Gheorghe CENUSA-Matematici Pentru Economisti

CAPITOLUL 1
SPA!II VECTORIALE
1.1. No!iunea de spa!iu vectorial
Fie V o mul!ime nevid". Fie (K,+,) un corp n raport cu
opera!iile + #i .
Elementele corpului K le vom numi scalari sau numere.
Pe mul!imea V introducem legea : V V V : ,
( ) y x y x = , care este o lege de compozi!ie intern" pe V, iar pe
corpul K introducem legea de compozi!ie extern": V V K : ,
( ) x x = , .
DEFINI$IA %.%.%.
Mul!imea nevid" V peste care s-au introdus dou" opera!ii :
( ) y x y x = , #i ( ) x x = ,
prima, intern" pe V, cea de-a doua, extern" cu valori din K, se
nume#te spa!iu vectorial (liniar) peste corpul K, dac" sunt
satisf"cute propriet"!ile:
( ) , V formeaz" un grup abelian, adic" adunarea este asociativ",
are element neutru &, are element simetric, #i este comutativ".
%) x x = % , oricare ar fi elementul x din V.
2) ) ( ) ( ) ( x x x + = + , oricare ar fi x #i y din V, !
#i " din K.
3) ) ( ) ( x x = , oricare ar fi x #i y din V, ! #i " din
K.
4) ) ( ) ( ) ( y x y x = , oricare ar fi x #i y din V, !
#i " din K.
EXEMPLUL %:
Fie V = R
n
spa!iul real n dimensional , iar K = R.
| ) x , , x , x ( { x R R R
T
n 2 % n
= = x
i
apar!innd lui R, i = #, ,n }.
Dac" x apar!ine lui R
n
, atunci vom nota :
( )
T
n
n
x x x
x
x
x
x , , ,
2 %
2
%
=
Fie y din spa!iul R
n
,
=
n
y
y
y
y
2
%
.
Introducem nota!iile:
+
+
+
=
n n
y x
y x
y x
y x
2 2
% %
#i
=
n
x
x
x
x
2
%
.
Ar"t"m c" ( R
n
, R ) este un spa!iu vectorial real , n-dimensional.
%) asociativitatea rezult" din asociativitatea numerelor reale
2) elementul neutru este:
=
0
0
0
.
3) elementul simetric este :
=
n
x
x
x
x
2
%
4) comutativitatea rezult" din comutativitatea adun"rii
numerelor reale
%)
x
x
x
x
x
n
=
=
%
%
%
%
2
%
2)
) ( ) ( ) (
2 2
% %
x x
x x
x x
x x
x
n n
=
+
+
+
= +

3)
=
n
x
x
x
x
2
%

=
n
x
x
x
x
2
%
deci:

+
+
+
=
n n
x x
x x
x x
x x

2 2
% %
) ( ) (
DEFINI$IA %.%.2.
Elementele unui spa!iu vectorial le vom numi vectori.
DEFINI$IA %.%.3.
Elementele corpului K le vom numi scalari.
EXEMPLUL 2 :
Fie P
n
[x] mul!inea tuturor polinoamelor de gradul n cu
coeficien!i reali.
Dac" p apar!ine mul!imii P
n
[x] , atunci p(x) = a
0
+ a
#
x
#
+
+ a
n
x
n
, unde a este diferit de zero.
Dac" q apar!ine mul!imii P
n
[x] , atunci q(x) = b
0
+ b
#
x
#
+
+ b
n
x
n
, unde b este diferit de zero.
) )( ( x q p =
n
n n
x b a x b a b a ) ( ) (
% % 0 0
+ + + + + +
) )( ( x p =
n n
x a x a a + + +
% % 0
Din aceste dou" rela!ii observ"m c" mul!imea P
n
[x] nu
formeaz" un spa!iu vectorial deoarece, dac" avem a
n
= -b
n
, n urma
adun"rii rezult" un polinom care nu este de gradul n .
Dac" not"m cu P
n
[x] mul!imea polinoamelor de grad mai
mic sau egal cu n #i introducem aceste dou" legi de compozi!ie,
atunci mul!imea dat" formeaz" un spa!iu vectorial.
PROPOZI$IA %.%.%.
Fie (V,K) un spa!iu vectorial. Atunci elementul neutru $ este
unic.
DEMONSTRA$IE:
Din propozi!ie #tim c" exist" elementul neutru $, oricare ar
fi vectorul x din mul!imea V.
Aceasta nseamn" c" $+x = x+$ = x.
Presupunem c" exist" dou" elemente neutre $
#
#i $
2.
Atunci
fiecare din cele dou" elemente neutre verific" rela!ia de mai sus:
$
#
+x = x+$
#
= x pentru orice x apar!innd mul!imii V.
$
2
+x = x+$
2
= x pentru orice x apar!innd mul!imii V.
Dac" aceste rela!ii sunt adevarate pentru orice x apar!innd
mul!imii V, atunci sunt adevarate #i pentru $ care apar!ine mul!imii
V. Astfel, putem scrie:
pentru x = $
2
, $
#
+$
2
= $
2
+$
#
= $
2
pentru x = $
#
, $
2
+$
#
= $
#
+$
2
= $
#
Din cele dou" rela!ii observ"m c" $
#
= $
2
, deci elementul
neutru este unic.
1.2. Vectori liniar independen!i "i liniar dependen!i; baz# "i
dimensiune
Fie (V,K) un spa!iu vectorial.
Fie x
#,
x
2, ,
x
n
vectori care apar!in mul!imii V.
Fie %
#
, %
2
,, %
n
scalari care apar!in corpului K.
DEFINI$IA %.2.%.
Rela!ia:
=
= + + +
n
i
i i n n
x x x x
%
2 2 % %

se nume#te
combina!ie liniar" a vectorilor x
#
, x
2
, , x
n
cu scalari din K.
DEFINI$IA %.2.2.
Vectorii x
#
, x
2
, , x
n
care apar!in mul!imii V se numesc
liniar independen!i atunci cnd rela!ia :
(% ) %
#
x
#
+ %
2
x
2
+ + %
n
x
n
= $
este adev"rat" dac" #i numai dac" to!i scalarii sunt nuli: %
#
= %
2
=
= %
n
= 0.
DEFINI$IA %.2.3.
Dac" rela!ia (%) are loc f"r" ca to!i scalarii %
#
, %
2
, , %
n
s"
fie nuli,vectorii x
#
, x
2
, , x
n
se numesc liniar dependen!i.
EXEMPLUL %:
Fie ( R
3
, R ) un spa!iu vectorial , fie x
#
, x
2
, x
3
vectori din
acest spa!iu vectorial:
=
0
%
%
%
x
,
=
%
0
%
2
x
,
=
%
%
0
3
x
.
S" se arate c" ace#ti vectori sunt liniar independen!i.
%
#
x
#
+ %
2
x
2
+ + %
n
x
n
= $
0
0
0
%
%
0
%
0
%
0
%
%
3 2 %

= +
= +
= +
0
0
0
3 2
3 %
2 %

;
% % 0
% % 0
0 % %
% % 0
% 0 %
0 % %
=
= -2
ntruct determinantul este diferit de zero, solu!ia sistemului
este %
#
= %
2
= %
3
= 0 , deci vectorii x
#
, x
2
, x
3
sunt liniar
independen!i.
PROPOZI$IA %.2.%.
Fie (V,K) un spa!iu vectorial. Vectorii x
#
, x
2
, , x
n
sunt
liniar dependen!i dac" #i numai dac" cel pu!in un vector este o
combina!ie liniar" a celorlal!i vectori.
DEMONSTRA$IE:
%* Presupunem c" x
#
, x
2
, , x
k-#
, x
k
, x
k+#
, , x
n
sunt
liniar dependen!i #i vom demonstra c" cel pu!in un vector este o
combina!ie liniar" a celorlal!i. Vectorii fiind liniar independen!i,
nseamn" c" rela!ia :
%
#
x
#
+ %
2
x
2
+ + %
k-#
x
k-#
+ %
k
x
k
+ %
k+#
x
k+#
+ + %
k
x
k
= $
este adev"rat" f"r" ca to!i scalarii s" fie nuli.
Presupunem c" %
k
este diferit de zero. Atunci:
i
n
k i
i
k
i
n
k
n
k
k
k
k
k
k
k k
k
x x x x x x x
=
+
+ + + + + + =
%
%
%
%
2
2
%
%

2* Presupunem c" cel pu!in un vector este o combina!ie
liniar" a celorlal!i vectori #i vom demonstra c" vectorii sunt liniar
dependen!i.
x
k
= !
#
x
#
+ !
2
x
2
+ + !
k-#
x
k-#
+ !
k
x
k
+ !
k+#
x
k+#
+ + !
n
x
n
!
#
x
#
+ !
2
x
2
+ + !
k-#
x
k-#
+ (-#) x
k
+ !
k+#
x
k+#
+ + !
n
x
n
= $
ntruct (-#) este un scalar diferit de zero, ultima rela!ie
demonstreaz" c" vectorii sunt liniar dependen!i.
DEFINI$IA %.2.4.
Vectorii x
#
, x
2
, , x
n
care apar!in mul!imii V formeaz" un
sistem de generatori ai spa!iului V, dac" oricare ar fi vectorul x din
mul!imea V, exist" scalarii %
#
, %
2
, , %
n
apar!innd corpului K
astfel nct s" existe rela!ia:
x = %
#
x
#
+ %
2
x
2
+ + %
n
x
n
(3)
Altfel spus, x
#
, x
2
, , x
n
formeaz" un sistem de generatori
dac" oricare ar fi vectorul x din mul!imea V, el se poate scrie ca o
combina!ie liniar" a vectorilor x
#
, x
2
, , x
n
.
DEFINI$IA %.2.5.
Fie (V,K) un spa!iu vectorial. Vectorii x
#
, x
2
, , x
n
formeaz" o baz# a spa!iului V dac" sunt ndeplinite urmatoarele
condi!ii:
%) vectorii x
#
, x
2
, , x
n
formeaz" un sistem de generatori.
2) vectorii x
#
, x
2
, , x
n
sunt liniar independen!i.
EXEMPLUL 2 :
Fie ( R
3
, R ) un spa!iu vectorial , fie x
#
, x
2
, x
3
vectori din
acest spa!iu vectorial:
=
0
%
%
%
x
,
=
%
0
%
2
x
,
=
%
%
0
3
x
.
n exemplul anterior am ar"tat c" ace#ti vectori sunt liniar
independen!i.
n continuare vom ar"ta c" formeaz" un sistem de
generatori.
'tim c" oricare ar fi vectorul x din R
3
, exist" scalarii %
#
, %
2
,
%
3
astfel nct :
x = %
#
x
#
+ %
2
x
2
+ %
3
x
3
,
=
3
2
%
x
x
x
x
= =
3
2
%
3 2 %
%
%
0
%
0
%
0
%
%
x
x
x
x
deci sistemul:
= +
= +
= +
3 3 2
2 3 %
% 2 %
x
x
x

este un sistem liniar, neomogen.
Vectorii x
#
, x
2
, x
3
formeaz" un sistem de generatori
deoarece sistemul de mai sus este compatibil determinat.
Astfel am demonstrat c" vectorii x
#
, x
2
, x
3
formeaz" o baz"
n R
3
.
DEFINI$IA %.2.6.
Dimensiunea spa!iului vectorial V este egal" cu num"rul
vectorilor unei baze.
PROPOZI$IA %.2.2.
Fie V un spa!iu vectorial peste corpul K, dimensiunea
spa!iului V fiind n.
Fie B = { x
#
, x
2
, , x
n
} o baz" n spa!iul V.
Atunci, oricare ar fi vectorul x din V el se scrie n mod unic
ca o combina!ie liniar" de vectorii bazei.
DEMONSTRA$IE:
Din ipotez" #tim c" B = { x
#
, x
2
, , x
n
} este o baz".
Aceasta nseamn" c" vectorii x
#
, x
2
, , x
n
formeaz" un sistem de
generatori #i sunt liniar independen!i.
ntruct vectorii x
#
, x
2
, , x
n
formeaz" un sistem de
generatori , nseamn" c" este verificat" rela!ia:
x = %
#
x
#
+ %
2
x
2
+ + %
n
x
n
(%)
Presupunem c" x se scrie #i sub forma:
x = "
#
x
#
+ "
2
x
2
+ + "
n
x
n
(2)
nmul!ind rela!ia (2) cu -# #i adunnd-o cu rela!ia (%) vom
ob!ine:
x + (-x) = ( !
#
"
#
) x
#
+ ( !
2
"
2
) x
2
+ + ( !
n
"
n
) x
n
= $
Din aceast" rela!ie #i din faptul c" vectorii subt liniar
independen!i, rezult" c":
!
#
"
#
= 0, !
2
"
2
= 0, , !
n
"
n
= 0 , adic" !
#
= "
#
,
!
2
= "
2
, , !
3
= "
3
.
Spa!iul V este un spa!iu vectorial de dimensiune n , iar
} x ,..., x , {x B
n 2 %
= este o baz" n V. Atunci, oricare ar fi vectorul x
din V, el se scrie n mod unic sub forma unei combina!ii liniare de
vectorii bazei. Deci x se scrie sub forma:
x = !
#
x
#
+ !
2
x
2
+ + !
n
x
n
.
DEFINI$IA %.2.7.
Scalarii !
#
, !
2
, , !
n
se numesc coordonatele vectorului
x n baza B.
=
n
B
x
2
%
EXEMPLUL %:
Fie P
2
[x] spa!iul vectorial al polinoamelor de grad mai mic
sau egal cu 2, cu coeficien!i reali.
S" se cerceteze dac" vectorii B
#
= { # + x , # + x
2
, x + x
2
}
#i B
2
= { # + 2x + 2x
2
} formeaz" sau nu o baz".
(i) Oricare ar fi polinomul p din spa!iul vectorial P
2
[x],
p(x) = a
0
+ a
#
x + +a
2
x
2
, unde a
0
, a
#
, a
2
sunt numere reale, exist"
%
#
, %
2
, %
3
astfel nct p = %
#
p
#
+ %
2
p
2
+%
3
p
3
.
%
#
( #+x) + %
2
(# + x
2
) + %
3
( x + x
2
) = a
0
+ a
#
x + a
2
x
2
( %
#
+ %
2
) + ( %
#
+ %
3
) x + ( %
2
+ %
3
) x
2
= a
0
+ a
#
x + a
2
x
2
Din aceste dou" rela!ii ob!inem un sistem compatibil determinat:
= +
= +
= +
2 3 2
% 3 %
0 2 %
a
a
a

(ii) Vectorii sunt liniar independen!i : $ = 0 + 0x + 0x
2
= +
= +
= +
0
0
0
3 2
3 %
2 %

1.3. Schimbarea coordonatelor unui vector la schimbarea
bazelor
Fie (V,K) un spa!iu vectorial de dimensiune n.
Fie E = { e
#
, e
2
, , e
n
} o baz" n spa!iul vectorial V.
Fie x un vector din V , x
E
= !
#
e
#
+ !
2
e
2
+ + !
n
e
n ,
x
E
=
( !
#
, !
2
, , !
n
)
T
.
Fie G = { g
#
, g
2
, , g
n
} o alt" baz" n spa!iul vectorial V.
x
G
= "
#
g
#
+ "
2
g
2
+ + "
n
g
n ,
x
G
= ( "
#
, "
2
, , "
n
)
T
Deoarece E #i G formeaz" baze n spa!iul V, nseamn" c"
vectorii e
i
#i g
i
apar!in spa!iului V oricare ar fi indicele i cu valori
n mul!imea { #, , n }.
g
#
apar!ine lui V, atunci g
#
= c
##
e
#
+ c
#2
e
2
+ + c
#n
e
n
g
2
2
= c
2#
e
#
+ c
22
e
2
+ + c
2n
e
n
..
g
n
n
= c
n#
e
#
+ c
n2
e
2
+ + c
nn
e
n
Vom nota cu C
EG
= (c
ij
) , unde c
ij
apar!ine corpului K, iar
indicii i #i j apar!in mul!imii { # , , n }.
DEFINI$IA %.3.%.
Matricea C
EG
= (c
ij
) se nume#te matricea de trecere de la
baza E la baza G.
OBSERVA$IE : Determinantul matricei C
EG
este diferit de zero,
ceea ce nseamn" c" matricea este nesingular".
PROPOZI$IA %.3.%.
Fie (V,K ) un spa!iu vectorial de dimensiune n .
Fie E #i G dou" baze n spa!iul V, unde E={ e
#
, e
2
, , e
n
} ,
G = { g
#
, g
2
, , g
n
} . Fie vectorul x din V, x
E
= ( !
#
, !
2
, , !
n
)
T
#i x
G
= ( "
#
, "
2
, , "
n
)
T
.
x
E
= !
#
e
#
+ !
2
e
2
+ + !
n
e
n
x
G
= "
#
g
#
+ "
2
g
2
+ + "
n
g
n
Atunci este adev"rat" rela!ia: X
G
= ( C
T
EG
)
-#
X
E
DEMONSTRA$IE:
g
i
= c
i#
e
#
+ c
i2
e
2
+ + c
in
e
n
x
G
= "
#
g
#
+ "
2
g
2
+ + "
n
g
n
= "
#
(c
##
e
#
+ c
#2
e
2
+ + c
#n
e
n
) +
+ "
2
(c
2#
e
#
+ c
22
e
2
+ + c
2n
e
n
) +
++
+ "
n
(c
n#
e
#
+ c
n2
e
2
+ + c
nn
e
n
) =
( "
#
c
##
+ "
2
c
2#
+ + "
n
c
n#
) e
#
+ ( "
#
c
#2
+ "
2
c
22
+ + "
n
c
n2
) e
2
+ + ( "
#
c
#n
+ "
2
c
2n
+ + "
n
c
nn
) e
n
Deoarece scrierea unui vector ntr-o baz" este unic", vom
ob!ine:
= + + +
= + + +
= + + +
n nn n n n
n n
n n
c c c
c c c
c c c

2 2 % %
2 2 22 2 %2 %
% % 2% 2 %% %
Acest sistem, scris matriceal, are forma : C
T
EG
X
G
= X
E
( 2

)
Determinantul matricei C
EG
este diferit de zero, deci #i
determinantul matricei C
T
EG
este diferit de zero, astfel nct exist"
( C
T
EG
)
-#
. Din ( 2

) ob!inem:
( C
T
EG
)
-#
C
T
EG
X
G
= ( C
T
EG
)
-#
X
E
, adic" , X
G
= ( C
T
EG
)
-#
X
E
1.4. Lema substitu!iei
Fie (V,K) un spa!iu vectorial de dimensiune n .
Fie E = { e
#
, e
2
, , e
n
} = { e
#
, e
2
, , e
i-#
, e
i
, e
i+#
, , e
n
}
o baz" n spa!iul V. Fie u un vector oarecare din V,
u
E
= ( %
#
, %
2
, , %
i-#
, %
i
, %
i+#
, , %
n
)
T
.
u
E
= %
#
e
#
+ %
2
e
2
+ + %
i-#
e
i-#
+ %
i
e
i
+ %
i+#
e
i+#
+ + %
n
e
n
Lema substitu!iei r"spunde la urm"toarele ntreb"ri:
%) n ce condi!ii mul!imea E
*
= { e
#
, e
2
, , e
i-#
, u , e
i+#
, , e
n
}
formeaz" o baz" n spa!iul V ?
2) Fiind dat un vector x din spa!iul V ,
x
E
= ( !
#
, !
2
, , !
i-#
, !
i
, !
i+#
, , !
n
)
T
,
care sunt coordonatele vectorului n baza E
*
?
x
E

*
= ( !
*
#
, !
*
2
, , !
*
i-#
, !
*
i
, !
*
i+#
, , !
*
n
)
T
Vom demonstra c":
mul!imea E
*
= { e
#
, e
2
, , e
i-#
, u , e
i+#
, , e
n
} formeaz" o baz" #i
c" dac" vectorul x apar!ine spa!iului V, x
E
= ( !
#
, !
2
, , !
i-#
, !
i
,
!
i+#
, , !
n
)
T
#i dac" x
E

*
= ( !
*
#
, !
*
2
, , !
*
i-#
, !
*
i
, !
*
i+#
, ,
!
*
n
)
T
, atunci:
( % )
i
i
i
=
*
; ( 2 )
i
j i i j
j

=
*
unde j ia valori din
mul!imea { # , , n }, j fiind diferit de i .
DEMONSTRA$IE:
%) Trebuie s" ar"t"m c" vectorii { e
#
, e
2
, , e
i-#
, u , e
i+#
, , e
n
}
sunt liniar independen!i .
#
e
#
+
2
e
2
+ +
i-#
e
i-#
+
i
u

+
i+#
e
i+#
+ +
n
e
n
= $
#
e
#
+
2
e
2
+ +
i-#
e
i-#
+
i
( %
#
e
#
+ %
2
e
2
+ + %
i-#
e
i-#
+ %
i
e
i
+
%
i+#
e
i+#
+ +%
n
e
n
)+ +
i+#
e
i+#
+ +
n
e
n
= $
(
#
+
i
%
#
) e
#
+ + (
i-#
+
i
%
i-#
) e
i-#
+
i
%
i
e
i
+ (
i
%
i+#
+
i+#
)
e
i+#
+ + (
i
%
n
+ +
n
) e
n
= $
Dar vectorii { e
#
, e
2
, , e
n
} formeaz" o baz" deci sunt
liniar independen!i. Astfel, ob!inem un sistem liniar #i omogen de n
ecua!ii #i n necunoscute:

= +
= +
=
= +
= +
+ +

0
0
0
0
0
% %
% %
% %
n n i
i i i
i i
i i i
i

;
0 0 0 0
0 % 0 0
0 % 0 0
0 0 % 0
0 0 0 %
%
%
%

n
i
i
i
A
=
Determinantul sistemului este: detA = (-#)
i+#
%
i
| I
i-#
| , deci
detA = %
i
#i este diferit de zero. nseamn" c" sistemul (3) are numai
solu!ia banal".
Deci vectorii { e
#
, e
2
, , e
i-#
, u , e
i+#
, , e
n
} sunt liniar
independen!i .
2) Trebuie s" ar"t"m c" { e
#
, e
2
, , e
i-#
, u , e
i+#
, , e
n
} formeaz"
un sistem de generatori.
Oricare ar fi vectorul x din spa!iul V, exist" scalarii !
*
#
,
!
*
2
, , !
*
i-#
, !
*
i
, !
*
i+#
, , !
*
n
astfel nct :
x
E
= %
*
#
e
#
+ %
*
2
e
2
+ + %
*
i-#
e
i-#
+ %
*
i
u + %
*
i+#
e
i+#
+ + %
*
n
e
n
x
E
=%
*
#
e
#
+%
*
2
e
2
++%
*
i-#
e
i-#
+%
*
I
(%
#
e
#
+ %
2
e
2
+ + %
i-#
e
i-#
+ %
i
e
i
+%
i+#
e
i+#
++%
n
e
n
)+%
*
i+#
e
i+#
++%
*
n
e
n
=(!
*
#
+!
*
i
%
#
)e
#
++(!
*
i-#
+
+ !
*
i
%
i-#
)e
i-#
+ !
*
i
%
i
e
i
+(!
*
i+#
+ !
*
i
%
i+#
)e
i+#
+ (!
*
n
+ !
*
i
%
n
) e
n
'tim c" scrierea unui vector ntr-o baz" este unic". Vom
ob!ine sistemul:
= +
= +
=
= +
= +
+ + +

n n i n
i i i i
i i i
i i i i
i

* *
% %
* *
%
*
% %
* *
%
% %
* *
%

rezult" c"
i
i
i
=
*
Celelalte ecua!ii le putem scrie sub forma:
j j i j
= +
* *
i
j i
j j i j j

= =
* *
de aici rezult" c":
i
j i i j
j

=
* , pentru oricare j din mul!imea { #, , n } , j
fiind diferit de i.
Formulele ( % ) #i ( 2 ) se numesc formulele de pivotare
Gauss- Jordan.
E U X E
*
X
e
%
(
%
)
%
e
%
)
*
%

e
i-%
(
i-%
)
i-%
e
i-%
)
*
i-%
e
i
(
i
)
i
u )
*
i
e
i+%
(
i+%
)
i+%
e
i+%
)
*
i+%

e
j
(
j
)
j
e
j
)
*
j

e
n
(
n
)
n
e
%
)
*
n
( % ) Se mparte linia pivot la pivot ;
( 2 ) Se aplic" Gauss-Jordan.
1.5. Spa!ii vectoriale izomorfe
Fie (X,K) #i (Y,K) dou" spa!ii vectoriale peste acela#i corp
de sclari K.
DEFINI$A %.5.%.
Spa!iile vectoriale X #i Y se numesc K izomorfe, dac" exist"
& : X' Y cu propriet"!ile urm"toare:
%) & este bijectiv"
2) oricare ar fi x
#
#i x
2
doi vectori din spa!iul X #i oricare ar
fi !
#
#i !
2
scalari din corpul K, atunci :
& ( !
#
x
#
+ !
2
x
2
) = !
#
& ( x
#
) + !
2
& ( x
2
) .
Func!ia & cu proprietatea 2) se nume#te aplica!ie sau func!ie
liniar#.
TEOREMA %.5.%.
Dac" X #i Y sunt dou" spa!ii vectoriale definite pe acela#i
corp de scalari K, dimensiunea celor dou" spa!ii fiind n finit, atunci
X #i Y sunt K-izomorfe.
Aceasta este teorema de izomorfism a spa!iilor vectoriale
finit dimensionale.
DEMONSTRA$IE:
Fie E = { e
#
, e
2
, , e
n
} o baz" n spa!iul X .
Fie G = { g
#
, g
2
, , g
n
} o baz" n spa!iul Y.
Oricare ar fi vectorul x din spa!iul X, putem scrie:
x = !
#
e
#
+ !
2
e
2
+ + !
n
e
n
=
=
n
i
i i
e
%
.
Defininim func!ia & : X ' Y, & ( x ) = y adic"

= =
=
n
i
n
i
i i i i
g e
% %
) (
Pentru a ar"ta c" & este izomorfism, demonstr"m c":
%) func!ia este bijectiv":
injectivitate : oricare ar fi x
#
#i x
2
, x
#
diferit de x
2
, atunci :
& ( x
#
) este diferit de & ( x
2
) .
Fie x
#
= !
#
e
#
+ !
2
e
2
+ + !
k
e
k
+ + !
n
e
n
.
Fie x
2
= "
#
e
#
+ "
2
e
2
+ + "
k
e
k
+ + "
n
e
n
, unde !
i
#i "
i
apar!in corpului K, oricare ar fi indicele i din mul!imea { #, , k,
, , n } .
ntruct x
#
este diferit de x
2
, exist" cel pu!in un indice k
din mul!imea { #, , n } astfel nct )
k
este diferit de "
k
.
& ( x
#
) = !
#
e
#
+ !
2
e
2
+ + !
k
e
k
+ + !
n
e
n
& ( x
2
) = "
#
e
#
+ "
2
e
2
+ + "
k
e
k
+ + "
n
e
n
Deoarece exist" cel pu!in un indice k din mul!imea { #, , n }
astfel nct !
k
este diferit de "
k
, atunci & ( x
#
) este diferit de & ( x
2
).
surjectivitate: oricare ar fi y din Y, exist" x din X astfel nct :
& ( x ) = y.
Oricare ar fi y din Y, exist" scalarii !
#
, !
2
, , !
n
din corpul K astfel
nct s" existe rela!ia: y = !
#
g
#
+ !
2
g
2
+ + !
n
g
n
. Consider"m
un x care apar!ine lui X, x = !
#
e
#
+ !
2
e
2
+ + !
n
e
n
.
Din defini!ia func!iei & rezult" c" & ( x ) = y.
2) liniaritatea func!iei & :
Oricare ar fi x
#
#i x
2
din spa!iul X #i oricare ar fi a #i b din
corpul K,
& ( a x
#
+ b x
2
) = a & ( x
#
) + b & ( x
2
)
=
=
n
i
i i
e x
%
%

,
=
=
n
i
i i
e x
%
2

, unde !
i
, "
i
apar!in corpului K, iar i
apar!ine mul!imii { # , , n} .
( ) ( ) ( )

= = = =
= + =
+ =
+ = +
n
i
i i i
n
i
i i i
n
i
n
i
i i i i
g b a e b a e b e a bx ax
% % % %
2 %

( ) ( )
2 %
% % % %
x b x a g b g a g b g a
n
i
i i
n
i
i i
n
i
i i
n
i
i i
+ = + = + =

= = = =
1.6. Subspa!ii liniare
Fie (X,K) un spa!iu liniar vectorial; fie X
0
un spatiu inclus
n spa!iul X, X
0
fiind diferit de mul!imea vid".
DEFINI$IA %.6.%.
Mul!imea X
0
este un subspa!iu liniar al spa!iului X dac":
%) oricare ar fi x, y doi vectori din X
0
, atunci #i x + y
apar!ine lui X
0
.
2) oricare ar fi scalarul ! din corpul K #i oricare ar fi
vectorul x din X
0
#i ! x apar!ine lui X
0
.
PROPOZI$IA %.6.%.
Dac" X
i
( i apar!ine unei familii de indici ) este o familie de
subspa!ii liniare a spa!iului liniar ( X,K ) , atunci #i mul!imea X
0
format" din intersec!ia subspa!iilor X
i
este un subspa!iu liniar al
spa!iului X.
DEMONSTRA$IE:
%) oricare ar fi vectorii x #i y din spa!iul X
0
, X
0
=
I i
i
X
, unde x
apar!ine lui X
i
#i y apar!ine lui X
i
, pentru orice i din familia de
indici I .
Dar X
i
este un subspa!iu liniar al lui X, deci x+y apar!in lui X
i
oricare ar fi i din mul!imea I, adic" x+y apar!in lui X
0
.
2) Oricare ar fi vectorul x din spa!iul X
0
, x apar!ine subspa!iului X
i
al spa!iului X
0
. Oricare ar fi scalarul ! din corpul K, !x apar!ine
spa!iului X
i
, deci apar!ine #i subspa!iului X
0
.
Fie (X,K) un spa!iu liniar. Fie mul!imea AX , A .
DEFINI$IA %.6.2.
Se nume#te acoperirea liniar" a mul!imii A, mul!imea
tuturor combina!iilor liniare de vectori din mul!imea A . Acoperirea
liniar" se noteaz" cu L(A).
L(A) =
= =
=
*
%
, , , % , , , | N p p i K A a a x x
i i i
p
i
i

PROPOZI$IA %.6.2.
Fie (X,K) un spa!iu vectorial. Fie A o mul!ime din X, diferit"
de mul!imea vid". Atunci acoperirea liniar" a lui A este un subspa!iu
liniar al spatiului X.
DEMONSTRA$IE:
%) Demonstr"m c" oricare ar fi vectorii x #i y din L(A) #i x+y
apar!ine acoperirii liniare L(A).
Dac" x L(A), atunci :
=
=
%
%
p
i
i i
a x unde !
i
este un scalar din K, a
i
este un vector din
A, i = #, , p
#
, iar p
#
este un num"r natural.
Dac" y L(A), atunci :
=
=
2
%
p
i
j j
a y
unde "
j
este un scalar din K, a
j
este un vector
din A, j = #, , p
2
, iar p
2
este un num"r natural.

= =
+ = +
% 2
% %
p
i
p
i
j j i i
a a y x
deci (x+y) este o combima!ie
liniar" de vectori din mul!imea A, ceea ce nseamn" c" (x+y)
apar!ine acoperirii liniare a mul!imii A.
2) Demonstr"m c" oricare ar fi vectorul x din L(A) #i !x apar!ine
acoperirii liniare L(A), unde ! este un scalar din corpul K.
Dac" x L(A), atunci :
( )
=
=
%
%
p
i
i i
a x oricare ar fi ! din corpul K.
Deoarece !
i
apar!ine corpului K #i !!
i
apar!ine corpului K. Rezult"
astfel c" !x apar!ine acoperirii liniare L(A) .
PROPOZI$IA %.6.3.
Fie A o mul!ime din spa!iul liniar X, A fiind diferit" de
mul!imea vid".
Acoperirea liniar" a unei mul!imi con!ine mul!imea
respectiv".
DEMONSTRA$IE:
Oricare ar fi elementul a din mul!imea A, el se poate scrie
astfel:
=
= = =
%
%
* % * %
i
a a a a
aceasta fiind o combina!ie liniar" ce
apar!ine acoperirii liniare L(A) .
Fie (X,K) un spa!iu liniar #i fie A o mul!ime din acest spa!iu,
A fiind diferit" de mul!imea vid".
DEFINI$IA %.6.2.
Se nume#te subspa!iu liniar generat de mul!imea A, cel mai
mic subspa!iu liniar al spa!iului X care con!ine mul!imea A.
Subspa!iul liniar generat de mul!imea este un subspa!iu al
spa!iului X care con!ine pe A #i este cel mai mic subspa!iu care are
acest" proprietate. l vom nota cu Sp(A).
OBSERVA$IE: Dac" X
A
= { X
i
| X
i
fiind subspa!ii ale lui X,
AX, i = I } , atunci mul!imea X
A
este diferit" de mul!imea vid".
PROPOZI$IA %.6.4.
Fie (X,K) un spa!iu liniar #i fie A o mul!ime inclus" n X, A
fiind diferit" de mul!imea vid". Atunci L(A) = Sp(A) .
DEMONSTRA$IE:
%) ) ( ) ( A L A Sp este evident" deoarece L(A) este un
subspa!iu liniar al lui X care con!ine mul!imea A, iar Sp(A) este cel
mai mic subspa!iu cu aceast" proprietate.
2) ) ( ) ( A Sp A L
Fie x un vector din L(A) ,
=
=
p
k
k k
a x
%
, !
k
apar!innd
corpului K #i a
k
apar!innd mul!imii A , k = #, , p .
i
X A , iar X
i
este un subspa!iu , deci a
k
apar!ine
subspa!iului X
i
, k = #, ,p .
=
=
p
k
k k
a x
%
apar!ine subspa!iului X
i
, oricare ar fi X
i
care
include mul!imea A.
Deci
=
=
p
k
k k
a x
%
apar!ine
A X
i
i
A Sp X
= ) ( . Astfel
rezult" c" L(A) = Sp(A) .
PROPOZI$IA %.6.5.
Fie (X,K) un spa!iu liniar, fie A o mul!ime din X, A fiind
diferit" de mul!imea vid". Fie B o familie maximal" de vectori liliar
independen!i con!inut" n mul!imea A. Atunci, L(A) = L(B) .
OBSERVA$IE : Fie (X,K) un spa!iu liniar #i fie X
0
un subspa!iu
liniar al spa!iului X. Atunci elementul neutru $ apar!ine subspa!iului
X
0
.
DEMONSTRA$IE :
%) ) ( ) ( B L A L
Dac" B este o familie maximal" de vectori liniar
independen!i din mul!imea A, atunci oricare ar fi elementul a din A,
a este o combina!ie liniar" de elemente din familia maximal" B.
Rezult" c" oricare ar fi vectorul x apar!innd acoperirii liniare L(A),
x este o combina!ie liniar" de elemente din B, adic" x apar!ine
acoperirii liniare L(B). Deci ) ( ) ( B L A L .
2) ) ( ) ( A L B L este evident".
PROPOZI$IA %.6.6.
Fie (X,K) un spa!iu liniar a c"rui dimensiune este n. Fie X
#
#i
X
2
dou" subspa!ii liniare ale lui X.
Dac" dim X
%
+ dim X
2
> dim X , atunci
2 %
X X con!ine
#i alte elemente diferite de $ .
DEMONSTRA$IE:
Fie dim X
#
= p
#
. Fie E = { e
#
, , e
p
} o baz" n X
#
.
Fie dim X
2
= p
2
. Fie G = { g
#
, , g
2
} o baz" n X
2
.
Dac" x
2 %
X X , atunci :
=
=
%
%
p
i
i i
e x dac" x apar!ine subspa!iului X
#
.
=
=
2
%
p
i
j j
g x dac" x apar!ine subspa!iului X
2
.
( )

= = = =
= + =
% 2 % 2
% % % %
p
i
p
j
p
i
p
i
j j i i j j i i
g e g e
Dar
{ }
2 %
, , , , ,
% % p p
g g e e
este o mul!ime care apar!ine
lui X #i are p
#
+ p
2
elemente.
Din ipotez" #tim c" p
#
+ p
2
> p deci vectorii
{ }
2 %
, , , , ,
% % p p
g g e e
sunt liniar dependen!i.
Presupunem c" !
i
= 0 ( i = #, , p
#
) . Atunci exist" scalari
"
j
diferi!i de zero pentru c" vectorii sunt liniar dependen!i.
Presupunem c" "
j
= 0 (j = #, , p
2
) . Atunci exist" scalari
!
i
diferi!i de zero pentru c" vectorii sunt liniar dependen!i.
Deci exist" #i vectori nenuli.
1.7. Sum# de subspa!ii liniare
Fie (X,K) un spa!iu liniar . Fie X
#
#i X
2
dou" subspa!ii liniare
ale lui X.
DEFINI$IA %.7.%.
Se nume#te suma subspa!iilor X
#
#i X
2
mul!imea:
S = X
#
+ X
2
unde X
#
+ X
2
= { x | x = x
#
+ x
2
, x
#
X
#
, x
2
X
2
}.
PROPOZI$IA %.7.%.
Suma a dou" subspa!ii liniare este un subspa!iu liniar.
DEMONSTRA$IE:
#) Oricare ar fi x din S , x = x
#
+ x
2
, x
#
X
#
, x
2
X
2
Oricare ar fi y din S , y = y
#
+ y
2
, y
#
X
#
, y
2
X
2
Dac" x
#
X
#
#i y
#
X
#
, atunci x
#
+ y
#
X
#
.
Dac" x
2
X
2
#i y
2
X
2
, atunci x
2
+ y
2
X
2
.
x + y = x
#
+ x
2
+ y
#
+ y
2
= x
#
+ y
#
+ x
2
+ y
2
S.
2) Oricare ar fi % un scalar din corpul K, oricare ar fi vectorul x din
S, ob!inem:
%x = %(x
#
+ x
2
) = %x
#
+ %x
2
deci %x S .
OBSERVA$IE :
%) n general,
2 %
X X nu este un subspa!iu liniar
2) S = X
#
+ X
2

2 %
X X .
TEOREMA %.7.%. ( teorema dimensiunii )
Fie (X,K) un spa!iu vectorial de dimensiune n. Fie X
#
un
subspa!iu liniar, dim X
#
= p
#
.
Fie X
2
un alt subspa!iu al lui X, dim X
2
= p
2
.
Fie D =
2 %
X X , dim D = d . Fie S = X
#
+ X
2
, dim S = s.
Atunci :
dim X
#
+ dim X
2
= dim D + dim S p
#
+ p
2
= d + s .
DEMONSTRA$IE :
Fie { e
#
, , e
d
} o baz" n D. Complet"m aceast" baz"
astfel nct s" ob!inem ni#te baze n X
#
#i n X
2
.
Fie { e
#
, , e
d
, f
d+#
, , f
p#
} o baz" n X
#
.
Fie { e
#
, , e
d
, g
d+#
, , g
p2
} o baz" n X
2
.
Vom ar"ta c" mul!imea B
S
= { e
#
, , e
d
, f
d+#
, , f
p#
,
g
d+#
, , g
p2
} formeaz" o baz" n S.
#) oricare ar fi xS, x = x
#
+ x
2
, x
#
X
#
, x
2
X
2
Dac" x
#
X
#
, atunci

= + =
+ =
d
i
p
d i
i i i i
f e x
% %
%
%

Dac" x
2
X
2
, atunci

= + =
+ =
d
i
p
d i
i i i i
g e x
% %
2
2

xS ,

= + = + =
+ + + =
d
i
p
d i
p
d i
i i i i i i i
g f e x
% % %
% 2
) (
deci x se scrie
ca o combina!ie liniar" a vectorilor din B
S
. nseamn" c" B
S
formeaz" un sistem de generatori.
2) ar"t"m c" vectorii din B
S
sunt liniar independen!i.
(*)

= + = + =
= + +
d
i
p
d j
p
d k
k k j j i i
g f e
% % %
% 2

( )
4 4 3 4 4 2 1
+ =
%
%
p
d j
j j
f
+
4 4 4 3 4 4 4 2 1

= + =
+
d
i
p
d k
k k i i
g e
% %
2

este vector n X
#
este vector n X
2
deci x X
#
deci x X
2
Din cele scrise mai sus, rezult" c" xD =
2 %
X X , deci
(
k
= 0 (%) , oricare ar fi k = d+#, , p
#
.
Din (*) ob!inem :
( )
4 4 3 4 4 2 1
+ =
2
%
p
d k
k k
g
=
4 4 4 3 4 4 4 2 1

= + =
+
d
i
p
d j
j j i i
f e
% %
%

2
X x
%
X x
De aici rezult" c"
2 %
X X x , deci "
j
= 0 ( 2 ) ,
oricare ar fi j = #, , p
#
.
Din (*) , ( % ) , ( 2 ) ob!inem :
=
=
d
i
i i
e
%

Dar vectorii { e
#
, , e
d
} formeaz" o baz" n D, deci sunt
liniar independen!i. Rezult" c" !
i
= 0 , oricare ar fi i = # , , d ,
ceea ce nseamn" c" B
S
formeaz" o baz".
B
S
are d + p
#
d + p
2
d = s vectori -d + p
#
+ p
2
= s
p
#
+ p
2
= s + d .
COROLAR: Fie S un subspa!iu al spa!iului X , X S , deci s ) n ,
atunci:
p
#
+ p
2
d ) n .
OBSERVA$IE : Dac" { } =
2 %
X X , atunci d = 0 , p
#
+ p
2
= s ,
ceea ce inseamn":
dim X
#
+ dim X
2
= dim ( X
#
+ X
2
) .
DEFINI$IA %.7.2.
Fie X
#
#i X
2
dou" subspa!ii ale spa!iului (X,K) . Dac"
{ } =
2 %
X X , atunci
2 %
X X se nume#te suma direct" a
subspa!iilor X
#
#i X
2
.
CAPITOLUL 2
FUNC!IONALE LINIARE
2.1. No!iunea de func!ional" liniar"
Fie (X,K) un spa!iu vectorial de dimensiune n .
DEFINI"IA 2.#.#.
O aplica!ie K X f : , se nume$te func!ional" .
DEFINI"IA 2.#.2.
Func!ionala K X f : este liniar% dac%:
#) oricare ar fi vectorii x $i y din X, f ( x + y ) = f ( x ) + f ( y )
( proprietate de aditivitate)
2) oricare ar fi scalarul & din corpul K, oricare ar fi vectorul x din X,
f ( ! x ) = ! f ( x ) ( proprietate de omogenitate )
OBSERVA"IE :
propriet%!ile #) $i 2) pot fi scrise ntr o singur% formul% :
f ( " x + # b ) = " f ( x ) + # f ( y ) ,
oricare ar fi scalarii " $i # din corpul K $i oricare ar fi vectorii x $i y
din spa!iul X.
Dac%
( ) ( )

= = =
=
= =
n
i
n
i
i i
n
i
i i i i
e f e f x f e x
# # #

EXEMPLUL # :
Fie spa!iul vectorial ( P
2
[x], R ) $i fie func!ionala
[ ] ( ) ( )
=
#
0
2
, : dt t x x f R x P f , unde x(t) = a
0
+ a
$
t + a
2
t
2
, a
0
,
a
$
, a
2
R .
S% se demonstreze c% aceast% func!ional% este o func!ional%
liniar%.
Oricare ar fi x $i y din ( P
2
[x], R ) , x(t) = a
0
+ a
$
t + a
2
t
2
,
y(t) = b
0
+ b
$
t + b
2
t
2
, b
0
, b
$
, b
2
R .
Oricare ar fi " $i # din R ,
= + ) ( y x f
( ) ( ) [ ] ( ) ( ) = + = +

#
0
#
0
#
0
dt t y dt t x dt t y t x
) ( ) ( y f x f + =
INTERPRETARE GEOMETRIC :
Fie spa!iul ( R
3
, R ) $i fie R R f
3
: o func!ional%
liniar%.
x
3
x
-e
3
R

f(x)
x
$
f( e
3
)
e
2
0 e
$

f( e
$
)

x
2
f( e
2
)

2.2. Matricea unei func!ionale liniare:
Fie (X,K) un spa!iu vectorial , dim X = n.
Fie E = { e
$
, e
2
, , e
n
} o baz% n spa!iul X.
Fie x = "
$
e
$
+ "
2
e
2
+ + "
n
e
n
, unde x este un vector
din X.
Fie K X f : , o func!ional% liniar%.
Valoarea func!ionalei liniare n punctul x este:
( ) ( )
= =
=
=
n
i
i i
n
i
i i
e f e f x f
# #

.
Not%m a
i
= f ( e
i
) i = $, ,n ( # )
DEFINI"IA 2.2.#
Se nume$te matricea func!ionalei f corespunz%toare bazei
E , matricea:
=
n
a
a
a
A
2
#
EXEMPLUL # :
Fie spa!iul vectorial ( P
2
[x],R ) $i fie func!ionala
[ ] ( ) ( )
=
#
0
2
, : dt t x x f R x P f , o func!ional% liniar%.
Fie E = { $, t, t
2
} o baz% n P
2
[x] .
S% se determine matricea func!ionalei f n baza E .
( ) = = =
#
0
#
0
# #
# #dt dt e f a
;
( ) = = =
#
0
#
0
2 2
2
#
tdt e f a
;
( ) = = = =
#
0
#
0
#
0
3
2
3 3
3
#
3
t
dt t dt e f a
De aici rezult% c% :
=
3
#
2
#
#
A
.
2.3. Schimbarea matricei unei func!ionale liniare la
schimbarea bazelor
PROPOZI"IA 2.3.#.
Fie (X,K) un spa!iu vectorial , dim X = n .
Fie E = { e
$
, e
2
, , e
n
} o baz% n spa!iul X .
Oricare ar fi vectorul x din spa!iul X ,
=
=
n
i
i i
e x
#
. Fie
K X f : , o func!ional% liniar% , fie
=
n
a
a
a
A
2
#
a
i
= f (e
i
)
unde i = $, ,n .
Fie G = { g
$
, g
2
, , g
n
} o alt% baz% n spa!iul X .
Fie C
EG
matricea de trecere de la baza E la baza G .
Fie
=
n
b
b
b
B
2
#
matricea functionalei f n baza G , b
i
= f (g
i
),
unde i = $, ,n .
Atunci : B = C A
DEMONSTRA"IE :
Scriem matricea C ( c
ij
) , matricea de trecere de la baza E
la baza G .
g
$
= c
$$
e
$
+ c
$2
e
2
+ + c
$n
e
n
g
2
= c
2$
e
$
+ c
22
e
2
+ + c
2n
e
n
g
n
= c
n$
e
$
+ c
n2
e
2
+ + c
nn
e
n
b
$
= f ( g
$
) = c
$$
f ( e
$
) + c
$2
f ( e
2
) + + c
$n
f ( e
n
)
b
2
= f ( g
2
) = c
2$
f ( e
$
) + c
22
f ( e
2
) + + c
2n
f ( e
n
)
b
n
= f ( g
n
) = c
n$
f ( e
$
) + c
2n
f ( e
2
) + + c
nn
f ( e
n
)
sau :
+ + + =
+ + + =
n nn n n n
n n
a c a c a c b
a c a c a c b
2 2 # #
# 2 #2 # ## #
B = C A
2.4. Dualul algebric al unui spa!iu vectorial
Fie (X,K) un spa!iu vectorial, dim X = n .
Consider%m mul!imea tuturor func!ionalelor liniare definite
pe spa!iul X .
( ) { K X f f K X L = : | ,
, f liniare }
Vom organiza aceast% mul!ime ca un spa!iu vectorial.
#) oricare ar fi ( ) K X L g f , , , ( )( ) ( ) ( ) x g x f x g f + = , unde
+ este adunarea din corpul K.
2) oricare ar fi K $i oricare ar fi
( ) K X L f ,
,
( )( ) ( ) x f x f =
Cu aceste propriet%!i, spa!iul vectorial reprezint% un dual algebric.
DEMONSTRA"IE :
Oricare ar fi ( ) ( )( ) ( ) K X L x g f K X L g f , , ,
f este func!ional% liniar% oricare ar fi K , , oricare ar
fi X y x , este adev%rat% rela!ia : ( ) ( ) ( ) y f x f y x f + = +
g este func!ional% liniar% oricare ar fi K , , oricare ar
fi X y x , este adev%rat% rela!ia : ( ) ( ) ( ) y g x g y x g + = +
( )[ ] ( ) ( ) ( ) ( ) ( ) ( ) = + + + = + + + = + y g x g y f x f y x g y x f y x g f
( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) g f g f y g y f x g x f + = + + + =
Asociativitate : ( ) ( )( ) ( ) ( )( ) x h g f x h g f = , oricare
ar fi ( ) K X L g f , , .
Element neutru : exist% ( ) K X L , ,
( ) 0 = x
, oricare ar fi
X x .
Element simetric : oricare ar fi
( ) K X L f ,
, exist%
( ) ( ) K X L f , , astfel nct: ( )( ) ( ) x f x f = .
Comutativitate : ( )( ) ( )( ) x f g x g f = , oricare ar fi
( ) K X L g f , ,
.

( )( ) ( ) x f x f = #
, oricare ar fi
( ) K X L f ,
.
( ) ( ) ( ) ( ) x f x f = , oricare ar fi ( ) K X L g f , , ,
oricare ar fi
K ,
.
( ) ( ) ( ) ( ) ( ) ( ) x g x f x g x f = , oricare ar fi ( ) K X L g f , , ,
oricare ar fi K .
Dualul algebric se mai nume$te spa!iul adjunct sau conjugat al
lui X.
2.5. Func!ionale biliniare
Fie (X,K) $i fie (Y,K) dou% spa!ii vectoriale definite peste
acela$i corp de scalari K.
DEFINI"IA 2.5.#.
O aplica!ie K Y X f : se nume$te func!ional%
biliniar% dac% :
#) f ("
$
x + "
2
x , y) = "
$
f (x, y) + "
2
f (x, y) , oricare ar fi "
$
,
"
2
K, oricare ar fi x , x X $i oricare ar fi y Y ( func!ionala
f este liniar% n raport cu prima variabil%, x ) .
2) f (x , #
$
y + #
2
y) = #
$
f (x , y) + #
2
f (x , y) , oricare ar fi #
$
,
#
2
K, oricare ar fi y , y Y $i oricare ar fi x X
(func!ionala f este liniar% n raport cu a doua variabil%, y) .
2.6. Matricea unei func!ionale biliniare
Fie (X,K) un spa!iu vectorial, dimX = m ;
Fie E = { e
$
, e
2
,, e
m
} o baz% n X.
Fie (Y,K) un spa!iu vectorial, dimY = n ;
Fie Y = { g
$
, g
2
,, g
n
} o baz% n Y.
Oricare ar fi xX ,
=
=
m
i
i i
e x
#
$i oricare ar fi yY ,
=
=
n
i
j j
g y
#
.
Fie K Y X f : , o func!ional% biliniar%,
( ) ( )

= = = =
=
=
m
i
n
j
j i j i
n
j
j j
m
i
i i
g e f g e f y x f
# # # #
, , ,
Not%m (#) a
ij
= f ( e
i
,g
j
) , i = $ , , m , j = $ , , n
ob!inem matricea A ( a
ij
).
DEFINI"IA 2.6.#.
Matricea A ( a
ij
) M
nxm
(K) unde a
ij
= f ( e
i
,g
j
) , iar i =
=$ , , m $i j = $ , , n se nume$te matricea func!ionalei
biliniare corespunz%toare bazelor E din spa!iul X $i G din spa!iul Y.
f (x , y)=
= =
m
i
n
j
ij j i
a
# #

= "
$
( #
$
a
$$
+ #
2
a
$2
+ + #
n
a
$n
) +
+ "
2
( #
$
a
2$
+ #
2
a
22
+ + #
n
a
2n
) + +
+ a
m
( #
$
a
m$
+ #
2
a
m2
+ + #
n
a
mn
) = X
T
AY
X
T
= ( "
$
,"
2
, , "
m
) ,
=
mn m
n
a a
a a
A
#
# ##
,
=
n
Y
#
(2) f ( x , y ) = X
T
A
EG
Y
G
2.7. Schimbarea matricei unei func!ionale biliniare la
schimbarea bazelor
Fie (X,K) un spa!iu vectorial, dimX = m ;
Fie E = { e
$
, e
2
,, e
m
} o baz% n X.
Fie (Y,K) un spa!iu vectorial, dimY = n ;
Fie Y = { g
$
, g
2
,, g
n
} o baz% n Y.
Fie
=
=
m
i
i i E
e x
#
$i
j
n
i
j G
g y

=
=
#
.
Fie K Y X f : o func!ional% biliniar% .
Fie A matricea func!ionalei biliniare f corespunz%toare bazei
E din spa!iul X $i bazei G din spa!iul Y .
Fie F = { f
$
, f
2
, , f
m
} o alt% baz% n spa!iul X .
Fie C
EF
matricea de trecere de la baza E la baza F.

+ + + =
+ + + =
m mm m m m
m m f
e c e c e c f
e c e c e c f
2 2 # #
# 2 #2 # ##
Fie H = { h
$
, h
2
, , h
m
} o alt% baz% n spa!iul Y .

