Curs ID - Matematica Aplicata in Economie - Anul 1 PDF

UNIVERSITATEA „DANUBIUS“ DIN GALAŢI
DEPARTAMENTUL DE ÎNVĂŢĂMÂNT LA
DISTANŢĂ SI FRECVENTA REDUSA
FACULTATEA DE ŞTIINŢE ECONOMICE
MATEMATICĂ APLICATĂ ÎN ECONOMIE

Anul I, Semestrul I
CĂTĂLIN ANGELO IOAN

CUPRINS
1. Algebră liniară
Matrice şi determinanţi
Sisteme de ecuaţii liniare
Spaţii vectoriale reale
Aplicaţii liniare
Aplicaţii multiliniare. Forme pătratice. Vectori şi valori proprii
2. Analiză matematică
Spaţii topologice
Diferenţiabilitatea funcţiilor
Serii numerice. Serii de funcţii. Serii de puteri. Dezvoltarea în
serie Taylor
Extremele funcţiilor
3. Ecuații diferențiale
Ecuații diferențiale – introducere
Tipuri principale de ecuații diferențiale de ordinul 1
Ecuații diferențiale de ordin superior
Ecuații diferențiale liniare de ordinul n
4. Programare liniară
Probleme economice ce conduc la modelul matematic al
programării liniare
Algoritmul simplex primal
Dualitate în programarea liniară
Reoptimizare şi parametrizare în programarea liniară
Problema de transport
5. Matematici financiare
Dobânzi
Matematică aplicată în Economie 2

Operaţiuni de scont
Plăţi eşalonate (rente)
Bibliografie (de elaborare a cursului)

INTRODUCERE
Modulul intitulat Matematica aplicată în economie se studiază în anul I,
semestrul I și vizează dobândirea de competențe în domeniul matematicii.
După ce se va învăța modulul, vor fi dobândite următoarele competențe
generale:
• Cunoaşterea şi utilizarea adecvată a noţiunilor specifice disciplinei,
explicarea şi interpretarea unor idei specifice acesteia, precum şi
proiecte teoretice şi/sau practice de aplicare a noţiunilor specifice.
• Proiectarea şi evaluarea activităţilor practice specifice disciplinei;
utilizarea unor metode, tehnici şi instrumente de investigare şi aplicare.
• Manifestarea unor atitudini pozitive şi responsabile faţă de domeniul
ştiinţific în care se regăseşte disciplina, cultivarea unui mediu ştiinţific
centrat pe valori şi relaţii democratice, valorificare optimă şi creativă a
propriului potenţial în activităţile ştiinţifice, participarea la propria
dezvoltare profesională.
Obiectivele cadru pe care le propun sunt următoarele:
• selectarea informaţiilor esenţiale din curs şi din bibliografie;

• formarea deprinderilor de calcul matematic în abordarea unor
probleme economice complexe;
• dezvoltarea capacității de a modela o serie de obiecte economice.
Conținutul este structurat în următoarele unităţi de învăţare:

- Algebră liniară
- Analiză matematică
- Teoria probabilităţilor şi statistică matematică
- Ecuații diferențiale
- Programare liniară
- Matematici financiare
În prima unitate de învăţare intitulată Algebră liniară se va regăsi
operaționalizarea următoarelor obiective specifice:
- să folosești în mod practic instrumentarul matriceal;
- să modelezi realitatea economică prin mijlocirea aplicațiilor liniare și
transformarea biunivocă între spațiile concrete și cele abstracte;
- să recapitulezi, reformulând metodele de calcul al determinanţilor,
inversei şi rangului unei matrice şi rezolvând sistemele de ecuaţii
liniare;
- să explici noţiunea de spaţiu vectorial ca generalizare a unor mulţimi
studiate în anii anteriori;

- să operezi cu transportul de structuri de la aplicaţiile practice la cele
teoretice şi invers;
- să utilizezi noţiunile de vector şi valoare proprie
după ce se va studia conținutul cursului şi se va parcurge bibliografia
recomandată. Pentru aprofundare şi autoevaluare se propun exerciții şi teste
adecvate.
După ce se va parcurge informația esențială, în a doua unitate de învăţare
intitulată Analiză matematică se vor operaționaliza, odată cu cunoștințele
oferite, noi obiective specifice:
- să explici noţiunea de spaţiu topologic;
- să definești diferenţiabilitatea funcţiilor;
- să descrii seriile numerice şi seriile de puteri;
- să determini extremele funcţiilor;
- să categorisești integralele improprii, duble şi triple
care vor permite să se aplice în probleme concrete de natură economică
cunoștințele învățate. Ca să se poată evalua gradul de însușire a cunoștințelor,
va fi rezolvată o lucrare de evaluare care după corectare va fi primită cu
observațiile adecvate şi cu strategia corectă de învăţare pentru modulele
următoare.
În a treia unitate de învăţare intitulată Teoria probabilităţilor şi statistică
matematică se va regăsi operaționalizarea următoarelor obiective specifice:
- să definești noțiunea de probablitate;
- să aplici schemele de probabilitate;
- să explici indicatorii numerici ai variabilelor aleatoare;
- să determini regresia liniară
adecvate.
După ce se parcurge informația esențială, în a patra unitate de învăţare
intitulată Ecuații diferențiale se vor achiziționa, odată cu cunoștințele oferite,
noi obiective specifice:
- să aplici corect noile concepte;
- să rezolvi principalele tipuri de ecuații diferențiale și sistemele de
ecuații diferențiale de ordinul 1;
- să reduci ecuațiile diferențiale de ordin superior la ordine inferioare
următoare.
În a cincea unitate de învăţare intitulată Programare liniară se va regăsi
operaționalizarea următoarelor obiective specifice:

- să aplici corect algoritmul simplex;
- să interpretezi corect semnificația variabilelor duale;
- să modelezi rezolvând coprespunzător problemele de transport
adecvate.
După ce se va parcurge informația esențială, în a șasea unitate de învăţare
intitulată Matematici financiare se vor achiziționa, odată cu cunoștințele
oferite, noi obiective specifice:
- să aplici noţiunile de dobândă simplă şi compusă;
- să calculezi scadenţe și operaţiuni de scont;
- să detaliezi ratele de anuităţi și împrumuturi
următoare.
Pentru o învăţare eficientă este nevoie de următorii pași obligatorii:
• Să se citească modulul cu maximă atenție;
• Să se evidențieze informațiile esențiale cu culoare, să fie notate pe
hârtie, sau adnotate în spațiul alb rezervat;
• Să se răspundă la întrebări şi să se rezolve exercițiile propuse;
• Să se simuleze evaluarea finală, autopropunându-vă o temă şi
rezolvând-o fără să apelați la suportul scris;
• Să se compare rezultatul cu suportul de curs şi să vă explicaţi de ce ați
eliminat (eventual) anumite secvențe;
• În caz de rezultat nesatisfăcător să se reia întreg demersul de învăţare.
Se vor primi, după fiecare capitol parcurs, lucrări de verificare, cu cerinţe clare,
care vor trebui rezolvate, imediat ce s-a primit prin intermediul platformei de
învățământ sarcinile de rezolvat, în termen de maximum o săptămână; în acest
fel vor fi îndeplinite obiectivele pe care le-am formulat. Se va răspunde în scris
la aceste cerințe, folosindu-vă de suportul de curs şi de următoarele resurse
suplimentare (autori, titluri, pagini). Veți fi evaluat după gradul în care ați
reușit să operaționalizați competenţele. Se va ţine cont de acuratețea rezolvării,
de modul de prezentare şi de promptitudinea răspunsului. Pentru neclarităţi şi
informații suplimentare veți apela la tutorele indicat. 60% din notă va proveni
din evaluarea continuă (cele două lucrări de verificare) şi 40% din evaluarea
finală.

Cătălin Angelo Ioan Algebra liniară
1. ALGEBRĂ LINIARĂ
Matrice şi determinanţi
Sisteme de ecuaţii liniare
Spaţii vectoriale reale
Aplicaţii liniare
Aplicaţii multiliniare. Forme pătratice. Vectori şi valori
proprii
Obiectivele unităţii de învăţare
Rezumat
Teste de autoevaluare
Răspunsuri şi comentarii la întrebările din testele de
autoevaluare
Bibliografie minimală
Obiective specifice:
La sfârşitul capitolului, vei avea capacitatea:
- să folosești în mod practic instrumentarul matriceal;
- să modelezi realitatea economică prin mijlocirea aplicațiilor liniare și
transformarea biunivocă între spațiile concrete și cele abstracte;
- să recapitulezi, reformulând metodele de calcul al determinanţilor,
inversei şi rangului unei matrice şi rezolvând sistemele de ecuaţii
liniare;
- să explici noţiunea de spaţiu vectorial ca generalizare a unor mulţimi
studiate în anii anteriori;
- să operezi cu transportul de structuri de la aplicaţiile practice la cele
teoretice şi invers;
- să utilizezi noţiunile de vector şi valoare proprie.
Timp mediu estimat pentru studiu individual: 6 ore

1.1. Matrice și determinanți

1.1.1. Noțiuni introductive
Pentru început să notăm Nm={1,...,m}, m∈N*.
Definiţie
Se numeşte matrice de tipul m×n cu coeficienţi reali o funcţie A:Nm×Nn→R,
(i,j)→A(i,j)∈R.
Pentru ca operaţiile şi aplicaţiile matricelor să aibă o exprimare cât mai simplă
vom conveni să aranjăm elementele unei matrice sub forma unui tablou:
 a 11 a 12 L a 1n 
 
a a 22 L a 2n 
A=  21
L L L L
 
a a m2 L a mn 
 m1
sau prescurtat A= (a )
ij i =1 ,..., m
j=1,..., n
, A=(aij), i=1,...,m, j=1,...,n (notaţie preferată aici din
motive de redactare) sau simplu A=(aij) dacă domeniile de variaţie ale lui i şi j
sunt subînţelese din context. Elementul (ai1 ai2 ... ain) reprezintă linia “i” a
 a 1j 
 
 a 2j 
matricei A, i=1,...,m, iar  coloana “j” a matricei A, j=1,...,n. O matrice
M 
 
a 
 mj 
cu o linie şi n coloane se numeşte matrice linie, iar o matrice cu m linii şi o
coloană se numeşte matrice coloană. O matrice cu acelaşi număr de linii şi
coloane, m=n, se numeşte matrice pătratică. Numărul n se numeşte ordinul
matricei.
Vom nota cu Mmn(R) mulţimea matricelor cu m linii şi n coloane şi cu Mn(R)
mulţimea matricelor pătratice de ordinul n.
Considerând o matrice A∈Mn(R), mulţimea ordonată (a11,a22,...,ann) se numeşte
diagonala principală a matricei, iar mulţimea ordonată (a1n,a2 n-1,...an1) se
numeşte diagonala secundară a matricei.
Definiţie
Se numeşte aplicaţie de transpunere aplicaţia f:Mmn(R)→Mnm(R), f(A)=At
unde At=(a'ij), i=1,...,n, j=1,...,m iar a'ij=aji ∀i=1,...,n, j=1,...,m, A=(aji),
j=1,...,m, i=1,...,n fiind matricea dată. Matricea At se numeşte transpusa lui A.
Transpusa unei matrice se obţine prin schimbarea liniilor în coloane sau a
coloanelor în linii. Operaţia de transpunere nu păstrează tipul matricelor decât
în cazul celor pătratice.
Definiţie
Fie A,B∈Mmn(R), A=(aij), B=(bij). Se numeşte suma matricelor A şi B
matricea A+B=(cij)∈Mmn(R), cij=aij+bij ∀i=1,...,m, j=1,...,n.
Definiţie
Fie α∈R şi A∈Mmn(R), A=(aij). Se numeşte înmulţirea cu scalari a matricei
A cu α matricea αA=(cij)∈Mmn(R), cij=αaij ∀i=1,...,m, j=1,...,n.
Definiţie
Fie A∈Mmn(R), B∈Mnp(R), A=(aij), B=(bij). Se numeşte produsul matricelor
n
A şi B matricea AB=(cij)∈Mmp(R), cij= ∑ a ik b kj ∀i=1,...,m, j=1,...,p.
k =1
Definiţie
Fie A∈Mn(R). Matricea A se numeşte inversabilă dacă ∃B∈Mn(R) astfel
încât AB=BA=In.
Definiţie
Se numeşte permutare de m elemente (m≥1) o funcţie bijectivă σ:Nm→Nm.
Definiţie
Fie A∈Mn(R), A=(aij). Se numeşte determinantul lui A numărul:
det A= ∑ ε(σ)a 1σ(1) ...a nσ ( n )

σ∈S n
Definiţii
Fie o matrice A∈Mn(R), A=(aij). Fixăm liniile i1,...,ik şi coloanele j1,...,jk în
matricea dată. Determinantul format cu elementele aflate la intersecţia liniilor
şi coloanelor fixate se numeşte minor al matricei A şi se notează:
a i1 j1 L a i1 jk
∆ i1 ...i k
j1 ... jk = L L L
a i k j1 L a i k jk
Determinantul obţinut prin eliminarea liniilor şi coloanelor fixate mai sus se

numeşte minor complementar lui ∆i1j1......i kjk şi se notează δ ij11......ijkk . Numărul:
Γji11......jikk = (−1) i1 +...+i k + j1 +...+ jk δ ij11......ijkk se numeşte cofactorul sau complementul lui
∆i1j1......i kjk .
1.1.2. Rezultate esențiale în calculul determinanților

Teoremă (Binet-Cauchy)
Fie m,n∈N*, m≤n şi A∈Mmn(R), B∈Mnm(R). Atunci:
det AB = ∑ det A
1≤ j1 < ... < j m ≤ n
j1 ... j m det B j1 ... j m

Corolar
Fie A,B∈Mn(R). Atunci det AB=det A⋅det B.
Definiţie
Fie A∈Mmn(R), A=(aij). Fie p∈N* astfel încât 1≤p<m şi r∈N* astfel încât
1≤r<n. Definim patru matrice B∈Mpr(R), C∈Mp,n-r(R), D∈Mm-p,r(R), E∈Mm-
p,n-r(R) astfel:
 a 11 L a 1r   a 1 r +1 L a 1n 
   
B =  L L L , C =  L L L ,
a  a L a pn 
 p1 L a pr   p r +1
 a p +11 L a p +1 r   a p +1 r +1 L a p +1 n 
   
D =  L L L , E =  L L L 
a   a L a mn 
 m1 L a mr   m1
Se spune în acest caz că am partiţionat matricea A în blocurile B, C, D, E.
 B C
Vom scrie A=   .
D E
Propoziţie
B 0 
Fie A∈Mn(R) şi B∈Mk(R), C∈Mn-k(R) unde k<n astfel încât A=   . Are
 0 C
loc atunci următoarea egalitate:
det A=det B⋅det C
Teoremă (Laplace)
Fie A∈Mn(R) şi i1,...,ik linii fixate în matrice. Atunci:
det A= ∑∆ i 1 ...i k
j1 ... j k
1≤ j1 < ... < j k ≤ n
Γji11......jikk

Sarcina de lucru 1
Aplicând teorema Laplace să se calculeze determinantul:

2 0 1 0 3
5 0 7 0 1
−3 5 4 8 1
7 1 −2 4 3
−2 0 4 3 8
1.1.3. Rangul unei matrice

Definiţie
Se numeşte rang al unei matrice, maximul ordinelor minorilor nenuli ai
matricei date.
Definiţie
Se numesc transformări elementare ale unei matrice următoarele:
i) permutarea liniilor sau coloanelor;
ii) înmulţirea unei linii (coloane) cu un factor nenul;
iii) adunarea a două linii (coloane).
Propoziţie
Rangul unei matrice este invariant la transformări elementare.
Propoziţie
B 0 
Fie A=   . Atunci: rang A=rang B+rang C
 0 C
Corolar
 A1 0 0 
L
 
 0 A2 L 0  k
Fie A= 
L L L L
. Atunci rang A = ∑ rang A i .
  i =1
 0 0 L A k 

Corolar
 A11 A12 L A1k 

 
 0 A 22 L A 2k 
Fie A=  unde Aii, i=1,...,k-1 sunt matrice pătratice de
L L L L
 
 0 0 L A kk 

n
rang egal cu ordinul lor. Atunci: rang A= ∑ rang A ii .
k =1
Definiţii
 A11 A12 L A1k 

 
 0 A 22L A 2k 
O matrice de forma A=  unde Aii, i=1,...,k sunt matrice
L L L L
 
 0 0 L A kk 

pătratice se numeşte matrice superior cvasitriunghiulară. Transpusa unei
matrice superior cvasitriunghiulare se numeşte matrice inferior
cvasitriunghiulară. O matrice inferior (superior) cvasitriunghiulară cu
blocurile Aij=0 ∀i≠j=1,...,k se numeşte matrice cvasidiagonală. O matrice A
în care blocurile Aij, i,j=1,...,k sunt matrice de ordin 1 se numeşte matrice
superior triunghiulară, matrice inferior triunghiulară respectiv matrice
diagonală. Dacă matricea Akk este nulă şi nu neapărat pătratică vom spune că
A este matrice trapezoidală. Vom numi bloc diagonal principal (sau uneori
bloc diagonal) un bloc al matricei care are diagonala principală inclusă în
diagonala principală a matricei date.
Propoziţie
Determinantul unei matrice cvasidiagonale sau cvasitriunghiulare este egal cu
produsul determinanţilor blocurilor diagonale principale.

Sarcina de lucru 2
1 2 3 7 8 6 
 
2 4 3 8 9 6 
0 0 5 6 1 9 
Să se determine rangul matricei: A=  .
0 0 1 4 2 6 
0 0 0 0 5 − 8 

0 0 0 0 0 3 

1.1.4. Regula dreptunghiului

Fie deci A=(aij)∈Mmn(R). Fixăm două linii i şi j şi două coloane k şi p în
matricea A astfel încât aik≠0. Avem deci:
pivot
L L L L L
  elementul de
 L a ik L a ip L
+ - transformat
A = L L L L L
 
 L a jk L a jp L
 
L L L L L
a jk
Vom numi elementul aik≠0 pivot. Înmulţind linia i cu − şi adunând-o la
a ik
linia j obţinem a'jk=0 unde notăm cu ' elementele transformate. Avem atunci
a ik a jp − a ip a jk
pentru un element oarecare ajp: a'jp= . Regula de obţinere a lui a'jp
a ik
din ajp se numeşte regula dreptunghiului. Într-adevăr, împrumutând denumiri
matriceale, construind dreptunghiul cu diagonala principală (în sensul de mai
jos) determinată de pivot şi de elementul supus transformării, obţinem că noul
element va fi dat de scăderea produsului elementelor de pe diagonala
secundară din produsul celor de pe diagonala principală, rezultatul împărţindu-
se la pivot. Cum pivotul este nenul, putem să mai facem o transformare
elementară înmulţind linia i cu pivotul. În acest caz, avem: a'jp=aikajp-aipajk.
Vom conveni să distingem regulile după cele două moduri de transformare
numindu-le regula dreptunghiului cu împărţire la pivot, respectiv fără
împărţire la pivot. Vom prefera însă regula dreptunghiului fără împărţire la

pivot din două motive: pe de o parte reduce numărul de calcule, iar pe de alta,
reduce erorile de rotunjire ce apar în urma prelucrării cu mijloace de calcul.
Din acest motiv, vom spune simplu regula dreptunghiului (specificând explicit
faptul că este cu împărţire la pivot atunci când va fi cazul).
Pentru determinarea rangului lui A vom proceda astfel: dacă A=0 atunci rang
A=0. Dacă A≠0 atunci ∃aij≠0. Dacă i,j≠1 atunci prin permutări de linii şi
coloane se poate aduce acest element în colţul din stânga-sus al matricei.
Putem deci presupune că a11≠0. Considerându-l pe a11 drept pivot şi aplicând
regula dreptunghiului pentru liniile 2,...,m obţinem matricea A1∼A:
 a '11 a '12 a '13 L a '1n 

 
 0 a ' 22 a ' 23 L a '2n 
A1 =  0 a '32 a '33 L a '3 n 
 
L L L L L 
 
 0 a 'm 2 a 'm3 L a ' mn 
Procesul se continuă apoi pentru sub-matricea obţinută din A1 prin eliminarea

primei linii şi primei coloane obţinându-se în final o matrice Ak∼A (relaţia este
tranzitivă):
 a '11 L a '1k L a '1n 

 
L L L L L
 0 L a ' kk L a 'kn 
Ak=  
 0 L 0 L 0 
L L L L L 

 0 L 0 L 0 

unde am notat tot cu ' elementele transformate fără a le confunda însă cu cele
din A1. Ultimele linii pot evident lipsi în cazul în care k=m (să mai notăm aici
şi faptul că rang A≤min{m,n}). Conform corolarului 45, avem rang A=rang
Ak=rang(a11)+...+ rang(akk)=k deci rangul este egal cu numărul pivoţilor.

Sarcina de lucru 3
 1 2 3 7 8 6 
 
 2 4 3 8 9 6 
 3 4 6 7 1 9 
Să se determine rangul matricei: A=  
− 4 2 1 4 2 6 
 0 5 3 8 5 − 8 

 1 −3 4 −3 5 3 

folosind regula dreptunghiului.
1.1.5. Inversabilitatea matricelor

Teoremă
Fie A∈Mn(R). A este inversabilă⇔det A≠0.
Teoremă
Dacă printr-o succesiune de transformări elementare asupra liniilor
(coloanelor) unei matrice A se obţine matricea unitate I atunci considerând
aceleaşi transformări aplicate matricii unitate I se obţine matricea inversă
A-1.
Teoremă
 A A2 
Fie matricea A=  1  unde A∈Mn(R), A1∈Mk(R), A2∈Mk,n-k(R),
 A3 A4 
A3∈Mn-k,k(R), A4∈Mn-k,n-k(R), 1≤k≤n-1. Dacă matricele A1, A4, A1-A2A4-
1  B B2 
A3 şi A4-A3A1-1A2 sunt inversabile atunci A-1=  1  unde: B1=(A1-
 B3 B4 
A2A4-1A3)-1, B4=(A4-A3A1-1A2)-1, B2= -A1-1A2B4 şi B3= -A4-1A3B1.

Sarcina de lucru 4
2 1 3 4
 
5 3 4 3
Să se inverseze matricea: A=  .
1 2 3 2
 
4 7 2 1 

1.2. Sisteme de ecuații liniare

1.2.1. Noțiuni introductive
Definiţii
Se numeşte sistem de m ecuaţii liniare cu n necunoscute problema
determinării numerelor reale xi∈R astfel încât:
 a 11x 1 + a 12 x 2 + ... + a 1n x n = b1

 L
a x + a x + ... + a x = b
 m1 1 m2 2 mn n m
unde aij∈R, bi∈R, i=1,...,m, j=1,...,n. Numerele reale aij se numesc coeficienţii
sistemului, bi se numesc termenii liberi ai sistemului iar xi - necunoscutele
sau variabilele sistemului. Matricea A=(aij)∈Mmn(R) se numeşte matricea
sistemului, B=(bi)∈Mm1(R)-matricea termenilor liberi, iar X=(xi)∈Mn1(R)-
matricea necunoscutelor. Definim, de asemenea, matricea Ae=(A,B) obţinută
prin adăugarea lui B la dreapta matricei A. Matricea Ae se numeşte matricea
extinsă a sistemului. Cu aceste notaţii, sistemul de mai sus se scrie şi sub
forma AX=B. Dacă B=0 acesta se numeşte sistem omogen. O altă notaţie a
unui sistem se obţine considerând vectorii coloană aj=(a1j a2j ... amj)t, j=1,...,n ai
n
matricei A. Sistemul se va scrie atunci: ∑a x
j =1
j
j = B.

Definiţie
Considerând un sistem de ecuaţii AX=B se numeşte soluţie a sistemului un
vector X=(x1,...,xn)t∈Mn1(R) ce satisface egalitatea matriceală AX=B.
Definiţii
Un sistem care admite soluţie se numeşte sistem compatibil. Dacă soluţia este
unică, atunci el se numeşte sistem compatibil determinat, în caz contrar,
numindu-se sistem compatibil nedeterminat. Un sistem care nu are soluţie se
numeşte sistem incompatibil.
Teoremă (Kronecker-Capelli)
Un sistem este compatibil dacă şi numai dacă rangul matricei sistemului este
egal cu rangul matricei sale extinse.
Definiţie
Fiind dat sistemul AX=B numim sistem omogen asociat, sistemul AX=0.
Propoziţie
Fie sistemul AX=B şi X0 o soluţie a sa. Atunci, orice soluţie este de forma
X=X0+Y unde Y este soluţie a sistemului omogen asociat. Reciproc, pentru
orice soluţie Y a sistemului omogen asociat rezultă că X=X0+Y este soluţie a
sistemului dat.
Teoremă
Fie un sistem omogen AX=0, rang A=r≤n unde A∈Mn(R). Mulţimea soluţiilor
sistemului are următoarele proprietăţi:
1) Dacă X1,X2 sunt soluţii atunci X1+X2 este soluţie;

2) Dacă X1 este soluţie şi α∈R atunci αX1 este soluţie;
3) Există n-r soluţii independente X1,...,Xn-r (în sensul că nu se poate
obţine una ca o combinaţie liniară de celelalte - se va studia ulterior
conceptul de combinaţie liniară) astfel încât orice soluţie X se poate scrie sub
forma: X=α1X1+...+αn-rXn-r cu α1,...,αn-r∈R.

Sarcina de lucru 5
2 x + 5 y − 3z + 7 t = 2
 3x - 5y + 3z - t = 0

Să se studieze dacă sistemul:  este compatibil
 4x + 3z = -2
 2y + 5t = 7
determinat.
1.2.2. Metoda lui Gauss

Fie sistemul AX=B cu n ecuaţii şi n necunoscute, iar rang A=n.
Fie matricea extinsă Ae. Ideea folosită aici este cea de la determinarea rangului
unei matrice. Dacă Ae este supusă transformărilor elementare cu pivoţi numai
din A atunci rangurile celor două matrice rămân invariante, compatibilitatea
sistemului conservându-se. Ne propunem să analizăm efectul transformărilor
elementare asupra soluţiilor sistemului. Astfel, la permutarea a două linii ale
lui Ae efectul va fi de permutare a ecuaţiilor sistemului ceea ce evident nu
alterează soluţiile. Amplificarea unei linii cu un factor nenul se transpune în
amplificarea ecuaţiei respective, iar adunarea a două linii reprezintă adunarea
ecuaţiilor corespunzătoare, niciuna din variante nemodificând soluţiile.
Transformările elementare aplicate coloanelor modifică în general soluţiile,
singurul efect minor apărând la permutarea coloanelor ceea ce duce la
renumerotarea variabilelor. Aplicând deci regula dreptunghiului pe linii,
sistemul capătă forma:
a 11x 1 + a 12 x 2 + ... + a 1n x n = b1
 a 22 x 2 + ... + a 2 n x n = b 2


 L
 a nn x n = b n
cu aii≠0, i=1,...,n (deoarece rang A=n). Înlocuind succesiv soluţiile în ecuaţiile

de deasupra obţinem:
 b
 xn = n
a nn
 b k − a kn x n − ... − a k k +1 x k +1
x k = , k = n − 1,...,1
 a kk
Exemplu: Să se studieze compatibilitatea, iar în caz afirmativ să se rezolve

prin metoda Gauss sistemul:
 (a + 3) x + y + 2z = a

 ax + (a − 1) y + z = 2a , a∈R.
3(a + 1) x + ay + (a + 3)z = 3

Soluţie Vom nota la permutarea a două coloane a matricei extinse noua
ordine a necunoscutelor deasupra acesteia pentru ca în cazul compatibilităţii
să le putem recupera corect din sistem.
x y z y z x
 a+3 1 2 a  1 2 a +3 a 
Avem: Ae=   ∼ ∼
 a a −1 1 2a   a − 1 1 a 2a 
 3a + 3 a a + 3 3   a a + 3 3a + 3 3 

y z x
1 2 a +3 a  2
 2 2
. Dacă a= atunci rezultă că:
 0 3 − 2a − a − a + 3 − a + 3a  3
0 3 − a 3 − a2 3 − a 2 

3y + 6z + 11x = 2

rang Ae=rang A=3 iar sistemul devine:  21z + 23x = 23 de unde:
 17x = 14

14 23 326 2
x= ,z = ,y=− . Dacă a≠ atunci:
17 119 119 3
y z x
1 2 a +3 a 
Ae ∼  2 2
 de unde se obţine că a=0 sau
 0 3 − 2a − a − a + 3 − a + 3a 
0 0 a (a − 1) a + 3a − 15a + 9 
2 3 2

a=1⇒rang(Ae)=3≠2=rang(A) deci sistemul este incompatibil iar în caz

a 3 + 3a 2 − 15a + 9
contrar este compatibil iar soluţia este: x= ,
a 2 (a − 1)
8a 4 − 18a 3 − 15a 2 + 45a − 18 − 16a 4 + 29a 3 + 36a 2 − 54a + 9
z= , y= .
a 2 (a − 1) a 2 (a − 1)
Sarcina de lucru 6
Să se studieze compatibilitatea, iar în caz afirmativ să se rezolve prin metoda

Gauss sistemul:
 (a − 2) x + 2 y + z = 3a

x + (2a + 1) y − 3z = 5a , a∈R.
 x + ay + (2a + 3)z = 4

1.2.3. Metoda descompunerii în blocuri

Fie sistemul AX=B cu n ecuaţii şi necunoscute iar rang A=n. Partiţionăm
 A A2 
matricea A în forma A=  1  unde A∈Mn(R), A1∈Mk(R), A2∈Mk,n-k(R),
 A3 A 4 
A3∈Mn-k,k(R), A4∈Mn-k,n-k(R), 1≤k≤n-1 iar matricele A1 şi A4-A3A1-1A2 sunt
inversabile. Notăm Y1=(x1,..., xk)t, Y2=(xk+1,...,xn)t, B1=(b1,...,bk)t,
B2=(bk+1,...,bn)t. Sistemul se scrie sub forma:
 A1Y1 + A 2 Y2 = B1

A 3Y1 + A 4 Y2 = B 2

Din prima ecuaţie rezultă Y1=A1-1B1-A1-1A2Y2 şi înlocuind în a doua ecuaţie,

obţinem: Y2=(A4-A3A1-1A2)-1(B2-A3A1-1B1). Revenind apoi la Y1 se obţine şi
expresia acestuia: Y1=A1-1B1-A1-1A2(A4-A3A1-1A2)-1(B2-A3A1-1B1).
Exemplu: Să se rezolve sistemul următor prin metoda descompunerii în

blocuri:
 2x − y + z − t = 1
 2 x − y − 3t = 2

 .
 3 x − z + t = − 3
2 x + 2 y − 2z + 5t = −6
Soluţie Rescriem sistemul permutând liniile 2 şi 3 astfel încât matricea A1 să

 2 − 1  1 − 1  2 − 1
fie inversabilă. Avem astfel: A1=   , A2=   , A3=   , A4=
3 0   −1 1  2 2 
 0 − 3  1   2  1  0 1
  , B1=   , B2=   . Avem acum A1-1=  ,
− 2 5   − 3  − 6 3  − 3 2 
 5 
1  1 2   1     0
(A4-A3A1-1A2)-1=   , B2-A3A1-1B1=   de unde Y2=  3  , Y1=   .
3 − 2 1  2 − 4   2
 
 3
5 4
Prin urmare, x=0, y=2, z= , t=- .
3 3
Sarcina de lucru 7
Să se studieze rezolve, prin metoda descompunerii în blocuri, sistemul:

2 x + 5 y − 3z + 7 t = 2
 3x - 5y + 3z - t = 0


 4x + 3z = -2
 2y + 5t = 7

1.3. Spații vectoriale reale

1.3.1. Definiție, reguli de calcul, subspații vectoriale
Definiţie
Fie câmpul numerelor reale R şi V o mulţime nevidă. V se numeşte spaţiu
vectorial real dacă există o lege de compoziţie internă +:V×V→V şi o lege
de compoziţie externă ⋅:R×V→V astfel încât:
1) (x+y)+z=x+(y+z) ∀x,y,z∈V;
2) ∃e∈V astfel încât ∀x∈V⇒e+x=x;
3) ∀x∈V⇒∃x'∈V astfel încât x'+x=e;
4) α(x+y)=αx+αy ∀α∈R ∀x,y∈V;
5) (α+β)x=αx+βx ∀α,β∈R ∀x∈V;
6) (αβ)x=α(βx) ∀α,β∈R ∀x∈V;
7) 1x≠0 ∀x∈V, x≠0.
Vom nota în cele ce urmează V/R faptul că V este spaţiu vectorial peste
câmpul R sau, uneori, simplu V.
Propoziţie (reguli de calcul)
Fie V/R. Atunci:
a) (V,+) este grup cu elementul neutru 0 şi -x elementul opus lui x∈V;
b) α(x-y)=αx-αy ∀α∈R ∀x,y∈V;
c) (α-β)x=αx-βx ∀α,β∈R ∀x∈V;
n m n m
d) ∑ α i ∑ y j = ∑ ∑ α i y j ∀m,n∈N* ∀αi∈R, i=1,...,n ∀yj∈V, j=1,...,m;
i =1 j =1 i =1 j =1
e) α0=0 ∀α∈R;
f) 0x=0 ∀x∈V;
g) 1x=x ∀x∈V;
h) αx=0⇒α=0 sau x=0;
i) α(-x)=(-α)x=-αx ∀α∈R ∀x∈V;
j) (-α)(-x)=αx ∀α∈R ∀x∈V;
k) x+y=y+x ∀x,y∈V;
n n
l) Fie σ∈Sn (grupul permutărilor de n elemente). Atunci: ∑ x i = ∑ x σ (i )
i =1 i =1
*
∀n∈N ∀xi∈V, i=1,...,n.

Definiţie
Fie V/R şi U⊂V. U se numeşte subspaţiu vectorial al lui V dacă operaţiile
induse de pe V pe U conferă lui U o structură de spaţiu vectorial real. Vom
nota U<V.
Definiţie
Fie V/R şi v1,...,vn∈V, α1,...,αn∈R, n∈N*. Vectorul v=α1v1+...+αnvn se
numeşte combinaţie liniară a vectorilor vi, i=1,...,n.
Noţiunea de combinaţie liniară furnizează cea mai largă operaţie complexă
care se poate efectua într-un spaţiu vectorial.
Teoremă
Fie V/R şi U⊂V. Următoarele afirmaţii sunt echivalente:
1) U este subspaţiu vectorial al lui V;
2) ∀x,y∈U ∀α∈R⇒x+y∈U,αx∈U;
3) ∀α,β∈R ∀x,y∈U⇒αx+βy∈U;
4) ∀n∈N* ∀αi∈R ∀vi∈U, i=1,...,n⇒α1v1+...+αnvn∈U.
Propoziţie
Fie V/R şi v1,...,vn∈V, n∈N*. Atunci:
<v1,...,vn>= {α1v1+...+αnvnαi∈R, i=1,...,n}
este un subspaţiu vectorial al lui V şi este cel mai mic (în sensul incluziunii)
subspaţiu care conţine pe v1,...,vn.
Definiţie
Numim <v1,...,vn> subspaţiul generat de sistemul de vectori {v1,...,vn}.
Propoziţie
Fie V/R şi U1,U2<V. Atunci U1∩U2<V.
Propoziţie
Fie V/R şi U1,U2<V. Atunci U1+U2={v+wv∈U1, w∈U2}<V.
Exemplu:
Fie în R3 mulţimile U1={(a+b,2a-b,a)a,b∈R} şi U2={(c+2d,2c+d,-3c-d)
c,d∈R}.
1) Să se arate că U1<R3 şi U2<R3;
2) Să se determine U1∩U2;
3) Să se arate, folosind definiţia, că U1∩U2<R3.
Soluţie 1)Fie x=(a+b,2a-b,a)∈U1 şi y=(a'+b',2a'-b',a')∈U1 şi α,β∈R. Avem
αx+βy=α(a+b,2a-b,a)+β(a'+b',2a'-b',a')=(αa+αb,2αa-αb,αa)+
(βa'+βb',2βa'-βb',βa')=((αa+βa')+(αb+βb'),2(αa+βa')-(αb+βb'),
(αa+βa'))∈U1 deci U1<R3. Putem proceda însă mult mai simplu. Fie x∈U2.
Avem x=(c+2d,2c+d,-3c-d)=(c,2c,-3c)+(2d,d,-d)=c(1,2,-3)+d(2,1,-1). U2 este
deci un spaţiu vectorial generat de vectorii (1,2,-3) şi (2,1,-1). 2)Fie
x∈U1∩U2. Atunci ∃a,b,c,d∈R astfel încât x=(a+b,2a-b,a)=(c+2d,2c+d,-3c-d).
 a + b = c + 2d

Din sistemul: 2a − b = 2c + d obţinem în final x=(-3c,0,-c), c∈R. Reciproc,
 a = −3c − d

dacă x=(-3c,0,-c), c∈R, considerând a=-c, b=-2c⇒ x∈U1 iar dacă d=-
2c⇒x∈U2 deci x∈U1∩U2. Prin urmare U1∩U2={(-3c,0,-c) c∈R}. 3)Fie x=(-
3a,0,-a) şi y=(-3b,0,-b) vectori din U1∩U2. Pentru α,β∈R, arbitrari,
avem:αx+βy=(-3(αa+βb),0,-(αa+βb))∈U1∩U2 deci U1∩U2<R3.
Sarcina de lucru 8
Fie d∈R–fixat şi U={aX3+bX2+cX+da,b,c∈R}. Să se cerceteze dacă

U<R[X].

