Matematica Aplicata in Economie

MATEMATICI APLICATE
N
ECONOMIE
- NOTE DE CURS
- PENTRU
- NVMNTUL LA
DISTANCuprins
1 Introducere 6
1.1 Necesitatea utilizarii matematicii n stiintele economice . . . . . . . . . . . . . . . . . . . 6
1.2 Modelarea matematico-economica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Cateva exemple de modele matematicoeconomice . . . . . . . . . . . . . . . . . . . . . . 8
1.3.1 Optimizarea productiei unei ntreprinderi . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 Modele de gospodarire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.3 Problema dietei (nutritiei) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Spatii vectoriale 12
2.1 Definitia spatiului vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Subspatii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Independenta si dependenta liniara a vectorilor. Baza si dimensiune . . . . . . . . .
. . . 16
2.4 Produs scalar. Spatii normate. Spatii metrice . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Multimi convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Testul Nr. 1 de verificare a cunostintelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 Matrice. Determinanti. Sisteme de ecuatii liniare 28
3.1 Matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2 Determinanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3 Sisteme de ecuatii liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4 Operatori liniari. Forme biliniare si forme patratice 53
4.1 Operatori liniari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Forme biliniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.3 Forme patratice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5 Elemente de programare liniara 72
5.1 Obiectul programarii matematice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2 Notiuni generale relative la o problema de programare liniara . . . . . . . . . . . . . . . . 73
5.3 Algoritmul simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.4 Cazuri speciale ntr-o problema de P.L. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.4.1 Solutii multiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.4.2 Solutie infinita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.4.3 Degenerare n problemele de programare liniara . . . . . . . . . . . . . . . . . . . . 82
5.5 Rezolvarea problemei generale de programare liniara . . . . . . . . . . . . . . . . . . . . . 83
5.6 Dualitatea n problemele de programare liniara . . . . . . . . . . . . . . . . . . . . . . . . 85
3
6 Elemente de teoria grafurilor 97
6.1 Notiuni fundamentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Algoritmi pentru rezolvarea unor probleme relative la grafuri . . . . . . . . . . . . . . . . 102
6.2.1 Algoritmul lui Yu Chen pentru aflarea matricei drumurilor . . . . . . . . . . . . . 103
6.2.2 Algoritmi pentru precizarea existentei circuitelor ntr-un graf . . . . . . . . . . . . 103
6.2.3 Algoritmi pentru aflarea componentelor tare conexe ale unui graf . . . . . . . . . . 104
6.2.4 Algoritmi pentru aflarea drumurilor hamiltoniene ale unui graf . . . . . . . . . . . 108
6.2.5 Algoritmi pentru determinarea drumurilor de lungime optima . . . . . . . . . . . . 110
6.2.6 Metoda drumului critic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.3 Problema fluxului optim n retele de transport . . . . . . . . . . . . . . . . . . . . . . . . 118
6.3.1 Retele de transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.3.2 Algoritmul lui FordFulkerson pentru determinarea fluxului maxim ntr-un graf de
retea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7 Probleme de transport 130
7.1 Modelul matematic pentru o problema de transport . . . . . . . . . . . . . . . . . . . . . 130
7.2 Determinarea unei solutii initiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.2.1 Metoda coltului NordVest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.2.2 Metoda elementului minim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.2.3 Metoda diferentelor maxime . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7.3 Ameliorarea (mbunatatirea) unei solutii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.4 Aflarea unei solutii optime . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
7.5 Degenerarea n problemele de transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.6 Probleme de transport cu capacitati limitate . . . . . . . . . . . . . . . . . . . . . . . . . 141
8 Siruri 149
8.1 Siruri de numere reale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
8.2 Siruri n spatii metrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
8.3 Test de verificare a cunostintelor nr. 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
9 Serii numerice 169
9.1 Notiuni preliminare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
9.2 Criterii de convergenta pentru serii numerice cu termeni oarecare . . . . . . . . . . . . . .
173
9.3 Serii absolut convergente. Serii semiconvergente . . . . . . . . . . . . . . . . . . . . . . . . 176
9.4 Serii cu termeni pozitivi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.5 Problema economica. Fluxul de venit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
10 Functii ntre spatii metrice 190
10.1 Vecinatatea unui punct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
10.2 Functii ntre spatii metrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.3 Limita unei functii ntr-un punct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204

10.4 Continuitatea functiilor ntre spatii metrice . . . . . . . . . . . . . . . . . . . . . . . . . . 206
11 Derivarea functiilor reale 220
11.1 Definitia derivatei si proprietatile ei de baza . . . . . . . . . . . . . . . . . . . . . . . . . .
220
11.2 Proprietati de baza ale functiilor derivabile pe un interval . . . . . . . . . . . . . . . . . .
224
11.3 Diferentiala unei functii reale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
11.4 Aplicatiile derivatei n economie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
11.5 Test de verificare a cunostintelor nr. 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
4
12 Derivarea functiilor de mai multe variabile 238
12.1 Derivate partiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
12.2 Interpretari geometrice si economice ale derivatelor partiale . . . . . . . . . . . . . . . . .
241
12.3 Derivarea functiilor compuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
12.4 Diferentiala functiilor de mai multe variabile . . . . . . . . . . . . . . . . . . . . . . . . . 250
12.5 Extremele functiilor de mai multe variabile . . . . . . . . . . . . . . . . . . . . . . . . . . 254
12.6 Extreme conditionate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
12.7 Ajustarea unor date . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
12.8 Interpolarea functiilor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
13 Generalizari ale notiunii de integrala 270
13.1 Integrale improprii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
13.2 Integrale cu parametri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
13.3 Integrale euleriene. Functia Gamma. Functia Beta . . . . . . . . . . . . . . . . . . . . . . 282
13.4 Integrale duble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
5
Capitolul 1
Introducere
Obiective: In acest capitol introductiv se pune n evidenta importanta cunoasterii
matematicii
pentru un viitor economist.
Rezumat: In acest capitol sunt prezentate principiile modelarii matematico-economice cu
prezentarea catorva modele precise, cum ar fi optimizarea productiei unei ntreprinderi,
modele de gospod
arie si problema dietei (nutritiei).
Continutul capitolului:
1. Necesitatea utilizarii matematicii n stiintele economice
2. Modelarea matematico-economica
3. Cateva exemple de modele matematico-economice
4. Bibliografia aferenta capitolului
Cuvinte cheie: metode matematice, model matematic, optim economic, optimizarea
productiei, modele de gospodarie, problema dietei.
1.1 Necesitatea utilizarii matematicii n stiintele

economice
In prezent si n viitor este clar pentru oricine ca o simpla observatie a unui

fenomen economic,
fara un studiu matematic si statistic aprofundat, nu mai este satisfacatoare si nu
poate fi acceptata fara
urmari dintre cele mai grave. Folosirea metodelor matematicii n practica economica, de
orice nivel,
constituie o preocupare cu efecte benefice n rezolvarea problemelor economice actuale.
Cel care este interesat de studiul fenomenelor economice trebuie sa aiba o pregatire
interdisciplinar
a.
Studierea globala a aspectelor calitative si cantitative a unui fenomen economic
necesita un anumit
volum de notiuni; concepte si metode matematice care considerate ca un ansamblu
dau un asa
numit model matematic atasat fenomenului studiat. Modelarea este un atribut al
activitatii umane,
ntalnit n procesul de cunoastere a lumii, prin care omul reuseste sa surprinda
esentialul si sa descopere
legile dupa care se guverneaza fenomenele naturale, sociale si psihice.
Utilizarea matematicii n problemele economice, prin utilizarea modelelor matematice, nu
este o
chestiune simpla. Istoric, ele cocheteaza de mult timp, dar rezolvarea problemelor ridicate
de studiul
unui fenomen economic, numarul mare de date cu care lucreaza si volumul mare de
calcule necesare,
pretindea o tehnica de calcul puternica. Aparitia informaticii si calculatoarelor rapide
au facut sa
apara capitole noi n matematica, care sa se preocupe de modelarea proceselor
economice, ca de exemplu
cercetarile operationale. Asa cum sublinia profesorul Andre Brunet cercetarea
operationala este
pregatirea stiintifica a deciziilor ([3]).
In conditiile actuale este necesar ca la orice nivel de decizie sa prelucram un numar
mare de
informatii si date care sa permita un rationament logic n alegerea variantei celei
mai potrivite.
Un alt motiv care pledeaza pentru utilizarea matematicii n studiul proceselor economice
este si
dorinta omului de a atinge un anumit optim.
Problema alegerii dintr-o multime de rezultate posibile pe cel optim, n concordanta cu
un anumit
scop, este de o importanta majora pentru orice economist, teoretician sau practician.
Notiunea de
6
optim, destul de veche n gandirea economica legata direct de practica, apare ntr-o
noua lumina prin
posibilitatile oferite de matematica contemporana.
Daca n trecut continutul optimului economic functiona, cel mai adesea, dupa
principiul cu cat
mai mult, cu atat mai bine, n prezent optimul economic lucreaza dupa principiul
profit maxim
n conditii date.
Utilizarea calculului diferential si integral n economia politica, ncepand cu
sfarsitul secolului al
XIX-lea si nceputul secolului al XX-lea, era o necesitate. Asa s-a nascut economia
matematica, care,
treptat s-a impus n cercetarile economice.
In conformitate cu aceste preocupari, n economia matematica s-a creat conceptul de
optim paretian,
introdus de Vilfredo Pareto. S-au creat noi metode precise de optimizare a activitatii
economice,
apelandu-se la ramurile existente n matematica, dar si cerand imperios gasirea de
noi concepte matematice,
care sa permita gasirea solutiilor optime cat mai rapid si cat mai exact. Asa au
aparut metodele
de programare matematica n rezolvarea unor probleme de optimizare a activitatii unor
ntreprinderi,
a unor societati de comert, turism sau cu preocupari agricole. Problemele puse de
practica economica
stimuleaza continuu descoperirea de noi metode matematice. Fara sa gresim putem
afirma ca exista o
conlucrare benefica, atat pentru economisti, cat si pentru matematicieni.
Legatura concreta dintre matematica si economie se stabileste printr-o traducere n
limbaj matematic
a notiunilor si a relatiilor ce intervin n fenomenele economice, fapt ce se realizeaza
prin procesul de
modelare matematica. Folosirea limbajului matematic n stiintele economice ofera
posibilitatea formularii
necontradictorii a fenomenelor economice si introducerii rigorii n studiul lor.
1.2 Modelarea matematico-economica
Aplicarea matematicii n economie are doua directii principale. Prima, care foloseste
metodele
matematicii ca instrument menit sa sprijine studiul calitativ al fenomenelor economice
si a doua, n
care matematica este utilizata la analiza aspectelor cantitative din practica economica
(planificare,
prognoza, etc.). Utilitatea matematicii ca instrument ajutator economistului se
evidentiaza n plan:
logic, empiric si euristic. Traducand o situatie economica ntr-o problema
matematica, i putem verifica
consistenta, planul empiric si, n fine, dezvaluirea de relatii noi. Insa, o astfel de
metoda de lucru impune
precizarea conceptului de model.
Esenta metodei modelarii consta n nlocuirea obiectului sau fenomenului real care ne
intereseaza
cu un alt obiect sau fenomen, mai convenabil pentru cercetare. Dupa o astfel de substituire
nu se mai
studiaza obiectul primar ci modelul, iar apoi rezultatul cercetarilor se extinde asupra
obiectului sau
fenomenului initial, cu anumite precautii.
Termenul de model vine de la diminutivul lui modus (masuran limba latina), care este
modulus.
In limba germana a devenit model, iar n secolul al XVI-lea n Franta se folosea deja
termenul modèle,
provenit din italienescul modello. Acelasi cuvant a dat n limba engleza termenul
model. Inca de la
nceput sensul cuvantului model oscila ntre concret si abstract. Se pare ca primul care
a folosit conceptul
de model n sensul actual a fost matematicianul italian Beltrami, n anul 1868, cand a
construit un model
euclidian pentru o geometrie neeuclidiana.
In stiinta se ntalnesc diferite modele: modelul atomic, modelul cosmologic, modele
de crestere
economica etc.
Astazi, metoda modelarii este o metoda generala de cercetare si studiere a unor

procese reale cu
ajutorul cercetarii si studierii altor procese, care pot fi mai apropiate sau mai departate
de cele initiale.
Modelul trebuie sa reflecte ntr-o cat mai mare masura proprietatile originalului care
sunt legate de scopul
cercetarii. Atragem nsa atentia ca modelul nu este la fel cu originalul.
Modelele ne servesc n viata de toate zilele, n stiinta, n nvatamant,
industrie, proiectare, arta, etc.
Multe din modele, cum ar fi hartile mulajele, machetele, desenele etc., constituie o
reproducere materiala
a unor aspecte ale originalului cercetat. Asemenea modele materiale au posibilitati
limitate, multe din
ele servind mai mult ntelegerii si mai putin cunoasterii originalelor. Pentru
cunoasterea stiintifica s-a
trecut la modele simbolice, care sunt modele matematice. Utilizarea limbajului
matematic n
descrierea unor modele, permit acestora sa aiba un nalt grad de abstractizare si de
generalizare, unul
si acelasi model (ecuatie, functie, sistem, etc.) poate descrie cu mult succes obiecte
sau situatii total
diferite. Intr-un model matematic se folosesc pentru descriere numai mijloace matematice
si logice, ceea
7
ce conduce la nlaturarea tratarilor subiective. In plus reprezentarile matematice nu
sunt ngradite de
limite materiale si nici de traducerea dintr-o disciplina n alta.
In elaborarea unui model matematic atasat unui proces trebuiesc respectate etapele:
1. Obtinerea modelului descriptiv al procesului, care are subetapele:
1.1. formularea problemei propuse;
1.2. analiza structurii informationale a fenomenului abordat;
1.3. discutarea criteriilor posibile care reflecta obiectivele urmarite;
1.4. stabilirea factorilor esentiali si factorilor secundari;
2. Formularea matematica a modelului descriptiv, etapa n care se elaboreaza modelul
matematic;
3. Studierea (cercetarea) modelului, adica rezolvarea practica a problemei pe model.
Astazi, n aceasta
etapa de mare folos este calculatorul.
Modelul realizat si testat trebuie sa reflecteze originalul cu destula precizie. S-ar putea
ca modelul
sa fie bine construit dar sa nu dea rezultate satisfacatoare. El trebuie mbunatatit
sau abandonat.
Fidelitatea unui model se poate realiza nu numai avand grija sa nu pierdem din vedere
anumite
aspecte ale fenomenului studiat, ci si prin aparatul matematic folosit.
Fidelitatea fata de original creste odata cu perfectionarea aparatului matematic
utilizat. In functie
de aparatul matematic folosit au aparut modele foarte variate, uneori chiar pentru
aceeasi problema.
Dupa modelul matematic utilizat se poate da urmatoarea clasificare a modelelor:
1) modele aritmetice (utilizate pana n secolul al XVIII-lea) folosesc numai concepte
aritmetice;
2) modele bazate pe analiza matematica (utilizate ncepand cu secolul al XVIII-lea)
folosesc
concepte de analiza matematica;
3) modele liniare utilizeaza concepte de algebra liniara (de exemplu, programarea

liniara);
4) modele de joc care iau n considerare si variabile necontrolabile;
5) modele de optimizare urmaresc optimizarea unei functii (numita functia
obiectiv) supusa
unor restrictii;
6) modele neliniare utilizeaza restrictii de optim sau functii obiectiv neliniare;
7) modele diferentiale care descriu prin ecuatii diferentiale fenomenul (de
exemplu, modelul care
descrie variatia productiei);
8) modele de tip catrastofic utilizate de studiul fenomenelor cu variatii bruste;
9) modele deterministe marimile care intervin sunt perfect determinate;
10) modele stohastice marimile care intervin sunt aleatorii;
11) modele de tip statistico-matematice marimile care intervin sunt date statistic;
12) modele vagi marimile care intervin nu sunt date cu precizie, ci doar vag;
13) modele discrete marimile care intervin variaza discret;
14) modele continue marimile care intervin variaza continuu.
Cu toata diversitatea conceptelor si rezultatelor matematice, exista numeroase
fenomene economice
pentru care nu s-au elaborat modele pe deplin satisfacatoare.
1.3 Cateva exemple de modele matematicoeconomice

In acest paragraf prezentam cateva din cele mai cunoscute modele matematico
economice.
8
1.3.1 Optimizarea productiei unei ntreprinderi

Sa consideram o ntreprindere care si desfasoara activitatea de productie n
urmatoarele conditii:
i) n ntreprindere se desfasoara n activitati Ai, i = 1, n;
ii) exista m factori disponibili Fj , j = 1,m;
iii) se cunosc coeficientii tehnici de utilizare a celor m factori n cele n activitati.
Vom ncerca sa obtinem descrierea matematica a activitatii de productie.
Pentru realizarea modelarii acestui program de productie sa notam cu xi nivelul
activitatii Ai,
i = 1, n, si cu bi volumul (cantitatea) disponibil de factorul Fj , j = 1,m si aij factorul de
proportionalitate
al consumului Fi pentru activitatea Aj .
Acum putem scrie restrictiile:
a11x1 + a12x2 + . . . + a1nxn b1

a21x1 + a22x2 + . . . + a2nxn b2
...
am1x1 + am2x2 + . . . + amnxn bm
(1.1)
Restrictiile (1.1) reprezinta conditiile n care ntreprinderea poate sa-si
desfasoare activitatea. Ele
se pot scrie si sub forma matriciala. In acest scop facem notatiile: A = (aij) matricea
coeficientilor
tehnici; x = t(x1, x2, . . . , xn) (t transpus) vectorul coloana al nivelului productiei; C1,
C2 , . . . , C n
vectorii coloana din matricea A; C0 vectorul coloana al volumelor disponibile. Acum
conditiile (1.1) se
pot scrie sub forma
C1x1 + C2x2 + . . . + Cnxn C0
sau
Ax C0.
Pana aici am urmarit descrierea tehnologiei productiei. Dar orice proces de productie
mai
urmareste si o motivatie economica, de exemplu sa se realizeze o eficienta
maxima. Un astfel de
criteriu de eficienta este dat de maximizarea profitului. Practic, finalul acestui proces este
optimizarea
unei anumite functii, care de fapt realizeaza optimizarea functionarii unui proces
economic.
1.3.2 Modele de gospodarire
Orice firma doreste fie sa-si maximizeze veniturile, fie sa-si minimizeze cheltuielile,
iar consumatorii
sa-si distribuie salariile asa ncat sa-si satisfaca la maximum nevoile vietii. De
fapt, orice situatie de
gospodarire impune o repartizare optima a unor resurse disponibile limitate ntre diferite
activitati care
se desfasoara pentru realizarea unui anumit scop.
Acest tip de procese economice poarta numele de probleme de gospodarire.
Un model pentru o problema de gospodarire se compune din doua parti: prima
referitoare la
restrictii si o a doua care descrie criteriul sau obiectivul activitatii de derulat. Intr-un
astfel de model se
cere gasirea valorilor unor variabile x1, x2, . . . , xn pentru care o functie f(x1, x2, . . . , xn)
este optima si
care sunt supuse unor restrictii de forma:
F1(x1, x2, . . . , xn) 0,
F2(x1, x2, . . . , xn) 0,
......................
Fm(x1, x2, . . . , xn) 0,
unde semnul poate fi si .
Cum orice model de gospodarire are menirea de a stabili un program de actiune, el a
capatat
denumirea de model de programare. Domeniile de aplicare a modelelor de programare se
refera la
un numar mare de probleme de planificare din industrie, transporturi, agricultura, s.a.
Unele din ele au
o foarte mare circulatie si numeroase aplicatii fapt ce le-au facut celebre. Dam un
astfel de exemplu n
subparagraful urmator.
9
1.3.3 Problema dietei (nutritiei)
Una dintre problemele celebre de gospodarire este problema alimentarii cat mai ieftine
si realizarea
unor cerinte de alimentatie conform unui scop propus.
O alimentatie se considera buna daca se ofera anumite substante n cantitati
minimale precizate.
Evident ca aceste substante se gasesc n diferite alimente cu preturi cunoscute. Se
cere sa se stabileasca
o dieta (ratie) care sa fie corespunzatoare si totodata cat mai ieftina.
Substantele care intra ntr-o dieta
se numesc substante nutritive sau principii nutritive.
Vom obtine, n continuare, modelul matematico-economic pentru problema dietei. Fie
S1, S2, . . . , Sm substantele nutritive care trebuie sa intre n compunerea dietei n
cantitatile minimale
b1, b2, . . . , bm si A1,A2, . . . , An alimentele de care dispunem cu pretul corespunzator pe

unitate
c1, c2, . . . , cn. Notam cu aij numarul de unitati din substanta Si, i = 1,m, se gasesc
ntr-o unitate din
alimentul Aj , j = 1, n. Se cere sa se afle x1, x2, . . . , xn numarul de unitati din alimentele
A1,A2, . . . , An
asa ncat sa se obtina o ratie acceptabila la un pret cat de mic. De obicei
datele problemei se prezinta
ntr-un tabel de forma:
Alimente
Substanta A1 A2 . . . Aj . . . An
Minim
necesar
din Si
S1 a11 a12 . . . a1j . . . a1n b1
........................
Si ai1 ai2 . . . aij . . . ain bi
........................
Sm am1 am2 . . . amj . . . amn bm
Pret alimente c1 c2 . . . cj . . . cn
Unitati de consum x1 x2 . . . xj . . . xn
Cantitatea din substanta Si care se realizeaza este ai1x1 + ai2x2 + . . . + ainxn, care din
cerinta
problemei trebuie sa fie bi, i = 1,m. Ajungem astfel la conditiile (restrictiile):
a11x1 + a12x2 + . . . + a1nxn b1

a21x1 + a22x2 + . . . + a2nxn b2
...................................
am1x1 + am2x2 + . . . + amnxn bm
(1.2)
Natura datelor cu care lucram impun si conditiile de nenegativitate:
(1.3) x1 0, x2 0, . . . , xn 0.
Functia obiectiv care exprima costul unei ratii este data de:
(1.4) f = c1x1 + c2x2 + . . . + cnxn.
Problema dietei cere sa determinam x1, x2, . . . , xn asa ncat f sa fie minima. O astfel
de dieta se
numeste optima. Orice dieta care satisface restrictiile (1.2) si (1.3) se numeste
admisibila.
Modelul dietei poate fi folosit si n alte situatii, ca de exemplu: problema furajarii
rationale (n
zootehnie), chestiunea amestecului optim (n amestecuri de benzina sau uleiuri auto, n
realizarea unor
sortimente de bauturi sau nghetata), s.a.
Pentru alte modele matematico-economice se pot consulta lucrarile [2], [3], [4], [5].
10
Bibliografia aferenta capitolului:
[1] Acu, A.M., Acu D., Acu M., Dicu P., Matematici aplicate n economie - Volumul I, Editura
ULB,
Sibiu, 2001.
[2] Izvercian, P.N.,Cretu, V., Izvercian, M., Resiga, R., Introducere n teoria grafurilor.
Metoda
drumului critic, Editura de Vest, Timisoara, 1994.
[3] Popescu, O., Raischi, C., Matematici aplicate n economie, vol.I, II, Editura Didactica si
Pedagogic
a, Bucuresti, 1993.
[4] Ratiu-Raicu, C., Modelare si simularea proceselor economice, Editura Didactica si
Pedagogica,
R.A., Bucuresti, 1995.
[5] Stavre, P., Matematici speciale cu aplicatii n economie, Editura Scrisul Romanesc,
Craiova, 1982.
11
Capitolul 2
Spatii vectoriale
Obiective: In acest capitol studentul va lua contact cu notiunile teoretice fundamentale
(cum
ar fi spatiile vectoriale, prehilbertiene, normate si metrice) necesare ntelegerii
metodelor / aplicatiilor
prezentate n capitolele urmatoare.
Rezumat: In acest capitol sunt prezentate notiunile de spatiu vectorial, subspatiu
vectorial,
sistem de vectori, combinatie liniara, liniar independenta si liniar dependenta,
baza, dimensiune, produs
scalar si spatii prehilbertiene, norma si spatii normate, metrica si spatii
metrice, multimi convexe, etc.
1. Definitia spatiului vectorial
2. Subspatiu vectorial
3. Independenta si dependenta liniara a vectorilor. Baza si dimensiune
4. Produs scalar. Spatii normate. Spatii metrice
5. Multimi convexe
6. Test de verificare a cunostintelor
Cuvinte cheie: spatiu vectorial, baza, dimensiune, produs scalar, norma, metrica,
multimi
convexe.
2.1 Definitia spatiului vectorial
In acest paragraf vom trata notiunea de spatiu vectorial si principalele ei

proprietati.
Definitia 2.1.1 Se numeste lege de compozitie (operatie) externa pe multimea M
fata de multimea K,
o functie f : K M M.
Multimea K se numeste domeniul operatorilor sau scalarilor
Exemplul 2.1.1. Aplicatia f : R C C definita prin formula f(a, z) = az, a R, z C,
este o
operatie externa pe C avand pe R ca domeniu de operatori.
Acum, fie V o multime nevida de elemente oarecare si K un camp de elemente
,,, . . ., cu 0
elementul neutru (nul) si 1 elementul unitate. Suma respectiv produsul elementelor si
din K va fi
notata cu + , respectiv sau simplu .
Definitia 2.1.2 Se spune ca pe multimea V s-a definit o structura de spatiu
vectorial (liniar) peste
camplul K, daca pe V s-a definit o lege de compozitie interna (x, y) x + y, x, y V ,
numita adunare,
si o lege de compozitie externa fata de campul K, (, x) x, K, x V , numita
nmultire cu
scalari, astfel ca pentru orice x, y, z V si orice a, b K sa avem

1. x + y = y + x (comutativitatea adunarii);
2. (x + y) + z = x + (y + z) (asociativitatea adunarii);
3. Exista elementul V , astfel ca x + = + x = x;
12
4. Oricarui x V i corespunde x V astfel cu x+(x) = (x)+x = (x se numeste
opusul
lui x);
(Prin urmare (V , +) este un grup comutativ);
5. 1 x = x;
6. (a + b)x = ax + bx;
7. (ab)x = a(bx);
8. a(x + y) = ax + ay.
Multimea V mpreuna cu structura de spatiu vectorial peste campul K se numeste
spatiu vectorial
(liniar) peste K, iar elementele sale le vom numi vectori.
Se observa ca operatia de adunare a vectorilor din V a fost notata tot cu semnul + ca
si adunarea
din K, iar operatia de nmultire cu scalari a fost notata cu ca si nmultirea din K,
acest lucru nu
produce confuzie deoarece n context orice ambiguitate este nlaturata.
Daca K este corpul R al numerelor reale, atunci V se numeste spatiu vectorial real, iar
daca
K este corpul C al numerelor complexe, atunci V se numeste spatiu vectorial complex.
Elementul V se numeste vectorul nul al spatiului vectorial V .
Propozitia 2.1.1 Daca V este un spatiu vectorial peste K, atunci
1. 0 x = , pentru orice x V ;
2. a = , pentru orice a K;
3. (1)x = x, pentru orice x V .
Demonstratie. 1. Utilizand conditiile 5) si 6) din Definitia 2.1.2, avem
x = 1 x = (0+1)x = 0 x + 1 x = 0 x + x,
de unde, folosind conditia 3) din aceeasi definitie, rezulta 0 x = .
2. Din conditia 6) a Definitiei 2.1.2 avem ax + a = a(x + ) = ax si tinand seama
de conditia 3)
din aceeasi definitie, rezulta a = .
3. Din conditia 6) avem x + (1)x = (1+(1))x = 0x = , de unde folosind 4), obtinem
(1)x = x.
Exemple. 2.1.2. Multimea R a numerelor reale cu operatia de adunare si cu
operatia de nmultire cu
numere rationale este un spatiu vectorial peste campul Q al numerelor rationale.
2.1.3. Multimea C a numerelor complexe cu operatia de adunare si cu operatia
externa denmultire
cu numere reale este un spatiu vectorial peste campul Q al numerelor rationale.
2.1.4. Multimea C a numerelor complexe cu operatia de adunare si cu operatia
externa denmultire
cu numere reale este un spatiu vectorial peste campul R al numerelor reale.
2.1.5. Fie Hom(R,R) = {f|f : R R, functie} n care definim operatiile de adunare a
doua
functii si de nmultire a unei functii cu un numar real astfel:
f + g : R R, (f + g)(x) = f(x) + g(x), ()f, y Hom(f, g) si ()x R
si
f : R R, (f)(x) = f(x), ()f Hom(f, g) si ()r R.
Aceste operatii determina pe Hom(R,R) o structura de spatiu vectorial.
2.1.6. Fie K un camp oarecare si n un numar natural nenul. Consideram produsul
cartezian
Kn = K K . . . _ __ K
n ori
, adica multimea sistemelor ordonate x = (x1, x2, . . . , xn) de cate n elemente din
K. Definim pe Kn operatiile:
x + y = (x1 + y1, x2 + y2, . . . , xn + yn),
ax = (ax1, ax2, . . . , axn),
pentru orice x = (x1, x2, . . . , xn) Kn, y = (y1, y2, . . . , yn) Kn si a K.
Inzestrata cu cele doua operatii definite mai sus, multimea Kn devine un spatiu
vectorial, numit
13
spatiul vectorial aritmetic cu n dimensiuni peste K. Pentru K = R se obtin
spatiile euclidiene,
iar pentru K = C se obtin spatiile unitare sau hermitice. In cazul unui vector x = (x1,
x2, . . . , xn)
din Kn, x1, x2, . . . , xn se numesc componentele sau coordonatele vectorului x. De aceea,
cand vom
nota vectorii cu indici vom folosi scrierea cu exponenti n paranteza, pentru a se deosebi
de componentele
sale.
Comentariul 2.1.1. Spatiile vectoriale Rn si Cn sunt instrumente matematice de baza
n studiul
modelelor matematico-economice. Spatiile R2 si R3 conduc la vectorii utilizati n
fizica.
2.2 Subspatii vectoriale
O submultime W a unui spatiu vectorial V peste un camp K se numeste subspatiu

vectorial al
lui V , daca cele doua operatii date pe V induc pe W o structura de spatiu vectorial
peste K. Vom nota
faptul ca W este un subspatiu al lui V prin W _ V .
Teorema 2.2.1 Submultimea W a unui spatiu vectorial V peste campul K este subspatiu
vectorial peste
campul K, daca si numai daca sunt ndeplinite conditiile:
1. pentru orice x, y W avem x + y W;
2. pentru orice x W si orice a K avem ax W.
Demonstratie. Daca W _ V , atunci conditiile 1) si 2) rezulta din faptul ca
operatiile din V trebuie sa
fie interne si pe W.
Reciproc, daca presupunem ca 1) si 2) au loc si luand x W, din 2) rezulta ca si
x = (1)(x)
W, iar de aici, folosind 1), rezulta ca = x + (x) se gaseste n W. Celelalte conditii
din definitia unui
spatiu vectorial avand loc pe V au loc si pe W. Teorema precedenta este echivalenta
cu:
Teorema 2.2.2 Submultimea W a spatiului vectorial V peste K este subspatiu vectorial
pentru V peste
K, daca si numai daca, pentru orice a, b K si orice x, y W avem ax + by W.
Observatia 2.2.1 Orice subspatiu vectorial W al unui spatiu vectorial V contine
vectorul nul.
Exemple. 2.2.1. Daca V este un spatiu vectorial, atunci submultimea {}, formata
numai din vectorul
nul, este un subspatiu vectorial numit subspatiul nul.
2.2.2. Pentru spatiul vectorial R2 si numarul real a fixat, submultimea W = {x R2|x
= (x1, y1)
cu y1 = ax1} formeaza un subspatiu vectorial.
Intr-adevar, daca x, y W, x = (x1, y1), y1 = ax2, y = (x2, y2), y2 = ax2, atunci: x + y =
(x1 + y1, x2 + y2) cu y1 + y2 = ax1 + ax2 = a(x1 + x2) si deci x + y W. Pentru a R avem
x = (x1, y1), cu y1 = (ax1) = a(xn) si deci x W.
Cele demonstrate ne arata ca, n spatiul vectorial R2 (n plan) dreptele ce trec prin
origine formeaza
subspatii vectoriale pentru R2.
2.2.3. Daca K este un camp, atunci multimea vectorilor
x = (x1, x2, . . . , xn) din Kn cu xn = 0 formeaza un subspatiu vectorial al spatiului
vectorial Kn.
Usor se verifica faptul ca intersectia a doua subspatii vectoriale ale unui spatiu
vectorial V este tot
un subspatiu vectorial al lui V . Prin urmare, daca A este o submultime a spatiului
vectorial V , atunci
exista un cel mai mic subspatiu al lui V care contine pe A, anume intersectia tuturor
subspatiilor lui V
ce contin pe A, numit subspatiu generat de A sau acoperirea (nfasuratoarea)
liniara a lui A.
Doua subspatii W1 si W2 ale unui spatiu vectorial se zic independente daca W1 W2 =
{0}.
Fie S = {x(1), x(2), . . . , x(n)} un sistem de n vectori, n N
, din spatiul vectorial V peste campul
K.
Definitia 2.2.1 Se spune ca vectorul x V este o combinatie liniara de vectorii
sistemului S daca
exista n scalari a1, a2, . . . , an K astfel ca sa avem
x=
n
k=1
akx(k).
14
Teorema 2.2.3 Multimea vectorilor din spatiu vectorial V care se pot scrie ca si
combinatii liniare de
vectorii sistemului S formeaza un subspatiu vectorial al lui V . Acest subspatiu se
noteaza prin [S] si se
numeste subspatiul lui V generat de sistemul de vectori S.
Demonstratie. Intr-adevar, daca x =
n
k=1
akx(k) si y =
n
k=1
bkx(k), atunci, pentru orice , K, avem

x + y =
n
k=1
akx(k) +
n
k=1
bkx(k) =
n
k=1
(ak + bk)x(k),
adica x + y este o combinatie liniara de vectori a sistemului S.
Teorema 2.2.4 Subspatiul [S] generat de sistemul de vectori S coincide cu acoperirea
liniara a lui S.
Demonstratie. Fie S acoperirea liniara a lui S. Avem S [S] si din definitia lui S
rezulta S [S].
Reciproc, daca x [S], atunci rezulta ca x =
n
k=1
akx(k), a1, a2, . . . , an K. Prin urmare, x S, adica

[S] S. Rezulta ca S = [S].
Definitia 2.2.2 Un sistem de vectori S V se numeste sistem de generatori pentru
subspatiul W _ V
daca W = [S].
Exemplul 2.2.4. In spatiul Rn un sistem de generatori pentru Rn este format din vectorii:
e(1) =
(1, 0, 0, . . . , 0), e(2) = (0, 1, 0, . . . , 0), . . ., e(n) = (0, 0, . . . , 0, 1). In adevar, orice x = (x1,
x2, . . . , xn) Rn
se scrie sub forma x = x1e(1) + x2e(2) + . . . + xne(n).
Definitia 2.2.3 Daca W1 si W2 sunt subspatii ale spatiului vectorial V , atunci
subspatiul generat de
S = W1 W2 se numeste suma celor doua subspatii. Notam [S] = W1 +W2.
Teorema 2.2.5 Suma W1 + W2 a doua subspatii vectoriale ale lui V coincide cu multimea
vectorilor
x V care se scrie sub forma x = x(1) + x(2), cu x(1) W1, x(2) W2.
Demonstratie. Fie W = {x V |x = x(1) + x(2), x(1) W1, x(2) W2}. Evident ca W W1 +
W2 .
Daca x W1 +W2, atunci x = a1y(1) +. . .+ary(r)+ ar+1y(r+1) +. . .+apy(p), unde y(1), . . . , y(r)
W1 ,
iar y(r+1), . . . , y(p) W2. Punand x(1) = a1y(1) + . . . + ary(r) si x(2) = ar+1y(r+1) + . . . + apy(p),
gasim
x = x(1) + x(2), deci W1 +W2 W. Rezulta W = W1 +W2.
Exemplul 2.2.5. In R2 consideram W1 = {(x, 0)|x R} si
W2 = {(0, y)|y R}. Atunci avem R2 = W1 +W2.
Definitia 2.2.4 Suma S a doua subspatii vectoriale W1 si W2 ale spatiului vectorial V
se numeste directa,
daca W1 W2 = {}. In acest caz scriem S = W1 W2, iar despre W1 si W2 se zic ca sunt
subspatii
vectoriale independente.
Teorema 2.2.6 Suma a doua subspatii vectoriale W1 si W2 ale spatiului vectorial V este
directa, daca
si numai daca orice vector x din S = W1+W2 se scrie n mod unic sub forma x = x(1)+x(2),
x(1) W1,
x(2) W2.
Demonstratie. Sa admitem ca S = W1W2 si sa presupunem ca exista x S asa
ncat x = x(1)+x(2),
x(1) W1, x(2) W2 si x = y(1) + y(2), y(1) W1, y(2) W2. Atunci x(1) + x(2) = y(1) + y(2), de
unde
x(1) y(1) = x(2) y(2) W1 W2 = {} si deci x(1) = y(1) si x(2) = y(2). Rezulta ca scrierea
lui x ca
suma de elemente din W1 si W2 este unica.
Reciproc, sa admitem ca orice x S = W1 + W2, are o scriere unica de forma x = x(1) +
x(2),
x(1) W1, x(2) W2. Daca ar exista t W1W2, t _= , atunci x = (x(1)t)+(x(2)t), cu x(1)t
W1
si x(2) t W2, ceea ce ar fi o contradictie. Prin urmare W1 W2 = {}, adica S = W1
W2.
Definitia 2.2.5 Doua subspatii W1 si W2 ale spatiului vectorial V se numesc
suplimentare daca W1
W2 = {} si V = W1 W2.
15
Exemplul 2.2.6. Spatiul vectorial Hom(R,R) al functiilor f : R R este suma directa a
subspatiilorW1
si W2 ale functiilor pare si respectiv impare deoarece W1 W2 = {}. Cum, pentru orice
f Hom(R,R),
avem
f(x) = f(x) + f(x)
2
+ f(x) f(x)
2 , ()x R,
adica suma dintre o functie para si una impara, deducem ca W1 si W2 sunt
subspatii vectoriale suplimentare
pentru Hom(R,R).
2.3 Independenta si dependenta liniara a vectorilor.

Baza si
dimensiune
Definitia 2.3.1 Sistemul de vectori S = {x(1), x(2), . . . , x(n)} din spatiul vectorial V peste
campul K
se zice ca este liniar independent daca o combinatie liniara a lor a1x(1) + a2x(2) + . . . +
anx(n),
a1, a2, . . . , an K, da vectorul nul numai daca a1 = a2 = . . . = an = 0.
In caz contrar, adica daca exista cel putin o multime de scalari a1, a2, . . . , an K, nu
toti nuli,
astfel ca
n
i=1
aix(i) = , atunci se zice ca sistemul S de vectori este liniar dependent.

Daca sistemul S de vectori este liniar independent (liniar dependent), se mai zice ca
vectorii
x(1), . . . , x(n) sunt liniar independenti (liniar dependenti).
Exemple. 2.3.1. Vectorii e(1), e(2), . . . , e(n) (v.exemplul 2.2.4) sunt liniar independenti n
Rn. In adevar,
daca a1, a2, . . . , an R astfel ca
n
i=1
aie(i) = , atunci rezulta (a1, a2, . . . , an) = , de unde obtinem ca

a1 = a2 = . . . = an = 0.
2.3.2. Vectorii x(1) = (1, 2,1), x(2) = (2, 1, 1) si x(3) = (4,1, 5) sunt liniar dependenti n
R3
deoarece avem 2x(1) 3x(2) + x(3) = .
Teorema 2.3.1 Sistemul S = {x(1), x(2), . . . , x(n)} de vectori este liniar dependent, daca si
numai daca
cel putin unul din vectorii lui S se poate exprima ca o combinatie liniara de ceilalti
vectori ai sistemului.
Demonstratie. Daca sistemul S este liniar dependent, atunci exista scalarii a1, a2, . . . ,
an K, nu
toti nuli, astfel ca a1x(1) + . . . + anx(n) = . Presupunem ca a1 _= 0, atunci x(1) = a2a
1
x(2)
a3a
1
1 x(3)
1
. . . ana
x(n), ceea ce ne arata ca vectorul x(1) se exprima ca o combinatie liniara de

vectorii x(2), . . . , x(n).
Reciproc, daca cel putin un vector, de exemplu x(1), se exprima ca o combinatie
liniara de ceilalti,
atunci putem scrie x(1) = a2x(2) . . .anx(n), de unde x(1) +a2x(2) +. . .+anx(n) = , cu
coeficientul
1
lui x(1) nenul, ceea ce ne arata ca vectorii x(1), . . . , x(n) sunt liniar dependenti.
Propozitia 2.3.1 Intr-un spatiu vectorial V peste campul K sunt valabile afirmatiile:
i) vectorul nul formeaza un sistem liniar dependent;
ii) orice vector x _= formeaza un sistem liniar independent;
iii) orice sistem de vectori din care se poate extrage un sistem liniar dependent este de
asemenea liniar
dependent.
Demonstratie. i) Valabilitatea acestei afirmatii rezulta din 1 = .
ii) Pentru x _= din ax = , a K, rezulta a = 0.
iii) Daca pentru sistemul de vectori S = {x(1), x(2), . . . , x(n)}, n > 1, exista subsistemul
{x(1), . . . , x(m)}, m < n, liniar dependent, atunci exista scalarii a1, . . . , an K astfel cu
a1x(1) +a2x(2) +
. . .+amx(m) = . De aici, avem a1x(1) +a2x(2) +. . .+amx(m) +0 x(m+1) +0 x(n) = si deci
sistemul
S este liniar dependent.
Corolarul 2.3.1 Sunt valabile afirmatiile:
16
i) Orice sistem de vectori care contine vectorul nul este liniar dependent;
ii) Orice subsistem al unui sistem liniar independent de vectori este, de asemenea, liniar
independent.
Definitia 2.3.2 Un sistem infinit de vectori din spatiul vectorial V se numeste liniar
independent daca
orice subsistem finit al sau este liniar independent. In caz contrar se zice ca sistemul este
liniar dependent.
Exemplul 2.3.3. In spatiul vectorial Hom(R,R) sistemul {1, x, x2, . . . , xn, . . . este liniar
independent.
Intr-adevar, orice relatie de forma
ai1xi1 + ai2xi2 + . . . + aikxik = , ()x R,
unde i1 < i2< <ik
, are loc numai daca ai1 = ai2 = . . . = aik = 0, adica orice subsistem finit este liniar
independent.
Definitia 2.3.3 Un sistem B, finit sau infinit, de vectori din spatiul vectorial V se
numeste baza pentru
spatiul vectorial V , daca B este liniar independent si B este un sistem de generatori
pentru V .
Exemple. 2.3.4. In spatiul Rn sistemul B = {e(1), e(2), . . . , e(n)}, e(1) = (1, 0, . . . , 0), . . . ,
e(n) =
(0, 0, . . . , 1) formeaza o baza. S-a aratat ca B este liniar independent (v.exemplul 2.3.1)
si constituie
un sistem de generatori pentru Rn (v.exemplul 2.2.4).
Aceasta baza a lui Rn se numeste baza canonica sau naturala.
2.3.5. In spatiul vectorial Pn al polinoamelor de grad cel mult n, n 1, peste campul R, o
baza
este data de sistemul B = {1, x, x2, . . . , xn}.
Teorema 2.3.2 Sistemul de vectori B = {e(1), e(2), . . . , e(n)} constituie o baza pentru
spatiul vectorial V
peste campul K, daca si numai daca orice vector din V se exprima n mod unic ca o
combinatie liniara
de vectorii lui B.
Demonstratie. Daca B este baza a spatiului vectorial V , atunci orice x V se scrie
sub forma
x=
n
k=1
, ake(k), a1, a2, . . . , an K. Daca mai avem si x =

n
k=1
bke(k), b1, . . . , bn K, atunci obtinem

n
k=1
(akbk)e(k) = , de unde, folosind faptul ca B este liniar independent, rezulta ak = bk, k = 1,

