19035028 a Aplicata in Economie
-
Upload
economic07 -
Category
Documents
-
view
1.067 -
download
0
description
Transcript of 19035028 a Aplicata in Economie
UNIVERSITATEA “DANUBIUS” GALA ŢI DEPARTAMENTUL DE STUDII PENTRU ÎNVÃ ŢĂMÂNT LA
DISTANŢĂ
CĂTĂLIN ANGELO IOAN
MATEMATICĂ APLICATĂ
ÎN ECONOMIE
Anul I, semestrul I
EDITURA FUNDAŢIEI ACADEMICE “DANUBIUS” GALATI 2008
C
S I
D
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
CUPRINS
Cuvânt înainte................................................................................................................................... 4 Modulul 1: Algebr ă liniar ă............................................................................................................... 5 1. Matrice şi determinanţi................................................................................................................... 5 2. Sisteme de ecuaţii liniare................................................................................................................ 9 3. Spaţii vectoriale reale...................................................................................................................... 10 4. Aplicaţii liniare................................................................................................................................ 12 5. Aplicaţii multiliniare. Forme pătratice. Vectori şi valori proprii.................................................... 13 Modulul 2: Analiză matematică....................................................................................................... 25 1. Spaţii topologice.............................................................................................................................. 25 2. Diferenţiabilitatea funcţiilor............................................................................................................ 29 3. Serii numerice. Serii de funcţii. Serii de puteri. Dezvoltarea în serie Taylor................................. 32 4. Extremele funcţiilor........................................................................................................................ 37 5. Integrarea funcţiilor......................................................................................................................... 39 Modulul 3: Teoria probabilit ăţilor şi statistică matematică......................................................... 47 1. Elemente de teoria probabilităţilor.................................................................................................. 48 2. Variabile aleatoare. Funcţia de repartiţie. Densitatea de repartiţie................................................. 51 3. Procese stochastice. Lanţuri Markov.............................................................................................. 54 4. Principalele legi de repartiţie.......................................................................................................... 56 2. Elemente de statistică matematică.................................................................................................. 59 Modulul 4: Programare liniar ă........................................................................................................ 66 1. Probleme economice ce conduc la modelul matematic al programării liniare............................... 66 2. Algoritmul simplex primal.............................................................................................................. 67 3. Dualitate în programarea liniară...................................................................................................... 75 4. Reoptimizare şi parametrizare în programarea liniară.................................................................... 78 5. Problema de transport..................................................................................................................... 79 Modulul 5: Matematici financiare ................................................................................................... 86 1. Dobânzi........................................................................................................................................... 87 2. Operaţiuni de scont......................................................................................................................... 90 3. Plăţi eşalonate (rente)...................................................................................................................... 91
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
CUVÂNT ÎNAINTE
Matematica aplicată în economie este disciplina care îşi propune iniţierea studenţilor din anul I
specializarea Economia comerţului, turismului şi serviciilor, forma de învăţământ ID în studiul matematicii,
însuşirea logicii şi procedurilor specifice acesteia.
Lucrarea are un scop didactic, formativ şi instructiv, iar prin aplicaţiile prezentate este, în acelaşi
timp, şi un ghid practic la îndemâna celor interesaţi, care fac cunoştinţă cu elementele teoretice fundamentale
ale obiectului şi metodei de cercetare a matematicii, cu principiile, procedeele şi instrumentele specifice
utilizate în modelarea realităţilor lumii economice.
Cursul este structurat pe module de studiu, fiecare având un număr de lecţii, iar cunoştinţele sunt
asimilate prin parcurgerea paşilor de învăţare.
Ritmul mediu recomandat de studiu individual este, conform programei analitice, de 2 ore
săptămânal, dar pentru parcurgerea fiecărui modul se recomandă un timp de învăţare propriu acestuia.
Fiecare modul are precizat încă de la început:
obiectivele specifice;
rezultatele aşteptate;
competenţe dobandite ca urmare a parcurgerii modulului;
timpul mediu necesar pentru asimilarea modulului,
iar în final:
rezumate;
concluzii;
exemple ilustrative;
recomandări bibliografice;
teste de autoevaluare;
teme de control (conform cu calendarul disciplinei).
Astfel structutată, materia se parcurge uşor, asigurând pregătirea graduală a studenţilor.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
MODULUL 1
ALGEBRĂ LINIAR Ă
Obiectivele specifice modulului: Recapitularea şi reformularea metodelor de calcul a determinanţilor, inversei şi
rangului unei matrice şi rezolvarea sistemelor de ecuaţii liniare; Introducerea noţiunii de spaţiu vectorial ca generalizare a unor mulţimi studiate în
anii anteriori; Introducerea noţiunii de aplicaţie liniară în scopul transportului de structuri de la
aplicaţiile practice la cele teoretice şi invers; Definirea noţiunilor de vector şi valoare proprie.
Rezultatele aşteptate: Însuşirea algoritmilor rapizi de calcul a determinanţilor, inversei şi rangului unei
matrice şi rezolvarea sistemelor de ecuaţii liniare; Folosirea noţiunii de spaţiu vectorial, bază, aplicaţie liniară în structurarea unor
modele matematice; Aplicarea rezultatelor specifice algebrei liniare la rezolvarea unor probleme
economice.
Competenţe dobandite ca urmare a parcurgerii modulului: Deprinderea folosirii spaţiilor vectoriale în structurarea matematică; Realizarea de referate aplicative legate de problematica modulului; Discuţii cu specialişti în domeniu.
Timpul mediu necesar pentru asimilarea modulului : 6 ore
LECŢIA 1
MATRICE ŞI DETERMINAN ŢI Pasul 1 - Noţiuni introductive Pentru început să notăm Nm=1,...,m, m∈N*.
Definiţie Se numeşte matrice de tipul m×n cu coeficienţi reali o funcţie A:Nm×Nn→R, (i,j)→A(i,j) ∈R.
Pentru ca operaţiile şi aplicaţiile matricelor să aibă o exprimare cât mai simplă vom conveni să aranjăm elementele unei matrice sub forma unui tablou:
A=
mn2m1m
n22221
n11211
aaa
aaa
aaa
L
LLLL
L
L
sau prescurtat A=( )n,...,1jm,...,1iija
== , 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 matricei A, i=1,...,m, iar
mj
j2
j1
a
a
a
M coloana “j” a matricei A, j=1,...,n. O matrice 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 pătratic ă. 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 principal ă a matricei, iar mulţimea ordonată (a1n,a2 n-1,...an1) se numeşte diagonala secundară a matricei. Definiţie
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Se numeşte aplicaţie de transpunere aplicaţia f:Mmn(R)→Mnm(R), f(A)=A t unde At=(a'ij), i=1,...,n, j=1,...,m iar a'ij=aji ∀i=1,...,n, j=1,...,m, A=(aji), j=1,...,m, i=1,...,n fiind matricea dată. Matricea At se numeşte transpusa lui A. Transpusa unei matrice se obţine prin schimbarea liniilor în coloane sau a coloanelor în linii. Operaţia de transpunere nu păstrează tipul matricelor decât în cazul celor pătratice. Definiţie
Fie A,B∈Mmn(R), A=(aij), B=(bij). Se numeşte suma matricelor A şi B matricea A+B=(cij)∈Mmn(R), cij=aij+bij ∀i=1,...,m, j=1,...,n. Definiţie
Fie α∈R şi A∈Mmn(R), A=(aij). Se numeşte înmulţirea cu scalari a matricei A cu α matricea αA=(cij)∈Mmn(R), cij=αaij ∀i=1,...,m, j=1,...,n. Definiţie
Fie A∈Mmn(R), B∈Mnp(R), A=(aij), B=(bij). Se numeşte produsul matricelor A şi B matricea
AB=(cij)∈Mmp(R), cij=∑=
n
1kkjik ba ∀i=1,...,m, j=1,...,p.
Definiţie Fie A∈Mn(R). Matricea A se numeşte inversabilă dacă ∃B∈Mn(R) astfel încât AB=BA=In.
Definiţie Se numeşte permutare de m elemente (m≥1) o funcţie bijectivă σ:Nm→Nm.
Definiţie Fie A∈Mn(R), A=(aij). Se numeşte determinantul lui A numărul:
det A=∑∈σ
σσσεnS
)n(n)1(1 a...a)(
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:
k1
k1
i...i
j...j∆ =
kk1k
k111
jiji
jiji
aa
aa
L
LLL
L
Determinantul obţinut prin eliminarea liniilor şi coloanelor fixate mai sus se numeşte minor complementar lui k1
k1
i...i
j...j∆ şi se notează k1
k1
i...i
j...jδ . Numărul: k1
k1
k1k1k1
k1
i...i
j...j
j...ji...ii...i
j...j )1( δ−=Γ +++++ se numeşte cofactorul
sau complementul lui k1
k1
i...i
j...j∆ .
Pasul 2 - Rezultate esenţiale în calculul determinanţilor
Teoremă (Binet-Cauchy) Fie m,n∈N*, m≤n şi A∈Mmn(R), B∈Mnm(R). Atunci:
∑≤<<≤ nj...j1
j...j
j...jm1
m1
m1B detA det=AB det
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:
=
=
=
=
++++
+
+
mn1m
n 1p1+r 1p
mr1m
r 1p1 1p
pn1r p
n11r 1
pr1p
r111
aa
aa
E ,
aa
aa
D
,
aa
aa
C ,
aa
aa
B
L
LLL
L
L
LLL
L
L
LLL
L
L
LLL
L
Se spune în acest caz că am parti ţionat matricea A în blocurile B, C, D, E. Vom scrie A=
ED
CB.
Propoziţie
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie A∈Mn(R) şi B∈Mk(R), C∈Mn-k(R) unde k<n astfel încât A=
C0
0B. Are 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= ∑
≤<<≤Γ∆
nj...j1
i...i
j...j
i...i
j...jk1
k1
k1
k1
k1
Pasul 3 - Rangul unei matrice
Definiţie
Se numeşte rang al unei matrice, maximul ordinelor minorilor nenuli ai matricei date. Definiţie
Se numesc transformări elementare ale unei matrice următoarele: i) permutarea liniilor sau coloanelor; ii) înmulţirea unei linii (coloane) cu un factor nenul; iii) adunarea a două linii (coloane).
Propoziţie Rangul unei matrice este invariant la transformări elementare.
Propoziţie
Fie A=
C0
0B. Atunci: rang A=rang B+rang C
Corolar
Fie A= .A rang=A rang Atunci .
A00
0A0
00Ak
1=ii
k
2
1
∑
L
LLLL
L
L
Corolar
Fie A=
kk
k222
k11211
A00
AA0
AAA
L
LLLL
L
L
unde Aii, i=1,...,k-1 sunt matrice pătratice de rang egal cu ordinul lor.
Atunci: rang A=∑=
n
1kiiA rang .
Definiţii
O matrice de forma A=
kk
k222
k11211
A00
AA0
AAA
L
LLLL
L
L
unde Aii, i=1,...,k sunt matrice pătratice se numeşte
matrice superior cvasitriunghiulară. Transpusa unei matrice superior cvasitriunghiulare se numeşte matrice inferior cvasitriunghiular ă. O matrice inferior (superior) cvasitriunghiulară cu blocurile Aij=0 ∀i≠j=1,...,k se numeşte matrice cvasidiagonală. O matrice A în care blocurile Aij, i,j=1,...,k sunt matrice de ordin 1 se numeşte matrice superior triunghiular ă, matrice inferior triunghiular ă respectiv matrice diagonală. Dacă matricea Akk este nulă şi nu neapărat pătratică vom spune că A este matrice trapezoidală. Vom numi bloc diagonal principal (sau uneori bloc diagonal) un bloc al matricei care are diagonala principală inclusă în diagonala principală a matricei date. Propoziţie
Determinantul unei matrice cvasidiagonale sau cvasitriunghiulare este egal cu produsul determinanţilor blocurilor diagonale principale.
Pasul 4 - Regula dreptunghiului
Fie deci A=(aij)∈Mmn(R). Fixăm două linii i şi j şi două coloane k şi p în matricea A astfel încât aik≠0. Avem deci:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Vom numi elementul aik≠0 pivot. Înmulţind linia i cu ik
jk
a
a− şi adunând-o la linia j obţinem a'jk=0
unde notăm cu ' elementele transformate. Avem atunci pentru un element oarecare ajp: a'jp=ik
jkipjpik
a
aaaa −.
Regula de obţinere a lui a'jp 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 împăr ţire la pivot, respectiv fără împăr ţire 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:
A1=
mn3m2m
n33332
n22322
n1131211
'a'a'a0
'a'a'a0
'a'a'a0
'a'a'a'a
L
LLLLL
L
L
L
Procesul se continuă apoi pentru sub-matricea obţinută din A1 prin eliminarea primei linii şi primei coloane obţinându-se în final o matrice Ak∼A (relaţia este tranzitivă):
Ak=
000
000
'a'a0
'a'a'a
knkk
n1k111
LL
LLLLL
LL
LL
LLLLL
LL
unde am notat tot cu ' elementele transformate fără a le confunda însă cu cele din A1. Ultimele linii pot evident lipsi în cazul în care k=m (să mai notăm aici şi faptul că rang A≤minm,n). Conform corolarului 45, avem rang A=rang Ak=rang(a11)+...+ rang(akk)=k deci rangul este egal cu numărul pivo ţilor .
Pasul 5 - Inversabilitatea matricelor Teoremă
Fie A∈Mn(R). A este inversabilă⇔det A≠0. Teoremă
Dacă printr-o succesiune de transformări elementare asupra liniilor (coloanelor) unei matrice A se obţine matricea unitate I atunci considerând aceleaşi transformări aplicate matricii unitate I se obţine matricea inversă A-1. Teoremă
Fie matricea A=
43
21
AA
AA unde A∈Mn(R), A1∈Mk(R), A2∈Mk,n-k(R),
A3∈Mn-k,k(R), A4∈Mn-k,n-k(R), 1≤k≤n-1. Dacă matricele A1, A4, A1-A2A4-1A3 şi A4-A3A1
-1A2 sunt inversabile
atunci A-1=
43
21
BB
BB unde: B1=(A1-A2A4
-1A3)-1, B4=(A4-A3A1
-1A2)-1, B2= -A1
-1A2B4 şi B3= -A4-1A3B1.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
LECŢIA 2
SISTEME DE ECUAŢII LINIARE Pasul 1 - Noţiuni introductive
Definiţii Se numeşte sistem de m ecuaţii liniare cu n necunoscute problema determinării numerelor reale
xi∈R astfel încât:
=+++
=+++
mnmn22m11m
1nn1212111
bxa...xaxa
bxa...xaxa
L
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 matricei A. Sistemul se va scrie atunci: Bxa
n
1jj
j =∑=
.
Definiţie Considerând un sistem de ecuaţii AX=B se numeşte soluţie a sistemului un vector
X=(x1,...,xn)t∈Mn1(R) ce satisface egalitatea matriceală AX=B.
Definiţii Un sistem care admite soluţie se numeşte sistem compatibil. Dacă soluţia este unică, atunci el se
numeşte sistem compatibil determinat, în caz contrar, numindu-se sistem compatibil nedeterminat. Un sistem care nu are soluţie se numeşte sistem incompatibil. Teoremă (Kronecker-Capelli)
Un sistem este compatibil dacă şi numai dacă rangul matricei sistemului este egal cu rangul matricei sale extinse. Definiţie
Fiind dat sistemul AX=B numim sistem omogen asociat, sistemul AX=0. Propoziţie
Fie sistemul AX=B şi X0 o soluţie a sa. Atunci, orice soluţie este de forma X=X0+Y unde Y este soluţie a sistemului omogen asociat. Reciproc, pentru orice soluţie Y a sistemului omogen asociat rezultă că X=X0+Y este soluţie a sistemului dat. Teoremă
Fie un sistem omogen AX=0, rang A=r≤n unde A∈Mn(R). Mulţimea soluţiilor sistemului are următoarele proprietăţi:
1) Dacă X1,X2 sunt soluţii atunci X1+X2 este soluţie; 2) Dacă X1 este soluţie şi α∈R atunci αX1 este soluţie; 3) Există n-r soluţii independente X1,...,Xn-r (în sensul că nu se poate obţine una ca o combinaţie liniară
de celelalte - se va studia ulterior conceptul de combinaţie liniară) astfel încât orice soluţie X se poate scrie sub forma: X=α1X1+...+αn-rXn-r cu α1,...,αn-r∈R. Pasul 2 - Metoda lui Gauss
Fie sistemul AX=B cu n ecuaţii şi n necunoscute, iar rang A=n. Fie matricea extinsă Ae. Ideea folosită aici este cea de la determinarea rangului unei matrice. Dacă Ae este supusă transformărilor elementare cu pivoţi numai din A atunci rangurile celor două matrice rămân invariante, compatibilitatea sistemului conservându-se. Ne propunem să analizăm efectul transformărilor elementare asupra soluţiilor sistemului. Astfel, la permutarea a două linii ale lui Ae efectul va fi de permutare a ecuaţiilor sistemului ceea ce evident nu alterează soluţiile. Amplificarea unei linii cu un factor nenul se transpune în amplificarea ecuaţiei respective, iar adunarea a două linii reprezintă adunarea ecuaţiilor corespunzătoare, niciuna din variante nemodificând soluţiile. Transformările elementare aplicate coloanelor modifică în general soluţiile, singurul efect minor apărând la permutarea coloanelor ceea ce duce la renumerotarea variabilelor. Aplicând deci regula dreptunghiului pe linii, sistemul capătă forma:
=
=++=+++
nnnn
2nn2222
1nn1212111
bxa
bxa...xa
bxa...xaxa
L
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
cu aii≠0, i=1,...,n (deoarece rang A=n). Înlocuind succesiv soluţiile în ecuaţiile de deasupra obţinem:
−=−−−=
=
+ 1,...,1nk ,a
xa...xabx
a
bx
kk
1k1+k knknkk
nn
nn
Pasul 3 - Metoda descompunerii în blocuri Fie sistemul AX=B cu n ecuaţii şi necunoscute iar rang A=n. Partiţionăm matricea A în forma
A=
43
21
AA
AA unde A∈Mn(R), A1∈Mk(R), A2∈Mk,n-k(R), A3∈Mn-k,k(R), A4∈Mn-k,n-k(R), 1≤k≤n-1 iar
matricele A1 şi A4-A3A1-1A2 sunt inversabile. Notăm Y1=(x1,..., xk)
t, Y2=(xk+1,...,xn)t, B1=(b1,...,bk)
t, B2=(bk+1,...,bn)
t. Sistemul se scrie sub forma:
=+=+
22413
12211
BYAYA
BYAYA
Din prima ecuaţie rezultă Y1=A1-1B1-A1
-1A2Y2 şi înlocuind în a doua ecuaţie, obţinem: Y2=(A4-A3A1-
1A2)-1(B2-A3A1
-1B1). Revenind apoi la Y1 se obţine şi expresia acestuia: Y1=A1-1B1-A1
-1A2(A4-A3A1-1A2)
-1(B2-A3A1
-1B1).
LECŢIA 3
SPAŢII VECTORIALE REALE Pasul 1 - Definiţie, reguli de calcul, subspaţii vectoriale
Definiţie Fie câmpul numerelor reale R şi V o mulţime nevidă. V se numeşte spaţiu vectorial real dacă există
o lege de compoziţie internă +:V×V→V şi o lege de compoziţie externă ⋅:R×V→V astfel încât: 1) (x+y)+z=x+(y+z) ∀x,y,z∈V; 2) ∃e∈V astfel încât ∀x∈V⇒e+x=x; 3) ∀x∈V⇒∃x'∈V astfel încât x'+x=e; 4) α(x+y)=αx+αy ∀α∈R ∀x,y∈V; 5) (α+β)x=αx+βx ∀α,β∈R ∀x∈V; 6) (αβ)x=α(βx) ∀α,β∈R ∀x∈V; 7) 1x≠0 ∀x∈V, x≠0.
Vom nota în cele ce urmează V/R faptul că V este spaţiu vectorial peste câmpul R sau, uneori, simplu V. Propoziţie (reguli de calcul)
Fie V/R. Atunci: a) (V,+) este grup cu elementul neutru 0 şi -x elementul opus lui x∈V; b) α(x-y)=αx-αy ∀α∈R ∀x,y∈V; c) (α-β)x=αx-βx ∀α,β∈R ∀x∈V;
d) ∑∑∑∑= ===
α=αn
1i
m
1jji
m
1jj
n
1ii yy ∀m,n∈N* ∀αi∈R, i=1,...,n ∀yj∈V, j=1,...,m;
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;
l) Fie σ∈Sn (grupul permutărilor de n elemente). Atunci: ∑∑=
σ=
=n
1i)i(
n
1ii xx ∀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
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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. Pasul 2 - Sisteme de generatori, dependenţă liniar ă, baze
Definiţie Fie V/R şi S=v1,...,vn⊂V unde n∈N*. S se numeşte sistem (finit) de generatori pentru V dacă
∀v∈V⇒∃α1,...,αn∈R astfel încât v=α1v1+...+αnvn. V se numeşte spaţiu vectorial finit generat şi vom scrie V=<v1,...,vn>. Teoremă
Fie V/R şi S=v1,...,vn un sistem de generatori al lui V. Fie T=w1,...,wn⊂V şi p≠q∈1,...,n astfel încât
++
≠≤≤=
q=i daca dvcv
p;=i daca bvav
q;p,in,i1 daca v
w
qp
qp
i
i , i= n,1
unde a,b,c,d∈R, ad-bc≠0. În aceste condiţii, T este un sistem de generatori pentru V. Definiţie
Două sisteme de vectori ai unui spaţiu vectorial se numesc sisteme echivalente de vectori dacă generează acelaşi subspaţiu. Propoziţie
Două sisteme de vectori sunt echivalente dacă şi numai dacă vectorii din fiecare sistem sunt combinaţii liniare de vectorii celuilalt sistem. Definiţie
Fie V/R şi S=v1,...,vn⊂V, unde n∈N*. Sistemul de vectori S se numeşte sistem liniar independent (finit) de vectori din V dacă ∀α1,...,αn∈R astfel încât α1v1+...+αnvn=0⇒α1=0,...,αn=0. Vom scrie, pe scurt, ind S. Definiţie
Fie V/R şi S=v1,...,vn⊂V, unde n∈N*. Sistemul de vectori S se numeşte sistem liniar dependent (finit) de vectori din V dacă nu este liniar independent, adică ∃α1,...,αn∈R, nu toţi nuli, astfel încât α1v1+...+αnvn=0. Vom scrie, pe scurt, dep S. Propoziţie
Fie V/R şi S=v1,...,vn⊂V. Atunci dep S⇔∃1≤k≤n, astfel încât vk=∑≠=
αn
ki1i
ii v .
Definiţie Fie V/R. Un sistem de vectori din V se numeşte bază dacă este sistem de generatori şi sistem liniar
independent.
Fie V/R şi B=v1,...,vn⊂V o bază. Fie v∈V, arbitrar. Atunci ∃α1,...,αn∈R astfel încât v=∑=
αn
1iii v .
Sistemul de scalari (α1,...,αn) fiind unic determinat de vectorul v şi baza dată, poartă numele de coordonate
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
ale vectorului v în baza dată. Vom mai scrie şi vB=(α1,...,αn)t=
α
α
n
1
... unde αi, i=1,...,n sunt coordonatele lui v
în baza B. Dacă adoptăm o astfel de scriere condensată a unui vector, va trebui să considerăm baza ca fiind ordonată, în caz contrar, la o permutare a vectorilor bazei permutându-se şi coordonatele respective.
Fie acum V/R şi o bază B==v1,...,vn⊂V. Fie, de asemenea, vectorii v,w∈V, v=∑=
αn
1iii v ,
w=∑=
βn
1iii v , αi,βi∈R, i= n,1 . Avem: v+w= ∑∑
==
β+αn
1iii
n
1iii vv =∑
=
β+αn
1iiii v)( şi cum toate descompunerile sunt
unice, rezultă că putem scrie formal: (α1,...,αn)t+(β1,...,βn)
t=(α1+β1,...,αn+βn)t. Prin urmare, adunarea a doi
vectori se poate face adunându-i pe coordonate. Analog, pentru α∈R, arbitrar, avem αv= ∑=
ααn
1iii v =
∑=
ααn
1iii v , deci, formal: α(α1,...,αn)
t=(αα1,...,ααn)t, de unde rezultă că înmulţirea unui vector cu un scalar se
face pe coordonate. Din aceste consideraţii, vedem că noţiunea de bază este fundamentală în studiul spaţiilor vectoriale,
deoarece reduce operaţiile definitorii la operaţii algebrice între coordonate. Teoremă
Orice spaţiu vectorial nenul admite o bază. bile. Teoremă
Dacă B este o bază a lui V/R, atunci orice altă bază B' a lui V/R are card B'=card B. Definiţie
Fie V/R. Se numeşte dimensiunea lui V numărul vectorilor unei baze. Vom nota dim V.
LECŢIA 4
APLICA ŢII LINIARE Pasul 1 - Noţiuni introductive
Definiţie Fie V/R şi W/R. O aplicaţie f:V→W se numeşte morfism de spaţii vectoriale sau aplicaţie R-
liniar ă sau, simplu, aplicaţie liniar ă dacă satisface următoarele axiome: 1) f(x+y)=f(x)+f(y) ∀x,y∈V-aditivitatea; 2) f(αx)=αf(x) ∀x∈V ∀α∈R-omogenitatea.
Propoziţie Fie V/R, W/R şi f∈L(V,W). Atunci:
1) f(0)=0; 2) f(-v)=-f(v) ∀v∈V.
Propoziţie Fie V/R, W/R şi f:V →W. Următoarele afirmaţii sunt echivalente:
1) f este aplicaţie liniară; 2) f(αx+βy)=αf(x)+βf(y) ∀α,β∈R ∀x,y∈V;
3) ∑∑==
α=
α
n
1iii
n
1iii )v(fvf ∀αi∈R ∀vi∈V, i=1,...,n, n≥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.
Pasul 2 - Comportarea aplicaţiilor liniare la opera ţiile cu subspaţii
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
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie V/R, W/R, f∈L(V,W). Atunci: 1) f este injectivă ⇔Ker f=0; 2) f este surjectivă ⇔Im f=W.
Definiţie Fie V/R, W/R. f∈L(V,W) se numeşte izomorfism de spaţii vectoriale dacă ∃g∈L(W,V) astfel încât
f°g=1W, g°f=1V. Propoziţie
Fie V/R şi V1,V2<V astfel încât V=V1⊕V2. Fie f∈L(V,W), injectivă. Atunci: f(V1⊕V2)=f(V1)⊕f(V2). Teoremă (fundamentală de izomorfism)
Fie V/R, W/R şi f∈L(V,W). Atunci V/Ker f≅Im f. Corolar
Fie V/R, W/R şi f∈L(V,W). Atunci: dim V=dim Ker f+ dim Im f. Corolar
Fie V/R, W/R şi f∈L(V,W). Atunci: 1) f este injectivă⇒dim V≤dim W; 2) f este surjectivă⇒dim V≥dim W; 3) f este bijectivă⇒dim V=dim W.
Propoziţie Fie V/R, W/R, Z/R. Dacă f,g∈L(V,W) şi h∈L(W,Z) atunci f+g∈L(V,W), αf∈L(V,W) ∀α∈R,
h°g∈L(V,Z). Teoremă
Fie V/R, W/R. Atunci: V≅W⇔dim V=dim W. Corolar
Fie V/R, dim V=n. Avem V≅Rn. Fie acum V/R cu o bază B=e1,...,en şi W/R cu o bază B'=f1,...,fm. Fie T∈L(V,W). Avem
∀i=1,...,n⇒T(ei)∈W şi cum B' este bază în W rezultă că T(ei) se descompune după ea. Avem deci
T(ei)=∑=
m
1jjji fa , aji∈R, i=1,...,n, j=1,...,m. Vom numi matricea ( )
n,...,1im,...,1jjia
== matricea asociată aplicaţiei liniare T
în bazele B şi B'. Vom mai scrie şi [T]BB' de câte ori va fi necesar. Avem astfel:
[T]BB'=
↓↓↓
→
→→
mn2m1m
n22221
n11211
f dupa componenta
...
f dupa componenta
f dupa componenta
a...aa
............
a...aa
a...aa
)e(T
)e(T
)e(T
m
2
1
n21
Fie v∈V. Atunci v=∑=
αn
1iiie cu αi∈R, i=1,...,n. Avem:
T(v)=T(∑=
αn
1iiie )=∑
=α
n
1iii )e(T = ∑ ∑∑∑
= ===
α=α
m
1jj
n
1iiji
m
1jjji
n
1ii fafa
Ţinând seama de convenţia de scriere a unui vector pe coloană avem (T(v))B'=[T]BB'vB.
LECŢIA 5
APLICA ŢII MULTILINIARE. FORME P ĂTRATICE. VECTORI ŞI VALORI PROPRII Pasul 1 - Aplicaţii multiliniare
Definiţie
Fie V1,...,Vn,W spaţii vectoriale peste R. O aplicaţie f:∏=
n
1iiV →W se numeşte aplicaţie n-liniar ă
(aplicaţie multiliniară) dacă este liniară în fiecare argument adică: f(x1,...,xi-1,axi+byi,xi+1,...,xn)=af(x1,...,xi-1,xi,xi+1,...,xn)+bf(x1,...,xi-1,yi,xi+1,...,xn)
∀xk,yk∈Vk, k=1,...,n ∀a,b∈R ∀i=1,...,n. Propoziţie
Ln(V1,...,Vn;W) este un R-spaţiu vectorial împreună cu operaţiile de adunare şi înmulţire cu scalari ale aplicaţiilor n-liniare. Teoremă
Fie V/R, W/R, Z/R. Atunci: L2(V,W;Z)≅L(V,L (W,Z)).
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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. Atunci ∀x∈V avem
x=∑=
m
1ii
iex deci:
f(x1,...,xn)= ( ).e,...,efx...x...ex,...,exfm
1i
m
1iii
i
n
i
1
m
1ii
i
n
m
1ii
i
11 n
n1
n1
nn
n
11
1 ∑ ∑∑∑= ===
=
Prin urmare, valoarea formei n-liniare este unic determinată de acţiunea ei asupra bazei spaţiului vectorial. Notând ( )
n1n1 i...iii ae,...,ef = ∈R, obţinem forma generală a lui f:
f(x1,...,xn)=∑ ∑= =
m
1i
m
1i
i
n
i
1i...i1 n
n1
n1x...xa...
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
1i
m
1i
i
n
ppi
1i...i
m
1pn1
1 n
n1
n1x)...byax...(xa......)x,...byax,...,x(f
).x,...y,...,x(bf)x,...x,...,x(af
x...y...xa......bx...x...xa......a
n1n1
m
1i
m
1i
i
npi
1i...i
m
1p
m
1i
m
1i
i
npi
1i...i
m
1p 1 n
n1
n11 n
n1
n1
+
=+ ∑ ∑∑∑ ∑∑= === ==
Definiţie Fie V/R, W/R şi f:V n→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:
Alt:Ln(V;W)→Ln(V;W), Alt(f)= ∑∈σ
σσεnS
f)(!n
1
Alt se numeşte operatorul de alternare. Propoziţie
O aplicaţie n-liniară f:Vn→W este alternată dacă şi numai dacă Alt(f)=f. Corolar
Operatorul de alternare este involutiv adică Alt °Alt= Alt. Definiţie
Fie o aplicaţie n-liniară f:Vn→W. Definim aplicaţia de simetrizare:
Sim:Ln(V;W)→Ln(V;W), Sim(f)= ∑∈σ
σnS
f!n
1
Sim se numeşte operatorul de simetrizare. Propoziţie
O aplicaţie n-liniară f:Vn→W este simetrică dacă şi numai dacă Sim(f)=f. 24. Corolar
Operatorul de simetrizare este involutiv adică Sim°Sim=Sim.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Pasul 2 - Forme liniare În continuare, vom studia câteva aspecte privind formele liniare. Fie deci V/R, dim V=n. O formă liniară este deci o aplicaţie f∈L(V,R) astfel încât dacă B=e1,...,en
este o bază a lui V/R atunci f(x)=∑=
n
1i
iixa unde x=∑
=
n
1ii
iex , 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
1jj
jiin
1jj
j exe)x(e avem exx =∑=
n
1jj
ij )e(ex
.n,...,1i,xx in
1jij
j ==δ∑=
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. Fie T∈V*. Atunci: ∑
=
=n
1i
ii e)e(TT = ∑
=
n
1j
jj f)f(T . Avem: [ ] [ ]
2112 BBBB MTT = . Dar:
[ ] [ ] [ ] tn1B
tn11
BBBtn1
B )f,...,f(T)e,...,e(MT)e,...,e(T=T22121
== − de unde: tn1tn11
BB )f,...,f()e,...,e(M21
=− sau altfel: tn1BB
tn1 )f,...,f(M)e,...,e(21
= . Fie acum: T(ei)=ξi, T(fj)=ωj. Avem
deci: tn1
n1 )e,...,e)(,...,(=T ξξ =
=ξξ tn1BBn1 )f,...,f(M),...,(
21
tn1
n1 )f,...,f)(,...,( ωω de unde rezultă:
(ξ1,...,ξn)21BBM =(ω1, ...,ωn).
Prin urmare, la o transformare de bază în V, vectorii bazei lui V* se transformă după legea de schimbare a coordonatelor din V, iar componentele unui covector se transformă după legea de schimbare a bazei din V.
Pasul 3 - Forme biliniare, forme pătratice
Vom studia acum câteva aspecte caracteristice privind formele biliniare. Am văzut că expresia generală a unei forme biliniare într-o bază B=e1,...,en a lui V/R este:
f(x,y)=∑=
n
1j,i
jiij yxa unde ∑
n
1=ii
iex=x , ∑n
1=jj
jey=y . Dacă vom 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)=xB
t[f]ByB sau ţinând seama de faptul că f(x,y)∈R, deci transpunerea îl lasă invariant, f(x,y)=yB
t[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)txBt[f]B'MBB'
-1yB de unde, după identificare, avem: [f]B= (MBB'
-1)t[f]B'MBB'-1 sau altfel [f]B'=MBB'
t[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 pătratic ă asociată lui f, aplicaţia: H:V→R, H(x)=f(x,x) ∀x∈V.
