2 n 
A  a ij  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 m1 , atunci A se numește matrice coloană (sau vector coloană),
iar dacă A  M 1n atunci A se numește matrice linie (sau vector linie).
2) Matrice nulă (zero)
Definiție. O matrice în care toate elementele sunt nule se numește matrice nulă și se
notează cu Omn , 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.
Diagonala principală a unei matrice pătratice

Numerele reale (sau complexe) a11, a22, .....ann formează diagonala principală
a matricei pătratice
10

 a11 a12  a1n 

 
a a 22  a 2 n 
A   21 .
    
 
a a n 2  a nn 
 n1
4) Matrice unitate
Definiție. Matricea unitate de ordin n, n  ℕ*, este o matrice pătratică care pe

diagonala principală are toate elementele egale cu 1, iar în rest elementele
sunt egale cu zero.
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 .
Definiție. 5) Matrice superior triunghiulară. Matrice inferior triunghiulară.

Se numește matrice superior triunghiulară o matrice pătratică U de forma:
 a11 a12 a13  a1n 
 
 0 a 22 a 23  a 2 n 
U  0 0 a 33  a 3n  , deci o matrice în care toate elementele
 
     
 0 0 0  a nn 


situate sub diagonală principală sunt nule aij  0, j  i . 
Definiție. Se numește matrice inferior triunghiulară o matrice pătratică L de forma:
 a11 0 0  0 
 
 a 21 a 22 0  0 
L   a31 a32 a33  0  , deci o matrice în care toate elementele
 
     
a 
 n1 a n 2 a n 3  a nn 

situate sub diagonala principală sunt nule aij  0, j  i . 
6) Conjugata unei matrice cu elemente numere complexe.
 
Definție: Dacă A  aij  M mn (ℂ ), atunci matricea aij  M mn (ℂ ) se  
numește conjugata matricei A și se notează cu A .
11

7) Matrice egale.
 
Două matrice A, B  M mn (ℝ) (sau M mn (ℂ )), A  aij , B  bij , se  
numesc egale dacă pentru orice i, j  1, , m 1, , n avem aij  bij .
Dacă matricele A și B sunt de tipuri diferite, atunci A  B .
Transpusa unei matrice

Definiție: Fie A  M mn (ℂ ) o matrice. Transpusa matricei A este matricea,
notată 𝐴𝑡 ∈ 𝑀𝑛×𝑚 (ℂ), în care coloana j este linia j a matricei A, pentru
orice j  1, , m.
Prin urmare t A  bij  i 1, n , cu bij  a ji , i, j   1, , n 1, , m .

j 1 , m
Exemplu:
1 0
 1 2 5 t  
Dacă A    , A   2 4  .
 0 4 8 5 8
 
În particular, transpusa unei matrice coloană este o matrice linie și transpusa

unei matrice linie este o matrice coloană. De exemplu, pentru matricea
 v1 
 
V   2  , transpusa ei este V  v1 v 2  v n  .
v  t

 
v 
 n
8) Matrice simetrice. Matrice antisimetrice.
Definiție: • O matrice A pătratică se numește simetrică dacă și numai dacă

t
A  A.
• O matrice A pătratică se numește antisimetrică dacă și numai
dacă A   A .
t
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 mn (ℂ ). Se numește suma
j 1, n j 1, n
matricelor A și B, notată cu A + B, matricea aij   bij  i 1, m sau altfel spus:

j 1, n
12

 a11  a1n   b11  b1n   a11  b11  a1n  b1n 

     
       .
a     
 m1  a mn   bm1  bmn   a m1  bm1  a mn  bmn 
2) Înmulțirea unei matrice cu un scalar

Fie A  aij  i 1, m  M mn (ℝ) (respectiv M mn (ℂ )) și   ℝ (respectiv ℂ ).
j 1, n
Definiție
Prin definiție: A  a ij  i 1, m , sau echivalent:
j 1, n
 a11  a1n   a11  a1n 

   
      .
a   
 m1  a mn   a m1  a mn 
 5  5 2  15  15 6 
   
Exemplu: 3 0 1 7 0 3 21 .
 3 2  1  9 6  3 
  
Proprietăți ale adunării matricelor și ale inmulțirii unei matrice cu un

scalar
Teoremă. Dacă A, B, C  M mn (ℝ) (sau M mn (ℂ )) și  ,   ℝ (sau ℂ ),
atunci:
1.  A  B   C  A  B  C  (asociativitatea adunării matricelor de un
același tip)
2. A  O  O  A  A (adunarea matricelor de același tip admite matricea
nulă de acel tip ca element neutru)
3. A   A   A  A  O (orice matrice este simetrizabilă în raport cu
adunarea matricelor de același tip cu ea)
4. A  B  B  A (comutativitatea adunării)
5.    A  B    A    B (distributivitatea înmulțirii cu un scalar a unei
matrice față de adunarea matricelor de un același tip)
6.      A    A    A, (distributivitatea înmulțirii cu un scalar a
unei matrice față de adunarea scalarilor)
7.      A      A
8. 1  A  A
3) Înmulțirea matricelor
Definiție.
Fie A  M mn (ℝ) și B  M n p (ℝ) (sau A  M mn (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
în această ordine) este o matrice C  M m p (ℝ) (sau C  M m p (ℂ )), unde

C  cij 1 i  m are elementele
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 11 (ℝ).
 5
 
Proprietăți ale înmulțirii matricelor

Înmulțirea matricelor pătratice de un același ordin nu este comutativă.
Verificăm această afirmație pentru matrice pătratice de ordinul 2.
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 .
Teorema 1: Fie matricele A  M mn (ℝ), B  M n p (ℝ), C  M pq (ℝ) (sau

A  M mn (ℂ )), B  M n p (ℝ), C  M pq (ℝ) și   (ℝ) (sau (ℂ )). Atunci:
1) A  BC    AB   C (asociativitatea înmulțirii matricelor)
2)   BC   B  C  B  C  .
Teorema 2. Dacă A, B  M nn (ℝ) ( sau A, B  M nn ( ℂ )) sunt două

matrice pătratice de acelasi ordin, atunci
t
 A  B t Bt A .
14

Teorema 3. • Dacă A, B  M mn (ℝ), C  M n p (ℝ) (sau A, B  M mn (ℂ ) si

C  M n p (ℂ )), atunci
 A  B  C  A  C  B  C (distributivitatea la dreapta a înmulțirii
față de adunare).
• Dacă A  M mn (ℝ), B, C  M n p (ℝ) (sau A  M mn (ℂ ) si
B, C  M n p (ℂ )), atunci
A  B  C   A  B  A  C (distributivitatea la stânga a înmulțirii
față de adunare).
Prin calcul direct rezultă că dacă A  M mn (ℝ) (sau M mn (ℂ )), atunci
A  I n  A , iar dacă B  M n p (ℝ) (sau M n p (ℂ )), atunci In  B  B.
Dacă C  M nn (ℝ) (sau M nn (ℂ )), atunci I n  C  C  I n  C , adică I n

este un element neutru pentru înmulțirea matricelor pătratice de ordin n.
Test de autoevaluare 1.1 – Scrieţi răspunsul în spaţiul liber din chenar.

 1 0  1
 
1. Să se calculeze urma matricei A   2 3 0 .
4  5 6 
 
2. Să se scrie conjugata matricei

 1  i 2  4i 
A   .
 3 1 7 
3. Să se calculeze
2 3 1 2 0
( )∙( )
4 0 5 −1 0
Răspunsul la test se găseşte la pagina 26
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

1. Noțiunea de determinant al unei matrice are sens numai pentru matricele

pătratice.
2. Matricea nu trebuie să se confunde cu determinantul său; o matrice este o
funcție, iar determinantul matricei este un număr.
3. Dacă A  Mn (𝒦), atunci det(A)  𝒦, unde 𝒦  {ℤ , ℚ, ℝ, ℂ }.
Determinanți de ordinul doi
𝑎11 𝑎12
Fie A = (𝑎 𝑎22 ) o matrice pătrată de ordin 2 cu elemente numerice.
21
Definiție.
Numărul 𝑎11 𝑎22 − 𝑎21 𝑎12 se numește determinantul matricei A.
Determinantul unei matrice pătrate este egal cu diferența dintre

produsul coeficienților de pe diagonala principală și produsul coeficienților
de pe diagonala secundară.
Determinanți de ordinul trei
 a11 a12 a13 

 
Fie matricea A  M3(ℂ ), A =  a 21 a 22 a 23 
Definiție. a
 31 a32 a33 
Numărul d = 𝑎11 𝑎22 𝑎33+ 𝑎13 𝑎21 𝑎32+ 𝑎12 𝑎23 𝑎31- 𝑎13 𝑎22 𝑎31 -𝑎12 𝑎21 𝑎33
−𝑎11 𝑎23 𝑎32
se numește determinantul de ordinul trei sau determinantul matricei A.
1. Regula lui Sarrus

Calculul determinantului de ordinul 3 prin regula lui Sarrus se face
Reguli de parcurgând următoarele etape:
calcul  Se scriu primele două linii sub determinant;
 Se adună produsele elementelor de pe diagonala principală și
de pe paralele cu aceasta, situate sub ea;
 Se scad produsele elementelor de pe diagonala secundară și de
pe paralele cu aceasta, situate sub ea.
Aranjarea calculelor se face astfel:
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
Proprietăți ale determinanților

P1. Dacă permutăm două linii (sau doua coloane) ale unei matrice pătratice
determinantul acesteia iși schimbă semnul.
P2.Determinantul matricei unitate de ordinul n este egal cu 1.

.
 
P3.Dacă o matrice A  aij  Mn (ℂ ) are două linii (sau doua coloane)
egale, atunci A =0 .
 
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.
P5. Determinantul unei matrice pătrate de ordin n, unde λ este un scalar:
a11 a12  a1n a11 a12  a1n

a 21 a 22  a2n a a 22  a2n
=λ 21 .
       
a n1 an2  a nn a n1 an2  a nn
Proprietățile similare au loc și pentru liniile 2, 3, …, n.
 
P6. Pentru orice matrice A  aij  Mn(ℂ ), are loc AT  A .
17

Dezvoltarea unui determinant de ordin n după elementele unei linii (sau

coloane)
 
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
se numește cofactorul sau complementul algebric al lui aij.
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   1i  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
 
O matrice pătratica A de ordin n se numeste inversabilă dacă există

o matrice A-1 de ordin n, astfel incât
A· A-1 = In și A-1· A = In .
Definiție.
18

Matricea A este inversabilă daca și numai dacă detA≠ 0.

1
Inversa matricei A se calculează cu formula A-1 = 𝑑𝑒𝑡𝐴 A*, unde A* este
adjuncta matricei A.
Minorii și rangul unei matrice
 
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
numită submatrice (pătratică de ordin r) a lui A. Determinantul |M| al unei

submatrice pătratice de ordin r a lui A se numește minor de ordin r al lui A.
Nu cerem ca i1  i 2 i r și j1  j 2  j r , dar putem realiza acest lucru

prin permutări de linii și de coloane, ceea ce schimbă cel mult semnul
minorului, fără efect în considerațiile noastre viitoare.
Dacă i  i1 , , i r și j  j1 , , j r , i1  i 2 i r , i1  i 2 i r , atunci
spunem că minorul de ordin r + 1 următor
bordează cu linia i și coloana j minorul M de ordin r.

Evident, există (m  r ) x(n  r ) minori de ordin r  1 care bordează
un minor M de ordin r.
 
Exemplu: Fie matricea A  aij  M4 x 5(ℂ ),
19

Submatricea pătrată de ordin 2 a lui A situată în primele două linii și două

 2  1
coloane este M    , iar minorul de ordin 2 corespunzător este
3 1 
M=5
Matricea A are C 4  C5  6  10  60 submatrice pătratice de ordin 2 și 60 de

2 2
minori de ordin 2, pentru că avem C 42  6 posibilități de a alege două linii

distincte ale lui A și C5  10 posibilități de a alege 2 coloane distincte.
2
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

iar minorii de ordin 4 ai lui A care bordează pe N, în total în număr de (4 - 3)

x (5 - 3) = 1 x 2 = 2, sunt:
Primul minor de ordin 4 se află

bordând pe N cu linia 1 și
coloana 1, iar al doilea se obține bordând pe M cu linia 1 și coloana 3.
 