+ + + =
+ + + =
m mm m m m
m m f
g d g d g d h
g d g d g d h
2 2 # #
# 2 #2 # ##
Fie B matricea func!ionalei biliniare f corespunz%toare bazei F din
spa!iul X $i bazei H din spa!iul Y.
(3) f ( x , y ) = X
T
E
A Y
G
(4) f ( x , y ) = X
T
F
B Y
H
(5) X
F
= ( C
T
)
-$
X
E
(6) Y
H
= ( D
T
)
-$
Y
G
( ) ( ) ( ) [ ] ( )
( ) ( )
( ) ( ) ( )
=
=
=

#
#
# #
, 4
T
T
T T
T
G
T
T
E
T
C C
A B B A
Y D B X C y x f
( ) ( ) [ ]
( )

3
,
#
#
G
T T
E
Y D B C X y x f
A = C
#
B ( D
T
)
-$
| C C A = C C
$
B ( D
T
)
-$
D
T
|
C A = B ( D
T
)
-$

B = C A D
T
CAPITOLUL 3
FUNC!IONALE PTRATICE
3.1. No!iunea de func!ional" p"tratic"
Fie (X,R) un spa!iu vectorial , dim X = n .
DEFINI"IA 3.#.#.
Func!ia R X f : este o func!ional$ liniar$ dac$ oricare
ar fi x
1
, x
2
care apar!in lui X %i oricare ar fi !
1
, !
2
care apar!in lui R,
atunci :
f ( !
1
x
1
+ !
2
x
2
) = !
1
f ( x
1
) + !
2
f ( x
2
) .
E = { e
1
, e
2
, , e
n
}
=
2
#
a
a
A
, a
i
= f ( e
i
) , i = 1 , , n .
Din capitolul 2 , subcapitolul Func"ionale biliniare , cunoa%tem
urm$toarele :
Fie (X,R) , dim X = n %i fie (Y,R) , dim Y = m .
Func!ionala biliniar$ R Y X f : are propriet$!ile :
#. Oricare ar fi !
1
, !
2
R , x
1
, x
2
X , y Y ,
f ( !
1
x
1
+ !
2
x
2
, y ) = !
1
f ( x
1
, y ) + !
2
f ( x
2
, y ) .
2. Oricare ar fi #
1
, #
2
R , y
1
, y
2
Y , x X ,
f ( x ,#
1
y
1
+ #
2
y
2
) = #
1
f ( x , y
1
) + #
2
f ( x , y
2
) .
( )
G
T
E
AY X y x f = ,
n cazul n care Y = X , R X X f : . Atunci apar
urm$toarele modificari :
A ( a
ij
) , a
ij
= f ( e
i
, e
j
) , i , j = 1 , , n , ( ) AY X y x f
T
= , .
DEFINI"IA 3.#.2.
Func!ionala biliniar$ f ( x , y ) este simetric$ dac$ f ( x , y )
= f ( y , x ) , oricare ar fi x , y X .
DEFINI"IA 3.#.3.
Prin diagonala produsului cartezian X X n!elegem :
( ) { } X x x x X diagX = | , .
DEFINI"IA 3.#.4.
Se nume%te func!ional$ p$tratic$ , restric!ia unei func!ionale
biliniare simetrice la diagonala produsului cartezian X X .
( ) ( )

= =
= = = =
n
i
n
j
j i ij
T
x x a AX X x x f x V
# #
,
a
11
x
1
2
+2a
12
x
1
x
2
+2 a
13
x
1
x
3
++
+2 a
1n
x
1
x
n
+ a
22
x
2
2
+ 2 a
23
x
2
x
3
+ + 2 a
2n
x
2
x
n
+ + a
nn
x
n
2
,
unde ( a
ij
= f ( e
i
, e
j
) ) .
DEFINI"IA 3.#.5.
V (x) este strict pozitiv definit$ dac$ V (x) > 0 , oricare ar fi
x X .
DEFINI"IA 3.#.6.
V (x) este semipozitiv definit$ dac$ V (x) $ 0 , oricare ar fi
x X .
DEFINI"IA 3.#.7.
V (x) este strict negativ definit$ dac$ V (x) < 0 , oricare ar fi
x X .
DEFINI"IA 3.#.8.
V (x) este seminegativ definit$ dac$ V (x) % 0 , oricare ar fi
x X .
DEFINI"IA 3.#.9.
V (x) este nedefinit$ dac$ exist$ x X astfel nct
V (x) $ 0 &i exist$ y X astfel nct V ( y ) % 0 .
Se pune problema dac$ exist$ o baz$ G = { g
1
, g
2
, , g
n
}
astfel nct n aceast$ baz$ ( baz$ canonic$ ) , avem:
V (x) = #
1
x
1
2
+ #
2
x
2
2
+ + #
n
x
n
2
.
3.2. Metoda Gauss pentru determinarea formei canonice a
unei func!ionale p"tratice #i determinarea bazei
Fie (X,R) un spa!iu vectorial , dim X = n , %i o baz$ a acestui
spa!iu, E = { e
1
, e
2
, , e
n
} .
Fie R X X f : o func!ional$ biliniar$ simetric$ .
A (a
ij
) , a
ij
= f (e
i
,e
j
) , i , j = 1 , , n , ( ) AY X y x f
T
= , .
( )

= =
= =
n
i
n
j
j i ij
T
x x a AX X x V
# #
Presupunem c$ exist$ indicele i ( 1 % i % n ) astfel nct a
ii
este diferit de zero. Presupunem c$ a
##
diferit de zero . Lu$m separat
termenii care con!in componenta x
1
%i vom scrie astfel :
a
11
x
1
2
+2a
12
x
1
x
2
++2a
1n
x
1
x
n
=
|
|
.
|
\
|
+ + +
n
n
x
a
a
x
a
a
x x a
##
#
2
##
#2
#
2
# ##
2
=
=
|
|
.
|
+ +
|
|
.
|
+ + +
2
##
#
2
##
#2
2
##
#
2
##
#2
# ## n
n
n
n
x
a
a
x
a
a
x
a
a
x
a
a
x a
.
Deci
( ) ( ) x V x
a
a
x
a
a
x a x V
n
n
#
2
##
#
2
##
#2
# ##
=
+ + + =
unde V
1
( x )
nu con!ine pe x
1
.
Not$m :
n n
n
n
x y
x y
x y
x
a
a
x
a
a
x y
=
=
=
+ + + =
3 3
2 2
##
#
2
##
#2
# #
Astfel , V ( y ) = a
11
y
1
2
+ b
22
y
2
2
+ 2 b
23
y
2
y
3
+ + b
nn
y
n
2
.
Aplic$m acela%i procedeu lui V
1
%i dup$ n pa%i , ob!inem forma
canonic$ a func!ionalei .
Dac$ a
ii
= 0, oricare ar fi i = 1 , , n , vom face nota!ia urm$toare :
x
1
= y
1
+ y
2
; x
2
= y
1
y
2
; x
3
= y
3
; ; x
n
= y
n
.
Astfel , vom ob!ine forma :
( ) ( )( )

+ = + + =
3 ,
2
2 #2
3 ,
2
# #2 2 # 2 # #2
j i
j i
j i ij
j i
j i
j i ij
y y a y a y a y y a y y y y a x V
EXEMPLUL # :
V ( x ) = 2 x
1
2
+ x
2
2
x
3
2
+ 6 x
1
x
2
8 x
1
x
3
+ 2 x
2
x
3
( ) ( )
3
2
3 2
2
3 2 #
5 7
2
7
7
2
4 3 2
2
#
x x x x x x x V +
+ + =
3 3
3 2 2
3 2 # #
7
2
7
4 3 2
x y
x x y
x x x y
=
+ =
+ =
(#)
( )
2
3
2
2
2
#
5
7
2
2
#
y y y y V + =
,
reprezint$ o func!ional$ n forma canonic$ .
Care este baza din spa!iul vectorial X n care func!ionala
p$tratic$ V are forma canonic$ (#) ?
3
2
#
3
2
#
# 0 0
7
2
7
0
4 3 2
x
x
x
y
y
y
( ) X C Y
T
#
= , unde C ( c
ij
) este matricea de trecere de la
baza E la baza G ( G este baza n care func!ionala p$tratic$ are
forma canonic$ ) .
( )
# 0 0
7
2
7
0
4 3 2
#
T
C
;
( ) ( )
= =
# 0 0
2
7
2
0
#
7
3
2
#
#
#
T T
C C
=
# 2 #
0
7
2
7
3
0 0
2
#
EG
C
Fie baza G baza n care vom determina forma canonic$ a
func!ionalei p$tratice V ,
G = { g
1
, g
2
, , g
n
}
Calcul$m vectorii acestei baze :
= = + + =
0
0
2
#
0
0
#
2
#
2
#
# 3 #3 2 #2 # ## #
e e c e c e c g
= =
0
7
2
7
3
7
2
7
3
2 # 2
e e g

= + + =
#
2
#
2
3 2 # 3
e e e g
Matricea B a func!ionalei V n baza G este :
=
5 0 0
0
7
2
0
0 0
2
#
B
.
3.3. Metoda Jacobi pentru determinarea formei canonice a
func!ionalei p"tratice
V ( x ) = 2 x
1
2
+ x
2
2
x
3
2
+ 6 x
1
x
2
8 x
1
x
3
+ 2 x
2
x
3
Not$m : #
0
= , 2
#
= ,
7
# 3
3 2
2
= =
,
35
# # 4
# # 3
4 3 2
3
=

=
.
( )
2
3
3
2 2
2
2
# 2
#
#
0
y y y y V
=
Deci , ob!inem : ( )
2
3
2
2
2
#
5
#
7
2
2
#
y y y y V + = .
ntr un spa!iu exist$ mai multe baze n care func!ionala
poate fi adus$ la forma canonic$ , deci forma canonic$ ob!inut$ prin
metoda Gauss difer$ de cea ob!inut$ prin metoda Jacobi .
Metoda Jacobi se poate aplica numai dac$ to!i minorii
principali ai matricei A sunt nenuli .
METODA JACOBI LA CAZUL GENERAL
Fie spa!iul vectorial (X,R) , dim X = n , %i fie o baz$ n acest
spa!iu, notat$ E = { e
1
, e
2
, , e
n
} .
Fie R X X f : o func!ional$ biliniar$ simetric$ .
Fie A( a
ij
) matricea func!ionalei f n baza E .
TEOREMA 3.3.#.
Fie
( )

= =
= =
n
i
n
j
j i ij
T
x x a Ax x x V
# #
o func!ional$ p$tratic$ ,
unde A(a
ij
) este matricea func!ionalei V n baza E . Dac$ to!i minorii
principali ai matricei A sunt nenuli ,
0
#
# ##
=
rr r
r
r
a a
a a
( r = 1 , ,n ) &i #
0
= ,
atunci exist$ o baz$ G = { g
1
, g
2
, , g
n
} n care matricea B a
func!ionalei V este diagonal$ %i
n
n
B
#
2
#
#
0
0
0
.
OBSERVA"IE : n baza G ,
( )
2
#
#
i
n
i
n
i
y y V

=
=
.
DEMONSTRA"IE :
Vom construi baza G astfel :
g
1
= '
11
e
1
g
2
= '
21
e
1
+ '
22
e
2
..
(#) g
i
= '
i1
e
1
+ '
i2
e
2
+ + '
ii
e
i
g
n
= '
n1
e
1
+ '
n2
e
2
+ + '
nn
e
n
Vom determina scalarii '
ij
din condi!iile :
(2)
( )
( )
=
=
# ,
0 ,
k k
i k
e g f
e g f
k = 1 , , n , i = 1 , ,k-1
k = 1
f( g
1
,e
1
) = 1 f( '
11
e
1
, e
1
) = 1 '
11
f( e
1
, e
1
) = 1
'
11
a
11
= 1
##
##
#
a
= . ( din ipotez$ , a
11
este diferit de zero ) .
k = 2
( )
( )
( )
( )
( ) ( )
( ) ( )

= +
= +
= +
= +
=
=
# , ,
0 , ,
# ,
0 ,
# ,
0 ,
2 2 22 2 # 2#
# 2 22 # # 2#
2 2 22 # 2#
# 2 22 # 2#
2 2
# 2
e e f e e f
e e f e e f
e e e f
e e e f
e g f
e g f

= +
= +
#
0
22 22 2# #2
22 2# 2# ##

a a
a a

= +
= +
#
0
22 22 2# 2#
22 2# 2# ##

a a
a a
a
12
= a
21
2
22
2#
22 2#
#2 ##
22
2#
22 #2
2# ##
22
2#
2#
#
0
#
0
#
0
= = =
a
a
a a
a a
a
a
a a
a a
a
a
,
2
22
2
#2
##
22
#
0
=
a
a
.
Analog demonstr$m %i pentru 1 % k % n , iar sistemul (2) are
solu!ia urm$toare :
k
ki
ki
= , unde
=
ki

kk k
k
a a
a a
colk coli col

#
0
#
#
# ##
n baza G astfel determinat$ , matricea B a func!ionalei
p$tratice V este de forma:
n
n
B
#
2
#
#
0
0
0
=

j i
j i
b
i
i ij
,
, 0
#
.
pentru i < j :
b
ij
= f( g
i
, g
j
) = f( '
i1
e
1
+ + '
ii
e
i
, g
j
) = '
i1
f( e
1
, g
j
) + +
+ '
ii
f( e
i
, g
j
) = '
i1
f( g
j
, e
1
) + + '
ii
f( g
j
, e
i

) .
Din sistemul (2) , rezult$ c$ pentru i < j , b
ij
= 0 .
pentru i = j :
b
ii
= f( g
i
, g
j
) = f( '
i1
e
1
+ + '
ii-1
e
i-1
+ '
ii
e
i
, g
i
) =
=
( ) ( ) ( )
ii i i ii i i ii i i
g e f g e f g e f = + + +
= =

=
4 3 4 2 1 4 4 3 4 4 2 1
4 3 4 2 1
# 0
# #
0
# #
, , ,
.
i
ii
ii
=
,
i
i
ii i
i i i
i i i
i
ii
a a
a a
a a
= = =

#
#
# , #
# , # # , #
# , # ##
#
0
0
.
EXEMPLUL # :
V ( x ) = 2 x
1
2
+ x
2
2
x
3
2
+ 6 x
1
x
2
8 x
1
x
3
+ 2 x
2
x
3
=
# # 4
# # 3
4 3 2
A
#
0
= , 2
#
= ,
7
# 3
3 2
2
= =
,
35
# # 4
# # 3
4 3 2
3
=

=
( )
2
3
3
2 2
2
2
# 2
#
#
0
y y y y V
=

( )
2
3
2
2
2
#
5
#
7
2
2
#
y y y y V + =
g
1
= '
11
e
1
g
2
= '
21
e
1
+ '
22
e
2
g
3
= '
31
e
1
+ '
32
e
2
+ '
33
e
3
pentru k = 1 :
f( g
1
, e
1
) = 1 f( '
11
e
1
, e
1
) = '
11
f( e
1
, e
1
) = '
11
a
11
= 2'
11
= 1'
11
=
2
#

# #
2
#
e g =
=
0
0
2
#
#
g
.
pentru k = 2 :
( )
( )
( )
( )

= +
= +
= +
= +
=
=
#
0
# ,
0 ,
# ,
0 ,
22 22 #2 2#
2# 22 ## 2#
2 2 22 # 2#
# 2 22 # 2#
2 2
# 2
a a
a a
e e e f
e e e f
e g f
e g f

=
=
= +
= +
7
2
7
3
# 3
0 3 2
22
2#
22 2#
22 2#

=
2 # 2
7
2
7
3
e e g

=
0
7
2
7
3
2
g
pentru k = 3 :
( )
( )
( )
( )
( )
( )
= + +
= + +
= + +
=
=
=
# ,
0 ,
0 ,
# ,
0 ,
0 ,
3 3 33 2 32 # 3#
2 3 33 2 32 # 3#
# 3 33 2 32 # 3#
# 3
2 3
# 3
e e e e f
e e e e f
e e e e f
e g f
e g f
e g f

=
=
=
= +
= + +
= +
= + +
= + +
= + +
5
#
7
2
5
#
# 4
0 3
0 4 3 2
#
0
0
33
32
3#
33 32 3#
33 32 3#
33 32 3#
33 33 23 32 #3 3#
32 33 22 32 #2 3#
3# 33 2# 32 ## 3#

a a a
a a a
a a a

3 2 # 3
5
#
7
2
5
#
e e e g + =
.
Matricea B a func!ionalei p$tratice V are forma :
=
5
#
0
7
2
0
2
#
B
3.4. Legea iner!iei
TEOREMA 3.4.#.
Num$rul coeficien!ilor pozitivi %i num$rul coeficien!ilor
negativi din forma canonic$ a unei func!ionale p$tratice V(x) nu
depinde de alegerea bazei canonice .
( Deci , coeficien!ii pozitivi %i coeficien!ii negativi sunt invarian!i ai
func!ionalei p$tratice .)
DEMONSTRA"IE :
Fie spa!iul vectorial (X,R) , dim X = n .Fie bazele canonice
E %i G din spa!iul vectorial X , astfel nct :
E = { e
1
, e
2
, , e
n
} x
E
= ( x
1
, x
2
, , x
n
)
T
G = { g
1
, g
2
, , g
n
} y
G
= ( y
1
, y
2
, , y
n
)
T
n baza E :
( )

= + =
=
#
#
#
# #
2 2
m
i
n
m j
j j i i
x x x V
, '
i
> 0 , i = 1 , , m1
'
j
> 0 , j = m1+1 , , n1
n baza G :
( )

= + =
=
2
#
2
# 2
2 2
m
i
n
m j
j j i i
y y y V
,
i
> 0 , i = 1 , , m2

j
> 0 , j = m2+1 , , n2
Deci func!ionala p$tratic$ are n baza E , m1 coeficien!i
pozitivi %i n1 m1 coeficien!i negativi . ( Nu am scris n ci n1 ,
pentru c$ exist$ posibilitatea ca anumi!i coeficien!i s$ fie nuli . )
Trebuie s$ demonstr$m c$ m1 = m2 %i n1 = n2 .
Demonstra!ia o vom face prin reducere la absurd .
Presupunem contrariul %i anume m1 > m2 .
Fie subspa!iul X
1
= Sp ( { e
1
, , e
m1
} ) , X
1
X , dim X
1
= m1 .
Fie subspa!iul X
2
= Sp ( { g
m2+1
, , g
n
} ) , X
2
X , dim X
2
= m1 .
Fie
2 #
X X D = .
dim X
1
+ dim X
2
= m1 + n m2 D con!ine %i vectori nenuli .
Fie
4 3 4 2 1
=
#
#
#
m
i
i i
e x x X x D x
,
4 4 3 4 4 2 1
+ =
=
n
m j
j j
g y x X x
# 2
2

( )

=
> =
#
#
2
0
m
i
i i
x x V

( )

+ =
< =
n
m j
j j
y y x V
# 2
2
0
Dar ( ) x V >0 %i ( ) x V <0 este absurd. Astfel, rezult$ c$ m1 % m2 .
Analog , presupunnd c$ m1 < m2 , ob!inem m1 $ m2 . Deci
ob!inem: m1 = m2 .
Asem$n$tor demonstr$m c$ n1 = n2 .
DEFINI"IA 3.4.#.
Se nume%te indice de iner!ie a formei p$tratice V (rangul
formei p$tratice V ) , num$rul total de termeni ce apar ntr o form$
canonic$ .
DEFINI"IA 3.4.2.
m1 = m2 se nume%te indicele pozitiv de iner!ie al
func!ionalei p$tratice V ( adic$ num$rul termenilor pozitivi dintr o
form$ canonic$ ) .
DEFINI"IA 3.4.3.
n1 = n2 se nume%te indicele negativ de iner!ie al
func!ionalei p$tratice V .
OBSERVA"IE : Dac$ m1 = n1 , atunci to!i coeficien!ii
func!ionalei p$tratice V n forma canonic$ sunt pozitivi , deci
func!ionala V este pozitiv definit$ .
REGULA LUI SYLVESTER :
Pentru ca o matrice simetric$ A(a
ij
) s$ determine o
func!ional$ p$tratic$ pozitiv definit$ , este necesar %i suficient ca to!i
minorii principali
r
s$ fie strict pozitivi .
0
#
# ##
> =
rr r
r
r
a a
a a
r = 1 , , n .
CAPITOLUL 4
COMPLEMENTE DE TEORIA !IRURILOR !I SERIILOR
NUMERICE
4.1. No!iuni introductive
DEFINI!IA 4.".". : Se nume#te #ir de numere reale o func$ie
( )
n
a n f R N f = , :
*
. Not%m ( ) *
N n n
a

.
DEFINI!IA 4.".2. : Fie n
1
<n
2
<<n
k
< un #ir de numere
naturale strict crescator. Atunci ( )
k
n
a ,
*
N k se nume#te subsir al #irului
( ) *
N n n
a

.
OBSERVA!IA " : Un sub#ir al unui #ir are o infinitate de termeni.
EXEMPLE : n a
n
= 1, 2, , n , Atunci :
k
a
2
, , , ,
2 4 2 k
a a a este sub#irul termenilor pari.
" 2 k
a , , ,
" 2 3 " k
a a a este sub#irul termenilor impari.
DEFINI!IA 4.".3. : Fie R a . Se nume#te vecin%tate a lui a
orice interval deschis care l con$ine pe a.
Fie R > , 0 . Se nume#te vecin%tate centrat% a
num%rului a intervalul ( ) + a a , . Not%m ( ) ( )
+ = a a a V , .
DEFINI!IA 4.".4. : Se nume#te vecin%tate a lui + , orice
interval de forma ( ) R a a , , .
DEFINI!IA 4.".5. : Se nume#te vecin%tate a lui - , orice
interval de forma ( ) R a a , , .
DEFINI!IA 4.".6. : &irul ( ) *
N n n
a

este convergent c%tre a
( finit ) dac% oricare ar fi vecin%tatea V(a) , aceasta las% n afara ei cel mult
un num%r finit de termeni ai #irului.
N n n
a

este convergent c%tre a
( finit ) dac% pentru orice 0 > , exist% un num%r natural ( un rang ) N( ) ,
astfel nct oricare ar fi ( ) < a a N n
n
.
OBSERVA!IA 2 : Defini$iile 4.".6. #i 4.".7. sunt echivalente.
N n n
a

are limita + dac% oricare
ar fi o vecin%tate ) (+ V , aceasta las% n afara ei cel mult un num%r finit de
termeni ai #irului.
N n n
a

are limita + dac% oricare
ar fi R a , exist% un prag N(a), astfel nct oricare ar fi ) (a N n rezult%
c% a a
n
> .
OBSERVA!IA 3 : Defini$iile 4.".8. #i 4.".9. sunt echivalente.
DEFINI!IA 4."."0. : &irul ( ) *
N n n
a

are limita dac% oricare
ar fi o vecin%tate ) ( V , aceasta las% n afara ei cel mult un num%r finit de
termeni ai #irului.
DEFINI!IA 4."."". : &irul ( ) *
N n n
a

are limita dac% oricare
ar fi R a , exist% un prag N(a), astfel nct oricare ar fi ) (a N n rezult%
c% a a
n
< .
OBSERVA!IA 4 : Defini$iile 4."."0. #i 4."."". sunt echivalente.
Un #ir este convergent dac% are limita finit% #i este divergent dac%
are limita + sau sau nu are limit%.
EXEMPLE :
". &irul constant a a
n
= . Se demonstreaz% c% a a
n
n

, adic%
a a
n
n
=

lim .
2. &irul
n
a
n
"
= . Se demonstreaz% c% 0

n
n
a .
ntr-adev%r, oricare ar fi 0 > , exist% un prag ) ( N astfel nct
oricare ar fi ) ( N n rezult% c% < a a
n
.
"
"
) (
"
"
"
0
"
+
= > < < <
N n n
n n
OBSERVA!IA 5 : n defini$iile anterioare ( de convergen$% a
unui #ir c%tre un num%r ) , limita #irului , a , este aprioric cunoscut%.
4.2. "ir fundamental
Cauchy introduce no$iunea de #ir fundamental ( #ir Cauchy ).
DEFINI!IA 4.2.". : &irul ( ) *
N n n
a

este #ir fundamental (Cauchy)
dac% oricare ar fi 0 > , exist% un prag ) ( N astfel nct oricare ar fi
) ( N m #i oricare ar fi ) ( N n vom avea <
n m
a a .
DEFINI!IA 4.2.2. : &irul ( ) *
N n n
a

este un #ir fundamental
(Cauchy) dac% oricare ar fi 0 > , exist% un prag ) ( N astfel nct oricare
ar fi ) ( N n #i oricare ar fi
*
N p , avem <
+ n p n
a a .
OBSERVA!IA " : Defini$iile 4.2.". #i 4.2.2. sunt echivalente.
DEMONSTRA!IE :
(a) Presupunem c% ( ) *
N n n
a

este fundamental conform defini$iei 4.2.".
Putem presupune f%r% ngr%direa generalit%$ii c% m>n .
Vom nota p=m-n . De aici rezult% c% m=n+p. nlocuind pe m=n+p n
defini$ia 4.2.". vom ob$ine defini$ia 4.2.2.
(b) Presupunem c% ( ) *
N n n
a

este fundamental conform defini$iei 4.2.2.
Vom nota m=n+p , ) ( N m > . Rezult% astfel c% este verificat%
defini$ia 4.2.".
OBSERVA!IA 2 : &irul ( ) *
N n n
a

este fundamental dac% #i
numai dac% oricare ar fi 0 > , exist% un rang ) ( N N = astfel nct
oricare ar fi ) ( N n rezult% c% <
n N
a a .
DEMONSTRA!IE :
(i) Presupunem c% ( ) *
N n n
a

este un #ir fundamental. Conform
defini$iei ".2.". rezult% c% oricare ar fi 0 > , exist% un rang ) ( N N =
astfel nct pentru <
n m
a a N n N m ), ( ), ( . Dac% N=m, atunci
<
m N
a a .
(ii) Presupunem c% oricare ar fi 0 > , exist% un rang ) ( N N =
astfel nct oricare ar fi ) ( N n rezult% c%
2
<
n N
a a .
Fie

= + < + + = =
2 2
) (
n N N m n N N m n m
a a a a a a a a a a N N m
Observa$ia anterioar% poate fi considerat% ca a treia defini$ie a unui
#ir fundamental.
PROPOZI!IA 4.2.". : Orice #ir fundamental este m%rginit.
DEMONSTRA!IE :
Din ipotez% #tim c% #irul ( ) *
N n n
a

este fundamental. Conform
observa$iei 2 , oricare ar fi 0 > , exist% un rang ) ( N N = astfel nct
oricare ar fi ) ( N n rezult% c% <
n N
a a .
+ < < < < <
N n N N n N n
a a a a a a a .
| | | | | |
a
1
a
2
a
N
-1 a
N
-

a
N
a
N
+
Not%m { } =
N N
a a a a m , " , , , min
2 "
#i { } + =
N N
a a a a M , " , , , max
2 "
.
Rezult% c%
*
, N n M a m
n
.
PROPOZI!IA 4.2.2. : Dac% #irul fundamental ( ) *
N n n
a

con$ine
un sub#ir ( )
*
N k
n
k
a

convergent c%tre a , atunci #irul ( ) *
N n n
a

este
convergent c%tre a.
DEMONSTRA!IE :
Sub#irul ( )
*
N k
n
k
a

converge c%tre a.
) ( ) ( 0 ) (
"
N > astfel nct :
2
) ( ) (
"

< a a N n
k
n k
(")
&irul ( ) *
N n n
a

este fundamental.
) ( ) ( 0 ) (
2
N > astfel nct ) ( ) (
2
N m #i
2
) ( ) (
2

<
n m
a a N n
(2)
Fie { } ) ( ), ( max ) (
2 "
N N N = . Alegem
*
N k astfel nct
) ( N n
k

.
Din (") rezult% : dac%
k
n m = , atunci
2
<
n n
a a
k
sau
2
<
k
n n
a a
.
Din (2) rezult% : dac%
k
n m = , atunci
2
< a a
k
n
.
Oricare ar fi , 0 > #i ) ( N n , ob$inem :

< + + =
< <
43 4 2 1 43 4 2 1
2 2
a a a a a a a a a a
k k k k
n n n n n n n
a a
n
.
CRITERIU DE CONVERGEN!' :
Fie ( ) *
N n n
b

, 0 >
n
b , 0 lim =

n
n
b . Fie ( )
N n n
a

. Dac% exist% un
prag N astfel nct oricare ar fi l a b l a N n
n
n n n

< .
LEMA LUI CESARO:
Din orice #ir m%rginit se poate extrage un sub#ir convergent.
DEMONSTRA!IE :
Din ipotez% #tim c% ( ) *
N n n
a

este m%rginit, deci exist% Q b a ,
astfel nct b a a
n
, oricare ar fi
*
N n .
a
1
a
2
b
2
=b
1
| | | |
a=a
0
c
1

2
0 0
0
b a
c
+
= b=b
0
Lungimea intervalului [ a , b ] este b-a. Calcul%m
2
0 0
0
b a
c
+
= #i
ob$inem dou% intervale [ a
0
, c
0
] #i [c
0
, b
0
].
Not%m cu [ a
1
, b
1
] un interval ce con$ine o infinitate de termeni ai
#irului. Dac% ambele intervale ob$inute mai sus con$in o infinitate de
termeni, vom considera drept [ a
1
, b
1
] intervalul din stnga.
Lungimea intervalului [ a
1
, b
1
] este
2
a b
. Alegem [ ]
" "
,
"
b a a
n

Not%m cu
2
" "
"
b a
c
+
= . Not%m cu [ a
2
, b
2
] intervalul care con$ine o
infinitate de termeni ai #irului. Dac% ambele intervale con$in o infinitate de
termeni , aleg drept [ a
2
, b
2
] pe cel din stnga.
Lungimea intervalului [ a
2
, b
2
] este
2
2
a b
.
Alegem [ ]
2 2
,
2
b a a
n
, n
2
> n
1
.
Repetnd procedeul de mai sus, dup% k pa#i vom avea intervalul
[ a
k
, b
k
] cu lungimea
k
a b
2
#i care con$ine o infinitate de termeni ai

#irului.
Alegem [ ]
k k n
b a a
k
, , n
k
> n
k-1
.
mp%r$im intervalul [ a
k
, b
k
] n dou% intervale egale #i alegem
drept interval [ a
k+1
, b
k+1
] intervalul care con$ine o infinitate de termeni
ai #irului. Dac% ambele intervale con$in o infinitate de termeni, alegem
drept [ a
k+1
, b
k+1
] pe cel din stnga.
Alegem [ ]
" "
,
"
+ +
+
k k n
b a a
k
, n
k+1
> n
k
.
Am demonstrat astfel prin induc$ie dup% k , faptul c% putem alege
un sub#ir
( )
*
N k
n
k
a

astfel nct
[ ]
k k n
b a a
k
,
, interval de lungime
k
a b
2
.
b b b b a a a a a
k k
= =
0 " 2 " 0

pentru oricare
*
N k .
Rezult% c% exist% #i este unic num%rul real [ ]
*
) ( , , N k b a
k k
.
Dar [ ]
k k n
b a a
k
, pentru oricare
*
N k , #i deci
k
n
a b
a
k
2
=
.
Notnd
k
k
a b
b
2
=
avem 0 >
k
b #i 0 lim =

k
k
b .
Conform criteriului de convergen$% enun$at anterior rezult% c%
k
n
k
a
.
TEOREMA DE CONVERGEN#$ A LUI CAUCHY
Un #ir de numere reale ( ) *
N n n
a

este convergent dac% #i numai
dac% este #ir fundamental.
DEMONSTRA!IE :
N n n
a

este convergent . Aceasta nseamn% c% oricare
ar fi 0 > , exist% ) ( N astfel nct oricare ar fi
2
) (

< a a N n
n
.

< + + =
< <
3 2 1 3 2 1
2 2
) ( ) ( ), ( ) (
n m n m n m
a a a a a a a a a a N n N m .
Deci #irul ( ) *
N n n
a

este #ir fundamental.
(ii) Presupunem c% ( ) *
N n n
a

este #ir fundamental. Dac% a
n
este #ir
fundamental, atunci, conform propozi$iei 4.2.". #irul a
n
este m%rginit. Din
lema lui Cesaro rezult% c% #irul m%rginit a
n
con$ine un sub#ir
k
n
a
convergent. Conform propozi$iei 4.2.2. orice #ir fundamental care con$ine
un sub#ir convergent este convergent. Teorema este astfel demonstrat%.
4.3. Puncte limit% ale unui &ir
Fie ( ) *
N n n
a

un #ir de numere reale.
DEFINI!IA 4.3.". : Num!rul real a este punct limit% al #irului
( ) *
N n n
a

, dac% orice vecin%tate a lui a ( V(a) ) con$ine o infinitate de
termeni ai #irului.
EXEMPLU : Fie #irul
2
) " ( "
n
n
a
+
=
a
1
= 0 , a
3
= 0 , , a
2k-1
= 0 ,
a
2
= 1 , a
4
= 1 , , a
2k
= 1 ,
Putem spune c% 0 #i 1 sunt puncte limit% ale lui a
n
pentru c%
oricare ar fi vecin%t%$ile V(0) #i V(1), n ele exist% o infinitate de termeni ai
#irului.
OBSERVA!IE :
") Dac% #irul ( ) *
N n n
a

este convergent c%tre a , atunci a este
singurul punct limit%.
2) Un punct limit% al unui #ir poate fi un num%r finit sau .
EXEMPLU : fie #irul 1, 1, 2, 1, 2, 3, 1, 2, 3, 4,
Puncte limit% sunt : 1, 2, 3,
Deci exist% #iruri cu o infinitate de puncte limit%.
PROPOZI!IA 4.3.". : Fie #irul ( ) *
N n n
a

. Punctul a este punct
limit% pentru acest #ir dac% #i numai dac% exist% un sub#ir a a
k
n
k

.
DEMONSTRA!IE :
N n n
a

con$ine un sub#ir ( )
k
n
a astfel nct
a a
k
n
k

, deci a este punct limit% al #irului a
n
.
Oricare ar fi vecin%tatea V(a) , n afara ei exist% cel mult un num%r
finit de termeni ai sub#irului
k
n
a . Deci oricare ar fi vecin%tatea V(a) , n
interiorul ei exist% o infinitate de termeni ai #irului a
n
. Rezult% astfel c% a
este punct limit% al #irului a
n
.
(ii) Fie a un punct limit% al #irului a
n
. Trebuie s% ar%t%m c%
exist% un sub#ir
k
n
a astfel nct a a
k
n
k

.
Vom studia trei situa$ii : ") a este finit , 2) a este + , 3)
a este .
") Fie V
1
(a) = (a-1 , a+1) . Deoarece a este punct limit% al
#irului a
n
, n aceast% vecin%tate exist% o infinitate de termeni ai #irului a
n
.
Alegem un termen al #irului a
n
astfel nct
) (
"
"
a V a
n

.
Fie
+ =
2
"
,
2
"
) (
2
a a a V
. &i n aceast% vecin%tate exist% o
infinitate de termeni ai #irului a
n
. Alegem
" 2 2
), (
2
n n a V a
n
> .
.
Fie
+ =
k
a
k
a a V
k
"
,
"
) (
. Alegem
"
), (

>
k k k n
n n a V a
k
.
Demonstr%m prin induc$ie c% aceast% rela$ie este adev%rat%.
Oricare ar fi
+ =
k
a
k
a a V
k
"
,
"
) (
, oricare ar fi
*
N k , alegem
"
), (

>
k k k n
n n a V a
k
. Deci + < <
+
k
a a
k
a
k
a
k
a a
k k
n n
" " "
,
"
k
a a
k
a a
k
k k
n n
" " "
< < <
. Din criteriul de convergen$% enun$at
mai sus, rezult% c% a a
k
n
n
=

lim
> =

0 ; 0
"
k
k k
b
k
b
.
2) a = +
Fie V
1
( ) = ( 1, ) . Alegem ) (
"
"
V a
n
.
Fie V
2
( ) = ( 2, ) . Alegem
" 2 2
), (
2
n n V a
n
> .
.
Fie V
k
( ) = ( k, ). Alegem
"
), (

>
k k k n
n n V a
k
, etc.
= > >

k k k k
n
k k
n
k
n n
a k a k a k a lim lim lim ) , ( .
3) a =
Fie V
1
( ) = ( , 1 ) .
Fie V
2
( ) = ( , 2 ) .
Fie V
k
( ) = ( , k ) , etc.
n continuare se procedeaz% la fel ca la punctul 2) .
DEFINI!IA ".3.2. : Fie ( ) *
N n n
a

un #ir de numere reale. Se
nume#te limit% inferioar% a #irului a
n
, cel mai mic punct limit% al lui a
n
. Se
noteaz% :
n
n
n
n
a a

= lim inf lim .
DEFINITIA ".3.3. : Fie ( ) *
N n n
a

un #ir de numere reale. Se
nume#te limit% superioar% a #irului a
n
, cel mai mare punct limit% al lui a
n
.
Se noteaz% :
n
n
n
n
a a

= m li sup lim .
EXEMPLU : Fie #irul ( ) *
N n n
a

,
"
2
) " (
+
=
n
n
a
n
n
2 lim 2
" " 2
) " 2 ( 2
" 2
=
+
=

n
n k
k
a
k
k
a
2 m li 2
" 2
) 2 ( 2
2
+ = +
+
=

n
n k
k
a
k
k
a
4.4. Serii de numere reale
Fie #irul de numere reale ( ) *
N n n
a

, a
1
, a
2
, , a
n
, a
n+1
,
Not%m :
S
1
= a
1
S
2
= a
1
+ a
2
.
S
n
= a
1
+ a
2
+ + a
n
.
( ) *
N n n
S

se nume#te &irul sumelor par!iale. Dac% ( ) *
N n n
S

este
convergent c%tre limita S ( deci S este finit! ) , atunci S S
n
n
=

lim ,
=
=
" i
i
a S
. (")
DEFINI!IA 4.4.". : Membrul drept al rela$iei (") se nume#te
serie.
DEFINI!IA 4.4.2. : a
1
, a
2
, , a
n
se numesc termenii seriei.
DEFINI!IA 4.4.3. : S
n
= a
1
+ a
2
+ + a
n
se nume#te suma
par$ial% de ordinul n .
DEFINI!IA 4.4.4. : Dac% exist%, S este suma seriei .
OBSERVA!IE : Dac% se cunosc termenii seriei, putem ob$ine
sumele par$iale #i reciproc.
Fie #irul sumelor par$iale ( ) *
N n n
S

.
S
n
= a
1
+ a
2
+ + a
n
S
n-1
= a
1
+ a
2
+ + a
n-1
"
=
n n n
S S a
, a
1
= S
1
, 2 n .
DEFINI!IA 4.4.5. : Seria
=" n
n
a
este convergent% dac% #irul
sumelor par$iale S
n
este convergent.
DEFINI!IA 4.4.6. : Dac% #irul sumelor par$iale are limita +
sau sau nu are limit%, atunci seria
=" n
n
a
este divergent% .
A cerceta natura unei serii nseamn% a determina dac% seria este
convergent% sau divergent%.
EXEMPLE :
A. Folosind defini$ia convergen$ei unei serii, s% se stabileasc%
natura seriei cu termenul general :
" ,
3 4
"
2

+ +
= n
n n
u
n
( )( ) " 3 3 4
2
+ + = + + n n n n
" ,
3
"
"
"
2
"
3 4
"
2

+
=
+ +
= n
n n n n
u
n
=
+
+
+
+ + + + = + + + =
3
"
"
"
2
" "
6
"
4
"
5
"
3
"
4
"
2
"
2
"
2 "
n n n n
u u u S
n n

( ) ( ) 3 2
"
2 2
"
"2
5
3
"
2
"
3
"
2
"
2
"
+
+
=
+
+ =
n n n n
( ) ( ) "2
5
3 2
"
2 2
"
"2
5
lim lim =
+
=

n n
S
n
n
n
B. S% se cerceteze natura seriilor urm%toare :
")
=
+
"
) " (
"
n
n n
"
" "
) " (
"
+
=
+
=
n n n n
a
n
+
=
+
+
+ + + = + + + + =

"
"
"
"
" " "
"
"
3
"
2
"
2
"
"
" 2 "
n n n n n
a a a a S
n n n

=

" lim
n
n
S

=
+
"
) " (
"
n
n n
este convergent% #i are suma S = 1 .
2) Seria geometric% :
Fie r>0 .
+ + + + + =
=
n
n
n
r r r r
2
0
"
r
r
r r r S
n
n
n
= + + + + =
+
"
"
"
"
2
( ) " , 0 r :
r r
r
n
n

=
+

"
"
"
"
lim
"
( ) , " r : + =
+

r
r
n
n
"
"
lim
"
r = 1 : S
n
= n+1 , + =

n
n
S lim
Deci seria geometric% este convergent% pentru ( ) " , 0 r #i
divergent% pentru [ ) , " r .
3) Seria oscilant% :

( )
=
+ + =
0
... " " " " "
n
n
S
0
= 1 S
1
= 0
S
2
= 1 S
3
= 0

S
2k
= 1 S
2k+1
= 0
.
Observ%m c% S
n
nu are limit% , deci
( )
0
"
n
n
este divergent% .
PROPRIET'!I ALE SERIILOR :
Aceste propriet%$i rezult% din propriet%$ile #irurilor.
P") Dac% ntr-o serie se schimb% ordinea unui num%r finit de
termeni, se ob$ine o serie de aceea#i natur% ca #i prima.
P2) Dac% ntr-o serie ad%ug%m sau sc%dem un num%r finit de
termeni, ob$inem o serie de aceea#i natur% ca #i prima.
P3) Resturile unei serii convergente formeaz% un #ir convergent
c%tre zero.
DEMONSTRA!IE :
Fie
4 4 3 4 4 2 1

4 4 3 4 4 2 1

n n
R
n n
S
n
n
n
a a a a a a + + + + + + =
+ +
=
2 " 2 "
"
+ =
=
" n k
k n
a R , unde cu R
n
am notat restul de ordinul n al seriei.
( ) 0 lim lim lim
"
= = = = = + = =

S S S S S S R S S R R S a S
n
n
n
n
n
n
n n n n
n
n
P4) Dac% seria
n
a este convergent%, atunci #irul sumelor
par$iale este m%rginit.
P5) Dac% seria
n
a este convergent%, atunci
0 lim =

n
n
a
.
DEMONSTRA!IE :
Din ipotez% #tim c%
n
a este convergent%, deci S S
n
n
=

lim ,
unde S este finit.
( ) 0 lim lim lim lim
" " "
= = = = =

+
S S S S S S a S S a
n
n
n
n
n n
n
n
n
n n n
OBSERVA!IA " :
Reciproca acestei afirma$ii nu este adev%rat%. Adic%, dac%
0 lim =

n
n
a , nu rezult% c%
n
a este convergent%. Pentru a demonstra
aceast% afirma$ie, vom da un exemplu:
Seria armonic% :
="
"
n
n
,
0
"
lim
"
= =

n n
a
n
n
.
+ +
+
+
+
+ +
+ + + +
+ +
+ =
n n n
n
S
2
"
2 2
"
" 2
"
8
"
7
"
6
"
5
"
4
"
3
"
2
"
"
" " 2

2
"
2
"
" > +
2
"
4
"
4
"
4
"
3
"
= + > +
2
"
8
4
8
"
7
"
6
"
5
"
= > + + +
2
"
2
"
" 2
"
"
> + +
+
n n

Deci
= >

n n
S
n
S
n
2 2
lim
2
Din #irul S
n
am extras #irul n
S
2
care este divergent. De aici
rezult% faptul c% S
n
este divergent, deci
=

n
S
n
n
"
lim
este divergent% .
OBSERVA!IA 2 :
Dac%

n n
n
a a 0 lim
este divergent% . Aceast% observa$ie
reprezint% un criteriu de divergen$% a seriilor.
P6) Fie
n
a o serie convergent% cu suma A . Fie
n
b o serie
convergent% cu suma B . Atunci, ( )
+ + B A b a
conv
n n
, oricare ar fi
R , .
OBSERVA!IE : Mul$imea seriilor convergente formeaz% un spa$iu
vectorial.
EXEMPLU :
S% se arate c% seria cu termenul general
" ,
"5
5 3
= n u
n
n n
n
este
convergent% #i s% i se calculeze suma .
n n
n
n
n
n
n
u

= =
3
"
5
"
"5
5
"5
3
Fie seriile cu termenii generali
n
n
v

=
5
"
#i
" ,
3
"
= n t
n
n
Seria
=" n
n
v este convergent% #i are suma
4
"
, iar seria
=" n
n
t
este
convergent% #i are suma
2
"
. Din propriet%$ile seriilor convergente rezult%
c%, dac% dou% serii, respectiv
=" n
n
v
#i
=" n
n
t
sunt convergente #i au sumele
V #i T , atunci seria diferen$% ) (
"
n
n n
t v este o serie convergent% #i are
suma V-T .
Deci
=
= =
"
4
"
2
"
4
"
"5
5 3
n
n
n n
CRITERIUL GENERAL DE CONVERGEN#$ AL LUI
CAUCHY (CGCC)
Seria
n
a este convergent% dac% #i numai dac% , oricare ar fi
0 > , exist% ) ( N astfel nct , oricare ar fi ) ( N n #i oricare ar fi
*
N p avem :
< + + +
+ + +
| |
2 " p n n n
a a a
DEMONSTRA!IE :
(i) Presupunem c% seria
n
a este convergent%, deci (S
n
) este
convergent #i conform teoremei de convergen$% a lui Cauchy, (S
n
) este un
#ir fundamental. Rezult% astfel c% oricare ar fi 0 > , exist% ) ( N astfel
nct , oricare ar fi ) ( N n #i oricare ar fi
*
N p avem :
<
+ n p n
S S
S
n+p
= a
1
+ a
2
+ + a
n
+ a
n+1
+ + a
n+p
S
n
= a
1
+ + a
n
Deci < + + +
+ + +
| |
2 " p n n n
a a a .
(ii) Presupunem c% oricare ar fi 0 > , exist% ) ( N astfel nct , oricare ar
fi ) ( N n #i oricare ar fi
*
N p rezult% c% < + + +
+ + +
| |
2 " p n n n
a a a ,
adic% <
+ n p n
S S . De aici rezult% c% S
n
este un #ir fundamental #i
conform teoremei de convergen$% a lui Cauchy, S
n
este un #ir convergent.
Astfel am demonstrat c% seria
n
a este convergent%.
4.5. Serii cu termeni pozitivi
DEFINI!IA 4.5.". : Seria
=" n
n
a este o serie cu termeni pozitivi
( stp ) , dac% a
n
>0, n =1, 2, .
CRITERII DE COMPARA#IE PENTRU SERII CU TERMENI
POZITIVI
n acest paragraf vom prezenta cteva criterii de convergen$% a unei
serii cu termeni pozitivi.
Se compar% seria a c%rei natur% este necunoscut% cu o serie a c%rei
natur% o cunoa#tem #i astfel putem ob$ine informa$ii despre natura seriei
considerate. De aici denumirea de criterii de compara$ie.
I. Primul criteriu de compara!ie :
Fie
n
a #i
n
b dou% serii cu termeni pozitivi. Dac% exist% N
astfel nct oricare ar fi
n n
b a N n atunci :
". dac%
n
b este convergent%, atunci #i seria
n
a este
convergent%.
2. dac%
n
a este divergent%, atunci c% #i seria
n
b este
divergent%.
DEMONSTRA!IE :
". Din ipotez% #tim c%
n
b este convergent% #i, conform criteriului
general de convergen$% al lui Cauchy, oricare ar fi 0 > , exist% ) ( N
astfel nct , oricare ar fi ) ( N n #i oricare ar fi
*
N p rezult% c%
< + + +
+ + +
| |
2 " p n n n
b b b . Deoarece 0 >
n
b , avem < + + +
+ + + p n n n
b b b
2 "
.
Deoarece #i ( )
*
, 0 N n a
n
> , avem :
< + + + + + + = + + +
+ + + + + + + + + p n n n p n n n p n n n
b b b a a a a a a
2 " 2 " 2 "
#i prin urmare seria
n
a este convergent%.
2. Presupunem contrariul, adic%
n
b este convergent%, atunci,
conform ". rezult% c% #i
n
a este convergent%, ceea ce contrazice ipoteza
c%
n
a este divergent%.
II. Al doilea criteriu de compara!ie :
Fie
n
a #i
n
b dou% serii cu termeni pozitivi. Dac% exist% N
astfel nct oricare ar fi
n
n
n
n
b
b
a
a
N n
" " + +
, atunci :
". dac%
n
b este convergent%, atunci #i seria
n
a este
convergent%.
2. dac%
n
a este divergent%, atunci #i seria
n
b este
divergent%.
DEMONSTRA!IE :
".
n
n
n
n
n
n
n
n
b
a
b
a
b
b
a
a

+
+ + +
"
" " "
oricare ar fi N n
Ob$inem astfel :
=
+
+
n
n
N
N
N
N
b
a
b
a
b
a
c
"
"
, unde c este o
constant%.
Deci
n
n
b
a
c
, oricare ar fi N n
n n
cb a .
Din ipotez% #tim c%
n
b este convergent% #i conform propriet%$ii
P6 rezult% c% #i
n
cb este convergent%.
Din aceste ultime dou% afirma$ii rezult%, conform primului criteriu
c% seria
n
a este convergent%.
2. Presupunem contrariul, adic%
n
b este convergent% #i
n
a
este divergent%, lucru care este in contradic$ie cu primul criteriu. Rezult%
astfel c% seria
n
b este divergent%.
III. Al treilea criteriu de compara!ie: ( f%r% demonstra$ie )
Fie
n
a #i
n
b dou% serii cu termeni pozitivi. Dac%
c
b
a
n
n
n
=

lim
( c fiind finit #i diferit de zero ), atunci seriile
n
a #i
n
b au
aceea#i natur%.
SERII UTILIZATE N CRITERII DE COMPARA#IE
". Seria armonic% :
="
"
n
n
. Aceasta este o serie divergent%.
2. Seria geometric% :
=0 n
n
r , r>0 ,

< <
divergenta serie r
a convergent serie r
"
" 0
3. Seria armonic% generalizat% :
"
,
"
n
R
n

. Exist% mai multe

situa$ii :
a)
( ) >
n n
" "
" , 0

conform criteriului I , seria armonic%

generalizat% este divergent%.
b)
=
=
"
"
"
n
n
este seria armonic% #i este divergent%.

c)
=
+ + + + + + + = >
"
7
"
6
"
5
"
4
"
3
"
2
"
"
"
"
n
n

"
2
"
2
2
2
"
2
"
3
"
2
"
= = + < +

( )
2
" 2
"
"
2
"
2
"
4
"
4
4
7
"
6
"
5
"
4
"
= = = < + + +

=

+
+ + <
"
2
" "
2
"
2
"
"
"
n
n

. Dar membrul drept al inegalit%$ii
reprezint% o serie geometric% cu ra$ia
"
2
"
r
, 0 < r < 1 ,deci este o
serie convergent%.
Conform criteriului I , seria
=
>
"
" ,
"
n
n

este convergent% .
n concluzie, seria armonic% generalizat% este :
>
"
"
pentru divergenta
pentru a convergent
EXEMPLU : S% se studieze natura seriilor :
".
=
+
"
" 2
"
n
n
Vom nota cu
" 2
"
+
=
n
a
n
. Fie seria
="
"
n
n
unde vom nota
n
b
n
"
=
.
=

2
"
lim
n
n
n
b
a
conform criteriului III , seria
=
+
"
" 2
"
n
n
este divergent% .
2.
7 5 2
"
3
+ +
=
n n
a
n
;
3 3
"
7 5 2
"
n n n
<
+ +
Not%m
3
"
n
b
n
=
. Observ%m c% seria
3
"
n
este o serie armonic%
generalizat% convergent%, ntruct 3 = .
Conform criterului I , seria
n
a este convergent%.
3.
( )
4
3
4 3 4 3
4
"
3
" " "
n
n n n
n n a
n
= >
= =

Not%m
4
3
"
n
b
n
=
. Observ%m c%
n
b este o serie armonic%
generalizat% divergent%, ntruct
4
3
=
.
n
a este divergent%.
CRITERII SUFICIENTE DE CONVERGEN#$ A SERIILOR CU
TERMENI POZITIVI
I. Criteriul r"d"cinii ( Cauchy ) :
Fie
n
a o serie cu termeni pozitivi.
". Dac% pentru oricare N n , exist% 0 < k < " astfel nct
k a
n
n
, atunci seria
n
a este convergent%.
2. Dac% pentru o infinitate de termeni "
n
n
a , atunci
n
a este
divergent%.
DEMONSTRA!IE :
". Oricare ar fi N n , exist% 0 < k < 1 astfel nct k a
n
n
.

n
n
n
n
k a k a
, iar
n
k este o serie geometric% cu ra$ia r = k<1.
n
a este convergent%.
2. Dac% pentru o infinitate de termeni "
n
n
a
"
n
a
, deci #irul nu
poate fi convergent, iar seria este divergent%.
COROLAR :
Dac% k
a
a
n
n
n
=
+

"
lim , atunci:
") pentru k < " , seria
n
a este convergent%
2) pentru k > " , seria
n
a este divergent%
3) pentru k = " este neconcludent.
EXEMPLU :
Fie seria
+
"
"0 3
5 2
n
n
n
n
,
n
n
n
n
a

+
=
"0 3
5 2
Aplicnd criteriul r%d%cinii, rezult% c%
"
3
2
"0 3
5 2
<
+
=
n
n
a
n
n
,
deci seria este convergent%.
OBSERVA!IE : Nu putem studia convergen$a seriei geometrie cu
ajutorul criteriului raportului pentru c% n demonstra$ia criteriului raportului
am folosit seria geometric%.
EXEMPLU :
Fie seria + + + + + + +
n n 2 " 2 4 3 2 "
3
"
2
"
3
"
2
"
3
"
2
"
Aceast% serie este convergent% , fapt care rezult% din criteriul
r%d%cinii, dar nu putem aplica criteriul raportului.
II. Criteriul raportului ( DAlembert ) :
Fie
n
". Dac% pentru oricare N n avem "
"
<
+
k
a
a
n
n
, atunci seria
este convergent%.
2. Dac% "
"
>
+
k
a
a
n
n
, atunci seria
n
a este divergent%.
DEMONSTRA!IE :
". Oricare ar fi N n avem :
n n
ka a
+"
N N
ka a
+"
N N N
a k ka a
2
" 2

+ +
N
p
p N
a k a
+
=
=
" " p
p
N
p
p
N
k a k a
Seria pe care o ob$inem este o serie geometric% de ra$ie r :

=
=
" " p p
p
N
p
N
k a k a
. Aceast% serie este convergent%. Rezult% astfel,
conform criterului I de compara$ie c% seria
n
a este convergent%.
2.
"
"
>
+
k
a
a
n
n

N N
a a
+"

n n
a a
+"
, oricare ar fi N n .
Rezult% c% #irul a
n
este un #ir cresc%tor de numere pozitive
0 lim

n
n
a . Deci
n
a este divergent%.
COROLAR :
Fie k
a
a
n
n
n
=
+

"
lim . Atunci :
") pentru k < " , seria
n
a este convergent%.
2) pentru k > " , seria
n
a este divergent%.
DEMONSTRA!IE :
") k
a
a
n
n
n
=
+

"
lim < 1
Exist% 0 > astfel nct " < + k
| ( | ) |
0 k k + k 1
( )
+ = k k k V , ) (
Deoarece
k
a
a
n
n
n
=
+

"
lim
, nseamn% c% oricare ar fi vecin%tatea ) (k V
,
n afara ei exist% cel mult un num%r finit de termeni ai #irului, iar n
interiorul ei exist% o infinitate de termeni.
" ) (
" "
<
+ +
n
n
n
n
a
a
k V
a
a
conform p%r$ii nti a criteriului raportului.

Deci seria
n
a este convergent%.
2) k
a
a
n
n
n
=
+

"
lim > 1
V(k) = ( ) , " . Repetnd ra$ionamentul de mai sus, demonstr%m c%
seria
n
a este divergent%.
3) n cazul n care k = 1 , nu putem trage nici o concluzie, deoarece exist%
situa$ii n care seria este convergent% #i situa$ii n care seria este divergent%.
De exemplu :

=
n
a
n
"

"
"
lim lim
"
=
+
=

+

n
n
a
a
n
n
n
n
, dar #tim c% seria este
divergent%.

> = ) " ( ,
"
n
a
n
( )
"
"
lim lim
"
=
+
=

+

n
n
a
a
n
n
n
n
, iar seria
este convergnt%.
EXEMPLE :
")
=
+ + +
+ + +
=
+ + +
=
+
+
0
"
"
2
)! 3 ( )! " (
)! 4 ( )! 2 (
2
)! 3 ( )! " (
2
n
n
n
n
n
n
n n
n n a
a
n n
0
)) 4 )( 3 ( " )( 2 (
) 6 5 " ( 2
)) 4 )( 3 ( " ( )! 2 (
)) 3 )( 2 ( " )( )! " (( 2
2
+ + + +
+ + +
=
+ + + +
+ + + +
=
n n n
n n
n n n
n n n
Deci
0 lim
"
=
+

n
n
n
a
a
#i conform criteriului raportului, seria este
convergent%.
2)
e n
n
n
n
n
n
a
a
n
n
n
n
n
n
n
n
n
n
n
n
+
=
+
+
=
+
+
+
" ! ) " (
)! " ( !
"
"
"
"
Dac%
e
e
> >
"
, seria este divergent%.
Dac%
e
e
< <
"
, seria este convergent%.
Dac%
"
"
"
) " (
"
"
"
"
"
>
+
=
+
=
+
= = =
+
n
n
n n
n
n
n
a
a
n
e
n
n
e
n
n
e a e
e

,
deci ( )
n
a este #ir strict cresc%tor, iar seria este divergent%.
Rezult% c% seria dat% este divergent%.
3)
=
>
"
0 ,
!
n
n
a
n
a
" 0
"
"
lim
)! " (
!
lim lim
"
"
< =
+
=
+
=

+

+

n
a
n
n
a
a
u
u
n
n
n
n
n
n
n
, deci seria este
convergent% conform criteriului raportului.
4)
=
>
"
0 , !
n
n
a
n
a
n
e
a
n
n
a
n
a
n
n
a
n
u
u
n
n
n
n
n
n
n
n
n
n
=
+
=
+
+
=

+
+

+

"
lim
!
) " (
)! " (
lim lim
"
"
"
Dac%
e a
e
a
< < "
Dac%
e a
e
a
> > "
Dac%
n
n
n
e
n u e a
e
a
= = = ! "
. Atunci
"
"
"
>
+
=
+
n
n
n
n
n
e
u
u
,
oricare ar fi n , deci seria este divergent%.
III. Criteriul Raabe Duhamel :
Fie
n
". Dac% oricare ar fi N n ,
>
+
" "
"
k
a
a
n
n
n
seria este
convergent%.
2. Dac% oricare ar fi N n ,
<
+
" "
"
k
a
a
n
n
n
seria este
divergent%.
COROLAR :
Dac% k
a
a
n
n
n
n
=
+

" lim
"
, atunci :
") pentru k > " , seria
n
a este convergent%
2) pentru k < " , seria
n
a este divergent%
EXEMPLU :
Fie seria :
=
>
+
"
) 0 (
) " ( ) " (
!
n
n
n

( ) ( )( )
( ) ( )( ) ( ) "
"
"
"
"
" ! " " "
" " !
"
"
+
=
+
+
=
+ + + +
+ +
=
+
n n
n
n n n
n n n
a
a
n
n

( )
"
"
"
lim " lim
"
=
+
n
n
a
a
n
n
n
n
n
") pentru " > 1 > 2 , seria este convergent%
2) pentru " < 1 < 2 , seria este divergent%
3) pentru " = 1 = 2, criteriul este neconcludent.