Dându-se o formă omogenă de grad 2, adică o aplicaţie H:V→R, H(αx)=α2H(x) ∀x∈V ∀α∈R
definim: g(x,y)=2
1(H(x+y)-H(x)-H(y)) ∀x,y∈V. Avem g(x,x)=H(x) ∀x∈V, deci g este formă biliniară
simetrică, a cărei formă pătratică asociată este H. Vom numi g-forma polară a lui H. Se observă că matricele formei pătratice şi a formei polare sunt identice.
Fie acum în V/R baza B=e1,...,en şi x=∑=
n
1ii
iex ∈V. Fiind dată matricea A=(aij), i,j=1,...,n a unei
forme pătratice H, avem: H(x)=xtAx= ∑=
n
1j,i
jiij xxa de unde detaliat:
H(x)= 2nnn
2222
n1n1
2112
2111 )x(a...)x(axxa2...xxa2)x(a ++++++
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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:
g(x,y)=2
1(H(x+y)-H(x)-H(y))=
−−++ ∑∑∑===
n
1j,i
ji
ij
n
1j,i
ji
ij
n
1j,i
jjii
ij yyaxxa)yx)(yx(a2
1=
−−+++ ∑∑∑∑∑∑======
n
1j,i
jiij
n
1j,i
jiij
n
1j,i
jiij
n
1j,i
jiij
n
1j,i
jiij
n
1j,i
jiij yyaxxayyaxyayxaxxa
2
1=
+∑∑==
n
1j,i
ji
ij
n
1j,i
ji
ij xyayxa2
1=
+∑=
n
1j,i
ji
jiij yx)aa(2
1=∑
=
n
1j,i
ji
ij yxa = ∑∑≠
==
+n
ji1j,i
ji
ij
n
1i
ii
ii yxayxa .
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 aiix
iyi; • Expresiile de forma 2aijx
ixj se transformă în aij(xiyj+xjyi) (∀i≠j).
Pasul 4 - Vectori şi valori proprii
Definiţie
Fie V/R. Un subspaţiu W<V se numeşte subspaţiu invariant al lui V faţă de un endomorfism f:V→V dacă f(W)⊂W adică f(x)∈W ∀x∈W. Fie f:V→V şi W<V, invariant prin f. Să considerăm o bază B'=e1,...,ek a lui W şi să o completăm până la o bază B=e1,...,ek, ek+1,...,en a lui V. Avem deci f(B')⊂W de unde f(ei)∈W, i=1,...,k. Fie deci:
k,...,1i ,ea)e(fk
1jjjii ==∑
=
iar ∑=
=n
1jjjss ea)e(f , s=k+1,...,n. Matricea lui f în baza B este:
[f]B=
++
+
nn1+k n
n 1k1+k 1k
kn1+k kkk1k
n11k 1k111
aa00
aa00
aaaa
aaaa
LL
LLLLLL
LL
LL
LLLLLL
LL
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:
[f]B=
++
nn1+k n
n 1k1+k 1k
kk1k
k111
aa00
aa00
00aa
00aa
LL
LLLLLL
LL
LL
LLLLLL
LL
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
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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:
[f]B=
λ
λλ
++
nn1+k n
n 1k1+k 1k
kn1+k kk
2n1+k 22
n11+k 11
cc000
cc000
bb00
bb00
bb00
LL
LLLLLLL
LL
LL
LLLLLLL
LL
LL
unde bij∈R, i=1,...,k, j=k+1,...,n şi cpr∈R, p=k+1,...,n, r=k+1,...,n. Corolar
Dacă f are toate valorile proprii distincte, atunci există o bază a lui V în care matricea lui f are forma diagonală. Teoremă
Fie f∈L(V) şi λ o valoare proprie a lui f. Fie mulţimea S(λ)=v∈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:
[f]B=
linii )(d
linii )(d
000
000
000
000
k
1
k
k
1
1
λ
λ
λ
λ
λ
λ
M
LLL
LLLLLLL
LLL
LLLLLLL
LLL
LLLLLLL
LLL
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).
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Definiţie O matrice A se spune că este de tip celulă Jordan dacă este de forma:
λ
λλ
λ
=λ
0000
000
010
001
)(A
LLLLL
L
L
L
Definiţie O matrice A se spune că are forma canonică Jordan dacă este de forma:
λ
λ=
)(A0
0)(A
A
k
1
L
LLL
L
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:
[f]B=
ε
εε
−
00000
0000
0000
0000
1n
2
1
L
L
LLLLLL
L
L
unde εi∈0,1, i=1,...,n-1. Propoziţie
Fie V/R, dim V=n, f∈L(V) şi fie P polinomul său caracteristic. Dacă R este algebric închis iar
P(λ)=(-1)n ( ) ( ) j1 m
j
m
1 ... λ−λλ−λ cu λ1≠...≠λj, m1+...+mj=n notăm Vk=Ker(f-λk1V), k=1,...,j. În aceste condiţii:
1) Vk≠0, k=1,...,j; 2) Vk<V, k=1,...,j; 3) Vk este invariant faţă de f; 4) V=V1⊕...⊕Vj.
Teoremă Fie f∈L(V) cu V/R, dim V=n şi R algebric închis. Atunci există o bază în V în care matricea lui f are
forma canonică Jordan. Teoremă
Fie f∈L(V) cu V/R, dim V=n şi R algebric închis. Dacă [f]B=
[ ]
[ ]
j
1
B
B
f0
0f
L
LLL
L
cu B şi Bk, k= j,1
astfel încât Bk o bază pentru care [ ]kBVk1f λ− are forma din teorema 35, iar B=B1∪...∪Bj, atunci
∀P=anXn+...+a1X+a0∈R[X] avem: P([f]B)=
[ ]
[ ]
)f(P0
0)f(P
j
1
B
B
L
LLL
L
unde:
[ ]
λ
−λλλ
−λλλλ
=−
−
)(P000
)!2d(
)(P
!1
)('P)(P0
)!1d(
)(P
!2
)("P
!1
)('P)(P
)f(P
i
i
i
)2d(
ii
i
i
)1d(
iii
B
i
i
i
L
LLLLL
L
L
λi fiind valoarea proprie corespunzătoare blocului [ ]iBf iar di fiind ordinul lui [ ]
iBf , i=1,...,j.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Pasul 5 - Reducerea formelor pătratice la forma canonică Fie V/R, dim V=n şi o formă pătratică H:V→R, H(x)=xtAx, A∈Mn(R)-simetrică. Ne propunem în
această secţiune să determinăm o bază a lui V, în care matricea formei pătratice să aibă forma diagonală. În acest caz se spune că forma pătratică este adusă la forma normală. Dacă matricea formei pătratice în această nouă bază are pe diagonala principală numai 1 sau –1 spunem că forma este cea canonică. Fie o bază B a lui V şi baza căutată B'. Dacă C este matricea de trecere MBB' atunci
A'=CtAC=
n
1
c0
0c
L
LLL
L
cu ci∈R, i=1,...,n. În această bază avem H(x)=xtA'x=c1(x'1)2+... +cn(x'n)2 şi este
evident că H are cel mai mic număr de termeni. Metoda Gauss
Fie H(x)=∑=
n
1j,i
ji
ij xxa ≠0 unde x=(x1,...,xn)t. Avem două situaţii:
I. ∃i=1,...,n astfel încât aii≠0. După o eventuală renumerotare putem considera a11≠0. În acest caz formăm un pătrat perfect care să includă termenii ce-l conţin pe x1. Astfel:
H(x)= [ ]2n
n1
2
12
n
n1
2
12
1
11
212
11
11
)xa...xa()xa...xa(xa2)x(aa
1 ++++++ +E(x2,...,xn)=11a
1(a11x
1+...+a1nxn)2+E(x2,...,xn)
. Fie transformarea:
>=++
=1i,x
;1i,xa...xay
i
nn1
111i
Avem atunci H(y)=11a
1(y1)2+E(y2,...,yn) unde E este o formă pătratică în 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:
>=−=+
=2i,x
;2i,xx
;1i,xx
yi
21
21
i
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(z
1)2+...+bk(zk)2 unde x=(z1,...,zn)t în noua bază. Cu transformarea de variabile:
>==
=
ki ,zv
;zbv
...
;zbv
ii
k
k
k
1
1
1
forma H are forma canonică şi devine H(x)=ε1(v1)2+...+εk(v
k)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 i=
ii1i
i111
aa
aa
L
LLL
L
, i=1,...,n
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:
2n
n
1n22
2
121
1
)(...)()(1
)x(H ξ∆
∆++ξ
∆∆
+ξ∆
= −
iar x=(ξ1,...,ξn)t este expresia lui x în noua bază. Definiţii
Fie V un spaţiu vectorial real. • O formă pătratică H:V→R se numeşte formă pozitiv definită dacă H(x)>0 ∀x≠0.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
• H se numeşte formă negativ definită dacă H(x)<0 ∀x≠0. • H se numeşte formă semidefinită sau formă nedefinită dacă ∃x1,x2∈V astfel încât H(x1)H(x2)<0. • H se numeşte formă pozitiv semidefinită dacă H(x)≥0 ∀x∈V şi ∃x0∈V-0 astfel încât H(x0)=0. • H se numeşte formă negativ semidefinită dacă H(x)≤0 ∀x∈V şi ∃x0∈V-0 astfel încât H(x0)=0.
Teoremă (de inerţie, Sylvester) Numărul coeficienţilor strict pozitivi, numărul coeficienţilor strict negativi şi rangul unei forme
pătratice în expresia canonică (normală) nu depind de baza aleasă. Definiţie
Diferenţa între numărul termenilor pozitivi şi cel al termenilor negativi din expresia canonică (normală) a unei forme pătratice se numeşte signatura formei pătratice respective. Teoremă
Fie V un spaţiu vectorial real şi H:V→R o formă pătratică. Condiţia necesară şi suficientă ca H să fie pozitiv definită este ca ∆i>0, i=1,...,n. Corolar
Fie V un spaţiu vectorial real şi H:V→R o formă pătratică. Condiţia necesară şi suficientă ca H să fie negativ definită este ca ∆i<0, i=impar, i=1,...,n şi ∆i>0, i=par, i=1,...,n.
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.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la noţiunea de spaţiu vectorial, împreună cu
cele conexe cum ar fi: bază, aplicaţie liniară, formă pătratică.
EXEMPLE ILUSTRATIVE
1. Folosind regula dreptunghiului să se determine rangul următoareI matrice: A=
−−−
−
1977
7115
4312
1531
Soluţie Avem următoarele matrice echivalente: A=
−−−
−
1977
7115
4312
1531
∼
−−−−−−
−
826140
1226140
61370
1531
∼
−−−
28000
0000
61370
1531
∼
−−−
02800
0000
13670
5131
∼
−−−
0000
02800
13670
5131
de unde rang A=3.
2. Folosind regula dreptunghiului să se calculeze următorul determinant: D=
4565
5345
2753
7367
.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Soluţie D=
4565
5345
2753
7367
∼
720120
0620
740170
7367
−−
−∼
720120
740170
0620
7367
−−
−∼
1411200
1418200
0620
7367
−−
−∼
980000
1418200
0620
7367
−−
− de unde: D=-
)182()2(7
)980)(182)(2(723 −−
−−−=-10.
3. Folosind regula dreptunghiului să se inverseze următoarea matrice: A=
351
493
372
.
Soluţie Vom aplica regula dreptunghiului fără împărţire la pivot. Avem deci:
(AI3)=
100
010
001
351
493
372
∼
001
010
100
372
493
351
∼
−−
−−−−
201
310
100
330
560
351
∼
−−
−−−
336
310
950
300
560
701
∼3:
3)6(:
3)6(1:
336
61830
63642
300
060
001
−−
−−
−− de unde: A-1=
−
−−
−−
1123
11
3
53
12
3
7
.
4. Să se studieze compatibilitatea iar în caz afirmativ să se rezolve prin metoda Gauss sistemul:
=++++=+−+=+++
3z)3a(ayx)1a(3
a2zy)1a(ax
az2yx)3a(
, a∈R.
Soluţie Vom nota la permutarea a două coloane a matricei extinse noua ordine a necunoscutelor deasupra acesteia pentru ca în cazul compatibilităţii să le putem recupera corect din sistem.
Avem: Ae=
++−
+
3
a2
a
3aa3a3
11aa
213a
zy x
∼
++−
+
3
a2
a
3a33aa
a11a
3a21
x zy
∼
−+−
−−+−−−
+
2
2
2
2
a3
a3a
a
a3a30
3aaa230
3a21
x zy
. Dacă
a=3
2 atunci rezultă că: rang Ae=rang A=3 iar sistemul devine:
14=17x
23=23x+21z
2=11x+6z+3y
de unde:
119
326y ,
119
23z ,
17
14=x −== . Dacă a≠
3
2 atunci: Ae∼
+−++−
−+−−−
+
9a15a3a
a3a
a
)1a(a00
3aaa230
3a21
x zy
23
2
2
2 de unde se
obţine că a=0 sau a=1⇒rang(Ae)=3≠2=rang(A) deci sistemul este incompatibil iar în caz contrar este
compatibil iar soluţia este: x=)1a(a
9a15a3a2
23
−+−+
, z=)1a(a
18a45a15a18a82
234
−−+−−
,
y=)1a(a
9a54a36a29a162
234
−+−++−
.
5. Fie în R3 mulţimile U1=(a+b,2a-b,a)a,b∈R şi U2=(c+2d,2c+d,-3c-d) c,d∈R. 1) Să se arate că U1<R3 şi U2<R3; 2) Să se determine U1∩U2; 3) Să se arate, folosind definiţia, că U1∩U2<R3. Soluţie 1)Fie x=(a+b,2a-b,a)∈U1 şi y=(a'+b',2a'-b',a')∈U1 şi α,β∈R. Avem αx+βy=α(a+b,2a-b,a)+β(a'+b',2a'-b',a')=(αa+αb,2αa-αb,αa)+(βa'+βb',2βa'-βb',βa')= ((αa+βa')+(αb+βb'),2(αa+βa')-(αb+βb'), (αa+βa'))∈U1 deci U1<R3. Putem proceda însă mult mai simplu. Fie x∈U2. Avem x=(c+2d,2c+d,-3c-d)=(c,2c,-3c)+(2d,d,-d)=c(1,2,-3)+d(2,1,-1). U2 este deci un spaţiu vectorial generat de vectorii (1,2,-3) şi
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
(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). Din sistemul:
−−=+=−
+=+
dc3a
dc2ba2
d2cba
obţinem în final x=(-3c,0,-c), c∈R. Reciproc, 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. 6. Fie sistemul de vectori S=v1,v2,v3 din R4, unde v1=(1,2,0,3)t, v2=(3,2,1,0)t, v3=(1,1,2,2)t şi V=<S>. Să se cerceteze dacă vectorii w1=(4,4,1,3)t, w2=(2,3,2,5)t, w3=(4,3,3,2)t constituie un sistem de generatori pentru <S>. Soluţie Avem <S>=(a+3b+c,2a+2b+c,b+2c,3a+2c)ta,b, c∈R şi fie S‘=w1,w2,w3. Avem <S‘>=(4d+2e+4f,4d+3e+3f,d+2e+3f,3d+5e+2f)td,e,f∈R. Fie v∈<S>. Atunci v∈<S‘> dacă şi numai dacă există d,e,f∈R astfel încât v=(a+3b+c,2a+2b+c,b+2c,3a+2c)t=(4d+2e+4f,4d+3e+3f,d+2e+3f,3d+5e+2f)t.
Rezultă sistemul:
+=+++=++
++=++++=++
c2a3f2e5d3
c2bf3e2d
cb2a2f3e3d4
cb3af4e2d4
. Avem:
321
334
424
=14 de unde, cum:
∆car=
c2a3253
c2b321
cb2a2334
cb3a424
++
++++
=26(a+3b+c)-34(2a+2b+c)-10(b+2c)+14(3a+2c)=0, rezultă că sistemul este
compatibil determinat. Prin urmare, <S>⊂<S‘>. Analog, se arată că <S‘>⊂<S> deci, în final, <S>=<S‘> adică S‘ reprezintă un sistem de generatori pentru <S>. 7. 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.
Soluţie 1) Se procedează ca la problema 1 obţinându-se [f]=
−
−
101
012
113
. 2) Fie x=(x1,x2,x3)∈R3 astfel
încât f(x)=0. Avem sistemul:
=+−=+
=+−
0xx
0xx2
0xxx3
31
21
321
de unde x1=x2=x3=0 deci x=0 şi Ker f=0. Fie acum
y=(y1,y2,y3)∈R3 şi ecuaţia f(x)=y. Avem deci sistemul:
=+−=+
=+−
331
221
1321
yxx
yxx2
yxxx3
care este compatibil determinat de
unde rezultă că ∃x∈R3 astfel încât f(x)=y. Prin urmare Im f=R3. 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. 8. Fie operatorul T:R4→R4 a cărui matrice în baza canonică este:
A=
−−−
3021
0200
3021
3021
1) Să se determine valorile şi vectorii proprii ale lui T; 2) Să se studieze dacă T este diagonalizabil iar în caz afirmativ să se determine baza şi forma acestui
operator.
Soluţie 1)Ecuaţia caracteristică este:
λ−λ−
−λ−−−λ−
3021
0200
3021
3021
=0 de unde, dezvoltând după linia a treia,
obţinem: λ2(λ-2)2=0. Valorile proprii sunt deci: λ1=λ2=0 şi λ3=λ4=2. Pentru λ=0 avem:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
=
−−−
0
0
0
0
t
z
y
x
3021
0200
3021
3021
de unde x=-2a-3b, y=a, z=0, t=b şi deci v=(-2a-3b,a,0,b)t, a,b∈R-0. Analog,
pentru λ=2 rezultă:
=
−−−−
0
0
0
0
t
z
y
x
1021
0000
3041
3021
de unde: v=(a,-a,b,a)t, a,b∈R-0. 2)Avem subspaţiile
proprii asociate valorilor proprii: S(0)=a(-2,1,0,0)t+b(-3,0,0,1)ta,b∈R deci dim S(0)=2=m(0)-ordinul de multiplicitate al lui λ=0. De asemenea, S(2)=a(1,-1,0,1)t+ b(0,0,1,0)t a,b∈R deci dim S(2)=2= m(2). Operatorul este deci diagonalizabil. Baza în care fenomenul are loc este dată de reuniunea bazelor subspaţiilor proprii, deci B=(-2,1,0,0)t,(-3,0,0,1)t,(1,-1,0,1)t,(0,0,1, 0)t iar forma lui T în această bază este dată de
matricea:
2000
0200
0000
0000
. Se observă pe acest caz concret avantajul enorm al considerării operatorului în
această nouă bază acesta având o expresie foarte simplă. 9. Să se aducă la forma normală, folosind metoda lui Gauss, forma pătratică: H(x)=(x1)2-2x1x2+2x1x3-2x1x4+(x2)2+2x2x3-4x2x4+(x3)2-2(x4)2, x= (x1,x2,x3,x4)∈ R4. Soluţie Avem: H(x)=(x1)2-2(x2-x3+x4)x1+(x2-x3+x4)2-3(x4)2+4x2x3-6x2x4+2x3x4=(x1-x2+x3-x4)2-3((x4)2+2(x2-
3
1x3)x4+(x2-
3
1x3)2)+3(x2)2+2x2x3+
3
1(x3)2=(x1-x2+x3-x4)2-3(x2+x4-
3
1x3)2+3(x2+
3
1x3)2. Prin urmare, cu ξ1=x1-
x2+x3-x4, ξ2=x2+ x4-3
1x3, ξ3=x2+
3
1x3, ξ4=x4 obţinem H(x)=(ξ1)2-3(ξ2)2+3(ξ3)2.
RECOMANDĂRI BIBLIOGRAFICE:
1. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii diferenţiale, Bucureşti, Editura All, 1994;
2. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions Mir Moscou, Vol. I, II, 1985;
3. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981; 4. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980; 5. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983; 6. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004; 7. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006; 8. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981; 9. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991; 10. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984; 11. Lang, S., Algebra, Addison-Wesley, 1971; 12. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988; 13. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986; 14. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978; 15. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982; 16. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.
TESTE DE AUTOEVALUARE 1. Fie în R3 subspaţiile: U1=(a+7b,8a-b,5a)ta,b∈R şi U2=(c+-17d,6c+d,4c-d)tc,d∈R. Să se determine U1∩U2.
1. U1∩U2=(-13h,15h,14h)t 2. U1∩U2=(-11h,17h,14h)t 3. U1∩U2=(-14h,19h,11h)t 4. U1∩U2=(-10h,17h,17h)t
2. Fie în R3 vectorii v1=(1,7,1)t, v2=(7,48,3)t, v3=(8,7,α)t, v4=v1+v2, α∈R. Să se determine α∈R astfel încât sistemul de vectori v1,v2,v3,v4 să fie un sistem de generatori pentru R3.
1. α≠-184 3. α≠-188
2. α≠-181 4. α≠-185
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
3. Fie în R3 vectorii v1=(1,7,1)t, v2=(7,48,3)t, v3=(8,7,β)t, β∈R. Să se determine β∈R astfel încât vectorii v1,v2,v3 să nu fie o bază pentru R3.
1. β=-184 3. β=-188
2. β=-181 4. β=-185
4. Să se determine α∈R astfel încât următoarea aplicaţie să fie liniară: f:R3→R2, f(x1,x2,x3)=(1x1-4x3,8x2+8x3+α-4).
1. α=10 3. α=4
2. α=5 4. α=12
5. Fie forma biliniară B:R2×R2→R, B(x,y)=9x1y1+8x1y2+1x2y1+9x2y2 unde x=(x1,x2), y=(y1,y2)∈R2. Să se determine forma pătratică asociată H.
1. H=9x12+9x1x2+9x2
2 2. H=13x1
2+8x1x2+11x22
3. H=12x12+5x1x2+10x2
2 4. H=10x1
2+7x1x2+13x22
6. Să se aducă la forma canonică, folosind metoda lui Jacobi, forma: H(x)=-3x12-
10x1x2+-18x1x3+1x32.
1. -x12+x2
2-x32
3. -x12-x2
2+x32
2. +x12+x22+x3
2
4. -x12+x22+x3
2 7. Fie în R3 subspaţiile: U1=(a+5b,3a-b,5a)ta,b∈R şi U2=(c+-8d,2c+d,4c-d)tc,d∈R. Să se determine U1∩U2.
5. U1∩U2=(-5h,2h,8h)t 6. U1∩U2=(-4h,1h,5h)t 7. U1∩U2=(-5h,-1h,6h)t 8. U1∩U2=(-7h,3h,3h)t
8. Fie în R3 vectorii v1=(1,6,2)t, v2=(9,53,3)t, v3=(1,4,α)t, v4=v1+v2, α∈R. Să se determine α∈R astfel încât sistemul de vectori v1,v2,v3,v4 să fie un sistem de generatori pentru R3.
2. α≠-28 4. α≠-23
2. α≠-27 4. α≠-20
9. Fie în R3 vectorii v1=(1,6,2)t, v2=(9,53,3)t, v3=(1,4,β)t, β∈R. Să se determine β∈R astfel încât vectorii v1,v2,v3 să nu fie o bază pentru R3.
2. β=-28 4. β=-23
2. β=-27 4. β=-20
10. Să se determine α∈R astfel încât următoarea aplicaţie să fie liniară: f:R3→R2, f(x1,x2,x3)=(3x1-8x3,7x2+3x3+α-7).
2. α=12 4. α=7
2. α=9 4. α=15
11. Fie forma biliniară B:R2×R2→R, B(x,y)=3x1y1+1x1y2+1x2y1+3x2y2 unde x=(x1,x2), y=(y1,y2)∈R2. Să se determine forma pătratică asociată H.
5. H=3x12+2x1x2+3x2
2 6. H=5x1
2+1x1x2+5x22
7. H=6x12+-2x1x2+6x2
2 8. H=6x1
2+0x1x2+7x22
12. Să se aducă la forma canonică, folosind metoda lui Jacobi, forma: H(x)=5x12--
10x1x2+-12x1x3+-1x32.
2. x12-x2
2-x32
4. x12+x2
2-x32
2. +x12-x22-x3
2
4. x12-x22+x3
2
TEMĂ DE CONTROL
1. Să se calculeze următorul determinant:
0132
02314
2003
1021
2. Să se determine rangul matricei: A=
130000
270000
004200
005100
000043
000012
3. Folosind regula dreptunghiului să se inverseze următoarea matrice:
−−10201
1111
2132
4321
4. Să se studieze compatibilitatea iar în caz afirmativ să se rezolve prin metoda Gauss sistemul:
−=++=++−=++
23z10y5x2
1z3y8x3
1z2y21x4
5. Să se determine dacă mulţimea de mai jos este subspaţiu vectorial al spaţiului aritmetic R2: U=(x,y)∈R2x3+y3=r3, r∈R.
6. Fie în R3 subspaţiile U1=(a+b,5a-b,a)a,b∈R şi U2=(c+2d,2c+d,-3c-d) c,d∈R.Să se determine U1∩U2.
7. Fie în R4 vectorii v1=(1,2,3,4)t, v2=(2,6,1,3)t şi v3=(4,4,7,α)t, α∈R. Să se determine α∈R astfel încât dep(v1,v2,v3). 8. Fie aplicaţia liniară f:R3→R3, f(x1,x2,x3)=(3x1-5x2+x3,7x1+x2,-x1+2x3). Să se determine Ker f şi Im f; 9. Fie aplicaţia B:R2×R2→R, B(x,y)=3x1y1-2x1y2+3x2y1-x2y2 unde x=(x1,x2), y=(y1,y2)∈R2. Să se determine forma pătratică asociată H.
10. Fie forma pătratică H(x)=4(x1)2+6(x2)2+α(x3)2+15x1x2+6x2x3, x=(x1,x2,x3)∈R3. Să se determine cea mai mică valoare întreagă a lui α∈R astfel încât forma să fie pozitiv definită.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
MODULUL 2
ANALIZ Ă MATEMATIC Ă
Obiectivele specifice modulului: Introducerea noţiunii de spaţiu topologic; Studiul diferenţiabilităţii funcţiilor; Studiul seriilor numerice şi al seriilor de puteri; Determinarea extremelor funcţiilor; Studiul integralelor improprii, duble şi triple.
Rezultatele aşteptate:
Înţelegerea noţiunilor de bază ale topologiei; Formarea modului de gândire diferenţial; Înţelegerea noţiunii de serie ca simplificare a unor reprezentări funcţionale; Determinarea corectă a maximelor şi/sau minimelor unei funcţii.
Competenţe dobandite ca urmare a parcurgerii modulului:
Deprinderea folosirii noţiunilor topologice cum ar fi: mulţimea deschisă, închisă, punctul de acumulare, compactitatea şi conexitatea;
Calculul derivatelor parţiale şi a diferenţialelor de ordinele I şi II; Dezvoltarea în serie Taylor a unei funcţii; Realizarea de referate aplicative legate de problematica modulului.
Timpul mediu necesar pentru asimilarea modulului : 6 ore
LECŢIA 1
SPAŢII TOPOLOGICE Pasul 1 - Elemente de topologie
Definiţie
Fie Rn, n≥1 şi mulţimea T=D⊂Rn∀a=(a1,...,an)∈D⇒∃r>0 astfel încât (a1-r,a1+r)×...×(an-r,an+r)⊂D. Perechea (Rn,T) se numeşte spaţiu topologic, T purtând numele de topologie reală pe Rn. O mulţime D∈T se numeşte mulţime deschisă. Teoremă
Pe Rn au loc următoarele afirmaţii: 1) ∀(Di)i∈I⊂T ⇒U
IiiD
∈
∈T, I-o mulţime oarecare de indecşi;
2) ∀(Di)i=1,...,m⊂T⇒Im
1iiD
=
∈T ∀m∈N*;
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;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
2) V∈V(x), V⊂U⇒U∈V(x);
3) Vi∈V(x), i= n,1 ⇒In
1iiV
=
∈V(x);
4) V∈V(x)⇒∃U⊂V, U∈V(x) astfel încât U∈V(y) ∀y∈U. Definiţie
Un punct a∈Rn se numeşte punct interior al unei submulţimi A⊂Rn dacă A∈V(a) Definiţie
Fie A⊂Rn. Mulţimea o
A =int A=a∈Rna este punct interior al lui A se numeşte interiorul lui A. Propoziţie
∀A⊂Rn avem: Uo
AD⊂∈
=TD
DA .
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
Fie A⊂Rn. Mulţimea ∂A=Fr A= A ∩ CA se numeşte frontiera lui A. Teoremă
Spaţiul topologic Rn este un spaţiu Hausdorff (spaţiu topologic separat) adică ∀x,y∈Rn, x≠y⇒∃U∈V(x), ∃V∈V(y) astfel încât U∩V=∅. Definiţie
O mulţime C⊂Rn se numeşte compactă dacă ∀(Ui)i∈I⊂T astfel încât C⊂UIi
iU∈
⇒∃J⊂I-finit ă astfel
încât C⊂UJi
iU∈
, adică dacă din orice acoperire cu mulţimi deschise a lui C se poate extrage o subacoperire
finită a acesteia. Definiţie
O mulţime C⊂Rn se numeşte mulţime relativ compactă dacă C este compactă. Definiţie
O mulţime C⊂Rn se numeşte conexă dacă nu există D1,D2∈T astfel încât C⊂D1∪D2, D1∩D2∩C=∅, D1∩C≠∅, D2∩C≠∅.
Pasul 2 - Şiruri în R n
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 limit ă a şirului (an) şi vom scrie: a=
∞→nlim an
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 .
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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⇒∃(
kna )k∈N un subşir al lui (an) (restricţie a lui (an) la o submulţime a lui N) şi a∈R astfel
încât limkna =a;
3) C este închisă şi mărginită. Teoremă
Şirul (am)=(am1,...,am
n)⊂Rn este convergent dacă şi numai dacă şirurile (am1)⊂R,...,(am
n)⊂R sunt convergente şi în acest caz avem:
lim am=(lim am1,...,lim am
n)
Pasul 3 - Spaţii metrice. Spaţii normate Definiţie
Numim metrică (distanţă) pe Rn o funcţie d:Rn×Rn→R, (x,y)→d(x,y) ∀x,y∈Rn, astfel încât sunt satisfăcute următoarele axiome:
1) d(x,y)=0⇔x=y; 2) d(x,y)=d(y,x) ∀x,y∈Rn; 3) d(x,z)≤d(x,y)+d(y,z) ∀x,y,z∈Rn.
Definiţie Considerând o metrică d pe Rn, vom numi perechea (Rn,d) spaţiu metric .
Definiţie Fie (Rn,d) un spaţiu metric. Mulţimea B (a,r)=x∈Rnd(a,x)≤r, r≥0 se numeşte bila închisă de
centru a şi rază r. Mulţimea B(a,r)=x∈Rnd(a,x)<r, r>0 se numeşte bila deschisă de centru a şi rază r.
Propoziţie Un spaţiu metric (Rn,d) este spaţiu topologic.
Propoziţie Fie (Rn,d) un spaţiu metric. Atunci ∀a∈Rn ∀r>0⇒B(a,r) este o mulţime deschisă, B (a,r) este o
mulţime închisă iar )r,a(B)r,a(B = .
Propoziţie Fie un spaţiu metric (Rn,d) şi (an)⊂Rn un şir convergent. Atunci lim an este unică.
Propoziţie Fie un spaţiu metric (Rn,d) şi (an)⊂X. Atunci (an) este un şir convergent şi lim an=a∈X dacă şi numai
dacă ∀ε>0⇒ ∃nε∈N astfel încât d(an,a)<ε ∀n≥nε. Definiţie
Fie (Rn,d) un spaţiu metric. Un şir (an)⊂Rn se numeşte şir Cauchy (şir fundamental) dacă ∀ε>0⇒∃nε∈N astfel încât d(an,am)<ε ∀n,m≥nε. Propoziţie
Fie (Rn,d) un spaţiu metric şi (an)⊂Rn un şir convergent. Atunci (an) este şir Cauchy. Reciproc, nu este în general adevărat, deci se impune următoarea:
Definiţie Un spaţiu metric (Rn,d) se numeşte spaţiu metric complet dacă orice şir Cauchy din Rn este
convergent. Definiţie
Fie un spaţiu metric (Rn,d). O mulţime A⊂Rn se numeşte mulţime mărginit ă 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;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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.
Pasul 4 - Limite de funcţii în Rn Definiţie
O aplicaţie f:A⊂Rn→Rm, n,m≥1 se numeşte funcţie vectorială reală de n variabile reale. Dacă m=1 vom spune pe scurt că f este funcţie de n variabile. Definiţie
O aplicaţie f:A⊂Rn→Rm se spune că are limita y∈Rm într-un punct de acumulare a∈A' dacă ∀V∈V(y)⇒ ∃U∈V(a) astfel încât:
f((U-a)∩A)⊂V Propoziţie
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A'. Următoarele afirmaţii sunt echivalente: 1) f are limita y∈Rm în a; 2) ∀(an)⊂A-a astfel încât lim an=a⇒lim f(an)=y; 3) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A-a şi d(x,a)<δε⇒ d(f(x),y)<ε. 4) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A-a şi ax − <δε⇒ y)x(f − <ε.
Corolar Fie o aplicaţie f:A⊂Rn→Rm şi a∈A'. Funcţia f nu are limită în punctul “a” dacă ∃(an),(bn)⊂A-a cu
lim an=lim bn=a şi fie unul din şirurile (f(an)),(f(bn)) nu este convergent, fie sunt amândouă convergente, dar au limite diferite.
