Académique Documents
Professionnel Documents
Culture Documents
DEPARTAMENTUL DE ÎNVĂŢĂMÂNT LA
DISTANŢĂ SI FRECVENTA REDUSA
FACULTATEA DE ŞTIINŢE ECONOMICE
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
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.
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.
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.
Matematică aplicată în Economie 8
Cătălin Angelo Ioan Algebra liniară
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:
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
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
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
Matematică aplicată în Economie 11
Cătălin Angelo Ioan Algebra liniară
Corolar
Definiţii
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
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:
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.
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
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:
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.
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
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
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
A1Y1 + A 2 Y2 = B1
A 3Y1 + A 4 Y2 = B 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
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+...+αnvnαi∈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+wv∈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)+
Matematică aplicată în Economie 23
Cătălin Angelo Ioan Algebra liniară
(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
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
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.
Matematică aplicată în Economie 25
Cătălin Angelo Ioan Algebra liniară
∑ (α
i =1
i + βi ) v i şi cum toate descompunerile sunt unice, rezultă că putem scrie
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.
Sarcina de lucru 9
Propoziţie
Fie V/R, W/R şi f∈L(V,W). Atunci:
1) f(0)=0;
Matematică aplicată în Economie 27
Cătălin Angelo Ioan Algebra liniară
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;
Matematică aplicată în Economie 28
Cătălin Angelo Ioan Algebra liniară
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 )
↓ ↓ ↓
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
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
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
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
∑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:
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
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.
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?
Matematică aplicată în Economie 35
Cătălin Angelo Ioan Algebra liniară
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
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
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∈Vf(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 LM
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
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 )
[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
Sarcina de lucru 13
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
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.
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.
Sarcina de lucru 14
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.
Matematică aplicată în Economie 45
Cătălin Angelo Ioan Algebra liniară
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.
Bibliografie minimală
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.
Spaţii topologice
Diferenţiabilitatea funcţiilor
Serii numerice. Serii de funcţii. Serii de puteri. Dezvoltarea
în serie Taylor
Extremele funcţiilor
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:
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∩XD∈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
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∈Rna 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∈Rna 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∈Xa 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
Definiţie
O mulţime C⊂Rn se numeşte compactă dacă ∀(Ui)i∈I⊂T astfel încât C⊂ U U i
i∈ I
Sarcina de lucru 1
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;
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.
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.
Matematică aplicată în Economie 52
Cătălin Angelo Ioan Analiza Matematica
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
Sarcina de lucru 3
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
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
Matematică aplicată în Economie 55
Cătălin Angelo Ioan Analiza Matematica
Sarcina de lucru 4
x2 1
Folosind definiţia limitei, să se arate că: lim =
( x , y ) → ( 0, 0 ) y 2
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;
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)
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
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
∂ 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
f(x)=f(a)+T(x-a)+ω(x) x − a ∀x∈D
∂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
∑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.
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
Definiţie
∞
O serie ∑a
n =0
n se numeşte serie necondiţionat convergentă (serie comutativ
∞ ∞ ∞ ∞
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
∞ ∞
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
∞
1) L<1⇒ ∑ a n este absolut convergentă;
n =0
∞
2) L>1⇒ ∑a
n =0
n este divergentă.
atunci:
∞
1) L<1⇒ ∑ a n este absolut convergentă;
n =0
∞
2) L>1⇒ ∑a
n =0
n este divergentă.
∞
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
.
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)=
∞ ∞
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].
∑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
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)
x=0;
∞
3) Dacă R=∞ atunci seria ∑a
n =0
n x n este absolut convergentă pe R. Seria este
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;
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
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 ( 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
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 )
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
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
D(f1 ,..., f n )
(c)≠0 atunci:
D( y1 ,..., y n )
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 )
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 )
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 )
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
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).
Test de autoevaluare
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 .
∂ 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.
Bibliografie minimală
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.
Obiective specifice:
La sfârşitul capitolului, vei avea capacitatea:
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.
f(u0)=u0 ecuaţia devine u'=0 deci u=u0 de unde: y=xu0. Înlocuind în soluţia
generală, obţinem: F(u0)=lnx+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)=lnu+C.
g( z) − z u g ( z) − z
y − y0
Revenind la substituţiile făcute avem soluţia generală sub forma: F
x − x0
=lnx-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.
∫ 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).
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
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.
Sarcina de lucru 1
x x x n −1
(x − x 0 )k
y= ∫ dx ∫ dx... ∫ f ( x )dx + ∑ Ck
x0 x0 x0 k =0 k!