( )

=
+
=
+
" "
"
"
" 3 2
!
n n
n n
n
, aceasta fiind serie armonic%, este

divergent%.
4.6. Serii alternate
DEFINI!IA ".6.". : Seria
=" n
n
a se nume#te alternat% dac%
produsul a doi termeni consecutivi este negativ , adic%
*
"
) ( , 0 N n a a
n n
<
+
Seria altenat% poate avea forma :
( ) 0 ,
2 " 2 4 3 2 "
> + + + +
n n n
a a a a a a a
( ) 0 ,
2 " 2 4 3 2 "
> + + +
n n n
a a a a a a a
n general putem scrie seria astfel :
( ) ( )
=
+
>
"
"
0 , "
n
n n
n
a a
.
CRITERIUL LUI LEIBNITZ
Fie
( )
=
+
"
"
"
n
n
n
a
o serie altrenat%. Dac% sunt ndeplinite condi$iile :
".
" +
>
n n
a a ( adic% #irul termenilor f%r% semn este descresc%tor )
2. 0 lim =

n
n
a
atunci seria
( )
=
+
"
"
"
n
n
n
a
este o serie convergent%.
DEMONSTRA!IE :
Presupunem c% avem + + + +
n n
a a a a a a
2 " 2 4 3 2 "
+ + + + =
n n n
a a a a a a S
2 " 2 4 3 2 " 2
2 2 " 2 2 2 2 + + +
+ =
n n n n
a a S S
Deoarece
n n n n n
S S S a a
2 2 2 2 2 2 " 2
> >
+ + +
este un sub#ir strict cresc%tor.
Ar%t%m n continuare c% S
2n
este un sub#ir m%rginit superior.
( ) ( ) ( )
{
" 2
0
2
0
" 2 2 2
0
5 4
0
3 2 " 2
a S a a a a a a a a S
n n n n n
< =
>
>

> >
4 4 3 4 4 2 1
43 4 2 1 43 4 2 1
, deci
S
2n
este m%rginit superior.
Fie
= =
=
=

=

=

S S a S S
a S S
S S
n
n
n
n
S
n
n
S
n
n
n n n
n
n
lim lim lim lim
lim
0
2 " 2 2
2 " 2 2
2
3 2 1 43 4 2 1 3 2 1
seria este convergent%.
EXEMPLU : S% se studieze convergen$a seriei
=
>
"
" ,
log
) " (
n
a
n
a
n
n
.
Fie func$ia ( ) [ ) = , " ,
log
x
x
x
x f
a
( )
2 2 2
log log
log
ln
"
log
ln
'
x
x e
x
x
a
x
x
a x
x
x f
a a
a a

=
=
&tim c% a>1 , deci func$ia x
a
log este cresc%toare. Din rela$ia de
mai sus, rezult% c% ( ) 0 ' < x f , oricare ar fi e x > . Deci ( ) x f este
descresc%toare pe intervalul ( ) , e #i
n
n
a
log
este descresc%toare pentru
orice N n e n > , . De asemenea,
0
log
lim =

n
n
a
n
. Conform criteriului lui
Leibnitz, seria este convergent%.
4.7. Serii absolut convergente
Fie
n
a o serie numeric%.
DEFINI!IA 4.7.". : Seria
n
a este abslut convergent% dac%
seria valorilor absolute
n
a este convergent%.
TEOREMA 4.7.". : Orice serie absolut convergent% este
convergent%.
DEMONSTRA!IE :
Din ipotez% #tim c% seria
n
a este absolut convergent%. Conform
criteriului general de convergen$% al lui Cauchy, oricare ar fi 0 > ,
exist% ) ( N astfel nct , oricare ar fi ) ( N n #i oricare ar fi
*
N p
rezult% c%
< + + + < + + +
+ + + + + + p n n n p n n n
a a a a a a
2 " 2 "
Seria
n
a este convergent% deoarece :
< + + + + + +
+ + + + + + p n n n p n n n
a a a a a a
2 " 2 "
oricare ar
fi ) ( N n #i oricare ar fi
*
N p .
OBSERVA!IE : Reciproca, n general, nu este adev%rat% ( nu
orice serie convergent% este #i absolut convergent% ) .
EXEMPLU :
Seria
( )
=
+
"
"
"
"
n
n
n
este convergent% .
Seria
( )

=
+
=
" "
"
" "
"
n n
n
n n
este seria armonic% #i este divergent%.
DEFINI!IA 4.7.2. : O serie convergent% care nu este absolut
convergent% se nume#te semiconvergent%.
OBSERVA!IE : ntr-o serie cu termeni pozitivi, notiunile de
convergen$% #i absolut convergen$% coincid.
CRITERIU DE ABSOLUT CONVERGEN#$
Fie
n
a #i
n
b , dou% serii numerice. Dac% exist% N astfel nct
oricare ar fi N n , s% avem
n n
b a (*) , atunci dac%
n
b este
absolut convergent% #i seria
n
a este absolut convergent%.
DEMONSTRA!IE :
Dac%
n
b este o serie absolut convergent%, din criteriul general de
convergen$% al lui Cauchy rezult% c% oricare ar fi 0 > , exist% ) ( N astfel
nct, oricare ar fi ) ( N n #i oricare ar fi
*
N p , exist% rela$ia
: < + + + < + + +
+ + + + + + p n n n p n n n
b b b b b b
2 " 2 "
.
< + + + + + + = + + +
+ + + + + + + + + p n n n p n n n p n n n
b b b a a a a a a
2 "
(*)
2 " 2 "
,
oricare ar fi ) ( N n #i oricare ar fi
*
N p . Rezult% astfel c% seria
n
a este abslut convergent%.
TEOREMA LUI ABEL ( pentru serii numerice ) :
Fie
n
a o serie numeric% #i fie ( S
n
) #irul sumelor par$iale care este
m%rginit. Fie #irul de numere ( ) 0 , >
n n
, ( )
n
fiind convergent
c%tre zero #i descresc%tor. Atunci seria
n n
a
este convergent%.
DEMONSTRA!IE :
Din ipotez% #tim c% ( S
n
) este un #ir m%rginit.
S
n
= a
1
+ a
2
+ + a
n
( )
*
) ( , 0 N n M M S
n
>
Tot din ipotez% #tim c%
( ) 0

n
n
,
n n
, 0 > descresc%tor c%
oricare ar fi 0 > , exist% ) ( N astfel nct , oricare ar fi ) ( N n ,
M M
n n
2 2
0

< < .
n continuare vom aplica seriei
n n
a criteriul general de
convergen$% al lui Cauchy:
Oricare ar fi 0 > , exist% ) ( N astfel nct , oricare ar fi
) ( N n #i oricare ar fi
*
N p , exist% rela$ia :
< + + + +
+ + + + + + + + p n p n p n p n n n n n
a a a a
" " 2 2 " "

= + + + +
+ + + + + + + + p n p n p n p n n n n n
a a a a
" " 2 2 " "

( ) ( ) ( ) ( )
( ) ( ) + + + + =
= + + + + =
+ + + + + + + + +
+ + + + + + + + + + +
p n p n p n p n p n n n n n n
p n p n p n p n p n p n n n n n n n
S S S S
S S S S S S S S

" " " 2 " "
" 2 " " " 2 2 " "
( ) ( )
( )

= =
= + + + + +
+ + + +
+
+ + + + + + + +
+ + + + + + + + +
M
M
M
M
S S S S
n
p n p n p n n n n n n
p n p n p n p n p n n n n n n
2
2
2
"
" 3 2 2 " "
" " 2 " " "
Rezult% c% seria
n n
a este convergent%.
4.8."iruri de func!ii
Fie
*
, : N n B A f
n
, func$ii reale definite pe mul$imea
R A .
DEFINI!IA 4.8.". : &irul f
1
, f
2
, , f
n
, se nume#te #ir de
func$ii #i se noteaz% cu ( ) *
N n
n
f

( " ) .
OBSERVA!IE : Oricare ar fi A a , ob$inem #irul de numere
f
1
(a), f
2
(a), , f
n
(a) pe care-l not%m : ( ) ( ) *
N n n
a f

( 2 ) .
DEFINI!IA 4.8.2. : Punctul A x se nume#te punct de
convergen$% al #irului de func$ii ( " ) , dac% #irul ( ) ( ) *
N n
n
x f

este
convergent.
Fie ( ) ( ) { } convergent este x f A x B A B
N n n
* | ,

= ( 3 )
DEFINI!IA 4.8.3. : Mul$imea B se nume#te mul$imea de
convergen$% a #irului de func$ii ( " ) .
Fie B x . Not%m
( ) ( ) ) 4 ( lim x f x f
n
n
=
.
DEFINI!IA ".8.4. : Func$ia R B f : care verific% relatia de
mai sus se nume#te func$ia limit% a #irului de func$ii ( " ) .
EXEMPLU :
Fie func$ia R R f
n
: , ( )
n
n
x x f = . Evident, B = ( -1 , 1 ] .
( )
( )
R B f
x
x
x f
=

= :
" , "
" , " , 0
este func$ia limit%.
Fie
*
, : N n B A f
n
un #ir de func$ii. Fie mul$imea A B .
DEFINI!IA 4.8.5. : &irul de func$ii ( ) *
N n n
f

converge simplu
c%tre func$ia f pe mul$imea B, dac% oricare ar fi 0 > #i oricare ar fi
B x , rezult% c% exist% ( ) x N , astfel nct oricare ar fi ( ) x N n , ,
( ) ( ) < x f x f
n
( " ) .
Vom nota cu f f
cs
B
n
, unde cs nseamn% converge simplu .

DEFINI!IA 4.8.6. : &irul de func$ii ( ) *
N n n
f

converge uniform
c%tre func$ia f pe mul$imea B, dac% oricare ar fi 0 > , exist% ( ) x N ,
astfel nct oricare ar fi ( ) x N n , #i oricare ar fi B x , rezult% c%
( ) ( ) < x f x f
n
( " ) .
Vom nota cu
f f
cu
B
n
, unde cu nseamn% converge uniform .

Interpretarea geometric% a convergen$ei uniforme este prezentat% n
figura de mai jos :
) ( , N n f
n

- + f
-f
- f
a b
OBSERVA!IE : Dac%
f f
cu
B
n
, atunci f f
cs
B
n
. Reciproca nu
este adev%rat%.
EXEMPLUL " :
( ] ( )
n
n n
x x f R f = , " , " :
( )
( )
=

=
" , "
" , " , 0
x
x
x f
f f
n
n
=

lim . Observ%m c%
( ]
f f
cs
n
" , "
, dar nu este uniform
convergent.
EXEMPLUL 2 :
[ ] ( ) [ ] 2 , 0 ) ( ,
sin
, 2 , 0 :
*
= = B N n
n
nx
x f R f
n n
( ) B x x f = ) ( , 0 . Fie #irul :
( ) < < > =

n
x N n incat astfel N x
n
x
n
n
n n
"
0 ) ( ) ( ) ( , 0 ) ( 0 ,
"
B x
n n
nx
x f x f N n
n
< = ) ( ,
"
0
sin
) ( ) ( , ) ( ) (
.
OBSERVA!IE : Pentru convergen$a simpl% se aplic% criteriile
obi#nuite de convergen$% a #irurilor de numere.
CRITERII DE CONVERGEN#$ UNIFORM$
I. Primul criteriu de convergen!" uniform" ( criteriul
lui Cauchy ):
Fie
*
, : N n B A f
n
un #ir de func$ii. Fie mul$imea A B .
&irul
f f
cu
B
n
dac% #i numai dac% , oricare ar fi 0 > , exist%

) ( N astfel nct oricare ar fi ) ( N n , oricare ar fi ) ( N m #i
oricare ar fi B x , rezult% :
( ) < x f x f
n m
) ( (")
DEMONSTRA!IE :
1) Necesitatea :
Presupunem c%
f f
cu
B
n
), ( ) ( , 0 ) ( N > astfel nct,

B x N n ) ( ), ( ) ( ,
2
) ( ) (

< x f x f
n
(2).
Pentru ) ( N m , avem rela$ia
2
) ( ) (

< x f x f
m
(2)

= + < + + =
2 2
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( x f x f x f x f x f x f x f x f x f x f
n m n m n m
oricare ar fi ) ( N n , oricare ar fi ) ( N m #i oricare ar fi B x .
2) Suficien!a :
Presupunem c% ), ( ) ( , 0 ) ( N > astfel nct, B x N n ) ( ), ( ) (
< ) ( ) ( x f x f
n m
Prin urmare #irul de numere ) (x f
n
este un #ir
fundamental #i deci #irul ( ) *
N n n
f

este convergent.
Fie R B f : limita #irului ( ) *
N n n
f

, f f
cs
B
n
. Vom demonstra
n continuare c% aceast% convergen$% este uniform%.
Fie ) ( N n , fixat, ales arbitrar . Deoarece f f
cs
B
n
, nseamn% c%
este adev%rat% rela$ia :
< ) ( ) ( , ) ( ), ( ) ( x f x f B x N n f f f f
n m n
cs
B
n n
.
Trecem la limit% cnd n . Vom avea : < | ) ( ) ( | x f x f
n
.
Deoarece n este ales arbitrar, l putem nlocui cu n #i ob$inem :
< B x x f x f
n
) ( , ) ( ) (
f f
cu
B
n
II. Al doilea criteriu de convergen!" uniform":

Fie R A f
n
: . Fie #irul numeric ( ) *
N n n
a

, de numere pozitive,
convergent c%tre zero. Fie A B .
Dac% exist% R B f : astfel nct
n n
a x f x f ) ( ) ( , oricare
ar fi
*
N n
f f
cu
B
n
.
DEMONSTRA!IE :
Fie 0 > . Deoarece ) ( ) ( 0 lim N a
n
n
=

astfel nct
< 0 ), ( ) (
n
a N n . Dar 0 >
n
a , deci <
n
a .
Pentru
<
n n
a x f x f B x N n ) ( ) ( ) ( ), ( ) (
. Aceasta
demonstreaz% faptul c%
f f
cu
B
n
.
CONTINUITATEA !I CONVERGEN"A UNIFORM#
Fie func$ia R A f : .
DEFINI!IA 4.8.7. : Func$ia f este continu% n punctul A a
dac% :
") exist% ) ( lim x f
a x
2) ) ( ) ( lim a f x f
a x
=
DEFINI!IA 4.8.8. : Func$ia f este continu% n punctul A a

dac% oricare ar fi 0 > , exist% o vecin%tate V(a) astfel nct oricare ar fi
( ) ( ) < a f x f A a V x ) ( .
Cele dou% defini$ii sunt echivalente.
TEOREMA 4.8.". : Fie #irul
f f
cu
B
n
( mul$imea B fiind inclus%

n mul$imea A ) . Dac% toate func$iile f
n
sunt continue n punctul B a ,
atunci #i func$ia limit% f este continu% n punctul a .
DEMONSTRA!IE :
Din ipotez% #tim c%
f f
cu
B
n
), ( ) ( , 0 ) ( N > astfel nct,

B x N n ) ( ), ( ) ( ,
3
) ( ) (

< x f x f
n
. (")
n cazul particular x = a , ob$inem rela$ia
( )
3
) (

< a f a f
n
. (2)
Tot din ipotez% #tim faptul c% func$iile f
n
sunt continue n x = a , deci
#i func$ia f
N
este continu% n punctul x = a , #i prin urmare, oricare ar fi
0 > , exist% vecin%tatea V(a) astfel nct oricare ar fi B a V x ) (
( ) ( )
3
< a f x f
N N
. (3)
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )

= + + < + +
+ + = >
= = =
3 3 3
, 0 ) ( , ) ( ) (
) 2 (
3
) 3 (
3
) " (
3
4 4 3 4 4 2 1 4 4 3 4 4 2 1 4 4 3 4 4 2 1
a f a f a f x f x f x f
a f a f a f x f x f x f a f x f B a V x
N N N N
N N N N
DERIVABILITATE "I CONVERGEN#$ UNIFORM$
TEOREMA 4.8.2. : Fie I un interval m%rginit #i fie #irul de
func$ii R I f
n
: derivabile pe intervalul I ( )
*
N n . Dac% sunt
ndeplinite condi$iile :
") exist% I x
0
astfel nct #irul ( ) ( ) *
0 N n n
x f

este convergent
2) exist% R I g : astfel nct g f
cu
I
n

'
atunci : ") exist% func$ia R I f : astfel nct f f
cu
I
n

2) ( ) ( ) I x x g x f = ) ( , ' .
OBSERVA!IE : Convergen$a uniform% a #irului f
n
nu atrage
dup% sine convergen$a uniform% a #irului derivatelor.
EXEMPLU :
Fie intervalul [ ] 2 , 0 = I . Fie R I f
n
: ,
( ) ( )
*
,
cos
N n
n
nx
x f
n
=
.
Vom ar%ta c% f
n
este un #ir convergent uniform pe acest interval.
( ) I x x f = , 0 .
( ) ( )
n n
nx
x f x f
n
" cos
=
. Conform criteriului II de convergen$%
uniform%, rezult% c% f f
cu
I
n
.
( ) nx x f
n
sin
'
= . Fie
I x =
2
.
0 sin
2
2
"
2
sin
2
"
'
2
'
"
= =
=
= =

f n
f n

0
2
4
sin
2
4
"
2
3
sin
3
3
'
4
'
3
= =
=
= =
=

f n
f n
Ob$inem #irul -1, 0, 1, 0 , -1, , deci nu este un #ir convergent.
TEOREMA 4.8.3. : Fie [ ]
*
, , N n R b a f
n
un #ir de func$ii,
[ ]
f f
cu
b a
n
,
. Dac% f
n
sunt integrabile pe intervalul [a, b], atunci :
") func$ia limit% f este integrabil% pe intervalul [a, b]
2) ( )
b
a
n
dx x f este convergent%
3) ( ) ( )

=

b
a
b
a
n
n
dx x f dx x f lim
OBSERVA!IE : Teorema 4.8.2. se mai nume#te #i teorema de
derivare termen cu termen a unui #ir de func$ii , iar teorema 4.8.3. se mai
nume#te #i teorema de integrare termen cu termen a unui #ir de func$ii .
4.9. Serii de func!ii
Fie R A f
n
: , ( )
*
N n , un #ir de func$ii.
DEFINI!IA 4.9.". : Suma (")
=
= + + + +
"
2 "
n
n n
f f f f
se nume#te serie de func$ii.
OBSERVA!II :
") Oricare ar fi A a , seriei
=" n
n
f i corespunde o serie de
numere
( ) ( ) ( ) ( ) + + + + =
=
a f a f a f a f
n
n
n 2 "
"
(2) .
Dac% seria numeric% (2) este convergent%, atunci spunem c%
punctul a este un punct de convergen$% a seriei de func$ii (") .
") O serie de func$ii este echivalent% cu o familie de serii de
numere ( fiec%rui A a i corespunde o serie de numere ) .
2) Unei serii de func$ii i putem aplica rezultatele de la serii de
numere #i de la #iruri de func$ii. Astfel, not%m :
S
1
= f
1
S
2
= f
1
+ f
2
S
n
= f
1
+ f
2
+ + f
n
(3)
unde S
n
reprezint% suma par$ial% de ordinul n a seriei de func$ii
(") ( ) *
N n n
S

DEFINI!IA 4.9.2. : Seria de func$ii (") ,
n
f , este convergent%
pe A B dac% #irul de func$ii ( S
n
) este convergent pe multimea B .
DEFINI!IA 4.9.3. : Seria de func$ii
n
f este absolut
convergent% n punctul A a dac% ( )
a f
n
este absolut convergent%.
DEFINI!IA 4.9.4. : Mul$imea de convergen$% A B a unei
serii de func$ii este ( ) { }
= a convergent este a f A a B
n
| .
EXEMPLE :
(")
0 n
nx
e , ( )
nx
n
e x f

=
, R R f
n
:
x < 0 : ( ) + = =

nx
n
n
n
e x f lim lim
,
n
f este divergent% .
x = 0 : ( ) " 0 =
n
f , ( ) " 0 + = n S
n
, ( ) + =

0 lim
n
n
S
,
n
f este
divergent% .
x > 0 :
( )
n
x nx
n
e e
x f

= =
" "
,
n
x
e
"
este serie geometric% cu ra$ia
"
"
< =
x
e
r
, deci este o serie convergent%.
Rezult% c% mul$imea de convergen$% este ( ) = , 0 B .
(2)
( )
=

+
"
2
"
n
n
n
n
x
, ( )
( )
n
n
n
n
x
x f
2
"
+
= , R R f
n
:
Din criteriul raportului, ob$inem :
( )
( )
( )
( )
( )
( )
( ) 2
"
" 2
"
lim
"
2
2 "
"
lim lim
"
"
"
+
=
+
+
=
+
+
=

+
+

+

x
n
x n
x
n
n
x
x f
x f
n
n
n
n
n
n
n
n
n

( ) " , 3 "
2
"
" "
2
"
<
+
< <
+
x
x x

( ) ( ) >
+
, " 3 , "
2
"
x
x

n
f x
n
"
" = = , serie armonic%, divergent%.

( )
( )
n n
f x
n
n
n
n
"
"
2
2
3 =
= = , serie armonic% alternat%, care este

convergent%.
Rezult% c% mul$imea de convergen$% este [ ) " , 3 .
n
f converge simplu pe mul$imea B
c%tre func$ia S dac% oricare ar fi 0 > , oricare ar fi B x , exist% ( ) x N ,
astfel nct, oricare ar fi ( ) x N n , , avem ( ) ( ) < x S x S
n
.
n
f converge uniform pe mul$imea
B c%tre func$ia S dac% oricare ar fi 0 > , exist% ( ) N astfel nct, oricare
ar fi ( ) N n , oricare ar fi B x , avem ( ) ( ) < x S x S
n
.
DEFINI!IA 4.9.7. : Func$ia S se nume#te suma seriei de func$ii.
CRITERII DE UNIFORM CONVERGENTA A SERIILOR DE
FUNCTII
Criteriul Cauchy de convergen!" uniform":
Fie
*
, : N n R A f
n
. Fie A B . Seria
n
f converge
uniform pe mul$imea B dac% #i numai dac% oricare ar fi 0 > , exist%
( ) N astfel nct, oricare ar fi ( ) N n , oricare ar fi
*
N p , avem :
( ) ( ) ( ) < + + +
+ + +
x f x f x f
p n n n

2 "
, oricare ar fi B x .
DEMONSTRA!IE :
Fie ( ) ( ) ( ) ( ) x f x f x f x S
n n
+ + + =
2 "
.
&irul ) ( ) ( , 0 ) ( N S S
cu
B
n
> astfel nct : ) ( ) ( N n #i B x ) (
( ) ( ) <
+
x S x S
n p n
#i ( ) ( ) ( ) < + + +
+ + +
x f x f x f
p n n n

2 "
.
Criteriul lui Weierstrass de convergen!" uniform":
Fie
*
, : N n R A f
n
. Fie
n
f . Fie
n
a o serie cu
termeni pozitivi convergent%. Dac% oricare ar fi A B x #i oricare ar fi
*
N n , ( )
n n
a x f , atunci
n
f converge uniform pe mul$imea B .
DEMONSTRA!IE :
Din ipotez% #tim c%
n
a este convergent% #i 0 >
n
a . Din
criteriul general de convergen$% al lui Cauchy rezult% c% ) ( ) ( , 0 ) ( N >
astfel nct ) ( ) ( N n ,
*
) ( N p , avem :
< + + + < + + +
+ + + + + + p n n n p n n n
a a a a a a
2 " 2 "
.
( ) ( ) ( ) ( ) ( ) ( ) < + + + + + + + + +
+ + + + + + + + + p n n n p n n n p n n n
a a a x f x f x f x f x f x f
2 " 2 " 2 "
#i conform criteriului de convergen$% uniform% al lui Cauchy rezult% c%
n
f converge uniform pe mul$imea B .
EXEMPLE :
".
n
f , R R f
n
: ,
( )
2
sin
n
x
x f
n
n
=
.

( )
2 2
*
" sin
) ( , ) (
n n
x
x f R x N n
n
n
=
=
2
"
n
a
n
este seria armonic% generalizat%, 2 = , deci seria este
convergent%.
Conform criteriului lui Weierstrass,
n
f converge uniform pe R.
2.
n
f , R R f
n
: , ( )
x
n
n
x f
"
= .
pentru > " x
( )
x
n
n
x f
"
=
este seria armonic% generalizat%
(convergent%)
pentru " x seria este divergent%.
4.10. Serii de puteri
Fie R R f
n
: , ( ) N n x a x f
n
n n
= , .
DEFINI!IA 4."0.". : Seria de func$ii
=
+ + + + =
0
" 0
n
n
n
n
n
x a x a a x a
se nume#te serie de puteri.
OBSERVA!II :
Orice serie de puteri este o serie de func$ii, deci rezultatele ob$inute la
seriile de func$ii se aplic% seriilor de puteri.
( )
n
n n
x a x a a x S + + + =
" 0
este un polinom de gradul n .
PROPOZI!IA 4."0.". : Mul$imea de convergen$% a unei serii de
puteri este nevid%.
DEMONSTRA!IE :
Fie #irul ( ) ( )
N n n
x S

. Pentru x = 0 , S
n
(0) = a
0
;
( ) B x a S
n
n
= =

0 0 lim
0
. Deci mul$imea B este nevid%.
OBSERVA!IE : Exist% serii de puteri pentru care mul$imea de
convergen$% este format% doar din num%rul zero. ( { } 0 = B )
EXEMPLU : Fie seria:
=" n
n n
x n .
Not%m
n
n
n a = .
Fie 0 ,
0 0
x R x .
+ + + + + =
=
n n
n
n n
x n x x x x n
0
3
0
3 2
0
2
0
"
3 2
De asemenea, ( )
n
n n
x n x n
0 0
.
Pentru
"
"
0
0
>
> x n
x
n
. Rezult% c% 0 lim
0

n n
n
x n . Deci seria
este divergent% pentru orice 0 x ( vezi criteriile de convergen$% )
TEOREMA LUI ABEL PENTRU SERII DE PUTERI
Pentru orice serie de puteri
n
n
x a , exist% un num%r 0 R astfel
nct :
". Oricare ar fi ( ) R R x , , seria este absolut convergent%.
2. Oricare ar fi ( ) ( ) , , R R x , seria este divergent%.
3. Oricare ar fi R r < < 0 , seria este uniform convergent% pentru orice
[ ] r r x , .
Num%rul 0 R cu propriet%$ile ". #i 2. se nume#te raza de convergen$%
a seriei de puteri.
DEMONSTRA!IE :
Fie B multimea de convergen$% a seriei
n
n
x a .
Dac% { } 0 0 = = R B , atunci teorema este demonstrat%.
Dac% { } 0 B , atunci :
(*) Fie

n
n
x a x B x
0 0 0
0 , este convergent%, deci
0 lim
0
=

n
n
n
x a de unde rezult% c% #irul ( ) *
0 N n
n
n
x a

este m%rginit.
Dac% #irul ( ) *
0 N n
n
n
x a

este m%rginit, atunci exist% 0 > M astfel
nct
M x a
n
n

0
.
Consier%m ( )
0 0 0
, x x x x x <
| | | |

0
x 0 x
0
x
n n
n
n
n
n
n
n
n
n
x
x
M
x
x
x a
x
x
x a x a
0 0
0
0
0 0
= =

=
n n
n
n
x
x
M
x
x
M x a
0 0
0
Dar
n
x
x
0
este o serie geometric% convergent%
< = "
0
x
x
r
, #i
conform primului criteriu de compara$ie, seria
n
n
x a este absolut
convergent%.
Prin urmare, oricare ar fi ( )
0 0
, x x x , seria este absolut
convergent%, deci convergent%.
Am ar%tat deci c% dac% B x
0
, atunci oricare ar fi
( )
0 0
, x x x , seria este absolut convergent%.
0
(**) Fie B x
"
( | ) | |
B x
1
x
Dac% B x
"
, atunci seria
n
n
x a
"
este divergent%.
Vom demonstra c% oricare ar fi x astfel nct
"
x x > , seria
n
n
x a
"
este divergent%.
Presupunem contrariul, adic%
n
n
x a este convergent%. Rezult%
conform (*) c% seria
n
n
x a
"
este convergent%. Aceasta este o contradic$ie
cu ipoteza, deci seria este divergent% pentru orice punct mai mare dect x
1
.
Fie ( ) R b a I = , . Oricare ar fi M cu proprietatea
( ) M x b a x < , ,
se nume#te majorant al intervalului (a,b) .
Observa!ie : Un interval (a,b) are o infinitate de majoran$i.
Se nume#te supremul lui I , notat supI , cel mai mic majorant.
Fie R=supB . Vom ar%ta c% R este raza de convergen$% a seriei.
". Oricare ar fi R x <
0
, rezult% conform (*) :
( ) ( ) R R x B x x , ) ( ,
0 0
, seria este absolut convergent%.
2. Dac% R este infinit ( ) = R , atunci punctul 2. din teorema lui Abel nu
are sens. Presupunem c% R este finit. Atunci :
( ) ( ) > , , ) ( ) (
(**)
R R x R x
Din ". #i 2. rezult% faptul c% R este raza de convergen$% a seriei.
3. Fie R r < < 0
Vom ar%ta c% oricare ar fi ( ) R R x , , seria este convergent% .
Dac% R r < < 0 , atunci r face parte din intrevalul de convergen$% ,
deci seria
n
n
r a
este convergent%. Dar

=
n
n
n
n
r a r a
, aceasta din
urm% fiind o serie numeric% cu termeni pozitivi, convergent%.
Oricare ar fi [ ] r r x , , rezult% c%

=
n
n
n
n
r a x a #i conform
criteriului lui Weierstrass de convergen$% uniform%, seria
n
n
x a este
uniform convergent% pe intervalul [ ] r r, .
OBSERVA!II :
Teorema lui Abel nu afirm% nimic despre natura seriei atunci cnd x=R
sau cnd x= -R. n aceste puncte seria poate fi convergent% sau
divergent%.
Teorema lui Abel afirm% existen$a seriei de puteri, dar nu arat% cum
poate fi calculat% raza de convergen$%.
EXEMPLU :
( ) " , " ) ( , "
2
"
+ + + + =
=
x x x x x
n
n
n
Pentru orice ( ) ( ) , " " , x , seria este divergent%.

Pentru x = 1, =
n
S , deci seria este divergent%.
Pentru x = -1 ,
n
S este o serie oscilant%, deci divergent%.
n concluzie, ( ) " , " = B .
TEOREMA CAUCHY HADAMARD
Fie
n
n
x a o serie de puteri. Fie
n
n
n
a

= lim . Atunci :
=
=
< <
=
, 0
0 ,
0 ,
"
R
DEMONSTRA!IE :
Fie R x
0
oarecare . ( x
0
fixat )
Fie seria cu termeni pozitivi

=
n
n
n
n
x a x a
0 0
. Not%m
n
n n
x a u
0
=
. Pentru seria
n
u aplic%m criteriul r%d%cinii:
( )
0 0 0
lim lim lim x a x a x u
n
n
n
n
n
n
n
n
n
= = =

Exist% mai multe cazuri :
")
"
" "
) ( 0
0 0 0
< < < < < x x x

. Din criteriul
lui Cauchy rezult% c% seria este convergent% #i
"
= R .
2) = < = R R x x
0 0
) ( , " 0 0 .
3) 0 , ) ( " , ) (
0 0 0 0
> = x x x x , seria este
divergent% #i R=0 .
Observa!ie :
n
n
n
a
a
"
lim
+

=
. Dac% nu exist% aceast% limit%, atunci
n
n
n
a

= m li sau
n
n
n
a
a
"
m li
+

=
.
EXEMPLE :
")
=" n
n
n
n
x
,
n
n
n
a
"
=
= = = =

R
n
a
n
n
n
n
0
"
lim lim
2)
( ) ( )
2
"
2
"
lim 2
"
2
"
lim
2
"
= = =

R
n
n
x
n
n
n
n
n
n
n
n
n
n
Oricare ar fi ( ) 2 , 2 x , seria este absolut convergent%.
Oricare ar fi ( ) ( ) , 2 2 , x , seria este divergent%.
CONTINUITATEA UNEI SERII DE PUTERI
Fie seria
n
n
x a #i fie B mul$imea de convergen$% a seriei,
( ) [ ] R R B R R , , .
Oricare ar fi B x , not%m ( ) + + + + =
n
n
x a x a a x S
" 0
.
Ob$inem astfel func$ia R B S : ( suma seriei ).
EXEMPLU :
+ + + + + =
=
n
n
n
x x x x
2
0
"
( ) ( )
x
x S R B S B
= =
"
"
, : , " , "
PROPOZI!IA 4."0.2. : Suma S a unei serii de puteri
n
n
x a
este continu% pentru oricare ( ) R R x , .
DEMONSTRA!IE :
Fie ( ) R R x ,
0
( | | )
-R
0
x r R
Deoarece x
0
apar$ine acestui interval, rezult% c% exist% r > 0 astfel
nct R r x < <
0
. Conform teoremei lui Abel, seria
n
n
x a este uniform
convergent% pe intervalul [-r,r] .
Dar func$iile
n
n
x a sunt ni#te polinoame, deci sunt continue pentru
orice ( ) x S R x este continu%, deci ( ) x S este continu% pe intervalul (-
R,R) .
TEOREM' : Fie
n
n
x a o serie de puteri #i fie S suma acestei
serii.
". Seria derivatelor
" n
n
x na
are aceea#i raz% de convergen$% ca #i seria
ini$ial%.
2. Func$ia S este derivabil% n intervalul de convergen$% #i suma seriei
" n
n
x na
este S
.
EXEMPLE :
") S% se determine mul$imea de convergen$% a seriei
=
+
+
0
" 2
" 2
) " (
n
n
n
n
x
"
" 2
3 2
lim lim
"
=
+
+
= =

+

n
n
a
a
R
n
n
n
n
Dac% ( ) " , " x , seria este absolut convergent%.
Dac% ( ) ( ) , " " , x , seria este divergent%.
Oricare ar fi r astfel nct " 0 < < r , seria este uniform convergent% pe
[ ] r r, .
Dac%
=
+
=
0
" 2
) " (
"
n
n
n
x
. Dac%
=
+
+
=
0
"
" 2
) " (
"
n
n
n
x
. Acestea sunt
serii alternate care verific% condi$iile criteriului lui Leibnitz, deci sunt
convergente.
Rezult% c% mul$imea de convergen$% este [ ] " , " = B .
2) S% se studieze convergen$a seriei
n
n
n n
x
n
) " (
) 2 ( 3
"
+
+
=
Not%m y x = +" #i ob$inem seria
n
n
n n
y
n
=
+
"
) 2 ( 3
.
3
"
3
2
" 3
3
2
"
"
lim
) 2 ( 3
" ) 2 ( 3
lim lim
"
" "
"
=
+
=
+
+
+
= =
+

+ +

+

R
n
n n
n a
a
R
n
n
n
n n
n n
n
n
n
n
Dac%

3
2
,
3
4
3
"
,
3
"
x y
, seria este absolut convergent%.
Dac%
+
=
"
3
" ) 2 ( 3
3
"
n
n
n n
n
y
este o serie cu termeni pozitivi pe
care o compar%m cu seria
="
"
n
n
.
Astfel,
"
3
) 2 ( 3
lim
3
) ) 2 ( 3 (
lim =
+
=
+

n
n n
n
n
n n
n
n
n
. Observ%m c% seriile au
aceea#i natur%, deci seria dat% este divergent%.
Dac%
=

+
=
"
3
) 2 ( 3
) " (
3
"
n
n
n n
n
n
y
este o serie alternat%. &irul
N n
n
n n
n

+
3
) 2 ( 3
este monoton descresc%tor #i tinde la zero. Conform
criteriului lui Leibnitz, seria dat% este convergent%.
Dac%
,
3
2
3
4
, x
3) S% se determine mul$imea de convergen$% a seriei
=
+
+
"
"
" n
n
n
n
n
x
n
n
n
"
"
lim
"
lim
"
lim
2
"
"
"
=
+
=
+
= =
+

+

n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
a
R
Dac% ( ) " , " x , seria este absolut convergent%.
Dac% ( ) ( ) , " " , x , seria este divergent%.
Dac%
=
+
+
=
"
"
"
"
n
n
n
n
n
n
n
x
. Dac%
=
+
+
=
"
"
) " (
"
"
n
n
n
n
n
n
n
n
x
.
=
+
+

n
n
n
n
n
n
n
"
lim
"
"
"
"
"
lim
"
2
=
+

n
n
n
n
n
n
, deci seria este divergent%.
4) S% se dezvolte n serie de puteri ale lui x func$ia ( ) R f , " : ,
unde ( ) ( ) x x f + = " ln .
( ) ( ) + + + + + = + =
+
=

n n
x x x x x x
x
x f ) " ( " "
"
"
'
4 3 2
"
( ) ( )

+ = + + + + =
+
=
x x x x
n n
x
dt t tdt dt dt t t t t dt
t
x f
0 0
2
0 0
3 2
0
" ) " ( "
"
"

= +
+
+ + + = + + +
+
x
n
n n n
xx
n
x x x x
x dt t dt t
0
" 4 3 2
0
3
"
) " (
4 3 2
) " (
=
+
+
=
0
"
"
) " (
n
n
n
n
x
4.11. Serii Taylor &i serii MacLaurin
Fie I un interval din R #i fie R I f : o func$ie indefinit
derivabil% n punctul I a .
DEFINI!IA 4."".". : Se nume#te serie Taylor ata#at% func$iei f n
punctul a, seria :
(")
( )
( ) ( ) ( )
( )
( )
( )
( ) +
+ +
+ =
=0
) (
2
) (
!
' '
! 2
'
! " !
n
n
n
n
n
a f
n
a x
a f
a x
a f
a x
a f a f
n
a x
Evident, seria (") este o serie de puteri , c%ci notnd x a = y , ob$inem :
(")
( ) ( ) ( ) ( ) ( ) + + + + + =
=
a f
n
y
a f
y
a f
y
a f a f
n
y
n
n
n
n
n
) (
2
0
) (
!
' '
! 2
'
! " !
Raza de convergen$% a seriei (") se studiaz% cu ajutorul teoremei
Cauchy Hadamard.
OBSERVA!IE : Deoarece raza de convergen$% este R 0 ,
seria Taylor are mul$imea de convergen$% B deoarece B a .
Suma par$ial% de ordinul n a seriei (") , pentru orice B x
(mul$imea de convergen$%) o vom nota :
(2) ( ) ( ) ( )
( )
( )
( )
( ) a f
n
a x
a f
a x
a f
a x
a f x T
n
n
n
) (
2
!
' '
! 2
'
! "

+ +
+ =
#i se nume#te polinomul lui Taylor de ordinul n.
DEFINI!IA 4."".2. : Se nume#te rest al lui Taylor de ordinul n,
func$ia R I R
n
: , ( ) ( ) ( ) x T x f x R
n n
= (3). Deci ( ) ( ) ( ) x R x T x f
n n
+ =
(4) , oricare ar fi I x .
TEOREMA 4."".". : Seria Taylor ata#at% func$iei f n punctul a
este convergent% n punctul I x dac% #i numai dac% #irul ( ) ( ) *
N n n
x R

este convergent c%tre zero.
DEMONSTRA!IE :
Din rela$ia (4) ob$inem rela$ia (5)
( ) ( ) ( ) x R x T x f
n n
=
. Prin
urmare, dac% #irul sumelor par$iale de ordinul n , ( ) x T
n
, converge c%tre
f(x), trecnd la limit% cnd n n relatia (5), rezult% c% ( ) 0 lim =

x R
n
n
.
Invers, dac% ( ) 0 lim =

x R
n
n
atunci din relatia (5) avem
( ) ( ) x f x T
n
n
=

lim
#i deci seria Taylor ata#at% func$iei f n punctul a este
convergent% pentru orice I x , c%tre f(x) .
OBSERVA!II :
") Dac% ( ) 0 lim =

x R
n
n
, avem :
( ) ( ) ( )
( )
( )
( )
( ) +
+ +
+ = a f
n
a x
a f
a x
a f
a x
a f x f
n
n
) (
2
!
' '
! 2
'
! "
(6)
Formula (6) se nume#te formula de dezvoltare n serie Taylor a
func$iei f n jurul punctului x = a.
2) Mul$imea
( )
( )
=0
) (
!
|
n
n
n
a convergent este
n
a x
a f I x B
nu
coincide, n general cu I.
Caz particular : Dac% I 0 , atunci seria urm%toare se nume#te
serie MacLaurin ata#at% func$iei f .
( ) ( ) ( ) ( ) ( )
=
+ + + + + =
0
) (
2
) (
0
!
0 ' '
! 2
0 '
! "
0 0
!
n
n
n
n
n
f
n
x
f
x
f
x
f f
n
x

(7)
Evident, dac%
( )
+ =
=
"
) (
0
!
n k
k
k
n
f
k
x
R
converge c%tre zero cnd n
tinde spre infinit, avem:
( ) ( ) ( ) ( ) ( ) + + + + + = 0
!
0 ' '
! 2
0 '
! "
0
) (
2
n
n
f
n
x
f
x
f
x
f x f
(8)
Formula (8) se nume#te formula de dezvoltare n serie MacLaurin a
func$iei f .
EXEMPLE :
") S% se dezvolte n serie MacLaurin func$ia
( )
x
e x f R R f = , : .
( ) ( ) " 0 , = = f e x f
x
( ) , '
x
e x f = ( ) " 0 = f
( ) ( ) " 0 ,
) ( ) (
= =
n x n
f e x f
&i deci
+ + + + + =
! ! 2 ! "
"
2
n
x x x
e
n
x
( formula de dezvoltare n
serie MacLaurin )
=
= =
0
!
"
!
"
n
n
n x
n
a x
n
e
Pentru determinarea razei de convergen$%, conform teoremei
Cauchy Hadamard, avem:
( )
= =
+
= =

+

R
n
n
a
a
n
n
n
n
0
! "
!
lim lim
"
2) S% se dezvolte n serie MacLaurin #i s% se determine raza de

convergen$% a func$iei ( ) ( ) 0 0 , sin , : = = f x x f R R f .
( ) ( ) " 0 ' ,
2
sin cos ' =
+ = = f x x x f

( ) ( ) " 0 ' ' ,
2
2 sin
2
cos ' ' =
+ =
+ = f x x x f

( )

+ =
2
sin
) (

n x x f
n
(formul% ce se demonstreaz% u#or prin induc$ie)
Prin urmare,
( )
( )
+
+
+ + + =
+
k
k
k
x x x x x
x
! " 2
"
! 7 ! 5 ! 3 ! "
sin
" 2 7 5 3
Pentru determinarea razei de convergen$%, avem :
( )
( )
= =
+
+
=

R
k
k
k
0
! 3 2
! " 2
lim
5) S% se scrie seria McLaurin pentru func$ia : ( ) x x f R R f cos , : =
( ) ( )

+ = =
2
cos cos
) (

n x x x f
n
n
;
( )
=
=
= =
" 2 , 0
2 , ) " (
2
cos 0
) (
k n
k n
n f
k
n

( )

=
= = + + + + =
0 0
) ( 2 4
!
2
cos
!
0
)! 2 (
) " (
! 4 ! 2
" cos
n n
n n
n n
n
x
n
n
x
n
f
n
x x x
x

RESTUL N FORMULA LUI TAYLOR
TEOREMA 4."".2. : Fie R I f : de n+1 ori derivabil% pe
intervalul I. Atunci pentru orice
*
N p , exist% un num%r " " cuprins
ntre a #i x astfel nct :
( ) ( )
( )
) " (
"
!
) (
+
+

=
n
p n p
n
f
n p
x a x
x R
(")
DEMONSTRA!IE :
Vom considera restul ( ) x R
n
de forma
( ) ( ) k a x x R
p
n
=
(2)
#i vom determina pe k n func$ie de x #i de a. Din formula lui Taylor
avem: ( ) ( ) ( )
( )
( )
( )
( ) ( ) k a x a f
n
a x
a f
a x
a f
a x
a f x f
p
n
n
+
+ +
+ =
) (
2
!
' '
! 2
'
! "
(3)
Vom defini func$ia R I : , derivabil% pe I astfel :
( ) ( ) ( )
( )
( )
( )
( ) ( ) k t x t f
n
t x
t f
t x
t f
t x
t f t
p
n
n
+
+ +
+ =
) (
2
!
' '
! 2
'
! "

(4)
Evident ( ) ( ) x f x = #i ( ) ( ) a x f = de unde ob$inem ( ) ( ) a x = .
Presupunnd c%, de exemplu, a < x , avem:
este continu% pe intervalul [ a , x ]
este derivabil% pe intervalul ( a , x ) ( ) ( ) 0 ' , , ) ( = x a (5)
( ) ( ) x a = (conform teoremei lui Rolle)
Pe de alt% parte, derivnd func$ia dat% de (4) ob$inem :
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( )
+ +
+ = t f
t x
t f
t x
t f
t x
t f t f
t x
t f t
IV
! 3
' '
! 2
2
' ' '
! 2
' ' '
! "
' '
3 2
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
+ +
+

t f
n
t x
t f
n
t x
t f
n
t x
t f
n
t x
t f
t x
n
n
n
n
n
n
n
n
) (
"
) " ( ) " (
2
) (
" 2
! " ! ! 2 ! "
' ' '
! 2

( ) k t x p
p

"
Reducnd termenii asemenea, se ob$ine :
( )
( )
( ) ( ) k t x p t f
n
t x
t
p
n
n

=

+
"
) " (
!
'
Deci :
( )
( )
( ) ( ) 0
!
'
"
) " (
=
=

+
k x p f
n
x
p
n
n

, de unde
( ) ( )
( )
( )
( )

) " (
"
"
) " (
!
,
!
+
+
=
n
p n
p
n
n
f
n p
x
k sau
x p n
f x
k
#i rezult% astfel :
( ) ( )
( )
) " (
"
!
) (
+
+

=
n
p n p
n
f
n p
x a x
x R
, unde " " este cuprins
ntre a #i x.
Teorema este astfel demonstrat% . Cazul cnd x < a se trateaz%
analog.
Cazuri particulare ale expresiei restului :
(1) Pentru p = 1 se ob$ine
( )( )
( )
) " (
!
) (
+

=
n
n
n
f
n
x a x
x R
#i se
nume#te restul lui Cauchy.
(2) Pentru p = n+1 se ob$ine
( )
( )
) " (
"
)! " (
) (
+
+
+
=
n
n
n
f
n
a x
x R
#i se
nume#te restul lui Lagrange.
RESTUL IN FORMULA LUI MACLAURIN
A#a cum am mai v%zut, o serie Taylor pentru a = 0 se nume#te
serie MacLaurin.
Prin urmare, dezvoltarea unei func$ii R I f : ( I 0 ) n serie
MacLaurin este:
( ) ( ) ( ) ( ) ( ) + + + + + = 0
!
0 ' '
! 2
0 '
! "
0
) (
2
n
n
f
n
x
f
x
f
x
f x f
( ) ( )
=
=
n
k
k
k
n
f
k
x
x T
0
) (
0
!
( ) ( )
+ =
=
"
) (
0
!
n k
k
k
n
f
k
x
x R
Restul n formula lui Cauchy are forma :
( )
( )
( )
) " (
!
+
=
n
n
n
f
n
x x
x R , unde " " este cuprins ntre a #i x.
Restul n formula lui Lagrange are forma :
( )
( )
( )
) " (
"
! "
+
+
+
=
n
n
n
f
n
x
x R , unde " " este cuprins ntre a #i x.
EXEMPLU :
") S% se calculeze
e
"
cu trei zecimale exacte.
= =

2
"
2
" "
2
"
n n
R T e
e
Pentru
2
"
n
R
utiliz%m formula restului lui Lagrange :
( )
"
)! " ( 2
"
! "
2
"
2
"
"
"
+
+
n
e
n
R
n
n
n

deoarece
"
"
0
= < < e e
e

Punnd condi$ia
00" , 0
2
"
<
n
R
, adic%
( ) "000
"
! " 2
"
"
<
+
+
n
n
sau
"000 )! " ( 2
"
> +
+
n
n
rezult% n = 4 ( prima valoare natural% ).
=
+ =
+ =
24 2
"
6 2
"
2 2
"
2
"
"
! 4
"
2
"
! 3
"
2
"
! 2
"
2
"
! "
"
2
"
"
2
"
4 3 2
4 3 2
T
606 , 0
284
233
= . Deci
606 , 0
"
e
.
CAPITOLUL 5
FUNC!II REALE DE MAI MULTE VARIABILE REALE
5.1. Mul!imi "i puncte din R
n
Fie R
n
spa!iul vectorial real n dimensional. Fie
( )
n
T
n
R x x x x = , , ,
2 "
#i ( )
n
T
n
R y y y y = , , ,
2 "
.
DEFINI$IA 5.".". : Aplica!ia
R R R
n n
: ,
dat% de
rela!ia
=
=
n
i
i i
y x y x
"
,
este un produs scalar real.
Se arat% u#or c% ea verific% axiomele unui produs scalar
real.
PS")
n
R y x x y y x = , ) ( , , ,
PS2)
n
R y x R y x y x = , ) ( , ) ( , , ,
PS3)
n
R z y x z y z x z y x + = + , , ) ( , , , ,
PS4)
n
R x x x ) ( , 0 ,
#i
= = x x x 0 ,
(unde
este vectorul nul din
n
R )
Deci R
n
este un spa!iu euclidian.
DEFINI$IA 5.".2. : Aplica!ia
R R
n
:
dat% de rela!ia
=
= =
n
i
i
x x x x
"
2
,
este o norm% #i deci R
n
este un spa!iu
vectorial normat.
ntr-adev%r, se arat% imediat c%:
n")
n
R x x ) ( , 0
#i
= = x x 0
n2)
n
R x R x x = ) ( , ) ( , | ||
n3)
n
R y x y x y x + + , ) ( ,
DEFINI$IA 5.".3. : Un spa!iu vectorial peste care s-a
definit o norm% se nume#te spa!iu vectorial normat.
DEFINI$IA 5.".4. : O aplica!ie R X X d : se
nume#te distan!% dac% :
d")
( ) X y x y x d , ) ( , 0 ,
#i
( ) y x y x d = = 0 ,
d2) ( ) ( ) X z y x x y d y x d = , , ) ( , , ,
d3) ( ) ( ) ( ) X z y x z y d y x d z x d + , , ) ( , , , ,
DEFINI$IA 5.".5. : O mul!ime nevid% X peste care s-a
definit o distan!% se nume#te spa!iu metric.
Vom ar%ta acum c% R
n
este un spa!iu metric. ntr-adev%r,
R R R d
n n
: ,
( ) ( )
=
= =
n
i
i i
y x y x y x d
"
2
,
verific% axiomele
unei distan!e ( metrice ).
DEFINI$IA 5.".6. : Fie
n
R A . Func!ia R A f :
este o lege prin care fiec%rui element A x i corespunde un num%r
real y #i numai unul singur.
( ) A x x x f y
n
= , ,
"

, ( )
n
T
n
R x x x x = , , ,
2 "

Func!ia R A f : se nume#te func!ie real% de n variabile
reale.
n
R a #i fie 0 , > r R r . Mul!imea
{ } r a x R x a S
n
r
< = | ) (
se nume#te sfera deschis% cu centrul n
punctul x
0
, de raz% r.
( )
T
n
n
a a a R a , , ,
"
=
.
Fie
n
R x
0
, ( )
T
n
x x x
0
"
0 0
, , =
#i fie ( )
T
n
n
x x x x R x , , , ,
2 "
= .
Mul!imea P
a
(x
0
) de forma ( ) { } n i a x x R x x P
i
i
i
n
a
,..., " , |
0 0
= < =
se nume#te paralelogram deschis care con!ine punctul a.
DEFINI$IA 5.".9. : Prin vecin%tatea V(a) ,
n
R a ,
ntelegem orice sfer% deschis% de raz% r cu centrul n punctul a.
O vecin%tate poate fi #i un paralelogram deschis .
Mul!imea ( ) { } n i r x x R x x C
i
i
n
r
,..., " , |
0 0
= < = se
nume#te hipercub. (r>0)
DEFINI$IA 5."."0. : Mul!imea
n
R M este o mul!ime
deschis% dac% oricare ar fi M x exist% o vecin%tate V(x) complet
con!inut% n M .
DEFINI$IA 5."."". : Mul!imea
n
R M este m%rginit%
dac% exist% un num%r real a #i dac% exist% un num%r r finit #i
pozitiv astfel nct
( ) a S M
r
.
DEFINI$IA 5."."2 : Punctul M x este un punct de
acumulare al mul!imii M dac% pentru orice V(x) avem
( ) ( ) M x x V } { .
DEFINI$IA 5."."3. : Punctul M x care nu este punct
de acumulare se nume#te punct izolat.
DEFINI$IA 5."."4. : Func!ia R R A f
n
: este o
func!ie m%rginit% dac% mul!imea valorilor func!iei f(A) este o
mul!ime m%rginit% .
5.2. Func!ii vectoriale de variabil# real# vectorial#.
Continuitate par!ial#.
Fie
n
R A , ( )
T
n
x x x A x , , , ) (
"
= . Fie func!iile
m i R A f
i
,..., " , : = . Atunci pentru orice A x , ob!inem
vectorul m dimensional
( ) ( ) ( ) ( )
T
m
x f x f x f , , ,
2 "

.
Func!ia
m n
R R A f :

( ) ( ) = = x f x x f
n
, ,
"

( ) ( ) ( ) ( ) x f x f x f
m
, , ,
2 "

se
nume#te func!ie vectorial% de variabil% real% vectorial% .
Fie
( )
m i
m
y y y y R y , , , , ,
"
=
. Prin proiec!ia vectorului y
n raport cu i n!elegem
m i y y pr
i i
, , " , = =
.
Prin urmare, studiul func!iilor vectoriale de variabil%
vectorial% se reduce la studiul functiilor reale de variabil% vectorial%.
OBSERVA$IE : Mul!imea
{ }
m n
R R A f f F = : |
formeaz% un spa!iu vectorial n raport cu adunarea func!iilor #i
nmul!irea unei func!ii cu un scalar.
DEFINI$IA 5.2.". :
m n
R R A f :
este m%rginit%,
dac% exist%
m
R a #i exist% < < r 0 astfel nct oricare ar fi
A x s% avem ( ) ( ) a V x f
r
.
DEFINI$IA 5.2.2. : Fie
m n
R R A f :
. Fie A a ,
( )
n i
a a a a , , , ,
"
= . Func!ia f este continu% n punctul A a
dac% :
") exist%
( ) x f
a x
lim
2)
( ) ( ) a f x f
a x
=
lim
DEFINI$IA 5.2.3. : Func!ia f este continu% n punctul
A a dac% pentru orice 0 > , exist% ( ) 0 >
astfel nct oricare
ar fi A a ,
( ) < a x
, rezult% c%
( ) ( ) < a f x f
.
OBSERVA$IE: Defini!iile 5.2.2. #i 5.2.3. sunt echivalente.
Fie
R R A f
2
:
. Fie ( ) A b a , . Fie mul!imea
( ) ( ) { } A b x b x A
a
= , | ,
#i mul!imea
( ) ( ) { } A y a y a A
b
= , | ,
.
Definim func!iile
R A
a
:
, ( ) ( ) b x f b x , , =
#i
R A
b
:
,
( ) ( ) y a f y a , , =
.
x
2
A
b
A
a
(a,b)
b
a x
1
DEFINI$IA 5.2.4. : Func!ia se nume#te func!ia
par!ial%, n raport cu x, asociat% func!iei f n punctul (a,b) .
DEFINI$IA 5.2.5. : Func!ia se nume#te func!ia
par!ial%, n raport cu y, asociat% func!iei f n punctul (a,b) .
DEFINI$IA 5.2.6. : Func!ia R R A f
2
: este
continu% par!ial n raport cu x n punctul (a,b) dac% func!ia
par!ial% ( ) x este continu% n punctul a.
Func!ia f este continu% par!ial n raport cu y n punctul
( ) b a, dac% func!ia par!ial% ( ) y este continu% n punctul b.
2
: este
continu% par!ial n punctul ( ) A b a , dac% func!iile par!iale ( ) x
#i ( ) y sunt continue n punctele a, respectiv b n raport cu
x, respectiv y.
n general : Fie R R A f
2
: #i fie ( ) A a a a
n
= , ,
"
.
Func!ia f este continu% par!ial n punctul A a dac% func!iile
par!iale ( )
n i i i i
a a x a a f , , , , , ,
" " "

+
sunt continue n punctele
n i a
i
, , " , = .
PROPOZI$IA 5.2.". : O func!ie R R A f
2
: , continu%
n punctul A a este continu% par!ial n punctul a .
DEMONSTRA$IE : Prin ipotez%, func!ia f este continu%
n punctul ( )
n i
a a a a , , , ,
"
=
, deci pentru orice 0 > , exist%
( ) 0 > astfel nct oricare ar fi A a ,
( ) < a x
, rezult% c%
( ) ( ) < a f x f
.
Fie ( ) A x a a x a a x
n i i i
=
+
, , , , , , ,
" " "
#i
<
i i
a x
. Din
ipotez% rezult% c%
( ) ( ) ( ) ( ) < =
+ + n i i i n i i i
a a a a a f a a x a a f a f x f , , , , , , , , , , , ,
" " " " " "

pentru orice i = 1,,n #i deci f este continu% par!ial n punctul
a.
OBSERVA$IE : n general, reciproca nu este adev%rat%.
Adic%, dac% o func!ie este par!ial continu% ntr-un punct, ea nu este
ntotdeauna continu% n acel punct.
EXEMPLU :
Fie func!ia
R R f
2
:
,
( )
( ) ( )
( ) ( )
+ =
0 , 0 , , 0
0 , 0 , ,
,
2 2
y x
y x
y x
xy
y x f
Vom ar%ta c% aceast% func!ie nu este continu% n origine, dar
este par!ial continu%.
(") Func!ia nu este continu% n (0,0) n raport cu ansamblul
variabilelor deoarece nu are limit% n acest punct. ntr-adev%r,
pentru 0 x , avem :
( )
2
"
,
+
=
x
y
x
y
y x f
Fie dreapta y = mx care trece prin origine. Dac% lu%m #irul
( ) 0 ,
n n
y x de pe aceast% dreapt%, avem
n n
mx y = pentru
orice
*
N n #i
( )
2
"
,
m
m
y x f
n n
+
=
.
Limita
2
" m
m
+
depinde de dreapta pe care se afl% #irul de puncte
( ) 0 ,
n n
y x . Astfel, pentru dou% drepte cu coeficien!i
unghiulari diferi!i,
2 "
m m
, ob!inem limite diferite; prin
urmare, func!ia f nu are limit% n origine, deci nu este continu%
n raport cu ansamblul variabilelor.
(2) Func!ia nu este par!ial continu% n (0,0), dar func!iile par!iale
urm%toare sunt continue n origine.
( ) ( )
= =
0 , 0
0 , 0
0 ,
x
x
x f x
( ) ( )
= =
0 , 0
0 , 0
, 0
y
y
y f y
n
: este continu%
pe mul!imea A, dac% este continu% n toate punctele A a .
5.3. Derivata par!ial# a unei func!ii
Fie func!ia R R A f
2
: , fie ( ) A b a int ,
.
DEFINI$IA 5.3.". : Func!ia f este derivabil% par!ial n
raport cu x n punctul (a,b) dac%
( ) ( )
a x
b a f b x f
a x

, ,
lim
exist% #i este
finit%.
Not%m aceast% limit% cu
( )
x
b a f
,
sau cu
( ) b a f
x
, '
.
DEFINI$IA 5.3.2. : Func!ia f este derivabil% par!ial n
raport cu y n punctul (a,b) dac%
( ) ( )
b y
b a f y a f
b y

, ,
lim
exist% #i este
finit%.
( )
y
b a f
,
sau cu
( ) b a f
y
, '
.
EXEMPLU : Fie func!ia R R f
2
: ,
3 2
) , (
y x
e y x f
+
=
.
Pornind de la defini!ie, s% se calculeze
) " , " ( '
x
f
#i
) " , " ( '
y
f
.
( )
( ) ( )
( ) = +
+

"
"
"
lim
"
"
lim
"
lim
"
" , " " ,
lim " , " '
2
"
"
2
"
"
2
2 "
" "
2 2 2
x
x
e
e
x
e
e
x
e e
x
f x f
f
x
x
x
x
x
x x
x
2 2
2 ln 2 e e e = =
( )
( ) ( )
+

"
"
lim
"
"
lim
"
lim
"
" , " , "
lim " , " '
3
"
"
2
"
"
2
2 "
" "
3 3 3
y
e
e
y
e
e
y
e e
y
f y f
f
y
y
y
y
y
y y
y
( )
2 2 2
3 ln 3 " e e e y y = = + +
PROPOZI$IA 5.3.". : Func!ia R R A f
2
: este
derivabil% par!ial n raport cu x n punctul ( ) A b a int , dac% #i
numai dac% func!ia par!ial% ( ) x este derivabil% n punctul a.
DEMONSTRA$IE :
( ) ( ) ( ) ( ) ( )
( ) a
a x
a x
a x
b a f b x f
x
b a f
a x a x
' lim
, ,
lim
,

#i reciproc.
PROPOZI$IA 5.3.2. : Func!ia R R A f
2
: este
derivabil% par!ial n raport cu y n punctul ( ) A b a int , dac% #i
numai dac% func!ia par!ial% ( ) x este derivabil% n punctul b.
EXEMPLE :
". ( ) y x y x f + = ,
( ) " , ' = y x f
x
( ) " , ' = y x f
y
2. ( ) xy y x f = ,

( ) y y x f
x
= , '

( ) x y x f
y
= , '
3.
( ) 0 , , = y
y
x
y x f

( ) 0 ,
"
, ' = y
y
y x f
x

( ) 0 , , '
2
= y
y
x
y x f
y
4. ( ) 0 , , > = x x y x f
y
( )
"
, '

=
y
x
yx y x f
( ) x x y x f
y
y
ln , ' =
n general, fie R R A f
n
: , fie ( )
n i i i
x x x x x x A x , , , , , , ,
" " "

+
=
Fie punctul ( )
n i i i
a a a a a a A a , , , , , , , int
" " "

+
= .
DEFINI$IA 5.3.3. : Func!ia f este derivabil% par!ial n
raport cu
i
x , n punctul a, dac% :
( ) ( )
i i
n i i i n i i i
a x
a x
a a a a a f a a x a a f
i i
+ +
, , , , , , , , , , , ,
lim
" " " " " "

exist% #i este finit%.
( )
i
x
a f
sau cu
( ) a f
i
x
'
.
PROPOZI$IA 5.3.3. : Fie R R A f
2
: , ( ) A b a int , .
Dac% f este derivabil% par!ial n raport cu x n punctul (a,b), atunci f
este continu% par!ial n raport cu x n punctul (a,b).
DEMONSTRA$IE : Prin ipotez%, func!ia f este derivabil%
par!ial n raport cu x n punctul (a,b). Conform propozi!iei 5.3.". ,
func!ia par!ial% ( ) x este derivabil% n punctul a, deci este
continu% n acest punct. Prin urmare, func!ia f este continu% par!ial
n raport cu x n punctul (a,b).
TEOREMA DE MEDIE A LUI LAGRANGE
Fie R R A f
2
: , ( ) A b a int , .
Dac% exist%
x
f ' #i
y
f ' ntr-o vecin%tate a punctului (a,b), atunci
pentru orice punct ( ) ( ) A b a V y x , , exist% un num%r real !
cuprins ntre a #i x #i exist% un num%r " cuprins ntre b #i y, astfel
nct :
( ) ( ) ( )( ) ( )( ) b y a f a x y f b a f y x f
y x
+ = , ' , ' , ,
(")
DEMONSTRA$IE : Fie V(a,b) #i fie ( ) ( ) A b a V y x , , un punct
pe care l fix%m.
y
y (x,y)
" (!,")
b (a,b)
a ! x x
) , ( ) , ( ) , ( ) , ( ) , ( ) , ( b a f y a f y a f y x f b a f y x f + = (2)
Notez
=
=
) , ( ) (
) , ( ) (
) 3 (
t a f t
y t f t
, V t a V y t ) , ( , ) , ( .
Func!iile #i sunt derivabile, deci :
(a) este derivabil% n intervalul cu capetele n a #i x, de unde
rezult% c% este continu% pe intervalul cu capetele n a #i x.
(b) este derivabil% pe intervalul cu capetele n b #i y, de unde
rezult% c% este continu% pe intervalul cu capetele n b #i y.
Din (a) rezult% c% exist% cuprins ntre a #i x astfel nct :
( ) ( ) ( )( ) a x a x = ' (4)
Din (b) rezult% c% exist% cuprins ntre b #i y astfel nct :
( ) ( ) ( )( ) b y b y = ' (4)
( ) ( ) y f
x
, ' ' = ; ( ) ( ) , ' ' a f
y
= .
Din (2) rezult% :
= + = )] ( ) ( [ )] ( ) ( [ ) , ( ) , ( b y a x b a f y x f
( )( ) ( )( ) ( ) ( )( ) b y a f y f b y a x
y x
+ = + = , ' , ' ' '
Astfel, teorema este demonstrat%.
OBSERVA$IE: Notnd
=
=
) , ( ) (
) , ( ) (
) ' 3 (
t x f t
b t f t
#i
ra!ionnd ca #i n demonstra!ia de mai sus, rezult% c% exist% un
num%r ' cuprins ntre a #i x #i un num%r ' cuprins ntre b #i y
astfel nct :
(") ( ) ( ) ( )( ) ( )( ) b y x f a x b f b a f y x f
y x
+ = ' , ' , ' ' , ,
Egalit%!ile (") #i (") vor fi scrise n continuare astfel :
(5) ( ) ( ) ( )( ) ( )( ) b y f a x f b a f y x f
y x
+ = , ' , ' , , unde
este cuprins ntre a #i x #i " este cuprins ntre b #i y .
Relatia (5) se nume#te formula lui Lagrange .
OBSERVA$IE : Se poate da o formul% de tip Lagrange #i
pentru o func!ie de n > 2 variabile.
PROPOZI$IA 5.3.4.: Fie R R A f
2
: , fie ( ) A b a int , .
Dac% func!ia f are derivate par!iale
x
f ' #i
y
f ' m%rginite ntr-o
vecin%tate a punctului (a,b), atunci f este continu% n (a,b) n raport
cu ansamblul variabilelor.
DEMONSTRA$IE : Din ipotez% #tim c% exist% M > 0
astfel nct :
( )
( )
( ) ) , ( , ) (
, '
, '
b a V y x
M y x f
M y x f
y
x

Conform teoremei lui Lagrange :

( ) ( ) [ ] b y a x M b y f a x f b a f y x f
y x
+ + , ' , ' ) , ( ) , (
Dar
[ ] 0 lim = +
b y a x M
b y
a x
deci
) , ( ) , ( lim 0 ) , ( ) , ( lim b a f y x f b a f y x f
b y
a x
b y
a x
= =
Deci func!ia f este continu% n punctul (a,b).