2, . . . , n,
adica scrierea lui x n baza B este unica.
Reciproc, daca orice vector din spatiul V se expriman mod unic ca o combinatie
liniara de vectorii
lui B, atunci si vectorul nul are aceasta proprietate, adica din =
n
k=1
ake(k) rezulta ak = 0, k = 1, n (se

foloseste unicitatea scrierii), ceea ce ne arata ca B este liniar independent.
Definitia 2.3.4 Daca B = {e(1), e(2), . . . , e(n)} este o baza a spatiului vectorial V peste
campul K, atunci
scalarii a1, a2, . . . , an K din scrierea x =
n
k=1
akek se numesc componentele sau coordonatele

vectorului x n baza B.
Teorema 2.3.3 (teorema nlocuirii a lui Steinitz.) Daca B = {e(1), e(2), . . . , e(n)} este o
baza n
spatiul vectorial V peste campul K si x =
n
k=1
ake(k) este un vector din V ce satisface conditia at _= 0,

atunci sistemul B1 = {e(1), e(2), . . . , e(t1), x, e(t+1), . . . , e(n)} este, de asemenea, o baza
pentru V .
Demonstratie. Sa aratam mai ntai ca B1 este liniar independent. Daca b1e(1)+. . .
+bt1e(t1)+btx+
bt+1e(t+1) + . . . + bne(n) = , atunci nlocuind pe x cu expresia lui, gasim:
(b1 + bta1)e(1) + . . . + (bt1 + btat1)e(t1) + btate(t)+
+(bt+1 + btat+1)e(t+1) + . . . + (bn + btan)e(n) = .
17
Cum B este baza n spatiul vectorial V , din egalitatea precedenta rezulta:
b1 + bta1 = 0, . . . , bt1 + btat1 = 0, btat = 0, bt+1 + btat+1 =
= 0, . . . , bn + btan = 0.
Deoarece at _= 0, deducem bt = 0 si deci b1 = b2 = . . . = bn = 0, ceea ce ne arata ca B1
este liniar
independent.
Sa aratam acum ca B1 este un sistem de generatori pentru V. Fie y un vector din V ,
caren baza
B are scrierea y =
n
k=1
cke(k). Cum at _= 0, din scrierea lui x avem

e(t) = a
1
(x a1e(1) . . . at1e(t1) at+1e(t+1) . . . ane(n)),

nlocuind pe e(t) n y, obtinem
y = (c1 a
t
t a1ct)e(1)
1
+ . . . + (ct1 a
t at1ct)e(t1)
1
(2.1) t ctx+
+(ct+1 a
1
+a
t at+1ct)e(t+1)
1
+ . . . + (cn a
anct)e(n),
ceea ce ne arata ca B1 este un sistem de generatori pentru V .
Observatia 2.3.1 Prin inductie matematica se poate demonstra urmatorul rezultat
(teorema generala
a nlocuirii): daca B = {e(1), e(2), . . . , e(n)} este o baza n spatiul vectorial V peste
campul K si S =
{x(1), x(2), . . . , x(p)} este un sistem de vectori liniar independent din V , atunci p n si
putem nlocui p
vectori din B prin vectorii lui S, astfel ca, renumerotand vectorii, B1 = {x(1), . . . , x(p), e(p+1), .
. . , e(n)}
sa fie, de asemenea, baza pentru V .
Comentariul 2.3.1 Demonstratia Teoremei 10.3.3 ne da si procedeul practic de
nlocuire a unui vector
dintr-o baza cu un alt vector, cat si formulele de calcul al coordonatelor unui vector n
noua baza. Intradev
ar, pentru coordonatele vectorului y =
t
n
k=1
cke(k) n noua baza B1 din formula (2.1) rezulta formulele

yk = ck a
1
akct = ckat akct

at
(2.2) , pentru k _= t
si
yt = a
t
ct = ct
at
(2.3) , pentru k = t.
Formulele (2.2) si (2.3) ne dau regulile de aflare a componentelor lui y n baza B1, n care
n
locul vectorului e(t) s-a introdus vectorul x. Formula (2.3) arata ca noua componenta a
vectorului y
corespunzatoare vectorului x ce intra n locul lui e(t), se obtine prin mpartirea
componentei sale ct (de
pe linia t) la componenta at a lui x de pe coloana t, iar formula (2.2) indica regula:
componenta noua
yk a lui y, de pe o linie arbitrara k, se obtine din vechea componenta ak dupa regula
a t ct
a k ck
echivalenta cu atck akct
at
= yk,
numita si regula dreptunghiului. Elementul at _= 0 se numeste si pivot, ceea ce
face ca regula dreptunghiului
sa se mai numeasca si regula pivotului. De obicei calculele se fac n tabele succesive
de
18
forma
Baza e(1) e(2) . . . e(t) . . . e(n) . . . x y
e(1) 1 0 . . . 0 . . .
...
. . . a 1 c1
e(2) 0 1 . . . 0 . . .
t
...
. . . a 2 c2
...
...
...
...
...
...
...
...
...
...
x_
e(t) 0 0 . . . 1 . . .
...
. . . a t ct
...
...
...
...
...
...
...
...
...
...
e(k)
...
...
...
...
...
...
. . . a k ck
...
...
...
...
...
...
...
...
...
...
e(n) 0 0 . . . 0 . . . 1 . . . an cn
Exemplul 2.3.6. Fie vectorii x = (2, 3, 1) si y = (3, 4, 5) scrisi n baza canonica din R3.
Scriem
componentele lui y n baza (e(1), x, e(3)).
Avem
Baza e(1) e(2) e(3) x y
e(1) 1 0 0 2 3
x_
e(2) 0 1 0 3 4
e(3) 0 0 1 1 5
e(1) 1 2
3
3
00
x01
30 1 4
3
e(2) 0 1
3 1 0 11
3
unde elementele de pe linia lui e(2) s-au mpartit cu elementul pivot 3, iar celelalte s-au
calculat cu regula
dreptunghiului. Pe coloana elementului pivot se pune 1 n locul elementului pivot si n
rest 0.
De retinut ca, utilizand aceasta cale de lucru, se poate nlocui o baza a unui spatiu
vectorial cu o
alta.
Exemplul 2.3.7. In R2 sa se nlocuiasca baza canonica cu baza data de vectorii x(1) =
(2, 3) si x(2) =
(4, 2) si n noua baza sa se scrie componentele vectorului v = (3, 4).
Avem
Baza e(1) e(2) x(1) x(2) v
x(1)
_ e(1) 1 0 2 4 3
e(2) 0 1 3 2 4
x(1) 1
20 1 2 3
2
x(2)
_ e(2) 3
2 1 0 4 1
2
x(1) 1
4
1
2
4
10
x(2) 3
8
1
40 1
8
Observatia 2.3.2 Metoda elementului pivot este utilizata n rezolvarea multor

probleme de matematica
cu aplicarea n modelele matematico-economice.
Corolarul 2.3.2 Daca o baza a unui spatiu vectorial este formata din n vectori, atunci
orice baza a sa
are tot n vectori.
Definitia 2.3.5 Daca o baza a unui spatiu vectorial V este formata din n vectori,
atunci spunem ca
spatiul V are dimensiune finita egala cu n. Scriem dim V = n. Spunem ca un spatiu
vectorial are o
dimensiune infinita daca exista n el o baza infinita.
De exemplu, avem dim Rn = n si dim Hom(R,R) = .
Definitia 2.3.6 Un spatiu vectorial V cu dim V = 1 se numeste dreapta vectoriala ;
un spatiu V
cu dim V = 2 se numeste plan vectorial .
19
Un subspatiu W, cu dim W = n 1. a unui spatiu vectorial V , cu dim V = n, se
numeste
hiperplan vectorial. Altfel spus, un subspatiu vectorial W este un hiperplan vectorial

daca el este
suplimentar unei drepte vectoriale.
Definitia 2.3.7 Se numeste rangul unui sistem S de vectori din spatiu vectorial V ,
dimensiunea
spatiului vectorial generat de S. Notam rangul lui S prin rang S.
Propozitia 2.3.2 Rangul unui sistem de vectori din spatiul vectorial V nu se modifica
daca:
i) se schimba ordinea vectorilor;
ii) se nmulteste un vector al sistemului cu un scalar nenul;
iii) se aduna la un vector al sistemului un alt vector din sistem, nmultit cu un scalar.
Pentru demonstratie se observa ca sistemele de vectori obtinute prin transformarile
i)iii) din
propozitie genereaza acelasi subspatiu vectorial si deci are acelasi rang.
Transformarile i), ii), iii) se
numesc transformari elementare.
Teorema 2.3.4 Rangul unui sistem finit de vectori este egal cu numarul maxim de vectori
liniar
independenti ai sistemului.
Demonstratie. Fie S = {x(1), x(2), . . . , x(m)} un sistem de vectori n spatiul vectorial V
si k m
numarul maxim de vectori liniar independenti ai lui. Pentru comoditatea scrierii
consideram ca vectorii
x(1), x(2), . . . , x(k) sunt liniar independenti, ceea ce implica ca ceilalti vectori ai
sistemului se vor exprima
ca si combinatii liniare de acestia, adica
x(k+i) = ai1x(1) + ai2x(2) + . . . + aikx(k), i = 1, 2, . . .,m k
Acum, adunam n sistemul S la fiecare din vectorii x(k+i), i = 1, 2, . . .,m k, respectiv
vectorul
ai1x(1)+ai2x(2)+. . .+aikx(k) si obtinem sistemul S1 = {x(1), x(2), . . . , x(k), , , . . . , }.
Dupa Propozitia
2.3.2 sistemul S1 are acelasi rang cu sistemul S.
Dar n sistemul S1 sistemul de vectori {x(1), . . . , x(k)} este o baza, ceea ce ne arata ca
dimensiunea
lui este k. Prin urmare, rangul lui S1 si deci si al lui S este k.
Definitia 2.3.8 Doua spatii vectoriale V si W peste acelasi camp K se numesc
izomorfe daca exista
o aplicatie f : V W care sa fie izomorfism fata de operatiile ce definesc pe V si W
structura de spatiu
vectorial.
Teorema 2.3.5 Printr-un izomorfism de doua spatii vectoriale se pastreaza rangul unui
sistem finit de
vectori
Demonstratie. Fie f : V W un izomorfism ntre spatiile vectoriale V si W si S =
{x(1), x(2), . . . , x(m)} un sistem de vectori de rang k, k m, din spatiul vectorial V. Prin f se
obtine
sistemul de vectori S1 = {y(1), y(2), . . . , y(m)}, unde y(i) = f(x(i)), i = 1,m, din W. Pentru
comoditatea
scrierii consideram ca vectorii x(1), x(2), . . . , x(k) sunt liniar independenti. Atunci din
relatia
a1y(1)+a2y(2)+. . .+aky(k) = , a1, a2, . . . , ak K, rezulta a1f(x(1))+a2f(x(2))+. . .+akf(x(k)) = ,
iar
de aici f(a1x(1)+a2x(2)+. . .+akx(k)) = . Cumf este injectiva deducem ca a1x(1)+a2x(2)+. . .
+akx(k) =
si de aici a1 = a2 = . . . = ak = 0, ceea ce ne arata ca vectorii y(1), y(2), . . . , y(k) sunt

liniar independenti.
Acum considerand relatiile
x(k+i) = ai1x(1) + ai2x(2) + . . . + aikx(k), i = 1, 2, . . .,m r
si aplicand functia f, obtinem
y(k+i) = ai1y(1) + ai2y(2) + . . . + aiky(k), i = 1, 2, . . .,m r.
Prin urmare, sistemul de vectori y(1), . . . , y(k) este un sistem de generatori pentru S1 si deci
rang S1 = rang S.
20
Teorema 2.3.6 Conditia necesara si suficienta ca doua spatii vectoriale V si W peste
campul K, de
dimensiune finita, sa fie izomorfe este ca ele sa aiba aceeasi dimensiune.
Demonstratie. Necesitatea rezulta imediat aplicand Teorema 2.3.5.
Pentru suficienta sa consideram spatiile vectoriale V si W cu dim V = dim W = n. Fie
B=
{e(1), e(2), . . . , e(n)} si B1 = {f(1), f(2), . . . , f(n)} cate o baza n V si respectiv W.
Definim, aplicatia
h : V W dupa regula: pentru orice x B, x =
n
i=1
aix(i), h(x) =
n
i=1
aif(i). Se verifica imediat ca h

este un izomorfism si deci spatiile V si W sunt izomorfe.
Corolarul 2.3.3 Printr-un izomorfism ntre doua spatii vectoriale V si W de dimensiune
finita o baza
din V este dusa ntr-o baza din W.
Corolarul 2.3.4 Exista un izomorfism si numai unul ntre doua spatii vectoriale V si W
de dimeniune
finita care sa duca o baza B din V ntr-o baza data B1 din W.
Corolarul 2.3.5 Orice spatiu vectorial V peste campul K de dimensiune n este izomorf cu
spatiul Kn.
Corolarul 2.3.6 Pentru orice subspatiu W al unui spatiu vectorial V avem dim W dim V .
2.4 Produs scalar. Spatii normate. Spatii metrice
Fie V un spatiu vectorial peste corpul K, unde K = R sau K = C.

Definitia 2.4.1 Se numeste produs scalar pe V , orice aplicatie < , >: V V K, cu
proprietatile:
P1. < x,x > 0, oricare ar fi x, y V si < x,x >= 0, daca si numai daca x = ;
P2. < x,y >= < y,x >, (z este conjugatul lui z n C), oricare ar fi x, y V ;
P3. < x, y >= < x,y >, oricare ar fi K si x, y V ;
P4. < x+ y, z >=< x,z > + < y,z >, oricare ar fi x, y, z V .
Daca K = R, cum un numar real este egal cu conjugatul sau rezulta ca P2 devine < x,y
>=<
y, x >, adica produsul scalar este comutativ.
Definitia 2.4.2 Un spatiu vectorial peste campul K = R C nzestrat cu un produs
scalar se numeste
spatiu prehilbertian. Daca K = R, atunci spatiul se numeste euclidian, iar daca K = C
atunci spatiul
vectorial nzestrat cu un produs scalar se numeste unitar .
Exemple. 2.4.1. Daca n Rn consideram vectorii x = (x1, . . . , xn) si y = (y1, y2, . . . , yn)
si definim
< x,y >=
n
i=1
xiyi, atunci Rn devine un spatiu euclidian. Prin simple calcule se verifica proprietatile
P1 P4.
2.4.2. In Cn produsul scalar al vectorilor x = (x1, . . . , xn), y = (y1, . . . , yn) se defineste
prin
< x,y >=
n
i=1
xiyi,
devenind astfel un spatiu unitar.
2.4.3. Pe spatiul vectorial C[a, b] al functiilor reale continue, expresia < f,g >=
_b
a
f(x)g(x)dx
este un produs scalar.
Definitia 2.4.3 Se numeste norma peste spatiul vectorial V peste K = RC orice
aplicatie _ _ : V R
cu urmatoarele proprietati:
21
N1. _x_ = 0, daca si numai daca x = ;
N2. _x_ = || _x_, oricare ar fi K si x V ;
N3. _x + y_ _x_ + _y_ (inegalitatea triunghiurilor), oricare ar fi x, y V .
Daca n N3 punem y = x, atunci rezulta _x_ 0, pentru orice x V .
Definitia 2.4.4 Un spatiu vectorial V peste K este normat daca pe el s-a definit o
norma. Scriem
(V,_ _).
Teorema 2.4.1 Daca (V,< , >) este un spatiu euclidian, atunci pentru orice x, y V are
loc
inegalitatea
| < x,y > |
< x,x > < y,y >.

numita inegalitatea lui CauchySchwarzBuniakowscki.
Demonstratie. Pentru orice x, y V si orice R, avem < x+ y, x + y > 0. De
aici, folosind
P2 P4 obtinem
(2.4) < y, y > 2 + 2 < x, y > + < x, x > 0
pentru orice R.
Daca y = inegalitatea (10.8) devine
(2.5) 2 < x, > + < x, x > 0.
Dar < x, >=< x,xx >=< x,x > + < x,x >=< x,x > + < x, x >=< x,x > < x,x >=
0. Cum < x,x > 0, rezulta ca (10.8) are loc pentru y = si oricare ar fi x V .
Deci, putem presupune y _= , adica < y,y >> 0. Atunci trinomul de gradul doi n din
(10.8) va
fi 0, oricare ar fi R, daca si numai daca =< x,y >2 < y,y > < x,x > 0, de
unde rezulta
| < x,y > |
< x,x > < y,y > ceea ce trebuia demonstrat.

Egalitate n inegalitatea lui CauchySchwarzBuniakowski se obtine numai daca x = y,
adica
vectorii x si y sunt coliniari.
Observatia 2.4.1 Pentru x = (x1, . . . , xn), y = (y1, y2, . . . , yn) vectori din Rn inegalitatea
Cauchy
SchwarzBuniakowski ia forma
_
n
i=1
xiyi
_
n
i=1
x2i
_
n
i=1
y2
i
,
cu egalitate numai daca x1/y1 = x2/y2 = . . . = xn/yn = R.
Teorema 2.4.2 Daca (V,< , >) este un spatiu euclidian, aplicatia _ _ : V R, definita
prin
_x_ =
< x,x > este o norma pe V , numita norma generata de produsul scalar.
Altfel spus, un spatiu prehilbertian este un spatiu normat.
Demonstratie. Trebuiesc verificate proprietatile normei. Din _x_ = 0 avem < x,x >= 0,
de unde, pe
baza lui P1, deducem x = , ceea ce ne demonstraza N1.
Pentru N2 avem _x_ =
< x, x > =
_
2 < x,x > = || _x_, pentru orice R si orice
xV.
Pentru a demonstra N3 putem scrie _x + y_2 =< x+ y, x +y >=
< x,x > +2 < x,y > + < y,y > _x_2 + 2_x_ _y_ + _y_2 = (_x_ + _y_)2 (s-a folosit inegalitatea
lui
CauchySchwarzBuniakowski), de unde rezulta _x + y_ _x_ + _y_, oricare ar fi x, y V .
Observatia 2.4.2 Teoremele 10.4.1 si 10.4.2 raman adevarate si pentru spatiile
vectoriale unitare.
22
Definitia 2.4.5 Fie (V,< , >) un spatiu vectorial euclidian. Oricare ar fi vectorii x, y V
, diferiti
de vectorul nul, numarul real [0, ] definit prin
cos = < x,y >
_x_ _y_,
se numeste unghiul dintre x si y. Unghiul se noteaza si prin (_x, y).
Daca < x,y >= 0, atunci = /2, iar vectorii x si y se numesc ortogonali.
Un vector v se numeste versor daca _v_ = 1.
Definitia 2.4.6 Fie A o multime nevida. Se numeste metrica (distanta) pe A,
orice aplicatie d :
A A R cu urmatoarele proprietati:
M1. d(x, y) = 0, daca si numai daca x = y (separare);
M2. d(x, y) = d(y, x), pentru orice x, y A (simetrie);
M3. d(x, z) d(x, y) + d(y, z), pentru orice x, y, z A (inegalitatea triunghiului).
Definitia 2.4.7 Se numeste spatiu metric orice multime nevida A nzestrata cu o
metrica. Notam cu
(A, d) multimea A nzestrata cu metrica d.
Observatia 2.4.3 Pentru orice x, y (A, d) avem d(x, y) 0.
Intr-adevar, din M3, punand z = x, rezulta
0 d(x, y) + d(y, x) = 2d(x, y),
de unde d(x, y) 0.
Exemple. 2.4.4. Aplicatia d : A A R prin d(x, y) =

_
1, x_= y
0, x= y
este o metrica pe A, numita
metrica grosiera.
2.4.5. Aplicatia d : R R R, d(x, y) = |x y| este o metrica pe R.
Teorema 2.4.3 Daca (V,_ _) este un spatiu vectorial normat, atunci aplicatia d : V V
R definita
prin d(x, y) = _x y_ este o metrica pe V , numita metrica generata de norma.
Demonstratie. Trebuie sa aratam ca d verifica proprietatile M1M3. Pentru M1 din
d(x, y) = 0, avem
_x y_ = 0, de unde, pe baza lui N1, obtinem x = y. Proprietatea de simetrie M2 rezulta
astfel:
d(x, y) = _x y_ = _(1)(y x)_ = |(1)| _y x_ = d(y, x),
pentru orice x, y V .
Inegalitatea triunghiului pentru d rezulta astfel:
d(x, y) = _x z_ = _x y + (y z)_ _x y_ + _y z_ = d(x, y) + d(y, z),
pentru orice x, y, z V .
Observatia 2.4.4 Pentru spatiile euclidiene Rn metrica generata de norma data de
produsul scalar
conduce la
d(x, y) =
____
n
i=1
(xi yi)2
oricare ar fi x = (x1, . . . , xn) R si y = (y1, . . . , yn) R. numita si metrica euclidiana.
23
2.5 Multimi convexe
In acest paragraf vom introduce notiunea de multime convexa si proprietatile ei.

Ea are o
importanta deosebita n rezolvarea modelelor matematicoeconomice de programare
liniara.
Definitia 2.5.1 Fie x = (x1, . . . , xn) si y = (y1, . . . , yn) doi vectori din Rn. Vectorul z = ax
+ (1 a)y,
cu a [0, 1] se numeste combinatia liniara convexa a vectorilor x si y.
Definitia 2.5.2 Daca x, y Rn multimea {z Rn|z = ax+(1a)y, a [0, 1]} se
numeste segmentul
de dreapta de extremitati x si y. El se noteaza cu [x, y]. Daca a (0, 1), atunci
segmentul deschis
dat de x si y se noteaza cu (x, y).
Pe R segmentul [x, y] si segmentul deschis (x, y) coincid cu intervalul nchis [x, y]
respectiv intervalul
deschis (x, y)
Definitia 2.5.3 O multime A Rn se numeste multime convexa, daca oricare ar fi
x, y A avem
[x, y] A. Altfel spus, oricare ar fi doua puncte din A, segmentul [x, y] este o multime din
A.
Exemple. 2.5.1. Fie a = (a1, a2, . . . , an) Rn un vector fixat din Rn si b un numar real
dat. Multimea
H = {x Rn| < a,x >= b} este convexa.
Fie [0, 1]. Pentru orice x, y H avem
< a,x + (1 )y >= < a,x > +(1 ) < a,y >= b + (1 )b = b
ceea ce ne arata ca [x, y] H.
Multimea H este un hiperplann Rn de ecuatie a1x1+a2x2+. . .+anxn = b, daca x =

(x1, . . . , xn)
Rn.
2.5.2. In ipotezele de la 2.5.1, multimile S1 = {x Rn| < a,x > b} si S2 = {x Rn| <
a,x >
b}, numite si semispatiile determinate de hiperplanul H, sunt multimi convexe.
2.5.3. Multimile
Ma,b = {z Rn|z = ax + by, x, y Rn, a, b 0}
sunt convexe. Ele sunt numite si conuri convexe.
2.5.4. Multimea S0 = {x Rn|ax 0, a Rn, fixat } este un con convex, n timp ce S1
si S2, cu
b _= 0, din exemplul 2.5.2 nu sunt conuri convexe.
Propozitia 2.5.1 Intersectia a doua multimi convexe este o multime convexa.
Demonstratie. Fie A si B doua multimi convexe din Rn. Pentru orice [0, 1] si x,
y A B avem
x + (1 )y A B .
Propozitia 2.5.1 ramane valabila pentru orice familie numarabila de multimi
convexe.
Definitia 2.5.4 Multimea A Rn se numeste con poliedral convex, daca oricare ar fi x
A se poate
scrie ca o combinatie liniara nenegativa de un numar finit de elemente x(i) A, adica
x=
k
i=1
aix(i), ai 0, i = 1, k
Orice subspatiu a lui Rn este un con poliedral convex.
Definitia 2.5.5 Fie A Rn o multime. Multimea tuturor combinatiilor liniare convexe
de elemente din
A se numeste acoperirea convexa a lui A. Ea se noteaza prin Co(A).
Propozitia 2.5.2 Co(A) este convexa si A Co(A). Daca A este convexa, atunci Co(A)
= A.
Demonstratia propozitiei este imediata.
Definitia 2.5.6 Daca A Rn este o multime convexa, atunci elementul
x(0) A se numeste punct extremal pentru A daca nu exista x, y A,
a (0, 1) asa ncat sa avem x(0) = ax+(1a)y, adica x(0) nu poate fi interior
segmentului [x, y], oricare
ar fi x, y A.
Exemplu. 2.5.5. Varfurile unui triunghi sunt punctele sale extremale.
24
2.6 Testul Nr. 1 de verificare a cunostintelor
1. Definiti urmatoarele notiuni:

a) Spatiu vectorial;
b) Acoperirea liniara;
c) Baza a a unui spatiu vectorial;
d) Produs scalar;
e) Norma;
f) Metrica;
g) Combinatie liniara convexa;
h) Multime convexa.
2. Aratati ca daca (K,+, ) este corp comutativ si n N, iar Kn = {x = (x1, ..., xn) | xi
K, i = 1, n},
pentru n 1, atunci multimea Kn nzestrata cu operatiile
x + y def (x1 + y1, ..., xn + yn)
x def (x1, ..., xn), K
este un spatiu vectorial peste K.
3. Aratati ca B = {v, u,w}, v = (2, 1,1), u = (1,1, 1) si w = (1, 2,1) este o baza n
R3 si sa se
afle coordonatele vectorului t = (3, 6, 1) n aceasta baza.
4. Fie n R4 baza B = {x1, x2, x3, x4} cu x1 = (1, 1, 2, 1), x2 = (1,1, 0, 1), x3 = (0, 0,1, 1),
si
x4 = (1, 2, 2, 0). Vectorul v are coordonatele (1, 2, 2, 1) n aceasta baza. Gasiti
coordonatele lui v n
baza B_ = {y1, y2, y3, y4} cu y1 = x1, y2 = x2, y3 = 2x1 + 2x2 + 2x3 + 2x4 si y4 = x4.
5. Fie n R3 baza B = {x1, x2, x3} cu x1 = (1, 0, 0), x2 = (2, 1, 0), x3 = (3, 2, 1) si vectorul
v=
8x1 + 4x2 x3. Gasiti coordonatele vectorului v n baza B_ = {y1, y2, y3}, cu y1 = x1 +
x2 + x3,
y2 = x1 + x2 x3 si y3 = x1 x2 + x3.
6. Aratti ca (Rn, d) unde d : Rn Rn R, d(x, y) =
n
k=1
|xk yk|, x = (x1, ..., xn) si y = (y1, ..., yn)

este spatiu metric.
7. Aratati ca aplicatia < , > : R2 R2 R definita prin < x,y >= 3x1y1 x1y2 x2y1
+ 2x2y2,
x = (x1, x2) si y = (y1, y2), este un produs scalar.
8. Sa se arate cantr-un spatiu prehilbertian real oarecare are loc pentru orice vectori x
si y egalitatea:
_x + y_2 + _x y_2 = 2(_x_2 + _y_2).
9. Demonstrati ca orice spatiu prehilbertian real X este si spatiu normat.
10. Fie a, b R cu a < b. Aratati ca [a, b] = {x R | a x b} este o multime
convexa.
25
Indicatii si raspunsuri
Testul 1
2. Se verifica conditiile prezentate n definitia notiunii de spatiu
vectorial.
3. Se verifica conditiile de liniar independenta si sistem de generatori ale
sistemului de
vectori B. Folosind relatiile gasite la verificarea conditiei de sistem de
generatori ale
sistemului de vectori B se gaseste tB = (4, 4, 7).
4. Se obtine tabelul
v(xi) 1 2 2 1
y3(xi) 2 2 2 2
v(yi) -1 0 1 -1
Deci v(yi) = (1, 0, 1,1).
5. Se foloseste matricea de trecere si se obtine v(yi) =
_
3
2,
9
2, 2
_
.
6. Se verifica conditiile impuse asupra aplicatiei d n definitiea notiunii de
metrica.
7. Se verifica conditiile din definitia notiunii de produs scalar.
8. Se foloseste definitia normei induse de produsul scalar si proprietatile
produsului scalar
(_x_ =
< x,x >).

9. Se foloseste definitia normei induse de produsul scalar (_x_ =
< x,x >) si se verifica

conditiile din definitia notiunii de norma. Remarcam ca folosimsi
inegalitatea CauchyBaniakowski-Schwarz: < x,y >
< x,x >
< y,y >.

10. Se arata ca oricare ar fi x, y din [a, b] segmentul cu extremitatea initialan
x si cea finala
n y apartine tot lui [a, b].
26
[1] Acu, A.M., Acu D., Acu M., Dicu P., Matematici aplicate n economie - Volumul
I,
Editura ULB, Sibiu, 2001.
27
Capitolul 3
Matrice. Determinanti. Sisteme

de
ecuatii liniare
Obiective: Scopul acestui capitol este de a oferi studentilor metode rapide de
solutionare a problemelor legate de matrici, determinanti si sisteme de
ecuatii liniare.
Rezumat: In prezentul capitol sunt prezentate atat metodele cunoscute din
liceu,
precum si metode avansate, de aflare a inversei unei matrici, de calcul a valorii
unui determinant
si de rezolvare a unui sistem de ecuatii liniare, metode care se vor aplica n
capitolele
ulterioare.
1. Matrice
2. Determinanti
3. Sisteme de ecuatii liniare
Cuvinte cheie: matrice, determinant, sistem de ecuatii libiare, Gauss, GaussJordan, metoda lui Chio.
3.1 Matrice
Definitia 3.1.1 Se numeste matrice de tipul mn peste un camp K un tablou

dreptunghiular
A format din m n elemente din K situate pe m linii si n coloane.
Scriem
A=
a11 a12 . . . a1n

a21 a22 . . . a2n
...
...
...
...
am1 am2 am3 amn
sau condensat
A = (aij) i=1,m
j=1,n
,
unde aij reprezinta elementul matricei situat pe linia i si coloana j.
Elementele a11, a22, . . . formeaza diagonala principala a matricei, iar elementele
a1n, a2,n1, . . . diagonala secundara.
Notam cu Mmn(K) multimea matricelor de tipul mn peste campul K, iar cu M(K)
multimea tuturor matricelor peste campul K. Daca m = n, matricele se numesc
patratice
de ordin n.
Daca m = 1, matricea se numeste matrice sau vector linie. Daca n = 1, matricea
se
numeste matrice sau matrice coloana.
28
Unei matrice A de tip m n i se poate ataa sistemul ordonat de m vectori linie din
Kn dat de
Li = (ai1, ai2, . . . , ain), i = 1,m
si sistemul ordonat de n vectori coloana
Cj = t(a1j, a2j, . . . , amj), j = 1, n.
Definitia 3.1.2 Doua matrice de acelasi tip sunt egale daca elementele
corespunzatoare sunt
egale.
Definitia 3.1.3 Se numeste suma matricelor A = (aij) si B = (bij), ambele de tipul
mn
peste K, matricea notata cu A+B data de regula A+B = (aij +bij). Operatia care
realizeaza
aceasta regula se numeste adunarea matricelor.
Matricea O Mmn(K) cu toate elementele nule se numeste matricea nula. Fiind
data matricea A = (aij)Mmn(K), matricea A = (aij)Mmn(K) se numeste opusa
lui
A.
Se verifica imediat ca (Mmn(K), +) este un grup comutativ.
Definitia 3.1.4 Se numeste produsul matricei A = (aij) Mmn(K) cu scalarul K,
matricea
notata A, obtinuta prin regula A = (aij) Mmn(K). Operatia data de aceasta
regula se numeste nmultirea cu un scalar a matricelor.
Inmultirea cu un scalar a matricelor verifica proprietatile evidente
1 A = A, (A + B) = A + B, ( + )A = A + A,(A) = ()A,
oricare ar fi , K si A,B Mmn(K).
Rezulta ca are loc propozitia:
Propozitia 3.1.1 Multimea matricelor Mmn(K) n raport cu operatiile de
adunare si de
nmultire cu un scalar are o structura de spatiu vectorial peste K.

Dimensiunea spatiului vectorial Mmn(K) este mn. Intr-adevar se observa ca
orice
A = (aij)Mmn(K) se scrie n mod unic sub forma
A=
m
i=1
n
j=1
aijE(ij),
unde E(ij) sunt matricele de tipul mn, care au toate elementele egale cu 0, n
afara de cel
de pe linia i si coloana j care este egal cu 1.
Definitia 3.1.5 Se numeste transpunere n multimea M(K) a matricelor peste K,
aplicatia
t : M(K) M(K), definita prin t(A) = tA, unde A = (aij) Mmn(K), iar tA = (aji)
Mnm(K). Matricea tA se numeste transpusa lui A.
Se observa usor ca transpusa este o functie bijectiva, care verifica
proprietatile: 1)
t(tA) = A; 2) t(A + B) = tA + tB si 3) t(A) = tA, oricare ar fi A,B Mmn(K) si K.
De aici rezulta ca transpunerea este un izomorfism ntre spatiile vectoriale
Mmn(K) si
Mnm(K).
Definitia 3.1.6 O matrice patratica A = (aij)Mnn(K) se numeste simetrica
daca A = tA,
adica elementele simetrice fata de diagonala principala sunt egale aij = aji, i, j =
1, n.
Definitia 3.1.7 O matrice patratica A = (aij)Mmn(K) e numeste antisimetrica
daca A =
tA, adica elementele simetrice fata de diagonala principala sunt opuse aij =
aji i, j = 1, n.
Definitia 3.1.8 O matrice patratica se numeste triunghiulara superioara
respectiv inferioara
daca toate elementele situate dedesuptul, respectiv deasupra diagonalei
principale sunt nule.
29
Definitia 3.1.9 O matrice patratica se numeste diagonala daca toate
elementele ei sunt nule
cu exceptia celor de pe diagonala principala.
Teorema 3.1.1 Teorema rangului. Pentru o matrice rangul sistemului de vectori
linie este
egal cu rangul sistemului de vectori coloana.
Demonstratie. Fie A = (aij) Mmn(K) si r si p rangurile sistemelor de vectori
linie
Li = (ai1, ai2, . . . , ain), i = 1,m si coloana Cj = (a1j, a2j, . . . , amj), j = 1, n. Nu
restrangem
generalitatea, daca presupunem ca primele r linii sunt liniare independente,
deoarece o
schimbare a ordinii liniilor pastreaza rangul sistemului vectorilor linie. O astfel
de schimbare
modifica vectorii coloana. Fiecare vector coloana se scrie
Cj =
m
i=1
aije(i),
unde B = {e(1), e(2), . . . , e(m)} este baza canonica din Km, este dus n vectorul
C
_
j=
m
i=1
aijf(i),
unde B1 = {f(1), f(2), . . . , f(m)} este noua baza din Km, obtinuta din B prin
schimbarea ordinii
vectorilor ei, corespunzatoare schimbarii liniilor matricei A. Consideram, acum,
automorfismul
spatiului Km, care duce baza B n baza B1, acesta ducand vectorii Cj n vectorii
C_
j si
deci pastreaza rangul sistemului format de ei. Celelalte linii ale matricei A se vor
exprima
ca si combinatii liniare de primele r, adica putem scrie
Lr+s = r+s,1L1 + r+s,2L2 + . . . + r+s,rLr, s = 1, 2, . . .,m r,
de unde, folosind egalitatea vectorilor n Kn, rezulta
ar+s,j = r+s,1a1j + r+s,2a2j + . . . + r+n,rarj, j = 1, . . . , n.
Inlocuind n expresiile coloanelor Cj, obtinem
Cj =
r
i=1
aije(i) +
mr
s=1
ar+s,je(r+s) =
=
r
i=1
aije(i) +
mr
s=1
(r+s,1a1j + r+s,2a2j + . . . + r+s,rarj)e(r+s), j = 1, n.

Cum coeficientii r+s,j , j = 1, n sunt independenti de ordinea liniilor, grupand
termenii
care contin pe aij, obtinem
Cj =
r
i=1
aij
_
e(i) +
mr
s=1
r+s,ie(r+s)
, j = 1, n.
Punand g(i) = e(i) +
_mr
s=1 r+s,ie(r+s), i = 1, r, rezulta
Cj =
r
i=1
aijg(i), j = 1, n.
Am dedus ca cei n vectori coloana se exprima ca si combinatii liniare de r
vectori g(i)
din Km, iar rangul p al sistemului format de ei este cel mult egal cu numarul
generatorilor
g(i), deci p r.
Daca acum schimbam rolul coloanelor si liniilor si facem acelasi

rationament, obtinem
r p. Din p r si r p rezulta r = p, ceea ce trebuia demonstrat.
30
Definitia 3.1.10 Rangul comun al sistemelor de vectori linii sau coloane a unei
matrice se
numeste rangul ei.
Altfel spus, rangul unei matrice este egal cu numarul maxim de linii sau coloane
liniar
independent, ntre ele.
Propozitia 3.1.2 Rangul unei matrici este egal cu rangul transpusei sale.
Demonstratie. Deoarece prin transpunere sistemul de vectori linie al unei
matrici devine
sistemul de vectori coloana al transpusei matricei, din teorema rangului rezulta
ca matricea
si transpusa ei au acelasi rang.
Observatia 3.1.1 Prin transformari elementare aplicate sistemului de vectori
linie sau
coloane, rangul unei matrice nu se modifica.
Valabilitatea acestei observatii rezulta din teorema rangului si din faptul ca
prin efectuarea
unor transformari elementare rangul unui sistem de vectori nu se modifica
(v.3.3).
Propozitia 3.1.3 Prin transformari elementare asupra liniilor si coloanelor,
orice matrice
A poate fi transformata ntr-o matrice B, avand toate elementele nule cu
exceptia primelor
r elemente de pe diagonala principala, care sa fie egale cu 1. Matricea A are
atunci rangul
r.
Demonstratie. Consideram matricea
A=
a11 a12 . . . a1j . . . a1n

...
...
...
...
...
...
ai1 ai2 . . . aij . . . ain
...
...
...
...
...
...
am1 am2 . . . amj . . . amn
Daca A este matricea nula, atunci afirmatia propozitiei este dovedita. Daca
nu, atunci
putem presupune ca a11 _= 0 (n caz ca a11 = 0 se fac schimbari ale ordinii
liniilor sau
coloanelor). Pentru a obtine 1 pe pozitia lui a11 nmultim prima linie cu a

1
. Pentru a avea
0 pe pozitia ai1, i = 2,m, nmultim acum linia ntai cu ai1. Elementul aij se
nlocuieste cu
aij a
11
a1jai1 = a11aij a1jai1

an
, i = 2,m, j = 2, n,
n care se recunoaste regula de calcul a dreptunghiului sau elementului pivot.
Aplicand repetat acest procedeu, dupa un numar finit de pasi, ajungem ca A
este
echivalenta () din punctul de vedere al rangului cu matricea
B=
10...00...0
01...00...0
...
... ...
...
...
...
...
00...10...0
00...00...0
...
...
...
...
...
...
...
00...00...0
linia r
si deci rangul lui A este r, dat de numarul de cifre 1 din B.
Demonstratia acestei propozitii ne da si procedeul practic de aflare a
rangului unei
matrice, calculele facandu-se cu cunoscuta regula a dreptunghiului.
Exemplul 3.1.1. Sa se afle rangul matricei
A=
02113
2 1 4 5 6
1 1 2 1 0
1 2 2 4 6
.
31
Schimband coloana 1 cu coloana 2 si nmultind coloana 5 cu 1/3 obtinem
A
11
20111
1 2 4 5 2
1 1 2 1 0
2 1 2 4 2
.
Inmultim prima linie cu 1/2, apoi pe linia ntai si coloana ntai completam
cu 0, iar
restul elementelor le calculam cu regula dreptunghiului, obtinand
A
10000
029
2
9
2
3
2
01
3
2
1
2
0 1 3 3 1
.
Aplicand succesiv acelasi procedeu avem:
A
10000
01000
0 0 3
4
3
4
1
4
00
3
4
1
4
10
01
00
00
000
000
3 3 1
3 3 1
10000
01000
0 0 3 3 1
00000
10000
01000
00100
00000
,
si deci rang A = 3.
Definitia 3.1.11 O matrice patratica de ordin n se numeste nesingulara sau
regulata daca
rangul ei este egal cu n. In caz contrar, adica daca rangul ei este mai mic ca n,
atunci
matricea se numeste singulara.
Definitia 3.1.12 Se numeste matrice extrasa dintr-o matrice A orice matrice B
obtinuta din
A nlaturand anumite linii si coloane, pastrand ordinea liniilor si coloanelor
ramase.
Teorema 3.1.2 Rangul unei matrice este egal cu ordinul maxim al matricelor
patratice
nesingulare extrase din ea.
Demonstratie. Fie A o matrice, r rangul ei si B o matrice patratica
nesingurala extrasa din
A si de rang maxim p. Cele p linii ale matricei A care intervin n B sunt liniar
independente,
deoarece dependenta liniara a acestor linii n A ar atrage dependenta lor
liniara si n B, ceea
ce ar face ca B sa fie singulara. Prin urmare p r. Acumsa aratam ca oricare
p+1 linii din A
sunt liniar independente. Sa admitem ca exista n A (p+1) linii liniar
independente, atunci,
extragand din A matricea formata din ele, am obtine o matrice C de rang (p +
1). Pe baza
teoremei rangului, matricea C are si p+1 coloane liniar independente. Acum
extragand din
C (deci si din A) matricea D formata din cele p + 1 coloane liniar independente,
obtinem o
matrice nesingulara de ordin p+1, ceea ce ar contrazice alegerea lui p. Rezulta
ca r < p+1
si cum am aratat ca p r, deducem ca r = p.
Sa introducem acum pe multimea M(K) a matricelor operatia de nmultire.
Definitia 3.1.13 Se numeste produsul matricei A = (aij)Mmn(K) cu matricea B =

(bij)
Mnp(K), matricea C = (cij)Mmp(K), unde
cij = ai1b1j + ai2b2j + . . . + ainbnj, i = 1,m, j = 1, p.
Scriem C = A B. Operatia care realizeaza acest proces se numeste nmultirea
matricelor.
32
Propozitia 3.1.4 Inmultirea matricelor, cand are sens, este asociativa.
Demonstratie. Fie A = (aij)Mmn(K), B = (bij)Mnp(K), C = (cij)Mpq(K). Avem
A(BC) =
_
n
k=1
aik
_p
l=1
bklclj
_
=
_
n
k=1
p
l=1
aikbklclj
=
=
_p
l=1
n
k=1
aikbkl
_
clj
= (AB)C.
Propozitia 3.1.5 Inmultirea matricelor este distributiva fata de adunarea lor.
Demonstratie. Fie A = (aij)Mmn(K), B = (bij)Mnp(K) si C = (cij)Mnp(K). Avem
A[B + C] =
_
n
k=1
aik[bkj + ckj]
=
_
n
k=1
aikbkj +
n
k=1
aikckj
=
=
_
n
k=1
aikbkj
+
_
n
k=1
aikckj
= AB + AC,
adicanmultirea este distributiva la stanga fata de adunare. In mod
analog, se demonstreaza
si distributivitatea la dreapta.
Definitia 3.1.14 Matricea patratica In = (ij), i, j = 1, n, unde
ij =
_
1, i = j
0, i _=j i,j= 1, n
este simbolul lui Kronecker, se numeste matricea unitate de ordinul n.
Altfel spus, matricea In este o matrice diagonala cu toate elementele de pe
diagonala
principala egale cu 1. Cand nu dorim sa precizam ordinul matricei unitate o
vom nota prin
I.
Observatia 3.1.2 Pentru orice matrice AMmn(K) avem
ImA = A si AIn = A.
Observatia 3.1.3 Inmultirea matricelor, n general. nu este comutativa.
Din proprietatile adunarii si nmultirii rezulta:
Propozitia 3.1.6 Multimea M
n2 (K) a matricelor patratice de acelasi ordin n nzestrata cu
operatiile de adunare si nmultire are o structura de inel cu divizori ai lui
zero.
Propozitia 3.1.7 Transpusa unui produs de doua matrice este egala cu
produsul transpuselor
n ordine inversa.
Demonstratie. Fie A = (aij)Mmn(K) si B = (bij)Mnp(K). Avem
t(AB) = t
_
n
k=1
aikbkj
=
_
n
k=1
ajkbki
=
_
n
k=1
bkiajk
= tBtA.
Rezultatul obtinut se poate extinde prin inductie matematica la un produs cu
un
numar finit de factori.
Definitia 3.1.15 Se numeste inversa matricei patratice A, matricea notata cu
A1, care satisface
conditiile A A1 = A1 A = I.
33
Teorema 3.1.3 Conditia necesara si suficienta ca o matrice patratica sa
aiba inversa este
ca ea sa fie nesingulara.
Demonstratie. Necesitatea. Presupunem ca matricea A = (aij) M
n2 (K) are o inversa pe
A1 = (bij)M
n2 (K). Din A1A = I rezulta
n
k=1
bikakj = ij, i, j = 1, n.
de unde, pentru vectorii e(i), i = 1, n ai bazei canonice obtinem exprimarea
e(i) =
n
k=1
(3.1) bikLk,
Lk, k = 1, n, fiind vectorii linie ai matricei A. Cum pentru orice x Kn avem x =
n
i=1
xie(i),
nlocuind e(i) din relatiile (3.1) deducem ca orice vector x Kn se exprima ca o
combinatie
liniara de vectori linie Lk, k = 1, n. Rezulta ca sistemul de vectori linie Lk, k = 1, n,
genereaza
spatiul Kn, ceea ce nseamna ca are rangul n si deci matricea A este
nesingulara.
Suficienta. Din faptul ca A este nesingulara, rezulta ca vectorii linie Lk, k = 1,
n, sunt
liniar independenti si deci formeaza o baza n Kn. Exprimam vectorii e(i), i =
1, n, ai bazei
canonice n baza data de vectorii linie si avem
e(i) =
n
k=1
bikLk, i = 1, n,
de unde, punand B = (bik), obtinem BA = I.
Matricea A fiind nesingulara are si vectorii coloana liniar independenti,
formand si ei
o baza n Kn, si deci putem scrie AC = I. Acum obtinem
C = IC = (BA)C = B(AC) = BI = B,
de unde C = B = A1 si prin urmare matricea A are inversa.
Usor se arata ca inversa unei matrice este unica si ca ea este nesingulara.
Propozitia 3.1.8 Produsul a doua matrice nesingulare este o matrice
nesingulara si inversa
ei este egala cu produsul inverselor luate n ordine schimbata
(AB)1 = B
1 A
1
Demonstratie. Avem
(AB)(B
1A
1) = A(BB
1)A
1 = AA
1 = I
si
(B
1A
1)(AB)
1(A
1A)B
=B
=B
= I,
relatii ce demonstreaza afirmatiile din enunt.
Rezultatul se extinde prin inductie matematica la un produs de matrice
nesingulare
cu un numar finit de factori.
Pentru aflarea inversei unei matrice se foloseste transformarea ei n matrice
unitate,
aplicand regula dreptunghiului, dupa schema
(A|I) = (A
1A|A
1I) = (I|A
1).
Exemplul 3.1.2. Pentru a afla inversa matricei
A=
213
323
212
34
procedam astfel
(A|I3) =
213
323
212
______
100
010
001
11
1B
2
3
2
3
2
0 0 1
______
1
00
3
21 0
1 0 1
=
=
103
0 1 3
0 0 1
______
2 1 0
3 2 0
1 0 1
100
010
001
______
1 1 3
0 2 3
1 0 1
Prin urmare, avem

A
1 =
1 1 3
0 2 3
1 0 1
.
Se poate lucra utilizand regula dreptunghiului fara amparti la pivot si
transformand
matricea (A|I) extinsa asa ncat sa ajungem la situatia (D|C), unde D este
matricea diagonala
D=
a11 0 . . . 0
0 a22 . . . 0
...
...
...
...
0 0 . . . ann
iar C = (cij), i, j = 1, n.
Pentru a afla inversa A1 mpartim liniile L1, L2, . . . , Ln ale matricei C respectiv
la:
a11a22 . . . ann, a22 . . . ann, . . . , ann.
Exemplul 3.1.3. Pentru a afla inversa matricei
A=
213
332
121
procedam astfel
(A|I3) =
213
332
121
______
100
010
001
213
0 3 5
031
______
100
3 2 0
1 0 2
=
=
2 0 14
0 3 5
0 0 12
______
6 2 0
3 2 0
6 6 6
200
030
0 0 12
______
12 60 84
6 6 30
6 6 6
de unde
A
1 =
12
2312
60
2312
84
23 12 6
312
6
312
30
312
6
12
12
6
12
1
6
5
6
7
6
1
6
1
6
5
6
1
2
1
2
1
2
.
Definitia 3.1.16 O matrice patratica A se numeste ortogonala daca
tA A = I.
Propozitia 3.1.9 Conditia necesara si suficienta ca o matrice patratica sa
fie ortogonala
este ca ea sa fie nesingulara, iar transpusa si inversa ei sa fie egale.
Demonstratie. Necesitatea. Din tAA = I rezulta ca A este nesingulara si,
nmultind aceasta
egalitate la dreapta cu A1, obtinem tA = A1.
Suficienta. Daca A este nesingulara si verifica tA = A1, atunci, prin
nmultire la
dreapta cu A, gasim tA A = I, ceea ce ne arata ca A este ortogonala.
Teorema 3.1.4 Rangul unui produs de matrice nu depaseste rangul fiecaruia
din factorii
sai.
35
Demonstratie. Fie A = (aij)Mmn(K), B = (bij)Mnp si C = A B = (cij)Mmp, unde
cij =
n
k=1
aikbkj, i = 1,m, j = 1, p.
Ultimele relatii ne arata ca liniile matricei C se exprima ca si combinatii
liniare de
liniile matricei B si deci subspatiul generat de liniile matricei C sunt incluse n
subspatiul
generat de liniile matricei B. Asadar, avem rang C rang B In mod analog,
rationand cu
vectorii coloana, obtinem rang C rang A.
Daca unul din factorii produsului este o matrice nesingulara, atunci avem un
rezultat
mai precis.
Teorema 3.1.5 Rangul produsului dintre o matrice A si o matrice nesingulara B
este egal
cu rangul lui A.
Demonstratie. Fie C = AB. Din Teorema 3.1.4 avem rang C rang A. T inand
seama
ca B este nesingulara, exista B1 si nmultind la dreapta cu B1 n C = AB,
obtinem
A = CB1. Aplicand din nou Teorema 3.1.4, rezulta rang A rang C. Din rang C
rang A
si rang A rang C obtinem rang C = rang A.
Observatia 3.1.4 Pentru simplificarea calculelor cu matrice se lucreaza,
deseori, cu matrice
mpartita (partitionata) n submatrice sau blocuri, obtinute ducand
paralele la liniile si
coloanele ei. De exemplu, matricea AM
n2 (K) se poate scrie
A=
_
BC
DE
_
unde B M
p2 (K), E M
(np)2 (K), C M
p,(np), iar D Mnp,p.
Cu matricele formate din blocuri se pot face operatii ca si cu matrice
obisnuite,
reducand calculele la matrice de ordine mai mici.
O importanta aplicatie a partitionarii n blocuri o constituie inversarea unei
matrice.
Sa presupunem ca B este inversa matricei A. Atunci
AB = I
sau prin partitionare
_
A11 A12
A21 A22
__
B11 B12
B21 B22
_
=
_
IO
OI
_
Efectuand nmultirile si identificand matricele din cei doi membrii, vom
obtine
(1) A11B11 + A12B21 = I,
(2) A11B12 + A12B22 = 0,
(3) A21B11 + A22B21 = 0,
(4) A21B12 + A22B22 = I.
Din (2) avem
B12 = A
1
11
A12 B22,
care nlocuita n (4) ne conduce la
B22 = (A22 A21A
1
A12)1
Deoarece BA = I, vom avea
B21A11 + B22A21 = 0,
36
de unde
B21 = B22A21A
11
1
11
iar din (2)

B11 = A
1
11
A
1
A12B21.
Ordinea de calculare a blocurilor matricei B este: B22, B12, B21 si B11.
Exemplul 3.1.4. Sa se afle inversa matricei
A=
234
421
3 2 1
Partitionam luand
A11 = 2, A12 = (3 4), A21 =
_
4
3
_
si A22 =
_
21
2 1
_
Calculam B22 = P1, unde
P = A22 A21A
11
A12 =
_
4 7
11
5
2
7
_
Pentru a afla P1 procedam prin acelasi algoritm, considerand A = P si
facand
partitionarea
A11 = 4, A12 = 7, A21 = 5
2, A22 = 7.
Avem calculele
B22 =
_
7 +
5
2
_
1
4
_
(7)
_1
=8
21
B12 =
1
4
(7)
_
8
21
_
=
2
3
B21 =
8
21
_
5
2
__
1
4
_
=
5
21
B11 = 1
4
+
1
4
(7)
_
5
21
_
= 2
3
si
P
1 =
_
2
3
2
3
5
21
21
_
.
Acum revenim la calculul inversei matricei A initiala. Avem
B22 = P
1,
B12 = A
1
A12B22 = 1
2
(3 4)
_
2
11
3
2
3
5
21
21
_
=
_
11
21
5
21
_
,
B21 = B22A21A
1
11
3
2
21
_
,
B11 = A
1
11
A
1
11
1
2
A12B21 =
1
2
(3 4)
_1
3
2
21
_
=
_
4
21
_
,
rezultand
A
1 =
_
B11 B12
B21 B22
_
37
In ncheierea acestui paragraf sa prezentam o aplicatie a matricelor la
schimbarea
bazei unui spatiu vectorial.
Fie V un spatiu vectorial peste campul K cu dim V = n si B = {e(1), e()2, . . . , e(n)} o
baza
a lui. Fata de aceasta baza un vector x V se scrie n mod unic sub forma
x=
n
i=1
xie(i),
ceea ce nseamna ca vectorului x i corespunde vectorul linie x = (x1, . . . , xn)
din Kn. De aici
rezulta daca avemn V sistemul de vectori
x(i) = (xi1, xi2, . . . xin), i= 1, 2, . . . , p,
atunci rangul sistemului de vectori {x(1), x(2), . . . , x(p)} este egal cu rangul matricei
coordonatelor
A=
x11 x12 . . . x1n

x21 x22 . . . x2n
............
xp1 xp2 . . . xpn
.
Rezulta ca daca consideram n V sistemul de vectori B1 = {f(1), f(2), . . . , f(n)}, dat
fata
de B prin formulele
fj =
n
i=1
aije(i), j= 1, n,
atunci B1 formeaza o baza n V daca si numai daca matricea A = (aij) M
n2 (K) este
nesingulara.
In acest caz, A se numeste matricea schimbarii de baza sau matricea de
trecere de la
baza B la baza B1.
Punand fata de B1
x=
n
j=1
yjf(j)
si nlocuind pe fj, avem
x=
n
j=1
yj
_
n
i=1
aije(i)
=
n
i=1
n
j=1
aijyi
e(i)
de unde, identificand cu x =
n
i=1
xie(i), rezulta
xi =
n
j=1
aijyj, i= 1, n,
care constituie formulele de schimbare a sistemului de coordonate, corespunzatoare
schimbarii de baza B n B1. Sub forma matriciala formulele de schimbare se
scriu astfel
tx = Aty.
3.2 Determinanti
Consideram matricea patratica A = (aij) M

n2 (K) cu elemente din campul K.
Formam produse de forma a1i1, a2i2 . . . anin, obtinute luand cate un element si
numai unul
38
din fiecare linie si coloana a matricei A. Unui astfel de produs i asociem
permutarea
(substitutia)
G=
_
12...n
i1 i2 . . . i n
_
numita permutarea indicilor sai. Notam cu Sn multimea tuturor celor n!
permutari ale
multimii {1, 2, . . . , n}.
In permutarea Sn avem o inversiune daca i < j si (i) > (j).