1.3.2. Sisteme de generatori, dependenţă liniară, baze

Definiţie
Fie V/R şi S={v1,...,vn}⊂V unde n∈N*. S se numeşte sistem (finit) de
generatori pentru V dacă ∀v∈V⇒∃α1,...,αn∈R astfel încât v=α1v1+...+αnvn.
V se numeşte spaţiu vectorial finit generat şi vom scrie V=<v1,...,vn>.
Teoremă
Fie V/R şi S={v1,...,vn} un sistem de generatori al lui V. Fie T={w1,...,wn}⊂V
şi p≠q∈{1,...,n} astfel încât
v i daca 1 ≤ i ≤ n, i ≠ p, q;

w i =  av p + bv q daca i = p; , i= 1, n
 cv + dv daca i = q
 p q
unde a,b,c,d∈R, ad-bc≠0. În aceste condiţii, T este un sistem de generatori

pentru V.
Definiţie
Două sisteme de vectori ai unui spaţiu vectorial se numesc sisteme echivalente
de vectori dacă generează acelaşi subspaţiu.
Propoziţie
Două sisteme de vectori sunt echivalente dacă şi numai dacă vectorii din
fiecare sistem sunt combinaţii liniare de vectorii celuilalt sistem.
Definiţie
Fie V/R şi S={v1,...,vn}⊂V, unde n∈N*. Sistemul de vectori S se numeşte
sistem liniar independent (finit) de vectori din V dacă ∀α1,...,αn∈R astfel
încât α1v1+...+αnvn=0⇒α1=0,...,αn=0. Vom scrie, pe scurt, ind S.
Definiţie
Fie V/R şi S={v1,...,vn}⊂V, unde n∈N*. Sistemul de vectori S se numeşte
sistem liniar dependent (finit) de vectori din V dacă nu este liniar
independent, adică ∃α1,...,αn∈R, nu toţi nuli, astfel încât α1v1+...+αnvn=0.
Vom scrie, pe scurt, dep S.
Propoziţie
n
Fie V/R şi S={v1,...,vn}⊂V. Atunci dep S⇔∃1≤k≤n, astfel încât vk= ∑ α i v i .
i =1
i≠k
Definiţie
Fie V/R. Un sistem de vectori din V se numeşte bază dacă este sistem de
generatori şi sistem liniar independent.
Fie V/R şi B={v1,...,vn}⊂V o bază. Fie v∈V, arbitrar. Atunci ∃α1,...,αn∈R

n
astfel încât v= ∑ α i v i . Sistemul de scalari (α1,...,αn) fiind unic determinat de
i =1
vectorul v şi baza dată, poartă numele de coordonate ale vectorului v în baza

 α1 
t  
dată. Vom mai scrie şi vB=(α1,...,αn) =  ...  unde αi, i=1,...,n sunt
α 
 n
coordonatele lui v în baza B. Dacă adoptăm o astfel de scriere condensată a
unui vector, va trebui să considerăm baza ca fiind ordonată, în caz contrar, la o
permutare a vectorilor bazei permutându-se şi coordonatele respective.
Fie acum V/R şi o bază B=={v1,...,vn}⊂V. Fie, de asemenea, vectorii v,w∈V,
n n n n
v= ∑ α i v i , w= ∑ βi v i , αi,βi∈R, i= 1, n . Avem: v+w= ∑ α i v i + ∑ βi v i =
i =1 i =1 i =1 i =1
n
∑ (α
i =1
i + βi ) v i şi cum toate descompunerile sunt unice, rezultă că putem scrie
formal: (α1,...,αn)t+(β1,...,βn)t=(α1+β1,...,αn+βn)t. Prin urmare, adunarea a doi

vectori se poate face adunându-i pe coordonate. Analog, pentru α∈R, arbitrar,
n n
avem αv= α∑ α i v i = ∑ αα v i i , deci, formal: α(α1,...,αn)t=(αα1,...,ααn)t, de
i =1 i =1
unde rezultă că înmulţirea unui vector cu un scalar se face pe coordonate.

Din aceste consideraţii, vedem că noţiunea de bază este fundamentală
în studiul spaţiilor vectoriale, deoarece reduce operaţiile definitorii la operaţii
algebrice între coordonate.
Teoremă
Orice spaţiu vectorial nenul admite o bază.
Teoremă
Dacă B este o bază a lui V/R, atunci orice altă bază B' a lui V/R are card
B'=card B.
Definiţie
Fie V/R. Se numeşte dimensiunea lui V numărul vectorilor unei baze. Vom
nota aceasta cu dim V.
Exemplu:
Să se arate că în spaţiul vectorial R3 sistemul de vectori v1=(1,2,3)t,
v2=(3,4,2)t, v3=(1,1,-1)t este sistem de generatori.

Soluţie Pentru ca vectorii daţi să constituie un sistem de generatori trebuie ca

1 3 1 
 
rangul matricei A=  2 4 1  să fie maxim adică det A≠0. Avem însă det
 3 2 −1
 
A=1 deci sistemul dat este de generatori.
Sarcina de lucru 9
Fie în R4 vectorii v1=(1,0,1,2)t, v2=(2,1,0,3)t, v3=(1,4,α,2)t, v4=(5,1,3,2)t,

α∈R. Să se determine α∈R astfel încât sistemul de vectori {v1,v2,v3,v4}
să fie un sistem de generatori pentru R4.
1.4. Aplicații liniare

1.4.1. Noțiuni introductive. Comportarea aplicațiilor liniare la operațiile cu subspații
Definiţie
Fie V/R şi W/R. O aplicaţie f:V→W se numeşte morfism de spaţii vectoriale
sau aplicaţie R-liniară sau, simplu, aplicaţie liniară dacă satisface
următoarele axiome:
1) f(x+y)=f(x)+f(y) ∀x,y∈V-aditivitatea;
2) f(αx)=αf(x) ∀x∈V ∀α∈R-omogenitatea.
Propoziţie
Fie V/R, W/R şi f∈L(V,W). Atunci:
1) f(0)=0;
2) f(-v)=-f(v) ∀v∈V.
Propoziţie
Fie V/R, W/R şi f:V→W. Următoarele afirmaţii sunt echivalente:
1) f este aplicaţie liniară;
2) f(αx+βy)=αf(x)+βf(y) ∀α,β∈R ∀x,y∈V;
 n  n
3) f  ∑ α i v i  = ∑ α i f ( v i ) ∀αi∈R ∀vi∈V, i=1,...,n, n≥1.
 i =1  i =1
Din propoziţia de mai sus, se observă, ca şi în cazul subspaţiilor vectoriale, cum
verificarea faptului că a aplicaţie este sau nu liniară se reduce la o singură
formulă. În aplicaţiile practice, vom folosi punctul 2) de mai sus, urmând ca, în
cazul existenţei liniarităţii să aplicăm 3) pentru orice sistem de vectori. Practic,
punctul 3) al propoziţiei afirmă faptul că o aplicaţie liniară duce orice
combinaţie liniară de vectori în combinaţia liniară a imaginilor acestora.
Propoziţie
Fie V/R, W/R şi f∈L(V,W). Dacă V'<V, W'<W atunci f(V')<W şi f-1(W')<V.
Corolar
Fie V/R, W/R, f∈L(V,W). În acest caz, imaginea aplicaţiei liniare Im f<W, iar
nucleul acesteia (kernel (engl.)=nucleu) Ker f={x∈V f(x)=0}<V.
Propoziţie
Fie V/R, W/R, f∈L(V,W). Atunci:
1) f este injectivă ⇔Ker f={0};
2) f este surjectivă ⇔Im f=W.
Definiţie
Fie V/R, W/R. f∈L(V,W) se numeşte izomorfism de spaţii vectoriale dacă
∃g∈L(W,V) astfel încât f°g=1W, g°f=1V.
Propoziţie
Fie V/R şi V1,V2<V astfel încât V=V1⊕V2. Fie f∈L(V,W), injectivă. Atunci:
f(V1⊕V2)=f(V1)⊕f(V2).
Teoremă (fundamentală de izomorfism)
Fie V/R, W/R şi f∈L(V,W). Atunci V/Ker f≅Im f.
Corolar
Fie V/R, W/R şi f∈L(V,W). Atunci: dim V=dim Ker f+ dim Im f.
Corolar
Fie V/R, W/R şi f∈L(V,W). Atunci:
1) f este injectivă⇒dim V≤dim W;
2) f este surjectivă⇒dim V≥dim W;

3) f este bijectivă⇒dim V=dim W.
Propoziţie
Fie V/R, W/R, Z/R. Dacă f,g∈L(V,W) şi h∈L(W,Z) atunci f+g∈L(V,W),
αf∈L(V,W) ∀α∈R, h°g∈L(V,Z).
Teoremă
Fie V/R, W/R. Atunci: V≅W⇔dim V=dim W.
Corolar
Fie V/R, dim V=n. Avem V≅Rn.
Fie acum V/R cu o bază B={e1,...,en} şi W/R cu o bază B'={f1,...,fm}. Fie
T∈L(V,W). Avem ∀i=1,...,n⇒T(ei)∈W şi cum B' este bază în W rezultă că
m
T(ei) se descompune după ea. Avem deci T(ei)= ∑ a ji f j , aji∈R, i=1,...,n,
j =1
j=1,...,m. Vom numi matricea a ji ( ) j =1,..., m

i =1,..., n
matricea asociată aplicaţiei liniare T
în bazele B şi B'. Vom mai scrie şi [T]BB' de câte ori va fi necesar. Avem astfel:
T (e 1 ) T (e 2 ) T (e n )
↓ ↓ ↓
 a11 a12 ... a1n 

componenta dupa f 1 →  
[T]BB'=
componenta dupa f 2 →  a 21 a 22 ... a 2n 
...  ... ... ... ... 
componenta dupa f m →  
a a m2 ... a mn 
 m1
n
Fie v∈V. Atunci v= ∑ α i e i cu αi∈R, i=1,...,n. Avem:
i =1
n n n m m
 n 
T(v)=T( ∑ α i e i )= ∑ α i T(e i ) = ∑ α i ∑ a ji f j = ∑  ∑ a ji α i f j
i =1 i =1 i =1 j =1 j =1  i =1 
Ţinând seama de convenţia de scriere a unui vector pe coloană avem
(T(v))B'=[T]BB'vB.
Exemplu:
Fie aplicaţia f:R3→R3, f(x1,x2,x3)=(3x1-x2+x3,2x1+x2,-x1+x3).
1) Să se arate că f este operator liniar;
2) Să se determine Ker f şi Im f;
3) Să se stabilească dacă f este injectivă, surjectivă, bijectivă.

 3 −1 1
 
Soluţie 1) Se procedează ca la problema 1 obţinându-se [f]=  2 1 0  . 2)
 −1 0 1
 
3x1 − x 2 + x 3 = 0

Fie x=(x1,x2,x3)∈R astfel încât f(x)=0. Avem sistemul:  2x1 + x 2 = 0 de
3
 −x +x =0
 1 3
unde x1=x2=x3=0 deci x=0 şi Ker f={0}. Fie acum y=(y1,y2,y3)∈R3 şi ecuaţia
3x1 − x 2 + x 3 = y1

f(x)=y. Avem deci sistemul:  2 x1 + x 2 = y 2 care este compatibil
 −x +x = y
 1 3 3
determinat de unde rezultă că ∃x∈R astfel încât f(x)=y. Prin urmare Im f=R3.
3
3) Deoarece Ker f={0} rezultă f-injectivă iar faptul că Im f=R3 implică faptul
că f este surjectivă, deci, în final, f-bijectivă.
Sarcina de lucru 10
Fie aplicaţia f:R3→R3, f(x1,x2,x3)=(x1+2x2-4x3,2x1+x2,3x1+3x2-4x3). Să se

determine Ker f şi Im f;
1.5. Aplicații multiliniare. Forme pătratice. Vectori și valori proprii

1.5.1. Aplicații multiliniare
Definiţie
n
Fie V1,...,Vn,W spaţii vectoriale peste R. O aplicaţie f: ∏ Vi →W se numeşte
i =1
aplicaţie n-liniară (aplicaţie multiliniară) dacă este liniară în fiecare

argument adică:
f(x1,...,xi-1,axi+byi,xi+1,...,xn)=af(x1,...,xi-1,xi,xi+1,...,xn)+bf(x1,...,xi-1,yi,xi+1,...,xn)
∀xk,yk∈Vk, k=1,...,n ∀a,b∈R ∀i=1,...,n.

Propoziţie
Ln(V1,...,Vn;W) este un R-spaţiu vectorial împreună cu operaţiile de adunare şi
înmulţire cu scalari ale aplicaţiilor n-liniare.
Teoremă
Fie V/R, W/R, Z/R. Atunci: L2(V,W;Z)≅L(V,L (W,Z)).
Corolar
Fie V1/R,...,Vn/R,W/R. Atunci:
Ln(V1,...,Vn;W)≅L(V1,L(V2,...,L(Vn-1,L(Vn,W))...))
Teoremă
Fie V/R, W/R şi dim V=n, dim W=m. Atunci: dim L(V;W)=mn.
Corolar
Fie V1/R,...,Vn/R,W/R, dim Vi=di, i=1,...,n şi dim W=m. Atunci:
dim Ln(V1,...,Vn;W)=d1...dnm
Observaţie
Dacă W=R aplicaţiile n-liniare se numesc forme n-liniare. Pentru n=1 se
numesc simplu forme liniare sau funcţionale liniare, iar pentru n=2-forme
biliniare.
Corolar
Fie V/R. Atunci dim Ln(V;R)=dn unde dim V=d.
Fie acum V/R şi B={e1,...,em} o bază a lui V. Fie f∈Ln(V;R) o formă n-liniară.
m
Atunci ∀x∈V avem x= ∑ x i e i deci:
i =1
 m m  m m
f(x1,...,xn)= f  ∑ x 1i 1 e i 1 ,..., ∑ x inn e i n (
 = ∑ ... ∑ x 1i 1 ...x inn f e i ,..., e i .
 i =1 i =1 1 n
)
 i 1 =1 i n =1  1 n
Prin urmare, valoarea formei n-liniare este unic determinată de acţiunea ei

asupra bazei spaţiului vectorial. Notând f (e i ,..., e i ) = a i ...i ∈R, obţinem
1 n 1 n
forma generală a lui f:

m m
f(x1,...,xn)= ∑ ... ∑ a i 1 ...i n x 1i 1 ...x inn
i 1 =1 i n =1
Reciproc, orice aplicaţie de forma de mai sus este n-liniară deoarece ∀a,b∈R
∀x,y∈V avem pentru componenta k (1≤k≤n):

m m m
f (x1 ,..., ax + by,...x n ) = ∑ ...∑ ...∑ a i 1 ...i n x1i 1 ...(ax p + byp )...x inn =
i 1 =1 p =1 i n =1
m m m m m m
a ∑ ...∑ ... ∑ a i 1 ...i n x 1i 1 ...x p ...x inn + b ∑ ...∑ ... ∑ a i 1 ...i n x 1i 1 ...y p ...x inn =
i 1 =1 p =1 i n =1 i 1 =1 p =1 i n =1
af (x 1 ,..., x,...x n ) + bf (x 1 ,..., y,...x n ).
Definiţie
Fie V/R, W/R şi f:Vn→W, n≥1. Considerând Sn-grupul permutărilor de n
elemente definim aplicaţia: σf:Vn→W: (σf)(x1,...,xn)=f(xσ(1),...,xσ(n)), σ∈Sn
Definiţie
O aplicaţie n-liniară f se numeşte aplicaţie simetrică dacă ∀σ∈Sn⇒σf=f.
Definiţie
O aplicaţie n-liniară f se numeşte aplicaţie alternată (aplicaţie antisimetrică)
dacă ∀σ∈Sn⇒σf=ε(σ)f (ε(σ) este signatura permutării σ).
Teoremă
O aplicaţie n-liniară f:Vn→W este alternată dacă şi numai dacă:
f(x1,...,xi,...,xj,...,xn)=0 ∀xi∈V, i=1,...,n iar xi=xj, i≠j arbitrari.
Definiţie
Fie o aplicaţie n-liniară f:Vn→W. Definim aplicaţia de alternare:
1
Alt:Ln(V;W)→Ln(V;W), Alt(f)= ∑ ε(σ)σf
n! σ∈S n
Alt se numeşte operatorul de alternare.

Propoziţie
O aplicaţie n-liniară f:Vn→W este alternată dacă şi numai dacă Alt(f)=f.
Corolar
Operatorul de alternare este involutiv adică Alt°Alt= Alt.
Definiţie
Fie o aplicaţie n-liniară f:Vn→W. Definim aplicaţia de simetrizare:
1
Sim:Ln(V;W)→Ln(V;W), Sim(f)= ∑ σf
n! σ∈S n
Sim se numeşte operatorul de simetrizare.

Propoziţie
O aplicaţie n-liniară f:Vn→W este simetrică dacă şi numai dacă Sim(f)=f.
Corolar
Operatorul de simetrizare este involutiv adică Sim°Sim=Sim.

În continuare, vom studia câteva aspecte privind formele liniare.
Fie deci V/R, dim V=n. O formă liniară este deci o aplicaţie f∈L(V,R) astfel
n
încât dacă B={e1,...,en} este o bază a lui V/R atunci f(x)= ∑ a i x i unde x=
i =1
n
∑x e
i =1
i
i , f(ei)=ai, i=1,...,n.
Deoarece L(V,R) este un spaţiu vectorial peste R, îl vom nota V* şi-l vom
numi dualul spaţiului vectorial V/R. Elementele lui V* se numesc covectori.
Din corolarul 10, rezultă că dim V*=dim V=n.
Să considerăm acum un sistem de forme liniare pe V: (ei)i=1,...,n unde ei:V→R,
ei(ej)=δij, i,j=1,...,n. Se verifică uşor că ei sunt forme liniare pe V. În plus, dacă:
n  n  n n
x = ∑ x j e j avem e i ( x ) = e i  ∑ x j e j  = ∑ x e (e ) = ∑ x δ
j i
j
j
ij = x i , i = 1,..., n.
j =1  j =1  j =1 j =1
Propoziţie
Fie V/R şi B={e1,...,en} o bază a sa. Atunci B*={e1, ...,en} unde ei(ej)=δij,
i,j=1,...,n este o bază a lui V*.
Observaţie
Baza B* se numeşte baza duală lui B.
Se pune acum în mod natural următoarea problemă: cum se schimbă bazele
duale în raport cu schimbările de baze din V. Fie deci B1={e1,...,en} şi
B2={f1,...,fn} două baze în V. Fie B1*={e1,...,en} şi B2*={f1,...,fn} bazele duale.
n n
Fie T∈V*. Atunci: T = ∑ T(ei )ei = ∑ T (f )f j
j
. Avem: [T ]B = [T ]B M B
2 1 1B 2
.
i =1 j =1
Dar:
T = [T ]B 1 ( e1 ,..., e n ) t = [T ]B 2 M B 1 B 2 (e1 ,..., e n ) t = [T ]B 2 (f 1 ,..., f n ) t de unde:

−1
M B 1 B 2 (e1 ,..., e n ) t = (f 1 ,..., f n ) t sau altfel: (e1 ,..., e n ) t = M B1 B 2 (f 1 ,..., f n ) t . Fie

−1
acum: T(ei)=ξi, T(fj)=ωj. Avem deci: T = (ξ1 ,..., ξ n )(e1 ,..., e n ) t =
(ξ1 ,..., ξ n )M B1 B 2 (f 1 ,..., f n ) t = (ω1 ,..., ωn )(f 1 ,..., f n ) t de unde rezultă:
(ξ1,...,ξn) M B 1 B 2 =(ω1, ...,ωn).
Prin urmare, la o transformare de bază în V, vectorii bazei lui V* se transformă

după legea de schimbare a coordonatelor din V, iar componentele unui
covector se transformă după legea de schimbare a bazei din V.

Exemplu:
Să arate că următoarea aplicaţie este formă liniară: f:R3→R, f(x,y,z)=4x-
5y+3z.
Soluţie f(a(x1,y1,z1)+b(x2,y2,z2))=4(ax1+bx2)-5(ay1+by2)+3(az1+bz2)=
a(4x1-5y1+3z1)+b(4x2-5y2+3z2)=af(x1,y1,z1)+bf(x2,y2,z2) deci f este liniară.
Sarcina de lucru 11
Să arate că următoarea aplicaţie este formă liniară:

f:R3→R, f(x,y,z)=x-y+z.
1.5.2. Forme biliniare. Forme pătratice

Vom studia acum câteva aspecte caracteristice privind formele biliniare.
Am văzut că expresia generală a unei forme biliniare într-o bază B={e1,...,en} a
n n n
lui V/R este: f(x,y)= ∑ a ij x i y j unde x = ∑ x i e i , y = ∑ y je j . Dacă vom
i , j =1 i =1 j =1
considera o altă bază B'={f1,...,fn} a lui V/R, se pune în mod natural problema
determinării matricei formei în această nouă bază în funcţie de matricea din
vechea bază. Notând deci [f]B=(aij), este evident că o formă biliniară se poate
scrie f(x,y)=xBt[f]ByB sau ţinând seama de faptul că f(x,y)∈R, deci
transpunerea îl lasă invariant, f(x,y)=yBt[f]BtxB. Considerând matricea de
trecere MBB' de la baza B la B' avem în baza B': f(x,y)=xB't[f]B'yB'=(MBB'-
1 t t
) xB [f]B'MBB'-1yB de unde, după identificare, avem: [f]B=
-1 t -1 t
(MBB' ) [f]B'MBB' sau altfel [f]B'=MBB' [f]BMBB'.
Propoziţie
Orice formă biliniară f se poate scrie ca suma unei forme biliniare simetrice cu
una alternată: f=Sim(f)+Alt(f).
Definiţie
Fie o formă biliniară f:V2→R. Se numeşte forma pătratică asociată lui f,
aplicaţia: H:V→R, H(x)=f(x,x) ∀x∈V.

Dându-se o formă omogenă de grad 2, adică o aplicaţie H:V→R,

1
H(αx)=α2H(x) ∀x∈V ∀α∈R definim: g(x,y)= (H(x+y)-H(x)-H(y)) ∀x,y∈V.
2
Avem g(x,x)=H(x) ∀x∈V, deci g este formă biliniară simetrică, a cărei formă
pătratică asociată este H. Vom numi g-forma polară a lui H.
Se observă că matricele formei pătratice şi a formei polare sunt identice.
n
Fie acum în V/R baza B={e1,...,en} şi x= ∑ x i e i ∈V. Fiind dată matricea
i =1
n
A=(aij), i,j=1,...,n a unei forme pătratice H, avem: H(x)=xtAx= ∑ a ij x i x j de
i , j =1
unde detaliat:
H(x)= a11(x1 )2 + 2a12x1x 2 + ...+ 2a1n x1x n + a 22 (x 2 ) 2 + ...+ a nn (x n )2
La o schimbare de bază în V, avem aceeaşi formulă de transformare a matricei
unei forme pătratice ca şi în cazul formelor biliniare. Simetria matricei se
păstrează indiferent de baza lui V.
Forma polară a lui H este:
1
g(x,y)= (H(x+y)-H(x)-H(y))=
2
1 n n n 
 ∑ a ij ( x + y )( x + y ) − ∑ a ij x x − ∑ a ij y y  =
i i j j i j i j
2 i , j = 1 i , j =1 i , j =1 
1 n n n n n n 
 ∑ ij ∑ ∑ ∑ ∑ ∑
i j i j i j i j i j
a x x + a ij x y + a ij y x + a ij y y − a ij x x − aij yi y j  =
2 i, j =1 i, j =1 i, j =1 i, j =1 i, j =1 i, j =1 
1 n n  1 n  n
 ∑ a ij x y + ∑ a ij y x  =  ∑ (a ij + a ji ) x y  = ∑ a ij x y =
i j i j i j i j
2 i , j =1 i , j =1  2 i , j =1  i , j =1
n n
∑a i =1
ii x i yi + ∑a
i , j =1
ij xi y j .
i≠ j
Prin urmare, forma polară lui H se poate obţine prin procedeul de dedublare
care constă în următoarele transformări:
- Expresiile de forma aii(xi)2 se transformă în aiixiyi;
- Expresiile de forma 2aijxixj se transformă în aij(xiyj+xjyi) (∀i≠j).
Exemplu:
Fie aplicaţia f:R2×R2→R, f(x,y)=x1y1+x1y2-x2y2 unde x=(x1,x2), y=(y1,y2)∈R2.
1) Să se arate că f este o formă biliniară;
2) Să se determine σf ∀σ∈S2;
3) Este forma f simetrică?
4) Este forma f alternată?

5) Să se determine Alt f;
6) Să se determine Sim f.
Soluţie 1)Faptul că f este formă biliniară se arată folosind definiția.
1 2   1 2
2)Permutările din S2 sunt: σ1=   şi σ2=   . Avem σ1f=f deoarece σ1
1 2  2 1
este permutarea identică. De asemenea, σ2f se obţine prin permutarea
variabilelor x şi y deci: (σ2f)(x,y)=f(y,x)=y1x1+ y1x2-y2x2.
3)f nu este simetrică deoarece σ2f≠f.
4)f nu este alternată deoarece σ2f≠-f.
5)Deoarece σ2 este o transpoziţie (deci ε(σ2)=-1) avem (Alt f)(x,y)=
1 f ( x, y) − f ( y, x ) 1 1 2 2 1
(σ1f-σ2f)(x,y)= = (x y -x y ) ∀x,y∈R2.
2 2 2
1 f (x, y) + f ( y, x )
6)Analog cu 5) avem: (Sim f)(x,y)= (σ1f+σ2f)(x,y)= = x1y1-
2 2
1
x2y2+ (x1y2+x2y1).
2
Sarcina de lucru 12
Fie aplicaţia B:R2×R2→R, B(x,y)=x1y1-2x1y2+3x2y1-x2y2 unde x=(x1,x2),

y=(y1,y2)∈R2.
1) Să se arate că B este o formă biliniară;
2) Să se determine forma pătratică asociată H;
3) Să se determine forma polară f a lui H;

1.5.3. Vectori și valori proprii

Definiţie
Fie V/R. Un subspaţiu W<V se numeşte subspaţiu invariant al lui V faţă de
un endomorfism f:V→V dacă f(W)⊂W adică f(x)∈W ∀x∈W.
Fie f:V→V şi W<V, invariant prin f. Să considerăm o bază B'={e1,...,ek} a lui
W şi să o completăm până la o bază B={e1,...,ek, ek+1,...,en} a lui V. Avem deci
k
f(B')⊂W de unde f(ei)∈W, i=1,...,k. Fie deci: f (e i ) = ∑ a ji e j , i = 1,..., k iar
j =1
n
f (e s ) = ∑ a js e j , s=k+1,...,n. Matricea lui f în baza B este:
j =1
 a 11 L a 1k a 1 k +1 L a 1n 
 
L L L L L L 
a L a kk a k k +1 L a kn 
[f]B=  k1 
 0 L 0 a k + 1 k +1 L a k +1 n 
L L L L L L 

 0 L 0 a n k +1 L a nn 

Considerând spaţiul Z generat de vectorii {ek+1,...,en} avem V=W⊕Z. Dacă şi
Z este invariant atunci matricea lui f este cvasidiagonală, adică:
 a 11 L a 1k 0 L 0 
 
L L L L L L 
a L a kk 0 L 0 
[f]B=  k1 
 0 L 0 a k + 1 k +1 L a k +1 n 
 
L L L L L L 
 0 L 0 a n k +1 L a nn 

Generalizarea este imediată în sensul că dacă V=V1⊕...⊕Vp iar V1,..., Vp sunt
invariate de f atunci matricea lui f în baza B1∪...∪Bp (Bi-bază a lui Vi,
i=1,...,p) este cvasidiagonală.
Reamintim că operaţiile cu matrice cvasidiagonale se fac ca şi când blocurile
diagonale sunt simple elemente. În particular, inversarea unui operator implică
inversarea blocurilor. Evident, cu cât ele vor fi mai mici (în sensul dimensiunii
acestora) cu atât operaţiile vor fi mai simple. Vom încerca, deci, să
determinăm cele mai mici subspaţii invariante ale unui operator. Subspaţiile de
dimensiune nulă sunt întotdeauna invariante deoarece f({0})={0}⊂{0} ştiind
că unicul subspaţiu de dimensiune 0 este subspaţiul nul. Cum acesta oricum nu
are o bază, el nu prezintă importanţă pentru studiul nostru. Ne vom continua
deci discuţia relativ la subspaţiile invariante de dimensiune 1.
Fie deci W<V, dim W=1. Atunci, ∀w∈W, w≠0⇒B'={w} este bază a lui W. În
acest caz, f(B')⊂W implică faptul că ∃λW∈R astfel încât f(w)=λWw.

Definiţie
Fie V/R şi f∈L(V). Un vector v∈V-{0} se numeşte vector propriu pentru f
dacă ∃λ∈R astfel încât f(v)=λv. λ se numeşte valoare proprie a
endomorfismului f.
Propoziţie
Orice vector propriu corespunde unei singure valori proprii.
Propoziţie
Fie f∈L(V) şi λ1,...,λk∈R, k≥2, valori proprii distincte. Vectorii proprii v1,...,vk,
corespunzători acestor valori proprii, sunt liniar independenţi.
Ne punem acum problema determinării concrete a vectorilor proprii. Cu toate
că noţiunea de valoare proprie a apărut în procesul definirii vectorilor proprii,
algoritmul de determinare a acestora va acţiona exact invers. Vom determina
astfel, mai întâi valorile proprii şi apoi vectorii proprii respectivi.
Fie deci v≠0 un vector propriu al lui f∈L(V). Există atunci λ∈R astfel încât
f(v)=λv=λ1V(v) unde 1V este endomorfismul unitate al lui V. Avem deci: (f-
λ1V)(v)=0 de unde v∈Ker(f-λ1V) adică Ker(f-λ1V)≠{0}. Fie A=[f]B şi I=[1V]B
într-o bază oarecare B a lui V. Din cele de mai sus rezultă că rang(A-λI)<n
deci det(A-λI)=0.
Definiţie
Polinomul P(λ)=det(A-λI) se numeşte polinomul caracteristic al
endomorfismului f iar ecuaţia P(λ)=0 se numeşte ecuaţia caracteristică a
endomorfismului f.
Propoziţie
Polinomul caracteristic este invariant la schimbări de bază.
Teoremă
Fie f∈L(V) şi λ1,...,λk valori proprii distincte. Atunci există o bază B a lui V
astfel încât:
 λ1 0 L 0 b 1 k +1 L b 1n 
 
 0 λ2 L 0 b 2 k +1 L b 2n 
L L L L L L L 
 
[f]B=  0 0 L λk b k k +1 L b kn 
0 0 L 0 c k +1 k +1 L c k +1 n 

L L L L L L L 
 
0 0 L 0 c n k +1 L c nn 
unde bij∈R, i=1,...,k, j=k+1,...,n şi cpr∈R, p=k+1,...,n, r=k+1,...,n.

Corolar
Dacă f are toate valorile proprii distincte, atunci există o bază a lui V în care
matricea lui f are forma diagonală.
Teoremă
Fie f∈L(V) şi λ o valoare proprie a lui f. Fie mulţimea S(λ)={v∈Vf(v)=λv}.
Atunci:
1) S(λ) este un subspaţiu vectorial al lui V invariant faţă de f;
2) Dacă d(λ)=dim S(λ) atunci d(λ)=n-rang(A-λI) unde A=[f]B, B-bază
arbitrară;
3) Dacă m(λ) este ordinul de multiplicitate al valorii proprii λ atunci
d(λ)≤m(λ).
Observaţie
S(λ) se numeşte subspaţiul propriu asociat lui λ.
Definiţie
Un endomorfism f∈L(V) se numeşte endomorfism diagonalizabil dacă există
o bază B a lui V în care [f]B este matrice diagonală.
Teoremă
Fie f∈L(V) şi λ1,...,λk valori proprii distincte ale lui f. Endomorfismul f este
diagonalizabil dacă şi numai dacă d(λi)=m(λi), i=1,...,k. În baza B formată cu
vectorii proprii corespunzători valorilor proprii λ1,...,λk avem:
 λ1 L 0 L 0 L 0 
  
L L L L L L L  d (λ1 ) linii
0 L λ1 L 0 L 0  
 
[f]B=  L L L L L L LM
0 L 0 L λ k L 0  
 
L L L L L L L  d (λ k ) linii
 
0 L 0 L 0 L λ k  
Definiţie
Un endomorfism se numeşte endomorfism triangularizabil dacă există o
bază în care matricea acestuia să fie (inferior sau superior) triunghiulară.
Teoremă
Un endomorfism f∈L(V) este triangularizabil dacă şi numai dacă polinomul
său caracteristic se descompune în factori de gradul I (nu neapărat distincţi).

Definiţie
Fie un polinom P=anXn+...+a1X+a0∈R[X] şi o matrice A∈Mm(R). Vom numi
polinom de matrice expresia: P(A)=anAn+...+a1A+a0Im∈Mm(R).
Definiţie
O matrice A se spune că este de tip celulă Jordan dacă este de forma:
λ 1 0 L 0
 
0 λ 1 L 0
A (λ ) =  0 0 λ L 0
 
L L L L L
0 0 0 0 λ 

Definiţie
O matrice A se spune că are forma canonică Jordan dacă este de forma:
 A (λ 1 ) L 0 
 
A= L L L 
 0 L A(λ k ) 

unde λ1,...,λk∈R nu neapărat distincte iar A(λi), i=1,...,k sunt celule Jordan.
Teoremă (Hamilton-Cayley)
Fie f∈L(V), B o bază a lui V, A=[f]B şi P polinomul caracteristic al lui f.
Atunci P(A)=0.
Definiţie
Fie f∈L(V). f se numeşte endomorfism nilpotent dacă ∃p∈N* astfel încât
fp(x)=0 ∀x∈V. p se numeşte indicele de nilpotenţă dacă este cel mai mic cu
această proprietate.
Teoremă
Fie V/R, dim V=n. Dacă f∈L(V) este nilpotent, atunci există o bază a lui V
astfel încât:
 0 ε1 0 L 00 
 
 0 0 ε2 L 0 0 
[f]B= L L L L L L
 
0 0 0 L 0 ε n −1 
 
0 0 0 L 0 0 
unde εi∈{0,1}, i=1,...,n-1.