În cazul funcţiilor de mai multe variabile, se poate defini limita unei funcţii după o direcţie astfel: fie f:A⊂Rn→R şi a=(a1,...,an)∈A'. Ecuaţia unei drepte ce trece prin “a” este:
λ+=
λ+=
nnn
111
vax
vax
L , λ∈R
unde v1,...,vn reprezintă parametrii directori ai dreptei (care dau “înclinarea” dreptei faţă de axele de coordonate). Notând v=(v1,...,vn) putem scrie ecuaţia dreptei succint sub forma: x=a+λv, λ∈R. Definim atunci limita unei funcţii după direcţia dată de dreapta x=a+λv ca fiind:
0lim
→λf(a+λv)
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∈A i ', i=1,...,n. Atunci
ii axlim
→f(x) depinde de variabilele x1,...,xi-1,xi+1,..., xn. Considerând
apoi acelaşi proces obţinem în final o valoare reală notatăax
lim→
σf(x)=nini1i1i axax
lim...lim→→
f(x) unde
σ=
n21 iii
n21
L
L∈Sn (grupul permutărilor de n elemente). Vom numi aceasta limita iterat ă 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
axlim
→σf(x)
există atunci ax
lim→
σf(x)= ax
lim→
f(x).
Pasul 5 - Continuitatea funcţiilor
Definiţie
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie continuă în a∈A dacă ∀V∈V(f(a))⇒∃U∈V(a) astfel încât f(U∩A)⊂V. Propoziţie
Fie o aplicaţie f:A⊂Rn→Rm şi a∈A. Următoarele afirmaţii sunt echivalente: 1) f este continuă în a; 2) ∀(an)⊂A astfel încât lim an=a⇒lim f(an)=f(a); 3) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A şi d(x,a)<δε⇒ d(f(x),f(a))<ε. 4) ∀ε>0⇒∃δε>0 astfel încât ∀x∈A şi ax − <δε⇒ )a(f)x(f − <ε.
Definiţie O aplicaţie f:A⊂Rn→Rm se numeşte funcţie continuă pe A dacă este continuă în orice punct a∈A.
Propoziţie O aplicaţie f:A⊂Rn→Rm este continuă în a∈A’ ∩A dacă şi numai dacă are limită în a şi
axlim
→f(x)=f(a).
Teoremă Fie o aplicaţie f:Rn→Rm. Următoarele afirmaţii sunt echivalente:
1) f este continuă pe Rn; 2) ∀D-deschisă în Rm⇒f-1(D)-deschisă în Rm; 3) ∀E-închisă în Rm⇒f-1(E)-închisă în Rn.
Definiţie O aplicaţie f:A⊂Rn→Rm se numeşte funcţie uniform continuă pe A dacă ∀ε>0⇒∃δε>0 astfel încât
∀x,y∈A şi d(x,y)<δε⇒ d(f(x),f(y))<ε. Propoziţie
O funcţie f:A⊂Rn→Rm uniform continuă pe A este continuă pe A. Propoziţie
O funcţie f:A⊂Rn→Rm continuă pe mulţimea compactă A este uniform continuă pe A. Definiţie
O aplicaţie f:A⊂Rn→Rm se numeşte funcţie lipschitziană pe A dacă ∃C>0 astfel încât d(f(x),f(y))≤C⋅d(x,y) ∀x,y∈A. Propoziţie
O funcţie f:A⊂Rn→Rm lipschitziană pe A este uniform continuă pe A. Propoziţie
Fie o aplicaţie liniară f:Rn→Rm. Următoarele afirmaţii sunt echivalente: 1) f este continuă pe Rn; 2) f este continuă în 0∈Rn; 3) ∃M>0 astfel încât )x(f ≤M x ∀x∈Rn.
Definiţie O aplicaţie f:A⊂Rn→f(A)⊂Rm se numeşte homeomorfism dacă:
1) f este bijectivă; 2) f este continuă pe A şi f -1 este continuă pe f(A). 3)
LECŢIA 2
DIFERENŢIABILITATEA FUNC ŢIILOR Pasul 1 - Derivabilitatea după o direcţie şi cea parţială a funcţiilor Vom considera în cele ce urmează funcţii de forma f:D⊂Rn→R, n≥1, D-deschisă,
(x1,...,xn)→f(x1,...,xn). Vom nota generic x=(x1,...,xn)∈ Rn.
Fie a∈D şi o dreaptă de parametri directori v=(v1,...,vn)∈Rn: x=a+λv, λ∈R. Avem: v
vvax λ+=
şi notând: vλ =α, v
v=w, rezultă: α∈R şi w =1. Putem scrie deci ecuaţia unei drepte sub forma d:
x=a+αw, α∈R, w =1. Deoarece a∈D⇒∃V∈V(a)∈Rn astfel încât a∈V⊂D. Vom alege V ca fiind o bilă
deschisă centrată în a. Fie deci r>0 astfel încât B(a,r)⊂D. Fie x∈D. Avem: ax − = awa −α+ = wα =
α ⋅ w = α . Dacă α∈(-r,r) atunci ax − <r deci x∈B(a,r)⊂D. Definim acum funcţia: g:(-r,r)→R,
g(α)=f(a+αw) ∀α∈(-r,r). Din cele de mai sus, rezultă că definiţia este corectă.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Definiţie Funcţia f se numeşte aplicaţie derivabilă după direcţia w în a∈Rn dacă funcţia
g:(-r,r)→R, g(α)=f(a+αw) este derivabilă în originea 0∈R. Vom numi în acest caz numărul real
dwdf
(a)=g'(0)-derivata după direcţia w în punctul a al lui f.
Pentru n=1 se obţine definiţia clasică a derivatei într-un punct. În Rn avem câteva direcţii “privilegiate” şi anume cele date de vectorii bazei canonice
e1=(1,0,...,0),... ,en=(0,0,...,1). Definiţie
Funcţia f se numeşte aplicaţie derivabilă parţial în punctul a, în raport cu variabila xk, 1≤k≤n, dacă există derivata după direcţia ek adică dacă există:
t
)a,...,a,...,a(f)a,...,ta,...,a(flim)a('f)a(
x
f nk1nk1
0tx
kk
−+==∂∂
→
Numărul real )a(x
f
k∂∂
sau notat uneori )a)(fx
(k∂
∂ sau )a('f
kx se numeşte 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= n,1 în orice punct a∈D. Definiţie
Dacă f este derivabilă parţial în fiecare punct x∈V unde V∈V(a), a∈D-fixat şi dacă la rândul lor
derivatele parţiale kx
f
∂∂
, k= n,1 , sunt derivabile parţial în a, vom spune că f este derivabilă parţial de ordinul 2
în a. Vom scrie:
)a(xx
f)a))(
x
f(
x(
kj
2
kj ∂∂∂=
∂∂
∂∂
∀j,k= n,1
şi vom spune că kj
2
xx
f
∂∂∂
(a) este derivata parţială de ordinul 2 a lui f în punctul a în raport cu variabilele xj şi
xk. Pentru j=k adoptăm notaţia:
)a(x
f)a))(
x
f(
x( 2
k
2
kk ∂∂=
∂∂
∂∂
∀k= n,1
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: k1 ii
k
x...x
f
∂∂∂
∀i1,...,ik∈1,...,n sunt derivabile parţial în a, vom
spune că f este derivabilă parţial de ordinul (k+1) în a. Vom scrie:
)a)(x...xx
f()a))(
x...x
f(
x(
k1k1 iii
1k
ii
k
i ∂∂∂∂=
∂∂∂
∂∂ +
În cazul mai multor variabile identice vom adopta notaţia:
)a)(x...x
f()a)(
x...x...x...x
f(
k
k
1
1
k1
k
kk
1
11
k1
n
i
n
i
n...n
orin
ii
orin
ii
n...n
∂∂∂=
∂∂∂∂∂ ++
−−
++
4342143421
Teoremă (Schwarz) Dacă f:D→R, D⊂Rn-deschisă admite derivate parţiale de ordinul 2 într-o vecinătate V a lui a∈D şi
dacă pentru 1≤i≠j≤n-fixaţi ji
2
xx
f
∂∂∂
este continuă în a, atunci:
ij
2
xx
f
∂∂∂
(a)=ji
2
xx
f
∂∂∂
(a)
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Pasul 2 - Diferenţiabilitatea funcţiilor Definiţie
Fie f:D⊂Rn→Rm, D-deschisă şi a∈D. f se numeşte aplicaţie diferenţiabilă în a dacă ∃T∈L(Rn,Rm) astfel încât
f(x)=f(a)+T(x-a)+ω(x) ax − ∀x∈D
unde ω:D-a→Rm satisface ax
lim→
ω(x)=0. Dacă f este diferenţiabilă în orice punct din D vom spune că f este
diferenţiabilă pe D. Teoremă
Fie o aplicaţie f=(f1,...,fm):D⊂Rn→Rm, D-deschisă şi a∈D. Aplicaţia f este diferenţiabilă în a dacă şi numai dacă aplicaţiile f1,...,fm sunt diferenţiabile în a. În acest caz:
df(a)=(df1(a),...,dfm(a)) Teoremă
Fie f:D⊂Rn→R, D-deschisă. 1) Dacă f este diferenţiabilă în a∈D atunci f este continuă în a; 2) Dacă f este diferenţiabilă în a∈D atunci ∀w∈Rn, w =1 există derivata după direcţia w în a şi avem
dw
df(a)=df(a)(w). În particular, există derivatele parţiale de ordinul I şi avem
kx
f
∂∂
(a)=df(a)(ek),
k= n,1 , unde ek 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
1ii
i
)a(dx)a(x
f)a(df
Definiţie Fie o aplicaţie f=(f1,...,fm):D⊂Rn→Rm, D-deschisă şi a∈D. Matricea Jf(a) definită prin:
Jf(a)=
∂∂
∂∂
∂∂
∂∂
)a(x
f)a(
x
f
)a(x
f)a(
x
f
n
m
1
m
n
1
1
1
L
LLL
L
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:
det(Jf(a))=)x,...,x(D
)f,...,f(D
n1
n1 (a)
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
)a(x
fw...)a(
x
fw)a(
dw
df
n
n
1
1 ∂∂++
∂∂=
Definiţie Vom defini diferenţiala de ordin m a funcţiei f prin egalitatea:
fdxx
fd
mn
1ii
i
m
∂∂= ∑
=
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:
Hf(a)=
∂∂
∂∂∂
∂∂∂
∂∂
)a(x
f)a(
xx
f
)a(xx
f)a(
x
f
2
n
2
1n
2
n1
2
2
1
2
L
LLL
L
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Definiţie Fie o aplicaţie f:D⊂Rn→R, D-deschisă, f∈C1(D) şi a∈D. Numim gradientul lui f în a∈D:
(grad f)(a)=(∇f)(a)=
∂∂
∂∂
)a(x
f),...,a(
x
f
n1
∈Rn
LECŢIA 3
SERII NUMERICE. SERII DE FUNC ŢII. SERII DE PUTERI. DEZVOLTAREA ÎN SERIE TAYLOR
Pasul 1 - Serii numerice În această secţiune vom considera, până la menţiuni contrare, că toate şirurile sunt indexate după N.
Definiţie
Fie un şir (an)⊂R şi şirul (Sn)⊂R definit prin Sn= ∑=
n
0ina , n≥0. Numim serie numerică de termen
general an perechea de şiruri ((an),(Sn)). Vom numi şirul (Sn) şirul sumelor par ţiale ale seriei. Definiţie
O serie ∑∞
=0nna se numeşte serie convergentă dacă şirul sumelor parţiale (Sn) este convergent. O serie
se numeşte serie divergentă dacă nu este convergentă. Definiţie
Dacă seria ∑∞
=0nna este convergentă numim lim Sn-suma seriei şi o vom nota ∑
∞
=0nna .
Propoziţie
Fie o serie ∑∞
=0nna şi m∈N, fixat. Considerând şirul bn=am+n ∀n≥0 seriile ∑
∞
=0nna şi ∑
∞
=0nnb au aceeaşi
natură. Teoremă (Criteriul general de convergenţă al lui Cauchy)
O serie ∑∞
=0nna este convergentă dacă şi numai dacă ∀ε>0⇒∃nε∈N astfel încât:
an+1+...+an+m<ε ∀n≥nε ∀m≥1 Corolar
Dacă o serie ∑∞
=0nna este convergentă atunci lim an=0.
Propoziţie
Fie seriile ∑∞
=0nna , ∑
∞
=0nnb şi α,β∈R*. Atunci:
1) Seria ∑∞
=
α0n
na are aceeaşi natură cu seria ∑∞
=0nna , iar dacă ∑
∞
=0nna este convergentă are loc egalitatea
∑∞
=
α0n
na =α∑∞
=0nna ;
2) Dacă seriile ∑∞
=0nna şi ∑
∞
=0nnb sunt convergente atunci şi ∑
∞
=β+α
0nnn )ba( este convergentă şi are loc
egalitatea: ∑∞
=β+α
0nnn )ba( =α∑
∞
=0nna +β∑
∞
=0nnb .
Definiţie
O serie ∑∞
=0nna se numeşte serie absolut convergentă dacă seria ∑
∞
=0nna este convergentă. O serie
convergentă care nu este absolut convergentă se numeşte serie semiconvergentă. Propoziţie
O serie ∑∞
=0nna absolut convergentă este convergentă.
Definiţie
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
O serie ∑∞
=0nna se numeşte serie necondiţionat convergentă (serie comutativ convergentă) dacă
∀σ:N→N o aplicaţie bijectivă (permutare a mulţimii numerelor naturale) seria ∑∞
=σ
0n)n(a este convergentă.
Teoremă (Criteriul I de comparaţie)
Fie ∑∞
=0nna şi ∑
∞
=0nnb două serii cu termeni pozitivi. Dacă an≤bn ∀n≥0 atunci:
1) ∑∞
=0nnb este convergentă⇒∑
∞
=0nna este convergentă şi ∑
∞
=0nna ≤∑
∞
=0nnb ;
2) ∑∞
=0nna este divergentă⇒∑
∞
=0nnb este divergentă.
Teoremă (Criteriul II de comparaţie)
Fie ∑∞
=0nna şi ∑
∞
=0nnb două serii cu termeni strict pozitivi. Dacă lim
n
n
b
a există şi este nenulă şi finit ă
atunci seriile au aceeaşi natură. Teoremă (Criteriul III de comparaţie)
Fie ∑∞
=0nna şi ∑
∞
=0nnb două serii cu termeni strict pozitivi. Dacă
n
1n
n
1n
b
b
a
a ++ ≤ ∀n≥0 atunci:
1) ∑∞
=0nnb este convergentă⇒∑
∞
=0nna este convergentă;
2) ∑∞
=0nna este divergentă⇒∑
∞
=0nnb este divergentă.
Corolar
Fie ∑∞
=0nna o serie cu termeni strict pozitivi.
1) Dacă ∃r∈(0,1) astfel încât ra
a
n
1n ≤+ ∀n≥0 atunci seria este convergentă;
2) Dacă ∃r∈[1,∞) astfel încât ra
a
n
1n ≥+ ∀n≥0 atunci seria este divergentă.
Teoremă (Criteriul raportului al lui D'Alembert)
Fie ∑∞
=0nna o serie cu termeni nenuli. Dacă L=lim∑
∞
=0nna există atunci:
1) L<1⇒∑∞
=0nna este absolut convergentă;
2) L>1⇒ ∑∞
=0nna este divergentă.
Teoremă (Criteriul radical al lui Cauchy)
Fie ∑∞
=0nna o serie numerică cu elemente nenule. Dacă L=lim n
na există atunci:
1) L<1⇒∑∞
=0nna este absolut convergentă;
2) L>1⇒ ∑∞
=0nna este divergentă.
Teoremă (Criteriul Raabe-Duhamel)
Fie ∑∞
=0nna o serie numerică cu elemente nenule. Dacă L=lim n
−
+
1a
a
1n
n există atunci:
1) L>1⇒∑∞
=0nna este absolut convergentă;
2) L<1 iar seria este numerică cu termeni strict pozitivi⇒∑∞
=0nna este divergentă.
Teoremă (Criteriul Abel-Dirichlet) Fie (an) şi (bn) două şiruri de numere reale având proprietăţile:
1) lim an=0;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
2) ∑∞
=+ −
0nn1n aa este convergentă;
3) Dacă Sn=∑=
n
0iib atunci M= n
0n
Ssup≥
<∞.
În aceste condiţii seria ∑∞
=0nnnba este convergentă.
Teoremă (Leibniz)
Fie (an) un şir de numere reale convergent monoton la 0. Atunci seria alternată ∑∞
=
−0n
nn a)1( este
convergentă. Pasul 2 - Şiruri şi serii de funcţii
Definiţie
Fie D⊂R. Se numeşte şir de funcţii pe D o aplicaţie n∈N→(fn)∈RD. Definiţie
Fie (fn) un şir de funcţii f n:D⊂R→R, n≥0. Vom spune că (fn) este şir de funcţii punctual convergent pe D dacă ∀a∈D⇒∃ba∈R astfel încât ∀ε>0⇒ ∃nε,a∈N cu proprietatea că fn(a)-ba<ε ∀n≥nε,a. Definiţie
Fie (fn) un şir de funcţii f n:D⊂R→R, n≥0. Vom spune că (fn) este şir de funcţii uniform convergent pe D către o funcţie f:D→R dacă ∀ε>0⇒∃nε∈N cu proprietatea că fn(a)-f(a)<ε ∀n≥nε ∀a∈D. Propoziţie
Fie (fn) un şir uniform convergent de funcţii continue fn:[a,b]→R. Atunci f=lim fn este continuă pe [a,b]. Teoremă
Fie (fn) un şir uniform convergent de funcţii continue fn:[a,b]→R. Atunci:
1) lim ∫b
an dx)x(f = ∫
b
an dx)x(flim ;
2) Dacă fn∈C1([a,b]) şi ∃g:[a,b]→R astfel încât fn'UC
→ 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 (Sn) unde
Sn(x)=∑=
n
0kk )x(f ∀x∈[a,b], n≥0 perechea de şiruri de funcţii ((f n),(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: ∑∞
=0nnf .
Definiţie
Fie o serie de funcţii ∑∞
=0nnf . Numim mulţime de convergenţă a seriei mulţimea
C=x∈[a,b]∑∞
=0nn )x(f este convergentă.
Definiţie
Considerând mulţimea de convergenţă C putem defini funcţia f:C→R, f(x)=∑∞
=0nn )x(f . Funcţia f se
numeşte suma seriei de funcţii iar ∑∞
=0nnf se numeşte serie punctual convergentă pe C. Dacă în plus şirul
sumelor parţiale (Sn) converge uniform la f pe C spunem că ∑∞
=0nnf este serie uniform convergentă pe C.
Teoremă
Fie ∑∞
=0nnf o serie uniform convergentă pe [a,b] de funcţii continue şi f suma seriei. Atunci:
1) f este continuă pe [a,b];
2) ∫ ∑
∞
=
b
a 0nn dx)x(f =∑∫
∞
=0n
b
an dx)x(f ;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
3) Dacă fn∈C1([a,b]), n≥0 iar ∑∞
=0nn 'f este uniform convergentă pe [a,b] atunci f este derivabilă pe [a,b] şi
∑∑∞
=
∞
=
=
0nn
0nn 'f'f .
Teoremă (Weierstrass)
Fie o serie de funcţii ∑∞
=0nnf şi o serie numerică convergentă ∑
∞
=0nna astfel încât fn(x)≤an ∀x∈[a,b]
∀n≥1. Atunci seria ∑∞
=0nnf este uniform convergentă pe [a,b].
Pasul 3 - Serii de puteri
Definiţie
Fie (an)⊂R. Se numeşte serie de puteri centrată în x0∈R seria de funcţii ∑∞
=
−0n
n0n )xx(a . Numerele
reale an se numesc coeficienţii seriei de puteri. Dacă x0=0 vom spune că seria ∑∞
=0n
nnxa este centrată în
origine. Lemă (Abel)
Fie seria de puteri ∑∞
=0n
nnxa şi r∈R* astfel încât şirul (anr
n) este mărginit. Atunci:
1) ∀x∈(-r,r) seria ∑∞
=0n
nnxa este absolut convergentă;
2) ∀0<r'<r seria ∑∞
=0n
nnxa este uniform convergentă pe intervalul compact [-r',r'].
Definiţie
Fie ∑∞
=0n
nnxa o serie de puteri. Numărul real
R=supr∈R+(anrn) este mărginit
se numeşte raza de convergenţă a seriei. Teoremă
Fie ∑∞
=0n
nnxa o serie de puteri şi R raza sa de convergenţă. Atunci:
1) Dacă R∈(0,∞) atunci seria ∑∞
=0n
nnxa este absolut convergentă ∀x∈(-R,R) şi divergentă pentru x∈(-
∞,R)∪(R,∞). Seria este uniform convergentă pe orice interval [-r,r],0<r<R;
2) Dacă R=0 atunci seria ∑∞
=0n
nnxa este convergentă (absolut) numai pentru x=0;
3) Dacă R=∞ atunci seria ∑∞
=0n
nnxa este absolut convergentă pe R. Seria este uniform convergentă pe
orice interval [-r,r],r>0. Teoremă (Cauchy-Hadamard)
Fie seria de puteri ∑∞
=0n
nnxa . Atunci:
R=n
nalim
1
unde vom considera 01 =∞
şi ∞=0
1.
Teoremă
Fie ∑∞
=0n
nnxa o serie de puteri cu raza de convergenţă R şi fie
f:(-R,R)→R, f(x)=∑∞
=0n
nnxa ∀x∈(-R,R). Atunci:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
1) Seria ∑∞
=
−
1n
1nnxna are raza de convergenţă R;
2) f este indefinit derivabilă pe (-R,R);
3) f'(x)=∑∞
=
−
1n
1nnxna ∀x∈(-R,R);
4) ∀a,b∈(-R,R)⇒ ∫b
a
dx)x(f =∑∞
= +0n
nn x1n
a.
Pasul 4 - Dezvoltarea în serie Taylor
Definiţie
Fie f:(a,b)→R, derivabilă de ordinul n+1, n≥1 pe (a,b). Numim polinomul Taylor de grad n asociat funcţiei f în punctul x0:
Tn=n
00
)n(
00
0 )xX(!n
)x(f...)xX(
!1
)x('f)x(f −++−+
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)= n0
0)n(
00
0 )xx(!n
)x(f...)xx(
!1
)x('f)x(f −++−+ +Rn(x) ∀x∈(a,b)
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:
−−−−+−= ∑∑
=+
+
=
k0
n
0k
)k(
1n0
1nk
n
0k
)k(
)xx(!k
)t(f)x(f
)xx(
)tx()tx(
!k
)t(f)t(h
Avem acum h(x0)=h(x)=f(x). Din faptul că f este derivabilă de ordinul n+1 pe (a,b)⊃I rezultă că h
este derivabilă pe o
I şi continuă pe I. Aplicând teorema lui Rolle rezultă că ∃ξ∈o
I (deci x<ξ<x0 sau x0<ξ<x) astfel încât h’(ξ)=0. Calculând h' rezultă:
Rn(x)= 1n0
)1n(
)xx()!1n(
)(f ++
−+
ξ-restul lui Lagrange
iar formula lui Taylor cu restul lui Lagrange este:
f(x)= n0
0)n(
00
0 )xx(!n
)x(f...)xx(
!1
)x('f)x(f −++−+ + 1n
0
)1n(
)xx()!1n(
)(f ++
−+
ξ
∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)). Se pot determina şi alte variante ale restului Rn având astfel:
Rn(x)= 1pnp0
)1n(
)x()xx(p!n
)(f +−+
ξ−−ξ,p≥1-restul lui Schlömlich
de indice p iar formula lui Taylor cu restul lui Schlömlich este:
f(x)= n0
0)n(
00
0 )xx(!n
)x(f...)xx(
!1
)x('f)x(f −++−+ + 1pnp
0
)1n(
)x()xx(p!n
)(f +−+
ξ−−ξ
∀p≥1 ∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)). Se observă că pentru p=n+1 se obţine restul lui Lagrange. De asemenea, pentru p=1 în formula
restului lui Schlömlich avem:
Rn(x)= n0
)1n(
)x)(xx(!n
)(f ξ−−ξ+
-restul lui Cauchy
iar formula lui Taylor cu restul lui Cauchy este:
f(x)= n0
0)n(
00
0 )xx(!n
)x(f...)xx(
!1
)x('f)x(f −++−+ + n
0
)1n(
)x)(xx(!n
)(f ξ−−ξ+
∀x∈(a,b), ξ∈(x0,x) (sau (x,x0)). Dacă 0∈(a,b) atunci din formula lui Taylor cu restul lui Lagrange aplicată în x0=0 avem formula lui Mac Laurin :
1n)1n(
n)n(
2 x)!1n(
)(fx
!n
)0(f...x
!2
)0("fx
!1
)0('f)0(f)x(f +
+
+ξ+++++=
∀x∈(a,b), ξ∈(0,x) (sau (x,0)). Teoremă (Formula lui Taylor)
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie x0∈Rn şi r>0. Fie de asemenea o funcţie f:B(x0,r)→R, derivabilă de n+1-ori pe B(x0,r). Atunci ∀x∈ B(x0,r)⇒∃α∈(0,1) astfel încât:
∑
∑
∑∑
=
+
=
==
+
++
+−−α+α−
∂∂∂
+
+−−∂∂
∂+
+−−∂∂
∂+−∂∂+=
m
1i,...,i
i
0
ii
0
i
0ii
1n
m
1i,...,i
i
0
ii
0
i
0ii
n
m
1j,i
j
0
ji
0
i
0ji
2m
1i
i
0
i
0i0
1n1
1n1n11
1n1
n1
nn11
n1
)xx)...(xx)(xx)1((x...x
f
)!1n(
1
)xx)...(xx)(x(x...x
f
!n
1
...)xx)(xx)(x(xx
f
2
1)xx)(x(
x
f)x(f)x(f
∀x=(x1,...,xm)∈B(x0,r)⊂Rm iar x0=(x01,...,x0
m)∈Rm, α∈(0,1). Teoremă (de dezvoltare în serie Taylor)
Fie f:(a,b)→R, f∈C∞((a,b)) astfel încât ∃M>0 cu f (n)(x)≤M ∀n∈N ∀x∈(a,b). Seria Taylor:
n0
0n
0)n(
)xx(!n
)x(f −∑∞
=
asociată lui f într-un punct x0∈(a,b) este uniform convergentă pe orice interval compact din (a,b) şi
f(x)= n0
0n
0)n(
)xx(!n
)x(f −∑∞
=
∀x∈(a,b)
LECŢIA 4
EXTREMELE FUNC ŢIILOR Pasul 1 - Extreme locale
Definiţie Fie D⊂Rn, deschisă şi f:D⊂Rn→R. Se numeşte punct de maxim local (punct de minim local) un
punct a∈D astfel încât ∃V∈V(a) cu proprietatea că f(x)≤f(a) (f(x)≥f(a)) ∀x∈V∩D. f(a)∈R se numeşte maxim local (minim local) al funcţiei f. Definiţie
Fie D⊂Rn, deschisă şi o funcţie f:D⊂Rn→R. Numim punct de maxim (punct de minim) un punct a∈D astfel încât f(x)≤f(a) (f(x)≥f(a)) ∀x∈D. f(a)∈R se numeşte maxim (minim) al funcţiei f. Observaţie
Vom spune, atunci când nu ne interesează explicit natura unui punct din definiţia 3, 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 (fig.126). 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 local a∈D al lui f.
Atunci ix
f
∂∂
(a)=0,i=1,...,n.
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.
Pasul 2 - Funcţii implicite
Teoremă (a funcţiilor implicite, Goursat)
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie o funcţie f=(f1,...,fn):D⊂Rm+n→Rn, D-deschisă, n≥1, m≥0, (x1,...,xm,y1,...,yn)→(f1(x1,...,xm,y1,...,yn),...,fn(x1,...,xm,y1,...,yn)) şi
c=(a1,...,am,b1,...,bn)∈D Dacă: f(c)=0; fi∈C1(D), i= n,1 ;
)y,...,y(D
)f,...,f(D
n1
n1 (c)≠0 atunci:
∃W=U×V∈V(c) astfel încât U⊂Rm,V⊂Rn şi ϕ=(ϕ1,...,ϕn):U→V astfel încât bi=ϕi(a1,...,am), i= n,1 iar
fk(x1,...,xm,ϕ1(x1,...,xm),...,ϕn(x1,..., xm))=0, k= n,1 , ∀(x1,...,xm)∈U; ϕk∈C1(U),k= n,1 , iar:
)y,...,y(D
)f,...,f(D)y,...,y,x,y,...,y(D
)f,...,f(D
x
n1
n1
n1ki1k1
n1
i
k +−−=∂∂ϕ
, k= n,1 ,i= m,1 ;
Dacă funcţiile f i∈Cs(D), i= n,1 , s≥1 atunci şi funcţiile ϕi∈Cs(U), i= n,1 . Corolar
Fie o funcţie f=(f1,...,fn):D⊂Rn→Rn, D-deschisă, n≥1 şi a=(a1,...,an)∈D. Dacă: fi∈C1(D), i= n,1 şi
)x,...,x(D
)f,...,f(D
n1
n1 (a)≠0 (f este transformare regulată) atunci:
1) ∃U∈V(a) astfel încât fU:U→f(U) este bijectivă;
2) Considerând aplicaţia inversă f-1:f(U)→U avem f-1k∈C1(f(U)), k= n,1 , iar:
)a()x,...,x(D
)f,...,f(D1
))a(f()y,...,y(D
)f,...,f(D
n1
n1n1
1
n
1
1 =−−
Definiţie Fie funcţiile f i:D⊂Rn→R, D-deschisă, i=1,...,m, m,n≥1. Spunem că funcţiile f i, 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 f i, i=1,...,m sunt în independenţă funcţională (sau independente funcţional) dacă nu sunt dependente funcţional. Teoremă
Fie funcţiile f i:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,...,m, 1≤m≤n. Funcţiile f i, 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 f i:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,..., m, 1≤m≤n. Funcţiile f i, 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 f i:D⊂Rn→R, D-deschisă, fi∈C1(D), i=1,..., m, 1≤m≤ n. Funcţiile f i, i=1,...,m sunt independente funcţional dacă şi numai dacă rangul matricei jacobiene a funcţiilor f i, 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
gk(a1,...,an,b1,...,bm)=0, k=1,...,m şi dacă )y,...,y(D
)g,...,g(D
m1
m1 (a1,...,an,b1,...,bm)≠0 atunci există λ1,...,λm∈R şi funcţia
Φ:D→R, Φ=f+λ1g1+...+λmgm astfel încât ix∂
Φ∂(a1,...,an,b1,...,bm)=0, i=1,...,n,
jy∂Φ∂
(a1,...,an,b1,...,bm)=0,
j=1,...,m. Observaţie
Metoda expusă mai sus se numeşte metoda multiplicatorilor lui Lagrange iar numerele λi, i=1,...,m se numesc multiplicatorii lui Lagrange .
LECŢIA 5
INTEGRAREA FUNC ŢIILOR Pasul 1 - Integrala Riemann-Stieltjes
Definiţii
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie f:[a,b]→R şi ∆=(t0,t1,...,tn) o diviziune a intervalului [a,b] (a=t0<t1<...<tn-1<tn=b). Notăm ∆ =maxtk-tk-1k=1,...,n şi numim norma diviziunii ∆. Numim variaţia lui f pe ∆ numărul
V(f,∆)=∑=
−−n
1k1kk )t(f)t(f . Fie Div mulţimea diviziunilor intervalului [a,b]. Numărul
V(f)=V(f, [a,b])=sup∆∈DivV(f,∆) se numeşte variaţia totală a lui f pe [a,b]. Dacă numărul V(f) este finit atunci f se numeşte funcţie cu variaţie mărginit ă. Teoremă Fie f,g:[a,b]→R.
1) Dacă f este monotonă atunci ea este cu variaţie mărginită şi V(f, [a,b])=f(b)-f(a); 2) Dacă f este cu variaţie mărginită pe [a,b] iar [c,d]⊂[a,b] rezultă că f este cu variaţie mărginită pe [c,d] şi V(f, [c,d])≤V(f,[a,b]);
3) Dacă f este cu variaţie mărginită pe [a,b] iar a≤c≤b rezultă V(f,[a,b])= V(f,[a,c])+V(f,[c,b]); 4) Dacă f şi g sunt cu variaţie mărginită atunci af+bg este cu variaţie mărginită ∀a,b∈R; 5) (Teorema de structură a lui Jordan) Aplicaţia f este cu variaţie mărginită dacă şi numai dacă
∃ϕ,ψ:[a,b]→R, crescătoare astfel încât f=ϕ-ψ. Mai mult, aplicaţiile ϕ şi ψ pot fi considerate pozitive. 6) Dacă f şi g sunt cu variaţie mărginită atunci fg este cu variaţie mărginită; 7) O funcţie f cu variaţie mărginită pe [a,b] este mărginită pe [a,b] (dar nu şi reciproc) şi este integrabilă
Riemann; 8) O funcţie lipschitziană pe [a,b] este cu variaţie mărginită pe [a,b]; 9) O funcţie derivabilă cu derivata mărginită pe [a,b] este cu variaţie mărginită pe [a,b]; 10) Dacă f este derivabilă cu derivata integrabilă pe [a,b] atunci
V(f,[a,b])= ∫b
a
dx)x('f
Definiţie Fie acum f,g:[a,b]→R. Considerăm diviziunea ∆=(t0,t1,...,tn) a lui [a,b] şi punctele ξi∈[ti-1,ti], i=1,...,n.