De exemplu, n permutarea
=
_
1234
4212
_
elementele 4 si 2 prezinta o inversiune.
Prin Inv(G) notam numarul inversiunilor permutarii G, iar prin () = (1)Inv()
signatura
permutarilor . Daca () = 1, avem o permutare para, iar daca () = 1 avem
o
permutare impara.
Definitia 3.2.1 Numim determinantul matricei patratice A = (aij) M
n2 (K), elementul
det A K dat de formula
det A =
Sn
()a1i1a2i2 . . . anin,
unde suma se extinde la toate cele n! permutari din Sn.
Altfel spus, determinantul matricei A este elementul det A din K egal cu suma a n!
produse, unde n fiecare produs intra ca factor cate un element de pe fiecare
linie si coloana
a matricei A, produsul avand semnul + sau dupa cum permutarea indicilor sai
este para
sau impara. Determinantul det A se zice de ordinul n daca matricea A are ordinul
n. Pentru
det A folosim notatia
det A =
________
a11 a12 . . . a1n
a21 a22 . . . a2n
............
an1 an2 . . . ann
________
sau det A = |A| = |aij |.
Vom prezenta acum proprietatile determinantilor.
Propozitia 3.2.1 Determinantul unei matrice este egal cu determinantul
transpusei sale.
Demonstratie. Valabilitatea Propozitiei rezulta din faptul ca o permutare
si inversa ei
1 au aceeasi paritate.
Din aceasta propozitie rezulta ca daca pentru liniile unui determinant avem
o
propozitie adevarata, atunci aceasta este adevarata si pentru coloanele
determinantului.
De aceea, n continuare, vom formula si justifica proprietatile numai pentru
liniile unui
determinant.
Propozitia 3.2.2 Daca linia Li a matricei patratice A = (aij)M
n2 (K) este suma a p vectori,
atunci determinantul ei este egal cu suma a p determinanti corespunzatori
matricelor care
au aceleasi linii cu A, cu exceptia liniei Li unde are cate unul din cei p vectori.
Demonstratie. Daca linia Li este suma a p vectori atunci

aij =
p
k=1
b(k)
ij , i= 1, n
si putem scrie
det A =
Sn
()a1j1 . . . aiji =
Sn
()a1j1
p
k=1
b(k)
iji
. . . anjn =
39
=
p
k=1
Sn
()a1j1b(k)
iji
. . . anjn,
ceea ce trebuia demonstrat.
Propozitia 3.2.3 Daca ntr-un determinant nmultim o linie cu un factor k K,
atunci
valoarea determinantului se nmulteste cu k.
Demonstratie. Fie A = (aij)M
n2 (K) si B matricea obtinuta din A, n care elementele liniei
i sunt nmultite cu k. Atunci
det (B) =
Sn
()a1j1 . . . (kaiji ) . . . anjn =

=k
Sn
()a1i1 . . . ajianjn = k det A.

Propozitia 3.2.4 Daca ntr-un determinant se schimba doua linii ntre ele,
atunci valoarea
lui si schimba semnul.
Demonstratie. Se observa ca prin schimbarea celor doua linii permutarea
indicilor si
schimba paritatea.
Propozitia 3.2.5 Daca ntr-un determinant doua linii sunt identice, atunci
valoarea lui este
zero.
Demonstratie. Daca n det A schimbam ntre ele cele doua linii identice,
atunci, folosind
propozitia 3.2.4 putem scrie det A = det A, de unde det A = 0.
Propozitia 3.2.6 Daca ntr-un determinant avem doua linii proportionale,
atunci valoarea
lui este zero.
Demonstratie. Valabilitatea propozitiei rezulta din Propozitiile 3.2.3 si

3.2.5.
Propozitia 3.2.7 Daca ntr-un determinant la o linie adaugam o combinatie
liniara de celelalte
linii, atunci valoarea lui ramane neschimbata.
Demosntrate. Se aplica Propozitiile 3.2.2 si 3.2.6.
Propozitia 3.2.8 Daca liniile matricei care defineste determinantul sunt liniar
dependente
(matricea este singulara), atunci valoarea determinantului este zero.
Demonstratie. Se aplica Propozitiile 3.2.2 si 3.2.6.
In particular, daca pe o linie a unui determinant avem numai zero, atunci
valoarea
determinantului este zero.
Definitia 3.2.2 Numim minorul complementar al elementului aij din matricea
patratica A =
(aij) M
n2 (K), determinantul asociat matricei extrase din A prin eliminarea liniei i si
coloanei j.
Notam Mij minorul complementar al elementului aij .
Definitia 3.2.3 Numim complementul algebric al elementului aij din matricea
patratica A =
(aj)M
n2 (K) elementul Aij K dat de relatia
Aij = (1)i+jMij .
Propozitia 3.2.9 Determinantul matricei A = (aij) M
n2 (K) este egal cu suma produselor
elementelor liniei Li (i = 1, n) prin complementii lor algebrici, adica
det (A) = ai1Ai1 + . . . + aijAij + . . . + ainAin.
40
Demosntratie. Se arata ca efectuand produsele aijAij , j = 1, n obtinem toate
produsele din
definitia lui det A luate cu acelasi semn.
Corolarul 3.2.1 Daca n dezvoltarea determinantului det (A) dupa elementele
liniei Li
nlocuim aceste elemente prin elementele 1, . . . , n din K, atunci suma
obtinuta reprezinta
determinantul matricei obtinuta din A prin nlocuirea liniei Li cu vectorul (1, 2, .
. . , n).
Corolarul 3.2.2 Suma produselor elementelor unei linii Li ai matricei A = (aij) M
n2 (K)
prin complementii algebrici ai elementelor altei linii Lj este egala cu zero.
De fapt, din Propozitia 3.2.9 si Corolarul 3.2.2 putem scrie
n
j=1
aijAkj = ikdet A, i, k = 1, n.
Observatia 3.2.1 Propozitia 3.2.9 se poate generaliza prin asa numita regula
a lui Laplace.
In acest scop se introduce notiunea de minor de ordinul k al matricei A = (aij) M
n2 (K),
notat prin
Mj1,j2,...,jk
i1,i2,...,ik
si fiind determinatul asociat matricei de ordin k formata cu elementele ce se

gasesc la
intersectia liniilor i1, . . . , ik cu coloanele j1, . . . , jk (i1 < . . . < ik, j1 < . . . < jk). Minorul
complementar
al minorului Mj1,j2,...,jk
i1,i2,...,ik
, notat prin M
j1,j2,...,jk
i1,i2,...,ik este
determinatul asociat matricei

extrase din A prin nlaturarea liniilor i1, . . . , in si coloanelor j1, . . . , jk. Se
numeste complementul
algebric al minorului Mj1,j2,...,jk
i1,i2,...,ik
elementul Aj1,j2,...,jk
i1,i2,...,ik
K dat de relatia
Aj1,...,jk
i1,...,ik
= (1)i1+...+ik+j1+...+jkM
j1,...,jk
i1,...,ik .
Regula lui Laplace ne spune ca determinantul unei matrice patratice este egal
cu suma
produselor minorilor de pe k linii fixate ale matricei prin complementii lor
algebrici.
Observatia 3.2.2 Calculul unui determinant de ordin n se poate face calculand
numai
determinanti de ordinul doi (de fapt, aplicand regula dreptunghiului fara
mpartirea la
elemntul pivot). Fie de calculat
det A =
__________
a11 a12 . . . a1j . . . a1n
..................
ai1 ai2 . . . aij . . . ain
..................
an1 an2 . . . anj . . . ann
__________
Presupunem ca a11 _= 0. Impartim linia ntai cu a11 (n fata
determinantului se va
nmulti cu a11). Apoi facem 0 pe prima coloana, ceea ce va face ca elementul aij
sa fie
nlocuit prin
aij a1j
a11
ai1 = aija11 a1jai1
a11
= bij
a1j
, i,j= 2, n.
Dezvoltand acum determinantul dupa prima coloana si scotand n noul
determinant
factorul 1/a11 de pe fiecare linie, obtinem formula lui Chio:
det A =
1
an2
11
________
b22 b23 . . . b2n
b32 b33 . . . b3n
............
bn2 bn3 . . . bnn

________
.
41
Practic se aplica repetat aceasta formula, n care elementele bij , i, j = 2, n, se
obtin
prin regula dreptunghiului fara mpartirea la elementul pivot.
Exemplu. Avem
det A =
________
2132
4213
3214
2 3 1 2
________
=
1
22
______
0 10 2
1 7 2
888
______
=
=
1
22
82
______
111
1 7 2
051
______
= 4 1
1
____
8 1
51
____
= 4 (13) = 52.
Utilizand regula lui Laplace se demonstreaza:
Propozitia 3.2.10 Determinantul produsului a doua matrice A si B de ordin n
este egal cu
produsul determinantilor acestor matrice.
Propozitia 3.2.11 Conditia necesara si suficienta ca o matrice sa fie
nesingulara este ca
determinantul ei sa fie diferit de zero.
Demonstratie. Necesitatea. Daca A este o matrice patratica nesingulara,
atunci admite
inversa si din relatia A1A = I avem det (A1) det (A) = 1 si deci det (A) _= 0.
Suficienta. Daca det (A) _= 0, matricea A nu poate fi singulara deoarece dupa
consecinta
3.2.8 ar rezulta det (A) = 0.
Corolarul 3.2.3 Rangul unei matrice este egal cu ordinul maxim al minorilor
diferiti de
zero.
Acest corolar ne da un alt procedeu pentru aflarea rangului unei matrice.
Definitia 3.2.4 Se numeste matrice adjuncta a matricei A = (aij)M
n2 (K) matricea notata
prin A si data prin A = (Aji), unde Aij este complementul algebric al elementului
aij din
A.
Altfel spus, A este transpusa matricei formata cu complementii algebrici ai
elementelor
matricei A.
Propozitia 3.2.12 Inversa unei matrice nesingulare A de ordin n este data de
formula
A
1 =
1
det (A)
A
.
Demonstratie. Folosind corolarul 3.2.2, avem
A1
det A
A
=
n
j=1
aij Akj
det (A)
=
_
ij
det (A)
det (A)
_
= (ij) = In,
Formula din Propozitia 3.2.12 da un alt procedeu pentru calcularea inversei
unei
matrice.
3.3 Sisteme de ecuatii liniare
In acest paragraf vom aplica matricele si determinantii la rezolvarea

sistemelor de
ecuatii liniare, ntalnite n mod curent n aplicatiile economice.
42
Definitia 3.3.1 Se numeste sistem de m ecuatii liniare cu n necunoscute peste
campul K, un
ansamblu de relatii de forma
a11x1 + a12x2 + . . . + a1nxn = b1,

a21x1 + a22x2 + . . . + a2nxn = b2,
..............................
am1x1 + am2x2 + . . . + amnxn = bm,
(3.2)
unde aij K, i = 1,m, j = 1, n sunt coeficientii sistemului, b1, . . . , bn K termenii
liberi ai
sistemului, iar x1, . . . , xn K sunt necunoscutele sistemului.
Daca cel putin un termen liber este diferit de zero atunci vom spune ca
sistemul
este neomogen, iar daca toti termenii liberi sunt nuli, atunci vom zice ca
sistemul este
neomogen.
Definitia 3.3.2 Numim solutie a sistemului (11.8) orice ansamblu format din n
elemente
1, 2, . . . , n din K cu proprietatea ca nlocuind n membrii stangi ai ecuatiilor
sistemului
xi = i, i = 1, n, si facand calculele, se obtin elementele corespunzatoare din
membrii drepti.
Definitia 3.3.3 Un sistem de ecuatii liniare se zice ca este compatibil daca are
cel putin o
solutie si incompatibil n caz contrar.
Matricea
A=
a11 a12 . . . a1n

a21 a22 . . . a2n
............
an1 an2 . . . amn
se numeste matricea sistemului, iar matricea

A=
a11 a12 . . . a1n b1

a21 a22 . . . a2n b2
...............
an1 an2 . . . amn bm
se numeste matricea extinsa (completa) a sistemului (11.8)

Notand cu X = t(x1, x2, . . . , xn) vectorul coloana al necunoscutelor si cu B =
t(b1, b2, . . . , bm) vectorul termenilor liberi, sistemul (11.8) se poate scrie sub forma
matriceala
AX = B.
Definitia 3.3.4 Numim sistem Cramer un sistem de n ecuatii liniare cu n
necunoscute pentru
care matricea A a sistemului este nesingulara, adica det A _= 0.
Pentru astfel de sisteme are loc:
Teorema 3.3.1 (Cramer). Orice sistem Cramer este compatibil determinat (are
solutie
unica) si
xi =
i
det A
, i= 1, n,
unde i este determinantul matricei obtinuta din matricea A a sistemului prin

nlocuirea
coloanei Ci cu coloana B a termenilor liberi.
Demonstratie. T inand seama ca A este nesingulara, din forma matriceala a
sistemului
obtinem X = A1B, care ne arata ca sistemul este compatibil. Cum A1 = (det A)
1A,
unde A este matricea adjuncta a matricei A (v. Propozitia 3.2.12), nlocuind n
X = A1B,
43
obtinem
X=
1
det (A)A
B=
1
det (A)
n
k=1
Ak1bk
n
k=1
Ak2bk
...
n
k=1
Akibk
...
n
k=1
Akmbk
=
1
det A
1
2
...
i
...
n
,
de unde
xi =
i
det (A), i= 1, n.
Prezentam acum metoda eliminarii totale (GaussJordan) pentru aflarea
solutiilor
pentru sistemele Cramer.
In acest scop, scriem matricea extinsa a sistemului si avem succesiv
(A|B) = (A
1 A|A
1 B) = (In(3.3) |X).
unde I este matricea unitate de ordinul n.
Practic se lucreaza cu metoda dreptunghiului, prin care pe pozitia lui A facem
sa
apara In, iar pe pozitia lui B va aparea solutia sistemului.
Exemplul 3.3.1. Sa se rezolve sistemul
2x1 + 3x2 + x3 = 6
3x1 x2 2x3 = 7
x1 2x2 + 3x3 = 3.
Avem succesiv
2316
3 -1 -2 7
1 -2 3 -3
13
2
1
3
0 11
2
2
7
2
2
0 7
2
5
2
10
11
27
11
01
11
4
11
00
52
11
52
11
1002
0101
0 0 1 -1
,
de unde xi = 2, x2 = 2, x3 = 1.
Observatia 3.3.1 Daca n transformarile (11.9) facem ca n locul lui In sa
apara o matrice
triunghiulara superioara avand elementele de pe diagonala principala egale cu
1, atunci se
zice ca se rezolva sistemul prin metoda eliminarii partiale.
De exemplu, pentru sistemul din exemplul 3.3.1, lucrand prin metoda eliminarii
partiale, avem:
2316
3 -1 -2 7
1 -2 3 -3
13
2
1
3
0 11
2
2
7
2
2
0 7
2
5
2
13
2
1
3
01
2
11
4
11
00
52
52
11
13
2
1
3
01
2
11
4
11
0 0 1 1

,
44
iar de aici
x3 = 1 : x2 +
7
1x3 =
4
11, de unde x2 =
4
11
+
7
11
=1:
x1 +
3
2x2 +
1
2x3 = 3, de unde x1 = 3 3
2
+
1
2
= 2.
Sa revenim acum la cazul general al sistemelor de m ecuatii liniare cu n
necunoscute.
Mai ntai sa prezentam doua criterii de compatibilitate date de teorema lui
Kronecker
Capelli si RoucheFrobenius.
Teorema 3.3.2 KroneckerCapelli. Conditia necesara si suficienta ca un sistem
de ecuatii
liniare sa fie compatibil este ca rangul matricei sistemului sa fie egal cu rangul
matricei
extinse.
Demonstratie. Fie A = {C1, C2, . . . , Cn} sistemul de vectori coloane ai matricei A a
sistemului
(11.8); sistemul (11.8) poate fi scris sub forma
x1C1 + x2C2 + . . . + xnCn = B,
de unde rezulta ca el este compatibil daca si numai daca rangul sistemului
de vectori
coloane {C1, C2, . . . , Cn} ai matricei A este egal cu rangul sistemului de vectori
coloane
{C1, C2, . . . , Cn,B} ai matricei extinse A, ceea ce este echivalent cu faptul ca
matricele A
si A au acelasi rang.
Definitia 3.3.5 Numim determinantul principal pentru sistemul de ecuatii liniare
(11.8)
orice minor de ordin maxim diferit de zero al matricei sistemului.
Este evident ca ordinul unui determinant principal este egal cu rangul matricei
sistemului.
Definitia 3.3.6 Numim determinant caracteristic asociat unui determinant
principal fixat,
orice minor principal al matricei extinse obtinut prin completarea (bordarea)
determinantului
principal cu o linie formata din elementele corespunzatoare de pe una din liniile

ramase si cu coloana termenilor liberi corespunzatori.
Daca rangul matricei sistemului este egal cu numarul m al ecuatiilor, atunci nu
avem
determinanti caracteristici, sistemuul fiind totdeauna compatibil deoarece
rangul matricei
extinse este tot m.
Teorema 3.3.3 (RoucheFrobenius). Conditia necesara si suficienta ca un
sistem de ecuatii
liniare sa fie compatibil este ca toti determinantii caracteristici asociati unui
determinant
principal al sistemului sa fie nuli.
Demonstratie. Necesitatea. Fie r rangul matricei A a sistemului (11.8). Daca
sistemul este
compatibil, atunci dupa teorema lui KroneckerCapelli, rangul matricei extinse A
este egal
cu r si deci toti determinantii caracteristici sunt nuli deoarece sunt minori de
ordinul r + 1
pentru A.
Suficienta. Fara a restrange generalizarea sa presupunem ca
p =
________
a11 a12 . . . a1r
a21 a22 . . . a2r
............
ar1 ar2 . . . arr
________
(3.4)
este un determinant principal pentru care toti determinantii caracteristici sunt
nuli. Consider
and matricele
a11 . . . a1n b1
a21 . . . a2n b2
............
ar1 . . . arn br
ar+s,1 . . . ar+s,n br+s
(3.5) , s = 1, 2, . . . ,m r
45
extrase din matricea extinsa A, constatam ca ele au toate rangul r. Intradevar, primele
C1, C2, . . . , Cr coloane sunt liniar independente deoarece p _= 0, coloanele Cr+1,
Cr+2, . . . , Cn
sunt combinatii liniare de C1, C2, . . . , Cr pentru ca matricea A are rangul r, iar
coloana
Cn+1 este combinatie liniara de C1, . . . , Cr deoarece determinantii caracteristici
sunt nuli.
Atunci rang A = rang A si, pe baza teoremei lui KroneckerCapelli, rezulta ca
sistemul este
compatibil.
Definitia 3.3.7 Subsistemul sitemului (11.8) de ecuatii liniare format din
ecuatiile corespunz
atoare liniilor unui determinant principal se numeste subsistem principal, si

ecuatiile
lui se numesc ecuatii principale. Celelalte ecuatii ale sistemului (11.8) se
numesc ecuatii secundare.
Necunoscutele corespunzatoare coloanelor unui determinant principal se numesc
necunoscute principale, iar celelalte se numesc necunoscute secundare (libere).
Definitia 3.3.8 Doua sisteme de ecuatii liniare se numesc echivalente daca
orice solutie a
unuia este solutie si pentru celelalt.
Usor se verifica ca aceasta relatie este ntr-adevar o relatie de
echivalenta.
Teorema 3.3.4 Un sistem liniar compatibil este echivalent cu orice subsistem
principal al
sau.
Demonstratie. Este evident ca orice solutie a sistemului (11.8) este solutie
pentru orice
subsistem al sau deoarece ea verifica fiecare ecuatie a sistemului. Reciproc,
sa consideram
subsistemul principal cu determinantul principal (11.9). Cum matricele (11.10) au
toate
rangul r, ultima linie este o combinatie liniara de celelalte si deci avem:
Lr+s = 1L1 + 2L2 + . . . + rLr, s= 1, 2, . . .,m r,
de unde
ar+s,j = 1aj1 (3.6) + 2aj2 + . . . + rajr, j = 1, n
si
(3.7) br+s = 1b1 + 2b2 + . . . + rbr.
Daca punem
Ei = a11x1 + . . . + a1nxn bi, i= 1, n,
atunci nmultind egalitatile (11.11) corespunzator cu xj , j = 1, n, egalitatea
(3.7) cu 1 si
adunandu-le obtinem
(3.8) Er+s = 1E1 + 2E2 + . . . + rEr, s = 1, 2, . . . ,m r
Acum, daca consideram o solutie a subsistemului principal atunci E1 = 0, . . . , Er
= 0,
iar din (3.9) rezulta ca si Er+s = 0, s = 1, 2, . . .,m r. Deci, sistemul (11.8) este
echivalent
cu subsistemul principal considerat.
Practic, rezolvarea unui sistem compatibil de ecuatii liniare se reduce la
rezolvarea
unui subsistem principal al sau, n care termenii cu necunoscutele secundare au
fost trecute
n membrul doi, acestea devenind parametrii.
Subsistemul principal este un sistem Cramer si se poate rezolva cu oricare din
metodele date mai sus.
Observatia 3.3.2 Metodele eliminarii totale sau partiale se pot aplica si la
studierea compatibilit
atii unui sistem de ecuatii liniare. Si anume, daca nu se mai pot face cifre de
1
pe diagonala ce pleaca din a11 si pe liniile care nu avem cifre de 1 gasim numai
zerouri,
atat n matricea sistemului cat si la termenii liberi, atunci sistemul este
compatibil. In caz
contrar, sistemul este incompatibil.
46
Exemplul 3.3.2. Sa consideram sistemul
x1 x2 + 2x3 + x4 + x5 = 1
2x1 + x2 + x3 x4 + 3x5 = 5
x1 4x2 + 5x3 + 4x4 = 2.
Utilizand metoda eliminarii totale, avem succesiv:
1 -1 2 1 1 1
2 1 1 -1 3 5
2 -4 5 4 0 2
1 -1 2 1 1 1
0 3 -3 -3 1 3
0 -3 3 3 -1 -3
10104
32
0 1 1 1 1
31
000000
.
Rezulta ca rangul matricei sistemului este 2 si cum pe linia a treia avem numai
zero,
deducem ca avem un sistem compatibil nedeterminat. Solutiile sistemului sunt
x1 = 2 a 4
3c; x2 = 1+a + b c
3
; x3 = a; x4 = b; x5 = c, a, b, c R.
Exemplul 3.3.3. Sa se rezolve sistemul
x1 3x2 + x3 + x4 = 1
x1 3x2 + x3 2x4 = 1
x1 3x2 + x3 + 5x4 = 6
Folosim metoda eliminarii totale si avem:
1 -3 1 1 1
1 -3 1 -2 -1
1 -3 1 5 6
1 -3 1 1 1
0 0 0 -3 2
00045
1 3 1 0 1
3
0001
3
00007
Cum pe linia a treia avem o situatie imposibila, rezulta ca sistemul este

incompatibil.
In ncheierea acestui paragraf sa facem cateva observatii cu privire la
sistemele omogene
de ecuatii liniare.
Cum la orice sistem omogen rang A = rang A, rezulta ca el este compatibil, avand
evident solutia x1 = x2 = . . . = xn = 0, numita solutie nula sau banala.
Un sistem omogen va avea solutii diferite de solutia banala numai daca
rangul sau va
fi mai mic decat numarul necunoscutelor.
Teorema 3.3.5 Multimea solutiilor unui sistem omogen de ecuatii liniare peste
campul K,
cu n necunoscute si rang r, r < n, formeaza un subspatiu vectorial V , cu dim V =
n r, al
spatiului Kn.
Demonstratie. Consideram ca subsistemul principal asociat are determinantul
principal p
dat de (11.9) si notam necunoscutele secundare xr+1, . . . , xnr respectiv prin 1,
2, . . . , nr.
Solutia generala a sistemului omogen este:
xi = i11 + i22 + . . . + i,nrr, i= 1, r
xr+k = k, k= 1, n r,
care sub forma vectoriala (matriceala) se scrie
X (3.9) = 1Y1 + 2Y2 + . . . + rYnr,
47
unde
Y1 =
11
21
...
r1
1...0
, Y2 =
12
22
...
r2
01...0
, . . . , Ynr =
1,nr
2,nr
...
r,nr
0...1
,
sunt solutii particulare ale sistemului omogen.
Se observa ca Y1, Y2, . . . , Ynr sunt vectori liniari independenti n Kn, deoarece
consider
and matricea formata cu componentele lor, submatricea ei compusa din
ultimele n r
linii este matricea unitate de ordinul n r. Cu aceasta teorema este demonstrata.
Din teorema 3.3.5 si (3.9) rezulta
Corolarul 3.3.1 Suma a doua solutii a unui sistem omogen este, de asemenea, o
solutie a
lui.
Corolarul 3.3.2 Produsul dintre o solutie a unui sistem omogen peste un camp K
cu un
element din K este tot o solutie a sistemului.
48

a) Matrice patratica simetrica;
b) Matrice patratica singulara;
c) Inversa unei matrice patratice;
d) Determinant al unei matrice patratice;
e) Sistem Cramer.
Enuntati urmatoarele teoreme:
a) Teorema rangului;
b) Teorema lui Kronecker - Capelli;
c) Teorema lui Rouche - Frobenius.
2. Aflati cu ajutorul transformarilor elementare rangul matricei:
A=
2 2 3 1
1 1 0 1
1 2 1 0
2 2 0 2
3. Calculati determinantul de ordinul n, n > 2:

D=
________
x1 y1 x1 y2 . . . x1 yn
x2 y1 x2 y2 . . . x2 yn
.........
xn y1 xn y2 . . . xn yn
________
4. Sa se discute dupa parametrul real m sistemul:
_
mx + 4y = 3m 2
x + my = m2 2
5. Folosind metoda
Ax = B , cu A =
212
101
110
;B=
121
6. Folosind metoda
Ax = B , cu A =
012
121
110
;B=
1
12
7. Folosind metoda
Ax = B , cu A =
212
101
110
;B=
121
49
8. Folosind metoda
D=
__________
10002
01003
x0104
xx015
xxx06
__________
eliminarii partiale sa se rezolve sistemul:
eliminarii totale sa se rezolve sistemul
eliminarii totale sa se rezolve sistemul:
lui Laplace sa se calculeze determinantul
9. Folosind metoda lui Laplace sa se calculeze determinantul

D=
________
1221
0102
2011
0201
________
10. Folosind formula lui Chio sa se calculeze determinantul
D=
________
1221
0102
2011
0201
________
50
Testul 2
2. rangA = 3
3. = 0
4. Daca m = 2 atunci sistemul este incompatibil.
Daca m = 2 atunci sistemul este compatibil nedeterminat cu solutia x = 22a , y
= a R.
Daca m _= 2 atunci sistemul este compatibil determinat cu solutia x = m + 4
m+2
,
y = m2 + 2m 1
m+2
.
5. Se obtine solutia x1 = 4, x2 = 3, x3 = 2.
8. = 2x2 9x + 6.
9. = 9.
10. = 9.
51
I,
52
Capitolul 4
Operatori liniari. Forme biliniare

si
forme patratice
Obiective: In modelarea matematica a fenomenelor din realitatea
nconjuratoare, n
particular cea economica, unul dintre cele mai des folosite concepte este cel de
liniaritate.
Acesta se datoreaza, atat simplitatii conceptului de liniaritate, cat si
faptului ca aproximarea
unor situatii neliniare prin situatii liniare, asa numitul principiu al
liniaritatii, constituie
una din metodele de baza n studiul realitatii.
Rezumat: In prezentul capitol se vor prezenta notiunile de
aplicatie/transformare/operator liniar(a), forma biliniara, forma patratica,
forma canonica
a unei forme patratice, precum si metode de determinare a formei canonice a
unei forme
patratice.
1. Operatori liniari
2. Forme biliniare
3. Forme patratice
Cuvinte cheie: operator liniar, transformare liniara, forma biliniara, forma
patratica, forma canonica, metoda lui Gauss, Metoda lui Jacobi.
4.1 Operatori liniari
Fie X si Y doua spatii vectoriale peste acelasi camp K.

Definitia 4.1.1 Numim operator liniar sau transformare liniara sau omomorfism
de spatii
vectoriale, o aplicatie T : X Y care satisface conditiile:
1o. T(x(1) + x(2)) = T(x(1)) + T(x(2)), ()x(1) X, ()x(2) X (aditivitate),
2o. T(x(1)) = T(x(1)), () K, ()x(1) X (omogenitate).
Teorema 4.1.1 Operatorul T : X Y este liniar daca si numai daca pentru orice
x(1), x(2)
X si orice 1, 2 K, avem
T(1x(1) + (4.1) 2x(2)) = 1T(x(1)) + 2T(x(2)).
Demonstratie. Sa admitem ca T este operator liniar, atunci, folosind
conditiile 1o si 2o din
Definitia 4.1.1, avem:
T(1x(1) + 2x(2)) = T(1x(1)) + T(2x(2)) = 1T(x(1)) + 2T(x(2)),
53
Reciproc, daca n (4.1) punem 1 = 2 = 1, obtinem conditia 1o din Definitia
4.1.1, iar
daca punem 2 = 0. obtinem conditia 2o din aceeasi definitie.
Daca X = Y un operator liniar se numeste endomorfism. Daca transformarea
liniara
T este bijectiva, atunci ea se numeste izomorfism de spatii vectoriale. Un
endomorfism
bijectiv se numeste automorfism al lui X.
Cum orice camp K este un spatiu vectorial peste el nsusi, atunci putem
considera un
operator liniar T : X K, numit si forma liniara sau functionala liniara.
In continuare vom nota cu L(X, Y ) multimea operatorilor liniari definiti pe X cu
valori
n Y .
Exemple. 4.1.1. Fie Pn spatiu vectorial al polinoamelor de grad cel mult n peste
campul K.
Aplicatia T : Pn Pn1, T(f) = f_, adica derivata lui f, oricare ar fi f Pn, este un
operator
liniar.
Intr-adevar, oricare ar fi f1, f2 Pn si oricare ar fi 1, 2 K avem
T(1f1 + 2f2) = (1f1 + 2f2)_ = 1f
_
1
_
+ 2f
= 1T(f1) + 2T(f2).
4.1.2. Fie X un spatiu vectorial ndimensional peste campul K si B = {e(1),
e(2), . . . , e(n)}
o baza n el si a1, a2, . . . , an K scalari fixati. Aplicatia f : X K, f(x) =
2
n
i=1
aixi, unde
x=
n
i=1
xie(i), este o functionala liniara.

4.1.3. Fie X un spatiu vectorial peste campul K si a un element fixat din K.
Aplicatia
Ta : X X definita prin Ta(x) = ax, pentru orice x X, este un operator liniar.
Aplicatia
Ta se numeste omotetia spatiului X de raport a K.
Propozitia 4.1.1 Daca T L(X, Y ), atunci avem
1o. T(x) = y, unde x si y sunt vectorii nuli ai spatiilor X si Y ;
2o. T(x) = T(x), oricare ar fi x X.
Demonstratia propozitiei rezulta din faptul ca T este un omomorfism ntre
grupurile
comutative (X, +) si (Y, +).
Propozitia 4.1.2 Daca T L(X, Y ) si X1 este un subspatiu al lui X, atunci T(X1)
este un
subspatiu n Y .
Demonstratie. Pentru orice vectori y1, y2 T(x1) exista x(1), x(2) X, astfel ca y1 =
T(x(1)),
y2 = T(x(2)). Considerand 1, 2 K si folosind Teorema 4.1.1, avem
1y1 + 2y2 = 1T(x(1)) + 2T(x(2)) = T(1x(1) + 2x(2)).
Cum 1x(1) + 2x(2) X1, rezulta ca 1y1 + 2y2 T(X1), ceea ce ne arata ca T(x1)
este
un subspatiu vectorial al lui Y .
In particular, T(X) este un subspatiu al lui Y si se noteaza cu ImT.
Dimensiunea lui
ImT se numeste rangul transformarii T.
Observatia 4.1.1 Orice transformare liniara pastreaza liniar dependenta unui
sistem de
vectori, iar daca este injectiva, atunci pastreaza si liniar independenta.
In particular, daca B = {e(1), . . . , e(n)} este o baza n X si transformarea T L(X,
Y)
este injectiva, atunci B1 = {T(e(1), . . . , T (e(n)))} este o baza n Y .
Propozitia 4.1.3 Daca T L(X, Y ) si Y1 este un subspatiu al lui Y , atunci
contraimaginea
T1(Y1) este un subspatiu al lui X.
54
Demonstratie. Fie x(1), x(2) T1(Y1); atunci T(x(1)), T(x(2)) Y1 si deci pentru orice
1, 2 K
avem 1T(x(1)) + 2T(x(2)) = T(1x(1) + 2x(2)) Y1. Prin urmare, 1x(1) + 2x(2) T1(Y1)
si
deciT1(Y1) este subspatiu al lui X.

In particular, T1({y}), unde y este vectorul nul din Y , este un subspatiu al lui
X,
care se numeste nucleul operatorului liniar T si se noteaza cu ker T.
Se verifica imediat ca operatorul T L(X, Y ) este injectiv daca si numai daca
ker T = {x}, x fiind vectorul nul din X.
Dimesiunea nucleului ker T se numeste defectul transformarii liniare T. Se
demonstreaz
a ca
dim(ker T) + dim(Im T) = dimX (v. [2])
Deoarece operatorii liniari sunt functii, operatiile cu functii vor conduce la
operatii
cu transformari liniare. Astfel, daca T1, T2 L(X, Y ), atunci T1 + T2 : X Y , (T1 + T2)
(x) =
T1(x)+T2(x), ()x K, defineste adunarea lor; kT1 : X Y , (kT1)(x) = kT1(x), k K,
()x X
defineste multimea operatorului liniar T1 cu un scalar k K.
De asemenea, daca T1 L(X, Y ) si T2 L(Y,Z), atunci T2 T1 : X Z, (T2 T1)(x) =
T2(T1(x)), ()x X, defineste compunerea a doua transformari liniare. T2 T1 se
noteaza,
uneori, si cu T2T1 si se numeste produsul transformarilor T2 si T1.
Se verifica imediat ca suma a doua transformari liniare este tot o transformare
liniara
si, de asemenea, produsul unei transformari liniare cu un scalar este tot o
transformare
liniara, adica L(X, Y ) este un subspatiu vectorial al spatiului vectorial Hom(X,
Y ) peste K al
tuturor functiilor definite pe X cu valori n Y .
In particular multimea L(X,K) a functionalelor liniare definite pe spatiul
vectorial X
cu valori n campul K este un spatiu vectorial numit dualul algebric al
spatiului vectorial
X si este notat prin X.
Se arata ca produsul a doua transformari liniare este tot o transformare
liniara, iar
daca T L(X, Y ) este bijectiva, atunci T1 L(Y,X), adica este tot o transformare
liniara.
Rezulta ca L(X,X) n raport cu operatiile de adunare si compunere este un
inel cu element
unitate.
In continuare vom arata ca un operator liniar ntre doua spatii vectorial finit
dimensionale
peste campul K este complet determinat de o matrice cu elemente din K.
Fie X si Y doua spatii vectoriale peste acelasi camp K de dimensiuni finite,
respectiv
n si m; T L(X, Y ) un operator liniar, B = {e(1), e(2), . . . , e(n)} o baza n X si
B1 = {f(1), f(2), . . . , f(m)} o baza n Y . Deoarece oricare ar fi x X, x =
n
j=1
xje(j), avem
T(x) =
n
j=1
xjT(e(j)), iar vectorii T(e(j)) Y , j = 1, n, se exprima, unic n functie de

coordonatele
lor n baza B1:
T(e(j)) =
m
i=1
(4.2) aijf(i), j = 1, n,
avem
T(x) =
n
j=1
xj
m
i=1
aijf(i) =
m
i=1
n
j=1
aijxj
(4.3) f(i).
Daca y = T(x) = t(y1, y2, . . . , yn) n baza B1, atunci comparand cu (4.3) gasim
yi =
n
j=1
(4.4) aijxj , i = 1,m,

relatii ce pot fi scrise matriceal sub forma
(4.5) y = Ax,
55
unde tx = (x1, . . . , xn) xi, i = 1, n fiind coordonatele lui x n baza B1, iar matricea
A = (aij) Mmn(K) are pe coloane coordonatele imaginilor vectorilor din baza B n
baza
B1. Matricea A se numeste matricea asociata (asociata) transformarii T fata
de cele doua
baze B si B1 alese n spatiile X si Y . Ea este unic determinata de relatiile
(4.2). Relatiile
(4.4) sau (4.5) se numesc ecuatiile operatorului liniar n bazele B si B1.
Se arata ca rangul transformarii liniare este egal cu rangul matricei asociate ei
fata
de doua baze.
In adevar, rangul transformarii T fiind, conform definitiei, dimensiunea
spatiului imagine,
este egal cu rangul sistemului de vectori {T(e(j))}
j=1,n, care l genereaza pe aceasta. Cum
vectorii T(ej)j=1,n, sunt vectori coloana ai matricei A, rezulta ca rang A = rang T.
Exemplul 4.1.4. Daca T L(R3,R2), (x) = (x1 3x2,4x1 + 2x2 + x3), x = (x1, x2, x3) si
B = {e(1), e(2), e(3)}, e(1) = (1, 0, 0), e(2) = (0, 1, 0), e(3) = (0, 0, 1), respectiv B1 = {f(1), f(2)},
f(1) = (1, 0), f(2) = (0, 1) sunt bazele canonice, atunci matricea atasata lui T este
A=
_
1 3 0
4 2 1
_
,
deoarece T(e(1)) = (1,4), T(e(2)) = (3, 2), T(e(3)) = (0, 1).
Fie acum T1, T2 L(X, Y ) si T = T1 + T2 suma lor. Avem
T(e(j)) = T1(e(j)) + T2(e(j)), j= 1, n
de unde notand cu A1 matricea atasata lui T1, A2 matricea atasata lui T2 si
cu C matricea
atasata lui T, deducem ca C = A1 + A2, adica matricea transformarii sumei

este suma matricelor
transformarilor termeni.
Analog, se arata ca matricea produs dintre un scalar si o transformare liniara
este
produsul scalarului cu matricea acelei transformari, iar matricea transformarii
liniare produs
este egala cu produsul matricelor transformarilor liniare factori.
De aici, rezulta
Propozitia 4.1.4 i) Functia care asociaza fiecarui operator liniar T L(X, Y ),
dimX = n,
dim Y = m, matricea corespunzatoare ei fata de doua baze fixate, este un
izomorfism
ntre spatiul vectorial L(X, Y ) si spatiul vectorial Mmn(K) al matricelor de tipul
mn
peste K.
ii) Functia care asociaza fiecarui operator T L(X,X), dimX = n, matricea
corespunz
atoare ei ntr-o baza fixata n X, este un izomorfism ntre inelul L(X,X) si
inelul
matricelor patratice de ordin n peste K.
Acum sa cercetam cum se schimba matricea atasata unei transformari
liniare la schimbarea
bazelor.
Teorema 4.1.2 Fie B si B_ baze n spatiul vectorial ndimensional X peste K, iar B1
si B_
1
baze n spatiul vectorial mdimensional Y peste acelasi camp K. Daca T L(X, Y

), A este
matricea transformarii T fata de bazele B si B1, iar A1 este matricea
transformarii T fata
de bazele B_ si B_
1, atunci A1 = D1AC, unde C si D sunt matricele de trecere de la baza B
la B_ respectiv de la B1 la B_
1.
Demonstratie. Conform celor demnstrate n Capitolul IV, daca (x1, . . . , xn) = tx
sunt coordonatele
unui vector x X n baza B si (x_
1, . . . , x_
n) = tx_ sunt coordonatele aceluiasi vector x
n baza B_, atunci x = Cx_, unde C este matricea trecerii de la baza B la baza B_,
avand pe
coloane coordonatele vectorilor bazei B_ n raport cu B. Analog, daca avem
(y1, . . . , ym) = ty
coordonatele imaginii y = T(x) n B1 si (y_
1, . . . , y_
m) = ty_ coordonatele lui y n baza B_
1, atunci
y = Dy_.
T inand seama ca T este un operator liniar, cu notatiile din enunt, avem y =
Ax respectiv
y_ = A1x_, de unde nlocuind x_ = C1x, y_ = D1y si y = Ax n y_ = A1x_, gasim
D1Ax = A1C1x, de unde D1A = A1C1, care este echivalenta cu D1AC = A1.
56
Observatia 4.1.2 Daca T L(X,X), dimX = n, A matricea atasata lui T n raport

cu baza
B, iar A1 este matricea atasata lui T n raport cu baza B1, atunci A1 = C1AC, unde
C este
matricea de trecere de la B la B_.
Definitia 4.1.2 Matricele A,B M
n2 (K) se numesc asemenea, notam aceasta prin A B,
daca exista matricea nesingulara C M
n2 (K) asa ncat B = C1AC.
Se verifica imediat ca asemanarea matricelor este o relatie de echivalenta
pe M
n2 (K).
Exemplul 4.1.5. Fie T L(R3,R4), x = (x1, x2, x3) R3,
T(x) = (2x1 x2 + x3, x2 2x3, x1 + x2 + x3, x1 x2).
Aflati matricea asociata lui T n raport cu perechea de baze B_ = {e(1)
1 , e(2)
1 , e(3)
1
}, e(1)
1=
(0, 1, 1), e(2)
1 = (1, 0, 1), e(3)
1 = (1, 1, 0) n R3 si B_
1 = {e(1)
2 , e(2)
2 , e(3)
2 , e(4)
2
}, e(1)
2 = (1, 1, 1, 1), e(2)
2=
(0, 1, 1, 1), e(3)
2 = (0, 0, 1, 1), e(4)
2 = (0, 0, 0, 1), n R4. Se cere matricea A1 a transformarii T fata
de bazele B_ si B_
1.
Deoarece
T(x) =
2 1 1
0 1 2
111
1 1 0
x1
x2
x3
deducem ca matricea transformarii liniare T n raport cu bazele canonice B si

B1 din R3
respectiv R4 este
A=
2 1 1
0 1 2
111
1 1 0
Matricea C de trecere de la baza B la B1 este

C=
011
101
110
iar matricea D de trecere de la baza B_ la baza B_

1 este
D=
1000
1100
1110
1111
Se gaseste
D
1 =
1
0
0
0
1 1 0 0
0 1 1 0
0 0 1 1
si deci avem
A1 = D
1AC =
031
1 3 0
341
3 1 2
Am vazut n Observatia 4.1.2 ca matricea unei transformari liniare T L(X,X),
dimX = n, depinde de alegerea bazei n X. In continuare ne punem problema de a

gasi
o baza fata de care aceasta matrice sa aiba o forma diagonala
A1 =
1 0 . . . 0
0 2 . . . 0
............
0 0 . . . n
(4.6)
57
T inand seama de expresiile (4.5) care definesc matricea A1 a transformarii
liniare T
n baza B1 = {f(1), . . . , f(n)} obtinem:
Teorema 4.1.3 Conditia necesara si suficienta ca matricea transformarii
liniare T
L(X,X), dimX = n, sa poata fi adusa la forma diagonala (4.6) este sa existe o
baza
B1 = {f(1), f(2), . . . , f(n)} n X si n elemente 1, 2, . . . , n K astfel ncat sa avem
(4.7) T(f(i)) = if(i), i = 1, n.
Definitia 4.1.3 Se spune ca vectorul x _= , x X, este un vector caracteristic
sau propriu
pentru operatorul liniar T L(X,X) daca exista un element K astfel ncat sa
avem
(4.8) T(x) = x.
Elementul corespunzator vectorului propriu x se numeste atunci valoare
caracteristic
a sau proprie pentru transformarea liniara T.
In conformitate cu aceasta definitie, matricea unei transformari liniare poate
fi
adusa la o forma diagonala daca si numai daca transformarea are n vectori
proprii liniar
independenti. In acest caz, elementele de pe diagonala principala din matricea
diagonala
sunt atunci valorile proprii corespunzatoare.
In cele ce urmeaza ne vom ocupa cu determinarea valorilor proprii si vectorilor
proprii
pentru un operator liniar T din L(X,X), cu dimX = n.
Fie B = {e(1), e(2), . . . , e(n)} o baza n X, A = (aij) M
n2 (K) matricea asociata lui T, I
matricea unitate de ordin n si tx = (x1, . . . , xn) coordonatele unui vector x V n
baza B;
atunci ecuatia (4.8) se poate scrie sub forma matriceala
(4.9) (A I)x = 0.
Aceasta ecuatie este echivalenta cu sistemul
(a11 )x1 + a12x2 + . . . + a1nxn = 0
a21x1 + (a22 )x2 + . . . + a2nxn = 0
.................................
an1x1 + an2x2 + . . . + (ann )xn = 0
(4.10)
Sistemul (4.10) fiind liniar si omogen, admite solutii diferite de solutia
banala daca si
numai daca determinantul matricei sistemului este egal cu zero.