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.

1. Să se calculeze rangul matricei
1 2 1 0 
 
A   2 4 3  1
 2 4 3  1
 
4 2
2. Dacă matricea A=( ) este inversabilă să se calculeze inversa ei.
1 1
2 −1 4
3. Să se calculeze |5 3 −2| .
0 1 1
1.3 Sisteme de ecuații liniare
Definiție. Prin sistem de m ecuații liniare cu n necunoscute înțelegem un

ansamblu de ecuații de forma :
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + … + 𝑎2𝑛 𝑥𝑛 = 𝑏2
………………………………………… unde:
{ 𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 +. . . +𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
21

 𝑥1 , 𝑥2 , … 𝑥𝑛 sunt necunoscutele sistemului

 𝑛𝑢𝑚𝑒𝑟𝑒𝑙𝑒 𝑎𝑖𝑗 , 𝑖 = ̅̅̅̅̅̅
1, 𝑚 , 𝑗 = ̅̅̅̅̅
1, 𝑛 sunt coeficienții necunoscutelor
 𝑏1 , 𝑏2 , … 𝑏𝑚 sunt termenii liberi ai sistemului.
Sistemul de ecuații liniare mai poate fi scris restrâns sub forma:

𝑛
∑ 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.
Un sistem de ecuații liniare poate fi:

 compatibil, dacă sistemul are cel puțin o soluție.
 incompatibil, dacă sistemul nu are soluții.
La rândul lor, un sistem de ecuații liniare, compatibil poate fi:

 compatibil determinat este sistemul care are soluție unică sau
 compatibil nederminat este sistemul care are o infinitate de soluții.
22

Pentru a stabili dacă un sistem de m ecuații liniare cu n necunoscute este

compatibil putem folosi teorema lui Kronecker-Capelli.
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).
Observație: Sistemul liniar omogen este compatibil mereu, soluția banală

fiind admisă.
Teorema lui Kronecker – Capelli ne permite să decidem dacă sistemul este

compatibil sau nu, dar nu ne dă un mijloc practic de aflare a tuturor soluțiilor
sistemului dat .
Dacă sistemul are același număr de ecuații și de necunoscute, iar
determinantul matricei sistemului este nenul (rangul matricei este egal cu
numarul de necunoscute) atunci sistemul are o unică soluție, pe care o putem
calcula cu formulele lui Cramer .
Regula lui
Fie un sistem de n ecuații cu n necunoscute, care are următoarea formă
Cramer
generală:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + … + 𝑎2𝑛 𝑥𝑛 = 𝑏2
{
………………………………………..
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 +. . . +𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑛
.
Aflarea mulțimii soluțiilor unui sistem de ecuații liniare la care numărul
ecuațiilor este egal cu numărul necunoscutelor se poate face prin aplicarea
regulii lui Cramer dacă și numai dacă determinantul matricii sistemului este
diferit de zero , adică :
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝑑 = det 𝐴 = | … … … … | ≠ 0.
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛
Dacă 𝑑 = det 𝐴 ≠ 0 atunci sistemul este compatibil determinat, iar
soluțiasa este dată de formúlele lui Cramer:
𝒅 𝒅 𝒅
𝒙𝟏 = 𝒅𝟏 , 𝒙𝟐 = 𝒅𝟐 , … , 𝒙𝒏 = 𝒅𝒏 ,
unde : 𝑑1 , 𝑑2 , 𝑑𝑗 … 𝑑𝑛 , 1 ≤ 𝑗 ≤ 𝑛 sunt determinanții obtinuți prin
înlocuirea coloanei 𝑗 cu coloana termenilor liberi în determinantul matricei
A, adică :
𝑏1 𝑎12 … 𝑎1𝑛 𝑎11 𝑏1 … 𝑎1𝑛
𝑏 𝑎22 … 𝑎2𝑛 𝑎 𝑏2 … 𝑎2𝑛
𝑑1 = | 2 | 𝑑2 = | 21 |
… … … … … … … …
𝑏𝑛 𝑎𝑛2 … 𝑎𝑛𝑛 𝑎𝑛1 𝑏𝑛 … 𝑎𝑛𝑛
𝑎11 𝑎12 … 𝑏1
𝑎 𝑎22 … 𝑏2
……………………….𝑑𝑛 = | 21 |
… … … …
𝑎𝑛1 𝑎𝑛2 … 𝑏𝑛
23

Un sistema de ecuații liniare este:

- compatibil determinat (are soluție únică) dacă
̅ = nr. necunoscute,
rang A=rang 𝑨
- compatibil nedeterminat (are o infinitate de soluții) dacă
̅ < nr. necunoscute.
rang A=rang 𝑨
- ̅.
incompatibil (nu are soluții) dacă rang A ≠rang 𝑨
Pentru rezolvarea sistemelor compatibile nedeterminate se procedeaza astfel:
minorul care dă rangul matricei sistemului se numește principal,
necunoscutele ale căror coeficienti formeaza minorul principal se numesc
necunoscute principale, iar celelalte se numesc necunoscute secundare.
Necunoscutele secundare pot lua orice valoare reală.
Ecuatiile care participa cu coeficienti in acest minor principal vor fi suficiente
pentru a determina necunoscutele principale in functie de cele secundare.
Necunoscutele principale se vor determina in functie de cele secundare,
folosind regula lui Cramer sau Gauss,….
Exemplu
Sa se studieze si sa se rezolve urmatorul sistema de ecuatii
 x1  2 x2  3x3  x4  x5  0

2 x1  2 x2  4 x3  2 x4  x5  0 .
4 x  2 x  2 x  4 x  3x  0
 1 2 3 4 5
Matricea sistemului de ecuatii este

1 2 −3 1 1
A=(2 −2 4 2 1). Calculam rangul matricei A, pornind cu
4 2 −2 4 3
1 2
minorul | |=- 6.
2 −2
1 2 −3
Bordam cu linia si coloana alaturata ⌈2 −2 4 ⌉=0. Bordam acum cu
4 2 −2
coloana 4 si obtinem
1 2 1 1 2 1
⌈2 −2 2⌉=0. Bordam cu coloana 5 si obtinem ⌈2 −2 1⌉=0.
4 2 4 4 2 3
24

Atunci rangul matricei A este 2. Sistemul liniar omogen este compatibil

nedeterminat, deoarece rang A=rang 𝐴̅ < nr. nec.=5
Minorul care a indicat rangul matricei A se numeste principal, adica
1 2
| |=- 6, necunoscutele carea u coeficientii in acest minor sunt
2 −2
principale, x1, x2 iar celelalte sunt secundare si pot lua orice valoare reala, le
vom nota cu x3=, x4=, x5=, , , R.
Primele doua ecuatii se numesc principale, deoarece coeficientii lor formează
minorul principal și din acestea vom determina necunoscutele principale
𝑥1 + 2𝑥2 = 3 ∝ −𝛽 − 𝛾
{
2𝑥1 − 2𝑥2 = −4 ∝ −2𝛽 − 𝛾
Adunăm cele doua ecuatii si se obtin solutiile sistemului
x1=(--3-2)/3, x2=(10-)/6, x3=, x4=, x5=, , , R.

1. Folosind regula lui Cramer să se rezolve sistemul de ecuații
3𝑥 + 2𝑦 + 𝑧 = 0
liniare : { 𝑥 + 3𝑦 + 5𝑧 = −1 .
2𝑥 + 6𝑦 + 3𝑧 = −7
2. Să se studieze dacă este compatibil sistemul de ecuaţii

 x  2 y  5z  t  7
 și să se rezolve.
2 x  z  4t  5
Am ajuns la sfârşitul Unităţii de învăţare Nr. 1.
Vă recomand să faceţi o recapitulare a principalelor subiecte prezentate în

această unitate şi să revizuiţi obiectivele precizate la început.
În loc de
rezumat Este timpul pentru întocmirea Lucrării de verificare Unitate de învăţare Nr. 1
pe care urmează să o transmiteţi cadrului didactic.
25

Lucrare de verificare Unitate de învăţare Nr. 1
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.
Răspunsurile şi comentariile la testele de autoevaluare
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
A și coloanele 1, 3 are determinantul M  5  0 . Rezultă că rang A ≥ 2.
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=20.
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
2.Sistemul este compatibil nedeterminat, pentru că rang A=rang 𝐴̅ =2,

nr. necunoscutelor este 4. Necunoscute principale sunt x și y, iar z, t sunt
secundare, z=R, t=R. Mulțimes soluțiilor sistemului este
S={((5-+4)/2, (9-9-2)/4, , ), , R}.
27

Bibliografie Unitate de învăţare Nr. 1
1. Donciu N. şi Flondor D., Algebră şi analiză matematică

(culegere de probleme), E.D.P. Bucureşti 1979
2. Năstăsescu C., Niţă C., Vraciu C., Bazele algebrei, Vol. I,
Editura Academiei, Bucureşti, 1986
3. Roşculet M., Algebră liniară, geometrie analitică şi diferenţială,
Ed. Tehnică, Bucureşti 1987
28

SPAȚII VECTORIALE (LINIARE)
Cuprins Pagina
Obiectivele Unităţii de învăţare Nr. 2.............................................................................. 30

2.1 Spații vectoriale................................................................................................... 30
2.2 Operatori liniari........................................................................................................ 33
2.3 Proprietati ale operatorilor liniari........................................................................... 34
Lucrare de verificare Unitate de învăţare Nr. 2............................................................... 35
Bibliografie Unitate de învăţare Nr. 2............................................................................. 35
29


 Să cunoască noțiunile de mulțime de vectori liniar independentă,
sistem de generatori
 Să calculeze coordonatele unui vector în raport cu o bază
 Să cunoască noțiunea de operator liniar
 Să cunoască proprietățile unui operator liniar
30

Elementele lui Rn sunt de forma x=(x1, x2, …, xn) şi se numesc n-uple

ordonate.
Rn are structură de spaţiu vectorial peste corpul R, impreună cu urmatoarele
legi de compozitie:
-o lege de compoziţie aditivă (adunarea vectorilor), definită prin:
def
x=(x1, x2,…,xn), y=(y1, y2,…,yn) Rn x+y  (x1+y1, x2+y2,…,xn+yn)
-o lege de compoziţie externă peste corpul numerelor reale R (inmultirea cu

scalari a vectorilor), definită prin:
def
x=(x1, x2,…, xn) Rn , R x  (x1, x2,…, xn).
Fie (V,+,)/K, vectorii v1, v2,.., vn V, nN*, scalarii 1, 2,…, nK
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.
Propozitie. Multimea de vectori S este liniar dependent dacă şi numai dacă

unul dintre vectori săi este o combinaţie liniară a celorlalţi vectori din S.
Definitie. O multime de vectori SV/K se numeşte sistem de generatori pentru spatiul

vectorial V/K, dacă orice vector din V se poate scrie ca o combinaţie liniară
cu vectorii lui S si cu scalari din corpul K. Vectorii lui S se numesc
generatori pentru spatiul vectorial (liniar) V/K. .
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

Definitie. O multime de vectori B V/K cu proprietăţile:

- B este sistem de generatori pentru V (notam <B>=V)
- B este o multime de vectori liniari independenti
se numeşte bază pentru spaţiul V/K.
Se poate demonstra:
Teorema. Orice spaţiu vectorial V { } admite cel puţin o bază.
Propozitie. Toate bazele unui spaţiu vectorial au acelaşi număr de vectori.
Numărul natural notat dimKV, egal cu numarul de vectori dintr-o baza a

Definitie. spatiului vectorial V/K se numeste dimensiunea spatiului vectorial.
Daca V={} atunci dimensiunea lui se considera 0.
Dimensiunea spaţiului V/K reprezinta numărul maxim de vectori liniar

independenţi din V şi numărul minim de generatori ai lui V.
Scalarii cu ajutorul cărora un vector vV/K se scrie ca o combinaţie liniară

Definitie. cu vectorii unei bazei B, se numesc coordonatele vectorului v în raport cu
baza B.
Propozitie. Coordonatele unui vector în raport cu o bază a spatiului vectorial

sunt unice.
Presupunem ca V/K are dimensiunea finita n si B={u1, u2,…,un} este
o baza a lui V, iar vV un vector al spatiului vectorial. Atunci  1, 2,...,n
K astfel incat v=1 u1+ 2 u2+...+ n un. Scalarii 1, 2,...,n K sunt
coordonatele vectorului v in raport cu baza B.
Răspunsul la test se găseşte la pagina 35.
32

