1

UNIVERSITATEA ECOLOGIC DIN BUCURETI

FACULTATEA DE TIINE ECONOMICE


Lect. univ. dr. SANDRA TEODORESCU



MATEMATICI ECONOMICE
- sintez-




i n tiin ca i n altele: mai
mndru e cine o poart dect cine o face.
Nicolae Iorga





BUCURETI
2006
2

CUPRINS

1. ALGEBR LINEAR 3
1.1. Metoda Gauss-Jordan pentru rezolvarea sistemelor algebrice lineare 3
2. SPAII VECTORIALE 8
2.1. Definiia unui spaiu vectorial. Exemple 8
2.2. Subspaii vectoriale 11
2.3. Combinaii lineare. Dependen i independen linear 11
3. APLICAII LINEARE 16
4. VALORI I VECTORI PROPRII 20
5. PROGRAMARE LINEAR 24
6. CALCUL DIFERENIAL PENTRU FUNCII
DE MAI MULTE VARIABILE 28
6.1. Funcii de mai multe variabile 28
6.2. Funcii omogene. Relaia lui Euler. 29
6.3. Derivate pariale i diferenialele funciilor de mai multe variabile 30
6.4. Derivate de ordin superior 32
7. ELEMENTE DE TEORIA PROBABILITILOR
I STATISTIC MATEMATIC 34
7.1. Definiia probabilitii 34
7.2. Evenimente independente 35
7.3. Probabiliti condiionate. Formula probabilitii totale 38
7.4. Scheme probabilistice clasice 40
7.4.1. Schema binomial generalizat Poisson 40
7.4.2. Schema binomial Bernoulli 45
7.4.3. Schema hipergeometric 48
7.5. Variabile aleatoare discrete 50
7.5.1. Operaii cu variabile aleatoare discrete 50
7.5.2. Funcia de repartiie a unei variabile aleatoare discrete 52
7.5.3. Media i dispersia unei variabile aleatoare discrete 54
8. PLI EALONATE ANUAL 56
8.1. Valoarea final a unor depuneri anuale 56
8.2. Valoarea actual a unor pli anuale constante 59

Bibliografie 61



3
CAPITOLUL 1.
ALGEBR LINEAR


1.1. Metoda Gauss-Jordan pentru rezolvarea sistemelor de ecuaii
algebrice lineare

Metoda lui Gauss (metoda eliminrii complete) este o metod direct de rezolvare a
sistemelor de ecuaii lineare, adic dup un numr finit de operaii logice i aritmetice, metoda
d soluia exact a sistemului. Avantajele acestei metode sunt: se poate programa, se folosete
la calculul inversei unei matrici, calculul rangului, aflarea soluiilor unui sistem de ecuaii
lineare de dimensiuni mari, etc.

Rezolvarea sistemelor Cramer

Se consider sistemul de ecuaii algebrice lineare:

= + + +
= + + +
= + + +
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
...
.... .......... .......... .......... ..........
...
...
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
(1)

n care presupunem c matricea
n j i
ij
a A
, 1 ,
) (
=
= este nesingular (are determinantul nenul),
unde
|
|
|
|
|

\
|
=
nn n n
n
n
a a a
a a a
a a a
A
...
... ... ... ...
...
...
2 1
2 22 21
1 12 11
este matricea sistemului,
4
|
|
|
|
|

\
|
=
n
x
x
x
X
...
2
1
este vectorul soluiei sistemului,
|
|
|
|
|

\
|
=
n
b
b
b
b
...
2
1
este vectorul termenilor liberi.
Sistemul (1) se mai poate scrie matriceal astfel:
b AX = (2)
sau, dac 0 det A
b A X
1
= (3)
Se construiete tabelul de mai jos care se completeaz pe prima coloan cu elementele
matricei A , iar a doua coloan cu termenii liberi. Dup exact n pai se obine n stnga
jos, matricea unitate, iar n dreapta jos, soluia sistemului.

A b
.
.
.
.
.
.
n
I X


Algoritmul de determinare a soluiilor unui sistem de ecuaii lineare folosind
metoda Gauss-Jordan

Pornim cu primul element al matricei A, pe care l vom numi pivot (n cazul n
care elementul este nul, putem schimba dou linii sau dou coloane ntre ele astfel nct
primul element s fie nenul ).
Elementele de pe diagonala matricii A vor deveni pe rnd pivoi (n tabel el va
aprea subliniat), coloana lui se va numi coloana pivotului iar linia lui, linia pivotului.
5
Regula de transformare a elementelor este urmtoarea:
Elementele de pe linia pivotului se mpart la pivot (astfel c, elementul pivot
se va nlocui cu 1; )
Elementele de pe coloana pivotului devin 0;
Restul elementelor din tabel se calculeaz cu regula dreptunghiului:
Este vorba despre minorul de ordinul doi care are pe diagonala principal
elementul care trebuie nlocuit i elementul pivot:

a
bc d a
d
d c
b a

= '
sau
c
ad b c
b
d c
b a

= '
unde, elementul subliniat este pivotul. Se observ c ntotdeauna nmulirea ncepe cu
pivotul.
Se continu urmtoarea iteraie lund drept pivot urmtorul element nenul de
pe diagonal.
Observaie:
n cazul n care unul din pivoi este nul, se pot efectua permutri de linii sau coloane.

Exemplul 1.
S se determine soluia sistemului de mai jos, folosind metoda lui Gauss-Jordan:

= +
= +
=
10 2 2
10 2 4
2 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Rezolvare:
Calculm determinantul matricei sistemului:
0 18
2 2 1
2 4 1
1 1 2
=

6
n acest caz, putem aplica metoda, sistemul are soluie unic. Construim tabelul i l
completm conform regulilor de mai sus:

A b
2 2 1
2 4 1
1 1 2

10
10
2


Elementele care sunt pe linia pivotului se mpart la pivot iar cele de pe coloana pivotului
devin 0. Elementele care nu sunt nici pe linia nici pe coloana pivotului se transform
conform regulii dreptunghiului astfel:

Linia 2:
( )
( ) ( )

=


=


=


9
2
2 1 10 2
10
2
3
2
1 1 2 2
2
2
9
2
1 1 4 2
4
devine
devine
devine


Linia 3:
( ) ( )
( )

=


=


=


9
2
2 1 10 2
10
2
5
2
1 1 2 2
2
2
3
2
1 1 2 2
2
devine
devine
devine


Astfel, nlocuind n tabel, obinem:

2
5
2
3
0
2
3
2
9
0
2
1
2
1
1

9
9
1


7
n continuare, scriem prima coloan neschimbat, iar pivotul va fi urmtorul element
nenul de pe diagonal, adic
2
9
. Aplicnd aceleai reguli de calcul, rezult la urmtorul
pas:
2 0 0
3
1
1 0
3
2
0 1

12
2
2


Pentru cel de-al treilea pas i ultimul, pivotul va fi al treilea element nenul de pe
diagonal, adic 2. Primele dou coloane rmn neschimbate, linia pivotului se mparte la
pivot, coloana pivotului se completeaz cu 0, iar pentru restul elementelor se aplic
regula dreptunghiului:

1 0 0
0 1 0
0 0 1

6
4
6

3
I X

Prin urmare, am obinut pe prima coloan, matricea unitate, iar pe poziia n care iniial
au fost termenii liberi, soluia sistemului:

=
=
=
6
4
6
3
2
1
x
x
x









8
CAPITOLUL 2.
SPAII VECTORIALE

2.1. Definiia unui spaiu vectorial. Exemple.

Fie V o mulime nevid i K un corp nevid (de exemplu, mulimea numerelor
reale sau complexe) cu
K
0 i
K
1 elementul zero i respectiv elementul unitate din K.
Definim urmtoarele operaii:
a) adunarea " "+ a dou elemente din V astfel: dac V y x V y x + , (operaie
intern)
b) nmulirea cu un scalar " " a unui element din V astfel: fiecrui element V x i
K i se poate asocia un element din V notat cu , V x sau simplu, x . (operaie
extern)
n acest context, pe K l vom numi corpul scalarilor iar elementele sale, numite scalari,
se noteaz de obicei cu litere greceti.

Definiia 2.1.1.
Cvartetul ) , , , ( + K V se numete spaiu vectorial dac cele dou operaii de la a) i b) sunt
definite i satisfac urmtoarele axiome:
)
1
v V z y x z y x z y x + + = + + , , , ) ( ) (
)
2
v V
V
0 astfel nct V x x
V K
= , 0 0
)
3
v V x x x
K
= , 1
)
4
v V x K x x = , , , ) ( ) (
)
5
v V y x K y x y x + = + , , , ) (
)
6
v V x K x x x + = + , , , ) (



9
Observaie:
Dac K=R, corpul numerelor reale, atunci V se numete spaiu vectorial real, iar dac
K=C, corpul numerelor complexe, atunci V se numete spaiu vectorial complex.

Observaie:
Elementele lui V se numesc vectori, i se noteaz de obicei cu litere latine.

Observaie:
Adunnd doi vectori obinem tot un vector, iar nmulind un scalar cu un vector rezultatul
este tot un vector.

Exemplul 1.
Primul i cel mai important exemplu de spaiu vectorial este spaiul
n
R .

Rezolvare:
Fie
( ) { } 1 2
, , ...,
n
n i
x x x x = R R . Corpul K este R, corpul numerelor reale.
Egalitatea a doi vectori este definit astfel : ( )
n
x x x x ,..., ,
2 1
= i ( )
n
y y y y ,..., ,
2 1
= sunt
egali dac i numai dac n i y x
i i
, 1 , = = .
Definim acum cele dou operaii:

a) dac
( )
1 2
, , ...,
n
n
x x x x = R i
( )
1 2
, , ...,
n
n
y y y y = R atunci adunarea vectorilor
y x + se definete astfel:
1 1 2 2
( , , ..., )
n
n n
x y x y x y x y + = + + + R

b) nmulirea unui scalar cu un vector se definete astfel:
( )
1 2
, , ...,
n
n
x x x x = R

Acum esate uor s verificm cele 5 axiome din definiia 1.