Fie suma σ(f,g,∆)= ( )∑=
−−ξn
1i1iii )t(g)t(g)(f . Dacă ∃ I∈R astfel încât ∀ε>0⇒∃η>0 astfel încât ∆ <η şi ∀ξi în
∆⇒σ(f,g,∆)-I<ε spunem că f este funcţie integrabilă Riemann-Stieltjes (vom spune pe scurt RS-integrabilă) în raport cu g şi notăm
∫=b
a
fdgI
Teoremă Fie f,g:[a,b]→R. Atunci:
1) Dacă f este continuă şi g este cu variaţie mărginită atunci f este RS-integrabilă în raport cu g şi avem:
∫b
a
fdg ≤supf(x)V(g,[a,b]);
2) Dacă f este RS-integrabilă cu g atunci şi g este RS-integrabilă cu f şi are loc formula de integrare prin păr ţi:
)a(g)a(f)b(g)b(fa
bfggdffdg
b
a
b
a
−==+∫ ∫ ;
3) Dacă f1 şi f2 sunt RS-integrabile cu g şi a,b∈R atunci af1+bf2 este RS-integrabilă cu g şi avem:
dgfbdgfadgbfafb
a
2
b
a
12
b
a
1 ∫∫∫ +=+ ;
4) Dacă f este RS-integrabilă cu g1 şi g2 şi a,b∈R atunci f este RS-integrabilă cu ag1+bg2 şi avem
∫∫∫ +=+b
a
2
b
a
1
b
a
21 fdgbfdga)bgag(fd ;
5) Dacă f este continuă şi g derivabilă cu derivata continuă pe [a,b] atunci f este RS-integrabilă cu g şi
∫ ∫=b
a
b
a
dt'fgfdg (reducerea integralei Riemann-Stieltjes la integrala Riemann);
6) Dacă f este RS-integrabilă pe [a,b] atunci f este RS-integrabilă pe ∀[c,d]⊂[a,b]; 7) Dacă a<c<b şi f este RS-integrabilă cu g pe [a,c] şi [c,b] atunci f este
RS-integrabilă cu g pe [a,b] şi
∫ ∫ ∫+=b
a
c
a
b
c
fdgfdgfdg ;
8) Dacă f este RS-integrabilă cu g pe [a,b] iar h:[c,d]→[a,b] este un homeomorfism crescător (deci h(c)=a, h(d)=b) atunci f°h este RS-integrabilă cu g°h pe [c,d] şi
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
∫ ∫=b
a
d
c
)hg(d hffdg oo
Pasul 2 - Integrale improprii
Definiţie
Fie a∈R, b∈R şi o funcţie f:[a,b)→R, integrabilă pe orice interval compact [α,β]⊂[a,b). Dacă
byby
lim<→ ∫
y
a
dx)x(f există şi este finită atunci f se numeşte funcţie integrabilă impropriu pe [a,b) şi vom scrie
∫b
a
dx)x(f =byby
lim<→ ∫
y
a
dx)x(f . Vom mai spune că ∫b
a
dx)x(f este integrala improprie a lui f pe [a,b) sau că
∫b
a
dx)x(f este integrală convergentă pe [a,b).
Definiţie Fie a∈R , b∈R şi o funcţie f:(a,b]→R, integrabilă pe orice interval compact [α,β]⊂(a,b]. Dacă
ayay
lim>→ ∫
b
y
dx)x(f există şi este finită atunci f se numeşte funcţie integrabilă impropriu pe (a,b] şi vom scrie
∫b
a
dx)x(f =ayay
lim>→ ∫
b
y
dx)x(f . Vom mai spune că ∫b
a
dx)x(f este integrala improprie a lui f pe (a,b] sau că
∫b
a
dx)x(f este integrală convergentă pe (a,b].
Definiţie
Fie a,b∈R şi o funcţie f:(a,b)→R, integrabilă pe orice interval compact [α,β]⊂(a,b). Dacă există
c∈(a,b) astfel încât ∫c
a
dx)x(f şi ∫b
c
dx)x(f sunt convergente atunci f se numeşte funcţie integrabilă
impropriu pe (a,b) şi vom scrie ∫b
a
dx)x(f = ∫c
a
dx)x(f + ∫b
c
dx)x(f . Vom mai spune că ∫b
a
dx)x(f este integrala
improprie a lui f pe (a,b) sau că ∫b
a
dx)x(f este integrală convergentă pe (a,b).
Teoremă (de comparaţie) Fie f,g:[a,b)→R, integrabile pe orice interval compact [α,β]⊂[a,b). Dacă 0≤f(x)≤g(x) ∀x∈[a,b) iar
integrala ∫b
a
dx)x(g este convergentă atunci şi ∫b
a
dx)x(f este convergentă şi avem ∫b
a
dx)x(f ≤ ∫b
a
dx)x(g .
Propoziţie Fie f:[a,b)→R, integrabilă pe orice interval compact [α,β]⊂[a,b). Dacă c∈[a,b) atunci integralele
∫b
a
dx)x(f şi ∫b
c
dx)x(f au aceeaşi natură.
Teoremă (Criteriul integral al lui Cauchy)
Fie a≥0 şi f:[a,∞)→[0,∞) descrescătoare. Atunci ∫∞
a
dx)x(f şi seria[ ]∑
∞
+= 1an
)n(f (unde [a] reprezintă
partea întreagă a lui a∈R+) au aceeaşi natură. Propoziţie
Fie a>0. Atunci:
1) ∫∞
αa x
dx este convergentă pentru α>1 şi divergentă pentru α≤1;
2) ∫ α
a
0 x
dxeste convergentă pentru α<1 şi divergentă pentru α≥1.
Pasul 3 - Integrala curbilinie
Definiţii
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
O aplicaţie continuă γ=(γ1,...,γn):[a,b]⊂R→Rn se numeşte drum în Rn. Elementul γ(a)∈Rn se numeşte capătul ini ţial al drumului (originea drumului) iar γ(b)∈Rn se numeşte capătul final al drumului (extremitatea drumului). Un drum pentru care γ(a)=γ(b) se numeşte drum închis. Un drum γ=(γ1,...,γn) pentru care aplicaţiile γi∈C1([a,b]), i=1,...,n şi (γ'1(t))2+...+(γ'n(t))2≠0 ∀t∈[a,b] se numeşte drum neted. Un drum neted pentru care aplicaţia γ este injectivă se numeşte drum simplu (drum jordanian ).
Definiţie
Două drumuri netede γ1:[a,b]→Rn şi γ2:[c,d]→Rn se numesc drumuri echivalente şi vom scrie γ1∼γ2 dacă ∃h:[a,b]→[c,d], bijectivă, strict crescătoare şi h∈C1([a,b]) astfel încât γ1=γ2°h. Definiţie
Numim curbă o clasă de echivalenţă de drumuri. Definiţie
Fie γ şi γ':[0,1]→Rn două drumuri pentru care γ(1)=γ'(0). Definim compunerea lor, notată γ∪γ', ca fiind drumul:
(γ∪γ')(t)=
∈−γ
∈γ
1,21
tdaca )1t2('
;21
0, tdaca )t2(
Definiţie Fie un drum γ:[0,1]→Rn. Definim drumul opus lui γ ca fiind drumul
γ-:[0,1]→Rn, γ-(t)=γ(1-t) ∀t∈[0,1]. Definiţie
Fie un drum γ:[0,1]→Rn. Mulţimea Supp(γ)=Im γ=γ(t)t∈[0,1] se numeşte suportul drumului γ. Definiţie
Fie γ:[a,b]⊂R→Rn un drum simplu din Rn şi f:D⊂Rn→R, o funcţie continuă pe Supp(γ)⊂D. Definim integrala curbilinie a lui f pe drumul γ prin:
( ) ( )∫∫ γ++γγγ=γ
b
a
2
n
2
1n1 dt)t('...)t('))t(),...,t((ff
Teoremă Fie a,b,c∈Rn, γ∈D(a,b),γ‘ ∈D(b,c) drumuri simple, f,g:D⊂Rn→R continue pe Supp(γ)∪Supp(γ‘) şi
α,β∈R. Avem următoarele proprietăţi:
1) ∫γ
β+α gf =α ∫γ
f +β ∫γ
g ;
2) ;fff''∫∫∫γγγ∪γ
+=
3) Fie γi, i=1,...,n drumuri astfel încât f este continuă pe Supp(γ1)∪...∪Supp(γn).
.ff atunci = Dacan
1i
n
1=ii
i
∑ ∫∫γ=γ γ
=γ U
Pasul 4 - Funcţiile lui Euler
Teoremă
Fie p,q>0. Integrala improprie
∫−− −=
1
0
1q1p dx)x1(x)q,p(B
este convergentă iar funcţia B:(0,∞)2→R definită mai sus se numeşte funcţia Beta sau integrala euleriană de prima speţă. Teoremă
Fie x>0. Integrala improprie
∫∞
−−=Γ0
t1x dtet)x(
este convergentă iar funcţia Γ:(0,∞)→R se numeşte funcţia Gamma sau integrala euleriană de speţa a doua. Propoziţie
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Funcţia Γ are proprietăţile: 1) Γ(x+1)=xΓ(x) ∀x>0 (formula de recurenţă a funcţiei Gamma); 2) Γ(x+n)=x(x+1)...(x+n-1)Γ(x) ∀x>0; 3) Γ(1)=1; 4) Γ(n+1)=n! ∀n∈N.
Propoziţie Funcţia B are următoarele proprietăţi:
1) B(p,q)=B(q,p);
2) ∫
π
−− θθθ=2
0
1q21p2 dcossin2)q,p(B ;
3) pB(p,q+1)=qB(p+1,q) unde p,q>0.
Teoremă Are loc următoarea egalitate:
0>qp,,)qp(
)q()p()q,p(B
+ΓΓΓ=
Propoziţie Funcţia Gamma are următoarele proprietăţi:
1) π=
Γ2
1;
2) π−⋅⋅⋅⋅=
+Γn2
)1n2(...531
2
1n ;
3) )x2(22
1x)x(
1x2Γπ=
+ΓΓ−
∀x>0 (formula lui Legendre);
4) xsin
)x1()x(π
π=−ΓΓ ∀x∈(0,1) (formula complementelor).
Pasul 5 - Integrale multiple
Definiţie
Fie D⊂Rn, n=1,2,3 şi d distanţa determinată de norma euclidiană ⋅2. Se numeşte diametrul lui D numărul: diam(D)=supd(x,y)x,y∈ D dacă D este mărginită şi diam(D)=∞ dacă D nu este mărginită. Definiţie
Fie o mulţime compactă D⊂Rn, n=1,2,3. Se numeşte descompunere a lui D o partiţie cu interioare disjuncte D=D1∪...∪Dm, m≥1, unde Di, i=1,...,m sunt compacte. Vom scrie succint ∆=(D1,...,Dm). Numim norma descompunerii ∆ ca fiind maximul diametrelor Diam(Di), i=1,...,m şi o vom nota ∆. Definiţie
Fie f:D⊂Rn→R, n=1,2,3, D-compactă. Fie de asemenea o descompunere ∆=(D1,...,Dm) a lui D şi
punctele (ξi1,...,ξi
n)∈Di, i=1,...,m. Suma σ(f,ξi1,...,ξi
n)=∑=
ξξm
1i
n
i
1
i ),...,(f m(Di) unde m(Di)=lungimea(Di) dacă
n=1, m(Di)= aria(Di) dacă n=2 şi m(Di)= volumul (Di) dacă n=3 se numeşte sumă Riemann asociată funcţiei f, descompunerii ∆ şi punctelor intermediare (ξi
1,...,ξin), i=1,...,m.
Definiţie Fie f:D⊂Rn→R, n=1,2,3, D-compactă. Dacă există I∈R astfel încât ∀ε>0⇒∃δε>0 astfel încât oricare
ar fi o descompunere ∆=(D1,...,Dm) a lui D cu ∆<δε⇒σ(f,ξi1,...,ξi
n)-I<ε ∀(ξi1,...,ξi
n)∈Di vom spune că f
este integrabilă Riemann pe D iar I se numeşte integrala Riemann a funcţiei f pe D. Vom nota: I=∫D
dx)x(f
dacă n=1 – integrala Riemann deja cunoscută, I= ∫∫D
dxdy)y,x(f dacă n=2 – numită integrală dublă şi
I= ∫∫∫D
dxdydz)z,y,x(f dacă n=3 – numită integrală tripl ă.
Vom prezenta în continuare câteva proprietăţi ale integralelor duble şi a celor triple. Teoremă
1) Fie funcţiile continue ϕ,ψ:[a,b]→R, ϕ≤ψ şi D=(x,y)∈R2ϕ(x)≤y≤ψ(x),a≤x≤b. Dacă f:D→R este continuă pe D atunci:
∫∫D
dxdy)y,x(f = ∫ ∫
ψ
ϕ
b
a
)x(
)x(
dxdy)y,x(f
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
2) Fie funcţiile continue ϕ,ψ:[a,b]→R, ϕ≤ψ şi D=(x,y)∈R2ϕ(y)≤x≤ψ(y),a≤y≤b. Dacă f:D→R este continuă pe D atunci:
∫∫D
dxdy)y,x(f = ∫ ∫
ψ
ϕ
b
a
)y(
)y(
dydx)y,x(f
Teoremă Fie funcţiile continue ϕ,ψ:[a,b]→R, ϕ≤ψ, domeniul D'=(x,y)∈R2ϕ(y)≤x≤ψ(y), a≤y≤b şi funcţiile
continue α,β:D'→R, α≤β. Fie de asemenea D=(x,y,z)∈R3 α(x,y)≤z≤β(x,y),ϕ(x)≤y≤ψ(x), a≤x≤b. Dacă f:D→R este continuă pe D atunci:
∫∫∫D
dxdydz)z,y,x(f = ∫ ∫ ∫
ψ
ϕ
β
α
b
a
)x(
)x(
)y,x(
)y,x(
dxdydz)z,y,x(f
Teoremă (de schimbare de variabilă în integrala dublă) Fie în R2 un domeniu compact D, cu frontiera o curbă simplă, închisă şi cu tangentă continuă. Dacă
T:D→R2, T(u,v)=(ϕ(u,v),ψ(u,v)) este o transformare regulată (având jacobianul nenul pe D) şi ϕ,ψ∈C2(D) atunci:
∫∫)D(T
dxdy)y,x(f = ∫∫ψϕψϕ
D
dudv)v,u(D
),(D))v,u(),v,u((f
Teoremă (de schimbare de variabilă în integrala triplă) Fie în R3 un domeniu compact D, cu frontiera o suprafaţă simplă, închisă şi cu plan tangent continuu.
Dacă T:D→R3, T(u,v,w)=(ϕ(u,v,w),ψ(u,v,w),χ(u,v,w)) este o transformare regulată (având jacobianul nenul pe D) şi ϕ,ψ,χ∈C 2(D) atunci:
∫∫∫∫∫∫χψϕχψϕ=
D)D(T
dudvdw)w,v,u(D
),,(D))w,v,u(),w,v,u(),w,v,u((fdxdydz)z,y,x(f
Teoremă (Fubini, pentru n=2) Fie în R2 domeniul D=(x,y)∈ R2a≤x≤c, b≤y≤d şi f:D→R, continuă pe D. Atunci:
dydx)y,x(fdxdy)y,x(fdxdy)y,x(fd
b
c
a
c
a
d
bD∫ ∫∫ ∫∫∫
=
=
Teoremă (Fubini, pentru n=3) Fie în R3 domeniul D=(x,y,z)∈R3a≤x≤c, b≤y≤d,g≤z≤h şi f:D→R, continuă pe D. Atunci:
∫ ∫ ∫∫ ∫ ∫∫∫∫
==
=
h
g
d
c
b
a
b
a
d
c
h
gD
dzdydx)z,y,x(f...dxdydz)z,y,x(fdxdydz)z,y,x(f
Teoremă (Green-Riemann) Fie D⊂R2 un domeniu compact, simplu în raport cu axele de coordonate, P,Q:D→R, continue pe D
iar y
P
∂∂
şi x
Q
∂∂
există şi sunt continue pe D. Atunci:
dxdyy
P
x
Qdy)y,x(Qdx)y,x(P
DD∫∫∫
∂∂−
∂∂=+
∂
unde∫∂
+D
dy)y,x(Qdx)y,x(P este integrala formei diferenţiale P(x,y)dx+Q(x,y)dy pe drumul ∂D parcurs
astfel încât interiorul acestuia să fie la stânga.
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 în 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.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
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).
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la noţiunile de mulţime deschisă, închisă,
punct de acumulare, mulţime compactă sau conexă, derivată după o direcţie, derivată parţială, serie numerică
sau de puteri şi modul de determinare a extremelor funcţiilor.
EXEMPLE ILUSTRATIVE
1. 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:
• x
f
∂∂
=2x+yexy+yz4, y
f
∂∂
=xexy+xz4, z
f
∂∂
=4xyz3;
• 2
2
x
f
∂∂
=x∂∂
(x
f
∂∂
)=x∂∂
(2x+yexy+yz4)=2+y2exy;
• yx
f2
∂∂∂
=x∂∂
(y
f
∂∂
)=x∂∂
(xexy+xz4)=(xy+1)exy+z4;
• xy
f2
∂∂∂
=y∂
∂(
x
f
∂∂
)=y∂
∂(2x+yexy+yz4)=(xy+1)exy+z4;
• zx
f2
∂∂∂
=x∂∂
(z
f
∂∂
)=x∂∂
(4xyz3)=4yz3;
• xz
f2
∂∂∂
=z∂
∂(
x
f
∂∂
)=z∂
∂(2x+yexy+yz4)=4yz3;
• 2
2
y
f
∂∂
=y∂
∂(
y
f
∂∂
)=y∂
∂(xexy+xz4)=x2exy;
• zy
f2
∂∂∂
=y∂
∂(
z
f
∂∂
)=y∂
∂(4xyz3)=4xz3;
• yz
f2
∂∂∂
=z∂
∂(
y
f
∂∂
)=z∂
∂(xexy+xz4)=4xz3;
• 2
2
z
f
∂∂
=z∂
∂(
z
f
∂∂
)=z∂
∂(4xyz3)=12xyz2.
2. Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=4xy+exz-5zex în punctul (1,1,1).
Soluţie Avem: df(1,1,1)=x
f
∂∂
(1,1,1)dx+y
f
∂∂
(1,1,1)dy+z
f
∂∂
(1,1,1)dz=(4-4e)dx+4dy-4edz.
3. Fie funcţia f:R3→R, f(x,y,z)=x2+y2-z2+2xy-3xz. Să se calculeze d2f.
Soluţie Avem: d2f=2
2
x
f
∂∂
dx2+2yx
f2
∂∂∂
dxdy+2zx
f2
∂∂∂
dxdz+2
2
y
f
∂∂
dy2+2zy
f2
∂∂∂
dydz+ 2
2
z
f
∂∂
dz2 de unde:
d2f=2dx2+4dxdy-6dxdz+2dy2-2dz2.
4. Să se studieze convergenţa seriei: ∑∞
1=nnn
!n.
Soluţie Aplicăm criteriul D’Alembert şi obţinem lim
n
1n
n
!n)1n(
)!1n(++
+
=limn
n
)1n(
n
+= lim
n
n
1n
1
+=
e
1<1 deci seria
este convergentă. 5. Să se determine mulţimea de convergenţă a seriei de puteri:
∑∞
++
1=n
n
2x
nn
nn
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Soluţie R=
n
1+n
a
alim
1=
nn
n+n
)1n()1n(
1+n+1+n
lim
1
2
2
+
+++
=1 deci D⊃(-1,1). Pentru x=1 avem seria ∑∞
+1=n2 nn
n+n şi cum lim
n1
nnn+n
2 + =1 rezultă că seria are aceeaşi natură cu seria ∑∞
=1n n
1 care este divergentă. Pentru x=-1 avem
∑∞
+−
1=n2
n
nn
n+n)1( . Fie funcţia f(x)=
xx
x+x2 +
, x>0. Avem: f’(x)=22
22
)xx(x2
)xx3()1x(x2
+−−+−
. Cum limita
numărătorului tinde la -∞ atunci când x→∞ rezultă că pentru x suficient de mare avem f’(x)<0. Considerând
restricţia funcţiei f la N* rezultă că şirul an=nn
n+n2 +
este descrescător pentru n suficient de mare. Seria este
deci convergentă ca urmare a teoremei lui Leibniz. Avem deci D=[-1,1). 6. Să se determine punctele de extrem ale funcţiei:
f:R2→R, f(x,y)=xy(1-xy)
Soluţie Punctele critice se determină rezolvând sistemul:
=−=∂∂
=−=∂∂
0yx2xy
f
;0xy2yx
f
2
2
de unde
==
02xy)-x(1
;02xy)-y(1. Dacă
1-2xy≠0 atunci x=y=0. Prin urmare, punctele critice sunt: )0,0(2
1xyy)(x, ∪
=∈ 2R . Avem însă
2
2
2
y2x
f −=∂∂
, xy41yx
f2
−=∂∂
∂, 2
2
2
x2y
f −=∂∂
de unde: d2f(a,b)(u,v)=-2b2u2+(1-4ab)uv-2a2v2. Matricea formei
pătratice este:
2
2
2a-2
4ab-12
4ab-12b-
de unde: ∆1=-2b2, ∆2=4
1ab8 −. Dacă a=b=0 avem d2f(0,0)(u,v)=uv şi cu
metoda Gauss: u’=u+v, v’=u-v rezultă d2f(0,0)(u’,v’)= )'v'u(4
1 22 − care este semidefinită. Prin urmare,
punctul (0,0) nu este de extrem fiind deci punct şa. Pentru ab=2
1 avem ∆1<0, ∆2=
4
3 şi deci (a,b) este punct
de maxim local. Punctele de extrem ale funcţiei sunt deci:
=∈2
1xyy)(x, 2
R .
7. Să se calculeze integrala ∫γ
2y unde γ(t)=(t-sin t,1-cos t), t∈[0,π].
Soluţie
∫∫∫∫π
=ππ
γ
===2
0
5s2t
0
5
0
222 sdssin16dt2
tsin8dt
2
tsin2)
2
tsin2(y =
15
128du1u2u16dss)' (cos)scos1(16
1
0
24u=s cos
0
222
=+−=−− ∫∫π
.
RECOMANDĂRI BIBLIOGRAFICE:
17. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii diferenţiale, Bucureşti, Editura All, 1994;
18. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions Mir Moscou, Vol. I, II, 1985;
19. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981; 20. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980; 21. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983; 22. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004; 23. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
24. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981; 25. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991; 26. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984; 27. Lang, S., Algebra, Addison-Wesley, 1971; 28. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988; 29. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986; 30. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978; 31. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982; 32. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.
TESTE DE AUTOEVALUARE 1. Fie mulţimile de numere reale: A=(-1,7] şi B=[2,9). Să se afle „n” cel mai
mic număr întreg al lui o
BA ∩ .
1. n=8 3. n=3
2. n=6 4. n=12
2. Să se calculeze x
f
∂∂
(3,0,6) pentru funcsţia f:R3→R, f(x,y,z)=x6+exy+xy3z3. 1. x
f
∂∂
(3,0,6)=1463
3. x
f
∂∂
(3,0,6)=1467
2.x
f
∂∂
(3,0,6)=1458
4.x
f
∂∂
(3,0,6)=1470
3. Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=8xy+e8xz-6z în punctul (9,9,0).
1. df(9,9,0)=74dx+71dy+69dz 2. df(9,9,0)=72dx+72dy+66dz 3. df(9,9,0)=74dx+68dy+68dz 4. df(9,9,0)=73dx+71dy+72dz
4. Să se studieze convergenţa seriei: ∑∞
++
1=nhf
db
gnen
cnan unde: a=3, b=7, c=9, d=3,
e=5, f=1, g=9, h=7.
1. convergenta 3. nu are sens
2. divergenta 4. conv & div
5. Mulţimea C de convergenţă a seriei de puteri: ∑∞
++
1=nc
b
dnn
nan(x-8)n unde a=1,
b=6, c=1, d=1 este:
1. C=(9,15) 3. C=(7,9)
2. C=(8,15) 4. C=(12,19)
6. Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin 3x, x∈R. 1. f(x)=x-4,5x3+2,02x5-0,43000001x7+... 2. f(x)=x-6,1100001x3+6,5300002x5-3,6900001x7+... 3. f(x)=x-8,1999998x3+3x5-2,3699999x7+... 4. f(x)=x-5,3600001x3+2,9100001x5-3,77x7+...
7. Să se determine punctele de extrem ale funcţiei: f:R2→R, f(x,y)=2,5x2+1y2+3xy+4x+3y+9.
1. x=3, y=0,49000001 2. x=1, y=-3 3. x=6,3499999, y=0,31999999 4. x=7,9899998, y=-1,8099999
8. Fie mulţimile de numere reale: A=(-5,3] şi B=[-2,5). Să se afle „n” cel mai
mic număr întreg al lui o
BA ∩ .
1. n=5 3. n=8
2. n=3 4. n=-1
9. Să se calculeze x
f
∂∂
(4,0,1) pentru funcsţia f:R3→R, f(x,y,z)=x5+exy+xy2z8. 1. x
f
∂∂
(4,0,1)=1288
3. x
f
∂∂
(4,0,1)=1290
2.x
f
∂∂
(4,0,1)=1280
4.x
f
∂∂
(4,0,1)=1293
10. Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=6xy+e7xz-9z în punctul (3,5,0).
1. df(3,5,0)=32dx+16dy+13dz 2. df(3,5,0)=30dx+18dy+12dz 3. df(3,5,0)=32dx+15dy+14dz 4. df(3,5,0)=32dx+17dy+17dz
11. Să se studieze convergenţa seriei: ∑∞
++
1=nhf
db
gnen
cnan unde: a=1, b=6, c=4, d=9,
e=2, f=9, g=6, h=4.
1. nu are sens 3. divergenta
2. convergenta 4. conv & div
12. Mulţimea C de convergenţă a seriei de puteri: ∑∞
++
1=nc
b
dnn
nan(x-2)n unde a=2,
b=5, c=2, d=9 este:
1. C=(2,8) 3. C=(1,3)
2. C=(4,9) 4. C=(7,12)
13. Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin 1x, x∈R. 1. f(x)=x-3,0999999x3+4,73x5-1,4299999x7+... 2. f(x)=x-0,17x3+9,9999998E-3x5-0x7+... 3. f(x)=x-5,46x3+2,9400001x5-3,1700001x7+... 4. f(x)=x-2,6500001x3+2,8499999x5-4,96x7+...
14. Să se determine punctele de extrem ale funcţiei: f:R2→R, f(x,y)=1,62x2+4y2+5xy+9x+5y+4.
1. x=-45,299999, y=32,59 2. x=-47, y=28,799999 3. x=-43,060001, y=31,790001 4. x=-40,970001, y=31,610001
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
TEMĂ DE CONTROL
1. Să se calculeze limita şirului din R2: an=
+−+
+−+
6nn
5n,
2n3
5nn322
2
∀n≥1;
2. Să se calculeze 22
33
)0,0()y,x( yx
yx6lim
++
→.
3. Să se determine diferenţiala de ordinul I a funcţiei f:R3→R, f(x,y,z)=4xy+e2xz-9zex în punctul (1,1,1). 4. Fie funcţia f:R3→R, f(x,y,z)=x2+3y2-z2+2xy-3xz. Să se calculeze d2f.
5. Să se studieze convergenţa seriei: ∑∞
+−1=n )1n3)(2n6(
1.
6. Să se determine mulţimea de convergenţă a seriei de puteri: ∑∞
1=n
n
!n
)x7(
7. Să se dezvolte în serie Mac Laurin funcţia: f(x)=sin 4x, x∈R. 8. Să se dezvolte în serie Mac Laurin funcţia: f(x)=e5x, x∈R. 9. Să se determine punctele de extrem ale funcţiei: f:R2→R, f(x,y)=x3+y3-6xy+2 10. Să se determine punctele de extrem ale funcţiei: f:R2→R, f(x,y)=xy(10-xy).
MODULUL 3
TEORIA PROBABILIT ĂŢILOR
Obiectivele specifice modulului: Introducerea noţiunii de probablitate; Studiul schemelor de probabilitate; Studiul indicatorilor numerici ai variabilelor aleatoare; Determinarea regresiei liniare.
Rezultatele aşteptate:
Înţelegerea noţiunilor de bază ale teoriei probabilităţilor; Formarea modului de gândire probabilistic; Încadrarea noţiunii de probabilitate în acţiunile previzionale; Determinarea corectă a indicatorilor numerici asociaţi unei variabile aleatoare.
Competenţe dobandite ca urmare a parcurgerii modulului: Deprinderea folosirii noţiunilor probabilistic; Folosirea corectă a schemelor de probabilitate; Calculul indicatorilor numerici asociaţi unei variabile aleatoare.
Timpul mediu necesar pentru asimilarea modulului: 6 ore
LECŢIA 1
ELEMENTE DE TEORIA PROBABILIT ĂŢILOR
Pasul 1 - Probabilităţi - câmp de evenimente, frecvenţă, probabilitate
Noţiunile de eveniment şi experienţă sunt noţiuni primare. Aşa cum în teoria mulţimilor sunt considerate uneori drept noţiuni primare cele de mulţime şi de element al acesteia, în mod analog vom proceda în această teorie.
Vom sugera aceste două noţiuni pe baza unor exemple. De asemenea, trebuie să facem următoarea remarcă, fără de care teoria probabilităţilor poate părea vulgară. Majoritatea exemplelor şi aplicaţiilor se vor face pe situaţii uşor de înţeles. Astfel, vom prefera exemple privind aruncarea cu zarul sau cu banul, extrageri de bile din urne etc. în locul unor experienţe cu maşini şi utilaje sau altele de acest gen (în fond, oricâte maşini şi utilaje am avea în viaţă, tot în urnă ajungem!) Exemplu
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Să considerăm experienţa aruncării cu zarul, gândit ca un cub omogen numerotat pe cele şase feţe de la 1 la 6. Cele de mai jos sunt câteva exemple de evenimente ce pot apare la o aruncare:
• E1:”apare faţa 2”; • E2:”apare una din feţele 2 sau 5”; • E3:”apare o faţă impară”; • E4:”apare una din feţele 1, 3 sau 5”; • E5:”apare faţa 5”; • E6:”apare una din feţele 1, 2, 3, 4, 5 sau 6”; • E7:”apare faţa 7”; • E8:”apare o faţă pară”; • E9:”apare una din feţele 1, 2 sau 3”
Definiţie Evenimentul care se realizează la fiecare experienţă se numeşte eveniment sigur, iar cel care nu se
realizează niciodată-eveniment imposibil. Astfel, la aruncarea cu zarul, E6 este evenimentul sigur, iar E7 este evenimentul imposibil (este
evident că vom elimina aici cazuri extrem de rare cum ar fi oprirea zarului pe o muchie sau pe un colţ). De asemenea, trebuie să remarcăm că aceste două evenimente constituie într-un anumit sens “extreme” ale experienţelor. Ele se vor gândi ca nişte clase de situaţii notate, fiecare, printr-un singur simbol, aşa cum vom vedea mai departe. Este necesară o atare înţelegere deoarece, spre exemplu şi evenimentul “apare una din feţele 1,2,3,4,5,6 sau 7” este sigur aşa cum evenimentul “apare faţa 8” este şi el imposibil.
Există o teorie generală, aşa-numita teorie a măsurii, care până într-un anumit punct, tratează în mod unitar teoria probabilităţilor, teoria mulţimilor, teoria integralei, teoria ariilor şi volumelor şi altele. Din acest motiv, vom utiliza în prezentarea unor concepte ale teoriei probabilităţilor notaţii din teoria mulţimilor, având grijă însă de interpretarea acestora în sensul primei dintre teoriile de mai sus. În acest sens, vom nota evenimentul sigur cu E şi evenimentul imposibil cu ∅. Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe. Dacă realizarea unui eveniment A∈E implică realizarea unui eveniment B∈E spunem că A implică pe B sau că B este implicat de A şi scriem A⊂B sau B⊃A. Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E. Dacă A⊂B şi B⊂A spunem că A este echivalent cu B şi notăm A=B. Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A∈E . Evenimentul care se realizează atunci când nu se realizează A şi care nu se realizează atunci când se realizează A se numeşte
contrarul lui A şi se notează non A, A (notaţie preferată aici) sau Ac. Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E. Evenimentul care constă în realizarea fie a lui A, fie a lui B, fie a amândurora (deci a cel puţin unuia dintre evenimente) se numeşte A sau B şi se notează A∪B. Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E . Evenimentul care constă în realizarea fie numai a lui A, fie numai a lui B (deci a unuia singur dintre evenimente) se numeşte A sau exclusiv B şi se notează A∆B. Definiţie
Fie E mulţimea tuturor evenimentelor asociate unei experienţe şi A,B∈E . Evenimentul care constă în realizarea atât a lui A cât şi a lui B se numeşte A şi B şi se notează A∩B. Definiţie
Două evenimente A,B∈E pentru care A∩B=∅ (deci nu se pot realiza simultan) se numesc evenimente incompatibile, în caz contrar numindu-se evenimente compatibile. Definiţie
Fie M=P(E), E-mulţime, mulţimea tuturor evenimentelor asociate unei experienţe. O familie nevidă K⊂P(E) finită, se numeşte câmp de evenimente dacă:
1) A∈K⇒ A ∈K; 2) A∈K, B∈K⇒A∪B∈K.
Vom nota (E,K) un câmp de evenimente. În cele ce urmează, vom analiza numai câmpuri finite de evenimente, acestea fiind cele mai întâlnite în aplicaţiile practice. Teoremă
Fie (E,K) un câmp finit de evenimente. Dacă Ai∈K ∀i=1,...,n atunci Un
1iiA
=
∈K.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Teoremă Fie (E,K) un câmp finit de evenimente. Au loc următoarele afirmaţii:
1) E∈K, ∅∈K;
2) ∀A i∈K, i=1,...,n⇒In
1iiA
=
∈K;
3) ∀A,B∈K⇒A-B∈K; 4) ∀A,B∈K⇒A∆B∈K.