Propoziţie
Fie V/R, dim V=n, f∈L(V) şi fie P polinomul său caracteristic. Dacă R este
algebric închis iar P(λ)=(-1)n (λ − λ 1 )m 1 ...(λ − λ j )m j cu λ1≠...≠λj, m1+...+mj=n
notăm Vk=Ker(f-λk1V), k=1,...,j. În aceste condiţii:
1) Vk≠{0}, k=1,...,j;
2) Vk<V, k=1,...,j;
3) Vk este invariant faţă de f;
4) V=V1⊕...⊕Vj.
Teoremă
Fie f∈L(V) cu V/R, dim V=n şi R algebric închis. Atunci există o bază în V în
care matricea lui f are forma canonică Jordan.
Teoremă
Fie f∈L(V) cu V/R, dim V=n şi R algebric închis. Dacă [f]B=
 [f ]B L 0 
 1 
 L L L  cu B şi Bk, k= 1, j astfel încât Bk o bază pentru care
 
 0 L [f ]B j 
[f − λ k 1V ]B k
are forma din teorema 35, iar B=B1∪...∪Bj, atunci
 P([f ]B ) L 0 
 1
n
∀P=anX +...+a1X+a0∈R[X] avem: P([f]B)=  L L L  unde:
 
 0 L P([f ]B j ) 
 P ' (λ i ) P" (λ i ) P ( d i −1) (λ i ) 

 P (λ i ) L 
 1! 2! (d i − 1)! 
 P ' (λ i ) P ( d i − 2 ) (λ i ) 
P([f ]B i ) =  0 P (λ i ) L 
 1! (d i − 2)! 
 L L L L L 
 
 0 0 0 L P (λ i ) 
λi fiind valoarea proprie corespunzătoare blocului [f ]B iar di fiind ordinul lui i
[f ]B i
, i=1,...,j.
Exemplu:
Să se determine vectorii şi valorile proprii ale operatorului liniar ce are
4 −1 − 2
 
matricea: A=  2 1 − 2 .
1 − 1 1 

4−λ −1 −2
Soluţie Pentru ecuaţia caracteristică avem: 2 1− λ − 2 =0 de unde
1 −1 1− λ
λ3-6λ2+11λ-6=0 cu λ1=1, λ2=2, λ3=3-valorile proprii. Pentru λ=1 obţinem

 3 − 1 − 2  x   0 
    
sistemul: (A-1⋅I)(x,y,z) =0 adică:  2 0 − 2  y  =  0  de unde z=y=x=α
t
 1 − 1 0  z   0 
    
deci vectorii proprii sunt de forma v=(α,α,α) ,α∈R-{0}. Pentru λ=2 obţinem
t
analog v=(α,0,α)t, α∈R-{0} iar pentru λ=3⇒v=(α,α,0)t, α∈R-{0}.
Sarcina de lucru 13
Să se determine vectorii şi valorile proprii ale operatorului liniar ce are

1 0 3
 
matricea: A=  4 1 0 .
2 3 − 1

1.5.4. Reducerea formelor pătratice la forma canonică

Fie V/R, dim V=n şi o formă pătratică H:V→R, H(x)=xtAx, A∈Mn(R)-
simetrică. Ne propunem în această secţiune să determinăm o bază a lui V, în
care matricea formei pătratice să aibă forma diagonală.
În acest caz se spune că forma pătratică este adusă la forma normală. Dacă
matricea formei pătratice în această nouă bază are pe diagonala principală
numai 1 sau –1 spunem că forma este cea canonică.
Fie o bază B a lui V şi baza căutată B'. Dacă C este matricea de trecere MBB'
 c1 L 0 

t

atunci A'=C AC= L L L cu ci∈R, i=1,...,n. În această bază avem
0 L c 
 n
t 1 2 n 2
H(x)=x A'x=c1(x' ) +... +cn(x' ) şi este evident că H are cel mai mic număr de
termeni.
Metoda Gauss
n
Fie H(x)= ∑ a ij x i x j ≠0 unde x=(x1,...,xn)t. Avem două situaţii:
i , j =1
I. ∃i=1,...,n astfel încât aii≠0. După o eventuală renumerotare putem considera

a11≠0. În acest caz formăm un pătrat perfect care să includă termenii ce-l
conţin pe x1. Astfel:

1 2 1 2
H(x)=
a11
[ ]
a11(x ) + 2a11x1 (a12x 2 + ... + a1n x n ) + (a12x 2 + ... + a1n x n )2 +E(x2,...,xn)=
1
(a11x1+...+a1nxn)2+E(x2,...,xn).
a11
Fie transformarea:
a x 1 + ... + a 1n x n , i = 1;
y i =  11
 xi , i > 1
1 12
Avem atunci H(y)= (y ) +E(y2,...,yn) unde E este o formă pătratică în
a11
y2,...,yn.
II. ∀i=1,...,n avem aii=0. Cum H≠0⇒∃aij≠0. După o eventuală renumerotare
putem presupune că a12≠0. Fie transformarea:
 x 1 + x 2 , i = 1;

y i = x 1 − x 2 , i = 2;
 xi , i > 2

Înlocuind în expresia lui H obţinem a'11≠0 deci ne reducem la cazul I.
Cum E este o formă pătratică în y2,...,yn reluăm consideraţiile anterioare. În
final H va avea forma normală: H(x)=b1(z1)2+...+bk(zk)2 unde x=(z1,...,zn)t în
noua bază. Cu transformarea de variabile:
 v1 = b1 z1 ;

 ...
 k k
v = b k z ;
 vi = zi , i > k

forma H are forma canonică şi devine H(x)=ε1(v1)2+...+εk(vk)2 unde
x=(v1,...,vn)t în această ultimă bază iar εp=sgn(bp)∈{-1,1}, p=1,...,k.
Transformarea generală de coordonate se obţine din compunerea celor
succesive de mai sus.
Metoda Jacobi
Teoremă
Fie H:V→R o formă pătratică reală şi B={e1,...,en} o bază a lui V/R. Fie
A=(aij) matricea lui H în baza B. Fie, de asemenea:
 a 11 L a 1i 
 
Ai=  L L L  , i=1,...,n
a L a 
 i1 ii 

Dacă ∆i=det Ai sunt nenuli atunci există o bază B'={f1,...,fn} obţinută din B cu
o matrice de trecere triunghiulară în care forma normală a lui H este:
1 1 2 ∆1 2 2 ∆
H( x ) = (ξ ) + (ξ ) + ... + n −1 (ξ n ) 2
∆1 ∆2 ∆n
iar x=(ξ1,...,ξn)t este expresia lui x în noua bază.
Definiţii
Fie V un spaţiu vectorial real.
• o formă pătratică H:V→R se numeşte formă pozitiv definită dacă H(x)>0
∀x≠0.
• H se numeşte formă negativ definită dacă H(x)<0 ∀x≠0.
• H se numeşte formă semidefinită sau formă nedefinită dacă ∃x1,x2∈V
astfel încât H(x1)H(x2)<0.
• H se numeşte formă pozitiv semidefinită dacă H(x)≥0 ∀x∈V şi ∃x0∈V-
{0} astfel încât H(x0)=0.
• H se numeşte formă negativ semidefinită dacă H(x)≤0 ∀x∈V şi ∃x0∈V-
{0} astfel încât H(x0)=0.
Teoremă (de inerţie, Sylvester)

Numărul coeficienţilor strict pozitivi, numărul coeficienţilor strict negativi şi
rangul unei forme pătratice în expresia canonică (normală) nu depind de baza
aleasă.
Definiţie
Diferenţa între numărul termenilor pozitivi şi cel al termenilor negativi din
expresia canonică (normală) a unei forme pătratice se numeşte signatura
formei pătratice respective.
Teoremă
Fie V un spaţiu vectorial real şi H:V→R o formă pătratică. Condiţia necesară
şi suficientă ca H să fie pozitiv definită este ca ∆i>0, i=1,...,n.
Corolar
Fie V un spaţiu vectorial real şi H:V→R o formă pătratică. Condiţia necesară
şi suficientă ca H să fie negativ definită este ca ∆i<0, i=impar, i=1,...,n şi ∆i>0,
i=par, i=1,...,n.
Exemplu:
Să se aducă la forma normală, folosind metoda lui Gauss, forma pătratică:
H(x)=(x1)2-2x1x2+2x1x3-2x1x4+(x2)2+2x2x3-4x2x4+(x3)2-2(x4)2, x= (x1,x2,x3,x4)∈
R4.

Soluţie Avem: H(x)=(x1)2-2(x2-x3+x4)x1+(x2-x3+x4)2-3(x4)2+4x2x3-6x2x4+

1 1 1
2x3x4=(x1-x2+x3-x4)2-3((x4)2+2(x2- x3)x4+(x2- x3)2)+3(x2)2+2x2x3+
3 3 3
1 1
(x3)2=(x1-x2+x3-x4)2-3(x2+x4- x3)2+3(x2+ x3)2. Prin urmare, cu ξ1=x1-x2+x3-
3 3
1 1
x4, ξ2=x2+ x4- x3, ξ3=x2+ x3, ξ4=x4 obţinem H(x)=(ξ1)2-3(ξ2)2+3(ξ3)2.
3 3
Sarcina de lucru 14
Să se arate că forma pătratică H(x)=3(x1)2+6(x2)2+3(x3)2-4x1x2-8x1x3-

4x2x3, x=(x1,x2,x3)∈R3 este semidefinită.
Rezumat
Noţiunea de spaţiu vectorial generalizează dintr-un anumit punct de vedere
categoriile matricelor, cea a polinoamelor, funcţiilor, mulţimilor numerice şi
multe altele. Avantajul acestei noţiuni este acela că permite tratarea unitară a
unor concepte, la prima vedere diferite, obţinând rezultate generalizatoare,
dar, în acelaşi timp, permiţând noii structuri adaptarea la noi şi noi provocări
ale practicii.
Noţiunea de “bază” este fundamentală şi ea permite simularea unui anumit
proces economic (după transformarea matematică, eminamente necesară)
printr-un altul mult mai simplu, reprezentat, de regulă, de spaţiul aritmetic n-
dimensional.
Formele pătratice prezentate în ultima parte a modului au un rol bine conturat
în geometria analitică, dar, în cazul de faţă, se vor dovedi esenţiale în studiul
extremelor funcţiilor din modulul următor ceea ce va permite, în final,
determinarea optimului unui proces economic arbitrar.
Test de autoevaluare
I. Fie în R3 mulţimile U1={(a+b,2a-b,a)a,b∈R} şi U2={(c+2d,2c+d,-3c-d)
c,d∈R}. Să se determine U1∩U2.
II. . Fie aplicaţia f:R3→R3, f(x1,x2,x3)=(3x1-x2+x3,2x1+x2,-x1+x3).
1) Să se determine Ker f şi Im f;
2) Să se stabilească dacă f este injectivă, surjectivă, bijectivă.
III. Fie operatorul T:R4→R4 a cărui matrice în baza canonică este:
 1 2 0 3 
 
−1 − 2 0 − 3
A= 
0 0 2 0 
 
 1 2 0 3 

Să se determine valorile şi vectorii proprii ale lui T.
Răspunsuri şi comentarii la întrebările din testul de

autoevaluare
I. U1∩U2={(-3c,0,-c) c∈R}. Pentru această problemă primiți 3 puncte.

II. Ker f={0} - 1 punct; Im f=R3 – 1 punct; f-injectivă – 1 punct; f – surjectivă
– 1 punct; f – bijectivă – 1 punct.
III. Pentru λ=0 avem: v=(-2a-3b,a,0,b)t, a,b∈R-{0} - 1 punct. Pentru λ=2
rezultă: v=(a,-a,b,a)t, a,b∈R-{0} - 1 punct.
Atanasiu Gh., Munteanu Gh., Postolache M. (1994). Algebră liniară, geometrie
analitică, diferenţială, ecuaţii diferenţiale. Bucureşti: Editura All.
Ioan C. A. (2004). Matematici aplicate în economie. Bucureşti: E.D.P.
Ioan C. A. (2006). Matematică – I. Galaţi: Ed. Sinteze.
Ion D.I., Niţă C., Radu N., Popescu D. (1981). Probleme de algebră. Bucureşti:
E.D.P.

2. ANALIZĂ MATEMATICĂ
Spaţii topologice
Diferenţiabilitatea funcţiilor
Serii numerice. Serii de funcţii. Serii de puteri. Dezvoltarea
în serie Taylor
Extremele funcţiilor
Rezumat
autoevaluare
• să explici noţiunea de spaţiu topologic;

• să definești diferenţiabilitatea funcţiilor;
• să descrii seriile numerice şi seriile de puteri;
• să determini extremele funcţiilor;
• să categorisești integralele improprii, duble şi triple.

Cătălin Angelo Ioan Analiza Matematica
2.1. Spații topologice

2.1.1. Elemente de topologie
Definiţie
Fie Rn, n≥1 şi mulţimea T={D⊂Rn∀a=(a1,...,an)∈D⇒∃r>0 astfel încât
(a1-r,a1+r)×...×(an-r,an+r)⊂D}. Perechea (Rn,T) se numeşte spaţiu topologic, T
purtând numele de topologie reală pe Rn. O mulţime D∈T se numeşte
mulţime deschisă.
Teoremă
Pe Rn au loc următoarele afirmaţii:
1) ∀(Di)i∈I⊂T ⇒ U D i ∈T, I-o mulţime oarecare de indecşi;
i∈ I
m
2) ∀(Di)i=1,...,m⊂T⇒ I D i ∈T ∀m∈N*;
i =1
3) ∅,Rn∈T.
Definiţie
Fie Rn şi X⊂Rn. T'={D∩XD∈T} este o topologie pe X şi se numeşte
topologia indusă de T pe X.
Definiţie
Fie Rn şi A⊂Rn. O mulţime V⊂Rn se numeşte vecinătate a lui A dacă ∃D∈T
astfel încât A⊂D⊂V. Dacă A={x}, x∈Rn, atunci V se numeşte vecinătate a
punctului x.
Propoziţie
Pe Rn o submulţime A⊂Rn este deschisă dacă şi numai dacă este vecinătate
pentru orice punct al său.
Propoziţie
Mulţimea vecinătăţilor V(x) ale unui punct arbitrar x∈Rn are următoarele
proprietăţi:
1) V∈V(x)⇒x∈V;
2) V∈V(x), V⊂U⇒U∈V(x);
n
3) Vi∈V(x), i= 1, n ⇒ I Vi ∈V(x);
i =1
4) V∈V(x)⇒∃U⊂V, U∈V(x) astfel încât U∈V(y) ∀y∈U.

Definiţie
Un punct a∈Rn se numeşte punct interior al unei submulţimi A⊂Rn dacă
A∈V(a)
Definiţie
o
Fie A⊂Rn. Mulţimea A =int A={a∈Rna este punct interior al lui A} se
numeşte interiorul lui A.
Propoziţie
o
∀A⊂Rn avem: A = UD.
D∈T
D⊂A
Definiţie
Un punct a∈Rn se numeşte punct aderent unei submulţimi A⊂Rn dacă
∀V∈V(a)⇒V∩A≠∅.
Definiţie
Fie A⊂Rn. Mulţimea A ={a∈Rna este punct aderent pentru A} se numeşte
închiderea (aderenţa) lui A.
Definiţie
O submulţime F⊂Rn se numeşte mulţime închisă dacă Rn-F∈T.
Definiţie
Un punct a∈Rn se numeşte punct de acumulare al unei submulţimi A⊂Rn
dacă ∀V∈V(a)⇒(V-{a})∩A≠∅.
Definiţie
Fie A⊂Rn. Mulţimea A’={a∈Xa este punct de acumulare al lui A} se numeşte
mulţimea derivată (derivata) a lui A.
Definiţie
Un punct a∈Rn se numeşte punct izolat al unei submulţimi A⊂Rn dacă nu este
punct de acumulare, adică dacă ∃V∈V(a)⇒(V-{a})∩A=∅.
Definiţie
Fie A⊂Rn. Mulţimea ∂A=Fr A= A ∩ CA se numeşte frontiera lui A.

Teoremă
Spaţiul topologic Rn este un spaţiu Hausdorff (spaţiu topologic separat) adică
∀x,y∈Rn, x≠y⇒∃U∈V(x), ∃V∈V(y) astfel încât U∩V=∅.

Definiţie
O mulţime C⊂Rn se numeşte compactă dacă ∀(Ui)i∈I⊂T astfel încât C⊂ U U i
i∈ I
⇒∃J⊂I-finită astfel încât C⊂ U U i , adică dacă din orice acoperire cu mulţimi

i∈ J
deschise a lui C se poate extrage o subacoperire finită a acesteia.

Definiţie
O mulţime C⊂Rn se numeşte mulţime relativ compactă dacă C este

compactă.
Definiţie
O mulţime C⊂Rn se numeşte conexă dacă nu există D1,D2∈T astfel încât
C⊂D1∪D2, D1∩D2∩C=∅, D1∩C≠∅, D2∩C≠∅.
Exemplu:
Fie mulţimea A=(3,8]∪[9,12]∪{0,1,15}. Să se determine:
1) interiorul lui A;
2) aderenţa lui A;
3) derivata lui A;
4) frontiera lui A.
o
Soluţie 1)Avem A =(3,8)∪(9,12); 2) A =[3,8]∪[9,12]∪{0,1,15};
3)A’=[3,8]∪[9,12]; 4)∂A= A ∩ CA . Avem CA=(-∞,0)∪(0,1)∪(1,3]∪(8,9)∪

(12,15)∪(15,∞) de unde: CA =(-∞,0]∪[0,1]∪[1,3]∪[8,9]∪[12,15]∪[15,∞)=
(-∞,3]∪[8,9]∪[12,∞). Obţinem deci ∂A=([3,8]∪[9,12]∪{0,1,15})∩((-∞,3]∪
[8,9]∪[12,∞))={0,1,3,8,9,12, 15}.
Sarcina de lucru 1
Fie mulţimea A=(1,2]∪[4,8)∪{0,3}. Să se determine:

1) interiorul lui A;
2) aderenţa lui A;
3) derivata lui A;
4) frontiera lui A.

2.1.2. Șiruri în Rn
Definiţie
Numim şir pe spaţiul topologic Rn o funcţie f:N→Rn.
Definiţie
Fie un şir (an)⊂Rn. Spunem că (an) este şir convergent dacă ∃a∈Rn
astfel încât ∀V∈V(a)⇒∃nV∈N astfel încât an∈V ∀n≥nV. Elementul a∈Rn se
numeşte limită a şirului (an) şi vom scrie:
a= lim an
n →∞
Teoremă
Limita unui şir convergent din Rn este unică.
Propoziţie
Fie A⊂Rn şi (an)⊂Rn un şir convergent. Dacă ∃n0∈N astfel încât an∈A ∀n≥n0
atunci lim an∈ A .
Propoziţie
Dacă A⊂Rn atunci ∀a∈ A ⇒ ∃(an)⊂A astfel încât lim an=a.
Propoziţie
Fie R cu topologia reală şi C⊂R. Atunci următoarele afirmaţii sunt
echivalente:
1) C este compactă;
2) ∀(an)⊂C⇒∃( a n k )k∈N un subşir al lui (an) (restricţie a lui (an) la o
submulţime a lui N) şi a∈R astfel încât lim a n k =a;
3) C este închisă şi mărginită.

Teoremă
Şirul (am)=(am1,...,amn)⊂Rn este convergent dacă şi numai dacă şirurile
(am1)⊂R,...,(amn)⊂R sunt convergente şi în acest caz avem:
lim am=(lim am1,...,lim amn)
Exemplu:
Să se calculeze limita următorului şir din R2:
 2n 2 + n − 5 n +5 
1) an=  , 2  ∀n≥1;
 3 n 2
+ 2 5 n − n + 2 
 2n 2 + n − 5 n +5 
Soluţie lim an=lim  , 2  =
 3n + 2 5n − n + 2 
2

 2n 2 + n − 5 n+5  2 
 lim , lim 2 =  ,0  .
 3n + 2
2
5n − n + 2  3 
Sarcina de lucru 2
 3n 3 + 2n − 5 2n − 15 
Să se calculeze limita şirului din R2: an=  4 , 
 3n + 2n + 7 15n + 2n + 1 
2 2
∀n≥1.
2.1.3. Spații metrice. Spații normate

Definiţie
Numim metrică (distanţă) pe Rn o funcţie d:Rn×Rn→R, (x,y)→d(x,y)
∀x,y∈Rn, astfel încât sunt satisfăcute următoarele axiome:
1) d(x,y)=0⇔x=y;
2) d(x,y)=d(y,x) ∀x,y∈Rn;
3) d(x,z)≤d(x,y)+d(y,z) ∀x,y,z∈Rn.
Definiţie
Considerând o metrică d pe Rn, vom numi perechea (Rn,d) spaţiu metric.
Definiţie
Fie (Rn,d) un spaţiu metric. Mulţimea B (a,r)={x∈Rnd(a,x)≤r}, r≥0 se
numeşte bila închisă de centru a şi rază r. Mulţimea B(a,r)={x∈Rnd(a,x)<r},
r>0 se numeşte bila deschisă de centru a şi rază r.
Propoziţie
Un spaţiu metric (Rn,d) este spaţiu topologic.
Propoziţie
Fie (Rn,d) un spaţiu metric. Atunci ∀a∈Rn ∀r>0⇒B(a,r) este o mulţime
deschisă, B (a,r) este o mulţime închisă iar B(a , r ) = B (a , r ) .
Propoziţie
Fie un spaţiu metric (Rn,d) şi (an)⊂Rn un şir convergent. Atunci lim an este
unică.
Propoziţie
Fie un spaţiu metric (Rn,d) şi (an)⊂X. Atunci (an) este un şir convergent şi lim
an=a∈X dacă şi numai dacă ∀ε>0⇒ ∃nε∈N astfel încât d(an,a)<ε ∀n≥nε.
Definiţie
Fie (Rn,d) un spaţiu metric. Un şir (an)⊂Rn se numeşte şir Cauchy (şir
fundamental) dacă ∀ε>0⇒∃nε∈N astfel încât d(an,am)<ε ∀n,m≥nε.
Propoziţie
Fie (Rn,d) un spaţiu metric şi (an)⊂Rn un şir convergent. Atunci (an) este şir
Cauchy.
Reciproc, nu este în general adevărat, deci se impune următoarea:
Definiţie
Un spaţiu metric (Rn,d) se numeşte spaţiu metric complet dacă orice şir
Cauchy din Rn este convergent.
Definiţie
Fie un spaţiu metric (Rn,d). O mulţime A⊂Rn se numeşte mulţime mărginită
dacă ∃a∈Rn ∃r>0 astfel încât A⊂B(a,r).
Definiţie
Fie un spaţiu metric (Rn,d). Un şir (an)⊂Rn se numeşte şir mărginit dacă
mulţimea valorilor acestuia este mărginită.
Lemă (Cesàro)
Orice şir mărginit din Rn conţine un subşir convergent.
Definiţie
Numim normă pe Rn o funcţie ⋅:Rn→R, x→x ∀x∈Rn astfel încât sunt
satisfăcute următoarele axiome:
1) x=0⇒x=0;
2) αx=α⋅x ∀x∈Rn ∀α∈R;
3) x+y≤x+y ∀x,y∈Rn.
Definiţie
Fiind dată o normă ⋅ pe Rn, perechea (Rn,⋅) se numeşte spaţiu vectorial
real n-dimensional normat (sau simplu spaţiu normat).
Definiţie
Un spaţiu normat complet se numeşte spaţiu Banach.
Exemplu:
Fie pe o mulţime X≠∅, metricile d şi d’ şi a,b∈R+, a2+b2>0. Să se arate că
aplicaţia d”:X×X→R, d”(x,y)=ad(x,y)+bd’(x,y) ∀x,y∈R este o metrică pe X.
Soluţie Avem x=y⇒d”(x,x)=ad(x,x)+bd’(x,x)=0 şi reciproc, dacă d”(x,y)=
ad(x,y)+bd’(x,y)=0⇒cum a,b≥0 şi cel puţin unul este nenul rezultă că x=y. De

asemenea, d”(x,y)=ad(x,y)+bd’(x,y)=ad(y,x)+ bd’(y,x)=d”(y,x) ∀x,y∈X. Fie

acum x,y,z∈X, arbitrari. Avem d”(x,z)=ad(x,z)+bd’(x,z)≤a[d(x,y)+d(y,z)]+
b[d’(x,y)+ d’(y,z)]=[ad(x,y)+bd’(x,y)]+[ad(y,z)+bd’(y,z)]=d”(x,y)+d”(y,z).
Sarcina de lucru 3
Fie pe un spaţiu vectorial real X două norme ⋅’ şi ⋅”. Să se arate

că a⋅’+b⋅”, a,b∈R+ este de asemenea o normă pe X.
2.1.4. Limite de funcții în Rn

Definiţie
O aplicaţie f:A⊂Rn→Rm, n,m≥1 se numeşte funcţie vectorială reală de n
variabile reale. Dacă m=1 vom spune pe scurt că f este funcţie de n variabile.
Definiţie
O aplicaţie f:A⊂Rn→Rm se spune că are limita y∈Rm într-un punct de
acumulare a∈A' dacă ∀V∈V(y)⇒ ∃U∈V(a) astfel încât:
f((U-{a})∩A)⊂V
Propoziţie
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A'. Următoarele afirmaţii sunt echivalente:
1) f are limita y∈Rm în a;
2) ∀(an)⊂A-{a} astfel încât lim an=a⇒lim f(an)=y;
3) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A-{a} şi d(x,a)<δε⇒ d(f(x),y)<ε.
4) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A-{a} şi x − a <δε⇒ f ( x ) − y <ε.
Corolar
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A'. Funcţia f nu are limită în punctul “a” dacă
∃(an),(bn)⊂A-{a} cu lim an=lim bn=a şi fie unul din şirurile (f(an)),(f(bn)) nu
este convergent, fie sunt amândouă convergente, dar au limite diferite.
În cazul funcţiilor de mai multe variabile, se poate defini limita unei funcţii
după o direcţie astfel: fie f:A⊂Rn→R şi a=(a1,...,an)∈A'. Ecuaţia unei drepte
ce trece prin “a” este:

 x 1 = a 1 + λv1

 L , λ∈R
x = a + λv
 n n n
unde v1,...,vn reprezintă parametrii directori ai dreptei (care dau “înclinarea”

dreptei faţă de axele de coordonate). Notând v=(v1,...,vn) putem scrie ecuaţia
dreptei succint sub forma: x=a+λv, λ∈R. Definim atunci limita unei funcţii
după direcţia dată de dreapta x=a+λv ca fiind:
lim f(a+λv)
λ→0
Este evident că dacă o funcţie are limită într-un punct, atunci ea are limită după
orice direcţie în acel punct. Reciproc, nu este adevărat.
Fie acum f:A⊂Rn→R şi a=(a1,...,an)∈A'. Să considerăm mulţimile
Ai={xi∈R(x1,...,xi,...,xn)∈A} şi să presupunem că ai∈Ai', i=1,...,n. Atunci
lim f(x) depinde de variabilele x1,...,xi-1,xi+1,..., xn. Considerând apoi acelaşi
x i →a i
proces obţinem în final o valoare reală notată lim σf(x)= lim ... lim f(x)
x →a x i1 → a i1 x i n →a i n
1 2 L n 
unde σ=   ∈Sn (grupul permutărilor de n elemente). Vom numi
 i1 i 2 L i n 
aceasta limita iterată după permutarea σ a funcţiei f în punctul a. Are loc
următoarea:
Propoziţie
Fie f:A⊂Rn→R şi a=(a1,...,an)∈A'. Dacă f are limită în “a” şi, în plus, ∃σ∈Sn
astfel încât lim σf(x) există atunci lim σf(x)= lim f(x).
x →a x →a x →a
Exemplu:
x 3 + y3
Să se calculeze lim .
( x , y ) → ( 0, 0 ) x 2 + y 2
Soluţie Conform teoriei generale, dacă funcţia are limită atunci orice limită
iterată dacă există este egală cu limita căutată. Prin urmare, vom încerca
calcularea unei limite iterate şi în cazul determinării acesteia vom arăta cu
definiţia limitei (globale) că aceasta este tocmai limita căutată. Avem deci:
x 3 + y3 x3 ε
lim lim = lim =0. Fie deci ε>0, arbitar şi δε= >0. Avem:
x →0 y →0 x + y
2 2 x →0 x 2
2
x 3 + y3 x2 y2 x 3 + y3 x 3 + y3
= x + y de unde − 0 = =
x2 + y2 x 2 + y2 x 2 + y2 x 2 + y2 x 2 + y2
x2 y2 x2 y2 x2 y2
x + y ≤ x + y = x + y ≤
x2 + y2 x2 + y2 x2 + y2 x2 + y2 x2 + y2 x2 + y2
x2 + y2 x2 + y2 ε
x + y = x + y ≤ 2 x2 + y2 ≤ 2 =ε.
x +y
2 2
x +y
2 2
2
Sarcina de lucru 4
x2 1
Folosind definiţia limitei, să se arate că: lim =
( x , y ) → ( 0, 0 ) y 2
2.1.5. Continuitatea funcțiilor

Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie continuă în a∈A dacă
∀V∈V(f(a))⇒∃U∈V(a) astfel încât f(U∩A)⊂V.
Propoziţie
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A. Următoarele afirmaţii sunt echivalente:
1) f este continuă în a;
2) ∀(an)⊂A astfel încât lim an=a⇒lim f(an)=f(a);
3) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A şi d(x,a)<δε⇒ d(f(x),f(a))<ε.
4) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A şi x − a <δε⇒ f ( x ) − f (a ) <ε.
Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie continuă pe A dacă este continuă
în orice punct a∈A.
Propoziţie
O aplicaţie f:A⊂Rn→Rm este continuă în a∈A’∩A dacă şi numai dacă are
limită în a şi lim f(x)=f(a).
x →a
Teoremă
Fie o aplicaţie f:Rn→Rm. Următoarele afirmaţii sunt echivalente:
1) f este continuă pe Rn;
2) ∀D-deschisă în Rm⇒f-1(D)-deschisă în Rm;
3) ∀E-închisă în Rm⇒f-1(E)-închisă în Rn.

Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie uniform continuă pe A dacă
∀ε>0⇒∃δε>0 astfel încât ∀x,y∈A şi d(x,y)<δε⇒ d(f(x),f(y))<ε.
Propoziţie
O funcţie f:A⊂Rn→Rm uniform continuă pe A este continuă pe A.
Propoziţie
O funcţie f:A⊂Rn→Rm continuă pe mulţimea compactă A este uniform
continuă pe A.
Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie lipschitziană pe A dacă ∃C>0
astfel încât d(f(x),f(y))≤C⋅d(x,y) ∀x,y∈A.
Propoziţie
O funcţie f:A⊂Rn→Rm lipschitziană pe A este uniform continuă pe A.
Propoziţie
Fie o aplicaţie liniară f:Rn→Rm. Următoarele afirmaţii sunt echivalente:
1) f este continuă pe Rn;
2) f este continuă în 0∈Rn;
3) ∃M>0 astfel încât f ( x ) ≤M x ∀x∈Rn.
Definiţie
O aplicaţie f:A⊂Rn→f(A)⊂Rm se numeşte homeomorfism dacă:
1) f este bijectivă;
2) f este continuă pe A şi f-1 este continuă pe f(A).
Exemplu:
Să se studieze continuitatea funcţiei f:R2→R,
 x 2 − y2
 xy daca (x, y) ≠ (0,0);
f ( x , y) =  x 2 + y 2
 0 daca (x, y) = (0,0)
Soluţie Pe R2-{(0,0)} funcţia este continuă deoarece ∀a,b∈R şi ∀(an), (bn)∈R

astfel încât lim an=a, lim bn=b rezultă lim f(an,bn)=f(a,b). Rămâne deci de
studiat continuitatea în (0,0). Fie ε>0. Alegem δε= 2ε . Avem deci f(x,y)-

x 2 − y2 x 2 − y2 x 2 + y2 1
f(0,0)=f(x,y= xy 2 =xy 2 ≤xy 2 =xy≤ (x2+y2)≤
x +y 2
x +y 2
x +y 2
2
2ε
=ε. Prin urmare, funcţia f este continuă în (0,0) deci este continuă pe R2.
2
Sarcina de lucru 5
Să se studieze continuitatea uniformă a funcţiei:
f:R2→R, f(x,y)=2(x+y)-sin x+cos y.
2.2. Diferențiabilitatea funcțiilor

2.2.1. Derivabilitatea după o direcție și cea parțială a funcțiilor
Vom considera în cele ce urmează funcţii de forma f:D⊂Rn→R, n≥1, D-
deschisă, (x1,...,xn)→f(x1,...,xn). Vom nota generic x=(x1,...,xn)∈ Rn.
Fie a∈D şi o dreaptă de parametri directori v=(v1,...,vn)∈Rn: x=a+λv, λ∈R.
v v
Avem: x = a + λ v şi notând: λ v =α, =w, rezultă: α∈R şi w =1.
v v
Putem scrie deci ecuaţia unei drepte sub forma d: x=a+αw, α∈R, w =1.
Deoarece a∈D⇒∃V∈V(a)∈Rn astfel încât a∈V⊂D. Vom alege V ca fiind o
bilă deschisă centrată în a. Fie deci r>0 astfel încât B(a,r)⊂D. Fie x∈D. Avem:
x − a = a + αw − a = αw = α ⋅ w = α . Dacă α∈(-r,r) atunci x − a <r
deci x∈B(a,r)⊂D. Definim acum funcţia: g:(-r,r)→R, g(α)=f(a+αw) ∀α∈(-
r,r). Din cele de mai sus, rezultă că definiţia este corectă.
Definiţie
Funcţia f se numeşte aplicaţie derivabilă după direcţia w în a∈Rn dacă
funcţia: g:(-r,r)→R, g(α)=f(a+αw) este derivabilă în originea 0∈R. Vom numi
df
în acest caz numărul real (a)=g'(0)-derivata după direcţia w în punctul a
dw
al lui f.
Pentru n=1 se obţine definiţia clasică a derivatei într-un punct.

În Rn avem câteva direcţii “privilegiate” şi anume cele date de vectorii bazei

canonice e1=(1,0,...,0),... ,en=(0,0,...,1).
Definiţie
Funcţia f se numeşte aplicaţie derivabilă parţial în punctul a, în raport cu
variabila xk, 1≤k≤n, dacă există derivata după direcţia ek adică dacă există:
∂f f (a 1 ,..., a k + t ,..., a n ) − f (a 1 ,..., a k ,..., a n )
(a ) = f ' x k (a ) = lim
∂x k t →0 t
∂f ∂
Numărul real (a ) sau notat uneori ( f )(a ) sau f ' x k (a ) se numeşte
∂x k ∂x k
derivata parţială a lui f în punctul a în raport cu xk.
Definiţie
Vom spune că f este derivabilă parţial în raport cu xk pe D dacă este
derivabilă parţial în raport cu xk în orice punct a∈D.
Definiţie
Vom spune că f este derivabilă parţial pe D dacă este derivabilă parţial în
raport cu orice xk k= 1, n în orice punct a∈D.
Definiţie
Dacă f este derivabilă parţial în fiecare punct x∈V unde V∈V(a), a∈D-fixat şi
∂f
dacă la rândul lor derivatele parţiale , k= 1, n , sunt derivabile parţial în a,
∂x k
vom spune că f este derivabilă parţial de ordinul 2 în a. Vom scrie:
∂ ∂f ∂ 2f
( ( ))(a ) = (a ) ∀j,k= 1, n
∂x j ∂x k ∂x j ∂x k
∂ 2f
şi vom spune că (a) este derivata parţială de ordinul 2 a lui f în punctul
∂x j∂x k
a în raport cu variabilele xj şi xk. Pentru j=k adoptăm notaţia:
∂ ∂f ∂ 2f
( ( ))(a ) = (a ) ∀k= 1, n
∂x k ∂x k ∂x k
2
Definiţie
Dacă f este derivabilă parţial de ordinul k, k≥1 în fiecare punct x∈V unde
V∈V(a), a∈D-fixat şi dacă la rândul lor derivatele parţiale de ordinul k:
∂kf
∀i1,...,ik∈{1,...,n} sunt derivabile parţial în a, vom spune că f este
∂x i 1 ...∂x i k
derivabilă parţial de ordinul (k+1) în a. Vom scrie:

∂ ∂kf ∂ k + 1f
( ( ))(a ) = ( )(a )
∂x i ∂x i 1 ...∂x i k ∂x i ∂x i 1 ...∂x i k
În cazul mai multor variabile identice vom adopta notaţia:
∂ n 1 + ... + n k f ∂ n 1 + ... + n k f
( )(a ) = ( )(a )
∂x i 1 ...∂x i 1 ...∂x i k ...∂x i k n
∂x i 1 1 ...∂x i k k
n
14243 14243
n 1 − ori n k − ori
Teoremă (Schwarz)
Dacă f:D→R, D⊂Rn-deschisă admite derivate parţiale de ordinul 2 într-o
∂ 2f
vecinătate V a lui a∈D şi dacă pentru 1≤i≠j≤n-fixaţi este continuă în a,
∂x i ∂x j
atunci:
∂ 2f ∂ 2f
(a)= (a)
∂x j∂x i ∂x i ∂x j
Exemplu:
Să se calculeze derivatele parţiale de ordinul I şi II pentru funcţia f:R3→R,
f(x,y,z)=x2+exy+xyz4 în punctul (x,y,z)∈R3, verificându-se criteriul lui Schwarz
pe acest exemplu concret.
Soluţie Avem:
∂f ∂f ∂f
• =2x+yexy+yz4, =xexy+xz4, =4xyz3;
∂x ∂y ∂z
∂ ∂
• ∂ 2f
= ( ∂f )= (2x+yexy+yz4)=2+y2exy;
∂x 2 ∂x ∂x ∂x
∂ 2f ∂ ∂f ∂
• = ( )= (xexy+xz4)=(xy+1)exy+z4;
∂x∂y ∂x ∂y ∂x
∂ 2f ∂ ∂f ∂
• = ( )= (2x+yexy+yz4)=(xy+1)exy+z4;
∂y∂x ∂y ∂x ∂y
∂ 2f ∂ ∂f ∂
• = ( )= (4xyz3)=4yz3;
∂x∂z ∂x ∂z ∂x
∂ 2f ∂ ∂f ∂
• = ( )= (2x+yexy+yz4)=4yz3;
∂z∂x ∂z ∂x ∂z
∂ 2 f ∂ ∂f ∂
• = ( )= (xexy+xz4)=x2exy;
∂y 2
∂y ∂y ∂y
∂ 2f ∂ ∂f ∂
• = ( )= (4xyz3)=4xz3;
∂y∂z ∂y ∂z ∂y

∂ 2f ∂ ∂f ∂
• = ( )= (xexy+xz4)=4xz3;
∂z∂y ∂z ∂y ∂z
∂ 2f ∂ ∂f ∂
• = ( )= (4xyz3)=12xyz2.
∂z 2
∂z ∂z ∂z
Sarcina de lucru 6
Să se calculeze derivatele parţiale de ordinul I ale funcţiei de mai jos în

x2
punctul indicat: f:R3→R, f(x,y,z)=arctg în punctul (1,1,1).
yz
2.2.2. Diferențiabilitatea funcțiilor

Definiţie
Fie f:D⊂Rn→Rm, D-deschisă şi a∈D. f se numeşte aplicaţie diferenţiabilă în
a dacă ∃T∈L(Rn,Rm) astfel încât
f(x)=f(a)+T(x-a)+ω(x) x − a ∀x∈D
unde ω:D-{a}→Rm satisface lim ω(x)=0. Dacă f este diferenţiabilă în orice

x →a
punct din D vom spune că f este diferenţiabilă pe D.