10
)
1
v Fie
( )
1 2
, , ...,
n
n
x x x x = R ,
( )
1 2
, , ...,
n
n
y y y y = R ,
( )
1 2
, , ...,
n
n
z z z z = R trei
vectori din
n
R

Asociativitatea adunrii se scrie astfel:
( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) [ ] ( ) z y x z z z y y y x x x
z z z y x y x y x z y x z y x z y x
z y x z y x z y x z y z y z y x x x
z z z y y y x x x z y x
n n n
n n n n n n
n n n n n n
n n n
+ + = + +
= + + + + = + + + + + + =
= + + + + + + = + + + + =
= + + = + +
) ( ,..., , ,..., , ,..., ,
,..., , ,..., , ,..., ,
,..., , ,..., , ,..., ,
,..., , ,..., , ,..., , ) (
2 1 2 1 2 1
2 1 2 2 1 1 2 2 2 1 1 1
2 2 2 1 1 1 2 2 1 1 2 1
2 1 2 1 2 1

)
2
v Vectorul nul
V
0 este evident vectorul cu toate componentele egale cu zero:
) 0 ,..., 0 , 0 ( 0 =
n
R

Dac nmulim vectorul
n
xR cu scalarul 0 0
K
= R obinem:
( ) ( ) ( )
n
R
n n
x x x x x x x 0 0 ,..., 0 , 0 0 ,..., 0 , 0 ,..., , 0 0
2 1 2 1
= = = =

)
3
v Dac nmulim vectorul
n
xR cu scalarul 1 1
K
= R obinem:
( ) ( ) ( ) x x x x x x x x x x x
n n n
= = = = ,..., , 1 ,..., 1 , 1 ,..., , 1 1
2 1 2 1 2 1


)
4
v Fie R , i
n
xR . Atunci:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) x x x x x x x x x x x
n n n
) ( ,..., , ,..., , ,..., . ) (
2 1 2 1 2 1
= = = =

)
5
v Fie R i ,
n
x y R . Atunci:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) y x y y y x x x y x y x y x
y x y x y x y x y x y x y x
n n n n
n n n n


+ = + = + + + =
= + + + = + + + = +
,..., , ,..., , ,..., ,
,..., , ,..., , ) (
2 1 2 1 2 2 1 1
2 2 1 1 2 2 1 1


)
6
v Fie , R i
n
xR . Atunci:
( ) ( ) ( ) ( ) ( )
( ) ( ) x x x x x x x x
x x x x x x x x x x
n n
n n n


+ = + =
+ + + = + + + = +
,..., , ,..., ,
,..., , ,..., , ) (
2 1 2 1
2 2 1 1 2 1


11
Am verificat cele 5 axiome ale spaiului vectorial deci, spaiul
n
R este spaiu vectorial
peste R.

2.2. Subspaii vectoriale

Definiia 2.2.1.
O submulime V W nevid, se numete subspaiu vectorial al lui V dac
i) W y x W y x + ,
ii) W x K W x ,

Observaie:
Cele dou condiii i) i ii) se pot exprima ntr-o form echivalent:
iii) W y x K W y x + , , ,

Exemplul 1.
Fie
( )
{ }
3
1 2 3
, , , 1, 3
i
x x x x i = = R R i fie
( ) { }
3
1 3 1 3
, 0, , W x x x x = R R o submulime.
Art c W este subspaiu vectorial al lui
3
R .
ntr-adevr avem ndeplinite cele dou condiii:
i) ( ) ( ) ( ) W y x y x y y x x + + = +
3 3 1 1 3 1 3 1
, 0 , , 0 , , 0 ,
ii) ( ) ( ) W x x x x x = =
3 1 3 1
, 0 , , 0 ,

2.3. Combinaii lineare . Dependen i independen linear.

Definiia 2.3.1.
Fie ) , , , ( + K V un spaiu vectorial.
i) Dac
n
,..., ,
2 1
sunt n scalari din K, i
n
v v v ,..., ,
2 1
sunt n vectori din V atunci
vectorul
n n
v v v + + + ...
2 2 1 1
se numete combinaie linear a vectorilor
n
v v v ,..., ,
2 1

cu scalarii
n
,..., ,
2 1
.
12
ii) Dac V v i exist K
n
,..., ,
2 1
astfel nct
n n
v v v v + + + = ...
2 2 1 1
se
spune c v este combinaie linear de vectorii
n
v v v ,..., ,
2 1
.

Fie ) , , , ( + K V un spaiu vectorial i { }
n
v v v S ,..., ,
2 1
= un sistem de vectori din V.

Definiia 2.3.2.
Se spune c sistemul de vectori S este linear dependent dac exist n scalari
K
n
,..., ,
2 1
, nu toi nuli, astfel nct
V n n
v v v 0 ...
2 2 1 1
= + + + (1)

Observaie:
Relaia (1) se numete relaie de dependen.

Definiia 2.3.3.
Se spune c sistemul de vectori S este linear independent dac din orice combinaie
linear de forma
V n n
v v v 0 ...
2 2 1 1
= + + +
rezult c toi scalarii K
n
,..., ,
2 1
sunt nuli.

Propoziia 1.
Sistemul de vectori { }
n
v v v S ,..., ,
2 1
= este linear dependent cel puin unul dintre
vectori este combinaie linear de ceilali vectori.

Demonstraie:
" " Dac sistemul { }
n
v v v S ,..., ,
2 1
= este linear dependent atunci exist scalarii
K
n
,..., ,
2 1
nu toi nuli pentru care este adevrat relaia de dependen (1).
Fie
K k
0 . Multiplicnd relaia (1) cu
k

1
i izolnd
k
v n membrul stng, obinem:
13
n
k
n
k k
k
v v v v

= ...
2
2
1
1

Notm cu k i n i K
k
i
i
= = , , 1 ,

. Atunci, relaia de mai sus devine:

=
= + + + =
n
k i
i
i i k n n k
v v v v v v
1
2 2 1 1
...
adic cel puin unul dintre vectori este combinaie linear de ceilali vectori.
" " Fie
j
v o combinaie linear de ceilali vectori din S astfel:

=
=
n
j i
i
i i j
v v
1

sau altfel spus:
0 ...
2 2 1 1
=
n n j
v v v v
iar scalarii
n
,..., , , 1
2 1
nu sunt toi nuli, deci sistemul de vectori { }
n
v v v S ,..., ,
2 1
=
este linear dependent.

Exemplul 1.
Fie vectorii ( ) ( ) ( )
3
1 2 3
1, 0, 0 , 0,1, 0 , 0, 0,1 e e e = = = R . Stabilii dac sistemul de vectori
{ }
3 2 1
, , e e e este linear independent.

Rezolvare:
n acest caz, relaia de dependen (1) este:
3
0
3 3 2 2 1 1
R
e e e = + +
nlocuind vectorii obinem:
( )

=
=
=
=
= + +
0
0
0
) 0 , 0 , 0 ( , ,
0 ) 1 , 0 , 0 ( ) 0 , 1 , 0 ( ) 0 , 0 , 1 (
3
2
1
3 2 1
3 2 1
3

R

ceea ce nseamn c sistemul de vectori { }
3 2 1
, , e e e este linear independent.
14
Observaie:
Considerm n spaiul vectorial
n
K peste corpul K, mulimea de vectori { }
n
e e e ,..., ,
2 1
,
unde
) 1 , 0 ,..., 0 , 0 , 0 (
....... .......... ..........
) 0 , 0 ,..., 0 , 1 , 0 (
) 0 , 0 ,..., 0 , 0 , 1 (
2
1
=
=
=
n
e
e
e

Analog se arat c aceast mulime formeaz un sistem de vectori linear independent.

Exemplul 2.
Fie vectorii ( ) ( ) ( )
3
1 2 3
1,1, 0 , 2, 1,1 , 1, 5, 4 v v v = = = R . Stabilii dac sistemul de vectori
{ }
3 2 1
, , v v v este linear independent.

Rezolvare:
n acest caz, relaia de dependen (1) este:
3
0
3 3 2 2 1 1
R
v v v = + +
nlocuind vectorii obinem:
( )

= +
= +
= +
= + + +
= + +
0 4
0 5
0 2
) 0 , 0 , 0 ( 4 , 5 , 2
0 ) 4 , 5 , 1 ( ) 1 , 1 , 2 ( ) 0 , 1 , 1 (
3 2
3 2 1
3 2 1
3 2 3 2 1 3 2 1
3 2 1
3





R

astfel, problema s-a redus la rezolvarea unui sistem omogen de trei ecuaii cu trei
necunoscute. Calculnd determinantul sistemului se obine:
0 18
4 1 0
5 1 1
1 2 1
=

n acest caz sistemul are soluie unic i pentru c sistemul este omogen, soluia este nul:
0
3 2 1
= = =
adic sistemul { }
3 2 1
, , v v v este linear independent.
15
Observaie:
Subsistemul { }
2 1
, v v este deasemenea independent. n general vorbind, un subsistem al
unui sistem de vectori linear in dependent este deasemenea linear independent. Dac
adugm la acest subsistem nc un vector, natura sistemului s-ar putea schimba.

Exemplul 3.
Fie vectorii ( ) ( ) ( )
3
1 2 3
2, 1, 3 , 1,1, 1 , 2, 2, 2 v v v = = = R . Stabilii dac sistemul de
vectori { }
3 2 1
, , v v v este linear independent.

Rezolvare:
n acest caz, relaia de dependen (1) este:
3
0
3 3 2 2 1 1
R
v v v = + +
nlocuind vectorii obinem:
( )

= + +
= +
= +
= + + + +
= + +
0 2 3
0 2
0 2 2
) 0 , 0 , 0 ( 2 3 , 2 | , 2 2
0 ) 2 , 2 , 2 ( ) 1 , 1 , 1 ( ) 3 , 1 , 2 (
3 2 1
3 2 1
3 2 1
3 2 1 3 2 1 3 2 1
3 2 1
3





R

astfel, problema s-a redus la rezolvarea unui sistem omogen de trei ecuaii cu trei
necunoscute. Calculnd determinantul sistemului se obine:
0
2 1 3
2 1 1
2 1 2
=

n acest caz, sistemul este compatibil (fiind omogen) i nedeterminat.

Un minor principal este :
0 3
1 1
1 2
=

care corespunde primelor dou ecuaii din sistem i necunoscutelor
2 1
, . n acest caz
vom considera
2 1
, necunoscute principale i R t
not
=
3
necunoscut secundar . Cum
16
t este arbitrar i
2 1
, se vor calcula n funcie de t exist cel puin un
{ } 2 , 1 , 0 i
i
sistemul de vectori { }
3 2 1
, , v v v este linear dependent.
Pentru a stabili relaia de dependen rezolvm sistemul:
0 2 0 2
0
2
2 2
3 2 1
3
2
1
2 1
2 1
= + +

=
=
=

= +
= +
tv tv v
t
t
t
t

Cum t este arbitrar, fie t=1, deci relaia de dependen va fi:
0 2 0
3 2 1
= + + v v v .

Observaii:
1) Dac un sistem de vectori, conine vectorul nul, sistemul este linear dependent.
2) Dac S este un sistem de vectori linear dependent i ' S S atunci sistemul S este
deasemenea linear dependent.


CAPITOLUL 3.
APLICAII LINEARE

3.1. Aplicaii lineare

Definiia 3.1.1.
Fie V i W dou spaii vectoriale peste acelai corp K .
Aplicaia : A V W se numete aplicaie (transformare) linear sunt ndeplinite
condiiile:
1) ( ) ( ) ( ), , A x y A x A y x y V + = + (aditivitate)
2) ( ) ( ), , A x A x x V K = (omogenitate)
sau
3) ( ) ( ) ( ), , , , . A x y A x A y x y V K + = +
17
Observaie:
Aplicaia : A V V se numete operator ,iar dac A este i liniar atunci se numete
operator liniar. Aplicaia : A V K se numete funcional sau form iar dac A este
i liniar atunci se numete funcional liniar.

Exemplul 1.
S se verifice dac aplicaia

2
: A
3
R R

1 2 1 2 1 2
( , ) (3 , , ) A x x x x x x =
este aplicaie liniar.