5.4. Derivate par!iale de ordin superior
Fie R R A f
2
: , fie
( ) A b a int ,
.
DEFINI$IA 5.4.". : Se nume#te derivata par!ial% de
ordinul 2 a func!iei f n raport cu
2
x n punctul (a,b) :
( ) b a f
x
b a f
x
b a f
x
x
, ' '
) , ( ) , (
2
2
2
=
DEFINI$IA 5.4.2. : Se nume#te derivata par!ial% de

ordinul 2 a func!iei f n raport cu
2
y n punctul (a,b) :
( ) b a f
y
b a f
y
b a f
y
y
, ' '
) , ( ) , (
2
2
2
=
DEFINI$IA 5.4.3. : Se nume#te derivata par!ial% de

ordinul 2,mixt%, a func!iei f n punctul (a,b) :
( ) b a f
y x
b a f
x
b a f
y
xy
, ' '
) , ( ) , (
2
=

( ) b a f
x y
b a f
y
b a f
x
yx
, ' '
) , ( ) , (
2
=

EXEMPLE :
") Fie 2 3 2 ) , (
3 3
+ = xy y x y x f s% se calculeze derivatele
par!iale de ordinul doi ale acestei func!ii.
y xy
x
f
3 4
3
=

y x
y
f
2
2
2
"2 =
x y x
y
f
3 6
2 2
=

3 "2
2
2
=

xy
y x
f
3
2
2
4y
x
f
=

3 "2
2
2
=

xy
x y
f
2) Calcula!i derivatele par!iale de ordinul I #i II pentru
func!ia
R R f
2
:
,
3 2 2 3
3 3 4 ) , ( y xy y x x y x f + + =
2 2
3 6 "2 y xy x
x
f
+ + =

y x
y
f
y y
f
6 6
2
2
=
2 2
3 6 3 y xy x
y
f
+ =

y x
y
f
x y x
f
6 6 + =
y x
x
f
x x
f
6 24
2
2
+ =

y x
x
f
y x y
f
6 6 + =
CRITERIUL LUI SCHWARTZ

Dac% func!ia ) , ( y x f are derivate par!iale mixte de ordinul
2
xy
f ' ' #i
yx
f ' ' ntr-o vecin%tate V(a,b) , ( ) A b a int , , #i dac%
xy
f ' ' #i
yx
f ' ' sunt continue n (a,b), atunci ( ) b a f
xy
, ' ' = ( ) b a f
yx
, ' ' .
DEMONSTRA$IE: Alegem un punct arbitrar
A b a V y x ) , ( ) , ( pe care l fix%m.
Not%m (")
) )( (
) , ( ) , ( ) , ( ) , (
) , (
b y a x
b a f y a f b x f y x f
y x R

+
=
.
y
y (a,y) (x,y)
# ($,#)
b (a,b) (x,b)
a $ x x
Consider%m func!ia definit% pe intervalul cu capetele n a
#i x, avnd forma urm%toare :
(2)
b y
b t f y t f
t
=
) , ( ) , (
) (
a x
a x
y x R
=
) ( ) (
) , (

(3)
Func!ia ) (t este derivabil% pe intervalul cu capetele n a #i
x.
b y
b t f y t f
t
x x
=
) , ( ' ) , ( '
) ( '
(4)
Aplic%m func!iei teorema lui Lagrange. Rezult% c% exist%
cuprins ntre a #i x astfel nct :
a x
a x
=
) ( ) (
) ( '

.
Deci (5)
b y
b f y f
y x R
x x
= =
) , ( ' ) , ( '
) ( ' ) , (

.
Consider%m func!ia ) (
"
definit% pe intervalul cu capetele
n b #i y, avnd forma urm%toare : ( ) , ) (
" xy
f = (6)
Func!ia ) (
"
este derivabil% pe intervalul cu capetele n b
#i y :
( ) , ' ' ) ( '
" xy
f =
, adic%
( )
( ) ( )
b y
b f y f
f
x x
xy
=
, ' ' , ' '
, ' '

.
Deci : ( ) , ' ' ) , (
xy
f y x R = (*)
Analog definim (2)
a x
t a f t x f
t
=
) , ( ) , (
) ( '
Rezult% c% exist% ' cuprins ntre b #i y astfel nct :
a x
a f x f
y x R
y y
=
) ' , ( ' ) ' , ( '
) , (

(5)
Folosim apoi func!ia (6) ' ) ( ) ' , ( ' ) (
"
=
y
f
astfel nct ob!inem: ) ' , ' ( ' ' ) , (
yx
f y x R = (**)
Fie #irul ( ) ( ) b a y x
n n
, , din vecin%tatea V(a,b) , a x
n
,
a y
n
, a x
n
, b y
n
.
Pentru orice punct ) , (
n n
y x , exist% dou% puncte
n
#i
n
'
cuprinse ntre a #i
n
x #i exist% dou% puncte
n
#i
n
' cuprinse ntre
b #i
n
y astfel nct :
( ) ( )
n n yx n n xy
f f ' , ' ' ' , ' '
(*)
(**)
=
(7)
Dar
xy
f ' ' #i
yx
f ' ' sunt continue #i, trecnd la limit% n
rela!ia (7), ob!inem:
( ) ( ) b a f f
xy n n xy
, ' ' , ' ' #i ( ) ( ) b a f f
yx n n yx
, ' ' ' , ' ' ' .
Deci : ( ) b a f
xy
, ' ' = ( ) b a f
yx
, ' ' .
COROLAR : Dac% derivatele mixte exist% &i sunt continue
pe mul'imea A , atunci sunt egale pe A .
5.5. Func!ii diferen!iabile
Fie R R A f
2
: #i fie punctul ( ) A b a int , .
DEFINI$IA 5.5.". : Func!ia f este diferen!iabil% n punctul
(a,b) dac% exist% dou% numere #i #i dac% exist% o func!ie
R b a V ) , ( : , continu% #i nul% n (a,b) astfel nct, pentru orice
( ) A y x , s% avem :
(")
2 2
) ( ) ( ) , ( ) ( ) ( ) , ( ) , ( b y a x y x b y a x b a f y x f + + + =
OBSERVA$IE : Func!ia este continu% #i nul% n (a,b),
ceea ce nseamn% c% :
( ) ( ) 0 , , lim = =
b a y x
b y
a x

.
Not%m ( ) ( ) ( )
2 2
, b y a x y x + = ( distan!a euclidian% de
la punctul (x,y) la punctul (a,b) ). Vom ob!ine :
(") ( ) y x y x b y a x b a f y x f , ) , ( ) ( ) ( ) , ( ) , ( + + =
DEFINI$IA 5.5.2. : Dac% A este o mul!ime deschis%,
atunci R A f : este diferen!iabil% pe A dac% este diferen!iabil% n
orice punct ( ) A b a , .
PROPOZI$IA 5.5.".: Fie R R A f
2
: #i fie
punctul ( ) A b a int , . Dac% f este diferen!iabil% n (a,b), atunci f este
continu% n punctul (a,b).
DEMONSTRA$IE: Trecnd la limit% cnd ( ) ( ) b a y x . ,
n rela!ia (") avem:
[ ] 0 ) , ( ) , ( lim ) ( lim ) ( lim ) , ( ) , ( lim = + + =
y x y x b y a x b a f y x f
b y
a x
b y
a x
b y
a x
b y
a x

Deci f este continu% n punctul (a,b).
PROPOZI$IA 5.5.2: Fie R R A f
2
: #i fie
punctul ( ) A b a int , . Dac% f este diferen!iabil% n (a,b) , atunci
exist% ( ) b a f
x
, ' #i ) , ( ' b a f
y
#i ( ) b a f
x
, ' = , ) , ( ' b a f
y
= .
DEMONSTRA$IE : Din ipotez%, f este diferen!iabil% n
(a,b) , deci exist% #i #i exist% func!ia ) , ( y x continu% #i nul%
n (a,b) astfel nct oricare ar fi A y x ) , ( , avem :
2 2
) ( ) ( ) , ( ) ( ) ( ) , ( ) , ( b y a x y x b y a x b a f y x f + + + =
Pentru punctul A b x ) , ( , avem :
2 2
) ( ) ( ) , ( ) ( ) ( ) , ( ) , ( b b a x y x b b a x b a f b x f + + + = ,
deci : a x b x a x b a f b x f + = ) , ( ) ( ) , ( ) , ( .
mp%r!ind cu (x-a) #i trecnd la limit% ( ) a x , avem :
) , ( '
) , (
lim
) , ( ) , (
lim b a f
a x
a x b x
a x
b a f b x f
x
a x a x
= =
+ =
.
Pentru punctul A y a ) , ( , avem:
b y y a b y b a f y a f + = ) , ( ) ( ) , ( ) , (
#i mp%r!ind cu (y-b) #i
trecnd la limit% ( ) b y rezult% : ( ) b a f
y
, ' =
.
DEFINI$IA 5.5.3.: Fie
R R A f
2
:
#i fie punctul
( ) A b a int ,
. Func!ia f este diferen!iabil% n (a,b) dac% exist%
( ) b a f
x
, ' #i
) , ( ' b a f
y
#i exist% R A : , continu% #i nul% n (a,b)
astfel nct :
( ) ( )
2 2
) ( ) ( ) , ( ) ( , ' ) ( , ' ) , ( ) , ( b y a x y x b y b a f a x b a f b a f y x f
y x
+ + + =
OBSERVA$IE : Fie R R A f
2
: #i fie ( ) A b a int ,
.
Dac% exist% ( ) b a f
x
, ' #i
) , ( ' b a f
y
nu rezult% ntotdeauna c% f este
diferen!iabil% n (a,b).
EXEMPLU : Fie
( ) ( )
=
+
+ =
0 , 0 , , 0
0 ,
) , (
2 2
2 2
y x
y x
y x
xy
y x f
, R R f
2
: .
Calculnd derivatele par!iale ale func!iei f n (0,0) , ob!inem :
0 ) 0 , 0 ( '
0
) 0 , 0 ( ) 0 , (
lim
0
= =
x
x
f
x
f x f
0 ) 0 , 0 ( '
0
) 0 , 0 ( ) , 0 (
lim
0
= =
y
y
f
y
f y f
Presupunem c% f este diferen!iabil% n (0,0) , atunci :
) , ( ) , ( ) 0 )( 0 , 0 ( ' ) 0 )( 0 , 0 ( ' ) 0 , 0 ( ) , ( y x y x y f x f f y x f
y x
+ + =
Deci :
2 2
) , ( ) , ( y x y x y x f + = , adic%
2 2
) , (
y x
xy
y x
+
=
care nu
este continu% n (0,0). n concluzie, f nu este diferen!iabil% n
punctul (0,0).
Defini!ie echivalent# pentru proprietatea de diferen!iabilitate :
LEM& : Dac% R R A
2
: este continu% #i nul% n
punctul ( ) A b a int , , atunci exist% dou% func!ii R A : ,
2 "
,
continue #i nule n (a,b) astfel nct :
) )( , ( ) )( , ( ) ( ) ( ) , (
2 "
2 2
b y y x a x y x b y a x y x + = + #i reciproc.
DEMONSTRA$IE :
(i) Prin ipotez% ,
0 ) , ( ) , ( lim = =
b a y x
b y
a x

.
Definim :
=
) , ( ) , ( , 0
) , ( ) , ( ,
) , (
) (
) , (
) , (
"
b a y x
b a y x
y x
a x
y x
y x
=
) , ( ) , ( , 0
) , ( ) , ( ,
) , (
) (
) , (
) , (
2
b a y x
b a y x
y x
b y
y x
y x
Atunci :
[ ] ) , ( ) , ( ) ( ) (
) , (
) , (
) )( , ( ) )( , (
2 2
2 "
y x y x b y a x
y x
y x
b y y x a x y x
= + = +
Vom ar%ta acum c% ) , (
"
y x este continu% n (a,b). ntr-adev%r,
) , (
) , (
) , (
) , (
) )( , (
0 ) , ( 0
"
y x
y x
a x
y x
y x
a x y x
y x
=
.
0 ) , ( lim 0 ) , ( lim
"
=
y x y x
b y
a x
b y
a x

,deci func!ia ) , (
"
y x este
continu% n (a,b).
Analog se demonstreaz% #i faptul c% ) , (
2
y x este continu% n (a,b).
(ii) Fie ) , (
"
y x #i ) , (
2
y x continue #i nule n punctul (a,b).
Not%m ) , ( y x astfel :

=
) , ( ) , ( , 0
) , ( ) , ( ,
) , (
) , (
) , (
) , (
) , (
2 "
b a y x
b a y x
y x
b y
y x
y x
a x
y x
y x
.
Deci ( ) ( ) ( )( ) ( )( ) b y y x a x y x y x y x + = , , , ,
2 "

pentru orice ( ) A y x , .
( ) ( )
( )
( )
( )
( ) ( ) y x y x
y x
b y
y x
y x
a x
y x y x , ,
,
,
,
, ,
2 " 2 "

( ) ( ) ( ) ( ) ( ) b a y x y x y x y x
b y
a x
b y
a x
b y
a x
b y
a x
, 0 , lim 0 , lim , lim 0 , lim 0
2 "
= = = +
Astfel am demonstrat c% este continu% #i nul% n (a,b) .

DEFINI$IA 5.5.4. : Fie R R A f
2
: , ( ) A b a int , .
Func!ia f este diferen!iabil% n punctul (a,b) dac% exist% dou% func!ii
R A : ,
2 "
, continue #i nule n (a,b) #i dac% exist% dou% numere
#i astfel nct :
) )( , ( ) )( , ( ) ( ) ( ) , ( ) , (
2 "
b y y x a x y x b y a x b a f y x f + + + =
PROPOZI$IA 5.5.3. : Fie R R A f
2
: , ( ) A b a int , .
Dac% f admite derivate par!iale continue ntr-o vecin%tate a punctului
(a,b) , atunci f este diferen!iabil% n (a,b) .
DEMONSTRA$IE : Pentru orice ( ) ( ) b a V y x , , ,
conform teoremei lui Lagrange, avem :
) )( , ( ' ) )( , ( ' ) , ( ) , ( b y a f a x y f b a f y x f
y x
+ = , unde
este cuprins ntre a #i x , iar este cuprins ntre b #i y.
Adun%m #i sc%dem ) )( , ( ' ) )( , ( ' b y b a f a x b a f
y x
+ . Avem :
)] )( , ( ' ) )( , ( ' ) )( , ( '
) )( , ( ' [ ) )( , ( ' ) )( , ( ' ) , ( ) , (
b y b a f a x b a f b y a f
a x y f b y b a f a x b a f b a f y x f
y x y
x y x
+
+ + + =
Not%m : ( ) )] , ( ' ) , ( ' [ ,

"
b a f y f y x
x x
=
)] , ( ' ) , ( ' [ ) , (
2
b a f a f y x
y y
=
Rezult% :
) )( , (
) )( , ( ) )( , ( ' ) )( , ( ' ) , ( ) , (
2
"
b y y x
a x y x b y b a f a x b a f b a f y x f
y x
+
+ + + =
Prin ipotez%,
x
f ' #i
y
f ' sunt continue n V(a,b) , deci :
0 ) , ( ) , ( lim
" "
= =
b a y x
b y

( ) 0 ) , ( , lim
2 2
= =
b a y x
a x

Am demonstrat astfel c%
"
#i
2
sunt continue #i nule n
(a,b) , deci f este diferen!iabil% n punctul (a,b) .
n general : Fie R R A f
n
: , ( ) A a a a
n
= , ,
"
.
DEFINI$IA 5.5.5. : Func!ia f este diferen!iabil% n punctul
A a int dac% exist% numerele
n
, , ,
2 "
#i exist% R A :
continu% #i nul% n punctul a , astfel nct :
) ( ) ( ) ( ) ( ) ( ) (
" " "
x x a x a x a f x f
n n n
+ + + =
unde
2 2
" "
) ( ) ( ) (
n n
a x a x x + + = .
5.6. Diferen!iala unei func!ii
Fie R R A f
2
: , ( ) A b a int , , #i f diferen!iabil% n
(a,b) .
DEFINI$IA 5.6.". : Se nume#te diferen!ial% a func!iei f n
punctul (a,b) , func!ia liniar% :
( ) ( )( ) ( )( ) b y b a f a x b a f b a y x df
y x
+ = , ' , ' , ; ,
Not%m : x-a = dx , cre#terea variabilei x
y-b = dy , cre#terea variabilei y
Atunci: ( ) ( ) ( )dy b a f dx b a f b a y x df
y x
, ' , ' , ; , + = .
Operatorul
= dy
y
dx
x
d
se nume#te operatorul de
diferen!iere.
Deci, dac% f este diferen!iabil% n (a,b) , atunci :
( ) ( ) b a f dy
y
dx
x
b a y x d , , ; ,

=
EXEMPLU : R R f
2
: , ( )
2 2
,
y x
xe y x f
+
= , n punctul
(1,1) .
( ) ( )
2 2
3 " , " ' 2 , '
2 2 2 2
e f e x e y x f
x
y x y x
x
= + =
+ +
( ) ( )
2
2 " , " ' 2 , '
2 2
e f xye y x f
y
y x
y
= =
+
Prin urmare, ( ) dy e dx e y x df
2 2
2 3 " , " ; , + = .
DEFINI$IA 5.6.2 : Diferen!iala de ordinul doi a func!iei f
n punctul (a,b)
( ) ( )( ) ( )( )( ) ( )( )
2 2
2
, ' ' , ' ' 2 , ' ' , ; ,
2 2
b y b a f b y a x b a f a x b a f b a y x f d
y
xy
x
+ + =
este notat% simbolic astfel :
( ) ( ) b a f dy
y
dx
x
b a y x f d , , ; ,
2
2
=
.
n general :
( ) ( ) =
= b a f dy
y
dx
x
b a y x f d
n
n
, , ; ,
( ) ( ) ( )
( )
y d
y
b a f
C
y xd d
y x
b a f
C xdy d
y x
b a f
C x d
x
b a f
C
n
n
n
n
n
k k n
k k n
n
k
n
n
n
n
n
n
n
n
n
+
+ +

+ +

,
, , ,
"
"
" 0

5.7. Formula lui Taylor pentru func!ii de mai multe
variabile
Fie R R A f
2
: , ( ) A b a int , .
Presupunem c% f admite derivate par!iale de ordinul n n
punctul (a,b) #i derivatele par!iale mixte nu depind de ordinea de
derivare. Atunci:
( ) ( ) ( ) ( ) ( ) b a y x f d
n
b a y x f d b a y x df b a f y x T
n
n
, ; ,
!
"
, ; ,
! 2
"
, ; ,
! "
"
, ,
2
+ + + + =
se nume#te polinomul lui Taylor de ordinul n ata#at func!iei f n
punctul (a,b).
Not%m ( ) ( ) ( ) y x T y x f y x R
n n
, , , = , numit restul lui
Taylor de ordinul n n punctul (a,b) .
( ) ( ) ( ) y x R y x T y x f
n n
, , , + = se nume#te formula lui
Taylor ata"at# func!iei f n punctul (a,b) .
Dac%
( ) 0 , lim =
y x R
n
b y
a x
, atunci spunem c% func!ia f este
dezvoltabil# n serie Taylor n jurul punctului (a,b) .
Se poate ar%ta c% :
( ) ( ) ( ) y x y x
n
y x R
n
n
, ,
!
"
, =
,
( ) ( ) ( )
2 2
, b y a x y x + = .
( ) ( )
( )
( )
( )
( )
( )
( )
( )
( )( )
( )
( )
( )
( )
( )
( ) ( )
( )
( ) ( ) ( ) y x y x
n
b y
y
b a f
C b y a x
y x
b a f
C
a x
x
b a f
C
n
b y
y
b a f
b y a x
y x
b a f
a x
x
b a f
b y
y
b a f
a x
x
b a f
b a f y x f
n
n
n
n
n
n
k n k n
k k n
n
k
n
n
n
n
n
, ,
!
" , ,
,
!
" , ,
2
,
! 2
" , ,
! "
"
, ,
0
2
2
2 2
2
2
2
+
+ +

+ +
+ +
+ =

EXEMPLU : S% se scrie polinomul Taylor de gradul doi
ata#at func!iei R R f
2
: ,
2 2
) , ( y x y x f + = , n punctul ( ) " , " .
+

+ =
2
2
2
2
) " (
) " , " (
! 2
"
) " (
) " , " (
) " (
) " , " (
! "
"
) " , " ( ) , ( x
x
f
y
y
f
x
x
f
f y x T

+

+
2
2
2 2
) " (
) " , " (
) " )( " (
) " , " (
2 y
y
f
y x
y x
f
2 ) " , " ( = f ;
2
2
|
) " , " (
) " , " (
2 2
=
+
=
y x
x
x
f
2
2
|
) " , " (
) " , " (
2 2
=
+
=
y x
y
y
f
4
2 ) " , " (
2
2
=

x
f
;
4
2 ) " , " (
2
2
=

y
f
;
4
2 ) " , " (
=

y x
f
2 2 2
2
) ) " ( ) " )( " ( 2 ) " ((
8
2
)) " ( ) " (
2
2
2 ) , ( + + + + + + = y y x x y x y x T
5.8. Extremele func!iilor de mai multe variabile
Fie R R A f
2
: , fie ( ) A b a , .
DEFINI$IA 5.8.". : Punctul (a,b) este un punct de maxim
local (relativ) al func!iei f dac% exist% o vecin%tate a lui (a,b) astfel
nct oricare ar fi ( ) ( ) b a V y x , , s% avem : ( ) ( ) b a f y x f , , .
DEFINI$IA 5.8.2. : Punctul (a,b) este un punct de minim
local (relativ) al func!iei f dac% exist% o vecin%tate a lui (a,b) astfel
nct oricare ar fi ( ) ( ) b a V y x , , s% avem : ( ) ( ) b a f y x f , , .
DEFINI$IA 5.8.3. : Un punct de minim local sau de
maxim local se nume#te punct de extremum local.
PROPOZI$IA 5.8.". : Fie R R A f
2
: #i fie
( ) A b a , un punct de extremum local al func!iei f . Dac% exist%
( ) b a f
x
, ' #i ( ) b a f
y
, ' , atunci ( ) 0 , ' = b a f
x
#i ( ) 0 , ' = b a f
y
.
DEMONSTRA$IE : Fie ( ) { } A b x R x x A
b
= , , | #i fie
R A g
b
: , ( ) ( ) b x f x g , = .
Dac% punctul (a,b) este un punct de extremum local al
func!iei f , nseamn% c% punctul x = a este punct de extremum local
al func!iei g . Atunci, conform teoremei lui Fermat, ( ) 0 ' = a g ,
adic% ( ) 0 , ' = b a f
x
.
Analog, fie ( ) { } A y a R y y A
a
= , , | #i fie R A h
a
: ,
( ) ( ) y a f y h , = . Dac% (a,b) este punct de extremum local pentru
func!ia f , rezult% c% y = b este punct de extremum local pentru h .
Deci ( ) 0 ' = b h , adic% ( ) 0 , ' = b a f
y
.
DEFINI$IA 5.8.4. : Punctul ( ) A b a , n care se
anuleaz% derivatele par!iale ale func!iei R R A f
2
: se nume#te
punct sta!ionar.
OBSERVA$IE : Conform propozi!iei 5.8.". , orice punct
de extrem este punct sta!ionar. Reciproca nu este adev%rat%. Nu
orice punct sta!ionar este punct de extrem.
EXEMPLU : Fie R R f
2
: , ( )
4 2
, y x y x f = .
( )
( )

=
=
3
4 , '
2 , '
y y x f
x y x f
y
x
punctul (0,0) este punct sta!ionar. El nu este
punct de extrem deoarece :
oricare ar fi 0 x ,
2
) 0 , 0 ( ) 0 , ( x f x f = , deci ) 0 , 0 ( ) 0 , ( f x f
oricare ar fi 0 y ,
0 ) 0 , 0 ( ) , 0 (
4
= y f y f
, deci ) 0 , 0 ( ) , 0 ( f y f
TEOREMA 5.8.". : Fie R R A f
2
: #i fie ( ) A b a , un
punct sta!ionar al lui f . Dac% f admite derivate par!iale de ordinul
doi continue n (a,b) #i dac% :
( ) ( ) ( ) ( ) [ ]
2
, ' ' , ' ' , ' ' ,
2 2
b a f b a f b a f b a
xy
y x
=
, atunci :
") Dac%
( )
( )

>
>
0 , ' '
0 ,
2
b a f
b a
x
(a,b) este punct de minim local.
2) Dac%
( )
( )

<
>
0 , ' '
0 ,
2
b a f
b a
y
(a,b) este punct de maxim local.
3) Dac% ( ) < 0 , b a (a,b) este punct #a.
DEMONSTRA$IE : Scriem formula lui Taylor de ordinul 2
pentru func!ia f n punctul (a,b) :
) , ( ) , (
! 2
"
] ) )( , ( ' ' ) )( )( , ( ' ' 2
) )( , ( ' ' [
! 2
"
)] )( , ( ' ) )( , ( ' [
! "
"
) , ( ) , (
2 2
2
2
2
y x y x b y b a f b y a x b a f
a x b a f b y b a f a x b a f b a f y x f
y
xy
x
y x
+ + +
+ + + =
D%m factor comun pe
2
#i avem :
) , ( )] , (
) (
) , ( ' '
) , ( ' ' 2
) (
) , ( ' ' [
! 2
"
) , ( ) , (
2
2
2
2
2
2
2
y x y x
b y
b a f
b y a x
b a f
a x
b a f b a f y x f
y
xy
x

+
+

+
=
Deoarece (a,b) este un punct sta!ionar, ( ) 0 , ' = b a f
x
#i ( ) 0 , ' = b a f
y
.
Not%m :
a x
=
,
b y
=
, ( ) b a f A
x
, ' '
2
= , ( ) b a f B
xy
, ' ' = ,
( ) b a f C
y
, ' '
2
=
Cu aceste nota!ii, din rela!ia de mai sus, ob!inem :
(*)
) , ( )] , (
) , ( ' ' ) , ( ' ' 2 ) , ( ' ' [
! 2
"
) , ( ) , (
2
2 2
2 2
y x y x
b a f b a f b a f b a f y x f
y
xy
x

+
+ + + =
Expresia notat%
2 2
) , ( ' ' ) , ( ' ' 2 ) , ( ' ' ) , (
2 2
b a f b a f b a f E
y
xy
x
+ + =
este o func!ional% cu variabilele #i .
Observa!ie :
( ) ( )
"
2
2
2
2
2 2
=
= +

b y a x
pentru orice punct
( ) ( ) b a y x , , .
Matricea formei p%tratice ( ) , E este :
( ) ( )
( ) ( )
=
b a f b a f
b a f b a f
A
y
xy
xy
x
, ' ' , ' '
, ' ' , ' '
2
2
, ( ) ( ) b a f b a f
yx xy
, ' ' , ' ' = pentru c%
derivatele par!iale sunt continue.
Presupunnd c% ( ) 0 , ' '
2
b a f
x
#i 0 det A , aducem forma p%tratic%
( ) , E la forma canonic% prin metoda lui Iacobi.
"
0
=
( ) b a f
x
, ' '
2
"
=
( ) ( ) ( ) ( ) ( )
2
2
, ' ' , ' ' , ' ' ,
2 2
b a f b a f b a f b a
xy
y x
= =
Atunci :
( )
( )
( )
( )
2 2
,
, ' '
, ' '
"
,
2
2

b a
b a f
b a f
E
x
x

+ =
Prin urmare :
") Dac%
( )
( )

>
>
0 , ' '
0 ,
2
b a f
b a
x
func!ionala p%tratic% ( ) , E este
pozitiv definit% ( deci #i ( ) , E este pozitiv definit% ).
Fie m>0 minimul func!ionalei p%tratice ( ) , E pe mul!imea
( ) { } " | ,
2 2 2
= + R . Prin urmare exist% ) , (
"
b a V astfel nct
din (*) avem :
( ) ( ) ( ) [ ] ( ) y x y x m b a f y x f , ,
2
"
, ,
2
+
.
Deoarece
( ) 0 , lim =
y x
b y
a x

, rezult% c% ( ) ( ) ( ) 0 , ,
2
+ y x y x m #i
deci ) , ( ) , ( b a f y x f , oricare ar fi ( ) ) , ( ,
"
b a V y x , deci (a,b) este
un punct de minim local pentru func!ia f .
2) Dac%
( )
( )

>
>
0 , ' '
0 ,
2
b a f
b a
y
func!ionala p%tratic% ( ) , E este
negativ definit% ( deci #i ( ) , E este negativ definit% ).
Fie M<0 maximul func!ionalei p%tratice ( ) , E pe mul!imea
( ) { } " | ,
2 2 2
= + R . Prin urmare exist% ) , (
2
b a V astfel nct
din (*) avem :
( ) ( ) ( ) [ ] ( ) y x y x M b a f y x f , ,
2
"
, ,
2
+
.
Deoarece
( ) 0 , lim =
y x
b y
a x

, rezult% c% ( ) ( ) ( ) 0 , ,
2
+ y x y x M #i
deci ) , ( ) , ( b a f y x f , oricare ar fi ( ) ) , ( ,
2
b a V y x , deci (a,b) este
un punct de maxim local pentru func!ia f .
3) ( )
2 2
2 , C B A E + + = . mp%r!im cu
2
#i fie
= t
.
Ob!inem : ( ) C Bt At t E + + = 2
2
unde ( ) 0 ,
2
< = B AC b a . Prin
urmare, 0
2
> AC B , deci ecua!ia 0 2
2
= + + C Bt At are dou%
r%d%cini reale #i diferite
2 "
t t .
Cnd punctul (x,y) nconjoar% punctul (a,b) , #i iau toate
valorile cuprinse ntre " #i " , deci
= t
ia valori ntre
"
t #i
2
t #i
n afara lor. ( ) , E este o form% p%tratic% nedefinit% #i deci punctul
(a,b) nu este nici punct de minim local, nici de maxim local. Este
punct #a .
EXEMPLE :
") S% se determine punctele de extrem ale func!iei R R f
2
: ,
( ) xy y x y x f 3 ,
3 3
+ + =
( )
( )
( ) ( ) " , " , 0 , 0
0 3 3 , '
0 3 3 , '
2
2

= + =
= + =
B A
x y y x f
y x y x f
y
x
sunt puncte sta!ionare
( ) x y x f
x
6 , ' '
2
= , ( ) 3 , ' ' = y x f
xy
,
( ) y y x f
y
6 , ' '
2
=
.
Pentru punctul A : ( ) 0 0 , 0 ' '
2
=
x
f , ( ) 3 0 , 0 ' ' =
xy
f ,
( ) 0 0 , 0 ' '
2
=
y
f
,
deci ( ) 0 9 0 0 0 , 0 < = , prin urmare A este punct #a.
Pentru punctul B : ( ) 6 " , " ' '
2
=
x
f , ( ) 3 " , " ' ' =
xy
f ,
( ) 6 " , " ' '
2
=
y
f
, deci ( ) ( ) ( ) 0 27 9 6 6 " , " = =
( ) 0 6 " , " ' '
2
< =
x
f , prin urmare, B este punct de maxim local.
2) S% se determine extremele func!iilor :
a) y x y xy x y x f + + = 2 ) , (
2 2
0 , "
0 " 2
0 2 2
0 ) , ( '
0 ) , ( '
= =
= + +
=
=
=
y x
y x
y x
y x f
y x f
y
x
Deci ) 0 , " ( A este punct sta!ionar .
" ' ' ; 2 ' ' ; 2 ' '
2 2
= = =
xy
y x
f f f
( ) ( ) ( ) ( ) 0 , " 0 3 0 , " ' ' 0 , " ' ' ) 0 , " ' ' (
2 2
2
< =
y x
xy
f f f
este un
punct de extrem
( ) 0 2 0 , " ' '
2
> =
x
f , deci punctul este de minim.
Minimul func!iei este ( ) " 0 , " = f .
b)
3 3 2 6 6
4 5 4 ) , ( y x y y x y x f + + =
= +
=
= + =
= =
0 ) 6 5 "2 ( 2
0 ) 2 ( 6
0 "2 "0 24 ) , ( '
0 "2 6 ) , ( '
3 4
3 3 2
2 3 5
3 2 5
y x y y
y x x
y x y y y x f
y x x y x f
y
x
=
=
0
0
y
x
= +
=
0 6 5 "2
0
3 4
y x y
x
nu are solu!ii.
=
=
=
=
0
0
0
0 2
3 3
y
x
y
y x
= +
=
0 6 5 "2
0 2
3 4
3 3
y x y
y x
nu are solu!ii.
Deci punctul ) 0 , 0 ( este punct sta!ionar.
3 4
24 30 ) , ( ' '
2
xy x y x f
x
=
2 2
36 ) , ( ' ' y x y x f
xy
=
"0 24 "20 ) , ( ' '
3 2
2
+ = y x y y x f
y
0 ) 0 , 0 ( ' ' ) 0 , 0 ( ' ' )) 0 , 0 ( ' ' (
2 2
2
=
y x
xy
f f f
( ) 0 , 0 ) , )( ( , 0 5 ) 2 ( ) 0 , 0 ( ) , (
2 2 2 3 3
+ = R y x y y x f y x f
este punct de minim.
3) S% se g%seasc% extremele func!iei : " 2 ) , (
2 2
+ + + = ay xy ax y x f , a
fiind un parametru real.
( ) 0 , 0
0
0
0 ) ( 2 '
0 ) ( 2 '
= +
= +
= + =
= + =
x ay
y ax
x ay f
y ax f
y
x
este punct sta!ionar.
a f a f f
y x
xy
2 ' ' ; 2 ' ' ; 2 ' '
2 2
= = =
.
) " ( 4 4 4 ' ' ' ' ) ' ' (
2 2 2
2 2
= = a a f f f
y x
xy
Dac% ) " , " ( 0 "
2
< a a , nu avem punct de extrem n
( ) 0 , 0 .
Dac% ( ) ( ) > , " " , 0 "
2
a a , exist% extrem n ( ) 0 , 0 ,
astfel :
( ) ( ) 0 , 0 " , a este punct de maxim
( ) ( ) 0 , 0 , " a este punct de minim
Dac% ( ) " " 2 ) , ( "
2
2 2
+ + = + + + = = y x y x x y x f a #i are cea
mai mic% valoare pentru 0 = = y x , dar aceea#i valoare o are
pentru orice x #i y pentru care
0 = + y x
, deci ( ) 0 , 0 nu este
singurul punct de minim.
Dac%
2
) ( " ) , ( " y x y x f a = = #i are n origine cea mai mare
valoare. Aceea#i valoare o are #i cnd
y x =
, deci exist%
extreme n toate aceste puncte.
5.9. Metoda celor mai mici p#trate
S% presupunem c% func!ia [ ] R b a f , : este cunoscut% n
punctele
n
x x x < < <
2 "
. Fie ( )
i i
x f y = , i = 1, 2, , n. Altfel
spus, s% presupunem c% cunoa#tem norul de puncte
i
x
"
x
2
x
n
x
i
y
"
y
y
2
n
y
y
2
y
3

"
y y
n-1
y
n

"
x
2
x x
3
x
n-1

n
x
Ne punem problema s% determin%m un polinom de gradul m
( m<n ) , ( ) x F
m
astfel nct suma p%tratelor diferen!elor dintre
valorile m%surate
i
y , i = 1, 2, , n , #i cele calculate ( )
i m
x F s% fie
minim%.
Fie ( )
m
m m
x a x a x a a x F + + + + =
2
2 " 0
("). Suma p%tratelor
diferen!elor specificate este:
( ) ( ) [ ] min , ,
2
"
" , 0
=
=
m
i
i i m m
y x F a a a s
(2)
Cazul m = 1 : Interpolarea cu o dreapt% ( ) b ax x F + =
"
Rela!ia (2) devine : (3)
( ) ( ) [ ] min ,
2
"
=
=
n
i
i i
b ax y b a s
( )
[ ]( )
( )
[ ]
= =
= =
=
=
0 2
,
0 " 2
,
"
"
i
n
i
i i
n
i
i i
x b ax y
a
b a s
b ax y
b
b a s
Punctele sta!ionare se ob!in din sistemul :
(4)
( )
( )

=
=
=
=
0
0
"
2
"
n
i
i i i i
n
i
i i
bx ax x y
b ax y
(5)
= +
= +

= = =
= =
n
i
i i
n
i
i
n
i
i
n
i
i
n
i
i
y x x b x a
y nb x a
" " "
2
" "
Sistemul (5) se nume#te sistemul ecua!iilor normale ( sistemul lui
Gauss ).
Facem nota!iile : (6)
( )
( )
= =
= =
=
=
n
i
j
i i j
n
i
j
i j
m j x y v
m j x u
"
"
, , " , 0 ,
2 , , " , 0 ,
Atunci sistemul (5) devine :

(7)
= +
= +
" " 2
0 0 "
v bu au
v bu au
, sistem care are solu!iile:
0 ,
2 0
2
"
0 2 " "
0 " " 0
=
=
u u u
v u v u
b
u v u v
a
Deci ( ) b ax x F + =
"
este complet determinat%.
Cazul general :
Fie ( )
m
m m
x a x a x a a x F + + + + =
2
2 " 0
. Atunci :
( ) ( ) [ ] [ ] min , ,
"
2
2
2 " 0
2
"
" , 0
+ + + + = =

= =
n
i
i
m
i m i i
m
i
i m i m
y x a x a x a a x F y a a a s
( )
( ) ( )
( )
( )
( )
( )
+ + + + =
+ + + + =
+ + + + =
=
=
=
0 2
, , ,
0 2
, , ,
0 " 2
, ,
"
2
2 " 0
" 0
"
2
2 " 0
"
" 0
"
2
2 " 0
0
" , 0
m
i
n
i
i
m
i m i i
m
m
i
n
i
i
m
i m i i
m
n
i
i
m
i m i i
m
x y x a x a x a a
a
a a a s
x y x a x a x a a
a
a a a s
y x a x a x a a
a
a a a s
Prin urmare, sistemul ecua!iilor normale este :

(8)
= + + + +
= + + + +
= + + + +

= = = =
+ +
=
= =
+
= = =
= = = =
n
i
n
i
n
i
n
i
m
i i
m
i m
m
i
m
i
n
i
m
i
n
i
n
i
i i
m
i m
n
i
i
n
i
i
n
i
i
n
i
i
n
i
m
i m
n
i
i
n
i
i
x y x a x a x a x a
x y x a x a x a x a
y x a x a x a na
" " " "
2 2
2
"
"
"
0
" "
"
"
3
2
"
2
"
"
0
" " "
2
2
"
" 0
Cu nota!iile (6) , sistemul (8) devine :

(9)
= + + + +
= + + + +
= + + + +
+ +
+
m m m m m m
m m
m m
v a u a u a u a u
v a u a u a u a u
v a u a u a u a u
2 2 2 " " 0
" " 2 3 " 2 0 "
0 2 2 " " 0 0
Rezolvnd sistemul (9) ob!inem valorile pentru

m
a a a , , ,
" 0
, pe
care , introducndu-le n (") , ob!inem polinomul de interpolare de
gradul m.
EXEMPLU :
n ultimele trei luni, la un magazin , vnz%rile au fost ( n
milioane de lei ):
luna 1 2 3
val.
vnz
"0 "5 2"
S% se determine polinomul de gradul I (dreapta de regresie)
care aproximeaz% acest nor de puncte, #i s% se estimeze valoarea
vnz%rilor n luna urm%toare.
x
i
x
i
y
i
x
i
2
x
i
y
i
" -" "0 " -"0
2 0 "5 0 0
3 " 2" " 2"
=
3
" i
0 46 2 ""
=
=
=
=
= +
= +
5 , 5
333 , "5
"" 2
46 3
"" 2 0
46 0 3
"
0
"
0
" 0
" 0
a
a
a
a
a a
a a
( ) x x F 5 , 5
3
"
"5
"
+ =
este dreapta de regresie.
( ) 33 , 26 "" 33 , "5 2
"
= + = F pentru luna urm%toare.
OBSERVA$IE : Metoda celor mai mici p%trate se poate
aplica nu numai utiliznd polinoame ( ) x F
m
ci #i alte func!ii.
CAPITOLUL 6
CALCUL INTEGRAL
6.1. Extensii ale no!iunii de integral"
n liceu s-a introdus no!iunea de integral" Riemann a unei
func!ii [ ] R b a f , : ca fiind
( )
b
a
dx x f
#i am presupus c" a, b
sunt finite, iar func!ia f este m"rginit" pe intervalul [ ] b a, .
Amintim cteva propriet"!i :
$) Dac" f este continu" pe [ ] b a, , atunci f este integrabil" pe
[ ] b a, .
2) Dac" f este monoton" pe [ ] b a, , atunci f este integrabil" pe
[ ] b a, .
3) Dac" f este integrabil" pe [ ] b a, , atunci f este m"rginit" pe
[ ] b a, .
Observa!ie : reciproca nu este adev"rat".
4) Liniaritatea:
( ) ( ) ( ) ( )

+ = +
b
a
b
a
b
a
dx x g dx x f dx x g x f ) (
pentru orice R , .
n continuare vom studia cteva generaliz"ri .
6.2. Integrale cu limite infinite
Fie [ ] R b a f , : , continu" pe [ ] b a, . Rezult" c" f este
integrabil" #i
( )
b
a
dx x f
exist" pentru orice a b > .
DEFINI%IA 6.2.$. :
( )
=
a
dx x f I
$
este convergent" dac"
( )

b
a b
dx x f lim
exist" #i este finit".
Deci
( )
=
a
dx x f I
$
=
( )

b
a b
dx x f lim
dac" limita exist" #i este
finit" .
Dac" limita nu exist" sau este , atunci
$
I este
divergent".
DEFINI%IA 6.2.2. :
( )

=
b
dx x f I
2
este convergent" dac"
( )

b
a a
dx x f lim
exist" #i este finit".
Deci
( )

=
b
dx x f I
2
=
( )

b
a a
dx x f lim
dac" limita exist" #i
este finit".
2
I este
divergent".
DEFINI%IA 6.2.3. : Dac"
$
I #i
2
I sunt convergente,
atunci #i
( )

= dx x f I
3
=
( )

c
dx x f
+
( )
c
dx x f
, unde R c , este
convergent" #i are ca valoare suma
$ 2
I I + .
Dac" cel pu!in una din integralele
$
I sau
2
I este
divergent", atunci #i
3
I este divergent".
EXEMPLE :
$)
[ ] $ $
$
lim | lim lim
0
0 0
$
=
+ = = = =

b
b
b x
b
b
x
b
x
e
e dx e dx e I
2) S" se arate c" dac" 0 > a , integrala improprie
=
a
p
dx
x
I
$
este
convergent" pentru $ > p #i divergent" pentru $ p .
Dac" $ > p :
[ ]
$
lim
$
$
|
$
$
lim lim
$
lim
$
$ $ $
= = =

p
a
a b
p
x
p
dx x dx
x
I
p
p p
b
b
a
p
b
b
a
p
b
b
a
p
b
#i este convergent".
Dac" $ = p :
[ ] = =

b
a
b
x I | ln lim
, deci este divergent".
Dac" $ < p :
[ ] [ ] =
= =

p p
b
b
a
p
b
b
a
p
b
a b
p
x
p
dx
x
I
$ $ $
lim
$
$
|
$
$
lim
$
lim
,
deci este divergent".
6.3. Integrale n care func!ia f este nem"rginit" ntr-un
punct al intervalului de integrare
Fie func!ia [ ] R b a f , : .
|
a + a b
$)
( ) =
>
x f
a x
a x
lim
DEFINI%IA 6.3.$. : Integrala
( ) ( )

+
>
= =
b
a
b
a
dx x f dx x f I
0
0
$
lim
este convergent" dac" limita exist" #i este finit".
$
I este
divergent" .
2)
( ) =
<
x f
b x
b x
lim
DEFINI%IA 6.3.2. : Integrala
( ) ( )

+
>
= =
b
a
b
a
dx x f dx x f I
0
0
2
lim
este convergent" dac" limita exist" #i este finit".
2
I este
divergent" .
3) Exist" ( ) b a c , astfel nct
( ) =
dx x f
c x
lim
( ) ( ) ( ) ( ) ( )
$ 2
0
0
0
0
3
lim lim I I dx x f dx x f dx x f dx x f dx x f I
b
c
c
a
b
c
c
a
b
a
+ = + = + = =

>
>

Dac"
$
I #i
2
I sunt convergente, atunci #i
3
I este convergent" #i
2 $ 3
I I I + = . Dac" cel pu!in una din integralele
$
I sau
2
I este
divergent", atunci
3
I este divergent".
EXEMPLE :
$)
+ = = =
+
=
=

>
+
>
+
>
5
2
0
0
5
2
0
0
5
2
0
0
$
) ln 3 (ln lim | ) 2 ln( lim
2
lim
2

x
x
dx
x
dx
I
,
deci este divergent".
2)
[ ]
2
) 0 arcsin ) $ (arcsin( lim | arcsin lim
$
$
0
0
$
0
0
0
$
0 2
2

= = =
=
>
>
x dx
x
I
3)
+ = =

>
2
$
$
0
0
0
2
0
3
) $ ln( ) $ ln( lim $ ln

dx x dx x dx x I
[ ] [ ] $ $ $ ln $ ln lim | ) $ ( ) $ ln( ) $ ( lim ) $ ln( lim
0
0
$
0
0
0
$
0
0
0
$
= + = = =
>
>
>
x x x dx x I
[ ] [ ] $ ln $ $ ln $ lim | ) $ ( ) $ ln( ) $ ( lim ) $ ln( lim
0
0
2
$
0
0
2
$
0
0
2
= + = = =
>
+
>

>
x x x dx x I
Deci 2
2 $ 3
= + = I I I .
CRITERIU DE CONVERGEN#$ : ( f"r" demonstra!ie )
Fie [ ) R b a g f , : , , integrabile pe orice interval
[ ] [ ) b a x a , , . Dac" :
$) ( ) ( ) x g x f 0 #i
( )
b
a
dx x g
este convergent", atunci #i
( )
b
a
dx x f
este convergent".
2) ( ) ( ) x g x f 0 #i
( )
b
a
dx x f
este divergent", atunci #i
( )
b
a
dx x g
este divergent".
6.4. Integrale Euleriene
Integrala Gamma ( integral" Euler de spe!a a-2-a )
($)
( )

=
0
$
dx e x a
x a
Aceasta este o integral" improprie (generalizat") #i depinde
de parametrul a.
PROPRIET&%I :
P$. ( ) a este convergent" pentru a>0 .
P2. ( ) $ $ = .
P3. Formula de recuren!" : ( ) ( ) ( ) $ $ = a a a , oricare ar fi a>1 .
P4. ( ) ( )! $ = n n
P5.
=
2
$
DEMONSTRA%IE :
P$. Pentru a studia convergen!a integralei o vom descompune n
dou" integrale.
( )
2 $
I I a + = ,
dx e x I
x a
=
$
0
$
$
,

=
$
$
2
dx e x I
x a
dx e x I
x a
=
$
0
$
$
este convergent" deoarece :
( ) ( ) $ lim 0 lim
$
0
0
0
0
= =

>
>
a
x
x
x
x
x
x
e
x x f x

dac" a = $ . Cum a>0, rezult"

$ < .
Pentru
2
I aplic"m criteriul corespunz"tor integralelor
generalizate cu limite infinite. Criteriul este urm"torul :
Fie [ ) ( ) 0 , 0 , , : > > x f a R a f , oricare ar fi [ ) , a x . Dac"
( ) L x f x
x
=

lim
(finit), atunci :
$) pentru $ > ,
( )
a
dx x f
este convergent".
2) pentru $ #i 0 L integrala este divergent".
Calcul"m
( ) 0 lim lim lim
$
$
= = =
+

x
a
x
x a
x x
e
x
e x x x f x

, dac" $ > .
Deci, func!ia ( ) a este convergent" oricare ar fi a>0 .
P2.
( )

=
0
$ dx e
x
,
( ) [ )
=

u
x
u dx e u F
0
, 0 ,
( ) $ |
0
+ = =
u u x
e e u F ,
( ) $ lim =

u F
u
.
P3.
( ) ( ) ( ) = + = =

0
2
0
2
0
$
0
$
$ $ | dx e x a dx e x a e x dx e x a
x a x a x a x a
( ) ( ) ( ) $ $ = a a a .
Integrarea o vom face prin p"r!i.
$
=
a
x f ,
2
) $ ( '

=
a
x a f
x
e g

= ' ,
x
e g

=
P4. ( ) ( ) ( ) ( )( ) ( ) ( )( ) ( ) = = = = $ $ 2 $ 2 2 $ $ $ n n n n n n n n
( ) )! $ ( = n n
P5.

= =
0 0
2
$
2
$
dx
x
e
dx e x
x
x
Schimbarea de variabil"
2
t x = conduce la :
= =
0
2
2
2
$
dt e
t
EXEMPLU : S" se calculeze :
( ) 0 ,
0
2
2
> =
a dx e x a
ax n
Not"m
dy
y a
dx y
a
a
y
x
a
y
x y ax
2
$ $ $
2 2
= = = = =
Dac" 0 0 = = y x . Dac" y x .
( ) =
=
+

2
$ 2 $
2
$ $
2
$ $ $
$ 2
0
2
$
$ 2
0
2
n
a
dy e y
a
dy
y a
e y
a
a
n
y
n
n
y
n
)! $ ( 2
)! $ 2 ( $
2
$
$ 2
$ 2
=

+
n
n
a
n
n
=
2
$
2
$
2
3 2
2
$ 2
2
3 2
2
3 2
2
$ 2
2
$ 2
2
$ 2
2
$ 2
n n n n n n n n
)! $ ( 2
)! $ 2 (
) 2 2 ( 6 4 2 2
)! $ 2 (
$ 2
n
n
n
n
n n

Integrala Beta
(2)
( ) ( )
=
$
0
$
$
$ , dx x x b a
b
a
PROPRIET&%I :
P$. ( ) b a, este convergent" pentru a>0 , b>0 .
P2. ( ) ( ) a b b a , , =
P3. Formula de recuren!" n raport cu primul parametru :
( ) ( ) b a
b a
a
b a , $
$
$
,
+
=
P4. Formula de recuren!" n raport cu ambii paramentrii :
( ) ( ) $ , $
2
$
$
$
,
+
= b a
b a
b
b a
a
b a
P5. Integrala Beta are urm"toarele forme :
(i)
( )

+
+ =
0
) ( $
) $ ( , dy y y b a
b a a
(ii)
( ) ( ) ( )

=
2
0
$ 2 $ 2
sin cos 2 ,

dt t t b a
b a
P6.
( )
( ) ( )
( ) b a
b a
b a
+

= ,
DEMONSTRA%IE :
P$. Pentru a>1 #i b>1, func!ia ( ) ( )
$
$
$

=
b
a
x x x f este continu"
pe [ ] $ , 0 #i deci integrabil".
Pentru $ 0 < a , $ 0 < b ( observa!ie : ntr-unul din
cazuri, integrala este improprie ) ,
( ) =
>
x f
x
x
0
0
lim
,
( ) =
<
x f
x
x
$
$
lim
.
Fie ( ) $ , 0 c .
( ) ( ) ( ) dx x x dx x x b a
c
b
a
c
b
a

+ =
$
$
$
0
$
$
$ $ ,
.
Not"m cu
$
I #i
2
I cele dou" integrale
( )
=
c
b
a
dx x x I
0
$
$
$
$
,
( )
=
c
b
a
dx x x I
0
$
$
2
$
.
Pentru
$
I ,
( ) x f x
a
a x
a x
>
$
lim
exist" #i este finit". Integrala
$
I este
convergent" pentru 0 $ $ > < a a .
Pentru
2
I ,
( ) $ ) $ ( lim
$
=

<
x f x
b
b x
b x
. Deci integrala
2
I este
convergent" pentru 0 $ $ > < b b .
P2.
( ) ( ) ( ) ( ) ( )

= = = =

0
$
$
0
$
$ $
$
$
0
$
$
, $ $ $ , b a dy y y dy y y dx x x b a
a
b b
a b
a

Not"m dy dx y x = = $ .
$ 0 = = y x , 0 $ = = y x
P3.
( ) ( ) ( ) ( )

=
+ = =

$
0
2 $
0
$
$
0
$
$
$
$
| $
$
$ , dx x x
b
a
x x
b
dx x x b a
b
a
b
a
b
a
( ) ( ) ( ) =

$
0
$
$
$
0
$
2
$
0
2
$
$
$
$
$
$
dx x x
b
a
dx x x
b
a
dx x x
b
a
b
a
b
a
b
a
( ) ( ) ( ) b a
b a
a
b a b a
b
a
, $
$
$
, , $
$
=
$
=
a
x f ,
2
) $ ( '

=
a
x a f
( )
$
$ '

=
b
x g ,
( )
b
x
b
g = $
$
P4.
( ) ( ) ( ) =
+
=
+
= $ ,
$
$
, $
$
$
, a b
b a
a
b a
b a
a
b a
( ) ( ) $ , $
2
$
$
$
$ , $
2
$
$
$

+
=
+
= b a
b a
b
b a
a
a b
b a
b
b a
a

P6.
( )
( ) ( )
( ) b a
b a
b a
+

= ,
Pentru t>0 ,

=
0
$
$
dx e x I
tx a
.
Not"m
dy
t
dx
t
y
x y tx
$
= = =
. Dac" 0 0 = = y x ,
dac" y x , .
( ) a
t
dx e x dy
t
e
t
y
dx e x
a
tx a y
a
a
tx a
= =

$ $
0
$
0
$
$
0
$
nlocuim pe t cu t+1 #i pe a cu a+b :
( ) b a
t
dx e x
b a
x t b a
+
+
=
+
+
) $ (
$
) $ (
0
$
. nmul!im aceast" rela!ie cu
$ b
t #i apoi integr"m de la 0 la n raport cu t.
( )

+

+ +
+
= + =
0
$
0 0
) $ ( $ $
) $ (
$
dt
t
t b a dt dx e x t
b a
b x t b a b
( ) ( ) b a b a dt dx e x t
x t b a b
,
0 0
) $ ( $ $
+ =

+ +
( ) ( ) ( )

+

+
+ = =
0
$
0 0
$ $
,
$
b a b a dx b
x
e x dx dt e t e x
b
x b a tx b x b a
( ) ( ) ( ) ( ) ( ) ( ) ( ) + = + =

b a b a a b b a b a dx e x b
x a
, ,
0
$

( )
( ) ( )
( ) b a
b a
b a
+

= ,
EXEMPLU : S" se calculeze integralele :
$.
=
e
dx x x
x
I
$
4 3
) ln $ ( ln
$
Not"m t x = ln #i deci
dt dx
x
=
$
.