Teoremă
Fie o aplicaţie f=(f1,...,fm):D⊂Rn→Rm, D-deschisă şi a∈D. Aplicaţia f este
diferenţiabilă în a dacă şi numai dacă aplicaţiile f1,...,fm sunt diferenţiabile în a.
În acest caz:
df(a)=(df1(a),...,dfm(a))
Teoremă
Fie f:D⊂Rn→R, D-deschisă.
1) Dacă f este diferenţiabilă în a∈D atunci f este continuă în a;
2) Dacă f este diferenţiabilă în a∈D atunci ∀w∈Rn, w =1 există derivata

df
după direcţia w în a şi avem (a)=df(a)(w). În particular, există
dw

∂f
derivatele parţiale de ordinul I şi avem (a)=df(a)(ek), k= 1, n , unde ek
∂x k
sunt vectorii bazei canonice din Rn;
3) Dacă f∈C1(D) atunci f este diferenţiabilă pe D.
Considerând acum diferenţialele dxi ale variabilelor xi, i=1,...,n după exemplul
3.c, avem:
Teoremă
Fie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct a∈D. Atunci:
n
∂f
df (a ) = ∑ (a )dx i (a )
i =1 ∂x i
Definiţie
Fie o aplicaţie f=(f1,...,fm):D⊂Rn→Rm, D-deschisă şi a∈D. Matricea Jf(a)
definită prin:
 ∂f1 ∂f1 
 (a ) L (a ) 
 ∂x1 ∂x n 
Jf(a)=  L L L 
 ∂f m ∂f m 
 ∂x (a ) L ∂x (a ) 
 1 n 
se numeşte matricea jacobiană a lui f în punctul a. Dacă m=n vom numi
det(Jf(a)) jacobianul sau determinantul funcţional al lui f în a. Vom mai
nota:
D(f1 ,..., f n )
det(Jf(a))= (a)
D(x1 ,..., x n )
Propoziţie
Fie f:D⊂Rn→R, D-deschisă, diferenţiabilă în a∈D. Atunci ∀w=(w1,...,wn)∈Rn
cu w =1 funcţia f are derivată după direcţia w şi
df ∂f ∂f
(a ) = w 1 (a ) + ... + w n (a )
dw ∂x 1 ∂x n
Definiţie
Vom defini diferenţiala de ordin m a funcţiei f prin egalitatea:
m
 n ∂ 
d f =  ∑
m
dx i  f
 i = 1 ∂x i 
unde suma din paranteză se dezvoltă formal cu ajutorul formulei generalizate a
m-nomului şi apoi se aplică derivatele parţiale lui f.

Definiţie
Matricea formei pătratice d2f într-un punct a∈D se numeşte hessiana lui f în a
şi avem:
 ∂ 2f ∂ 2f 
 (a ) L (a ) 
 ∂x 1 ∂x 1∂x n
2

Hf(a)=  L L L 
 ∂ 2f ∂ 2f 
 (a ) L (a ) 
 ∂x n ∂x 1 ∂x n2

 
Definiţie
Fie o aplicaţie f:D⊂Rn→R, D-deschisă, f∈C1(D) şi a∈D. Numim gradientul
lui f în a∈D:
 ∂f ∂f 
(grad f)(a)=(∇f)(a)=  (a ),..., (a )  ∈Rn
 ∂x 1 ∂x n 
Exemplu:
Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=4xy+exz-
5zex în punctul (1,1,1).
∂f ∂f ∂f
Soluţie Avem: df(1,1,1)= (1,1,1)dx+ (1,1,1)dy+ (1,1,1)dz=
∂x ∂y ∂z
(4-4e)dx+4dy-4edz.
Sarcina de lucru 7
Fie funcţiile f:R3→R2, f(x,y,z)=(x2,yz) şi g:R2→R, g(u,v)=u3+euv. Să se

calculeze derivatele parţiale ale funcţiei g°f în punctul (x,y,z)∈R3.

2.3. Serii numerice. Serii de funcții. Serii de puteri. Dezvoltarea în serie

Taylor
2.3.1. Serii numerice
În această secţiune vom considera, până la menţiuni contrare, că toate şirurile
sunt indexate după N.
Definiţie
n
Fie un şir (an)⊂R şi şirul (Sn)⊂R definit prin Sn= ∑a i =0
n , n≥0. Numim serie
numerică de termen general an perechea de şiruri ((an),(Sn)). Vom numi şirul

(Sn) şirul sumelor parţiale ale seriei.
Definiţie
∞
O serie ∑a
n =0
n se numeşte serie convergentă dacă şirul sumelor parţiale (Sn)
este convergent. O serie se numeşte serie divergentă dacă nu este

convergentă.
Definiţie
∞
Dacă seria ∑a
n=0
n este convergentă numim lim Sn-suma seriei şi o vom nota
∞
∑a
n=0
n .
Propoziţie
∞ ∞
Fie o serie ∑ a n şi m∈N, fixat. Considerând şirul bn=am+n ∀n≥0 seriile
n =0
∑a
n =0
n
∞
şi ∑b
n =0
n au aceeaşi natură.
Teoremă (Criteriul general de convergenţă al lui Cauchy)

∞
O serie ∑a
n =0
n este convergentă dacă şi numai dacă ∀ε>0⇒∃nε∈N astfel încât:
an+1+...+an+m<ε ∀n≥nε ∀m≥1

Corolar
∞
Dacă o serie ∑a
n =0
n este convergentă atunci lim an=0.
Propoziţie
∞ ∞
Fie seriile ∑a , ∑ b
n =0
n
n =0
n şi α,β∈R*. Atunci:

∞ ∞ ∞
1) Seria ∑ αa
n=0
n are aceeaşi natură cu seria ∑a
n =0
n , iar dacă ∑a
n =0
n este
∞ ∞
convergentă are loc egalitatea ∑ αa
n=0
n =α ∑ a n ;
n =0
∞ ∞ ∞
2) Dacă seriile ∑a
n =0
n şi ∑b
n =0
n sunt convergente atunci şi ∑ (αa
n =0
n + βb n )
∞ ∞ ∞
este convergentă şi are loc egalitatea: ∑ (αa n + βb n ) =α ∑ a n +β ∑ b n .
n =0 n =0 n =0
Definiţie
∞ ∞
O serie ∑ a n se numeşte serie absolut convergentă dacă seria
n =0
∑a
n =0
n este
convergentă. O serie convergentă care nu este absolut convergentă se numeşte

serie semiconvergentă.
Propoziţie
∞
O serie ∑a
n =0
n absolut convergentă este convergentă.
Definiţie
∞
O serie ∑a
n =0
n se numeşte serie necondiţionat convergentă (serie comutativ
convergentă) dacă ∀σ:N→N o aplicaţie bijectivă (permutare a mulţimii

∞
numerelor naturale) seria ∑a
n=0
σ( n ) este convergentă.
Teoremă (Criteriul I de comparaţie)

∞ ∞
Fie ∑ a n şi
n =0
∑b
n =0
n două serii cu termeni pozitivi. Dacă an≤bn ∀n≥0 atunci:
∞ ∞ ∞ ∞
1) ∑ b n este convergentă⇒ ∑ a n este convergentă şi
n =0 n =0
∑ a n ≤ ∑ bn ;
n =0 n =0
∞ ∞
2) ∑ a n este divergentă⇒ ∑ b n este divergentă.
n =0 n =0
Teoremă (Criteriul II de comparaţie)

∞ ∞
an
Fie ∑ a n şi
n =0
∑b
n =0
n două serii cu termeni strict pozitivi. Dacă lim
bn
există şi
este nenulă şi finită atunci seriile au aceeaşi natură.

Teoremă (Criteriul III de comparaţie)

∞ ∞
a n +1 b n +1
Fie ∑ a n şi
n =0
∑b
n =0
n două serii cu termeni strict pozitivi. Dacă
an
≤
bn
∀n≥0 atunci:
∞ ∞
1) ∑ b n este convergentă⇒ ∑ a n este convergentă;
n =0 n =0
∞ ∞
2) ∑ a n este divergentă⇒ ∑ b n este divergentă.
n =0 n =0
Corolar
∞
Fie ∑a
n =0
n o serie cu termeni strict pozitivi.
a n +1
1) Dacă ∃r∈(0,1) astfel încât ≤ r ∀n≥0 atunci seria este convergentă;
an
a n +1
2) Dacă ∃r∈[1,∞) astfel încât ≥ r ∀n≥0 atunci seria este divergentă.
an
Teoremă (Criteriul raportului al lui D'Alembert)

∞ ∞
Fie ∑ a n o serie cu termeni nenuli. Dacă L=lim ∑ a n există atunci:
n =0 n =0
∞
1) L<1⇒ ∑ a n este absolut convergentă;
n =0
∞
2) L>1⇒ ∑a
n =0
n este divergentă.
Teoremă (Criteriul radical al lui Cauchy)

∞
Fie ∑a
n =0
n o serie numerică cu elemente nenule. Dacă L=lim n a n există
atunci:
∞
1) L<1⇒ ∑ a n este absolut convergentă;
n =0
∞
2) L>1⇒ ∑a
n =0
n este divergentă.

Teoremă (Criteriul Raabe-Duhamel)

∞
 a 
Fie ∑a n o serie numerică cu elemente nenule. Dacă L=lim n  n − 1 există
n =0  a n +1 
atunci:
∞
1) L>1⇒ ∑ a n este absolut convergentă;
n =0
∞
2) L<1 iar seria este numerică cu termeni strict pozitivi⇒ ∑ a n este
n =0
divergentă.
Teoremă (Criteriul Abel-Dirichlet)
Fie (an) şi (bn) două şiruri de numere reale având proprietăţile:
1) lim an=0;
∞
2) ∑a
n =0
n +1 − a n este convergentă;
n
3) Dacă Sn= ∑ b i atunci M= sup Sn <∞.
i=0 n≥0
∞
În aceste condiţii seria ∑a
n =0
n b n este convergentă.
Teoremă (Leibniz)
Fie (an) un şir de numere reale convergent monoton la 0. Atunci seria alternată
∞
∑ (−1)
n =0
n
a n este convergentă.
Exemplu:
∞
n!
Să se studieze convergenţa seriei: ∑n
n =1
n
.
(n + 1)!
( n + 1) n +1 nn
Soluţie Aplicăm criteriul D’Alembert şi obţinem lim =lim =
n! (n + 1) n
nn
1 1
lim n
= <1 deci seria este convergentă.
 1 e
n + 
 n

Sarcina de lucru 8
∞
1
Să se studieze convergenţa seriei: ∑ n(ln n)
n =1
n
.
2.3.2. Șiruri și serii de funcții

Definiţie
Fie D⊂R. Se numeşte şir de funcţii pe D o aplicaţie n∈N→(fn)∈RD.
Definiţie
Fie (fn) un şir de funcţii fn:D⊂R→R, n≥0. Vom spune că (fn) este şir de funcţii
punctual convergent pe D dacă ∀a∈D⇒∃ba∈R astfel încât ∀ε>0⇒ ∃nε,a∈N
cu proprietatea că fn(a)-ba<ε ∀n≥nε,a.
Definiţie
Fie (fn) un şir de funcţii fn:D⊂R→R, n≥0. Vom spune că (fn) este şir de funcţii
uniform convergent pe D către o funcţie f:D→R dacă ∀ε>0⇒∃nε∈N cu
proprietatea că fn(a)-f(a)<ε ∀n≥nε ∀a∈D.
Propoziţie
Fie (fn) un şir uniform convergent de funcţii continue fn:[a,b]→R. Atunci f=lim
fn este continuă pe [a,b].
Teoremă
Fie (fn) un şir uniform convergent de funcţii continue fn:[a,b]→R. Atunci:
b b
1) lim ∫ f n ( x )dx = ∫ lim f n ( x )dx ;
a a
UC
2) Dacă fn∈C1([a,b]) şi ∃g:[a,b]→R astfel încât fn' → g atunci f=lim fn este
derivabilă pe [a,b] şi (lim fn)'=lim f'n.
Definiţie
Fie un şir de funcţii mărginite fn:[a,b]→R, n≥0. Considerând şirul de funcţii
n
(Sn) unde Sn(x)= ∑ f k ( x ) ∀x∈[a,b], n≥0 perechea de şiruri de funcţii
k =0

((fn),(Sn)) se numeşte serie de funcţii pe [a,b]. Vom numi (Sn) şir al sumelor
∞
parţiale ale seriei de funcţii. Vom nota o serie de funcţii simbolic: ∑f
n =0
n .
Definiţie
∞
Fie o serie de funcţii ∑f
n =0
n . Numim mulţime de convergenţă a seriei
∞
mulţimea C={x∈[a,b] ∑ f n ( x ) este convergentă}.
n =0
Definiţie
Considerând mulţimea de convergenţă C putem defini funcţia f:C→R, f(x)=
∞ ∞
∑ f n ( x) . Funcţia f se numeşte suma seriei de funcţii iar

n =0
∑f
n =0
n se numeşte
serie punctual convergentă pe C. Dacă în plus şirul sumelor parţiale (Sn)

∞
converge uniform la f pe C spunem că ∑f
n =0
n este serie uniform convergentă
pe C.
Teoremă
∞
Fie ∑f
n =0
n o serie uniform convergentă pe [a,b] de funcţii continue şi f suma
seriei. Atunci:
1) f este continuă pe [a,b];
b b
 ∞  ∞
2)  ∑
∫a  n = 0 f n ( x ) 

dx = ∑ ∫ f n (x )dx ;
n =0 a
∞
3) Dacă fn∈C1([a,b]), n≥0 iar ∑f
n =0
n ' este uniform convergentă pe [a,b]
 ∞  ∞
atunci f este derivabilă pe [a,b] şi  ∑ f n ' = ∑ f n ' .
 n =0  n =0
Teoremă (Weierstrass)
∞ ∞
Fie o serie de funcţii ∑f
n =0
n şi o serie numerică convergentă ∑a
n =0
n astfel încât
∞
fn(x)≤an ∀x∈[a,b] ∀n≥1. Atunci seria ∑f
n =0
n este uniform convergentă pe
[a,b].

2.3.3. Serii de puteri

Definiţie
Fie (an)⊂R. Se numeşte serie de puteri centrată în x0∈R seria de funcţii
∞
∑a
n =0
n (x − x 0 ) n . Numerele reale an se numesc coeficienţii seriei de puteri.
∞
Dacă x0=0 vom spune că seria ∑a
n =0
n x n este centrată în origine.
Lemă (Abel)
∞
Fie seria de puteri ∑a
n =0
n x n şi r∈R* astfel încât şirul (anrn) este mărginit.
Atunci:
∞
1) ∀x∈(-r,r) seria ∑a
n =0
n x n este absolut convergentă;
∞
2) ∀0<r'<r seria ∑a
n =0
n x n este uniform convergentă pe intervalul compact
[-r',r'].
Definiţie
∞
Fie ∑a
n =0
n x n o serie de puteri. Numărul real
R=sup{r∈R+(anrn) este mărginit}

se numeşte raza de convergenţă a seriei.
Teoremă
∞
Fie ∑a
n =0
n x n o serie de puteri şi R raza sa de convergenţă. Atunci:
∞
1) Dacă R∈(0,∞) atunci seria ∑a
n =0
n x n este absolut convergentă ∀x∈(-R,R)
şi divergentă pentru x∈(-∞,R)∪(R,∞). Seria este uniform convergentă pe

orice interval [-r,r],0<r<R;
∞
2) Dacă R=0 atunci seria ∑a
n =0
n x n este convergentă (absolut) numai pentru
x=0;
∞
3) Dacă R=∞ atunci seria ∑a
n =0
n x n este absolut convergentă pe R. Seria este
uniform convergentă pe orice interval [-r,r],r>0.

Teoremă (Cauchy-Hadamard)
∞
Fie seria de puteri ∑a
n =0
n x n . Atunci:
1
R=
limn a n
1 1
unde vom considera = 0 şi = ∞ .
∞ 0
Teoremă
∞
Fie ∑a
n =0
n xn o serie de puteri cu raza de convergenţă R şi fie
∞
f:(-R,R)→R, f(x)= ∑ a n x n ∀x∈(-R,R). Atunci:
n =0
∞
1) Seria ∑ na
n =1
n x n −1 are raza de convergenţă R;
2) f este indefinit derivabilă pe (-R,R);

∞
3) f'(x)= ∑ na n x n −1 ∀x∈(-R,R);
n =1
b ∞
an n
4) ∀a,b∈(-R,R)⇒ ∫ f ( x )dx = ∑ x .
a n=0 n + 1
Exemplu:
Să se determine mulţimea de convergenţă a seriei de puteri:
∞
∑ (−1)
n =1
n
xn
1 1
Soluţie Fie D mulţimea de convergenţă a seriilor. 1)Avem R= =
limn (-1) n 1
∞
=1 de unde D⊃(-1,1). Pentru x=1 avem seria ∑ (-1)
n =1
n
pentru care şirul
− 1 daca n = impar
sumelor parţiale este Sn=  . Cum (Sn) nu este convergent,
 0 daca n = par
∞ ∞
rezultă că seria ∑ (-1)n este divergentă. Pentru x=-1 avem seria
n =1
∑1 pentru
n =1
care şirul sumelor parţiale este Sn=n iar lim Sn=∞ deci din nou seria este
divergentă. Prin urmare, D=(-1,1).

Sarcina de lucru 9
∑( )
∞
n
Să se determine mulţimea de convergenţă a seriei de puteri: n − 1 xn
n =1
2.3.4. Dezvoltarea în serie Taylor

Definiţie
Fie f:(a,b)→R, derivabilă de ordinul n+1, n≥1 pe (a,b). Numim polinomul
Taylor de grad n asociat funcţiei f în punctul x0:
f ' (x 0 ) f (n ) (x 0 )
Tn= f ( x 0 ) + ( X − x 0 ) + ... + (X − x 0 ) n
1! n!
Observaţie
Definind restul de ordin n ca fiind Rn(x)=f(x)-Tn(x) ∀x∈(a,b) avem
f(x)=Tn(x)+Rn(x) ∀x∈(a,b) sau detaliat:
f ' (x 0 ) f (n ) ( x 0 )
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + ( x − x 0 ) n +Rn(x) ∀x∈(a,b)
1! n!
numită formula lui Taylor de ordinul n.
Fie I=[x,x0] dacă x<x0 şi I=[x0,x] dacă x0<x. Fie funcţia h:I→R definită prin:
n
f (k ) (t) ( x − t ) n +1  n
f (k ) (t) 
h(t) = ∑ (x − t) k +  f ( x ) − ∑ ( x − x 0 ) k 
k =0 k! ( x − x 0 ) n +1  k =0 k! 
Avem acum h(x0)=h(x)=f(x). Din faptul că f este derivabilă de ordinul n+1 pe
o
(a,b)⊃I rezultă că h este derivabilă pe I şi continuă pe I. Aplicând teorema lui
o
Rolle rezultă că ∃ξ∈ I (deci x<ξ<x0 sau x0<ξ<x) astfel încât h’(ξ)=0.
Calculând h' rezultă:
f ( n +1) (ξ)
Rn(x)= ( x − x 0 ) n +1 -restul lui Lagrange
(n + 1)!
iar formula lui Taylor cu restul lui Lagrange este:

f ' (x 0 ) f (n ) (x 0 ) f ( n +1) (ξ)

f(x)= f ( x 0 ) + ( x − x 0 ) + ... + (x − x 0 ) n + ( x − x 0 ) n +1
1! n! (n + 1)!
∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)).

Se pot determina şi alte variante ale restului Rn având astfel:
f ( n +1) (ξ)
Rn(x)= ( x − x 0 ) p ( x − ξ) n − p +1 ,p≥1-restul lui Schlömlich
n! p
de indice p iar formula lui Taylor cu restul lui Schlömlich este:
f ' (x 0 ) f (n ) (x 0 )
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + (x − x 0 ) n +
1! n!
f ( n +1) (ξ)
( x − x 0 ) p ( x − ξ) n − p +1
n! p
∀p≥1 ∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)).

Se observă că pentru p=n+1 se obţine restul lui Lagrange. De asemenea, pentru
p=1 în formula restului lui Schlömlich avem:
f ( n + 1) (ξ)
Rn(x)= ( x − x 0 )( x − ξ) n -restul lui Cauchy
n!
iar formula lui Taylor cu restul lui Cauchy este:
f ' (x 0 ) f (n ) (x 0 ) f ( n + 1) (ξ)
f(x)= f ( x 0 ) + ( x − x 0 ) + ... + (x − x 0 ) n + ( x − x 0 )( x − ξ) n
1! n! n!
∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)).
Dacă 0∈(a,b) atunci din formula lui Taylor cu restul lui Lagrange aplicată în
x0=0 avem formula lui Mac Laurin:
f ' (0) f " (0) 2 f ( n ) (0) n f ( n +1) (ξ) n +1

f ( x ) = f (0) + x+ x + ... + x + x
1! 2! n! (n + 1)!
∀x∈(a,b), ξ∈(0,x) (sau (x,0)).

Teoremă (Formula lui Taylor)
Fie x0∈Rn şi r>0. Fie de asemenea o funcţie f:B(x0,r)→R, derivabilă de n+1-ori
pe B(x0,r). Atunci ∀x∈ B(x0,r)⇒∃α∈(0,1) astfel încât:
m
∂f 1 m ∂ 2f
f (x) = f ( x 0 ) + ∑ ( x 0 )( x i
− x i
0 ) + ∑ ( x 0 )( x i − x i0 )(x j − x 0j ) + ...
i =1 ∂x i
2 i , j =1 ∂x ∂x
i j
1 m ∂nf
+ ∑
n! i 1 ,...,i n =1 ∂x ...∂x
i1 in
( x 0 )( x i 1 − x i01 )...( x i n − x i0n ) +
1 m
∂ n +1f
∑
(n + 1)! i 1 ,..., i n + 1 =1 ∂x i 1 ...∂x i n + 1
((1 − α) x 0 + αx )(x i 1 − x i01 )...(x i n + 1 − x i0n + 1 )
∀x=(x1,...,xm)∈B(x0,r)⊂Rm iar x0=(x01,...,x0m)∈Rm, α∈(0,1).

Teoremă (de dezvoltare în serie Taylor)

Fie f:(a,b)→R, f∈C∞((a,b)) astfel încât ∃M>0 cu f(n)(x)≤M ∀n∈N ∀x∈(a,b).
Seria Taylor:
∞
f (n ) (x 0 )
∑
n =0 n!
(x − x 0 ) n
asociată lui f într-un punct x0∈(a,b) este uniform convergentă pe orice interval
compact din (a,b) şi
∞
f (n ) (x 0 )
f(x)= ∑ ( x − x 0 ) n ∀x∈(a,b)
n =0 n!
Exemplu:
Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin x, x∈R.
∞
(−1) n 2 n +1 x3 x5 x7
Soluţie sin x= ∑ x =x− + − + ...
n = 0 ( 2n + 1)! 3! 5! 7!
Sarcina de lucru 10
Să se dezvolte în serie Mac Laurin funcţia: f(x)=ex, x∈R.
2.4. Extremele funcțiilor

2.4.1. Extreme locale. Funcții implicite
Definiţie
Fie D⊂Rn, deschisă şi f:D⊂Rn→R. Se numeşte punct de maxim local (punct
de minim local) un punct a∈D astfel încât ∃V∈V(a) cu proprietatea că
f(x)≤f(a) (f(x)≥f(a)) ∀x∈V∩D. f(a)∈R se numeşte maxim local (minim local)
al funcţiei f.
Definiţie
Fie D⊂Rn, deschisă şi o funcţie f:D⊂Rn→R. Numim punct de maxim (punct
de minim) un punct a∈D astfel încât f(x)≤f(a) (f(x)≥f(a)) ∀x∈D. f(a)∈R se
numeşte maxim (minim) al funcţiei f.

Observaţie
Vom spune, atunci când nu ne interesează explicit natura unui punct din
definiţie, că “a” este punct de extrem (global) iar f(a)-extrem (global).
Observaţie
Un punct de maxim local (global) al funcţiei f este punct de minim local
(global) pentru funcţia -f. Un punct de minim local (global) al funcţiei f este
punct de maxim local (global) pentru funcţia –f.
Definiţie
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct a∈D.
Spunem că “a” este un punct critic (punct staţionar) al lui f dacă df(a)=0.
Teoremă (Fermat)
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct de extrem
local a∈D al lui f. Atunci df(a)=0 (a este punct critic al lui f).
Corolar
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă într-un punct de extrem
∂f
local a∈D al lui f. Atunci (a)=0,i=1,...,n.
∂x i
Teoremă
Fie o funcţie f:D⊂Rn→R, D-deschisă, diferenţiabilă de ordinul 2 într-un punct
critic a∈D al lui f. Punctul “a” este un maxim local dacă forma pătratică d2f(a)
este negativ definită. Punctul “a” este un minim local dacă forma pătratică
d2f(a) este pozitiv definită.
Teoremă (a funcţiilor implicite, Goursat)
Fie o funcţie f=(f1,...,fn):D⊂Rm+n→Rn, D-deschisă, n≥1, m≥0,
(x1,...,xm,y1,...,yn)→(f1(x1,...,xm,y1,...,yn),...,fn(x1,...,xm,y1,...,yn)) şi
c=(a1,...,am,b1,...,bn)∈D Dacă: f(c)=0; fi∈C1(D), i= 1, n ;
D(f1 ,..., f n )
(c)≠0 atunci:
D( y1 ,..., y n )
∃W=U×V∈V(c) astfel încât U⊂Rm,V⊂Rn şi ϕ=(ϕ1,...,ϕn):U→V astfel încât

bi=ϕi(a1,...,am), i= 1, n iar fk(x1,...,xm,ϕ1(x1,...,xm),...,ϕn(x1,..., xm))=0, k= 1, n ,
∀(x1,...,xm)∈U; ϕk∈C1(U),k= 1, n , iar:
D(f1 ,..., f n )
∂ϕ k D( y1 ,..., y k −1 , x i , y k +1 ,..., y n )
=− , k= 1, n ,i= 1, m ;
∂x i D(f1 ,..., f n )
D( y1 ,..., y n )

Dacă funcţiile fi∈Cs(D), i= 1, n , s≥1 atunci şi funcţiile ϕi∈Cs(U), i= 1, n .
Corolar
Fie o funcţie f=(f1,...,fn):D⊂Rn→Rn, D-deschisă, n≥1 şi a=(a1,...,an)∈D. Dacă:
D(f1 ,..., f n )
fi∈C1(D), i= 1, n şi (a)≠0 (f este transformare regulată) atunci:
D( x1 ,..., x n )
1) ∃U∈V(a) astfel încât fU:U→f(U) este bijectivă;
2) Considerând aplicaţia inversă f-1:f(U)→U avem f-1k∈C1(f(U)), k= 1, n , iar:
D(f1−1 ,..., f n−1 ) 1

(f (a )) =
D( y1 ,..., y n ) D(f1 ,..., f n )
(a )
D( x 1 ,..., x n )
Definiţie
Fie funcţiile fi:D⊂Rn→R, D-deschisă, i=1,...,m, m,n≥1. Spunem că funcţiile fi,
i=1,...,m sunt în dependenţă funcţională (sau că sunt dependente funcţional)
dacă ∃Φ:E⊂Rm→R astfel încât Φ(f1(x1,...,xn),...,fm(x1,...,xn))=0 ∀(x1,...,xn)∈D.
Funcţiile fi, i=1,...,m sunt în independenţă funcţională (sau independente
funcţional) dacă nu sunt dependente funcţional.
Teoremă
Fie funcţiile fi:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,...,m, 1≤m≤n. Funcţiile fi,
i=1,...,m sunt dependente funcţional dacă şi numai dacă diferenţialele dfi,
i=1,...,m sunt liniar dependente în spaţiul vectorial L(Rn,R).
Corolar
Fie funcţiile fi:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,..., m, 1≤m≤n. Funcţiile fi,
i=1,...,m sunt independente funcţional dacă şi numai dacă diferenţialele dfi,
i=1,...,m sunt liniar independente în spaţiul vectorial L(Rn,R).
Corolar
Fie funcţiile fi:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,..., m, 1≤m≤ n. Funcţiile
fi, i=1,...,m sunt independente funcţional dacă şi numai dacă rangul matricei
jacobiene a funcţiilor fi, i=1,...,m este m.
Teoremă (Lagrange)
Fie o funcţie f:D⊂Rn+m→R, D-deschisă, m,n≥1 şi legăturile gk:D→R,
gk(x1,...,xn,y1,..., ym)=0, k=1,...,m, diferenţiabile pe D. Dacă un punct
(a1,...,an,b1,...,bm)∈D este un punct de extrem local astfel încât
D(g1 ,..., g m )
gk(a1,...,an,b1,...,bm)=0, k=1,...,m şi dacă (a1,...,an,b1,...,bm)≠0
D( y1 ,..., y m )

atunci există λ1,...,λm∈R şi funcţia Φ:D→R, Φ=f+λ1g1+...+λmgm astfel încât

∂Φ ∂Φ
(a1,...,an,b1,...,bm)=0, i=1,...,n, (a1,...,an,b1,...,bm)=0, j=1,...,m.
∂x i ∂y j
Observaţie
Metoda expusă mai sus se numeşte metoda multiplicatorilor lui Lagrange iar
numerele λi, i=1,...,m se numesc multiplicatorii lui Lagrange.
Exemplu:
Să se determine punctele de extrem ale funcţiei:
(a) f:R2→R, f(x,y)=x3+y3-3xy+2
Soluţie Punctele critice se determină rezolvând sistemul:
 ∂f
= 3x 2 − 3y = 0;
 ∂x  x 2 = y;
 ∂f de unde  2 . Avem deci x,y≥0 iar din x4-
 = 3 y − 3x = 0
2
 y = x
 ∂y
x=0⇒x1=y1=0, x2=y2=1. Punctele critice sunt deci A(0,0) şi B(1,1). Avem
∂ 2f ∂ 2f ∂ 2f
însă = 6 x , = −3, = 6 y de unde d2f(a,b)(u,v)=6au2-6uv+
∂x 2
∂x∂y ∂y 2
 6a - 3 
6bv2. Matricea formei pătratice este:   de unde ∆1=6a, ∆2= 36ab-
 - 3 6b 
9. Dacă a=b=0 avem d2f(a,b)(u,v)=-6uv şi cu ajutorul metodei lui Gauss,
obţinem în urma transformării u’=u+v, v’=u-v: d2f(0,0)(u’,v’)=-
3 2 2
(u' −v' ) -formă pătratică semidefinită. Prin urmare, punctul A(0,0) nu
2
este de extrem fiind punct şa. Pentru a=b=1 avem acum ∆1=6, ∆2=27 şi
cum ambii sunt pozitivi rezultă că forma pătratică este pozitiv definită deci
punctul B(1,1) este punct de minim local. Minimul local al funcţiei este
f(1,1)=1.

Sarcina de lucru 11
Să se determine punctele de extrem ale funcţiei f(x,y)=xy cu legătura dată de

g(x,y)=x+y-1=0.
Rezumat
Noţiunile de mulţime deschisă şi mulţime închisă sunt fundamentale în
construcţia obiectelor specifice analizei matematice. De asemenea, punctul de
acumulare este fundamental în definirea limitei unei funcţii, iar ulterior în
definiţia diferenţiabilităţii acesteia. Noţiunile de derivată după o direcţie şi cea
particulară a derivatei parţiale aduc conceptul de “viteză” a unui proces, de
multe ori mai importantă decât procesul în sine.
Seriile numerice reprezintă o extensie a sumelor finite, aplicabile în calcule
iterative de dimensiuni mari. De asemenea, seriile de funcţii şi cele de puteri
Tîn special, permit “simularea” unei funcţii printr-un “polinom de grad infinit”
ceea ce înlesneşte ulterior calculul unor mărimi, de multe ori dificile, cum ar
fi diferenţialele sau integralele.
Extremele funcţiilor îşi găsesc o aplicare firească la optimizarea proceselor
economice general,e ce nu permit, de exemplu, aplicarea unor algoritmi
specifici (vezi mai târziu algoritmul Simplex).

I. Să se calculeze derivatele parţiale de ordinul II ale funcţiei de mai jos în
punctul indicat: f:R3→R, f(x,y,z)=exysin yz în punctul (1,π,1).
∞
1
II. Să se studieze convergenţa seriei: ∑ .
n =1 1+ n3
III. Să se determine mulţimea de convergenţă a seriei de puteri:
∞
n+ n n
∑n
n =1
2
+n
x .
Răspunsuri şi comentarii la întrebările din testul de

autoevaluare
∂ 2f ∂ 2f
I. (1,π,1)=0 – 1 punct; (1,π,1)=-π e π – 1 punct;
∂x 2 ∂x∂y
∂ 2f ∂ 2f
(1,π,1)=-π2 e π – 1 punct; (1,π,1)=-2 e π – 1 punct;
∂x ∂z ∂y 2
∂ 2f ∂ 2f
(1,π,1)=-(π+1) e π – 1 punct; 2 (1,π,1)=0 – 1 punct.
∂y∂z ∂z
II. Seria este convergentă – 2 puncte.
III. Domeniul de convergenţă este: D=[-1,1) - 2 puncte.
Atanasiu Gh., Munteanu Gh., Postolache M. (1994), Algebră liniară, geometrie
analitică, diferenţială, ecuaţii diferenţiale, Bucureşti, Editura All
Ioan C. A. (2004), Matematici aplicate în economie, Bucureşti, E.D.P.
Ioan C. A. (2006), Matematică – I, Galaţi, Ed. Sinteze
Ion D.I., Niţă C., Radu N., Popescu D. (1981), Probleme de algebră, Bucureşti,
E.D.P.

3. ECUAȚII DIFERENȚIALE
Ecuații diferențiale – introducere

Tipuri principale de ecuații diferențiale de ordinul 1
Ecuații diferențiale de ordin superior
Ecuații diferențiale liniare de ordinul n
Obiectivele unităţii de
Rezumat
autoevaluare
• să aplici corect noile concepte;

• să rezolvi principalele tipuri de ecuații diferențiale și sistemele de
ecuații diferențiale de ordinul 1;
• să reduci ecuațiile diferențiale de ordin superior la ordine
inferioare.

Cătălin Angelo Ioan Ecuații Diferențiale
3.1. Ecuații diferențiale – introducere
Definiţii
Fie o funcţie continuă F:D⊂Rn+2→R, n≥1. Se numeşte ecuaţie diferenţială
problema determinării unei funcţii y:I⊂R→R, I-interval, y∈Cn(I) astfel încât
(x,y(x),y'(x),...,y(n)(x))∈D ∀x∈I şi F(x,y(x),y'(x),...,y(n)(x))=0 ∀x∈I. Numărul
“n” se numeşte ordinul ecuaţiei diferenţiale. Funcţia y se numeşte soluţie a
ecuaţiei diferenţiale iar graficul acesteia se numeşte curbă integrală a
ecuaţiei diferenţiale. Procesul de determinare a curbelor integrale se numeşte
integrarea ecuaţiei diferenţiale.
Observaţie
Vom nota în general o ecuaţie diferenţială sub forma: F(x,y,y',...,y(n))=0
presupunând implicit că funcţia necunoscută y este de clasă C n pe domeniul ei
de definiţie.
Observaţie
Din teoria generală a curbelor rezultă că o curbă integrală se poate reprezenta
fie în formă explicită y=y(x), x∈I, fie în formă implicită G(x,y)=0, fie
parametric x=x(t), y=y(t), t∈J⊂R.
Definiţie
O ecuaţie diferenţială F(x,y,y',...,y(n))=0 se spune că are forma normală dacă
ea se poate rezolva în raport cu y(n) deci dacă există o funcţie continuă f astfel
încât y(n)=f(x,y,y',...,y(n-1)).
Definiţie
O soluţie a unei ecuaţii diferenţiale de ordinul n ce depinde de n constante
arbitrare se numeşte soluţia generală a ecuaţiei diferenţiale. Orice soluţie ce
se obţine din particularizarea constantelor se numeşte soluţie particulară a
ecuaţiei diferenţiale. O soluţie a unei ecuaţii care nu se obţine din soluţia
generală se numeşte soluţie singulară a ecuaţiei diferenţiale.
Observaţie
Considerând o familie de funcţii de clasă Cn ce depinde de n constante arbitrare
y=f(x,C1,...,Cn) prin derivare succesivă obţinem y(k)=f(k)(x,C1,..., Cn), k=1,...,n.
Prin eliminarea constantelor, se obţine o ecuaţie diferenţială de ordinul n:
F(x,y,y',...,y(n))=0 a cărei soluţie generală este familia dată. De asemenea,
trebuie menţionat că orice combinaţie de constante arbitrare, se poate înlocui
cu o altă constantă dacă acestea nu mai apar şi în alte combinaţii din cadrul
soluţiei.
Vom proceda la astfel de redenumiri fără a mai avertiza cititorul de fiecare
dată.