Rezolvare:
Verific condiiile 1) i 2) din definiia 1. Fie x =
2
1 2
( , ) x x R i
1 2
( , ) y y y =
2
R
1)
2
( ) ( ) ( ), , A x y A x A y x y + = + R .
ncep cu membrul drept al egalitii:
1 2 1 2
1 2 1 2
( ) (3 , , )
( ) (3 , , )
A x x x x x
A y y y y y
=

=

( ) ( ) A x A y + =
1 2 1 2
(3 , , ) x x x x +
1 2 1 2
(3 , , ) y y y y
= (
1 1 2 2 1 2 1 2
3 3 , , ) x y x y x x y y + + + .
Evaluez membrul stng al egalitii. Pentru aceasta e necesar s determin componentele
vectorului x y + :

1 2 1 2 1 1 2 2
( , ) ( , ) ( , ) x y x x y y x y x y + = + = + +

1 1 2 2 1 1 2 2
( ) (3( ), , ) A x y x y x y x y x y + = + + +
=
1 1 2 2 1 1 2 2
(3 3 , , ) x y x y x y x y + + +
= ( ) ( ) A x A y + .
2) ( ) ( ) A x A x = ,
2
1 2
( ) , x x x = R R .
1 2 1 2 1 2 1 2
( ) (3 , , ) (3 , , ). A x x x x x x x x x = =
Vectorul x are componentele:

1 2 1 2
( , ) ( , ) x x x x x = =
18

1 2 1 2
( ) (3 , , ) ( ) A x x x x x A x = = .
Cum condiiile 1) i 2) sunt ndeplinite aplicaia A este liniar.

3.2. Matricea ataat unei aplicaii lineare

Fie ,
n m
V W dou spaii vectoriale peste corpul K de dimensiuni n i respectiv m, i
1 2
{ , ... }
n
B e e e = i
1 2
{ , ... }
m
B w w w = cte o baz n fiecare din spaiile date. Atunci, se
poate dovedi c exist i este unic o aplicaie liniar definit pe
n
V cu valori n
m
W dat
de relaia:
1
( ) , 1,
m
i ij j
j
A e a w i n
=
= =

(1)
unde
ij
a sunt coordonatele vectorilor ( )
i
A e n baza B . Matricea
( ) 1,
1,
i n
ij
j m
a
=
=
= A se numete
matricea ataat aplicaiei liniare A.
Dac notm cu
1
( )
( )
( )
n
A e
A e
A e
| |
|
=
|
|
\
M i
1
m
w
W
w
| |
|
=
|
|
\
M relaia (1) se va transcrie matriceal astfel:
( )
t
A e W = A (2)
Dac :
n m
A V W este o aplicaie liniar i
n
x V care se scrie

1
n
i
i
i
x x e
=
=

,
unde
i
x sunt coordonatele lui V n baza B , i dac
m
y W admite scrierea

1
m
j
j
j
y y w
=
=

n baza B
atunci avem urmtoarea coresponden:
1
, 1,
n
j i
ij
i
y a x j m
=
= =

. (3)
19
Relaia (3) exprim legtura dintre coordonatele vectorului x i imaginea acestui vector
prin aplicaia A.
Dac notm cu
1
m
y
y
y
| |
|
=
|
|
\
M i
1
n
x
x
x
| |
|
=
|
|
\
M , relaia (3) are urmtoarea transcriere matriceal:
y x = A (4)

Exemplu rezolvat:
S se scrie matricea ataat aplicaiei liniare
3 3
: A R R

1 1 2 1 2 3
( ) (2 , , 3 ) A x x x x x x x = + + .

Rezolvare:
Fie
1 2
{ , ... }
n
e e e baza canonic din
3
R .
1 1 2 3
( ) (2,1,1) 2 A e e e e = = + +

2 1 2 3
( ) (0, 1,1) 0 A e e e e = = +

3 1 2 3
( ) (0, 0, 3) 0 0 3 A e e e e = = + +

1 1
2 2
3 3
( ) 2 1 1 2 0 1
( ) ( ) 0 1 1 1 1 0
( ) 0 0 3 1 1 3
A e e
A e A e e
A e e
| | | || | | |
| | | |
= = =
| | | |
| | | |
\ \ \ \
A
sau:
1 2 3
( ) , ( , , ) A x y y y y y = =
1 1
2 y x =

2 1 2
y x x =

3 1 2 3
3 y x x x = + +
2 0 0
1 1 0
1 1 3
| |
|
=
|
|
\
A .




20
CAPITOLUL 4.
VALORI I VECTORI PROPRII

4.1. Valori i vectori proprii ai unui endomorfism

Fie V spaiu vectorial peste K , V = K R C i : A V V un endomorfism (
aplicaie liniar i injectiv).

Definiia 4.1.1.
Un scalar K se numete valoare proprie a endomorfismului A dac exist cel puin
un vector { } \ 0
v
v V a.. ( ) ( ) A v v = .

Definiia 4.1.2.
Orice vector { } \ 0
v
v V care satisface relaia de mai sus se numete vector propriu al
endomorfismului A.

Definiia 4.1.3.
Mulimea valorilor proprii ale unui endomorfism A se numete spectrul
endomorfismului A.

Exemplu rezolvat.
Dac
2 2
: A R R
1.1) ( , ) ( , ) A x y y x = , atunci (1,1) 1 (1,1) A = , deci
1
1 = este valoare proprie iar
1
(1,1) v = este vector propriu al endomorfismului A.
1.2) ( 1,1) (1, 1) ( 1)( 1.1) A = = deci
2
1 = este valoare proprie iar
2
( 1,1) v =
este vector propriu al endomorfismului A.


21
Proprietatea 1.
p
1
) Unui vector propriu i corespunde o singur valoare proprie .
p
2
) Dac v este vectorul propriu corespunztor valorii proprii , atunci toi vectorii
, 0 k v k , sunt vectori proprii corespunztori acestei valori proprii.

Demonstraie:
p
1
) Reducere la absurd. Presupunem c unui vector propriu i corespund dou valori
proprii
1 2
, ,
1 2

1
1 2 1 2
2
( )
( ) 0
( )
v
A v v
v v v
A v v

=
= =

dar
1 2
0
v
v = presupunerea

e fals.
p
2
) Avem
0
( ) ( ) ( ) ( )
aplicatie liniara v vector propriu k
A kv kA v k v kv

= = = 0
v
kv kv este vector
propriu pentru endomorfismul A.

Consecin (la p
2
)
Unei valori proprii i pot corespunde o infinitate de vectori proprii.

Definiia 4.1.4.
Mulimea { } ( ) / ( ) , este valoare proprie, S kv A v v k = = K se numete subspaiu
propriu generat de A. ( este mulimea tuturor vectorilor proprii corespunztori valorii
proprii ).

Proprietatea 2.
Subspaiile proprii, corespunztoare valorilor proprii distincte sunt distincte.

Demonstraie:
Fie
1 2
i presupunem c subspaiile proprii nu sunt distincte, adic
1 2 1
( ) ( ) ( ) S S A v v = = i
1 2
2 1 2 1 2
( ) ( ) 0 0
v v
A v v v v v v

= = = =
0
v
v avem
1 2 1 2
( ) ( ) pentru S S .
22
Fie . .
n
V s v K , un spaiu de dimensiune n , i fie o baz a sa { }
1 2
, ,...,
n
B e e e = . Fie
endomorfismul :
n n
A V V , despre care am vzut c i se poate ataa o matrice A , unic,
n baza B .

Definiia 4.1.5.
Prin valori i vectori proprii ai matricii A , nelegem valori i vectori proprii ai
endomorfismului A.

Definiia 4.1.6.
Matricea
,
( )
n n n
I A K M se numete matricea caracteristic ataat matricii
,
( )
n n
A K M , iar determinantul det( )
n
I A se numete determinantul caracteristic al
matricii A .

Observaie:
Dac dezvoltm determinantul de mai sus, obinem un polinom de gradul n , de forma:
1
0 1
( ) det( ) ... , , 1,
n n
n n n i
P I c c c c i n

= = + + + = A K .

Definiia 4.1.7.
Polinomul ( )
n
P se numete polinom caracteristic ataat matricii A .

Definiia 4.1.8.
Ecuaia det( )
n
I A =0 se numete ecuaie caracteristic ataat matricii A , iar
rdcinile ecuaiei carcateristice se numesc rdcini caracteristice ale matricii A .

Proprietatea 3.
Un scalar K este valoare proprie a matricii ( )
n
A K M verific ecuaia
caracteristic: det( )
n
I A =0.


23
Observaie:
Mulimea valorilor proprii, ale matricii A , coincide cu mulimea rdcinilor ecuaiei
caracteristice, iar subspaiile proprii corespunztoare fiecrei valori proprii n parte sunt
formate de soluiile ecuaiilor matriceale.

Exemplul 1.
S se determine valorile i vectorii proprii corespunztori matricei
2
( ), A R M
1 2
4 1
| |
=
|

\
A .

Rezolvare:
Rezolvm ecuaia caracteristic:
3
1 2 0 1 2
det( ) 0 det 0 det 0
4 1 0 4 1
I

| | | | | | | |
= = =
| | | |

\ \ \ \
A
2 2
1 2
0 (1 )(1 ) 8 0 1 8 9
4 1

= + = = =


1 2
3, 3 = = sunt valorile proprii pentru A .
Determinm vectorii proprii corespunztori fiecrei valori proprii n parte:
Pentru
1
3 = cutm vectorul
2
1 1
, a.
a
v v
b
| |
=
|
\
R .

1 1 1
1 2 2 3 2 2 0
3
4 1 4 3 4 4 0
a a a b a a b
v v
b b a b b a b

+ = + = | || | | |
= =

| | |
= =
\ \ \
A
0 a b a b = = .
Deci
1 1
a a
v v
b a
| | | |
= =
| |
\ \
,
( ) { } ( ) { }
(3) , 1,1 S a a a a a = = R R . Unul din vectorii proprii corespunztori valorii
proprii
1
3 = este ( ) 1,1 (pentru 1 a = ).
24
Pentru
2
3 = cutm un vector
2
2 2
,
a
v v
b
| |
=
|
\
R a..
2 2 2
1 2 2 3 4 2 0
3
4 1 4 3 4 2 0
a a a b a a b
v v
b b a b b a b

+ = + = | || | | |
= =

| | |
= + =
\ \ \
A
4 2 0 2 a b b a + = = .
Deci
2 2
2
a a
v v
b a
| | | |
= =
| |

\ \
,
( ) { } ( ) { }
( 3) , 2 1, 2 S a a a a a = = R R . Unul din vectorii proprii corespunztori
valorii proprii
2
3 = este ( ) 1, 2 (pentru 1 a = ).


CAPITOLUL 5.
PROGRAMARE LINEAR

Se consider m resurse materiale (materii prime, materiale, for de munc,
investiii de capital) notate prin
m
R R R ..., , ,
2 1
ce se utilizeaz pentru a produce n produse
notate prin . ,..., ,
2 1 n
C C C
Se cunosc cantitile disponibile de resurse, notate prin
m
b b b ,..., ,
2 1
; beneficiile
unitare obinute prin realizarea produselor, notate prin
n
c c c ,..., ,
2 1
; coeficienii
tehnologici, notai prin
ij
a , ce reprezint cantitatea din resursa m i R
i
, 1 , = , ce se consum
(utilizeaz) pentru a se realiza unitatea de produs . , 1 , n j C
j
=
Scopul acestui proces economic const n determinarea cantitii din fiecare
produs, ce trebuie produs pentru a se obine beneficiul total maxim.
n vederea construirii modelului matematic datele problemei se reprezint n
urmtorul tabel:


25
Obiective

Resurse

n j
C C C C ... ....
2 1
Disponibil
1
.
.
.
.
i
m
R
R
R

11 12 1 1
1 2
1 2
.... ...
. . .... . ... .
. . .... . ... .
.... ...
. . .... . ... .
. . .... . ... .
.... ...
j n
i i ij in
m m mj mn
a a a a
a a a a
a a a a

1
.
.
.
.
i
m
B
B
B

Beneficii
n j
c c c c ... ....
2 1


Tabel 1.