2.1 Operatori liniari
Răspunsul la test se găseşte la pagina 35 .
33

2.3 Proprietati ale operatorilor liniari
În loc de Vă recomand să faceţi o recapitulare a principalelor subiecte prezentate în

rezumat această unitate şi să revizuiţi obiectivele precizate la început.
Este timpul pentru întocmirea Lucrării de verificare Unitate de învăţare Nr. 2

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), aR, x, yR2.
2. Se verifica aditivitatea si omogeneitatea functiei si se demonstrea ca
este injectiva, adica din T(x)=T(y), x, yR2 rezulta x=y.
Raspuns 2.3
1. a) Se verifica T(x+y)=T(x)+T(y), T(ax)=a T(x), aR, x, yR3.
b) se determina vectorii nucleului, xR3, 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.
1. Donciu N. şi Flondor D., Algebră şi analiză matematică (culegere de

probleme), E.D.P. Bucureşti 1979
2. Năstăsescu C., Niţă C., Vraciu C., Bazele algebrei, Vol. I, Editura
Academiei, Bucureşti, 1986
3. Roşculet M., Algebră liniară, geometrie analitică şi diferenţială, Ed.
Tehnică, Bucureşti 1987
35

36


3.1 Siruri de numere reale
37

3.2 Proprietati ale convergentei sirurilor de numere
3.3 Limite de siruri
38



39

40

SERII DE NUMERE REALE
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


 Sa cunoasca definitiile echivalente ale limitei unei functii intr-un

punct
 Sa cunoasca limite fundamentale
 Sa cunoasca proprietatile importante ale limitelor de functii
49

50

51


În loc de
rezumat Am ajuns la sfârşitul Unităţii de învăţare Nr. 5.
52



53

54

FUNCTII CONTINUE
Pagina
56
56
57
58
59
59
60
55


56

57

58


Este timpul pentru întocmirea Lucrării de verificare Unitate de învăţare Nr.

6 pe care urmează să o transmiteţi cadrului didactic.
59

60

FUNCTII DERIVABILE
Pagina
62
62
64
65
66
66
66
61


 Sa stie sa calculeze derivata unei functii reale de o variabila reala
 Sa stie sa calculeze derivatele partiale ale unei functii reale
 Sa cunoasca proprietatile functiilor derivabile
 Sa cunoasca modul de aplicare a formulele de derivare ale functiilor
compuse
7.1 Derivata unei functii
62


63

7.2 Derivatele functiilor elementare si compuse
64

7.3 Proprietati ale functiilor derivabile
În loc de
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

FUNCTII DIFERENTIABILE. FORMULA LUI TAYLOR

Pagina
68
68
71
72
73
73
74
67


68

69

70

8.3 Formula lui Taylor
Fie f : D R2R şi (a,b) un punct interior din D. Presupunem că f este de

n ori diferenţiabilă în punctul (a,b), deci există toate derivatele de ordin n în
punctul (a,b) şi sunt continue.
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).
Dacă funcţia f:DR2R este diferenţiabilă de n+1 ori într-o

vecinătate a punctului interior (a,b)D, atunci pentru orice punct (x,y) din
această vecinătate există un punct (,) situat pe segmentul cu capetele (x,y)
şi (a,b), astfel încât:
( n 1)
1   
Rn(x,y)=  ( x  a)  ( x  b) f (,).
(n  1)!  x y 
Formula lui Taylor de ordinul n corespunzătoare lui f se va scrie:
(k )
n
1  
f(x,y)=f(a,b)+   ( x  a)  ( y  b) f (a, b) +
k 1 k!  x y 
( n 1)
1   
+  ( x  a)  ( y  b) f (,).
(n  1)!  x y 
Fie f: DR2R o funcţie care are derivate parţiale de ordinul al

doilea într-o vecinătate a punctului (a,b). Atunci există o funcţie (x,y)
continuă în (a,b) şi (a, b)  lim ( x, y )  0 astfel încât:
( x ,y )( a,b )
R2(x,y)=
1
2!

ω( x, y ) ( x  a) 2  ( y  b) 2 . 
72

1.Fie f:RR f(x)=excosx. Să se aproximeze funcţia f printr-un polinom de

gradul trei în vecinătatea originii, folosind formula lui Taylor.
2. Folosind formula lui Taylor pentru funcţia f:DR2R f(x,y)=xy în jurul

punctului (x0,y0)=(1,1) să se aproximeze printr-un număr cu 3 zecimale
(1,1)1,2.
Răspunsul la test se găseşte la pagina .


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)1,20,1021
74

PUNCTELE DE EXTREM ALE UNEI FUNCTII
Pagina
76
76
78
79
80
81
82
75


 Sa cunosca notiunea de extrem local pentru o functie reala
 Sa cunosca modul de determinare a punctelor de extrem local a unei
functii cu valori reale
 Sa cunoasca metoda multiplicatorilor lui Lagrange pentru determinarea
punctelor de extrem conditionate ale unei functii
76

77


1. Sa se afle punctele de extrem local ale functiei
f:RR f(x) = x6 – 2 x3 + 5,  x R
2. Fie functia f : R  R f(x)=x-2arctgx. Sa se determine punctele
de extrem local ale functiei.

1. Să se determine punctele de extrem local ale funcţiei:
f(x,y)=3x3+y2-9x2-27x+2.
1 𝑥 𝑦 𝑧
2. Fie functia f(x,y,z)=𝑥 + 𝑦 + 𝑧 + 16, x>0, y>0, z>0 Sa se determine
punctele ei de extrem local.

78

79


1. Să se determine extremele funcţiei reale de trei variabile
f:R3R f(x,y,z)=x3+y2+z2-xy-yz-zx cu legătura 3x-y-z=9.
2. Fie f(x,y,z)=xyz, unde xy+2xz+2yz=48. Sa se afle punctele de
extrem ale functiei.

În loc de această unitate şi să revizuiţi obiectivele precizate la început.
rezumat
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
punct de minim local al functiei f. x2 = -1 este punct de maxim local al

functiei f.
Raspuns 9.2
1. Functia are două puncte staţionare M1(-1,0) şi M2(3,0). M1(-1,0) nu
este punct de extrem local, iar M2(3,0) este punct de minim.
2. Functia are un singur punct stationar (2, 4,8) si folosind hessiana
functiei in acest punct se obtine ca este punct de minim local.
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


1. Sa se calculeze ∬𝐷 √𝑥(1 − 𝑥𝑦)𝑑𝑥 𝑑𝑦, unde D=[0,1][0,2]
2. Sa se calculeze ∬𝐷 (𝑥 − 3𝑦)𝑑𝑥 𝑑𝑦, unde D este domeniul plan delimitat
de curbele y = x2 si x = y2.


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

1. Branzanescu V., Stanasila O., Matematici speciale, Ed. All, 1998,

Bucuresti
2. Nicolescu M., Dinculeanu N., Marcus S., Analiza matematica, vol.I-
III, Ed. Didactică şi Pedagogică, 1971, Bucureşti.
3. Popescu O., Baz D., Beganu G.,etc. Matematici aplicate în
economie, Ed. Didactică şi Pedagogică, 1993, Bucureşti.
91

PROGRAMARE LINIARA. ALGORITMUL SIMPLEX
Cuprins Pagina
Obiectivele Unităţii de învăţare Nr. 11..................................................................... 93

11.1 Programare liniara .................................................................................................. 93
11.2 Algoritmul simplex ................................................................................................. 100
11.3 Metoda costurilor de penalizare............................................................................. 105
Lucrare de verificare Unitate de învăţare Nr. 11............................................................. 108
Bibliografie Unitate de învăţare Nr. 11........................................................................... 109
92


11.1 Programare liniara
Programarea liniară este un capitol important al cercetărilor operaţionale, cu o

largă aplicare în practica de zi cu zi, dar mai ales în economie.
Vom ilustra câteva direcţii de aplicare ale programării liniare in activitatea
productivă.
A. Problema utilizării optime a unor resurse (sau a planificarii
productiei unei intreprinderi)
Se urmăreşte producerea reperelor
R1, R2,…, Rn
în fabricarea cărora se utilizează diverse resurse
E1, E2,….,Em (resursele pot fi: materii prime, disponibil de forţă de
muncă, disponibil de capital, energie etc.).
Resursele sunt disponibile în cantităţi limitate; asfel din resursa Ej
dispunem de o cantitate maximă bj, cunoscută în prealabil.
Se mai cunosc:
- consumurile tehnologice:  i = 1, n şi  j= 1, m aij  0 este cantitatea

din resursa Ej ce se consumă pentru a fabrica o unitate din produsul Ri;
- beneficiile unitare: i= 1, n ci este suma de unitati monetare (leu,

dolar, euro etc) obţinută prin vânzarea unei unităţi de produs Ri;
-costurile unitare de achiziţie pentru resurse (materiile prime, forta de
munca etc): j= 1, m j este suma necesară cumpărării unei unităţi din
resursa Ej;
-capital total disponibil: S reprezinta suma totală disponibilă pentru
achiziţionarea de resurse in vederea realizării producţiei.
Vom nota cu xi (i= 1, n ) cantitatea de produs Ri ce va fi fabricată.
 Cunoaşterea mărimilor xi, i= 1, n reprezintă scopul final într-o problemă

de planificarea producţiei.
În aceste condiţii:
93

-încasările totale rezultate din vânzarea produselor sunt date de:

n
f(x1,x2,…xn) =  c i x i
i 1
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
-cheltuielile totale pentru achiziţionarea tuturor resurselor necesare realizării

m n
producţiei vor fi  aij x i  j .
j 1 i 1
Se pot prezenta două modele diferite, care au ca scop determinarea

mărimilor x1, x2,…, xn.
1)Dacă institutia (fabrica) are materiile prime E1,E2,….Em în cantităţile
b1, b2,…bm cunoscute, se pune problema utilizării acestora într-un mod care să
conducă la încasări totale cât mai mari.
În acest caz modelul matematic poate fi scris:
n
maxim f(x1,x2,…xn) =  ci xi ;
i 1
n
 aij x i  b j j  1, m
 i 1

 xi  0 i  1, n
2)Dacă unitatea productivă dispune de un capital S, cu care doreşte să

achiziţioneze resursele pentru fabricarea produselor (reperelor) R1, R2,…, Rn
asfel încât încasările totale să fie cât mai mari şi să se recupereze capitalul
investit.
Modelul matematic va fi :
n
maxim f(x1,x2,…xn) =  ci xi ;
i 1
 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
Aceste modele pot fi completate cu numeroase detalii reprezentând

condiţii suplimentare de care trebuie să se ţină seama.
94

B.Problema aprovizionării (cu o singură marfă)

Se ia în considerare un sistem de depozite D1,D2,…Dn: în depozitul Di
se află cantitatea ai de marfă (i= 1, n ). Se ştie că această marfa este destinată
unor consumatori(beneficiari) C1, C2,…,Cm. Beneficiarul Cj are nevoie de
cantitatea de marfă bj, j= 1, m . Notăm cu cij (0  c ij   ) costul transportului
unei unitaţi de marfă de la depozitul Di la consumatorul Cj. Acest model are
scopul de a determina cantitaţile xij ( i  1, n , j  1, m ) de marfă ce vor fi scoase
din depozitul Di şi trimise beneficiarului Cj, astfel încât costul transportului
întregii cantităţi de produse să fie cât mai mic. Cazul ‘’cij=’’ arată că
transportul de la Di la Cj este imposibil.
Vom prezenta modele care vor conţine ca restricţii condiţiile ca totalul mărfii
extrase dintr-un depozit să nu depaşească marfa existentă în acel depozit, iar
cantitatea totală de marfă primită de un beneficiar să nu fie sub necesarul acelui
beneficiar.
n m
Costul total de transport are forma:   c ij xij .
i 1 j 1
 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
şi pentru problema neechilibrată

n m
minim   c ij x ij ;
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
Un model asemănător cu acesta prezentat mai sus este problema

amestecurilor de benzine, impunând drept condiţie alegerea celor mai ieftine
amestecuri cu condiţia obţinerii unui produs final cu anumite caracteristici
tehnice (putere calorică, temperatură de aprindere, grad de rafinare) care să fie
inferioare sau superioare unor anumite mărimi prestabilite. Se poate rezolva şi
problema alcătuirii celui mai ieftin amestec din diferite sortimente de cărbune
pentru încălzirea cazanelor cu aburi, cu anumite caracteristici tehnice.
O problema de programare liniară este formata din:
- o funcţie obiectiv (funcţie scop) care este o funcţională (forma) liniară

definita pe Rn cu variabilele x1,x2,…xn, nN*
f(x1,x2,..,xn)=c1x1+ c2x2 +…..+ cn xn
- un sistem de restricţii format din ecuaţii şi inecuaţii liniare cu variabilele
x1,x2,…xn, nN*
- condiţii asupra variabilelor ( de obicei, condiţii de nenegativitate x 1  0 , x2