Problema Cauchy a unei ecuaţii diferenţiale de ordinul n

Problema Cauchy a unei ecuaţii diferenţiale de ordinul n este următoarea:
Să se determine soluţia ecuaţiei diferenţiale y(n)=f(x,y,y',...,y(n-1)) astfel încât:
y(x0)=y0, y'(x0)=y01,...,y(n-1)(x0)=y0n-1 unde: x0,y0,y01,...,y0n-1∈R, date.
Condiţiile de mai sus se numesc condiţii iniţiale ale ecuaţiei diferenţiale.
Vom studia în cele ce urmează ecuaţii diferenţiale de ordinul I:
y'=f(x,y).
Teoremă (Peano)
Fie ecuaţia diferenţială de ordinul I: y'=f(x,y). Dacă:
1) f este continuă pe J=[x0-a,x0+a]×[y0-b,y0+b], a,b>0;
2) f este lipschitziană pe J în raport cu y adică ∃L>0 astfel încât f(x,y1)-
f(x,y2)≤ Ly1-y2 ∀(x,y1),(x,y2)∈J
atunci problema Cauchy y(x0)=y0 are soluţie unică ϕ:[x0-h,x0+h]→R unde
 b
h=min a ,  iar M∈R astfel încât f(x,y)≤M ∀(x,y)∈J.
 M
Observaţie
Condiţia ca f să fie lipschiziană este destul de dificil de verificat. Dacă însă f
∂f
este derivabilă parţial în raport cu y şi este continuă pe J rezultă că f este
∂y
lipschitziană în raport cu y.
Observaţie
Metoda aproximaţiilor succesive din demonstraţia teoremei lui Peano permite
determinarea aproximativă a soluţiei atunci când nu avem la dispoziţie metode
“exacte” de determinare a ei. Nu vom face demonstraţia în detaliu, aceasta
necesitând cunoştinţe suplimentare de analiză matematică, urmărind doar ideea
acesteia. Se construieşte astfel un şir de aproximaţii succesive ale soluţiei
x
yk(x)=y0+ ∫ f ( x, y k −1 ( x ))dx ,k≥1, iar y0(x)=y0, x∈[x0-h,x0+h] care se
x0
demonstrează că este uniform convergent la soluţia ecuaţiei diferenţiale ce

satisface problema Cauchy. Funcţia yk se numeşte aproximaţia de ordin k a
soluţiei problemei Cauchy.
Observaţie
Dacă rezolvarea unei ecuaţii se face prin integrări succesive se spune că
aceasta este o ecuaţie rezolvabilă prin cuadraturi.

3.2. Tipuri principale de ecuații diferențiale de ordinul 1
I. Ecuaţii cu variabile separabile

O ecuaţie se numeşte ecuaţie cu variabile separabile dacă este de forma:
y'=f(x)g(y)
unde f:(a,b)⊂R→R şi g:(c,d)⊂R→R sunt continue, neidentic nule. Vom
presupune că g(y)≠0 ∀y∈(c,d). Pentru rezolvarea ecuaţiei o vom scrie sub
dy dy 1
forma: =f(x)g(y). Avem deci =f(x)dx. Funcţiile f şi fiind continue
dx g ( y) g
1
admit primitive. Fie deci F şi G primitive ale funcţiilor f respectiv .
g
Integrând în ambii membri ai ecuaţiei obţinem: G(y)+C1=F(x)+C2 cu C1,C2∈R
constante arbitrare. Notând C2-C1=C obţinem G(y)=F(x)+C-curba integrală sub
formă implicită a ecuaţiei. Dacă ∃y0∈(c,d) astfel încât g(y0)=0 atunci ecuaţia
devine y'=0 de unde y=y0 este o soluţie a ecuaţiei. Dacă aceasta ar fi o soluţie
particulară atunci ar rezulta că ∃C∈R astfel încât G(y0)-C=F(x) ceea ce este o
contradicţie cu faptul că x fiind variabil implică F=constantă. Dar în acest caz
f=F'=0 ceea ce contrazice ipoteza iniţială. Prin urmare, soluţia y=y0 este soluţie
singulară a ecuaţiei.
II. Ecuaţii omogene şi reductibile la ecuaţii omogene

Pentru început să ne reamintim definiţia funcţiei omogene: O funcţie
f:D⊂R2→R se numeşte omogenă de grad r∈R dacă f(tx.ty)=trf(x,y) ∀(x,y)∈D
y
∀t∈R astfel încât (tx,ty)∈D. O funcţie de forma (x,y)→f( ), x≠0, este evident
x
omogenă de grad 0.
Se numeşte ecuaţie omogenă o ecuaţie de forma:
y
y'=f( )
x
unde x≠0 iar f este continuă. Rezolvarea acestui tip de ecuaţie se face cu
y
substituţia u= . Avem deci y=ux de unde cum u=u(x) avem y’=u’x+u.
x
1
Înlocuind în ecuaţie, obţinem: u'=(f(u)-u) care este o ecuaţie cu variabile
x
du dx
separabile. Dacă acum f(u)≠u avem = . Fie F(u) o primitivă
f (u ) − u x
y
oarecare. Avem deci F(u)=lnx+C. Revenind la substituţia făcută avem F(
x
)=lnx+C-soluţia generală a ecuaţiei omogene. Dacă există u0 astfel încât
f(u0)=u0 ecuaţia devine u'=0 deci u=u0 de unde: y=xu0. Înlocuind în soluţia
generală, obţinem: F(u0)=lnx+C de unde rezultă x=constant ceea ce este
evident o contradicţie. Prin urmare, soluţia y=xu0 este singulară.
Să considerăm acum ecuaţii de forma:
 ax + by + c 
y'=f  
 dx + ey + g 
unde a,b,c,d,e,g∈R, f-continuă. Fie sistemul:
ax + by + c = 0

dx + ey + g = 0
a b
Dacă ≠0 atunci sistemul are soluţie unică. Fie aceasta (x0,y0). Vom face
d e
pentru început substituţia x=u+x0, y=v+y0 unde v=y-y0= y(x)-y0=y(u+x0)-y0
este funcţie de u. Avem dx=du şi dy=dv deci ecuaţia devine:
dv dy  ax + by + c   a ( x − x 0 ) + b( y − y 0 ) 
= =f =f =
du dx  dx + ey + g   d ( x − x 0 ) + e( y − y 0 ) 
 v
a + b 
 au + bv   u
f =f
 du + ev   v
d+e 
 u
v
Ecuaţia a devenit omogenă în u şi v. Cu noua schimbare de variabilă z=
u
 a + bz 
avem v=zu de unde după înlocuire: z'u+z=g(z) unde g(z)= f  .
 d + ez 
1
Procedând ca în cazul anterior avem z'=(g(z)-z) . Dacă g(z)≠z ecuaţia devine
u
dz du dz
= , u≠0. Fie F(z)= ∫ . Obţinem deci F(z)=lnu+C.
g( z) − z u g ( z) − z
 y − y0 
Revenind la substituţiile făcute avem soluţia generală sub forma: F 
 x − x0 
=lnx-x0+C. Dacă ∃z0 astfel încât g(z0)=z0 ecuaţia are soluţia z=z0 şi
revenind la substituţii rezultă: y-y0=(x-x0)u0-soluţie singulară a ecuaţiei date.
a b
Dacă =0 atunci ∃λ∈R astfel încât a=dλ, b=eλ. Ecuaţia iniţială devine:
d e
 λ (dx + ey) + c 
y'= f   . Facem schimbarea de variabilă z=dx+ey de unde
 (dx + ey) + g 
z '−d  λz + c 
z'=d+ey'. Dacă e≠0 ecuaţia devine: = f   care este o ecuaţie cu
e  z+g 

 λdx + c 
variabile separabile. Dacă e=0 ecuaţia devine y'= f   care este din nou
 dx + g 
o ecuaţie cu variabile separabile.
III. Ecuaţii liniare

O ecuaţie se numeşte ecuaţie liniară dacă este de forma:
y'=f(x)y+g(x)
unde f,g:(a,b)⊂R→R sunt continue. Dacă g=0 ecuaţia liniară se numeşte
ecuaţie liniară omogenă (din punct de vedere al ecuaţiei şi nu al funcţiilor).
Dacă g≠0 vom mai spune că ecuaţia este neomogenă.
O ecuaţie liniară omogenă y'=f(x)y este cu variabile separabile şi deci avem:
dy
=f(x)dx. Considerând o primitivă F(x)= ∫ f ( x )dx a lui f obţinem prin
y
integrare în ambele părţi: lny=F(x)+C1 de unde y=CeF(x) unde C= eC >0. 1
Renunţând la condiţia de pozitivitate a lui C obţinem soluţia generală a ecuaţiei

liniare omogene: y=CeF(x). În cazul problemei Cauchy y(x0)=y0 avem y=y0
x
∫ f ( t ) dt
e x0 .
Rezolvarea ecuaţiei neomogene constă în două etape. Se formează mai întâi
ecuaţia liniară omogenă asociată ecuaţiei date: y'=f(x)y de unde y=CeF(x). În
continuare se aplică metoda variaţiei constantelor care constă în considerarea
lui C ca funcţie necunoscută de x şi impunerea ca funcţia y=C(x)eF(x) să fie
soluţie a ecuaţiei liniare. Avem deci
F(x) F(x) F(x)
C'(x)e +C(x)F'(x)e =f(x)C(x)e +g(x). Dar F'(x)=f(x) deci după
simplificare obţinem: C'(x)eF(x)=g(x) sau altfel C'(x)=g(x)e-F(x). Integrând,
obţinem: C(x)= ∫ g ( x )e _ F ( x ) dx +C deci soluţia generală este: y=eF(x) ∫ g(x)e-
F(x)
dx+CeF(x).
IV. Ecuaţii Bernoulli

O ecuaţie se numeşte ecuaţie Bernoulli dacă este de forma:
y'=f(x)y+g(x)yp
unde f,g:(a,b)⊂R→R sunt continue şi neidentic nule iar p∈R. Dacă p=0
ecuaţia este liniară neomogenă iar dacă p=1 ecuaţia devine y'=(f(x)+g(x))y care
este liniară omogenă. Aceste tipuri de ecuaţii fiind deja studiate, vom considera
p∈R-{0,1}.
Rezolvarea ecuaţiei constă mai întâi în împărţirea acesteia la yp, y≠0. Avem
y'
deci: p = f ( x ) y1− p + g( x ) . Cu schimbarea de variabilă u=y1-p avem u=u(x)⇒
y

y' u'
u’=(1-p)y-py’⇒ = . Ecuaţia devine: u'=(1-p)f(x)u+(1-p)g(x) care fiind
y p
1− p
o ecuaţie liniară se tratează ca la C. Dacă y=0 atunci se observă că pentru p>0
se mai obţine o soluţie a problemei.
V. Ecuaţii Riccati
O ecuaţie se numeşte ecuaţie Riccati dacă este de forma:
y'=f(x)y2+g(x)y+h(x)
unde f,g,h:(a,b)⊂R→R sunt continue. Vom presupune că f nu este identic nulă
pe (a,b) în caz contrar ecuaţia y'=g(x)y+h(x) fiind liniară şi tratându-se ca la
punctul C şi de asemenea h nu este identic nulă pe (a,b), ecuaţia devenind în
acest caz de tip Bernoulli, tratându-se ca la punctul D.
Spre deosebire de tipurile anterioare, ecuaţiile Riccati nu sunt integrabile prin
cuadraturi. Ecuaţiile Riccati se pot rezolva însă în condiţii suplimentare. Dacă
prin alte metode se obţine o soluţie particulară y1 a ecuaţiei, aceasta devine
integrabilă. Fie deci y1'=f(x)y12+g(x)y1+h(x) şi substituţia u=y-y1 deci y=u+y1.
Avem deci:
(u+y1)'=f(x)(u+y1)2+g(x)(u+y1)+h(x) de unde u'+y1'=f(x)u2+2f(x)y1u+f(x)y12+
g(x)u+g(x)y1+h(x). Ţinând seama de faptul că y1 este soluţie a ecuaţiei rezultă
u'=f(x)u2+(2f(x)y1+g(x))u care este de tip Bernoulli. Aceasta prin substituţia
z=u-1 se reduce la o ecuaţie liniară. Prin urmare, efectuând într-o ecuaţie
1
Riccati substituţia y=y1+ se obţine o ecuaţie liniară în z care în urma
z
rezolvării şi revenirea la substituţii ne furnizează soluţia generală a ecuaţiei
date.
Dacă într-o ecuaţie Riccati sunt cunoscute două soluţii diferite y1 şi y2 atunci
y − y1 uy − y1
prin substituţia: u = ⇔y= 2 se obţine:
y − y2 u −1
(y1-y2)u'=[y1'+y2'-2f(x)y1y2-g(x)(y1+y2)-2h(x)]u
care este o ecuaţie cu variabile separabile.
Dacă într-o ecuaţie Riccati sunt cunoscute trei soluţii diferite y1, y2 şi y3 atunci
ecuaţia este complet rezolvată în virtutea faptului că pentru patru soluţii
y − y1 y − y1
y1,y2,y3,y biraportul 3 : este constant.
y3 − y 2 y − y 2
VI. Ecuaţii Lagrange

O ecuaţie se numeşte ecuaţie Lagrange dacă este de forma:
y=xf(y')+g(y')

unde f,g:(a,b)⊂R→R sunt de clasă C1 pe (a,b).

Rezolvarea acestei ecuaţii începe prin substituţia y'=p (p fiind evident funcţie
de x). Ecuaţia devine deci y=xf(p)+g(p). Derivând în raport cu x obţinem:
dp dp dp
p=f(p)+ xf'(p) +g'(p) de unde: [xf'(p)+g'(p)]=p-f(p). Dacă f(p)≠p
dx dx dx
atunci considerând x=x(p) şi p ca variabilă independentă rezultă:
dx f ' ( p) g ' ( p)
= x+
dp p − f (p) p − f (p)
care este o ecuaţie liniară în x. Să notăm soluţia acestei ecuaţii x=x(p,c), c∈R.
Înlocuind în expresia lui y rezultă y=x(p,c)f(p)+g(p) şi deci am obţinut
dp
ecuaţiile parametrice ale soluţiei. Dacă ∃p0 astfel încât f(p0)=p0 avem =0 de
dx
unde p=p0 şi înlocuind în expresia lui y obţinem y=p0x+g(p0)-soluţia singulară
a ecuaţiei.
VII. Ecuaţii Clairaut

O ecuaţie se numeşte ecuaţie Clairaut dacă este de forma:
y=xy'+g(y')
unde g:(a,b)⊂R→R este de clasă C1 pe (a,b). Ecuaţia Clairaut se obţine din
ecuaţia Lagrange pentru f=1(a,b).
dp
Urmând aceleaşi etape ca la ecuaţia Lagrange obţinem: [x+g'(p)]=0. Avem
dx
deci p=C-constantă de unde y=Cx+g(C) este soluţia generală a ecuaţiei şi x=-
g'(p) de unde y=-pg'(p)+g(p) care constituie soluţia singulară a acesteia.
Exemplu:
Să se rezolve ecuaţia liniară: xy'+2y=x4.
2
Soluţie Ecuaţia se mai poate scrie sub forma: y’=- y+x3. Ecuaţia omogenă
x
2 dy 2dx C
ataşată este y’=- y de unde =− ⇒ y = 2 . Aplicăm metoda variaţiei
x y x x
C(x)
constantelor şi considerăm y= . Introducând în ecuaţie, avem:
x2
'
 C(x)  2 C(x) 5 x6
= − + ∫ =
3 5
 2  x de unde C’(x)= x deci C(x)= x dx +C iar
 x  x x2 6
x4 C
soluţia generală este: y= + .
6 x2

Sarcina de lucru 1
Să se rezolve ecuaţia Bernoulli: xy'= -y-x5y3ex.
3.3. Ecuații diferențiale de ordin superior

Vom studia în această secţiune câteva aspecte privind ecuaţiile diferenţiale de
ordin mai mare decât 1. Fie deci ecuaţia diferenţială:
y(n)=f(x,y,y',...,y(n-1)), n≥1
unde f este o funcţie continuă. Am văzut în paragraful precedent problema
Cauchy asociată unei astfel de ecuaţii. Avem de asemenea:
Teoremă (Peano)
Fie ecuaţia diferenţială de ordinul n: y(n)=f(x,y,y',...,y(n-1)). Dacă:
1) f este continuă pe J=[x0-a,x0+a]×[y0-b0,y0+b0]×...×[y0n-1-bn-1,y0n-1+bn-1],
a,bi>0, i=0,...,n-1;
2) f este lipschitziană pe J în raport cu y,y',...,y(n-1)
atunci problema Cauchy are soluţie unică ϕ:[x0-h,x0+h]→R, h>0 astfel încât
ϕ(x0)=y0, ϕ'(x0)=y01,..., ϕ(n-1)(x0)=y0n-1.
Observaţie
Condiţia ca f să fie lipschiziană este destul de dificil de verificat. Dacă însă f
∂f
este derivabilă parţial în raport cu y(k) şi , k=0,...,n-1 este continuă pe J
∂y ( k )
rezultă că f este lipschitziană în raport cu y(k).
Vom studia acum câteva tipuri de ecuaţii diferenţiale de ordin superior care
prin substituţii convenabile fie se pot rezolva prin cuadraturi, fie li se reduce
ordinul, facilitând uneori rezolvarea acestora.

I. Ecuaţii de forma y(n)=f(x)

Dacă f este continuă pe (a,b)⊂R integrăm succesiv şi obţinem:
x x x
y(n-1)= ∫ f ( x )dx +Cn-1, y(n-2)= ∫ dx ∫ f ( x )dx +Cn-1(x-x0)+Cn-2 şi în final:
x0 x0 x0
x x x n −1
(x − x 0 )k
y= ∫ dx ∫ dx... ∫ f ( x )dx + ∑ Ck
x0 x0 x0 k =0 k!
Soluţia y astfel obţinută satisface problema Cauchy: y(x0)=C0,..., y(n-1)(x0)=

Cn-1.
II. Ecuaţii de forma F(x,y(k),...,y(n))=0, k>1

Cu schimbarea de variabilă u=y(k) obţinem ecuaţia F(x,u,u',...,u(n-k))=0. Dacă
obţinem o soluţie u=u(x,C1,...,Cn-k) a acesteia revenind la substituţie avem
y(k)=u(x,C1,...,Cn-k) care se integrează ca la A.
III. Ecuaţii de forma F(x,y(n))=0

Cu schimbarea de variabilă u=y(n) obţinem ecuaţia F(x,u)=0.
Dacă ecuaţia se poate rezolva, fie u=f(x). Revenind la substituţie avem
y(n)=f(x) deci ecuaţia este de tip A.
Dacă se poate determina o parametrizare pentru F(u,v)=0, u=u(t), v=v(t) atunci
x=u(t), y(n)=v(t). Dar dy(n-1)=y(n)dx=v(t)u'(t)dt. Integrând, rezultă y(n-1)=
∫ v( t )u ' ( t )dt +C1. Continuând în acelaşi mod rezultă în final y=y(t,C1,...,Cn) şi
împreună cu x=x(t) rezultă soluţia parametrică a ecuaţiei.
IV. Ecuaţii de forma F(y(k),y(n))=0, k=n-2, n-1

Să presupunem că F(u,v)=0 admite o reprezentare parametrică u=u(t), v=v(t).
Atunci y(k)=u(t), y(n)=v(t). Avem două cazuri:
• k=n-1 Avem dy(n-1)=y(n)dx=v(t)dx. Dar y(n-1)=u(t) de unde u'(t)dt=v(t)dx şi
u ' ( t )dt
din ecuaţia cu variabile separabile obţinută rezultă x= ∫ şi y(n-
v( t )
1)
=u(t). Integrând succesiv în a doua relaţie se obţine soluţia sub formă
parametrică.
• k=n-2 Avem dy(n-1)=y(n)dx şi dy(n-2)=y(n-1)dx. Înmulţind cele două egalităţi
rezultă: y(n-1)dy(n-1)=y(n)dy(n-2)=v(t)u'(t)dt. Prin urmare (y(n-1))2=2
(n-1) (n-2)
∫ v( t )u ' ( t )dt +C. Cu y astfel obţinut şi cu y =u(t) obţinem cazul
anterior.

V. Ecuaţii de forma F(y,y',...,y(n))=0

dy
Facem substituţia y'=p unde p=p(y). Avem deci =p de unde:
dx
dp dp dy dp dy" d(pp' ) d(pp' ) dy
y" = = = p = pp' , y' ' ' = = = =p[(p’)2+pp”]
dx dy dx dy dx dx dy dx
etc. Obţinem deci în final F(y,p,p',...,p(n-1))=0-ecuaţie diferenţială de ordinul n-
dy
1. Considerând o soluţie a acesteia p=p(y,C1,...,Cn-1) avem =p(y,C1,...,Cn-1)-
dx
ecuaţie diferenţială de ordinul I.
VI. Ecuaţii de forma F(x,y,y',...,y(n))=0 omogene în y,y',...,y(n)

Dacă gradul de omogenitate este q facem substituţia y'=yz. Avem deci
y”=y'z+yz'=yz2+yz'=y(z2+z') şi continuând analog obţinem y(k)=
fk(z,z',...,z(k-1))y, k=1,...,n. Înlocuind în ecuaţie obţinem yqG(x,z,z',...,z(n-1))=0 de
unde avem soluţia singulară y=0 şi G(x,z,z',...,z(n-1))=0-ecuaţie diferenţială de
ordinul n-1.
Exemplu:
Să se rezolve ecuaţia: yy”=(y')2.
Soluţie Fie y'=p(y). Avem y”=pp' de unde p(p'y-p)=0⇒p=0 deci y'=0⇒y=C1
şi p'y=p de unde p=Cy. Revenind la substituţie, obţinem y'=Cy de unde
y=DeCx. Soluţia y=C1 se obţine din aceasta pentru C=0, D=C1. Soluţia
generală este deci: y=DeCx, C,D∈R.
Sarcina de lucru 2
Să se rezolve ecuaţia: (1+x2)y”+(y')2+1=0.
3.4. Ecuații diferențiale liniare de ordinul n

Definiţie
Se numeşte ecuaţie diferenţială liniară de ordinul n o ecuaţie de forma:
bn(x)y(n)+bn-1(x)y(n-1)+...+b1(x)y'+b0(x)y=g(x)
unde bi,g:(a,b)→R, i=0,...,n sunt funcţii continue iar bn nu se anulează pe (a,b).

O ecuaţie în care g=0 se numeşte ecuaţie diferenţială liniară şi omogenă de

ordinul n.
Observaţie
bi ( x )
Deoarece bn≠0 considerând funcţiile ai,f:(a,b)→R, a i (x) = ,
bn (x)
g(x )
f (x) = ,i=0,..., n-1 rezultă că o ecuaţie diferenţială liniară de ordinul n se
b n (x )
poate scrie sub forma:
y(n)+an-1(x)y(n-1)+...+a1(x)y'+a0(x)y=f(x)
Observaţie
Introducând operatorul diferenţial:
dn d n −1 d
L= n
+ a n −1 ( x ) n −1
+ ... + a1 ( x ) + a 0 (x )
dx dx dx
rezultă că o ecuaţie diferenţială liniară de ordinul n se poate scrie şi sub forma
L(y)=f(x) iar cea omogenă sub forma L(y)=0.
Propoziţie
Operatorul diferenţial L este liniar pe spaţiul vectorial al funcţiilor de clasă C n.
Propoziţie
Mulţimea soluţiilor unei ecuaţii diferenţiale liniare şi omogene de ordinul n
este un spaţiu vectorial real.
Observaţie
Din propoziţie, rezultă în particular că dacă y1,...,yk sunt soluţii ale unei ecuaţii
omogene rezultă că y=C1y1+...+Ckyk este de asemenea soluţie ∀C1,...,Ck∈R.
Observaţie
Putem extinde definiţia operatorului diferenţial L la funcţii complexe, astfel:
L(g+ih)=L(g)+iL(h) ∀g,h funcţii reale de clasă Cn iar i2=-1 este unitatea
imaginară. Rezultă de aici că dacă ecuaţia omogenă L(y)=0 are soluţia
complexă g+ih atunci g şi h sunt de asemenea soluţii ale acesteia.
Propoziţie
Fie ecuaţia diferenţială liniară de ordinul n: L(y)=f(x). Dacă y1 este soluţie a
ecuaţiei L(y1)=f(x) atunci soluţia generală a ei este de forma y=z+y1 unde z
este soluţia generală a ecuaţiei omogene ataşate L(y)=0.
Observaţie
Din propoziţie, rezultă că pentru determinarea soluţiei generale a unei ecuaţii
liniare trebuie studiate două aspecte: determinarea soluţiei generale a ecuaţiei
omogene ataşate şi determinarea unei soluţii particulare a ecuaţiei date.

Definiţie
Fiind date funcţiile yi:(a,b)→R, i=1,...,n,yi∈Cn-1((a,b)) se numeşte matrice
wronskiană matricea:
 y1 ( x ) y 2 (x ) L y n (x ) 
 
 y ' (x) y 2 ' (x) L y n ' (x) 
W(x)=  1
L L L L 
 ( n −1) 
y (x ) y 2
( n −1)
(x ) L yn
( n −1)
( x ) 
 1
şi wronskian w(x)=det W(x).
Teoremă (Abel-Liouville)
Fie y1,...,yn soluţii ale ecuaţiei diferenţiale liniare şi omogene de ordinul n:
y(n)+an-1(x)y(n-1)+...+a1(x)y'+a0(x)y=0, x∈(a,b)
Atunci ∀x0,x∈(a,b) are loc formula:
x
− ∫ a n −1 ( x ) dx
w(x)=w(x0) e x0
Corolar
w(x)=0 ∀x∈(a,b)⇔∃x0∈(a,b) astfel încât w(x0)=0.
Observaţie
Din corolar, rezultă, de asemenea, că dacă ∃x0∈(a,b) astfel încât
w(x0)≠0⇒w(x)≠0 ∀x∈(a,b). Într-adevăr, dacă ∃x1∈(a,b) astfel încât
w(x1)=0⇒ w(x)=0 ∀x∈(a,b) de unde se intră în contradicţie cu existenţa lui
x0∈(a,b).
Teoremă
Fie y1,...,yn soluţii ale ecuaţiei diferenţiale liniare şi omogene de ordinul n:
y(n)+an-1(x)y(n-1)+...+a1(x)y'+a0(x)y=0, x∈(a,b)
Atunci y1,...,yn sunt liniar independente dacă şi numai dacă w(x)≠0 ∀x∈(a,b).
Definiţie
Numim sistem fundamental de soluţii ale ecuaţiei diferenţiale omogene:
y(n)+an-1(x)y(n-1)+...+a1(x)y'+a0(x)y=0,x∈(a,b)
n soluţii liniar independente: y1,...,yn.
Problema determinării unui sistem fundamental de soluţii este în general o
problemă dificilă. Dacă ecuaţia are coeficienţi neconstanţi atunci se încearcă
mai întâi determinarea unor soluţii particulare. Dacă u este o soluţie a ecuaţiei
L(y)=0 prin substituţia y=u ∫ z ( x )dx ordinul acesteia se reduce cu o unitate. Pe
de altă parte, o soluţie particulară a ecuaţiei se mai poate determina astfel: dacă
f(x)=f1(x)+...+fp(x), x∈(a,b), p≥2 atunci considerând o soluţie particulară ui a

ecuaţiei L(y)=fi(x), i=1,...,p rezultă că u=u1+...up este soluţie a ecuaţiei

L(y)=f(x) deoarece L(u1+...+up)=L(u1)+...+L(up)= f1(x)+...+fp(x)=f(x).
Oricum, pentru rezolvarea completă a unei ecuaţii diferenţiale liniare de
ordinul n este nevoie de determinarea unui sistem fundamental de soluţii ale
ecuaţiei omogene ataşate {y1,...,yn}. Dacă am reuşit determinarea unui astfel de
sistem, atunci pentru determinarea soluţiei generale a ecuaţiei putem aplica
metoda variaţiei constantelor a lui Lagrange. Aceasta constă în scrierea
soluţiei sub forma y=C1(x)y1(x)+...+Cn(x)yn(x) unde funcţiilor Ci li se impun
condiţiile:
n
∑ C ' (x) y
i =1
i
( p)
i ( x ) = 0 , p=0,...,n-2.
Derivând de n-1 ori pe y obţinem din condiţiile de mai sus:

n
y(p)= ∑ Ci ( x ) yi( p ) ( x ) , p=1,...,n-1
i =1
n n
y(n)= ∑ Ci ( x ) y (i n ) ( x ) + ∑ Ci ' ( x ) y i( n −1) ( x )
i =1 i =1
Înlocuind în ecuaţia L(y)=f(x) obţinem:

n n
∑ C ( x ) L( y ) + ∑ C ' ( x ) y
i =1
i i
i =1
i
( n −1)
i (x ) = f (x )
Dar L(yi)=0, i=1,...,n şi deci condiţiile impuse funcţiilor Ci se scriu:
 C1 ' ( x )   0 
   
 C2 ' (x)   0 
W(x)  L  =  L 
   
 C n ' ( x )   f ( x ) 
   
Sistemul astfel obţinut are determinantul nenul şi deci are soluţie unică. Fie
deci Ci'(x)=zi(x). Obţinem, după integrare: Ci(x)= ∫ z i ( x )dx + ki, ki∈R, i=1,...,n.
Prin urmare, soluţia generală este:
[ ]
n
y= ∑ ∫ z i ( x )dx + k i yi ( x )
i =1
Vom discuta în cele ce urmează ecuaţii diferenţiale liniare de ordinul n cu

coeficienţi constanţi. Vom nota deci ai∈R, i=0,...,n-1 coeficienţii ecuaţiei şi
avem:
y(n)+an-1y(n-1)+...+a1y'+a0y=f(x), x∈(a,b)
Este evident că toată discuţia generală de până acum este aplicabilă şi acestor
ecuaţii.

Vom determina în cele ce urmează un sistem fundamental de soluţii. Pentru

aceasta, vom căuta soluţii de forma: y=erx, r∈C. Înlocuind în ecuaţie, obţinem:
L(erx)=erx(rn+an-1rn-1+...+a1r+a0)=0
Cum erx>0 rezultă P(r)=0 unde P(r)=rn+an-1rn-1+...+a1r+a0 este polinomul
caracteristic al ecuaţiei diferenţiale. Ecuaţia
rn+an-1rn-1+...+a1r+a0=0
se numeşte ecuaţia caracteristică a ecuaţiei diferenţiale. Prin urmare, dacă r
este o rădăcină a ecuaţiei caracteristice atunci y=erx este o soluţie a ecuaţiei
diferenţiale omogene. Dacă r∉R atunci r=Re(r)+i⋅Im(r) (Re(r)-partea reală a
lui r iar Im(r)-partea imaginară a lui r) şi conform formulei lui Euler:
ea+ib=ea(cos b+i sin b) ∀a,b∈R avem din observaţia 4 că y=eRe(r)xcos Im(r)x şi
y=eRe(r)xsin Im(r)x sunt soluţii ale ecuaţiei diferenţiale omogene.
Lemă
1) Fie r1,...,rk∈C - k numere complexe diferite şi P1,...,Pk∈R[X]. Atunci
funcţiile:
P1er1x ,..., Pk erk x

sunt liniar independente.
2) Fie r∈R şi P1,...,Pk∈R[X] de grade diferite. Atunci funcţiile:
P1e rx ,..., Pk e rx
3) Fie α,β∈R şi P1,...,Pk∈R[X] de grade diferite, Q1,...,Qs∈R[X] de grade
diferite. Atunci funcţiile:
P1e αx cos β x,..., Pk e αx cos β x, Q1e αx sin β x,..., Q s e αx sin β x

Propoziţie
Fie ecuaţia diferenţială liniară şi omogenă de ordinul n: L(y)=0 şi P
polinomul caracteristic al ecuaţiei. Atunci pentru orice funcţie f de clasă Cn
avem:
P' ( r ) P (n ) (r ) ( n )
L(erxf(x))=erx[P(r)f(x)+ f ' ( x ) + ... + f (x ) ]
1! n!
Dacă r este o rădăcină multiplă de ordin k≥0 a ecuaţiei caracteristice avem
P(r)=P'(r)=...=P(k-1)(r)=0 de unde conform propoziţiei 18, avem:
P ( k ) (r ) ( k ) P ( n ) (r ) ( n )
L(erxf(x))=erx[ f ( x ) + ... + f (x) ]
k! n!
Considerând acum f(x)=1, x, x2,...,xk-1 se obţine că L(xterx)=0, t=0,...,k-1. Prin
urmare, avem soluţiile:

erx,xerx,...,xk-1erx
Din lemă, rezultă că funcţiile sunt liniar independente.
Dacă r=α+iβ∉R este o rădăcină multiplă de ordin k≥0 atunci din faptul
că e f(x)=f(x)eαxcosβx+i⋅f(x)eαxsinβx rezultă conform observaţiei 7 soluţiile:
rx
eαxcos βx, xeαxcos βx,...,xk-1eαxcos βx,

eαxsin βx, xeαxsin βx,...,xk-1eαxsin βx
Din lemă, rezultă că funcţiile sunt liniar independente.
Putem concluziona toate acestea în următoarea:
Teoremă
Fie ecuaţia diferenţială liniară şi omogenă de ordinul n:
y(n)+an-1y(n-1)+...+a1y'+a0y=0
Dacă ecuaţia caracteristică are rădăcinile reale ri multiplă de ordin ki, i=1,...,p
şi rădăcinile complexe rj=αj±iβj multiplă de ordin tj, j=1,...,q atunci soluţia
generală a ecuaţiei este:
p q q
y = ∑ Pi ( x )e ri x + ∑ Q j ( x )e cos β j x + ∑ R j ( x )e
α jx α jx
sin β j x
i =1 j =1 j =1
unde Pi,Qj,Rj∈R[X], grad Pi=ki-1, grad Qj=tj-1, grad Rj=tj-1, i=1,...,p, j=1,...,q.
Considerând acum o ecuaţie liniară neomogenă cu coeficienţi constanţi
L(y)=f(x) am văzut că pentru determinarea soluţiei generale mai este necesară
o soluţie particulară a acesteia. În general, se poate aplica metoda variaţiei
constantelor dar în fapt aceasta este destul de laborioasă. În unele cazuri
particulare se poate proceda mai simplu şi anume:
♦ dacă f(x)=P(x) cu P∈R[X], grad(P)=p atunci:
a) dacă a0≠0 ecuaţia are o soluţie particulară un polinom de grad p
care se determină prin identificarea coeficienţilor la înlocuirea
în ecuaţie;
b) dacă a0=a1=...=ak-1=0 ecuaţia are o soluţie particulară de forma
xkQ(x) unde Q este un polinom de grad p care se determină prin
identificarea coeficienţilor la înlocuirea în ecuaţie;
♦ dacă f(x)=etxQ(x) cu Q∈R[X], grad(Q)=p atunci:
a) dacă t nu este rădăcină a ecuaţiei caracteristice avem o soluţie
particulară de forma etxR(x) cu R∈R[X], grad(R)=p;
b) dacă t este o rădăcină de ordin k a ecuaţiei caracteristice avem o
soluţie particulară de forma xketxR(x) cu R∈R[X], grad(R)=p;
♦ dacă f(x)=etxQ(x)cos sx sau f(x)=etxQ(x)sin sx cu Q∈R[X], grad(Q)=p
şi s≠0 atunci:
a) dacă t+is nu este rădăcină a ecuaţiei caracteristice avem o
soluţie de forma etx[R(x)cos sx+S(x)sin sx] cu grad R=grad
S=p;
b) dacă t+is este rădăcină de ordin k a ecuaţiei caracteristice avem

o soluţie de forma xketx[R(x)cos sx+ S(x)sin sx] cu grad R=grad
S=p.
c) Exemplu:
Să se rezolve ecuaţia diferenţială de ordinul n liniară: y”-4y'+4y=x2.
Soluţie Ecuaţia caracteristică este r2-4r+4=0 cu rădăcinile r1=r2=2. Prin
urmare, soluţia ecuaţiei omogene ataşate este: y=(Ax+B)e2x. Vom căuta o
soluţie particulară de forma y1=ax2+bx+c. Înlocuind în ecuaţie avem
1 1 3
4ax2+(4b-8a)x+(4c-4b+2a)=x2 de unde: y1 = x 2 + x + . Soluţia generală
4 2 8
1 1 3
este y=(Ax+B)e2x+ x 2 + x + .
4 2 8
Sarcina de lucru 3
Să se rezolve ecuaţia diferenţială de ordinul n liniară: y”-2y'+y=2x2+3.
Rezumat
În cadrul proceselor economice, de o importanță aparte sunt acele fenomene
ce au caracter dinamic. Acestea pot fi rezolvate, uneori, satisfăcător, cu
ajutorul ecuațiilor diferențiale.
Am văzut mai sus, diverse tehnici și metode de rezolvare a principalelor tipuri
de ecuații de ordinul 1, a celor de ordinul n și a celor liniare.
y
I. Să se rezolve ecuaţia omogenă: xy'-y+x e x =0.

II. Să se rezolve ecuaţia Lagrange: y=(1+y')x+(y')2.

Răspuns şi comentarii la întrebările din testul de autoevaluare

y
−
I. lnx- e x =C, C∈R – 5 puncte
II. x=Ce-p-2p+2 şi y=(1+p)(Ce-p-2p+2)+p2. Pentru răspuns corect, primiți
5 puncte.
E.D.P.