Fie n j x
j
, 1 , = cantitatea ce trebuie realizat din produsul n j C
j
, 1 , = .

Problema de programare linear (pe care o vom nota prescurtat cu p.p.l.)
optimizeaz (maximizeaz sau minimizeaz) o funcional linear, numit funcie
obiectiv i o mulime de egaliti i/sau inegaliti lineare numite restricii.

Exemplul 1.
O firm produce matase de dou tipuri : A i B. Profitul la un balot de matase de tipul A
este de 20 iar unul de tipul B este de 16 . Firma are un stoc de 1400 kg de mtase
roie, 1500 kg de mtase neagr i 1800 kg de mtase verde. Pentru un balot de matase de
tipul A sunt necesare 4 kg de mtase roie, 5 kg de mtase neagr i 2 kg de mtase
verde. Cantitile corespunztoare pentru un balot de mtase de tipul B sunt respectiv: 4
kg, 3kg, 6 kg. Cte baloturi de mtase de tipul A respectiv B trebuie s produc firma
pentru a-i maximiza profitul?

Formularea matematic a problemei
Vom nota cu
1
x numrul baloturilor de tipul A i cu
2
x numrul baloturilor de
tipul B. Aceste variabile le vom numi variabile de decizie.
26
Profitul total realizat de
1
x i
2
x este : 20
1
x +16
2
x . Funcia obiectiv reflect
obiectivul problemei: maximizarea profitului total.
Una din restricii referitoare la stocul de mtase roie este c acesta nu trebuie s
depeasc 1400 kg: 4
1
x +4
2
x 1400. Analog, restriciile referitoare la stocul de mtase
neagr: 5
1
x +3
2
x 1500, i la stocul de mtase verde: 2
1
x +6
2
x 1800, i bineneles
cerinele minime: 0 , 0
2 1
x x .
Problema se poate scrie astfel:

+
+
+
+ =
0
0
1800 6 2
1500 3 5
1400 4 4
16 20 ) max(
2
1
2 1
2 1
2 1
2 1
x
x
x x
x x
x x
x x f

Observaii:
1. Funcia obiectiv ) (x f i restriciile sunt expresii lineare ale variabilelor de
decizie.
2. Restricia poate fi:
- inegalitate: mai mic sau egal (), mai mare sau egal ()
- egalitate: (=)
3. Toate variabilele unei p.p.l. sunt nenegative. Aceast proprietate reflect faptul c
programarea linear este folosit n probleme reale (variabilele negative fiind
ilogice).
Definiia 5.1.1.
n general p.p.l. este definit astfel:

=
= + + +
= + + +
= + + +
+ + + =
n j x
b x a x a x a
b x a x a x a
b x a x a x a
x c x c x c f sau f
j
m n mn m m
n n
n n
n n
, 1 , 0
) , , ( ...
... .......... .......... .......... .......... ..........
) , , ( ...
) , , ( ...
... ) max( ) min(
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
2 2 1 1
(1)
27
unde n j m i a b c
ij i j
, 1 , , 1 , , , = = , sunt constante care se determin din datele problemei
iar
j
x sunt variabilele de decizie.
Pentru fiecare restricie este valabil doar una din inegalitile: = , , .
Restrns, problema se poate scrie astfel:

=
= =
=

=
=
n j x
m i b x a
x c f opt
j
i
n
j
j ij
n
j
j j
, 1 , 0
, 1 , ) , , (
) (
1
1
(2)
unde
- prima relaie opt(f) reprezint max(f) sau min(f);
- a doua relaie reprezint sistemul de restricii;
- a treia relaie reprezint condiiile de nenegativitate (pozitivitate) impuse
variabilelor modelului matematic.
Problema de programare linear se poate rezolva cu metoda Simplex, care este o
tehnic iterativ care pleac de la o soluie admisibil i prin calcule algebrice aceast
soluie se mbuntete succesiv, n mai muli pai. Metoda simplex investigheaz toate
soluiile de baz posibile. Astfel, exist dou condiii numite condiia de admisibilitate i
condiia de optimalitate, care selecteaz soluia optim. Numrul maxim de iteraii din
rezolvarea unei p.p.l. prin metoda simplex nu poate depi numrul soluiilor de baz. O
simpl greeal de calcul ntr-o iteraie oarecare poate duce la un rezultat eronat, dei
studentul respectiv a neles corect mecanismul algoritmului.





28
CAPITOLUL 6.
CALCUL DIFERENIAL PENTRU
FUNCII DE MAI MULTE VARIABILE

6.1. Funcii de mai multe variabile

Funciile de mai multe variabile sunt ntlnite adesea n modelarea activitilor
economice.
De exemplu: o firm export 3 produse n cantitile , ,
1 2 3
x x x la preul pieei,
, ,
1 2 3
p p p .
S se scrie funcia care cuantific nivelul ncasrilor dac:
a) indiferent de cantitile cumprate, preul rmne ,
1 2
p p i respectiv
3
p .
b) se face o reducere de pre de 1% pentru produsul 2, o reducere de 1,5%
pentru produsul 1 i o reducere de 2% pentru produsul 3, n raport cu cantitile
cumprate.

Rezolvare:
a) ( , , )
1 2 3 1 1 2 2 3 3
y f x x x p x p x p x = = + +
b)
( ) ( ) ( )
( , , ) 0,015 0,01 0,02
1 2 3 1 2 3
1 1 2 2 3 3
0, 985 0, 99 0, 98
1 1 2 2 3 3
y f x x x p p x p p x p p x
p x p x p x
= = + +
= + +


Definiia 6.1.1.
Fie
n
R I . O funcie
n
R I f : se numete funcie real de n variabile reale.
Valoarea funciei f ntr-un punct ( ) I x x x x
n
= ,..., ,
2 1
se noteaz cu
) ,..., , (
2 1 n
x x x f .

29
6.2. Funcii omogene

Definiia 6.2.1.
Fie
2
R I o mulime cu proprietatea c I y x ) , ( i { } 0 \ R t rezult I ty tx ) , ( .
O funcie R I f : se numete omogen de grad m dac
) , ( ) , ( y x f t ty tx f
m
= , { } 0 \ R t .

Definiia 6.2.2.
Fie
n
R I o mulime cu proprietatea c I x x x
n
) ,..., , (
2 1
i { } 0 \ R t rezult
I tx tx tx
n
) ,..., , (
2 1
. O funcie R I f : se numete omogen de grad m dac
) ,..., , ( ) ,..., , (
2 1 2 1 n
m
n
x x x f t tx tx tx f = , { } 0 \ R t .

Teorema 1. (Teorema lui Euler)
Dac ) , ( y x f este omogen de grad m i difereniabil pe mulimea I, atunci:
) , (
' '
y x f m yf xf
y x
= + .

Analog, pentru o funcie de trei variabile, teorema sun astfel:

Teorema 2. (Teorema lui Euler)
Dac ) , , ( z y x f este omogen de grad m i difereniabil pe mulimea I, atunci:
) , , (
' ' '
z y x f m zf yf xf
z y x
= + + .
Exemplul 1.
S se arate c funcia ) ( 3 5 ) , (
3 3
y x xy y x y x f + + = este omogen i s se verifice
pentru ea relaia lui Euler.

Rezolvare:
nlocuim cele dou variabile x i y, n ordine, cu ty tx, :
30
= + + = ) . ( ) ( 3 ) ( ) ( 5 ) , (
3 3 3
y x f t ty tx txty ty tx ty tx f funcia este omogen de grad
m=3.
2 2 '
3 6 15 y xy x f
x
=
xy x y f
y
6 3 3
2 2 '
=
[ ] ) , ( ) , ( 3 ) ( 3 5 3
3 3 ' '
y x f m y x f y x xy y x yf xf
y x
= = + + = + , deci relaia lui Euler este
verificat.

6.3. Derivate pariale i diferenialele funciilor de mai multe
variabile

Fie
2
R I ,
2
: R I f i un punct interior mulimii I.


Definiia 6.3.1.
Funcia ) , ( y x f admite n punctul (a,b) derivat parial n raport cu variabila x dac
exist i e finit limita:
a x
b a f b x f
a x
a x

) , ( ) , (
lim .
n acest caz ea se noteaz cu ) , ( ' b a f
x
sau
x
b a f

) , (
sau
( ) b a
x
f
,
|

\
|

sau
) , ( b a
x
f

.

Definiia 6.3.2.
Funcia ) , ( y x f admite n punctul (a,b) derivat parial n raport cu variabila y dac
exist i e finit limita:
b y
b a f y a f
b y
b y

) , ( ) , (
lim
n acest caz ea se noteaz cu ) , ( ' b a f
y
sau
y
b a f

) , (
sau
( ) b a
y
f
,
|
|

\
|

sau
) , ( b a
y
f

.
Observaia 1.
31
Derivatele de mai sus sunt derivate pariale de ordinul I n raport cu cele dou variabile.
Din definiiile de mai sus se observ imediat c atunci cnd calculm derivata parial lui
f n rapot cu variabila x, considerm variabila y, ca fiind constant, iar atunci cnd
calculm derivata parial lui f n rapot cu variabila y, considerm variabila x, ca fiind
constant.

Observaia 2.
Pentru o funcie de trei variabile, ) , , ( z y x f pot exista trei derivate pariale de ordinul I n
punctul (a,b,c):

derivata parial a lui f n punctul (a,b,c)n raport cu variabila x
a x
c b a f c b x f
c b a f
a x
a x
x

) , , ( ) , , (
lim ) , , (
'

derivata parial a lui f n punctul (a,b,c)n raport cu variabila y
b y
c b a f c y a f
c b a f
b y
b y
y

) , , ( ) , , (
lim ) , , (
'

derivata parial a lui f n punctul (a,b,c)n raport cu variabila z
.
) , , ( ) , , (
lim ) , , (
'
c z
c b a f z b a f
c b a f
c z
c z
z

Definiia 6.3.3.
Fie
n
R I i o funcie
n
R I f : de n variabile reale.
Funcia f este derivabil n punctul I a a a
n
) ,..., , (
2 1
n raport cu variabila
i
x dac
i i
n i i i n i i i
a x
a x
a x
a a a a a f a a x a a f
i i
i i

+ +

) ,..., , , ,..., ( ) ,..., , , ,..., (

lim
1 1 1 1 1 1

exist i este finit.
n acest caz derivata parial a funciei f n raport cu variabila
i
x se noteaz cu:
) ,..., , (
2 1
'
n x
a a a f
i
.

32
6.4. Derivate de ordin superior

Definiia 6.4.1.
Fie
2
R I i o funcie R I f : de 2 variabile reale pentru care exist
'
x
f i
'
y
f pe I .
Dac pentru funciile de dou variabile ) , (
'
y x f
x
i ) , (
'
y x f
y
exist derivatele lor pariale,
atunci ele se numesc derivatele pariale de ordinul doi ale funciei f(x,y).

( )
'
' ' '
2
x x
x
f f = sau
2
2
x
f
x
f
x

=
|

\
|

( )
'
' ' '
y x xy
f f = sau
y x
f
x
f
y

=
|

\
|

2

( )
'
' ' '
x
y yx
f f = sau
x y
f
y
f
x

=
|
|

\
|

2

( )
'
' ' '
2
y
y
y
f f = sau
2
2
y
f
y
f
y

=
|
|

\
|

Observaia 1:
Derivatele pariale de ordinul trei sunt derivatele pariale ale celor de ordinul doi.