 0 ,…, xn  0 )
- un criteriu de optim, care poate fi ‘’minim’’ sau ‘’maxim’’.
Vom folosi matricele
 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
Se numeşte o restricţie concordantă , o restricţie care:

- în problemele de maxim are semnul “  ”
- în problemele de minim are semnul “  ” .
În celelalte cazuri restricţiile se numesc neconcordante.
Din modelele prezentate mai sus s-au dedus două forme particulare ale
problemei de programare liniară, numite forme canonice.
Acestea sunt:
 AX  b
[max] f =TCX;  (2)
 X 0
 AX  b
şi [min] f =TCX ;  . (3)
 X 0
Am notat cu ‘’X  0 ”, condiţiile care arată că toate componentele vectorului X

sunt nenegative (pozitive sau egale cu 0).
Observaţie. În formele canonice (2) sau (3) ale problemei de
programare liniară, restricţiile sunt concordante.
Se numeşte forma standard a problemei de programare liniară, forma
 AX  b
[min] f =TCX ( sau [max] f = TCX );  . (4)
 X 0
97

Evident că sistemul de restrictii AX=b poate fi incompatibil, compatibil

determinat sau compatibil nedeterminat. Numai ultimul caz este cu adevărat
interesant, pentru că numai atunci se pune efectiv problema de a alege din mai
multe soluţii pe cea bună.
Pentru a aduce o problema de programare liniară la forma standard,
singura forma pe care ştim să o rezolvăm, vom adăuga sau scădea noi variabile
pozitive problemei, numite variabile de compensare sau variabile de ecart
in inecuatiile existente.
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

Pentru obtinerea formei standard a problemei de programare liniara se adaugă

o variabilă de compensare x5 la prima restricţie şi se scade o variabilă de
compesare (ecart) x6 din a doua restricţie.
Forma standard este
[max] f = 16x1+20 x2 –2x3+3x4;
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

Se poate demonstra că orice problemă de programare liniară se poate

aduce la forma standard şi că aceasta are aceleaşi soluţii ca şi problema iniţială.
Soluţiile unei probleme de programare liniară
Fie problema de programare liniară (P.L)
 AX  b
[min/ max] f =TCX ;  .
 X 0
98

 Un vector X0Rn care verifică sistemul de restricţii AX=b, cât şi condiţiile

de nenegativitate X  0 ale unei (P.L) se numeşte soluţie posibilă a
problemei (admisibilă sau realizabilă sau “program”).
 O soluţie posibilă X0Rn cu numărul de componente nenule, rm=nr. de
ecuatii, iar vectorii matricei A care corespund componentelor nenule sunt
liniar independenţi, se numeşte soluţie de bază a problemei de programare
liniara; dacă r m, soluţia de bază se numeşte degenerată.
 Un vector X0Rn, soluţie posibilă pentru (P.L) se numeşte soluţie optimă
(“program optim’’) a problemei (P.L) dacă optimizează funcţia f, adică
dacă pentru orice soluţie posibilă X Rn, are loc relaţia TC X0  TCX
(pentru problema de minim), respectiv TC X0  TCX pentru problema de
maxim.
Toţi algoritmii de rezolvare a unei probleme liniare au o caracteristică
comună: metoda iterativă - se porneşte de la o soluţie posibilă iniţială care se
modifică treptat, până când funcţia obiectiv devine optimă sau se dovedeşte că
optimul nu există. Esenţa fiecărei metode este determinarea soluţiei iniţiale şi
îmbunatăţirea ei cu un algoritm de calcul. Noi vom prezenta algoritmul lui
Dantzig numit algoritmul simplex.

1. Se face un amestec de uleiuri minerale U1,U2,U3,U4, în vederea obtinerii unui
produs finit cu anumite calităţi şi în cantitate de cel puţin 800 l. Amestecul
trebuie să conţină substanţele S1 şi S2 în cantitate de cel puţin 18000 g, respectiv
21000 g. Conţinutul de substanţe S1 şi S2 ale fiecărui tip de ulei şi costurile
unitare sunt date in tabelul urmator:
Uleiuri (conţinut în g/ l)
Substanţe U1 U2 U3 U4 Necesar (g
S1 20 10 30 20 18000
S2 10 20 10 30 21000
Cost unitar(Mii u.m./t) 5 4 4,5 3
Sa se scrie modelul matematic al problemei pentru a obtine un amestec cu cost
total minim.
2.Sa se scrie forma standard a problemei de programare liniara
max f = 2x1 + x2 + 2x3
5x1 + x2 + x3  20
-x1 + x2 + x3 = 30
x1, x2 ,x3  0
99

11.2 Algoritmul simplex
Metoda simplex, pentru prima dată publicată de americanul G. B. Dantzig în

1947, presupune analizarea anumitor soluţii realizabile de bază şi trecerea de
la o soluţie la alta mai bună, prin schimbarea unui vector din bază. Mai exact,
se porneşte de la o soluţie realizabilă de bază (care se deduce cât mai simplu
posibil), se testează optimalitatea acestei solutii folosind un test de optimalitate.
Dacă soluţia este optimă metoda ia sfârşit, dacă nu, se trece la o altă soluţie de
bază, corespunzătoare unei baze care diferă de precedenta printr-un singur
vector. Alegerea vectorului se face prin criteriul de intrare în bază. Vectorul,
pe care acesta îl înlocuieşte se alege conform criteriului de ieşire din bază.
Criteriul de ieşire din bază se deduce din condiţia de admisibilitate a
noii soluţii; criteriul de intrare în bază se obţine din condiţia ca noua soluţie să
îmbunătăţească valoarea funcţiei de eficienţă.
Determinarea unei soluţii iniţiale de bază
Fie problema de programare liniară cu forma canonică:
 a11x1  a12 x 2  ...  a1n x n  b1
 a x  a x  ...  a x  b
 21 1 22 2 2n n 2
max f=c1x1+c2x2+…+cnxn ;  .......... .......... .......... .......... ...

a x  a x  ...  a x  b
 m1 1 m2 2 mn n m
 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 ,...,bm0 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=1a1+0a2+…+0am;a2=0a1+1a2+…+0am;….,am =0a1+0a2+…+1am.
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 
CB Baza xB a1 a2…ar…am…aj… am+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
Reguli practice pentru aplicarea algoritmului simplex
1.Criteriul de optimalitate. Dacă toate diferenţele k= ck-fk (pentru

problema de maxim) sau k= fk-ck (pentru problema de minim)
corespunzătoare vectorilor care nu sunt în baza curentă B sunt negative sau
egale cu 0, soluţia XB este optimă şi algoritmul se opreşte.
2.Criteriul de intrare in bază. Dacă cel puţin una dintre diferenţele

corespunzătoare vectorilor care nu se află în baza curentă, este pozitivă, k=ck-
fk0 (pentru problema de maxim) sau k =fk-ck0 (pentru problema de minim),
101

atunci soluţia XB nu este optimă. Se alege max {  k   k  0} = j . Vectorul

aj intră în bază.
Criteriu de optim infinit. Dacă toate componentele vectorului care
intră în bază (la o anumită iteraţie a simplexului) sunt negative sau nule,
problema admite optim infinit.
3.Criteriul de ieşire din bază. Se aplică după aplicarea criteriului de

intrare în bază. Se adaugă o nouă coloană în tabelul simplex, coloana , în
x
care se scriu rapoartele kj , pentru care  kj  0. Se alege raportul minim pozitiv
k
x  x
min  kj ,  kj  0 = rj care indică vectorul ar care iese din bază.
 k  r
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.
Elementele noului tabel simplex se vor calcula astfel:

- elementele de pe linia pivotului se împarte la pivot;
- coloana pivotului are elementele egale cu 0, cu excepţia elementului de pe
locul pivotului, care este 1;
- celelalte elemente se calculează după regula dreptunghiului: pentru calculul
unui element se formează un dreptunghi care intr-un vârf are pivotul, în vârful
opus elementul pe care vrem să-l înlocuim din vechiul tabel; acest dreptunghi
se calculează ca un determinant de ordin 2, dar cu precizarea că diagonala care
se ia cu semnul + este mereu cea pe care se află pivotul.Valoarea obtinuta se
împarte la pivot si astfel se calculeaza fiecare element din noul tablou simplex.
Se obţine o nouă soluţie. Noua bază B1, va conţine în locul lui ar vectorul aj, iar
coloana lui aj va deveni vector unitar, cu coordonata de ordin r egala cu 1 şi
celelalte 0.
Exemplu. Să se rezolve problema de programare liniară, utilizând
algoritmul simplex: max f = 5x1 + 4x2 + 3x3
x1 + 2x2 + 2x3  10
2x1 + x2  8
2x2 - x3  8
x1, x2 ,x3  0.
Soluţie. Se aduce problema la forma standard, adăugându-se variabilele
de compensare x4, x5, x6  0. Funcţia scop rămâne neschimbată.
max f = 5x1 + 4x2 + 3x3+0x4+0x5+0x6
102

x1 + 2x2 + 2x3 + x4 =10

2x1 + x2 +x5 = 8
2x2 - x3 +x6 = 8
xj  0 , j= 1,6 .
Baza iniţială este baza unitară, formată cu vectorii coloană a4,a5,a6 din
matricea sistemului de restricţii. Soluţia iniţială de bază se alege astfel:
x1=x2=x3=0, x4=10(din prima restricţie), x5=8(din a doua restricţie), x6=8(din a
treia restricţie).
Construim tabelul simplex iniţial, în care apare soluţia iniţială de bază, matricea
sistemului de restricţii, baza initiala:
c1= 5 c2= 4 c3= 3 c4= 0 c5 =0 c6 =0

CB B XB a1 a2 a3 a4 a5 a6 
c4= 0 a4 10 1 2 2 1 0 0 10/1
c5 =0 a5 8 (2) 1 0 0 1 0 8/2
a5 iese
din baza
c6 =0 a6 8 0 2 -1 0 0 1 -
k=ck- 0 1=5 2=4 3=3 4=0 5 6
fk a1 intra =0 =0
in baza
Ultima linie a diferenţelor se calculează conform definiţiei, astfel:
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
 
f4=0; 4 = c4-f4 =0;
f5=0, 5 = c5-f5 =0;
f6=0, 6 = c6-f6=0.
Criteriul de optimalitate se aplică după calcularea diferenţelor j.

Soluţia nu este optimă, deoarece nu toate diferenţele sunt negative sau egale cu
0. Vom schimba baza curentă, prin inlocuirea unui vector în bază. Criteriul de
ieşire din bază indică alegerea max { 5,4,3 } = 5 =c1–f1, deci vectorul a1 intră
103

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:
c1= 5 c2= 4 c3= 3 c4= 0 c5 =0 c6 =0
c4= 0 a4 6 0 3/2 (2) 1 -1/2 0 3
c1= 5 a1 4 1 1/2 0 0 1/2 0 -
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
Soluţia indicată de acest tabel este XT=(4,0,0,6,0,8), iar valoarea

funcţiei este de 20. Aplicăm iar criteriile de optimalitate pentru a studia această
soluţie .
Linia diferenţelor arată că soluţia nu este optimă şi intră în bază a3; coloana lui
 arată ieşe din bază vectorul a4. Pivotul este 2. Noua bază va fi formată din
vectorii a3, a1, a6. Iteraţia corespunzătoare este dată de tabelul de mai jos:
c1= 5 c2= 4 c3= 3 c4= 0 c5 =0 c6 =0
c3= 3 a3 3 0 3/4 1 1/2 -1/4 0
c1= 5 a1 4 1 1/2 0 0 1/2 0
c6 =0 a6 11 0 11/4 0 1/2 -1/4 1
k=ck-fk 29 1 =0 2= 3 =0 4= 5 = 6

=0
-3/4 -3/2 -7/4
104

Soluţia corespunzătoare este XT = (4, 0, 3, 0, 0,11), iar valoarea functiei de

eficienţă este max f=5 ·4+4 ·0+ 3·3=29.
Testul de optimalitate indică faptul că această soluţie este optimă.