Să considerăm acum o experienţă pe care o efectuăm de n ori, la fiecare repetare a ei posibilitatea de realizare a unui anumit eveniment fiind aceeaşi. Dacă evenimentul se realizează de k ori, vom spune că
frecvenţa acestuia este n
k. Vom numi în general frecvenţa unui anumit eveniment A ca fiind:
posibilecazurilor numarul
realizatecazurilor numarulf A =
Definiţie Fie (E,K) un câmp finit de evenimente. Se numeşte probabilitate pe K o funcţie P:K→R+ astfel
încât: 1) P(E)=1; 2) ∀A,B∈K, A∩B=∅⇒P(A∪B)=P(A)+P(B).
Definiţie Numim tripletul (E,K,P) câmp de probabilitate.
Teoremă Fie (E,K,P) un câmp de probabilitate. Atunci:
1. P(∅)=0;
2. ∀A i∈K, Ai∩A j=∅, i,j=1,...,n, i≠j⇒ ∑==
=n
1ii
n
1ii )A(P)A(PU ;
3. P(A )=1-P(A) ∀A∈K; 4. P(A)∈[0,1] ∀A∈K; 5. A⊂B⇒P(A)≤P(B) şi P(B-A)=P(B)-P(A).
Teoremă Fie (E,K,P) un câmp de probabilitate. Atunci:
P(A∪B)=P(A)+P(B)-P(A∩B) ∀A,B∈K Corolar
Fie (E,K,P) un câmp de probabilitate. Atunci are loc proprietatea de subaditivitate finită:
∑==
≤n
1ii
n
1ii )A(P)A(P U ,∀Ai∈K, i=1,...,n.
Corolar Fie (E,K,P) un câmp de probabilitate. Atunci:
P(A∆B)=P(A)+P(B)-2P(A∩B) ∀A,B∈K Definiţie
Fie M=P(E) mulţimea evenimentelor asociate unei experienţe şi I o familie de indici cel mult numărabilă. O submulţime S=Aii∈I⊂P(E), Ai≠∅ se numeşte sistem complet de evenimente (partiţie) a lui E dacă:
1. Ai∩A j=∅ ∀i,j∈I, i≠j; 2. U
IiiA
∈
=E.
Pasul 2 - Probabilităţi condiţionate
Să presupunem că efectuăm un experiment de n ori şi un eveniment A s-a realizat de k ori, k≠0. În
cele k apariţii ale lui A s-a realizat de asemenea de p ori, p≤k, un eveniment B. Avem deci fA=n
k şi fA∩B=
n
p.
Dacă notăm fA(B) frecvenţa lui B în ipoteza că A s-a produs avem fA(B)=k
p=
n
kn
p
=A
BA
f
f ∩ . Aceasta conduce la
o nouă definiţie şi anume: Definiţie
Fie (E,K,P) un câmp de probabilitate şi A,B∈K,P(A)≠0. Probabilitatea evenimentului B condiţionată de (realizarea lui) A se defineşte ca fiind:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
)A(P
)BA(P)AB(P)B(PA
∩==
Propoziţie Probabilitatea condiţionată este o probabilitate pe K.
Definiţie Fie (E,K,P) un câmp de probabilitate. Două evenimente A,B∈K se numesc evenimente
independente dacă P(A∩B)=P(A)P(B). Definiţie
Fie (E,K,P) un câmp de probabilitate. O mulţime finită de evenimente A ii∈I⊂K se numeşte independentă dacă ∀J⊂I implică:
IJj Jj
jj )A(P)A(P∈ ∈
∏=
Teoremă (formula probabilităţii totale) Fie (E,K,P) un câmp de probabilitate şi S=A ii∈I⊂K un sistem complet de evenimente cu P(Ai)≠0
∀i∈I (I-cel mult numărabilă). Are loc egalitatea:
∑∈
=Ii
Ai )X(P)A(P)X(Pi
∀X∈K
Teoremă (formula lui Bayes) Fie (E,K,P) un câmp de probabilitate şi S=A ii∈I⊂K un sistem complet de evenimente (I-cel mult
numărabilă). Are loc egalitatea:
∑∈
=Ii
Ai
Ak
kX )X(P)A(P
)X(P)A(P)A(P
i
k ∀X∈K ∀Ak∈S
Teoremă (regula de înmulţire a probabilităţilor ) Fie (E,K,P) un câmp de probabilitate şi A ii=1,...,n⊂K un sistem de evenimente pentru care
P(A1∩...∩Ak)≠0 ∀k=1,...,n-1. Are loc următoarea egalitate: )A(P)...A(P)A(P)A...A(P nA...A2A1n1 1n11 −∩∩=∩∩
Pasul 3 - Scheme de probabilitate I. Schema bilei neîntoarse (hipergeometrică) Într-o urnă sunt k tipuri de bile şi anume ai bile de culoarea ci, i=1,...,k. Dacă extragem n bile simultan (sau altfel, fără a returna bilele, ceea ce este acelaşi lucru) atunci probabilitatea ca să obţinem bi bile de culoarea ci, i=1,...,k (evident n=b1+...+bk) este:
P=k1
k1
i
i
b...b
a...a
k
1=i
b
a
C
C
++++
∏
Pentru demonstraţie, să remarcăm că la extragerea celor n bile avem n a...a k1C + cazuri posibile. Un grup
de bi bile poate fi ales din cele ai bile în i
i
b
aC moduri. Extragerile bilelor de diferite culori fiind independente,
vom avea în total ∏k
1=i
b
aC i
i cazuri favorabile. Prin urmare, probabilitatea căutată este: P=
k1
k1
i
i
b...b
a...a
k
1=i
b
a
C
C
++++
∏.
II. Schema lui Poisson Fie evenimentele independente A1,...,An cu P(Ai)=pi şi fie qi=1-pi, i=1,...,n. Probabilitatea ca în n
experienţe să se realizeze k dintre ele este: P=coef (xk) din polinomul (p1x+q1)...(pnx+qn)
Pentru demonstraţie, să considerăm evenimentele iA , i=1,...,n pentru care P(iA )=qi. Evenimentul
căutat (realizarea a k evenimente în cele n experienţe) este:
)A...AA...A(
n1n1
n1kk1
i...in,1i,...,i
iiiiU≠≠
=
∪∪∪∪∪ +
şi cum toate evenimentele reuniunii sunt disjuncte două câte două rezultă că probabilitatea este cea de mai sus. Trebuie remarcat că în schema lui Poisson evenimentele A1,...,An nu sunt neapărat legate de situaţii distincte. Este posibil ca să repetăm experienţa pentru acelaşi eveniment cercetat, dar probabilitatea acestuia să se schimbe pe parcursul derulării ei. III. Schema lui Bernoulli (binomială)
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie un eveniment A cu P(A)=p şi q=1-p. Probabilitatea ca în n experienţe evenimentul A să se producă de k ori este
P= k
nC pkqn-k
Demonstraţia acestui fapt este banală, considerând pur şi simplu în schema lui Poisson A1=...=An şi deci p1=...=pn=p, q1=...=qn=q. În acest caz, coeficientul lui xk din dezvoltarea (px+q)n=(q+px)n este P= kknk
n
kknkn
n pqCpqC −−− = deoarece din formula combinărilor complementare, avem: k
n
kn
n CC =− ∀k=0,...,n.
IV. Schema multinomială Fie evenimentele independente Ai, i=1,...,k cu probabilităţile pi. Probabilitatea ca în n experienţe evenimentul Ai să se realizeze de ai ori, i=1,...,n (a1+...+ak=n) este:
P= k1 a
k
a
1
k1
p...p!a!...a
!n
Pentru demonstraţie, fie A evenimentul căutat. Evenimentul A este reuniunea tuturor n-uplelor de evenimente în care A1 apare de a1 ori,...,Ak apare de ak ori. Probabilitatea unui astfel de eveniment este:
P’= k1 a
k
a
1 p...p . Totalul n-uplelor care se pot forma cu aceste evenimente este de n!. Pentru o distribuţie a evenimentelor în cadrul unui n-uplu, cum nu interesează ordinea de apariţie a evenimentelor vor trebui eliminate permutările de evenimente identice. Acestea sunt în număr de a1!...ak! deci în total reuniunea va
conţine !a!...a
!n
k1
evenimente. Obţinem deci (evenimentele reuniunii fiind incompatibile două câte două)
formula căutată.
LECŢIA 2
VARIABILE ALEATOARE. FUNC ŢIA DE REPARTI ŢIE. DENSITATEA DE REPARTI ŢIE
Pasul 1 – Evenimente elementare. Variabile aleatoare Definiţie
Fie E≠∅ şi K0=P(E). Numim eveniment elementar orice eveniment ω∈K0 astfel încât singurele evenimente din K0 care-l implică sunt ω şi ∅. Vom nota mulţimea evenimentelor elementare cu Ω. Definiţie
Fie Ω mulţimea evenimentelor elementare ale lui K0=P(E). O aplicaţie f:Ω→R, ω→f(ω)∈R se numeşte variabil ă aleatoare. Definiţie
Fie K⊂P(E) un câmp de evenimente. O aplicaţie f:Ω→R se numeşte variabil ă aleatoare în raport cu K dacă ω∈Ωf(ω)<x∈K ∀x∈R.
Definiţie Dacă mulţimea valorilor unei variabile aleatoare este cel mult numărabilă aceasta se numeşte
variabil ă aleatoare discretă, în plus dacă este finită se numeşte variabil ă aleatoare simplă, iar dacă mulţimea valorilor este nenumărabilă se numeşte variabil ă aleatoare continuă. Teoremă
Fie Ω mulţimea evenimentelor elementare ale lui K0=P(E) şi f:Ω→R o aplicaţie care ia valorile distincte vi, i∈I (I-cel mult numărabilă). Fie Ai=f=vi. Mulţimea S=Aii∈I este un sistem complet de evenimente iar f este o variabilă aleatoare în raport cu câmpul K generat de S. Teoremă
Fie Ω mulţimea evenimentelor elementare ale lui K0=P(E) şi f:Ω→R o aplicaţie. Următoarele afirmaţii sunt echivalente:
1) f <x∈K ∀x∈R; 2) f ≤x∈K ∀x∈R; 3) f >x∈K ∀x∈R; 4) f ≥x∈K ∀x∈R; 5) a<f<b∈K ∀a,b∈R; 6) a≤f<b∈K ∀a,b∈R; 7) a<f≤b∈K ∀a,b∈R;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
8) a≤f≤b∈K ∀a,b∈R. Definiţie
Fie (E,K,P) un câmp de probabilitate şi f:Ω→R o variabilă aleatoare în raport cu K, discretă, având valorile vii∈I. Fie Ai=ω∈Ωf(ω)=vi şi pi=P(Ai). Şirul (vi,pi)i∈I se numeşte distribu ţia variabilei aleatoare f. Vom nota:
Iii
i
p
v
∈
sau
...p...pp
...v...vv
n21
n21
Deoarece A ii∈I formează un sistem complet de evenimente, avem întotdeauna p1+...+pn+...=1. Definiţie
Fie (E,K,P) un câmp de probabilitate şi f o variabilă aleatoare în raport cu K. Funcţia F:R→[0,1], F(x)=P(f<x) se numeşte funcţia de repartiţie a variabilei aleatoare f. Vom scrie pe scurt F(x)=P(f<x), x∈R. Teoremă
Funcţia de repartiţie a unei variabile aleatoare discrete este o funcţie în scară (constantă pe porţiuni). Teoremă
Funcţia de repartiţie F a unei variabile aleatoare f are proprietăţile: 1) F este monoton crescătoare; 2) ;1)x(Flim ,0)x(Flim
xx==
∞→−∞→
3) F este continuă la stânga în orice punct x∈R. Teoremă
Fie o variabilă aleatoare f şi F funcţia sa de repartiţie. Atunci: 1) P(f=x)=F(x+0)-F(x) ∀x∈R; 2) P(f=x)=0⇔F este continuă în x∈R; 3) P(a≤f<b)=F(b)-F(a) ∀a,b∈R; 4) P(a<f<b)=F(b)-F(a+0) ∀a,b∈R; 5) P(a≤f≤b)=F(b+0)-F(a) ∀a,b∈R; 6) P(a<f≤b)=F(b+0)-F(a+0) ∀a,b∈R.
Definiţie Fie o variabilă aleatoare f şi F funcţia sa de repartiţie. Dacă există o funcţie ρ:R→[0,∞), integrabilă
pe R, astfel încât: ∫∞−
ρ=x
dt)t()x(F atunci ρ se numeşte densitatea de repartiţie (sau densitatea de
probabilitate) a variabilei aleatoare f. Teoremă
Fie o variabilă aleatoare f ce admite densitatea de repartiţie ρ. Atunci:
a) P(a≤f<b)= ∫ρb
a
dx)x( ;
b) ∫∞
∞−
ρ dx)x( =1;
c) În orice punct de continuitate al lui ρ, F este derivabilă şi F’(x)=ρ(x); d) Dacă F este derivabilă în orice punct x∈R atunci F are ca densitate de repartiţie pe ρ=F’.
Pasul 2 - Operaţii cu variabile aleatoare
Definiţie
Fie (E,K) un câmp de evenimente şi Ω mulţimea evenimentelor elementare ale lui P(E). O aplicaţie V=(f1,...,fn):Ω→Rn se numeşte vector aleator în raport cu K dacă toate componentele acestuia sunt variabile aleatoare relativ la K. Definiţie
Fie (E,K,P) un câmp de probabilitate şi V=(f 1,...,fn) un vector aleator. Numim funcţia de repartiţie a vectorului aleator V, aplicaţia F:Rn→R, F(x1,...,xn)=P(f1<x1,...,fn<xn) unde convenim ca:
P(f1<x1,...,fn<xn)= )xf(Pn
1iiiI
=
<
Proprietăţile vectorilor aleatori sunt asemănătoare cu cele ale variabilelor aleatoare şi anume: Teoremă
Fie F funcţia de repartiţie a unui vector aleator V=(f1,...,fn). Atunci: 1) F este crescătoare în raport cu fiecare variabilă xi; 2) Limita parţială a lui F în raport cu fiecare variabilă este: la -∞:0 iar la ∞ aceasta este 1; 3) F este continuă la stânga în raport cu fiecare variabilă.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Definiţie Considerând funcţia de repartiţie F a unui vector aleator V, dacă există o aplicaţie ρ:Rn→[0,∞),
integrabilă pe Rn astfel încât:
F(x1,...,xn)= ∫∫∞−∞−
ρn1 x
nn1
x
1 dt)t,...,t(...dt
atunci ρ se numeşte densitatea de repartiţie a vectorului aleator V. Teoremă
Fie (E,K,P) un câmp de probabilitate şi f,g variabile aleatoare relativ la K. Atunci f+g, f-g, fg, g
f
(dacă g≠0), fn ∀n∈N*, cf, f+c ∀c∈R, f
1 (dacă f≠0), f sunt de asemenea variabile aleatoare în raport cu K.
Pasul 3 - Indicatori numerici ai variabilelor aleatoare Definiţie
Fie (E,K,P) un câmp de probabilitate şi f=Iii
i
p
x
∈
o variabilă aleatoare discretă. Vom numi media
variabilei aleatoare f numărul real:
∑∈
=Ii
ii xp)f(M
Definiţie Fie f o variabilă aleatoare, F funcţia sa de repartiţie şi ρ densitatea de repartiţie, dacă aceasta există.
Dacă ∫∞
∞−
)x(xdF este absolut convergentă atunci definim media lui f ca fiind:
M(f)= ∫∞
∞−
)x(xdF
şi cum ρ=F’:
M(f)= ∫∞
∞−
ρ dx)x(x
Definiţie Variabila aleatoare u=f-M(f) se numeşte abaterea lui f.
Teoremă Fie f,f1,...,fn variabile aleatoare în raport cu acelaşi câmp K. Atunci:
1) M(f1+...+fn)=M(f1)+...M(fn) ∀n≥2; 2) M(c)=c ∀c∈R; 3) M(f+c)=M(f)+c ∀c∈R. 4) M(cf)=cM(f) ∀c∈R.
Teoremă
Dacă f şi g sunt două variabile aleatoare independente în raport cu acelaşi câmp K atunci M(fg)=M(f)M(g). Definiţie
Fie f o variabilă aleatoare şi n∈N*. Numim moment de ordin n al lui f numărul: Mn(f)=M(f n)
Definiţie Fie f o variabilă aleatoare şi n∈N*. Numim moment centrat de ordinul n al lui f numărul:
Mn(f)=M(un)=M((f-M(f)) n) Dacă F este funcţia de repartiţie a lui f şi ρ densitatea de repartiţie (dacă există) atunci mărimile de
mai sus devin:
,)x(dF))f(Mx()f(M ,)x(dFx)f(M nnn
n ∫∫∞
∞−
∞
∞−
−==
∫∫∞
∞−
∞
∞−
ρ−=ρ= dx)x())f(Mx()f(M ,dx)x(x)f(M nnn
n
Definiţie Numim dispersia (sau varianţa) unei variabile aleatoare f momentul centrat de ordinul 2 şi o vom
nota D(f). Avem deci:
D(f)=M2(f)=M((f-M(f)) 2)=M(f2+M(f)2-2M(f)f)=M(f 2)-M(f) 2.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Definiţie
Se numeşte abatere medie pătratic ă a unei variabile aleatoare f numărul )f(D)f( =σ .
Definiţie Fie f,g variabile aleatoare în raport cu acelaşi câmp K. Valoarea medie a produsului abaterilor lor se
notează Cfg=Cov(f,g)=M(uv) şi se numeşte corelaţia (sau covarianţa) variabilelor f şi g. Definiţie
Fie f,g variabile aleatoare în raport cu acelaşi câmp K. Dacă Cfg=0 vom spune că f şi g sunt variabile necorelate în caz contrar numindu-se variabile corelate. Definiţie
Fie f,g variabile aleatoare în raport cu acelaşi câmp K. Numim coeficientul de corelaţie al variabilelor f şi g numărul:
)g()f(
Cfg
fg σσ=ρ
dacă σ(f),σ(g)≠0. Teoremă
Coeficientul de corelaţie are următoarele proprietăţi: 1) ρfg∈[-1,1]; 2) ρfg∈-1,1⇒∃a,b,c∈R astfel încât af+bg+c=0; 3) Dacă ∃a,b,c∈R astfel încât a,b≠0 şi af+bg+c=0⇒ρfg∈-1,1.
LECŢIA 3
PROCESE STOCHASTICE. LANŢURI MARKOV
Pasul 1 – Procese stochastice Definiţie
Fie (E,K,P) un câmp de probabilitate şi Ω mulţimea evenimentelor elementare ale lui K0=P(E). O aplicaţie X:R×Ω→R, (t,ω)→X(t,ω)∈R se numeşte proces aleator (proces stochastic).
Procesele stochastice sau lanţurile au semnificaţia unei derulări (nenumărabile în cazul proceselor sau numărabile în cazul lanţurilor ) de variabile aleatoare care la fiecare “moment” t descriu starea sistemului analizat.
Fie acum un sistem complet de evenimente S=A ii∈I⊂K cu I cel mult numărabilă şi câmpul de probabilitate (E,K,P) generat de S. Avem deci K=<S> şi deci Ω=S. Considerând un şir de experimente, definim lanţul: X:N×Ω→R, (n,Ai)→X(n,Ai)=Xn(A i)∈R unde Xn(Ai)=i dacă evenimentul Ai se realizează în experienţa “i”. Fie J=i∈I∃n∈N a.î. P(Xn=i)>0⊂I. Mulţimea J este cel mult numărabilă (fiind inclusă în I – cel mult numărabilă) şi reprezintă mulţimea indicilor evenimentelor care se pot realiza în desfăşurarea procesului. Ea se numeşte mulţimea stărilor lan ţului . Definiţie
Un şir de variabile aleatoare (Xn)n∈N se numeşte lanţ Markov dacă ∀n≥1 ∀i0,...,in∈J are loc: P(Xn=inX0=i0,...,Xn-1=in-1)=P(Xn=inXn-1=in-1)
unde probabilităţile sunt cele condiţionate. Propoziţie
Fie lanţul Markov (Xn)n∈N. Atunci ∀n≥1 ∀p≥0 ∀ik∈J k≥0 avem: P(Xn=in,Xn+1=in+1,...,Xn+p=in+pX0=i0,...,Xn-1=in-1)=
P(Xn=in,Xn+1=in+1,...,Xn+p=in+pXn-1=in-1) Să notăm acum (pi)i∈J probabilităţile evenimentelor Ai în starea 0 (iniţială) şi cu pij(n)=P(Xn=jXn-
1=i) ∀n≥1 – probabilităţile de trecere de la starea “n-1” la starea “n”. Pasul 2 – Lanţuri Markov
Definiţie Un lanţ Markov se numeşte staţionar sau omogen dacă probabilităţile de trecere nu depind de
“timp”. Vom nota deci pij=pij(n) ∀n≥1 şi vom vorbi în cele ce urmează numai de lanţuri Markov staţionare. Datorită faptului că evenimentele (Ai)i∈J formează un sistem complet de evenimente (am restricţionat acest sistem la J⊂I prin înlăturarea acelora ce nu puteau fi “atinse” de procesul considerat) rezultă că ∑
∈Jiip =1, ∑
∈Jjijp =1 ∀i∈J. Considerând matricea M=(pij)i,j∈J (numită matrice de trecere) obţinem
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
deci că suma elementelor aflate pe fiecare linie a acesteia este egală cu 1 şi în plus toate aceste elemente (fiind probabilităţi) sunt pozitive. O astfel de matrice se mai numeşte şi matrice stochastică. Definiţie
Se numesc probabilit ăţi de trecere în n paşi următoarele probabilităţi notate )n(
ijp definite recurent
prin ecuaţiile Chapman-Kolmogorov:
∈∀≥==
δ=
∑∈
− Jji, 1n ,ppp
pp
p
Jk
)1(kj
)1n(ik
)n(ij
ij
)1(
ij
ij
)0(
ij
unde δij este simbolul lui Kronecker. Propoziţie
Cantitatea )n(
ijp reprezintă probabilitatea ca lanţul Markov să treacă de la starea i la starea j exact în
“n” paşi ∀i,j∈J ∀n≥1. Propoziţie
Pentru orice m,n∈N are loc: ∑∈
+ =Jk
)m(
kj
)n(
ik
)mn(
ij ppp
Definiţie Numim probabilitate absolută a variabilei aleatoare Xn cantitatea: )n(
ip =P(Xn=i) ∀i∈J ∀n∈N
definită prin relaţia: ∑∈
−=Jk
ki
)1n(
k
)n(
i ppp şi care reprezintă probabilitatea ca lanţul Markov să intre în starea “i” în
exact “n” paşi. Se obţine imediat relaţia:
∑∈
=Jk
)n(
jij
)n(
i ppp ∀i∈J ∀n∈N.
Se observă că pentru a cunoaşte diversele probabilităţi ale stărilor trebuie calculată puterea a n-a a matricei de trecere. Ne vom folosi, în acest scop de valorile proprii ale acesteia. Fie deci λ1,...,λs valorile proprii ale lui M. Ne reamintim că un vector propriu v, corespunzător valorii proprii λk, satisfacve condiţiile v≠0 şi Mv=λkv (îl vom mai numi şi vector propriu la dreapta). Analog, un vector propriu la stânga satisface: vtM=λkv
t. Propoziţie
Valorile proprii ale unei matrice stochastice satisfac următoarele relaţii: a) λ=1 este valoare proprie; b) ∀λ o valoare proprie a lui M avem: λ≤1; c) Orice valoare proprie de modul este rădăcină întreagă a unităţii.
d) Dacă matricea M are numai valorii proprii simple, atunci: Mn=∑=
λs
1k k
t
k
t
kk
n
k
vw
wv. ∀n≥1 unde vk sunt
vectorii proprii la dreapta, iar wk cei la stânga corespunzători valorii proprii λk.
LECŢIA 4
PRINCIPALELE LEGI DE REPARTI ŢIE
Pasul 1 – Legea Laplace-Gauss (legea normală)
Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
2
2
2
)mx(
e2
1)x( σ
−−
πσ=ρ
Vom nota o astfel de lege N(m,σ). Graficul funcţiei ρ este prezentat în figură (m=1 şi σ=1). Avem M(X)=m,σ(X)=σ. Legea stă la baza modelării multor fenomene naturale. Erorile întâmplătoare sau fluctuaţiile rezultatelor unor experienţe satisfac de regulă legi ce pot fi aproximate de legea Laplace-Gauss.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
xm
y
O
(x)ρ
Pasul 2 – Legea uniformă Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
[ ]
∞∈
∈−
−∞∈
=ρ
),b(x daca 0
;b,ax daca ab
1);a,(x daca 0
)x( [a,b]⊂R
Vom nota o astfel de lege U(a,b). Graficul funcţiei ρ este prezentat în figură.
Avem 32
ab)X( ,
2
ba)X(M
−=σ+= .
xa
b-a1___
b
y
O
(x)ρ
Pasul 3 – Legea Cauchy Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
( ) 0 ,)x(
)x(22
>λµ−+λπ
λ=ρ
Vom nota o astfel de lege C(µ,λ). Graficul funcţiei ρ (λ=1 şi µ=1) este reprezentat în figură. Legea Cauchy nu are momente de nici-un ordin deci nici medie şi nici dispersie. Pasul 4 – Legea Weibull Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
β
ηγ−−
−β
ηγ−
ηβ=ρ
x1
ex
)x( , x∈[γ,∞), γ≥0
unde β se numeşte parametrul de formă, η-parametrul de scală iar γ-parametrul de locaţie. Vom nota o astfel de lege W(β,η,γ). Avem:
( )
β+Γ−β+Γ⋅η=σ
β+Γη+γ= 1
141)X( ,1
1)X(M 2
unde Γ este funcţia lui Euler. Legea are un rol foarte important în teoria fiabilităţii unui material, în demografie etc.
Pasul 5 – Legea exponenţială Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
xe)x( λ−λ=ρ , x∈(0,∞), λ>0
Legea exponenţială se obţine din legea Weibull pentru β=1, γ=0 şi renotând λ=η1
. Vom nota o astfel
de lege E(λ). Avem: λ
= 1)X(M ,
λ=σ 1
)X( .
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
xµ
y
O
(x)ρ
x
y
O γ
(x)ρ
x
y
O
(x)ρ
λ
Pasul 6 – Legea Gamma Este legea de repartiţie a unei variabile aleatoare X nenegative având densitatea de repartiţie:
Γ
≤=ρ −− 0> xdaca ex
)p(
a0; xdaca 0
)x( ax1pp , a,p>0.
Pentru p=1 se obţine legea exponenţială. Vom nota legea Γ(a,p). În figură avem graficul funcţiei Γ(2
1,2).
x
y
O
(x)ρ
Pasul 7 – Legea Beta Este legea de repartiţie a unei variabile aleatoare X nenegative având densitatea de repartiţie:
∉
∈−βΓαΓβ+αΓ
=ρ−β−α
(0,1) xdaca 0
(0,1); xdaca )x1(x)()(
)()x(
11
, α,β>0
Vom nota B(α,β) şi avem:
1
1)X( ,)X(M
+β+ααβ
β+α=σ
β+αα= . Graficul acestei legi pentru α=2 şi β=3 este dat în figură.
x
y
O 1
(x)ρ
Pasul 8 – Legea Student (cu s grade de libertate) Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
ρ(x)=2
1s2
s
x1
s2
s
2
1s+
−
+π
Γ
+Γ, s>0
Vom nota t(s) şi avem: M(X)=0, σ(X)=2s
s
− dacă s>2. Graficul legii pentru s=3 este dat în figură.
x
y
O
(x)ρ
Pasul 9– Legea Snedecor-Fisher Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
ρ(x)=2
ba
12
a2
a
xb
a1x
b
a
2b
2a
2ba
+−−
+
Γ
Γ
+Γ, a,b>0, x∈[0,∞)
Vom nota F(a,b) şi avem:
4>b daca )4b(a
)2ba(2
2b
b=(X) 2,b daca
2b
b)X(M
−−+
−σ≠
−=
Graficul acestei legi, pentru a=10 şi b=12 este dat în figură.
x
y
O
(x)ρ
Pasul 10 – Legea Helmert-Pearson (legea χχχχ2) Este legea de repartiţie a unei variabile aleatoare X având densitatea de repartiţie:
ρ(x)= 2
x1
2
2
ex
22
1 −−ν
ν
νΓ, x∈[0,∞), ν≥0.
Vom nota χ(ν) şi avem: M(X)=ν, σ(x)=2ν. Graficul acestei legi, pentru ν=4 este dat în figură.
x
y
O
(x)ρ
LECŢIA 5
ELEMENTE DE STATISTIC Ă MATEMATIC Ă
Pasul 1 – Frecvenţe, valori medii, momente
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Definiţie O mulţime care face obiectul unei analize statistice se numeşte populaţie statistică. Elementele unei
populaţii statistice se numesc unităţi statistice. Cardinalul unei populaţii statistice se numeşte volumul populaţiei. În general, atunci când se efectuează o analiză statistică aceasta studiază anumite caracteristici comune ale unităţilor statistice, caracteristici care pentru a fi analizate prin intermediul statisticii matematice trebuie cuantificate.
Fie acum f o caracteristică ce se cere a fi studiată dintr-o selecţie de volum N. Dacă S=x1,...,xn sunt valorile lui f, acestea pot fi gândite ca valori ale unei variabile aleatoare. Vom mai spune că f este variabil ă statistică. După obţinerea acestor valori se procedează de regulă la o grupare a lor obţinându-se în final o fişă de observaţie de forma:
Valoarea caracteristicii Număr de apariţii x1 n1 ... ... xk nk
unde x1,...,xk sunt distincte. Dacă volumul unei selecţii este mare se recomandă gruparea valorilor după interval astfel: se determină mai întâi un interval (a,b) suficient de mare ca să cuprindă toate valorile caracteristicii studiate. Se împarte apoi acest interval într-un număr de p părţi (a,b)=(a0,a1)∪[a1,a2)∪...∪[ap-
1,ap) (a=a0,b=ap) de preferinţă de lungimi egale. Se obţine în final un tabel de forma celui de mai sus având în locul valorilor xi intervalele considerate. Să notăm acum: I1=(a0,a1) şi Is=[as-1,as), s=2,...,p. Fie ns=card(S∩Is) numărul de valori xi din intervalul Is. Vom numi ns-frecvenţa absolută a intervalului Is.
Raportul νs=N
ns se numeşte frecvenţa relativă (sau simplu frecvenţa) a intervalului Is. Numărul µs=∑=
νs
1ii se
numeşte frecvenţa cumulată corespunzătoare intervalului Is. Avem evident relaţiile:
∑=
p
1iin =N, ∑
=
νp
1ii =1, ν1=µ1≤µ2≤...≤µp-1≤µp=1
Toate aceste mărimi se înregistrează într-un tablou de forma: Intervalul Num ăr de apariţii Frecvenţa Frecvenţa cumulată
I1 n1 νννν1 µµµµ1 ... ... ... ... I p np ννννp µµµµp
În multe cazuri datele statistice se prezintă sub forma unor grafice. Avem astfel: I. Histograma frecvenţelor relative Se construieşte pe fiecare interval Ik câte un dreptunghi ce are ca bază segmentul Ik iar ca înălţime frecvenţele νk.
O
y
xa0 a1
ν1
νp
ν2
a2 ap-1... ap
II. Poligonul frecvenţelor relative Considerând centrul ck al fiecărui interval Ik se formează linia poligonală ce trece prin punctele (ck,νk).
O
y
xa0 a1
c1 c2 cpcp-1
ν1νp-1
νp
ν2
a2 ap-1... ap
III. Poligonul frecvenţelor cumulate (ogiva)
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Considerând centrul ck al fiecărui interval Ik se formează linia poligonală ce trece prin punctele (ck,µk).
O
y
xa0 a1
c1 c2 cpcp-1
µ1
µp-1
µp
µ2
a2 ap-1... ap
Definiţie
Fie x1,...,xn valorile unei variabile statistice f şi ν1,...,νn frecvenţele acestora. Mulţimea perechilor (xi,νi)i=1,...,n se numeşte distribu ţia (repartiţia) variabilei statistice f. Vom nota:
ννν
ν= n21
n21
n,...,1ii
i xxxsau
x
L
L
Definiţie
Fie variabila statistică f cu distribuţia: n,...,1ii
ix
=
ν. Se numeşte funcţie de repartiţie a lui f, funcţia:
FN:R→[0,1], FN(x)=∑∈
νIk
k
unde I=kxk<x. Definiţii
Fie variabila statistică f cu distribuţia: n,...,1ii
ix
=
ν. Se numeşte media lui f numărul:
M(f)= ∑∑==
=νn
1iii
n
1iii nx
N
1x
Se numeşte moment de ordin k al lui f numărul:
Mk(f)= ∑∑==
=νn
1ii
k
i
n
1ii
k
i nxN
1x
Se numeşte moment centrat de ordin k al lui f numărul:
Mk(f)= ∑∑==
−=ν−n
1ii
k
i
n
1ii
k
i n))f(Mx(N
1))f(Mx(
Se numeşte dispersia lui f numărul:
D(f)= ∑∑==
−=ν−n
1ii
2
i
n
1ii
2
i n))f(Mx(N
1))f(Mx(
Se numeşte abaterea medie pătratic ă lui f numărul:
σ(f)= )f(D
Se numeşte mediana lui f o valoare xmed pentru care suma frecvenţelor valorilor lui f mai mici decât xmed este egală cu suma frecvenţelor valorilor lui f mai mari ca xmed. Se numeşte dominanta sau moda lui f valoarea lui f cu frecvenţa cea mai mare. O variabilă f cu mai multe dominante se numeşte variabil ă multimodală.