4. PROGRAMARE LINIARĂ
Probleme economice ce conduc la modelul matematic al

programării liniare
Algoritmul simplex primal
Dualitate în programarea liniară
Reoptimizare şi parametrizare în programarea liniară
Rezumat
autoevaluare
• să aplici corect algoritmul simplex;

• să interpretezi corect semnificația variabilelor duale;
• să modelezi rezolvând corespunzător problemele de transport.

Cătălin Angelo Ioan Programare Liniară
4.1. Probleme economice ce conduc la modelul matematic al programării

liniare
Utilizarea optimă a capacităţii maşinilor
Să considerăm o uzină care produce cu ajutorul a m maşini identice n produse
distincte. Maşinile au capacităţi de producţie limitate. Ne punem în mod
natural problema utilizării optime a acestora. Pentru aceasta să notăm cu aij
procentul din capacitatea maşinii i pentru producerea unei unităţi din produsul j
în perioada necesară pentru producerea unei unităţi de produs. De asemenea, să
notăm cu xj numărul unităţilor de produs j fabricate în cursul acestei perioade.
Considerând de asemenea şi cj beneficiile pe unitatea de produs, obţinem că
restricţiile problemei se pun sub forma:
 n
 max ∑ c j x
j
n j =1

∑ a ij x ≤ 1, i = 1, m
j
 j =1
 x j ≥ 0, j = 1, n


Problema regimului alimentar

Fie un număr de n alimente disponibile A1,...,An şi C1,...,Cm componentele
caracteristice ale acestora (vitamine, substanţe minerale, proteine, calorii etc.).
Să notăm cu aij cantitatea de Ci aflată într-o unitate de măsură a lui Aj.
Matricea A=(aij) se numeşte matrice de nutriţie. Dacă vom considera x1,...,xn
cantităţile de alimente corespunzătoare lui A1,...,An, pentru o perioadă de timp
şi pentru un anumit număr de persoane, problema se pune în sensul minimizării
cheltuielilor necesare pentru o alimentaţie optimă. Fie deci b1,...,bm cantităţile
minime de caracteristică Ci pentru o alimentaţie sănătoasă şi c1,...,cn costul pe
unitatea de produs Ai. Problema devine:
 n
 min ∑ c jx j
n j =1

∑ a ij x ≥ b i , i = 1, m
j
 j =1
 x j ≥ 0, j = 1, n


Să considerăm m depozite şi n centre de desfacere. Ne propunem determinarea
unei strategii de transport pentru distribuirea unui produs care se află în
cantitatea ai în depozitul i şi este cerut în cantitatea bj la centrul de desfacere j.
Fie xij cantitatea ce va fi transportată de la depozitul i la centrul j şi cij preţul
transportului unei unităţi de produs de la depozitul i la centrul j (presupus
independent de cantitatea transportată pe ruta respectivă). Vom presupune de
asemenea că toată cantitatea de marfă din depozite va fi expediată şi că toate

cerinţele centrelor vor fi satisfăcute. Pentru aceasta va fi necesar ca
m n
∑ a i = ∑ b j . Cerinţele problemei se scriu sub forma:

i =1 j =1
 m n
 min ∑ ∑ c ij x ij
 n i = 1 j =1

 ∑ x = a i , i = 1, m
ij
 j =1
 m ij
 ∑ x = b j , j = 1, n
 i =1
x ij ≥ 0, i = 1, m, j = 1, n
4.2. Algorimul simplex primal
Din exemplele prezentate mai sus, se poate formula problema generală a

programării liniare. Aceasta este:
 min(max) c1x1 +...+ ck xk + ck+1xk+1 +...+ cpxp + cp+1xp+1 +...+ cn xn


 a11x1 +...+ a1k xk + a1, k+1xk+1 +...+ a1pxp + a1, p+1xp+1 +...+ a1n xn ≥ b1
 ...

 aq1x +...+ aqkx + aq, k+1x +...+ aqpxp + aq, p+1xp+1 +...+ aqnxn ≥ bq
1 k k +1
a x1 +...+ a xk + a k +1
+...+ aq+1, pxp + aq+1, p+1xp+1 +...+ aq+1, n xn = bq+1
q+1, k +1x
 q+1,1 q+1, k
 ...
 ar1x +...+ arkx + ar, k+1x +...+ arpxp + ar, p+1xp+1 +...+ arnxn = br
1 k k +1

 ar +1,1x1 +...+ ar +1, k xk + ar +1, k+1xk+1 +...+ ar +1, pxp + ar +1, p+1xp+1 +...+ ar +1, nxn ≤ br +1

 ...
 am1x +...+ amkx + am, k+1x +...+ ampxp + am, p+1xp+1 +...+ amnxn ≤ bm
1 k k +1

 x1,...,xk ≥0, xk+1,...,xp ≤0, xp+1,..., xn arbitrari
Notând acum:
 c1   c k +1   c p +1 
     
c1=  ...  ∈M1k(R), c2=  ...  ∈M1,p-k(R), c3=  ...  ∈M1,n-p(R),
c   c   c 
 k  p   n 
 x1   x k +1   x p +1 
1   2   3  
x =  ...  ∈Mk1(R), x =  ...  ∈Mp-k,1(R), x =  ...  ∈Mn-p,1(R),
xk   xp   xn 
     
 b1   b q +1   b r +1 
 
b1=  ...  ∈Mq1(R), b2=  ...  ∈Mr-q,1(R), b3=  ...  ∈Mm-r,1(R),
 
b   b  b 
 q  r   m 
Matematică aplicată în Economie

100
 a 11 ... a 1k   a 1, k + 1 ... a 1p 
   
A11=  ... ... ...  ∈Mqk(R), A12 =  ... ... ...  ∈Mq,p-k(R),
a ... a qk  a 
 q1  q , k + 1 ... a qp 
 a 1, p +1 ... a 1n   a q + 1,1 ... a q + 1, k 

   
A13=  ... ... ...  ∈Mq,n-p(R), A21=  ... ... ...  ∈Mr-q,k(R),
a   a 
 q, p +1 ... a qn   r1 ... a rk 
 a q + 1, k + 1 ... a q + 1, p   a q + 1, p + 1 ... a q + 1, n 
   
A22=  ... ... ...  ∈Mr-q,p-k(R),A23=  ... ... ...  ∈Mr-q,n-p(R),
 a   a 
 r , k + 1 ... a rp   r , p + 1 ... a rn 
 a r + 1,1 ... a r + 1, k   a r + 1, k + 1 ... a r + 1, p 

   
A31=  ... ... ...  ∈Mm-r,k(R), A32=  ... ... ...  ∈Mm-r,p-k(R),
 a  a 
 m1 ... a mk   m , k + 1 ... a mp 
 a r + 1, p + 1 ... a r + 1, n 
 
A33=  ... ... ...  ∈Mm-r,n-p(R)
a 
 m , p + 1 ... a mn 
obţinem forma generală a problemei de programare liniară (scrisă

matriceal):
min(max) c1t x 1 + c 2t x 2 + c 3t x 3
 1 2 3
 A11 x + A12 x + A13 x ≥ b1
1 2 3
 A 21 x + A 22 x + A 23 x = b 2
 A x1 + A x 2 + A x 3 ≤ b
 31 32 33 3
 x ≥ 0, x ≤ 0, x arbitrar
1 2 3
inegalităţile matriceale fiind înţelese pe componente, iar cit reprezintă

transpunerea vectorului coloană ci, i=1,2,3. Funcţia c1tx1+c2tx2+c3tx3 se
numeşte funcţie obiectiv, relaţiile de forma:
ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn R bi
unde R este una din relaţiile ≥, =, ≤ se numesc restricţii ale problemei, iar
ultimele, condiţii asupra variabilelor.
O soluţie a problemei de programare liniară se numeşte program optim al
acesteia.
Definiţie
O problemă de programare liniară în care toate restricţiile sunt ecuaţii, iar toate
variabilele sunt nenegative se spune că are forma standard.
Din definiţie, obţinem că expresia unui astfel de program este:

101
min (max) c t x

 Ax = b
 x≥0

 c1   x1   b1   a 11 ... a 1n 
 
unde: c=  ...  ∈M1n(R),x=  ...  ∈Mn1(R),b=  ...  ∈Mm1(R),A=  ... ... ... 
   
c  xn  b  a 
 n    m  m1 ... a mn 
∈Mmn(R)
Definiţie
O problemă de programare liniară se spune că are forma canonică dacă are
una din următoarele forme:
min c t x max c t x
 
 Ax ≥ b sau  Ax ≤ b
 x≥0  x≥0
 
Din definiţiile de mai sus se creează impresia că programele sub forma
standard sau cea canonică sunt mai restrictive decât cele în forma generală. Nu
este însă adevărat acest lucru, orice program scris sub una din forme putând fi
adus cu transformările de mai jos în oricare altă formă. Aceste transformări
sunt:
• folosind faptul că min f(x)=-max(-f(x)) şi max f(x)=-min(-f(x)) orice
problemă de minimizare (maximizare) se transformă într-una de
maximizare (minimizare).
• sensul unei inegalităţi, prin înmulţirea cu –1, se schimbă în cel contrar;
• fiind dată o inecuaţie de forma: ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+
ai,p+1xp+1+...+ainxn≤bi, adunând o variabilă ecart, yi≥0 ea se transformă
într-o ecuaţie: ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1 xp+1+...+ainxn+yi=bi;
• fiind dată o inecuaţie de forma: ai1x1+...+aikxk+ai,k+1xk+1+...+
aipxp+ai,p+1xp+1+...+ainxn≥bi, scăzând o variabilă ecart, yi≥0 ea se
transformă într-o ecuaţie: ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1
p+1 n
x +...+ainx -yi=bi;
• orice ecuaţie ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn=bi se
transformă în două inecuaţii:
ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn≥bi,
ai1x1+...+aikxk+ai,k+1xk+1+...+aipxp+ai,p+1xp+1+...+ainxn≤bi
• variabilă nepozitivă x≤0 se transformă prin substituţia x=-x' într-o variabilă
nenegativă şi reciproc;
• variabilă arbitrară x, prin substituţia x=x'-x”, x',x”≥0, se înlocuieşte cu
diferenţa a două variabile nenegative;
102
Problemele de programare liniară au o interpretare geometrică interesantă.

Vom exemplifica aceasta pentru cazul a două variabile (cazul general
impunând definiţii şi noţiuni suplimentare care ar încărca inutil expunerea).
Fie o problemă de programare liniară în forma standard:
min c t x

 Ax = b
 x≥0

în care matricea A∈Mmn(R), m<n, rang(A)=m. Vom nota cu ai=(ai1,...,ain),
i=1,...,m, vectorul corespunzător liniei i şi cu aj=(a1j,...,amj)t vectorul
corespunzător coloanei j.
Observaţie
Un sistem Ax=b, A∈Mmn(R), se poate prezenta într-una din următoarele
situaţii:
a) m>n (numărul de ecuaţii este mai mare decât cel al necunoscutelor). În
acest caz, rangul matricei A este cel mult egal cu n (obs.1). Dacă
rang(A)=n atunci din ecuaţiile ce furnizează rangul se determină valorile
unice ale variabilelor x1,...,xn. În acest caz, există, de asemenea, două
situaţii:
(1) dacă valorile acestora satisfac şi celelalte ecuaţii ale sistemului
rezultă că acesta este compatibil determinat. În acest caz,
problema de programare liniară devine banală, funcţia obiectiv
fiind determinată prin simpla introducere a valorilor x1,...,xn în
expresia c1x1+...+cnxn;
(2) dacă valorile acestora nu satisfac cel puţin una din celelalte
ecuaţii ale sistemului rezultă că acesta este incompatibil şi
problema este încheiată (domeniul restricţiilor fiind vid).
b) m=n (numărul de ecuaţii este egal cu cel al necunoscutelor). În acest
caz, rangul matricei A este cel mult egal cu m=n (obs.1). Dacă
rang(A)=n atunci sistemul este compatibil determinat şi se procedează ca
mai sus.
c) m<n (numărul de ecuaţii este mai mic decât cel al necunoscutelor). În
acest caz, rangul matricei A este cel mult egal cu m (obs.1). Dacă
rang(A)=m atunci din coloanele ce furnizează rangul (corespunzătoare
variabilelor principale), se obţine expresia acestora în funcţie de
variabilele secundare. Sistemul fiind nedeterminat rezultă o infinitate
(∞n-m) de soluţii, care induc o serie de dificultăţi suplimentare. Pe de o
parte, valorile arbitrare ale variabilelor secundare trebuie alese astfel
încât să fie satisfăcută condiţia de pozitivitate a tuturor variabilelor
(problemă practic imposibilă în cazul general), iar pe de altă parte, după
înlocuirea în funcţia obiectiv a valorilor variabilelor aceasta trebuie

103
optimizată. Chiar dacă aici dispunem de instrumentarul specific furnizat

de analiza matematică, problema nu poate fi rezolvată acceptabil
deoarece condiţiile de pozitivitate conduc la o situaţie asemănătoare cu
cea de la început, schimbându-se practic doar variabilele.
Din observaţia 6, rezultă că este necesar ca să considerăm m<n, iar, pe
de altă parte, condiţia rang(A)=m reprezintă faptul că vectorii ai sunt liniar
independenţi (în caz contrar, eliminându-se condiţiile suplimentare; această
situaţie apare în practică atunci când informaţiile provin din mai multe
compartimente ale unei firme în care atribuţiile se intersectează).
Definiţie
Un vector x=(x1,...,xn)t se numeşte soluţie de bază a problemei de programare
liniară dacă:
(1) x satisface sistemul Ax=b;
(2) coloanele matricei A care corespund elementelor nenule ale lui x sunt
liniar independente.
Definiţie
O soluţie a sistemului Ax=b se numeşte admisibilă (program) dacă toate
componentele ei sunt nenegative.
Definiţie
O soluţie de bază, admisibilă se numeşte nedegenerată dacă are toate
componentele nenule şi degenerată în caz contrar.
Definiţie
O matrice pătrată nesingulară formată cu m coloane ale matricei A se numeşte
bază iar componentele vectorului x corespunzătoare coloanelor ce formează
baza se numesc variabile de bază (bazice). Componentele lui x ce nu sunt
bazice se numesc variabile nebazice.
Vom nota cu B o matrice de bază a lui A, cu xB vectorul coloană format cu
variabilele bazice, cu S matricea formată cu acele coloane ce nu sunt în B şi cu
xS vectorul coloană format cu variabilele nebazice. Sistemul Ax=b se poate
scrie deci sub forma:
BxB+SxS=b
Cum B este inversabilă, obţinem:
xB=B-1b-B-1SxS
O soluţie de bază se poate obţine pentru xS=0 deci xB=B-1b.
Teoremă
Dacă o problemă de programare liniară are un program atunci ea are cel puţin
un program de bază.
Teoremă
104
Dacă o problemă de programare liniară are un program optim atunci ea are un

program optim de bază.
După aceste consideraţii, o metodă de rezolvare a problemelor de programare
liniară ar putea consta în următoarele etape:
1) se determină toate matricele inversabile B din A;
2) pentru fiecare din aceste matrice se calculează B-1b şi se cercetează dacă
toate componentele vectorului obţinut sunt nenegative;
3) pentru fiecare din vectorii punctul anterior se calculează cx şi reţin acelea
pentru care se obţine minimul (maximul) acesteia.
Această metodă, elaborată de G.M. Dantzig în anul 1955, are la bază o metodă
principial simplă, dar foarte eficientă. Se pleacă cu o bază iniţială şi apoi se
înlocuieşte una din coloanele acesteia cu o alta (deci implicit o variabilă de
bază schimbă rolul cu una secundară) astfel încât noua matrice să rămână de
bază dar soluţia să se apropie de soluţia optimă. Prin această metodă se pot
determina toate situaţiile posibile (probleme fără soluţii, optim infinit etc.).
Fie problema de programare liniară:
 min cx

(1) Ax = b
 x≥0

Să presupunem acum că soluţia de bază xB=B-1b este admisibilă adică xB≥0. O
bază B ce verifică o astfel de condiţie se numeşte bază primal admisibilă.
Vom nota cu B mulţimea indicilor j care au proprietatea că {aj}⊂B şi cu S
mulţimea complementară de indici j pentru care {aj}⊂S. Notând de asemenea
B
x =B-1b, yBj =B-1aj obţinem, din relaţia: xB=B-1b-B-1SxS.
B
(2) xB= x - ∑ y Bj x j
j∈S
Din definiţia lui B-1 se observă că dacă aj este coloana i în matricea B atunci,
cu notaţia ei=(δik)k=1,...,m avem yjB=ei. Pe componente, relaţia (2) se scrie
iB
(3) xi B = x − ∑ y ijB x j ∀i∈B
j∈S
Considerând acum cB=(ci)i∈B şi cS=(cj)j∈S funcţia obiectiv se poate scrie sub

forma:
(4) z=ctx=cBtxB+cStxS
sau altfel:
B
(5) z=cBt x -(cBtB-1S-cSt)xS

105
B B
Notând acum z =cBt x z Bj = c B y Bj = ∑ c i y ijB ∀j=1,...,n, relaţia (5) se
t
şi
i∈B
poate scrie şi sub forma:

B
(6) z= z - ∑ (z Bj − c j ) x j
j∈S
Teoremă
Dacă B este o bază primal admisibilă şi pentru orice j∈S avem zjB-cj≤0 atunci
programul de bază corespunzător bazei B (xB=B-1b, xS=0) este un program
optim pentru problema (1).
Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii:
1) ∃k∈S astfel încât z Bk -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat

atunci programul de bază corespunzător lui B nu este optim.
Teoremă

2) programul de bază xB=B-1b, xS=0 este nedegenerat;
3) yik≤0 ∀i∈B
atunci problema (1) are optimul infinit.
Teoremă

2) programul de bază xB=B-1b, xS=0 este nedegenerat;
3) ∃i∈B astfel încât yik>0
atunci valoarea maximă pe care o putem atribui lui x 0k astfel încât x' să rămână
program este dată de:
 xi B  xs B
(8) min B  = B
y ik > 0 y  y sk
i∈B  ik 
Observaţie
Dacă în teoremă atribuim lui x 0k valoarea dată de (8) atunci noul program
rămâne soluţie de bază. Aceasta corespunde unei baze B' care se obţine din B
106
prin înlocuirea coloanei as cu coloana ak. Pentru aceasta, să observăm că din

(2) rezultă xs=0. Prin urmare, obţinem o nouă soluţie de bază formată din xi,
i∈B-{s} şi xk. Baza B' corespunzătoare acesteia se obţine din B prin înlocuirea
coloanei as cu ak. Din faptul că ysk≠0 rezultă că vectorii coloană ai lui B' sunt
liniar independenţi.
Observaţie
B
Din faptul că z= z -( z Bk -ck) x 0k rezultă că în baza B’, valoarea funcţiei obiectiv
devine:
s
B' B
B x
(9) z = z − (z − c k )
k
y sk
Dacă există mai mulţi indici k cu proprietatea zk-ck>0 atunci, pentru a obţine
cea mai mică valoare a funcţiei obiectiv, ar trebui ales acel indice k pentru care
cantitatea ce se scade în (9) să fie maximă. Pentru simplificarea lucrurilor, se
alege în practică acel indice ce maximizează expresia zjB-cj.
Lemă (a substituţiei)
Fie B∈Mm(R) o matrice inversabilă şi C∈Mm(R) matricea obţinută din B prin
înlocuirea coloanei k cu un vector nenul a∈Mm1(R). Considerând vectorul
d=B-1a=(di)i=1,...,m atunci:
• C este inversabilă dacă şi numai dacă dk≠0;
• Dacă dk≠0 atunci C-1=Ik(d)B-1 unde: Ik(d)=
coloana k
 d1 
1 ... 0 − 0 ... 0 
 dk 
 ... ... ... ... ... ... ...
 d 
0 ... 1 − k −1 0 ... 0 
 dk 
0 1 .
... 0 0 ... 0 
 dk 
 d 
0 ... 0 − k +1 1 ... 0 
 dk 
 ... ... ... ... ... ... ...
 d 
 0 ... 0 − m 0 0 1 
 dk 
Observaţie
Din lema substituţiei se observă că matricea Ik(d) se obţine prin înlocuirea
coloanei k a matricei unitate cu vectorul coloană respectiv. Determinarea
matricei C-1 se poate face, ţinând seama de formulele de mai sus, mai simplu
107
astfel: se scrie matricea B-1=(eij) şi se adaugă în dreapta ei vectorul coloană d.

Vom numi elementul dk≠0 – pivot.
Elementul corespondent al lui C-1 se determină astfel: elementele de pe linia

pivotului se împart la pivot, iar celelalte elemente (de exemplu e1j) se
transformă astfel: se construieşte dreptunghiul a cărui diagonală se sprijină pe
pivot şi elementul de transformat. Se înmulţesc elementele situate pe această
diagonală (“principală”) şi se scade produsului elementelor de pe cealaltă
diagonală (“secundară”). Rezultatul se împarte la pivot. Prin urmare, dacă C-
1
=(fij) avem:
eijd k − e kjd i
(10) fij= , i∈{1,...,m}-{k}, j∈{1,...,m}
dk
e kj
(11) fkj= , j∈{1,...,m}
dk
Observaţie
La înlocuirea variabilei xs cu xk, deci a coloanei s din bază cu coloana k, noile
cantităţi rezultate devin, conform lemei substituţiei (s-au notat cu două bare
elementele după transformare):
iB sB sB
B
iB
x y sk − x y ikB kB
x
• x = B
∀i∈B-{s}, iar pentru i=k: x = B ;
y sk y sk
B
y ijB y skB − y ikB y sjB B
y sjB
• y ij = ∀i∈B-{s}, y sj = ;
y skB y skB
B sB
B
z y skB − x (z Bk − c k )
• z = B
;
y sk
B
(z Bj − c j ) y skB − (z Bk − c k ) y sjB B
• zj −cj = ∀j∈S-{k}, z k − c k =0.
y skB
Din cele expuse mai sus, obţinem algoritmul simplex care constă în:
1) Se determină o bază primal admisibilă B (metodă ce va fi expusă ulterior);
2) Se construieşte tabelul simplex astfel:
V.B. V.V.B. x1 ... xj ... xn
... ... ... ... ... ... ... ...

108
ci xi iB yi1B ... yijB ... yinB

x
... ... ... ... ... ... ... ...
cp xp pB yp1B ... ypjB ... ypnB

x
... ... ... ... ... ... ... ...
z B z1B-c1 ... zjB-cj ... znB-cn

z
c1 ... cj ... cn
3) Completarea tabelului simplex se face în următoarele etape:
3.1) Pe prima linie se trec numele tuturor variabilelor problemei (inclusiv a
celor ecart);
3.2) În coloana V.B. (variabile de bază) se introduc numele variabilelor de
bază determinate la punctul 1);
3.3) În coloana V.V.B. (valorile variabilelor de bază) se introduc valorile
B
determinate pe baza relaţiei x =B-1b;
3.4) Coloanele x1,...,xj,...,xn se completează cu valorile date de B-1aj,
j=1,...,n;
3.5) În stânga tabelului se trec coeficienţii funcţiei obiectiv corespunzători
variabilelor de bază;
3.6) În subsolul tabelului se trec coeficienţii funcţiei obiectiv corespunzători
tuturor variabilelor;
3.7) Penultima linie se completează astfel:
B
3.7.1) z = ∑ c i y ijB adică se înmulţesc valorile primei coloane cu valorile
i ∈B
coloanei V.V.B. şi se adună rezultatele (produsul scalar al vectorilor

din aceste coloane);
3.7.2) z Bj − c j = ∑ c i y ijB -cj ∀j=1,...,n adică se înmulţesc valorile primei

i ∈B
coloane cu valorile coloanei xj şi se adună rezultatele scăzându-se la

final valoarea din ultima linie;
3.8) O completare rapidă a coloanelor variabilelor de bază se face astfel:
în dreptul liniei şi coloanei unei variabile de bază se înscrie valoarea 1 în
restul coloanei completând cu 0 (inclusiv la zjB-cj).
B
4) Dacă ∀j=1,...,n avem zjB-cj≤0 atunci programul de bază xB= x , xS=0 este
optim. STOP.
5) Dacă există indici j astfel încât să avem zjB-cj>0 atunci:
5.1) dacă pentru un indice j pentru care zjB-cj>0 avem yijB≤0 ∀i=1,...,m
atunci conform teoremei 13 problema are optim infinit. STOP.
109
5.2) dacă ∀j=1,...,n astfel încât zjB-cj>0⇒∃i=1,...,m astfel încât yijB>0 atunci
se determină acel indice j pentru care se obţine maximul expresiei zjB-cj.
Dacă există mai mulţi indici cu această proprietate, se alege unul dintre
aceştia (de regulă primul). În acest caz, vectorul coloană ak intră în bază,
variabila xk devenind variabilă de bază;
6) Pentru j determinat la 5.2.) se determină variabila ce părăseşte baza cu
 xi B  xp B
ajutorul relaţiei: min B  = B . Dacă minimul este atins pentru mai
y ij > 0  y  y pj
i∈B  ij

mulţi indici, se alege unul dintre aceştia. Variabila xp părăseşte baza
devenind variabilă secundară;
7) Se înlocuieşte în baza B vectorul ap cu aj determinându-se noua bază B' şi

se recalculează cantităţile de la punctul 3) în noua bază, astfel:
7.1) Se construieşte scheletul tabelului simplex, în care nu se mai trec
coeficienţii funcţiei obiectiv;
7.2) În coloana V.B. se înlocuieşte numele variabilei xp cu xj;
7.3) Se marchează (eventual prin încercuire) în vechiul tabel elementul ypjB
care se numeşte pivot;
7.4) Coloanele actualelor variabile de bază se completează ca la punctul
3.8);
7.5) Linia pivotului se împarte la pivot;
7.6) Restul elementelor din noul tabel, se obţin cu ajutorul regulii
dreptunghiului care constă în următoarea formulă de transformare:
y isB y Bpj − y ijB y Bps
ŷ isB = ∀i=1,...,m+1 ∀s=0,...,n, unde am notat pentru extensia
y Bpj
B iB
formulei: ŷ Bm +1, s = z sB − c s ∀s=1,...,n, ŷ Bm +1, 0 = z şi ŷ iB0 = x ∀i=1,...,m.
8) Se reia algoritmul de la punctul 4) până la determinarea soluţiei.

element de transformat
yB
is
yB
ij
-
yB
ps
yB
pj
pivot
Problema care se pune acum este determinarea unui program de bază

iniţial. Un mod de a face acest lucru este dat de metoda celor două faze care
constă în:

110
1) Se transformă toate restricţiile în ecuaţii Ax=b cu b≥0 (eventual prin

înmulţire cu
(-1));
2) Se identifică acele variabile care apar numai într-una dintre restricţii şi are
coeficient pozitiv. În caz favorabil, se împarte ecuaţia respectivă la acest
coeficient;
3) Se adaugă la fiecare ecuaţie care nu apare la punctul 2) câte o variabilă
artificială obţinând vectorul xa=(x1,a,...,xk,a)t obţinând egalitatea:
Ax+I(k)xa=b unde I(k) reprezintă matricea obţinută din cea nulă prin
plasarea, pe diagonala principală, de elemente egale cu 1 în liniile
corespunzătoare variabilelor artificiale iar b este noul vector al termenilor
liberi (după eventualele înmulţiri cu (–1) sau împărţiri la coeficienţi ai
restricţiilor). Se recomandă ca indicii variabilelor artificiale să fie daţi în
acord cu numerele de linie ale ecuaţiilor corespondente;
4) Se rezolvă apoi problema de programare liniară:
min(x 1 a + ... + x k a )
 a
 Ax + I(k ) x = b .
 x ≥ 0, x a ≥ 0

Din cauza variabilelor izolate şi a celor auxiliare, baza iniţială va fi
matricea unitate Im.
5) Completarea primului tabel simplex se va face astfel:
5.1) Pe prima linie se trec numele tuturor variabilelor problemei (inclusiv a
celor auxiliare);
5.2) În coloana V.B. se introduc numele variabilelor de bază adică a celor
izolate şi a celor auxiliare;
B
5.3) În coloana V.V.B. se introduc valorile determinate pe baza relaţiei x
=I-1b=b deci se copie vectorul termenilor liberi;
5.4) Coloanele x1,...,xj,...,xn se completează cu valorile date de I-1aj=aj,
j=1,...,n deci cu coloanele coeficienţilor variabilelor respective;
5.5) În prima coloană se trec coeficienţii noii funcţii obiectiv corespunzători
variabilelor de bază (1 în dreptul variabilelor auxiliare şi 0 în rest);
5.6) În ultima linie se trec noii coeficienţi ai funcţiei obiectiv corespunzători
tuturor variabilelor;
5.7) Penultima linie se completează astfel:
B
5.7.1) z = ∑ c i y ijB adică se înmulţesc valorile primei coloane cu valorile
i ∈B
coloanei V.V.B. şi se adună rezultatele;

111
5.7.2) z Bj − c j = ∑ c i y ijB -cj ∀j=1,...,n adică se înmulţesc valorile primei

i ∈B
coloane cu valorile coloanei xj şi se adună rezultatele scăzându-se la

final valoarea din ultima linie;
5.8) O completare rapidă a coloanelor variabilelor de bază se face astfel:
în dreptul liniei şi coloanei unei variabile de bază se înscrie valoarea 1 în
restul coloanei completând cu 0 (inclusiv la zjB-cj).
6) Se aplică algoritmul simplex până la final. Trebuie remarcat că nu se poate
obţine la această fază optim infinit deoarece funcţia obiectiv fiind min(x1
a
+...+xk a)≥ 0 nu se poate ajunge la -∞ printr-o creştere corespunzătoare a
unei variabile;
7) În final, avem următoarele situaţii:
7.1) Dacă min(x1 a+...+xk a)>0 rezultă că problema iniţială nu are programe.
Într-adevăr, această valoare optimă implică faptul că există j=1,...,k astfel
încât xj a>0. În acest caz, restricţia j din problema iniţială şi din cea
auxiliară sunt incompatibile (implicând după scădere xj a=0-contradicţie);
7.2) Dacă min(x1 a+...+xk a)=0 atunci, cum xi a=0 ∀i=1,..., k rezultă că
problema iniţială are programe. Avem însă două situaţii:
7.2.1) toate variabilele auxiliare au ieşit din bază. În acest caz, baza
obţinută la problema auxiliară este bază pentru problema iniţială;
7.2.2) au rămas variabile auxiliare în bază, fiind evident nule. În acest caz,
avem din nou două situaţii:
7.2.2.1) dacă pe linia corespunzătoare unei variabile auxiliare,
există un element nenul în dreptul unei variabile neauxiliare, se
face transformarea cu pivotul respectiv;
7.2.2.2) dacă pe linia corespunzătoare unei variabile auxiliare,
toate elementele din dreptul coloanelor variabilelor neauxiliare
sunt nule, atunci ecuaţia căreia i s-a ataşat variabila auxiliară
este o consecinţă a celorlalte ecuaţii (cazul când rangul matricei
A nu era m). În acest caz, linia respectivă a tabelului simplex se
elimină, împreună cu variabila auxiliară respectivă.
8) Se trece la a doua fază prin recalcularea tabelului simplex pentru problema
iniţială. Astfel:
8.1) Se copie ultimul tabel, mai puţin ultima linie a acestuia;
8.2) Se recalculează ultima linie în raport cu coeficienţii funcţiei obiectiv
iniţiale c1,...,cn.
9) Se rezolvă problema cu ajutorul algoritmului simplex.
Observaţie

112
La finalul primei faze, dacă toate variabilele auxiliare au ieşit din bază atunci
toate cantităţile z Bj − c j din dreptul variabilelor iniţiale sunt nule.
Observaţie
Dacă în final nu este nevoie de determinarea lui B-1 atunci, la prima fază, pe
măsura ieşirii variabilelor auxiliare din bază acestea se pot elimina din tabel
prin tăierea coloanei respective. Dacă variabilele auxiliare nu au fost eliminate
din tabelele simplex, la a doua fază, ele nu se mai iau în considerare, la
determinarea variabilelor ce intră sau ies din bază. Coloanele respective vor fi
calculate cu aceeaşi regulă a dreptunghiului, mai puţin ultimul element care se
va înlocui printr-un simbol (o linioară, un asterisc etc.).
Observaţie
Dacă variabilele auxiliare nu au fost eliminate din tabelele simplex, la sfârşitul
algoritmului, în coloanele corespunzătoare primelor variabile de bază (inclusiv
cele izolate) de la prima fază, se va afla B-1.
Observaţie
Dacă problema de programare liniară este degenerată, obţinându-se în final
soluţii optime care au componente de bază nule, atunci prin investigarea liniei
corespunzătoare unei astfel de variabile, ea se poate scoate din bază şi înlocui
cu o alta (evident prin satisfacerea condiţiilor specifice). În acest caz, din
s
B' B
B x s
formula: z = z − (z − c k )
k cum x =0 rezultă că soluţia obţinută rămâne
y sk
optimă. Procedând în acest mod până la efectuarea tuturor schimbărilor
posibile se obţine soluţia optimă sub forma unei combinaţii convexe de
variabilele respective (combinaţie liniară cu parametri pozitivi şi a căror sumă
este 1). Analog se procedează dacă există cantităţi (z Bj − c j ) nule cu j∈S.
Observaţie
Dacă funcţia obiectiv este de minim şi toţi coeficienţii acesteia sunt pozitivi
atunci nu putem avea optim infinit (deoarece min≥0). Analog, dacă funcţia
obiectiv este de maxim şi toţi coeficienţii acesteia sunt negativi atunci nu
putem avea optim infinit (deoarece max≤0).
a) Exemplu:
Să se rezolve problema de programare liniară:

113
max x 1 + 2 x 2 − x 3 − 6 x 4
 1 2 3 4
 2 x + 3x − x + x = 5
 3x 1 − x 2 + x 3 ≥ −1
 1 2 3 4
 x − 2 x + 5x − x = 3
 4x 1 − x 2 + 9 x 3 − x 4 = 11

 x1 , x 2 , x 3 , x 4 ≥ 0
Soluţie Aducem problema la forma standard:
− min - x 1 − 2x 2 + x 3 + 6x 4
 1 2 3 4
 2 x + 3x − x + x = 5
 3x 1 − x 2 + x 3 − y1 = −1
 1 2 3 4
 x − 2 x + 5x − x = 3
 4x 1 − x 2 + 9x 3 − x 4 = 11

 x 1 , x 2 , x 3 , x 4 , y1 ≥ 0
Cum a doua restricţie are termenul liber negativ, aceasta va fi amplificată cu –

1:
− min - x 1 − 2x 2 + x 3 + 6x 4
 1 2 3 4
 2 x + 3x − x + x = 5
 − 3x 1 + x 2 − x 3 + y1 = 1
 1 2 3 4
 x − 2 x + 5x − x = 3
 4x 1 − x 2 + 9x 3 − x 4 = 11

 x 1 , x 2 , x 3 , x 4 , y1 ≥ 0
Singura variabilă izolată fiind y1, vom introduce variabile auxiliare

corespunzătoare primei, celei de-a treia respectiv a patra restricţii. Avem
deci:
 min x 1 a + x 3 a + x 4 a
 1 2 3 4 1a
 2 x + 3x − x + x + x = 5
 − 3x 1 + x 2 − x 3 + y1 = 1
 1 2 3 4 3a
 x − 2 x + 5x − x + x = 3
 4x 1 − x 2 + 9 x 3 − x 4 + x 4 a = 11
 1 2 3 4 1 1a 3 a 4 a
x , x , x , x , y , x , x , x ≥ 0
Succesiunea tabelelor simplex este următoarea:
VB VVB x1 x2 x3 x4 y1 x1 a x3 a x4 a
1 x1 a 5 2 3 -1 1 0 1 0 0
0 y1 1 -3 1 -1 0 1 0 0 0
1 x3 a 3 1 -2 5 -1 0 0 1 0

114
1 x4 a 11 4 -1 9 -1 0 0 0 1
z 19 7 0 13 -1 0 0 0 0
0 0 0 0 0 1 1 1
VB VVB x1 x2 x3 x4 y1 x1 a x4 a
x1 a 28/5 11/5 13/5 0 4/5 0 1 0
y1 8/5 -14/5 3/5 0 -1/5 1 0 0
x3 3/5 1/5 -2/5 1 -1/5 0 0 0
x4 a 28/5 11/5 13/5 0 4/5 0 0 1
z 56/5 22/5 26/5 0 8/5 0 0 0

115
VB VVB x1 x2 x3 x4 y1 x4 a
x2 28/13 11/13 1 0 4/13 0 0
y1 4/13 -45/13 0 0 -5/13 1 0
x3 19/13 7/13 0 1 -1/13 0 0
4a
x 0 0 0 0 0 0 1
z 0 0 0 0 0 0 0
Cum cantităţile zjB-cj sunt acum toate nepozitive, rezultă că prima fază este
încheiată. Funcţia obiectiv este nulă dar variabila x4 a nu a ieşit din bază.
Cum toţi coeficienţii variabilelor neauxiliare sunt nuli, rezultă că aceasta
nu poate fi înlocuită cu o altă variabilă. În acest caz, este cunoscut faptul că
ecuaţia respectivă (la noi a patra) este consecinţă a celorlalte ecuaţii şi deci
va putea fi eliminată. Într-adevăr, ecuaţia a patra se obţine din ecuaţia întâi
adunată la ecuaţia a treia înmulţită cu 2.
Tabelul simplex pentru problema iniţială devine:
VB VVB x1 x2 x3 x4 y1
-2 x2 28/13 11/13 1 0 4/13 0
0 y1 4/13 -45/13 0 0 -5/13 1
1 x3 19/13 7/13 0 1 -1/13 0
z -37/13 -2/13 0 0 -87/13 0
-1 -2 1 6 0
28 3 19 4
Soluţia optimă este deci: x1=0, x2= , x = , x =0 iar maximul funcţiei
13 13
37 37
obiectiv este: -(- )= .
13 13