1. Sa se rezolve folosind algoritmul simplex urmatoarele probleme de
programare liniara
a) max f = 10 x1 +15 x2
2x1 +4x2  40
6x1 +2x2  60
x1, x2  0
b) max f = 3x1 + 2x2 – x3 +16 x4
3x1+2x2+5x3+4x4 8
x1+x2+2x3+x4  4
x1, x2 , x3 ,x4  0 .
11.3 Metoda costurilor de penalizare
Determinarea unei soluţii iniţiale de bază, când problema are forma

canonică:
min f =c1x1 + c2x2+…+ cn xn
 a11 x1  a12 x 2  ...  a1n x n  b1
 a x  a x  ...  a x  b
 21 1 22 2 2n n 2
 .......... .......... .......... .......... ...

a x  a x  ...  a x  b
 m1 1 m2 2 mn n m
 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
 .......... .......... .......... .......... ...

a x  a x  ...  a x  x
n  m  bm
 m1 1 m2 2 mn n
 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

însă acesta nu este şi realizabilă, pentru că ea nu satisface condiţiile

algoritmului simplex.
Pentru a obţine o soluţie admisibilă de bază, vom introduce în fiecare
egalitate o nouă variabilă pozitiva, care să înlesnească alegerea soluţiei iniţiale.
Aceste m variabile pe care le introducem se numesc variabile artificiale, iar
metoda de lucru pe care o expunem se numeşte metoda variabilelor artificiale
sau metoda penalizării .
Se modifică şi funcţia de eficienţă astfel :
-dacă problema este de minim, atunci se adaugă la funcţia obiectiv iniţială,
variabilele artificiale, fiecare cu coeficientul de penalizare M (M pozitiv, foarte
mare);
-dacă problema este de maxim, atunci se adaugă la funcţia obiectiv iniţială,
variabilele artificiale, fiecare cu coeficientul de penalizare -M (negativ, -)
Astfel, după adăugarea variabilelor artificiale xn+m+1, xn+m+2,… xn+2m

sistemul de restricţii devine :
 a11 x1  a12 x 2  ...  a1n x n  x n 1  x n  m 1  b1
 a x  a x  ...  a x  x  x
 21 1 22 2 2n n n 2 n  m  2  b2
 .......... .......... .......... .......... ... .

a x  a x  ...  a x  x
n  m  x n  2 m  bm
 m1 1 m2 2 mn n
 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

In matricea sistemului de ecuatii nu gasim niciunul dintre vectorii bazei

canonica a spatiului R2, spatiu vectorial din care fac parte coloanele matricei
A.
Aplicam metoda penalizarii si vom adăuga variabilele artificiale x6,
x7, introducându-le în restricţii cu coeficientul 1 şi în funcţia de eficienţă cu
coeficientul de penalizare M:
min w = 4x1 + 3x2 + 5x3+ Mx6 + Mx7 (M pozitiv, foarte mare)
2x1 + x2 - 5x3 – x4+ x6 =300
x1 + x2 + x3 - x5 + x7 = 75
xI  0, l=1,7.
Soluţia iniţială de bază este x1=x2=x3=x4=x5=0 (nu au vectori in baza), x6=300,
x7=75 (din sistemul de restrictii).
Calculele aferente algoritmului simplex sunt redate în tabelul următor. Pentru
calculul liniei diferenţelor şi stabilirea criteriilor de optimalitate şi de intrare în
bază se foloseşte j=fj–cj.
La prima iteraţie, se calculeaza max {1=3M–4, 2=2M-3}=1, a1 intră în bază.
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.
Soluţie optimă multiplă.Calcul soluţiei optime generale

Dacă o problemă de programare liniară are mai multe soluţii optime de bază,
atunci orice combinaţie liniară convexă a acestor soluţii este de asemenea o
soluţie optimă.
O soluţie este multiplă dacă în iteraţia optimă j=0 pentru un vector aj care nu
aparţine bazei, atunci este posibil să introducem în bază vectorul aj pentru a
determina altă soluţie optimă care va conduce la aceeaşi valoare a funcţiei de
eficienţă.
Rezolvarea unei probleme de programare liniară care nu are forma
canonica. In acest caz, se aduce problema la forma standard, cu toţi termenii
liberi ai sistemului de restricţii pozitivi. Matricea sistemului corespunzător
problemei adusă la forma standard va indica care sunt vectorii coloană unitari
existenţi si daca este necesar se va aplica metoda penalizării.
Vom construi tabelul simplex, cu baza iniţială formată din vectori unitari, care
pot fi:
- vectori corespunzători variabilelor problemei sau
- vectori corespunzători variabilelor de compensare sau
- vectori corespunzători variabilelor artificiale.

1. Sa se rezolve urmatoarele probleme de programare liniara
a) max f = 10x1 + 6x2 -2x3+ 4x4
2x1 + x2 -2x4 =200
2x2 + x3+x4  600
x1 +2x2+ x3 +x4  120 ; x1, x2 ,x3 ,x4  0.
107

b) max f = 2x1 + x2 + 2x3

5x1 + x2 + x3  20
-x1 + x2 + x3 = 30 ; x1, x2 ,x3  0.


1. O întreprindere fabrică trei tipuri de produse folosind gaz metan şi apă.

Consumurile specifice, disponibilul de apă şi gaz, precum şi beneficiile nete
unitare sunt date în tabelul de mai jos:
Produse Consumuri specifice
Resurse P1 P2 P3 Disponibil
Apă 2 3 2 40.000 t
Gaz metan 10 50 30 500.000 mc
Beneficiu 10 15 25
unitar(u.m)
Cum se organizează producţia, dacă se urmăreşte maximizarea beneficiului
total?
2. Să se rezolve problema de programare liniară:
max f = x1 + 2x2 +3x3 - x4
x1 +2x2 +3x3 =15
2 x1+ x2 + 5x3 =20
x1 +2x2 + x3 +x4 =10; x1, x2 ,x3,x4  0.
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

Condiţiile de nenegativitate asupra variabilelor sunt: x1 , x2 , x3, x4  0.

min f = 5x1+4x2+4,5 x3+3x4
x1+x2+x3+x4  800;
20 x1+10x2+30x3+20x4  18000;
10 x1+20x2+10x3+30x4  21000
x1 ,x2 , x3 , x4  0.
2. max f = 2x1 + x2 + 2x3
5x1 + x2 + x3 + x4 = 20
-x1 + x2 + x3 = 30 , x1, x2 ,x3 , x4  0
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.
1. M.A. Aprodu, C. Frigioiu, Noțiuni matematice aplicate in economie,

Ed. Fundatiei Universitare „Dunarea de Jos”, Galati, 2009.
2. A. Filip , Matematici aplicate în economie, Ed. A.S.E., Bucureşti, 2002.
3. S. Chirita, Probleme de matematici superioare , Editura Didactica si
Pedagogica,Bucuresti 1989
109

ELEMENTE DE MATEMATICI FINANCIARE
Cuprins Pagina
Obiectivele Unităţii de învăţare Nr. 12............................................................................ 111

12.1 Istoricul si definitia dobanzii................................................................................... 111
12.2 Dobanda simpla...................................................................................................... 114
12.3 Dobanda complexa.................................................................................................. 116
110


 Sa cunosca notiunile de dobanda simpla si dobanda compusa
 Sa cunoasca modul de calcul al celor doua tipuri de dobanda,
elementele lor
 Sa poata face comparatie intre operatiunile efectuate in regim de
dobanda simpla si compusa
12.1 Istoricul si definitia dobanzii
111

112


1.Se da functia de acumulare a(t) = 0,5t2+1. Sa se calculeze rata anuala
efectiva a dobanzii si procentul dobanzii.
2. Se da functia de acumulare a(t) = 0,35t+1. Sa se calculeze i, p, valoarea
revenita a sumei initiale S0=200 u.m. dupa t=3 ani.
113

12.2 Dobanda simpla
114

Elementele dobanzii simple
Operatiuni
echivalente in
regim de
dobanda
simpla
115


1.La o bancă a fost depusă într-un depozit suma de 900 lei cu o dobândă
de p% pe an. Calculați p știind că, după un an, în depozit suma
este 1008 de lei.
2. Plasaţi suma de 1000 RON într-un cont bancar ce oferă dobândă simplă
cu procentul de 5% . Care este suma cumulată după 2 ani?
12.3 Dobanda compusa
116

117

118

Elementele
dobanzii
compuse

1.Ce sumă trebuie depusă astăzi, în regim de dobândă compusă, pentru ca
peste 4 ani cu procentul anual de 10% să se poată ridica 58.564 u.m ?
2. Ce devine suma de 20.000 u.m. în regim de dobândă compusă pe o
perioadă de 2 ani cu, procentele anuale de 6%, 7%?


119

1. De câte zile este nevoie pentru ca suma initiala de $ 1450 sa ajunga

la $ 1500 în regim de dobânda simpla cu procentul de 4% ?
2. Pe 1 Ianuarie 2009, Andrei a deschis un cont bancar în care a depus
2000 RON. Dupa exact un an, el a scos din cont 500 RON, iar pe 1
Iulie 2012 a depus în cont suma de 1500 RON. Stiind ca pentru acel
cont banca ofera o dobânda de 7,5%, compusa semestrial, si ca nu
au mai fost efectuate alte operatiuni bancare legate de acel cont, sa
se determine câti bani a gasit Andrei în cont pe 1 Ianuarie 2014.
3. Ce sumă trebuie depusă astăzi, în regim de dobândă compusă,
pentru ca peste 4 ani cu procentul anual de 10% să se poată ridica
58.564 u.m ?
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.
1. Buhăescu T., Duţu G., Matematici aplicate în economie,

Universitatea Galaţi, 1999;
2. Filip A., Matematici aplicate în economie, Ed. A.S.E., Bucureşti,
2002.
120

ELEMENTE DE TEORIA PROBABILITATILOR
Cuprins Pagina

13.1 Evenimente. Operatii cu evenimente....................................................................... 122
13.2 Probabilitate............................................................................................................. 124
13.3 Scheme de probabilitate........................................................................................... 128
121


 Sa stie sa scrie evenimentele unei experiente
 Sa calculeze probabilitatea unui eveniment
 Sa cunoasca formule de probabilitate
 Sa poata incadra o problema intr-o schema de probabilitate si sa aplice
corect formula
13.1 Evenimente. Operatii cu evenimente

Teoria probabilităţilor pune la dispoziţia cercetătorului din orice domeniu
un punct de vedere probabilistic asupra fenomenelor naturale, este vorba
de a aprecia desfăşurarea posibilă a unor evenimente, pe baza unor
experienţe anterioare sau pe baza unor date empirice.
Un experiment (sau experienţă) este o activitate cu rezultate
observabile. Rezultatele observabile se numesc evenimente legate de
experimentul respectiv. Orice rezultat al unui experiment se numeşte
eveniment elementar (simplu).
Exemple
1. Aruncarea monedei. Se aruncă o monedă şi se observă dacă apare
faţa cu valoare (V) sau faţa fără valoare (S). Experimentul este aruncarea
monedei. Evenimentele sunt (V) şi (S).
2. Aruncarea zarului. Se aruncă un zar şi se observă care dintre feţele
1,2,3,4,5 sau 6 apar. Experimentul este “aruncarea zarului”, iar
evenimentele sunt 1=apariţia feţei cu un punct; 2=apariţia feţei cu
două puncte;…, 6=apariţia feţei cu şase puncte.
3.Dacă o monedă este aruncată repetat până când apare faţa cu valoare,
atunci evenimentele sunt următoarele: V,SV,SSV,SSSV,….. Ele sunt în
număr infinit.
Notăm cu  mulţimea tuturor evenimentelor elementare realizabile într-

o anumită experienţă.
 se numeşte evenimentul sigur, iar evenimentul care nu se
poate produce la efectuarea unei experienţe se numeşte evenimentul
imposibil şi se notează .
Operaţii cu evenimente.Pe mulţimea tuturor evenimentelor

corespunzătoare unei experienţe se definesc trei operaţii : “sau”, “şi”,
“non”.
a) Fie A, B două evenimente. Vom nota AB evenimentul “A
sau B” care se produce atunci când cel putin unul dintre cele doua
evenimente se produce, adica in urmatoarele cazuri:
- apare numai A;
- apare numai B;
- apar simultan A şi B.
122

b) “A şi B” este evenimentul care se realizează atunci când se

realizează atât A cât şi B simultan. Se notează prin AB.
c) Pentru orice eveniment A, există evenimentul “non A” ( sau
contrarul evenimentului A) care se realizeaza dacă şi numai dacă nu se
realizeaza evenimentul A. El se notează A sau non A sau A c .
Proprietăţi ale operaţiilor cu evenimente