Acest determinant se noteaza cu PA() si are forma
PA() = det(A I) =
________
a11 a12 . . . a1n
a21 a22 . . . a2n
............
an1 an2 . . . ann
________
numit polinomul caracteristic atasat transformarii liniare T sau matricei A.
Prin urmare valorile caracteristice ale matricei A sau transformari liniare T se
gasesc
printre radacinile ecuatiei
(4.11) PA() = 0,
numita ecuatia caracteristica corespunzatoare matricei A sau transformarii
liniare T. Sirul
1, 2, . . . , n al tuturor radacinilor ecuatiei caracteristice, unde fiecare este
socotita de atatea
ori cat indica ordinul sau de multiplicitate, constituie spectrul matricei A sau a
operatorului
liniar T.
Polinomul caracteristic are gradul n si se poate scrie dezvoltat sub forma:
PA() = (1)nn + (1)n11n1 + (1)n22n2 + . . . + (1)n1 + n,
58
unde i, i = 1, n, este suma minorilor diagonali de ordin i ai matricei asociate
operatorului
liniar T ntr-o anumita baza, adica:
i =
______
a11 . . . a1i
.........
ai1 . . . aii
______
+
______
a22 . . . a2,i+1
.........
ai+1,2 . . . ai+1,i+1
______
+ . . .+
+
______
ani+1,ni+1 . . . ani+1,n
.........
an,ni+1 . . . ann
______
,
suma avand Cin
termeni, i = 1, n. Prin minor diagonal al matricei A ntelegem un minor
care are pe diagonala principala numai elemente de pe diagonala principala a
matricei A.
Se observa ca 1 = a11 + a22 + . . . + ann = tr(A) este urma matricei A, iar n = detA.
Propozitia 4.1.5 Doua matrice asemenea au acelasi polinom caracteristic.
Demonstratie. Intr-adevar, daca matricea A este asemenea cu B, adica are
loc Definitia
4.1.2, atunci
PB() = det(B I) = det(C
1AC I) = det(C
1(A I)C) =
= detC
1 det(A I) detC = det(A I) = PA().
Corolarul 4.1.1 Polinomul caracteristic al unui operator liniar T L(X,X) este
invariant
la schimbarea bazei.
Valabilitatea acestui corolar rezulta din Observatia 4.1.2 si Propozitia 4.1.5.
Prin urmare, ca sa gasim valorile caracteristice (spectrul) si vectorii
caracteristici
pentru operatorul liniar T L(X,X), dimX = n, alegem o baza B = {e(1), . . . , e(n)} n
X,
rezolvam ecuatia caracteristica PA() = 0 si, introducand pe rand fiecare
radacina i, i = 1, n,
a acesteia n sistemul (4.10), gasim vectori caracteristici corespunzatori.
Propozitia 4.1.6 Vectorii caracteristici corespunzatori unei valori caracteristice
i, i = 1, n
formeaza mpreuna cu vectorul nul al spatiului vectorial X un subspatiu Vi al
lui X, numit
subspatiu caracteristic sau propriu, de dimensiune cel mult egala cu ordinul de
multiplicitate
al lui i, i = 1, n.
Demonstratie. Se observa ca Vi este multimea solutiilor ecuatiei
(T iI)(x) = , adica nucleul transformarii liniare T iI L(X,X) si dupa
Propozitia 4.1.3
acesta este un subspatiu al lui X. Fie acum ki = dimVi si mi ordinul de
multiplicitate pentru
i. Presupunem ca am ales baza B = {e(1), . . . , e(n)} n X asa ca e(1), . . . , e(ki) sa
se gaseasca n
Vi. Atunci avem T(e(s)) = ie(s), s = 1, 2, . . . , ki si deci matricea A are, fata de
aceasta baza,
forma
A=
i 0 . . . 0 a1,ki+1 . . . a1n
0 i . . . 0 a2,ki+1 . . . a2n
........................
0 0. . . i aki,ki+1 . . . aki,n
0 0. . . 0 aki+1,ki+1 . . . aki+1,n
........................
0 0. . . 0 an,ki+1 . . . ann
de unde rezulta
PA() = ( i)kiQ()
si cum ordinul de multiplicitate al lui i este mi, rezulta ki mi.
Corolarul 4.1.2 Unei valori caracteristice simple i corespunde un subspatiu
propriu de dimensiune
egala cu unu.
59
Teorema 4.1.4 Daca vectorii caracteristici x(1), x(2), . . . , x(m) corespund la valori
caracteristice
distincte 1, 2, . . . , m, atunci ei sunt liniar independenti.

Demonstratie. Procedam prin inductie matematica. Pentru m = 1, teorema
este evident
adevarata. Presupunem ca este adevarata pentru k si sa o demonstram
pentru k+1. Presupunem
ca x(1), x(2), . . . , x(k+1) ar fi liniar dependenti, adica ar exista scalari 1, 2, . . . ,
k+1 K,
nu toti nuli, asa ncat
1x(1) (4.12) + 2x(2) + . . . + k+1x(k+1) = .
Aplicand n (4.12) operatorul liniar T si folosind ipoteza teoremei, obtinem
11x(1) + 22x(2) + +k+1k+1x(k+1) = . (4.13)
Eliminand pe x(k+1) ntre relatiile (4.12) si (4.13) gasim
1(1 k+1)x(1) + 2(2 k+1)x(2) + . . .+
+k(k k+1)x(k) =
(4.14)
Fara sa restrangem generalitatea, sa admitem cu 1 _= 0, atunci, tinand
seama ca
x(1), . . . , x(k) sunt liniar independenti, deducem 1 = k+1 ceea ce constituie o
contradictie.
Rezulta ca vectorii x(1), x(2), . . . x(m) sunt liniar independenti.
Corolarul 4.1.3 Daca operatorul liniar T are n valori caracteristice distincte atunci
el poate
fi adus la forma diagonala.
Intr-adevam, n aceasta situatie alegand cate un vector propriu
corespunzator fiecarei
valori caracteristice obtinem n vectori caracteristici liniar independenti si
deci o baza n X.
Fata de aceasta baza, dupa Teorema 4.1.3, operatorul liniar T are forma
diagonala.
Pentru cazul general se demonstreaza (v. [2]):
Teorema 4.1.5 Conditia necesara si suficienta ca matricea operatorului liniar T
L(X,X),
dimX = n, sa aiba forma diagonala este ca toate valorile caracteristice sa fie
din campul K si
subspatiile proprii corespunzatoare sa aiba dimensiunile egale cu ordinele de
multiplicitate
corespunzatoare.
Exemplul 4.1.6. Sa consideram transformarea liniara T L(R3,R3) definita prin
T(x) = (x2 + x3, x1 + x3, x1 + x2), x = (x1, x2, x4) R3.
Sa aratam ca T poate fi adusa la o forma diagonala si sa se precizeze o
baza fata de
care matricea ei are forma diagonala.
Matricea transformarii n baza canonica a lui R3 este
A=
011
101
110
,
iar ecuatia caracteristica are forma
______
1 1
1 1
1 1
______
=0
de unde 3 3 2 = 0. De aici gasim valorile caracteristice 1 = 2, 2 = 3 = 1.
Vectorii caracteristici sunt solutiile sistemului liniar omogen
x1 + x2 + x3 = 0
x1 x2 + x3 = 0
x1 + x2 x3 = 0
(4.15)
60
unde se nlocuieste pe rand cu una din valorile caracteristice,
Pentru 1 = 2 sistemul (4.15) are solutia x(1) = (1, 1, 1), iar dimensiunea
subspatiului
propriu V1 este unu si o baza n V1 este data de x(1).
Pentru 1 = 3 = 1, sistemul (4.15) se reduce la ecuatia
x1 + x2 + x3 = 0
si subspatiul propriu V2 care este multimea solutiilor acestei ecuatii, are
dimensiunea 2, ca
baza putand fi luati vectorii caracteristici x(2) = (1, 1, 0), x(3) = (1, 0, 1). Cum
dim V2 = 2,
adica egala cu ordinul de multiplicitate al valorii caracteristice = 1,
deducem ca matricea
tranformarii poate fi adusa la forma diagonala
A1 =
200
0 1 0
0 0 1
iar B1 = {x(1), x(2), x(3)}, unde x(1), x(2), x(3) sunt vectorii caracteristici determinati,
este o
baza n R3 fata de care matricea transformarii are forma diagonala A1.
In ncheierea acestui paragraf, da fara demonstratie urmatorul rezultat (v.
[2]):
Teorema 4.1.6 Cayley-Hamilton. Pentru orice operator liniar T L(X,X), dimX = n,
matricea
transformarii A verifica ecuatia caracteristica PA() = 0.
4.2 Forme biliniare
Definitia 4.2.1 Fie X un spatiu vectorial peste campul K. Numim forma

biliniara peste
campul K o aplicatie f : X X K, care este liniara n raport cu fiecare
variabila, adica
satisface conditiile:
1o. f(x + y, z) = f(x, z) + f(y, z).
2o. f(x, y + z) = f(x, y) + f(x, z),
oricare ar fi x, y, z X si , K.
Definitia 4.2.2 O forma biliniara f se numeste simetrica daca
f(x, y) = f(y, x), ()x, y X
si antisimetrica daca
f(x, y) = f(y, x), ()x, y X.
Exemple. 4.2.1. Produsul scalar definit ntr-un spatiu vectorial real este o
forma biliniara.
Sa nota, cu B(X) multimea formelor biliniare definite pe X. Daca f, g B(X) si
k K atunci aplicatiile kf, f + g : X X K definite natural prin (kf)(x, y) = kf(x, y)

si
(f + g)(x, y) = f(x, y) + g(x, y), oricare ar fi x, y X, sunt forme biliniare, numite
nmultirea
cu un scalar a unei forme biliniare si respectiv adunarea a doua forme biliniare.
Se constata imediat ca operatiile de adunare a doua forme biliniare si de
nmultire a
unei forme biliniare cu un scalar din K definesc pe multimea B(X) o structura de
spatiu
vectorial peste K.
Multimea formelor biliniare simetrice formeaza un subspatiu vectorial al lui
B(X).
Sa consideram acum spatiul vectorial X de dimensiune finita n. Fie B =
{e(1), . . . , e(n)}
o baza n X; punand x, y X
x=
n
i=1
xie(i) si y =
n
j=1
yje(j),
61
pentru forma biliniara f avem
f(x, y) = f
n
i=1
xie(i),
n
j=1
yje(j)
=
=
n
i=1
n
j=1
xiyjf(e(i), e(j)).
Rezulta ca forma biliniara este determinata de valorile ei pe vectorii bazei.
Elementele
aij = f(e(i), e(j)), i,j= 1, n
se numesc coeficientii formei biliniare, iar expresia
f(x, y) =
n
i=1
n
j=1
aijxiyi
se numeste expresia analitica a formei biliniare.
Daca punem
x = t(x1, x2, . . . , xn), y = t(y1, . . . , yn),A = (aij)i,j=1,n
M
n2 (K),
atunci putem scrie
f(x, y) = txAy,
care reprezinta forma matriceala a formei biliniare, iar A se numeste matricea
atasata formei
biliniare n baza B.
Rangul matricei atasate ntr-o baza data unei forme biliniare se numeste
rangul formei
biliniare. Daca rangul formei coincide cu dimensiunea spatiului vectorial, atunci
forma
biliniara se numeste nedependenta. Se numeste discriminantul unei forme
biliniare ntr-o
baza data, determinantul matricei asociate formei n baza data.
4.3 Forme patratice
In studiul unor probleme de analiza economica un rol deosebit l au formele

patratice.
Definitia 4.3.1 Fie X un spatiu vectorial peste campul K si f o forma biliniara
simetrica
pe X. Numim forma patratica asociata lui f aplicatia g : X K, g(x) = f(x, x),
oricare ar
fi x din X.
Forma biliniara f care genereaza forma patratica g se numeste forma polara
a lui g.
Daca n campul K avem a + a _= 0, pentru orice a K, a _= 0, atunci avem
g(x + y) = f(x + y, x + y) = f(x, x) + f(x, y) + f(y, x) + f(y, y) =
= g(x) + 2f(x, y) + g(y),
de unde
f(x, y) =
1
2
[g(x + y) g(x) g(y)].
Acest rezultat ne arata ca forma polara este determinata n mod unic de
forma
sa patratica. Altfel spus, ntre multimea formelor biliniare simetrice si
multimea celor
patratice definite pe X exista un izomorfism. Daca presupunem ca dimX = n si
consideram
o baza B = {e(1), . . . , e(n)} n el, atunci din expresia analitica a formei biliniare f
(5.2) gasim
urmatoarea expresie analitica pentru forma patratica g
g(x) =
n
i=1
n
j=1
(4.16) aijxixj .
62
Daca punem A = (aij) M
n2 (K), care pentru formele patratice este o matrice simetric
a, obtinem expresia matriceala pentru forma patratica:
g(x) = txAx,
unde x = t(x1, . . . , xn) X.
Definitia 4.3.2 Daca n expresia analitica (4.16) a formei patratice g, toti
coeficientii aij cu
i _= j sunt nuli, atunci se spune ca reprezentarea formei patratice este sub
forma canonica .
Teorema 4.3.1 (Gauss). Expresia analitica a oricarei forme patratice pe un
spatiu vectorial
X peste K, dimX = n, poate fi adusa printr-o schimbare de baza, la forma
canonica.
Demonstratie. Vom demonstra aceasta teorema prin inductie matematica

dupa numarul k
al variabilelor ce apar n expresia analitica a formei patratice.
Evident ca pentru k = 1 avem g(x) = a11x21
, care este scrisa sub forma canonica.
Presupunem teorema valabila pentru k 1 variabile si o demonstram pentru k.
Fara a
restrange generalitatea presupunem ca a11 _= 0 (n caz contrar renumerotam
variabilele, iar
daca toti a11 = 0, i = 1, n, atunci ntr-un produs xixj facem schimbarea de
variabile xi = yiyj ,
xj = yi + yj). Acum, scriem expresia analitica (4.16) a formei patratice astfel
g(x) =
1
a11
a2
11x21
+2
n
j=2
a11a1jx1xj
+
n
i,j=2
aijxixj =
=
1
a11
_
n
i=1
a1jxj
2
n
i,j=2
bijxixj ,
noii coeficienti bij rezulta din reducerea termenilor asemenea dupa formarea
patratului
perfect.
Facand schimbarea de variabile
y1 =
n
j=1
a1jxj, yk = xk, k= 2, n
obtinem
g(x) =
1
a11
y2
1 + h(y),
unde
h(y) =
n
i=1
n
j=2
bijyiyj
nu depinde de x1, deci n expresia ei analitica avem doar k 1 variabile. Folosind

ipoteza
inductiei, exista o baza (o schimbare de coordonate) a spatiului X n care
h(y) = 2y2
2 + . . . + my2m
.
Atunci
g(x) = 1y2
1 + . . . + my2m
, 1 = 1/a11.
Teorema este demonstrata. Demonstratia teoremei ne ofera si un procedeu
practic
de a scrie o forma patratica sub forma canonica numita metoda lui Gauss.
Astfel, maintai
se formeaza un patrat perfect cu termeni care contin pe x1, apoi cu termenii ce
contin pe
x2 s.a.m.d.
Exemplul 4.3.1. Sa reducem la forma canonica forma patratica g : R3 R, g(x) =
2x21
+x1x2+
63
x22
+ 4x1x3 + 4x23
.
Utilizand metoda lui Gauss avem
g(x) =
1
2
(4x21
+ 2x1x2 + 8x1x3) + x22
+ 4x23
=
1
2
$
2x1 + x2
2
+ 2x3
%2
+
+
15
16x22
+ 3x23
1
2x2x3 =
1
2
$
2x1 + x2
2
+ 2x3
%2
+
+
16
15
__
15
16
_2
x22
8
15x2x3
_
+ 3x3 =
1
2
$
2x1 + x2
2
+ 2x3
%2
+
+
16
15
_
16
16x2 1
4x3
_2
+
44
15x23
.
Punand
y1 = 2x1 + x2
2
+ 2x3, y2 =
15
16x2 x3
4 (4.17) , y3 = x3
obtinem forma canonica pentru g:
g(x) =
1
2y2
1+
16
15y2
2+
44
15y2
(4.18) 3.
Din (4.17) avem:
x1 =
1
2y1 4
15y2 16
15y3
x2 =
16
15y2 +
4
15y3
x3 = y3
sau matriceal x = Cy, unde x = t(x1, x2, x3), y = t(y1, y2, y3), x, y R3 si
C=
1
2
15
16
15
16
15
4
15
001
Cum C este nesingulara si are rangul 3 deducem ca forma patratica este

nedegenerata,
iar vectorii coloana din C, f(1) =
_
1
2, 0, 0
_
, f(2) =
_
4
15,
10
15, 0
_
, f(3) =
_
16
15,
4
15, 1
_
constituie
noua baza fata de care g are forma canonica (4.18).
Exemplul 4.3.2. Sa aducem la forma canonica forma patratica g : R4 R, g(x) =
x1x2 +
x1x3 2x2x3 + x3x4.
Deoarece nu avem termeni n x21, i = 1, 2, 3, 4, facem schimbare de variabile
x1 = y1 (4.19) y2, x2 = y1 + y2, x3 = y3, x4 = y4
si obtinem
g(x) = y2
1
y2
2
y1y3 (4.20) 3y2y3 + y3y4.

Acum aplicand metoda lui Gauss avem succesiv,
g(x) =
$
y1 y3
2
%2
y2
2
1
4y2
3
3y2y3 + y3y4 =
=
$
y1 y3
2
%2
_
y2 +
3
2y3
_2
+ 2y2
3 + y3y4 =
=
$
y1 y3
2
%2
_
y2 +
3
2y3
_2
+
1
2
_
2y3 +
1
2y4
_2
1
8y2
4.
64
Daca punem
z1 = y1 y3
2, z2 = y2 +
3
2y3, z3 = 2y3 +
1
2 (4.21) y4, z4 = y4,
obtinem
g(x) = z2
z2
2+
1
2z2
3
1
8z2
(4.22) 4.
Din (4.21) gasim
x1 = z1 1
2z2+
3
8z3 3
32z4
x2 = z1+
3
2z2 9
8z3+
9
32z4
x3 =
1
2z3 1
8z4
x4 z4
care constituie schimbarea de variabile prin care g(x) se scrie sub forma canonica
(4.22).
O alta metoda de aducere la forma canonica a unei forme patratice a fost
data de
Jacobi.
Teorema 4.3.2 Jacobi. Fie g : X K o forma patratica pe spatiul vectorial n
dimensional
X peste K si A = (aij) M
n2 (K) matricea formei n baza B = {e(1), . . . , e(n)} a spatiului X.
Daca determinantii
1 = a11,2 =
____
a11 a12
a21 a22
____
,...,
i =
______
a11 . . . a1i
.........
ai1 . . . aii
______
, . . . ,n = detA
(4.23)
sunt toti nenuli, atunci exista o baza B1 = {h(1), . . . , h(n)} a spatiului X asa
ncat g are forma
canonica
g(x) =
n
i=1
i1
i
y2
(4.24) i , 0 = 1,
unde (y1, y2, . . . , yn) sunt coordonatele vectorului x n baza B1.
Demonstratie. Pentru gasirea bazei B, vom considera vectori h(i), i = 1, n de
forma
h(1) = b11e(1)
h(2) = b21e(1) + b22e(2)
...
h(n) = bn1e(1) + bn2e(2) + . . . + bnne(n)
(4.25)
si vom impune conditiile
f(h(i), e(j)) = 0, pentru 1 j < i n,
f(h(i), e(i)) = 1, pentru 1 i n,
(4.26)
unde f este forma polara a formei patratice g.
Conditiile (4.26) determinan mod unic vectorii h(i), i = 1, n. Astfel, ca sa
determinam
vectorul h(i) = hi1e(1) +hi2e(2) +. . .+biie(i), i = 1, n, n conditiile (4.26) obtinem
sistemul liniar
a11i1 + a21i2 + . . . + a1iii = 0
a21i1 + a22i2 + . . . + a2iii = 0
...................................
ai1,1i1 + ai1,2i2 + . . . + ai1,iii = 0
ai1i1 + ai2i2 + . . . + aiiii = 1
65
care are o solutie unica deoarece determinantul sau este i _= 0.
Se arata usor ca vectorii h(1), . . . , h(n) astfel construiti sunt liniar
independenti. Acum
sa aratam ca B1 = {h(1), . . . , h(n)} esste baza n care matricea formei patratice
g este C =
(cij) =M
n2 (K), cu aij = 0, i _= j si cij = i1/i, i = 1, n.
Avem
cij = f(h(i), h(j)) = f(h(i), bj1e(1) + bj2e(2) + . . . + bjje(j)) =
= bj1f(h(i), e(1)) + bj2(h(i), e(2)) + . . . + bjjf(h(i), e(j)),
de unde folosind conditiile (4.25), gasim
cij = 0, daca i _= j si cii = bii = i1/i, i = 1, n.
Teorema este astfel demonstrata.
Exemplul 4.3.3. Utilizand metoda lui Jacobi sa aflam formele canonice pentru
formele
patratice din Exemplele 4.3.1 si 4.3.2.
Matricea formei patratice din Exemplul 4.3.1 este
A=
2
1
2
2
1
2
10
204
cu
0 = 1, 1 = 2, 2 =
________
2
1
2
1
2
1
________
=
7
4
si 3 = detA = 3,
iar din (4.23) obtinem
g(x) =
1
2y2
1+
8
7y2
2+
7
12y2
3.
Pentru forma patratica din exemplul 4.3.2 utilizam forma (4.20) si avem
A=
1 0 1
2
0
0 2 3
2
0
1
2
3
2
0
1
2
00
1
2
0
cu
0 = 1, 1 = 1, 2 = 1, 3 = 1
2
si 4 = detA =
1
4
de unde, folosind (4.23), gasim
g(x) = z2
1
z2
2 + 2z2
3
2z2
4.
Observatia 4.3.1 Pentru determinarea formei canonice a unei forme patratice g
se pot
utiliza si valorile caracteristice (proprii) ale matricei A atasatei ei ntr-o baza.
Daca
1, 2, . . . , n sunt valorile caracteristice corespunzatoare lui A, atunci forma
canonica este
g(x) = 1y2
1 + 2y2
2 + . . . + ny2n
(v. [2]).
In studiul punctelor de extrem avem nevoie de semnul unei forme patratice.
66
Vom considera acum o forma patratica peste un spatiu vectorial peste R.
Definitia 4.3.3 Fie g : X R o forma patratica reala adusa la o forma
canonica ntr-o baza.
Daca n aceasta forma canonica p coeficientii sunt strict pozitivi, q sunt strict
negativi iar
r = n (p + q) sunt nuli, atunci tripletul (p, q, r) se numeste signatura formei
patratice.
Se demonstreaza (v. [2]) urmatorul rezultat:
Teorema 4.3.3 (inertiei). Signatura unei forme patratice este invarianta la
schimbarea
bazei.
Definitia 4.3.4 O forma patratica reala g : X R se numeste pozitiv definita
respectiv
negativ definita daca g(x) > 0 respectiv g(x) < 0, pentru orice x X, x _= .
Forma g se numeste semidefinita pozitiv sau semidefinita negativ dupa cum
g(x) 0
sau g(x) 0, pentru orice x X. Forma g se numeste nedefinita daca exista
vectorii x(1) X
si x(2) X astfel ncat g(x(1)) > 0 si g(x(2)) < 0.
Teorema 4.3.4 (Sylvester). In conditiile Teoremei lui Jacobi, forma patratica g :
XR
este pozitiv definita daca si numai daca i 0, i = 1, n si negativ definita
daca si numai
daca (1)ii > 0, i = 1, n.
Demonstratie. Sa consideram ca g este pozitiv definita. Aratam mai ntai
ca i _= 0,
i = 1, n. Sa presupunem prin obsurd ca exista k {1, 2, . . . , n} pentru care k =
0. Atunci
n determinantul k una din linii este o combinatie liniara a celorlalte, adica
exista scalarii
1, 2, . . . , k astfel ncat
1a1j (4.27) + 2a2j + . . . + kakj = 0, j = 1, k.
Daca f este polara formei patratice g, tinand seama ca aij = f(e(i), e(j)), i, j = 1, n,
din
(4.27) avem
0 = 1f(e(1), e(j)) + 2f(e(2), e(j)) + . . . + kf(e(k), e(j)) =

= f(1e(1) + 2e(2) + . . . + ke(k), e(j)), j= 1, k
Inmultind corespunzator cu j , i = 1, k, egalitatile precedente si
nsumandu-le,
obtinem
f(1e(1) + 2e(2) + . . . + ke(k), 1e(1) + 2e(2) + . . . + ke(k)) = 0,
adica
(4.28) g(1e(1) + 2e(2) + . . . ke(k)) = 0.
Cum g este pozitiv definita deducem ca (4.28) este posibila numai daca 1e(1) +
2e(2) + . . . + ke(k) = , ceea ce contrazice liniar independenta vectoriala a bazei
B=
{e(1), e(2), . . . , e(n)}. Prin urmare, presupunerea ca ar exista un k = 0 este falsa
si deci
i _= 0, i = 1, n.
Acum, folosind Teorema lui Jacobi, exista o baza B1 = {h(1), h(2), . . . , h(n)} fata
de care
g(x) =
n
i=1
i1
i
y2
i.
Cum g(x) > 0, pentru orice x nenul. n particular pentru (y1, . . . , yi, . . . , yn) =
(0, . . . , 1, . . . , 0), obtinem i1/i > 0, i = 1, n. Deoarece 0 = 1 si 0/1 > 0, avem
1 > 0 si
din aproape n aproape obtinem i > 0, i = 1, n.
Reciproc, daca i > 0, i = 1, n, atunci i1/i > 0, i = 1, n, si
g(x) =
n
i=1
i1
i
y2
1
0
cu egalitate numai daca y1 = y2 = . . . = yn = 0, adica x = , ceea ce ne arata ca g
este pozitiv
definita.
Daca g este negativ definita atunci forma patratica g : X R este pozitiv
definita,
matricea ei fiind A = (aij) cu minorii diagonali _
i = (1)ii. Deoarece g este pozitiv
definita numai daca _
i > 0 rezulta ca g este negativ definita numai daca (1)ii > 0, i = 1, n.
67
Corolarul 4.3.1 O forma patratica reala pe un spatiu ndimensional este
pozitiv respectiv
negativ definita daca si numai daca una din conditiile de mai jos este
ndeplinita:
1o. signatura ei este (n, 0, 0) respectiv (0, n, 0);
2o. toate valorile caracteristice ale matricei A atasate formei ntr-o baza sunt
strict pozitive
(strict negative).
Forma patratica din Exemplul 4.3.1 este pozitiv definita deoarece signatura ei
este
(3, 0, 0).
68

a) Transformare liniara;
b) Forma liniara;
c) Nucleul unui operator liniar;
d) Vector caracteristic;
e) Forma biliniara;
f) Forma patratica;
g) Forma canonica a unei forme patratice;
h) Signatura formei patratice.
2. Aratati ca urmatoarea aplicatie este o transformare liniara: f : R3 R2,
f(x1, x2, x3) =
(2x1 + x2, 4x3).
3. Fie aplicatiile f : R2 R2, f(x1, x2) = (2x1x2, 3x2) si g : R2 R2, g(x1, x2) = (x2x1,
4x1).
Aratati ca f si g sunt operatori liniari, apoi determinati f g si g f si
verificati ca sunt
operatori liniari.
4. Fie transformarea liniara f : R3 R3care n baza canonica este data de
matricea
A=
5 3 2
6 4 4
4 4 5
.
Gasiti valorile si vectorii caracteristici atasati transformarii.
5. Fie transformarea liniara T : R3 R3cu exprimarea n baza B data de matricea
A=
7 12 6
10 19 10
12 24 13
.
Aratati ca exista o baza B_ n R3 fata de care matricea transformarii T are
forma
diagonala.
6. Diagonalizati matricea
A=
4 2 2
5 7 5
6 6 4
.
7. Sa se aduca la forma canonica, cu ajutorul metodei lui Gauss, forma
patratica:
f(x) = x21
+ x22+ x23
2x24
2x1x2 + 2x1x3 2x1x4 + 2x2x3 4x2x4.
8. Sa se aduca la forma canonica, cu ajutorul metodei lui Gauss, forma
patratica:
f(x) = x1x2 + 3x1x3 + 5x2x3.
9. Sa se aduca la forma canonica, cu ajutorul metodei lui Jacobi, forma
patratica:
f(x) = x21
+ 2x22
+ 3x23
+ 3x24
2x2x3 2x1x3 + 2x1x4 + 6x2x4.
10. Sa se aduca la forma canonica, cu ajutorul metodei lui Jacobi, forma
patratica:
f(x) = x21
+ 4x1x2 + 2x1x4 + 3x22
2x2x3 + 2x2x4 + 2x23
4x3x4 x24
.
69
Testul 3
2. Se verifica conditia f(x + y) = f(x) + f(y) () , R si () x, y R3.

3. Se solutioneaza analog cu problema precedenta.
4. Se obtin valorile caracteristici 1 = 1, 2 = 2, 3 = 3 si vectorii caracteristice v_
1=
(a, 2a, a), a R cu reprezentatul v1 = (1, 2, 1); v_
2 = (a, a, 0), a R cu reprezentantul
v2 = (1, 1, 0); v_
3 = (a, 2a, 3a), a R cu reprezentantul v3 = (1, 2, 2).
5. Se obtin valorile caracteristice 1 = 1, 2 = 3 = 1 si vectorii caracteristici v1
= (3, 5, 6),
v2 = (2, 1, 0) si v3 = (1, 0, 1). Apoi se arata ca v1, v2, v3 sunt liniar
independenti. Deoarece
din R3 = 3 se obtine {v1, v2, v3} baza cautata iar matricea atasata este
1 0 0
010
001
.
6. Se determina valorile caracteristice 1 = 3, 2 = 3 = 2, vectorii caracteristici v1
=
(2,5,6), v2 = (0, 1, 1), v3 = (1, 1, 0) care se arata ca sunt liniar indepedenti.
Deci
{v1, v2, v3} baza n R3 si matricea transformarii are forma diagonala
300
020
002
7. Forma canonica este f(y) = y2

1
3y2
2 + 3y2
3.
8. Folosim transformarea: y1 = x1 + x2
2
, y2 = x1 x2
2
, y3 = x3 si obtinem f(y) = y2
1
y2
2+
8y1y3 2y2y3. Apoi aplicand metoda lui Gauss obtinem forma canonica:
f(z) = z2
1
z2
2
15z2
3.
9. Avem 0 = 1, 1 = 1, 2 = 2, 3 = 3, 4 = 20, deci forma canonica:
f(y) = y2
1+
1
2y2
2+
2
3y2
3
3
20y2
4.
10. Analog cu solutia problemei precedente se obtine forma canonica:
f(y) = y2
1
y2
2+
1
3y2
3
1
4y2
4.
70
I,
[2] Cruceanu, V., Elemente de algebra liniara si geometrie, Editura Didactica
si pedagogic
a, Bucuresti, 1973.
71
Capitolul 5
Elemente de programare liniara
Obiective: Scopul acestui capitol este de a pune la dispozitia studentilor

(viitorii
economisti) a unuia dintre cele mai utile modelari matematice cu aplicatii
economice,
mpreuna cu algoritmul de rezolvare al acestui model.
Rezumat: In acest capitol se vor prezenta notiunile fundamentale legate de
programarea
matematica cu accent pe programarea liniara si n special a algoritmului
simplex
pentru rezolvarea problemelor de programare liniara.
1. Obiectul programarii matematice
2. Notiuni generale relative la o problema de programare liniara
3. Algoritmul simplex
4. Cazuri speciale ntr-o problema de programare liniara
5. Rezolvarea problemei generale de programare liniara
6. Dualitatea n problemele de programare liniara
Cuvinte cheie: programare matematica, programare liniara, solutie posibila,
solutie de baza, solutie optima, algoritmul simplex, problema duala.
5.1 Obiectul programarii matematice
Am vazut n Capitolul I ca aplicarea conceptelor matematice n studiul

proceselor
economice a capatat o dezvoltare deosebita, prin rezolvarea unui numar tot
mai mare de
probleme. Astazi, problemele de productie, de planificare sau de proiectare se
cer rezolvate
nu la ntamplare, ci asa fel ncat solutiile obtinute sa fie
corespunzatoare unui anumit scop.
De exemplu, realizarea unui proces de productie sa se faca cu cheltuieli cat
mai mici si cu
venit cat mai mare.
Organizarea stiintifica a proceselor economice, n scopul luarii unei decizii
constiente,
n raport cu telurile urmarite si n urma unei analize a corelatiilor dintre
diferitii factori ce
intervin, constituie obiectul a ceea ce se numeste programare matematica.
In general, problema programarii desfasurarii unor fenomene economice
este o problem
a complexa si vasta, pentru rezolvarea carora matematica ofera diverse
metode din
multitudinea de ramuri, ca: aritmetica, algebra, geometria, analiza matematica,
calculul
probabilitatilor, analiza functionala, ecuatii diferentiale, ecuatii
integrale, etc.
Forma generala a unei probleme de programare matematica (v. cap.I, 1.2 si
1.3)
cere sa se determine valorile variabilelor xj , j = 1, n, astfel ncat ele sa
satisfaca restrictiile
(5.1) gk(x1, . . . , xn) 0, k = 1,m,
iar functia z = f(x1, x2, . . . , xn), numita functia obiectiv (scop, eficienta), sa
ia valoarea optima
(maxima, respectiv minima).
72
Deseori, pe langa restrictiile (5.1), se mai adauga si conditiile de

nenegativitate xj 0,
j = 1, n. Astfel ca modelul matematic al unei probleme de programare arata
astfel:
(optim)z = f(x1, . . . , xn)
gk(x1, x2, . . . , xn) 0, k= 1,m
xj 0, j= 1, n.
(5.2)
Clasificarea problemelor de programare matematica se face dupa forma
functiilor f si
gk, natura necunoscutelor xj , j = 1, n si respectiv, natura coeficientilor
necunoscutelor n f
si gk, k = 1,m.
Daca functiile f si gk, k = 1,m, sunt forme liniare, atunci problema de
programare are
denumirea consacrata de problema de programare liniara, prescurtat (P.L).
Cand functia z, sau unele restrictii, sunt functii neliniare, problema poarta
denumirea
de problema de programare neliniara. De exemplu, daca f este o forma
patratica, atunci
spunem ca avem o problema de programare patratica.
Daca necunoscutele x1, . . . , xm se cautan numere ntregi, spunem ca avem
programare
ntreaga (n numere ntregi).
Daca toti coeficientii necunoscutelor xj , j = 1, n, n f si gk, k = 1,m, sunt
constanti,
atunci se zice ca avem o problema de programare determinista. In caz ca cel
putin unul din
acesti coeficienti este variabil (depinzand de parametrii), avem programare
parametrica.
Daca cel putin unul din acesti coeficienti este o variabila aleatoare, atunci
spunem ca avem
programare aleatoare sau stochastica.
In acest capitol ne vom ocupa de problema programarii liniare (P.L.).
Programarea
liniara este o ramura unitara a matematicilor aplicate n economie, avand
metode proprii
si generale de rezolvare a problemelor respective.
Constituirea obiectului de programare liniara s-a datorat faptului ca n viata
social
economica exista multe aplicatii care conduc la probleme liniare de
programare (v. 1.3).
Rezolvarea problemelor de programare liniara poate fi facuta folosind diferite
metode,
unele particulare (metoda repartizarii, metoda grafica), altele generale (metoda
simplex).
Primele probleme de programare liniara au fost formulate de L.V.Kantorovici
(1939)
si de F.L.Hitchcock (1941). Programarea liniara se naste nsa n anii de
dupa cel de-al
doilea razboi mondial, o data cu formularea ei generala n 1947, de catre
G.B.Dantzig, care
a propus, totodata si un procedeu eficient de rezolvare metoda simplex.
Astazi, se poate vorbi despre un mod unitar de abordare al tuturor problemelor
de
programare liniara. Diversele metode de rezolvare existente au ca tel sporirea

rapiditatii
n calcule, avand n vedere n special utilizarea calculatoarelor.
5.2 Notiuni generale relative la o problema de

programare
liniara
Problema de P.L., sub forma cea mai simpla pe care o vom numi forma standard
sau
forma algebrica, este data prin modelul matematic
(optim)(5.3) f(x) = c1x1 + c2x2 + . . . + cnxn
a11x1 + a12x2 + . . . + a1nxn = b1

a21x1 + a22x2 + . . . + a2nxn = b2
..............................
am1x1 + am2x2 + . . . + amnxn = bm
(5.4)
xj (5.5) 0, j = 1, n,
unde (5.3) este functia de scop, (5.4) sunt restrictiile, iar (5.5) conditiile de
nenegativitate.
Sistemul de restrictii (5.4) reprezinta concordanta interna a unui proces
economic.
Coeficientii aij , i = 1,m, j = 1, n, sunt coeficienti tehnici constanti, planificati
sau determinati
73
n mod statistic. Necunoscutele xj , j = 1, n, sunt marimi care trebuie gasite, iar
termenii
liberi bi, i = 1,m, suntmarimi constante date, determinate de conditiile locale ale
procesului
economic. numiti coeficienti de restrictie ai programului dat.
Daca sistemul liniar (5.4) de ecuatii de conditii (restrictii) este compatibil
determinat,
atunci din punct de vedere economic avem un proces economic cu concordanta
interna
rigida. In acest caz nu mai are rost sa se puna problema determinarii valorii
optime pentru
functia scop deoarece ea are o valoare unica bine determinata,
corespunzatoare solutiei
sistemului (5.4).
Cand sistemul liniar (5.4) de ecuatii de restrictii este compatibil
nedeterminat, atunci
concordanta interna a procesului economic este elastica, deoarece ofera
posibilitatea alegerii
dintr-o infinitate de solutii ale sitemului numai pe acelea care fac functia de
scop optima.
Utilizand puternicul aparat al matematicii, problema de programare liniara
(5.3)
(5.5) poate fi prezentata si n alte moduri.
Fie matricele
A=
a11 a12 . . . a1n

a21 a22 . . . a2n
............
am1 am2 . . . amn
,B =
b1
b2
...
bm
,x=
x1
x2
...
xn
,
c = (c1, . . . , cn), =
0...0
Cu aceste notatii, problema de programare liniara (5.3)(5.5) ia forma

matriceala:
(optim)f(x) = cx
Ax = b
x
Daca notam cu Pj , j = 1, n, vectorii ale caror componente sunt elemente
corespunz
atoare coloanelor matricei A, atunci problema de programare liniara (5.3)(5.5)
ia
forma
(optim)f(x) = cx
x1P1 + x2P2 + . . . + xnPn = b
x
numita forma vectoriala a problemei de programare liniara.
Definitia 5.2.1 Se numeste solutie posibila a problemei de programare
liniara standard orice
vector coloana x(0) , care verifica sistemul de restrictii, adica Ax(0) = b.
Pe baza celor demonstrate n 3.5, rezulta ca multimea tuturor solutiilor
posibile
pentru o problema de programare liniara este convexa.
Definitia 5.2.2 Se numeste solutie de baza pentru o problema de
programare liniara orice
solutie posibila, care are cel mult m componente strict pozitive. Ea se obtine
dintr-o solutie
posibila, cand necunoscutelor secundare se atribuie valoarea zero.
Definitia 5.2.3 O solutie de baza este numita nedegenerata, daca are exact
m componente
strict pozitive. In caz contrar ea este numita solutia de baza degenerata.
Definitia 5.2.4 Solutia posibila x(1) este numita mai buna decat solutia
posibila x(2), daca
f(x(1)) f(x(2)) cand pentru f se cere minimul, respectiv f(x(1)) f(x(2)), cand pentru f
se
cere maximul.
Definitia 5.2.5 O solutie de baza x(0) este solutie optima daca f(x(0)) este
valoarea optima
pentru f.
74
Definitia 5.2.6 Daca avem k solutii optime x(1), . . . , x(k), atunci solutia
generala este
combinatia liniara convexa a solutiilor optime, adica
x=
k
i=1
ix(i),
cu
k
i=1
i = 1, i [0,), i = 1, k.
Observatia 5.2.1 Intr-o problema de programare liniara putem lucra
considerand optimul
drept minim deoarece daca se cere maximul, atunci din relatia max f = min(f)
se deduce
ca este suficient sa se determine min(f), iar apoi, cu semn schimbat, vom avea
maximul
lui f.
Observatia 5.2.2 Intr-o problema economica concreta, de obicei, restrictiile
problemei de
programare liniara sunt inecuatii, caz n care spunem ca avem o problema
generala de
programare liniara. Modelul matematic al acesteia, sub forma matriciala, arata
astfel:
(optim)f(x) = cx
A1x = b(1)
A2x b(2)
A3x b(3)
x .
5.3 Algoritmul simplex
Metoda generala de rezolvare a problemelor de programare liniara este

cunoscuta n
literatura de specialitate sub numele de metoda simplex sau algoritmul simplex.
Ea este
datorata lui G.B.Dantzig, care a publicat primele lucrari n 1947. Ulterior s-au
dat diverse
variante mbunatatite ale metodei. Ea are la baza metoda eliminarii
complete de rezolvare
a unui sistem de ecuatii liniare, desigur adaptata scopului urmarit: aflarea

solutiilor cu
componente nenegative, respectiv a solutiei (sau solutiilor) pentru care
functia liniara de
scop f are valoarea optima.
Pe baza Observatiei 5.2.1 este suficient sa consideram problema de P.L.
standard.
minf =
n
j=1
cjxj
a11x1 + a12x2 + . . . + a1nxn = b1

a21x1 + a22x2 + . . . + a2nxn = b2
..............................
am1x1 + am2x2 + . . . + amnxn = bm
xj 0, j= 1, n.
Ideea metodei simplex consta n a gasirea mai ntai a unei solutii de baza,
apoi de un
procedeu prin care din aceasta se obtin solutii de baza mai bune, pana la
aflarea solutiilor
optime.
Pentru determinarea unei solutii de baza vom utiliza metoda eliminarii
complete
(GaussJordan).
Utilizand metoda elementului pivot si presupunand ca am lucrat pe primele m
coloane
75
cu m n, obtinem
(A|b)
1 0 . . . 0 1,m+1 . . . 1n 1
0 1 . . . 0 2,m+1 . . . 2n 2
........................
0 0 . . . 0 i,m+1 . . . in i
........................
0 0 . . . 1 m,m+1 . . . mn m
In ipoteza ca i 0, i = 1,m (n caz contrar se aleg alte necunoscute principale),

vom
putea considera solutia de baza
x1 = 1, . . . , xm = m, xm+1 = 0, . . . , xn = 0
adica
tx(1) = (1, 2, . . . , m, 0, . . . , 0).
Pentru aceasta solutie x(1) avem
f(x(1)) =
m
j=1
cj j .
Acum vrem sa trecem de la solutia de baza x(1) la o noua solutie de baza x(2)
care sa
fie mai buna. Sa admitem ca i,m+1 _= 0, adica poate fi considerat ca element
pivot. Atunci
putem nlocui necunoscuta principala xi prin xm+1. Aplicand metoda elementului

pivot,
obtinem
(A|b)
1 0 . . . 1,m+1
i,m+1
. . . 0 0 1,m+2 . . . 1,n 1
i1,m+1
i,m+1
0 1 . . . 2,m+1
i,m+1
. . . 0 0 2,m+2 . . . 2,n 2 -
i2,m+1
i,m+1
..............................................
0 0 ... 1
i,m+1
...01
i,m+2
i,m+1
...
i,n
i,m+1
i
i,m+1
..............................................
0 0 ... m,m+1
i,m+1
. . . 1 0 m,m+2 . . . m,n m
i,m+1
im,m+1
Noua solutie x(2) are componentele

x11
= 1 i1,m+1
i,m+1
, . . . , xi1 = i1 ii1,m+1
i,m+1
, xi = 0,
xi+1 = i+1 ii+1,m+1
i,m+1
, . . . , xm = m im,m+1
i,m+1
,
xm+1 = i
i,m+1
, xm+2 = 0, . . . , xn = 0.
Pentru ca x(2) sa fie solutie de baza trebuie ca
i
i,m+1
(5.6) 0
si respectiv:
j ij,m+1
i,m+1
(5.7) 0, j = 1,m, j _= i,
Cum i 0, din (5.6) gasim
(5.8) i,m+1 > 0.
76
Inegalitatile (5.7) pentru care j,m+1 0 sunt evidente. Pentru j,m+1 > 0, din
(5.7)
gasim
j
j,m+1
i
i,m+1
,
care ne arata ca
= i
i,m+1
(5.9)
este minimul rapoartelor j
i,m+1
, cu j,m+1 > 0. Asadar, vom obtine prin trecerea de la
x(1) la x(2) o noua solutie de baza daca elementul pivot este pozitiv, iar pivotul
va fi acela
care furnizeaza cel mai mic raport , cand termenii liberi se mpart la
elementele pozitive
corespunzatoare de pe coloana pe care lucram. In limbaj vectorial, se mai
spune ca am
gasit conditia prin care precizam vectorul care iese din baza.
Acum sa vedem n ce conditii x(2) este o solutie de baza mai buna ca x(1).
Avem
f(x(2)) = c1
_
1 i1,m+1
i,m+1
_
+ . . . + ci1
_
i1 ii1,m+1
i,m+1
_
+
+ci+1
_
i+1 ii+1
i,m+1
_
+ . . . + cm
_
m im,m+1
i,m+1
_
+ cm+1
i
i,m+1
=
= f(x(1)) + i
i,m+1
[cm+2 (c11,m+1 + c22,m+1 + . . . + cii,m+1 + . . .+
cmm,m+1)] .
Daca notam
zm+1 = c11,m+1 + c22,m+1 + . . . + cii,m+1 + . . . + cmm,m+1
atunci putem scrie
f(x(2)) f(x(1)) = (cm+1 zm+1)
Cum > 0, rezulta ca f(x(2)) < f(x(1)) daca m+1 = cm+1 zm+1 < 0.
Prin urmare, vom trece de la o solutie de baza x(1) la una x(2) mai buna, daca
diferenta
m+1 = cm+1zm+1, corespunzatoare vectorului Pm+1, corespunzator necunoscutei
xm+1 care
va deveni principala, este mai mica decat 0.
Practic, trebuie sa calculam marimile
zj = c11j + c22j + . . . + cmmj = _CB, Pj_, j= 1, n,
adica produsul scalar dintre vectorii CB = (c1, c2, . . . , cm) al coeficientilor
necunoscutelor de
baza si tPj = (1j, 2j, . . . , mj) al componentelor coloanei j; apoi diferentele j =
cj z j ,
j = 1, n. Cum f(x(2)) f(x(1)) = j, rezulta ca x(2) va fi o solutie mai buna daca j
< 0.
Aceasta nseamna ca daca toate diferentele j 0, j = 1, n, atunci nu se poate
obtine o
mbunatatire a solutiei, si n consecinta, solutia x(1) de baza este
optima. Din cele de mai
sus, rezulta pentru algoritmul simplex urmatorii pasi:
Pasul 1. Se determina o solutie de baza a problemei de P.L., prin aplicarea
metodei elementului
pivot care respecta conditiile (5.8) si (5.9);
Pasul 2. Se calculeaza toate valorile zj , j = 1, n, obtinute prin produsul scalar al
vectorilor
CB si Pj ;
Pasul 3. Daca exista diferente j = cj zj < 0 se trece la gasirea unei alte
solutii de baza
prin introducerea n baza a vectorului pentru care j < 0 este cea mai mare n
valoare
absoluta. Daca toate diferentele j 0, atunci se trece la Pasul 5;
Pasul 4. Se repeta pasii 2 si 3 pana cand nu mai exista diferente j < 0.
Acum s-a ajuns la
solutia optima.
77
Pasul 5. Se scrie solutia optima: variabilele principale (ale caror vectori
coloana contin numai
o cifra de 1 restul fiind zero) au valorile corespunzatoare din coloana termenilor
liberi,
variabilele secundare au toate valoarea zero, iar min f = _CB, SB_, unde SB este
solutia de
baza.
De obicei, pentru lucrul manual, pasii algoritmului simplex se efectueazantrun tabel.
Acest tabel reprezinta, de fapt, transformarile de la metoda eliminarii complete
aplicata la
rezolvarea sistemului de restrictii, dar completate cu o prima linie formata din
coeficientii
functiei scop f si cu nca doua coloane: CB a coeficientilor bazei, respectiv
cu baza B.
In momentul n care s-a ajuns la o solutie de baza tabelul se completeaza cu
doua linii
pentru calcularea valorilor lui zj, respectiv j . Un astfel de tabel are forma
c c1 c2 c3 . . . cn
CB B b P1 P2 P3 . . . Pn
e1 b1 a11 a12 a13 . . . a1n
e2 b2 a21 a22 a23 . . . a2n