Pasul 2 – Metode de ajustare a datelor statistice
În general atunci când se culeg date pentru o prelucrare statistică acestea prezintă neregularităţi datorate unor cauze diverse. Să considerăm că în analiza unui fenomen s-au obţinut la diverse momente de timp t1<...<tn frecvenţele ν1,...,νn ale acestuia. Se obţin astfel n puncte (ti,νi), i=1,...,n în R2. Metodele de ajustare constau în determinarea unei curbe care să se apropie cât mai mult de punctele date şi astfel prin studiul acesteia să se poată aprecia direcţia de evoluţie a fenomenului în cauză. Să considerăm deci problema următoare: fiind date punctele Ai(xi,yi), i=1,...,n în R2 să se determine o funcţie f:R→R astfel încât:
∑=
−n
1i
2
ii )y)x(f( =minimă
În particular pentru f(x)=ax+b obţinem:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
∑∑
∑
∑∑
∑∑
∑∑
∑
∑∑
∑
==
=
==
==
==
=
==
=
==
n
1ii
n
1i
2
i
n
1ii
n
1iii
n
1i
2
i
n
1ii
n
1ii
n
1ii
n
1i
2
i
n
1ii
n
1ii
n
1iii
n
1ii
xx
nx
yxx
yx
b ,
xx
nx
xyx
ny
a
Metoda expusă mai sus se numeşte metoda celor mai mici pătrate şi se datorează lui Gauss. În cazul regresiei liniare, se observă că:
a=)X(D
C
xnx
yxnyxXY
n
1i
2
i
2n
1ii
n
1iii
n
1ii
n
1ii
=−
−
∑∑
∑∑∑
==
=== ,
)X(D
C)X(M)Y(M
)X(D
C)X(M)X(D)Y(M
xnx
yxyxxb XYXY
n
1i
2
i
2n
1ii
n
1ii
n
1i
2
i
n
1iii
n
1ii
−=−
=−
−=
∑∑
∑∑∑∑
==
====
Obţinem deci, ecuaţia regresiei liniare:
Y=)X(D
CXY X+)X(D
C)X(M)Y(M XY− =
)X(D
CXY [X-M(X) ]+M(Y)
unde X=(x1,...,xn) şi Y=(y1,...,yn). De asemenea, ecuaţia regresiei se mai poate scrie sub forma:
)X(
)X(MX
)Y()X(
C
)Y(
)Y(MY XY
σ−
σσ=
σ−
sau altfel:
Y-M(Y)= ρXY)X(
)Y(
σσ [X-M(X) ]
Coeficientul de corelaţie furnizează deci informaţii despre panta regresiei liniare. Dacă ρXY>0 (cum σ(X),σ(Y)>0) rezultă că panta este pozitivă, deci regresia este crescătoare, iar dacă ρXY<0 rezultă că regresia este descrescătoare.
Calculând abaterea E=∑=
−n
1i
2
ii )y)x(f( corespunzătoare regresiei liniare, obţinem:
E=n)X(D
C)Y(D)X(D 2
XY−= ( )2
XY
2
XY 1)Y(nD)X(D
)Y(D)X(D)Y(D)X(Dn ρ−=ρ−
.
Prin urmare, atunci când coeficientul de corelaţie este 1 sau -1 rezultă că E=0 ceea ce nu înseamnă altceva decât faptul că între variabile există o dependenţă liniară (rezultat, de altfel, cunoscut). Definiţie
Considerând o funcţie de regresie Y=f(X) se defineşte raportul de corelaţie ca fiind:
ηXY=( )
( )∑
∑
=
=
−
−−
n
1i
2
i
n
1i
2
ii
)Y(My
)x(fy1 ∈[0,1]
Definiţie Coeficientul lui Spearman se defineşte ca:
S=1-)1n(n
)sr(6
2
n
1i
2
ii
−
−∑=
Definiţie Coeficientul lui Kendall se defineşte ca:
K=)1n(n
)MP(2n
1iii
−
−∑=
Pasul 3 – Regresii în mai multe variabile
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
În cazul mai multor seturi de date X1=(x11,...,x1n),...,Xp=(xp1,...,xpn), Y=(y1,...,yn) se pune, de asemenea, problema unei eventuale corelaţii a lui Y de X1,...,Xp. Ne propunem determinarea constantelor a0,...,ap∈R astfel încât, considerând funcţia de regresie în mai multe variabile:
f(X1,...,Xp)=apXp+...+a1X1+a0
abaterea ∑=
−n
1i
2
ii1pi )y)x,...,x(f( să fie minimă.
Avem deci: F(a0,...,ap)=∑=
−+++n
1i
2
i0i11pip )yaxa...xa( =minimă.
Condiţia necesară de minim este: ka
F
∂∂
=0, k=0,...,p. Avem atunci:
∑=
−+++n
1ii0i11pipki )yaxa...xa(x2 =0 pentru k=p,...,1;
∑=
−+++n
1ii0i11pip )yaxa...xa(2 =0 pentru k=0
de unde:
∑∑∑∑====
=+++n
1ikii
n
1iki0
n
1ii1ki1
n
1ipikip xyxaxxa...xxa , k=p,...,1;
∑∑∑===
=+++n
1ii0
n
1ii11
n
1ipip ynaxa...xa , k=0
Sistemul astfel obţinut are soluţiile:
nxxx
xxxxxx
xxxxxx
nyxx
xxyxxx
xxyxxx
a
1+k-col.p
n
1iki
n
1ii,1p
n
1ipi
n
1ii,1p
n
1ikii,1p
n
1i
2
i,1p
n
1ipii,1p
n
1ipi
n
1ikipi
n
1ii,1ppi
n
1i
2
pi
n
1ii
n
1ii,1p
n
1ipi
n
1ii,1p
n
1ii,1pi
n
1i
2
i,1p
n
1ipii,1p
n
1ipi
n
1ipii
n
1ii,1ppi
n
1i
2
pi
k
LL
LLLLLL
LL
LL
LL
LLLLLL
LL
LL
∑∑∑
∑∑∑∑
∑∑∑∑
∑∑∑
∑∑∑∑
∑∑∑∑
==−
=
=−
=−
=−
=−
===−
=
==−
=
=−
=−
=−
=−
===−
=
=
, k=0,...,p.
În particular pentru f(X1,X2)=a2X2+a1X1+a0 obţinem:
2xx
xxxx
xxxx
2xy
xxxy
xxxxy
a
n
1ii1
n
1ii2
n
1ii1
n
1i
2
i1
n
1ii2i1
n
1ii2
n
1ii1i2
n
1i
2
i2
n
1ii1
n
1ii
n
1ii1
n
1i
2
i1
n
1ii1i
n
1ii2
n
1ii1i2
n
1ii2i
2
∑∑
∑∑∑
∑∑∑
∑∑
∑∑∑
∑∑∑
==
===
===
==
===
===
= ,
2xx
xxxx
xxxx
2yx
xxyxx
xxyx
a
n
1ii1
n
1ii2
n
1ii1
n
1i
2
i1
n
1ii2i1
n
1ii2
n
1ii1i2
n
1i
2
i2
n
1ii
n
1ii2
n
1ii1
n
1ii1i
n
1ii2i1
n
1ii2
n
1ii2i
n
1i
2
i2
1
∑∑
∑∑∑
∑∑∑
∑∑
∑∑∑
∑∑∑
==
===
===
==
===
===
= ,
2xx
xxxx
xxxx
yxx
xyxxx
xyxxx
a
n
1ii1
n
1ii2
n
1ii1
n
1i
2
i1
n
1ii2i1
n
1ii2
n
1ii1i2
n
1i
2
i2
n
1ii
n
1ii1
n
1ii2
n
1ii1i
n
1i
2
i1
n
1ii2i1
n
1ii2i
n
1ii1i2
n
1i
2
i2
0
∑∑
∑∑∑
∑∑∑
∑∑∑
∑∑∑
∑∑∑
==
===
===
===
===
===
=
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
REZUMAT
Noţiunile de eveniment şi probabilitate sunt fundamentale în cadrul teoriei probabilităţilor.
Probabilitatea extinde conceptul de frecvenţă pentru cazul unui număr infinit de experienţe semnificând şansa
de realizare a unui anumit eveniment în cadrul unei experienţe.
De asemenea, indicatorii numerici asociaţi variabilelor aleatoare modelează numeric aspectele
privind comportarea distribuţiei valorilor acesteia.
Legile de repartiţie simulează procese reale izvorâte din practica statistică de culegere, grupare şi
prelucrare a datelor.
Regresia liniară permite prognoza pe baza datelor existente atunci când datele urmează o traiectorie
de pantî relativ constantă.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la noţiunile de probabilitate, frecvenţă,
medie, dispersie, corelaţie, coeficient de corelaţie. De asemenea, au fost studiate regresiile liniare şi subliniată
importanţa acestora în cadrul activităţi de prognoză.
EXEMPLE ILUSTRATIVE
1. Un muncitor a lucrat 3 piese. Notând cu A,B,C evenimentele care constau în faptul că prima, a doua respectiv a treia piesă este defectă, să se scrie formal următoarele evenimente: a) nici una din piese nu este defectă; b) cel puţin una este defectă; c) numai una este defectă; d) exact două sunt defecte; e) cel puţin două sunt defecte; f) cel mult două sunt defecte.
Soluţie Vom nota de asemenea evenimentele contrare A =”piesa 1 este bună”, B =”piesa 2 este bună”,
C =”piesa 3 este bună”. Avem atunci:
a) A ∩ B ∩ C ; b) A∪B∪C;
c) (A∩ B ∩ C )∪( A ∩B∩ C )∪( A ∩ B ∩C);
d) (A∩B∩ C )∪(A∩ B ∩C)∪( A ∩B∩C);
e) ( A ∩ B ∩ C )∪(A∩ B ∩ C )∪( A ∩B∩ C )∪( A ∩ B ∩C);
f) A ∪ B ∪ C . 2. Cuvântul “economie” este format din litere izolate scrise pe cartonaşe. Amestecăm aceste cartonaşe şi
extragem apoi pe rând trei dintre ele aşezându-le unul după altul. Care este probabilitatea de a obţine cuvântul “mie”?
Răspuns Fie evenimentele A1=”prima literă extrasă este m”, A2=”a doua literă extrasă este i” şi A3=”a treia literă extrasă este e”. Evenimentul căutat este A1∩A2∩A3. Avem însă P(A1∩A2∩A3)=P(A1)
P(A2A1)P(A3A1∩A2). Avem: P(A1)=8
1, P(A2A1)=
7
1, P(A3A1∩A2)=
6
2=
3
1 de unde P(A1∩
A2∩A3)=0,006 (deci este aproape imposibil să mai obţinem din economie o mie...).
3. Să se arate că funcţia [ ]
∞∪∞∈∈−−
=ρ)(2,,0)(- x,0
;2,0x ,x11)x( este o densitate de repartiţie. Să se determine apoi
funcţia sa de repartiţie.
Soluţie Pentru ca ρ să fie densitate de repartiţie trebuie ca să fie pozitivă iar ∫∞
∞−
ρ dx)x( =1.
Problema se poate face aici în două moduri şi anume funcţia ρ fiind suficient de simplă se poate trasa graficul ei şi apoi pozitivitatea şi integrala pe R se obţin imediat. O a doua cale constă în a face calculele formal (fără suport grafic). Vom alege a doua variantă. Avem deci:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
[ )[ ]
∞∈∈−
∈−∞∈
=ρ
),2(x ,0
;2,1x ,x2
;1,0x ,x
);0,(x ,0
)x(
Faptul că ρ este pozitivă este evident. Avem acum ∫∞
∞−
ρ dx)x( = +∫1
0
xdx ∫ −2
1
dx)x2( =1. Funcţia de repartiţie
este: F(x)=∫∞
ρx
-
(t)dt de unde:
• x∈(-∞,0)⇒F(x)=0;
• x∈[0,1)⇒F(x)=2
x=tdt
2x
0∫ ;
• x∈[1,2]⇒F(x)= 12
xx2=t)dt-(2+tdt
2x
1
1
0
−−∫∫ ;
• x∈(2,∞)⇒F(x)=1.
4. Fie variabila aleatoare: X=
02,008,03,04,02,0
43210.
Să se calculeze valoarea medie şi dispersia lui X.
Soluţie Variabila aleatoare fiind simplă vom calcula media cu ajutorul formulei M(X)=∑=
n
1iii vp . Avem
deci: M(X)=0⋅0,2+1⋅0,4+2⋅0,3+3⋅0,08+ 4⋅0,02=1,32. Avem: D(X)=M(X2)-M(X) 2=M((X-M(X)) 2) şi deci două metode:
Metoda 1. Fie X2=
02,008,03,04,02,0
169410 de unde M(X2)=1⋅0,4+ 4⋅0,3+9⋅0,08+16⋅0,02=2,64 iar
M(X) 2=1,322=1,7427 deci D(X)=2,64-1,7424=0,8976. Metoda 2. Avem M((X-M(X))2)=0,8976 în virtutea faptului că:
X-M(X)=
−−02,008,03,04,02,0
68,268,168,032,032,1, iar
(X-M(X)) 2=
02,008,03,04,02,0
1824,78224,24624,01024,07424,1.
RECOMANDĂRI BIBLIOGRAFICE
33. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii diferenţiale, Bucureşti, Editura All, 1994;
34. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions Mir Moscou, Vol. I, II, 1985;
35. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981; 36. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980; 37. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983; 38. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004; 39. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006; 40. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981; 41. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991; 42. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984; 43. Lang, S., Algebra, Addison-Wesley, 1971; 44. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988; 45. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986; 46. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978; 47. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982; 48. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
TESTE DE AUTOEVALUARE 1. La un magazin se găsesc trei tipuri de televizoare de marcă necunoscută. Până în acel moment din 13 televizoare de marca „A” cumpărate au fost corespunzătoare 10, din 12 de marca „B” au funcţionat corect 10 şi din 13 de marca „C” au fost bune 10. O persoană cumpără un televizor fără a o interesa marca. Care este probabilitatea P ca acesta să funcţioneze corect?
1. P=1,8 2. P=1,3099999 3. P=0,79000002 4. P=1,6900001
2. Fie densitatea de repartiţie a unei variabile aleatoare ξ:
ρ(x)=
≥
<≤+
+−
+<≤−
<
b xdaca 0
;bx2
ba daca
b)-(a
4bx
b)-(a
4
;2
baxa daca
b)-(a
4ax
b)-(a
4a; xdaca 0
22
22
unde a=-8, b=13. Considerând evenimentul:
A=-2,75≤ξ≤7,75 să se calculeze P(A).
1. P(A)=0,83999997 2. P(A)=0,75 3. P(A)=0,64999998 4. P(A)=0,55000001000001
3. Fie variabila aleatoare: X=
α4321 pppp
edcba unde a=4, b=5, c=4, d=7, e=2, p1=0,1,
p2=0,19, p3=7,9999998E-2, p4=0,43000001, α∈R. Să se calculeze media M(X).
1. M(X)=7,3499999 2. M(X)=5,0799999 3. M(X)=8,96 4. M(X)=12,1
4. Fie variabila aleatoare: X=
α4321 pppp
edcba unde a=4, b=5, c=4, d=7, e=2, p1=0,1,
p2=0,19, p3=7,9999998E-2, p4=0,43000001, α∈R. Să se calculeze dispersia D(X).
1. D(X)=7,54 2. D(X)=3,6900001 3. D(X)=5,9899998 4. D(X)=5,9299998
5. La un magazin se găsesc trei tipuri de televizoare de marcă necunoscută. Până în acel moment din 14 televizoare de marca „A” cumpărate au fost corespunzătoare 11, din 8 de marca „B” au funcţionat corect 6 şi din 9 de marca „C” au fost bune 6. O persoană cumpără un televizor fără a o interesa marca. Care este probabilitatea P ca acesta să funcţioneze corect?
1. P=1,77 2. P=1,15 3. P=0,73000002 4. P=1,77
6. Fie densitatea de repartiţie a unei variabile aleatoare ξ:
ρ(x)=
≥
<≤+
+−
+<≤−
<
b xdaca 0
;bx2
ba daca
b)-(a
4bx
b)-(a
4
;2
baxa daca
b)-(a
4ax
b)-(a
4a; xdaca 0
22
22
unde a=-13, b=6. Considerând evenimentul: A=-8,25≤ξ≤1,25 să se calculeze P(A).
1. P(A)=0,55000001 2. P(A)=0,83999997 3. P(A)=0,64999998 4. P(A)=0,75000001
7. Fie variabila aleatoare: X=
α4321 pppp
edcba
unde a=6, b=4, c=4, d=7, e=3, p1=0,07, p2=0,11, p3=0,33000001, p4=0,13, α∈R. Să se calculeze media M(X).
1. M(X)=10,05 2. M(X)=5,4200001 3. M(X)=6,7600002 4. M(X)=4,1700001
8. Fie variabila aleatoare: X=
α4321 pppp
edcba
unde a=6, b=4, c=4, d=7, e=3, p1=0,07, p2=0,11, p3=0,33000001, p4=0,13, α∈R. Să se calculeze dispersia D(X).
1. D(X)=2,8399999 2. D(X)=6,71 3. D(X)=4,77 4. D(X)=1,78
TEMĂ DE CONTROL
1. Un muncitor a lucrat 10 piese. Notând cu A1,...,A10 evenimentele care constau în faptul că piesa respectivă este defectă, să se scrie formal următoarele evenimente: a) nici una din piese nu este defectă; b) cel puţin una este defectă; c) numai una este defectă; d) exact două sunt defecte; e) cel puţin două sunt defecte; f) cel mult două sunt defecte.
2. Fie variabila aleatoare ξ cu distribuţia
4,02,03,01,0
621411.
Să se determine funcţia sa de repartiţie şi să se construiască graficul acesteia.
3. Fie variabila aleatoare: X=
α08,03,04,01,0
653116, α∈R.
Să se calculeze valoarea medie şi dispersia lui X.
4. Fie variabila aleatoare ξ cu distribuţia
5,02,01,02,0
78213214.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Să se determine funcţia sa de repartiţie şi să se construiască graficul acesteia.
5. Fie variabila aleatoare: X=
α1,04,03,01,0
6131151116, α∈R.
Să se calculeze valoarea medie şi dispersia lui X.
MODULUL 4
PROGRAMARE LINIAR Ă
Obiectivele specifice modulului: Introducerea noţiunii de problemă de programare liniară; Studiul algoritmului Simplex; Studiul problemei duale şi a algoritmului Simplex dual; Studiul problemei de transport.
Rezultatele aşteptate:
Însuşirea algoritmului Simplex; Învăţarea modului de obţinere a problemei duale; Însuşirea algoritmului Simplex dual; Reoptimizarea şi parametrizarea unei probleme de programare liniară.
Competenţe dobândite ca urmare a parcurgerii modulului: Deprinderea folosirii corecte a algoritmului Simplex; Deprinderea folosirii corecte a algoritmului Simplex dual; Folosirea corectă a metodelor de reoptimizare şi parametrizare.
Timpul mediu necesar pentru asimilarea modulului : 6 ore
LECŢIA 1
PROBLEME ECONOMICE CE CONDUC LA MODELUL MATEMATIC A L
PROGRAMĂRII LINIARE
Pasul 1 - Utilizarea optimă a capacităţii maşinilor Să considerăm o uzină care produce cu ajutorul a m maşini identice n produse distincte. Maşinile au
capacităţi de producţie limitate. Ne punem în mod natural problema utilizării optime a acestora. Pentru aceasta să notăm cu aij procentul din capacitatea maşinii i pentru producerea unei unităţi din produsul j în perioada necesară pentru producerea unei unităţi de produs. De asemenea, să notăm cu xj numărul unităţilor de produs j fabricate în cursul acestei perioade. Considerând de asemenea şi cj beneficiile pe unitatea de produs, obţinem că restricţiile problemei se pun sub forma:
=≥
=≤∑
∑
=
n,1j ,0x
m,1i ,1xa
xc max
j
n
1j
j
ij
n
1=j
j
j
Pasul 2 - Problema regimului alimentar Fie un număr de n alimente disponibile A1,...,An şi C1,...,Cm componentele caracteristice ale acestora (vitamine, substanţe minerale, proteine, calorii etc.). Să notăm cu aij cantitatea de Ci aflată într-o unitate de măsură a lui Aj. Matricea A=(aij) se numeşte matrice de nutriţie. Dacă vom considera x1,...,xn cantităţile de alimente corespunzătoare lui A1,...,An, pentru o perioadă de timp şi pentru un anumit număr de persoane, problema se pune în sensul minimizării cheltuielilor necesare pentru o alimentaţie optimă. Fie deci b1,...,bm cantităţile minime de caracteristică Ci pentru o alimentaţie sănătoasă şi c1,...,cn costul pe unitatea de produs A i. Problema devine:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
=≥
=≥∑
∑
=
n,1j ,0x
m,1i ,bxa
xc min
j
i
n
1j
j
ij
n
1=j
j
j
Pasul 3 - 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 asemenea că toată cantitatea de marfă din depozite va fi
expediată şi că toate cerinţele centrelor vor fi satisfăcute. Pentru aceasta va fi necesar ca ∑∑==
=n
1jj
m
1ii ba .
Cerinţele problemei se scriu sub forma:
==≥
==
==
∑
∑
∑∑
=
=
= =
n,1j ,m,1i ,0x
n,1j ,bx
m,1i ,ax
xc min
ij
j
m
1i
ij
i
n
1j
ij
m
1i
n
1j
ij
ij
LECŢIA 2
ALGORITMUL SIMPLEX PRIMAL
Pasul 1 - Introducere Din exemplele prezentate mai sus, se poate formula problema generală a programării liniare . Aceasta este:
≤≥≤++++++++
≤++++++++=++++++++
=++++++++≥++++++++
≥++++++++++++++++
++
++
++
+++
++++
++++
++
++
+++
++++
++++
++
++
++
++
++
++
arbitrari x,..., x,0 x ,..., x,0 x ,...,x
bxa...xaxa...xaxa...xa
...
bxa...xaxa...xaxa...xa
bxa...xaxa...xaxa...xa
...
bxa...xaxa...xaxa...xa
bxa...xaxa...xaxa...xa
...
bxa...xaxa...xaxa...xa
xc...xcxc...xcxc...xc min(max)
n1pp1kk1
m
n
mn
1p
1p,m
p
mp
1k
1k,m
k
mk
1
1m
1r
n
n,1r
1p
1p,1r
p
p,1r
1k
1k,1r
k
k,1r
1
1,1r
r
n
rn
1p
1p,r
p
rp
1k
1k,r
k
rk
1
1r
1q
n
n,1q
1p
1p,1q
p
p,1q
1k
1k,1q
k
k,1q
1
1,1q
qn
qn1p
1p,qp
qp1k
1k,qk
qk1
1q
1
n
n1
1p
1p,1
p
p1
1k
1k,1
k
k1
1
11
n
n
1p
1p
p
p
1k
1k
k
k
1
1
Notând acum:
c1=
k
1
c
...
c∈M1k(R), c2=
+
p
1k
c
...
c∈M1,p-k(R), c3=
+
n
1p
c
...
c∈M1,n-p(R),
x1=
k
1
x
...
x∈Mk1(R), x2=
+
p
1k
x
...
x∈Mp-k,1(R), x3=
+
n
1p
x
...
x∈Mn-p,1(R),
b1=
q
1
b
...
b∈Mq1(R), b2=
+
r
1q
b
...
b∈Mr-q,1(R), b3=
+
m
1r
b
...
b∈Mm-r,1(R),
A11=
qk1q
k111
a...a
.........
a...a∈Mqk(R), A12=
+
+
qp1k,q
p11k,1
a...a
.........
a...a∈Mq,p-k(R),
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
A13=
+
+
qn1p,q
n11p,1
a...a
.........
a...a∈Mq,n-p(R), A21=
++
rk1r
k,1q1,1q
a...a
.........
a...a∈Mr-q,k(R),
A22=
+
+++
rp1k,r
p,1q1k,1q
a...a
.........
a...a∈Mr-q,p-k(R),A23=
+
+++
rn1p,r
n,1q1p,1q
a...a
.........
a...a∈Mr-q,n-p(R),
A31=
++
mk1m
k,1r1,1r
a...a
.........
a...a∈Mm-r,k(R), A32=
+
+++
mp1k,m
p,1r1k,1r
a...a
.........
a...a∈Mm-r,p-k(R),
A33=
+
+++
mn1p,m
n,1r1p,1r
a...a
.........
a...a∈Mm-r,n-p(R)
obţinem forma generală a problemei de programare liniară (scrisă matriceal):
≤≥≤++=++≥++
++
arbitrar x,0 x,0x
bxAxAxA
bxAxAxA
bxAxAxA
xcxcxc min(max)
321
3
3
33
2
32
1
31
2
3
23
2
22
1
21
1
3
13
2
12
1
11
3t
3
2t
2
1t
1
inegalităţile matriceale fiind înţelese pe componente, iar cit reprezintă transpunerea vectorului coloană ci,
i=1,2,3. Funcţia c1tx1+c2
tx2+c3tx3 se numeşte funcţie obiectiv, relaţiile de forma:
ai1x1+...+aikx
k+ai,k+1xk+1+...+aipx
p+ai,p+1xp+1+...+ainx
n R bi unde R este una din relaţiile ≥, =, ≤ se numesc restricţii ale problemei, iar ultimele, condiţii asupra variabilelor.
O soluţie a problemei de programare liniară se numeşte program optim al acesteia.
Definiţie O problemă de programare liniară în care toate restricţiile sunt ecuaţii, iar toate variabilele sunt
nenegative se spune că are forma standard. Din definiţie, obţinem că expresia unui astfel de program este:
≥=0x
bAx
xc (max) min t
unde: c=
n
1
c
...
c∈M1n(R),x=
n
1
x
...
x∈Mn1(R),b=
m
1
b
...
b∈Mm1(R),A=
mn1m
n111
a...a
.........
a...a∈Mmn(R)
Definiţie O problemă de programare liniară se spune că are forma canonică dacă are una din următoarele
forme:
≥≥0x
bAx
xc min t
sau
≥≤0x
bAx
xcmax t
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: ai1x
1+...+aikxk+ai,k+1x
k+1+...+aipxp+ ai,p+1x
p+1+...+ainxn≤bi, adunând o
variabil ă ecart, yi≥0 ea se transformă într-o ecuaţie: ai1x1+...+aikx
k+ai,k+1xk+1+...+aipx
p+ai,p+1
xp+1+...+ainxn+yi=bi;
• fiind dată o inecuaţie de forma: ai1x1+...+aikx
k+ai,k+1xk+1+...+ aipx
p+ai,p+1xp+1+...+ainx
n≥bi, scăzând o variabil ă ecart, yi≥0 ea se transformă într-o ecuaţie: ai1x
1+...+aikxk+ai,k+1x
k+1+...+aipxp+ai,p+1
xp+1+...+ainxn-yi=bi;
• orice ecuaţie ai1x1+...+aikx
k+ai,k+1xk+1+...+aipx
p+ai,p+1xp+1+...+ainx
n=bi se transformă în două inecuaţii:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
ai1x1+...+aikx
k+ai,k+1xk+1+...+aipx
p+ai,p+1xp+1+...+ainx
n≥bi, ai1x
1+...+aikxk+ai,k+1x
k+1+...+aipxp+ai,p+1x
p+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; Problemele de programare liniară au o interpretare geometrică interesantă. Vom exemplifica aceasta
pentru cazul a două variabile (cazul general impunând definiţii şi noţiuni suplimentare care ar încărca inutil expunerea).
Pasul 2 - Programe de bază Fie o problemă de programare liniară în forma standard:
≥=0x
bAx
xc min t
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 c1x
1+...+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 optimizată. Chiar dacă aici dispunem de instrumentarul specific furnizat de analiza matematică, problema nu poate fi rezolvată acceptabil deoarece condiţiile de pozitivitate conduc la o situaţie asemănătoare cu cea de la început, schimbându-se practic doar variabilele.
Din observaţia 6, rezultă că este necesar ca să considerăm m<n, iar, pe de altă parte, condiţia rang(A)=m reprezintă faptul că vectorii ai sunt liniar independenţi (în caz contrar, eliminându-se condiţiile suplimentare; această situaţie apare în practică atunci când informaţiile provin din mai multe compartimente ale unei firme în care atribuţiile se intersectează). Definiţie
Un vector x=(x1,...,xn)t se numeşte soluţie de bază a problemei de programare liniară dacă: (1) x satisface sistemul Ax=b; (2) coloanele matricei A care corespund elementelor nenule ale lui x sunt liniar independente.
Definiţie O soluţie a sistemului Ax=b se numeşte admisibilă (program) dacă toate componentele ei sunt
nenegative. Definiţie
O soluţie de bază, admisibilă se numeşte nedegenerată dacă are toate componentele nenule şi degenerată în caz contrar. Definiţie
O matrice pătrată nesingulară formată cu m coloane ale matricei A se numeşte bază iar componentele vectorului x corespunzătoare coloanelor ce formează baza se numesc variabile de bază (bazice). Componentele lui x ce nu sunt bazice se numesc variabile nebazice.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Vom nota cu B o matrice de bază a lui A, cu xB vectorul coloană format cu variabilele bazice, cu S matricea formată cu acele coloane ce nu sunt în B şi cu xS vectorul coloană format cu variabilele nebazice. Sistemul Ax=b se poate scrie deci sub forma:
BxB+SxS=b Cum B este inversabilă, obţinem:
xB=B-1b-B-1SxS O soluţie de bază se poate obţine pentru xS=0 deci xB=B-1b. Teoremă
Dacă o problemă de programare liniară are un program atunci ea are cel puţin un program de bază. Teoremă
Dacă o problemă de programare liniară are un program optim atunci ea are un program optim de bază. După aceste consideraţii, o metodă de rezolvare a problemelor de programare liniară ar putea consta în următoarele etape:
1) se determină toate matricele inversabile B din A; 2) pentru fiecare din aceste matrice se calculează B-1b şi se cercetează dacă toate componentele
vectorului obţinut sunt nenegative; 3) pentru fiecare din vectorii punctul anterior se calculează cx şi reţin acelea pentru care se obţine
minimul (maximul) acesteia.
Pasul 3 - Metoda simplex Această metodă, elaborată de G.M. Dantzig în anul 1955, are la bază o metodă principial simplă, dar foarte eficientă. Se pleacă cu o bază iniţială şi apoi se înlocuieşte una din coloanele acesteia cu o alta (deci implicit o variabilă de bază schimbă rolul cu una secundară) astfel încât noua matrice să rămână de bază dar soluţia să se apropie de soluţia optimă. Prin această metodă se pot determina toate situaţiile posibile (probleme fără soluţii, optim infinit etc.).
Fie problema de programare liniară:
(1)
≥=0x
bAx
cx min
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 admisibil ă. 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, B
jy =B-1aj obţinem, din relaţia: xB=B-1b-B-1SxS.
(2) xB=B
x -∑∈Sj
jB
j xy
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 yj
B=ei. Pe componente, relaţia (2) se scrie
(3) ∑∈
−=Sj
jB i
B i xxx B
ijy ∀i∈B
Considerând acum cB=(ci)i∈B şi cS=(cj)j∈S funcţia obiectiv se poate scrie sub forma: (4) z=ctx=cB
txB+cStxS
sau altfel:
(5) z=cBt B
x -(cBtB-1S-cS
t)xS
Notând acum B
z =cBt B
x şi ∑∈
==Bi
B
ij
B
j
t
B
B
j yycz ic ∀j=1,...,n, relaţia (5) se poate scrie şi sub forma:
(6) z=B
z -∑∈
−Sj
j
j x)cB
j(z
Teoremă Dacă B este o bază primal admisibilă şi pentru orice j∈S avem zj
B-cj≤0 atunci programul de bază corespunzător bazei B (xB=B-1b, xS=0) este un program optim pentru problema (1). Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii: 1) ∃k∈S astfel încât B
kz -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat atunci programul de bază corespunzător lui B nu este optim. Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
1) ∃k∈S astfel încât B
kz -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat; 3) yik≤0 ∀i∈B atunci problema (1) are optimul infinit. Teoremă
Dacă pentru o bază primal admisibilă B au loc următoarele condiţii: 1) ∃k∈S astfel încât B
kz -ck>0;
2) programul de bază xB=B-1b, xS=0 este nedegenerat; 3) ∃i∈B astfel încât yik>0 atunci valoarea maximă pe care o putem atribui lui k0x astfel încât x' să rămână program este dată de:
(8) B
sk
B s
B
ik
B i
i0y y
x
y
xmin
ik
=
∈>B
Observaţie Dacă în teorema 14 atribuim lui k0x valoarea dată de (8) atunci noul program rămâne soluţie de bază.
Aceasta corespunde unei baze B' care se obţine din B prin înlocuirea coloanei as cu coloana ak. Pentru aceasta, să observăm că din (2) rezultă xs=0. Prin urmare, obţinem o nouă soluţie de bază formată din xi, i∈B-s şi xk. Baza B' corespunzătoare acesteia se obţine din B prin înlocuirea coloanei as cu ak. Din faptul că ysk≠0 rezultă că vectorii coloană ai lui B' sunt liniar independenţi. Observaţie
Din faptul că z=B
z -( B
kz -ck)k
0x rezultă că în baza B’, valoarea funcţiei obiectiv devine:
(9) sk
s
k
B
k
B'B
y
x)cz(zz −−=
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 zj
B-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)=
−
−
−
−
+
−
100d
d0...0
.....................
0...1d
d0...0
0...0d
10...0
0...0d
d1...0
.....................
0...0d
d0...1
k coloana
k
m
k
1k
k
k
1k
k
1
.
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 astfel: se scrie matricea B-1=(eij) şi se adaugă în dreapta ei vectorul coloană d. Vom numi elementul dk≠0 – pivot.