280
$
! 8
! 4 ! 3
) 9 (
) 5 ( ) 4 (
) 5 , 4 ( ) $ (
$
0
4 3
=

= = =
dt t t I
.
2.
+
=
8
0
6
4
$
dx
x
x
I
Not"m
3 6
$
,
6
5
6
$
) $ (
6
$
0
$
6
$
6

=
= + = =
dt t t I t x
Integrala Euler Poisson
=
0
2
dx e I
x
(func!ia ( )
2
x
e x f

= este continu", deci
integrabil")
x
dy
dx dy xdx y x
2
2
2
= = =
. Dac" 0 0 = = y x ,
dac" y x

= = =
0
2
$
0
2 2
$
2
$
2
$
2
$
dy e y dy
y
e I
y y
EXEMPLU:
( )
9 6
2
0
4 6
2
3
! 5 2
9 5
2
$
2
$
2
3
2
$
2
$
2
3
2
5
! 5 2
$
6
2
5
2
7
2
$
2
5
,
2
7
2
$
cos sin

= =
I
xdx x I
CAPITOLUL 7
CMP DE EVENIMENTE. CMP DE PROBABILITATE
7.1. No!iuni fundamentale: evenimente; probabilitatea de
producere a evenimentelor.
DEFINI!IE : Experien!a reprezint" orice act care poate fi
repetat n condi#ii date. Aplicarea experien#ei asupra unei popula#ii
date se nume$te prob".
DEFINI!IE : Evenimentul reprezint" orice rezultat al unei
experien#e.
No#iunea de eveniment n teoria probabilit"#ilor este legat"
de producerea sau neproducerea unui fenomen (ntr-o experien#"
dat") $i nu de natura fenomenului.
EXEMPLUL % : La controlul de recep#ie a m"rfurilor :
Experien#a const" n cercetarea unui lot de marf", dac"
corespunde sau nu din punct de vedere al calit"#ii.
Proba const" n cercetarea calit"#ii unei unit"#i (unui articol)
din marfa respectiv".
Evenimentele rezultate sunt :
-articolul este corespunz"tor;
-articolul nu este corespunz"tor.
EXEMPLUL 2 : La aruncarea unui zar :
Experien#a const" n crearea condi#iilor de aruncare a
zarului (mas", zar).
Proba const" n aruncarea zarului $i citirea fe#ei.
Evenimentele sunt asociate fe#elor %, 2, 3, 4, 5 sau 6.
DEFINI!IE : Se nume$te eveniment elementar
evenimentul care se poate realiza printr-o singur" prob".
Dac" o experien#" are n rezultate posibile, vom nota
evenimentele elementare cu
n
, ,
%
.
DEFINI!IE : Not"m cu mul#imea tuturor evenimentelor
elementare, } , , {
% n
= .
De exemplu, n cazul arunc"rii zarului, } 6 , 5 , 4 , 3 , 2 , % { = .
OBSERVA!IE : Mul#imea este evenimentul sigur
(adic" evenimentul care se poate realiza prin oricare din probe).
DEFINI!IE : Evenimentul care nu se produce la nici o
efectuare a experien#ei se nume$te evenimentul imposibil, pe care
l not"m cu .
DEFINI!IE : Evenimentul care poate fie s" se produc" fie
s" nu se produc" n efectuarea unei experien#e se nume$te
eveniment aleator (ntmpl"tor).
Vom nota evenimentele aleatoare cu litere mari A, B, C,
Dac" evenimentele aleatoare pot fi observate de mai multe ori n
condi#ii identice se constat" c" ele se supun unor legit"#i statistice.
Teoria probabilit"#ilor studiaz" aceste legit"#i, care permit s" se
prevad" desf"$urarea evenimentelor.
Fiec"rui eveniment A i corespunde un eveniment contrar
(opus, complementar) care se realizeaz" atunci $i numai atunci cnd
nu se realizeaz" evenimentul A. Vom nota evenimentul contrar cu
A sau C(A).
OBSERVA!IE : = ; = .
DEFINI!IE : Evenimentul A implic" evenimentul B, dac"
realizarea evenimentului A atrage dup" sine realizarea
evenimentului B. Not"m B A .
OBSERVA!IE : Dac" A este un eveniment $i este
evenimentul sigur, evident A .
DEFINI!IE : Dac" B A $i A B , atunci evenimentele A
$i B sunt echivalente.
7.2. Opera!ii cu evenimente
Fie evenimentele A $i B.
DEFINI!IE : Evenimentul a c"rui producere const" n
producerea a cel pu#in unuia din evenimentele A $i B se nume$te
reuniunea (suma) evenimentelor. Se noteaz" cu B A $i se cite$te
A sau B.
DEFINI!IE : Evenimentul care const" n producerea
simultan" a evenimentelor A $i B se nume$te intersec!ia (produsul)
evenimentelor. Se noteaz" cu B A $i se cite$te A $i B.
n general,
n
i
i
A S
% =
=
$i
n
i
i
A I
% =
=
.
DEFINI!IE : Dou" evenimente sunt incompatibile dac" nu
se pot produce simultan. Deci = B A .
OBSERVA!IE : = A A .
DEFINI!IE : Diferen!a evenimentelor AB este
evenimentul care se produce atunci $i numai atunci cnd se produce
A $i nu se produce B. Avem : B A B A = .
Propriet!"i ale opera"iilor cu evenimente :
A B B A = A B B A =
) ( ) ( C B A C B A = ) ( ) ( C B A C B A =
A A A = A A A =
A A = = A
= A A A =
= A A = A A
A A = ) (
=

n
i
i
n
i
i
A A
% % = =
=
DEFINI!IE : O mul#ime nevid" K de p"r#i ale lui se

nume$te corp de evenimente dac" :
a) oricare ar fi evenimentul A din mul#imea K, atunci $i
evenimentul A apar#ine mul#imii K.
b) oricare ar fi evenimentele A $i B din mul#imea K,
B A apar#ime mul#imii K.
CONSECIN!E :
a) K
Demonstra!ie : dac" K A , atunci $i K A , iar K A A = ,
conform propriet"#ilor opera#iilor cu evenimente.
b) K
Demonstra!ie : deoarece K , $i K = .
c) Dac" K B A , , atunci K B A
Demonstra!ie : K B A B A B A = = .
d) Dac" K B A , , atunci K B A
DEFINI!IE : O mul#ime nevid" K de p"r#i ale lui se
nume$te corp borelian de evenimente, dac" :
a) oricare ar fi evenimentul A din mul#imea K, atunci $i
evenimentul A apar#ine mul#imii K.
b) oricare ar fi K A
j
, ,... 2 , % = j , atunci
K A
j
j

%
.
DEFINI!IE : Se nume$te cmp finit de evenimente, o
mul#ime finit" de evenimente elementare pe care s-a definit un
corp de evenimente K. Se noteaz" ) , ( K .
DEFINI!IE : Se nume$te cmp borelian de evenimente o
mul#ime finit" de evenimente elementare peste care s-a definit un
corp borelian de evenimente.
OBSERVA!IE : Din defini#ia anterioar" rezult" c" n
mul#imea evenimentelor cmpului ) , ( K exist" o submul#ime
n i
i
,..., % }, { = numit" mul#imea evenimentelor elementare. Aceast"
mul#ime are urm"toarele propriet"#i :
%)
i
, n i ,..., % = .
2) =
j i
, j i .
3)
=
=
n
i
i
%
.
4) exist" cel pu#in un eveniment ) , ( K A ,
i
A , n i ,..., % = ,
astfel nct
p
i i
A = ...
%
, n p % .
DEFINI!IE :
n
E E E ,..., ,
2 %
formeaz" un sistem complet de
evenimente, deoarece :
%)
=
=
n
i
i
E
%
2) =
j i
E E , j i .
7.3. Conceptul de probabilitate
Pentru m"surarea $anselor de realizare a unui eveniment
aleator s-a introdus no#iunea de probabilitate. Sunt cunoscute trei
defini#ii ale no#iunii de probabilitate.
%. Defini!ia axiomatic" introduce probabilitatea ca o func#ie p
definit" pe un cmp de evenimente cu valori n mul#imea
numerelor reale.
2. Defini!ia clasic" a probabilit"#ii reduce conceptul de
probabilitate la cazul evenimentelor egal posibile.
3. Defini!ia statistic" exprim" probabilitatea cu ajutorul
frecven#ei de realizare a unui eveniment ntr-un num"r mare
de experien#e realizate n acelea$i condi#ii.
DEFINI!IA AXIOMATIC& A PROBABILIT&!II:
Fie ) , ( K un cmp de evenimente.
Func#ia R K P ) , ( : , care asociaz" oric"rui eveniment
) , ( K A num"rul real P(A), cu propriet"#ile :
%) 0 ) ( A P , oricare ar fi ) , ( K A ,
2) % ) ( = P ,
3) ) ( ) ( ) ( B P A P B A P = , oricare ar fi ) , ( , K B A ,
= B A ,
se nume$te probabilitate.
Aceast" defini#ie a fost enun#at" de A.N.Kolmogorov
(1929).
DEFINI!IE : Un cmp de evenimente ) , ( K nzestrat cu o
probabilitate P se nume$te cmp de probabilitate, $i se noteaz" cu
) , , ( P K .
DEFINI!IE : Se nume$te probabilitate - aditiv" (sau
complet aditiv") pe cmpul borelian de evenimente ) , ( K o
func#ie R K P ) , ( : cu propriet"#ile :
%) 0 ) ( A P , oricare ar fi ) , ( K A ,
2) % ) ( = P ,
3)
=
=
% %
) (
i
i
i
i
A P A P

, oricare ar fi $irul ( ) ( ) K A
N i i
, *
$i
=
j i
A A , oricare ar fi j i .
DEFINI!IE : Un cmp borelian de evenimente ) , ( K
nzestrat cu o probabilitate - aditiv" se nume$te cmp borelian
de probabilitate $i se noteaz" ) , , ( P K .
Consecin!e ale defini!iei axiomatice a probabilit"!ii:
C1. ) ( % ) ( A P A P =
Demonstra!ie : Din propriet"#ile opera#iilor cu evenimente $tim c"
= A A . Atunci ) ( ) ( ) ( A P A P A A P + = , deoarece
= A A . Rezult" c" ) ( % ) ( A P A P = .
C2. Dac" ) , ( K A
i
, n i ,..., % = cu proprietatea c" =
j i
A A ,
oricare ar fi j i , n j i ,..., % , = , atunci :
=
=
% %
) (
i
i
i
i
A P A P

.
Demonstra!ie : - folosim induc#ia matematic" .
Pentru n=2, rela#ia este adev"rat", conform propriet"#ii numarul 3
din defini#ia lui Kolmogorov.
Presupunem c" propozi#ia este adev"rat" pentru n-%, adic"
=
=
%
%
%
%
) (
n
i
i
n
i
i
A P A P

. Not"m
%
%
=
=
n
i
i
A A
. Rezult" astfel c" putem
scrie
n
n
i
i
A A A =
%
%
.
Atunci
=
= + =
n
i
i n
n
i
i
A P A P A P A P
%
%
%
) ( ) ( ) (
.
C3.
=
=
n
i
i
P
%
% ) (
, unde
n
,..., ,
2 %
sunt evenimentele elementare
ale mul#imii .
Demonstra!ie:
n
i
i
% =
=
$i =
j i
, j i . Atunci
% ) (
%
= =
=
P P
n
i
i
, deci
=
=
n
i
i
P
%
% ) (
.
C4. Dac" ) , ( , K B A $i B A , atunci ) ( ) ( B P A P .
Demonstra!ie: Dac" B A , atunci
p
i
i
A
% =
=
$i
q p
i
i
B
+
=
=
%
. 'tim c"
=
j i
, j i .
Deci :
=
=
p
i
i
P A P
%
) ( ) (
$i

= + =
+ =
p
i
q
p i
i i
P P B P
% %
) ( ) ( ) (
. Dar
0 ) (
i
P , de unde rezult" c" ) ( ) ( B P A P .
C5. Oricare ar fi evenimentul ) , ( K A , este adev"rat" rela#ia
% ) ( 0 A P .
Demonstra!ie: Oricare ar fi ) , ( K A , A , deci vom avea
) ( ) ( ) ( P A P P , adic" % ) ( 0 A P .
C6. S" consider"m o experien#" n care mul#imea evenimentelor
elementare cuprinde evenimente egal posibile (exemplu: aruncarea
unui zar). Din C3. rezult" c"
n
P
i
%
) ( =
. Fie ) , ( K A , unde
k
i i
A = ...
%
. Atunci ) ( ... ) ( ) (
% k
i i
P P A P + + = , deci
n
k
A P = ) (
.
DEFINI!IA CLASIC& A PROBABILIT&!II:
Probabilitatea unui eveniment ) , ( K A este egal" cu
raportul dintre num"rul cazurilor favorabile producerii
evenimentului A $i num"rul total de cazuri posibile.
7.4. Probabilit"!i condi!ionate
DEFINI!IE : Fie ) , , ( P K un cmp borelian de
probabilitate. Fie ) , , ( , P K B A cu 0 ) ( A P . S" presupunem c"
apari#ia evenimentului B este condi#ionat" de apari#ia evenimentului
A. Vom nota aceast" probabilitate condi#ionat" cu ) (B P
A
sau
) / ( A B P . Atunci
) / (
) (
) (
) ( A B P
A P
B A P
B P
A
=
=
.
Propriet"!i ale probabilit"!ilor condi!ionate:
Proprietatea 1 :
)} ( , , { B P K
A
este un cmp (chiar borelian) de
probabilitate.
Demonstra!ie: Verific"m ipotezele :
%. 0 ) ( B P
A
deoarece 0 ) ( B A P $i 0 ) ( > A P
2. % ) ( =
A
P
%
) (
) (
) (
) (
) ( = =

=
A P
A P
A P
A P
P
A
3. ) ( ) ( ) (
2 % 2 %
B P B P B B P
A A A
+ =
=

=

=
) (
)] ( ) [(
) (
] ) [(
) (
2 % 2 %
2 %
A P
A B A B P
A P
A B B P
B B P
A
) ( ) (
) (
) (
) (
) (
2 %
2 %
B P B P
A P
A B P
A P
A B P
A A
+ =
=
n aceast" demonstra#ie avem n vedere faptul c"
=
2 %
B B $i A B B A B A B =
2 % 2 %
) ( ) ( .
Proprietatea 2 :
Dac" 0 ) ( A P $i 0 ) ( B P , atunci este adev"rat"
rela#ia ) ( ) ( ) ( ) ( A P B P B P A P
B A
= .
Demonstra!ie:
) (
) (
) (
A P
B A P
B P
A
=
, de unde ) ( ) ( ) ( B P A P B A P
A
=
) (
) (
) (
B P
A B P
A P
B
=
, de unde ) ( ) ( ) ( A P B P A B P
A
=
Cum ) ( ) ( A B P B A P = , avem ) ( ) ( ) ( ) ( A P B P B P A P
B A
=
$i proprietatea 2 este demonstrat".
DEFINI!IE : Evenimentele ) , ( , K B A sunt
independente dac" ) ( ) ( ) ( B P A P B A P = .
7.5. Formule de calcul ale probabilit"!ilor n cazul opera!iilor cu
evenimente
1) Reuniunea evenimentelor incompatibile:
= =
=
n
k
k
n
k
k
A P A P
% %
) (
, dac" =
j i
A A , j i .
Demonstra!ia este imediat", prin metoda induc#iei matematice,
utiliznd axioma 3 din defini#ia axiomatic" a probabilit"#ii.
2) Reuniunea evenimentelor compatibile:
) ( ) ( ) ( ) ( B A P B P A P B A P + = (*)
Demonstra!ie : Evenimentele A $i B se mai pot scrie astfel:
) ( ) ( B A B A A =
) ( ) ( A B A B B =
Deci ) ( ) ( ) ( B A B A B A B A = . Evenimentele din
paranteze sunt independente dou" cte dou".
) ( ) ( ) ( ) ( B A P B A P B A P B A P + + = ( )
) ( ) ( ) ( B A P B A P A P + =
) ( ) ( ) ( B A P B A P B P + =
Din rela#ia ( ) sc"dem cele dou" rela#ii de mai sus $i ob#inem:
) ( ) ( ) ( ) ( B A P B P A P B A P = , de unde rezult"
) ( ) ( ) ( ) ( B A P B P A P B A P + = .
n general, fie sistemul de evenimente compatibile
K A A
n
} ,..., {
%
. Probabilitatea producerii a cel pu#in unuia dintre
aceste evenimente este:

= < < < =
+ + + =
n
i j i k j i
k j i j i i
n
i
i
A A A P A A P A P A P
% %
... ) ( ) ( ) (
) ... ( ) % (
2 %
%
n
n
A A A P +
+
. Aceast" formul" se nume$te
formula lui Poincar.
Demonstra!ie: Se utilizeaz" induc#ia matematic".
n etapa de verificare, pentru 2 = n , se ob#ine rela#ia (*)
care a fost demonstrat".
Se presupune proprietatea adev"rat" pentru k evenimente
compatibile, cu n k $i se demonstreaz" c" formula lui Poincar
este adev"rat" $i pentru n+1 evenimente. Atunci:
=
\
|
+
\
|
=
\
|
=
\
|
=
+
=
+
=
+
=
%
%
%
%
%
%
%
%
) (
n
n
k
k n
n
k
k n
n
k
k
n
k
k
A A P A P A P A A P A P

\
|
=
=
+
=

n
k
n k n
n
k
k
A A P A P A P
%
% %
%
) ( ) (
.
n primul $i al treilea termen al acestei rela#ii se utilizeaz"
formula Poincar, adev"rat" pentru n evenimente compatibile.
Rezult" :

< < = < =
+
=
+
=
+ =
n
k j i k j i
k j i
j i j i
j i
n
k
k
n
k
k
A A A P A A P A P A P
; % , , ; % ,
%
%
%
%
) ( ) ( ) (
+
+
=
%
%
) % ( ...
n
k
k
n
A P
EXEMPLU: Problema concordan!elor
O urn" con#ine n bile numerotate 1,2,,n. Se extrag pe rnd
toate bilele din urn". Se nume$te concordan#" de rang k evenimentul
ca la extragerea de rang k s" apar" bila cu num"rul k. Fie A
k
acest
eveniment. S" se determine probabilitatea de a avea cel pu#in o
concordan#".
Rezolvare: Fie A evenimentul de a avea cel pu#in o
concordan#". Rezult" c"
n
k
k
A A
% =
=
, iar evenimentele sunt
compatibile.
Se aplic" formula lui Poincar.
n n
n
A P
k
%
!
)! % (
) ( =
=
, oricare ar fi n k ,..., 2 , % = .
) % (
%
!
)! 2 (
) (
=
n n n
n
A A P
j i
, oricare ar fi n j i ,..., 2 , % , = , $i j i .
..
!
%
%
n
A P
n
k
k
=
Rezult" :
+
= + +
=

= < =
) % (
% % %
) % ( ...
) % (
% %
) (
2
% ; % ,
%
n n
C
n
n
n n n n
A P
n
n
k
n
j i j i
n
!
%
) % ( ...
! 3
%
! 2
%
%
!
%
) % ( ...
) 2 )( % (
%
% % 3
n n n n n
C
n n
n
+ + + = + +

+

3) Formula de nmul!ire a probabilit"!ilor:
TEOREMA %: Fie ) , , ( P K un cmp de probabilitate $i fie
familia de evenimente K A A A
n
) ,..., , (
2 %
independente n totalitatea
lor. Atunci, probabilitatea producerii simultane a celor n evenimente
este egal" cu produsul probabilit"#ilor acestor evenimente:
= =
=
n
k
k
n
k
k
A P A P
% %
) (
.
Demonstra!ie : Se face prin induc#ie dup" n.
Pentru n=2, etapa de verificare, rezult" din defini#ia
independen#ei a dou" evenimente: ) ( ) ( ) (
2 % 2 %
A P A P A A P =
Presupunem teorema adev"rat" pentru k evenimente
) ( n k $i o demonstr"m pentru n+1 evenimente:
=
=
+
=
+
=
+
) ( ) ... (
%
%
%
%
% 2 % n
n
k
k n
n
k
k n n
A P A P A A P A A A A P

+
=
+
=
=
=
%
%
%
%
) ( ) ( ) (
n
k
k n
n
k
k
A P A P A P
TEOREMA 2: ntr-un cmp de probabilitate ) , , ( P K fie
familia de evenimente K A A A
n
) ,..., , (
2 %
astfel nct probabilitatea
) ,..., , (
2 % n
A A A P . Atunci:
) ... | ( ... ) | ( ) | ( ) (
% % 2 % 3 % 2 %
%

=
=
n n
n
k
k
A A A P A A A P A A P A P A P

Demonstra!ie: Se poate demonstra fie prin induc#ie, fie
prin defini#ia probabilit"#ilor condi#ionate. Aplic"m a doua metod":
) ( ) (
% %
A P A P =
) (
) (
) | (
%
2 %
% 2
A P
A A P
A A P

=
) (
) (
) | (
2 %
3 2 %
2 % 3
A A P
A A A P
A A A P

=
..
) ... (
) ... (
|
% 2 %
2 %
%
%
=

=
n
n
n
i
i n
A A A P
A A A P
A A P

nmul#im ntre ele expresiile din membrul stng $i din
membrul drept $i simplific"m. Rezult" :
) ... ( | ) | ( ) (
2 %
%
%
% 2 % n
n
i
i n
A A A P A A P A A P A P =
EXEMPLU : Un lot de piese con#ine 5% piese rebut.

Controlul de calitate stabile$te ca regul" de acceptare a lotului
condi#a ca la 5 verific"ri consecutive s" nu fie nici o pies" rebut.
Care este probabilitatea de acceptare a lotului?
Rezolvare: Fie A
k
evenimentul ca piesa controlat"
lacontrolul de ordinul k s" fie corespunz"toare, fie A evenimentul ca
lotul s" fie acceptat. Atunci:
5 4 3 2 %
A A A A A A = .
Evenimentele nu sunt independente, deoarece orice realizare a unuia
dintre ele influen#eaz" realizarea celorlalte prin modificarea
propor#iei de piese corespunz"toare din lot.
) | ( ) | ( ) | ( ) | ( ) ( ) (
4 3 2 % 5 3 2 % 4 2 % 3 % 2 %
A A A A A P A A A A P A A A P A A P A P A P =
Avem:
%00
95
) (
%
= A P
;
99
94
) | (
% 2
= A A P
;
98
93
) | (
2 % 3
= A A A P
;
97
92
) | (
3 2 % 4
= A A A A P
;
96
9%
) | (
4 3 2 % 5
= A A A A A P
.
Deci:
77 , 0
96
9%
97
92
98
93
99
94
%00
95
) ( = = A P
.
7.6. Formula probabilit"!ilor totale
Fie
n
A A A ,..., ,
2 %
un sistem complet de evenimente al
cmpului ) , ( K . Adic" =
n
A A
%
$i =
j i
A A , unde
n j i , , % , = , j i .
Fie ) , ( K X evenimentul care se realizeaz" condi#ionat
cnd unul din evenimentele A
i
se realizeaz". Cunoscnd ) (
i
A P $i
) (X P
i
A
, n i , , % = , s" se determine P(X).
TEOREM& : Probabilitatea unui eveniment X ce se produce
condi#ionat de unul din evenimentele
n
A A A ,..., ,
2 %
care formeaz" un
sistem complet de evenimente este :
=
=
n
i
A i
X P A P X P
i
%
) ( ) ( ) (
(formula probabilit"!ii totale)
Demonstra!ie: Putem scrie :
) ( ) ( ) (
2 %
X A X A X A X
n
= .
Vom ar"ta c" : = ) ( ) ( X A X A
j i
.
= = = X X A A X A X A
j i j i
) ( ) ( ) ( , j i .
= = =

=
n
i
i n
X A P X A X A X A P X P
%
2 %
) ( )] ( ) ( ) [( ) (
=
=
n
i
A i
X P A P
i
%
) ( ) (
deoarece ) ( ) ( ) ( X P A P X A P
i
A i i
=
$i
) (
) (
) (
i
i
A
A P
X A P
X P
i
=
.
7.7. Formula lui Bayes
Considernd acelea$i ipoteze ca $i n cazul formulei
probabilit"#ilor totale : =
n
A A
%
$i =
j i
A A , unde
n j i , , % , = , j i , not"m cu ) , ( K X evenimentul care se
realizeaz" cnd unul din evenientele A
i
, n i , , % = , se realizeaz".
Problema: S" se determine probabilitatea evenimentelor A
i
n ipoteza realiz"rii evenimentului X, adic" = ) (
i X
A P ?
=
n
i
A i
A i
i x
X P A P
X P A P
A P
i
i
%
) ( ) (
) ( ) (
) (
(formula lui Bayes)
Demonstra!ie:
) (
) (
) (
i
i
A
A P
X A P
X P
i
=
$i
) (
) (
) (
X P
X A P
A P
i
i X
=
. Rezult" c":
= ) ( ) ( ) ( ) (
i X A i
A P X P X P A P
i

) (
) ( ) (
) (
X P
X P A P
A P
i
A i
i X
=
.
Vom nlocui P(X) cu formula probabilit"#ii totale $i ob#inem :
=
n
i
A i
A i
i x
X P A P
X P A P
A P
i
i
%
) ( ) (
) ( ) (
) (
.
7.8. Scheme probabilistice clasice
Colectivit"#ile studiate n practic" au caracteristici care duc
la evenimente care se realizeaz" dup" scheme teoretice
asem"n"toare.
1. Schema urnei cu bile nerevenite:
Se consider" o urn" n care sunt bile albe $i bile negre. Fie
a num"rul bilelor albe $i b num"rul bilelor negre. Fie N=a+b
num"rul total de bile din urn".
Se extrag succesiv n bile, f"r" a repune bilele napoi (sau se
extrag deodat" n bile).
Se cere probabilitatea ) , (
n
P ca din cele n bile extrase,
s" fie albe $i s" fie negre.
Solu!ie: Num"rul tuturor grupelor de n bile luate din cele N
bile este
n
N
C . Pentru a determina num"rul cazurilor favorabile
asociez fiecare grup" de bile albe (n total
a
C grupe) cu fiecare
grup" ce con#ine bile negre (n total
b
C grupe).
Deci num"rul total al cazurilor favorabilr este

b a
C C .
Folosind defini#ia clasic" a probabilit"#ii se ob#ine rela#ia :
n
N
b a
n
C
C C
P

= ) , (
, unde a+b=n $i n = + .
Dac" not"m x = (din n bile extrase x s" fie albe), vom
ob#ine:
n
N
x n
a N
x
a
n
C
C C
x P
= ) (
.
Generalizare: Presupunem c" n urn" sunt bile de s culori.
Fie a
k
num"rul bilelor de culoarea k ) , , % ( s k = . Se extrag deodat"
n bile. Care este probabilitatea ca x
k
bile s" fie de culoarea k ?
Avem:
N a
s
k
k
=
=%
$i
n x
s
k
k
=
=%
. Se ob#ine rela#ia urm"toare :
n
N
x
a
x
a
x
a
s n
C
C C C
x x x P
s
s

=
...
) ,..., , (
2
2
%
%
2 %
EXEMPLU:
ntr-un depozit sunt 30 televizoare , %8 de produc#ie str"in"
$i %2 de produc#ie romneasc", ambalate identic. Care este
probabilitatea ca la o comand" de %0 televizoare, un magazin s"
primeasc" 6 str"ine $i 4 romne$ti?
9 , 0
667
6%2
) 4 , 6 (
%0
30
4
%0
6
%0
%0
=
=
C
C C
P
.
2. Schema urnei cu bila revenit" (schema Bernoulli):
Se consider" o urn" n care sunt bile albe $i bile negre. Fie
a num"rul bilelor albe $i b num"rul bilelor negre. Fie N=a+b
num"rul total de bile din urn". Se extrag n bile, de fiecare dat" bila
extras" introducndu-se napoi n urn".
Se cere: probabilitatea ca din cele n bile extrase x bile s" fie
albe.
Solu!ie: Fie A evenimentul extragerii unei bile albe. Not"m
p A P = ) ( , deci p q A P = = % ) ( .
Fie
4 4 4 4 3 4 4 4 4 2 1

ori x de
A si si A si A
$i
4 4 4 4 3 4 4 4 4 2 1
ori x n de
A si si A si A
) (
...
,
o succesiune n care A apare de x ori $i A apare de (n-x) ori.
Probabilitatea unei astfel de succesiuni de evenimente
independente (rezultatul oric"rei extrageri nu depinde de
precedentul) este :
x n x
ori x n de ori x de
q p A A A A A A P

= ] [
) (
4 4 4 4 4 3 4 4 4 4 4 2 1

4 4 4 4 3 4 4 4 4 2 1

Num"rul succesiunilor distincte n care apare A de x ori $i
A de (n-1) ori este, evident,
x
n
C . Deoarece aceste succesiuni sunt
incompatibile $i echiprobabile, rezult" rela#ia:
x n x x n x x
n n
q p
x n x
n
q p C x P

= =
)! ( !
!
) (
.
OBSERVA!IE: Probabilitatea de mai sus este egal" cu
coeficientul lui
x
t din dezvoltarea binomului
n
pt q ) ( + .
EXEMPLU:
Se consider" o urn" ce con#ine 3 bile albe $i 4 bile negre.
Din aceast" urn" se fac 3 extrageri cu revenire. Cu ce probabilitate
se ob#in 2 bile albe $i o bil" neagr"?
3%5 , 0
343
%08
7
4
7
3
) 2 (
2
2
3 3
= =
= C P
Generalizare: Fie o urn" cu bile de s culori. Fie p
k
probabilitatea extragerii unei bile de culoare k ) , , % ( s k = .
Ne intereseaz" s" determin"m probabilitatea ca din cele n
bile extrase,
k
x bile s" fie de culoarea k , ) , , % ( s k = . Notnd
aceast" probabilitate cu ) ,..., , ( ) (
2 % s n
x x x x P = , se arat" c":
s
x
s
x x
n
s n
p p p
x x x
n
x x x x P

= =
2 %
2 %
2 %
2 %
! ! !
!
) ,..., , ( ) (
, unde 0
k
x ,
n x
s
k
k
=
=%
,
%
%
=
=
s
k
k
p
. (lege multinominal")
EXEMPLU:
Un magazin prime$te n cursul unei s"pt"mni %00 buc"#i
dintr-o anumit" marf" provenit" de la fabricile A, B, C.
Probabilitatea ca marfa s" provin" de la fabrica A este de 0,6; de la
fabrica B este de 0,2; de la fabrica C este de 0,2. Care este
probabilitatea ca din cele %00 buc"#i primite, 60 s" fi fost realizate la
fabrica A, 30 la fabrica B, iar restul la C?
%0 30 60
) 2 , 0 ( ) 2 , 0 ( ) 6 , 0 (
! %0 ! 30 ! 60
! %00

= p
3. Problema lui Pascal:
Fie o urn" Bernoulli. Fie X evenimentul ca prima bil" alb"
s" fie extras" la extragerea de ordinul x. Fie A evenimentul de
extragere a bilei albe $i A evenimentul de extragere a bilei negre.
Deci
A A A A X
ori x
=
4 4 4 4 4 3 4 4 4 4 4 2 1

) % (
.
'tiind c" p A P = ) ( $i q A P = ) ( , atunci
%
) (

=
x
q p X P .
Aceast" lege se mai nume$te $i legea geometric" deoarece
este exprimat" prin termenul general al unei progresii geometrice cu
primul termen p $i ra#ia q.
EXEMPLU:
ntr-un raft sunt c"m"$i de acela$i fel de talia I $i a-II-a n
propor#ie de 49% (I) $i 5%% (II), identic ambalate. Care este
probabilitatea ca un cump"r"tor care dore$te o c"ma$" de talia II s"
o g"seasc" numai la a 6-a ncercare?
6 = x , 49 , 0 = p , 5% , 0 = q .
0%69 , 0 ) 5% , 0 ( 49 , 0 ) (
5 %
= = =
x
q p X P .
4. Schema lui Poisson
Fie n urne care con#in bile albe $i negre n propor#ii diferite:
Urna U
%
: %
% %
= + q p ;
Urna U
2
: %
2 2
= + q p ;
.
Urna U
n
: % = +
n n
q p .
Se extrage cte o bil" din fiecare urn". Se cere
probabilitatea ca din cele n bile extrase, x s" fie albe.
=
+ n x x
i i i i i n
q q p p p x P
% 2 %
) (
Acest" sum" con#ine toate produsele a cte n factori formate
n moduri diferite, din care x probabilit"#i p
i
$i (n-x) probabilit"#i q
i
) ,..., % ( n i = . Suma de mai sus este dat" de polinomul ) (x P
n
care
con#ine coeficien#ii lui
x
t din dezvoltarea:
) ( ) ( ) (
2 2 % % n n
q t p q t p q t p + + +
OBSERVA!IE : Urna Bernoulli este un caz particular al
urnei Poisson cnd p p p p
n
= = = =
2 %
.
EXEMPLU:
O firm" se aprovizioneaz" de la 4 furnizori. Din datele
statistice de#inute se estimeaz" c" doi dintre furnizori onoreaz"
contractele cu probabilitatea 0,8, iar ceilal#i doi cu probabilitatea
0,9. Se cer probabilit"#ile urm"toarelor evenimente:
a) to#i furnizorii onoreaz" contractul;
b) doar doi furnizori onoreaz" contractul;
c) nici un furnizor nu onoreaz" contractul;
d) cel pu#in un furnizor onoreaz" contractul.
Problema se ncadreaz" n schema lui Poisson.
8 , 0
%
= p , 8 , 0
2
= p , 9 , 0
3
= p , 9 , 0
4
= p
2 2
) % , 0 9 , 0 ( ) 2 , 0 8 , 0 ( ) ( + + = t t t Q
a) 5%84 , 0 ) 4 (
4 3 2 % 4
= = p p p p P ;
b) 0964 , 0 9 , 0 2 , 0 % , 0 9 , 0 2 , 0 8 , 0 4 % , 0 8 , 0 ) 2 (
2 2 2 2
4
= + + = P
c) 0004 , 0 % , 0 2 , 0 ) 0 (
2 2
4
= = P
d) 9996 , 0 0004 , 0 % = = P
CAPITOLUL 8
VARIABILE ALEATOARE
n activitatea economic! se ntlnesc multe m!rimi
numerice care variaz! ntmpl!tor (aleator).
EXEMPLE:
") Num!rul calculatoarelor vndute la un magazin ntr-o zi
este o variabil! aleatoare care poate lua una din valorile 0, 1, 2, , n
, unde n este num!rul total de calculatoare din magazin. Aici,
mul#imea valorilor posibile este } ,..., 2 , " , 0 { n .
2) Timpul necesar servirii unui automobilist la o sta#ie de
benzin! este o variabil! aleatoare care poate lua o valoare dintr-un
interval dat (a,b). Aici, mul#imea valorilor posibile este (a,b).
DEFINI$IE: Se nume%te o variabil! aleatoare, o m!rime
care n urma unei experien#e poate lua o valoare dintr-o mul#ime
bine definit! numit! mul#imea valorilor posibile.
OBSERVA$IE: Nu se cunoa%te dinainte ce valoare ia
variabila aleatoare; aceast! valoare va fi cunoscut! numai dup!
efectuarea experimentului.
DEFINI$IE: Dac! mul"imea valorilor posibile este
discret!, atunci variabila aleatoare se nume%te discret!, iar dac!
mul"imea valorilor posibile este continu! (un interval finit sau
infinit din R ), variabila aleatoare se nume%te continu!.
OBSERVA$IE: Vom nota variabilele aleatoare cu litere
mari de la sfr%itul alfabetului, X, Y, Z, etc., iar valorile pe care le
pot lua variabilele aleatoare cu litere mici, x, y, z, etc.
8.#. Variabile aleatoare discrete
Pentru a defini o variabil! aleatoare discret!, trebuie s!
enumer!m toate valorile posibile ale variabilei aleatoare precum %i
probabilit!#ile corespunz!toare.
EXEMPLU: n cazul arunc!rii unui zar, definim variabila
aleatoare astfel:
6
"
6
"
6
"
6
"
6
"
6
"
6 5 4 3 2 "
: X
DEFINI$IE: Se nume%te reparti"ie a unei variabile
aleatoare discrete enumerarea tuturor valorilor posibile ale
variabilei aleatoare precum %i a probabilit!#ilor corespunz!toare.
n general, fie variabila aleatoare X %i x
i
, (i=1, 2, , n )
valorile ei posibile.
Fie E
i
evenimentul ca variabila aleatoare X=x
i
, i=1, 2, ,
n %i fie P(E
i
)=P(X=x
i
)=f(x
i
)=p
i
, probabilitatea corespunz!toare,
unde f(x
i
) este func#ia de probabilitate. Atunci putem scrie:
) ( ) ( ) (
:
2 "
2 "
n
n
x f x f x f
x x x
X
DEFINI$IE: Mul#imea perechilor ordonate )) ( , (

i i
x f x se
nume%te reparti"ia variabilei aleatoare discrete X.
Din exemplele prezentate rezult! c! func#ia de probabilitate
trebuie s! ndeplineasc! urm!toarele dou! condi#ii:
") 0 ) (
i
x f , n i ,..., " = ;
2)
=
=
n
i
i
x f
"
" ) (
, deoarece ) (
i i
x X E = = este un sistem complet
de evenimente, adic!:
=
=
n
i
i
E
"
, =
j i
E E , j i , n j i ,..., " , = .
EXEMPLE:
#. Reparti"ia binomial! (Bernoulli):
=
x n x x
n
q p C x f
x
X
) (
:
, n x ,..., " , 0 = .
x n x x
n
q p C x f

= ) ( arat! probabilitatea ca din n extrageri, x s!
fie bile albe. Ar!t!m n continuare c! f(x) este o func#ie de
probabilitate.
") Evident, 0 ) ( x f ;
2)
" ) ( ) (
0 0
= + = =

=
=
n
n
x
x n x x
n
n
x
q p q p C x f
(binomul lui Newton) .
2. Reparti"ia geometric! (Pascal):
Fie X evenimentul ca extragerea bilei albe s! se realizeze
prima dat! la extragerea de ordinul x:
) (
"
A A A X
x
=
4 4 4 3 4 4 4 2 1

,
deci
"
) (

=
x
q p x P .
=
"
) (
:
x
q p x f
x
X
, n x ,..., 3 , 2 , " = , unde 0 > p , 0 > q %i " = + q p .
Evident:
") 0 ) ( x f ;
2)

=

= =
= =
" "
" "
"
"
"
x x
x x
p
p
q
p q p q p
, deoarece seria
"
"
x
x
q
este seria geometric! de ra#ie " 0 < < q , convergent!, cu suma
q "
"
.
8.#.#. Opera"ii cu variabile aleatoare discrete; variabile
aleatoare independente
Fie
n i
n i
p p p
x x x
X

"
"
:
;
m j
m j
q q q
y y y
Y

"
"
:
.
0 ) ( =
i i
x f p ;
"
"
=
=
n
i
i
p
; 0 ) ( =
j j
y f q ;
"
"
=
=
m
j
j
q
.
Evenimentul care const! n faptul c! :
X ia valoarea
i
x l not!m (
i
x X = ), i=1, , n ,
P(
i
x X = )=p
i
;
Y ia valoarea
j
y l not!m (
j
y Y =
), j=1, , m,
P(
j
y Y =
)=q
j
.
Evenimentul care const! n faptul c!
i
x X = %i
j
y Y =
este
) ( ) (
j i
y Y x X = = , i=1, , n; j=1, , m .
)] ( ) [( )] ( ); [(
j i j i
y Y x X P y Y x X P = = = = = are o probabilitate
bine determinat!, notat!
ij
p .
DEFINI$IE: Variabilele aleatoare X %i Y se numesc
independente dac! evenimentele (
i
x X = ) %i (
j
y Y =
), i=1, , n;
j=1, , m sunt independente. n acest caz:
j i ij j i j i
q p p y Y x X P y Y x X P = = = = = = = )] ( ) [( )] ( ); [( .
OPERA$II:
")
+
+
ij
j i
p
y x
Y X :
, unde
j i ij
q p p = , i=1, , n; j=1, , m .
2)
ij
j i
p
y x
Y X :
, i=1, , n; j=1, , m , unde, dac! X %i Y sunt
independente,
j i ij
q p p = .
3)

=
i
i
p
x a
X a
, i=1, , n .
4)
n i
k
n
k
i
k
k
p p p
x x x
X

"
"
:
.
EXEMPLU: Fie variabilele aleatoare discrete X %i Y cu
reparti#iile:
2 , 0 5 , 0 3 , 0
2 " 0
: X
%i
5 , 0 5 , 0
" "
: Y
+
5 , 0 2 , 0 5 , 0 2 , 0 5 , 0 5 , 0 5 , 0 5 , 0 5 , 0 3 , 0 5 , 0 3 , 0
3 " 2 0 " "
: Y X

+
"0 , 0 25 , 0 25 , 0 25 , 0 "5 , 0
3 2 " 0 "
: Y X
.
" , 0 " , 0 25 , 0 25 , 0 "5 , 0 "5 , 0

2 2 " " 0 0
: Y X

" , 0 25 , 0 3 , 0 25 , 0 " , 0
2 " 0 " 2
: Y X
.
2 , 0 5 , 0 3 , 0
6 3 0
: 3 X
.
2 , 0 5 , 0 3 , 0
8 " 0
:
3
X
.
Reprezentarea grafic! a func"iilor de probabilitate:
EXEMPLU:
= = = 2 , 0 ) 2 ( 5 , 0 ) " ( 3 , 0 ) 0 (
2 " 0
:
f f f
X
, ) (
i i
x f p = .
Atunci graficul func#iei de probabilitate a variabilei
aleatoare X definit anterior este:
0,5 -
-
0,3 -
0,2 -
-
0 " 2
8.2. Variabile aleatoare continue
Fie variabila aleatoare

) (
:
x f
x
X
, unde ] , [ b a x , iar ) (x f
este probabilitatea de apari#ie a lui x.
DEFINI$IE: Func#ia ) (x f se nume%te densitatea de
probabilitate a variabilei aleatoare X.
Propriet!"ile densit!"ii de probabilitate:
") 0 ) ( x f ;
2)
=
b
a
dx x f " ) (
.
EXEMPLE:
I. S! se determine constanta c, astfel nct func#ia
R b a f ] , [ : , c x f = ) ( , s! fie densitate de probabilitate a unei
variabile aleatoare X.
") 0 ) ( x f , oricare ar fi ] , [ b a x , deci 0 c ;
2)
a b
c a b c x c dx c dx x f
b
a
b
a
b
a

= = = = =
"
" ) ( | ) (
.
Deci:
=
a b
x f
x
X
"
) (
:
, ] , [ b a x este o variabil! aleatoare
numit! variabil! aleatoare continu! uniform! pe intervalul ] , [ b a .
II. S! se determine constanta k, astfel nct func#ia
R f ) , 0 [ : ,
x
e k x f

= ) ( , s! fie densitate de probabilitate a
unei variabile aleatoare X.
") 0 ) ( x f , oricare ar fi 0 x , deci 0 k , f fiind o func#ie
exponen#ial!
2)
" ) " ( ) (
0 0
= = = =

k k dx e k dx x f
x
, unde
dx e x a
x a

=
0
"
) (
este integrala a lui Euler.
Deci
=
x
e x f
x
X
) (
:
, 0 x este o variabil! aleatoare pe
intervalul ) , 0 [ .
Reprezentarea grafic! a densit!"ii de probabilitate:
Pentru func#ia de la exemplul I, reprezentarea grafic! este:
func#ia este continu! pe ] , [ b a

a b
"
-
" = A
0 a b
Pentru func#ia de la exemplul II, reprezentarea grafic! este:
" -
ntr-adev!r, derivata func#iei f este 0 ) ( ' < =
x
e x f ,
oricare ar fi 0 > x ; %i 0 ) ( lim =

x f
x
; " ) 0 ( = f .
X 0
' f
- - - - - - - - - - - - - - -
f
1 0
%i deci graficul densit!#ii de probabilitate ) (x f este cel de mai sus.
" = A
Func"ia de reparti"ie a unei variabile aleatoare:
Prezentarea unei variabile aleatoare prin func#ia de
probabilitate ) (
i
x f sau prin densitatea de probabilitate prezint!
aspecte diferite. Consider!m evenimentul ) ( x X < , R x .
DEFINI$IE: Se nume%te func"ie de reparti"ie a variabilei
aleatoare X, func#ia R R F : dat! de ) ( ) ( x X P x F < = .
OBSERVA$IE: Variabila aleatoare X este discret!
(continu!), dup! cum func#ia de reparti#ie ) (x F este o func#ie
discret! (continu!).
Calculul func"iei de reparti"ie:
#) Fie variabila aleatoare discret! :
x
+
+
n i i
n i i
p p p p
x x x x
X

" "
" "
:
< <
= = < =
x x
i
x x
i
i i
x f p x X P x F ) ( ) ( ) (
Reprezentarea grafic! este urm!toarea:
" - (

" "
...

+ +
n
p p - (

2 "
p p + - (

"
p - (
0
"
x
2
x
3
x ..
" n
x
n
x
EXEMPLU:
2 , 0 5 , 0 3 , 0
2 " 0
: X
) (x F
" - (
0,3+0,5- (
0,3 -(
x
0 " 2
2) Fie variabila aleatoare continu!:

) (
:
x f
x
X
, ] , [ b a x .
) (x F
) (x f
) (
a b
Putem l!rgi domeniul de defini#ie al func#iei f deoarece F
se consider! pe R .

=
x
dt t f x F ) ( ) (
. Reprezentarea grafic! a func#iei de
reparti#ie continu! ) (x F are urm!toarea form!:
) (x F
"-
0 x
EXEMPLU:
=
x
e x f
x
X
) (
:
, 0 x .
x x x t
x
t
x
e e e dt e dt t f x F

= + = = = = " " | ) ( ) (
0
0
;
0 ) ( ' > =
x
e x F ; 0 ) ( ' ' < =
x
e x F .
Prin urmare, graficul func#iei F este:
"
0
0 ) 0 ( = F ;
" ) ( lim =

x F
x
.
Propriet!"i ale func"iei de reparti"ie:
P#. " ) ( 0 x F , oricare ar fi R x .
Demonstra"ie: ) " ( ) ( < = x P x F , %i deci fiind o probabilitate, rezult!
proprietatea P#.
P2. ) (x F este nedescresc!toare, adic!, oricare ar fi
2 "
x x , rezult!
c! ) ( ) (
2 "
x F x F .
Demonstra"ie: ) ( ) ( ) (
2 " " "
x X x x X x X < < = < .
4 4 3 4 4 2 1 43 4 2 1 43 4 2 1
0
2 "
) (
"
) (
2
) ( ) ( ) (
" 2

< + < = < x X x P x X P x X P
x F x F
.
P3. Dac! ] , [ b a x , atunci
> =
=
b x x F
a x x F
, " ) (
, 0 ) (
Consecin"e:
0 ) ( lim =

x F
x
,
" ) ( lim =

x F
x
.
CAPITOLUL 9
CARACTERISTICI NUMERICE ALE VARIABILELOR
ALEATOARE
9.1. Media; defini!ie, propriet"!i
Fie X variabil! aleatoare pe cmpul de probabilitate
) , , ( P K .
DEFINI"IE : Fie
= ) (
:
i i
i
x f p
x
X
, unde n i , , # = .
Atunci valoarea medie variabilei aleatoare discrete X este
=
=
n
i
i i
x f x X M
#
) ( ) (
.
DEFINITIE : Fie
) (
:
x f
x
X
, unde ] , [ b a x . Atunci
valoarea medie a variabilei aleatoare continue X este
=
b
a
dx x f x X M ) ( ) (
.
OBSERVA"IE : Pentru n , trebuie ca seria
=#
) (
i
i i
x f x
s! fie convergent!. Pentru a sau b tinznd c!tre sau
+ , trebuie ca integrala improprie s! fie convergent!.
EXEMPLE:
#)
3 , 0 5 , 0 2 , 0
3 2 #
: X
, # , 2 3 , 0 3 5 , 0 2 2 , 0 # ) ( = + + = X M .
2)
=
x
e x f
x
X
) (
:
, 0 x ,
= = =
0
# ) 2 ( ) ( dx xe X M
x
.
Propriet!"i ale mediei:
P1. Fie
) (
:
i
i
x f
x
X
, n i , , # = . Dac!
i
x , atunci :
) ( X M .
Demonstra!ie:
=
=
n
i
i i
x f x X M
#
) ( ) (
Adunnd aceste rela$ii pentru valorile indicelui n i , , # = , ob$inem:
) ( ) ( ) (
i i i i
x f x f x x f

= =

n
i
n
i
i i
x f X M x f
# #
) ( ) ( ) (
,deci
) (X M , deoarece
=
=
n
i
i
x f
#
# ) (
.
P2. k k M = ) ( , adic! media unei constante este o constant!.
Demonstra!ie:
#
:
k
X
, k k k M = = # ) ( .
P3. Media unei constante nmul$it! cu o variabil! aleatoare este
egal! cu constanta nmul$it! cu media variabilei aleatoare.
Adic!: ) ( ) ( X M a X a M = .
Demonstra!ie: Fie
n
n
p p
x x
X
#
#
:
,
=
=
n
i
i
p
#
#
,
=
=
n
i
i i
p x X M
#
) (
.
Atunci
n
n
p p
x a x a
X a
#
#
:
.
) ( ) ( ) (
# # # #
X M a p x p x a p x a p x a X a M
n n n n
= + + = + + = .
P4. Dac! X %i Y sunt dou! variabile aleatoare, atunci :
) ( ) ( ) ( Y M X M Y X M + = + .
Demonstra!ie: Fie
i
i
p
x
X :
, n i , , # = ,
=
=
n
i
i i
p x X M
#
) (
,
=
=
n
i
i
p
#
#
%i fie
j
j
q
y
Y :
, m j , , # = ,
=
=
m
j
j j
q y Y M
#
) (
,
=
=
m
j
j
q
#
#
. Atunci
+
+
j i
j i
q p
y x
Y X :
, n i , , # = , m j , , # = .
+ = + = + = +

= = = = = = = =
m
j
j
n
i
i i
n
i
m
j
j i j
n
i
n
i
m
j
j i i
m
j
j i j i
q p x q p y q p x q p y x Y X M
# # # # # # # #
) ( ) (
) ( ) (
# #
Y M X M q y p
n
i
m
j
j j i
+ = +

= =
.
P5. Dac! X %i Y sunt independente, atunci: ) ( ) ( ) ( Y M X M Y X M = .
Demonstra!ie:
j i
j i
q p
y x
Y X :
, n i , , # = , m j , , # = .