Fie A, B, C trei evenimente.
1. c= (contrarul evenimentului sigur este evenimentul imposibil),

2. c= Ω (contrarul evenimentului imposibil este evenimentul sigur),
3. A A  Ω , A A  ;
4. AB = BA ; AB = BA;
5. A(BC)=(AB)C; A(BC)=(AB)C;
6. A=A; A = ;
7. A=; A=A;
8. AA=A; AA=A;
9. A  B  A  B ; ̅̅̅̅̅̅̅
𝐴 ∪ 𝐵 = 𝐴̅ ∩ 𝐵̅ ( legile lui de Morgan)
10. B(AC)=(BA)(BC); B(AC)=(BA)(BC).
Două evenimente A şi B care nu pot avea loc simultan se numesc

incompatibile, deci “A şi B” este evenimentul imposibil: AB=.
Dacă AB  , A şi B se numesc compatibile.
Evenimentele elementare sunt incompatibile.
Evenimentele {A1,A2,…, An} spunem că formează un sistem
complet de evenimente dacă :
- sunt incompatibile două câte două, adică Ai  Aj= pentru i,j= 1, n
,ij;
- A1A2…An=.
Cel mai simplu sistem complet de evenimente este {A, A }.
O altă operaţie cu evenimente este “ diferenţa” lor , A\ B. Prin definiţie,
A\ B= A B .
Vom spune că A implică B, dacă realizarea lui A atrage după sine
realizarea lui B. Vom nota AB.
Câmp de evenimente. Fie  mulţimea evenimentelor elementare

realizate într-o anumită experienţă, P() mulţimea părţilor lui  şi
KP() o mulţime de evenimente aleatoare rezultate din experienţa
respectivă.
O mulţime K de părţi a lui , nevidă, se numeşte corp de

evenimente dacă îndeplineşte axiomele:
123

k1) oricare ar fi evenimentul AK  A K;

k2) oricare ar fi A şi B K  ABK.
Dacă K este un corp de evenimente ale lui , atunci sunt
adevărate următoarele proprietăţi:
a) K, K;
n n
b) Dacă A1,A2,…,AnK atunci  Ai K şi  Ai K;
i 1 i 1
c) Dacă A,BK, atunci A \ BK.
Se numeşte corp borelian de evenimente (după matematicianul
francez Emile Borel) o mulţime KP() infinită, cu proprietăţile :
i) AK  A K;

ii) oricare ar fi evenimentele A1,A2,..,An,…K  evenimentul  Ai
i 1
K.
Corpul borelian este un corp de evenimente.Reciproca nu este

adevărată. În plus, dacă A1,A2,..An,…K, atunci  Ai K.
i 1

1.Să se scrie multimea evenimentelor in urmatoarele experiente :
a) aruncarea monedei ;
b) aruncarea zarului ;
c) aruncarea repetata a unei monede pana la obtinerea fetei cu valoare.
13.2 Probabilitate
Se numeşte câmp finit de evenimente o mulţime finită de evenimente

, pe care s-a definit un corp de evenimente K. Se notează {,K}.
Dacă  nu este finit, iar K este un corp borelian, atunci {,K} se
numeşte câmp borelian de evenimente.
Vom considera că  este format dintr-un număr finit de
evenimente egal posibile, pe care îl vom nota n(). Fie A un eveniment
din  şi n(A) numărul de evenimente elementare care sunt favorabile
apariţiei lui A.
Vom numi probabilitatea evenimentului A şi vom nota cu P(A),
raportul dintre n(A) şi n(), adică :
nr . even. elementare favorabile realizarii lui A
P(A) = . (1)
nr . even. posibile
124

Se numeşte frecvenţă absolută a evenimentului A, numărul de

apariţii al evenimentului A într-un număr oarecare de probe efectuate.
Frecvenţa relativă a evenimentului A este raportul dintre numărul m de
apariţii ale evenimentului A şi numărul total de probe efectuate.
Frecvenţa relativă se va nota:
m
fn= . (2)
n
Fie {,K} câmp de evenimente. Se numeşte probabilitate pe
câmpul de evenimente {,K} o funcţie P :K  R, care verifică axiomele
:
P1) P(A)  0, AK;
P2) P()=1;
P3) P(AB)=P(A)+P(B), dacă AB= ( adică A şi B sunt evenimente
incompatibile ).
Dacă A şi B sunt evenimente din K, atunci:
1) P( A )=1 - P(A);
2) P()=0;
3) Dacă AB ( A implică B) , atunci P(A)  P(B);
4) Pentru orice eveniment AK, 0 P(A) 1;
5) P(B \ A)=P(B) – P(AB);
6) Dacă AB, atunci P(B \ A) = P(B) – P(A);
7) P(AB)=P(A)+P(B) – P(AB);
 n  n

8) P  Ak   P ( Ak ) ,
 pentru evenimentele A1,A2,..,An
 k 1  k 1
incompatibile două câte două.
Un câmp de evenimente {,K} înzestrat cu o probabilitate P se
numeşte câmp de probabilitate. Se notează {,K,P}.
Fie {,K} un câmp borelian. Se numeşte probabilitate complet
aditivă pe câmpul {,K} o funcţie P:KR cu proprietăţile:
1) P(A)  0 ,  AK;
2) P()=1;
  
3) P   Ak    P ( Ak ), pentru orice familie numărabilă de
 k 1  k 1
evenimente, incompatibile două câte două.
{,K,P} se numeşte câmp borelian de probabilitate, dacă P

este complet aditivă.
Probabilitate condiţionată. Fie {,K,P} un câmp de

probabilitate şi A,B K, cu P(A)0. Se numeşte probabilitatea
evenimentului B condiţionat de evenimentul A şi se notează PA(B) sau
P(B/A) raportul :
P( A  B)
P(B/A)=PA(B)= . (4)
P ( A)
125

Această condiţionare implică faptul că se pot evalua consecinţele

apariţiei evenimentului B, ştiind că A a avut deja loc. Adesea, se foloseşte
formula :
P(AB)=P(A)PA(B). (5)
Evenimente independente
Două evenimente A şi B pentru care
P(AB)=P(A)P(B) (6)
se numesc evenimente independente.
Dacă două evenimente sunt independente şi incompatibile atunci
P(AB)=P(A)P(B) şi P(AB)=P()=0 P(A)=0 sau P(B)=0.

Evenimentele A1,A2,…,An se numesc independente în totalitatea
lor, dacă pentru orice număr s cuprins între 0 şi n şi orice indici
k1,k2,…,ks cu 1 k1 k2…ksn este îndeplinită condiţia:
P( Ak  Ak   Ak )=P( Ak )  P ( Ak )  P( Ak ).
1 2 s 1 2 s
Formula de calcul a probabilităţii evenimentului A1  A2  

An , cu A1, A2 , …, An evenimente independente în totalitatea lor este
P( A1  A2   An ) = P(A1) P(A2) P( An ). (7)
Fie A1,A2,…,An evenimente. Presupunem că P( A1  A2  

An )  0. Atunci are loc următoarea egalitate:
P( A1  A2   An )=P(A1) PA (A2)PA1A2 (A3) PA A ...A ( An ).

1 2 n 1
1
Tot pentru probabilitatea realizării simultane a n evenimente a

fost demonstrată inegalitatea lui Boole:
n
P( A1  A2   An )   P( Ak )  (n  1) . (10)
k 1
Formula probabilităţii totale şi formula lui Bayes.

Fie un sistem complet de evenimente A1,A2,…,An, adică:
A1A2…An= şi Aj  Ak =,  j,k=1, ̅̅̅̅̅
𝑛, j  k.
̅̅̅̅̅
Presupunem că P(Ak)  0,  k =1, 𝑛.
Fie un eveniment X. Atunci X se mai poate scrie
n  n
X= X=X   Ak  =  ( X  Ak ) .
 k 1  k 1
126

Evenimentele XAk sunt incompatibile două câte două, deoarece

ij, (XAi)(XAj)= , Ai, Aj fiind incompatibile. Se obţine astfel :
n
P(X) =  P( X  Ak ) .
k 1
Dar din relaţia (5) fiecare termen al sumei se poate scrie

P(XAk)= P(Ak)  P(X/Ak)  k=1, ̅̅̅̅̅
𝑛, cu condiţia
P(Ak)0.
Se obţine astfel:
n
P(X) =  P ( Ak )  P ( X / Ak ) .
k 1
(11)
Aceasta se numeşte formula probabilităţii totale.
Ştim că dacă X şi B sunt două evenimente cu probabilităţi diferite
de zero, atunci P(BX)= P(X)P(B /X) = P(B)P(X /B) ; rezultă:
P (B )  P ( X / B )
P(B / X)= . (12)
P( X )
Dacă {A1,A2,…,An} este un sistem complet de evenimente, în
locul evenimentului B în (12) putem lua unul din evenimentele
sistemului, fie Ak şi vom obţine formula:
P ( Ak )  P ( X / Ak ) P ( Ak )  P ( X / Ak )
P(Ak /X)= = n .
P( X )
 P ( A i )P ( X / Ai )
i 1
Această formulă se numeşte formula lui Bayes, după numele

omului de ştiinţă englez care a trăit în secolul al XVIII-lea.
Fie A1,A2,…,An, n evenimente compatibile. Probabilitatea
producerii a cel puţin unui eveniment este dată de formula :
n n
P( A1  A2   An ) =  P( Ai ) -  P( Ai  A j ) +
i 1 i , j 1
i j
n
 P( Ai  A j  Ak ) -….+ (1)n1P( A1  A2  .....  An ) .
i , j ,k 1
i  j k
Aceasta se numeşte formula lui Poincare.

Pentru n=2, formula lui Poincare devine
P(A1A2)=P(A1)+P(A2) – P(A1A2).
127


1.Să se calculeze probabilitatea ca la aruncarea unui zar numarul de
puncte obtinut sa fie impar
2. Într-un lot se găsesc 20 piese defecte şi 30 piese corespunzătoare din
punct de vedere al calităţii.Se extrag două piese, fără a pune prima piesă
extrasă inapoi în lot. Se cere probabilitatea ca în această dublă extragere,
să se obţină:
a) în prima o piesă defectă şi în a doua o piesă bună;
b) două piese bune.
3. Două maşini automate care fabrică acelaşi tip de piese şi au aceeaşi
productivitate, realizează piese rebut cu probabilitatea p1=0,05 şi
respectiv p2=0,02.
Din producţia celor două maşini se extrage la întâmplare o piesă.
a) Care este probabilitatea ca piesa extrasă să fie rebut ?
b) Ştiind că piesa extrasă a fost un rebut, să se afle probabilitatea ca ea
să provină de la prima maşină.
13.3 Scheme de probabilitate
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?
Notăm X evenimentul ca din n bile extrase, k, (kn) să fie bile

albe, iar probabilitatea lui X o vom nota Pn;k. Fie Aj evenimentul ca la
̅̅̅̅̅
extragerea j să apară o bilă albă, j=1, 𝑛. P(Aj)=p; P( A j )=1–p=q.
k k n k
Pn;k= Cn p q
este formula care caracterizează schema bilei revenite, unde n,kN, kn,
p,q 0 p+q=1.
Această formulă din schema lui Bernoulli se poate generaliza.
Presupunem că într-o urnă sunt bile de s culori, s2.