Elementul corespondent al lui C-1 se determină astfel: elementele de pe linia pivotului se împart la pivot, iar celelalte elemente (de exemplu e1j) se transformă astfel: se construieşte dreptunghiul a cărui diagonală se sprijină pe pivot şi elementul de transformat. Se înmulţesc elementele situate pe această diagonală
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
(“principală”) şi se scade produsului elementelor de pe cealaltă diagonală (“secundară”). Rezultatul se împarte la pivot. Prin urmare, dacă C-1=(f ij) avem:
(10) fij=k
ikjkij
d
dede −, i∈1,...,m-k, j∈1,...,m
(11) fkj=k
kj
d
e, j∈1,...,m
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):
• B
sk
B
ik
sBB
sk
B iB i
y
yxyxx
−= ∀i∈B-s, iar pentru i=k: B
sk
B skB
y
xx = ;
• B
sk
B
sj
B
ik
B
sk
B
ijB
ij y
yyyyy
−= ∀i∈B-s,
B
sk
B
sjB
sj y
yy = ;
• B
sk
k
B
k
sBB
sk
BB
y
)cz(xyzz
−−= ;
• B
sk
B
sjk
B
k
B
skj
B
j
j
B
j
y
y)cz(y)cz(cz
−−−=− ∀j∈S-k, k
B
k cz − =0.
Pasul 4 - Algoritmul simplex 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
... ... ... ... ... ... ... ... ci xi B i
x yi1B ... yij
B ... yinB
... ... ... ... ... ... ... ... cp xp B p
x yp1B ... ypj
B ... ypnB
... ... ... ... ... ... ... ... z B
z z1B-c1 ... zj
B-cj ... znB-cn
c1 ... cj ... cn 3) Completarea tabelului simplex se face în următoarele etape: 3.1) Pe prima linie se trec numele tuturor variabilelor problemei (inclusiv a celor ecart); 3.2) În coloana V.B. (variabile de bază) se introduc numele variabilelor de bază determinate la punctul
1); 3.3) În coloana V.V.B. (valorile variabilelor de bază) se introduc valorile determinate pe baza relaţiei
B
x =B-1b; 3.4) Coloanele x1,...,xj,...,xn se completează cu valorile date de B-1aj, j=1,...,n; 3.5) În stânga tabelului se trec coeficienţii funcţiei obiectiv corespunzători variabilelor de bază; 3.6) În subsolul tabelului se trec coeficienţii funcţiei obiectiv corespunzători tuturor variabilelor; 3.7) Penultima linie se completează astfel:
3.7.1) B
z =∑∈Bi
B
ijyic adică se înmulţesc valorile primei coloane cu valorile coloanei V.V.B. şi se adună
rezultatele (produsul scalar al vectorilor din aceste coloane); 3.7.2) j
B
j cz − =∑∈Bi
B
ijyic -cj ∀j=1,...,n adică se înmulţesc valorile primei coloane cu valorile coloanei xj
şi se adună rezultatele scăzându-se la final valoarea din ultima linie; 3.8) O completare rapidă a coloanelor variabilelor de bază se face astfel: în dreptul liniei şi coloanei
unei variabile de bază se înscrie valoarea 1 în restul coloanei completând cu 0 (inclusiv la zjB-cj).
4) Dacă ∀j=1,...,n avem zjB-cj≤0 atunci programul de bază xB=
B
x , xS=0 este optim. STOP. 5) Dacă există indici j astfel încât să avem zj
B-cj>0 atunci: 5.1) dacă pentru un indice j pentru care zj
B-cj>0 avem yijB≤0 ∀i=1,...,m atunci conform teoremei 13
problema are optim infinit. STOP. 5.2) dacă ∀j=1,...,n astfel încât zj
B-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;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
6) Pentru j determinat la 5.2.) se determină variabila ce părăseşte baza cu ajutorul relaţiei:
B
pj
B p
B
ij
B i
i0y y
x
y
xmin
ij
=
∈>
B
. Dacă minimul este atins pentru mai mulţi indici, se alege unul dintre aceştia. Variabila
xp părăseşte baza devenind variabilă secundară; 7) Se înlocuieşte în baza B vectorul ap cu aj determinându-se noua bază B' şi se recalculează cantităţile de la
punctul 3) în noua bază, astfel: 7.1) Se construieşte scheletul tabelului simplex, în care nu se mai trec coeficienţii funcţiei obiectiv; 7.2) În coloana V.B. se înlocuieşte numele variabilei xp cu xj; 7.3) Se marchează (eventual prin încercuire) în vechiul tabel elementul ypj
B care se numeşte pivot; 7.4) Coloanele actualelor variabile de bază se completează ca la punctul 3.8); 7.5) Linia pivotului se împarte la pivot; 7.6) Restul elementelor din noul tabel, se obţin cu ajutorul regulii dreptunghiului care constă în
următoarea formulă de transformare: B
pj
B
ps
B
ij
B
pj
B
isBis y
yyyyy
−= ∀i=1,...,m+1 ∀s=0,...,n, unde am notat pentru
extensia formulei: s
B
s
B
s,1m czy −=+ ∀s=1,...,n, B
B
0,1m zy =+ şi B i
B0i xy = ∀i=1,...,m.
8) Se reia algoritmul de la punctul 4) până la determinarea soluţiei.
yisB y
ijB
+
element de transformat
pivot
-y
psB y
pjB
Problema care se pune acum este determinarea unui program de bază iniţial. Un mod de a face acest
lucru este dat de metoda celor două faze care constă în: 1) Se transformă toate restricţiile în ecuaţii Ax=b cu b≥0 (eventual prin înmulţire cu
(-1)); 2) Se identifică acele variabile care apar numai într-una dintre restricţii şi are coeficient pozitiv. În caz
favorabil, se împarte ecuaţia respectivă la acest coeficient; 3) Se adaugă la fiecare ecuaţie care nu apare la punctul 2) câte o variabil ă artificial ă obţinând vectorul
xa=(x1,a,...,xk,a)t obţinând egalitatea: Ax+I(k)xa=b unde I(k) reprezintă matricea obţinută din cea nulă prin plasarea, pe diagonala principală, de elemente egale cu 1 în liniile corespunzătoare variabilelor artificiale iar b este noul vector al termenilor liberi (după eventualele înmulţiri cu (–1) sau împărţiri la coeficienţi ai restricţiilor ). Se recomandă ca indicii variabilelor artificiale să fie daţi în acord cu numerele de linie ale ecuaţiilor corespondente;
4) Se rezolvă apoi problema de programare liniară:
≥≥=+
++
0 x,0x
bx)k(IAx
)x...xmin(
a
a
a ka 1
.
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;
5.3) În coloana V.V.B. se introduc valorile determinate pe baza relaţiei B
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:
5.7.1) B
z =∑∈Bi
B
ijyic adică se înmulţesc valorile primei coloane cu valorile coloanei V.V.B. şi se adună
rezultatele;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
5.7.2) j
B
j cz − =∑∈Bi
B
ijyic -cj ∀j=1,...,n adică se înmulţesc valorile primei coloane cu valorile coloanei xj
şi se adună rezultatele scăzându-se la final valoarea din ultima linie; 5.8) O completare rapidă a coloanelor variabilelor de bază se face astfel: în dreptul liniei şi coloanei
unei variabile de bază se înscrie valoarea 1 în restul coloanei completând cu 0 (inclusiv la zjB-cj).
6) Se aplică algoritmul simplex până la final. Trebuie remarcat că nu se poate obţine la această fază optim infinit deoarece funcţia obiectiv fiind min(x1 a+...+xk a)≥ 0 nu se poate ajunge la -∞ printr-o creştere corespunzătoare a unei variabile;
7) În final, avem următoarele situaţii: 7.1) Dacă min(x1 a+...+xk a)>0 rezultă că problema iniţială nu are programe. Într-adevăr, această valoare
optimă implică faptul că există j=1,...,k astfel încât xj a>0. În acest caz, restricţia j din problema iniţială şi din cea auxiliară sunt incompatibile (implicând după scădere xj a=0-contradicţie);
7.2) Dacă min(x1 a+...+xk a)=0 atunci, cum xi a=0 ∀i=1,..., k rezultă că problema iniţială are programe. Avem însă două situaţii: 7.2.1) toate variabilele auxiliare au ieşit din bază. În acest caz, baza obţinută la problema auxiliară este
bază pentru problema iniţială; 7.2.2) au rămas variabile auxiliare în bază, fiind evident nule. În acest caz, avem din nou două situaţii:
7.2.2.1) dacă pe linia corespunzătoare unei variabile auxiliare, există un element nenul în dreptul unei variabile neauxiliare, se face transformarea cu pivotul respectiv;
7.2.2.2) dacă pe linia corespunzătoare unei variabile auxiliare, toate elementele din dreptul coloanelor variabilelor neauxiliare sunt nule, atunci ecuaţia căreia i s-a ataşat variabila auxiliară este o consecinţă a celorlalte ecuaţii (cazul când rangul matricei A nu era m). În acest caz, linia respectivă a tabelului simplex se elimină, împreună cu variabila auxiliară respectivă.
8) Se trece la a doua fază prin recalcularea tabelului simplex pentru problema iniţială. Astfel: 8.1) Se copie ultimul tabel, mai puţin ultima linie a acestuia; 8.2) Se recalculează ultima linie în raport cu coeficienţii funcţiei obiectiv iniţiale c1,...,cn. 9) Se rezolvă problema cu ajutorul algoritmului simplex. Observaţie
La finalul primei faze, dacă toate variabilele auxiliare au ieşit din bază atunci toate cantităţile j
B
j cz −
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 formula:
sk
s
k
B
k
B'B
y
x)cz(zz −−= cum
s
x =0 rezultă că soluţia obţinută rămâne 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 )cz( j
B
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).
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
LECŢIA 3
DUALITATE ÎN PROGRAMAREA LINIAR Ă
Pasul 1 - Introducere Definiţie
Fie problema generală de minim a programării liniare:
(P1)
≤≥≤++=++≥++
++
arbitrar x,0 x,0x
bxAxAxA
bxAxAxA
bxAxAxA
xcxcxc min
321
3
3
33
2
32
1
31
2
3
23
2
22
1
21
1
3
13
2
12
1
11
3
3
2
2
1
1
Se numeşte problemă duală a acesteia problema:
(D1)
≤≥=++≥++≤++
++
0u ,arbitrar u ,0u
cuAuAuA
cuAuAuA
cuAuAuA
ububub max
321
t
3
3t
33
2t
23
1t
13
t
2
3t
32
2t
22
1t
12
t
1
3t
31
2t
21
1t
11
3t
3
2t
2
1t
1
Definiţie
Fie problema generală de maxim a programării liniare:
(P2)
≤≥≤++=++≥++
++
arbitrar x,0 x,0x
bxAxAxA
bxAxAxA
bxAxAxA
xcxcxc max
321
3
3
33
2
32
1
31
2
3
23
2
22
1
21
1
3
13
2
12
1
11
3
3
2
2
1
1
Se numeşte problemă duală a acesteia problema:
(D2)
≥≤=++≤++≥++
++
0u ,arbitrar u ,0u
cuAuAuA
cuAuAuA
cuAuAuA
ububub min
321
t
3
3t
33
2t
23
1t
13
t
2
3t
32
2t
22
1t
12
t
1
3t
31
2t
21
1t
11
3t
3
2t
2
1t
1
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:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
(1)
≥=0x
bAx
xc min t
şi duala acesteia:
(2)
≤arbitraru
cuA
ub maxt
t
Definiţie O bază B a lui A astfel încât: cBB-1A-c≤0 ( j
B
j cz − ≤0 ∀j=1,...,n) se numeşte bază dual admisibilă. O
soluţie x a problemei primale ce corespunde unei baze dual admisibile se numeşte soluţie dual admisibilă. Fie acum cuplul de probleme duale:
(3)
≥≥0x
bAx
xc min t
(4)
≥≤0u
cuA
ub maxt
t
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=cB
tB-1. Pentru aceste două programe funcţiile obiectiv au valori egale. Într-adevăr, uB
taj=cBtB-1aj=zj
B≤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*>btu . 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 final,
cum valoarea optimă a funcţiei obiectiv este B
z =btuB=uBtb=cB
tB-1b=cBtxB rezultă că funcţiile obiectiv ale
problemelor primală respectiv duală au valori egale. Pasul 2 - Algoritmul simplex dual
În aplicarea algoritmului simplex primal se porneşte de la o bază primal admisibilă şi în urma
înlocuirii succesive a vectorilor din bază se obţine, în final, o bază dual admisibilă. Algoritmul simplex dual constă în procesul invers. Se porneşte cu o bază dual admisibilă şi după un
sistem de calcul oarecum asemănător, se obţine în final o bază primal admisibilă. În cele ce urmează, vom considera perechea de probleme duale:
(P)
≥=0x
bAx
xc min t
, (D)
≤arbitraru
cuA
ub maxt
t
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:
1) ∃k∈B astfel încât kB
x <0; 2) ykj
B≥0 ∀j∈S În acest caz, problema primală nu are programe. Teoremă
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Fie B o bază dual admisibilă astfel încât:
1) ∀k∈B astfel încât kB
x <0 ⇒ ∃j∈1,...,n astfel încât ykjB<0;
2) Fie pentru k∈B, s∈S astfel încât B
ks
s
B
s
B
kd
d
B
d
0y y
cz
y
czmin
Bkd
−=
−<
.
În acest caz, înlocuind în baza B coloana k cu coloana s, valoarea funcţiei obiectiv a problemei duale este mai mare sau egală cu cea anterioară.
Din cele de mai sus se pot enunţa acum: Etapele de aplicare a algoritmului simplex dual
Fie x o soluţie dual admisibilă. 1) Fie J=j x j<0; 2) Dacă J=∅ atunci x este soluţie optimă. STOP. 3) Dacă J≠∅ atunci: 3.1) Dacă ∃j∈J astfel încât componentele de rang j ale vectorilor coloană din A ce nu fac parte din bază
sunt pozitive atunci problema primală nu are soluţie. STOP. 3.2) Dacă ∀j∈J componentele de rang j ale vectorilor coloană din A ce nu fac parte din bază au şi valori
negative atunci fie Jj
min∈
x j= x k şi kp
pp
kj
jj
0yJj y
cz
y
czmin
kj
−=
−
<∈
. Vectorul care va părăsi baza va fi ak iar cel
care va intra în bază va fi ap; 4) După transformarea cu pivotul ykp se revine la pasul 1.
Cu ajutorul observaţiei 6, 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:
1) Dacă problema este sub formă canonică:
≥≥0x
bAx
xc min t
ea se transformă în
≥−≤
0x
bAx-
xc min t
. Introducând
variabilele ecart, acestea formează o bază a 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+∑
∈Si
ix =M
unde în prealabil s-a determinat o bază B, iar S reprezintă indicii restului coloanelor lui A. Numărul M este ales suficient de mare. Problema care se obţine are următoarea formă:
(5)
≥≥=
=+
+
∈
+ ∑
0 x,0x
bAx
Mxx
xc min
1n
Ii
i1n
t
3) Se determină apoi k∈S astfel încât să avem ( ) k
B
ki
B
iiczczmax −=−
∈S.
4) Considerând baza B’ obţinută din B prin înlocuirea coloanei lui xn+1 cu coloana lui xk se obţine o bază dual admisibilă.
5) În final, există mai multe situaţii: 5.1) Dacă problema (5) nu are programe, atunci nici problema (P) nu are programe; 5.2) Dacă problema (5) are programe atunci există trei variante:
5.2.1) xn+1 rămâne în baza optimă şi atunci restul variabilelor constituie soluţia optimă; 5.2.2) xn+1 nu rămâne în baza optimă, dar valoarea optimă a funcţiei obiectiv depinde de M. În acest
caz, pentru M→∞ rezultă că problema iniţială are optim infinit; 5.2.3) xn+1 nu rămâne în baza optimă, iar valoarea optimă a funcţiei obiectiv nu depinde de M. În acest
caz, se poate obţine soluţia optimă, descrescându-l pe M până în momentul în care una din variabilele de bază ce este funcţie de M devine nulă.
Observaţie Din cauza dificultăţilor de aplicare în determinarea unei baze iniţiale dual admisibile, nu vom aplica
acest algoritm decât în cadrul problemelor de reoptimizare pe care le vom studia mai jos. Observaţie
Problema duală are o interpretare imediată. Dacă în problema primală x are o anumită semnificaţie, din faptul că funcţiile obiectiv ale celor două probleme coincid la optim, rezultă că:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
i
i
m
m
1
1
i
n
n
1
1 ub
)ub...ub(
b
)xc...xc( =∂
++∂=∂
++∂, i=1,...,m
Aceasta înseamnă că la modificarea cu o unitate a termenului liber bi (ce poate avea semnificaţie de resursă arbitrară) valoarea funcţiei obiectiv creşte cu cea a variabilei duale ataşate restricţiei “i”. Prin urmare, mărimea valorilor variabilelor duale, dau un indiciu asupra “sensibilităţii” unor restricţii ale problemei primale.
LECŢIA 4
REOPTIMIZARE ŞI PARAMETRIZARE ÎN PROGRAMAREA LINIAR Ă
Pasul 1 - Modificarea termenilor liberi
Să presupunem că termenii liberi ai problemei iniţiale:
≥=0x
bAx
cx min
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; 2) coloana V.V.B. devine B-1b’; 3) funcţia obiectiv se recalculează în funcţie de valorile obţinute la 2).
Cum ultima linie a tabelului rămâne neschimbată rezultă că baza B este dual admisibilă, deci se aplică în continuare algoritmul simplex dual.
Pasul 2 - Modificarea coeficienţilor func ţiei obiectiv Să presupunem că vectorul coeficienţilor funcţiei obiectiv devine c’. Acesta modifică numai ultima
linie a tabelului simplex, care va fi calculată corespunzător. Evident baza rămâne primal admisibilă deci se continuă cu algoritmul simplex primal.
Pasul 3 - Introducerea unei variabile suplimentare Să presupunem acum că introducem o variabilă suplimentară xn+1. În acest caz se ataşează tabelului o
coloană suplimentară corespunzătoare variabilei nou introduse. Cum am obţinut deja o bază primal admisibilă, rezultă că avem două situaţii:
1) dacă zn+1B-cn+1≤0 atunci soluţia optimă rămâne neschimbată;
2) dacă zn+1B-cn+1>0 atunci se aplică agoritmul simplex primal.
Pasul 4 - Modificarea coeficienţilor unei variabile
Să presupunem că vectorul coeficienţilor unei variabile xi se modifică astfel încât ai se schimbă în a’i. Din modul de completare a tabelului simplex, s-a văzut că vectorul ai nu influenţează decât coloana corespunzătoare lui xi. Problema care apare însă este dacă variabila xi era variabilă de bază sau nu. 4.1) Dacă variabila xi nu face parte din bază atunci se recalculează coloana xi cu formula B-1a’i şi cantitatea zi
B-ci aferentă. Se aplică apoi, dacă este cazul, algoritmul simplex primal. 4.2) Dacă variabila xi face parte din bază atunci, pentru simplificare, recomandăm reîntoarcerea la ultimul tabel simplex care nu conţinea variabila xi în bază şi aplicarea punctului 4.1). O altă metodă, aplicabilă îndeosebi situaţiei în care nu sunt cunoscute bazele succesive, constă şi în introducerea unei variabile auxiliare xn+1 având drept coeficienţi componentele vectorului a’ iar xi să fie considerată drept variabilă artificială. Problema se reduce la cea a introducerii unei noi variabile (vezi 3)). Aplicând metoda celor două faze cu funcţia obiectiv min (xi) şi eliminând această variabilă se obţine soluţia optimă.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Pasul 5 - Parametrizare în programarea liniară Problema parametrizării constă în determinarea comportării soluţiei optime atunci când unele din componentele problemei (termeni liberi, coeficienţi ai funcţiei obiectiv, coeficienţi ai variabilelor) depind de parametri. Problema parametrizării se soluţionează, principial, destul de simplu. Astfel se dă o valoare arbitrară parametrului (de exemplu 0) şi se rezolvă problema. La final, se modifică componenta respectivă după metodele reoptimizării. Evident că în funcţie de valorile parametrului se va obţine o soluţie optimă sau alta.
LECŢIA 5
PROBLEMA DE TRANSPORT
Pasul 1 - Introducere Am văzut la prezentarea problemelor de programare liniară că problema de transport în forma
standard are următoarea expresie:
==≥
==
==
∑
∑
∑∑
=
=
= =
n,1j ,m,1i ,0x
n,1j ,bx
m,1i ,ax
xc min
ij
j
m
1i
ij
i
n
1j
ij
m
1i
n
1j
ij
ij
unde ∑∑==
=n
1jj
m
1ii ba , ai,bj≥0.
În legătură cu această problemă avem câteva situaţii concrete care se reduc însă la problema de mai sus.
Pasul 2 - Problema de transport cu cerere excedentară
==≥
=≤
==
∑
∑
∑∑
=
=
= =
n,1j ,m,1i ,0x
n,1j ,bx
m,1i ,ax
xc min
ij
j
m
1i
ij
i
n
1j
ij
m
1i
n
1j
ij
ij
unde ∑∑==
≤n
1jj
m
1ii ba , ai,bj≥0.
Prin introducerea variabilelor ecart se poate aduce problema la forma standard. Valorile variabilelor ecart vor fi interpretate ca diferenţă între cantitatea cerută de beneficiar şi cea trimisă efectiv. Considerând un
depozit fictiv cu disponibil de resurse: am+1= ∑∑==
−m
1ii
n
1jj ab obţinem condiţia suplimentară: 1m
n
1j
j,1m ax +=
+ =∑ .
Costurile asociate transporturilor fictive vor fi interpretate după caz fie ca penalităţi stabilite prin contracte cu beneficiarii pentru neonorarea cererilor fie vor fi luate nule în situaţia în care nu există astfel de contracte.
Pasul 3 - Problema de transport cu ofertă excedentară
==≥
==
=≤
∑
∑
∑∑
=
=
= =
n,1j ,m,1i ,0x
n,1j ,bx
m,1i ,ax
xc min
ij
j
m
1i
ij
i
n
1j
ij
m
1i
n
1j
ij
ij
unde ∑∑==
≥n
1jj
m
1ii ba , ai,bj≥0.
Prin introducerea variabilelor ecart se poate aduce problema la forma standard. Valorile variabilelor ecart vor fi interpretate ca diferenţă între cantitatea oferită de furnizor şi cea trimisă efectiv. Considerând un
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
beneficiar fictiv cu cerere de resurse: bn+1= ∑∑==
−n
1jj
m
1ii ba obţinem condiţia suplimentară: 1n
m
1i
1n,i bx +=
+ =∑ .
Costurile asociate transporturilor fictive vor fi interpretate după caz fie ca fiind costuri de stocare fie vor fi luate nule.
Pasul 4 - 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=minai,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=b j 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= ijI)j,i(
dmax∉
şi se determină ciclul format de celula
(a,b) cu alte celule ce corespund variabilelor bazice. 4) Se stabileşte o orientare de parcurs în ciclu şi se marchează celulele ce ocupă un rang par (celula (a,b)
având numărul 1). Fie xcd variabila şi x’ cd valoarea cea mai mică dintre celulele marcate. 5) Se scade această valoare din valorile variabilelor aflate în celule marcate şi se adună la celulele din ciclu
ce au rămas nemarcate. 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. 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.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la programarea liniară. Aţi învăţat algoritmul
Simplex şi modul de aplicare a lui în diferite situaţii generate de restricţii, funcţia obiectiv sau natura
variabilelor. De asemenea, aţi învăţat modaitatea de reoptimizare a unei probleme de programare liniară.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
EXEMPLE ILUSTRATIVE
1. Să se rezolve problema de programare liniară:
≥=++
=+−+−=++−
+
0x,x,x,x
6x2x4x
2xxx5x
3xxxx2
x xmin
4321
421
4321
4321
31
Soluţie Avem:
≥=+++
=++−+−=+++−
++
0x,x,x,x,x,x,x
6xx2x4x
2xxxx5x
3xxxxx2
xx xmin
a 3a 2a 14321
a 3421
a 24321
a 14321
a 3a 2a 1
Tabelele simplex pentru prima fază sunt:
VB VVB x1 x2 x3 x4 x1 a x2 a x3 a
1 x1 a 3 2 -1 1 1 1 0 0 1 x2 a 2 -1 5 -1 1 0 1 0 1 x3 a 6 1 4 0 2 0 0 1 z 11 2 8 0 4 0 0 0 0 0 0 0 1 1 1
VB VVB x1 x2 x3 x4 x1 a x3 a
x1 a 17/5 9/5 0 4/5 6/5 1 0 x2 2/5 -1/5 1 -1/5 1/5 0 0 x3 a 22/5 9/5 0 4/5 6/5 0 1 z 39/5 18/5 0 8/5 12/5 0 0
VB VVB x1 x2 x3 x4 x3 a
x1 17/9 1 0 4/9 6/9 0 x2 7/9 0 1 -1/9 1/3 0 x3 a 1 0 0 0 0 1 z 1 0 0 0 0 0
Prima fază s-a încheiat, dar funcţia obiectiv nu este nulă. Prin urmare, problema iniţială nu are soluţie. Într-adevăr, dacă adunăm primele două restricţii şi comparăm rezultatul cu cea de-a treia rezultă 5=6 ceea ce este evident o contradicţie.
2. Să se rezolve atât în mod grafic, cât şi cu algoritmul simplex, problema de programare liniară:
≥≥
≤+≤−
+
0x,x
1x
12x3x4
1xx
x34x max
21
1
21
21
21
Soluţie Avem rezolvarea grafică în figura 167:
O x1
x2
31 15/7
8/7
8/3
1
4
x 1
x 2
4+3
)
max(x 1
x 2
4+3
=0
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Se observă că avem o infinitate de puncte de optim şi anume cele dispuse pe segmentul determinat de
punctele
7
8,
7
15 şi
3
8,1 .
Forma standard a problemei este:
≥=−
=++=+−
−−
0y,y,y,x,x
1yx
12yx3x4
1yxx
x34x- min
32121
31
221
121
21
Avem acum, prima fază:
≥=+−=++
=+−
0x,y,y,y,x,x
1xyx
12yx3x4
1yxx
xmin
a 332121
a 331
221
121
a 3
Tabelele simplex sunt: VB VVB x1 x2 y1 y2 y3 x3 a
0 y1 1 1 -1 1 0 0 0 0 y2 12 4 3 0 1 0 0 1 x3 a 1 1 0 0 0 -1 1 z 1 1 0 0 0 -1 0 0 0 0 0 0 1
VB VVB x1 x2 y1 y2 y3
y1 0 0 -1 1 0 1 y2 8 0 3 0 1 4 x1 1 1 0 0 0 -1 z 0 0 0 0 0 0
Revenind la problema iniţială, rezultă: VB VVB x1 x2 y1 y2 y3
0 y1 0 0 -1 1 0 1 0 y2 8 0 3 0 1 4 -4 x1 1 1 0 0 0 -1 z -4 0 3 0 0 4 -4 -3 0 0 0
VB VVB x1 x2 y1 y2 y3
y3 0 0 -1 1 0 1 y2 8 0 7 -4 1 0 x1 1 1 -1 1 0 0 z -4 0 7 -4 0 0
VB VVB x1 x2 y1 y2 y3
y3 8/7 0 0 3/7 1/7 1 x2 8/7 0 1 -4/7 1/7 0 x1 15/7 1 0 3/7 1/7 0 z -12 0 0 0 -1 0
Am obţinut deci soluţia optimă x1=7
15, x2=
7
8 cu optimul –(-12)=12.
Cum cantitatea zjB-cj corespunzătoare coloanei lui y1 este nulă vom mai face o transformare cu pivotul
3/7. Obţinem: VB VVB x1 x2 y1 y2 y3
y1 8/3 0 0 1 1/3 7/3 x2 8/3 0 1 0 1/3 4/3 x1 1 1 0 0 0 -1 z -12 0 0 0 -1 0
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Am obţinut o altă soluţie optimă x1=1, x2=3
8 cu acelaşi optim –(-12)= 12. Dacă încercăm să-l
reintroducem în bază pe y3 obţinem tabelul simplex anterior.
Prin urmare, soluţia optimă este formată din toate punctele segmentului determinat de punctele
7
8,
7
15 şi
3
8,1 . Se ştie că ecuaţia unui segment de capete (x1,y1) şi (x2,y2) este:
−+=−+=
)yy(tyy
)xx(txx
121
121 , t∈[0,1]. În
cazul nostru, obţinem soluţia optimă: x1=7
t815−, x2=
21
t3224+, t∈[0,1], optimul fiind egal cu 12.
3. Să se rezolve problema de programare liniară:
≥≥+≥+≥+
+
0x,x
2x2x
6x3x4
3xx3
x2x min
21
21
21
21
21
Soluţie Introducem variabilele ecart y1,y2,y3 pentru a aduce problema la forma standard:
≥=−+=−+
=−++
0y,y,y,x,x
2yx2x
6yx3x4
3yxx3
x2x min
32121
321
221
121
21
Pentru determinarea unei baze iniţiale folosim metoda celor două faze. Fie deci variabilele artificiale x1 a, x2 a , x3 a. Obţinem:
≥=+−+=+−+
=+−+++
0x,x,x,y,y,y,x,x
2xyx2x
6xyx3x4
3xyxx3
xx xmin
a 3a 2a 132121
a 3321
a 2221
a 1121
a 3a 2a 1
Tabelul simplex ataşat acestei probleme este: VB VVB x1 x2 y1 y2 y3 x1 a x2 a x3 a
1 x1 a 3 3 1 -1 0 0 1 0 0 1 x2 a 6 4 3 0 -1 0 0 1 0 1 x3 a 2 1 2 0 0 -1 0 0 1 z 11 8 6 -1 -1 -1 0 0 0 0 0 0 0 0 1 1 1
Maximul elementelor din penultima linie este 8 iar în coloana lui x1 avem min
1
2,
4
6,
3
3=
3
3 deci pivotul
va fi 3. Următorul tabel simplex este: VB VVB x1 x2 y1 y2 y3 x2 a x3 a
x1 1 1 1/3 -1/3 0 0 0 0 x2 a 2 0 5/3 1/3 0 -1 0 1 x3 a 1 0 5/3 1/3 0 -1 0 1 z 3 0 10/3 5/3 -1 -1 0 0
În ultima linie avem cantităţile 3
10 şi
3
5 care sunt pozitive. Maximul acestora se atinge la
3
10. Rapoartele
dintre valorile variabilelor de bază şi cantităţile din coloana lui x2 conduc la pivotul 3
5 din linia lui x3 a.
Tabelul simplex devine: VB VVB x1 x2 y1 y2 y3 x2 a
x1 4/5 1 0 -2/5 0 1/5 0 x2 a 1 0 0 1 -1 1 1 x2 3/5 0 1 1/5 0 -3/5 0
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
z 1 0 0 1 -1 1 0 Cum cantităţile pozitive maxime din ultima linie sunt egale, facem o alegere, luându-l de exemplu pe y1.
Obţinem: VB VVB x1 x2 y1 y2 y3 x1 6/5 1 0 0 -2/5 3/5 y1 1 0 0 1 -1 1 x2 2/5 0 1 0 -4/5 -4/5 z 0 0 0 0 0 0
Cum în acest caz toate cantităţile din ultima linie sunt nule şi cum valoarea minimă a funcţiei obiectiv pentru faza I este nulă rezultă că am obţinut baza iniţială B=x1,y1,x2. Trecând acum la faza a doua a problemei, obţinem:
VB VVB x1 x2 y1 y2 y3 2 x1 6/5 1 0 0 -2/5 3/5 0 y1 1 0 0 1 -1 1 1 x2 2/5 0 1 0 -4/5 -4/5 z 14/5 0 0 0 -8/5 2/5 2 1 0 0 0
Avem acum pivotul 1 din coloana lui y3: VB VVB x1 x2 y1 y2 y3 x1 3/5 1 0 -3/5 1/5 0 y3 1 0 0 1 -1 1 x2 6/5 0 1 4/5 -8/5 0 z 12/5 0 0 -2/5 -6/5 0
Cum toate cantităţile (exceptând valoarea optimă) din ultima linie sunt nepozitive rezultă că am
determinat chiar programul optim şi anume: x1=5
3, x2=
5
6 iar minimul este
5
12. Se observă că dacă la
eliminarea lui x2 a l-am fi introdus pe y3 în bază, se obţinea mult mai repede soluţia optimă. Nu putem însă determina anterior care schimbare este mai rapidă.
RECOMANDĂRI BIBLIOGRAFICE
49. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii diferenţiale, Bucureşti, Editura All, 1994;
50. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions Mir Moscou, Vol. I, II, 1985;
51. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981; 52. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980; 53. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983; 54. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004; 55. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006; 56. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981; 57. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991; 58. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984; 59. Lang, S., Algebra, Addison-Wesley, 1971; 60. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988; 61. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986; 62. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978; 63. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982; 64. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.
TESTE DE AUTOEVALUARE
1. Să se rezolve problema de programare liniară:
≥≥+≤+
+
0y,x
hgyfx
edycx
)byaxmin(
unde:
a=1, b=5, c=6, d=43, e=5, f=9, g=8, h=1.
1. x=0,12, y=9,9999998E-3 2. x=2,3599999, y=2,28 3. x=1,49, y=0,94 4. x=3,24, y=2,0999999
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
2. Să se rezolve problema de programare liniară:
≥≥+≤+
+
0y,x
hgyfx
edycx
)byaxmin(
unde: a=9, b=5, c=5, d=9, e=9, f=6, g=2, h=4.
1. x=1,66, y=1,58 2. x=2,4400001, y=3,4000001 3. x=0,76999998, y=0,41 4. x=3,8299999, y=3,22
3. Să se rezolve problema de programare liniară:
≥≥+≤+
+
0y,x
hgyfx
edycx
)byaxmin(
unde: a=5, b=6, c=8, d=9, e=1, f=16, g=4, h=1.