= = = =
= = =
n
i
m
j
j j
n
i
i i
m
j
j i j i
Y M X M q y p x q p y x Y X M
# # # #
) ( ) ( ) (
9.2. Dispersia; defini!ie, propriet"!i
Fie

# , 0 4 , 0 4 , 0 # , 0
2 # # 2
: X
, 0 ) ( = X M . Observ!m c!
valorile lui X nu difer! mult de medie.
Fie

# , 0 4 , 0 4 , 0 # , 0
#000 5 5 #000
: Y
, 0 ) ( = Y M . Observ!m c!
valorile lui Y difer! mult de medie.
mpr"#tierea valorilor lui Y este mai mare dect
mpr!%tierea valorilor lui X.
Fie
n
n
p p p
x x x
X
2 #
2 #
:
%i fie M(X) media sa. Construim
variabila aleatoare ) ( X M X = , numit! abaterea variabilei
aleatoare X de la media sa. Fie m=M(X).

n
n
p p p
m x m x m x
2 #
2 #
:
OBSERVA"IE: 0 ) ( ) ( ) ( ] [ ) ( = = = = m x M m M X M m X M M .
Deci nu putem utiliza media variabilei aleatoare abatere
pentru a determina mpr!%tierea fa$! de media sa. Din acest motiv,
ca o m!sur! a mpr!%tierii valorilor unei variabile aleatoare X fa$! de
media sa, vom lua dispersia, notat! cu D(X), unde:
) ( ) (
2 2
M X D = = . Dispersia este media p!tratului variabilei
aleatoare de abatere .

n
n
p p p
m x m x m x
2 #
2 2
2
2
# 2
) ( ) ( ) (
:
.
) ( ) ( 2 )] ( [
2 2 2 2
X M X X M X X M X + = = .
Atunci dispersia va fi :
= + = = ) ( ) ( ) ( 2 ) ( ) ( ) (
2 2 2
X M X M X M X M M X D ) ( ) (
2 2
X M X M .
Rezult! astfel c! ) ( ) ( ) (
2 2
X M X M X D = .
EXEMPLE :
#)
3 , 0 4 , 0 3 , 0
# 0 #
: X
, 0 ) ( = X M ;
4 , 0 6 , 0
0 #
:
2
X
, 6 , 0 ) (
2
= X M
6 , 0 ) ( ) ( ) (
2 2
= = X M X M X D .
2)

3 , 0 4 , 0 3 , 0
#000 0 #000
: Y
, 0 ) ( = Y M ;
6 , 0 4 , 0
#0 0
:
6
2
Y
, 600000 ) (
2
= Y M
600000 ) ( ) ( ) (
2 2
= = Y M Y M Y D .
3)
=
x
e x f
x
X
) (
:
, 0 x ,
# ) 2 ( ) (
0
= = =
dx xe X M
x
=
x
e x f
x
X
) (
:
2
2
, 0 x ,
2 ! 2 ) 3 ( ) (
0
2
= = = =
dx e x X M
x
# # 2 ) ( ) ( ) (
2 2
= = = X M X M X D .
Propriet!"i ale dispersiei:
P1. Dispersia unei constante este egal! cu zero. Adic! 0 ) ( = a D ,
unde a este o constant!.
Demonstra!ie: 0 ) ( ) ( ) (
2 2 2 2
= = = a a a M a M a D .
P2. Dispersia unei constante nmul$it! cu o variabil! aleatoare este
egal! cu produsul dintre p!tratul constantei %i dispersia variabilei
aleatoare. Adic!: ) ( ) (
2
X D a X a D =
Demonstra!ie: = = ) ( ) ( ) ( ) (
2 2 2 2 2
X M a X a M X a M X a D
) ( )] ( ) ( [ ) (
2 2 2 2 2 2
X D a X M X M a X M a = = .
P3. Dac! X %i Y sunt independente, atunci ) ( ) ( ) ( Y D X D Y X D + = +
Demonstra!ie: = + + = + ) ( ] ) [( ) (
2 2
Y X M Y X M Y X D
+ + = + + + = ) ( ) ( 2 ) ( )] ( ) ( [ ) 2 (
2 2 2 2
Y M X M X M Y M X M Y XY X M
) ( ) ( ) ( ) ( ) ( 2 ) ( ) (
2 2 2
Y D X D Y M Y M X M X M Y M + = + .
Consecin!a 1:

= =
=
r
i
i
r
i
i
X D X D
# #
) (
, unde variabilele
i
X
sunt independente, r i , , # = .
Consecin!a 2: ) ( ) ( X D X a D = + .
Consecin!a 3: Dac! b X a Y + = , atunci ) ( ) (
2
X D a Y D = .
Consecin!a 4: Dac! Y X Z = , atunci ) ( ) ( ) ( Y D X D Z D + = .
ntr-adev!r, putem scrie ) ( Y X Y X Z + = = %i deci
) ( ) # ( ) ( ] ) # [( ) ( ) (
2
Y D X D Y D X D Z D + = + = %i deci ) ( ) ( ) ( Y D X D Z D + = .
TEOREM&: Fie
n
X X X , , ,
2 #
variabile aleatoare cu
aceea%i medie %i dispersie. Fie
=
=
= =
n
i
i
n
i
i
X
n n
X
Y
#
#
#
, media
aritmetic! a veriabilelor
i
X . Atunci
=
=
n
i
i
X D
n
Y D
#
) (
#
) (
.
Demonstra!ie:
) (
#
) (
# #
) (
#
2
#
i
n
i
i
n
i
i
X D
n
X D n
n
X
n
D Y D = =
=

= =
.
9.3. Abaterea medie p"tratic"
DEFINI"IE: Se nume%te abatere medie p"tratic" a unei
variabile aleatoare X, r!d!cina p!trat! din dispersia variabilei
aleatoare.
Abaterea medie p!tratic!, ) ( X D = , are n principiu
propriet!$i corespunz!toare dispersiei.
9.4. Momentele unei variabile aleatoare X
Momentele unei variabile aleatoare sunt valori tipice ale
variabilei. Exist! dou! tipuri de momente: momente ini!iale %i
momente centrate.
DEFINI"IE: Momentul ini!ial de ordinul k al unei
variabile aleatoare X este media variabilei aleatoare
k
X .
) (
k
k
X M m = , , 2 , # = k
Cazuri particulare:
) (
#
X M m = , ) (
2
2
X M m = , deci
2
# 2
) ( m m X D = .
DEFINI"IE: Momentul centrat de ordinul k al unei
variabile aleatoare X este media variabilei aleatoare ] )) ( [(
k
X M X .
] )) ( [(
k
k
X M X M = , , 2 , # = k
Cazuri particulare:
0 )] ( [
#
= = X M X M , ) ( )] ( [
2
2
X D X M X = = .
n cazul unei variabile aleatoare discrete, fie
n
n
p p
x x
X
#
#
:
,
atunci
n
k
n
k
k
p p
x x
X
#
#
:
%i
n
k
n
k
k
p p
m x m x
m X
#
#
) ( ) (
: ) ( .
Prin urmare
=
= =
n
i
i
k
i
k
k
p x X M m
#
) (
%i
=
= =
n
i
i
k
i
k
k
p m x m X M
#
) ( ] ) [(
,
n k , , 2 , # = .
n cazul unei variabile aleatoare continue, fie
) (
:
x f
x
X
, ] , [ b a x ,

=
] , [ ), (
) , ( ) , ( , 0
) (
b a x x f
b a x
x f
, momentele
vor fi
=
b
a
k
k
dx x f x m ) (
%i
=
b
a
k
k
dx x f m x ) ( ) (
, n k , , 2 , # = .
Fie F(X) func$ia de reparti$ie. Atunci

= ) (x dF x m
k
k
%i

= ) ( ) ( x dF m x
k
k
.
Rela"ia dintre momentele ini"iale #i cele centrate:

=
= = =
k
j
j k j j
k
j
k
j
j k j j
k
k k k
k
X M m C X m C M m X M X M X M
0 0
) ( ) # ( ) # ( ] [ )] ( [
Dar
j k
j k
m X M

= ) ( . Deci avem:
=
j
k
j k
j j
k
j
k
m m C
0
) # (
.
OBSERVA"IE : Pentru k=2 , ob$inem :
0
2 2
2 #
# #
2 2
0
2
2
0
2
2
m m C m m C m C m m C
j
j k
j
j
+ = =
.
Dar # ) # ( ) (
0
0
= = = M X M m %i m m =
#
.
Atunci ) ( 0
2
# 2
2
# 2 2
X D m m m m = = + = .
9.5. Func!ia generatoare de momente a unei variabile aleatoare
Func$ia generatoare de momente a unei variabile aleatoare
se introduce pentru simplificarea calculului momentelor.
DEFINI"IE: Se nume%te func!ie generatoare de momente
a unei variabile aleatoare X, valoarea medie a variabilei
tX
e , unde
R t .
Not!m func$ia generatoare de momente cu R R g : , dat!
de ) ( ) (
tX
e M t g = .
Fie
n
n
p p p
x x x
X
2 #
2 #
:
o variabil! aleatoare discret!,
deci
=
n
tx tx tx
tX
p p p
e e e
e
n
2 #
2 #
, iar func$ia generatoare de
momente este
=
= =
n
i
i
tx tX
p e e M t g
i
#
) ( ) (
.
Fie
) (
:
x f
x
X
, ] , [ b a x , o variabil! aleatoare continu!,
deci
=
) (x f
e
e
tx
tX
, ] , [ b a x , iar func$ia generatoare de momente
este
= =
b
a
tx tX
dx x f e e M t g ) ( ) ( ) (
.
Propriet!"i ale func"iei generatoare de momente:
P1. # ) 0 ( = g
Demonstra!ie: # ) # ( ) ( ) 0 (
0
= = =

M e M g
t
P2. Dac!
n
X X X , , ,
2 #
sunt variabile aleatoare independente cu
func$iile generatoare de momente ) ( , ), ( ), (
2 #
t g t g t g
n
, atunci func$ia
generatoare de momente a variabilei aleatoare
n
X X X X + + + =
2 #
, este ) ( ) ( ) ( ) (
2 #
t g t g t g t g
n
= .
Demonstra!ie:
= = = =
+ + +
] [ ) ( ) ( ) (
2 # 2 #
) (
n n
tX tX tX X X X t tX
e e e M e M e M t g
) ( ) ( ) ( ) ( ) ( ) (
2 #
2 #
t g t g t g e M e M e M
n
tX tX tX
n
= = .
P3. Dac! variabila aleatoare X admite momente finite de orice
ordin, atunci
=
=
0
!
) (
k
k
k
m
k
t
t g
.
Demonstra!ie: Dezvolt!m n serie Taylor (Mc Laurin) pe
tX
e . 'tim
c!
+ + + + + =
! ! 2 ! #
#
2
k
t t t
e
k
t
.
Atunci
tX
e va avea forma :

=
= + + + + + =
0
2
2
! ! ! 2 ! #
#
k
k
k
k
k
tX
X
k
t
X
k
t
X
t
X
t
e
.
=
= =
= =
0 0 0
!
) ( ) (
! !
) ( ) (
k k
k
k
k
k
k
k
k
tX
m
k
t
t g X M
k
t
X
k
t
M e M t g
.
P4. Func$ia generatoare de momente este de n ori derivabil! n
raport cu t %i
k
k
m g = ) 0 (
) (
sau
k t
k
m t g =
=0
) (
| ) ( .
Demonstra!ie:
a) Fie variabila aleatoare discret!
n
n
p p p
x x x
X
2 #
2 #
:
.
=
=
n
i
i
tx
p e t g
i
#
) (
=
=
n
i
i
tx
i
p e x t g
i
#
) ( '
=
=
n
i
i
tx
i
p e x t g
i
#
2
) ( ' '
.
=
=
n
i
i
tx k
i
k
p e x t g
i
#
) (
) (
nlocuind pe t cu zero, ob$inem:
=
= =
n
i
k i
k
i
k
m p x g
#
) (
) 0 (
b) Fie variabila aleatoare continu!
) (
:
x f
x
X
, ] , [ b a x .
=
b
a
tx
dx x f e t g ) ( ) (

= = =
b
a
b
a
tx
m dx x f e x g dx x f e x t g
#
0
) ( ) 0 ( ' ) ( ) ( '

= = =
b
a
b
a
tx
m dx x f x g dx x f e x t g
2
2 2
) ( ) 0 ( ' ' ) ( ) ( ' '

= = =
b
a
k
k k
b
a
tx k k
m dx x f x g dx x f e x t g ) ( ) 0 ( ) ( ) (
) ( ) (
9.6. Func!ia caracteristic" a unei variabile aleatoare
Func$ia caracteristic! a unei variabile aleatoare X se
folose%te tot pentru calculul momentelor.
DEFINI"IE: Se nume%te func!ie caracteristic" a variabilei
aleatoare X , valoarea medie a variabilei
itX
e , adic! ) ( ) (
itX
e M t c = ,
unde R t .
Fie
n
n
p p p
x x x
X
2 #
2 #
:
o variabil! aleatoare discret!,
deci
=
n
itx itx itx
itX
p p p
e e e
e
n
2 #
2 #
, iar func$ia caracteristic! este
=
= =
n
j
j
itX itX
p e e M t c
#
) ( ) (
.
Fie
) (
:
x f
x
X
, ] , [ b a x , o variabil! aleatoare continu!,
deci
=
) (x f
e
e
itx
itX
, ] , [ b a x , iar func$ia caracteristic! este
= =
b
a
itX itX
dx x f e e M t c ) ( ) ( ) (
.
EXEMPLU: Fie
5 , 0 5 , 0
# #
: X
, iar
5 , 0 5 , 0
it it
itX
e e
e
.
Func$ia caracteristic! este :
) ( 5 , 0 5 , 0 5 . 0 ) ( ) (
it it it it itX
e e e e e M t c + = + = =

.
Dar
sin cos i e
i
+ = %i
sin cos i e
i
=
, deci putem scrie

2
cos

i i
e e

+
=
%i
i
e e
i i
2
sin

+
=
.
Astfel, func$ia caracteristic! va fi :
t t i t t i t t c cos ) sin (cos 5 , 0 ) sin (cos 5 , 0 ) ( = + + = .
Propriet!"i ale func"iei caracteristice:
P1. Func$ia caracteristic! c(t) este o func$ie uniform continu! pe R
P2. # ) 0 ( = c
Demonstra!ie: # ) # ( ) ( ) ( ) 0 (
0 0
= = = = M e M e M c
t i
.
P3. Dac!
n
X X X , , ,
2 #
sunt variabile aleatoare independente cu
func$iile caracteristice ) ( , ), ( ), (
2 #
t c t c t c
n
, atunci func$ia
caracteristic! a variabilei aleatoare
n
X X X X + + + =
2 #
este
) ( ) ( ) ( ) (
2 #
t c t c t c t c
n
=
Demonstra!ie:
= = = =
+ + +
] [ ] [ ) ( ) (
2 # 2 #
) (
n n
itX itX itX X X X it itX
e e e M e M e M t c
= = ) ( ) ( ) (
2 # n
itX itX itX
e M e M e M ) ( ) ( ) (
2 #
t c t c t c
n
= .
Consecin!a 1: Dac!
=
=
n
k
k k
X Y
#
, R
k
, unde
n
X X X , , ,
2 #
sunt variabile aleatoare independente cu func$iile
caracteristice ) ( , ), ( ), (
2 #
t c t c t c
n
, atunci
=
=
n
k
k X Y
t c t c
k
#
) ( ) (
.
Consecin!a 2: Un produs de func$ii caracteristice este tot o
func$ie caracteristic!. n particular, dac! c(t) este func$ia
caracteristic! a variabilei aleatoare X , atunci
n
t c )] ( [ este tot o
func$ie caracteristic!.
P4. Fie ) (t c
X
func$ia caracteristic! a variabilei aleatoare X %i fie
X Y = . Atunci ) ( ) ( t c t c
X Y
= .
Demonstra!ie: ) ( ) ( ) ( ) ( t c e M e M t c
X
X it itY
Y
= = =
.
P5. Fie variabila aleatoare X %i ) (t c
X
func$ia sa caracteristic!. Fie
b aX Y + = . Atunci
ibt
X Y
e at c t c ) ( ) ( = .
Demonstra!ie:
= = = =
+
] [ ) ( ) ( ) (
) ( ) ( itb X at i b aX it itY
Y
e e M e M e M t c ) ( ] [
) (
at c e e M e
X
itb X at i itb
= .
P6. Fie variabila aleatoare X %i c(t) func$ia caracteristic!. Atunci
=
=
0
!
) (
) (
k
k
k
m
k
it
t c
.
Demonstra!ie:

=
=
= =
= =
0 0
) (
!
) (
!
) (
) ( ) (
k
k
k
k
k
k
itX
X M
k
it
X
k
it
M e M t c

=0
!
) (
k
k
k
m
k
it
, unde
=
=
0
!
) (
k
k
k
itX
X
k
it
e
.
P7.
) 0 (
#
| )] ( [
#
) (
0
) ( k
k
t
k
k
k
c
i
t c
i
m = =
=
Demonstra!ie:
a) Fie variabila aleatoare discret!
n
n
p p p
x x x
X
2 #
2 #
:
.
=
n
itx itx itx
itX
p p p
e e e
e
n
2 #
2 #
=
=
n
j
j
itx
p e t c
j
#
) (
=
=
n
j
j
itx
j
p e ix t c
j
#
) ( '
.
=
=
n
j
j
itx
k
j
k k
p e x i t c
j
#
) (
) (
=
= = =
n
j
k
k k k k
j
k
j
k k
m i X M i c p x i c
#
) ( ) (
) ( ) 0 ( ) 0 (
Deci
) 0 (
#
) (k
k
k
c
i
m =
, n k , , 2 , # = .
c) Fie variabila aleatoare continu!
) (
:
x f
x
X
, ] , [ b a x .
=
) (x f
e
e
itx
itX
=
b
a
itx
dx x f e t c ) ( ) (
=
b
a
itx
dx x f e x i t c ) ( ) ( '
.
=
b
a
itx k k k
dx x f e x i t c ) ( ) (
) (
k
k
b
a
itx k k k
m i dx x f e x i c = =
) ( ) 0 (
) (
Deci
) 0 (
#
) (k
k
k
c
i
m =
, n k , , 2 , # = .
9.7. Normarea (reducerea) unei variabile aleatoare X
Fie variabila aleatoare X cu m X M = ) ( %i
2
) ( = X D .
DEFINI"IE: Variabila aleatoare
m X
Z

=
se nume%te
variabila normat" a variabilei aleatoare X (sau redusa variabilei
aleatoare X).
Propriet!"i ale variabilei normate:
P1. 0 ) ( = Z M
Demonstra!ie:
0 ) (
# #
) ( = =
=

m
X M
m
X M Z M
P2. # ) ( = Z D
Demonstra!ie:
= =

= )] ( ) ( [
#
) (
2
m D x D
m X
D Z D

#
#
2
2
=
, deoarece
0 ) ( = m D .
9.8. Valoarea median"
DEFINI"IE: Se nume%te valoare median" a variabilei
aleatoare X num!rul Me care satisface rela$ia
) ( ) ( Me X P Me X P > = < , adic! valoarea pentru care variabila
aleatoare X are aceea%i probabilitate de a fi mai mare %i mai mic!
dect ea.
Rela$ia ) ( ) ( Me X P Me X P > = < se mai scrie %i sub forma
) ( # ) ( Me F Me F = sau # ) ( 2 = Me F sau
2
#
) ( = Me F
.
Deci Me este solu$ia ecua$iei
2
#
) ( = x F
. n cazul unei
variabile aleatoare continue
) (
:
x f
x
X
, ] , [ b a x , mediana se va
determina din ecua$ia
=
Me
a
dx x f
2
#
) (
.
EXEMPLU:
S! se determine mediana variabilei aleatoare continue
+ ) # 2 (
#2
#
:
x
x
X
, ] 3 , 0 [ x .
0 6
2
#
] [
#2
#
) # 2 (
#2
#
2 2
0
= + = + = +
Me Me Me Me dx x
Me
.
] 3 , 0 [ 3
#
= Me %i 2
2
= Me . Deci 2 = Me .
9.9. Modul (valoarea cea mai probabil")
DEFINI"IE: Se nume%te modul (valoarea cea mai
probabil") a variabilei aleatoare X acea valoare pentru care func$ia
de probabilitate ) (
i
x f , pentru variabila aleatoare discret!, respectiv
densitatea de probabilitate ) (x f este maxim!.
OBSERVA"IE: n cazul variabilei aleatoare continue,
maximul func$iei ) (x f se ob$ine prin rezultatele cunoscute ale
analizei matematice
n cazul variabilelor aleatoare discrete se procedeaz! astfel:
EXEMPLU: S! se determine modul variabilei aleatoare
binomiale.
) (
:
x f
x
X
, n x ,..., # , 0 = ,
x n x x
n
q p C x f

= ) ( .
Presupunem c! func$ia ) (x f are o valoare maxim!
*
x .
Atunci ) ( ) # (
* *
x f x f < %i ) # ( ) (
* *
+ > x f x f .
Deci ob$inem (#)
#
) # (
) (
*
*
>
x f
x f
%i (2)
#
) (
) # (
*
*
<
+
x f
x f
.
>
+
=
+
= =
#
#
! )! ( !
)! # ( )! # ( !
) # (
) (
*
*
* *
* *
# # #
*
*
* * *
* * *
q
p
x
x n
q
p
n x n x
x x n n
q p C
q p C
x f
x f
x n x x
n
x n x x
n
p np q p x p p x np q x + < + + < ) (
* * *
p np x + <
*
, deoarece # = +q p .
q np x q np q p x
q
p
x
x n
x f
x f
> > + <
+
=
+
* *
*
*
*
*
) ( #
# ) (
) # (
.
Deci p np Mo q np + .
9.10. Covarian!a (corela!ia)
Fie variabilele aleatoare X, cu media
X
m X M = ) ( %i
dispersia
2
) (
x
X D = %i Y, cu media
Y
m Y M = ) ( %i dispersia
2
) (
y
Y D = .
Calculnd dispersia sumei celor dou! variabile aleatoare
ob$inem:
= + = + = + ]} ) ( ) {[( ] ) [( ) (
2 2 2
Y X Y X
m Y m X M m m Y X M Y X D
)] )( [( 2 ] ) [( ] ) [(
2 2
Y X Y X
m Y m X M m Y M m X M + + = .
DEFINI"IE: Media )] )( [(
Y X
m Y m X M se nume%te
covarian!a celor dou! variabile %i se noteaz! ) , cov( Y X .
Efectund produsul, ob$inem %i o alt! expresie a coverian$ei:
= + = + =
Y X X Y Y X X Y
m m Y M m X M m XY M m m Y m X m XY M Y X ) ( ) ( ) ( ] [ ) , cov(
Y X
m m XY M = ) ( deoarece
X
m X M = ) ( %i
Y
m Y M = ) ( .
OBSERVA"IE: Dac! X %i Y sunt variabile aleatoare
independente, atunci 0 ) , cov( = Y X . Reciproc nu este adev!rat.
9.11. Coeficientul de corela!ie
Fie X, Y dou! variabile aleatoare cu dispersiile
2
X
%i
2
Y
finite %i nenule %i mediile
X
m %i
Y
m . Fie
X
X
m X
X
= '
%i
Y
Y
m Y
Y
= '
variabilele aleatoare normate corespunz!toare.
(M(X)=0, M(Y)=0, D(X)=1, D(Y)=1) .
DEFINI"IE: Se nume%te coeficient de corela!ie a
variabilelor aleatoare X %i Y, coverian$a variabilelor aleatoare
normate X %i Y %i l not!m cu ) , ( Y X .
) ' , ' cov( ) , ( Y X Y X =
Avem:

= =
Y
Y
X
X
m Y m X
M Y X Y X

, ) ' , ' cov( ) , (
Y X Y X
Y X
Y X m Y m X M

) , cov( )] )( [(
=

=
Propriet!"i ale coeficientului de corela"ie:
P1. Dac! X %i Y sunt independente, atunci 0 ) , ( = Y X .
Demonstra!ie: Deoarece 0 ) , cov( = Y X n cazul unor variabile
aleatoare independente, %i
0
) , cov(
) , ( = =
Y X
Y X
Y X

.
P2. # ) , ( # Y X , pentru orice X %i Y.
Demonstra!ie:
M(X)=0, M(Y)=0, D(X)=0, D(Y)=0 , deci # ) ' (
2
= X M %i
# ) ' (
2
= Y M .
Din egalitatea ) ' ' ' 2 ' ( ) ' ' (
2 2 2
Y Y X X Y X + = ob$inem :
) ' ' ( 2 2 ) ' ( ) ' ' ( 2 ) ' ( ] ) ' ' [(
2 2 2
Y X M Y M Y X M X M Y X M = + = .
Cum ) ' , ' cov( ) ' ' ( Y X Y X M = , ob$inem: 0 ) , ( # Y X , adic!
# ) , ( # Y X .
P3. Dac! pentru dou! constante reale a %i b variabila aleatoare
b aX Y + = , atunci
<
>
=
0 . #
0 , #
) , (
a
a
Y X
.
Demonstra!ie: 'tim c! b am m Y M
X Y
= = ) ( %i
2 2 2
) (
X Y
a Y D = = .
Atunci vom ob$ine:
= + = )] )( [( )] )( [( ) , cov( B am b aX m X M m Y m X M Y X
X X Y X
= = = = ] ) [( )] )( [( )] )( [(
2
X X X X X
m X M m X m X aM am aX m X M
2
) (
X
a X aD = .
#
| | | |
) , cov(
) , (
2
2 2
= = = = =
a
a
a
a a Y X
Y X
X
X
Y X
X
Y X

.
9.12. Caracteristici ale formei de reparti!ie. Simetrie #i
asimetrie.
DEFINI"IE: Variabila aleatoare X definit! de func$ia f(x)
este simetric" fa$! de valoarea medie m dac! ) ( ) ( + = m f m f ,
oricare ar fi 0 > .
SIMETRIC$
m m + m
ASIMETRIC$
m m + m
Propriet!"i:
P1. Pentru o reparti$ie simetric!, media, mediana %i modul coincid.
P2. Momentele centrate de ordin impar pentru o reparti$ie simetric!
sunt nule 0
# 2
=
+ k
.
Coeficien!i utiliza!i pentru m"surarea asimetriei:
Coeficientul lui Pearson:
X
X M X M
) ( ) (
0
#

=
.
Coeficientul lui Fisher:
X
3
2
=
.
CAPITOLUL 10
REPARTI!II CLASICE
10.1. Reparti!ii discrete
10.1.1. Reparti!ia binomial"
DEFINI!IE: Variabila aleatoare X are o reparti!ie
binomial" de parametrii n "i p dac# func$ia sa de probabilitate este
dat# de probabilitatea ) (x p
n
din schema urnei lui Bernoulli, adic#
x n x x
n
q p C x f

= ) ( , } , , 0 { n x , ) % , 0 ( p , % = + q p . Deci :
x n x x
n
q p C
x
X :
I. ) (x f este o func$ie de probabilitate, deoarece:
%) 0 ) ( x f , evident deoarece 0 >
x
n
C , 0 p , 0 q .
2)
% % ) ( ) (
0 0
= = + = =
= =
n n
n
x
n
x
x n x x
n
q p q p C x f
.
II. Pentru calculul mediei #i dispersiei vom folosi func$ia
generatoare de momente.
) ( ) (
tX
e M t g = ;
n x
x f
e
e
tx
tX
, , % , 0 ,
) (
: =
.
Deci
= =

+ = = = =
n
x
n
x
n t x n x t x
n
x n x x
n
tx tX
q pe q pe C q p C e e M t g
0 0
) ( ) ( ) ( ) (
.
%
) ( ) ( '

+ =
n t t
q pe npe t g ;
np q p np g m
n
= + = =
%
%
) ( ) 0 ( ' .
% 2 2 2
) ( ) ( ) % ( ) ( ' '

+ + + =
n t t n t t
q pe npe q pe e p n n t g ;
= + = + + + = =

np np p n q p np q p p n n g m
n n 2 2 2 % 2 2
2
) ( ) ( ) % ( ) 0 ( ' '
npq p n p np p n + = + =
2 2 2 2
) % (
Deci: np X M = ) ( "i npq p n npq p n m m X D = + = =
2 2 2 2 2
% 2
) ( .
Func!ia caracteristic":
n
n
x
it x n x it x
n
x n x x
n
n
x
itx itX
q e p q e p C q p C e e M t c ) ( ) ( ) ( ) (
0 0
+ = = = =

=

=
Evident, np c X M m = = = ) 0 ( ' ) (
%
.
Analog se calculeaz#
npq p m c
i
m + = =
2 2
2 2
) 0 ( ' '
%
. Prin urmare,
npq m m X D = =
2
% 2
) ( .
10.1.2. Reparti!ia hipergeometric"
DEFINI!IE: Variabila aleatoare X are reparti!ie
hipergeometric" dac# func$ia sa de probabilitate este dat# de
probabilitatea ) ( X P
n
din schema urnei cu bil# nerevenit# (Aceast#
schem# presupunea c# dintr-o urn# cu N bile, din care a erau albe "i
b erau negre, se extrag n bile.
n
P este probabilitatea ca din cele n
bile extrase x s# fie albe.). Deci
n
N
x n
a N
x
a
C
C C
x f
= ) (
, } , , 0 { n x .
n
N
x n
a N
x
a
C
C C
x
X :
%) 0 ) ( x f , evident deoarece toate combin#rile sunt mai mari ca
zero.
2)
%
%
) (
0 0 0

=
= =
= = =
n
x
x n
a N
x
a n
N
n
x
n
x
n
N
x n
a N
x
a
C C
C C
C C
x f
.
Pentru a calcula suma
=
n
x
x f
0
) (
am folosit egalitatea
=
n
x
n
N
x n
a N
x
a
C C C
0
pe
care o vom demonstra n continuare.
b a b a
y y y
+
+ = + + ) % ( ) % ( ) % (
a a
a
n n
a
n n
a a a
a
y C y C y C y C C y + + + + + + = +

... ... % ) % (
% % % 0
b b
b
n n
b
n n
b b b
b
y C y C y C y C C y + + + + + + = +

... ... % ) % (
% % % 0
b a b a
b a
n n
b a
n n
b a b a b a
b a
y C y C y C y C C y
+ +
+ +

+ + +
+
+ + + + + + = + ... ... % ) % (
% % % 0
Coeficientul lui
n
y din membrul stng al ultimei rela$ii este :
=

= + + + +
n
x
x n
b
x
a b
n
a b
n
a
n
b a
n
b a
n
C C C C C C C C C C y
0
0 % % % % 0
] ... [
.
Deci
n
N
n
x
x n
a N
x
a
n
b a
n
x
x n
b
x
a
C C C C C C = =

=
+
=
0 0
.
II. Media #i dispersia:
=
n
x
n
N
x n
a N
x
a
C
C C
x X M
0
) (
%
%
)! ( )! % (
)! % (
)! ( )! % (
)! % (
)! ( !
!

=
x
a
x
a
aC
x a x
a
a
x a x x
a a
x
x a x
a
x xC
%
%
%
%
%
% 0
= = =

n
N
n
x
x n
a N
x
a
n
x
x n
a N
x
a
n
x
x n
a N
x
a
aC C C a C xC C C
np
N
a
n
N
n
a
N n N n
n N n N
a
C
aC
X M
n
N
n
N
= = =

= =
! )! ( )! % (
)! ( ! )! % (
) (
%
%
,
N
a
p=
.
Pentru a calcula dispersia, vom calcula momentul de ordinul doi.
x n
a N
x
a
n
x
n
x
n
N
x n
a N
x
a n
N
n
x
x n
a N
x
a n
N
C C x
C
C C x x
C
C C x
C
X M

= =
+ = =
0 0 0
2 2
%
) % (
% %
) (
, unde
x x x x + = ) % (
2
.
= = =
=
=

=
n
x
n
x
n
x
x
a
n
x
x
a
C a a
x a x
a
a a
x a x
a
x x C x x
2 2 2
2
2
0
) % (
)! ( )! 2 (
)! 2 (
) % (
)! ( !
!
) % ( ) % (
= +
= +
) (
) % (
) (
) % (
) (
2
2
0
2
2
2
X M C
C
a a
X M C C
C
a a
X M
n
N n
N
n
x
x n
a N
x
a n
N
= +
= +

=
N
n
a
N N
n n
a a
N
a
n
n N n N
N n N n a a
) % (
) % (
) % (
)! ( )! 2 ( !
)! 2 ( )! ( ! ) % (
%
%
%
) % )( % (
+
=

=
N
N n a an
N
na
N
n a
N
na
.
=
+
= =
2
2 2
2 2
%
) ( ) ( ) (
N
a n
N
N n a an
N
na
X M X M X D
) % ( %
2
+ +
=
+
=
N N
na nN N nN aN anN
N
na
N
na
N
N n a an
N
na
% ) % (
) )( (

=
N
n N
N
a N
N
n
a
N N
n N a N
N
a
n
.
Dar
N
a N
N
a
p q p
N
a
= = = = % %
.
Ob$inem astfel
%
) (
=
N
n N
npq X D
.
OBSERVA!IE: Pentru N suficient de mare n raport cu n
putem face aproximarea
N
n
N
n N
N
n N
=
%
%
. Atunci

N
n
npq X D % ) (
.
Deci dispersia variabilei aleatoare hipergeometrice difer# de
dispersia variabilei aleatoare binomiale cu un factor subunitar ce
tinde c#tre % cnd N .
10.1.3. Reparti!ia uniform" discret"
DEFINI!IE: O variabil# aleatoare X are o reparti!ie
uniform" discret# dac# func$ia sa de probabilitate este de forma
n
x f
%
) ( =
.
n n n n
n x
X
% % % %
2 %
:

%) 0 ) ( x f , evident
2)
=
= =
n
x
n
n x f
%
%
%
) (
II. Media #i dispersia
2
%
2
) % ( % % %
) (
% %
+
=
+
= = =

= =
n n n
n
x
n n
x X M
n
x
n
x
6
) % 2 )( % (
6
) % 2 )( % ( % % %
) (
%
2
%
2 2
+ +
=
+ +
= = =

= =
n n n n n
n
x
n n
x X M
n
x
n
x
=
+ +
=
+
+ +
= =
%2
) 3 3 2 4 )( % (
4
) % (
6
) % 2 )( % (
) ( ) ( ) (
2
2 2
n n n n n n
X M X M X D
%2
%
%2
) % )( % (
2
=
+
=
n n n
10.1.4. Reparti!ia Poisson
DEFINI!IE: O variabil# aleatoare X are reparti!ie Poisson
dac# func$ia sa de probabilitate este de forma
!
) (
x
e x f
x

=
,
N x , 0 > .
!
:
x
e
x
X
x
I. ) (x f este o func$ie de probabilitate deoarece:

%)
0
!

x
e
x
evident.
2)
%
! !
0 0
= = =

e e
x
e
x
e
x
x
x
x
, unde
=0
!
x
x
x
este dezvoltarea
lui
e n serie McLaurin.
II. Media #i dispersia le putem determina prin calcul direct:
=

=

=
= =
0
%
0
)! % ( !
) (
x
x
x
x
x
e
x
xe X M
=

= +
= + = =
2 0 0
2 2
) (
)! 2 (
) (
!
) % (
!
) (
x
x
x x
x x
X M
x
e X M
x
e x x
x
e x X M

+ = + = +
2 2
2
2
2
) ( ) (
)! 2 (
X M e e X M
x
e
x
x
.
= + = =
2 2 2 2
) ( ) ( ) ( X M X M X D .
Func!ia caracteristic" a variabilei aleatoare Poisson:
it
e
x
x it
x
itx
e e
x
e
e x f e t c

=
=
= =

0 0
!
) (
) ( ) (
. Prin urmare
) % (
) (
it
e
e t c

=

.
0 ) % % ( ) % (
) 0 ( ' ) ( ' e i e c e i e t c
it e
it
= =

= = = =
0
%
%
) 0 ( '
%
) ( e i
i
c
i
m X M
it e it e
e i e e i e t c
it it
+ =
2 ) % ( 2 ) % (
) ( ) ( ' '

) ( ) 0 ( ' '
2 2 0 2 2 ) % % ( 0 2 2 ) % % (

+ = + =

i e i e e i e c
+ = =
2
2 2
) 0 ( ' '
%
c
i
m
.
Prin urmare:
2 2 2
% 2
) ( + = = m m X D .
10.2. Reparti!ii continue
10.2.1. Reparti!ia continu" uniform"
DEFINI!IE: O variabil# aleatoare X , continu#, are
reparti!ie uniform" dac# func$ia sa de probabilitate este de forma
a b
x f
=
%
) (
, ) , ( b a x .
%) 0 ) ( x f evident, deoarece a b > .
2)
=
=
b
a
b
a
b
a
a b
a b
dx
a b
dx
a b
dx x f %
% %
) (
2 ) ( 2
|
2
% %
) ( ) (
2 2 2
b a
a b
a b x
a b
xdx
a b
dx x xf X M
b
a
b
a
b
a
+
=
= =

3 ) ( 3
) ( ) (
2 2 3 3
2 2
b ab a
a b
a b
x f x X M
b
a
+ +
=
= =
=
+ +
+ +
= =
4
2
3
) ( ) ( ) (
2 2 2 2
2 2
b ab a b ab a
X M X M X D
%2
) (
%2
3 6 3 4 4 4
2 2 2 2 2
b a b ab a b ab a
=
+ +
=
.
10.2.2. Reparti!ia exponen!ial" negativ"
exponen!ial" negativ" de parametru dac# func$ia sa de
probabilitate este de forma
x
e x f

=

) ( , 0 x , 0 > .
%) 0 ) ( x f evident.
2) % % 0 | ) (
0
0 0
= + = = =

x x
e dx e dx x f


= + = = =

dx e xe dx e x dx x xf X M
x x x
0
0
0 0
| ) ( ) (

%
|
%
0
=
x
e
.
n rezolvarea integralei am folosit metoda integr#rii prin p#r$i, unde
x x u = ) ( , dx du = ,
x
e x v

=

) ( , dx e dv
x
=

= + = + = =

0 0
0
2
0
2 2
2
0 2 | ) (
x x x x
e x xe e x dx e x X M

2
2 % 2

= =
.
Integrala a fost calculat# tot prin metoda integr#rii prin p#r$i, unde
2
) ( x x u = , xdx du 2 = ,
x
e x v

=

) ( , dx e dv
x
=

.
2 2 2
2 2
% % 2
) ( ) ( ) (

= = = X M X M X D
.
%
) ( ) ( = = X D X
.
Putem calcula media "i dispersia "i astfel:

= =
0 0
) ( ) ( dx e x dx x xf X M
x
F#cnd schimbarea de variabil#

dy dx
y
x y x

%
= = =
"i
observnd c# limitele de integrare se p#streaz#, ob$inem:

%
) 2 (
% % %
) (
0 0
= = = =

dy ye dy e
y
X M
y y
La fel,
= = = =

0
2
2
0
2
0
2 2
%
) ( ) ( dy e
y
dx e x dx x f x X M
y x

2 2
0
2
2
2
) 3 (
% %

= = =
dy e y
y
.
Prin urmare,
2 2 2
2 2
% % 2
) ( ) ( ) (

= = = X M X M X D
.
Reparti$ia exponen$ial# are proprietatea
%
) ( = =
X
X M
.
Reparti$iile exponen$ial# "i Poisson sunt utilizate n
modelarea "i rezlovarea problemelor legate de firele de a"teptare
care apar n activitatea economic#.
10.2.3. Reparti!ia normal"
normal" dac# func$ia sa de probabilitate este de forma
2
2
%
2
%
) (

=

m x
e x f
, unde R m , 0 > (%)
Pentru a pune n eviden$# parametrii m "i , densitatea de
probabilitate se mai noteaz# ) , ; ( m x n , R x , 0 > .
I. ) (x f este func$ie de probabilitate, deoarece:
%) 0 ) , ; ( m x n , evident, din defini$ie.
2) % ) , ; ( =

dx m x n sau
%
2
%
2
2
%
=

dx e
m x

.
Not#m
y
m x
=
,
dy dx dy dx = =
%
.
%
2
2
2
%
2
%
2
%
2 2
2
2
%
2
%
2
%
= = = =

dy e dy e dx e
y y
m x
,
deoarece se "tie c# integrala Euler-Poisson 2
2
2
%
=
dy e
y
.
Graficul func!iei de probabilitate depinde de parametrii m
"i , forma curbei r#mnnd (structural) aceea"i, "i anume forma
cunoscut# sub numele de clopotul lui Gauss.
EXEMPLU: ) , 0 ; ( x n
-
2
%
4 , 0 =
-% 0 %
%) Fa$# de parametrul m , curbele ) , , ( m x n reprezint# de fapt
transla$ii de-a lungul axei ox, men$inndu-"i forma "i m#rimea.
| |

2
3
= m
0 = m
2
3
= m
2) Fa$# de parametrul , curbele sunt mai ascu$ite sau mai plate,
astfel nct aria cuprins# ntre graficul curbei "i axa ox s# fie egal#
cu % (unitatea de suprafa$#). Aici
3 2 %
< < .

%

2
3
= m
OBSERVA!IE: Curba se apropie repede de axa ox . n
raport cu o abatere 3 < m x , diferen$a fa$# de ox este de ordinul
a 0,003 unit#$i. Astfel, reparti$ia normal# poate fi considerat#
definit# ntr-un interval nchis "i finit.
Pentru determinarea mediei "i dispersiei vom utiliza func!ia
caracteristic" a variabilei aleatoare normale.

= = dx m x n e e M t c
itx itX
) , ; ( ) ( ) ( (2)
Calcul#m pentru nceput func$ia caracteristic# a variabilei
aleatoare normale normate:
2
2
%
2
%
) % , 0 ; (
y
e y n

=
(3)
2
2
%
2
% :
y
e
y
Y
2
2
%
2
% :
y
ity
itY
e
e
e
.
= = = =

dy e dy e e dy y n e t c
ity y
y
ity ity
) 2 (
2
%
2
2
2
2
%
2
%
) % , 0 ; ( ) (

= = =

+

+ +
dy e dy e
t i it y t i t i ity y
2 2 2 2 2 2 2 2
2
%
) (
2
%
2
%
) 2 (
2
%
2
%
2
%

= = = = dz e
e
dy e
e
dy e e
z
t
it y
t
t it y
2
2
%
) (
2
%
2
%
2
%
) (
2
%
2
2
2
2
2 2
2 2 2
%

2
2
2
%
2
%
2
2
t
t
e
e

= =
, unde am folosit substitu$ia dz dy z it y = = .

Observ#m, de asemenea, c# utiliznd aceast# substitu$ie limitele de
integrare nu se schimb#.
Ultima integral# este integrala Euler-Poisson. Ea este egal#
cu 2 "i se calculeaz# astfel:

2 2
2
2 2
0
2
%
0 0
2 2
2 2
= = = =

dt e t
t
dt
e dz e dz e
t it
z z
.
n calculul de mai sus am folosit substitu$ia :
z
dt
dz dt zdz t z = = =
2
2
%
;
t
dt
dz t z t
z
2
2
2
2
= = =
.
Prin urmare, func$ia caracteristic# a variabilei aleatoare
normale normate ) % , 0 ; ( y n este
2
2
%
) (
t
Y
e t c

= (4)
Fie variabila aleatoare + = Y X . Atunci ) ( ) ( t c e t c
Y
t i
X
=

(5)
Demonstra!ie:
= = = =
+
] [ ] [ ) (
) ( it Y it Y it itX
X
e e M e M e M c ) ( ] [
) (
t c e e M e
Y
it Y t i it
= .
Fie variabila aleatoare normal#
2
2
%
2
%
) , ; (

m x
e m x n
.
Facem substitu$ia
m Y X m y x y
m x
+ = + = =
, unde
) % , 0 ; ( y N Y = . A"a cum am v#zut, pentru variabila aleatoare
normal# normat#, func$ia caracteristic# este
2
2
%
) (
t
Y
e t c

= .
Deci conform (5) avem:
= =
+
) ( ) ( t c t c
m Y X
2 2
2
%
) (
t
imt
Y
imt
e e t c e

= .
n concluzie, func$ia caracteristic# a variabilei normale
) , ; ( m x n este
2 2
2
%
) (
t imt
X
e t c

= (6)
Calculul mediei:
%
) ( m X M =
i
c
m
) 0 ( '
%
=
2 2
2
%
2
) ( ) ( '
t itm
X
e t im t c

= im ime c
X
= =
0
) 0 ( ' m m =
%
.
Deci m X M = ) ( .
Calculul dispersiei:
2
% 2
2 2
) ( ) ( ) ( m m X M X M X D = =
2 2
) 0 ( ' '
i
c
m =
2 2 2 2
2
%
2 2
2
%
2
) ( ) ( ' '
t itm t itm
e t im e t c

+ =
2 2 0 0 2
) ( ) 0 ( ' ' m e im e c = + =
2 2
2
2 2
2 2
) 0 ( ' '
m
i
m
i
c
m + =

= =
(ntruct, evident, %
2
= i )
Deci
2 2 2 2
) ( = + = m m X D .
OBSERVA!IE: Parametrii m "i ai reparti$iei normale
reprezint# media "i respectiv abaterea medie p#tratic#.
Func"ia de reparti"ie ; func"ia integral# a lui Laplace:
Fie variabila aleatoare normal# de parametrii m "i :
0 ,
) , ; (
: >
m x n
x
X
, R m , unde, a"a cum "tim,
2
2
%
2
%
) , ; (

m x
e m x n
. Func$ia de reparti$ie este :
dt e dt m t n x X P x F
m t
x x
2
2
%
2
%
) , ; ( ) ( ) (

= = < =

(7)
Not#m:

=
x
dt m t n m x N ) , ; ( ) , ; ( func$ia de reparti$ie a
variabilei aleatoare normale.
Fie X o variabil# aleatoare normal# cu densitatea de
probabilitate ) , ; ( m x n "i func$ia de reparti$ie ) , ; ( m x N . Dac#
facem schimbarea de variabil#
m X
Z

=
, "tim c# Z este o
variabil# aleatoare normal# normat# cu media 0 = m "i dispersia
% = . Deci Z are densitatea de probabilitate ) % , 0 ; (z n "i func$ia de
reparti$ie ) % , 0 ; (z N .
dt e m x N x X P x F
m t
x
2
2
%
2
%
) , ; ( ) ( ) (

= = < =

(8)
Pentru calculul integralei (8) facem substitu$ia:
dy dt y
m t
= =
.Dac# x t = , atunci
m x
y

=
, iar pentru t
tinznd c#tre "i y tinde c#tre . Astfel, vom ob$ine:

= = =

% , 0 ; ) % , 0 ; (
2
%
) (
2
2
%

m x
N y N dy e x F
y y
.
Prin urmare, putem scrie:
) % , 0 ; ( ) , ; ( ) ( z N m x N x X P = = < , unde
m x
z

=
.
Reprezentarea grafic# a func$iei de reparti$ie normal#
normat# de forma
=
z y
dy e z N
2
2
%
2
%
) % , 0 ; (
, unde
m x
z

=
este:
) % , 0 ; (z N
%

2
%
OBSERVA!IE: Curba ) % , 0 ; (z N este simetric# fa$# de punctul
2
%
, 0
. Dac# facem o transla$ie de axe:
2
%
) % , 0 ; ( ) ( = z N z
(transla$ie datorat# lui Laplace), ob$inem:
) (z

2
%
z

2
%
OBSERVA!IE: ) (z este o func$ie simetric# fa$# de

origine, "i deci func$ia este o func$ie impar# . Prin urmare este
suficient s# cunoa"tem ) (z pentru 0 > z .
) % , 0 ; (z n
=
z
dt t n z
0
) % , 0 ; ( ) (
z
n toate c#r$ile "i manualele de teoria probabilit#$ilor "i
statistic# matematic#, func$ia ) (z este tabelat#.
Prin urmare, avem:
) (
2
%
) % , 0 ; ( z z N + =
este func$ia de
reparti$ie a variabilei aleatoare normal# normat# "i

+ =
m x
m x N
2
%
) , ; (
este func$ia de reparti$ie a variabilei
aleatoare normal# nenormat# (de parametrii m "i ).
Calculul momentelor centrate :
Momentele centrate ale variabilei aleatoare normale sunt
des utilizate, n special n statistica matematic#. Astfel, momentul
centrat de ordinul r :
dx e m x dx m x n m x
m x
r r
r
2
2
%
2
%
) ( ) , ; ( ) (

= =

Am v#zut c#:
% % ) , ; ( ) (
0
0
0
= = =

dx m x n m x .
= =

dx e x dx e m x
m x m x
2 2
2
%
2
%
%
2
%
2
%
) (

0 0
2
%
%
2
%
2
= =
dx e m
m x
Not#m :
dy dx y m x y
m x
= = =
"i ntruct
0 > , limitele de integrare se p#streaz#. Ob$inem:
+
= = =

|
2 2 2
%
2 2
2
2
%
2
%
2
%
y
r
r
y
r
r
m x
r r
r
e y dy e y dy e y

= +
dy e y r
y
r
r 2
2
%
2
) % (
2
2
2
2
%
2 2 2
) % (
2
%
) % (
2
r r
y
r r
r dy e y r

n rezolvarea acestei integrale am aplicat metoda integr#rii
prin p#r$i, unde
%
=
r
y f
2
) % ( '

=
r
y r f ,
2 2
2
%
2
%
'
y y
e g ye g

= = .
Deci:

2 2
2
) % 2 ( = =
0 ) % 3 (
%
2
3
= =

4
2
2
4
3 % ) % 4 ( = =
0
5
=
.
0
% 2
=
+ q

q
q
q
2
2
) % 2 ( 3 % =
10.2.4. Reparti!ia Gamma
DEFINI!IE: O variabil# aleatoare X are reparti!ie Gamma
dac# func$ia sa de reparti$ie este de forma:
>
+ =
+
0 , 0
0 ,
) % (
%
) , ; (
%
x
x e x
b a b a x f
b
x
a
a
, unde
= +
0
) % ( dx e x a
x a
"i % > a , 0 > b .
%) 0 ) , ; ( b a x f , evident
2)
=
+
=
+
=

+

dx e x
b a
dx e x
b a
dx b a x f
b
x
a
a
b
x
a
a
0 0
% %
%
) % (
%
) % (
%
) , ; (
Not#m
dy b dx y b x y
b
x
= = =
%
) % (
) % (
) % (
% %
) % (
%
0 0
%
=
+
+
=
+
=
+
=

+
a
a
dy e y
a
dy b e y b
b a
y a y a a
a
Amintim cteva proprieta$i ale integralei :
P1. ) % ( ) % ( ) ( = a a a
P2. )! % ( ) ( = n n
P3.
=
2
%
Demonstra$iile acestor propriet#$i se g#sesc n cursurile de
analiz# matematic#.
Func"ia generatoare de momente pentru variabila aleatoare
Gamma:
0 % ,
) % (
%
) , ; ( ) ( ) (
0
%
0
> >
+
= = =

+
b a dx e x
b a
e dx b a x f e e M t g
b
x
a
a
tx tx tX
Facem substitu$ia :
dy b dx y b x
b
x
y = = =
.
Avem:
=
+
=
+
=

+
dy e y e
a
dy b y b
b a
e t g
y a bty a a
a
bty
0 0
%
) % (
%
) % (
%
) (
%
0
%
%
% %
0
) % (
) % (
%
%
%
) % (
%
) % (
%
) % (
%
+
+ +
=
+
=
a
a
bt
y
a a
a bt y
bt
dy y e
bt
a
bt
dy y e
a
,
deoarece
%
%
%
) % (
%
0
%
%
%
+
=
+
dy y e
bt
a
a
bt
y
a
, fiind densitatea de
probabilitate a reparti$iei .
Prin urmare, putem scrie c# func$ia generatoare de
momente pentru este
) % (
) % ( ) (
+
=
a
bt t g .
Momentele ini!iale:
Calcul#m momentele ini$iale din rela$ia ,.... 2 , % , | ) (
0
) (
= =
=
r m t g
r t
r
) % ( ) 0 ( ' ) % )( % ( ) ( ) % )( % ( ) ( '
%
) 2 ( ) 2 (
+ = = + = + =
+ +
a b g m bt a b b bt a t g
a a
) 2 )( % ( ) 0 ( ' ' ) % )( 2 )( % ( ) ( ' '
2
2
) 3 ( 2
+ + = = + + =
+
a a b g m bt a a b t g
a
.
= = + + + =
+ +
) 0 ( ) % )( ( ) 2 )( % ( ) (
) ( ) % ( ) ( r
r
r a r r
g m bt r a a a b t g
) ( ) 2 )( % ( r a a a b
r
+ + + =
Deci ) % ( ) (
%
+ = = a b m X M "i
) % ( ) % ( ) 2 )( % ( ) (
2 2 2 2 2
% 2
+ = + + + = = a b a b a a b m m X D
Momentele centrate:
=
= = =

=
k
j
j k j j
k
j k k
k
X m C M m X M X M X M
0
) % ( ] [ )] ( [
=
k
j
j k j j
k
j
X M m C
0
) ( ) % (
Deci :
=
k
j
j k
j j
k
j
k
m m C
0
) % (
.
OBSERVA!IE:
Pentru 2 = k ob$inem:
) (
2
% ` 2 0
2 2
2 % `
% %
2 2
0 0
2
2
0
2 2 2
X D m m m m C m m C m m C m m C
j
j
j j
= = + = =
, unde :
% ) % ( ) (
0
0
= = = M X M m "i m X M X M m = = = ) ( ) (
%
%
.
Pentru % = k ob$inem:
0 ) ( ) ( ) (
%
= = = = m m m M X M m X M
n cazul reparti$iei , vom ob$ine:
0
%
= ;
) % ( ) (
2
2
+ = = a b X D ;
= + = =
=
0
3
%
2
2 3
3
0
3 3 3
3 3 ) % ( m m m m m m m m m C
j
j
j j j
) 3 )( 2 )( % (
3
+ + + = a a a b = + + + + + + +
3 3 2 2 2
) % ( ) % ( ) % ( 3 ) 2 )( % ( ) % ( 3 a b a b a b a a b a b
= + + + + + + + + = ] ) % ( ) % ( 3 ) 2 )( % ( 3 ) 3 )( 2 )[( % (
2 2 3
a a a a a a a b
= + + + + + + = ] 2 4 2 6 9 3 6 5 )[( % (
2 2 2 3
a a a a a a a b ) % ( 2 2 ) % (
3
3
3
+ = + a b a b
) 3 )( % ( 3
4
4
+ + = a a b .
10.2.5. Reparti!ia Beta
DEFINI!IE: O variabil# aleatoare X are reparti!ie Beta
dac# densitatea sa de probabilitate este de forma:

=

) , % ( ) 0 , ( , 0
] % , 0 [ , ) % (
) , (
%
) , ; (
% %
x
x x x
b a b a x f
b a
, unde 0 > a , 0 > b "i

dx x x b a
b a
=
%
0
% %
) % ( ) , (
%) 0 ) , ; ( b a x f , evident oricare ar fi ] , [ b a x
2)
% ) , (
) , (
%
) % (
) , (
%
) , ; (
%
0
% %
%
0
= = =

b a
b a
dx x x
b a
dx b a x f
b a

Reamintim cteva propriet#$i ale integralei ) , ( b a :
P1. ) , ( ) , ( a b b a =
Demonstra!ie: facem substitu$ia dy dx y x y x = = = % % .

= = = =

%
0
% %
0
%
% %
%
0
% %
) , ( ) % ( ) % ( ) % ( ) , ( a b dy y y dy y y dx x x b a
a b b a b a

P2.
) % , % (
%
%
) , (
+
= b a
b a
a
b a
P3.
) % , % (
2
%
%
%
) , (
+
= b a
b a
b
b a
a
b a
P4.
) (
) ( ) (
) , (
b a
b a
b a
+

=
, unde

=
0
%
) ( dx e x a
x a
II. Calculul momentelor pentru calculul mediei #i dispersiei:
= = = =

+
%
0
% %
%
0
% %
%
0
) % (
) , (
%
) % (
) , (
%
) , ; ( dx x x
b a
dx x x
b a
x dx b a x f x m
b r a b a r r
r

) ( ) (
) ( ) (
) ( ) (
) (
) (
) ( ) (
) , (
) , (
a b r a
b a r a
b a
b a
b r a
b r a
b a
b r a
+ +
+ +
=

+
+ +
+
=
+
=
Dar = + + = + = + ) % ( ) % ( ) ( ) ( ) % ( r a r a r a a a a
) ( ) 2 )( % ( ) 2 ( ) 2 )( % ( a a r a r a r a r a r a + + = = + + + =
+ + + + = + + + + = + + = + + ) 2 )( % ( ) % ( ) % ( ) ( ) ( r b a r b a r b a r b a r b a b r a
) ( ) ( ) 2 )( % ( ) 2 ( b a b a r b a r b a r b a + + + + + + = = + +
Deci
) % ( ) % )( (
) % ( ) % (
) ( ) ( ) ( ) 2 )( % (
) ( ) ( ) 2 )( % (
+ + + + +
+ +
=
+ + + + + +
+ + +
=
r b a b a b a
r a a a
a b a b a r b a r b a
b a a a r a r a
m
r
Prin urmare,
) (
%
X M
b a
a
m =
+
=
,
) (
) % )( (
) % (
2
2
X M
b a b a
a a
m =
+ + +
+
=
Deci dispersia este :
=
+ + +
+ + + +
=
+
+ + +
+
= =
) % ( ) (
) % ( ) )( (
) ( ) % )( (
) % (
) (
2
2 2
2
2
2
% 2
b a b a
b a a a a b a
b a
a
b a b a
a a
m m X D
) % ( ) ( ) % ( ) (
2 2
2 2 3 2 2 3
+ + +
=
+ + +
+ + +
=
b a b a
ab
b a b a
a b a a ab b a a a
.
10.2.6. Reparti!ia
2
DEFINI!IE: O variabil# aleatoare X are reparti!ie

2
dac#
func$ia sa de reparti$ie este de forma:
>
\
|
=

0 , 0
0 ,
2
2
%
) ; (
2
%
2
2
x
x e x
k
k x f
x k
k
, unde
*
N k reprezint#
num#rul gradelor de libertate.
Mai jos prezent#m graficele func$iei ) ; ( k x f pentru
%5 , 6 , 4 , 2 = k .
k=2
k=4
0,2-
0,%5- k=6
0,%- k=%5
0,05-
| | | | |
0 5 %0 %5 20 25
Se vede c# graficele sunt asimetrice, dar, pentru valori mari
ale gradelor de libertate ) 30 ( > k , graficul reparti$iei
2
se apropie
de graficul reparti$iei normale.
OBSERVA!IE:
2
se poate ob$ine din pentru
%
2
=
k
a
"i 2 = b .
Func$ia generatoare de momente a variabilei aleatoare
este de forma
) % (
%
) % (
) % (
%
) (
+
+
=
=
a
a
bt
bt
t g
"i ,.... 2 , % , ) 0 (
) (
= = r m g
r
r
.
Prin urmare, pentru
%
2
=
k
a
"i 2 = b , vom ob$ine func$ia
generatoare de momente a variabilei
2
de forma:
2
) 2 % ( ) (
k
t t g

= .
k m g t k t
k
t g
k k
= = = =

%
%
2
%
2
) 0 ( ' ) 2 % ( ) 2 ( ) 2 % (
2
) ( '
+ =
+
=
%
2
%
2
) 2 % )( 2 ( ) 2 ( ) 2 % (
2
2
) ( ' '
k k
t k k t
k
k t g
) 2 ( ) 0 ( ' '
2
+ = = k k m g
k k k k m m D 2 2 ) (
2 2 2
% 2
2
= + = =
10.2.7. Reparti!ia Student
DEFINI!IE: O variabil# aleatoare X are reparti!ie Student
dac# func$ia sa de reparti$ie este de forma:

=
+
t
k
t
k
k
k
k t f
k
, %
2
2
%
) , (
2
%
2
Se poate ar#ta c# variabila aleatoare t este dat# de raportul

V
k z
t =
, unde z este variabila aleatoare ) % , 0 ; (x n , iar variabila
aleatoare V este un
2
cu k grade de libertate, independent# de z.
Se arat# c# ) % , 0 ; ( ) , ( lim t n k t f
k
=

, deci t este aproximat#
suficient de bine de ) % , 0 ; (x n pentru 30 > k .
0 ) ( = t M , iar
2
) (
=
k
k
t D
.
) % , 0 ; (x n
t
x
CAPITOLUL 11
TIPURI DE CONVERGEN!". LEGILE NUMERELOR
MARI. TEOREME LIMIT" CENTRAL"
11.1. Inegalitatea lui Ceb!ev
DEFINI!IE: Fie ) , , ( P K un cmp (borelian) de
probabilitate "i : X o variabil# aleatoare cu media
m X M = ) (
X M (
"i dispersia ) ( X D finite. Atunci pentru orice 0 > ,
are loc inegalitatea:
2
) (
) (
X D
m X P
($)
echivalent# cu inegalitatea :
2
) (
$ ) (
X D
m X P <
. ($)
Formula ($) [respectiv ($) ] poart# numele de Inegalitatea
lui Ceb!ev .
Demonstra"ie:
+ = =

<

m x m x
dx x f m x dx x f m x dx x f m x X D ) ( ) ( ) ( ) ( ) ( ) ( ) (
2 2 2
) ( ) ( ) ( ) (
2 2 2

=

m X P dx x f dx x f m x
m x m x
.
Deci
2 2
2
) (
$ ) (
) (
) ( ) ( ) (

X D
m x P
X D
m x P m x P X D <
Lund = k , unde N k "i ) ( X D = , rezult# c#
2 2 2
2
2
$ ) (
k k
X D
= =
"i deci inegalitatea lui Ceb"ev se poate scrie :

2
$
) (
k
k m X P
, unde N k , (2) sau:
2
$
$ ) (
k
k m X P <
(2)
OBSERVA!IE: Pentru $ = k , inegalitatea este banal#. De
aceea vom lua 2 , k N k .De exemplu:
Pentru 3 = k , avem
$ , 0
9
$
) 3 ( m X P
sau
9 , 0
9
8
9
$
$ ) 3 ( = < m X P
Pentru 4 = k , avem
06 , 0
$6
$
) 4 ( m X P
Observ#m deci c# abaterile mai mari dect 3 "i cu att
mai mult dect 4 au probabilit#%ile de producere foarte mici, deci
"ansele acestor evenimente de a se produce sunt extrem de reduse.
EXEMPLE:
$) Variabila aleatoare X , continu#, reprezint# lungimea unor
piese fabricate la o ma"in#. Se "tie c# 50 ) ( = = m X M cm "i
$ , 0 ) (
2
= = X D . Utiliznd inegalitatea lui Ceb"ev, s# se
determine probabilitatea ca lungimea X a pieselor s# fie cuprins#
ntre 49,5 cm "i 50,5 cm.
Solu"ie:
Deoarece 50 = m , condi%ia 5 , 50 5 , 49 < < X se poate scrie
5 , 0 50 5 , 0 < < X , sau 5 , 0 50 < X 5 , 0 = .
Aplic#m inegalitatea lui Ceb"ev :
6 , 0 4 , 0 $
25 , 0
$ , 0
$ ) 5 , 0 50 ( = = < X P
.
2) Aplicnd inegalitatea lui Ceb"ev, s# se g#seasc# limita
inferioar# a probabilit#%ii inegalit#%ii
2
5
$0
6
$
$0

<
, unde
reprezint# num#rul de apari%ii ale fe%ei 5 n
5
$0 arunc#ri ale zarului.
Solu"ie:
Variabila aleatoare are reparti%ie binomial#, cu media
np M = ) ( "i dispersia npq D = ) ( .
6
$
$0 ) (
5
= = np M
, unde
6
$
reprezint# probabilitatea de apari%ie a
fe%ei 5.
36
$0 5
6
5
6
$
$0 ) (
5
5

= = = npq D
6
$
$0
5
=

X
. Atunci :
0
6
$
6
$
6
$
$0
$
6
$0
6
$
$0
$
) ( ) (
5
5
5
= = =
= M M X M
=
\
|
+
\
|
= =
36
$
3 $0 $0
0
6
$
$0
] ) [( ) (
5 $0
2
2
5
2

M M m X M X D
= +
+
= +
=
36
$
6
$0
3 $0
$
36
) 5 $0 ( $0
$0
$
36
$
) (
3 $0
$
) (
$0
$
5
5
5 5
$0 5
2
$0
M M
36 $0
5
36
$
$8
$
36 $0
5
36
$
5 5
= +
+ =
.
Aplic#m inegalitatea lui Ceb"ev:
72
7$
360
355
360
5
$
36 $0
$0 5
$ $0 0
6
$
$0
5
4
2
5
= = =
<

P
11.2. Tipuri de convergen"#
Am v#zut c# unele reparti%ii (sau unele caracteristici ale
unor variabile aleatoare) pot fi aproximate, n condi%iile unui volum
mare de probe ) ( n , prin alte reparti%ii sau carecteristici.
EXEMPLU: Reparti%ia Student:

=
+
t
k
t
k
k
k
k t f
k
, $
2
2
$
) ; (
2
$
2
Se arat# c#
) $ , 0 ; ( ) ; ( lim t n k t f
k
=

. Practic, pentru 30 > k ,
) $ , 0 ; ( ) ; ( t n k t f .
Prin urmare este util s# cunoa"tem n ce condi%ii un "ir de
variabile aleatoare ) (
n
X tinde (converge) c#tre o variabil# aleatoare
X .
a) Convergen"a n probabilitate
DEFINI!IE: &irul de variabile aleatoare
N n n
X

) ( converge
n probabilitate c#tre variabila aleatoare X ) ( X X
P
n
, dac#
pentru orice 0 > , avem :
$ } { lim = <

X X P
n
n
.
b) Convergen"a n medie de ordinul r , ) (
*
N r
N n n
X

) ( converge
n medie de ordinul r c#tre variabila aleatoare X dac#:
0 ) ( lim =

r
n
n
X X M
.
OBSERVA!IE: Pentru 2 = r se ob%ine defini%ia
convergen%ei n medie p#tratic#, foarte utilizat# n statistica
metematic#.
c) Convergen"a n reparti"ie (sau n sens Bernoulli)
Fie
n
X variabila aleatoare cu func%ia de reparti%ie ) (x F
n
"i
X variabila aleatoare cu func%ia de reparti%ie ) (x F .
N n n
X

) ( converge
n reparti"ie c#tre variabila aleatoare X dac#:
) ( ) ( lim x F x F
n
n
=

n
toate punctele x unde func%ia de reparti%ie ) (x F este continu#.
11.3. Legi ale numerelor mari
Cu toate c# despre orice variabil# aleatoare nu se poate "ti
dinainte valoarea pe care aceasta o ia ntr-o anumit# experien%#,
totu"i, media aritmetic# a unui num#r sufucient de mare de
variabile aleatoare, n condi"ii destul de pu"in restrictive, !i
pierde caracterul ntmpl#tor.
Astfel de condi%ii se dau n teoremele cunoscute sub
denumirea comun# de legi legi ale numerelor mari .
11.3.1. Teorema lui Ceb!ev
Dac#
n
X X X , , ,
2 $
sunt variabile aleatoare independente
dou# cte dou#, "i au dispersiile mai mici dect o constant# c,
atunci, pentru orice 0 > avem:
$
) (
lim
$ $
=
<

= =

n
X M
n
X
P
n
k
k
n
k
k
n
($)
Demonstra"ie:
=
=
n
k
k
X
n
X
$
$
. Aceast# variabil# are
media
=
=
n
k
k
X M
n
X M
$
) (
$
) (
"i dispersia
n
c
n
nc
X D
n
X D
n
k
k
= =

=
2
$
2
) (
$
) (
.
Aplic#m inegalitatea lui Ceb"ev pentru variabila
=
=
n
k
k
X
n
X
$
$
, adic#
2
) (
$ ) (
X D
m X P <
.
De aici rezult# :
$
) (
) (
$
$ $
2

<

= =
n
X M
n
X
P
X D
n
k
k
n
k
k
.
nlocuind
n
c
X D = ) (
"i trecnd la limit# pentru n ,
rezult#:
$
) (
lim $
$ $
<

= =

n
X M
n
X
P
n
k
k
n
k
k
n
, "i teorema este
demonstrat#.
COROLAR: Dac# variabilele aleatoare
n
X X X , , ,
2 $
au
toate aceea"i medie m, deci m X M
k
= ) ( , n k ,..., 2 , $ = , atunci
rela%ia ($) devine:
=
<
=

$ lim
$
n
m n
n
X
P
n
k
k
n
$ lim
$
=
<
=

m
n
X
P
n
k
k
n
.
Rezult# deci c# media aritmetic# a unui num#r suficient de
mare de variabile aleatoare, cu dispersiile m#rginite, "i pierde
caracterul de variabil# aleatoare.
Aceste rezultate dau o justificare regulei mediei aritmetice,
care se aplic# n mod curent n m#sur#tori. Dac# trebuie m#surat# o
m#rime a, repetnd de n ori m#sur#torile, ob%inem n rezultate
n
x x x ,..., ,
2 $
, n general diferite. Drept valoare aproximativ# lu#m
media aritmetic# a rezultatelor:
) ... (
$
$ n
x x
n
a + + =
.
11.3.2. Teorema lui Bernoulli (legea numerelor mari a lui
Bernoulli)
Teorema lui Bernoulli stabile"te o leg#tur# ntre frecven%a
relativ# a unui eveniment "i probabilitatea sa.
S# consider#m o experien%# n care probabilitatea de apari%ie
a unui eveniment A este p . Se fac n experien%e. Dac# este
num#rul de apari%ii ale evenimentului A din cele n experien%e,
atunci, oricare ar fi 0 > , avem:
$ lim =
<

p
n
P
n
, unde
n
reprezint# frecven%a relativ#.