Sarcina de lucru 2
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
∑ C ' (x) y
i =1
i
( p)
i ( x ) = 0 , p=0,...,n-2.
n n
y(n)= ∑ Ci ( x ) y (i n ) ( x ) + ∑ Ci ' ( x ) y i( n −1) ( x )
i =1 i =1
∑ C ( x ) L( y ) + ∑ C ' ( x ) y
i =1
i i
i =1
i
( n −1)
i (x ) = f (x )
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
P1e rx ,..., Pk e rx
sunt liniar independente.
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
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
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;
Matematică aplicată în Economie 95
Cătălin Angelo Ioan Ecuații Diferențiale
Sarcina de lucru 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.
Test de autoevaluare
y
Bibliografie minimală
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.
Obiective specifice:
La sfârşitul capitolului, vei avea capacitatea:
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
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
Problema de transport
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
Matematică aplicată în Economie 99
Cătălin Angelo Ioan Programare Liniară
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
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
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 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, p + 1 ... a r + 1, n
A33= ... ... ... ∈Mm-r,n-p(R)
a
m , p + 1 ... a mn
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
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;
Matematică aplicată în Economie
102
Cătălin Angelo Ioan Programare Liniară
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
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
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
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:
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
Matematică aplicată în Economie
106
Cătălin Angelo Ioan Programare Liniară
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
Matematică aplicată în Economie
107
Cătălin Angelo Ioan Programare Liniară
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
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;
-
yB
ps
yB
pj
pivot
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
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:
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
− 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
− 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
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
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
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
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
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
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:
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
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:
min c t x
(1) Ax = b
x≥0
şi duala acesteia:
max b t u
t
(2) A u≤c
u arbitrar
Definiţie
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
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
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
min c t x
n +1
x + ∑ x = M
i
(5) i ∈I
Ax = b
x ≥ 0, x n + 1 ≥ 0
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
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
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
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;
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
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
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
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
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
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
VB VVB x1 x2 x3 x4 y1 y2 x1 a
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 -
VB VVB x1 x2 x3 x4 y1 y2 x1 a
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:
VB VVB x1 x2 x3 x4 y1 y2
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:
VB VVB x1 x2 x3 x4 y1 y2
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:
VB VVB x1 x2 x3 x4 y1 y2
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
VB VVB x1 x2 x3 x4 y1 y2
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
VB VVB x1 x2 x3 x4 y1 y2
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:
VB VVB x1 x2 x3 x4 y1 y2 x1 a
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.
Sarcina de lucru 3
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.
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.
∑x
j =1
m +1, j
= a m +1 . Costurile asociate transporturilor fictive vor fi interpretate
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.
∑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.
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
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
Matematică aplicată în Economie
134
Cătălin Angelo Ioan Programare Liniară
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
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.
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
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:
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
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.
Test de autoevaluare
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
Bibliografie minimală
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.
Dobânzi
Operaţiuni de scont
Plăţi eşalonate (rente)
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:
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:
∑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
de unde:
n
∑S d t
i =1
i i i
d= n
∑S t
i =1
i i
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 = S1 + 1 , Sd 12 = S1 + 12 . Cum 1 = rezultă d12=12d1
100 100 d12 12
de unde:
12
12d1 d
Sd 12 = S1 + ≤ S1 + 1
100 100
perioade
d
Sn= S1 + n
n
iar după
[m, n ] perioade de timp:Sm=
100 m
[m , n ]
d m dn n m
S1 + m . Deoarece = rezultă dm= d n . Obţinem deci Sm=
100 dm m n
[m , n ]
d m m m
S1 + n . Fie =α. Atunci:
100 n n
[m , n ] n [m , n ] 1
d n m d n α
Sm= S1 + n α = S1 + 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= S1 + n ≥ S1 + 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: S1 + n = S1 + 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
d
n
d’=100 1 + − 1
100 n
d'
d=100n n 1 + − 1
100
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
Sarcina de lucru 1
S0 (1 + nd)s(n − n 1 )
- numit scont simplu (sau scont simplu raţional).
1 + s( n − n 1 )
(n − n1 )(d − s − nds)
S1 în cazul scontului comercial.
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
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.
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
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
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
∑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
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
k −1 1− vn −k
(14) S= Av
i
iar pentru posticipate, ε=1:
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→∞:
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
s 2
s 2
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
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 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
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
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
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
2 6.000 3.000
3 4.500 0
Sarcina de lucru 3
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.
Test de autoevaluare
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?
Bibliografie minimală
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.