Probabilitatea de a extrage, la întâmplare, o bilă de culoarea 1 este p1; de
a extrage, la întâmplare, o bilă de culoarea 2 este p2 , ş.a.m.d., iar
128

p1+p2+..+ps=1. Se extrag la întâmplare n bile, punându-se de fiecare dată

bila extrasă înapoi. Care este probabilitatea ca din cele n bile extrase, k1
să fie de culoarea 1, k2 să fie de culoarea 2,….,ks să fie de culoarea s?
Evident k1+k2+…+ks=n.
Vom nota probabilitatea căutată cu Pn(k1,k2,..,ks).
Prin generalizarea formulei din schema bilei revenite, obţinem:
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 .
Aplicând formula clasică a probabilităţii se obţine :
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. .
P(X)=  pi1 pi 2 ... pi k q i k 1 ...q in care reprezintă

{ i1,i 2 ,.. i n }
coeficientul lui tk din polinomul lui Poisson (p1t+q1)(p2t+q2)….(pnt+qn).
129

Observaţie. Schema urnelor lui Poisson este o generalizare a

schemei lui Bernoulli.
4. Schema lui Pascal. Considerând urna din schema lui
Bernoulli, se pune problema determinării probabilităţii ca la o anumită
extragere să se realizeze evenimentul dorit. Probabilitatea ca în extracţia
k să apară bila albă este pqk-1.
Fie Aj evenimentul ca la extragerea j să apară o bilă albă, j  1, n .
P(Aj)=p; P( A j )=1–p=q.
Evenimentul A ca să apară bila albă la extragerea k este :
A= A1  A2  ...  Ak 1  Ak .
Probabilitatea lui A este P(A)=pqk-1. Această probabilitate

reprezintă termenul general al unei progresii geometrice cu primul
termen p şi raţia q şi din acest motiv, schema se mai numeşte şi schema
geometrică.

1. Se aruncă două zaruri de 10 ori . Care este probabilitatea să apară de 6
ori suma 7?
2.Din 100.000 de bilete, puse în vânzare la jocul “Bingo”, într-o
săptămână 10 bilete sunt câştigătoare. La o agenţie se repartizează la
întâmplare 100 bilete. Să se determine probabilitatea ca:
a)3 bilete din cele repartizate să fie câştigătoare;
b)cel mult 2 bilete repartizate să fie câştigătoare.
3. În 3 loturi de produse 4%, 3% şi respectiv 8% sunt defecte.Se extrage
la întâmplare câte un produs din fiecare lot.Să se afle probabilitatea ca:
a)un produs să fie defect ;
b)toate produsele extrase să fie corespunzătoare.

În loc de
rezumat Vă recomand să faceţi o recapitulare a principalelor subiecte prezentate
în această unitate şi să revizuiţi obiectivele precizate la început.
130

Este timpul pentru întocmirea Lucrării de verificare Unitate de învăţare

Nr. 13 pe care urmează să o transmiteţi cadrului didactic.
1. Din 100 mere 10 sunt stricate. Care este probabilitatea ca luând la

intâmplare 5 mere, să luăm şi mere stricate ?
2. Un trăgător atinge ţinta cu probabilitatea 0,8.Care este probabilitatea
ca din 10 focuri trase asupra ţintei 8 focuri să atingă ţinta?
3. Într-o urnă se găsesc 3 bile albe şi 4 bile negre, iar într-o altă urnă 4
bile albe şi 5 negre. Se extrage o bilă la întâmplare dintr-una dintre urne.
a)Care este probabilitatea ca bila să fie albă?
b)Dacă bila extrasă este albă care este probabilitatea ca ea să fie extrasă
din prima urnă?
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(A1cA2).= P(A1c) PAc (A2)=  =0,245.
1 5 49
3 29
b) P(A1A2)=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

a)Fie X evenimentul ca trei bilete din cele repartizate să fie câştigătoare,

atunci k=3
Cak Cbn k C10
3 97
C99990
 P(X)= = .
CNn 100
C100 000
b)Notăm cu X evenimentul ca cel mult 2 bilete repartizate să fie

câştigătoare. X=X0X1X2, cu Xj evenimentul ca j bilete repartizate să
fie câştigătoare, j=0,1,2. Aceste trei evenimente sunt incompatibile şi
pentru calculul probabilitatii fiecăruia se aplică schema bilei nerevenite.
2 2 100 j
C10j C99990
P(X)=  P ( X j ) =
j o
 C100100
.
j 0 000
3.Aplicăm schema lui Poisson şi notăm cu pj probabilitatea ca un produs

extras din lotul j să fie defect, j=1,2,3. Atunci p1= 0,04, p2=0,03, p3=0,08.
Probabilităţile evenimentelor contrare sunt q1=0,96, q2=0,97, q3=0,92.
a)probabilitatea căutată este dată de coeficientul lui t din polinomul lui
Poisson (0,04t+0,96)(0,03t+0,97)(0,08t+0,92)
adică este p= 0,04 0,97 0,92 +0,96 0,03 0,92+0,96 0,97 0,08=0,137.
b)Fie X- evenimentul ca cele 3 produse extrase să fie corespunzătoare,
adică nici un produs nu este defect. Probabilitatea acestui eveniment va
fi coeficientul lui t0 din polinomul lui Poisson de mai sus, adică
P(X)=0,96 0,97 0,92=0,913.

2002.
132

VARIABILE ALEATOARE
Cuprins Pagina

14.1 Variabile aleatoare................................................................................................... 134
14.2 Media unei variabile aleatoare................................................................................ 139
14.3 Dispersia.................................................................................................................. 141
133


 Sa cunoasca notiunea de variabila aleatoare
 Sa scrie o variabila aleatoare
 Sa cunoasca operatiile cu variabile aleatoare
 Sa calculeze media si dispersia unei variabile aleatoare si proprietatile
lor
14.1 Variabile aleatoare
În multe situaţii este potrivit să asociem evenimentelor unui experiment

valori numerice. De exemplu, dacă experimentul constă în aruncarea unui
zar şi observarea feţei care apare, este natural să asociem numerele
1,2,3,4,5,6 respectiv evenimentelor elementare ale experimentului. Dacă,
X desemnează rezultatul experimentului, atunci X ia valorile 1, 2, 3, 4, 5
sau 6. Deoarece valorile lui X depind de rezultatele unui experiment, ne
vom referi la X ca fiind o variabilă aleatoare (întâmplătoare).
O variabilă aleatoare este o funcţie care asociază un număr
fiecărui eveniment al unui experiment.
Variabilele aleatoare se pot clasifica în funcţie de valorile pe care
le iau în trei categorii.
1. O variabilă aleatoare care are un număr finit de valori se numeşte
discretă finită;
2. O variabilă aleatoare care are valori intr-o mulţime numărabilă de
valori se numeşte discretă infinită;
3. O variabilă aleatoare se numeşte continuă, dacă valorile pe care le
poate lua conţin un interval de numere reale.
Vom da definiţia axiomatică a unei variabile aleatoare.
Fie {,K,P} un câmp de probabilitate şi X:R o funcţie.
Funcţia X:R se numeşte variabilă aleatoare dacă :
xR, evenimentul Ax={ X() x} aparţine lui K.
Condiţia AxK implică faptul că putem asocia o probabilitate
evenimentului Ax, P(Ax)=P({ X() x}).
X() se numeşte valoarea variabilei aleatoare, iar evenimentul
{ X() x} se mai notează {Xx} şi este egal cu reuniunea tuturor
evenimentelor , pentru care X() x.
Fie {,K,P} un câmp de probabilitate şi X:R o variabilă
aleatoare. Atunci evenimentele (X  x), (X  x) , (X  x), (X = x), (a 
X  b), (a X  b), (a X b), (a  X  b) aparţin câmpului K.
Dacă variabila aleatoare X este discretă finită, are un număr finit
de valori, fie acestea x1,x2,..,xn, atunci X verifică următoarele două
condiţii:
- poate lua numai valorile x1,x2,..,xn;
- probabilităţile evenimentelor (X=xj) , j=1, ̅̅̅̅̅
𝑛. , pe care le notăm cu
p1,p2,…,pn verifică p1+p2+…+pn=1.
134

O variabilă aleatoare discretă finită se scrie, în general, astfel:

 x x 2 ........ x n  xj 
X:  1  sau X:  
 p1 p2 ........ pn   p j  jI
unde x1x2..xn şi p1+p2+…+pn=1.
Am notat pj=P({  X()=xj }), j=1, ̅̅̅̅̅
𝑛.
Evident {  X()=xj}{  X()=xk}=, pentru jk.
Această scriere a lui X se mai numeşte repartiţia lui X.
Exemplu. Să se scrie variabila aleatoare care arată numărul
feţelor cu valoare care apar in două aruncări ale unei monede.
Soluţie. Mulţimea evenimentelor elementare care apar în
realizarea experienţei este = {VV,VS,SV,SS}, unde prin S este
evenimentul ca la o aruncare să apară faţa cu stema.
0 1 2
X:  1 1 1 
 
4 2 4
Fie {,K,P} un câmp de probabilitate şi X:R o variabilă

aleatoare. Se numeşte funcţie de repartiţie a variabilei aleatoare X
funcţia F:RR, definită prin
F(x)= P({ X() x})=P(Xx), xR.
Fie X o variabilă aleatoare şi F funcţia ei de repartiţie, x1,x2R,
x1 x2. Atunci au loc următoarele afirmaţii :
a) P(x1 X x2)= F(x2) – F(x1);
b) P(x1 X x2)= F(x2) – F(x1) – P(X=x1);
c) P(x1 X  x2)= F(x2) – F(x1)+P(X=x2) – P(X=x1);
d) P(x1 X  x2)= F(x2) – F(x1)+ P(X=x2).
1.Funcţia de repartiţie a unei variabile aleatoare este crescătoare.
2. lim F ( x )  0 şi lim F ( x )  1.
x  x 
3.Funcţia de repartiţie este continuă la stânga în orice punct xR.
Functia de repartiţie a unei variabile aleatoare discretă finită:

 x1 x 2 ........ x n  n
X:   ,  p j  1 .
 p1 p2 ........ pn  j 1
este F:RR definită prin :

 0 ptr . x  x1
 p ptr . x1  x  x 2
 1
 p1  p2 ptr . x 2  x  x 3

F(x)=  .......... .......... .......... .........
 p  p  ...  p ptr . x j  x  x j 1
 1 2 j
 .......... .......... .......... .......... ...


 1 ptr . x  x n
135

Exemplu. Să se scrie funcţia de repartitie a variabilei aleatoare X

  2 1,5 3 4 
X :   .
 0,2 0,1 0,4 0,3 
Funcţia de repartiţie a variabilei aleatoare X este F:R  R,
 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
Graficul funcţiei de repartiţie este o funcţie în scară.
Operaţii cu variabile aleatoare de tip discret

Se poate arăta că, dacă X şi Y sunt variabile aleatoare şi k un număr real
1 X
oarecare, atunci X+k , kX , ( dacă X0) , X+Y, X – Y, XY , (dacă
X Y
Y0) sunt variabile aleatoare. Acestea se definesc astfel :
Fie variabilele aleatoare discrete finite
 x x 2 ........ x n   y y 2 ........ y m 
X:  1  şi Y:  1  ,
 p1 p2 ........ pn   q1 q 2 ........ q m 
n m
cu  p j  1, q j  1
j 1 j 1
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
Operaţiile cu două variabile aleatoare discrete finite se definesc

astfel:
136

 xi  y j   xi  y j   xi y j 
X+Y :  
 ; X - Y :  
 ; XY :  
 ;
 pij  ij11,,nm  pij  ij11,,nm  pij  ij11,,nm
 xi 
X  
: y j  .
Y p  i 1,n
 ij  j 1,m
Două variabile aleatoare X şi Y discrete, definite pe acelaşi câmp de

probabilitate, se numesc independente dacă
pij=P(X=xi,Y=yj)=P(X=xI)P(Y=yj), i= 1, n , j= 1, m sau pij= pi qj
Această definiţie rezultă din definiţia evenimentelor independente (X=x
i) şi (Y=yj).
În acest caz operaţiile cu variabilele X şi Y independente se efectuează

astfel:
 xi  y j   xi  y j 
X+Y :  
 ; X-Y :  
 p q  i 1,n ;
 pi q j  ij11,,nm  i j  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
x2 p21 p22 p2m