Demonstra"ie:
Consider#m variabila aleatoare
k
X , variabil# ce reprezint#
num#rul de apari%ii ale evenimentului A n experien%a de ordinul k ,
n k ,..., 2 , $ = .
Fiecare variabil# aleatoare
k
X are reparti%ia
k k
k
q p
X
0 $
:
,
unde $ = +
k k
q p . Aceast# variabil# are media
k k
p X M = ) ( "i
dispersia = = ) ( ) ( ) (
2 2
k k k
X M X M X D
k k k k k k
q p p p p p = = ) $ (
2
.
Fie
n
X X X X + + + =
2 $
. Aplic#m teorema lui Ceb"ev
variabilei aleatoare X :
$ lim ) (
$
lim
2 $
=
< =
< + + +

p
n
P p X X X
n
P
n
n
n
.
OBSERVA!II:
$) Teorema lui Bernoulli explic# stabilitatea frecven%ei relative de
apari%ie a unui eveniment A,
n
f
n
=
, pentru un num#r mare de
experien%e.
2) Uneori, aceast# teorem# celebr# se enun%# astfel: frecven"a
relativ# de apari"ie a unui eveniment converge n probabilitate
c#tre probabilitatea evenimentului considerat.
3) D#m urm#toarea defini%ie:
Variabila aleatoare ) (n X , depinznd de num#rul natural n se spune
c# estimeaz# absolut corect num#rul a dac#:
a) a n X M = )] ( [
b)
0 )] ( [ lim =

n X D
n
S# ar#t#m c# aceste condi%ii sunt ndeplinite pentru
variabilele aleatoare
n
n X

= ) (
"i p a = .
p p n
n
X
n
M
n
M
n
k
k
= =
=
$ $
$
0 lim
$ $
2
$
=
= =
n
D
n
pq
q p n
n
X
n
D
n
D
n
n
k
k

Prin urmare probabilitatea p este estimat# absolut corect de
frecven%a relativ#
n
f
n
=
ceea ce face ca n caclulul probabilit#%ii "i
statistic# s# se foloseasc# valoarea aproximativ#
n
p

.
11.3.3. Teorema lui Poisson
Teorema lui Poisson este o generalizare a teoremei lui
Bernoulli n sensul c# evenimentul A are n prima prob#
probabilitatea de realizare
$
p , n a doua probabilitatea
2
p , , n a
n-a prob# probabilitatea
n
p .
TEOREM': Fie num#rul de apari%ii ale unui eveniment
A n n experien%e independente "i
k
p probabilit#%i de apari%ie a
evenimentului A n experien%a de ordinul k , n k ,..., 2 , $ = . Atunci,
oricare ar fi 0 > , avem
$
$
lim
$
=
<
=

n
k
k
n
p
n n
P
.
Demonstra"ie: Variabila aleatoare X reprezint# rezultatul
probei de ordinul k ( n k ,..., 2 , $ = ) "i are reparti%ia
k k
k
q p
X
0 $
:
,
$ = +
k k
q p , n k ,..., 2 , $ = .
k
X ia valoarea $ dac# evenimentul A a
ap#rut "i 0 dac# evenimetul A nu a ap#rut. Deci
=
=
n
k
k
X
$
. De
asemenea :
k k
p X M = ) ( ;
k k
p X M = ) (
2
.
= = + = + = =
2 2 2 2 2 2
2 ] ) ( 2 [ ] ) [( ) (
k k k k k k k k k k k k
p p p p p p X M p X M p X M X D
k k k k
q p p p = = ) $ (
Aplic#m inegalitatea lui Ceb"ev variabilei aleatoare
n
X
n
n
k
k
=$
$
.
2 2
$
$ $
$
$ $
n
q p
p
n
X
n
P
n
k
k k
n
k
k
n
k
k

=
= =

<
. Dar
0 lim
2 2
$
=
=

n
q p
n
k
k k
n
.
Atunci ob%inem:
$
$ $
lim
$ $
=
<

= =

n
k
k
n
k
k
n
p
n
X
n
P
"i deoarece
=
=
n
k
k
X
n n
$
$
, atunci
rezult# c# :
$
$
lim
$
=
<

=

n
k
k
n
p
n n
P
.
OBSERVA!IE: Dac#
p np
n
p
n
p p p p
n
k
k k
= = = = = =

=
$ $
...
$
2 $
,
adic# teorema lui Bernoulli
11.3.4. Teorema limit# central#
D#m f#r# demonstra%ie urm#torul rezultat, esen%ial n
statistica matematic#:
Dac# :
$) Variabila aleatoare
k
X , n k ,..., 2 , $ = , sunt independente;
2) Variabilele
k
X nu iau valori prea mari una n compara%ie
cu celelalte;
3) Num#rul n al veriabilelor este sufucient de mare,
Atunci: variabila aleatoare
=
=
n
k
k
X X
$
are ca reparti%ie
asimptotic# reparti%ia normal#, oricare ar fi reparti%iile variabilelor
aleatoare
k
X ( n k ,..., 2 , $ = ).
Prin urmare, teorema limit# central# d# posibilitatea
folosirii reparti%iei normale drept lege practic# de aproximare.
CAPITOLUL 12
STATISTIC! MATEMATIC!
12.1. No!iuni de teoria selec!iei "i a estima!iei
S! consider!m o popula"ie , finit! sau infinit!, n sensul
c! este format! dintr-un num!r finit sau infinit de unit!"i. Dac!
popula"ia este finit!, vaom nota cu N num!rul unit!"ilor ce o
compun, iar N l vom numi volumul popula!iei .
Studiem popula"ia din punctul de vedere al unei
propriet!"i. Aceast! proprietate, care variaz! (n general) aleator de
la o unitate la alta a popula"iei o vom asimila cu o variabil!
aleatoare X #i o vom numi variabil! aleatoare teoretic! definit! pe
popula"ia .
Caracteristicile probabilistice ale variabilei aleatoare
teoretice X le vom numi caracteristici teoretice, astfel:
) ( X M m = , media teoretic!;
) (
2
X D D = = , dispersia teoretic!;
) (
r
r
X M m = , momentul ini"ial de ordinul r, teoretic;
] ) [(
r
r
m X M = , momentul centrat de ordinul r, teoretic.
Cercetarea unit!"ilor din popula"ia se poate face printr-o
observare total! sau par"ial!.
Cercetarea total! (care se efectueaz! de exemplu sub
form! de recens!mnt) este o opera"ie complex!, care de cele mai
multe ori prime#te mai multe caracteristici ale unit!"ilor, pentru a
realiza o analiz! multilateral!. Practic, o cercetare total! se
recomand! atunci cnd volumul popula"iei nu este prea mare,
pentru a evita cheltuieli ce pot dep!#i avantajele concluziilor trase.
Carcetarea par"ial! (selectiv!) se efectueaz! asupra unei
subpopula"ii , subpopula"ie de volum n. Variabila aleatoare
asimilat! caracteristicii studiate corespunz!toare subpopula"iei de
selec"ie este reprezentativ!, ceea ce nseamn! c! n subpopula"ia
sunt reflectate propriet!"ile ntregii popula"ii .
Construirea e"antionului (subpopula"iei de selec"ie) se
face cu unit!"i din popula"ia , alese dup! o animit! tehnic! (dup!
anumite reguli) numit! opera!ie de sondaj.
n efectuarea unui sondaj ntlnim dou! metode de baz!:
a) Sondaj cu revenire (sondaj non-exhaustiv):
Fiecare unitate de sondaj extras! din pentru a fi studiat!,
se reintroduce n , dup! cercetare, putnd deci s! apar! din nou n
procesul de construc"ie al e#antionului .
Efectuarea sondajului cu revenire are ca schem!
probabilistic! urna lui Bernoulli (urna cu bil! revenit!).
n acest caz vom spune c! s-a efectuat o selec"ie repetat! de
volum n. Sondajele astfel efectuate sunt:
Echiprobabile
Valorile de selec"ie astfel ob"inute sunt
independente
b) Sondaj f#r# revenire (sondaj exhaustiv):
Fiecare unitate de sondaj extras! din pentru a fi studiat!
nu mai este reintrodus! n dup! studiere (cercetare).
Efectuarea sondajului f!r! revenire are ca schem!
probabilistic! schema urnei cu bil! nerevenit!.
n acest caz vom spune c! s-a efectuat o selec"ie nerepetat!
de volum n.
OBSERVA$IE: Aplicarea selec"iei nerepetat! nu are sens
dect n cazul cnd volumul popula"iei este finit. Valorile de
selec"ie astfel ob"inute sunt dependente.
Selec"ia repetat! #i selec"ia nerepetat! sunt aplicate
colectivit!"ilor omogene.
DEFINI$IE: O colectivitate este omogen! dac! este
constituit! din elemente care sunt susceptibile de a avea sau de a nu
avea caracteristica studiat!, cu o aceea#i pondere.
n cazul cnd sondajul se efectueaz! dintr-o popula"ie
omogen!, el se nume#te sondaj simplu (selec"ie simpl!) .
n cazul cnd popula"ia nu este omogen! din punct de
vedere al caracteristicii (al propriet!"ii) cercetate dar poate fi
mp!r"it! n subpopula"ii
i
, fiecare n parte omogen!, ca ni#te
straturi ale popula"iei , se va efectua a#a numita selec!ie
stratificat#.
Fie , o popula"ie de selec"ie de volum n. Valorile
variabilei teoretice X pentru fiecare unitate din e#antionul
determin! #irul de valori
n j
X X X X ,..., ,..., ,
2 %
. Deoarece participarea
oric!rei unit!"i din popula"ia la e#antionul este echiprobabil!
(deoarece sondajul se face ntmpl!tor) , fiecare valoare
j
X din
#irul anterior se realizeaz! n e#antion cu aceea#i probabilitate
n
%
.
Astfel se construie#te variabila de selec!ie
*
X , cu reparti"ia :
n n n n
X X X X
X
n j
% % % %
:
2 %
*

Caracteristicile variabilei aleatoare de selec"ie
*
X , numite
caracteristici de selec"ie, sunt: (%)
=
= =
n
j
j
X
n
X m
%
*
%
=
=
n
j
j
X X
n
D
%
2 *
) (
%
=
=
n
j
r
j r
X
n
m
%
*
%
=
=
n
j
r
j r
X X
n
%
*
) (
%
OBSERVA$IE: E#antionul , la rndul lui, are un aspect

aleatoriu determinat n primul rnd de caracterul ntmpl!tor al
sondajului. Prin urmare, efectund alte sondaje se ob"in alte
e#antioane #i alte variabile aleatoare de selec"ie.
Putem considera c! fiecare valoare
j
X a argumentului
variabilei aleatoare de selec"ie
*
X este, la rndul ei, o variabil!
aleatoare identic! din punct de vedere probabilistic cu X, deoarece
poate fi oricare din valorile posibile ale lui X #i deci are acelea#i
caracteristici ca #i variabila aleatoare teoretic!. Adic!:
) ( ) ( X M X M
j
= , n j ,..., % =
) ( ) ( X D X D
j
= , n j ,..., % =
) ( ) (
r r
j
X M X M = , n j ,..., % =
n cazul cnd variabila aleatoare empiric!
*
X are reparti"ia
de forma :
k i
k i
n n n n
x x x x
X

2 %
2 % *
:
;
%
%
=
=
k
i
i
n
, unde
k i
x x x x , , , , ,
2 %
sunt valorile distincte ale lui
j
X , n j ,..., % = , iar
k i
n n n n , , , , ,
2 %
sunt frecven"ele de apari"ie. Deci rela"iile (%)
devin: (%)
=
= =
k
i
i i
n x
n
x m
%
*
%
i
k
i
i
n x x
n
D

=
=
%
2 *
) (
%
i
k
i
r
i r
n x
n
m

=
=
%
*
%
i
k
i
r
i r
n x x
n
=
=
%
*
) (
%
12.2. Reparti!ii de selec!ie

O anumit! caracteristic! (calitativ! sau cantitativ!) studiat!
pe o popula"ie oarecare poate fi considerat! ca o variabil!
aleatoare unidimensional! X care are o densitate de reparti"ie ) (x f
sau o func"ie de reaprti"ie ) (x F .
) (x f #i ) (x F se numesc legi teoretice de reparti!ie a
variabilei aleatoare X .
S! consider!m acum c! pe baza unei selec"ii de volum n din
popula"ia ob"inem valorile
n
X X X , , ,
2 %
. Cu ajutorul acestor
valori (cu ajutorul acestor date de selec"ie) putem calcula diferi"i
indicatori ca de exemplu:
Media de selec"ie :
=
= =
n
k
k
X
n
X X
%
*
%
Dispersia de selec"ie :
=
=
n
k
k
X X
n
D
%
2 *
) (
%
DEFINI$IE: O func"ie ) ,..., , (
2 % n n
X X X T de datele de
selec"ie
n
X X X , , ,
2 %
se nume#te statistic# .
OBSERVA$IE: Media de selec"ie
*
X #i dispersia de
selec"ie
*
D sunt func"ii de datele de selec"ie
n
X X X , , ,
2 %
, deci
sunt statistici.
Fiecare statistic! ) ,..., , (
2 % n n
X X X T (de exemplu media de
selec"ie #i dispersia de selec"ie) este, datorit! caracterului aleatoriu
al selec"iei, o variabil! aleatoare care la rndul ei are anumite legi de
reparti!ie (f #i F) numite reparti!ii de selec!ie .
Cunoa#terea legii de reparti!ie (reparti"iei de selec"ie) a
statisticii ) ,..., , (
2 % n n
X X X T este deoasebit de important! deoarece
cu ajutorul ei se poate face studiul probabilistic al statisticii
) ,..., , (
2 % n n
X X X T , calculndu-se probabilit!"i de forma ) ( a T P
n
< ,
) ( b T a P
n
< < ; ) (
n
T M , ) (
n
T D , etc.
OBSERVA$IE: Interpretarea datelor de selec"ie are un
dublu n"eles:

n
X X X , , ,
2 %
sunt ni#te numere cunoscute

i
X , n i ,..., % = sunt variabile aleatoare cu acelea#i
caracteristici ca #i X .
n acest fel, prin intermediul statisticii
n
T putem trage
concluzii referitoare la popula"ia general! din care a provenit
selec"ia (e#antionul) .
Teoria probabilit!"ilor ne ofer! procedee de determinare att
a reparti"iei exacte, ct #i a reparti"iei asimptotice a statisticii
n
T .
Prin reparti!ia exact# a statisticii
n
T n"elegem reparti"ia
determinat! pentru orice volum al selec"iei n, iar prin reparti!ia
asimptotic# n"elegem reparti"ia limit! a statisticii
n
T (cnd
n ) .
Reparti"ia exact! este util! cnd condi"iile concrete ale
caracteristicii studiate din popula"ia impune folosirea unei selec"ii
(e#antion) de volum redus 30 n .
n cazul unor selec"ii de volum mare ( 30 > n ) folosirea
reparti"iei asimptotice conduce la rezultate suficient de bune.
Reparti"ia de selec"ie a statisticii
n
T este strns legat! #i
unic determinat! de legea de reparti"ie teoretic! a variabilei
aleatoare X care a generat selec"ia.
n continuare vom cerceta repati"iile de selec"ie ale unor
statistici
n
T construite dintr-o selec"ie extras! dintr-o popula"ie cu
reparti"ie normal!.
%) X X X X T
n n
= ) ,..., , (
2 %
(media de selec"ie)
2) D X X X T
n n
= ) ,..., , (
2 %
(dispersia de selec"ie)
12.3. Reparti!ia mediei de selec!ie pentru o selec!ie dintr-o
popula!ie normal#
TEOREMA %: Dac!
n
X X X , , ,
2 %
este o selec"ie de volum
n dintr-o popula"ie normal! ) , ( m N , atunci media de selec"ie:
) (
%
2 % n
X X X
n
X + + + =
are o reparti"ie
n
m N

,
.
Demonstra!ie:
Deoarece variabila aleatoare de selec"ie
k
X , n k ,..., % = ,
este o variabil! aleatoare normal! ) , ( m N , ea are func"ia
caracteristic!
2 2
2
%
) (
t imt
X
e t c
k

= . (vezi capitolul %0, paragraful
%0.2.3.)
Aplicnd propriet!"ile func"iei caracteristice, ob"inem
func"ia caracteristic! a variabilei aleatoare
k
X
n
%
, n k ,..., % = :
2
2
2
2
%
%
) (
n
t
n
t
im
X
n
e t c
k

=
(deoarece ) ( ) ( at c t c
X aX
= ).
Dar
n n
X
n
X
n
X
n
X X X
n
X
% % %
) (
%
2 % 2 %
+ + + = + + + =
#i deci, aplicnd proprietatea P3 a func"iei caracteristice (vezi
capitolul 3, paragraful %.6.), avem:
2
2
2
2
%
2
2
2
2
2
2
2
%
2
%
2
%
%
2
%
) (
t
n
itm
t
n
itm
n
t
m
n
t
i n
k
n
t
m
n
t
i
X
e e e e t c
n
i

= =
= =
=
,
adic! X are reparti"ia
n
m N

,
.
OBSERVA$IE: Prin urmare, m X M = ) ( ,
n
X D
2
) (

=
.
CONSECIN$A %: Consider!m variabila aleatoare redus!
n
m X
Z
=
pe care o putem scrie sub forma unei expresii liniare
n func"ie de X , adic!
X
n
X
n
Z

=
. Atunci :
0 ] [ ] ) ( [ ) ( ) ( = = =

= m m
n
m X M
n
m
n
M X M
n
n
m X
M Z M

% ) ( ) (
2
2
= = =

=
n
n
X D
n
m
n
D X
n
D n
m X
D Z D

Prin urmare,
n
m X
Z
=
are reparti"ia normal! de tip
) % , 0 ( N .
TEOREMA 2: Dac!
%
% %%
, ,
n
X X este o selec"ie de volum
%
n din popula"ia normal! ) , (
% %
m N #i
2
2 2%
, ,
n
X X este o selec"ie
de volum
2
2 2
m N , #i dac!
=
=
%
%
%
%
%
%
n
j
j
X
n
X
#i
=
=
2
%
2
2
2
%
n
k
k
X
n
X
sunt mediile de selec"ie
corespunz!toare, atunci variabila aleatoare ) (
2 % 2 %
X X X X Y + = =
are o reparti"ie normal!
+
2
2
2
%
2
%
2 %
;
n n
m m N

.
Demonstra!ie:
Func"ia caracteristic! a mediei de selec"ie
%
X este
%
2
%
2
%
%
2
) (
n
t
itm
X
e t c

=
#i ale mediei de selec"ie
2
X este
2
2
2
2
2
2
2
) (
n
t
itm
X
e t c

=
.
OBSERVA$IE: Func"ia caracteristic! a variabilei aleatoare
2
X este de forma :
2
2
2
2
2
2
2
) (
n
t
itm
X
e t c

=
, conform propriet!"ii P4 a
func"iei caracteristice (vezi capitolul 4, paragraful 4.2.3.) .
Deoarece
%
X #i
2
X sunt variabile aleatoare
independente, func"ia caracteristic! a variabilei aleatoare
) (
2 % 2 %
X X X X Y + = = este (conform propriet!"ii P3 a func"iei
caracteristice):
+

= =
2
2
2
%
2
%
2
2 %
2
2
2
2
2
%
2
%
2
%
2
) (
2 2
) (
n n
t
m m it
n
t
itm
n
t
itm
Y
e e e t c

Prin urmare Y are reparti"ia
+
2
2
2
%
2
%
2 %
;
n n
m m N

.
OBSERVA$IE: Ultima afirma"ie rezult! din faptul c!
variabila aleatoare X cu reparti"ia ) , ( m N are func"ia caracteristic!
2
2 2
) (
t
imt
X
e t c

= .
CONSECIN$A 2: Din teorema 2 rezult! c! reparti"ia
variabilei aleatoare normate
2
2
2
%
2
%
2 % 2 %
) (
n n
m m X X
Z

+

=
are o
reparti"ie de tipul ) % , 0 ( N .
12.3.1. Leg#tura cu variabila aleatoare
2
cu n grade de
libertate
Se #tie c! variabila aleatoare
2
are densitatea de
probabilitate:
>
\
|
=

0 , 0
0 ,
2
2
%
) ; (
2
%
2
2
x
x e x
k
k x f
x k
k
Se poate demonstra c! dac!
k
Z , n k ,..., % = sunt variabile
aleatoare normale ) % , 0 ( N , atunci variabila aleatoare
=
n
k
k
Z
%
2
este:
=
=
n
k
k
Z
%
2 2
, cu n grade de libertate #i are deci densitatea de

probabilitate :
0 ,
2
2
%
) (
2
%
2
2
>
=

x e x
n
x h
x n
n
.
&tim c! n M = ) (
2
#i n D 2 ) (
2
= (vezi capitolul %0,
paragraful %0.2.6).
Este adev!rat! urm!toarea teorem!:
TEOREMA 3: Dac!
n
X X X , , ,
2 %
este o selec"ie de
volum n dintr-o popula"ie normal! ) % , 0 ( N , atunci variabila aleatoare
=
=
n
k
k
X Y
%
2
este o variabil! aleatoare
2
cu n grade de libertate.
12.4. Reparti!ia dispersiei de selec!ie pentru o selec!ie dintr-o
popula!ie normal#
Dispersia D a unei popula"ii oarecare poate fi evaluat! pe
baza selec"iei
n
X X X , , ,
2 %
n urm!toarele moduri:
a) Dac! media m a popula"iei generale este cunoscut!, atunci
dispersia de selec!ie este dat! de:
2
*
%
2
) (
%
' S m X
n
D
n
k
k
= =

=
(%)
b) Dac! media m a popula"iei nu este cunoscut!, atunci media o
putem aproxima cu media de selec"ie
=
=
n
k
k
X
n
X
%
%
#i dispersia de
selec"ie este:
2
%
2 *
) (
%
S X X
n
D
n
k
k
= =

=
(2)
c) n cazul selec"iilor de volum mic, evalu!m dispersia D a
popula"iei cu dispersia de selec"ie dat! de rela"ia :
2
%
2
~
) (
%
% ~
s X X
n
D
n
k
k
=
=

=
n cele ce urmeaz! vom stabili reparti"ia unor func"ii de
variabilele aleatoare ' D ,
*
D , D
~
pentru selec"ii dintr-o popula"ie
normal!. Sunt adev!rate urm!toarele propriet!"i:
TEOREMA %: Dac!
n
X X X , , ,
2 %
este o selec"ie dintr-o
popula"ie ) , ( m N , atunci variabila aleatoare
2
'
'
nD
U =
are o
reparti"ie
2
cu n grade de libertate.
Demonstra!ie:

= =
=
=

=

= =
n
i
i
n
i
i
n
i
i
Z
m X
m X
n
n
nD
U
%
2
%
2
2
%
2
2
) (
%
'
'

,
unde
i
Z este o variabil! aleatoare cu reparti"ia ) % , 0 ( N . Conform
teoremei 3 din paragraful anterior, ' U este o reparti"ie
2
cu n
grade de libertate.
Prin urmare n U M = ) ' ( #i n U D 2 ) ' ( = . Deci :
2
2
) ' ( ) ' ( ) ' (
= = = D M n D M
n
U M
n
D D n D D
n
U D
4
2
2
) ' ( 2 ) ' ( ) ' (

= = =
TEOREMA 2: Dac!
n
X X X , , ,
2 %
este o selec"ie de
volum n dintr-o popula"ie ) , ( m N , atunci variabila aleatoare
2
~
) % (
D n
U

=
are o reparti"ie
2
cu ) % ( n grade de libertate.
Prin urmare, variabila
2
~
) % (
D n
U

=
are densitatea de
probabilitate de forma :
0 ,
2
2
%
%
) (
2
%
2
%
%
>
x e x
n
x h
x n
n
.
TEOREMA 3: Dac!
n
X X X , , ,
2 %
este o selec"ie de
volum n dintr-o popula"ie normal! ) , ( m N , atunci variabila
aleatoare
n
m X
t
=
, unde D
~
~
= , are o reparti"ie Student cu
) % ( n grade de libertate.
CONSECIN$': Dac!
%
% %%
, ,
n
X X este o selec"ie de
volum
%
% %
m N #i
2
2 2%
, ,
n
X X este o
selec"ie de volum
2
2 2
m N , #i dac!
=
=
%
%
%
%
%
%
n
j
j
X
n
X
#i
=
=
2
%
2
2
2
%
n
k
k
X
n
X
sunt mediile de selec"ie
corespunz!toare, iar
=
%
%
2
% %
%
%
) (
%
% ~
n
k
k
X X
n
D
#i
=
2
%
2
2 2
2
2
) (
%
% ~
n
k
k
X X
n
D
sunt
dispersiile de selec"ie corespunz!toare, atunci variabila aleatoare:
2
~
) % (
~
) % (
) ( ) (
2 %
2 %
2 % 2 %
+
+

=
n n
D n D n
m m X X
t
are o reparti"ie Student cu ) 2 (
2 %
+ n n grade de libertate.
TEOREMA 4: Fie
n
X X X , , ,
2 %
o selec"ie (independent!)
de volum n dintr-o popula"ie avnd o reparti"ie oarecare de medie m
#i abatere medie p!tratic! , finite. Atunci
=
=
n
k
k
X
n
X
%
%
are,
pentru n o reparti"ie normal!
n
m N

,
.
Demonstra"iile teoremelor enun"ate n acest paragraf se
g!sesc n /2/ , /%/, /3/ .
12.5. Estima!ie punctual#
Fie variabila de selec"ie
*
X sub una din formele empirice :
n n n n
X X X X
X
n j
% % % %
:
2 %
*

, sau
k i
k i
n n n n
x x x x
X

2 %
2 % *
:
, cu
%
%
=
=
k
i
i
n
.
Datorit! volumului de selec"ie n, modului de efectuare a
sondajului, valorile numerice oferite de selec"ie reflect! valorile
variabilei teoretice X care reprezint! caracteristica (proprietatea)
studiat! din .
Aceste aprecieri au la baz! teorema lui Glivenco (teorema
fundamental# a statisticii matematice) care se refer! la leg!tura
strns! care exist! ntre func"ia de reparti"ie teoretic! ) (x F a
variabilei aleatoare teoretice X #i func"ia de reparti"ie empiric!
) (x F
n
.
DEFINI$IE: Prin func"ia de reparti"ie empiric! a unei
variabile aleatoare X, dup! extragerea unei selec"ii de volum n,
n"elegem func"ia definit! de rela"ia
n
n
x F
x
n
= ) (
, unde
x
n reprezint!
num!rul de observa"ii n care a ap!rut o valoare a variabilei
aleatoare X (a caracteristicii X), mai mic! dect x.
Reamintim c! func"ia de reparti"ie teoretic! ) (x F a
variabilei aleatoare X este ) ( ) ( x X P x F < = .
TEOREMA LUI GLIVENCO: Fie ) (x F
n
func"ia de
reparti"ie empiric! corespunz!toare unei selec"ii de volum n ce
provine dintr-o popula"ie caracterizat! de variabila aleatoare X
avnd func"ia de reparti"ie ) (x F . Atunci:
% ) 0 ) ( ) ( sup lim ( = =

x F x F P
n
R x
n
.
Adic!, cu ct n este mai mare, cu att ) (x F
n
aproximeaz!
mai corect pe ) (x F .
Conform teoremei lui Glivenco, putem accepta principiul
de baz# al teoriei selec!iei:
Variabila aleatoare de selec"ie
*
X converge n lege c!tre
variabila aleatoare teoretic! X, iar caracteristicile variabilei de
selec"ie converg n probabilitate c!tre caracteristicile
corespunz!toare ale variabilei aleatoare teoretice.
DEFINI$IE: Opera"ia prin care se evalueaz! parametrii
necunoscu"i ai unei legi de probabilitate se nume#te estimarea
parametrilor.
Estimarea se face pe baza unei selec"ii
n
X X X , , ,
2 %
de
volum n, extras! din popula"ia pe care este definit! variabila X,
cu lege specificat!, care con"ine parametrul ce trebuie estimat.
12.5.1. Estimator; estimator consistent
Fie X variabila aleatoare cu legea ) , ( x f care depinde de
un parametru necunoscut .
Vrem s!-l determin!m pe din datele de selec"ie ale
variabilei aleatoare de selec"ie
*
X .
DEFINI$IE: Se nume#te estima!ie punctual# a
parametrului , o anumit! func"ie (statistic!) ) ,..., (
%
* *
n
X X = cu
ajutorul c!reia tragem concluzii asupra valorii necunoscute a
parametrului .
OBSERVA$IE:Estimatorul
*
astfel definit este o variabil!
aleatoare (fiind o func"ie care depinde de valorile de selec"ie
n
X X X , , ,
2 %
), pe cnd reprezint! o valoare constant! a
variabilei aleatoare teoretice X .
Orice valoare
*
C
(valoare calculat! a estimatorului
*
)
determinat! de o anumit! selec"ie reprezint! o valoare estimat!
pentru .
DEFINI$IE: Func"ia de estima"ie ) ,..., (
%
* *
n
X X = ,
pentru care
% ) ( lim
*
= <

P
n
se nume#te func!ie de estima!ie
consistent#, iar estimatorul
*
se nume#te estimator consistent.
12.5.2. Estimator absolut corect; estimator corect
DEFINI$IE: Estimatorul
*
este un estimator absolut
corect dac!:
%) = ) (
*
M
2)
0 ) (
*

n
D
Spunem atunci c! orice valoare calculat! a
*
C
a acestui
estimator, estimeaz! absolut corect pe .
DEFINI$IE: Estimatorul
*
este un estimator corect dac!:
%)

n
M ) (
*
2) 0 ) (
*

n
D
Spunem atunci c! orice valoare calculat!
*
C
a acestui
estimator, estimeaz! corect pe .
Se poate demonstra urm!toarea teorem! , a c!rei
demonstra"ie se g!se#te n /2/:
TEOREM': Orice estimator absolut corect este #i un
estimator consistent.
EXEMPLU: Fie reparti"ia Poisson
0 ,
!
:

x
x
e
x
X
x
cu = = ) ( ) ( x D x M . (vezi capitolul %0, paragraful %0.%.4. ) .

Vom ar!ta c! media de selec"ie
=
=
n
j
j
X
n
X
%
%
este un estimator
absolut corect pentru .
= = =
=

= =
n
n
X M
n
X
n
M X M
n
j
j
n
j
j
%
) (
% %
) (
% %
.
0
%
) (
% %
) (
2
%
2
%

= =
= = =
=

n
n
j
j
n
j
j
n
n
n
X D
n
X
n
D X D

Deci media de selec"ie X este un estimator absolut corect

al parametrului din reparti"ia Poisson.
12.5.3. Estimator de maxim# verosimilitate
Fie variabila aleatoare teoretic! X cu func"ia de probabilitate
) , ( x f , care depinde de parametrul . Acest parametru trebuie
estimat pe baza datelor de selec"ie
n
X X X , , ,
2 %
.
Func"ia de probabilitate ) , ( x f , corespunz!toare valorilor
n
X X X , , ,
2 %
este ) ( ) ; (
j j
X X P X f = = , n j ,..., % = . Deoarece
variabila de selec"ie
*
X presupune realizat evenimetul
=
=
n
j
j
X X
%
) (
, rezult! c! ns!#i realizarea variabilei de selec"ie
constituie un eveniment care are un anumit grad de reprezentare a
variabilei teoretice, constituind astfel verosimilitatea de reflectare a
variabilei teoretice X de c!tre variabila de selec"ie
*
X .
Aceast! verosimilitate este m!surat! de probabilitatea :
= =
=
n
j
j n
X X P X X X L
%
2 %
) ( ) ; ,..., , (
, adic!
) ; ( ) ; ,..., , (
%
2 %
=
=
n
j
j n
X f X X X L
) ; ( ) ; ,..., , (
%
2 %
=
=
n
j
j n
X f X X X L
, numit! func"ia de
verosimilitate a selec"iei.
Vom determina (estima) parametrul punnd condi"ia ca
verosimilitatea s! fie maxim!. Punem deci condi"ia
0
) ; ,..., (
%
=
n
X X L
sau
0
) ; (
%
=
n
j
j
X f
.
Deoarece maximul func"iei L are loc pentru acelea#i valori
ca #i maximul func"iei L ln , ecua"ia precedent! poate fi nlocuit!
prin una mai avantajoas! din punct de vedere al calculelor :
0
) ; ,..., ( ln
%
=
n
X X L
sau
0
) ; ( ln
%
=
=
n
j
j
X f
.
Ecua"ia
0
) ; ( ln
%
=
=
n
j
j
X f
se nume#te ecua"ia de
verosimilitate maxim!.
DEFINI$IE: Orice solu"ie a ecua"iei de verosimilitate
maxim! se nume#te estimator de maxim# verosimilitate .
OBSERVA$IE: n general, un estimator de maxim!
verosimilitate este #i un estimator consistent. Adic!
% ) ( lim
*
= <

P
n
.
EXEMPLU: S! se determine estimatorul de maxim!
verosimilitate din reparti"ia Poisson
0 ,
!
:

x
x
e
x
X
x
, unde
!
) ; (
x
e x f
x

=
.
Func"ia de verosimilitate este :

= =
= =
n
j
n
j j
X
j n
X
e X f X X L
j
% %
%
)! (
) ; ( ) ; ,..., (

Logaritmnd,
ob"inem:
[ ] { }
=
+ =
n
j
j j n
X X X X L
%
%
)! ( ln ln ) ; ,..., ( ln
.
Ecua"ia de maxim! verosimilitate este:
0
%
%
ln
%
=
+ =
=
n
j
j
X
L

sau
X
n
X
X n
n
j
j
n
j
j
= = = +
=
=
* % *
%
0
%

.
n concluzie, media de selec"ie n reparti"ia Poisson este un
estimator de maxim! verosimilitate pentru parametrul .
OBSERVA$IE: n cazul reparti"iilor X care au func"ia de
probabilitate depinznd de mai mul"i parametri ) ,..., , ; (
2 % s
x f ,
parametrii
n
,..., ,
2 %
se determin! din sistemul de ecua"ii
0
) ,..., ; ,..., ( ln
% %
=
i
s n
X X L

, s i ,..., % = .
EXEMPLU: S! se determine estima"iile de maxim!
verosimilitate ale parametrilor m #i ale unei variabile aleatoare
normale ) , ; ( m x f cu ajutorul unei selec"ii
n
X X X , , ,
2 %
.
2
2
%
2
%
) , ; (

m X
e m x f
, 0 > , R x , R m .
= =
=

=
n
i
i
m X
n
n
n
i
i n
e m X f m X X L
%
2
2
) (
2
%
2
%
%
) 2 (
%
) , ; ( ) , ; , , (

=
=
n
i
i n
m X
n
n m X X L
%
2
2
%
) (
2
%
) 2 ln(
2
ln ) , ; , , ( ln

0 ) % )( (
2
2
% ) , ; ,..., ( ln
%
2
%
= =
=
n
i
i
n
m X
m
m X X L
0 ) (
% ) , ; ,..., ( ln
%
2
3
%
= + =
=
n
i
i
n
m X
n m X X L

=
=
=
=
n m X
m X
n
i
i
n
i
i
%
2
2
%
) (
%
0 ) (
=
=
=
=
n
i
i
n
i
i
m X
n
X
n
m
%
2 2
%
) (
%
%
=
=

=
n
m X
X m
n
i
i
%
2
*
*
) (
n concluzie,
*
m #i
*
sunt estimatori de maxim!
verosimilitate pentru m #i din ) , ; ( m x f .
12.6. Estimarea prin intervale de ncredere
Am v!zut c! estima"iile punctuale sunt afectate de erori, ele
reprezentnd numai valori aproximative ale adev!ratelor valori ale
parametrilor estima"i. Deoarece o estima"ie variaz! n precizie, ea
trebuie s! fie nso"it! de o indica"ie cu privire la precizia ei, adic!
ct de aproape poate fi estima"ia de valoarea parametrului pe care
trebuie s!-l estimeze. Apare astfel necesitatea de a se indica un
interval despre care s! se poat! afirma, cu o probabilitate
cunoscut!, c! acoper! valoarea parametrului estimat, care este o
m!rime constant!.
Presupunem c! proprietatea studiat! este determinat! de o
variabil! aleatoare X care are legea de reparti"ie teoretic! ) ; ( x f
care depinde de parametrul .
Se efectueaz! o selec"ie de volum n din care ob"inem
valorile de selec"ie
n
X X X , , ,
2 %
.
S! presupunem de asemenea c! avem dou! func"ii de
selec"ie (statistici) ) , , (
% n
X X #i ) , , (
% n
X X , < , astfel
nct probabilitatea inegalit!"ii < < s! fie ndeplinit! de ,
adic! :
= < < % )] , , ( ) , , ( [
% % n n
X X X X P (%)
unde nu depinde de .
Pentru o selec"ie realizat!, func"iile #i iau valori bine
determinate #i vom spune c! am g!sit un interval ) , ( care
acoper! parametrul necunoscut [altfel spus ) , ( ] cu un grad
de siguran"! garantat de probabilitatea ) % ( unde este foarte
mic.
DEFINI$IE:
(i) Intervalul ) , ( se nume#te interval de ncredere pentru
parametrul (sau interval de estima!ie).
(ii) se nume#te limita inferioar# a intervalului de ncredere.
(iii) se nume#te limita superioar# a intervalului de ncredere.
(iv) Probabilitatea ) % ( se nume#te probabilitate confiden!ial#
sau coeficient de ncredere (siguran"!).
OBSERVA$II:
Parametrul este o valoare bine determinat!.
Intervalul ) , ( este un interval aleator care variaz! de la o
selec"ie la alta.
Cu ct intervalul ) , ( este mai mic #i este mai mic, cu
att estimarea parametrului este mai bun!. Practic, pentru
se iau valorile 05 , 0 = ; 0% , 0 = ; 02 , 0 = , etc.
Se consider! variabila aleatoare X cu func"ia de
probabilitate ) ; ( x f . Ne propunem ca pe baza unei selec"ii
n
X X X , , ,
2 %
s! determin!m un interval de ncredere pentru
parametrul necunoscut.
Metoda const! n g!sirea unei func"ii ) ; , , (
%

n
X X U care
depinde de datele de selec"ie #i de , #i are propriet!"ile:
a) U este bine definit! pe orice punct din intervalul valorilor
posibile ale lui .
b) U este continu! #i monoton! n raport cu .
c) Reparti"ia sa ) (u g nu depinde de parametrul #i nici de
al"i parametri.
Atunci, pentru fiecare coeficient de ncredere ) % ( ,
folosind reparti"ia ) (u g a statisticii U , putem g!si limitele
%
u #i
2
u
care depind de , dar sunt independente de datele de selec"ie, asftel
nct:
= = < <
% ) ( ) (
2
%
2 %
u
u
du u g u U u P
(2)
12.6.1. Intervale de ncredere pentru parametrii reparti!iei
normale :
) (
:
x f
x
X
, R x , R m , 0 > ,
2
2
%
2
%
) , ; (

m x
e m x f
(i) Interval de ncredere pentru media m cnd
2
este
cunoscut
Alegem statistica:
n
m X
m X X U
n
= ) ; , , (
%

(%)
care este monoton! #i continu! n raport cu m #i a c!rei func"ie de
reparti"ie este ) % ; 0 ( N , cu densitatea:
2 2
%
2
2
%
) (
u
e u g

=
(2).
Func"ia (2) nu depinde de m #i nici de al"i parametri .
Prin urmare vom putea determina numerele
%
u #i
2
u astfel
nct:
= = < <
% ) ( ) (
2
%
2 %
u
u
du u g u U u P
, sau:
(3)
= =
<
<
%
2
% 2
%
2
2
2 %
u
u
u
du e u n
m X
u P
< < X
n
u
m X
n
u
P

2 %
< < = %
% 2
n
u
X m
n
u
X P
(4)
Am ob"inut deci intervalul de ncredere pentru m,

n
u
X
n
u
X

% 2
,
(5)
cu probabilitatea % .
OBSERVA$IE: Deoarece ntre
%
u #i
2
u avem o singur!
rela"ie, dat! de (3) putem ob"ine o infinitate de intervale de
ncredere cu probabilitatea % .
Evident, un interval de ncredere este cu att mai bun cu ct
este ct mai mic. C!ut!m deci intervalul dat de rela"ia (5), de
lungime minim!.
Fie l lungimea intervalului. Atunci
) (
% 2
u u
n
l =

Vom minimiza lungimea intervalului l , cu condi"ia (3),
adic! rezolv!m problema:
=
=
% ) (
) ( min
2
%
% 2
u
u
du u g
u u
n
l
Utiliz!m metoda multiplicatorilor lui Lagrange:
Fie
)] % ( ) ( [ ) ( ) ; , (
2
%
% 2 2 %

+ =
u
u
du u g u u
n
u u L
= + =
= =
0 ) (
0 ) (
2
2
%
%
u g
n
u
L
u g
n
u
L
) ( ) (
2 %
u g u g = , care are solu"iile
2 %
u u = care nu convine #i solu"ia
2 %
u u =
Not!m
% 2
u u z = = . Atunci ecua"ia (4) devine
%
2
%
2
2
z
z
u
du e
= % ) ( ) ( z F z F , dar ) ( ) ( z F z F = ,
deci
2
% ) ( % % ) ( 2

= = z F z F

=

2
%
%

F z
.
Dar
=
= =
=
2
%
2
2
%
2
%
2
%
2

z u
z z u
z z
Deci intervalul de ncredere este :
+ < <

n
z X m
n
z X

2
%
2
%
(ii) Interval de ncredere pentru media m cnd este
necunoscut
Consider!m func"ia de selec"ie
t n
S
m X
m X X U
n
=
= ) ; , , (
%

,
unde
=
n
i
i
X X
n
S
%
2 2
) (
%
%
. Am v!zut c! t are o reparti"ie Student
cu ) % ( n grade de libertate. Analog punctului anterior se poate
ar!ta c! intervalul de ncredere este:
+ < <

n
S
t X m
n
S
t X
n n % ;
2
% % ;
2
%

12.7. Estimarea parametrilor unei variabile aleatoare prin
metoda momentelor
Fie popula"ia n care studiem o proprietate dat! de
variabila aleatoare teoretic! X definit! pe . Variabila X are
momentele ini"iale #i centrate
r
m #i
r
cunoscute.
Se efectueaz! o selec"ie de volum n #i se consider!
variabila aleatoare de selec"ie
*
X cu momentele ini"iale de selec"ie
#i momentele centrate de selec"ie
*
r
m ,
*
r
.
TEOREM': Momentul de selec"ie
*
r
m este un estimator
absolut corect al momentului teoretic
r
m .
Demonstra!ie:
*
r
m este un estimator absolut corect al lui
r
m dac!
r r
m m M = ) (
*
#i
0 ) ( lim
*

r
n
m D
. ntr-adev!r:
r r
r
j
n
j
r
j r
m m n
n
X M
n
X
n
M m M = = =
=

=
%
) (
% %
) (
%
*
0 ) (
%
) (
% %
) (
2
2
2
2
2
%
2
%
*

= =
= = =
=

n
r r
r r
n
j
r
j
n
j
r
j r
n
m m
m m n
n
X D
n
X
n
D m D
OBSERVA$IE: Aplicarea metodei momentelor la
estimarea parametrilor
s
, ,
%
a unei func"ii ) , , ; (
% s
x f
const! n scrierea unui sistem de s ecua"ii pentru cei s parametrii.
Acest sistem se formeaz! prin scrierea primelor s momente ale
variabilei aleatoare teoretice X care sunt egale cu momentele de
acela"i ordin ale variabilei aleatoare empirice
*
X .
EXEMPLU: Fie
x
e x x f

=
%
) (
%
) ; (

, 0 > x , 0 > . Se
efectueaz! o selec"ie de volum n :
n
X X X , , ,
2 %
. Scriem c!
momentul de ordinul % al variabilei aleatoare X este egal cu
momentul de selec"ie de ordinul %.
= =
=
+
=
= = =
n
i
j
x
X
n
m X M
dx e x dx x xf m X M
%
*
%
*
0 0
%
%
) (
) (
) % (
) (
%
) ; ( ) (
=
=
n
j
j
X
n
%
*
%
OBSERVA$IE: Ne putem pune ntrebarea ce moment

empiric este cel mai potrivit pentru estimarea momentului teoretic?
Din exemplul anterior rezult!:
) % (
2
+ = m

=
= +
n
j
j
X
n
%
%
) % (
=
= + + + + =
n
j
j
X
n
m
%
3
3
%
) 2 )( % ( ) 2 )( % (
Se observ! chiar c! valorile lui astfel determinate nu
satisfac (n general) #i ecua"iile anterioare, deci metoda se complic!.
n aceste situa"ii este indicat! aplicarea metodei intervalelor de
ncredere.
12.8. Verificarea ipotezei cu privire la legea de reparti!ie a
unei variabile aleatoare
O ipotez! statistic! se refer! fie la forma legii de reparti"ie a
unei popula"ii (normal!, exponen"ial!, etc.) fie la parametrii
con"inu"i n aceast! lege (medie, dispersie), #i ea se verific! folosind
rezultatele ob"inute ntr-o selec"ie aleatoare extras! din popula"ia
cercetat!.
Fie variabila aelatoare X care reprezint! o proprietate
considerat! pe o popula"ie a c!rei reparti"ie ) , ( x f are o form!
cunoscut!, dar care depinde de un parametru necunoscut . Ipoteza
conform c!reia are valoarea
0
, se noteaz! :
0 0
: = H #i poart!
numele de ipoteza nul# .
S! presupunem c! n afara valorii
0
, parametrul mai poate
avea #i una din valorile ,... ,
2 %
. Ipotezele
i i
H = : , ,... 2 , % , 0 = i
se numesc ipoteze admisibile, iar
i i
H = : , ,... 2 , % = i se numesc
ipoteze alternative ale ipotezei nule
0
H .
n cele ce urmeaz! vom considera dou! ipoteze: ipoteza
nul#
0
H #i alternativa ei,
%
H ca ipotez# contrar# ipotezei
0
H ,
explicnd n ce const! verificarea unei ipoteze statistice, procedeul
de verificare, precum #i unele no"iuni legate de acestea.
Testul statistic este o metod! sau un criteriu dup! care
ipoteza de verificat se accept! sau se respinge. El stabile#te, dup!
natura observa"iilor, pentru care selec"ii ipoteza se accept! #i pentru
care se respinge.
Datorit! caracterului ntmpl!tor al selec"iei, la verificarea
unei ipoteze statistice, exist! ntotdeauna riscul de a lua o decizie
eronat!. Cnd pe baza datelor selec"iei respingem ipoteza
0
H de
verificat, de#i n realitate este adev!rat!, spunem c! am comis o
eroare de genul nti, iar cnd accept!m ipoteza
0
H care n realitate
este fals!, spunem c! am comis o eroare de genul doi. Probabilitatea
erorii de genul nti se nume#te risc de genul nti (prag sau nivel de
semnifica"ie) #i-l not!m cu , iar probabilitatea erorii de genul doi
se nume#te risc de genul al doilea #i se noteaz! cu .
Pentru construirea testului statistic cu ajutorul c!ruia
verific!m ipoteza statistic!
0
H trebuie s! avem n vedere
urm!toarele:
a) determinarea unei func"ii (o statistic!) ) ,..., (
% n
X X T de
datele de selec"ie numit! statistica testului, cu caretest!m
ipoteza
0
H ;
b) valoarea admisibil! a pragului de semnifica"ie;
c) ipoteza alternativ!
%
H opus! ipotezei
0
H ;
d) regiunea critic! W a ipotezei
0
H corespunz!toare statisticii
T a testului, prin care n"elegem acea mul"ime de valori ale
statisticii T astfel nct dac! valoarea observat! a lui T
apar"ine acestei mul"imi, atunci ipoteza
0
H se respinge,
acceptndu-se
%
H . n caz contrar se accept!
0
H . Regiunea
critic! W este astfel determinat! nct probabilitatea
comiterii erorii de genul doi s! fie minim! #i probabilitatea
ca T ob"inut prin selec"ie s!-i apar"in! cnd
0
H este
adev!rat!, s! fie egal! chiar cu , adic! vor fi ndeplinite
condi"iile:
= ) / (
0
H W T P #i = ) / (
%
H W T P maxim
Conform defini"iei riscului , putem scrie = ) / (
%
H W T P ,
unde W este complementara mul"imii W .
Probabilitatea de a respinge
0
H ca fals! (fiind adev!rat!
%
H ) adic! de a nu comite eroarea de genul doi este:
= = % ) / ( ) , (
% %
H W T P H W
#i poart! numele de puterea testului, care este cu att mai mare cu
ct este mai mic.
Pn! acum am presupus c! reparti"ia teoretic! a variabilei
aleatoare X este specificat!, iar n cele mai multe cazuri este
reparti"ia normal!.
De foarte multe ori chiar specificarea reparti"iei reprezint! o
ipotez! care trebuie verificat!. De aceea, practica statistic! pune
problema realiz!rii unei leg!turi ntre variabila empiric! (de
selec"ie)
*
X #i variabila teoretic! X .
Fie variabilele:
k i
k i
n n n n
x x x x
X

2 %
2 % *
:
;
%
%
=
=
k
i
i
n
,
#i
) (
:
x f
x
X
.
Se va cerceta dac! #irul numeric al frecven"elor absolute
empirice
i
n reflect! legea ipotetic! a variabilei teoretice X ,
concretizat! n func"ia ) ,..., ; (
% k
a a x f .
Rezolvarea acestei probleme presupune urm!toarele etape:
%. Estimarea parametrilor, f!cut! "innd seama de eventualele
semnifica"ii pe care le pot avea n leg!tur! cu caracteristicile
distribu"iei teoretice #i de calit!"ile estima"iei respective.
2. Se construie#te, dup! estimarea parametrilor, variabila
pseudo-teoretic!:
k i
k i
n n n n
x x x x
X
' ' ' '
:
2 %
2 % '

;
% '
%
=
=
k
i
i
n
, f!cndu-se leg!tura
ntre variabila empiric!
*
X #i variabila teoretic! X .
Determinarea frecven"elor absolute calculate
i
n este
realizat! prin intermediul func"iei de probabilitate, folosind rela"ia:
) ,..., ; (
%
*
k
i
i
a a x f
n
n
=
, de unde ) ,..., ; (
%
*
k i i
a a x f n n = , n i ,..., % = .
OBSERVA$IE: Datorit! unor propriet!"i ale au func"iilor
de probabilitate ) (x f pentru determinarea frecven"elor calculate
i
n' , de cele mai multe ori se folosesc formulele de recuren"!,
pornindu-se de la valoarea dominant! (cu maximum de probabilitate
a realiz!rii argumentului).
3. Verificarea ipotezei
0
H de concordan"! ntre reparti"ia
empiric! #i reparti"ia teoretic!, ipotez! ce se verific! folosind a#a-
numitele teste de concordan!# .
a) Testul de concordan!#
2
:
Studiind func"ia
=
k
i
i
i i
n
n n
%
2
2
'
) ' (
, K.Pearson a ar!tat c!,

n cazul unui sondaj cu revenire n popula"ia studiat!, cnd
probabilit!"ile
i
p nu sunt apropiate de 0 sau %, iar produsele
i i i
p n n = ' , unde ) (
i i
x f p = , dup! estimarea parametrilor, nu sunt
prea mici (practic nu sunt mai mici dect 5), func"ia considerat! are
reparti"ia
2
cu k s ) % ( grade de libertate, s fiind num!rul de
valori observate, iar k num!rul parametrilor estima"i.
OBSERVA$II:
Dac! legea presupus! este legea Poisson, ea are un singur
parametru, deci % = k , iar num!rul gradelor de libertate va fi
2 % ) % ( = s s ; dac! legea presupus! este legea normal!, atunci
2 = k #i avem 3 2 ) % ( = s s grade de libertate.
Dup! cum am precizat mai sus, legea
2
condi"ia ca
i i i
p n n = ' s! nu fie numere mai mici dect 5. n cazul n care exist!
astfel de numere, se vor cumula la prima frecven"!
i
n mai mare ca
5. Aceasta face ca num!rul s s! fie modificat corespunz!tor noii
situa"ii, devenind s
~
, iar num!rul gradelor de libertate devenind
k s ) %
~
( . Dac! ntre reparti"ia de selec"ie #i reparti"ia teoretic!
exist! concordan"!, atunci statistica
2
definit! n rela"ia
=
k
i
i
i i
n
n n
%
2
2
'
) ' (
trebuie s! fie mai mic! #i nu va dep!#i o valoare

determinat!
2
; ) % (
k s
corespunz!toare num!rului gradelor de
libertate k s ) % ( #i pragului de semnifica"ie dat. Regiunea
critic! a testului va fi dat! de inegalitatea
2
; ) % (
2

k s
> #i deci,
dac!
2
; ) % (
2

k s
accept!m ipoteza
0
H , n caz contrar o
respingem.
b) Testul de concordan!# al lui Kolmogorov:
Din studierea convergen"ei func"iei empirice de reparti"ie
) (x F c!tre func"ia teoretic! de reparti"ie ) (x F , Kolmogorov a
demonstrat urm!toarea teorem!:

= =
<
k
k k
n
n
e K
n
d P
2 2
2
) % ( ) ( lim
, unde 0 > #i
) ( ) ( max x F x F d
n n
= .
Func"ia ) ( K este calculat! n tabele pentru diverse valori
ale lui (tabelul distribu"iei Kolmogorov) .
Cu ajutorul acestei teoreme se poate da un criteriu de
verificare a ipotezei
0
H c! reparti"ia empiric! urmeaz! o anumit!
lege de reparti"ie.
Dac! ipoteza
0
H este adev!rat!, atunci diferen"ele
) ( ) ( x F x F
n
nu vor dep!#i o anumit! valoare
n
d
;
pe care o fix!m
astfel nct:
= > ) / (
0 ;
H d d P
n n
, unde este riscul de gradul
nti. Dar ) ( % ) (
; ; n n n n
d d P d d P

= > .
Lund
n
d
n

=
;
, nseamn! c! atunci cnd
0
H este
adev!rat! #i n suficient de mare avem:

= =
> ) ( % % K
n
d P
n
d P
n n
.
Unui prag de semnifica"ie dat i corespunde prin rela"ia

= % ) ( K o valoare
astfel nct, pentru un volum n dat al

selec"iei g!sim valoarea
n
d
n

=
;
.
Regiunea critic! pentru ipoteza
0
H este dat! de rela"ia
n
d
n

>
. Deci:
dac!
n
d
n

<
, exist! concordan"! ntre ) ( x F
n
#i ) (x F #i se
accept! ipoteza
0
H .
dac!
n
d
n

, nu exist! concordan"! #i respingem ipoteza

0
H .
EXEMPLU:
Pentru a organiza mai bine serviciul n perioada de vrf, la
un sector al unui magazin se cerceteaz! sosirile cump!r!torilor la
raionul respectiv, ct #i timpul de servire al unei persoane. Astfel,
considernd intervalele de timp de 5 minute, luate la ntmplare n
perioada de vrf, se num!r! de fiecare dat! cte persoane sosesc la
raionul urm!rit. Au fost cercetate 200 perioade de cte 5 minute,
ob"inndu-se rezultatele din tabelul
%
T , n care am notat cu x
num!rul care arat! n cte perioade din cele 200 cercetate am
observat exact x sosiri. S-a m!surat, pe de alt! parte, timpul de
servire a 30 cump!r!tori, lua"i la ntmplare, n perioada de vrf,
ob"inndu-se datele din tabelul
2
T , unde am notat cu y timpul de
servire al unui cump!r!tor #i cu
y
n num!rul de cump!r!tori, pentru
care timpul de servire este y. Deoarece variabila aleatoare y este
continu!, crecetarea a fost f!cut! pe intervale de cte 30 secunde
(0,5 minute), pe care le vom reduce n calcule la jum!t!"ile lor.
a) S! se testeze ipoteza
0
H c! sosirile cump!r!torilor la
raionul considerat sunt de tip Poisson.
b) S! se testeze ipoteza
0
H c! timpul de servire a unui
cump!r!tor are o distribu"ie exponen"ial!.
Tabelul
%
T :
NR. SOSIRI N
5 MIN. (X)
FRECVEN$E
ABSOLUTE (
x
n )
0 %
% %6
2 3%
3 37
4 4%
5 30
6 23
7 %3
8 6
9 %
%0 0
%% %
%2 0
Total 200
Tabelul
2
T :
INTERVAL DE
TIMP ) ; (
% i i
y y