Observaia 2:
O funcie de trei variabile, f(x,y,z) pate avea 9 derivate de ordinul doi.

Criteriul lui Young
Dac f(x,y) are
'
x
f i
'
y
f pe o vecintate V a punctului (a,b) i sunt difereniabile n
(a,b) exist derivatele mixte de ordinul doi n (a,b) i ) , ( ) , (
' ' ' '
b a f b a f
yx xy
= .

Criteriul lui Schwarz
Dac f(x,y) are
'
xy
f i
'
yx
f pe o vecintate V a punctului (a,b) i sunt continue n
(a,b) derivatele mixte de ordinul doi n (a,b) sunt egale: ) , ( ) , (
' ' ' '
b a f b a f
yx xy
= .

33
Difereniala de ordinul I pentru funcia de dou variabile R R I f
2
: este dat de
formula:
dy
y
f
dx
x
f
df

=
sau
dy f dx f df
y x
' '
+ =

Difereniala de ordinul I pentru funcia de trei variabile R R I f
3
: este dat de
formula:
dz
z
f
dy
y
f
dx
x
f
df

=
sau
dz f dy f dx f df
z y x
' ' '
+ + =

Difereniala de ordinul II pentru funcia de dou variabile R R I f
2
: este dat de
formula:
2
2
2 2
2
2
2
2
2 dy
y
f
dxdy
y x
f
dx
x
f
f d

=
sau
2 ' ' ' ' 2 ' ' 2
2 2
2 dy f dxdy f dx f f d
y
xy
x
+ + =
Difereniala de ordinul II pentru funcia de trei variabile R R I f
3
: este dat de
formula:

dzdx
x z
f
dydz
z y
f
dxdy
y x
f
dz
z
f
dy
y
f
dx
x
f
f d

=
2 2 2
2
2
2
2
2
2
2
2
2
2
2 2 2
sau
dzdx f dydz f dxdy f dz f dy f dx f f d
zx yz xy
z y x
' ' ' ' ' ' 2 ' ' 2 ' ' 2 ' ' 2
2 2 2
2 2 2
+ + + + + =

34
CAPITOLUL 7
ELEMENTE DE TEORIA PROBABILITILOR
I STATISTIC MATEMATIC

7.1. Definiia probabilitii

Se consider E multimea evenimentelor ataate unei experiene cu un numr finit
de rezultate posibile. Evenimentele din E se deosebesc ntre ele i prin posibilitatea de
apariie sau gradul de realizare, adica unele au grad de realizare mai mare n comparaie
cu altele inndu-se seama i de numrul evenimentelor elementare ce le implic. Pentru a
masura gradul de realizare al unui eveniment din E se definete noiunea de probabilitate
n sens clasic.

Definiia 7.1.1.
Daca inem cont c evenimentele elementare din E au acelasi grad de realizare, se
numete probabilitate n sens clasic a unui eveniment A din E numrul
P A
m
n
( ) =
unde n este numarul total de evenimente elementare din E, iar m este numarul
evenimentelor elementare care l implica pe A.
Altfel spus definiia de mai sus poate fi exprimat astfel : probabilitatea realizarii
evenimentului A este raportul dintre numrul cazurilor favorabile i numrul cazurilor
total posibile.
Observaie:
Probabilitatea, se poate considera ca o funcie P:P( ) [0,1] avnd proprietile:
a) P( )=0;
b) P( )=1;
c) P(AU B)=P(A)+P(B)-P(AI B);
d) P(A-B)=P(A)-P(B), daca BA;
e) P(A-B)=P(A)-P(AI B);
35
f) P(AU B)=P(A)+P(B), daca AI B=;
Proprietatea f) se extinde imediat:
P(A
1
U A
2
U U A
n
)=P(A
1
)+P(A
2
)++P(A
n
), daca A
1
,A
2
,,A
n
sunt disjuncte
dou cte dou (incompatibile) ;
g) P(CA)=1-P(A);

Definiia 7.1.2.
Se numesc evenimente echiprobabile, evenimentele care au aceeai probabilitate.

7.2. Evenimente independente

Definiia 7.2.1.
Dou evenimente A si B sunt independente P(AI B)=P(A)P(B);
Generaliznd, evenimentele A A A
n 1 2
, ...,
,
sunt independente probabilitatea oricarei
intersectii de evenimente diferite din cele n este egala cu produsul probabilitatilor
evenimentelor intersectate.

Exemplificare:
1) Se considera experimentul care consta n aruncarea a doua monezi si fie
evenimentele:
A: obtin cap pe prima moneda;
B: obtin pajura pe a doua moneda;
n acest caz realizarea evenimentului A nu depinde de realizarea evenimentului B, deci
evenimentul A este independent de evenimentul B.

2) Se considera o urna care contine 4 bile albe si 3 bile negre. Doua persoane extrag
fiecare cte o bila din urna. Fie evenimentele:
A: prima persoana a extras o bila alba
B: a doua persoana a extras o bila alba
Atunci, n absenta informatiilor asupra lui B , P(A)=
4
7
.
36
Daca A s-a realizat P(B)=
3
6
1
2
= , deci evenimentul B depinde de evenimentul A.
Daca A nu s-a realizat, n acest caz, evenimentul B depinde de evenimentul A.

Concluzie:
Evenimentul B si modifica probabilitatea n functie de realizarea sau nerealizarea
evenimentului A. Este natural sa spunem ca A si B sunt evenimente dependente.

Exemplul 1.
Doi tragatori trag simultan asupra unei tinte, cte un foc fiecare. Probabilitatile de
nimerire a tintei sunt: 0,8 pentru primul tragator si 0,6 pentru al doilea tragator. Sa se
determine probabilitatea ca tinta sa fie atinsa de cel putin un tragator.

Rezolvare:
Fie evenimentele:
A: primul tragator nimereste tinta
B: al doilea tragator nimereste tinta
C: cel putin un tragator nimereste tinta
C=AU B P(C)=P(AU B)=P(A)+P(B)-P(AI B)
P(C)= P(A)+P(B)-P(A)P(B)
P(C)=0.8+0.6-0.80.6
P(C)=0.92
Deci probabilitatea ca tinta sa fie atinsa de cel putin un tragator este de 92%.

Exemplul 2.
ntr-o tinta trag simultan, n aceleasi conditii 3 arcasi. Probabilitatile ca ei sa nimereasca
tinta sunt 0,9 pentru primul arcas, 0,5 pentru al doilea arcas si 0,8 pentru al treilea arcas.
Sa se determine probabilitatile :
a. de nimerire a tintei;
b. de nimerire a tintei de cel putin 2 arcasi.
Rezolvare:
37
Fie evenimentele:
A
i
: arcasul i nimereste tinta; 3 , 1 = i . Evenimentele A
i
sunt independente si compatibile.
Fie A si B evenimentele ale caror probabilitati se cer la a) si b). Atunci:
a)
. 99 , 0 8 , 0 5 , 0 9 , 0 8 , 0 5 , 0 8 , 0 9 , 0 5 , 0 9 , 0 8 , 0 5 , 0 9 , 0
) ( ) ( ) ( ) ( ) (
3 2 1
3
1 ,
3
1
3 2 1
= + + +
= + = =

<
= =
A A A P A A P A P A A A P A P
j i
j i
j i
i
i
I I I U U


b)
[ ]
. 85 , 0 8 , 0 5 , 0 9 , 0 8 , 0 5 , 0 1 , 0 8 , 0 5 , 0 9 , 0 2 , 0 5 , 0 9 , 0
) ( ) ( ) ( ) ( ) (
3 2 1 3 2 1 3 2 1 3 2 1
= + + +
= = A A A A A CA A CA A CA A A P B P I I U I I U I I U I I


Exemplul 5.
Se noteaz cu ) , ( y x p probabilitatea ca o persoan n vrst de x ani s fie n via la
mplinirea vrstei de y ani. Presupunem c avem dou persoane n vrst de 35 ani i
respectiv 50 ani. Care este probabilitatea ca peste 20 ani :
a. ambele persoane s fie n via;
b. nici unul s nu fie n via;
c. cel puin unul s fie n via.

Rezolvare:
Dac ) , ( y x p reprezint probabilitatea ca o persoan n vrst de x ani s fie n via la
mplinirea vrstei de y ani, atunci putem nota cu ) , ( y x q probabilitatea ca o persoan n
vrst de x ani s nu fie n via la mplinirea vrstei de y ani, de unde rezult c
1 ) , ( ) , ( = + y x q y x p .
Notm evenimentele cu:
A: prima persoan se afl n via peste 20 ani;
B: a doua persoan se afl n via peste 20 ani;
Cele dou evenimente A i B sunt compatibile i independente.
a) ) 70 , 50 ( ) 55 , 35 ( ) ( ) ( ) ( p p B P A P B A P = = I
b) ) 70 , 50 ( ) 55 , 35 ( ) ( ) ( ) ( q q CB P CA P CB CA P = = I , deoarece i evenimentele CA i
CB sunt independente
38
c) ) 70 , 50 ( ) 55 , 35 ( ) 70 , 50 ( ) 55 , 35 ( ) ( ) ( ) ( ) ( p p p p B A P B P A P B A P + = + = I U

Exemplul 6.
Se noteaz cu ) , ( y x p probabilitatea ca o persoan n vrst de x ani s fie n via la
mplinirea vrstei de y ani. Presupunem c avem trei persoane n vrst de 20 ani, 31 ani
i respectiv 48 ani. Care este probabilitatea ca peste 30 ani :
d. toate persoane s fie n via;
e. nici unul s nu fie n via;
f. cel puin unul s fie n via
g. unul s fie n via.
Rezolvare:
Dac ) , ( y x p reprezint probabilitatea ca o persoan n vrst de x ani s fie n via la
mplinirea vrstei de y ani, atunci putem nota cu ) , ( y x q probabilitatea ca o persoan n
vrst de x ani s nu fie n via la mplinirea vrstei de y ani, de unde rezult c
1 ) , ( ) , ( = + y x q y x p .
Notm evenimentele cu A
i
: persoana i se afl n via peste 30 ani; 3 , 1 = i .
Cele trei evenimente sunt compatibile i independente.
a) ) 78 , 48 ( ) 61 , 31 ( ) 50 , 20 ( ) ( ) ( ) ( ) (
3 2 1 3 2 1
p p p A P A P A P A A A P = = I I
b) ) 78 , 48 ( ) 61 , 31 ( ) 50 , 20 ( ) ( ) ( ) ( ) (
3 2 1 3 2 1
q q q CA P CA P CA P CA CA CA P = = I I ,
deoarece i evenimentele CA
1
, CA
2
i CA
3
sunt independente
c)
...... ) (
) ( ) ( ) ( ) ( ) ( ) ( ) (
3 2 1
3 2 3 1 2 1 3 2 1 3 2 1
= +
+ + + =
A A A P
A A P A A P A A P A P A P A P A A A P
I I
I I I U U

d) ...... )] ( ) ( ) [(
3 2 1 3 2 1 3 2 1
= A CA CA CA A CA CA CA A P I I U I I U I I

7.3. Probabiliti condiionate. Formula probabilitii totale

Sa ncepem prin a da cteva consideratii cu privire la probabilitatea
conditionata . Se considera doua evenimente A={2, 4, 6} si B={1, 2}.
39
Definitia probabilitatii conditionate a evenimentului A n raport cu evenimentul B este
construita astfel nct aceasta probabilitate sa dea o indicatie cantitativa privind aparitia
evenimentului A, atunci cnd stim ca evenimentul B s-a realizat. Probabilitatea
conditionata se noteaza P(A/B) si se defineste prin relatia
P(A/B)=
P A B
P B
( )
( )
I
.
Pentru evenimentele considerate mai nainte, obtinem P(A/B)=
1
2
, adica probabilitatea ca
se realizeaza evenimentul care consta in aparitia unui numar par, cnd stim ca s-a realizat
evenimentul dintre numerele 1 sau 2.