116
Sarcina de lucru 1
 max 2x 1 − x 2

 x1 − x 2 + x 3 ≥ 4
 − x1 + x 3 ≤ 2
 2x 1 − x 2 ≥ 20

x 1 ≥ 0, x 2 ≤ 0, x 3 arbitrar
4.3. Dualitate în programarea liniară

Definiţie
Fie problema generală de minim a programării liniare:
 min c1 x1 + c 2 x 2 + c 3 x 3
 1 2 3
 A11x + A12 x + A13 x ≥ b1
1 2 3
(P1) A 21x + A 22 x + A 23 x = b 2
 A x1 + A x 2 + A x 3 ≤ b
 31 32 33 3
 x ≥ 0, x ≤ 0, x arbitrar
1 2 3
Se numeşte problemă duală a acesteia problema:
 max b1t u1 + b 2t u 2 + b 3t u 3
 t 1 t 2 t 3 t
 A11u + A 21u + A 31u ≤ c1
t 1 t 2 t 3 t
(D1) A12 u + A 22 u + A 32 u ≥ c 2
A t u1 + A t u 2 + A t u 3 = c t
 13 23 33 3
 u ≥ 0, u arbitrar, u ≤ 0
1 2 3
Definiţie
Fie problema generală de maxim a programării liniare:

117
 max c1 x1 + c 2 x 2 + c 3 x 3
 1 2 3
 A11x + A12 x + A13 x ≥ b1
1 2 3
(P2) A 21x + A 22 x + A 23 x = b 2
 A x1 + A x 2 + A x 3 ≤ b
 31 32 33 3
 x1 ≥ 0, x 2 ≤ 0, x 3 arbitrar
Se numeşte problemă duală a acesteia problema:
 min b1t u1 + b 2t u 2 + b 3t u 3
 t 1 t 2 t 3 t
 A11u + A 21u + A 31u ≥ c1
t 1 t 2 t 3 t
(D2) A12 u + A 22 u + A 32 u ≤ c 2
A t u1 + A t u 2 + A t u 3 = c t
 13 23 33 3
 u 1 ≤ 0, u 2 arbitrar, u 3 ≥ 0
Observaţie
Problemele (P1) şi (P2) se mai numesc şi probleme primale. Este evident că
duala problemei duale este cea primală.
Observaţie
Problema duală se obţine din cea primală astfel:
1) problemele de minimizare (maximizare) se transformă în probleme de
maximizare (minimizare);
2) termenii liberi ai lui (P) devin coeficienţii funcţiei obiectiv în (D);
3) coeficienţii funcţiei obiectiv din (P) devin termeni liberi în (D);
4) matricea coeficienţilor din (D) este transpusa matricei coeficienţilor din
(P);
5) variabilele duale corespunzătoare restricţiilor concordante în (P)
(adică restricţii de forma ≥ în probleme de minimizare şi de forma ≤ în
probleme de maximizare) sunt nenegative;
6) variabilele duale corespunzătoare restricţiilor neconcordante în (P)
(adică restricţii de forma ≤ în probleme de minimizare şi de forma ≥ în
probleme de maximizare) sunt nepozitive;
7) variabilele duale corespunzătoare restricţiilor de tip ecuaţii în (P) sunt
arbitrare;
8) variabilelor din (P) nenegative le corespund restricţii în (D) concordante;
9) variabilelor din (P) nepozitive le corespund restricţii în (D)
neconcordante;
10) variabilelor din (P) arbitrare le corespund restricţii în (D) de tip ecuaţii.
Să considerăm acum problema de programare liniară în forma standard:

118
min c t x

(1)  Ax = b
 x≥0

şi duala acesteia:
 max b t u
 t
(2) A u≤c
u arbitrar

Definiţie
O bază B a lui A astfel încât: cBB-1A-c≤0 ( z Bj − c j ≤0 ∀j=1,...,n) se numeşte

bază dual admisibilă. O soluţie x a problemei primale ce corespunde unei
baze dual admisibile se numeşte soluţie dual admisibilă.
Fie acum cuplul de probleme duale:
min c t x

(3)  Ax ≥ b
 x≥0

max b t u
 t
(4) A u ≤ c
 u≥0

Observaţie
Se arată că dacă avem o bază primal şi dual admisibilă B atunci avem
programul optim pentru problema (1): xB=B-1b, xS=0 şi programul optim al
problemei (2): uBt=cBtB-1. Pentru aceste două programe funcţiile obiectiv au
valori egale. Într-adevăr, uBtaj=cBtB-1aj=zjB≤cj de unde rezultă că uBt este soluţie
a problemei duale. Pe de altă parte, dacă x este o soluţie a problemei primale
(3), iar u a problemei duale (4), avem: Ax≥b şi cum u≥0⇒utAx≥utb. Pe de altă
parte: Atu≤c şi cum x≥0⇒xtAtu≤xtc şi cum cantităţile sunt scalari, rezultă după
transpunere: utAx≤ctx. Obţinem deci că ctx≥utb=btu. Să considerăm acum o
soluţie x a problemei primale şi o soluţie u a celei duale astfel încât ct x =bt u .
Dacă x nu ar fi program optim al problemei primale, atunci ar exista x* astfel
încât ctx*<ct x . Dar atunci ctx*<bt u , iar din cele de mai sus avem: ctx*≥bt u deci
contradicţie. Prin urmare, x este program optim al problemei primale. Analog,
dacă u nu ar fi program optim al problemei duale, atunci ar exista u* astfel
încât btu*>bt u . Dar atunci btu*>ct x , iar din cele de mai sus avem: btu*≤ct x
deci contradicţie. Prin urmare, u este program optim al problemei duale. În
B
final, cum valoarea optimă a funcţiei obiectiv este z =btuB=uBtb=cBtB-1b=cBtxB

119
rezultă că funcţiile obiectiv ale problemelor primală respectiv duală au valori

egale.
În aplicarea algoritmului simplex primal se porneşte de la o bază primal
admisibilă şi în urma înlocuirii succesive a vectorilor din bază se obţine, în
final, o bază dual admisibilă.
Algoritmul simplex dual constă în procesul invers. Se porneşte cu o bază dual
admisibilă şi după un sistem de calcul oarecum asemănător, se obţine în final o
bază primal admisibilă.
În cele ce urmează, vom considera perechea de probleme duale:
min c t x  max b t u
 
(P)  Ax = b , (D)  A t u ≤ c
 x≥0 u arbitrar
 
Teoremă (fundamentală a dualităţii)
Fie problemele duale (P) şi (D).
1) Dacă ambele probleme au programe atunci ele au programe optime şi
valorile funcţiilor obiectiv coincid;
2) Dacă una din probleme are programe, iar cealaltă nu, atunci cea care
are programe are optim infinit.
Teoremă
Fie B o bază dual admisibilă astfel încât:
kB
1) ∃k∈B astfel încât x <0;
2) ykjB≥0 ∀j∈S
În acest caz, problema primală nu are programe.
Teoremă
Fie B o bază dual admisibilă astfel încât:
kB
1) ∀k∈B astfel încât x <0 ⇒ ∃j∈{1,...,n} astfel încât ykjB<0;
 z dB − c d  z sB − c s
2) Fie pentru k∈B, s∈S astfel încât min  = .
y Bkd < 0 
B
 y kd  y Bks
În acest caz, înlocuind în baza B coloana k cu coloana s, valoarea funcţiei

obiectiv a problemei duale este mai mare sau egală cu cea anterioară.
Din cele de mai sus se pot enunţa acum:
Etapele de aplicare a algoritmului simplex dual
Fie x o soluţie dual admisibilă.
1) Fie J={j x j<0};

120
2) Dacă J=∅ atunci x este soluţie optimă. STOP.

3) Dacă J≠∅ atunci:
3.1) Dacă ∃j∈J astfel încât componentele de rang j ale vectorilor coloană
din A ce nu fac parte din bază sunt pozitive atunci problema primală nu are
soluţie. STOP.
3.2) Dacă ∀j∈J componentele de rang j ale vectorilor coloană din A ce nu
fac parte din bază au şi valori negative atunci fie min x j= x k şi
j∈ J
 z j − c j  z p − cp
min = . Vectorul care va părăsi baza va fi ak iar cel care va
j∈ J  y  y
y kj < 0 kj  kp
p
intra în bază va fi a ;
4) După transformarea cu pivotul ykp se revine la pasul 1.
Cu ajutorul observaţiei, rezultă că la finalul algoritmului simplex dual suntem
în măsură să cunoaştem soluţia problemei primale.
Ca şi la algoritmul simplex primal se pune problema determinării unei baze
dual admisibile. Pentru a face acest lucru vom proceda astfel:
min c t x

1) Dacă problema este sub formă canonică:  Ax ≥ b ea se transformă în
 x≥0

 min c t x

- Ax ≤ −b . Introducând variabilele ecart, acestea formează o bază a
 x≥0

problemei. Dacă în plus, toţi coeficienţii funcţiei obiectiv sunt pozitivi,
atunci acestea formează o bază dual admisibilă.
2) Dacă punctul 1) nu are loc (orice problemă poate fi adusă la una din
formele de mai sus, însă numărul restricţiilor creşte foarte mult ceea ce
este inadmisibil – de exemplu la transformarea egalităţilor în inegalităţi,
numărul restricţiilor se dublează), atunci se adaugă o restricţie
suplimentară: xn+1+ ∑ x i =M unde în prealabil s-a determinat o bază B, iar
i ∈S
S reprezintă indicii restului coloanelor lui A. Numărul M este ales suficient

de mare. Problema care se obţine are următoarea formă:
 min c t x
 n +1
x + ∑ x = M
i
(5)  i ∈I
 Ax = b
 x ≥ 0, x n + 1 ≥ 0

3) Se determină apoi k∈S astfel încât să avem max (z iB − c i ) = z Bk − c k .

i∈S

121
4) Considerând baza B’ obţinută din B prin înlocuirea coloanei lui xn+1 cu

coloana lui xk se obţine o bază dual admisibilă.
5) În final, există mai multe situaţii:
5.1) Dacă problema (5) nu are programe, atunci nici problema (P) nu are
programe;
5.2) Dacă problema (5) are programe atunci există trei variante:
5.2.1) xn+1 rămâne în baza optimă şi atunci restul variabilelor constituie
soluţia optimă;
5.2.2) xn+1 nu rămâne în baza optimă, dar valoarea optimă a funcţiei
obiectiv depinde de M. În acest caz, pentru M→∞ rezultă că problema
iniţială are optim infinit;
5.2.3) xn+1 nu rămâne în baza optimă, iar valoarea optimă a funcţiei
obiectiv nu depinde de M. În acest caz, se poate obţine soluţia optimă,
descrescându-l pe M până în momentul în care una din variabilele de
bază ce este funcţie de M devine nulă.
Observaţie
Din cauza dificultăţilor de aplicare în determinarea unei baze iniţiale dual
admisibile, nu vom aplica acest algoritm decât în cadrul problemelor de
reoptimizare pe care le vom studia mai jos.
Observaţie
Problema duală are o interpretare imediată. Dacă în problema primală x are o
anumită semnificaţie, din faptul că funcţiile obiectiv ale celor două probleme
coincid la optim, rezultă că:
∂(c1 x1 + ... + c n x n ) ∂ (b1u1 + ... + b m u m )

= = u i , i=1,...,m
∂b i ∂b i
Aceasta înseamnă că la modificarea cu o unitate a termenului liber bi (ce poate
avea semnificaţie de resursă arbitrară) valoarea funcţiei obiectiv creşte cu cea
a variabilei duale ataşate restricţiei “i”. Prin urmare, mărimea valorilor
variabilelor duale, dau un indiciu asupra “sensibilităţii” unor restricţii ale
problemei primale.
b) Exemplu:
c) Fie problema de programare liniară:
 max 2x 1 + 3x 2 − x 3
 1 2 3
 3x + x + x = −1
1 2 3
 − x + 5 x − 8 x ≥ −5
 3x 1 + 2x 2 + 5x 3 ≤ 5

x ≤ 0, x arbitrar, x ≥ 0
1 2 3

122
Să se scrie problema duală.

Soluţie Avem:
 min - u 1 − 5u 2 + 5u 3
 1 2 3
 3u − u + 3u ≤ 0
1 2 3
 u + 5u + 2u = 0
 u 1 − 8u 2 + 5u 3 ≥ 0

u arbitrar, u ≤ 0, u ≥ 0
1 2 3
Sarcina de lucru 2
Să se scrie problema duală problemei de programare liniară:
 max 2x 1 − x 2

 x1 − x 2 + x 3 ≥ 4
 − x1 + x 3 ≤ 2
 2x 1 − x 2 ≥ 20

x 1 ≥ 0, x 2 ≤ 0, x 3 arbitrar
4.4. Reoptimizare și parametrizare în programarea liniară

Modificarea termenilor liberi
Să presupunem că termenii liberi ai problemei iniţiale:
 min cx

Ax = b
 x≥0

se modifică în sensul că b se înlocuieşte cu vectorul b’. Din modul de
completare a tabelului simplex, am văzut că acesta influenţează numai coloana
V.V.B. în care apare vectorul B-1b. Prin urmare, vom modifica ultimul tabel
simplex, astfel:
1) toate coloanele tabelului în afara celei a V.V.B. rămân neschimbate;

123
2) coloana V.V.B. devine B-1b’;

3) funcţia obiectiv se recalculează în funcţie de valorile obţinute la 2).
Cum ultima linie a tabelului rămâne neschimbată rezultă că baza B este dual
admisibilă, deci se aplică în continuare algoritmul simplex dual.
Modificarea coeficienţilor funcţiei obiectiv

Să presupunem că vectorul coeficienţilor funcţiei obiectiv devine c’. Acesta
modifică numai ultima linie a tabelului simplex, care va fi calculată
corespunzător. Evident baza rămâne primal admisibilă deci se continuă cu
algoritmul simplex primal.
Introducerea unei variabile suplimentare

Să presupunem acum că introducem o variabilă suplimentară xn+1. În acest caz
se ataşează tabelului o coloană suplimentară corespunzătoare variabilei nou
introduse.
Cum am obţinut deja o bază primal admisibilă, rezultă că avem două situaţii:
1) dacă zn+1B-cn+1≤0 atunci soluţia optimă rămâne neschimbată;
2) dacă zn+1B-cn+1>0 atunci se aplică agoritmul simplex primal.
Modificarea coeficienţilor unei variabile

Să presupunem că vectorul coeficienţilor unei variabile xi se modifică astfel
încât ai se schimbă în a’i. Din modul de completare a tabelului simplex, s-a
văzut că vectorul ai nu influenţează decât coloana corespunzătoare lui xi.
Problema care apare însă este dacă variabila xi era variabilă de bază sau nu.
4.1) Dacă variabila xi nu face parte din bază atunci se recalculează coloana xi
cu formula B-1a’i şi cantitatea ziB-ci aferentă. Se aplică apoi, dacă este cazul,
algoritmul simplex primal.
4.2) Dacă variabila xi face parte din bază atunci, pentru simplificare,
recomandăm reîntoarcerea la ultimul tabel simplex care nu conţinea variabila
xi în bază şi aplicarea punctului 4.1).
O altă metodă, aplicabilă îndeosebi situaţiei în care nu sunt cunoscute bazele
succesive, constă şi în introducerea unei variabile auxiliare xn+1 având drept
coeficienţi componentele vectorului a’ iar xi să fie considerată drept variabilă
artificială. Problema se reduce la cea a introducerii unei noi variabile (vezi 3)).
Aplicând metoda celor două faze cu funcţia obiectiv min (xi) şi eliminând
această variabilă se obţine soluţia optimă.
Parametrizare în programarea liniară

124
Problema parametrizării constă în determinarea comportării soluţiei optime

atunci când unele din componentele problemei (termeni liberi, coeficienţi ai
funcţiei obiectiv, coeficienţi ai variabilelor) depind de parametri.
Problema parametrizării se soluţionează, principial, destul de simplu. Astfel se
dă o valoare arbitrară parametrului (de exemplu 0) şi se rezolvă problema. La
final, se modifică componenta respectivă după metodele reoptimizării. Evident
că în funcţie de valorile parametrului se va obţine o soluţie optimă sau alta.
d) Exemplu:
Fie problema de programare liniară:
 min x 1 + x 4
 1 2 3
 x + x + x = 6
2 4
 x +x ≥4
− x 1 − x 2 + x 3 ≤ 1

 x 1 , x 2 , x 3 , x 4 ≥ 0
1) Să se rezolve problema de programare liniară cu ajutorul algoritmului

simplex primal;
2) Să se determine B-1 inversa matricei de bază;
3) Să se determine soluţia optimă a problemei duale.
4) Să se determine soluţia optimă a problemei dacă termenii liberi se
1
 
înlocuiesc cu b’=  0  şi să se interpreteze noua valoare a funcţiei obiectiv
0
 
în funcţie de variabilele duale determinate la punctul 3).
5) Să se determine soluţia optimă a problemei dacă funcţia obiectiv devine
min x2+x3-2x4;
6) Să se determine soluţia optimă a problemei:
 min x 1 + x 4
 1 2 3 5
x + x + x + x = 6
 x2 + x4 ≥ 4 ;
 − x1 − x 2 + x 3 ≤ 1

 x 1 , x 2 , x 3 , x 4 , x 5 ≥ 0
7) Să se determine soluţia optimă a problemei:

125
 min x 1 + x 4
 1 2 3
 2x + x + x = 6
2 4
 x +x ≥4
− 2 x 1 − x 2 + x 3 ≤ 1

 x 1 , x 2 , x 3 , x 4 ≥ 0
Soluţie 1) Forma standard este:
 min x 1 + x 4
 1 2 3
 x + x + x = 6
2 4 1
 x +x −y =4
 − x1 − x 2 + x 3 + y 2 = 1

x 1 , x 2 , x 3 , x 4 , y1 , y 2 ≥ 0
Variabilele x4 şi y2 fiind izolate, introducem o variabilă auxiliară x1 a. Avem

deci:
 min x 1 a
 1 2 3 1a
 x + x + x + x = 6
 x 2 + x 4 − y1 = 4
 − x1 − x 2 + x 3 + y 2 = 1

x , x , x , x , y , y , x ≥ 0
1 2 3 4 1 2 1a
Tabelele simplex devin:

VB VVB x1 x2 x3 x4 y1 y2 x1 a
1 x1 a 6 1 1 1 0 0 0 1
0 x4 4 0 1 0 1 -1 0 0
0 y2 1 -1 -1 1 0 0 1 0
z 6 1 1 1 0 0 0 0
0 0 0 0 0 0 1
x1 6 1 1 1 0 0 0 1
x4 4 0 1 0 1 -1 0 0
y2 7 0 0 2 0 0 1 1
z 0 0 0 0 0 0 0 -1
Am obţinut deci baza {x1,x4,y2}. Trecem la faza a doua şi obţinem:
1 x1 6 1 1 1 0 0 0 1

126
1 x4 4 0 1 0 1 -1 0 0
0 y2 7 0 0 2 0 0 1 1
z 10 0 2 1 0 -1 0 -
1 0 0 1 0 0

127
x1 2 1 0 1 -1 1 0 1
x2 4 0 1 0 1 -1 0 0
y2 7 0 0 2 0 0 1 1
z 2 0 0 1 -2 1 0 -
x3 2 1 0 1 -1 1 0 1
2
x 4 0 1 0 1 -1 0 0
y2 3 -2 0 0 2 -2 1 -1
z 0 -1 0 0 -1 0 0 -
Soluţia optimă este deci: x1=0, x2=4, x3=2, x4=0, iar valoarea optimă a
funcţiei obiectiv este 0.
 1 − 1 0
 
2) Avem B =  0 1 0  obţinută din coloanele lui x1 a, x4 şi y2 din
-1
 − 1 2 1
 
ultimul tabel.
 1 − 1 0
 
3) Avem u ( 1
u 2 3
)
u = (0 0 0 )  0 1 0  = (0 0 0 )
 − 1 2 1
 
 1 − 1 0  1   1 
    
-1
4) Avem B b’=  0 1 0   0  =  0  . Din ultimul tabel simplex,
 − 1 2 1   0   −1
    
rezultă:
VB VVB x1 x2 x3 x4 y1 y2
x3 1 1 0 1 -1 1 0
x2 0 0 1 0 1 -1 0
y2 -1 -2 0 0 2 -2 1
z 0 -1 0 0 -1 0 0
Soluţia nu mai este primal admisibilă, dar a rămas dual admisibilă. Vom
aplica deci algoritmul simplex dual. Avem deci:

128
x3 1/2 0 0 1 0 0 1/2
x2 1/2 1 1 0 0 0 -1/2
y1 1/2 1 0 0 -1 1 -1/2
z 0 -1 0 0 -1 0 0
1 1
Soluţia optimă a devenit deci: x1=0, x2= , x3= , x4=0 valoarea optimă a
2 2
funcţiei obiectiv fiind egală cu 0. De la punctul 3) se observă că variabilele
duale fiind toate nule, rezultă că termenii liberi ai restricţiilor problemei
iniţiale nu pot influenţa valoarea optimă a funcţiei obiectiv.
5) Ultimul tabel simplex devine:
1 x3 2 1 0 1 -1 1 0
1 x2 4 0 1 0 1 -1 0
0 y2 3 -2 0 0 2 -2 1
z 6 1 0 0 2 0 0
0 1 1 -2 0 0
Obţinem mai departe:
x3 7/2 0 0 1 0 0 1/2
x2 5/2 1 1 0 0 0 -1/2
x4 3/2 -1 0 0 1 -1 1/2
z 3 3 0 0 0 -2 1
x3 7/2 0 0 1 0 0 1/2
x1 5/2 1 1 0 0 0 -1/2
x4 4 0 1 0 1 -1 0
z -9/2 0 -3 0 0 -2 5/2

129
y2 7 0 0 2 0 0 1
x1 6 1 1 1 0 0 0
x4 4 0 1 0 1 -1 0
z -22 0 -3 -5 0 -2 0
Soluţia optimă a devenit deci: x1=6, x2=0, x3=0, x4=4 valoarea optimă a
funcţiei obiectiv fiind egală cu -22.
6) Problema formulată se obţine din cea iniţială prin adăugarea unei
variabile suplimentare x5 la prima restricţie. Avem deci:
 1   1 − 1 0  1   1 
  
-1
   
B  0  =  0 1 0  0  =  0 
 0   − 1 2 1   0   −1
      
de unde:
VB VVB x1 x2 x3 x4 y1 y2 x5
x3 2 1 0 1 -1 1 0 1
x2 4 0 1 0 1 -1 0 0
y2 3 -2 0 0 2 -2 1 -1
z 0 -1 0 0 -1 0 0 0
Se observă că soluţia optimă rămâne aceeaşi: x1=0, x2=4, x3=2, x4=0,
valoarea optimă a funcţiei obiectiv fiind 0.
7) Problema formulată se obţine din cea iniţială prin modificarea
coeficienţilor variabilei x1 care nu face parte din bază. Avem deci:
 1 − 1 0  2   2 
-1 1
    
B a =  0 1 0  0  =  0  .
 − 1 2 1  − 2  − 4
    
Din ultimul tabel simplex, rezultă:
x3 2 2 0 1 -1 1 0 1
x2 4 0 1 0 1 -1 0 0
y2 3 -4 0 0 2 -2 1 -1
z 0 -1 0 0 -1 0 0 -
Se observă că soluţia optimă rămâne aceeaşi: x1=0, x2=4, x3=2, x4=0,
valoarea optimă a funcţiei obiectiv fiind 0.

130
Sarcina de lucru 3

 min 2x 1 + 3x 2
 1 2
x + x ≥ 1 + α
1 2
 2x − x ≤ 2
 x 1 − 3x 2 = −2

 x 1 , x 2 ≥ 0
4.5. Problema de transport

Am văzut la prezentarea problemelor de programare liniară că problema de
transport în forma standard are următoarea expresie:
 m n
 min ∑∑ c ij x ij
 n i =1 j =1

 ∑ x = a i , i = 1, m
ij
 j =1
 m ij
 ∑ x = b j , j = 1, n
 i =1
x ij ≥ 0, i = 1, m, j = 1, n
m n
unde ∑a = ∑b
i =1
i
j =1
j , ai,bj≥0.
În legătură cu această problemă avem câteva situaţii concrete care se reduc

însă la problema de mai sus.

131
Problema de transport cu cerere excedentară
 m n
 n i =1 j =1

 ∑ x = a i , i = 1, m
ij
 j =1
 m ij
 ∑ x ≤ b j , j = 1, n
 i =1
x ij ≥ 0, i = 1, m, j = 1, n
m n
unde ∑a ≤ ∑b
i =1
i
j =1
j , ai,bj≥0.
Prin introducerea variabilelor ecart se poate aduce problema la forma standard.

Valorile variabilelor ecart vor fi interpretate ca diferenţă între cantitatea cerută
de beneficiar şi cea trimisă efectiv. Considerând un depozit fictiv cu disponibil
n m
de resurse: am+1= ∑ b j − ∑ a i obţinem condiţia suplimentară:
j =1 i =1
n
∑x
j =1
m +1, j
= a m +1 . Costurile asociate transporturilor fictive vor fi interpretate
după caz fie ca penalităţi stabilite prin contracte cu beneficiarii pentru

neonorarea cererilor fie vor fi luate nule în situaţia în care nu există astfel de
contracte.
Problema de transport cu ofertă excedentară
 m n
 n i =1 j =1

 ∑ x ≤ a i , i = 1, m
ij
 j =1
 m ij
 ∑ x = b j , j = 1, n
 i =1
x ij ≥ 0, i = 1, m, j = 1, n
m n
unde ∑a ≥ ∑b
i =1
i
j =1
j , ai,bj≥0.
Prin introducerea variabilelor ecart se poate aduce problema la forma

standard. Valorile variabilelor ecart vor fi interpretate ca diferenţă între
cantitatea oferită de furnizor şi cea trimisă efectiv. Considerând un beneficiar
m n
fictiv cu cerere de resurse: bn+1= ∑ a i − ∑ b j obţinem condiţia suplimentară:
i =1 j =1
m
∑x
i =1
i , n +1
= b n +1 . Costurile asociate transporturilor fictive vor fi interpretate
după caz fie ca fiind costuri de stocare fie vor fi luate nule.

132
Algoritmul de transport
1) Se construieşte tabelul:
c11 c12 ... c1n a1
c21 c22 ... c2n a2
... ... ... ... ...
cm1 cm2 ... cmn am
b1 b2 ... bn
Într-un tabel vom numi celulă o pereche de numere (i,j) aflată la
intersecţia liniei i cu coloana j din tabel şi ciclu o secvenţă ordonată de celule
de forma: (i1,j1), (i1,j2), (i2,j2), (i2,j3),...,(ik,jk), (ik,j1).
2) Se obţine o soluţie iniţială de bază astfel:
2.1) se dă unei variabile de bază oarecare xij valoarea x’ij=min{ai,bj};
2.2) se înlocuiesc ai şi bj prin ai-x’ij,respectiv bj-x’ij şi se suprimă linia i dacă
x’ij=ai sau coloana j dacă x’ij=bj (în situaţia în care ai=bj alegându-se una
dintre variante);
2.3) în tabelul simplificat astfel se repetă operaţiile anterioare până când se
determină soluţia de bază.
2.4) alegerea lui xij se poate face în mai multe moduri:
2.4.1) metoda colţului de Nord-Vest (G.M.Dantzig): alegerea se face în
celula din prima linie şi coloană a tabelului redus;
2.4.2) metoda costului minim (H.S.Houthakker): alegerea se face din
celula în care este cea mai mică valoare cij.
3) Dacă notăm cu I mulţimea celulelor (i,j) corespunzătoare variabilelor de
bază, se rezolvă sistemul: ui+vj=cij, (i,j)∈I prin alegerea arbitrară a unei
valori iniţiale pentru una din variabilele ui sau vj. Soluţiile ui' şi vj' se scriu
pe marginea tabelului şi se calculează expresiile dij=ui'+vj'-cij pentru (i,j)∉I.
Avem două situaţii:
3.1) dacă dij≤0 pentru orice (i,j)∉I rezultă că soluţia (xij) este optimă;
3.2) dacă ∃(i,j)∈I astfel încât dij>0 se calculează dab= max {d ij } şi se
( i , j)∉ I
determină ciclul format de celula (a,b) cu alte celule ce corespund

variabilelor bazice.
4) Se stabileşte o orientare de parcurs în ciclu şi se marchează celulele ce
ocupă un rang par (celula (a,b) având numărul 1). Fie xcd variabila şi x’cd
valoarea cea mai mică dintre celulele marcate.
5) Se scade această valoare din valorile variabilelor aflate în celule marcate şi
se adună la celulele din ciclu ce au rămas nemarcate.

133
6) Noua soluţie de bază este formată din variabila xab=x’cd şi vechile variabile
bazice din care se va exclude xcd.
7) Se repetă operaţiunile anterioare până când toate cantităţile dij devin
nepozitive în care caz se obţine soluţia optimă.
e) Exemplu:
Să se rezolve problema de transport căreia îi corespunde tabelul de mai jos:
8 3 5 2 10
4 1 6 7 15
1 9 4 3 25
5 10 20 15
Soluţie Vom căuta pentru început o soluţie de bază prin metoda colţului de
NV. Fie deci x11=min{10,5}=5. După eliminarea primei coloane şi
înlocuirea lui a1 cu 10-5 obţinem tabelul redus:
8 3 5 2 5
4 1 6 7 15
1 9 4 3 25
0 10 20 15
Avem aici x12=min{5,10}=5 deci:
8 3 5 2 0
4 1 6 7 15
1 9 4 3 25
0 5 20 15
Mai departe x22=min{5,15}=5 şi
8 3 5 2 0
4 1 6 7 10
1 9 4 3 25
0 0 20 15
Avem acum x23=min{10,20}=10
8 3 5 2 0
4 1 6 7 0
134
1 9 4 3 25
0 0 10 15
x33=min{10,25}=10
8 3 5 2 0
4 1 6 7 0
1 9 4 3 15
0 0 0 15
x34=min{15,15}=15
8 3 5 2 0
4 1 6 7 0
1 9 4 3 0
0 0 0 0
deci am obţinut o soluţie de bază. Vom scrie soluţia în tabel şi acesta va
arăta astfel:
v1 v2 v3 v4
u1 8 3 5 2 10
5 5
u2 4 1 6 7 15
5 10
u3 1 9 4 3 25
10 15
5 10 20 15
Rezolvăm sistemul:
 u 1 + v1 = 8
u + v = 3
 1 2
 u 2 + v 2 = 1

u 2 + v 3 = 6
u 3 + v 3 = 4

 u 3 + v 4 = 3

135
de unde cu soluţia iniţială u1=0 obţinem v1=8, v2=3, u2=-2, v3=8, u3=-4,
v4=7. Scriem acum în colţul din stânga sus al celulelor nebazice cantităţile
dij=ui+vj-cij şi obţinem tabelul:
8 3 8 7
0 8 3 5 2 10
5 5 5
3
-2 4 1 6 7 15
2 5 10 -2
-4 1 9 4 3 25
-10 10 15
3
5 10 20 15
Cantitatea d14=5 este cea mai mare dintre valorile pozitive ale lui dij. Ciclul
format plecând de la celula (1,4) este marcat în tabel cu săgeţi.
Se observă din graful prezentat în figură modul de determinare a ciclului:

(1,4)-(3,4)-(3,3)-(2,3)-(2,2)-(1,2)-(1,4). Celulele scrise îngroşat sunt cele de
ordin par (în practică celulele se marchează cu un asterisc). Variabila de
valoare minimă este x12=5. Obţinem acum tabelul:
v1 v2 v3 v4
u1 8 3 5 2 10
5 5
u2 4 1 6 7 15
10 5
u3 1 9 4 3 25
15 10
5 10 20 15

136
Rezolvăm sistemul:
 u 1 + v1 = 8
u + v = 2
 1 4
 u 2 + v 2 = 1

u 2 + v 3 = 6
u 3 + v 3 = 4

 u 3 + v 4 = 3
de unde cu soluţia iniţială u1=0 obţinem v1=8, v4=2, u3=1, v3=3, u2=3,
v2=-2. Avem acum:
8 -2 3 2
0 8 3 5 2 10
5 -5 -2 5
3 4 1 6 7 15
7 10 5 -2
1 1 9 4 3 25
8 -10 15 10
5 10 20 15
Valoarea 8 este maximul cantităţilor dij iar ciclul este marcat pe tabel.
Valoarea minimă a lui xij din celulele îngroşate este 5. Obţinem deci
tabelul:
v1 v2 v3 v4
u1 8 3 5 2 10
10
u2 4 1 6 7 15
10 5
u3 1 9 4 3 25
5 15 5
5 10 20 15
Rezolvăm sistemul:

137
u 1 + v 4 = 2
u + v = 1
 2 2
u 2 + v 3 = 6

 u 3 + v1 = 1
u 3 + v 3 = 4

 u 3 + v 4 = 3

138
de unde cu soluţia iniţială u1=0 obţinem v4=2, u3=1, v3=3, u2=3, v2=-2,
v1=0. Avem în final:
0 2 3 2
0 8 3 5 2 10
-8 -5 -2 10
3 4 1 6 7 15
-1 10 5 -2
1 1 9 4 3 25
5 -10 15 5
5 10 20 15
Cum toate cantităţile dij sunt negative rezultă că am obţinut soluţia optimă a
problemei şi anume x14=10, x22=10, x23=5, x31=5, x33=15, x34=5 celelalte
fiind nule iar valoarea minimă a cheltuielilor de transport este
10⋅2+10⋅1+5⋅6+5⋅1+15⋅4+ 5⋅3=140.
Rezumat
Problemele de programare liniară apar în procesele de modelare matematică.
Agoritmul Simplex oferă o cale relativ rapidă de rezolvare a acestora, spre
deosebire de situaţia determinării extremelor funcţiilor ce poate conduce la
rezolvarea unui sistem de ecuaţii neliniare.
Algoritmul simplex dual apare, de regulă, în situaţia reoptimizării şi/sau
parametrizării unei probleme de programare liniară, conducând la obţinerea,
de la o soluţie preexistentă, a soluţiei problemei transformate.
Problema de transport este deosebit de utilă în situaţia alocării unor rute de
transport în situaţia în care cheltuielile de transport sunt suportate de către o
singură firmă.

139
 min x 1 + x 3
 1 2 3 4
 2x − x + x + x = 3
I. Să se rezolve problema de programare liniară: − x 1 + 5x 2 − x 3 + x 4 = 2
 x1 + 4x 2 + 2x 4 = 6

 x1 , x 2 , x 3 , x 4 ≥ 0

Problema iniţială nu are soluţie – 10 puncte.
E.D.P.

140
5. MATEMATICI FINANCIARE
Dobânzi
Operaţiuni de scont
Plăţi eşalonate (rente)
Rezumat
autoevaluare
• să aplici noţiunile de dobândă simplă şi compusă;

• să calculezi scadenţe și operaţiuni de scont;
• să detaliezi ratele de anuităţi și împrumuturi.

Cătălin Angelo Ioan Matematici Financiare
5.1. Dobânzi
Definiţii
Dobânda este noţiunea de bază cu care se operează în calculele financiare. Ea
reprezintă un surplus monetar care se adaugă unei sume plasate sau
împrumutate.
Dobânda unitară reprezintă dobânda furnizată de 1 u.m. pe timp de un an şi
va fi notată convenţional cu i.
Dobânda procentuală reprezintă dobânda unitară pentru 100 u.m. şi vom
conveni să o notăm cu d.
Avem deci:
d=100⋅i
Definiţie
Dobânda simplă reprezintă dobânda calculată asupra aceleiaşi sume de bani
pe toată durata împrumutului.
Fie S suma depusă sau împrumutată şi t numărul de ani de împrumut. Dacă D
este dobânda simplă, avem:
d Sdt
D=S t= =Sit
100 100
Uneori se practică împrumuturi sau depuneri pe perioade mai mici de un an.
Fie deci n numărul de părţi egale în care se împarte un an şi k numărul de părţi
pentru care se calculează dobânda. Avem:
Sdk Sik
D= =
100n n
Suma totală la sfârşitul perioadei de t ani este:
Sdt  dt 
St=S+D=S+ =S 1 +  =S(1+it)
100  100 
Reciproc, pentru a obţine suma St după t ani va trebui plasată la începutul
perioadei de depunere suma:
St S
S= = t
dt 1 + it
1+
100
Fie acum S1,...,Sn sume plasate pe termenele t1,...,tn cu aceeaşi dobândă d.
Problema care se pune este de a înlocui aceste sume şi durate printr-o sumă
unică S şi o durată unică t astfel încât suma dobânzilor să fie aceeaşi cu cea
furnizată de suma S pe durata t. Avem: S1it1+...+Snitn=Sit de unde:

142
∑S t
i =1
i i
t=
S
numită scadenţă comună (dacă se cunoaşte suma depusă) şi:
n
∑S t
i =1
i i
t= n
∑S
i =1
i
n
numită scadenţă medie dacă S= ∑ Si .
i =1
Să considerăm acum sumele S1,...,Sn depuse pe duratele t1,...,tn cu dobânzile

d1,...,dn. Ne propunem să determinăm dobânda medie d pentru care aceste
sume plasate pe aceleaşi durate să furnizeze aceeaşi dobândă totală. Avem:
n
Si d i t i n
Si dt i
∑
i = 1 100
= ∑
i = 1 100
de unde:
n
∑S d t
i =1
i i i
d= n
∑S t
i =1
i i
numită dobânda medie.