. …………………………
. ……………………….
xn pn1 pn2 pnm
137

Variabilele aleatoare X1 şi X2 care alcătuiesc vectorul aleator

(X1,X2) se numesc variabile marginale.
Ele au repartiţiile:
 x x 2 ........ x n  n
X:  1  ,  p j  1 şi
 p1 p2 ........ pn  j 1
y y 2 ........ ym  m
Y:  1 ,
q m 
q j 1
 q1 q 2 ........ j 1
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.
Variabile aleatoare discrete cu un număr infinit de valori

O variabilă discretă infinită X are repartiţia :
 x x 2 ........ x n .......  
X:  1  , pj0 , jN,  p j  1 .
 p1 p2 ........ pn .......  j 1
Variabile aleatoare continue

Fie X:R o variabilă aleatoare a cărei funcţie de repartiţie F se
x
poate scrie sub forma F(x)=  f (t )dt , unde f:RR este o funcţie reală,

definită pe R, integrabilă pe R. Variabila X se numeşte de tip continuu
sau continuă.
Funcţia f se numeşte densitate de probabilitate sau densitate de
repartiţie.
Dacă funcţia F admite densitatea de repartiţie f, atunci se poate
arăta că în toate punctele de continuitate x ale lui F are loc:
F ( x  h)  F ( x ) P ( x  X  x  h)
f(x) = F’(x)= lim  lim .
h 0 h h 0 h
Densitatea de repartiţie f , a unei variabile aleatoare X are
următoarele proprietăţi:
 x2
1°. f(x)0, xR; 2°.  f ( x )dx  1; 3°. P(x1 X  x2) = x
1
f ( x )dx .
În cazul variabilelor aleatoare X de tip continuu, care au
densitatea de repartiţie f o funcţie continuă, probabilitatea ca X să ia o
anumită valoare x este egală cu 0 şi atunci:
P(x1 X  x2) =P(x1 X  x2) =P(x1 X  x2)= P(x1 X x2) = F(x2)-F(x1).

1. Să se scrie variabila aleatoare care arată numărul feţelor cu
valoare care apar in două aruncări ale unei monede.
2. Să se scrie funcţia de repartitie a variabilei aleatoare discretă X
138

  2 1,5 3 4 
X :   .
 0,2 0,1 0,4 0,3 
14.2 Media unei variabile aleatoare

O caracteristică numerică asociată unei variabile aleatoare X este
media (sau valoarea medie) M(X) şi care se defineşte astfel:
a) Pentru o variabilă aleatoare discretă finită X, care are
repartiţia
 x x 2 ........ x n  n
X:  1  ,  p j  1
 p1 p2 ........ pn  j 1
n
M(X)= x1p1 +x2p2 +…+xnpn =  x k pk .
k 1
b) Pentru o variabilă aleatoare discretă infinită X, care are
repartiţia

 x x 2 ........ x n ....... 
X:  1  şi  p j  1
 p1 p2 ........ pn .......  j 1

Media ei, M(X) este prin definiţie suma seriei  x n pn = M(X).
n 1
c) Dacă variabila aleatoare este de tip continuu, cu functia de
repartiţie f, atunci

M(X)=  xf ( x )dx , în cazul convergenţei integralei.

Proprietatile mediei
a
a) Dacă X este o variabilă aleatoare constantă X:   , atunci M(X)=a.
 1
b) Dacă X este o variabilă aleatoare şi kR , atunci M(kX)=kM(X).
c)Dacă X şi Y sunt două variabile aleatoare, atunci
M(X+Y)=M(X)+M(Y).
d) Dacă X şi Y sunt variabile aleatoare, independente, atunci
M(XY)=M(X)M(Y).
Fie X o variabilă aleatoare discretă finită:

Momente
 x1 x 2 ........ x n  n
iniţiale şi X:   ,  p j  1.
momente  p1 p2 ........ pn  j 1
centrate ale unei *
Se numeşte moment iniţial de ordin r, rN al lui X şi se
variabile notează M (X), media variabilei Xr,
r
aleatoare
139

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, rN* 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
x1 p11 p12 p1m

x2 p21 p22 p2m
. …………………………
. ……………………….
xn pn1 pn2 pnm
Momentul de ordin (r,s) asociat vectorului X este dat de :

n m
Mrs(X1,X2)=M ( X 1r , X 2s )   x ir y sj pij .
i 1 j 1
Notăm cu m1=M(X1) , m2=M(X2).
140

Momentul centrat de ordin (r,s) asociat vectorului X şi notat

rs(X1,X2) este:
n m
rs(X1,X2)=  ( x i  m) r ( x i  m) s pij .
i 1 j 1
Momentul centrat de ordin r=s=1 se numeşte covarianţa lui X şi se
notează cov(X1,X2).
Folosind proprietăţile mediei, covarianţa se poate exprima şi astfel:
cov(X1,X2)=11(X1,X2)=M[(X1-m1)(X2-m2)]=
=M(X1X2-m1X2-X1+m1m2)=
= M(X1X2)-m1 M(X2) - m2 M(X1) + m1m2 =M(X1X2) - m1m2
11(X1,X2)= cov(X1,X2)= M(X1X2) – M(X1)M(X2).
Dacă X1 şi X2 sunt variabile aleatoare independente, atunci

cov(X1,X2)=0, deoarece M(X1X2) = M(X1)M(X2).
Dacă cov(X1,X2)=0, spunem că variabilele aleatoare X1 şi X2 sunt
necorelate.

1.În experimentul “aruncarea monedei până când apare faţa cu valoare”
variabila aleatoare este :
 1 2 ....... n ....... 
X: 1 1 1  . Să se calculeze media ei.
 ....... ......... 
 2 22 2n 
2.Variabila aleatoare X are repartiţia continuă
0 x 0
f(x)=   λx , 0.
 ke x0
Să se afle constanta k şi să se calculeze media acestei variabile aleatoare.
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 aR, 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).
Se numeşte abaterea medie pătratică a variabilei aleatoare X şi se

notează X, sau  numărul real = D 2 ( X ) .
Fie vectorul aleator (X,Y).Se numeste coeficient de corelaţie
asociat vectorului aleator (X,Y) şi se notează X,Y, numărul real :
M ( XY )  M ( X )M (Y ) cov( X ,Y )
X,Y= = .
 XY D 2 ( X )  D 2 (Y )
Proprietăţile coeficientului de corelaţie
1. X,Y = 0  X şi Y sunt variabile aleatoare necorelate.
2. Dacă X şi Y sunt independente atunci X,Y = 0.
3. X,Y   1, oricare ar fi variabilele aleatoare X şi Y definite pe acelaşi
câmp de evenimente.
4. X,Y  = 1 implică o dependenţă liniară între X şi Y.
În cazul când X,Y =1, spunem că X şi Y sunt direct corelate, iar
când X,Y = -1, variabilele X şi Y sunt indirect corelate, adică una creşte
şi cealaltă scade.
Inegalitatea lui Cebîşev

Fie X o variabilă aleatoare cu media M(X) şi dispersia D2(X) şi 
un număr pozitiv.
Atunci, are loc următoarea inegalitate:
D2 ( X )
P  X  M( X )     1  2

D2 ( X )
sau, echivalent: P  X  M( X )     .
2
Această inegalitate se numeşte inegalitatea lui Cebîşev.
142


0 1 2
1. Se da variabila aleatoare discreta X: ( 1 𝑝 𝑝 ). Sa se determine
4 2 3
p2 si p3 stiind ca media variabilei aleatoare este 5/4 .Sa se calculeze
dispersia variabilei aleatoare.
2. Să se calculeze dispersia variabilei aleatoare exponenţiale de
parametru , cu repartitia f(x)= e-x , x0, 0.
În loc de Vă recomand să faceţi o recapitulare a principalelor subiecte prezentate

rezumat în această unitate şi să revizuiţi obiectivele precizate la început.
Este timpul pentru întocmirea Lucrării de verificare Unitate de învăţare

Nr. 14 pe care urmează să o transmiteţi cadrului didactic.
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.
2.Fie variabilele independente
−1 0 1 −2 0 2
X : (𝑝 + 1 𝑞 + 1 1 ), Y: (2𝑝 + 𝑞 1
12 𝑝2 ).
6 3 3 3
Sa se determine p si q. Sa se calculeze media si dispersia variabilelor

aleatoare X, Y, 3X, X2-Y2.
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

2002.
144

Matematica aplicata in economie
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

Mate Bun

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Mate Bun

Încărcat de

Drepturi de autor:

Formate disponibile

Matematică aplicată în economie

Unitate de învăţare Nr. 1

MATRICE. DETERMINANT. SISTEME DE ECUAȚII

Obiectivele Unităţii de învăţare Nr. 1 ............................................................................. 10

1.1 Matrice ..................................................................................................................... 10

1.2 Determinanți ........................................................................................................... 15

Matematică aplicată în economie

OBIECTIVELE Unităţii de învăţare Nr. 1

Matricei A i se poate asocia un tablou dreptunghiular cu m linii și n coloane

2) Matrice nulă (zero)

Diagonala principală a unei matrice pătratice

Matematică aplicată în economie

 a11 a12  a1n 

Definiție. Matricea unitate de ordin n, n  ℕ*, este o matrice pătratică care pe

Definiție. 5) Matrice superior triunghiulară. Matrice inferior triunghiulară.

Matematică aplicată în economie

Dacă matricele A și B sunt de tipuri diferite, atunci A  B .

Transpusa unei matrice

Prin urmare t A  bij  i 1, n , cu bij  a ji , i, j   1, , n 1, , m .

În particular, transpusa unei matrice coloană este o matrice linie și transpusa

Definiție: • O matrice A pătratică se numește simetrică dacă și numai dacă

matricelor A și B, notată cu A + B, matricea aij   bij  i 1, m sau altfel spus:

Matematică aplicată în economie

 a11  a1n   b11  b1n   a11  b11  a1n  b1n 

2) Înmulțirea unei matrice cu un scalar

 a11  a1n   a11  a1n 

Proprietăți ale adunării matricelor și ale inmulțirii unei matrice cu un

în această ordine) este o matrice C  M m p (ℝ) (sau C  M m p (ℂ )), unde

Matematică aplicată în economie

Proprietăți ale înmulțirii matricelor

Teorema 1: Fie matricele A  M mn (ℝ), B  M n p (ℝ), C  M pq (ℝ) (sau

Teorema 2. Dacă A, B  M nn (ℝ) ( sau A, B  M nn ( ℂ )) sunt două

Matematică aplicată în economie

Teorema 3. • Dacă A, B  M mn (ℝ), C  M n p (ℝ) (sau A, B  M mn (ℂ ) si

Dacă C  M nn (ℝ) (sau M nn (ℂ )), atunci I n  C  C  I n  C , adică I n

Test de autoevaluare 1.1 – Scrieţi răspunsul în spaţiul liber din chenar.

2. Să se scrie conjugata matricei

Răspunsul la test se găseşte la pagina 26

Matematică aplicată în economie

1. Noțiunea de determinant al unei matrice are sens numai pentru matricele

Determinantul unei matrice pătrate este egal cu diferența dintre

Determinanți de ordinul trei

 a11 a12 a13 

1. Regula lui Sarrus

Matematică aplicată în economie

Proprietăți ale determinanților

P2.Determinantul matricei unitate de ordinul n este egal cu 1.

P5. Determinantul unei matrice pătrate de ordin n, unde λ este un scalar:

a11 a12  a1n a11 a12  a1n

Proprietățile similare au loc și pentru liniile 2, 3, …, n.

Matematică aplicată în economie

Dezvoltarea unui determinant de ordin n după elementele unei linii (sau

se numește cofactorul sau complementul algebric al lui aij.

O matrice pătratica A de ordin n se numeste inversabilă dacă există

Matematică aplicată în economie

Matricea A este inversabilă daca și numai dacă detA≠ 0.

Minorii și rangul unei matrice

numită submatrice (pătratică de ordin r) a lui A. Determinantul |M| al unei

Nu cerem ca i1  i 2 i r și j1  j 2  j r , dar putem realiza acest lucru

bordează cu linia i și coloana j minorul M de ordin r.

Matematică aplicată în economie

Submatricea pătrată de ordin 2 a lui A situată în primele două linii și două

Matricea A are C 4  C5  6  10  60 submatrice pătratice de ordin 2 și 60 de

minori de ordin 2, pentru că avem C 42  6 posibilități de a alege două linii