Pj
ei
...
...
...
...
...
aij
...
em bm am1 am2 am3 . . . amn
zj f
j Pj
ei
semnifica faptul ca vectorul ei pleaca din baza, n locul lui intrand vectorul Pj.
Sa
ilustram acestea printr-un exemplu.
Exemplul 5.3.1. Sa se rezolve problema de P.L.
(min)f(x) = x1 + 2x2 + x3 + 3x4
cu restrictiile
2x1 + x2 x3 + 2x4 = 6
x1 + x2 + 2x3 = 5
x1 + 2x2 + x3 + x4 = 8
xj 0, j = 1, 4.
Avem
c1213
CB B b P1 P2 P3 P4
P1
e1
e1 6 2 1 -1 2
e2 5 1 1 2 0
e3 8 -1 2 1 1
1 P1 3 1 1
2
1
21
P2
e2
e2 2 0
2
5
-1
e3 11 0
2
2
1
2
1 P1 1 1 0 -3 2
2 P2 4 0 1 5 -2
2
P4
e3
e3 1 0 0 -12 7
P3
P1
1 P1
5
10
0
2 P2
7
30
0 1 11
0 Prima
3 P4
7
2
1
7
7
0 0 12
1 solutie
zj
68
1 2 11
3 de baza
j 0 0 13
70
78
Cum j 0, j = 1, 4, rezulta ca solutia de baza gasita este si optima: txmin =
&5
7 , 30
7 , 0, 1
7
7
'
si min f = 68
7.
Observatia 5.3.1 Daca printre vectorii Pj avem vectori unitari din baza
canonica, atunci
acestia pot fi luati direct n baza B.
(max)f(x) = 3x1 + 7x2 1
2x3 5x4 3x5
2x1 + x2 + x3 x4 + x6 = 2
x1 + 2x2 2x3 2x4 + x7 = 3
3x1 x2 + x3 + x5 = 9
xj 0, j= 1, 7
Cerinta de maxim poate fi nlocuita prin cea de minim (vezi Observatia
5.2.1), consider
and
(min)(f(x)) = 3x1 7x2 +
1
2x3 + 5x4 + 3x5
Se mai observa ca vectorii P5, P6 si P7 sunt din baza canonica, deci, pot fi
considerati
direct n baza B.
Avem
c 3 -7 1
25 3 0 0
CB B b P1 P2 P3 P4 P5 P6 P7
P1
P6
0 P6 2 2 1 1 -1 0 1 0
0 P7 3 -1 2 -2 -2 0 0 1
Prima
solutie
de baza
3 P5 9 3 -1 1 0 1 0 0
zj 27 9 -3 3 0 3 0 0
j -6 -4 5
25 0 0 0
3 P1 1 1 1
2
1
2
1
20
20
P2
P7
0 P7 4 0
3
2
5
20 1
21
A doua
solutie
de baza
3 P5 6 0 5
2
1
2
3
1 3
0
zj 21 3 13
2 0 3 3 -3 0
j 0 1
2
2
2
1
2
2030
P3
P1
3 P1
1
5
5
5
104
002
1
5
-7 P2
8
5
5
5
2
5
0 1 3
-1 0 1
A treia
solutie
de baza
3 P5 10 0 0 -2 -1 1 -1 1
zj
97
5
5
3 -7 3
4 3 16
2
5
j 0 0
10 1 0 16
5
2
5
1
2
1
4
5
P3
4
2
0100
1
4
-7 P2
7
4
3
4
2
1
4
1 0 -1 0
3 P5
21
2
5
2
2
0 0 -1 1 0
zj
155
8
23
8
2
4
-7 1
4 3 13
3
8
A patra
solutie
de baza
j 1
8 0 0 1 0 13
4
3
8
79
Cum toti j 0. j = 1, 7, rezulta ca am g & asit solutia optima, data de tx =
0, 7
4, 1
4 , 0, 21
2 , 0, 0
'
, iat min(f(x)) = 155/8. Rezulta ca problema de P.L. data are aceeasi
solutie de optim, iar (max)f(x) = min(f(x)) = 155/8.
Observatia 5.3.2 O problema de P.L. de maxim se poate rezolva si direct, fara
a o mai
reduce la una de minim, numai ca atunci vom avea solutia optima cand j 0, j
= 1, n.
Daca avem si j > 0, atunci vom alege pe cea mai mare j > 0, aceasta
determinand
vectorul care intra n baza. Vectorul care iese din baza se stabileste ca si la
problema de
P.L. de minim.
Observatia 5.3.3 Dacan unele ecuatii de restrictii avem termeni liberi
negativi, respectivele
ecuatii pot fi nmultite cu 1.
5.4 Cazuri speciale ntr-o problema de P.L.
In acest paragraf vom analiza cateva situatii speciale care pot aparea ntr-o
problema
de P.L.
5.4.1 Solutii multiple

In orice tabel simplex toate diferentele j corespunzatoare vectorilor bazei
(necunoscutelor
principale) sunt nuli. Daca n tabelul simplex, care contine solutia optima,
numarul
zerourilor din linia diferentelor j este mai mare ca m (numarul vectorilor
unitari), atunci
problema de P.L. poate avea mai multe solutii optime. Pentru a gasi celelalte
solutii optime
se introduc n baza, daca este posibil, vectorii Pj pentru care j = 0. Numarul
maxim
de solutii optime este Cm
k , unde k este numarul de zerouri din linia diferentelor j . Dupa
obtinerea tuturor solutiilor optime se scrie solutia optima generala ca si
o combinatie liniara
convexa (vezi Definitia 5.2.6).
(min)f(x) = 3x1 + 2x2 + 2x3 + x4
x1 +x2 +x3 +x4 = 100

x1 x2 +x3 +x4 = 0
x2 +x4 = 10
xj 0, i= 1, 4.
Rezolvarea problemei de P.L. cu algoritmul simplex este data n tabelul urmator
c3221
CB B b P1 P2 P3 P4
e1 100 1 1 1 1
e2 0 -1 -1 1 1
P2
e3
e3 10 0 1 0 1
e1 90 1 0 1 0
P3
e2
e2 10 -1 0 1 2
2 P2 10 0 1 0 1
P1
e1
e1 80 2
2 P3 10
2 P2 10
3 P1 40
2 P3 50
0 0 -2
-1 0 1 2
0101
1 0 0 -1
0 0 1 1 Prima solutie de baza
2 P2 10 0 1 0 1
zj 240 3 2 2 1
j 0 0 0 0
80
Cum toate diferentele j 0 rezulta ca avem solutia optima
x(1) = (40, 10, 50, 0), cu (min)f(x) = 240.
Cum avem patru zerouri pe linia lui j este posibil sa obtinem si o alta
solutie optima,
introducand pe P4 n baza. Cum minim se obtine pentru P2, vectorul P4 va intra
n locul
lui P2. Tabelul simplex pentru problema P.L. se continua astfel:
c3221
CB B b P1 P2 P3 P4
3 P1 50 1 1 0 0
2 P3 40 0 -1 1 0
1 P4 10 0 1 0 1
zj 240 3 2 2 1
j 0 0 0 0
Se obtine a doua solutie optima
x(2) = (50, 0, 40, 10), cu (min)f(x) = 240.
Se observa ca alte solutii optime nu mai exista.
Solutia generala a problemei va fi:
x = x(1) + x(2), unde , 0, + = 1,
adica
x = (40 + 50, 10, 50 + 40, 10), (min)f(x) = 240.
Observatia 5.4.1 In general, solutia optima generala nu este si solutie de
baza, numarul
componentelor sale nenule fiind mai mare decat m.
5.4.2 Solutie infinita

Fie o problema de P.L. de minim. Exista situatii n care avem o diferenta j
< 0,
dar componentele vectorului Pj sunt toate negative sau 0, ceea ce face imposibila
alegerea
elementului pivot. Vom arata can aceasta situatie functia de eficienta
are un minim infinit,
adica valoarea ei poate fi facuta oricat de mica.
Consideram tabelul simplex
c c1 c2 . . . cm . . . cj . . . cn
CB B b P1 P2 . . . Pm . . . Pj . . . Pn
c1 P1 1 1 0 . . . 0 . . . 1j . . . 1n
c2 P2 2 0 1 . . . 0 . . . 2j . . . 2n
...
...
...
...
...
...
...
...
...
...
...
cm Pm m 0 0 . . . 1 . . . mj . . . mn
zj zb c1 c2 . . . cm . . . zj . . . zn
j 0 0 . . . 0 . . . j . . . n
cu solutia de baza x(1) = (1, . . . , m, 0, . . . , 0), j < 0 si ij < 0, i = 1,m.

Atribuim necunoscutei xj valoare M >0 (oricat de mare ), adica xj = M, iar
celorlalte
necunoscute secundare le atribuim valoare 0, adica xm+1 = 0, . . . , xj1 = 0, xj+1 =
0, . . . , xn = 0.
Obtinem astfel solutia posibila
x(2) = (1 1jM,x 2jM, . . . , m mjM,0, . . . , M, 0, . . . , 0)
Valoarea functiei de scop f pentru x(2) este:
f(x(2)) = c1(1 1jM) + c2(2 2jM) + . . . + cm(m mjM) + cjM =
81
= f(x(1)) +M[cj (c11j + c22j + . . . + cmmj)] = f(x(1)) +Mj .
Cum j < 0 si M , rezulta ca f(x(2)), ceea ce trebuia demonstrat.
Pentru o astfel de problema de P.L. sse spune ca ea are solutie (optima)
infinita.
Exemplul 5.4.2. Sa se rezolve problema de P.L.:
(min)f(x) = 2x1 + x2 2x3 3x4
4x1 +x2 3x4 = 10

2x1 x2 +x3 = 6
2x1 x2 +3x4 = 6
xj 0, j= 1, 4.
Utilizand algoritmul simplex obtinem tabelul:
c -2 1 -2 -3
CB B b P1 P2 P3 P4
e1 10 4 1 0 -3
-2 P3 6 2 -1 1 0
P4
e3
e3 6 2 -1 0 3
P1
e1
e1 16 6 0 0 0
-2 P3 6 2 -1 1 0
-3 P4 4 2
3
1
30 1
-2 P1
8
1000
-2 P3
3
2
0 -1 1 0
-3 P4
3
22
0 1
01
zj 86
3 -2 3 -2 -3
j 0 -2 0 0
Deoarece 2 = 2 < 0, iar 12 = 0, 22 = 1 < 0, 32 = 1
3 < 0, rezulta ca (min)f = .
Intr-adevar, luand x2 =M >0, x1 = 8
3 , x3 = 2
3 +M, x4 = 22
3
3
+M, avem
f(x) = 86
3
2M
si astfel cand M , obtinem f .
3
5.4.3 Degenerare n problemele de programare liniara

Consideram problema de P.L. standard
(min)f(x) = cx
Ax = b
x .
Aceasta, conform Definitiei 5.2.3, va avea o solutie degenerata daca
numarul componentelor
sale strict pozitive este mai mic decat m, adica cel putin o necunoscuta
principala
are valoarea zero (n vectorul coloana b exista zerouri). Situatia de
degenerare ntr-o problem
a de P.L., apare, fie la nceput, fie pe parcurs, cand la introducerea n baza a
unui vector
exista mai multe elemente pozitive care furnizeaza acelasi raport minim. In
aceasta ultima
situatie apare asa numitul fenomen de ciclare. Pentru a evita acest fapt,
elementul pivot, se
demonstreaza, va fi ales acela care furnizeaza cea mai mica linie n ordonarea
lexicografica.
Definitia 5.4.1 Linia (b1; x1, x2, . . . , xn) este mai mica n ordine lexicografica
decat linia
(b2; y1, y2, . . . , yn) daca b1 < b2, sau b1 = b2 si x1 < y1, sau b1 = b2, x1 = y1 si x2 < y2,
sau
si asa mai departe b1 = b2, x1 = y1, . . . , xn1 = yn1 si xn < yn.
82
Exemplul 5.4.3. Sa se rezolve problema de P.L. standard:
(max)f(x) = x1 + 4x2 + 5x3 + 2x4
3x1 +x2 +x3 +x4 = 6

x1 +2x2 +x3 +x4 = 6
2x1 +x2 +3x3 = 7
xj 0, j= 1, 4.
Inlocuim cerinta de maxim prin
(min)(f(x)) = x1 4x2 5x3 2x4.
Acum, utilizand algoritmul simplex, avem:
c -1 -4 -5 -2
CB B b P1 P2 P3 P4
e1 6 3 1 1 1
P2
e2
e2 6 1 2 1 1
e3 7 2 1 3 0
P1
e1
e1 3 5
20 1
2
1
2
-4 P2 3
2
2
1
2
e3 4 3
20 5
2
1
2
-1 P1
6
5
5
1
5
10
-4 P2
12
5
5
2
5
01
P3
e2
e3
11
50
5
11
4
5
-1 P1 1 1 0 0
11
-4 P2 2 0 1 0 6
11 Prima solutie de baza
-5 P3 1 0 0 1 4
11
zj -14 -1 -4 -5
11
j 0 0 0 15
11
-2 P4
11
3
11
001
-4 P2 0 -2 1 0 0
-5 P3
3
7
3
4
010
zj -19 -4 -4 -5 -2
j 3 0 0 0
La tabelul care a dat prima solutie de baza avem 4 = 15
11 < 0,iar raportul minim
= 11
3 este obtinut si pe linia lui P1 si pe linia lui P2. Cum b2 = 1 < b2 = 2, rezulta
ca n
ordinea lexicografica linia lui P1 este mai mica decat linia lui P2. Asa ca la
acest pas s-a ales
elementul pivot 3
11 din linia lui P1.
Solutia optima obtinuta este degenerata
x(1) =
3
_
0, 0,
7
3,
11
3
_
, pentru care (min)(f) = 19.
Solutia x(1)
1 este solutie optima si pentru problema de P.L. de maxim, cand (max)f =
min((f) = 19.
5.5 Rezolvarea problemei generale de programare

liniara
Intr-o problema generala, de programare liniara unele restrictii apar si sub

forma de
inecuatii (vezi Observatia 5.2.2). Rezolvarea unei astfel de probleme se face
prin transformarea
ei ntr-una standard, prin introducerea necunoscutelor de compensare.
83
Astfel, pentru o restrictie de forma
ai1x1 + ai2x2 + . . . + ainxn bi
consideram necunoscuta de compensare xn+1 0 si transformam inecuatia
n ecuatie astfel
ai1x1 + ai2x2 + . . . + ainxn + xn+1 = bi
Pentru o restrictie de forma
ak1x1 + ak2x2 + . . . + aknxn bk
consideram necunoscuta de compensare xn+2 0 si transformam inecuatia
n ecuatie, astfel
ak1x1 + ak2x2 + . . . + aknxn xn+2 = bk
Cate restrictii de tip inecuatie avem, atatea necunoscute de compensare
vom introduce.
In functia de eficienta necunoscutele de compensare se introduc cu
coeficientii egali cu zero.
In solutia optima din tabelul simplex s-ar putea sa apara si unele
necunoscute de compensare,
dar n solutia obtinuta a problemei de P.L. generala acestea nu se
considera.
Exemplul 5.5.1. Sa se rezolve problema generala de P.L.:
(min)f(x) = 3x1 2x2 + 4x3 x4
2x1 +3x2 x3 +x4 = 7

5x1 +2x2 +x3 x4 5
x1 +x2 +2x3 +2x4 10
2x1 +2x2 +x3 +x4 9
xj 0, j= 1, 4.
Transformam problema generala n una standard, introducand variabile de
compensare
x5, x6, x7:
(min)f(x) = 3x1 2x2 + 4x3 x4
2x1 +3x2 x3 +x4 = 7

5x1 +2x2 +x3 x4 x5 = 5
x1 +x2 +2x3 +2x4 +x6 = 10
2x1 +2x2 +x3 +x4 +x7 = 9

xj 0, j= 1, 7.
Acum, aplicam algoritmul simplex si avem:
c 3 -2 4 -1 0 0 0
CB B b P1 P2 P3 P4 P5 P6 P7
e1 7 2 3 -1 1 0 0 0
P2
e2
e2 5 5 2 1 -1 -1 0 0
0 P6 10 1 1 2 2 0 1 0
0 P7 9 2 2 1 1 0 0 1
P2
e2
e1 5 0
11
7
5
7
5
2
00
3 P1 1 1
5
5
1
5
1
5
1
50 0
0 P6 9 0
10
0 P7 7 0
5
9
5
11
5
1
5
5
3
5
7
5
2
01
-2 P2
5
25
11
11
7
11
2
01
00
3 P1
11
1
11
11
10
11
00
0 P6
11
84
11
00
24
11
20
11
1
10
0 P7
11
47
11
11
5
11
2
00
15
01
zj 47
11 3 -2
11
29
11
29
11
13
11 0 0
j 0 0
15
11
18
11
13
00
84
Cum toti j 0, j = 1, 7. rezulta ca solutia problemei de P.L. standard este
x(1) =
_
1
11,
25
11, 0, 0, 0,
84
11,
47
11
_
, (min)f(x) = 47
11,
iar a problemei generale
x(1) =
_
1
11,
25
11, 0, 0
_
, (min)f(x) = 47
11,
caz n care nu am mai luat n seama valorile necunoscutelor de compensare.
11
5.6 Dualitatea n problemele de programare liniara
Plecand de la o problema de P.L., totdeauna se poate formula o noua problema

de
P.L., folosind aceleasi date numerice ale problemei date, care nsa sa ceara
determinarea
valorii optime contrare. Intre solutiile celor doua probleme de P.L. exista
stranse legaturi.
Perechea de probleme de P.L. astfel construite respecta un principiu general din

stiinta, n particular din matematica, numit principiul dualitatii, iar
problemele respective
sunt numite probleme duale (se mai ntalneste si termenul de probleme
conjugate) una
alteia. De obicei problema de P.L. initiala se numeste primala, iar cea
obtinuta prin dualitate
se numeste duala.
Notiunea de dualitate n problemele de P.L. are, pe langa nsemnatatea
teoretica, si
o mare importanta practica, deoarece, fiind date doua probleme duale,
exista posiblitatea
alegerii pentru rezolvare a problemei mai convenabile din punct de vedere
calculatoriu.
Mai exact, tabelul simplex, ce contine solutia optima a unei probleme,
cuprinde solutia
optima a problemei duale, componentele acestei solutii se afla pe linia
diferentelor j ale
acestui tabel, n dreptul vectorilor (necunoscutelor) de compensare
corespunzator problemei
duale. In caz ca avem mai putin de m vectori (necunoscute de compensare) se
adauga vectori
unitari ej n completare (numiti vectori ajutatori sau artificiali), cu coeficienti
zero pe linia
lui c.
Definitia 5.6.1 Spunem ca ntr-o problema de P.L. avem o restrictie
concordanta daca ea
contine semnul ntr-o problema de minim si, respectiv, semnul ntr-o
problema
de maxim.
Definitia 5.6.2 Spunem ca ntr-o problema P.L. avem o restrictie
neconcordanta daca ea
contine semnul ntr-o problema de minim si, respectiv, semnul ntr-o
problema
de maxim.
Prin urmare, ntr-o problema de P.L. avem urmatoarele categorii de restrictii:
concordante,
neconcordante si egalitati.
Pentru a cuprinde toate situatiile posibile vom considera ca si pentru
necunoscute
(variabile) putem avea urmatoarele categorii: nenegative, (xj 0), nepozitive (xj
0) si
libere (xj R).
85
Acum, putem da regulile de corespondenta n formarea problemelor de P.L.
P.L. primal P.L. dual
minim maxim
maxim minim
necunoscuta nenegativa restrictie concordanta
necunoscuta nepozitiva restrictie neconcordanta
variabila libera restrictie egalitate
restrictie concordanta variabila nenegativa
restrictie neconcordanta variabila nepozitiva
restrictie egalitate variabila libera
numar de necunoscute
(variabile) numar de restrictii

numar de restrictii
numar de necunoscute
(variabile)
termenii liberi ai restrictiilor coeficientii functiei obiectiv
coeficientii functiei obiectiv termenii liberi ai restrictiilor
coloanele matricei restrictiilor liniile matricei restrictiilor
necunoscute principale necunoscute de compensare
necunoscute de compensare necunoscute principale
coloana b din tabelul simplex
linia j din tabelul simplex
(eventual cu semn schimbat)
linie j din tabelul simplex
coloana b din tabelul simplex
(eventual cu semn schimbat)
Exemplul 5.6.1. Se da problema primala de P.L.
(min)f(x) = x1 + x2
4x1 +3x2 24
5x1 +9x2 45
3x1 4x2 44
x1 8
x1 0, x2 > 0.
Sa se scrie duala acestei probleme.
Avand patru restrictii si, respectiv, doua necunoscute din programul primal,
vom avea
patru necunoscute si, respectiv, doua restrictii. Asadar, programul dual va
avea forma:
(max)g(y) = 24y1 + 45y2 44y3 8y4
(termenii liberi ai restrictiilor au devenit coeficientii functiei obiectiv),
_
4y1 +5y2 +3y3 y4 1
3y1 +9y2 4y3 1
yj 0, j= 1, 4.
Exemplul 5.6.2. Fie data problema principala de P.L.:
(max)f(x) = 2x1 + 2x2 + 3x3 + 3x4,
x1 +x2 +x3 +x4 5

7x1 +5x2 +3x3 +x4 1
3x1 +5x2 +10x3 +15x4 1
xj 0, j= 1, 4,
86
duala ei are forma:
(min)g(y) = 5y1 + y2 + y3
y1 +7y2 +3y3 2
y1 +5y2 +5y3 1
y1 +3y2 +10y3 3
y1 +y2 +15y3 3
yj 0, j= 1, 3.
Exemplul 5.6.3. Pentru problema primala de P.L.
(min)f(x) = 2x1 + x2 3x3

x1 +2x2 +x3 6
x1 2x2 +3x3 8
2x1 x3 = 5
xj 0, j= 1, 3,
duala are forma
(max)g(y) = 6y1 + 8y2 + 5y3
y1 +y2 +2y3 6
2y1 2y2 8
y1 +3y2 y3 5
y1 0, y2 0, y3 libera (oarecare).
Am vazut pana acum o prima legatura ntre problemele duale de
programare, n
sensul ca una se obtine din cealalta prin mijloacele mentionate mai sus.
In continuare vom prezenta o alta legatura, sub aspectul unor relatii dintre
solutii si
functiile de eficienta.
Sa consideram problemele duale, scrise matricial:
P.L. primala P.L. duala
(1)
(min)f(x) = cx
Ax = b
x
(2)

(max)g(y) = tby
tAy tc
y arbitrar
unde ty = (y1, . . . , ym).
Teorema 5.6.1 Daca x(0) si y(0) sunt solutii posibile oarecare ale problemelor (1)
si (2),
atunci
g(y(0)) = tby(0) cx(0) = f(x(0)).
Demonstratie. Din faptul ca x(0) si y(0) sunt solutii posibile ale problemelor
(1) si (2)
respectiv, avem:
tAy(0) tc, cu y(0) arbitrar,
respectiv
Ax(0) = b, cu x(0) 0.
Astfel putem scrie
g(y(0)) = tby(0) = t(Ax(0))y(0) = (tx(0)tA)y(0) = tx(0)(tAy(0)) tx(0)tc =
= t(cx(0)) = tf(x(0)) = f(x(0)),
Teorema 5.6.2 Pentru problemele duale (1) si (2) de programare liniara au loc
una si numai
una din urmatoarele situatii:
87
a) ambele probleme au solutii optime finite si atunci (min)f = (max)g;
b) una din probleme are solutie infinita, iar cealalta este incompatibila (nu are
solutie);
c) una dintre probleme are solutie degenerata, iar cealalta problema poate
avea solutii
multiple.
Demonstratie. a) Fie x(1) o solutie optima a problemei (1) si y(1) o solutie
optima a problemei
(2).
Din Teorema 5.6.1 avem
min f(x) = f(x(1)) g(y(1)) = max g(y).
Acum, din obtinerea tabelului simplex rezulta ca daca notam cu matricea
de tipul
m m din A, data de vectorii principali Pj care dau solutia optima x(1), atunci x(1)
= 1b.
Analog avem ty(1) = cB1.
Atunci rezulta
f(x(1)) = cBx(1) = cB1b = ty(1)b = g(y(0)),
adica min f(x) = max g(y).
In mod analog se stabilesc acum, fara mare greutate si punctele b) si c) ale
teoremei.
Observatia 5.6.1 Teoremele 5.6.1 si 5.6.2 poarta numele de teoreme ale
dualitatii.
Ele ne justifica cele afirmate la nceputul paragrafului: prin rezolvarea uneia
dintre
problemele duale avem si solutia celeilalte. De aceea, practic putem alege pe
cea n care
calculele sunt mai simple.
Exemplul 5.6.4. Sa consideram problema de P.L. din exemplul 5.6.1. Aici se
observa ca
este mai convenabil sa rezolvam problema duala deoarece ea contine numai
doua restrictii.
O aducem la forma standard, introducand variabilele de compensare y5 si y6
(max)g(y) = 24y1 + 45y2 44y3 8y4
_
4y1 +5y2 +3y3 y4 +y5 = 1
3y1 +9y2 4y3 +y6 = 1
yi 0, i= 1, 6
Aplicand algoritmul simplex, obtinem:
c 24 45 -44 -8 0 0
CB B b P1 P2 P3 P4 P5 P6
0 P5 1 4 5 3 -1 1 0
P2
P6
0 P6 1 3 9 -4 0 0 1
zj 0 0 0 0 0 0 0
j 24 45 -44 -8 0 0
P1
P5
0 P5
4
9
7
3
9
9
0 47
-1 1 5
45 P2
1
9
1
3
9
9
1 4
001
zj 5 15 45 -20 0 0 5
j 9 0 -24 -8 0 -5
24 P1
4
21
21
10
47
3
7
3
7
21
45 P2
1
21
21
1
7
0 1 25
1
7
4
21
zj
47
7
7
24 45
25
7
27
7
20
7
j 0 0 309
7
29
7
27
7
20
7
Cum toate j ________0, rezulta ca y(1) =

&4
21 , 1
21 , 0, 0
'
este solutie optima pentru problema duala,
cu min g(y) = 47
7 . De pe linia lui j, n dreptul vectorilor de compensare P5 si P6, gasim
solutia problemei primale:
x(1) =
_
27
7,
20
7 , 0, 0
_
, cu max f(x) =
47
7.
88
Observatia 5.6.2 Exista situatii n care rezolvarea unei probleme de P.L. se
lungeste prin
calculele care conduc la determinarea unei baze formata din vectorii Pj ai

problemei. Este
preferabil ca ntr-o astfel de situatie sa lucram cu b n care avem si
componente bi < 0,
folosind un algoritm simplex modificat, aplicat asupra problemei duale, numit
algoritmul
(metoda) simplex modificat (dual).
Pasii de lucru sunt aceeasi, deosebindu-se de metoda simplex primala numai
prin
urmatoarele:
1) Criteriul de iesire din baza. Pe coloana lui b se alege
bi0 = min
bi<0
{bi}.
2) Criteriul de intrare n baza. Daca pe linia lui bi0 toate elementele i0j sunt
nenegative,
atunci problema este imposibila. Daca exista i0j < 0, atunci determinam
i0j0 = min
i0j<0
____
j
i 0 j
____
,
urmand ca vectorul corespunzator lui i0j0 sa intre n noua baza.
Se aplica repetat acesti pasi pana cand b si j verifica conditiile din
simplex primal,
situatie n care b da solutia optima.
Exemplul 5.6.5. Sa se rezolve problema de P.L.:
(min)f(x) = 4x1 + 5x2 + 3x3
3x1 +2x2 +x3 7

x1 x2 +2x3 6
2x1 +x2 x3 8
xj 0, j= 1, 3.
Se observa ca daca am lucra cu problema primala necunoscutele de
compensare ar
fi introduse cu coeficientii 1 deci vectorii de compensare nu ar putea fi
folositi n baza
initiala.
Inmultind cu 1 restrictiile, obtinem problema de P.L.:
(min)f(x) = 4x1 + 5x2 + 3x3
3x1 2x2 x3 7
x1 +x2 2x3 6
2x1 x2 +x3 8
xj 0, j= 1, 3.
Acum introducem variabilele de compensare x4, x5 si x6 si problema ia forma:
(min)f(x) = 4x1 + 5x2 + 3x3
3x1 2x2 x3 +x4 = 7

x1 +x2 2x3 +x5 = 6
2x1 x2 +x3 +x6 = 8
xj 0, j= 1, 6.
89
Cum b este mai convenabil sa aplicam algoritmul simplex dual.
Avem:
c453000
CB B b P1 P2 P3 P4 P5 P6
0 P4 -7 -3 -2 -1 1 0 0
0 P5 -6 -1 1 -2 0 1 0
P1
P6
0 P6 -8 -2 -1 1 0 0 1
zj 0 0 0 0 0 0 0
j 4 5 3 0 0 0
0 P4 5 0 1
2
5
2 1 0 3
2
P3
P5
0 P5 -2 0
5
2 0 1 1
2
4 P1 4 1
1
2 0 0 1
2
zj 16 4 2 -2 0 0 -2
j 0 3 5 0 0 2
0 P4 7 0 -2 0 1 -1 -1
3 P3
4
5
5
5
1
5
0 3
1 0 2
4 P1
22
5
5
5
11
0 0 1
2
5
zj 20 4 -1 3 0 -2 -1
j 0 6 0 0 2 1
Cum b si j 0, j = 1, 6, rezulta ca avem solutia optima:
x(1) =
_
22
5 , 0,
4
5
_
, min f(x) = 20
Observatia 5.6.3 Dualitatea n problemele de P.L. se poate interpreta si

economic. Astfel,
problema primala
(max)f(x) = cx
Ax b
x
reprezinta modelul unui proces economic n care se realizeaza n produse,
folosind m resurse,
aij reprezentand unitatea din resursa i utilizata la produsul j, i = 1,m, j = 1, n, bi
cantitatea
disponibila din resursa i, i = 1,m; cj venitul pentru o unitate din produsul j si xj
numarul
de unitati realizate din produsul j, j = 1, n (vezi 1.3). Functia obiectiv
reprezinta venitul
total realizat. In problema primala se cere sa se determine numarul de
unitati din fiecare
produs asa ncat venitul sa fie maxim.
Acum, sa urmarim procesul economic dupa criteriul cheltuielivenit. Fie yi
pretul fixat
pentru unitatea din resurse i, i = 1,m. Costul resursei i n cantitate de bi unitati,
consumata
pentru fabricarea produselor, este biyi. Cheltuielile necesare pentru toate
resursele folosite
sunt
g(y) = b1y1 + b2y2 + . . . + bmym.
Cum consumul din resursa i pentru realizarea unitatii de produs j este aij , costul
acestei cote care realizeaza unitatea de produs j este aij yi. Costul total al cotelor
din
resursele i, i = 1,m, care participa la crearea unitatii de produs j, este
m
i=1
aijyi, care trebuie

sa satisfaca conditiile
m
i=1
aijyi cj, j= 1, n.
Cum dorim ca sa avem cheltuieli minime, obtinem problema de P.L.:
(min)g(y) = b1y1 + b2y2 + . . . + bmym
90
m
i=1
aijyi cj, j= 1, n
yj 0, j= 1, n,
care constituie duala problemei primale de maxim.
91

a) Solutie posibila a problemei de programare liniara standard;
b) Solutie de baza a problemei de programare liniara;
c) Solutie nedegenerata a problemei de programare liniara;
d) Solutie degenerata a problemei de programare liniara;
e) Restrictie concordanta ntr-o problema P.L.;
f) Restrictie neconcordanta ntr-o problema P.L.
2. Rezolvati problema de programare liniara (min)f(x) = 2x1 + x2 + 3x3 + 5x4 x5

2x1 + x2 + x3 = 4
x1 + 2x3 + x5 = 7
3x1 + 2x2 + x4 = 10
xi 0 , i = 1, 5.
3. Rezolvati problema de programare liniara (max)f(x) = 4x1 + 3x2 + 4x3
x1 + 3x2 x3 + 2x5 = 7
2x1 + 4x3 + x4 = 12
4x2 + 3x3 + 8x5 + x6 = 10
xi 0 , i = 1, 6.
4. Rezolvati problema deseurilor minime: Se dispune de baze de fier de 14 m
lungime
din care trebuie taiate 500 bucati de 8 m, 800 bucati de 5,25 m si 450
bucati de 2,5 m.
Se cere sa se stabileasca modul de taiere care asigura cantitatea minima de
deseuri.
5. Rezolvati problema de programare liniara (max)f(x) = 4x1 x2 + 2x3 + 4x4
6x1 + x2 3x4 = 11
4x1 x2 + 2x3 = 8
4x1 x2 + 3x4 = 8
xi 0 , i = 1, 4.
6. Rezolvati problema de programare liniara (max)f(x) = 4x1 + 5x2 + 8x3 + 2x4 +
3x5
2x1 + 3x2 + 3x3 + x4 + 2x5 = 10

x1 x2 + 2x3 6x4 + 3x5 = 5
x1 + x2 + x3 2x4 + 2x5 = 4
xi 0 , i = 1, 5.
7. Rezolvati problema generala de programare liniara (min)f(x) = 4x1 + 8x2 2x3
+ x4
x1 + x2 + x4 = 2
x1 + 2x2 + x3 5
x2 + x3 3
xi 0 , i = 1, 4.
92
8. Aduceti urmatoarea problema generala de programare liniara la forma
canonica:
(max)f(y) = 3y1 4y2 _
y1 + y2 8
y1 y2 1
y1 R , y2 0.
9. Gasiti valoarea optimului urmatoarei probleme de programare liniara
folosind duala
ei: (max)f(x) = x1 + x2
x1 + x2 4
2x1 + x2 3
3x1 x2 5
x1 0 , x2 0.
10. Gasiti valoarea optimului urmatoarei probleme de programare liniara
folosind duala
ei: (max)g(y) = 6y1 + 8y2
2y1 + y2 4
y1 + 2y2 2
y1 2y2 1
y1, y2 R.
93
Testul 4
2. Se palica algoritmul Simplex si se obtine optimul finit tx = (0, 4, 0, 2, 7) si

min(f) = 7.
3. Se aplica algoritmul simplex si se obtine solutia optima finita tx =
_
86
12,
29
13,
82
13, 0, 0, 0
_
si
min g = 759
13
(de unde g = f) si astfel max f =
759
18
.
4. Se observa ca exista cinci solutii de taiere pentru o bara: 1) se taie o
bucata de 8 m
si alta de 5,25 m obtinandu-se deseu 0, 75 =
3
4
m; 2) se taie o bucata de 8 m si doua
bucati de 2,5 m obtinandu-se deseu 1 m; 3) se taie doua bucati de 5,25
m si una de 2,5
m obtinandu-se deseu 1 m; 4) se taie o bucata de 5,25 si trei de 2,5 m
obtinandu-se
deseu 1, 25 =
5
4
m; 5) se taie cinci bucati de 2,5 m obtinandu-se deseu de 1,5 =
6
4
m.
Notand cu xi, i = 1, 5 numarul de bare planificate a se taia n modul i
obtinem
problema de programare liniara
(min)f =
1
4
(3x1 + 4x2 + 4x3 + 5x4 + 6x5)
x1 + x2 = 500
x1 + 2x3 + x4 = 800
2x2 + x3 + 3x4 + 5x5 = 450
xi 0, i= 1, 5.
Pentru a usura calculele se va folosi functia obiectiv f1 = 3x1 + 4x2 + 4x3 + 5x4 +
6x5.
Se aplica algoritmul Simplex si se obtin solutiile optime tx1 = (500, 0, 150, 0,
60), tx2 =
(500, 0, 90, 120, 0), tx3 = (380, 120, 210, 0, 0), deci n final min(f1) = 2460(m) min(f)
=
615(m) cu t(x) = t x1 + t x2 + t x3 cu , , [0, 1], + + = 1.
5. Se aplica algoritmul Simplex pentru functia obiectiv g = f si se obtine
optim infinit:
x2 =M >0 (foarte mare), x1 =
19
10
, x3 =
1
5
+
1
2
M, x4 =
2
15
+
1
3
M, min(g) = 128
15
4
3M,
de unde max(f) =
128
15
+
4
3M.
6. Se plica algoritmul Simplex si se obtin solutii multiple si anume:
tx1 =
_
2,
1
3,
5
3, 0, 0
_
, tx2 =
_
0,
5
6,
13
6 , 0,
1
2
_
t x = t x1 + t x2
cu , [0, 1], + = 1 si min(g) = 23, deci max(f) = 23.
7 Se introduc variabilele ecart x5 si x6 obtinem forma canonica
(min)f(x) = 4x1 + 8x2 2x3 + x4
x1 + x2 + x4 = 2
x1 + 2x2 + x3 + x5 = 5
x2 + x3 x6 = 3
xi 0, i= 1, 6.
Se aplica algoritmul Simplex si se obtine optimul finit tx = (0, 0, 5, 2, 0, 0),
adica x1 = 0,
x2 = 0, x3 = 5, x4 = 2 si min(f) = 8.
94
8. Se obtine forma canonica:
(min)g(x) = 3x1 + 3x2 4x3

x1 x2 x3 + x4 = 8
x1 x2 + x3 x5 = 1
xi 0, i= 1, 5.
9. Avem duala:
(min)g(y) = 4y1 + 3y2 + 5y3
y1 2y2 + 3y3 1
y1 + y2 y3 1
yi 0, i= 1, 3.
Forma canonica a acestei probleme de programare liniara este:
(min)g(y) = 4y1 + 3y2 + 5y3

y1 2y2 + 3y3 y4 = 1
y1 + y2 y3 y5 = 1
yi 0, i= 1, 5.
Se aplica algoritmul Simplex si se obtine solutia optima finita ty =
_
1
3,
2
3, 0
_
si
min(g) =
10
3
maxf =
10
3
. Se poate obtine si solutia problemei initiale: tx =
_
1
3,
11
3
_
.
10. Duala problemei considerate este:

(min)f(x) = 4x1 + 2x2 + x3
2x1 + x2 + x3 = 6
x1 + 2x2 2x3 = 8
xi 0, i= 1, 3.
Se aplica algoritmul simplex si se obtine solutia optima finita tx = (0, 5, 1)
si min(f) =
11 max(g) = 11.
95
I,
96
Capitolul 6
Elemente de teoria grafurilor