Definiţie
Dobânda compusă este dobânda obţinută în urma adăugării dobânzii simple la
suma plasată iniţial în scopul producerii unei noi dobânzi.
Dacă i este dobânda unitară, vom numi:
u=1+i - factorul de fructificare
Avem astfel: S1=S+Si=S(1+i), S2=S1+S1i=S1(1+i)= S(1+i)2. Să presupunem că
după n ani avem: Sn=S(1+i)n. Avem: Sn+1=Sn+Sni=Sn(1+i)= S(1+i)n+1 deci prin
inducţie matematică rezultă:
Sn=S(1+i)n=Sun ∀n≥0
Dobânda compusă este:
D=Sn-S=S[(1+i)n-1]=S(un-1)
Să studiem acum cazul în care n∉N. În această situaţie se poate proceda în
două moduri:
1) Se foloseşte formula generală a dobânzii compuse pentru numărul întreg de
perioade de timp şi se aplică formula dobânzii simple pentru partea
fracţionară, soluţie numită soluţia raţională.
143
2) Se foloseşte formula generală a dobânzii compuse atât pentru partea

întreagă cât şi pentru partea fracţionară, soluţie numită soluţia comercială.
Să studiem acum fiecare din cele două cazuri:
k
1) Fie t=n+ durata de depunere în care n reprezintă numărul de ani, m-
m
numărul de perioade de timp egale ale unui an şi k numărul de perioade pe
k
care s-a plasat împrumutul. Avem după n ani: Sn=S(1+i)n iar în restul de
m
k
ani avem dobânda simplă la Sn: D=Sni . Obţinem deci:
m
k k
St=Sn+D=S(1+i)n+S(1+i)ni =S(1+i)n(1+i )
m m
2) În acest caz funcţia S:[0,∞)→R, S(t)=S(1+i)t ∀t∈[0,∞) fiind continuă pe tot
domeniul de definiţie, avem:
k k k
n+ n+
n
St=S (1 + i) m
=S u m
=Su u m
În problema dobânzilor compuse, de o importanţă foarte mare este perioada la

care se calculează procentul de dobândă. Fie deci dn procentul de dobândă
pentru o perioadă de n unităţi de timp şi dm procentul de dobândă pentru o
perioadă de m unităţi de timp. Dobânzile se numesc proporţionale dacă ele
produc acelaşi efect în cazul dobânzilor simple. Avem deci pentru o perioadă
de mn unităţi de timp dnm dobânda produsă în primul caz şi dmn în cel de-al
doilea. Prin urmare: dnm=dmn de unde:
dn n
=
dm m
Observaţie
Dobânda corespunzătoare unei perioade de o lună se numeşte dobândă
mensuală, pentru o perioadă de trei luni: dobândă trimestrială, pentru şase
luni: dobândă semestrială iar pentru o perioadă de un an: dobândă anuală.
Astfel, o dobândă anuală de 100% este proporţională cu una semestrială de
50% şi cu una trimestrială de 25%.
În cazul dobânzilor compuse, dobânzile proporţionale nu produc acelaşi efect.
Astfel, dacă d1 este dobânda mensuală iar d12 este dobânda anuală avem după
12
 d   d  d 1
un an: Sd 1 = S1 + 1  , Sd 12 = S1 + 12  . Cum 1 = rezultă d12=12d1
 100   100  d12 12
de unde:
12
 12d1   d 
Sd 12 = S1 +  ≤ S1 + 1 
 100   100 

144
unde am folosit inegalitatea lui Bernoulli: (1+a)x≥1+xa ∀x≥1 ∀a>-1.

În general, fie dn procentul de dobândă pentru o perioadă de n unităţi de timp şi
dm procentul de dobândă pentru o perioadă de m unităţi de timp. Dacă [m,n]
este cel mai mic multiplu comun al numerelor m şi n, avem după

[m, n ]
n
[m , n ]
perioade
 d 
Sn= S1 + n 
n
iar după
[m, n ] perioade de timp:Sm=
 100  m
[m , n ]
 d  m dn n m
S1 + m  . Deoarece = rezultă dm= d n . Obţinem deci Sm=
 100  dm m n
[m , n ]
 d m m m
S1 + n  . Fie =α. Atunci:
 100 n  n
[m , n ] n [m , n ] 1
 d  n m  d  n α
Sm= S1 + n α  = S1 + n α  . Dacă acum m≥n rezultă α≥1 deci,
 100   100 
[m , n ] [m , n ]
α
 d  n  d  n
cu inegalitatea Bernoulli: Snα= S1 + n  ≥ S1 + n α  =Smα. De aici:
 100   100 
Sn≥Sm. Am obţinut deci următorul rezultat:
Propoziţie
Două dobânzi proporţionale produc efecte inverse în raport cu numărul de luni
la care se calculează.
Definiţie
Două dobânzi se numesc echivalente dacă ele conduc la aceeaşi sumă finală
în cazul dobânzii compuse.
[m , n ] [m , n ]
 d  n  d  m
Astfel în cazul general de mai sus, avem: S1 + n  = S1 + m  de
 100   100 
unde:
m n
 d   d 
1 + n  = 1 + m 
 100   100 
sau altfel:
m
dm n  d 
= 1 + n  −1
100  100 
1
În cazul particular n=1 şi m=12 (cu convenţia x = x ∀x∈R) rezultă:
12
d12  d 
= 1 + 1  − 1
100  100 

145
Fie acum o sumă S plasată cu dobânda d pe an în două perioade egale. După

 d 
primul semestru, vom avea suma S1=S 1 +  , iar după a doua: S2=S
 200 
2 2
 d  S −S  d 
1 +  . Dobânda rezultată va fi deci: D= 2 = 1 +  -1=
 200  S  200 
d d2
2 + de unde:
200 200 2
d2
d’=100D=d+
400
Astfel, pentru d=50% obţinem: d’=56,25%.
Definiţie
Dobânda d se numeşte dobândă nominală iar d’ se numeşte dobândă reală
sau efectivă.
Fie deci acum n perioade de timp în care împărţim un an şi d: dobânda
n
 d   d' 
nominală iar d’: dobânda efectivă. Avem: S1=S 1 +  =S 1 +  de
 100 n   100 
unde:
 d 
n

d’=100 1 +  − 1
 100 n  
care reprezintă dobânda efectivă în funcţie de dobânda nominală.

De asemenea, din aceeaşi formulă, avem:
 d' 
d=100n n 1 + − 1
 100 
care reprezintă dobânda nominală în funcţie de cea efectivă.
Exemplu:
Fie o dobândă trimestrială de 15%. Să se calculeze dobânda echivalentă
mensuală, cea semestrială şi cea anuală.
Soluţie Pentru dobânda mensuală avem n=3 şi m=1. Din formula:
m
dm n  d  d1  d 
= 1 + n  − 1⇒ = 3 1 + 3  − 1 =4,77% Pentru dobânda
100  100  100  100 
6
d6 3  d 
semestrială avem n=3 şi m=6. Rezultă deci = 1 + 3  − 1 =32,25%.
100  100 

146
Pentru dobânda anuală avem n=3 şi m=12. Rezultă deci

12
d12 3  d 
= 1 + 3  − 1 =74,90%.
100  100 
Sarcina de lucru 1
Fie o dobândă trimestrială de 15%. Să se calculeze dobânda reală

corespunzătoare dobânzii nominale date.
5.2. Operațiuni de scont

Definiţie
Scontul reprezintă operaţiunea de cumpărare de către o bancă comercială a
unei poliţe înainte de termenul limită de scadenţă a acesteia în schimbul unui
comision. De asemenea, scontul mai reprezintă şi diminuarea unor datorii
atunci când acestea se achită în avans (de exemplu atunci când în cazul unui
credit, debitorul achită o rată mai mare decât cea prevăzută).
Scontul simplu
Fie suma S0 împrumutată cu dobânda d pe o perioadă de n ani (luni) de la
creditorul C1. La momentul n1<n, creditorul C1 doreşte încasarea sumei Sf pe
care trebuia să o primească la sfârşitul celor n ani adică Sf=S0(1+nd). În acest
caz, el se adresează băncii C2 care îi va rambursa suma din care va scădea o
taxă T. Aceasta, va prelua poliţa şi îi va da creditorului C1 suma Sf-T. La
momentul de timp n1 poliţa iniţială are o valoare S1 – numită valoare finală la
scontare, iar suma de plecare după reţinerea comisionului - Ssc se va numi
valoare scontată. Diferenţa S=Sf-Ssc se numeşte taxă de scont (sau simplu,
scont).
Să presupunem că banca C2 aplică o dobândă simplă valorii scontate. Fie
aceasta „s”. În perioada de scontare, C2 va obţine suma:
Sf=Ssc(1+s(n-n1))
Sf S s( n − n 1 )
de unde rezultă că scontul este: Ss=Sf-Ssc=Sf- = f =
1 + s( n − n 1 ) 1 + s(n − n 1 )

147
S0 (1 + nd)s(n − n 1 )
- numit scont simplu (sau scont simplu raţional).
1 + s( n − n 1 )
Relaţia se mai poate scrie şi sub forma:
Sf s(n − n1 )(1 − s(n − n1 ) ) Sf s(n − n 1 ) − Sf s 2 (n − n1 ) 2

Ss= 2 2
= 2 2
şi cum s2 este foarte
1 − s (n − n 1 ) 1 − s (n − n 1 )
mic se poate considera că s2(n-n1)2≈0 de unde: Sc= S f s (n − n 1 ) =
S0 (1 + nd)s(n − n1 ) - numit scont simplu comercial. Dacă vom calcula
Sf s(n − n 1 )
diferenţa Sc-Ss= S f s ( n − n 1 ) - =
1 + s( n − n 1 )
Sf s(n − n1 ) + Sf s 2 (n − n 1 ) 2 − Sf s(n − n1 ) Sf s 2 (n − n1 ) 2
= >0 observăm că
1 + s( n − n 1 ) 1 + s( n − n 1 )
scontul comercial este mai mare decât cel simplu, avantajând, în mod evident,
creditorul C2.
Din relaţiile de mai sus, rezultă imediat că valoarea scontată este:
Sf s( n − n 1 ) Sf S (1 + nd)
• Ssc=Sf-Ss=Sf- = = 0 în cazul scontului
1 + s(n − n 1 ) 1 + s( n − n 1 ) 1 + s( n − n 1 )
simplu şi
• Ssc=Sf-Ss=Sf- Sf s( n − n 1 ) = S f (1 − s( n − n 1 ) ) = S0 (1 + nd)(1 − s(n − n1 )) în
cazul scontului comercial.
Se observă că în cazul scontului comercial, durata de scontare n-n1 trebuie să
1
satisfacă condiţia 1-s(n-n1)>0 adică: n-n1< altfel obţinând o valoare
s
nepozitivă pentru valoarea scontată (imposibil din punct de vedere practic).
Revenind acum, după n1 ani avem S1=S0(1+n1d) şi Sf=S0(1+nd).
Din formulele de mai sus deducem:
Sf S (1 + nd) S1 (1 + nd)
• Ssc= = 0 = în cazul scontului
1 + s(n − n 1 ) 1 + s(n − n 1 ) (1 + n 1d)(1 + s(n − n1 ) )
simplu şi
S1 (1 + nd)(1 − s(n − n1 ) )
• Ssc= S f (1 − s( n − n 1 ) ) = S0 (1 + nd)(1 − s(n − n1 )) = în
1 + n 1d
cazul scontului comercial
Prin urmare avem:

148
S1 (1 + nd) (1 + nd) − (1 + n 1d)(1 + s(n − n1 ) )

• Ssc-S1= -S1= S1 =
(1 + n 1d)(1 + s(n − n1 ) ) (1 + n 1d)(1 + s(n − n1 ) )
(n − n1 )(d − s − n1ds)
S1
(1 + n1d)(1 + s(n − n1 ))
în cazul scontului simplu şi
S1 (1 + nd)(1 − s(n − n1 )) (1 + nd)(1 − s(n − n1 )) − 1 − n1d
• Ssc-S1= -S1= S1 =
1 + n 1d 1 + n 1d
(n − n1 )(d − s − nds)
S1 în cazul scontului comercial.
1 + n 1d
Pentru a avea deci Ssc<S1 va trebui ca:

d
• s> în cazul scontului simplu şi
1 + n 1d
d
• s> în cazul scontului comercial.
1 + nd
Scontul compus
Fie suma S0 împrumutată cu dobânda d pe o perioadă de n ani (luni) de la
creditorul C1. La momentul n1<n, creditorul C1 doreşte încasarea sumei Sf pe
care trebuia să o primească la sfârşitul celor n ani adică Sf=S0(1+d)n. În acest
caz, el se adresează băncii C2 care îi va rambursa suma din care va scădea o
taxă T. Aceasta, va prelua poliţa şi îi va da creditorului C1 suma Sf-T. La
momentul de timp n1 poliţa iniţială are o valoare S1 –valoarea finală la
scontare, iar suma de plecare după reţinerea comisionului - Ssc este valoarea
scontată. Notăm, de asemenea, S=Sf-Ssc - taxa de scont.
Să presupunem acum că banca C2 aplică o dobândă compusă valorii scontate.
Fie aceasta „s”. În perioada de scontare, C2 va obţine suma
Sf=Ssc (1 + s )n − n 1
de unde rezultă că scontul este: Ss=Sf-Ssc=Sf-

Sf
=
(
Sf (1 + s )
n −n1
)=
−1
n − n1 n −n1
(1 + s) (1 + s )
n
(
S0 (1 + d) (1 + s )
n − n1
).
−1
Dacă notăm u=
1
- numit factor de scont,
n − n1
(1 + s ) 1+ s
( )
obţinem: Sr= Sf 1 − u n − n 1 = S0 (1 + d ) n 1 − u n − n 1( ) - numit scont compus (sau
scont compus raţional).
Considerând dezvoltarea binomială:
m (m − 1) 2
(1 + s )m = 1 + ms + s + ... rezultă că relaţia de mai sus devine (după
2
neglijarea puterilor≥2):

149
Sc=
(
Sf (1 + s )
n −n1
) = S 1 −
−1 1 
=
(1 + s )n − n 1
f  (1 + s)n − n 1 
 
 
 
Sf 1 −
1  = Sf 1 − 1 
 (n − n1 )(n − n1 − 1) 2   1 + (n − n )s  =
 1 + (n − n1 )s + s + ...   1 
 2 
(n − n1 )s (1 + d) n (n − n1 )s
Sf = S0 - numit scont compus comercial.
1 + (n − n1 )s 1 + (n − n 1 )s
Se observă că scontul compus comercial are acceaşi valoare ca şi scontul
simplu raţional.
Din relaţiile de mai sus, rezultă imediat că valoarea scontată este:
• ( )
Ssc=Sf-Sr=Sf- Sf 1 − u n − n 1 = Sf u n − n 1 = S 0 (1 + d ) n u n − n 1 în cazul scontului
compus raţional şi
Sf s( n − n 1 ) Sf S0 (1 + d) n
• Ssc=Sf-Sc=Sf- = = în cazul scontului
1 + s ( n − n 1 ) 1 + s ( n − n 1 ) 1 + s( n − n 1 )
compus comercial.
Revenind acum, după n1 ani avem S1=S0 (1+ d )n 1 şi Sf=S0(1+d)n.
Din formulele de mai sus deducem:
• Ssc= S 0 (1 + d ) n u n − n 1 = S1 (1 + d) n − n 1 u n − n 1 în cazul scontului raţional şi
S0 (1 + d) n S1 (1 + d ) n − n 1
• Ssc= = în cazul scontului comercial
1 + s( n − n 1 ) 1 + s( n − n 1 )
Exemplu:
O poliţă cu valoarea iniţială de 1000 euro şi dobândă anuală simplă de 12%
este scadentă peste 18 luni. După un an de la emitere, posesorul poliţei o
prezintă pe aceasta la scontare simplă cu dobânda de 15%. Să se determine
i) valoarea finală la scontare;
ii) valoarea scontată în cazurile scontului simplu şi al celui comercial;
iii) valoarea taxei de scont în cazurile scontului simplu şi al celui comercial.
 0,12 
Soluţie i) Avem S1=1000⋅ 1 + 12 ⋅  =1120 euro.
 12 

150
0,12
1 + 18 ⋅
ii) În cazul scontului simplu, avem: Ssc=1000 ⋅ 12 =1000⋅1,098=
0,15
1+ 6⋅
12
0,12  0,15 
1098 euro, iar în cazul celui comercial: Ssc=1000 ⋅ (1 + 18 ⋅ ) 1 − 6 ⋅ 
12  12 
=1000⋅1,092=1092 euro.
 0,12  0,15
1 + 18 ⋅ ⋅ ⋅6
 12  12
iii) În cazul scontului simplu, avem: Ss=1000 ⋅ =
0,15
1+ ⋅6
12
1000⋅0,082=82 euro,iar în cazul celui comercial:
 0,12  0,15
Sc= 1000 ⋅ 1 + 18 ⋅ ⋅ ⋅ 6 =1000⋅0,088=88 euro.
 12  12
Sarcina de lucru 2
O poliţă cu valoarea iniţială de 1000 euro şi dobândă compusă de 1% pe

lună este scadentă peste 18 luni. După un an de la emitere, posesorul poliţei
o prezintă pe aceasta la scontare compusă cu dobânda de 15%. Să se
determine
i) valoarea finală la scontare;
ii) valoarea scontată în cazurile scontului raţional şi al celui
comercial.
5.3. Plăți eșalonate (rente)

Definiţii
Prin plată eşalonată sau rentă se înţelege o sumă de bani plătită la intervale
de timp egale. Dacă plata este anuală se numeşte anuitate, dacă este
semestrială: semestrialitate, trimestrială: trimestrialitate iar lunară:
mensualitate.
Rentele se pot face fie în vederea constituirii unor sume numite plăţi de
plasament sau plăţi de fructificare, fie pentru rambursarea unor datorii către

151
diverşi creditori în care caz se numesc plăţi de rambursare sau de

amortizare.
Plăţile efectuate la începutul perioadei se numesc anticipate iar cele de la
sfârşitul perioadei posticipate.
Plăţile mai pot fi temporare atunci când numărul lor este finit, perpetue dacă
numărul acestora este infinit şi viagere dacă numărul acestora este finit dar
limitat de viaţa persoanei.
De asemenea, plăţile mai pot fi constante sau variabile.
Mensualități. Anuități
Toate rezultatele prezentate în continuare sunt valabile atât pentru mensualităţi,
cât şi pentru anuităţi (cu simpla înlocuire a termenului de lună cu cel de an şi a
dobânzilor corespunzătoare).
I. Valoarea finală a unui şir de mensualităţi temporare
Fie o perioadă de n luni, dobânzile unitare i1,i2,...,in corespunzătoare lunilor
1,2,...,n şi A1,A2,...,An mensualităţile acestor perioade. Fie, de asemenea, S
valoarea finală a acestui şir de mensualităţi şi ε∈[0,1] fracţiunea din an la care
se plăteşte mensualitatea. Vom nota cu uk=1+ik – factorul de fructificare
corespunzător dobânzii ik, k= 1, n .
A A ... A p A p+1
... A
1 2 n
ε ε ε ε ε
0 1 2 p-1 p p+ 1 n-1 n
i i i p i p+ 1 i
1 2 n
Avem:
(1) S=A1u11-εu2u3...un+A2u21-εu3...un+...+Apup1-εup+1...un+...+Anun1-ε
În condiţiile mensualităţilor constante, avem: A1=A2=...=An=A de unde:
(2) S=A(u11-εu2u3...un+u21-εu3...un+...+up1-εup+1...un+...+un1-ε)
Dacă dobânzile şi mensualităţile sunt constante, avem şi u1=u2=...=un=u de
unde:
un − 1
(3) S=A(un-ε+un-ε-1+...+un-ε-p+...+u1-ε)=Au1-ε
i
Pentru mensualităţi anticipate, avem ε=0 de unde:
un − 1
(4) S=Au
i
iar pentru posticipate, ε=1:
un − 1
(5) S=A
i

152
Dacă dobânzile au o tendinţă de variaţie de r% lunar (r>0 – creştere, r<0 –

r
descreştere), atunci avem up+1=up⋅(1+ ), p= 0, n − 1 de unde:
100
r p-1
(6) up=u1⋅(1+ ) , p= 1, n
100
r
Să notăm pentru simplificare 1+ =s.
100
Din (1) şi (6) rezultă:
n −1
S= ∑ A p (u 1s p −1 )1 − ε u 1s p ...u 1s n −1 + A n (u 1s n −1 )1 − ε =
p =1
n −1
∑A u
p =1
n − p +1 − ε ( p −1)(1− ε ) + p + ... + ( n −1)
p 1 s + A n u11− εs (n −1)(1− ε) =
( n − 1) n ( p − 1)( p − 2 + 2 ε ) ( n − 1) n
n − + ε −1 n Ap
s 2
u n −ε
1 ∑ Apu
p =1
− ( p − 1)
1 s 2
=s 2
u 1n + 1 − ε ∑
p =1
p ( p − 3 + 2ε )
=
p
u s 1
2
( n − 2 )( n + 1)
+ε n Ap
s 2
u 1n + 1 − ε ∑ p ( p − 3 + 2ε )
.
p =1 p
u s
1
2
Avem deci:
( n − 2 )( n + 1)
+ε n Ap
(7) S= s 2
u 1n + 1 − ε ∑ p ( p − 3 + 2ε )
p =1
u 1p s 2
Dacă mensualităţile sunt constante, avem: A1=A2=...=An=A de unde:

( n − 2 )( n + 1)
+ε n
1
(8) S= As 2
u 1n + 1 − ε ∑ p ( p − 3 + 2ε )
p =1
u 1p s 2

( n − 2 )( n + 1) n
1
(9) S= As 2
u 1n + 1 ∑ p ( p − 3)
p =1
u 1p s 2

( n − 1) n n
1
(10) S= As 2
u 1n ∑ p ( p − 1)
p =1 p
u s1
2
În cazul constituirii depozitului la k luni de la data formulării problemei, în

toate formulele mai sus-menţionate se consideră în loc de n valoarea n-k.
Dacă vom considera r=0 avem s=1 şi formulele (9) şi (10) devin (4), respectiv
(5).
153
II. Valoarea actuală a unui şir de mensualităţi temporare

Ne interesează acum problema inversă. Pentru constituirea unui şir de
mensualităţi ce urmează a fi încasate după o perioadă de k luni de la constituire
timp de n luni, care este suma ce trebuie depusă la momentul iniţial ?
1
Fie vk= - factorul de actualizare corespunzător lui uk, k= 1, n .
uk
1 uk − 1 ik
Avem: 1-vk=1- = = =ivk. Pentru constituirea sumei S avem
uk uk uk
S=Sk+1+Sk+2+...+ Sn unde Sp reprezintă depozitul iniţial constituit pentru
retragerea mensualităţii Ap. Suma iniţială Sp produce până la momentul p+ε o
Ap
sumă totală Ap=Spu1u2...up-1upε de unde: Sp= =Apv1v2...vp-1vpε.
u 1u 2 ...u p −1u p
ε
Obţinem deci:
n
(11) S= ∑A
p = k +1
p v1 v 2 ...v p −1 v εp
În condiţiile mensualităţilor constante, avem: Ak+1=...=An=A de unde:

n
(12) S=A ∑v v
p = k +1
1 2 ...v p −1 v εp
Dacă dobânzile şi mensualităţile sunt constante, avem şi u1=u2=...=un=u de

unde:
n
vn − k −1 1 − vn − k
(13) S= A ∑v
p = k +1
p −1 + ε
= Av k + ε
v −1
= Av k + ε −1
i
k −1 1− vn −k
(14) S= Av
i
1− vn −k k
(15) S= Av
i
În cazul plăţilor imediate, avem k=0 şi este normal ca să presupunem că plata
este posticipată (deci ε=1) şi suma ce trebuie constituită este:
1 − vn
(16) S= A
i
Dacă plata mensualităţilor va fi perpetuă, obţinem din formulele (15) şi (16)
trecând la limită pentru n→∞:

154
Avk
(15’) S=
i
respectiv:
A
(16’) S=
i
Dacă dobânzile au o tendinţă de variaţie de r% lunar (r>0 – creştere, r<0 –
descreştere), atunci avem up=u1⋅sp-1, p= 1, n de unde: vp=v1s1-p. Din formula
(11) rezultă:
n n
v1p −1 + ε
(17) S= ∑ A p v1v1s −1...v1s 2 − p (v1s1− p ) ε =
p = k +1
∑
p = k +1
Ap ( p − 1)( p − 2 + 2 ε )
s 2
Dacă mensualităţile sunt constante, avem: Ak+1=...=An=A de unde:

n
v1p − 1 + ε
(18) S= A ∑
p = k +1
( p − 1)( p − 2 + 2 ε )
s 2

n
v1p −1
(19) S= A ∑
p = k +1
( p − 1)( p − 2 )
s 2

n
v1p
(20) S= A ∑
p = k +1
( p − 1) p
s 2
Împrumuturi
Definiţie
Împrumutul reprezintă o sumă de bani primită în schimbul rambursării ei prin
anuităţi (mensualităţi) constante formate din rata curentă (constantă sau nu)
numită amortisment şi dobânda asupra restului de plată.
Fie deci S suma împrumutată, S1,...,Sn anuităţile succesive, A1,...,An
amortismentele succesive, R0,...,Rn resturile de plată după fiecare rată, i1,...,in
dobânzile unitare ale împrumutului (în condiţiile unei economii inflaţioniste,
dobânzile pot varia chiar lunar) şi n numărul de ani (perioade de timp) pentru
rambursare.
Pentru organizarea calculelor, vom întocmi un tabel de forma:
Momentul de Anuitatea Suma rămasă de
timp plată
0 - R0=S

155
1 S1=A1+R0i1 R1=R0-A1
2 S2=A2+R1i2 R2=R1-A2
... ... ...
k Sk=Ak+Rk-1ik Rk=Rk-1-Ak
k+1 Sk+1=Ak+1+Rkik+ Rk+1=Rk-Ak+1
1
... ... ...

n Sn=An+Rn-1in Rn=Rn-1-An=0
Avem în mod evident S=A1+...+An. De asemenea:
Sk+1-Sk=Ak+1-Ak+Rkik+1-Rk-1ik=Ak+1-Ak+Rk-1ik+1-Akik+1-Rk-1ik=
Ak+1-Ak(1+ik+1)+Rk-1(ik+1-ik)
Rk=Rk-1-Ak=Rk-2-(Ak-1+Ak)=...=S-(A1+...+Ak), k=1,...,n
S S n−k
Dacă amortismentele sunt constante: A1=...=An= atunci: Rk=S-k = S
n n n
de unde:
S S n − k +1 (n − k )i k + 1 − ( n − k + 1)i k
Sk+1-Sk= - (1+ik+1)+S (ik+1-ik)= S
n n n n
i
Dacă dobânda este constantă i, avem: Sk+1-Sk=-S deci anuităţile formează o
n
i
progresie aritmetică descrescătoare cu raţia -S .
n
Dacă anuităţile sunt constante, avem S1=...=Sn de unde:
Ak+1=Ak(1+ik+1)-Rk-1(ik+1-ik)
Dacă dobânda este constantă i avem: Ak+1=Ak(1+i) de unde:
Ak=A1(1+i)k-1
deci amortismentele formează o progresie geometrică cu raţia 1+i.
În cazul anuităţilor constante avem:
n n
S = ∑ Ak = A1 + ∑ [Ak −1(1 + ik ) − R k − 2 (ik − ik −1 )] =
k =1 k =2
n   k −2  
A1 + ∑ Ak −1 (1 + ik ) −  S − ∑ Ap (ik − ik −1) =
k =2 
  p =1  
n n n k −2
A1 + ∑ Ak −1 (1 + ik ) − S∑ (ik − ik −1) + ∑ (ik − ik −1 )∑ Ap
k =2 k =2 k =2 p =1

156
n
Dacă dobânda este constantă “i” avem: S= A1 + ∑ A k −1 (1 + i k ) şi cum
k=2
n
(1 + i) − 1 i
An=A1(1+i)n-1 rezultă: S=A1 sau altfel: A1=S .
i (1 + i ) n − 1
Suma totală de plată după p anuităţi este:

p p P p P
Stot= ∑ S k = ∑ (A k + R k −1i k ) = ∑ A k + ∑ R k −1i k = ∑ A k +Si1+
k =1 k =1 k =1 k =1 k =1
p p
 k −1

∑  S − ∑ A
k=2 r =1
r i k =S ∑ i k +
 k =1
p
 k −1

A1+ ∑  A k − ∑ A r i k  .
k =2  r =1 
Dacă amortismentele sunt egale, avem:
p
S p  S S k −1   p p n − k + 1 
Stot=S ∑ i k + + ∑  − ∑ i k  =S  + ∑ i k 
k =1 n k = 2  n n r =1   n k = 1 n 
Dacă dobânzile sunt constante şi egale cu i, avem:
 p p n − k +1   p i  n n−p

Stot=S  + ∑ i  =S  +  ∑ k − ∑ k  =
 n k =1 n   n n  k =1 
k =1 
 p i  n (n + 1) (n − p)(n − p + 1)  S
S +  −  = [2p+i(2np-p2+p)].
 n n  2 2   2 n
La sfârşitul perioadei de plată avem (pentru p=n):
 n + 1
Sfinală=S 1 + i 
 2 
Suma rămasă de plată după plata a p anuităţi se constituie ca diferenţă între
suma totală de plată la sfârşitul perioadei şi cea totală după anuitatea p.
Exemplu:
O persoană împrumută de la o bancă suma de 9.000 lei pe o perioadă de 3
ani cu dobândă anuală de 50%. Dacă rambursarea se face cu amortismente
egale, să se întocmească graficul de plată.
50
Soluţie Avem S=9.000, n=3, i= =0,5. Graficul de plată este următorul:
100
Momentul de timp Anuitatea Suma rămasă de plată

0 - 9.000
1 7.500 6.000

157
2 6.000 3.000
3 4.500 0

158
Sarcina de lucru 3
O persoană împrumută de la o bancă suma de 18.000 lei pe o perioadă de

10 ani cu dobândă anuală de 60%. Datorită unei inflaţii galopante, în
primele 4 luni dobânda creşte cu 110% lunar. Dacă rambursarea se face cu
amortismente egale, lunare, să se întocmească graficul de plată pentru
primele 4 luni.
Rezumat
Problemele de matematici financiare se regăsesc, de regulă, în actvitatea
bancară sau în cea a caselor de asigurări, pensii etc.
Metodele de calcul al dobânzilor (simplă sau compusă) se întrepătrund în
practica economică fiind adaptate sau adaptabile necesităţilor şi exigenţelor
firmei.
Calculul anuităţilor (mensualităţilor) apare pregnant astăzi, fiind util oricărui
cetăţean, nu numai economiştilor, pentru determinarea valorii finale a unui
depozit depus regulat sau a determinării unei rate de rambursare periodică sau
nu.
Modul de calcul al împrumuturilor este deosebit de util în orice societate ce
practică un astfel de sistem de cumpărare.
I. O persoană depune la bancă suma de 1.000 lei cu dobândă compusă de 50%
pe an. Ce sumă va avea persoana după 3 ani şi 7 luni în cazul în care se aplică
pentru fracţiunea de an soluţia raţională ? Care este dobânda corespunzătoare
întregii perioade?

159
II. O persoană doreşte să constituie un depozit de bani astfel încât după o

perioadă de 20 ani să poată retrage timp nelimitat suma de 2000 lei anual. Dacă
dobânda anuală este de 50% iar depunerea se face la începutul fiecărui an, care
este suma pe care trebuie să o depună la acest moment?

I. Dobânda D=St-S= 3.359 lei.– 5 puncte.
II. S= 1.04 lei – 5 puncte.
Atanasiu Gh., Munteanu Gh., Postolache M. (1994). Algebră liniară, geometrie
analitică, diferenţială, ecuaţii diferenţiale. Bucureşti: Editura All.
Ioan C. A. (2004). Matematici aplicate în economie. Bucureşti: E.D.P.
Ioan C. A. (2006). Matematică – I. Galaţi: Ed. Sinteze.
Ion D.I., Niţă C., Radu N., Popescu D. (1981). Probleme de algebră. Bucureşti:
E.D.P.

160

Curs ID - Matematica Aplicata in Economie - Anul 1 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Curs ID - Matematica Aplicata in Economie - Anul 1 PDF

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITATEA „DANUBIUS“ DIN GALAŢI

MATEMATICĂ APLICATĂ ÎN ECONOMIE

CĂTĂLIN ANGELO IOAN

Matematică aplicată în Economie 2

Matematică aplicată în Economie 3

Obiectivele cadru pe care le propun sunt următoarele:

• selectarea informaţiilor esenţiale din curs şi din bibliografie;

Conținutul este structurat în următoarele unităţi de învăţare:

Matematică aplicată în Economie 4

Matematică aplicată în Economie 5

Matematică aplicată în Economie 6

Timp mediu estimat pentru studiu individual: 6 ore

Matematică aplicată în Economie 7

1.1. Matrice și determinanți

det A= ∑ ε(σ)a 1σ(1) ...a nσ ( n )

Determinantul obţinut prin eliminarea liniilor şi coloanelor fixate mai sus se

1.1.2. Rezultate esențiale în calculul determinanților

Matematică aplicată în Economie 9

Matematică aplicată în Economie 10

Aplicând teorema Laplace să se calculeze determinantul:

1.1.3. Rangul unei matrice

 A11 A12 L A1k 

 A11 A12 L A1k 

Matematică aplicată în Economie 12

1.1.4. Regula dreptunghiului

Matematică aplicată în Economie 13

 a '11 a '12 a '13 L a '1n 

Procesul se continuă apoi pentru sub-matricea obţinută din A1 prin eliminarea

 a '11 L a '1k L a '1n 

Matematică aplicată în Economie 14

1.1.5. Inversabilitatea matricelor

Matematică aplicată în Economie 15

1.2. Sisteme de ecuații liniare

Matematică aplicată în Economie 16

1) Dacă X1,X2 sunt soluţii atunci X1+X2 este soluţie;

Matematică aplicată în Economie 17

1.2.2. Metoda lui Gauss

cu aii≠0, i=1,...,n (deoarece rang A=n). Înlocuind succesiv soluţiile în ecuaţiile

Exemplu: Să se studieze compatibilitatea, iar în caz afirmativ să se rezolve

Matematică aplicată în Economie 19

Să se studieze compatibilitatea, iar în caz afirmativ să se rezolve prin metoda

1.2.3. Metoda descompunerii în blocuri

Matematică aplicată în Economie 20

Din prima ecuaţie rezultă Y1=A1-1B1-A1-1A2Y2 şi înlocuind în a doua ecuaţie,

Exemplu: Să se rezolve sistemul următor prin metoda descompunerii în

Soluţie Rescriem sistemul permutând liniile 2 şi 3 astfel încât matricea A1 să

Să se studieze rezolve, prin metoda descompunerii în blocuri, sistemul:

Matematică aplicată în Economie 21

1.3. Spații vectoriale reale

Matematică aplicată în Economie 22

Fie d∈R–fixat şi U={aX3+bX2+cX+da,b,c∈R}. Să se cerceteze dacă

Matematică aplicată în Economie 24

1.3.2. Sisteme de generatori, dependenţă liniară, baze

unde a,b,c,d∈R, ad-bc≠0. În aceste condiţii, T este un sistem de generatori

Fie V/R şi B={v1,...,vn}⊂V o bază. Fie v∈V, arbitrar. Atunci ∃α1,...,αn∈R

vectorul v şi baza dată, poartă numele de coordonate ale vectorului v în baza

formal: (α1,...,αn)t+(β1,...,βn)t=(α1+β1,...,αn+βn)t. Prin urmare, adunarea a doi

unde rezultă că înmulţirea unui vector cu un scalar se face pe coordonate.

Matematică aplicată în Economie 26

Soluţie Pentru ca vectorii daţi să constituie un sistem de generatori trebuie ca

Fie în R4 vectorii v1=(1,0,1,2)t, v2=(2,1,0,3)t, v3=(1,4,α,2)t, v4=(5,1,3,2)t,

1.4. Aplicații liniare

2) f este surjectivă⇒dim V≥dim W;