Daca evenimentele A A A
n 1 2
, , ..., formeaza o desfacere a evenimentului I in n evenimente
(I= A
i
i
n
=1
U
, A A
j k
I
= , j k), atunci pentru orice eveniment A avem egalitatea
P(A)= P A P A A
i
i
i
( ) ( / )

= P A A
i
i
( )
I
, egalitate cunoscuta sub numele de formula
probabilitatii totale.

Exemplul 1.
Trei urne identice contin: prima urna : 3 bile albe si 2 bile negre; a doua urna: 2 bile albe
si 1 bila neagra; a treia: 4 bile albe si 5 bile negre.
Se alege la ntmplare o urna si se extrage o bila. Sa se determine probabilitatea de a
extrage o bila alba.

Rezolvare:
Se noteaza urmatoarele evenimente:
A
i
: se alege urna nr. i unde i=1,2,3
A :se extrage o bila alba.
Avem P A P A P A ( ) ( ) ( )
1 2 3
1
3
= = = .
P A P A P A A P A P A A P A P A A ( ) ( ) ( / ) ( ) ( / ) ( ) ( / ) = + +
1 1 2 2 3 3
unde
40
P A A P A A P A A P A ( / ) , ( / ) , ( / ) ( ) ( )
1 2 3
3
5
2
3
4
9
1
3
3
5
2
3
4
9
77
135
= = = = + + = .

Exemplul 2.
Zece aparate de acelasi tip sunt date in exploatare astfel: 3 provenind de la uzina U
1
, 5
provenind de la uzina U
2
, 2 provenind de la uzinaU
3
. Aparatele sunt supuse unei probe
de verificare. Cele care provin de la:
U
1
trec de proba de verificare cu probabilitatea 0,9,
U
2
trec de proba de verificare cu probabilitatea 0,
U
3
trec de proba de verificare cu probabilitatea 0,85.
Se alege la ntmplare un aparat. Care este probabilitatea ca aparatul sa treaca proba de
verificare?

Rezolvare:
Fie urmatoarele evenimente:
A
i
:aparatul ales provine de la uzina U
i
, i=1, 2,3.
A :aparatul ales trece proba de verificare.
Avem P A P A P A ( ) , ( ) , ( )
1 2 3
3
10
5
10
1
5
= = = . si
P A P A A P A P A A P A P A A P A ( ) ( / ) ( ) ( / ) ( ) ( / ) ( ) = + +
1 1 2 2 3 3
dar
P A A P A A P A A ( / ) , ( / ) , ( / )
1 2 3
9
10
75
100
85
100
= = =
= + + = P A ( )
3
10
9
10
5
10
75
100
1
5
85
100
163
200
.

7.4. Scheme probabilistice clasice

7.4.1 Schema binomial generalizat (Poisson)

Dac A A A
n 1 2
, , ..., sunt evenimente independente, atunci probabilitatea s se realizeze k
din cele n evenimente (i s nu se realizeze n-k) este coeficientul lui x
k
din dezvoltarea
41
polinomului ( p x q
1 1
+ )( p x q
2 2
+ )( p x q
n n
+ ) unde probabilitatea
n i p q A P p
i i i i
... 3 , 2 , 1 , 1 ), ( = = =
Cum scriem evenimentul A, a crui realizare nseamn realizarea a k din cele n
evenimente? Pentru a se realiza A, trebuie s se realizeze k din evenimentele A
i
(fie
A A A
i i i
k 1 2
, , ... aceste evenimente) i s nu se realizeze n-k : A A A
i i i
k k n + + 1 2
, , ... adic trebuie s
se realizeze unul din evenimentele de forma: A A A A A
i i i
C
i
C
i
k
k n
1 2
1
I I I I I
... ...
+
.
Va rezulta c A este reuniunea evenimentelor incompatibile de aceasta form:
A= ( ... ... )
U I I I I I
A A A A A
i i i
C
i
C
i
k
k n
1 2
1 +
unde {i i i
n 1 2
, , ... } parcurge familia
submulimilor de k elemente ale mulimii de indici {1,2,,n}.
Exemplul 1.
Se dau 3 urne: prima conine 2 bile albe i 3 bile negre, a doua conine 4 bile albe i o bil
neagr, iar a treia conine 3 bile albe i dou bile negre. Din fiecare urn se extrage cte o
bil. Care este probabilitatea ca dou bile s fie albe i una neagr?

Rezolvare:
Considerm evenimentele independente:
A
i
:bila extras din urna i este alb ; cu i = 13 , .
Problema cere probabilitatea realizrii a dou din cele 3 evenimente. Suntem n cazul
schemei lui Poisson cu n=3 ; k=2 ;
p P A
1 1
2
5
= = ( ) ;
p P A
2 2
4
5
= = ( ) ;
p P A
3 3
3
5
= = ( ) .
Probabilitatea cutat este coeficientul lui x
2
din polinomul ( )( )( )
2
5
3
5
4
5
1
5
3
5
2
5
x x x + + +
adic
58
125
.

42
Observaie:
Dac ni s-ar fi cerut probabilitatea ca cele trei bile extrase s fie negre atunci aceasta ar fi
fost coeficientul lui x
0
din polinomul de mai sus adic
6
125
; etc.

Exemplul 2.
Trei trgtori trag asupra unei inte. Primul nimerete inta cu probabilitatea
2
3
, al doilea
cu
3
4
, iar al treilea cu
4
5
. Care este probabilitatea ca inta s fie atins de 3 ori? Dar exact
de 2 ori? Dar s fie atins?
Rezolvare:
Fie evenimentele independente:
A
i
:trgtorul i atinge inta; cu i = 13 , .
p P A q
1 1 1
2
3
1
3
= = = ( )
p P A q
2 2 2
3
4
1
4
= = = ( )
p P A q
3 3 3
4
5
1
5
= = = ( )
Atunci polinomul va fi:
( )( )( )
2
3
1
3
3
4
1
4
4
5
1
5
x x x + + +
Probabilitatea ca inta s fie atins de 3 ori este coeficientul lui x
3
din polinomul de mai
sus, adic
2
5
.
Probabilitatea ca inta s fie atins de 2 ori este coeficientul lui x
2
din polinomul de mai
sus, adic
13
30
.
Probabilitatea ca inta s fie atins va fi calculat astfel: inta este atins nseamn c ea
poate fi atins o dat de 2 ori sau de 3 ori.
43
Notm A: inta este atins A
C
: inta nu este atinsP( A
C
)=coeficientul lui x
0
din
polinomul de mai sus, adic
1
60
P(A)=1-P( A
C
)=
59
60
.

Exemplul 3.
Trei trgtori trag asupra unei inte cte un foc fiecare. Probabilitile de nimerire a intei
sunt:
4
3
,
3
2
i
5
4
pentru primul, al doilea i al treilea inta.
Dup trageri s-a constatat c inta a fost atins o singur dat. Care este probabilitatea ca
ea s fi fost atins de primul trgtor?

Rezolvare:
Ca n problema de mai sus, avem:
fie evenimentele independente: A
i
:trgtorul i atinge inta; cu i = 13 , cu probabilitile:
p P A q
1 1 1
2
3
1
3
= = = ( )
p P A q
2 2 2
3
4
1
4
= = = ( )
p P A q
3 3 3
4
5
1
5
= = = ( )
Atunci polinomul va fi:
( )( )( )
2
3
1
3
3
4
1
4
4
5
1
5
x x x + + +
Fie evenimentul A: inta este atins de un trgtor.
Dar nou ni se cere probabilitatea ca inta s fi fost atins de primul trgtor tiind c a
fost atins de un singur trgtor, adic:
) (
) (
) \ (
1
1
A P
A A P
A A P
I
= ,
dar
= ) ( A P coeficientul lui x din descompunerea polinomului, adic
20
3
) (
2 1 3 3 1 2 3 2 1
= + + = q q p q q p q q p A P
44
iar
= ) (
1
A A P I probabilitatea ca doar primul trgtor s nimereasc inta, rezult:
30
1
) ( ) (
3 2 1 3 2 1 1
= = = q q p CA CA A P A A P I I I .
Rezult: ) 2 ( , 0
9
2
3
20
30
1
) (
) (
) \ (
1
1
= = = =
A P
A A P
A A P
I
.

Exemplul 4.
Un patron verific lucrrile a trei angajai. Acetia lucreaz corect n proporie de 99%,
85% i respectiv 97%. Se cere probabilitatea ca:
a) toate lucrrile s fie bune;
b) nici o lucrare s nu fie bun;
c) dou lucrri s fie bune;
d) cel puin dou lucrri s fie bune;
e) cel mult o lucrare greit.

Rezolvare:
Fie evenimentele A
i
: angajatul i lucreaz fr greeal; 3 , 1 = i i ) (
i i
A P p = iar
i i i
p CA P q = = 1 ) ( .
Astfel, avem: 01 , 0 99 , 0
1 1
= = q p
15 , 0 85 , 0
2 2
= = q p
03 , 0 97 , 0
3 3
= = q p
Aplicm schema lui Poisson iar polinomul va fi:

) )( )( (
3 3 2 2 1 1
q x p q x p q x p + + +
Notm cu A, B, D,F i G evenimentele ale cror probabiliti se cer la a), b), c), d), e).
a) P(A)=coeficientul lui x
3
=
3 2 1
p p p =0,816
b) P(B)=coeficientul lui x
0
=
3 2 1
q q q
c) P(D)=coeficientul lui x
2
=
1 3 2 2 3 1 3 2 1
q p p q p p q p p + +
45
d) P(F)=coeficientul lui x
2
+coeficientul lui x
3
=P(D)+P(A)
e) Cel mult o lucrare greit cel puin dou lucrri bune
P(G)=P(F).

7.4.2 Schema binomial(Bernoulli)
Dac evenimentele independente A A A
n 1 2
, , ..., au aceeai probabilitate,
p p q q i n
i i
= = = ; ( , ) 1 , atunci probabilitatea s se realizeze k din cele n evenimente este
coeficientul lui x
k
din polinomul ( ) px q
n
+ , adic este egal cu C p q
n
k k n k
i se noteaz
cu P k
n
( ) .Se observ c schema lui Bernoulli este un caz particular al schemei lui
Poisson.


Exemplul 5.
Se arunc dou zaruri de 10 ori. Care este probabilitatea s apar de 4 ori suma 7?