1. x=1,95, y=1,47 2. x=0,07, y=3,9999999E-2 3. x=2,01, y=1,75 4. x=3,49, y=2,1900001
TEMĂ DE CONTROL
1. Să se rezolve problema de programare liniară:
≥=−+−=−+−
−≥+−=+−+
−−+
0x,x,x,x
11xx9x4x
3xx5x2x
1xxx3
5xxx3x2
x6xx2 xmax
4321
4321
4321
321
4321
4321
2. Să se rezolve problema de programare liniară:
≤≥≥−≤+−
≥+−−
arbitrar x ,0x ,0x
20xx2
2xx
4xxx
x2x max
321
21
31
321
21
3. Să se rezolve problema de programare liniară:
≥=++
=+−+−=++−
+
0x,x,x,x
6x2x4x
2xxx5x
3xxxx2
x xmin
4321
421
4321
4321
31
4. Să se rezolve atât în mod grafic, cât şi cu algoritmul simplex, problema de programare liniară:
≥≥
≤+≤−
+
0x,x
1x
12x3x4
1xx
x34x max
21
1
21
21
21
5. Să se rezolve problema de programare liniară:
≥≥+≥+≥+
+
0x,x
2x2x
6x3x4
3xx3
x2x min
21
21
21
21
21
6. Să se rezolve problema de programare liniară:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
≥≤+−−
≥+=++
−
0x,x,x,x
8xxx
5x2x
20x5xx
x2x max
4321
321
42
321
41
7. Capacitatea unui atelier de montaj poate asigura producţia zilnică de 120 de bucăţi pentru articolul A şi de 360 de bucăţi pentru articolul B. În 24 ore serviciul de control tehnic nu poate verifica decât 200 de articole indiferent de tip. Articolele A sunt de patru ori mai scumpe decât cele de tip B. Se cere planificarea producţiei astfel încât venitul atelierului să fie maxim.
MODULUL 5
MATEMATICI FINANCIARE
Obiectivele specifice modulului: Introducerea noţiunilor de dobândă simplă şi compusă. Scadenţe Operaţiuni de scont Anuităţi Împrumuturi
Rezultatele aşteptate:
Însuşirea modului de calcul a unei dobânzi. Aprofundarea modului de determinare a anuităţilor. Învăţarea modului de concepere a unui tabel de împrumut.
Competenţe dobândite ca urmare a parcurgerii modulului: Deprinderea folosirii corecte a conceptului de dobândă. Deprinderea folosirii corecte a anuităţilor. Folosirea corectă a metodelor de calcul a împrumuturilor.
Timpul mediu necesar pentru asimilarea modulului : 4 ore
LECŢIA 1
DOBÂNZI
Pasul 1 - Dobânda simplă 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:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
D=S100
dt=
100
Sdt=Sit
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:
D=n100
Sdk=
n
Sik
Suma totală la sfârşitul perioadei de t ani este:
St=S+D=S+100
Sdt=S
+100
dt1 =S(1+it)
Reciproc, pentru a obţine suma St după t ani va trebui plasată la începutul perioadei de depunere suma:
S=
100dt
1
St
+=
it1
St
+
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:
t=S
tSn
1iii∑
=
numită scadenţă comună (dacă se cunoaşte suma depusă) şi:
t=
∑
∑
=
=n
1ii
n
1iii
S
tS
numită scadenţă medie dacă S=∑=
n
1iiS .
Să considerăm acum sumele S1,...,Sn depuse pe duratele t1,...,tn cu dobânzile d1,...,dn. Ne propunem să determinăm dobânda medie d pentru care aceste sume plasate pe aceleaşi durate să furnizeze aceeaşi dobândă totală. Avem:
∑∑==
=n
1i
iin
1i
iii
100
dtS
100
tdS
de unde:
d=
∑
∑
=
=n
1iii
n
1iiii
tS
tdS
numită dobânda medie.
Pasul 2 - Dobânda compusă Definiţie
Dobânda compusă este dobânda obţinută în urma adăugării dobânzii simple la suma plasată iniţial în scopul producerii unei noi dobânzi.
Dacă i este dobânda unitară, vom numi: u=1+i - factorul de fructificare
Avem astfel: S1=S+Si=S(1+i), S2=S1+S1i=S1(1+i)= S(1+i)2. Să presupunem că după n ani avem: Sn=S(1+i)n. Avem: Sn+1=Sn+Sni=Sn(1+i)= S(1+i)n+1 deci prin inducţie matematică rezultă:
Sn=S(1+i)n=Sun ∀n≥0 Dobânda compusă este:
D=Sn-S=S[(1+i)n-1]=S(un-1) Să studiem acum cazul în care n∉N. În această situaţie se poate proceda în două moduri: 1) Se foloseşte formula generală a dobânzii compuse pentru numărul întreg de perioade de timp şi se aplică
formula dobânzii simple pentru partea fracţionară, soluţie numită soluţia raţională. 2) Se foloseşte formula generală a dobânzii compuse atât pentru partea întreagă cât şi pentru partea
fracţionară, soluţie numită soluţia comercială. Să studiem acum fiecare din cele două cazuri:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
1) Fie t=n+m
k durata de depunere în care n reprezintă numărul de ani, m-numărul de perioade de timp
egale ale unui an şi k numărul de perioade pe care s-a plasat împrumutul. Avem după n ani: Sn=S(1+i)n iar
în restul de m
k ani avem dobânda simplă la Sn: D=Sni
m
k. Obţinem deci:
St=Sn+D=S(1+i)n+S(1+i)nim
k=S(1+i)n(1+i
m
k)
2) În acest caz funcţia S:[0,∞)→R, S(t)=S(1+i)t ∀t∈[0,∞) fiind continuă pe tot domeniul de definiţie, avem:
St=S m
kn
)i1(+
+ =S m
kn
u+
=Sun m
k
u
În problema dobânzilor compuse, de o importanţă foarte mare este perioada la care se calculează procentul de dobândă. Fie deci dn procentul de dobândă pentru o perioadă de n unităţi de timp şi dm procentul de dobândă pentru o perioadă de m unităţi de timp. Dobânzile se numesc propor ţionale dacă ele produc acelaşi efect în cazul dobânzilor simple. Avem deci pentru o perioadă de mn unităţi de timp dnm dobânda produsă în primul caz şi dmn în cel de-al doilea. Prin urmare: dnm=dmn de unde:
m
n
d
d
m
n =
Observaţie Dobânda corespunzătoare unei perioade de o lună se numeşte dobândă mensuală, pentru o perioadă
de trei luni: dobândă trimestrial ă, 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 un an: 12
1d 100
d1SS
1
+= ,
+=100
d1SS 12
d12. Cum
12
1
d
d
12
1 = rezultă d12=12d1 de unde:
12
11d 100
d1S
100
d121SS
12
+≤
+=
unde am folosit inegalitatea lui Bernoulli: (1+a)x≥1+xa ∀x≥1 ∀a>-1. În general, fie dn procentul de dobândă pentru o perioadă de n unităţi de timp şi dm procentul de dobândă pentru o perioadă de m unităţi de timp. Dacă [m,n] este cel mai mic multiplu comun al numerelor m
şi n, avem după [ ]
n
n,m perioade Sn=
[ ]n
n,m
n
100
d1S
+ iar după [ ]
m
n,m perioade de timp:Sm=
[ ]m
n,m
m
100
d1S
+ .
Deoarece m
n
d
d
m
n = rezultă dm=n
mdn . Obţinem deci Sm=
[ ]m
n,m
n
n
m
100
d1S
+ . Fie n
m=α. Atunci:
Sm=
[ ]m
n
n
n,m
n
100
d1S
α+ =
[ ]α
α+1
n
n,m
n
100
d1S . Dacă acum m≥n rezultă α≥1 deci, cu inegalitatea Bernoulli:
Snα=
[ ]α
+n
n,m
n
100
d1S ≥
[ ]n
n,m
n
100
d1S
α+ =Smα. De aici: 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.
Astfel în cazul general de mai sus, avem:
[ ]n
n,m
n
100
d1S
+ =
[ ]m
n,m
m
100
d1S
+ de unde:
m
n
100
d1
+ =n
m
100
d1
+
sau altfel:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
1100
d1
100
dn
m
nm −
+=
În cazul particular n=1 şi m=12 (cu convenţia xx1 = ∀x∈R) rezultă:
1100
d1
100
d12
112 −
+=
Fie acum o sumă S plasată cu dobânda d pe an în două perioade egale. După primul semestru, vom
avea suma S1=S
+200
d1 , iar după a doua: S2=S
2
200
d1
+ . Dobânda rezultată va fi deci:
D=S
SS2 −=
2
200
d1
+ -1=2
2
200
d
200
d2 + de unde:
d’=100D=d+400
d2
Astfel, pentru d=50% obţinem: d’=56,25%. Definiţie
Dobânda d se numeşte dobândă nominală iar d’ se numeşte dobândă reală sau efectivă. Fie deci acum n perioade de timp în care împărţim un an şi d: dobânda nominală iar d’: dobânda
efectivă. Avem: S1=Sn
n100
d1
+ =S
+100
'd1 de unde:
d’=100
−
+ 1n100
d1
n
care reprezintă dobânda efectivă în funcţie de dobânda nominală. De asemenea, din aceeaşi formulă, avem:
d=100n
−+ 1
100
'd1n
care reprezintă dobânda nominală în funcţie de cea efectivă.
LECŢIA 2
OPERAŢIUNI DE SCONT
Pasul 1 - Generalităţi Definiţie
Scontul reprezintă operaţiunea de cumpărare de către o bancă comercială a unei poliţe înainte de termenul limită de scadenţă a acesteia în schimbul unui comision. De asemenea, scontul mai reprezintă şi diminuarea unor datorii atunci când acestea se achită în avans (de exemplu atunci când în cazul unui credit, debitorul achită o rată mai mare decât cea prevăzută).
Pasul 2 - Scontul simplu
Fie suma S0 împrumutată cu dobânda d pe o perioadă de n ani (luni) de la creditorul C1. La momentul n1<n, creditorul C1 doreşte încasarea sumei Sf pe care trebuia să o primească la sfârşitul celor n ani adică Sf=S0(1+nd). În acest caz, el se adresează băncii C2 care îi va rambursa suma din care va scădea o taxă T. Aceasta, va prelua poliţa şi îi va da creditorului C1 suma Sf-T. La momentul de timp n1 poliţa iniţială are o valoare S1 – numită valoare finală la scontare, iar suma de plecare după reţinerea comisionului - Ssc se va numi valoare scontată. Diferenţa S=Sf-Ssc se numeşte taxă de scont (sau simplu, scont).
Să presupunem că banca C2 aplică o dobândă simplă valorii scontate. Fie aceasta „s”. În perioada de scontare, C2 va obţine suma:
Sf=Ssc(1+s(n-n1))
de unde rezultă că scontul este: Ss=Sf-Ssc=Sf-)nn(s1
S
1
f
−+=
)nn(s1
)nn(sS
1
1f
−+−
=
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
)nn(s1
)nn(s)nd1(S
1
10
−+−+
- numit scont simplu (sau scont simplu raţional).
Relaţia se mai poate scrie şi sub forma:
Ss=( )
2
1
2
11f
)nn(s1
)nn(s1)nn(sS
−−−−−
=2
1
2
2
1
2
f1f
)nn(s1
)nn(sS)nn(sS
−−−−−
şi cum s2 este foarte mic se poate considera că s2(n-
n1)2≈0 de unde: Sc= )nn(sS 1f − = )nn(s)nd1(S 10 −+ - numit scont simplu comercial. Dacă vom calcula
diferenţa Sc-Ss= )nn(sS 1f − -)nn(s1
)nn(sS
1
1f
−+−
=)nn(s1
)nn(sS)nn(sS)nn(sS
1
1f
2
1
2
f1f
−+−−−+−
=)nn(s1
)nn(sS
1
2
1
2
f
−+−
>0
observăm că scontul comercial este mai mare decât cel simplu, avantajând, în mod evident, creditorul C2. Din relaţiile de mai sus, rezultă imediat că valoarea scontată este:
• Ssc=Sf-Ss=Sf-)nn(s1
)nn(sS
1
1f
−+−
=)nn(s1
S
1
f
−+=
)nn(s1
)nd1(S
1
0
−++
în cazul scontului simplu şi
• Ssc=Sf-Ss=Sf- )nn(sS 1f − = ( ))nn(s1S 1f −− = ( ))nn(s1)nd1(S 10 −−+ în cazul scontului comercial.
Se observă că în cazul scontului comercial, durata de scontare n-n1 trebuie să satisfacă condiţia 1-
s(n-n1)>0 adică: n-n1<s
1 altfel obţinând o valoare nepozitivă pentru valoarea scontată (imposibil din punct de
vedere practic). Revenind acum, după n1 ani avem S1=S0(1+n1d) şi Sf=S0(1+nd). Din formulele de mai sus deducem:
• Ssc=)nn(s1
S
1
f
−+=
)nn(s1
)nd1(S
1
0
−++
= ( ))nn(s1)dn1(
)nd1(S
11
1
−+++
în cazul scontului simplu şi
• Ssc= ( ))nn(s1S 1f −− = ( ))nn(s1)nd1(S 10 −−+ =( )
dn1
)nn(s1)nd1(S
1
11
+−−+
în cazul scontului comercial
Prin urmare avem:
• Ssc-S1= ( ))nn(s1)dn1(
)nd1(S
11
1
−+++
-S1=( )
( ))nn(s1)dn1(
)nn(s1)dn1()nd1(S
11
111 −++
−++−+= ( ))nn(s1)dn1(
)dsnsd)(nn(S
11
111 −++
−−−
în cazul scontului simplu şi
• Ssc-S1=( )
dn1
)nn(s1)nd1(S
1
11
+−−+
-S1=( )
dn1
dn1)nn(s1)nd1(S
1
111 +
−−−−+=
dn1
)ndssd)(nn(S
1
11 +
−−− în cazul scontului comercial.
Pentru a avea deci Ssc<S1 va trebui ca:
• s>dn1
d
1+ în cazul scontului simplu şi
• s>nd1
d
+ în cazul scontului comercial.
Pasul 3 - 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( ) 1nns1 −+
de unde rezultă că scontul este: Ss=Sf-Ssc=Sf- ( ) 1nnf
s1
S−+
=( )( )( ) 1
1
nn
nn
f
s1
1s1S−
−
+−+
= ( )( )
( ) 1
1
nn
nnn
0
s1
1s1)d1(S−
−
+−++
. Dacă
notăm u=s1
1
+ - numit factor de scont, obţinem: Sr= ( )1nn
f u1S −− = ( )1nnn
0 u1)d1(S −−+ - numit scont compus
(sau scont compus raţional). Considerând dezvoltarea binomială:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
( ) ...s2
)1m(mms1s1 2m +−++=+ rezultă că relaţia de mai sus devine (după neglijarea puterilor≥2):
Sc=( )( )( ) 1
1
nn
nn
f
s1
1s1S−
−
+−+
= ( )
+− − 1nnf
s1
11S =
+−−−+−+−
...s2
)1nn)(nn(s)nn(1
11S
2111
f =
−+−
s)nn(1
11S
1
f =
s)nn(1
s)nn(S
1
1f −+
−=
s)nn(1
s)nn()d1(S
1
1
n
0 −+−+
- numit scont compus comercial.
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- ( )1nn
f u1S −− = 1nn
f uS − = 1nnn
0 u)d1(S −+ în cazul scontului compus raţional şi
• Ssc=Sf-Sc=Sf-)nn(s1
)nn(sS
1
1f
−+−
=)nn(s1
S
1
f
−+=
)nn(s1
)d1(S
1
n
0
−++
în cazul scontului compus comercial.
Revenind acum, după n1 ani avem S1=S0 ( ) 1nd1+ şi Sf=S0(1+d)n.
Din formulele de mai sus deducem: • Ssc= 1nnn
0 u)d1(S −+ = 11 nnnn
1 u)d1(S −−+ în cazul scontului raţional şi
• Ssc=)nn(s1
)d1(S
1
n0
−++
=)nn(s1
)d1(S
1
nn
11
−++ −
în cazul scontului commercial
LECŢIA 3
PLĂŢI EŞALONATE (RENTE)
Pasul 1 - Generalităţi Definiţii
Prin plată eşalonată sau rentă se înţelege o sumă de bani plătită la intervale de timp egale. Dacă plata este anuală se numeşte anuitate, dacă este semestrială: semestrialitate, trimestrială: trimestrialitate iar lunară: mensualitate.
Rentele se pot face fie în vederea constituirii unor sume numite plăţi de plasament sau plăţi de fructificare , fie pentru rambursarea unor datorii către diverşi creditori în care caz se numesc plăţi de rambursare sau de amortizare.
Plăţile efectuate la începutul perioadei se numesc anticipate iar cele de la sfârşitul perioadei posticipate.
Plăţile mai pot fi temporare atunci când numărul lor este finit, perpetue dacă numărul acestora este infinit şi viagere dacă numărul acestora este finit dar limitat de viaţa persoanei.
De asemenea, plăţile mai pot fi constante sau variabile.
Pasul 2 - Mensualităţi. Anuit ăţi 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= n,1 . A 1
i 1 i 2
ε0 1 2εA 2 . . . . . .
i p i p + 1
p - 1 p + 1pε εA p A p + 1
i n
nn - 1 εA n
Avem:
(1) S=A1u11-εu2u3...un+A2u2
1-εu3...un+...+Apup1-εup+1...un+...+Anun
1-ε În condiţiile mensualităţilor constante, avem: A1=A2=...=An=A de unde: (2) S=A(u1
1-εu2u3...un+u21-εu3...un+...+up
1-εup+1...un+...+un1-ε)
Dacă dobânzile şi mensualităţile sunt constante, avem şi u1=u2=...=un=u de unde:
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
(3) S=A(un-ε+un-ε-1+...+un-ε-p+...+u1-ε)=Au1-ε
i
1un −
Pentru mensualităţi anticipate, avem ε=0 de unde:
(4) S=Aui
1un −
iar pentru posticipate, ε=1:
(5) S=Ai
1un −
Dacă dobânzile au o tendinţă de variaţie de r% lunar (r>0 – creştere, r<0 – descreştere), atunci avem
up+1=up⋅(1+100
r), p= 1n,0 − de unde:
(6) up=u1⋅(1+100
r)p-1, p= n,1
Să notăm pentru simplificare 1+100
r=s.
Din (1) şi (6) rezultă:
S= ε−−−
=
−ε−− +∑ 11n
1n
1n
1p
1n
1
p
1
11p
1p )su(Asu...su)su(A = )1)(1n(1
1n
1n
1p
)1n(...p)1)(1p(1pn
1p suAsuA ε−−ε−−
=
−+++ε−−ε−+− +∑ =
∑=
ε+−−−−−ε−− n
1p
2
)22p)(1p()1p(
1p
n
12
n)1n(
suAus = ∑=
ε+−ε−+−ε+− n
1p 2
)23p(pp
1
p1n
1
12
n)1n(
su
Aus = ∑
=ε+−
ε−+ε++− n
1p 2
)23p(pp
1
p1n
12
)1n)(2n(
su
Aus .
Avem deci:
(7) S= ∑=
ε+−ε−+ε++− n
1p 2
)23p(pp
1
p1n
12
)1n)(2n(
su
Aus
Dacă mensualităţile sunt constante, avem: A1=A2=...=An=A de unde:
(8) S= ∑=
ε+−ε−+ε++− n
1p 2
)23p(pp
1
1n
12
)1n)(2n(
su
1uAs
Pentru mensualităţi anticipate, avem ε=0 de unde:
(9) S= ∑=
−+
+− n
1p 2
)3p(pp
1
1n
12
)1n)(2n(
su
1uAs
iar pentru posticipate, ε=1:
(10) S= ∑=
−
− n
1p 2
)1p(pp
1
n
12
n)1n(
su
1uAs
În cazul constituirii depozitului la k luni de la data formulării problemei, în toate formulele mai sus-menţionate se consideră în loc de n valoarea n-k. Dacă vom considera r=0 avem s=1 şi formulele (9) şi (10) devin (4), respectiv (5). II. Valoarea actuală a unui şir de mensualităţi temporare
Ne interesează acum problema inversă. Pentru constituirea unui şir de mensualităţi ce urmează a fi încasate după o perioadă de k luni de la constituire timp de n luni, care este suma ce trebuie depusă la momentul iniţial ?
Fie vk=ku
1 - factorul de actualizare corespunzător lui uk, k= n,1 .
Avem: 1-vk=1-ku
1=
k
k
u
1u −=
k
k
u
i=ivk. Pentru constituirea sumei S avem S=Sk+1+Sk+2+...+ Sn unde Sp
reprezintă depozitul iniţial constituit pentru retragerea mensualităţii A p. Suma iniţială Sp produce până la
momentul p+ε o sumă totală Ap=Spu1u2...up-1upε de unde: Sp= ε
− p1p21
p
uu...uu
A=Apv1v2...vp-1vp
ε.
Obţinem deci:
(11) S=∑+=
ε−
n
1kpp1p21p vv...vvA
În condiţiile mensualităţilor constante, avem: Ak+1=...=An=A de unde:
(12) S=A∑+=
ε−
n
1kpp1p21 vv...vv
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Dacă dobânzile şi mensualităţile sunt constante, avem şi u1=u2=...=un=u de unde:
(13) S=i
v1Av
1v
1vAvvA
kn1k
knk
n
1kp
1p−
−ε+−
ε+
+=
ε+− −=−
−=∑
Pentru mensualităţi anticipate, avem ε=0 de unde:
(14) S=i
v1Av
kn1k
−− −
iar pentru posticipate, ε=1:
(15) S=i
v1Av
knk
−−
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:
(16) S=i
v1A
n−
Dacă plata mensualităţilor va fi perpetuă, obţinem din formulele (15) şi (16) trecând la limită pentru n→∞:
(15’) S=i
Av k
respectiv:
(16’) S=i
A
Dacă dobânzile au o tendinţă de variaţie de r% lunar (r>0 – creştere, r<0 – descreştere), atunci avem
up=u1⋅sp-1, p= n,1 de unde: vp=v1s1-p. Din formula (11) rezultă:
(17) S= ∑∑+=
ε+−−
ε+−
+=
ε−−− =n
1kp 2
)22p)(1p(
1p
1p
n
1kp
p1
1
p2
1
1
11p
s
vA)sv(sv...svvA
Dacă mensualităţile sunt constante, avem: Ak+1=...=An=A de unde:
(18) S= ∑+=
ε+−−
ε+−n
1kp 2
)22p)(1p(
1p
1
s
vA
Pentru mensualităţi anticipate, avem ε=0 de unde:
(19) S= ∑+=
−−
−n
1kp 2
)2p)(1p(
1p
1
s
vA
iar pentru posticipate, ε=1:
(20) S= ∑+=
−
n
1kp 2
p)1p(
p
1
s
vA
Pasul 3 - 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 timp Anuitatea Suma rămasă de 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+1 Rk+1=Rk-Ak+1 ... ... ... n Sn=An+Rn-1in Rn=Rn-1-An=0
Avem în mod evident S=A1+...+An. De asemenea: Sk+1-Sk=Ak+1-Ak+Rkik+1-Rk-1ik=Ak+1-Ak+Rk-1ik+1-Akik+1-Rk-1ik=
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Ak+1-Ak(1+ik+1)+Rk-1(ik+1-ik) Rk=Rk-1-Ak=Rk-2-(Ak-1+Ak)=...=S-(A1+...+Ak), k=1,...,n
Dacă amortismentele sunt constante: A1=...=An=n
S atunci: Rk=S-k
n
S= S
n
kn − de unde:
Sk+1-Sk=n
S-
n
S(1+ik+1)+S
n
1kn +−(ik+1-ik)= S
n
i)1kn(i)kn( k1k +−−− +
Dacă dobânda este constantă i, avem: Sk+1-Sk=-Sn
i deci anuităţile formează o progresie aritmetică
descrescătoare cu raţia -Sn
i.
Dacă anuităţile sunt constante, avem S1=...=Sn de unde: Ak+1=Ak(1+ik+1)-Rk-1(ik+1-ik)
Dacă dobânda este constantă i avem: Ak+1=Ak(1+i) de unde: Ak=A1(1+i)k-1
deci amortismentele formează o progresie geometrică cu raţia 1+i. În cazul anuităţilor constante avem:
[ ]
∑ ∑∑∑
∑ ∑∑∑
=
−
=−
=−
=−
=−
−
=−
=−−−
=
−+−−++
=
−
−−++=−−++==
n
2k
2k
1pp1kk
n
2k1kk
n
2kk1k1
n
2k1kk
2k
1ppk1k1
n
2k1kk2kk1k1
n
1kk
A)ii()ii(S)i1(AA
)ii(AS)i1(AA)ii(R)i1(AAAS
Dacă dobânda este constantă “i” avem: S= ∑=
− ++n
2kk1k1 )i1(AA şi cum An=A1(1+i)n-1 rezultă:
S=A1i
1)i1( n −+ sau altfel: A1=S
1)i1(
in −+
.
Suma totală de plată după p anuităţi este:
Stot=∑=
p
1kkS =∑
=−+
p
1kk1kk )iRA( =∑
=
P
1kkA +∑
=−
p
1kk1k iR =∑
=
P
1kkA +Si1+∑ ∑
=
−
=
−
p
2kk
1k
1rr iAS =S∑
=
p
1kki +
A1+∑ ∑=
−
=
−
p
2k
1k
1rkrk iAA .
Dacă amortismentele sunt egale, avem:
Stot=S∑=
p
1kki +
n
S+∑ ∑
=
−
=
−p
2k
1k
1rkin
S
n
S=S
+−+∑=
p
1kkin
1kn
n
p
Dacă dobânzile sunt constante şi egale cu i, avem:
Stot=S
+−+∑=
p
1k
in
1kn
n
p=S
−+ ∑∑
−
==
pn
1k
n
1k
kkn
i
n
p=
S
+−−−++2
)1pn)(pn(
2
)1n(n
n
i
n
p=
n2
S [2p+i(2np-p2+p)].
La sfârşitul perioadei de plată avem (pentru p=n):
Sfinală=S
++2
1ni1
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.
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.
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
Modul de calcul al împrumuturilor este deosebit de util în orice societate ce practică un astfel de
sistem de cumpărare.
CONCLUZII
Studiind acest modul aţi dobândit cunoştinţe referitoare la modul de calcul al dobânzilor, la
determinarea anuităţilor sau mensualităţilor. Aţi învăţat despre dobânda simplă şi cea compusă, despre
împrumuturi cu rate egale sau descrescătoare.
EXEMPLE ILUSTRATIVE
1. O persoană doreşte să cumpere un televizor în valoare actuală de 4.000.000 lei. Ea doreşte să depună la bancă o sumă de bani cu dobândă simplă pentru ca peste 6 luni să poată achiziţiona produsul. Care va fi suma de bani ce trebuie depusă dacă dobânda băncii este de 50% pe an?
Soluţie Avem St=4.000.000 lei, t=0,5 ani, iar i=100
50=0,5. Avem S=
it1
St
+= 3.200.000 lei.
2. O persoană depune la bancă suma de 1.000.000 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 comercială? Care este dobânda corespunzătoare întregii perioade?
Soluţie Avem S=1.000.000 lei, i=100
50=0,5 şi n=3 ani, m=12 luni iar k=7 luni. Obţinem deci suma totală:
St=Sun m
k
u =4.275.567 lei. Dobânda D=St-S=3.275.567 lei. 3. Fie o dobândă trimestrială de 15%. Să se calculeze dobânda reală corespunzătoare dobânzii nominale
date.
Soluţie Avem d=15 şi n=4. Din formula d’=100
−
+ 1n100
d1
n
⇒ d’=15,87%.
4. Fie o anuitate de 1.000.000 lei pe o perioadă de 3 ani, cu dobânda anuală de 50%, achitabilă la începutul fiecărui an. Dacă plata începe după 1 an care este valoarea finală a şirului de anuităţi constituite?
Soluţie Avem S=1.000.000 lei, n=3, d=50, p=1 iar ε=0. Deoarece u=1+100
d=1,5, din formula S=Au1-
ε
i
1u pn −−
rezultă S=3.750.000 lei.
5. O persoană împrumută de la o bancă suma de 18.000 lei pe o perioadă de 10 ani cu dobândă anuală de 60%. Dacă rambursarea se face cu amortismente egale, lunare, să se întocmească graficul de plată pentru primele 6 luni.
Soluţie Avem S=18.000, n=120, i=12100
60
⋅=0,05. Graficul de plată este următorul:
Momentul de timp Anuitatea Suma rămasă de plată 0 - 18.000 1 1.050 17.850 2 1.042,5 17.700 3 1.035 17.550 4 1.027,5 17.400 5 1.020 17.250 6 1.012,5 17.100
RECOMANDĂRI BIBLIOGRAFICE
65. Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră liniară, geometrie analitică, diferenţială, ecuaţii diferenţiale, Bucureşti, Editura All, 1994;
66. Danko, P., Popov, A., Kogevnikova, T., Exercices et problemes des mathematiques superieures, Editions Mir Moscou, Vol. I, II, 1985;
67. Dragomir, A., Dragomir, P., Structuri algebrice, Timişoara, Editura Facla, 1981; 68. Fadeev, D., Sominsky, I., Recueil d'exercices d'algebre superieure, Mir Moscou, 1980; 69. Ikramov, H. D., Linear Algebra-Problems book, Mir Moscow, 1983; 70. Ioan, C. A., Matematici aplicate în economie, Bucureşti, EDP, 2004; 71. Ioan, C. A., Matematică - I, Galaţi, Editura Sinteze, 2006; 72. Ion, D. I., Niţă, C., Radu, N., Popescu, D., Probleme de algebră, Bucureşti, E.D.P., 1981;
Cătălin Angelo Ioan, Matematică aplicată în economie, Note de curs Anul I, semestrul I
Copyright © 2009 Universitatea Danubius. Toate drepturile rezervate
73. Ion ,D. I., Radu, N., Algebră, Bucureşti, Bucureşti, E.D.P., 1991; 74. Kurosh, A., Higher Algebra, Editura Mir Moscow, 1984; 75. Lang, S., Algebra, Addison-Wesley, 1971; 76. Năstăsescu, C., Ţena, M., Andrei, G., Otărăşanu, I., Probleme de structuri algebrice, Bucureşti, Editura
Academiei, 1988; 77. Năstăsescu ,C., Niţă, C., Vraciu, C., Bazele algebrei, vol. I, Bucureşti, Editura Academiei R. S. R., 1986; 78. Proskuriakov, I. V., Problems in Linear Algebra, Mir Moscow, 1978; 79. Purcaru, I., Elemente de algebră şi programare liniară, Ed. Ştiinţifică şi Enciclopedică, 1982; 80. Spircu, T., Structuri algebrice prin probleme, Bucureşti, Editura Ştinţifică, 1991.
TESTE DE AUTOEVALUARE 19. Se depune la bancă suma de 565 RON astfel: pe primii 3 ani cu dobândă simpla de 19%, suma rezultată pe încă 4 ani cu dobândă compusa de 16%. Care este suma S rezultată la sfârşitul celor 7 ani?
1. S=1613 RON 2. S=1606 RON 3. S=1607 RON 4. S=1610 RON
20. O persoană doreşte să constituie un depozit de bani depunând lunar, posticipat, suma de 488 RON cu dobândă anuală de 17%. Care este suma S rezultată după 5 luni?
1. S=2516 RON 2. S=2514 RON 3. S=2510 RON 4. S=2519 RON
19. Se depune la bancă suma de 553 RON astfel: pe primii 2 ani cu dobândă compusa de 19%, suma rezultată pe încă 3 ani cu dobândă simpla de 19%. Care este suma S rezultată la sfârşitul celor 5 ani?
1. S=1236 RON 2. S=1229 RON 3. S=1231 RON 4. S=1233 RON
20. O persoană doreşte să constituie un depozit de bani depunând lunar, posticipat, suma de 691 RON cu dobândă anuală de 14%. Care este suma S rezultată după 10 luni?
1. S=7293 RON 2. S=7284 RON 3. S=7288 RON 4. S=7287 RON
19. Se depune la bancă suma de 508 RON astfel: pe primii 3 ani cu dobândă simpla de 17%, suma rezultată pe încă 4 ani cu dobândă compusa de 15%. Care este suma S rezultată la sfârşitul celor 7 ani?
1. S=1348 RON 2. S=1343 RON 3. S=1347 RON 4. S=1341 RON
20. O persoană doreşte să constituie un depozit de bani depunând lunar, posticipat, suma de 180 RON cu dobândă anuală de 17%. Care este suma S rezultată după 7 luni?
1. S=1315 RON 2. S=1324 RON 3. S=1317 RON 4. S=1320 RON
TEMĂ DE CONTROL
1. O persoană depune la bancă suma de 1000 euro cu dobândă compusă (capitalizată) de 50% pe an. Ce sumă va avea persoana după 5 ani ? Care este dobânda corespunzătoare acestei perioade? 2. Considerând dobânda trimestrială d3=10% să se determine dobânzile proporţionale mensuale, semestriale şi anuale. 3. Fie un depozit de 300 euro cu dobânda trimestrială de 5% şi un alt depozit de aceeaşi valoare cu dobânda anuală proporţională. Să se calculeze diferenţa de dobândă între cele două depozite pe o perioadă de 2 ani. 4. Fie o dobândă trimestrială de 12%. Să se calculeze dobânda reală corespunzătoare dobânzii nominale date. 5. Fie o anuitate posticipată de 1500 euro pe o perioadă de 20 ani, cu dobânda anuală de 10%. Dacă plata începe imediat care este valoarea finală a şirului de anuităţi constituite? 6. O persoană doreşte să constituie un depozit de bani astfel încât după o perioadă de 20 ani să poată retrage timp nelimitat suma de 800 euro anual. Dacă dobânda anuală este de 20% iar depunerea se face la începutul fiecărui an, care este suma pe care trebuie să o depună la acest moment? 7. O persoană împrumută de la o bancă suma de 200 euro pe o perioadă de 20 ani cu dobândă anuală de 16%. Dacă rambursarea se face cu amortismente egale, lunare, să se calculeze suma totală de plată până la sfârşitul perioadei.