Obiective: Scopul acestui capitol este de familiariza studentii cu notiunea de
graf si
aplicatiile acesteia n economie. Termenul de graf are cu totul alta
semnificatie decat
cel de grafic. Prima lucrare de teoria grafurilor a fost scrisa de renumitul
matematician
elvetian Euler, n 1736, n scopul rezolvarii unor jocuri si amuzamente
matematice. Dezvoltarea
ulterioara a matematicii si n special a aplicatiilor ei n diferite domenii
stiintifice
a dat un impuls puternic dezvoltarii teoriei grafurilor. Utilizarea ei n domenii
variate,
teoretice sau practice, de la probleme economice la fundamentarea deciziilor
politice, de la
studiul retelelor electrice la critica textelor, etc., i confera n zilele noastre o
importanta
aparte.
Folosirea grafurilor n elaborarea programelor de productie, investitii,
transport, desfacere
etc. ale unitatilor economice a devenit o necesitate de prim ordin.
Rezumat: In acest capitol se vor aborda cateva din conceptele fundamentale ale
teoriei grafurilor, precum si cativa algoritmi utili n rezolvarea unor probleme
economice.
1. Notiuni fundamentale
2. Algoritmi pentru rezolvarea unor probleme relative la grafuri
3. Problema fluxului optim n retele de transport
Cuvinte cheie: graf, matricea drumurilor, componente tare conexe ale unui graf,
drumuri hamiltoniene, drum de lungime optima, metoda drumului critic, rele de
trasport.
6.1 Notiuni fundamentale
Fie X o multime nevida si cel putin numarabila de elemente numite noduri

sau varfuri.
Definitia 6.1.1 Numim graf perechea (X, ), unde X X, adica o multime de

perechi
ordonate sau nu de elemente din X.
Daca X este o multime finita, atunci graful (X, ) se numeste graf finit, In caz
contrar
se zice ca avem un graf infinit.
Putem da pentru graf si urmatoarea definitie echivalenta:
Definitia 6.1.2 Numim graf perechea (X, f), unde f este o functie definita pe X
cu valori n
multimea P(X) a partilor (submultimilor) lui X.
Definitia 6.1.3 Daca toate perechile distincte din sunt ordonate, graful se
numeste orientat.
In cazul contrar, graful se numeste neorientat.
Pentru un graf orientat (X, ) perechea ordonata (x, y) , x, y X, se numeste
arc, x
fiind extremitatea initiala, iar y extremitatea finala a arcului. In cazul unui
graf neorientat
97
o pereche neordonata (x, y) , x, y X se numeste muchie.
In continuare noi o sa lucram numai cu grafuri orientate si finite, fara a mai
specifica
acest lucru, mentionand totusi n cateva locuri si denumirea notiunilor
corepsunzatoare de
la grafurile neorientate.
Un graf orientat si finit va fi notat prin (X, ), unde X = {x1, x2, . . . , xn} va
reprezenta
multimea varfurilor, iar multimea arcelor.
Un graf (X, ) se reprezinta geometric n modul urmator: a) fiecare varf este
reprezentat printr-un punct din plan; b) fiecare arc (xi, xj) se reprezinta printro linie
(dreapta sau curba) care uneste cele doua extremitati si pe care se afla
o sageata cu sensul
de la xi la xj (vezi fig.1). Daca xi coincide cu xj, zicem ca avem o bucla.
Fig.1
Intr-un graf neorientat muchia se reprezinta printr-un arc fara sageata.
Intr-un arc (xi, xj) varful xi se numeste predecesorul lui xj, iar xj succesorul lui xi.
Exemplul 6.1.1. Graful (X, ) dat prin X = {x1, x2, x3, x4, x5}, =
{(x1, x2), (x1, x3), (x1, x4), (x2, x3), (x3, x2), (x2, x4), (x3, x4), (x3, x5), (x4, x5)} este
reprezentat n
figura 2. In aceeasi figura este reprezentat si graful neorientat
corespunzator lui.
Fig.2
Definitia 6.1.4 Doua arce ale grafului (X, ) se numesc adiacente daca au cel
putin o extremitate
comuna.
Definitia 6.1.5 Intr-un graf (X, ) multimea arcelor cu extremitatea initiala xi
se numeste
multimea arcelor incidente spre exterior si se noteaza cu +xi . Multimea
arcelor incidente
spre interior varfului xi se va nota cu
xi. Atunci xi = +xi

xi este multimea arcelor
incidente varfului xi.
Definitia 6.1.6 Un graf (X, ) se numeste simetric daca oricare ar fi arcul (xi, xj)
avem
si (xj, xi) .
Graful (X, ) se numeste antisimetric, daca exista un arc (xi, xj) astfel ncat
arcul
(xj, xi) _ .
Definitia 6.1.7 Un graf (X, ) se numeste complet daca pentru orice xi, xj X din
(xi, xj) _
rezulta (xj, xi) .
Exemplul 6.1.2. Graful din figura 3 este simetric, cel din figura 4 este antisimetric,
iar cel
din figura 5 este complet.
98
Fig.3 Fig.4 Fig.5
Definitia 6.1.8 Fie (X, ) un graf. Numim graf partial al grafului dat, un graf (X,
1), unde
1 , adica el se obtine din graful (X, ) prin suprimarea unor arce.
Definitia 6.1.9 Fie (X, ) un graf dat. Numim subgraf al grafului dat, un graf (X1,
1), unde
X X1 si 1 .
Subgraful (X1, 1) se obtine din graful (X, ) prin suprimare a unuia sau a mai
multor
varfuri si a arcelor aferente lor.
Exemplul 6.1.3. Graful din figura 7 este un graf partial al celui din figura 6, iar
graful din
figura 7_ un subgraf.
Fig.6 Fig.7 Fig.7_
Definitia 6.1.10 Numim drum ntr-un graf o succesiune de arce, adiacente
doua cate doua,
la fel orientate, la care extremitatea finala a unui arc coincide cu extremitatea
initiala a
arcului precedent.
Un drum n care extremitatea finala a ultimului arc coincide cu extremitatea
initiala
a primului arc se numeste circuit.
Un drum se da prin scrierea ntre acolade (sau alte tipuri de paranteze) a
succesiunii
varfurilor prin care trec arcele care constituie drumul sau mentionand arcele
din care se
compune.
Exemplul 6.1.4. In graful din figura 6 putem considera drumurile:
d1 = {x1, x2, x4, x3}, d2 = {x1, x2, x4, x2, x4, x5}
d3 = {x2, x4, x2}, care este un circuit.
Definitia 6.1.11 Numarul de arce dintr-un drum se numeste lungimea lui.
99
Definitia 6.1.12 Un drum al unui graf se numeste elementar daca fiecare varf
al sau este
utilizat o singura data. In caz contrar, drumul este numit neelementar.
Un drum elementar care trece prin toate varfurile grafului se numeste
hamiltonian,
iar unul neelementar care are aceeasi proprietate se numeste drum
nehamiltonian (prehamiltonian).
Definitia 6.1.13 Un drum al unui graf se numeste simplu daca utilizeaza
fiecare arc al sau
o singura data. In caz contrar, drumul se numeste compus.
Un drum simplu care foloseste arcele grafului se numeste eulerian, iar unul
compus
care are aceeasi proprietate se numste drum neeulerian (preeulerian).
Exemplul 6.1.5. In graful din figura 6 drumul d1 = {x1, x2, x4, x3, x5} este
hamiltonian, dar
nu este eulerian. Drumul d2 = {x1, x2, x4, x2, x4, x3, x5} este nehamiltonian. Drumul d3
=
{x1, x2, x4, x5} este simplu, iar d4 = {x1, x2, x4, x2, x4, x5} este compus.
Observatia 6.1.1 Intr-un graf neorientat notiunea de drum este nlocuita cu
cea de lant,
iar cea de circuit cu cea de ciclu.
Definitia 6.1.14 Un graf (X, ) se numeste conex daca ntre oricare doua
varfuri ale sale
exista un lant. Daca ntre oricare doua varfuri ale grafului exista un drum,
atunci el se
numeste tare conex.
Definitia 6.1.15 Un subgraf conex al unui graf conex se numeste componenta
conexa a
grafului, iar un subgraf tare conex al unui graf tare conex se numeste
componenta tare
conexa.
Se observa ca un graf este conex, respectiv tare conex, daca si numai daca
el are o
singura componenta conexa, respectiv tare conexa.
Exemplul 6.1.6. In figurile 8 si respectiv 9 avem reprezentate un graf conex si
respectiv
unul tare conex. In figurile 10 si 11 avem reprezentate un graf neconex si
respectiv unul
care nu este tare conex.
Fig.8 Fig.9
Fig.10 Fig.11
Graful din figura 10 are doua componente conexe, iar cel din figura 11 are doua
componente tare conexe.
100
Definitia 6.1.16 Numim arbore un graf conex si fara cicluri. Numim padure
un graf
neconex si fara cicluri.
Exemplul 6.1.7. In figura 12 avem un arbore, iar n figura 13 o padure cu 3
arbori:
Fig.12 Fig.13
Definitia 6.1.17 Numim arborescenta un graf fara circuite, n care: a) un
varf si numai
unul (numit radacina) nu este precedat de nici un altul; b) orice alt varf este
precedat de
un singur carf. Varfurile care nu au succesori se numesc frunze sau varfuri
suspendate
(terminale).
Cel mai cunoscut exemplu de arborescenta este arborele genealogic.
Exemplul 6.1.8. In figura 14 avem o arborescenta cu radacina x1 si cu 6
frunze.
Fig.14
Daca numarul de varfuri ale unui graf este mare, atunci reprezentarea
geometrica
devine greoaie. De aceea, s-au cautat alte modalitati de reprezentare. Cea mai
convenabila
s-a dovedit a fi cea cu ajutorul matricelor.

Fie (X, ) un graf orientat cu X = {x1, x2, . . . , xn}.
Definitia 6.1.18 Matricea patratica B = (bij), i, j = 1, n, definita astfel
bij =
_
1 , daca (xi, xj)
0 , daca (xi, xj) _
se numeste booleana (asociata) atasata grafului (X, )
Exemplul 6.1.9. Fie (X, ) graful din figura 15.
101
Fig.15
Matricea booleana atasata grafului este
B=
x1 x2 x3 x4 x5
x1 0 1 1 0 0
x2 0 0 0 1 0
x3 0 1 0 0 1
x4 0 1 0 0 1
x5 0 0 0 0 0
Definitia 6.1.19 Matricea patratica D = (dij), i, j = 1, n, definita astfel
dij =
_
1 , exista drum de la xi la xj
0 , nu exista drum de la xi la xj ,
se numeste matricea drumurilor atasata grafului (X, ).
Exemplul 6.1.10. Pentru graful din figura 15 matricea drumurilor este
D=
x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 1 0 1 1
x3 0 1 0 1 1
x4 0 1 0 1 1
x5 0 0 0 0 0
Definitia 6.1.20 Matricea patratica L = (lij), i, j = 1, n, definita astfel
lij =
_
xixj , daca (xi, xj)
0 , daca (xi, xj) _
se numeste matricea latina atasata grafului (X, ).
Exemplul 6.1.11. Pentru graful din figura 15 matricea latina este
L=
x1 x2 x3 x4 x5
x1 0 x1x2 x1x3 0 0
x2 0 0 0 x2x4 0
x3 0 x3x2 0 0 x3x5
x4 0 x4x2 0 0 x4x5
x5 0 0 0 0 0
In rezolvarea unor probleme teoretice sau practice se introduc si alte tipuri de
matrice
atasate unui graf, care se difineste n cadrul respectiv.
6.2 Algoritmi pentru rezolvarea unor probleme relative

la grafuri
In acest paragraf vom prezenta cativa algoritmi pentru rezolvarea unor
probleme
relative la grafuri.
102
6.2.1 Algoritmul lui Yu Chen pentru aflarea matricei drumurilor

In asigurarea unor algoritmi relativi la probleme de teoria grafurilor avem nevoie
de
operatiile de adunare booleana (
_
+) si nmultire booleana (
_
), definite dupa cum urmeaza
_+
01
001
111
_
01
000
111
Algoritmul lui Yu Chen are urmatorii pasi:
Pasul 1. Se scrie matricea booleana B a grafului (X, );
Pasul 2. Se aduna boolean la prima linie toate liniile corespunzatoare la
varfurile care au
cifra 1 pe prima linie. Noile cifre de 1 care apar se marcheaza cu o .
Pasul 3. Se aduna boolean la linia ntai toate liniile corespunzatoare varfurilor
care au cifra
1 pe prima linie. Noile cifre de 1 care apar se marcheaza cu . Acest pas se
continua pana
cand nu mai apar cifre noi de 1 pe linia ntai.
Pasul 4. Se aplica pasii 2 si 3 la fiecare din liniile matricei booleene.
In final, obtine matricea D a drumurilor.
Justificarea algoritmilor este imediata.
Exemplul 6.2.1. Pentru graful din figura 15 sa aflam matricea drumurilor,
folosind algoritmul
lui Yu Chen.
Scriem matricea booleana atasata grafului
B=
x1 x2 x3 x4 x5
x1 0 1 1 0 0
x2 0 0 0 1 0
x3 0 1 0 0 1
x4 0 1 0 0 1
x5 0 0 0 0 0
Aplicand pasii algoritmului obtinem
D=
x1 x2 x3 x4 x5
x1 0 1 1 1 1
x2 0 1 0 1 1
x3 0 1 0 1 1
x4 0 1 0 1 1
x5 0 0 0 0 0
care este tocmai matricea gasita la Exemplul 6.1.10.
6.2.2 Algoritmi pentru precizarea existentei circuitelor ntr-un graf

Vom prezenta doi algoritmi.
Algoritmul marcarii cu . Pasii acestui algoritm sunt:
Pasul 1. Se marcheaza cu toate varfurile fara succesori;
Pasul 2. Marcam cu toate varfurile ale caror succesori au fost marcati;

Pasul 3. Se continua procesul de la Pasul 2 pana cand nu mai putem face
marcari.
Daca toate varfurile au fost marcate, atunci graful este fara circuite. In caz
ca a
ramas cel putin un varf nemarcat, graful este un circuit.
Exemplul 6.2.2. Sa cercetam daca graful din figura 16 are circuite.
103
Fig.16
La pasul ntai putem marca doar varful x7, fiind singurul fara succesori. La
pasul
2 putem marca varful x6 deoarece succesorul sau x7 a fost marcat. Nu mai putem
face
marcare de varfuri deoarece varfurile ramase au succesori nemarcati.
Asadar, graful dat
are circuite.
Algoritmul matricei drumurilor. Cum un circuit este un drum ce ncepe si se
termina
n acelasi varf, rezulta ca un graf va avea circuite daca n matricea
drumurilor apare cifra 1
pe diagonala principala. Rezulta ca, pentru a cerceta daca un graf are sau nu
circuite, este
suficient sa gasim matricea drumurilor.
Exemplul 6.2.3. Sa aplicam acest algoritm la graful din figura 16. Scriem
matricea booleana
B:
B=
x1 x2 x3 x4 x5 x6 x7
x1 0 1 0 1 0 0 0
x2 0 0 1 0 1 0 0
x3 0 0 0 1 0 0 0
x4 0 0 0 0 1 0 1
x5 0 0 1 0 0 1 1
x6 0 0 0 0 0 0 1
x7 0 0 0 0 0 0 0
Aplicand algoritmul Yu Chen pentru aflarea matricei drumurilor, obtinem:
D=
x1 x2 x3 x4 x5 x6 x7
x1 0 1 1 1 1 1 1
x2 0 0 1 1 1 1 1
x3 0 0 1 1 1 1 1
x4 0 0 0 0 1 1 1
x5 0 0 0 0 0 1 1
x6 0 0 0 0 0 0 1
x7 0 0 0 0 0 0 0
Avand n D o cifra de 1 pe diagonala principala, conchidem ca graful are
circuite.
6.2.3 Algoritmi pentru aflarea componentelor tare conexe ale unui

graf
Aflarea componentelor tare conexe ale unui graf este importanta pentru
practica
deoarece se obtine o partitie a grafului n subgrafele tare conexe.
Algoritmul marcarii cu . Pasul 1. Se marcheaza cu un varf n care intra
si iese cel
putin cate un arc.
Pasul 2. Se marcheaza cu varfurile care sunt extremitati finale pentru

arce care pleaca
dintr-un varf marcat cu si se marcheaza cu varfurile initiale pentru
arce ale caror
varfuri finale sunt marcate cu .
Pasul 3. Se aplica repetat pasul 2, pana nu se mai pot face marcari. Daca
toate varfurile
au fost marcate cu , atunci graful este tare conex, avand o sigura
componenta tare
conexa.
Daca exista varfuri care nu au fost marcate cu , atunci se considera
multimea C1
formata din toate varfurile marcate cu . C1 formeaza o prima componenta
tare conexa.
Pasul 4. In graful dat se elimina varfurile din componenta C1 si toate arcele
aferente
acestora. Noului graf (de fapt, subgraf al grafului initial) i se aplica Pasii 23
pana se
gasesc toate componentele tare conexe ale grafului.
Pentru a evidentia geometric (intuitiv) descompunerea grafului dat n
componente
tare conexe se aranjeaza varfurile pe componente si se traseaza arcele din
graful initial.
Exemplul 6.2.4. Sa consideram graful din figura 17.
104
Fig.17
Deoarece n varful x1 iese si intra cel putin cate un arc l marcam cu .
Apoi
marcam cu + varfurile x2 si x5 si cu varful x3. Acum marcam cu
varful x2 si cu
+ varfurile x4 si x6. Procesul de marcare nu mai poate continua, ramanand
varfuri care
nu sunt marcate cu .
Prima componenta tare conexa a grafului este C1 = {x1, x2, x3}.
Suprimam varfurile x1, x2, x3 si arcele adiacente lor si obtinem graful din
figura 18.
Fig.18
Imediat se marcheaza cu numai varfurile x4 si x5, obtinand cea de-a
doua
componenta tare conexa C2 = {x4, x5}. Varful x6 formeaza cea de-a treia
componenta tare
conexa C3.
In figura 19 prezentam graful cu varfurile sale mpartite n componente
tare conexe.
105
Fig.19
Algoritmul lui Yu Chen. Acest algoritm pentru aflarea componentelor tare conexe
foloseste
ideea de lucru de la algoritmul lui Chen pentru determinarea matricei drumurilor.
Pasul 1. Se scrie matricea booleana B a grafului (X, ).
Pasul 2. Se determina toate drumurile care pleaca din x1 spre alte varfuri,
procedand ca
la pasii 2 si 3 de la algoritmul Yu Chen pentru determinarea matricei
drumurilor, adica
se introduc prin adunare booleana toate cifrele de pe linia ntai. Notam cu V1

multimea
varfurilor care au cifra 1 pe linia ntai astfel obtinuta.
Pasul 3. Ca la pasul 2 procedam pe coloana ntai, determinand toate varfurile
care sunt
legate prin drumuri cu x1. Notam cu V2 multimea varfurilor care au cifra 1 pe
coloana
ntai astfel obtinuta.
Pasul 4. Determinam prima componenta tare conexa, luand C1 = (V1 V2)
{x1}.
Pasul 5. In matricea B se elimina liniile si coloanele care au varfurile n C1. La
matricea
obtinuta se aplica, din nou pasii 25. Se aplica algoritmul pana se
epuizeaza varfurile
grafului.
Exemplul 6.2.5. Sa consideram graful din figura 20. Sa-i aflam componentele
tare conexe.
Fig.20
Scriem matricea booleana atasata grafului:
B=
x1 x2 x3 x4 x5 x6 x7 x8
x1 0 1 1 0 0 0 0 0
x2 0 0 0 0 0 0 0 0
x3 0 1 0 1 0 0 0 1
x4 0 1 0 0 1 0 0 0
x5 0 1 0 0 0 1 0 0
x6 0 1 0 0 1 0 0 0
x7 0 0 0 1 0 1 0 1
x8 1 0 0 1 0 0 1 0
Determinam toate legaturile prin drumuri ce pleaca din x1 spre alte vrfuri:
_ x1 x2 x3 x4 x5 x6 x7 x8
x1 1 1 1 1 1 1 1 1
de unde V1 = {x1, x2, x3, x4, x5, x6, x7, x8}.
Procedam la fel pe coloana ntai, scriind tabelul, pentru economie de spatiu,
tot pe
orizontala
x1 1 1 1 1
x1 x2 x3 x4 x5 x6 x7 x8
106
De aici V2 = {x1, x3, x7, x8}.
Acum gasim prima componenta tare conexa C1 = (V1 V2) {x1} = {x1, x3, x7, x8}.
Eliminamn matricea B liniile si coloanele corespunzatoare varfurilor din C1
si obtinem
matricea
B=
_ x2 x4 x5 x6
x2 0 0 0 0
x4 1 0 1 0
x5 1 0 0 1
x6 1 0 1 0
Cum pe linia lui x2 n B1 avem numai cifra 0, deducem ca urmatoarea
componenta
tare conexa este C2 = {x2}.
Eliminand linia si coloana corespunzatoare varfului x2 din B1, obtinem
B2 =
x4 x5 x6
x4 0 1 0
x5 0 0 1
x6 0 1 0
Imediat rezulta si componenta tare conexa C3 = {x4}, ramanand matricea
B3 =
x5 x6
x5 0 1
x6 1 0
pentru care avem:
x5 x6
x5 1 1 , V1 = {x5, x6}
x5 1 1
x5 x6
, V2 = {x5, x6}
deci mai avem componenta tare conexa C4 = {x5, x6}.
Observatia 6.2.1 Deoarece oricare doua varfuri dintr-o componenta tare
conexa sunt legate
ntre ele prin drumuri, rezulta ca un graf poate fi reprezentat prin unul care are
ca varfuri
componentele tare conexe, arcele de legatura, ntre ele stabilindu-se dupa
arcele din graful
dat. In cazul exemplului nostru obtinem graful din figura 21. Graful astfel
obtinut se
numeste graful condensat atasat grafului dat.
Fig.21
Graful condensat este important n rezolvarea multor probleme practice
deoarece
reduce dimensiunea sistemelor complexe.
107
6.2.4 Algoritmi pentru aflarea drumurilor hamiltoniene ale unui graf

In multe aplicatii practice avem de stabilit succesiunea unui numar de
operatii, cu
respectarea unei anumite oridini. Din punctul de vedere a teoriei grafurilor
aceasta revine
la gasirea unui drum hamiltonian n graful asociat aplicatiei respective.
Algoritmul Yu Chen pentru grafe fara circuite.
Pasul 1. Se determina matricea D a drumurilor atasata grafului.
Pasul 2. La matricea D se mai adauga o coloana a, pe care se trec numarul de
cifre 1
de pe fiecare linie din D. Aceste numere se numesc puterile de atingere
corespunzatoare
varfurilor grafului (ele reprezinta numarul de varfuri, care sunt legate prin
drumuri plecand
din varful respectiv).
Pasul 3. Daca pe coloana a avem puteri de atingere diferite doua cate doua,
atunci graful
are drum hamiltonian. Succesiuna varfurilor n drumul hamiltonian se obtine
n ordinea
descrescatoare a puterilor de atingere (n 1, n 2, . . . , 2, 1, 0).
Daca cel putin doua puteri de atingere sunt egale, atunci graful nu are
drumuri
hamiltoniene.
Observatia 6.2.2 Daca un graf fara cricuite are drum hamiltonian, atunci el
este unic.
Exem,plul 6.2.6. Fie graful din figura 22. Sa cercetam daca are drum
hamiltonian.
Fig.22
Matricea booleana atasata grafului este
B=
x1 x2 x3 x4 x5 x6
x1 0 0 0 0 0 0
x2 0 0 0 0 0 1
x3 0 1 0 0 0 1
x4 1 1 1 0 1 0
x5 1 0 1 0 0 0
x6 1 0 0 0 0 0
iar matricea drumurilor
D=
x1 x2 x3 x4 x5 x6 a
x1 0 0 0 0 0 0 0
x2 1 0 0 0 0 1 2
x3 1 1 0 0 0 1 3
x4 1 1 1 0 1 1 5
x5 1 1 1 0 0 1 4
x6 1 0 0 0 0 0 1
Cum pe coloana a avem puteri de atingere diferite doua cate doua, rezulta ca
graful
admite un drum hamiltonian. Acesta este dH = {x4, x5, x3, x2, x6, x1}.
108
Algoritmul Yu Chen pentru grafuri cu circuite.
Acest algoritm are urmatorii pasi:
Pasul 1. Se determina componentele tare conexe ale grafului (X, ), notate cu C1,
C2, . . ..
Pasul 2. Se determina graful condensat asociat grafului (X, ), care este un graf
fara circuite.
Pasul 3. Se determina drumul hamiltonian n graful condensat, cand exista.
Pasul 4. Se aranjeaza componentele tare conexe n ordinea data de drumul
hamiltonian
determinat la Pasul 3.
Pasul 5. Se scriu toate drumurile hamiltoniene din fiecare componenta tare
conexa.
Pasul 7. Stabilim legaturile de la o componenta la alta n functie de arcele de
incidenta
(legatura) din graful dat, citind apoi toate drumurile hamiltoniene.
Observatia 6.2.3 Daca n graful condensat nu exista drum hamiltonian sau
ntre doua componente
nu exista legatura, atunci graful nu are drumuri hamiltoniene.
Exemplul 6.2.7. Sa aflam drumurile hamiltoniene ale grafului din figura 20.
La exemplul 6.2.5 am gasit componentele tare conexe
C1 = {x1, x3, x7, x8}, C2 = {x2}, C3 = {x4}, C4 = {x5, x6}
si graful condensat din figura 21.
Se observa ca n graful condensat avem drumul hamiltonian
dCH = {C1, C3, C4, C2}.
Acum, scriem componentele tare conexe n ordinea din drumul dCH si sub ele
scriem
toate drumurile hamiltoniene din fiecare componenta:
C1 C3 C4 C2
x1x3x8x7 _
x7x8x1x3 _ x4 _ x5x6 _
x6x7
x2
Apoi stabilim legaturile ntre ultimele elemente din drumurile dintr-o
componenta si
primele varfuri din componenta urmatoare (le indicam prin sageti).
Obtinem drumurile hamiltoniene:
d1H = {x1, x3, x8, x7, x4, x5, x6, x2}
d2H = {x7, x8, x1, x3, x4, x5, x6, x2}
Algoritmul matricilor latine. Vom prezenta un procedeu prin care se pot gasi
toate drumurile
elementare, deci si cele hamiltoniene, precum si circuitele hamiltoniene. Fie
(X, )
un graf.
Vom utiliza matricea latina (Definitia 6.1.20) L = (lij), unde
lij =
_
xixj , daca (xi, xj)
0 , daca (xi, xj) _ , i, j = 1, n.
Construim matricea (L, obtinuta din L prin nlaturarea lui xi din succesiunea xixj
,
cand acasta exista.
Acum, definim o nmultire speciala de matrice, numita nmultirea latina
si notata
prin , dupa cum urmeaza: a) nmultirea se face linii prin coloane; b) n
locul nmultirii
obisnuite se face o alaturare de elemente, daca acestea nu se repeta, sau se
scrie 0 n caz
contrar; c) n locul adunarii obisnuite se iau grupele obtinute la b, cand
avem astfel de
grupe. Prescurtat, vom scrie L (L = L2. Analog, calculam L2 (L = L3, . . . , Lk1 (L
= Lk. Se
observa ca Lk contine toate drumurile elementare de lungime k.
Prin urmare, n matricea Ln1 figureaza toate drumurile hamiltoniene. Daca
dorim
sa obtinem circuitele hamiltoniene se va calcula Ln, dar admitem, ca exceptie,
situatia de
repetare a primului si a ultimului varf (cel care nchide circuitul).
Exemplul 6.2.8. Pentru graful din figura 23 sa se determine drumurile
hamiltoniene.
109
Fig.23
Scriem matricea latina L, iar apoi din ea gasim (L prin suprimarea primei litere:
L=
abcde
a 0 ab ac 0 0
b 0 0 bc 0 be
c 0 0 0 cd 0
d da db 0 0 0
e 0 0 ec 0 0
, (L =
abcde
a0bc00
b00c0e
c000d0
dab000
e00c00
Acum calculam
L2 = L (L =
abcde
a 0 0 abc acd abe
b 0 0 bec bcd 0
c cda cdb 0 0 0
d 0 dab dac
dbc 0 dbe
e 0 0 0 ecd 0
Apoi avem:
L3 = L2 (L =
abcde
a 0 acdb abec abcd 0
b bcda 0 0 becd 0
c 0 cdab 0 0 cdbe
d 0 0 dabc
dbec 0 dabe
e ecda ecdb 0 0 0
si
L4 = L3 (L =
abcde
a 0 0 0 abecd acdbe
b becda 0 0 0 0
c 0 0 0 0 cdabe
d 0 0 dabec 0 0
e 0 ecdab 0 0 0
In concluzie, graful dat are 6 drumuri hamiltoniene: d1H = {a, b, e, c, d}, d2H =
{a, x, d, b, e}, d3H = {b, e, c, d, a}, d4H = {c, d, a, b, e}, d5H = {d, a, b, e, c} si d6H = {e,
c, d, a, b}.
Pentru a obtine circuitele hamiltoniene se va calcula L5 = L4 (L, dar acum se
admite ca
primul si ultimul varf sa se repete.
6.2.5 Algoritmi pentru determinarea drumurilor de lungime optima

In multe probleme practice suntem pusi n situatia de a atasa fiecarui arc
din graful
asociat problemelor respective un numar (timp de deplasare de-a lungul arcului,
cost de
110
transport de-a lungul arcului, beneficiu etc.) care, ntr-o astfel de situatie, se
interpreteaza
ca lungimea sau capacitatea arcului. De obicei, ntr-o astfel de problema
practica se cere
drumul de lungime optima (maxima sau minima).
Vom mai considera ca graful asociat problemei nu are circuite, dar are un varf
de
intrare x1 si un varf de iesire xn.
Algoritmul elementar (Bellman). El are la baza principiul de optimalitate al lui
Bellman:
orice politica optimala este formata din subpolitici optimale.
Prin acest algoritm fiecui varf xi i se ataseaza un numar di, reprezentand
lungimea
minima a drumurilor de la x1 la xi.
Consideram d1 = 0. Acum, sa presupunem ca dorimsa gasim pe dl, unde varful
xl este
succesorul varfurilor xi, xj si xk, la care au fost deja calculate numerele di, dj si
dk. Atunci
lungimea minima dl de la x1 la xl se determina prin formula
dl = min(di + cil, dj + cjl, dk + ckl)
unde cil, cjl si ckl sunt capacitatile corespunzatoare arcelor (xi, xl), (xj, xl) si (xk,
xl).
In formula lui dl subliniem n paranteze valoarea pentru care minimul este atins.
Dupa determinarea tuturor numerelor d1, d2, . . . , dn, valoarea lui dn este lungimea
minima a
drumului de la x1 la xn, iar pornind de la xn spre x1 si citind varfurile subliniate,
obtinem
drumul de lungime minima.
Pentru un drum de lungime maxima se lucreaza n mod analog, nlocuind
minimul
cu maximul.
Exemplul 6.2.9. Pentru graful din figura 24 sa se afle drumul de lungime minima.
Fig.24
Avem succesiv:
d1 = 0,
d3 = min{d1 + 7} = 7,
d2 = min{d1 + 2, d3 + 4} = min{2, 10} = 2,
d4 = min{d2 + 3, d3 + 9} = min{5, 16} = 5,
d5 = min{d2 + 4, d4 + 8} = min{6, 13} = 6,
d6 = min{d5 + 3, d4 + 2} = min{9, 7} = 7,
d7 = min{d5 + 9, d6 + 7} = min{15, 14} = 14.
Prin urmare, lungimea minima este 14, iar drumul care are aceasta lungime
este:
dmin = {x1, x2, x4, x6, x7}. In figura 24 arcele drumului minim sunt dublate cu linie
ntrerupta.
Algoritmul BellmanKalaba. Ideea de lucru este aceeasi cu cea de la algoritmul
elementar:
succesiv,pentru fiecare varf, se calculeaza cate o cota (un numar). Cautam
tot drumuri de
lungime minima. Introducem matricea patratica C = (cij)i,j=1,n, definita astfel
cij =
l(xi, xj) , daca exista arcul (xi, xj)

0 , daca i = j
, daca nu exista arcul (xi, xj)
111
unde l(xi, xj) este lungimea arcului (xi, xj).
Notam cu lik, i = 1, n, cota atasata varfului xi la pasul k, unde de obicei, luam
li,1 = cin,
cand se cauta drumul de lungime minima ntre x1 si xn.
Determinam valorile lik, pas cu pas, prin rezolvarea sistemului
li,k = min
j=1,n
(cij + lj,k1), k= 2, 3, . . . , i = 1, n.
Algoritmul se ncheie cand li,k = li,k+1 situatie n care l1,k reprezinta lungimea
minima
a drumului de la x1 la xn.
Stabilirea drumului de lungime minima se face astfel: pornind de la xn, pentru
fiecare
arc (xi, xj) se decide apartenenta sa la drumul minim daca
lj,k li,k = cij = l(xi, xj).

Practic, algoritmul lucreaza dupa urmatorii pasi:
Pasul 1. Se scrie matricea C.
Pasul 2. Se calculeaza cotele li,1, i = 1, n. Pentru aceasta matricei C i se adauga
ultima
coloana, pe care o notam cu li,1. Apoi, senmulteste C cu aceasta coloana
li,1 dupa regula:
inmultirea se nlocuieste cu adunare, iar adunarea cu operatia de luare a
minimului. Rezulta
astfel valorile de pe coloana li,2.
Pasul 3. Procesul de la pasul 2 se repeta cu coloana li,2 s.a.m.d. pana se
obtin doua coloane
identice li,k si li,k+1.
Exemplul 6.2.10. Sa gasim drumul de lungime minima din graful dat n figura
24 utilizand
algoritmul BellmanKalaba.
Avem sucesiv
x1 x2 x3 x4 x5 x6 x7 li,1 li,2 li,3 li,4 li,5
x1 0 2 7 15 14 14
x2 0 3 4 13 12 12 12
x3 4 0 9 17 16 16
x4 0 8 2 9 9 9 9
x5 0 3 9 9 9 9 9 9
x6 0 7 7 7 7 7 7
x7 0 0 0 0 0 0
Cum li,4 coincide cu li,5, algoritmul s-a ncheiat. Avem
lmin(x1, x7) = l1,4 = 14,
iar drumul de lungime minima se afla prin selectarea arcelor (xi, xj) pentru care
lj,kli,k = cij .
Aceste arce sunt: (x1, x3), (x2, x4), (x4, x6), (x6, x7), de unde rezulta ca drumul de
lungime
minima este dmin = {x1, x2, x4, x6, x7}.
Observatia 6.2.4 Pentru drumul de lungime maxima matricea C este analoaga
numai ca n
loc de + se ia .
Teoria grafurilor, ca instrument matematic utilizat n rezolvarea problemelor din
diferite domenii, este foarte bogata n algoritmi. Pentru cei care doresc sa
aprofundeze
aceasta minunata colectie, poate apela la lucrarile [2], [3], [4], [5], [6], [7],
[8].
6.2.6 Metoda drumului critic
Metoda drumului critic (Critical Path Method C.P.M.) este un instrument

matematic
util specialistilorn rezolvarea programelor complexe de planificare, investitii,
productie
etc. Principiul metodei consta n descompunerea unui program complex n
parti componente,
numite activitati sau operatii, la un nivel care sa permita corelarea
functionala a
acestora, adica sa faca posibila stabilirea interconditionarilor ntre
partile componente. La
112
stabilirea listei (retelei) de activitati xi, specialistii care participa la
aceasta operatie trebuie
sa precizeze activitatile care conditioneaza sau preced n mod necesar

activitatea xi. Astfel,
se formeaza o lista de aterioritati obligatorii. Cu ajutorul acestor date se
construieste un
graf G graful asociat sau graful program n felul urmator:
a) fiecarei activitati i se asociaza un arc (xi, xj), unde varful (evenimentul) xi
reprezinta
nceputul operatiei, iar xj sfarsitul ei;
b) varful x1 este numai varful de nceput (intrare) n graf, varful xn este numai
varf de
sfarsit (iesire), iar celelalte varfuri sunt si de intrare si de iesire n
graf;
c) conditionarea (anterioritatea) a doua activitati se reprezinta prin
succesiunea arcelor
corespunztoare;
d) fiecarui arc (xi, xj) i se asociaza un numar nenegativ tij , semnificand durata
activitatii
respective;
e) nici o activitate nu poate ncepe naintea terminarii tuturor activitatilor
precedente si
nu se poate finaliza dupa nceperea activitatilor urmatoare.
Graful astfel atasat unei retele de activitati este un graf conex orientat,
fara circuite,
cu un singur varf x1 de intrare n graf si un singur varf xn de iesire din graf.
Acest graf
program evidentiaza legaturile functionale (tehnologie, economie s.a.)
dintre activitati.
Mentionam ca un astfel de graf, asociat unui program complex, poarta
numele de retea de
planificare.
Este evident ca ntr-o retea de planificare exista cel putin o succesiune de
activitati
de la intrare la iesire. O astfel de succesiune reprezinta un drum de la intrare la
iesire,
avand o anumita lungime.
In C.P.M. esential este de remarcat faptul ca cea mai lunga succesiune de
activitati
de la intrare la iesire determina durata minima posibila de executie
integrala a programului.
Aceasta succesiune de activitati poarta numele de drum critic (drumul de
lungime
maxima). Arcele lui reprezinta operatiile critice, adica acele activitati
pentru care efectuarea
lor nu poate ntarzia, fara ca sa fie afectat termenul de finalizare a ntregii
lucrari.
Intr-o retea de activitati pot apare operatii care se desfasoaran serie
(una dupa alta),
care n graf se reprezinta ca o succesiune de arce, si operatii care se
desfasoara n paralel
(simultan), care n graf se reprezinta astfel
Aceasta reprezentare poate crea confuzia ca un arc (xi, xj) reprezinta doua
actiuni
diferite. Pentru a nlatura acest neajuns, uneori, se introduc asa numitele
operatii fictive
de durata zero, asa cum se arata n figura
Activitatile fictive se deseneaza punctat si au durata zero pentru ca nu

consuma nici
timp si nici resurse.
Avand graful unei retele de activitati, se trece la determinarea parametrilor
programului.
Acestia sunt:
113
a) durata drumului critic ntre doua varfuri xi si xj , notat prin tc(xi, xj) si
obtinut prin
valoarea maxima a duratei drumurilor dintre varfurile xi si xj ;
b) durata drumului critic al programului este data de tc(x1, xn). In realizarea unui
program
retea de activitati ne intereseaza daca o operatie necritica poate fi
amanta cu un anumit
interval de timp astfel ncat nici una din operatiile care o succed sa nu fie
stanjenita n
privinta duratei ce i-a fost programata. Asta nseamna ca durata ntregului
program
trebuie sa ramana tc(x1, xn);
c) ti timpul cel mai devreme (scurt) de realizare a evenimentului xi. Avemti = tc(x1,
xi);
d) t
i timpul cel mai tarziu (lung) de realizare a evenimentului xi. Avem
t
= tc(1, n) tc(i, n)
Se observa ca ti se calculeaza ca durata drumurilor de lungime maxima parcurg
and reteaua n sens direct, iar t
i ca durata drumurilor de lungime maxima obtinute
prin parcurgerea retelei n sens invers.
e) R(xi) rezerva de timp a evenimentului xi data prin formula
R(xi) = t
i
ti.
Intervalul [ti, t
i ] se numeste intervalul de fluctuatie al evenimentului xi adica intervalul
n care se va putea realiza evenimentul xi fara a produce modificari la timpul
total
de realizae a programului. Pentru evenimentul critic avem R(xi) = 0, iar pentru cele
necritice avem R(xi) > 0;
f) R(xi, xj) rezerva (marja) totala de timp pentru operatia (activitatea)(xi, xj)
reprezinta
timpul maxim cu care se poate mari durata activitatii fara sa se afecteze
durata totala
a programului. Avem formula de calcul
R(xi, xj) = t
ti t(xi, xj)
unde t(xi, xj) reprezinta timpul necesar realizarii operatiei (xi, xj);
g) r(xi, xj) rezerva de timp libera (marja libera) a operatiei (xi, xj) reprezinta
partea din
rezerva totala cu care se poate dilata durata de realizare a activitatii (xi, xj)
fara sa fie
afectat termenul cel mai devreme de realizare a evenimentului xi. Avem
r(xi, xj) = tj ti t(xi, xj).
h) rs(xi, xj) rezerva de timp sigura (marja sigura)a activitatii (xi, xj) se
defineste prin
formula
rs(xi, xj) = tj t
tij
Daca rs(xi, xj) < 0, atunci se spune ca activitatea (xi, xj) nu are marja sigura.
Intervalele de fluctuatie si marjele libere masoara elasticitatea unui
program. Cu cat
acestea sunt mai mici, cu atat programul este mai rigid.
Determinarea tuturor acestor parametrii atasati unei retele de planificare se
poate
realiza prin ntocmirea unui tabel de forma:
i j tij ti tj t
i t
j R(xi) R(xi, xj) r(xi, xj) rs(xi, xj)
In prealabil se vor calcula duratele tc(x1, xi), respectiv tc(xi, xn) ale drumurilor
critice,
folosind algoritmii pentru determinarea drumurilor de lungime maxima. Valorile
aflate se
pot scrie langa varfurile grafului astfel
[tc(xi, xj), tc(xi, xn)]
114
Exemplul 6.2.10. Sa analizam programul unei investitii pentru care dorim sa
studiem durata
si modul de executie. In urma analizei programului, specialistii au stabilit
urmatorul tabel
de operatii (activitati), lista de anterioritati obligatorii si durata de
executie n luni:
Nr. Denumire activitatii Anterioritati Durata
crt. (Notatia prescurtata) obligatorii (luni)
1. Proiectarea (P) 8
2. Eliberarea terenului (E) P 3
3. Comenzi utilaje (C,U) P 4
4. Organizare santier etapa 1 (OS1) P 2
5. Formare cadre calificate (F) D 11
6. Executie drumuri interioare etapa 1 (D1) E;OS1 3
7. Executii retele tehnice etapa 1 (R1) E;OS1 6
8. Livrari, receptie utilaje (L,U) C,U 7
9. Lucrari constructii montaj etapa 1 (C1) E;OS1 5
10. Organizare santier etapa 2 (OS2) OS1 3
11. Executii drumuri interioare etapa 2 (D2) D1;OS2;R1 4
12. Executii retele tehnice etapa 2 (R2) R1 6
13. Lucrari constructii montaj etapa 2 (C2) L, U,C1,Rj 11
T inand seama de informatiile din tabelul precedent, obtinem urmatorul
graf pentru
reteaua de planificare.
Acum, folosind algoritmul lui Bellman, determinam numerele ti si t
i, trecandu-le pe
graf ntre paranteze drepte.
115
116
Cu ajutorul parametrilor ti si t
i ntocmim tabelul de mai jos pentru a calcula
rezervele (marjele) R(xi), R(xi, xj), r(xi, xj) si rs(xi, xj).
i j tij ti tj t
i t
j R(xi) R(xi, xj) r(xi, xj) rs(xi, xj)
12808080000
2 3 4 8 12 8 12 0 0 0 0
2 4 2 8 10 8 23 0 13 0 0
2 5 3 8 11 8 14 0 3 0 0
2 9 11 8 30 8 30 0 11 11 11
3 7 7 12 19 12 19 0 0 0 0
4 8 3 10 14 23 26 13 13 1 -12
5 6 6 11 17 14 24 3 7 0 -3
5 7 5 11 19 14 19 3 2 3 0
5 8 3 11 14 14 26 3 12 0 -3
6 9 5 17 30 25 30 8 8 8 0
7 9 11 19 30 19 30 0 0 0 0
8 9 4 14 30 26 30 12 12 12 0
Drumul critic este dcr = {x1x2, x3, x7, x9}, fiind marcat n ultimul graf prin
sagetile
duble. Operatiile critice se recunosc n tabelul de mai sus dupa R(xi, xj) = 0.
Timpul cel
mai devreme de ncheiere a ntregului program este 30 (de luni), adica durata
(lungimea
maxima) drumului critic.
Examinarea rezervelor de timp permite cunoasterea posibilitatilor pe care le
are la
dispozitie cel care coordoneaza programul n vederea unei interventii optime
pentru executarea
n termen a proiectului. De exemplu, pentru activitatea D2([x8, x9]), cu durata
de executie 4 luni, deducem ca nu poate ncepe mai devreme de trecerea a 14
luni de la
nceputul executiei programului (t8 = 14). Asadar, activitatea D2 poate ncepe
a fi executata
n intervalul de fluctuatie [14, 26], fara a modifica ntr-un fel timpul minim
necesar executiei
programului de investitie.
Observatia 6.2.5 Atunci cand numarul operatiilor dintr-un program nu este
prea mare, pentru
analiza grafului, cat si pentru urmarirea realizarii lui, se paote folosi diagrama
Gantt.
Pentru descrierea ei se procedeza astfel:
a) se ordoneaza activitatile (xi, xj) dupa j crescator, cele cu acelasi j
succedandu-se n
ordinea crescatoare data de i,
b) se reprezinta prin bare orizontale duratele activitatilor, marcandu-le
extremitatile lor
cu numerele de ordine ale evenimentelor;
c) se reprezinta punctat drumul critic.
Pentru graful programului studiat n exemplul 6.2.10, diagrama Gantt este data
n
figura de mai jos.
117
Diagrama Gantt ne descrie n mod intuitiv fluctuatiile evenimentelor si
rezervele
(marjele) activitatilor din programul studiat.
De exemplu, cu evenimentul 6 se termina activitatea (5, 6) si ncepe activitatea

(6, 9);
rezulta ca operatia (5, 6) s-ar putea amana cu cel mult 7 unitati de timp
deoarece, n caz
contrar, operatia (6, 9) s-ar deplasa spre dreapta, peste durata ntregului
program. Rezulta
ca fluctuatia evenimentului 6 este de 7 unitati.
6.3 Problema fluxului optim n retele de transport
Notiunea de flux joaca un rol important n domenii de importanta pentru

economie,
cum sunt: teoria informatiei, cibernetica, transport, planificare etc.
In acest paragraf vom studia problema determinarii fluxului optim ntr-o
retea de
transport.
6.3.1 Retele de transport

Fie (X, ) un graf orientat.
Definitia 6.3.1 Graful orientat (X, ) se numeste retea de transport daca este
fara circuite,
are un singur varf de intrare x1 (
x1 = ), un singur varf de iesire xn (+xn = ) si oricare
arc a are o capacitate pozitiva c(a).
Definitia 6.3.2 Se numeste flux ntr-o retea de transport o functie : R+,
care satisface
conditile:
i) (a) c(a), pentru orice arc a ;
ii) n orice varf xi X avem satisfacuta egalitatea
a+
xi
(a) =
a
xi
(a),
numita proprietate de conservare.
Numarul (a) se mai numeste si fluxul asociat arcului a si reprezinta, din
punct de
vedere practic, cantitatea de materie ce trece prin arcul a, ca de exemplu:
cantitate de
informatie, numar de produse etc.
Conditia ii) din Definitia 6.3.2 exprima faptul ca suma fluxurilor ce intra
ntr-un varf
118
este egala cu suma fluxurilor ce ies din acel varf (legea lui Kirchoff).
Din aceeasi conditie ii) rezulta ca
a+
x1
(a) =
a
xn
(a).
Definitia 6.3.3 Numarul real pozitiv , definit prin egalitatea
=
a+
x1
(a)
se numeste valoarea fluxului n retea.
Exemplul 6.3.1. In graful din fig 6.3.1. sa se defineasca un flux si sa se
calculeze valoarea
fluxului n retea. In paranteze drepte sunt trecute capacitatile arcelor.
Fig.6.3.1.
Pentru a defini un flux n reteaua data de graful 6.3.1. folosim Definitia
6.3.2.
Functia definita prin tabelul
(x1, x2) (x1, x3) (x1, x4) (x2, x3) (x2, x5) (x3, x5) (x4, x3)
(a) 5 1 7 1 4 2 0
(x4, x5) (x4, x6) (x5, x7) (x6, x5) (x6, x7)
1 6 10 3 3
este un flux n retea. Valoarea fluxului n retea este = 5 + 1 + 7 = 10 + 3 =
13. Si aplicatia
1 : R+ data prin tabelul
(x1, x2) (x1, x3) (x1, x4) (x2, x3) (x2, x5) (x3, x5) (x4, x3)
1(a) 5 2 6 1 4 5 2
(x4, x5) (x4, x6) (x5, x7) (x6, x5) (x6, x7)
1 3 10 0 3
este un flux n reteaua din fig.6.3.1, iar valoarea fluxului n retea este
1 = 5 + 2 + 6 = 10 + 3 = 13
Definitia 6.3.4 Intr-o retea de transport nzestrata cu fluxul arcul a se
numeste saturat
daca (a) = c(a). Un drum n retea se zice ca este saturat daca contine cel
putin un arc
saturat.
Definitia 6.3.5 Un flux pentru care toate drumurile de la x1 la xn sunt saturate
se numeste
flux complet.
119
Exemplul 6.3.2. Pentru fluxul asociat grafului din fig.6.3.1. drumul d = (x1, x2, x5,
x7) este
saturat deoarece arcele (x2, x5) si (x5, x7) sunt saturate. Se verifica imediat ca
fluxul este
complet. Intr-adevar, se observa ca singurul drum de la x1 la x7 care nu trece
prin arcul
(x5, x7) este d1 = (x1, x4, x6, x7), care are nsa arcul saturat (x1, x4).
Fluxul 1 nu este complet deoarece drumul d1 = (x1, x4, x6, x7) nu este saturat.
Observatia 6.3.1 Orice flux se paote transforma ntr-unul complet. I n acest
scop pe fiecare
drum nesaturat d de la x1 la xn se maresc fluxurile arcelor cu cantitatea k = min
ad
(c(a)(a)).
Exemplul 6.3.3. Sa consideram graful din fig.6.3.1. cu fluxul incomplet 1. Se
observa
ca singurul drum nesaturat este d1 = (x1, x4, x6, x7). Marim fluxul pe arcele sale cu
k=
min(7 6, 6 3, 14 3) = 1 si obtinem arcul saturat (x1, x4). Astfel fluxul 1 s-a
transformat
n fluxul complet 2 dat prin tabelul:
(x1, x2) (x1, x3) (x1, x4) (x2, x3) (x2, x5) (x3, x5) (x4, x3)
2(a) 5 2 7 1 4 5 2
(x4, x5) (x4, x6) (x5, x7) (x6, x5) (x6, x7)
1 4 10 0 4
Fluxul n retea este 2 = 14.
6.3.2 Algoritmul lui FordFulkerson pentru determinarea fluxului

maxim
ntr-un graf de retea
In acest paragraf vom descrie un algoritm de marcare iterativa cu + si a

varfurilor
grafului retelei de transport. Daca prin acest proces se va ajunge la marcarea
varfului xn,
atunci fluxul nu este maxim, n caz contrar fluxul complet va fi maxim.
Algoritmul de marcare cu + si (FordFulkerson) are urmatorii pasi:
1) se marcheaza x1 cu +;
2) daca xi este un varf marcat si exista arcul nesaturat (xi, xj) , atunci xj se
marcheaza
cu +;
3) daca varful xi este marcat si exista arcul (xj, xi) cu flux pozitiv, atunci xj
se
marcheaza cu ;
4) se repeta pasii 2) si 3) atat timp cat este posibil;
5) daca prin procedeul de marcare nu s-a ajuns la varful xn, atunci fluxul este
maxim;
daca prin procesul de marcare s-a ajuns la xn, atunci fluxul complet nu este
maxim si
se trece la pasul urmator;
6) se majoreza fluxul cu cantitatea
m = min
a,a1L
{c(a) (a), (a1)}.