Rezolvare:
La o efectuare a experienei, evenimentul apariia sumei 7 are probabilitatea
1
6
(6
cazuri favorabile din 36 posibile). Deci:
p q n k P C = = = = =
1
6
5
6
10 4 4
1
6
5
6
10 10
4 4 6
; ; ; ( ) ( ) ( )

Exemplul 6.
n medie din 3 vizitatori ai unei consignaii ,2 cumpr i unul nu. Care este
probabilitatea ca din 10 persoane aflate n magazin:
a) toate persoanele s cumpere?
b) 3 s nu cumpere?
c) cel puin 6 s cumpere?
d) cel puin 4 s nu cumpere?
e)

46
Rezolvare:
Fie evenimentul A: vizitatorul cumpr = = = = p P A q n ( ) ; ;
2
3
1
3
10
a) k=10 = = P C
10 10
10 10 0 10
10
2
3
1
3
2
3
( ) ( ) ( ) ( )
b) 3persoane nu cumpr7 persoane cumprk=7 = P C
10 10
7 7 3
7
2
3
1
3
( ) ( ) ( )
c) cel puin 6 cumpr nseamn k { } =

=

6 7 8 910 6
2
3
1
3
10 10
10
6
10
, , , , ( ) ( ) ( ) P k C
k k k
k

d) cel puin 4 nu cumpr nseamn cel mult 6 cumpr
k { } =

=

01 2 3 4 5 6 6
2
3
1
3
10 10
10
0
6
, , , , , , ( ) ( ) ( ) P k C
k k k
k


Exemplul 7.
Un pensionar i-a stabilit nite cote la consumul de energie electric. El nu depete ntr-
o zi cota propus cu probabilitatea de 80%. S se afle probabilitatea ca ntr-o lun (30
zile) consumul de energie electric s nu depeasc cotele stabilite pe 20 zile.

Rezolvare:
Fie A evenimentul c ntr-o zi pensionarul nu depete cota stabilit, iar p=P(A)=0,8 i
q=P(CA)=0,2.
Fie B evenimentul a crui probabilitate se cere. Atunci ( ) ( )
3 4 4
7
2 , 0 8 , 0 ) ( C B P = .

Exemplul 8.
n urma unei experiene, un eveniment apare cu probabilitatea de 2%.
a) Care este probabilitatea ca, efectund n=100 experiene, evenimentul A s apar de
60 ori?
b) Cte experiene trebuie fcute astfel ca probabilitatea de apariie a evenimentului
A s nu fie mai mic dect 0,5?


47
Rezolvare:
Conform schemei lui Bernoulli avem:
a)
40 60 60
100 100
) 98 , 0 ( ) 02 , 0 ( ) 60 ( C P =
b) Probabilitatea evenimentului contrar adic n n experiene evenimentul A s nu
apar niciodat este:
n n
n n
C P 98 , 0 ) 98 , 0 ( ) 02 , 0 ( ) 0 (
0 0
= =
Probabilitatea ca evenimentul A s apar cel puin o dat n cele n experiene este
n
98 , 0 1 .
Numrul n se afl din condiia:
2
1
98 , 0 1
n
, de unde, logaritmnd se afl n.

Exemplul 9.
n urma unor verificri s-a constatat c 10% dintre cltorii transportului n comun nu
achit contravaloarea cltoriei. Care este probabilitatea ca efectund 10 verificri:
a) toi cltorii s aib bilete;
b) toi cltorii s fie prini fr bilete
c) cel mult doi cltori s fie prini fr bilete.

Rezolvare:
Dac 10% dintre cltori nu achit contravaloarea biletului, nseamn c 90% achit.
Astfel, notm cu:
p=0,90=probabilitatea ca un cltor s aib bilet
q=1-p=0,10=probabilitatea ca un cltor s nu aib bilet
n=10
a) Fie A evenimentul cltorul are bilet, eveniment care apare cu probabilitatea de
90%.
Atunci, probabilitatea, ca din 10 verificri toi cei 10 cltori s aib bilete, este:
34 , 0 ) 9 , 0 ( ) 1 , 0 ( ) 9 , 0 ( ) 10 (
10 0 10 10
10 10
= = = C P , adic 34%.

48
b) Fie B=CA evenimentul cltorul nu are bilet, eveniment care apare cu
probabilitatea de 10%.
Atunci, probabilitatea, ca din 10 verificri toi cei 10 cltori s nu aib bilete sau 0
persoane au bilete, este:
0 ) 1 , 0 ( ) 1 , 0 ( ) 9 , 0 ( ) 0 (
10 10 0 0
10 10
= = C P ,adic este un eveniment imposibil.
c) cel mult 2 cltori fr bilete nseamn cel puin 8 persoane au bilete
k { }

=

=
10
8
10
10 10
) 1 , 0 ( ) 9 , 0 ( ) 8 ( 10 , 9 , 9
k
k k k
C k P

7.4.3 Schema hipergeometric (schema urnei cu bil nerevenit)

Dintr-o urn n care sunt a bile albe i b bile roii (a+b=N), se extrag n bile, nN, fr
s se pun napoi n urn, dup fiecare extragere, bila extras. nsemnm prin numrul
de bile albe obinut n n extrageri.
Probabilitatea ca din n extrageri ,efectuate n modul pe care l-am artat, s obinem
bile albe este
P
C C
C
n
a b
n
N
n
( )

=

Exemplul 10.
Din 100 de bilete la un joc de televiziune, puse n vnzare ntr-o sptmn, 10 bilete sunt
ctigtoare. La o agenie LOTO se repartizeaz la ntmplare 100 bilete. S se determine
probabilitatea ca:
a) 3 bilete din cele repartizate s fie ctigtoare;
b) cel mult 2 bilete repartizate s fie ctigtoare;
c) cel puin 4 bilete s fie ctigtoare;
d) nici un bilet s nu fie ctigtor.

Rezolvare:
Se aplic schema urnei cu bil nerevenit n care parametrii au urmtoarele valori:
N=100.000, a=10, n=100;
49
a) Fie evenimentul A: 3bilete dintre cele repartizate s fie ctigtoare
parametrul are valoarea 3 i rezult:
P A
C C
C
( ) =
10
3
99990
97
100000
100

b) Fie B evenimentul a crui probabilitate se cere; atunci { } 01 , ,2 i are loc:
P B
C C
C
( ) =
=

0
2
10 99990
100
100000
100

c) Fie C evenimentul a crui probabilitate se cere; atunci { } 4 10 , ..., i are loc:
P C
C C
C
( ) =
=

4
10
10 99990
100
100000
100

d) Fie D evenimentul ca ici un bilet s nu fie ctigtor; atunci =0 i are loc:
P D
C
C
( ) =
99990
100
100000
100


Exemplul 11.
O firm particular scoate la concurs 4 posturi. La concurs se prezint 10 brbai i 8
femei. Care este probabilitatea ca:
a) s fie alei 2 brbai i dou femei?
b) s fie alei numai brbai?
c) s fie alese i femei?

Rezolvare:
Aplicm schema hipergeometric i notm cu A, B, D evenimentele ale cror
probabiliti ne sunt cerute la a), b) i c).
a)
4
18
2
8
2
10
) (
C
C C
A P

=
b)
4
18
4
10
4
18
0
8
4
10
) (
C
C
C
C C
B P =

=
c)
4
18
4
10
1 ) ( 1 ) ( ) (
C
C
B P CB P D P = = =
50

7.5.Variabile aleatoare discrete
Definiia 7.5.1.
Variabilele aleatoare care iau o mulime finit sau numrabil de valori se numesc
variabile aleatoare discrete.

O variabil aleatoare discret, schematic, se reprezint astfel:
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

| ,
unde, n primul rnd al tabloului am trecut valorile posibile ale variabilei i sub fiecare
valoare, probabilitatea cu care X ia aceast valoare. Altfel spus, variabila aleatoare este o
funcie.
Observaie:
p
i
i
n
=

1
=1.
Tabloul de mai sus se numete repartiia variabilei X.

Notaie:
Pentru simplitate vom nota de acum nainte variabila aleatoare cu v.a.

7.5.1 Operaii cu variabile aleatoare discrete
A. Adunarea variabilelor aleatoare
Fie X i Y dou v.a. independente cu repartiiile:
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

| ,
Y
y y y
q q q
m
m
:
. . .
. . .
1 2
1 2
|
\

| ,
Atunci se definete adunarea v.a. X i Y astfel:
X Y
x y x y x y x y
p p p p
i j n m
ij nm
+
+ + + +
|
\

| :
. . . . . .
. . . . . .
1 1 2 2
11 12
,
51

unde p i n j m
ij
( , , , ) = = 1 1 este probabilitatea realizrii simultane a egalitilor X x
i
= i
Y y
j
= .

B. nmulirea variabilelor aleatoare
Fie X i Y dou v.a. independente cu repartiiile:
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

| ,
Y
y y y
q q q
m
m
:
. . .
. . .
1 2
1 2
|
\

| ,
Atunci se definete produsul v.a. X i Y astfel:
X Y
x y x y x y x y
p p p p
i j n m
ij nm

|
\

| :
. . . . . .
. . . . . .
1 1 2 2
11 12
,
unde p i n j m
ij
( , , , ) = = 1 1 este probabilitatea realizrii simultane a egalitilor X x
i
= i
Y y
j
= .

C. Ridicarea la putere a unei variabile aleatoare
Fie v.a.
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

|
.
Se ridic la putere prima linie din repartiia v.a. ,linia probabilitilor rmnnd
neschimbat:
X
x x x
p p p
n
n n
n
n
n
:
. . .
. . .
1 2
1 2
|
\

|
.
D. nmulirea cu o constant a unei variabile aleatoare
Fie v.a.:
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

|
.
Se nmulete doar prima linie din repartiia v.a. cu constanta a ;linia probabilitilor
rmnnd neschimbat:
52
aX
ax ax ax
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

|
.


E. Adunarea unei variabile aleatoare cu o constant
Fie v.a. :
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

|
.
Atunci variabila X+c are repartiia:
.

7.5.2 Funcia de repartiie a unei variabile aleatoare discrete

Definiia 7.5.2.
Se numete funcie de repartiie a variabilei aleatoare X aplicaia [ ] F R : , 01 dat de
F(x)= P(X<x).
Fie variabila aleatoare:
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

|
. Funcia de repartiie asociat acestei
variabile aleatoare are urmtoarea form:
F x
x x
p x x x
p p x x x
x x
n
( )
,
,
,
...
,
=
<
<
+ <
>

0
1
1
1 1 2
1 2 2 3

Graficul funciei de repartiie este un grafic n trepte.

Exemplul 1.
Fie variabila aleatoare discret X:

|
\

|
|
2 1 1 3 4
1
9
2
9
1
9
2
9
1
3
.S se determine funcia de
repartiie.
53

Rezolvare:
Funcia de repartiie a acestei variabile aleatoare este

F x
x
x
x
x
x
x
x
x
x
x
x
x
( )
,
,
,
,
,
,
,
,
,
,
,
,
=

<
+ <
+ + <
+ + + <
+ + + + >

=

<
<
<
<

0 2
1
9
2 1
1
9
2
9
1 1
1
9
2
9
1
9
1 3
1
9
2
9
1
9
2
9
3 4
1
9
2
9
1
9
2
9
1
3
4
0 2
1
9
2 1
3
9
1 1
4
9
1 3
6
9
3 4
1 4

Exemplul 2.
Variabila aleatoare are repartiia X:
1 2 3 4
7
4
1
3
1
6
2
p p
|
\

|
|
. Se cere P(X 3).