FRECVEN$E
ABSOLUTE ) (
y
n
0,5-% %8
%-%,5 8
%,5-2 2
2-2,5 %
2,5-3 %
Total 30
a) Facem o ajustare a reparti"iei empirice din tabelul
%
T dup! o
reparti"ie Poisson:
,... 2 , % ,
!
) ; ( = =

x
x
e x f
x

Deoarece media reparti"iei Poisson este egal! cu , vom
estima parametrul prin media de selec"ie X , deci:
4
200
800
= =
= =
x
x
x
x
n
n x
X
.
Determin!m frecven"ele
!
4
200 '
4
x
e n
x
x
=

, calculnd nti
pentru 4 = x , considerat! ca cea mai probabil! din tabelul
%
T :
% , 39
! 4
4
200 '
4
4
= =

e n
x
#i apoi celelalte, folosind formulele de
recuren"! care sunt u#or de dedus:
x x
n
x
n ' '
%
=
, pentru 4 < x #i
x x
n
x
n '
%
'
%

+
=
+
, pentru 4 > x . Rezultatele ob"inute se trec n

coloana
x
n' a tabelului:
Tabelul
3
T :
x
x
n
x
n x
x
n'
x x
n n '
x
x x
n
n n
'
) ' (
2
1 2 3 4 5 6
0 % 0 3,7 -%,4 0,%%
% %6 32 %4,7
2 3% 62 29,3 %,7 0,%0
3 37 %%% 39 -2 0,%%
4 4% %64 39,% %,9 0,99
5 30 %50 3%,4 %,4 0,06
6 23 %38 20,8 2,2 0,29
7 %3 9% %%,9 %,% 0,%0
8 6 48 6,0
9 % 9 2,6
%0 0 0 %,0 -2,% 0,44
%% % %% 0,4
%2 0 0 0,%
Total 200 800 200
%4 , 2
2
=
Pentru a testa ipoteza
0
H , aplic!m testul
2
, motiv pentru
care am cumulat valorile mici de pe coloanele lui
x
n #i
x
n' . S-a
ob"inut:
%4 , 2
'
) ' (
%2
0
2
2
=
= x
x
x x
n
n n
Pentru nivelul de semnifica"ie 05 , 0 = #i num!rul gradelor

de libertate 6, g!sim 59 , %2
2
6 ; 05 , 0
= . Avem
2
6 ; 05 , 0
2
<
C
, deci
accept!m ipoteza
0
H , adic! sosirile cump!r!torilor la raionul
respectiv sunt de tip Poisson, cu media 4 = persoane n 5 minute.
b) Facem aici o ajustare a reparti"iei empirice din tabelul
2
T ,
dup! o reparti"ie exponen"ial! de forma: 0 , ) ( > =

y e y f
y
.
Drept valori ale lui y vom considera tabelul
4
T mijloacele
intervalelor timpilor de servire #i calcul!m valoarea medie a
variabilei empirice cu formula:
07 , %
30
32
) ( = =
= =
y
y
n
n y
Y M Y
Pentru c! estimatorul de maxim! verosimilitate al
parametrului este
Y
%
, estim!m pe prin:
925 , 0
32
30 %
= = =
Y
.
Pentru a testa ipoteza
0
H vom aplica testul lui
Kolmogorov. n acest scop calcul!m mai nti coloana ) ( y F
n
a
func"iei de reparti"ie empirice, cumulnd pe fiecare linie frecven"ele
absolute din linia respectiv! #i de deasupra ei #i mp!r"ind rezultatul
la 30. De exemplu:
87 , 0
30
%8 8
) (
2
=
+
= y F
Calcul!m apoi valorile corespunz!toare ale func"iei de
reparti"ie teoretic! ) ( y F folosind formula cunoscut! a acesteia:
y
e y F

=

% ) ( , pentru 925 , 0 =
De exemplu: 87 , 0 % ) 25 , 2 (
925 , 0 25 , 2
= =

e F .
Ultima coloan! a tabelului
4
T con"ine diferen"ele
) ( ) ( x F x F
n
cu cea mai mare dintre ele eviden"iat!.
Tabelul
4
T :
) [
% i i
y y
i
y
i
n
i i
n y ) ( y F
n
) ( y F
) ( ) ( y F y F
n

0,5-% 0,75 %8 %3,50 0,66 0,60 0,00
%-%,5 %,25 8 %0,00 0,87 0,75 0,12
%,5-2 %,75 2 3,50 0,93 0,84 0,09
2-2,5 2,25 % 2,25 0,97 0,87 0,%0
2,5-3 2,75 % 2,75 %,00 0,94 0,06
Total 30 30,00
Considernd drept nivel de semnifica"ie 0% , 0 = , tabelul
corespunz!tor testului lui Kolmogorov d! 63 , % =
#i cum 5 = n
avem:
n n
d x F x F
n n
= = > = = ) ( ) ( max %2 , 0 73 , 0
63 , %
Accept!m ipoteza
0
H c! timpul de servire a unui
cump!r!tor are o reparti"ie exponen"ial! cu parametrul 925 , 0 = .
CAPITOLUL 13
MATEMATICI FINANCIARE
O sum! de bani
0
S de care dispune partenerul
"
P este
plasat! partenerului
2
P pentru o perioad! de timp t , n anumite
condi#ii. La sfr$itul perioadei,
"
P ob#ine o sum!
0 0
) , ( S t S S > .
DEFINI%IE : Se nume$te dobnd! corespunz!toare plas!rii
sumei
0
S pe durata t , o func#ie ) , 0 [ ) , 0 [ ) , 0 [ : D ,
) , (
0
t S D , care ndepline$te condi#iile:
") D este strict cresc!toare n raport cu fiecare din variabilele
0
S $i t .
2) 0 ) , (
0
= t S D ; 0 ) , 0 ( = t D .
OBSERVA%IE: Condi#ia " este echivalent! cu
0
) , (
0
0
>
S
t S D
$i
0
) , (
0
>
t
t S D
.
DEFINI%IE: Se nume$te valoare final! (sau valoare
revenit!) a partenerului
"
P ce a plasat suma
0
S pe durata de timp t,
valoarea func#iei ) , ( ) , (
0 0 0
t S D S t S S + = .
DEFINI%IE:
Dac! "00
0
= S u.m. $i " = t an, atunci dobnda
corespunz!toare se nume$te procent (notat p ).
Dac! "
0
= S u.m. $i " = t an, dobnda corespunz!toare se
nume$te dobnda unitar! anual! (se noteaz! cu i ).
"00
p
i =
; i p ="00
"3.". Dobnda simpl!
DEFINI%IE: Dobnda calculat! asupra aceleia$i sume pe
toat! durata mprumutului se nume$te dobnda simpl! (notat! D).
Prin urmare, pe ntreaga durat! de plasare t , valoarea
sumei
0
S nu se modific!.
Not!m:

0
S = suma depus! (mprumutat!);
t = timpul n ani;
p = procentul;

"00
p
i =
= dobnda unitar!;
D = dobnda simpl!.
) , , (
"00
0
0
0
i t S D
t p S
t i S D =

= =
(")
Prin urmare, dobnda simpl! este direct propor#ional! cu
suma mprumutat!, cu timpul $i cu dobnda unitar! (sau procentul).
S! consider!m timpul mp!r#it n k p!r#i egale:
2
2 t k = - semestre
4
4 t k = - trimestre
"2
"2 t k = - luni
360
360 t k = - zile
n general,
k
t reprezint! un num!r oarecare de asemenea
p!r#i (exemplu: "8 ; "2
"2
= = t k luni). Atunci timpul
k
t
t
k
=
(n
exemplul dat
5 , "
"2
"8
= = t
).
k
t p S
k
t
i S D
k k
"00
0
0

= =
(2)
Dac! 360 = k , deci t se exprim! n zile, ob#inem:
i
t p S t
i S D
360
360
360 0 360
0

= =
(2)
n calculele financiare :
360 0
t S - se nume$te num!r , iar
i
360
- se nume$te divizor fix relativ la dobnd! pentru i
dat (
"00
p
i =
- dobnda unitar! anual!).
Astfel, din (2) ob#inem :
200
2 0
t p S
D

=
- dobnda pentru
2
t semestru ;
400
4 0
t p S
D

=
- dobnda pentru
4
t trimestru.
S! presupunem acum c! plasamentul nu are loc cu acela$i
procent p pe toat! durata de plasare t.
t
| | | | | | |

"

2

k

m

"
p
2
p
k
p
m
p
dobnda pentru aceast! perioad!
este
k k
i S
0
deci:
=
=
m
k
k
t
"
, iar

k k
i p ="00 = procentul de plasare pe durata
k
( m k ,..., " = ) .
Atunci:
= =
= =
m
k
k k
n
k
k
i S S D t S D
"
0
"
0 0
) , ( ) , (
(3)
Cu aceast! formul! se determin! dobnda la suma
0
S pentru
perioada t , n regim de dobnd! simpl!, dac!
=
=
m
k
k
t
"
, astfel nct
pe fiecare perioad!
k
, plasarea se face cu procentul anual
k k
i p "00 = .
OBSERVA%IE: Formula (3) constituie rezultatul aplic!rii
succesive a dobnzii simple pe intervalele ce constituie durata de
plasare.
D!m o alt! expresie pentru formula (2).
Deoarece
"00
p
i =
, nlocuind n (2) , vom ob#ine:
p
t S
t S D
36000
) , (
360 0
0

=
(4)
unde
360
t reprezint! durata n zile a opera#iunii.
Not!m:

360 0 360 0
) , ( t S t S N N = = - num!rul opera#iunii

p
p df df
36000
) 360 , ( = =
- divizorul fix al opera#iunii
Cu aceste nota#ii, (4) devine:
) , ( ) , (
0
df N D
df
N
t S D = =
(5)
OBSERVA%IE: Formula (5) este util! n cazul n care se
calculeaz! dobnda aferent! mai multor opera#iuni, cu acela$i
procent p.
Deci: dac! se efectueaz! opera#iunile ) , (
k k
t S , n k ,..., " = cu
acela$i procent p $i dac! nsumarea dobnzilor are sene, atunci
dobnda total! este:

= =
= =
n
k
k
n
k
k k k k
N
df
p t S D p t S D
" "
"
) , , ( ] ), , [(
(6)
n acest caz, este deci necesar! calcularea doar a numerelor
k
N $i a sumei acestora, sum! care poate fi considerat! ca num!r
al tuturor opera#iunilor.
"3.".". Elementele dobnzii simple:
". Suma revenit! (sau valoarea final!)
) " ( ) , , ( ) , , (
0 0 0 0 0 0
it S t i S S i t S D S S i t S S
t
+ = + = + = =
Deci formula ) " (
0
it S S
t
+ = , reprezint! suma revenit! $i se
aplic! atunci cnd procentul p este constant pe ntreaga perioad!.
n cazul n care n timpul t procentul variaz! n diferite
frac#iuni ale lui t :
=
=
m
k
k
t
"
,
k k
p
"00
k
k
p
i =
,
k
i = dobnda unitar!
Atunci:
+ =

=
m
k
k k t
i S S
"
0
"
(8)
2. Suma ini#ial!
0
S este dat!, n cele dou! situa#ii de rela#ia
it
S
S
t
+
=
"
0
(9) , respectiv (9)
=
+
=
n
k
k k
t
i
S
S
"
0
"
.
) " ( it + = factor de fructificare
it + "
"
= factor de actualizare
"3.".2. Opera#iuni echivalente n regim de dobnd! simpl!
Fie
n
S S S ,..., ,
2 "
mai multe sume plasate pe duratele
n
t t t ,..., ,
2 "
, cu acela$i procent p.
Ne propunem s! nlocuim sumele
i
S $i duratele
i
t
( n i ,..., " = ) printr-o sum! unic! S $i o perioad! unic! t astfel nct
dobnda total! adus! de sumele
i
S n perioadele
i
t s! fie egal! cu
dobnda adus! de suma S n perioada t .
Vom spune c! cele dou! opera#iuni financiare sunt
echivalente n regim de dobnd! simpl!.
Vom folosi nota#ia: ) ( ) ( ~ B D A D B A
DS
= .
Cele dou! opera#iuni se numesc substituibile.
Deci

=

+ +

+

"00 "00
...
"00 "00
~
2 2 " "
t p S t p S t p S t p S
B A
n n
DS
("0)
t S t S
n
k
k k
=
="
- ecua#ie cu dou! necunoscute, S $i t.
Cunoscnd-o pe una, o determin!m pe cealalt!.
("")
=
=
n
k
k k
t S
S
t
"
"
- durata de timp dat! de timp numit!
scaden#! comun!.
Dac!
=
=
n
k
k
S S
"
("2)
=
=
=
n
k
k
n
k
k k
S
t S
t
"
"
- numit! scaden#a
medie.
"3.".3. Procent mediu de dispunere
S! presupunem c! sumele
n
S S S ,..., ,
2 "
sunt plasate pe
duratele de timp
n
t t t ,..., ,
2 "
cu procentele
n
p p p ,..., ,
2 "
.
Ne propunem s! determin!m un procent mediu p pentru
care, sumele
n
S S S ,..., ,
2 "
plasate pe acelea$i durate
n
t t t ,..., ,
2 "
, s!
dea aceea$i dobnd! total!.
=

=

=

= = =
n
k
k k k
n
k
k k
n
k
k k k
t p S
t p S t p S
D
" " "
"00 "00
k k
n
k
k k k
n
k
k k
t S
t p S
p t S p

= =
=
=
"
"
.
Deci:
k k
n
k
k k k
t S
t p S
p
="
- procentul mediu de depunere.
"3.2. Dobnda compus!
DEFINI%IA " : Dac! valoarea luat! n calcul a sumei
plasate
0
S , se modific! periodic pe durata de timp t, dup! o anumit!
regul!, vom spune c! avem un proces de dobnd! compus! (sau c!
plasarea sumei
0
S s-a efectuat n regim de dobnd! compus!)
DEFINI%IE : Unitatea de timp la care dobnda se modific!
se nume$te unitate etalon (perioad!).
DEFINI%IA 2 (echivalent! cu defini#ia "): Suma
0
S este
plasat! cu dobnd! compus! cnd la sfr$itul primei perioade (a
primei unit!#i etalon) dobnda simpl! a acestei perioade este
ad!ugat! la suma ini#ial! a perioadei, pentru a produce la rndul ei
dobnd! n perioada urm!toare, $.a.m.d.
n opera#iile financiare pe termen lung, unitatea etalon
(perioada) de timp folosit! este anul, uneori semestrul sau
trimestrul.
"3.2.". Stabilirea formulei dobnzii compuse
Fie:
t = timpul de plasament, exprimat ntr-un num!r ntreg de
perioade;

0
S = suma ini#ial!;
p = procentul;

"00
p
i =
= dobnda unitar!;

t
S = suma final! dup! un num!r ntreg de perioade.
Anii Suma
plasat!
Dobnda
produs! n
timpul
perioadei
Suma ob#inut! la sfr$itul
perioadei
"
0
S i S
0
) " (
0 "
i S S + =
2
"
S i S
"
2
0 " 2
) " ( ) " ( i S i S S + = + =

t=n
" t
S i S
t

"
t
t t
i S i S S ) " ( ) " (
0 "
+ = + =

Deci:
t
t
i S S ) " (
0
+ = (")
Not!m : u i = + " $i ob#inem
t
t
u S S =
0
(2)
u se nume$te factorul de fructificare. El se g!se$te
calculat n tabele pentru anumite procente $i pentru perioada de
timp de " an.
OBSERVA%IE : Formula (") este valabil! $i n cazul cnd
perioada de timp t nu este egal! cu un an, cu condi#ia ca procentul
folosit s! corespund! perioadei respective.
Cazul cnd timpul nu este un num!r ntreg de perioade
I. Solu#ia ra#ional!
Se folose$te formula
t
t
i S S ) " (
0
+ = pentru partea ntreag!
a timpului $i dobnda simpl! pentru partea frac#ionar! r!mas!.
" n k h /
| | | | |
t
k
h
n t + =
Dup! n ani, suma final! este
n
n
i S S ) " (
0
+ = . Calcul!m
dobnda simpl! produs! pe seama
n
S n timpul frac#iunii
k
h
a
anului, cu dobnda unitar! i . Ob#inem:
+ = + = + =
k
h
S
k
h
i S S S
k
h
i i S
k
h
i S
n n n t
n
n
" ) " (
0
Deci :
+ + =
k
h
i i S S
n
t
" ) " (
0
(3)
II. Solu#ia comercial!
DEFINI%IE : Dou! procente corespunz!toare la perioade de
fructificare diferite sunt echivalente cnd pentru aceea$i durat! de
plasament ele conduc la aceea$i valoare final!.
" leu plasat cu dobnda unitar! anual! i devine la
sfr$itul primului an , 1+ i.
" leu plasat cu dobnd! unitar! semestrial!
2
i , devine la
sfr$itul anului
2
2
) " ( " i i + = + .
" leu plasat cu dobnda unitar! trimestrial!
4
i ,
echivalent! cu dobnda unitar! anual! i , devine la sfr$itul
anului
4
4
) " ( " i i + = + .
n general :
" leu plasat cu dobnda unitar!
k
i , corespunz!toare
frac#iunii
k
"
a anului, este:
k
k
k
k
i i i i
/ "
) " ( " ) " ( " + = + + = + (4)
Prin urmare, n cazul cnd t nu este un num!r ntreg de
perioade
+ =
k
h
n t
, suma
0
S devine:
n
n
i S S ) " (
0
+ = pentru cele
n perioade ntregi.
Pentru o frac#iune k a anului, " leu devine ) " (
k
i + , iar
pentru h frac#iuni de acela$i fel, devine
h
k
i ) " ( + . Suma
n
S n
perioada
k
h
devine:
h
k
n h
k n
i i S i S ) " ( ) " ( ) " (
0
+ + = + .
Dar
k h h k h
k
i i i
/ / "
) " ( ] ) " [( ) " ( + = + = + .
Deci:
t
k
h
n
k h n
t
i S i S i i S ) " ( ) " ( ) " ( ) " (
0 0
/
+ = + = + +
+
.
Astfel, formula anterioar! (") este adev!rat! $i pentru t frac#ionar.
"3.2.2. Procent normal $i procent real (efectiv)
EXEMPLU : Se depune suma de "00 lei cu 20% $i calculul
dobnzii se face de dou! ori pe an.
n primele 6 luni (primul semestru) suma de "00 lei aduce o
dobnd! de "0 lei, deci ea devine ""0 lei la sfr$itul primului
semestru.
n urm!torul semestru dobnda va fi de "0 lei pentru "00 lei
$i
"
"00
"0
"0 =
leu pentru cei "0 lei. Deci, n total, pe an, dobnda va
fi 2" lei.
20% se nume$te procentul nominal.
2"% se nume$te procentul real (efectiv).
Deci, dac! facem calculul dobnzii pe frac#iuni de an,
dobnda adus! la sfr$itul anului difer! de cea calculat! cu
procentul anual stabilit.
Dac! anul a fost mp!r#it n k p!r#i egale $i
k
i reprezint!
dobnda unitar! efectiv! corespunz!toare perioadei
k
"
, iar
k
j este
dobnda unitar! nominal! corespunz!toare perioadei
k
"
, vom
ob#ine:
k k k k
j
k
i i k j = =
"
(5)
nlocuind n (4), vom avea:
" " " ) " ( "
+ =
+ = + = +
k
k
k
k k
k
k
j
i
k
j
i i
(6)
" ) " ( ) " ( "
" "
+ = + = +
k
k
k
k
i i i i
Sau din rela#ia (5): ] " ) " [(
"
+ = =
k
k k
i k i k j (7)
Rela#ia (6) reprezint! leg!tura ntre dobnda nominal!
k
j $i
cea efectiv!
k
i , oricare ar fi 2 k .
"3.3. Dobnda unitar! instantanee
Fie i = dobnda unitar! anual! efectiv!.
k = num!rul de p!r#i n care a fost mp!r#it anul
OBSERVA%IE: Pentru k vom stabili o limit! pentru
dobnda unitar! nominal!, limit! numit! dobnda unitar!
instantanee (dobnda se calculeaz! astfel n mod continuu).
Din rela#ia (6) ob#inem:
= + =

] " ) " [( lim lim
/ " k
k
k
k
i k j
= + =
+ +
=
+
=

) " ln(
"
) " ln( ) " (
"
lim
"
" ) " (
lim
2
"
2
"
i
k
i i
k
k
i
k
k
k
k
.
Deci (8) ) " ln( i + = este dobnda unitar! instantanee.
+ + + + + = = + + = ...
!
...
! 2 ! "
" " ) " ln(
2
n
e i i
n

> + + + + = i
n
i
n
...
!
...
! 2
2
, adic! dobnda unitar! efectiv!
este mai mare dect dobnda instantanee.
OBSERVA%IE: Pentru determinarea dobnzii unitare anuale
nominale
k
j atunci cnd se cunoa$te dobnda unitar! efectiv! i , s-
au ntocmit tabele.
"3.4. Echivalen#a n regim de dobnd! compus!
DEFINI%IE: Dou! sume sunt echivalente n regim de
dobnd! compus!, la un moment dat, dac! ele au aceea$i valoare
actual!, actualiz!rile f!cndu-se cu acela$i procent.
Fie dou! sume de valori finale
"
t
S $i
2
t
S . Fie i = dobnda
unitar!. Atunci valorile la momentul ini#ial sunt:
"
"
) " (
) " (
0
t
t
i S S

+ =
$i
2
2
) " (
) 2 (
0
t
t
i S S

+ =
.
Echivalen#a la momentul ini#ial este dat! de rela#ia:
2
2
"
"
) " ( ) " (
t
t
t
t
i S i S

+ = +
.
n general:
Fie un grup de n valori finale :
n
t t t
S S S ,..., ,
2 "
pl!tibile n
n
t t t ,..., ,
2 "
perioade.
Fie un al doilea grup de m sume de valori finale:
m
S S S

,..., ,
2 "
, pl!tibile n
m
,..., ,
2 "
.
DEFINI%IE: Dou! grupe de sume sunt echivalente n
regim de dobnd! compus!, la un moment dat, dac! suma
valorilor actuale ale primului grup de sume este egal! cu suma
valorilor actuale ale celui de-al doilea grup de sume.
Prin urmare, echivalen#a corespunz!toare unui aceluia$i
procent p , la momentul ini#ial, este dat! de rela#ia:
+ + = + + + + + +

"
"
2
2
"
"
) " ( ) " ( ... ) " ( ) " (

i S i S i S i S
n
n
t
t
t
t
t
t
m
m
i S i S

+ + + + + ) " ( ... ) " (
2
2
.
Vom putea da urm!toarea defini#ie echivalent!:
DEFINI%IE: Dou! opera#ii financiare A $i B sunt
echivalente n regim de dobnd! compus! B A
DC
~ dac! ele au
acelea$i valori actuale.
(")

=
+ = +
m
k
n
k
t
t
k
k
k
k
i S i S
" "
) " ( ) " (

n cazul mai general cnd procentul p (deci dobnda unitar!)

difer! de la o sum! la alta, atunci:
(2)

=
+ = +
m
h
h
n
k
t
k t
h
h
k
k
i S i S
" "
) " ( ) " (

Se cere:
a) nlocuirea sumelor
n
t t t
S S S ,..., ,
2 "
printr-o sum! unic! S
(nlocuirea f!cndu-se prin echivalen#!) :

=
+ = +
n
k
t
k
n
k
t
k t
k k
k
i S i S
" "
) " ( ) " (
(3)
+
+
=
n
k
t
k
n
k
t
k t
k
k
k
i
i S
S
"
"
) " (
) " (
b) nlocuirea numai a scaden#elor
n
t t t ,..., ,
2 "
printr-o
scaden#! comun! t:
(4)

=
+ = +
n
k
t
k t
n
k
t
k t
i S i S
k
k
k
" "
) " ( ) " (
c) nlocuirea numai a dobnzilor unitare
k
i (deci a
procentelor
k
p ) printr-o dobnd! unitar! unic! i (deci
printr-un procent unic p)
(5)

=
+ = +
n
k
t
t
n
k
t
k t
k
k
k
k
i S i S
" "
) " ( ) " (
d) Sumele
n
t t t
S S S ,..., ,
2 "
pl!tibile n perioadele
n
t t t ,..., ,
2 "
le
nlocuim printr-o sum! unic! S , pl!tibil! la scaden#a t,
cu procentul p (sau dobnda unitar! i ).
=

+ = +
n
k
t
t
t
k
k
i S i S
"
) " ( ) " (
sau
(6)
+ + =
n
k
t
t
t
k
k
i S i S
"
) " ( ) " (
, cnd cunoa$tem i $i t .
Cnd cunoa$tem S $i i , dac! logaritm!m n rela#ia (6),
ob#inem:
(7)
) " lg(
) " ( lg lg
"
i
i S S
t
n
k
t
t
k
k
+
+
=
"3.5. Plasament cu dobnd! simpl! sau compus!

Suma
0
S , plasat! pe durata t , cu dobnda unitar! i, va aduce
dobnda:
t i S D
s
=
0
n regim de dobnd! simpl!.
] " ) " [(
0
+ =
t
c
i S D n regim de dobnd! compus!.
PROPOZI%IE:
")
c s
D D > , pentru " < t an
2)
c s
D D < , pentru " > t an
3)
c s
D D = , pentru " = t an
DEMONSTRA%IE:
] " ) " ( [ ] " ) " [(
0 0 0
+ + = + =
t t
c s
i t i S i S t i S D D
Introducem func#ia: R f ) , 0 [ : ,
t
i t i t f ) " ( " ) ( + + = .
...
! 2
) " (
" ...
! 2
) " (
! "
" ) " (
2 2
+
+ + = +
+ + = + i
t t
t i i
t t
i
t
i
t
= =
< <
> >
= +
= + +
" , 0
" , 0
" , 0
...
! 2
) " (
) " ( ) " (
2
t
t
t
i
t t
t i i
t
) (t D
c
) (t D
s
"
" t
DEFINI%IE: Opera#iile de plasare a sumei
0
S pe durata t n
regim de dobnd! simpl! cu dobnda unitar! i sau n regim de
dobnd! compus! cu dobnda unitar! j, sunt echivalente, cnd
determin! aceea$i dobnd!.
Deci: " ) " ( ] " ) " [(
0 0
+ = + =
t t
j t i j S t i S
+
+ = +
+ = ...
2
) " (
...
! 2
) " (
2 2
j
t
j i j
t t
j t t i

< <
"
" ,
t j i
t j i
$i
] " ) " [(
"
+ =
t
j
t
i
sau " ) " (
"
+ =
t
it j
Prin urmare, pentru a realiza aceea$i valoare final! (sau
aceea$i dobnd!) prin plasarea sumei
0
S pe durata " > t , procentul
anual n regim de dobnd! simpl! este mai mare dect procentul
anual n regim de dobnd! compus!.
CAPITOLUL 14
PL!"I E#ALONATE
(RENTE)
DEFINI!IE: Se numesc pl!"i e#alonate (rente), sumele de
bani pl"tite la intervale de timp egale.
DEFINI!IE: Se nume#te perioad! intervalul de timp care
separ" plata a dou" sume.
DEFINI!IE: Dac" perioada este anul, pl"$ile e#alonate se
numesc anuit!"i. (semestrul semestrialit!"i, trimestrul
trimestrialit!"i, luna - mensualit!"i).
Pl"$ile e#alonate pot fi:
%) pl!"i e#alonate de plasament (sau de fructificare), f"cute
pentru constituirea unei sume de bani.
2) pl!"i e#alonate de amortizare (sau de rambursare), n
vederea ramburs"rii unei datorii.
anticipate (la nceputul perioadei)
posticipate (la sfr#itul perioadei)
temporare (num"rul de pl"$i este finit #i fixat prin
contract)
perpetue (num"rul pl"$ilor este nelimitat)
viagere (num"rul pl"$ilor depinde de via$a unei
persoane)
constante (sumele depuse sunt constante)
variabile (sumele depuse sunt variabile)
$4.$. Anuit!"i constante posticipate
a) Valoarea final! a unui #ir de anuit!"i constante,
imediate, temporare S
n

Not"m:
T = valoarea anuit"$ii constante;
n = num"rul de ani;
i = dobnda unitar" anual";
n
S = valoarea sau suma final" a #irului de anuit"$i n
momentul n (momentul pl"$ii ultimei anuit"$i)
T T T T
| | | | |
0 % 2 n-% n
) % ( + i T

%
) % (

+
n
i T T

2
) % (

+
n
i T
i u + =% - factor de fructificare
S
n
= + + + + + + + =

T i T i T i T
n n
) % ( ... ) % ( ) % (
2 %
= + + + + =

T u T u T u T
n n
...
2 %

%
%
) ... % (
% 2
= + + + + =

u
u
T u u u T
n
n n
Deci: S
n

i
u
T
n
%
=
.
OBSERVA!IE : Pentru % = T (o unitate monetar") suma
final" a unui #ir de n anuit"$i constante posticipate este:
i
u
s
n
n
%
=
#i deci S
n

n
s T =
b) Valoarea final! (suma final!) a unui #ir de anuit!"i
posticipate, constante, temporare, amnate. r S
n

Anuit"$ile sunt amnate r ani, n r < .
Prima plat" se face posticipat, dup" r ani (prima plat"
f"cndu-se deci la momentul r+1) timp de (n-r) ani.
T T T T
| | | .. | | | | |
0 % 2 .. r r+1 r+2 .. n-1 n
r S
n
= + + + + =

T u T u T u T
r n r n
...
2 %

%
%
) ... % (
% 2
= + + + + =

u
u
T u u u T
r n
r n r n
n-r termeni
r S
n
=
i
u
T
r n
%
sau r S
n
= S
n-r
OBSERVA!IE : Valoarea final" a #irului de anuit"$i
posticipate egale cu T calculate pe n ani, dar amnate r ani, este
egal" cu valoarea final" a acestor pl"$i, imediate, dar calculate
numai pe (n-r) ani.
EXEMPLU: S" se calculeze valoarea final" a unui #ir de %0
anuit"$i egale cu %000 u.m. , pl"tibile la sfr#itul fiec"rui an (dar
amnate 5 ani) cu procentul % 5 = p .
Solu"ie : 05 , 0 = i , 5 = r , %0 = r n %5 = n
5 S
15
=
892 , %2577 577892 , %2 %000
05 , 0
% 05 . %
%000
%0
= =
u.m.
c) Valoarea actual! a unui #ir de anuit!"i constante,
posticipate, temporare, imediate A
n
DEFINI!IE: Se nume#te valoarea actual! a unui #ir de
anuit"$i (constante, posticipate, temporare, immediate) A
n
suma
necesar" #i suficient" n momentul ini$ial pentru a se putea pl"ti
scaden$ele fixate la scaden$ele %, 2, , n (constante n valoare de T
unit"$i monetare).
T T T T
| | | | |
0 % 2 n-% n
A
n
u T
2
u T
%
n
u T
n
u T
OBSERVA!IE: A
n
este egal" cu suma valorilor actuale a
fiec"rei anuit"$i.
A
n
) ... % ( ...
% % 2
+ + + = + + + + =
n n n
u u u T u T u T u T u T
A
n

%
%
=
u
u
u T
n
OBSERVA!IE: Pentru % = T (o unitate monetar")
not"m:
%
%
=
u
u
u a
n
n
#i deci A
n

n
a T = .
EXEMPLU: Ce sum" unic" depus" imediat poate s"
nlocuiasc" plata a %2 anuit"$i constante ( %250 = T u.m.) posticipate,
cu procentul de 5% ?
A
n

47250
05 , 0
80 , %
05 . % %250
05 , 0
% 05 , %
) 05 , 0 % ( %250
%2
= =
+ =
d) Valoarea actual! a unui #ir de anuit!"i (constante,
posticipate, perpetue, imediate) A
!
Anuit"$ile sunt perpetue, deci plata se efectueaz" nelimitat.
Pentru % = T , avem
i
a
%
=
#i dac" >% T A
!

= a T .
e) Valoarea actual! a unui #ir de anuit!"i (constante,
posticipate, temoprare, amnate) rA
n
Plata se face dup" r ani, posticipat, timp de (n-r) ani.
T T T T
| | | .. | | | | |
0 % 2 .. r r+1 r+2 .. n-1 n
rA
n
rA
n
= + + + =
+ + n r r
u T u T u T ...
2 %

=
= + + + =
+ +
%
%
) ... % (
% % %
u
u
u T u u u T
r n
r r n r

r n
r
r n
r
r n
r
a u T
u
u
u u T
i
u
u T

+
=
=
%
% %
%
Deci: rA
n

r n
r
a u T

= .
EXEMPLU: Care este suma unic" pe care urmeaz" s" o
pl"teasc" o persoan" pentru a nlocui plata a %2 anuit"$i posticipate
de 3000 u.m. fiecare, amnate 3 ani, cu procentul % 5 = p ?
Solu"ie: %2 = r n , 3 = r , %5 = n
3A
15
2% , 22969 86325 , 8 863837 , 0 3000 ) 05 , % ( 3000
%2
3
= = = a u.m.
$4.2. Anuit!"i constante anticipate
a) Valoarea final! a unui #ir de anuit!"i constante,
anticipate, temporare, imediate
n
S
T T T T
| | | .. | |
0 % 2 .. n-1 n
n
S este egal" cu suma valorilor finale a fiec"rei anuit"$i, la
momentul n.
= + + + = + + + =

) ... % ( ...
% % n n n
n
u u u T u T u T u T S

i
u
u T
u
u
u T
n n
%
%
%
=
=
Deci
i
u
u T S
n
n
%
=
.
Pentru % = T ob$inem valoarea final" a unui #ir de anuit"$i
anticipate a % u.m.; not"m
n
s .
i
u
u s
n
n
%
=
#i deci
n n
s T S = .
b) Valoarea final! a unui #ir de anuit!"i anticipate,
constante, temporare, amnate
n
S r
T T T T
| | | .. | | | | |
0 % 2 .. r r+1 r+2 .. n-1 n
i
u
u T u T u T u T S r
r n
r n r n
n
%
...
%

= + + + =

Deci:
i
u
u T S r
r n
n
%
=
adic"
r n n
S T S r

= .
c) Valoarea actual! a unui #ir de anuit!"i constante,
anticipate, immediate, temporare
n
A
DEFINI!IE: Se nume#te valoarea actual" a unui #ir de
anuit"$i anticipate, suma necesar" #i suficient" n momentul ini$ial
pentru a se putea pl"ti la fiecare din scaden$ele fixate 0, %, , (n-%)
suma egal" cu T. Not"m cu
n
A aceast" sum".
T T T T
| | | .. | |
0 % 2 .. n-1 n
= + + + = + + + + =

) ... % ( ...
% % 2 n n
n
u u T u T u T u T T A

i
u
T
u
u
T
n n
%
%
%
=
=
.
) % ( i A
n
+ = A
n
.
CAPITOLUL 15
RAMBURSAREA MPRUMUTURILOR
DEFINI!IE: n sens general, se nume"te mprumut, o
opera#iune financiar$ prin care un partener
%
P (individual sau un
grup) plaseaz$ o sum$ de bani, pe o perioad$ de timp dat$ "i n
anumite condi#ii, unui alt partener
2
P .
DEFINI!IE:
%
P se nume"te creditor.
DEFINI!IE:
2
P se nume"te debitor.
DEFINI!IE: Opera#iunea prin care
2
P restituie partenerului
%
P suma de care a beneficiat (suma mprumutat$) se nume"te
rambursarea (sau amortizarea) mprumutului .
Prin urmare, mprumutul este o opera#iune ce con#ine dou$
p$r#i distincte "i anume creditarea "i rambursarea.
Fiecare component$ reprezint$ o opera#iune de pl$#i
e"alonate.
n general cele dou$ opera#iuni nu au loc simultan "i deci
valoarea lor final$ nu este aceea"i. Ele au n comun valoarea
actual! a ramburs$rii, adic$ valoarea mprumutat!.
mprumutul se constituie prin anuit$#i constante formate
din:
rambursarea unei p$r#i a datoriei;
dobnda asupra p$r#ii din datoria r$mas$ la nceputul
perioadei n care se efectueaz$ plata.
Aceste sume rambursate anual "i care au rolul de a amortiza
treptat suma mprumutat$, se numesc amortismente.
"5.". Amortizarea unui mprumut prin anuit!#i constante
posticipate
Fie
0
V suma mprumutat$ la momentul ini#ial.
Fie
n
T T T ,..., ,
2 %
anuit$#ile succesive, astfel:
prima anuitate (
%
T ) se pl$te"te la un an de la acordarea
mprumuturilor;
a doua se pl$te"te un an mai trziu, ".a.m.d.
Fie
n
Q Q Q ,..., ,
2 %
amortismentele succesive con#inute n
prima, a doua,, a n-a anuitate.
Fie i dobnda unitar$ nominal$ a mprumutului.
Fie n num$rul de ani n care se face rambursarea.
Momentul Suma rambursat! Suma r!mas!
0
0
V
%
i V Q d Q T
0 % % % %
+ = + =
2 0 %
Q V V =
2
i V Q d Q T
% 2 2 2 2
+ = + =
2 % 2
Q V V =

p
i V Q d Q T
p p p p p %
+ = + =
p p p
Q V V =
%

n
i V Q d Q T
n n n n n %
+ = + = 0
%
= =
n n n
Q V V
Deoarece
n n n
Q V V = =
%
0 "i deci ) % (
%
i Q i V Q T
n n n n
+ = + =

.
a) Rela#ia dintre suma mprumutat! $i amortismente
=
=
n
i
i
Q V
%
0
b) Rela#ia ntre anuit!#i $i amortismente
= = + + =
+ + + + % % % % % %
) ( ) (
p p p p i p p p p p p p
iV Q Q V i Q iV Q iV Q T T
) % (
% %
i Q Q Q iQ Q
p p p p p
+ = =
+ +
.
(%)
) % (
% %
i Q Q T T
p p p p
+ =
+ +
OBSERVA!IE: Formula (%) este adev$rat$ oricum am
alege anuit$#ile.
Cazuri particulare:
) Anuit!#ile sunt egale ntre ele:
T T T T
n
= = = = ...
2 %
Atunci din (%), ob#inem:
0 ) % (
%
= +
+
i Q Q
p p
, adic$ :
(2)
) % (
%
i Q Q
p p
+ =
+
"i se arat$ u"or prin induc#ie c$:
(3)
p
p
i Q Q ) % (
% %
+ =
+
Prin urmare, n cazul anuit$#ilor egale cnd amortismentele
succesive
,... ,..., ,
2 % p
Q Q Q
formeaz$ o progresie geometric!
cresc!toare cu ra#ia ) % ( i + .
) Amortismentele sunt constante (egale ntre ele):
n
V
Q Q Q Q
n
0
2 %
... = = = = =
Atunci din (%), ob#inem:
i
n
V
i Q T T
p p
0
% %
= =
+
, deci:
(4)
i
n
V
T T
p p
0
%
=
+
Prin urmare, n cazul amortismentelor egale, anuit$#ile
succesive formeaz$ o progresie aritmetic$ de ra#ie
i
n
V
0
, deci o
progresie aritmetic! descresc!toare.
OBSERVA!IE: n cazul ) al anuit$#ilor egale ntre ele,
amortismentele formeaz$ o progresie geometric$ de ra#ie ) % ( i + .
Avem:

=
=
+ = =
n
k
k
n
k
k
i Q Q V
%
%
%
%
0
) % (
Not$m:
= = = +

=
%
%
%
%
%
%
% 0
u
u
Q u Q V u i
n n
k
k
(5)
i
i
Q V
n
% ) % (
% 0
+
=
Deci: (6)
% ) % (
0 %
+
=
n
i
i
V Q
Rela#iile (5) "i (6) pot fi scrise sub form$ echivalente,
notnd % ) % ( + =
n
n
i s
) .
(7)
n
s Q V
)
=
% 0
;
n
s
V Q
)
%
0 %
=
OBSERVA!IE: Formulele (5) (7) ne dau rela#iile ntre
sumele mprumutate "i primul amortisment.
c) Rela#iile dintre anuit!#ile constante $i suma
mprumutat!
!innd seama de echivalen#a dintre suma mprumutat$
0
V "i
anuit$#ile actualizate pe baza dobnzii unitare nominale i, rezult$:
=
+
+
+ = + + + + + + =

%
% 2 %
0
) % ( %
) % ( %
) % ( ) % ( ... ) % ( ) % (
i
i
i T i T i T i T V
n
n
i
i
T
i
i
i
i T
i
i
i T
n n n
) % ( %
%
% ) % (
) % ( %
) % (
%
%
%
) % ( %
) % (
% %
+
=
+
+
+
+ =
+
+
+ =
sau:
(8)
n
n
a
V T a T V
)
)
%
0 0
= =
Rela#ia de mai sus eviden#iaz$ leg$tura dintre anuit$#ile
posticipate constante "i suma mprumutat$.
"5.2. Suma rambursat! dup! plata a p anuit!#i
=
=
p
k
k p
Q R
%
.
n cazul anuit$#ilor constante:
% ) % (
% ) % (
) % ( ) % (
%
%
%
%
%
%
%
%
+
+
= + = + = =

=
=
i
i
Q i Q i Q Q R
p p
k
k
p
k
k
p
k
k p
.
sau:
(9)
p
p
p
s Q
i
i
Q R
)
=
+
=
% %
% ) % (
Rela#ia (9) eviden#iaz$ leg$tura dintre suma rambursat$ n
primii p ani "i primul amortisment.
!innd cont de (7), ob#inem:
(%0)
p
p
s
V R
)
%
0
=
Aceast$ rela#ie eviden#iaz$ leg$tura dintre suma rambursat$
n primii p ani "i suma mprumutat$.
Dup$ plata anuit$#ii de rangul p, r$mne de pl$tit suma
p
V
:
p
n
p p
s
s
V V R V V
)
)
%
0 0 0
= =
sau
% ) % (
) % ( ) % (
0 0
+
+ +
=
=
n
p n
n
p n
p
i
i i
V
s
s s
V V
)
) )
deoarece
i
i
s
n
n
% ) % ( +
=
)
Dac$ mp$r#im la
n
i) % ( + att num$r$torul ct "i numitorul,
ob#inem:
(%%)
n
p n
n
p n
p
a
a V
i
i
V V
)
) )
%
) % ( %
) % ( %
0
) (
0

=
+
+
=
"5.3. Legea urmat! de diferen#e succesive a dobnzilor:
,... ,
3 2 2 %
d d d d n cazul anuit!#ilor constante.
k k k
d Q T + = , T T T T
n
= = = = ...
2 %
k k
d Q T + = , n k ,..., 2 , % = .
k k
Q T d = deci:
k k k k k k
Q Q Q T Q T d d = = =
+ + % % %
) (
= + = + + =

+
%
%
%
% % %
) % ( ) % ( ) % (
k k k
k k
i Q i Q i Q d d
i i Q i i Q
k k %
%
%
%
) % ( ) % % ( ) % (

+ = + + = , n k ,..., 2 , % = .
Prin urmare:
i Q d d
% 2 %
=
i i Q d d ) % (
% 3 2
+ =
i i Q d d
2
% 4 3
) % ( + =
OBSERVA!IE: Diferen#ele ) (
% +
k k
d d , n k ,..., 2 , % = ,
formeaz$ o progresie geometric$ de ra#ie ) % ( i + "i cu primul termen
) (
%
i Q .
Tabel de amortizare:
Anii
Suma
datorat$ la
nceputul
anului
% n
V
Dobnda
n
d
Amortismentul
n
Q
Anuitatea
n
T
Suma datorat$ la
sfr"itul anului
%
0
V i V d
0 %
=
%
Q
%
T
% 0 %
Q V V =
2
%
V i V d
% 2
=
2
Q
2
T
2 % 2
Q V V =
3
2
V i V d
2 3
=
3
Q
3
T
3 2 3
Q V V =

n-%
% n
V i V d
n n 2 %
=
% n
Q
% n
T
% 2 %
=
n n n
Q V V
n
n
V i V d
n n %
=
n
Q
n
T 0
%
= =
n n n
Q V V
"5.4. mprumuturi cu anuit!#i constante $i dobnd! pl!tit! la
nceputul anului
La semnarea contractului se pl$te"te dobnda pentru primul
an, i V d
0 %
= , deci suma real$ ridicat$ este , iar pentru fiecare din
anii urm$tori se pl$te"te amortismentul "i mpreun$ cu el dobnda
asupra sumei r$mase de plat$ la nceputul anului.
Anul 0 suma efectiv primit$
) % (
0
i V
Anul%
% % %
Q i V T + =
% 0 %
Q V V =
Anul 2
2 2 2
Q i V T + =
2 % 2
Q V V =

Anul p
p p p
Q i V T + =
p p p
Q V V =
%
Anul p+%
% % % + + +
+ =
p p p
Q i V T
% % + +
=
p p p
Q V V

Anul n-%
% % %
+ =
n n n
Q i V T
% 2 %
=
n n n
Q V V
Anul n
n n n
Q i V T + = 0
%
= =
n n n
Q V V
Calculnd diferen#a dintre dou$ anuit$#i consecutive,
ob#inem:
+ = + =
+ + + +
i V Q V Q Q i V V T T
p p p p p p p p p
) ( ) (
% % % %
p p p p
Q i Q Q Q = +
+ +
) % (
% %
Deci:
(%)
p p p p
Q i Q T T =
+ +
) % (
% %
Dac$ presupunem c$ anuit$#ile sunt egale ) ... (
2 %
T T T T
n
= = = = ,
vom ob#ine:
i
Q
Q Q i Q
p
p p p
= =
+ +
%
0 ) % (
% %
sau, notnd
+ =
r
i
%
%
%
(2)
p p
Q r Q ) % (
%
+ =
+
Prin induc#ie dup$ p rezult$ c$ n sistemul de mprumut cu
dobnzile pl$tite la nceputul anului "i anuit$#i constante,
amortismentele formeaz$ o progresie geometric$ de ra#ie ) % ( r + .
(3)
% %
) % ( Q r Q
p
p
+ =
+
"5.5. Aplica#ie
O persoan$ mprumut$ o sum$ de bani pe care urmeaz$ s$ o
ramburseze n 6 ani prin anuit$#i constante posticipate. Suma
primelor dou$ amortismente este 9226630 lei, iar suma dintre al
doilea "i al treilea amortisment este 9559690 lei.
S$ se calculeze:
a) procentul p al mprumutului
b) primul amortisment (
%
Q )
c) ultimul amortisment (
6
Q )
d) anuitatea (T)
e) valoarea mprumutului (
0
V )
Solu#ie:
a) 9226630 ) 2 ( ) % (
% % % 2 %
= + = + + = + i Q i Q Q Q Q
= + + + = + + + = +
2
% % 2 % 3 2
) % ( ) % ( ) % ( ) % ( i Q i Q i Q i Q Q Q
) 2 )( % ( ) 3 2 ( ) 2 % % (
%
2
%
2
%
i i Q i i Q i i i Q + + = + + = + + + + =
04 , 0 04 , %
9226630
9559690
%
2 %
3 2
= = = + =
+
+
i i
Q Q
Q Q
% 4
%00
04 , 0
=
=
=
p
i p
i
b) 9226630 ) 2 (
%
= + I Q
4522860
04 , 2
9226630
%
= = Q
c) 5502750 ) 04 , % ( 4522860 ) % (
5 5
% 6
= = + = i Q Q
d) 5722860 04 , % 5502750 ) % (
6
= = + = i Q T
e) i V d
0 %
=
%200000 4522860 5722860
% %
= = = Q T d
30000000
04 , 0
%200000
%
0
= = =
i
d
V
CAPITOLUL 16
MATEMATICI ACTUARIALE
16.1. Teoria mortalit!"ii
Datorit! faptului c! popula"ia unui ora#, jude", a unei "!ri,
etc., este de volum foarte mare, fenomenele de supravie"uire sau de
deces ale unei persoane oarecare se comport! asem!n!tor schemei
lui Bernoulli (urna cu bila revenit!).
ntr-adev!r: fie un grup de oameni care au mplinit vrsta e
x ani, grup de volum
x
l
.
n anul care urmeaz!, pentru o persoan! oarecare din acest
grup exist! dou! posibilit!"i:
a) supravie"uire (not!m acest eveniment cu S) cu
x
p S P = ) ( .
b) decesul (not!m acest eveniment cu M) cu
x x
p q M P = = $ ) (
Evident, = M S , = M S , $ ) ( ) ( = + M P S P (sau
$ = +
x x
q p ).
Acest grup poate fi considerat c! se comport! dup! urna lui
Bernoulli, deoarece chiar dac! unii indivizi decedeaz!, al"ii din
grupul $ x i iau locul, ei mplinind vrsta de x ani. Datorit!
acestor factori (legii numerelor mari) probabilitatea celor dou!
evenimente S #i M poate fi nlocuit! prin frecven"a relativ! ) (n f ,
care poate fi determinat! statistic.
Matematicile actuariale analizeaz! metodele care pot fi
folosite pentru determinarea factorilor privind supravie"uirea
sau decesul ntr-o popula"ie determinat!, "innd seama de
caracteristicile unei astfel de colectivit!"i: volum foarte mare,
oamenii nu pot fi urm!ri"i individ cu individ, fenomenul
na#terii, cre#terii n vrst! #i decesul au un caracter continuu.
16.2. Func"iile biometrice
Biometria este #tiin"a care se ocup! cu m!surarea unor
caracteristici cantitative legate de popula"ie.
Func"iile biometrice sunt acele func"ii care urm!resc sub
diferite aspecte fenomenele de supravie"uire sau deces.
Func!ii biometrice discontinue
Fie:

x
l
= func"ia de supravie"uire a unei persoane de x ani
,...) $ , 0 ( = x . Ea se g!se#te n tabele.

) , ( y x p
= probabilitatea de supravie"uire (probabilitatea ca o
persoan! de x ani s! ating! vrsta de y ani).
Dac!: + = n x y
x
np n x x p y x p = + = ) , ( ) , (
x x
p p x x p = = + $ ) $ , (
) , ( y x q = probabilitatea de deces a unei persoane de x ani,
nainte de a ajunge la vrsta de y ani.
Dac!:
x
nq n x x q y x q n x y = + = + = ) , ( ) , (
x x
q q x x q = = + $ ) $ , (

x
q m/ = probabilitatea de deces a unei persoane de x ani,
dup! ce au trecut m ani dar nainte de a mplini $ + + m x ani

x
nq m/ = probabilitatea de deces a unei persoane de x ani
dup! ce trec m ani, dar nainte de a trece n ani ) ( n m <
Consider!m evenimentele:
) , ( y x S = supravie"uirea unei persoane de x ani, la vrsta de y
ani.
) , ( y x M = decesul unei persoane de x ani pn! la vrsta de y
ani.
Avem:
$ ) , ( ) , (
) , ( ) , (
) , ( ) , (
= +
=
=
y x q y x p
y x M y x S
y x M y x S
=
x
l volumul colectivit!"ii corespunz!toare vrstei de x ani.
$ + x
l = volumul colectivit!"ii corespunz!toare vrstei de $ + x
ani.
Folosind defini"ia clasic! a probabilit!"ii:
x
x
x
l
l
p
$ +
=
;
x
x
x
x x
x
l
d
l
l l
q =
=
+$
; $ = +
x x
q p .
$ = +
=
=
+
+
x x
x
n x x
x
x
n x
x
nq np
l
l l
nq
l
l
np
Fie A evenimentul ca o persoan! s! decedeze dup! ce a
mplinit vrsta de n x + ani #i nainte de a mplini $ + + n x ani.
) $ , ( ) , ( + + + + = n x n x M n x x S A
Deoarece S #i M sunt evenimente independente, avem:
)] $ , ( [ )] , ( [ ) ( + + + + = n x n x M P n x x S P A P
n x
n x n x
x
n x
n x n x
l
l l
l
l
q np nq A P
+
+ + + +
+
= = =
$
) (
x
n x
x
n x n x
l
d
l
l l
A P
+ + + +
=
=
$
) (
Not!m:
x
nM m/ = evenimentul ca o persoan! n vrst! de x
ani s! decedeze ntre m x + ani #i n x + ani ) ( n m < .
Avem: = + + + = ) / ( ) , ( ) , ( /
x x
nM m P n x m x M m x x S nM m
= = + + = + =
+
] ) )[( ( )] , ( [ )] , ( [
m x x
q m n mp n x m x M P m x x S P
x
n x m x
m x
n x m x
x
m x
l
l l
l
l l
l
l
+ +
+
+ + +

=
=
.
TEOREM% : Func"ia de supravie"uire
x
l este valoarea
medie a variabilei aleatoare ce reprezint! num!rul persoanelor care
ajung s! mplineasc! x ani dintr-o colectivitate de baz! de volum
0
l .
Demonstra"ie :
n variabila aleatoare cu reparti"ia binomial! n l =
0
#i
probabilitatea de supravie"uire pn! la x este ) ( ) ( x p A P = , iar
probabilitatea de deces pn! la x ani este ) ( $ ) ( ) ( x p x q A P = = .
Valoarea medie a variabilei aleatoare ce reprezint!
evenimentul A de supravie"uire:
) ( ) ( ) (
0
x p l A nP Z M Z = = =
Notnd
0
0
) ( ) (
l
l
x p x p l l l Z
x
x x
= = =
deci:
) (
0
x p l l
x
= #i
0
) (
l
l
x p
x
=
.
Not!m:
x
A = evenimentul ca o persoan! din popula"ia ini"ial! s!
ating! vrsta de x ani.
y
A
= evenimentul ca o persoan! din popula"ia ini"ial! s!
ating! vrsta de y ani (cu y x < )
) , ( y x S = evenimentul ca o persoan! n vrst! de x ani s!
supravie"uiasc! la y ani.
Avem:
= ) / ( ) , (
x y
A A y x S
realizarea lui
y
A
cnd
x
A a avut loc.
) ( ) , ( ] / [ )] , ( [
y A x y
A P y x p A A P y x S P
x
= = =
Dar
y y x
y x
A A A
A A
#i deci:
x
y
x
x
y
x
x y
y A
l
l
l
l
l
l
x p
y p
A P
A P
A P
A A P
A P y x p
x
= = = =
= =
0
0
) (
) (
) (
) (
) (
) (
) ( ) , (
Notnd
x
x
n x
np
l
l
n x x p n x y = = + + =
+
) , (
Deci:
y
x
l
l
y x p = ) , (
;
x
np m x x p = + ) , ( .
16.3. Via!a probabil"
Pentru o persoan! n vrst! de x ani se define#te via"a
probabil! acea vrst! n x + = ani pentru care probabilitatea de
supravie"uire este egal! cu probabilitatea de deces.
2
$
=
x
np
;
2
$
= =
+
x x
n x
l
l
l
l

;
x
l l
2
$
=
Deci
x
l l
2
$
=
determin! via"a probabil! pentru o persoan!

de x ani.
Concluzii: func"iile biometrice discontinue studiate sunt
legate de perioada de $ an. Ele se g!sesc tabelate din an n an.
Func"ia
x
l este descresc!toare, iar
x
x x
x
l
l l
q
$ +
=
.
Graficul func"iei
x
l .
0
l

$ 2 3 $ x x $ + x

Gheorghe CENUSA-Matematici Pentru Economisti

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Gheorghe CENUSA-Matematici Pentru Economisti

Uploaded by

Copyright:

Available Formats

CAPITOLUL 1

= > < < <

#i care con$ine o infinitate de termeni ai

. Exist% mai multe

conform criteriului I , seria armonic%

este seria armonic% #i este divergent%.

Seria pe care o ob$inem este o serie geometric% de ra$ie r :

conform p%r$ii nti a criteriului raportului.

, aceasta fiind serie armonic%, este

, unde cs nseamn% converge simplu .

, unde cu nseamn% converge uniform .

dac% #i numai dac% , oricare ar fi 0 > , exist%

), ( ) ( , 0 ) ( N > astfel nct,

II. Al doilea criteriu de convergen!" uniform":

DEFINI!IA 4.8.8. : Func$ia f este continu% n punctul A a

( mul$imea B fiind inclus%

), ( ) ( , 0 ) ( N > astfel nct,

= = , serie armonic% alternat%, care este

Pentru orice ( ) ( ) , " " , x , seria este divergent%.

2) S% se dezvolte n serie MacLaurin #i s% se determine raza de

Conform teoremei lui Lagrange :

Deci func!ia f este continu% n punctul (a,b).

DEFINI$IA 5.4.2. : Se nume#te derivata par!ial% de

DEFINI$IA 5.4.3. : Se nume#te derivata par!ial% de

CRITERIUL LUI SCHWARTZ

Astfel am demonstrat c% este continu% #i nul% n (a,b) .

Not%m : ( ) )] , ( ' ) , ( ' [ ,

Atunci sistemul (5) devine :

Prin urmare, sistemul ecua!iilor normale este :

Cu nota!iile (6) , sistemul (8) devine :

Rezolvnd sistemul (9) ob!inem valorile pentru

dac" a = $ . Cum a>0, rezult"

DEFINI!IE : O mul#ime nevid" K de p"r#i ale lui se

EXEMPLU : Un lot de piese con#ine 5% piese rebut.

DEFINI$IE: Mul#imea perechilor ordonate )) ( , (

" , 0 " , 0 25 , 0 25 , 0 "5 , 0 "5 , 0

, deci putem scrie

I. ) (x f este o func$ie de probabilitate deoarece:

II. Media #i dispersia:

F#cnd schimbarea de variabil#

, unde am folosit substitu$ia dz dy z it y = = .

OBSERVA!IE: ) (z este o func$ie simetric# fa$# de

, unde 0 > a , 0 > b "i

DEFINI!IE: O variabil# aleatoare X are reparti!ie

Se poate ar#ta c# variabila aleatoare t este dat# de raportul

"i deci inegalitatea lui Ceb"ev se poate scrie :

reprezint# frecven%a relativ#.

OBSERVA$IE: E#antionul , la rndul lui, are un aspect

12.2. Reparti!ii de selec!ie

, cu n grade de libertate #i are deci densitatea de

cu = = ) ( ) ( x D x M . (vezi capitolul %0, paragraful %0.%.4. ) .

Deci media de selec"ie X este un estimator absolut corect

OBSERVA$IE: Ne putem pune ntrebarea ce moment

, K.Pearson a ar!tat c!,

trebuie s! fie mai mic! #i nu va dep!#i o valoare

astfel nct, pentru un volum n dat al

, nu exist! concordan"! #i respingem ipoteza

, pentru 4 > x . Rezultatele ob"inute se trec n

Pentru nivelul de semnifica"ie 05 , 0 = #i num!rul gradelor

n cazul mai general cnd procentul p (deci dobnda unitar!)

"3.5. Plasament cu dobnd! simpl! sau compus!

determin! via"a probabil! pentru o persoan!

You might also like