Aici, am notat cu L lantul care trece prin toate varfurile marcate de la x1 la xn,
a tipul de arc din L precizat la pasul 2), iar a1 tipul de arc din L precizat la pasul 3).
Majorarea fluxului se face astfel: cantitatea m se aduna la fluxul de pe arcele a
si se
scade la fluxul de pe arcele a1;
7) se reia procesul de marcare a varfurilor.
Pentru justificarea mai comoda a algoritmuui FordFulkerson introducem
notiuneaa
de taietura ntr-un graf.
120
Definitia 6.3.6 Numim taietura n graful F = (X, ) o partitionare a varfurilor
X n doua
submultimi Y si C(Y ), astfel ncat x1 Y si xn C(Y ). Notam prin Y/X taietura
determinat
a de Y n graful G. Valoarea taieturii, notata prin v(Y/X) este, prin definitie,
suma
capacitatilor arcelor cu varful initial n Y si varful final n C(Y ), adica
v(Y/X) =
a+
Y
c(a), unde +
Y=
)
xiY
+xi .
Propozitia 6.3.1 Fie n graful retea G = (X, ) o taietura Y/X. Pentru orice flux
are loc
inegalitatea
v(Y/X).
Demonstratie. Avand n vedere ca suma fluxurilor ce intra n Y este egala
cu suma
fluxurilor ce ies din Y , putem scrie
+
i_=1
aij
(aij) =
aij+
Y
(aij),
de unde
=
aij+
Y
(aij)
i_=1
aij
(aij)
aij+
Y
c(aij) = v(Y/X).
Propozitia 6.3.2 Daca utilizand algoritmul lui FordFulkerson nu se poate
marca varful xn,
atunci valoarea fluxului corespunzator este maxima.
Demonstratie. Fie Y multimea varfurilor marcate prin algoritmul lui Ford
Fulkerson.
Avem x1 Y si xn _ Y . Cum nu se mai poate marca nici un varf, un arc aij = (xi, xj)
cu
xi Y si xj Y verifica (aij) = c(aij), iar un arc aji = (xj, xi) cu xi X si xj _ Y
verifica
(aji) = 0. Deci:
=
aij+
Y
(aij)
i_=1
aij
=
aij+
Y
c(aij) = v(Y/X).
Folosind propozitia 6.3.1, rezulta ca are valoarea maxima.
Teorema 6.3.1 (FordFulkerson). Intr-un graf G = (X, ) valoarea maxima a unui
flux
este
max
= min
Y/X
v(Y/X).
Demonstratie. Veridicitatea teoremei rezulta din propozitiile 6.3.1 si 6.3.2.
Exemplul 6.3.4. Sa se determine fluxul maxim n graful retea de transport dat
n fig.6.3.1.
Plecam de la fluxul complet obtinut n Exemplul 6.3.3. si ncepem procesul
de marcare
a varfurilor cum este ilustrat n fig.6.3.2.
121
Fig.6.3.2.
Marcam mai ntai varful x1 cu +. Apoi marcam cu + varfurile x2 si x3
deoarece arcele
(x1, x2) si (x1, x3) sunt nesaturate.
Varful x4 se marcheaza cu pentru ca arcul (x4, x3) are fluxul pozitiv. Se
marcheaza
cu + varful x5 si x6 deoarece arcele (x4, x5) si (x4, x6) sunt nesaturate. In fine,
se marcheaza
cu + varful x7 deoarece arcul (x6, x7) este nesaturat.
Intrucat s-a marcat x7 deducem ca fluxul nu este maxim. El poate fi majorat cu
cantitatea m = min{32, 2, 64, 134} = 1, minimul fiind luat pe lantul L = {x1, x3,
x4, x6, x7}.
Rezulta fluxul complet
(x1, x2) (x1, x3) (x1, x4) (x2, x3) (x2, x5) (x3, x5) (x4, x3)
3(a) 5 3 7 1 4 5 1
(x4, x5) (x4, x6) (x5, x7) (x6, x5) (x6, x7)
1 5 10 0 5
cu valoare 3 = 15.
Incercam o noua marcare (al doilea semn + sau ). Se poate marca din nou
varfurile
lantului L = (x1, x2, x3, x4, x6, x7). Rezulta ca fluxul 3 nu este maxim. El poate fi
majorat
cu cantitatea
m = min{6 5, 2 1, 1, 6 5, 13 5} = 1.
Rezuta fluxul complet
(x1, x2) (x1, x3) (x1, x4) (x2, x3) (x2, x5) (x3, x5) (x4, x3)
4(a) 6 3 7 2 4 5 0
(x4, x5) (x4, x6) (x5, x7) (x6, x5) (x6, x7)
1 6 10 0 6
cu valoarea 4 = 6 + 3 + 7 = 10 + 6 = 16.
Deoarece s-a marcat x7 deducem ca trebuie continuat algoritmul FordFulkerson.
Marcam cu + varful x1 (al treilea +) si se observa ca nu se mai pot marca alte
varfuri
deoarece arcele (x1, x2), (x2, x3) si (x1, x4) sunt saturate. Rezulta ca fluxul 4 = 16
este maxim.
Taietura cu valoare minima este data de multimea Y = {x1} cu v(Y/X) = 6+3+7
= 16.
Exemplul 6.3.5. Trei depozite D1, D2, D3 dispun de 11, 10, 13 tone dintr-un produs
din care
patru consumatori C1, C2, C3, C4 au nevoie de 9, 8, 9 si 11 tone. Posibilitatile
de transport
limitate de capacitatile mijloacelor de transport sunt date n tabelul:
Di \ Cj C1 C2 C3 C4
D1 5 3 0 6
D2 3 0 9 0
D3 0 6 1 5
Existenta numarului 0 ne indica ca de la depozitele D respective nu se face

nici un
transport la consumatorii corespunzatori.
Sa se determine un plan optim de transport astfel ncat sa poata fi asigurata
integral
cererea consumatorilor C2 si C3, iar cererea consumatorilor C1 si C4 n cea mai
mare
masura.
Transformam problema ntr-un graf de retea de transport, considerand
varful de
intrare x1, varfurile x2, x3, x4 corespunzatoare depozitelor D1, D2, D3, varfurile x5,
x6, x7,
x8 corespunzatoare celor patru consumatori si x9 varful de iesire. Problemei
noastre i
corespunde graful din figura 6.3.3.
122
5
4
11
10
Fig.6.3.3.
Rezolvarea problemei revine la determinarea unui flux maxim n reteaua de
transport din
fig.6.3.3.
Vom utiliza algoritmul lui FordFulkerson.
Mai ntai trebuie sa determinam un flux pentru retea. Prin ncercari,
respectand
conditiile din Definitia 6.3.2, construim fluxul
(x1, x2) (x1, x3) (x1, x4) (x2, x5) (x2, x6) (x2, x8) (x3, x5)
7864210
(x3, x7) (x4, x6) (x4, x7) (x4, x8) (x5, x9) (x6, x9) (x7, x9) (x8, x9)
85104791
cu valoarea = 21.
Se observa ca fluxul este incomplet deoarece drumurile d1 = (x1, x2, x5, x9), d2 =
(x1, x2, x6, x9), d3 = (x1, x2, x8, x9), d4 = (x1, x3, x5, x9), d5 = (x1, x4, x6, x9), d6 = (x1, x4, x8,
x9) sunt
nesaturate.
Pe fiecare din aceste drumuri fluxul poate fi majorat corespunzator cu k1 = min(11
7, 5 4, 9 4) = 1, k2 = min(11 7, 3 2, 8 7) = 1, k3 = min(11 7, 6 1, 11 1) =
4, k4 =
min(10 8, 3 0, 9 4) = 2, k5 = min(13 6, 6 5, 8 7) = 1, k6 = min(13 6, 5 0,
11 1) = 5.
Obtinem noul flux 1:
(x1, x2) (x1, x3) (x1, x4) (x2, x5) (x2, x6) (x2, x8) (x3, x5)
1 11 10 12 4 2 5 2
(x3, x7) (x4, x6) (x4, x7) (x4, x8) (x5, x9) (x6, x9) (x7, x9) (x8, x9)
8 6 1 5 6 8 9 10
cu 1 = 11 + 10 + 22 = 6 + 8 + 9 + 10 = 33.
Deoarece prin majorare cu k3 arcul (x1, x2) s-a saturat, drumurile d1 si d2 au
devenit
saturate prin urmare nu s-au mai putut majora fluxurile pe d1 si d2.
Este evident ca fluxul 1 este complet deoarece pe fiecare din drumurile de la x1
la x9
se afla cel putin un arc saturat.
Acum trecem la mbunatatirea fluxului prin folosirea algoritmului Ford
Fulkerson.
Marcam x1 cu +. Cum arcul (x1, x4) este nesaturat, marcam x4 cu +. Deoarece

arcele
(x4, x6), (x4, x7), (x4, x8) sunt saturate, rezulta ca marcarea nu mai poate fi
continuata. Prin
urmare, varful x9 nu poate fi marcat. Deducem ca valoarea fluxului maxim este
33. Taietura
de capacitate minima este Y = {x1, x4} cu
v(Y/X) = 11 + 10 + 6 + 1 + 5 = 33.
Programul optimal dat de fluxul 1 se poate reprezenta si prin tabelul
Cj x5 x6 x7 x8 Cantitati din produse Cantitati
Dj C1 C2 C3 C4 disponibile n depozite consumate
x2 D1 4 2 0 5 11 11
x3 D2 2 0 8 0 10 10
x4 D4 0 6 1 5 13 13
Cererile
consumatorilor 9 8 9 11
Cereri
satisfacute 6 8 9 10
123
Valorile (xi, xj) din tabel au fost citite din fluxul optimal 1 si reprezinta
cantitatea
de produs luata din depozitul xi si transportata la consumatorul xj .
Observatia 6.3.2 Algoritmul FordFulkerson se poate utiliza si la rezolvarea
problemei determin
arii numarului maxim de cuplaje (legaturi independente) ntr-un graf bipartit.
Un
graf G = (X, ) se numeste bipartit daca exista o partitie a multimii X = X1X2,
X1X2 =
astfel ncat fiecare arc a lui G are o extremitate n X1 si cealalta n X2.
124
1. Definiti notiunile urmatoare:

a) Graf;
b) Graf simetric;
c) Drum ntr-un graf;
d) Drum hamiltonian;
e) Graf tare conex.
2. Definiti notiunile urmatoare
a) Arbore;
b) Matricea booleana atasata unui graf;
c) Retea de transport;
d) Flux complet ntr-o retea de transport.
3. Sa se gaseasca cu ajutorul algoritmului lui Bellman drumul minim x1 x5 din
urmatorul graf:
2
2
1
1
5
5
3
X1
X2
X3
X4
X5 3
4. Gasiti drumurile, fara circuite, de lungime 1, 2 si 3 din graful urmator

X1
X2
X3
X4
X5
5. Determinati cu ajutorul algoritmului lui Bellman drumul de lungime maxima

x1 x14
din graful urmator, precizand si lungimea acesteia:
X14
2
7
7
0
9
9
6
9
8
8
4
5
5
5
2 10
3 10
X1 3 X2
X3
X4 X5
X6 X7
X8
X9
X10
X11
X12
X13
125
6. Gasiti cu ajutorul algoritmului Bellman - Kalaba drumul minim x1 x7 si
lungimea
acestuia din urmatorul graf:
2
1
8
5
59
7
10
6
4
4
X1
X2
X3
X4
X5
X6
X7
3
7. Gasiti cu ajutorul algoritmului Bellman - Kalaba drumul maxim x1 x7 si

lungimea
acestuia din graful de la problema precedenta.
8. Folosind metoda drumului critic sa se determine elementele caracteritice ale
urmatoarei retele de activitati:
X14
2
7
7
0
9
9
6
9
8
8
4
5
5
5
2 10
3 10
X1 3 X2
X3
X4 X5
X6 X7
X8
X9
X10
X11
X12
X13
9. Stabiliti folosind algoritmul marcarii daca urmatorul graf are circuite:

X1
X2
X3
X4
X5
10. Scrieti matricea booleana asociata grafului

X1
X2
X3
X4
X6
X5
126
Testul 5
3. Drumul minim este [x1, x2, x4, x5] si are lungimea 6.

4. Se obtin matricile:
L x1 x2 x3 x4 x5
x1 0 x1x2 0 x1x4 x1x5
x2 0 0 x2x3 0 x2x5
x3 x3x1 0 0 0 0
x4 0 0 x4x3 0 x4x5
x5 0 0 0 0 0
L x1 x2 x3 x4 x5
x1 0 x1 0 x1 x1
x2 0 0 x2 0 x2
x3 x3 0 0 0 0
x4 0 0 x4 0 x4
x5 0 0 0 0 0
L2 = L L x1 x2 x3 x4 x5
x1 0 0 x1x2x3 0 x1x2x5
x1x4x3 x1x4x5
x2 x2x3x1 0 0 0 0
x3 0 x3x1x2 0 x3x1x4 x3x1x5
x4 x4x3x1 0 0 0 0
x5 0 0 0 0 0
L3 = L L2 x1 x2 x3 x4 x5
x1 0 0 0 0 0
x2 0 0 0 x2x3x1x4 x2x3x1x5
x3 0 0 0 0 x3x1x2x5
x3x1x4x5
x4 0 x4x3x1x2 0 0 x4x3x1x5
x5 0 0 0 0 0
5. Drumul de lungime maxima este [x1, x2, x4, x5, x3, x7, x8, x11, x13, x14] si lmax =
48.
6. Se obtine lmin(x1 x7) = 17 si drumul minim [x1, x3, x6, x7].
7. Se obtine lmax(x1 x7) = 28 si dmax(x1 x7) = [x1, x4, x3, x5, x6, x7].
127
8. Se obtine tabelul final:
i j lij ti tj sj mij Mij

12202200
2 3 9 2 16 16 5 5
24527700
2 6 3 2 5 12 0 7
3 7 4 16 20 20 0 0
4 5 7 7 14 14 0 0
5 3 2 14 16 16 0 0
5 8 5 14 30 30 11 11
6 7 8 5 20 20 7 7
7 8 10 20 30 30 0 0
7 9 9 20 29 35 0 5
7 10 9 20 29 34 0 5
8 11 8 30 38 38 0 0
9 13 10 29 45 45 6 6
10 12 5 29 38 39 4 5
11 13 7 38 45 45 0 0
12 13 6 38 45 45 1 1
13 14 3 45 48 48 0 0
9. Se vor marca n ordine x3, x4, x5, x2, x1 si astfel se deduce ca avem un graf
fara circuite.
10. matricea booleana asociata este:
011010
000010
100100
010011
001001
000000
128
I,
[2] Blaga, P., Muresan, A., Matematici aplicate n economie, vol.I, II,
Transilvania Press,
ClujNapoca, 1996.
[3] Ionescu, T., Grafuri. Aplicatii, vol.I, vol.II, Editura Didactica si Pedagogica,
Bucure
sti, 1973, 1974.
[4] Izvercian, P.N.,Cretu, V., Izvercian, M., Resiga, R., Introducere n teoria
grafurilor.
Metoda drumului critic, Editura de Vest, Timisoara, 1994.
[5] Popescu, O., Raischi, C., Matematici aplicate n economie, vol.I, II, Editura
Didactica si
Pedagogica, Bucuresti, 1993.
[6] Rosu, A., Teoria grafurilor, algoritmi, aplicatii, Editura Militara, Bucuresti,
1974.
[7] Tamas, V. (coord.), Branzei, D., Smadici, C., Moicovici, T., Modele
matematice n
economie, Editura Graphix, Iasi, 1995.
[8] Vaduva, I., Dinescu, C., Savulescu, B., Metode matematice de organizare si
conducerea
productiei, Editura Didactica si Pedagogica, Bucuresti, 1974.
129
Capitolul 7
Probleme de transport
Obiective: In acest capitol se doreste familiarizarea studentilor cu problemele
de
transport, probleme cu o imporatnta deosebita n optimizarea a numeroase
procese economice.
O problema de transport constan aflarea unui plan de transport a unui produs,
de
la anumite centre producatoare (depozite), n scopul satisfacerii cerintelor
unor consumatori
si minimizarii cheltuielilor de transport.
Problemele de tip transport se ntalnesc n multe procese economice, ca de
exemplu:
transporturi de bunuri; proiectarea de canale de energie (informatii,
electricitate), de
canale n agricultura; proiectarea de depozite n acelasi spatiu productiv;
repartitia optima
a sarcinilor de productie pe masini, sectii, ntreprinderi, optimizarea unor
probleme de
productie si stocaj etc.
Rezumat: Modelul matematic al problemelor de transport se ncadreaza n
modelul
problemelor de programare liniara. Avand n vedere numarul mare de
variabile, rezolvarea
unei probleme de transport prin algoritmul simplex este n general putin
eficienta.
De aceea, pentru rezolvarea problemelor de tip transport se folosesc tehnici
speciale. Acest
capitol este dedicat prezentarii, sub o forma simpla, a acestor tehnici.
1. Modelul matematic pentru o problema de transport
2. Determinarea unei solutii initiale
3. Ameliorarea (mbunatatirea) unei solutii
4. Aflarea unei solutii optime
5. Degenerarea n problemele de transport
6. Probleme de transport cu capacitati limitate
Cuvinte cheie: probleme de transport, solutie initiala a unei probleme de
trasport,
solutie optima a unei probleme de transport, probleme de trasport cu
capacitati limitate.
7.1 Modelul matematic pentru o problema de transport
O problema de transport a fost formulata la Capitolul 1, problema 2. Sa o

formulam
din nou. Un produs (marfa) se afla n depozitele D1, D2, . . ., Dm cu capacitatile
a1, a2,
. . ., am si trebuie transportat(a) la centrele de consum C1, C2, . . ., Cn n

cantitatile b1, b2,
. . ., bn. Cunoscand costul transportului pe unitate de produs de la depozitul Di, i =
1,m la
centrul de consum Cj , j = 1, n, notat cu cij, se cere sa se ntocmeasca un astfel
de plan de
repartitie a produsului ncat costul total al transportului sa fie minim.
Daca notam cu xij cantitatea de produs ce se va transporta de la depozitul Di, i =
1,m,
la centrul de consum Cj , j = 1, n, atunci modelul matematic pentru probleme de
transport
130
se scrie astfel:
n
j=1
xij = ai, i= 1,m

m
i=1
xij = bi, i= 1, n
xij 0, i= 1,m, j = 1, n
(min)f =
m
i=1
n
j=1
cijxij .
(7.1)
Intuitiv, modelul matematic (7.1) al problemei de transport se poate reprezenta
prin
Tabelul 7.1.
Di \ Cj C1 C2 . . . Cn Disponibil
D1
c11
x11
c12
x12
...
c1n
x1n
a1
D2
c21
x21
c22
x22
...
c2n
x2n
a2
...
...
...
...
...
...
Dm
cm1
xm1
cm2
xm2
...
cmn
xmn
am
Necesar b1 b2 . . . bn T
Cuplul cij
xij
poarta numele de casuta.
Algoritmul de rezolvare a unui model de transport cere ca acest model sa fie
echilibrat,
adica sa fie ndeplinita conditia de echilibru
m
i=1
ai =
n
j=1
bj ,
adica totalul disponibilului sa fie egal cu totalul necesarului. Valoarea comuna T
a acestui
total se trece n casuta (m + 1, n + 1).
In caz contrar, modelul se echilibreaza prin considerarea, fie a unui depozit fictiv
Dm+1, fie a unui centru de consum fictiv Cn+1, care ofera, sau cere, diferenta
dintre cele
doua sume. Deoarece cantitatile transportate de la un depozit arbitrar,
respectiv la acest
centru fictiv, nu exista n realitate, costurile de transport corespunzatoare le
consideram
nule.
Se observa cantr-o problema de transport cu m depozite si n centre de
consum modelul
matematic contine mn variabile necunoscute si cel mult m+n1 restrictii
independente
(nu s-au inclus conditiile de nenegativitate). Numarul variabilelor necunoscute
fiind evident
mai mare ca cel al restrictiilor, rezulta ca valorile variabilelor ce verifica
sistemul de
restrictii nu sunt unic determinate.
O solutie realizabila a problemei, care contine cel mult (m + n 1)
componente strict
pozitive, se numeste solutie de baza. Solutia de baza cu exact (m+ n 1)
componente pozitive
se numeste solutie de baza nedegenerata, iar n caz contrar, degenerata.
Se constata ca modelul matematic reprezinta o problema de programare
liniara de o
forma speciala. Cu toate ca n restrictii coeficientii necunoscutelor sunt 0
sau 1, rezolvarea
prin metoda simplex cere un volum de calcule foarte mare. De aceea, se prefera
pentru
rezolvarea unei probleme de transport o cale cu tehnica specifica.
In general, pentru rezolvarea unei probleme de transport se parcurg etapele:
a) Determinarea (aflarea) unei solutii initiale (de baza, nedegerata);
b) Ameliorarea (mbunatatirea) unei solutii;
c) Aflarea (determinarea) solutiei optime.
131
7.2 Determinarea unei solutii initiale

Pentru aflarea unei solutii initiale ntr-o problema de transport se cunosc
mai multe
metode. In cele ce urmeaza vom prezenta trei metode.
7.2.1 Metoda coltului NordVest
Aceasta metoda consta n a atribui, pe rand, valori variabilelor necunoscute

ncepand
cu cea din coltul NordVest al tabelului. Astfel, mai ntai luam x11 = min(a1, b1).
Daca
min(a1, b1) = a1, atunci x12 = . . . = x1n = 0, iar daca min(a1, b1) = b1, atunci x21 = x31 = .
..=
xm1 = 0. Metoda continua apoi cu x21 = min(a2, b1 a1) n prima situatie,
respectiv cu
x12 = min(a1 b1, b2) n cealalta situatie. Procesul se repeta pana cand este
repartizata si
ultima cantitate disponibila.
Exemplul 7.2.1. Se considera trei furnizori D1, D2 si D3 care au disponibile
corespunzator
cantitatile de un anumit produs a1 = 50, a2 = 30 si a3 = 40. Acestea sunt
solicitate de patru
consumatori C1, C2, C3 si C4 n cantitatile b1 = 45, b2 = 15, b3 = 25 si b4 = 35.
Cunoscand
costurile unitare de transport 3, 2, 1, 1; 2, 3, 2, 1 si 4, 2, 3, 2 unitati monetare
de la D1, D2 si D3,
sa se scrie modelul matematic al problemei de transport, cand se urmareste
minimizarea
costului total.
Utilizand metoda coltului NordVest sa se gaseasca o solutie initiala.
Daca notam cu xij cantitatea de produs ce se va transporta de la furnizorul Di, i =
1, 2, 3
la beneficiarul Cj , j = 1, 2, 3, 4, atunci obtinem urmatorul model matematic:
x11 +x12 +x13 +x14 = 50
x21 +x22 +x23 +x24 = 30
x31 +x32 +x33 +x34 = 40
x11 +x21 +x31 = 45
x12 +x22 +x32 = 15
x13 +x23 +x33 = 25
x14 +x24 +x34 = 35
xij 0, i= 1, 2, 3, j= 1, 2, 3, 4.
(min)f = 3x11 + 2x12 + x13 + x14 + 2x21 + 3x22+
+2x23 + x24 + 4x31 + 2x32 + 3x33 + 2x34
Sub forma tabelara modelul matematic este
Di \ Cj C1 C2 C3 C4 Disponibil
D1
3
x11
2
x12
1
x13
1
x14
50
D2
2
x21
3
x22
2
x23
1
x24
30
D3
4
x31
2
x32
3
x33
2
x34
40
Necesar 45 15 25 35 120
Pentru aflarea solutiei initiale cu metoda coltului NordVest procedam
astfel: alegem
x11 = min(45, 50) = 45; atunci x21 = x31 = 0; apoi x12 = min(15, 5) = 5 si x13 = x14 = 0;
n
continuare x22 = min(10, 30) = 10 si x32 = 0; mai departe x23 = min(20, 25) = 20 si
x24 = 0 si n
final x33 = 5 si x34 = 35.
De obicei, se determina solutia initialan tabel, micsorandu-se de fiecare
data disponi132
bilul si necesarul respectiv si scriind alaturat cel ramas. Astfel avem
D1
3
45
2
5
1
0
1
0
50; 5; 0
D2
2
0
3
10
2
20
1
0
30; 20; 0
D3
4
0
2
0
3
5
2
35
40; 35; 0
Necesar 45
0
15
10
0
25
50
35
0
120
Tabelul 7.2.1.
Valoarea functiei cost total pentru solutia initiala gasita este
f = 3 45 + 2 5 + 3 10 + 2 20 + 3 5 + 2 35 = 300
Aceasta metoda este foarte simpla dar putin eficienta deoarece nu tine
cont de valorile
costurilor cij .
7.2.2 Metoda elementului minim

Metoda constan a atribui, pe rand, valori variabilelor necunoscute, ncepand
cu aceea
la care costul unitar cij este minim.
Apoi din cele ramase se lucreaza tot cu aceea care corespunde costului minim.
Daca
sunt mai multe costuri minime egale, atunci se va considera mai ntai acea
variabila care
poate lua valoarea mai mare. Valoarea variabilei se va afla ca si la metoda Nord
Vest,
considerand minimul dintre disponibil si necesar.
Exemplul 7.2.2. Utilizand metoda elementului minim sa aflam o solutie
initiala pentru
problema de transport de la Exemplul 7.2.1.
Deoarece c13 = c14 = c24 = 1 este costul minim, mai ntai vor determina valoarea
variabilei x14 ntrucat vom obtine valoarea maxima (x13 = 25; x14 = 35; x24 = 30).
Asadar,
luam x14 = 35, ceea ce implica c24 = 0, x34 = 0. Apoi alegem x13 = 15 deoarece c13 =
1 este
costul minim din cele ramase. Avem x11 = x12 = 0. Considerand costurile egale cu
2 alegem
x21 = 30 si x22 = x23 = 0. Acum luam x32 = 15, x33 = 10 si x31 = 15.
Ilustrarea intuitiva prin tabel este data n Tabelul 7.2.2.
Valoarea lui f pentru aceasta solutie este
f = 1 15 + 1 35 + 2 30 + 4 15 + 2 15 + 3 10 =
= 50 + 60 + 60 + 60 = 230.
D1
3
0
2
0
1
15
1
35
50; 15; 0
D2
2
30
3
0
2
0
1
0
30; 0
D3
4
15
2
15
3
10
2
0
40; 0
Necesar 45
15
0
15
0
25
10
0
35
0
120
Tabelul 7.2.2.
133
7.2.3 Metoda diferentelor maxime
Valorile variabilelor se atribuie ca si n cazul metodelor precedente, dar ordinea

de
atribuire se face dupa o alta regula. Pentru stabilirea ordinii de urmat se
calculeaza, pentru
fiecare linie, respectiv pentru fiecare coloana, diferenta dintre cele mai mici
doua elemente
(costuri). Apoi pe linia sau coloana cu diferenta maxima se determina
variabilele din casuta
cu cost minim. Apoi procedeul se repeta. La diferente maxime egale se
considera mai ntai
costul minim.
La lucrul cu tabel diferentele pe linii se trec n stanga tabelului, iar cele pe
coloane
deasupra tabelului.
Exemplul 7.2.3. Sa se afle o solutie initiala cu metoda diferentelor maxime

pentru problema
de transport din Exemplul 7.2.1.
Calculam diferentele pe linii si coloane. Avem urmatorul tabel cu diferente
32111
23211
42321
1111
calculate astfel: 2 1 = 1 pentru linia ntai, 2 1 = 1 pe linia a doua, 3 2 = 1
pentru linia a
treia, 32 = 1 pentru coloana ntai, 32 = 1 pentru coloana a doua, 21 = 1
pentru coloana
a treia si 2 1 = 1 pentru coloana a patra.
Se observa ca avem toate diferentele egale cu 1. Alegemx14 = 35 deoarece da
cea mai
mare repartizare pentru preturile minime. Atunci x24 = x35 = 0.
Recalculam diferentele pe liniile si coloanele ramase, obtinem tabelul
3211
2321
4231
111
Toate diferentele sunt egale. T inand seama de costul minim alegem x13 = 15
si x11 =
x12 = 0.
Pentru liniile si coloanele necompletate recalculam diferentele si obtinem
tabelul
2321
4231
211
Diferenta maxima este 2 si corespunde coloanei ntai. Alegem x21 = 30 si
x22 = x23 = 0.
Acum, pe linia a treia luam x31 = 15, x32 = 15 si x33 = 10.
Sub forma de tabel calculele arata astfel:
D1
3
0
2
0
1
15
1
35
50; 15; 0
D2
2
30
3
0
2
0
1
0
30; 0
D3
4
15
2
15
3
10
2
0
40
Necesar 45
15
15 25
10
35
0
120
Valoarea lui f pe aceasta solutie initiala este
f = 1 15 + 1 35 + 2 30 + 4 15 + 2 15 + 3 10 = 230
Se observa ca s-a obtinut aceeasi solutie initiala ca si la utilizarea
metodei elementului
minim.
134
Observatia 7.2.1 Toate cele trei solutii initiale gasite pentru problema de
transport din Exemplul
7.2.1. sunt solutii de baza nedegenerate, avand 4 + 3 1 = 6 componente
pozitive.
7.3 Ameliorarea (mbunatatirea) unei solutii
Pentru a elabora un mod de ameliorare a unei solutii corespunzatoare unei

probleme
de transport, adica de a trece de la o solutie de baza la una mai buna, vom
recurge la
problema duala.
Problema de transport are modelul matematic dat de (7.1), 7.1. Pentru a scrie
duala
trebuie sa introducem variabilele duale u1, u2, . . . , um, corespunzatoare primelor
m restrictii,
si v1, v2, . . . , vn corespunzatoare urmatoarelor n restrictii. Obtinem
u1 + v1 c11, u1 + v2 c12, . . . , u1 + vn c1n,

u2 + v1 c21, u2 + v2 c22 . . . , u2 + vn c2n,
............
um + v1 cm1, um + v2 cm2 . . . , um + vn cmn,
ui, i = 1,m, vj, j = 1, n, arbitrare
(7.2)
(max)g = a1u1 + a2u2 + . . . + amum + b1v1 + b2v2 + . . . + bnvn.
Teoremele de dualitate (v. Teoremele 5.6.1 si 5.6.2) ne asigura ca o solutie
X(0) =
(x(0)
ij ) i=1,m
j=1,n
este optima daca variabilele duale verifica restrictiile

ui + vj = cij , daca x(0)
ij
_= 0 (x(0)
(7.3) ij este necunoscuta principala)

ui + vj cij , daca x(0)
ij = 0 (x(0)
ij (7.4) este necunoscuta secundara)
numite conditii de optimalitate pentru solutia unei probleme de transport.
Fie X = (xij) i=1,m
j=1,n
o solutie initiala a problemei de transport.

Casutele din tabelul solutiei cu xij _= 0 le numim casute ocupate, iar cele cu
xij = 0 le
numim casute libere.
Relatiile (7.3) formeaza un sistem liniar de m+n1 ecuatii (corespunzatoare
casutelor
ocupate) cu m + n necunoscute. Se observa ca acest sistem este compatibil
nedeterminat.
Pentru aflarea unei solutii putem lua o necunoscuta secundara egala cu 0, de
obicei vom
alege u1 = 0.
Valorile gasite pentru u1, u2, . . . , um si v1, v2, . . . , vn se trec pe marginea tabelului
solutie
n mod corespunzator (de aceea se mai numesc si valori marginale), iar
sumele ui + vj se
scriu n coltul din dreapta sus al casutelor ocupate, alaturi de coeficientii
cij, adica structura
unei astfel de casute ocupate arata astfel
cij ui + vj
xij
Acum verificam conditiile de optimalitate (7.4) pentru casutele libere. Daca
toate
conditiile (7.4) sunt ndeplinite, atunci solutia initiala este optima. Daca
cel putin o
conditie (7.4) nu este verificata, atunci se trece la procesul de ameliorare
(mbunatatire) a
solutiei.
Definitia 7.3.1 Numim ciclu corespunzator unei casute libere o succesiune de
casute ocupate,
doua cate doua alaturate pe aceeasi linie, sau respectiv pe aceeasi coloana,
cu treceri
alternative pe linii si coloane, succesiunea ncepand imediat dupa casuta
libera si termin
andu-se n vecinatatea aceleiasi casute libere.
Intr-un ciclu marcam alternativ cu + si casutele, ncepand cu casuta
libera. Semnele
se trec n coltul din stanga jos al casutei.
135
Pentru mbunatatirea solutiei se determina valoarea minima a valorii xij
din casutele
marcate cu . Apoi, valoarea minima se aduna la valorile xij din casutele
marcate cu +
si se scade din valorile xij din casutele marcate cu .
Ciclul se alege pentru casuta libera corespunzatoare diferentei ij = cij (ui +
vj) cea
mai mare n valoare absoluta dintre diferentele ij < 0.
Prin acest proces se obtine o noua solutie a problemei de transport, mai buna
decat cea de
la care am plecat.
Exemplul 7.3.1. Sa consideram problema de transport din Exemplul 7.2.1 cu

solutia initiala
din Tabelul 7.2.1, obtinuta prin metoda coltului NordVest.
Consideram variabilele marginale u1, u2, u3 si v1, v2, v3, v4. Sistemul (7.3)
corespunzator
casutelor ocupate din Tabelul 7.2.1 este:
u1 + v1 = 3, u1 + v2 = 2, u2 + v2 = 3, u2 + v3 = 2
u3 + v3 = 3, u3 + v4 = 2.
(7.5)
Alegand u1 = 0, gasim v1 = 3, v2 = 2, u2 = 1, v3 = 1, u3 = 2, v4 = 0.
Acum verificam conditiile de optimalitate (7.4) pentru casutele libere. Avem:
u1 + v3 = 1 = c13 1; u1 + v4 = 0 c14 = 1; u2 + v1 = 4 > 2,
u2 + v4 = c24 1; u3 + v1 = 5 > 4,
u3 + v2 = 4 > 2,
de unde observam ca pentru casutele libere (2, 1), (3, 1) si (3, 2) nu sunt
verificate conditiile
de optimalitate. Prin urmare, solutia initiala din Tabelul 7.2.1 nu este
optima.
Calculele de mai sus se pot reprezenta ca n Tabelul 7.3.1.
vj v1 = 3 v2 = 2 v3 = 1 v4 = 0
ui Di \ Cj C1 C2 C3 C4 Disponibil
u1 = 0 D1
33
- 45
22
+5
11
0
10
0
50
u2 = 1 D2
24
+0
33
- 10
22
20
11
0
30
u3 = 2 D3
45
0
24
0
33
5
22
35
40
Necesar 45 15 25 35
Tabelul 7.3.1.
Sistemul (7.5) se poate rezolva direct pe Tabelul 7.3.1, plecand de la u1 + v1 = 3
si
u1 = 0.
Acum stabilim casuta libera pentru care consideram ciclul. In acest scop
calculam
diferentele ij pentru casutele libere n care nu au fost ndeplinite
conditiile de optimalitate:
21 = 2, 31 = 1 si 22 = 2.
Cum max(| 2|,| 1|,| 2|) = 2 este atins pentru doua casute libere (2, 1) si
(2, 2), vom
alege unul din ciclurile determinate de ele. De exemplu, sa ne fixam pe cel
determinat de
casuta (2, 1).
Acesta este dat de casutele (2, 1), (1, 1), (1, 2) si (2, 2). Marcam alternativ
casutele
ciclului cu + si , ncepand cu cea libera. Numarul este dat de
= min{45, 10} = 10.
136
Adunam la xij din casutele cu + si scadem acelasi numar la cele marcate
cu .
Obtinem noua solutie data de Tabelul 7.3.2.
D1
3
35
2
15
1
0
1
0
50
D2
2
10
3
0
2
20
1
0
30
D3
4
0
2
0
3
5
2
35
40
Necesar 45 15 25 25
Tabelul 7.3.2
Valoarea functiei cost total pentru noua solutie (din Tabelul 7.3.2) este
f = 3 35 + 2 15 + 2 10 + 2 20 + 3 5 + 2 35 = 280
7.4 Aflarea unei solutii optime
In paragrafele precedente am vazut cum se afla o solutie initiala si cum

poate ea
fi ameliorata (mbunatatita). Acum putem prezenta un algoritm pentru
aflarea solutiei
optime pentru o problema de transport. Acesta poarta numele de algoritmul
distributiv
sau algoritmul potentialelor.
Pasii algoritmului sunt:
Pasul 1. Se determina o solutie initiala a problemei de transport;
Pasul 2. Se gasesc valorile marginale ui, i = 1,m si vj , j = 1, n, ca solutii ale
sistemului de
ecuatii ui + vj = cij , unde i si j sunt indicii casutelor ocupate;
Pasul 3. Se verifica conditiile de optimalitate a solutiei gasite, adica daca
au loc inegalitatile
ui + vj cij pentru toti indicii (i, j) de casute libere;
Pasul 4. Daca solutia nu este optima, adica cel putin o conditie de
optimalitate nu este
ndeplinita, atunci se calculeaza diferentele ij = cij (ui+vj) < 0
corespunzatoare casutelor
libere pentru care conditia de optimalitate nu este verificata. Cea mai mare
diferenta ij n
valoare absoluta determina casuta libera (i, j) pentru care alegem ciclul
folositn ameliorarea
solutiei.
Pasul 5. Se marcheaza alternativ cu + si casutele ciclului, ncepand cu
casuta libera.
Pasul 6. Se determina valoarea minima a valorilor xij din casutele ciclului
marcate cu .
Pasul 7. Valoarea minima se aduna la valorile xij din casutele marcate cu +
si se scade
din valorile xij din casutele marcate cu . Se obtine astfel o noua solutie
pentru problema
de transport.
Pasul 8. Se reiau pasii 27 cu noua solutie si se continua repetarea lor
pana cand toate
conditiile de optimalitate sunt ndeplinite, adica s-a obtinut o solutie
optima.
Pasul 9. Se scrie solutia optima si se calculeaza valoarea minima a
functiei obiectiv (scop).
Exemplul 7.4.1. Sa rezolvam problema de transport din Exemplul 7.2.1.
Vom porni de la solutia initiala obtinuta prin metoda elementului minim
(vezi Tabelul
7.2.2). Vom parcurge calculele algoritmului direct pe tabel.
137
Avem
vj v1 = 2 v2 = 0 v3 = 1 v4 = 1
u1 = 0 D1
32
0
20
0
1
+ 15
1
- 35
50
u2 = 0 D2
2
30
30
0
21
0
11
0
30
u3 = 2 D3
4
15
2
15
3
- 10
23
+0
40
Necesar 45 15 25 35
Tabelul 7.4.1.
si ntrucat u3 + v4 = 3 > 2 = c34, deducem ca solutia nu este optima. Avem o
singura casuta
libera cu ij < 0 si anume casuta (3, 4). Formam ciclul determinat de ea prin
casutele (3, 4),
(3, 3), (1, 3) si (1, 4). Marcam alternativ cu + si casutele ciclului. Valoarea
minima este
data de = min{10, 35} = 10. Se obtine astfel o noua solutie reprezentata
n Tabelul 7.4.2
vj v1 = 3 v2 = 1 v3 = 1 v4 = 1
u1 = 0 D1
33
+0
21
0
1
25
1
- 25
50
u2 = 1 D2
2
30
30
0
20
0
10
0
30
u3 = 1 D3
4
- 15
2
15
32
0
2
+ 10
40
Necesar 45 15 25 35
Tabelul 7.4.2.
Reluam calculul valorilor marginale si verificarea conditiilor de optimalitate
pentru
noua solutie. Lucram pe Tabelul 7.4.2.
Se observa ca solutia obtinuta n tabelul 7.4.2. este optima deoarece ui +
vj cij
pentru toate casutele libere.
Deci, o solutie optima a problemei de transport 7.2.1 este
X1 =
0 0 25 25
30 0 0 0
15 15 0 10
iar min f = 1 25 + 1 25 + 2 30 + 4 15 + 2 15 + 2 10 = 220.