Rezolvare:
Cum X este variabil aleatoare , suma probabilitilor trebuie s fie egal cu 1:
{ } { } { } { }
p p p p
p p p
X X X X X
2 2
1 2
7
4
1
3
1
6
1 12 21 6 0 441 48 6 729 27
21 27
24
6
24
1
4
21 27
24
24
48
24
2
1
4
1 2 3 4
1
6
7
16
1
3
1
6
3 1 2 3
+ + + = + = = + = =
=
+
== = =

=

= =

|
\

|
|
= = = =

,
:
U U

P X P X P X P X
sauP X P X
( ) ( ) ( ) ( )
( ) ( )
= = + = + = = + + =
= = = =
3 1 2 3
1
16
7
16
1
3
5
6
3 1 4 1
1
6
5
6




54
7.5.3 Media i dispersia unei variabile aleatoare discrete

Fie v.a. discret
X
x x x
p p p
n
n
:
. . .
. . .
1 2
1 2
|
\

|
;


Definiia 7.5.3.1
Se definete media lui X sau valoarea medie a lui X ca fiind:
M X x p x p x p x p
i i
i
n
n n
( ) ... = = + + +
=

1
1 1 2 2

Definiia 7.5.3.2
Se definete dispersia lui X ca fiind:
D X M X M X ( ) ( ) ( ) =
2 2

Definiia 7.5.3.3
Se definete abaterea medie ptratic ca fiind ( ) ( ) X D X = .

Observaie:
ntotdeauna dispersia trebuie s fie strict pozitiv.

Exemplul 3.
Fie v.a. X cu repartiia
2 1 3
2 1
7 7
p
| |
|
|
|
\

.
a) S se calculeze p;
b) S se calculeze media,dispersia i abaterea medie ptratic a variabilei X;
c) S se calculeze P(X 1 ).

Rezolvare:
a) Cum X este variabil aleatoare , suma probabilitilor trebuie s fie egal cu 1:
2 1 4
1
7 7 7
p p + + = =
55
Astfel, repartiia lui X devine:
4
7
2 1 3
2 1
7 7
| |
|
|
|
\

b)
2 4 1 3
( ) ( 2) 1 3 ;
7 7 7 7
M X = + + =

2 2 2 2
3
2 4 1 21
( ) ( 2) 1 3 ;
7 7 7 7
M X = = + + =
Atunci, D X M X M X ( ) ( ) ( ) =
2 2
=
2
3 9 147
3 3
7 49 49
| |
|
\
= = , iar
147
( ) ( )
49
X D X = = .

Exemplul 4.
Se dau variabilele independente X
a
p q
:
1 2
1
3
|
\

|
|
i Y
a
q p
:
+

|
\

|
|
1 1 2
1
3
2
3
.
S se calculeze a astfel nct variabila X-Y s aib dispersia egal cu
4
9
.

Rezolvare:
Cum X i Y sunt variabile aleatoare discretetrebuie s avem:
1
3
1
1
3
2
3
1
+ + =
+ + =

p q
q p
,
sistem care prin rezolvare d soluia: p q = =
1
3
.
Deci, variabilele X i Y au repartiiile:
X
a
:
1 2
1
3
1
3
1
3
|
\

|
|
i Y
a
:
+
|
\

|
|
1 1 2
1
3
1
3
1
3
.
Din ipotez tim c D(X-Y)=
4
9
, iar din teorema dispersiei tim c:
D(X-Y)=D(X)+D(Y)
56
D(X)= M X M X ( ) ( )
2 2

D(Y)= M Y M Y ( ) ( )
2 2

Dar, M(X)=a
a
M X
a
+ + = + = +
1
3
1
1
3
2
1
3 3
1
3
1
2 2
( ) ( ) ;
X
a
M X
a
D X
a a
2
2
2
2 2
1 4
1
3
1
3
1
3
3
5
3
2
9
2
3
2
3
: ( ) ( )
|
\

|
|
= + = +
Analog se calculeaz D Y
a a
( )
( ) ( )
=
+

+
+
2 1
9
2 1
3
2
3
2
;
Din egalitatea D(X)+D(Y)=
4
9
a=1.


CAPITOLUL 8
PLI EALONATE ANUAL

8.1. Valoarea final a unor depuneri anuale

Se pune problema calculrii sumei acumulate dup un numr de ani, n cazul n
care se depune anual aceeai sum S, lund n calcul i dobnda.
Ca de obicei, notm cu 1 1
100
p
u i = + = + factorul de fructificare. n funcie de
momentul depunerii putem avea: depuneri anticipate (la nceputul anului) sau depuneri
posticipate (la sfritul anului).

I Depuneri anticipate

Definiia 8.1.1.
Se numesc anuiti anticipate, operaiunile de plat efectuate n condiiile urmtoare:
1. anual, la nceputul anului;
57
2. prin anuiti (rate) egale sau nu de la un an la altul;
3. un anumit numr de ani bine precizat;
4. cu procent anual constant sau nu de la un an la altul.

Observaie:
Vom presupune n continuare c sumele depuse sunt constante, S, i c rata anual
de dobnd este constant.
Notaii:
n = numrul de pli (anuale)
S = valoarea ratei pltite n anul k, k n = 1,...,
i = dobnda anual unitar din anul k, k n = 1,...,
S
n
A ( )
= valoarea final a operaiunii de pli ealonate desfurate n regim de dobnd
compus, n cazul depunerilor anticipate

n cazul depunerilor anticipate, suma S , depus n primul an, la nceputul anului devine,
la sfritul celor n ani,
n
Su , cea depus n al doilea an, tot la nceput, devine
1 n
Su

,
.a.m.d.
Rezultatul final va fi:
( )
( ) 1 2 1
1 1
... 1 ...
1
n n
A n n n
n
u u
S Su Su Su u u u Su Su S u
u i


= + + + = + + + + = =

II Depuneri posticipate

Definiia 8.1.2.
Se numesc anuiti posticipate, operaiunile de plat efectuate n condiiile urmtoare:
1. anual, la sfritul anului;
2. prin anuiti (rate) egale sau nu de la un an la altul;
3. un anumit numr de ani bine precizat;
4. cu procent anual constant sau nu de la un an la altul.


58
Observaie:
Vom presupune n continuare c sumele depuse sunt constante, S, i c rata anual
de dobnd este constant.

Notaii:
n = numrul de pli (anuale)
S = valoarea ratei pltite n anul k, k n = 1,...,
i = dobnda anual unitar din anul k, k n = 1,...,
( ) P
n
S = valoarea final a operaiunii de pli ealonate desfurate n regim de dobnd
compus, n cazul depunerilor posticipate

n cazul depunerilor posticipate, suma S , depus la sfritul primului an, devine la
sfritul celor n ani,
1 n
Su

, cea depus n al doilea an, tot la sfrit, devine
2 n
Su

,
.a.m.d.
Se obine deci:
( )
( ) 1 2 2 1
1 1
... 1 ...
1
n n
P n n n
n
u u
S Su Su Su S u u u S S S
u i


= + + + + = + + + + = =

Exemplul 1.
Se depune anual suma de 10.000 u.m. cu procentul de 8% anual. Ce sum se acumuleaz
dup 15 ani n cazul depunerilor:
a) anticipate
b) posticipate

Rezolvare:
a)
( )
( )
15
15
.
1 1, 08 1
10.000 1 0, 08 293.243 u.m
0, 08
n
A u
S Su
i

= = + =
b)
( ) ( )
( )
15
15
15 15
.
1 1, 08 1
10.000 271.521 u.m sau
0, 08
A
n
P P
u
S
u
S S S
i
=

= = =

59
8.2. Valoarea actual a unor pli anuale constante

Se cunoate c dac se depune la banc suma S, dup un numr de ani n ea devine
n
Su . Se pune ns urmtoarea problem: ce sum S
0
trebuie depus la momentul de fa
pentru ca dup n ani s devin S?
Din relaia
1
0 0
n n
S u S S Su

= = se numete valoarea actual a plii S efectuat
peste un numr de n ani.
Pentru a calcula valoarea actual a unui ir de n pli anuale de aceeai sum S,
distingem dou cazuri, dup cum plile se fac la nceputul sau la sfritul anului.

I Pli anticipate de sum constant

Notaii:
n = numrul de pli (anuale)
S = valoarea ratei pltite n anul k, k n = 1,...,
i = dobnda anual unitar din anul k, k n = 1,...,
A
n
A ( )
= valoarea actual sau actualizat, a n pli,efectuate la nceputul anului
( ) 1
1
( ) 1
1 1
...
1
n
n
n
A
n
A
u u
S Su Su S S u
i
u

= + + + = =

II Pli posticipate de sum constant

Notaii:
n = numrul de pli (anuale)
S = valoarea ratei pltite n anul k, k n = 1,...,
i = dobnda anual unitar din anul k, k n = 1,...,
( ) P
n
A = valoarea actual sau actualizat, a n pli,efectuate la sfritul anului
2 1
1
( ) 1
1 1
...
1
n
n
n
P
n
A
u u
Su Su Su S u S
i
u

+

= + + = =

60
Exemplul 1.
Se presupune c achitarea unor datorii a fost stabilit pentru 5 ani, cu plata anual
anticipat (posticipat) astfel: anual cte 10.000 u.m. cu procent de 5% anual
S se determine n fiecare caz valoarea actual.


Rezolvare:
a) cazul anticipat
S=10.000 u.m.;
i=0,05;
n=5 ani;
Suntem n cazul n care procentul i ratele sunt egale
( )
1 (1 ) 1
(1 )
n n
A
n
i u
A S u S i
i i

+
= = + ,
Atunci, A u m
A
5
5
10 000 1 05
1 1 05
0 05
45495 5
( )
. ,
,
,
. , . . =

=

b) cazul posticipat
( )
1 (1 ) 1
n n
P
n
i u
A S S
i i

+
= =
Atunci,
5
( )
5
.
1 1, 05
10.000 43.294, 7 .
0, 05
P
A u m

= =

Exemplul 2.
Plasnd la fiecare nceput de an, timp de 15 ani suma de 200.000 u.m. cu un procent
anual de 5%, atunci la sfritul ultimului an la ce valoare se va ridica fondul acumulat?
Dar valoarea actual a ntregii operaiuni?
Rezolvare:
. . 729 . 179 . 2
05 , 0
05 , 1 1
05 , 1 000 . 200
. . 394 , 598 . 531 . 4
05 , 0
1 05 , 1
05 , 1 000 . 200
15
) (
15
15
) (
15
m u A
m u S
A
A
=

=
=

61
BIBLIOGRAFIE



1. Ciucu, G., Oaru, V., Scuiu, I., -Probleme de teoria
probabilitilor, Bucureti, Editura Tehnic 1974

2. Ftu, I., Dinescu, C., -Matematici pentru economiti; Bucureti,
Editura Didactic i Pedagogic, 1995

3. Popa, I. Analiz matematic-Calcul diferenial, Editura Matrix
Rom, Bucureti 2000

4. Popescu, O. i colectiv - Matematici aplicate n economie;
Bucureti, Editura Didactic i Pedagogic, 1993

5. Trandafir, R., -Introducere n teoria probabilitilor, Bucureti,
Editura Albatros, 1970

6. Matei, P., -Algebr linear, Geometrie analitic i diferenial,
Editura Agir, Bucureti, 2000

7. Teodorescu, S., -Matematici aplicate n economie, Editura Bren,
2003

8. Teodorescu, S., -Probleme de probabiliti i statistic
matematic, Editura Bren, 2004

9. Teodorescu, S., -Matematici pentru economiti, Editura Bren,
2004

10. Teodorescu, S., -Matematici financiare. Culegere de probleme,
Editura Bren, 2004