Observatia 7.4.1 Este posibil ca solutia optima a uni probleme de transport
sa nu fie unica,
adica sa aiba solutii multiple. Vom avea solutii multiple atunci cand exista
mai multe
casute la care ui + vj = cij , adica conditia de optimalitate este ndeplinita cu
egalitate.
Celelalte solutii optime, cand exista, se obtin aplicand procedeul ameliorarii
solutiilor
pentru casutele la care ui + vj = cij. Solutia generala se va scrie ca o
combinatie liniara
convexa a solutiilor optime gasite.
In cazul exemplului nostru, se observa ca n tabelul 7.4.2 avem casuta (1, 1)
pentru
care u1+v1 = 3 = c11 = 3. Formam ciclul (1, 1), (1, 4), (3, 4) si (3, 3). Marcam cu +
si casutele
ciclului.
Valoarea minima este data de
= min{15, 25} = 15
138
Obtinem o noua solutie optima data prin
X2 =
15 0 25 10
30 0 0 0
0 15 0 25
Solutia generala este

X = X1 + X2 =
15 0 25 + 25 25 + 10
30 + 30 0 0 0
15 15 + 15 0 10 + 25
unde 0, 0, + = 1.
7.5 Degenerarea n problemele de transport

Am vazut (7.1) ca solutia unei probleme de transport este degenerata daca
are mai
putin de m+ n 1 valori nenule (casute ocupate). Degenerarea n problemele
de transport
apare n urmatoarele situatii: a) cand solutia initiala este degenerata,
situatie posibila daca
valoarea disponibilului este egala cu valoarea necesarului, pentru o anumita
linie si coloana;
b) la mbunatatirea unei solutii, cand valoarea minima din casutele
ciclului marcate cu
este atinsa n cel putin doua cazuri.
In ambele situatii se obtin mai putine casute ocupate, avand mai
putine ecuatii decat
m + n 1. Rezulta ca variabilele duale (marginale) nu pot fi determinate.
Pentru nlaturarea acestui inconvenient se foloseste metoda zerourilor
esentiale.
Acesta consta n tranformarea unor casute libere n casute ocupate cu un
0, numit zero
esential. Acest 0 se pune n casutele libere cu costuri minime, care nu
formeaza cicluri cu
casutele deja ocupate. In final, trebuie ca numarul total al casutelor
ocupate sa fie m+n1.
In situatia b) zerourile esentiale se nscriu n casute care se elibereaza
si n care costurile
sunt mai mici.
Exemplul 7.5.1. Trei ntreprinderi I1, I2 si I3 produc patru tipuri de produse P1, P2,
P3 si
P4 cu cheltuielile unitare de productie diferite. Cheltuielile pentru producerea
unei unitati
din fiecare tip de produs, de catre fiecare ntreprindere, sunt date n tabelul
7.5.1.
Ii \ Pi P1 P2 P3 P4
I1 4 3 2 3
I2 2 4 5 2
I3 2 4 4 5
Tabelul 7.5.1.
Cele trei ntreprinderi au capacitati egale de productie, fiecare putand
produce cel
mult 40 de unitati din cele patru produse luate la un loc. Cantitatile
necesare din cele
patru produse sunt egale cu 40, 30, 50 si 40 unitati.
i) Sa se determine un plan de productie comun pentru cele trei ntreprinderi
astfel ncat
sa se asigurea ntr-o masura cat mai mare cantitatile necesare din cele
patru produse,
cu cheltuieli totale de productie minime.
ii) Sa se interpreteze din punct de vedere economic solutia optima obtinuta.
iii) Este unica solutia optima?
i) Se observa ca avem o problema de transport deoarece putem considera cele
patru
tipuri de produse ca patru centre consumatoare, iar cele trei ntreprinderi ca trei
centre de
139
depozitare. Obtinem astfel problema de transport din Tabelul 7.5.2.
Ii \ Pj P1 P2 P3 P4 Disponibil
I1
4323
40
I2
2452
40
I3
2445
40
Necesar 40 30 50 40
120
160
Tabelul 7.5.2
Deoarece modelul este neechilibrat, totalul de necesar este mai mare decat
totalul de
disponibil, vom introduce un centru fictiv de productie I4, care sa produca
diferenta de
40 unitati. Pentru acest centru fictiv costurile unitare sunt nule. Modelul
problemei de
rezolvat ia forma din Tabelul 7.5.3.
Ii \ Pj P1 P2 P3 P4 Disponibil
I1
4323
40
I2
2452
40
I3
2445
40
I4
0000
40
Necesar 40 30 50 40 160
Tabelul 7.5.3.
Aplicam metoda elementului minim si gasim solutia initiala din Tabelul
7.5.4.
vj v1 = 0 v2 = 2 v3 = 2 v4 = 0
ui Ii \ Pj P1 P2 P3 P4 Disponibil
u1 = 0 I1
40
0
32
0
2
40
30
0
40; 0
u2 = 2 I2
2
0
42
0
54
0
2
40
40
u3 = 2 I3
2
+ 0
4
- 30
4
10
52
0
40
u4 = 0 I4
0
- 40
02
+0
02
0
00
0
40; 0
Necesar 40 30 50 40 160
Tabelul 7.5.4.
Solutia determinata este degenerata. Introducem 0 (esential) la casutele
(2, 1) si (3, 1).
Determinam valorile duale (marginale) trecute pe marginea Tabelului 7.5.4.
Formam ciclul
(4, 2), (4, 1), (3, 1) si (3, 2) care se marcheaza cu + si ca n Tabelul 7.5.4.
140
Cu = min{30, 40} = 30, obtinem solutia mbunatatita din Tabelul 7.5.5.
vj v1 = 0 v2 = 2 v3 = 2 v4 = 0
u1 = 0 I1
40
0
30
0
2
40
30
0
40
u2 = 2 I2
2
0
42
0
54
0
2
40
40
u3 = 2 I3
2
+ 30
42
0
4
- 10
52
0
40
u4 = 0 I4
0
- 10
0
30
02
+0
00
0
40
Necesar 40 30 50 40
Tabelul 7.5.5.
Pentru solutia din Tabelul 7.5.5 determinam valorile marginale. Consideram
ciclul
(4, 3), (4, 1), (3, 1) si (3, 3), marcat cu + si ca n Tabelul 7.5.5. Cu = min{10,
10} = 10, gasim
solutia din Tabelul 7.5.6.
vj v1 = 2 v2 = 2 v3 = 2 v4 = 2
u1 = 0 I1
40
0
32
0
2
40
30
0
40
u2 = 0 I2
2
0
42
0
52
0
2
40
40
u3 = 0 I3
2
40
42
0
42
0
52
0
40
u4 = 2 I4
00
0
0
30
0
10
00
0
40
Necesar 40 30 50 40
Tabelul 7.5.6.
Reluand procesul de ameliorare a unei solutii pentru cea din Tabelul 7.5.6. se
constata
ca sunt ndeplinite toate conditiile de optimizare. Prin urmare, solutia
gasita
X=
0 0 40 0
0 0 0 40
40 0 0 0
este optima, iar min f = 2 40 + 2 40 + 2 40 = 240.

ii) Solutia optima gasita ne arata ca fiecare ntreprindere trebuie sa
produca numai
un tip de produs: ntreprinderea I1 sa produca P3, ntreprinderea I2 sa produca
P4, iar
ntreprinderea I3 sa produca P1. Cele treintreprinderi si folosesc la maxim
capacitatile de
productie. Cu toate acestea, necesarul de produs P2 nu este satisfacut complet
(mai trebuie
30 de unitati), precum si 10 unitati din produsul P3. Cheltuielile minime de
productie totale
sunt egale cu 240 unitati monetare.
iii) In Tabelul 7.5.6 pentru casutele (4, 1) si (4, 4) avem u1 + v1 = 0 = c41 si
respectiv
u4 + v4 = 0 = c44. Deoarece nu avem cicluri plecand de la aceste casute libere,

rezulta ca nu
mai obtinem o noua solutie optima. Rezulta ca problema are o singura
solutie optima, cea
gasita mai sus.
7.6 Probleme de transport cu capacitati limitate
Sunt situatii n care ntr-o problema de transport pe unele rute avem

capacitati limitate.
Notam cu dij capacitatea maxima ce poate fi transportata pe ruta ce leaga
depozitul
141
Di de centrul de consum Cj .
Daca pastram notatiile din 7.1., atunci modelul matematic al acestei
probleme, numit
a problema de transport cu capacitati limitate, este
n
j=1
xij = ai, i= 1,m

m
i=1
xij = bj, j= 1, n
0 xij dij, i= 1,m, j = 1, n
(min)f =
m
i=1
n
j=1
cijxij
sau sub forma de tabel
Di \ Cj C1 C2 . . . Cn Disponibil
D1
c11
d11 x11
c12
d12 x12
...
c1n
d1n x1n
a1
D2
c21
d21 x21
c22
d22 x22
...
c2n
d2n x2n
a2
..................
Dn
cm1
dm1 xm1
cm2
dm2 xm2
...
cmn
dmn xmn
am
Necesar b1 b2 . . . bn
m
i=1
ai
n
i=1
bi
Tabelul 7.6.1.
Observatia 7.6.1 Din conditiile de limitare a capacitatilor rezulta ca este
necesar ca pe
fiecare linie, respectiv coloana, sa fie verificate inegalitatile:
n
j=1
dij ai, i = 1,m

respectiv
m
i=1
dij bj, j = 1, n
Metoda de rezolvare a unei probleme de transport cu capacitati limitate este
aproape
identica cu cea a unei probleme de transport fara limite de capacitate.
La determinarea unei solutii initiale valoarea variabilei din casuta ce se
ocupa se
afla acum ca minimul dintre disponibilul necesar si capacitatea
corespunzatoare varabilei
respective. Cand acest minim este egal cu capacitatea respectiva, valoarea se
va sublinia,
ceea ce nseamna ca pe linia, respectiv coloana casutei restul variabilelor nu
se vor lua
automat egale cu zero. Aceasta nseamna ca, n general, vor fi ocupate mai
mult decat
m + n 1 casute. Se vor considera un numar de m + n 1 variabile nebarate.
Trecand la problema duala, se gasesc urmatoarele conditii, de optimalitate
pentru
probleme de transport cu capacitati limitate:
1) ui + vj cij , pentru casutele libere (i, j);
2) ui + vj cij , pentru casutele (i, j) cu valori subliniate;
142
unde ui, i = 1,m si vj , j = 1, n sunt variabilele duale ui si vj, date de sistemul
ui + vj = cij
unde (i, j) este indice de casuta ocupata (corespunzatoare la variabila de
baza).
La determinarea unei solutii initiale, din cauza capacitatilor limitate, sunt
situatii n
care nu se pot repartiza n casute tot disponibilul si tot necesarul.
Pentru a nu ajunge la o astfel de situatie, se recomanda urmatorul procedeu
de
ocupare a casutelor: a) pe linia (sau coloana) costului minim se ocupa
casutele n ordine
crescatoare a costurilor; b) se procedeaza analog pe coloana (linia) ultimei
casute ocupate
din linia (coloana) de la a); c) se continua n mod analog, alternativ, pana la
epuizarea
disponibilului si necesarului.
Exemplul 7.6.1. Sa se rezolve problema de transport cu capacitati limitate:
x11 + x12 + x13 + x14 = 150

x21 + x22 + x23 + x24 = 250
x31 + x32 + x33 + x34 = 210
x11 + x21 + x31 = 100
x11 + x21 + x32 = 160
x11 + x23 + x33 = 190
x11 + x24 + x34 = 160
xij 0, i = 1, 2, 3 si j = 1, 2, 3, 4
x12 80, x23 170, x31 80, x32 120
(min)f = 3x11 + 12x12 + 5x13 + 9x14 + 2x21 + 13x22+
+5x23 + 6x24 + x31 + 7x32 + 8x33 + 18x34.
Vom determina o solutie initiala folosind metoda elementului minim.
Obtinem astfel
Tabelul 7.6.2.
v1 = 2 v2 = 13 v3 = 5 v4 = 6 Disponibil
u1 = 0
32
0
12 13
80 0
5
150
96
0
150; 0
u2 = 0
2
20
13
40
5
30
6
160
250; 220; 200; 40; 0
u3 = 3
1 80
80
7
120 120
8
10
18 9
0
210; 120; 10
Necesar 100
20
0
160
40
0
190
180
30
0
160
0
610
Tabelul 7.6.2.
Se observa ca pentru solutia initiala avem 3 + 4 1 = 6 variabile de baza
(corespunz
atoare la casute ocupate cu valori nesubliniate).
Asadar, putem trece la verificarea optimalitatii. Calculam valorile duale
(marginale)
si observam ca solutia nu este optima deoarece pentru casuta libera (1,
2) avem u1 + v2 =
13 > c12 = 12. Ciclul corespunzator acestei casute este (1, 2), (1, 3), (2, 3) si (2,
2).
Marcam cu + si . Valoarea minima = min{40, 150} = 40 ne permite sa
scriem solutia
mbunatatita data n Tabelul 7.6.3.
v1 = 2 v2 = 12 v3 = 5 v4 = 6 Disponibil
u1 = 0
32
0
12
80 40
5
110
96
0
150
u2 = 0
2
20
13 12
0
5
170 70
6
160
250
u3 = 3
15
80 80
7 15
120 120
8
10
18 9
0
210
Necesar 100 160 190 160 610
143
Tabelul 7.6.3.
Se observa ca noua solutie gasita este optimala deoarece pentru toate
casutele libere
avem ui + vj cij, iar pentru casutele ocupate cu valori subliniate avem ui + vj

cij. Avem
X=
0 40 110 0
20 0 70 160
80 120 10 0
cu
min f = 12 40 + 5 110 + 2 20 + 5 70 + 6 160 + 1 180 + 7 120 + 8 10 = 3380
Observatia 7.6.2 In procesul de mbunatatire a unei solutii putem avea
situatia n care
ui+vj cij pentru toate casutele libere si sa existe o casuta ocupata (r, s) cu
valoare subliniata
pentru care ur + vs < crs. In acest caz se continua procesul de mbunatatire
formand un
ciclu cu varf negativ n casuta (r, s) (ocupata cu valoarea subliniata).
144
1. Precizati notiunea de problema de transport.

2. Precizati etapele generale ale rezolvarii unei probleme de transport.
3. a) Precizati metoda coltiului Nord-Vest pentru determinarea unei solutii
initiale a
unei probleme de transport;
b) Precizati metoda elementului maxim pentru determinarea unei solutii
initiale a
unei probleme de transport;
c) Prezentati metoda diferentelor maxime pentru determinarea unei solutii
initiale
a unei probleme de transport.
4. a) In ce consta mbunatatirea unei solutii a unei probleme de transport?
b) precizati algoritmul distributiv (algoritmul potentialelor) pentru
determinarea
solutiei optime a unei probleme de transport.
5. Se considera doi furnizori F1 si F2, care au cantitatile disponibile a1 = 40
unitati si respectiv
a2 = 25 unitati. Acestea sunt solicitate de trei beneficiari B1,B2,B3 n
cantitatile
b1 = 10 unitati, b2 = 35 unitati si b3 = 20 unitati. Cunoscand costurile
unitare de transport
c11 = 4, c12 = 2, c13 = 1, respectiv c21 = 2, c22 = 1, c23 = 3 unitati monetare, sa se
scrie modelul matematic si sa se determine o solutie initiala a problemei
de transport
considerate.
6. Considerand problema de transport prezentata n enuntul problemei
precedente (inclusiv
solutia initiala determinata) sa se gaseasca valorile marginale si sa se
verifice
conditiile de optimalitate.
7. Considerand probleme de transport prezentate n enuntul problemei 8, sa
se determine
o solutie initiala folosind metoda coltului nord-vest, iar apoi sa se utilizeze
algoritmul
distributiv pentru mbunatatirea acesteia si rezolvarea completa a

problemei respective.
8. Sa se rezolve problema de transport:
x11 + x12 + x13 = 10

x21 + x22 + x23 = 20
x31 + x32 + x33 = 30
x11 + x21 + x31 = 50
x12 + x22 + x32 = 5
x13 + x23 + x33 = 5
xij 0, i= 1, 3, j= 1, 3
f = 4x11 + 3x12 + x13 + 2x21 + 4x22 + 5x23 + x31 + 2x32 + 6x33 minim
9. Presupunand ca la un moment dat n timpul rezolvarii unei probleme de
transport s-a
ajuns la tabelul (situatie):
44
10
22
20
14
0
23
0
11
2
33
20
Sa se analizeze situatia data, apoi sa se ncerce formarea ciclului casutei
(1, 3). Sa se
rezolve situatia de degenerare aparuta.
145
10. Sa se rezolve problema de transport:
x11 + x12 + x13 = 11

x21 + x22 + x23 + x24 = 17
x31 + x32 + x33 + x34 = 14
x11 + x21 + x31 = 5
x12 + x22 + x32 = 15
x13 + x23 + x33 = 7
x14 + x24 + x34 = 15
xij 0, i= 1, 3, j= 1, 4
f = 4x11 + 2x12 + 5x13 + x14 + 6x21 + 5x22 + 4x23 + 4x24 + 6x31 + 8x32 + x33 + 5x34 minim
146
Testul 6
5. Notand cu xij cantitatea ce se va transporta de la furnizorul Fi (i = 1, 2) la

beneficiarul
Bj (j = 1, 3) se obtine modelul matematic:
x12 + x12 + x13 = 40

x21 + x22 + x23 = 25
x11 + x21 = 10
x12 + x22 = 35
x13 + x23 = 20
xij 0, i= 1, 2, j= 1, 3
f = 4x11 + 2x12 + x13 + 2x21 + x22 + 3x23 min
Apoi folosind metoda diferentelor maxime obtinem solutia initiala: x11 = 0,
x12 = 20,
x13 = 20, x21 = 10, x22 = 15, x23 = 0 si f = 95.
6. Se obtine:
v1 = 3 v2 = 2 v3 = 1
u1 = 0
43
0
22
20
11
20
u2 = 1
22
10
11
15
30
0
deci toate conditiile de optimizare sunt verificate si astfel solutia X =
_
0 20 20
10 15 0
_
cu f = 95 este optima.
7. Se obtine solutia initiala:
4
10
2
30
1
0
2
0
1
5
3
20
Folosind valorile marginale se deduce ca solutia nu este optima. Aplicand mai
departe
algoritmul distributiv se obtine solutia optima X =
_
0 20 20
10 15 0
_
cu fmin = 95.
8. Folosind metoda diferentelor maxime se obtine solutia initiala X =
055
20 0 0
30 0 0
. La
aplicarea algoritmului distributiv se ajunge la degenerare si se va introduce un
zero
esential. In final se deduce ca solutia initiala va fi optima si se
calculeaza lmin = 90.
9. Se rezolva situatia de degenerare prin introducerea unui zero esential n
casuta (1, 2).
10. Folosind metoda diferentelor maxime se obtine solutia initiala X0 =
0 0 0 11
0 15 0 2
5072
cu f = 141. Aceasta va fi optima, dar n casuta libera (1, 2) avem conditia

de optimalitate
verificata cu egalitate. Formand ciclul casutei respective si verificand si
conditia
de optimalitate se deduce o noua solutie optima: X1 =
0 11 0 0
0 4 0 13
5072
cu fmin = 141.
Deci avem solutia generala X = X0 + X1 cu , [0, 1] si + = 1.
147
I,
148
Capitolul 8
Siruri
Obiective: Recapitularea si completarea notiunilor despre siruri de numere

reale,
cunoscute din nvatamantul preuniversitar, urmate de introducerea si
studiul sirurilor n
spatii metrice.
Rezumat: Prezentul capitol ncepe cu reluarea cunostintelor esentiale
despre siruri
de numere reale. Se continua cu studiul sirurilor pe spatii metrice, cu
particularizari n
spatiile Rm, m 1 si principiul contractiei.
1. Siruri de numere reale
2. Siruri n spatii metrice

Cuvinte cheie: sir de numere reale, sir monoton, sir marginit, limita, sir
fundamental,
dobanda compusa, sir de puncte ntr-un spatiu metric, spatiu metric
complet,
contractie, principiul contractiei.
8.1 Siruri de numere reale
Acest paragraf este consacrat recapitularii notiunilor principale despre siruri

de numere
reale si completarii lor cu cateva notiuni si rezultate necesare n
expunerile ulterioare.
Definitia 8.1.1 Se numeste sir de numere reale sau sir numeric o functie f : Np
R, unde
Np = {p, p + 1, p + 2, . . .}, p fiind un numar natural.
Scriind f(n) = an, sirul se noteaza prin (an)np sau {an}np. In mod uzual se ia p =
1
sau, uneori, p = 0. Pentru comoditate, fara a restrange generalitatea, vom
considera sirurile
(an)n1, scriind simplu (an); an se va numi termenul general al sirului.
Un sir poate fi dat prin termenul general, enumerand termenii sirului sau
printr-o
formula de recurenta.
Definitia 8.1.2 Un sir de numere reale (an) este marginit superior (majorat)
daca multimea
termenilor sai este majorata.
Altfel spus, sirul numeric (an) este majorat daca exista numarul real asa
ncat an ,
n = 1, 2, 3, . . ..
Definitia 8.1.3 Un sir de numere reale (an) este marginit inferior (minorat)
daca multimea
termenilor sai este minorata.
Cu alte cuvinte, sirul numeric (an) este minorat daca exista numarul real asa
ncat
an, n = 1, 2, 3, . . ..
149
Definitia 8.1.4 Spunem ca sirul numeric (an) este marginit daca simultan este
majorat si
minorat, adica daca exista numerele reale si asa ncat an , n = 1, 2,
3, . . ..
Deoarece orice interval [, ] este inclus ntr-un interval simetric fata de 0 de
forma
[M,M], cu M > 0, putem afirma ca sirul (an) este marginit daca si numai
daca exista un
numar real M >0 asa ncat sa avem
|an| M, n = 1, 2, 3, . . . .
Definitia 8.1.5 Sirul numerelor (an) este nemarginit daca nu este marginit,
adica daca n
afara oricarui interval marginit exista cel putin un termen al sirului.
Exemple:
8.1.1 Sirul an = 2+(1)n este marginit deoarece |an| 3, ()n N.
8.1.2 Sirul an = 3n nu este marginit superior dar este marginit inferior (an 1,
()n N).
8.1.3 Sirul an = 3n nu este minorat, dar este majorat (an < 0, ()n N).
8.1.4 Sirul an = (1)n 2n nu este nici minorat si nici majorat.
Definitia 8.1.6 Sirul (an) este crescator (strict crescator) daca an an+1,
(respectiv an <
an+1) pentru orice n N
.
Definitia 8.1.7 Sirul (an) este descrescator (strict descrescator) daca an+1 an
(respectiv
an+1 < an) pentru orice n N
.
Un sir crescator sau descrescator se numeste sir monoton, iar un sir
strict crescator
sau strict descrescator se numeste sir strict monoton.
Exemple:
8.1.5 Sirul an =
2n 1
n
este strict crescator.
8.1.6 Sirul an =
2n + 1
n
este strict descrescator.
8.1.7 Sirul an = 2+(1)n nu este monoton.
Definitia 8.1.8 Fie (an) un sir de numere reale, iar (nk) un sir strict crescator de
numere
naturale. Sirul yk = ank , k N, se numeste subsir al sirului (an).
Definitia 8.1.9 Sirul numeric (an) are limita l R daca pentru orice numar real
> 0, exista
un numar natural n astfel ncat sa avem |an l| < , pentru orice n natural, n >
n .
Daca sirul (an) are limita l se scrie lim
nan = l sau an l pentru nsi se mai spune
ca (an) este convergent la l.
Geometric, faptul ca (an) converge la l nseamna ca n afara intervalului
V (l, ) = (l , l + ) (numit vecinatate de centru l si raza ) se afla un numar
finit
de termeni, a1, a2, . . . , an , iar interiorul lui V (l, ) se afla o infinitate de termeni ai
sirului
(fig.8.1.1).
Fig.8.1.1.
150
Rezulta ca orice sir numeric convergent este marginit.
Definitia 8.1.10 Sirul numeric (an) are limita + daca pentru orice numar real
pozitiv E,
exista nE N asa ncat an > E, pentru orrice n natural, n > nE.
Daca sirul (an) are limita + nseamna ca n afara intervalului V () = (E,)
(numit
vecinatate a lui +) se afla un numar finit de termeni a1, a2, . . . , anE (fig.8.1.2).
Fig.8.1.2.
Definitia 8.1.11 Sirul numeric (an) are limita daca pentru orice numar real
negativ E,
exista nE N asa ncat an < E, pentru orice n natural, n > nE.
Daca sirul an are limita se scrie lim
n
an = sau an pentru n.
Geometric, faptul ca sirul (an) are limita nseamna ca n afara
intervalului
V () = (,E) (numit vecinatate a lui ) se afla un numar finit de termeni ai

sirului:
a1, a2, . . . , anE (fig.8.1.3).
Fig.8.1.3.
Daca un sir de numere reale are limita + sau se mai zice ca are limita
infinita.
Un sir de numere reale care are limita infinita sau nu are limita se spune ca
este divergent.
Propozitia 8.1.1 Daca un sir de numere reale are limita, finita sau infinita,
atunci ea este
unica.
Veridicitatea acestei propozitii rezulta prin reducere la absurd si folosind
definitia
limitei unui sir.
Teorema 8.1.1 Daca (an) si (bn) sunt siruri de numere reale astfel ncat lim
nan = l1,
lim
nbn = l2, l1 si l2 finite sau infinite, iar an bn pentru n natural, n n0, atunci l1 l2.
Demonstratie. Vom demonstra numain cazul l1 si l2 finite. In celelalte
situatii demonstratia
este analoaga.
Presupunem ca l1 > l2. Putem alege > 0 asa ncat l1 > l2 + > l2. Atunci
exista n1 N asa ncat daca n > n1 sa avem |an l1| < adica < an l1 < ,
de unde
an > l1 > l2 + . Din lim
n
bn = l2 rezulta ca exista n2 sa avem |bn l2| < , de unde

bn < l2 + . Acum, deducem ca pentru n > max{n0, n1, n2} are loc inegalitatea an >
bn, ceea
ce contrazice ipoteza. Asadar, l1 l2.
Utilizand aceasta teorema, se deduce valabilitatea urmatoarelor criterii de
comparatie,
utile n aflarea limitelor de siruri.
Propozitia 8.1.2 (Criteriul majorarii pentru limita finita). Daca pentru sirul
de numere
reale (an) exista un numar real l si un sir numeric (bn), cu lim
n
bn = 0, astfelncat |anl| bn,

atunci lim
nan = l.
151
Observatia 8.1.1 In practica, cea mai ntalnita situatie este an = xnyn, cu (xn)
sir marginit
si (yn) un sir convergent la zero.
Exemplul 8.1.8. Sirul an =
1
n
sin
1
n
,nN
are limita 0 deoarece lim
n
1
n
= 0 si
____
sin
1
n
____
1.
Propozitia 8.1.3 (Criteriul minorarii pentru limita +). Daca pentru sirul de
numere reale
(an) exista sirul numeric (bn), cu lim
nbn = +, si numarul natural n0 asa ncat an bn,
pentru orice n n0, atunci lim
n
an = +.
Exemplul 8.1.9. Sirul an = n
1 + 22 + 33 + . . . + nn, n N
, are limita + deoarece an n
nn =
n, pentru orice n N
, si lim
nan = +.
Propozitia 8.1.4 (Criteriul majorarii pentru limita ). Daca pentru sirul
numeric (an)
exista sirul de numere reale (bn), cu lim
nbn = , si numarul natural n0, asa ncat an bn,
pentru orice n n0, atunci lim
n
an = .
Propozitia 8.1.5 (Criteriul ncadrarii unui sir ntre doua siruri care au
aceeasi limita sau
criteriul clestelui).
Daca pentru sirul numeric (an) exista sirurile (bn) si (cn) de numere reale asa
ncat
bn an cn pentru n n0, n0 N, cu lim
nbn = lim
ncn = l, atunci sirul (an) are limita si
lim
nan = l.
Exemplul 8.1.10. Pentru sirul
an =
1
3
8n3 + n + 1
+
1
3
8n3 + 2n + 2
+...+
1
3
8n3 + n2 + n
,
nN
, avem
n

8n3 + n3 + n
< an <
n
3
8n3 + n + 1
, pentru orice n N
3
.
Cum
lim
n
n
3
8n3 + n2 + n
= lim
n
n
3
8n3 + n + 1
=
1
2,
deducem ca
lim
nan =
1
2.
Propozitia 8.1.6 Fie (an) si (bn) siruri de numere reale cu lim
nan = l1 si lim
nbn = l2, l1 si l2
finite sau infinite. Daca l1 + l2 are sens, atunci lim
n(an + bn) = lim
nan + lim
nbn = l1 + l2.
Demonstratie. Sa consideram cazul l1 si l2 finite. Pentru orice > 0 exista
numerele naturale
n1 si n2 asa ncat
|an l1| <
2, pentru orice n natural n > n1

si
|bn l2| <
2, pentru orice n natural n > n2

Fie n = max{n1, n2}. Atunci, pentru orice n natural n > n, avem, n conformitate
cu cele doua inegalitati:
|(an + bn) (l1 + l2)| |an l1| + |bn l2| <
2
+
2
= ,
ceea ce ne arata ca
lim
n(an + bn) = l1 + l2.
In mod analog se demonstreaza ca: daca l1 = + si l2 finit, atunci l1 + l2 = +;

daca
l1 = + si l2 = +, atunci l1 + l2 = +, iar daca l1 = si l2 = , atunci l1 + l2 =
.
152
Observatia 8.1.2 Pentru l1 = + si l2 = operatia l1 + l2 este fara sens (numit
si caz de
exceptie sau caz de nedeterminare) deoarece n acest caz nu se poate preciza
de la nceput
valoarea lui l1 + l2, aceasta putand sa fie orice numar real, +, sau sa nu
existe, n
functie de (an) si (bn).
Observatia 8.1.3 Afirmatiile din Propozitia 8.1.6 raman valabile si pentru un
numar finit
de termeni independent de n.
Astfel, putem scrie
lim
n
_
1
n
+
2
n
++k
n
_
= 0 (k independent de n)
dar nu putem scrie
lim
n
_
1
n
+
2
n
+...+n
n
_
= _0 + ._._. + 0
0
=0
Corect, avem
lim
n
_
1
n
+
2
n
+...+n
n
_
= lim
n
1+2+...+n
n
=
= lim
n
n(n + 1)
2n
= lim
n
n+1
2
= .
Propozitia 8.1.7 Fie (an) si (bn) doua siruri de numere reale cu lim
nan = l1 si lim
nbn = l2.
Daca l1 l2 are sens, atunci lim
n(anbn) = lim
nan lim
nbn = l1 l2.
Demonstratie. Sa consideram l1 si l2 finite. Daca l2 = 0, atunci tinand
seama ca an este
marginit, pe baza Observatiei 8.1.1, gasim lim
n
anbn = 0.
Sa presupunem ca l2 _= 0. Cum(an) este convergent, pe de o parte este marginit,
adica
exista M >0 asa ncat |an|<M, pentru orice n N
, iar pe de alta parte, pentru orice > 0
exista n1 N asa ncat
|an l1| <
2|l2| , pentru orice n > n1

Din lim
nbn = l2 rezulta ca pentru orice > 0 exista n2 N asa ca
|bn l2| <
2M
, pentru orice n > n2.
Considerand n = max{n1, n2}, avem
|anbn l1l2| = |anbn anl2 + anl2 l1l2| = |an(bn l2) + l2(an l1)|
|an| |bn l2| + |l2| |an l1|<M
2M
+ |l2|
2|l2| = ,
pentru orice n > n, adica lim
n(anbn) = l1l2.
Analog se arata ca: daca l1 finit si l2 = +, atunci l1 l2 = +, daca l1 > 0 si l1l2
= ,
daca l1 < 0, daca l1 finit si l2 = , atunci l1l2 = , daca l1 > 0 si l1l2 = +,
daca l1 < 0;
daca l1 = + si l2 = , atunci l1l2 = , daca l1 = + si l2 = +, atunci l1l2 = +
iar
daca l1 = si l2 = , atunci l1l2 = +.
Observatia 8.1.4 Pentru l1 = 0 si l2 = , operatia l1l2 este fara sens.
Observatia 8.1.5 Cele afirmate la Observatia 8.1.3 raman valabile si la
produsul de siruri.
Propozitia 8.1.8 Fie (an) un sir de numere reale cu lim

nan = l.
153
i) Daca l R
, atunci lim
n
1
an
=
1
l
;
ii) Daca l = + sau l = , atunci lim
n
1
an
= 0;
iii) Daca l = 0 si an > 0 pentru toti n n0, atunci lim
n
1
an
= +, iar daca an < 0 pentru
toti n n0, atunci lim
n
1
an
= .
Demonstratie. i) Cum l _= 0 rezulta ca 1/an este definit cu exceptia eventual,
a unui numar
finit de termeni.
Cum | |an| |l| | |an l|, Deducem ca lim
n
|an| = |l|. Acum exista n1 N asa ncat

| |an| |l| | <
|l|
2
, de unde |an| >
|l|
2
, pentru orice n n1.
Pentru orice > 0 exista n2/
N asa ca
|an l| <
|l|2
2 , pentru orice n > n2.
Fie n = max{n1, n2}; atunci
____
1
an
1
l
____
=
|an l|
|an| |l| <
|l|2
2
1
|l|
2
|l| = ,
pentru orice n > n. Prin urmare, lim
n
1
an
=
1
l
.
In mod analog se demonstreaza punctele ii) si iii) din enuntul Propozitiei
8.1.8.
Observatia 8.1.6 Folosind Propozitiile 8.1.7 si 8.1.8, acum, putem preciza
limita catului a
doua siruri. Daca lim
nan = l1, lim
nbn = l2 si l1/l2 are sens (cazuri de exceptie sunt 0/0 si
/), atunci lim
nan/bn = l1/l2.
Propozitia 8.1.9 Fie (an) si (bn) doua siruri de numere reale, an > 0, pentru orice
nN
,
lim
n
an = a si lim
n
bn = b.
i) Daca a (0,) si b R, atunci lim
n
abn
n = ab;
ii) Daca a = 0 si b R {0}, atunci
lim
nabn
n=
_
0 , pentru b > 0
+ , pentru b < 0;
iii) Daca a (0,+) si b = +, atunci
lim
nabn
n=
_
, pentru a > 1
0 , pentru a (0, 1);
iv) Daca a (0,+) si b = , atunci
lim
nabn
n=
_
0 , pentru a > 1
, pentru a (0, 1);
v) Daca a = + si b (0,), atunci
lim
n
abn
n=
_
+ , pentru b > 0
0 , pentru b < 0.
154
In cazul ridicarii la putere avem cazurile de exceptii, situatiile 00, 0 si 1.
Pentru demonstratie acestei propozitii se poate consulta cartea [4].
Propozitia 8.1.10 Sunt adevarate afirmatiile:
i) Orice sir de numere reale monoton si marginit este convergent;
ii) Orice sir numeric crescator si nemarginit are limita +;
iii) Orice sir numeric descrescator si nemarginit are limita .
Demonstratie.
i) Fie (an) un sir crescator si marginit. Punem = sup{an | n N
}. Aveman , pentru
orice n N
. Deoarece este majorant, pentru orice > 0, exista n N
asa ncat
< an
. Cum sirul (an) este crescator, pentru orice n N, n n va rezulta
an an. Deci, < an
an , de unde |an | < pentru n > n, ceea ce ne arata
ca lim
nan = .
ii) Fie (an) un sir numeric monoton crescator si nemarginit. Atunci multimea
termenilor
sirului este marginita inferior de a1, dar nu este majorata. Rezulta ca,
pentru orice
E > 0, exista un nE N asa ncat anE > E. Acum, pentru n N, n > n, putem scrie
an an > E, ceea ce ne arata ca lim
nan = +.
iii) Se demonstreaza la fel ca ii).
Observatia 8.1.7 Propozitia 8.1.10 se poate enunta scurt: orice sir monoton
de numere
reale are o limita n R = R {,+}.
Exemplul 8.1.11. Fie sirul en = (1+1/n)n, n N
. Sa aratam ca (en) este convergent.
Sa pornim de la identitatea
bk ak = (b a)(bk1 (8.1) + bk2a + + bak2 + ak1),
care este valabila pentru orice a, b R si orice k natural. Din (8.1), pentru 0 < a
< b, obtinem
inegalitatea
(8.2) bk < ak + k(b a)bk1.
Luand n (8.2) a = 1+1/(n + 1), b = 1+1/n si k = n + 1, gasim
_
1+
1
n
_
en = bn+1 < an+1 + n + 1
n(n + 1)bn = en+1 +
1
n
en,
de unde rezulta en < en+1, ceea ce ne arata ca sirul (en) este strict crescator.
Sa aratam ca
sirul (en) este marginit superior. Luam n (8.2) a = 1, b = 1+1/(2n) si k = n si
obtinem
_
1+
1
2n
_n
<1+n1
2n
_
1+
1
2n
_n1
<1+
1
2
_
1+
1
2n
_n
,
de unde gasim _
1+
1
2n
_n
< 2,
care conduce la e2n < 4. Deoarece (en) este un sir strict crescator, urmeaza ca
en < 4 pentru
orice n N
. Din punctul i) al Propozitiei 8.1.10 deducem ca sirul (en) este convergent.
Limita sirului (en) se noteaza cu e, care este un numar des ntalnit n
matematica si stiinta.
valoarea lui este 2, 71828 . . ..
155
Propozitia 8.1.11 (Lema lui Cesaro). Orice sir marginit de numere reale
contine cel putin
un subsir convergent.
Demonstratie. Fie (an) un sir marginit de numere reale. Consideram
submultimile
Ak = {ak, ak+1, . . .}, k N
si notam cu bk marginile lor superioare (acestea exista deoarece
multimea A1 = {a1, a2, . . .} este marginita). Din Ak Ak+1, rezulta bk bk+1 k N
, si deci
sirul (bn) este descrescator. Cum Ak A1, pentru orice k N
si A1 marginita rezulta ca
sirul (bk) este marginit inferior. Rezulta ca sirul (bk) este convergent.
Daca pentru orice k N
avem bk Ak, atunci putem lua bk = ank cu nk k. Din nk k
obtinem lim
nnk = , ceea ce ne arata ca putem extrage un subsir (nk) strict crescator de
numere naturale, iar subsirul (ank ) va fi un subsir al sirului (an), care are
limita.
Acum, sa presupunem ca exista un indice i N asa ncat bi _ Ai. Din faptul
ca bi
este marginea superioara a multimii Ai, deducem ca pentru orice n N
exista kn asa ncat
bi 1
n
< ai+kn
bi, adica putem scrie |ai+kn
bi| <
1
n
. De aici, pe baza criteriului majorarii
pentru limita finita, obtinem lim
nai+kn = bi. Sa aratam ca sirul (kn) de numere naturale
este nemarginit. Intr-adevar, daca ar exista un n0 astfel ca kn = kn0 , pentru
toti n n0,
atunci am avea |ai+kn0
bi| 1
n
pentru toti n > n0, ceea ce ar nsemna ca ai+kn0 = bi si bi Ai,
ceea ce ar constitui o contradictie. Prin urmare, subsirul (ai+kn) este un subsir
convergent
pentru sirul (an).
Definitia 8.1.12 Un sir (an) de numere reale se numeste sir fundamental sau
sir Cauchy
daca pentru orice > 0, exista un numar natural n, astfel ncat pentru orice
n,m N
,
n > n, m > n sa avem |am an| < .
Daca n = m, atunci conditia din definitia precedenta este evident
satisfacuta. De
aceea, putem considera, fara a restrange generalitatea, ca m > n, adica m = n
+ p, unde
pN
. Atunci Definitia 8.1.12 se poate scrie sub forma echivalenta.
Definitia 8.1.13 Un sir (an) numeric se numeste sir fundamental sau sir
Cauchy daca,
pentru orice > 0, exista un numar natural n asa ncat pentru orice n N, n >
n si orice
p N sa avem |an+p an| < .
Propozitia 8.1.12 Orice sir fundamental de numere reale este marginit
Demonstratie. Aplicam Definitia 8.1.12 pentru = 1. Atunci exista n1 N
asa ncat pentru
orice n,m N, n > n1, m > n1, sa avem |an am| < 1. Acum, putem scrie
|an| = |an an1+1 + an1+1| |an an1+1| + |an1+1| < 1 + |an1+1|
pentru orice n > n1. Daca punem = max{|a1|, |a2|, . . . , |an1
|, |1 + |an1+1|}. atunci |an| ,
pentru orice n N
, adica sirul (an) este marginit.
Teorema 8.1.2 (Criteriul lui Cauchy). Un sir de numere reale este convergent
daca si
numai daca este sir fundamental.
Demonstratie. Necesitatea. Fie (an) un sir de numere convergent la l. Sa

aratam ca este
fundamental. Din lim
nan = l, rezulta ca pentru orice > 0 exista n N asa ncat |anl| < /2
pentru orice n N, n > n. Atunci, pentru orice n,m N, m > n, n > n avem
|an am| = |an l + l am| |an l| + |am l| <
2
+
2
=
ceea ce ne dovedeste ca (an) este un sir fundamental.
Suficienta. Sa admitem ca (an) este un sir fundamental si sa aratam ca
exista l R asa
ncat lim
nan = l. Sirul (an) fiind fundamental, rezulta ca este marginit (Propozitia
8.1.12).
Atunci conform Lemei lui Cesaro (Propozitia 8.1.11), sirul (an) va contine un
subsir (ank )
156
convergent; fie l limita sa. Deoarece ank
l, pentru k , rezulta ca pentru orice > 0
exista k N asa ncat
|ank
l| <
2, pentru orice k N, k>k

(8.3) .
Din faptul ca (an) este sir fundamental avem ca exista n1 N asa ncat
|an am| <
2, pentru orice n,m N, n>n1, m > n1.

Fie acum n = max{k, n1} si luand k > n n (8.3), obtinem:
|an l| = |an ank + ank
l| |an ank
| + |ank
l| <
2
+
2
= ,
pentru orice n N, n > n.
Prin urmare, sirul (an) are limita l R, adica este convergent.
Observatia 8.1.8 Criteriul lui Cauchy permite studierea convergentei unui sir
fara sa
cunoastem limita lui. Pentru aceasta este suficient sa cercetam daca sirul
este fundamental.
Exemplul 8.1.12. Sa aratam ca sirul
an =
cos x
3
+
cos 2x
32 + . . . +
cos nx
2n , n R,
este sir Cauchy, deci convergent.
Avem
an+p =
cos x
3
+
cos 2x
32 + . . . +
cos nx
3n +
cos(n + 1)x
3n+1 + . . . +
cos(n + p)x
3n+p ,
cu p N
.
Atunci
|an+p an| =
____
cos(n + 1)x
3n+1 + . . . +
cos(n + p)x
3n+p
____
1
3n+1 + . . . +
1
3n+p =
1
3n+1
11
3p
+
1
2 3n
_
11
3p
_
<
1
2 3n .
Cum 1/2 3n 0, rezulta ca pentru orice > 0 exista n N asa ncat 1/2 3n <
,
pentru orice n N, n > n. Atunci, pentru orice n > n si orice p N
, avem |an+p an| < ,
ceea ce ne asigura ca (an) este sir Cauchy.
Exemplul 8.1.13. Sa aratam ca sirul
an = 1+
1
2
+...+
1
n
nu este fundamental, deci nu este sir convergent.
Se observa ca avem
a2n an =
1
n+1
+
1
n+2
+...+
1
2n
>
1
2n
+...+
1
_ __ 2n
de n ori
=n1
2n
=
1
2,
ceea ce ne arata ca (an) nu poate fi sir Cauchy.
Aplicatie economica. Dobanda compusa. Se investeste o suma S, data
ntr-o anumita
unitate monetara, care acumuleaza o dobanda compusa de r% anual.
Daca dobanda se adauga anual, atunci la sfarsirul primului an vom avea
suma
S1 = S + rS = S(1 + r).
157
Dupa doi ani, vom avea suma
S2 = S(1 + r)2,
iar dupa trecerea a k ani, suma acumulata va fi
Sk = S(1 + r)k.
Daca dobanda s-ar adauga de n ori pe an, atunci la trecereea a k ani am avea
suma
Sn,k = S
$
1+r
n
%kn
.
Se observa ca sirul (Sn,k) este crescator n raport cu n. Apare ntrebarea:
daca n ar
creste, adica adaugarea dobanzii s-ar face cat mai des, valoarea sumei
acumulate n cei k
ani, ar creste foarte mult?
Pentru a raspunde la ntrebare sa calculam limita sirului (Sn,k) cand n.
Avem
lim
nSn,k = lim
nS
$
1+r
n
%nk
= S lim
n
*$
1+r
n
%n
r
nk
= Serk,
ceea ce ne arata ca, practic, valoarea sumei finale depinde de suma initiala S,
dobanda
anuala r si de numarul de ani k, influenta desimii adaugarii dobanzii fiind
de mai mica
importanta.
De exemplu, daca am depune o suma S = 1$ cu dobanda compusa anuala de
1% pe o
perioada de 1 an, oricat de des am adauga dobanda, valoarea sumei
acumulate la sfarsirul
anului ar oscila n jurul lui e = 2, 71828 . . . $. (v. [2], [3], [5]).
8.2 Siruri n spatii metrice
Definitia 8.2.1 Se numeste sir de puncte n spatiul metric (X, d) o aplicatie a

multimii N =
{1, 2, . . . , n, . . .} n X.
Pentru un astfel de sir folosim notatia (xn)n1 sau simplu (xn) ca si n cazul
sirurilor
de numere reale.
Definitia 8.2.2 Sirul de puncte (xn) din spatiul metric (X, d) este convergent la x
X daca
sirul de numere reale pozitive (d(xn, x)) are limita zero.
Ca si la sirurile reale folosim notatia lim
nxn = x sau xn x (n).
Altfel spus, sirul xn x (n) n spatiul metric (X, d) daca pentru orice > 0,
exista
n N, astfel ncat d(xn, x) < daca n > n.
Propozitia 8.2.1 Daca sirul de puncte ((xn) din (X, d) este convergent n
spatiul metric
(X, d), atunci limita lui este unica.
Demonstratie. Fie lim
nxn = x si lim
nxn = y. Din Definitia 8.2.2 avem lim
nd(xn, x) =
0 si lim
nd(xn, y) = 0. Atunci din d(x, y) d(x, xn) + d(xn, y) avem d(x, y) lim
nd(xn, x) +
lim
n
d(xn, y) = 0, de unde deducem ca d(x, y) = 0. Deci avem x = y.

Definitia 8.2.3 Sirul de puncte (xn) din spatiul metric (X, d) este marginit daca
exista x0 X
si M >0 asa ncat d(xn, x0) M, pentru orice n N
Propozitia 8.2.2 Orice sir convergent de puncte din spatiul metric (X, d) este
marginit.
158
nxn = x; pentru = 1 exista n1 N asa ncat d(xn, x) < 1, oricare ar
fi n > n1. Punand M = max{d(x1, x), d(x2, x), . . . , d(xn1, x), 1}, avem d(xn, x) M,
pentru orice
nN
, ceea ce ne arata ca sirul de puncte (xn) este marginit n (X, d).
Definitia 8.2.4 Sirul de puncte (yn) din spatiul (X, d) este subsir al sirului de
puncte (xn) din
(X, d) daca exista un sir (kn)n1 de numere naturale, strict crescator, asa ncat
yn = xkn.
Propozitia 8.2.3 Daca sirul de puncte (xn) este convergent la x n (X, d), atunci
orice subsir
al sau are de asemenea limita x.
Demonstratie. Valabilitatea propozitiei rezulta din Propozitia 8.1.11, de la
siruri de
numere reale deoarece daca (yn) este un subsir al sirului de puncte (xn),
atunci sirul real
(d(yn, x)) este subsir al sirului numeric (d(xn, x)).
Propozitia 8.2.4 (Criteriul majorarii). Daca pentru sirul de puncte (xn) din (X, d)
exista
x X si sirul (an) de numere reale asa ca d(xn, x) |an| si lim
nan = 0, atunci (xn) este
convergent si lim
nxn = x.
Demonstratia se obtine folosind criteriul majorarii de la siruri de numere
reale si
Definitia 8.2.2.
Definitia 8.2.5 Sirul de puncte (xn) din (X, d) se numeste sir fundamental sau
sir Cauchy
daca pentru orice > 0 exista n N asa ncat pentru orice n,m N, n > n, m >
n, sa
avem d(xm, xn) < .
Daca n Definitia 8.2.5 luam m = n+p, p N
, atunci obtinem formularea echivalenta:
sirul (xn) din (X, d) este fundamental daca, pentru orice > 0 si orice p N
exista n N
astfel ncat, pentru orice n N, n > n, avem d(xn+p, xn) < .
Propozitia 8.2.5 Orice sir fundamental n spatiul metric (X, d) este marginit.
Demonstratie. Fie (xn) un sir Cauchy n (X, d). Pentru = 1 exista n1 N asa
ncat,
pentru orice n,m N, n > n1, m > n1, sa avem d(xn, xm) < 1. Daca punem
M = max{1, d(x1, xn1+1), d(x2, xn1+1), . . . , d(xn1, xn1+1)}
atunci d(xn, xn1+1) M, pentru orice n N
. Prin urmare, sirul (xn) este marginit n (X, d).
Teorema 8.2.1 Orice sir convergent de puncte din (X, d) este sir Cauchy n (X, d).
Demonstratie. Fie (xn) un sir convergent de puncte din (X, d). Daca lim
nxn = x, x X,
atunci pentru orice > 0 exista n asa ncat, oricare ar fi n N, n > n, sa
avemd(xn, x) < /2.
Cum pentru orice p N
si orice n N, n > n, avem si d(xn+p, x) < /2, putem scrie
d(xn+p, xn) d(xn+p, x) + d(x, xn) < /2 + /2 = ,

pentru orice n > n. De aici, rezulta ca sirul (xn) este sir fundamental.
Reciproca Teoremei 8.2.1 nu este adevarata n orice spatiu metric.
Exemplul 8.2.1. In spatiul metric (R,| |), & inzestrat cu metrica data de modul,
sirul en =
1+1
n
'n, n N
este convergent (deci si fundamental) si are limita e.
Spatiul metric (Q,| |) este un subspatiu al lui (R,| |). Proprietatea sirului (en) de
a
fi fundamental se pastreaza si n (Q, | |), dar el nu mai este convergent n (Q,
| |) deoarece
numarul e _ Q (e este numar irational).
Definitia 8.2.6 Spatiul metric (X, d) se numeste complet daca orice sir
fundamental din
(X, d) este convergent n (X, d).
Exemplul 8.2.2. Spatiul metric (R,| |) este complet pe baza criteriului lui Cauchy
(v.
Teorema 8.1.2).
159
Definitia 8.2.7 Un spatiu vectorial normat si complet se numeste spatiu
Banach, iar un
spatiu prehilbertian si complet se numeste spatiu Hilbert.
Fie (X, d1), (Y, d2) doua spatii metrice si Z = X Y produsul cartezian al celor
doua
spatii metrice. Daca z1 = (x1, y1), z2 = (x2, y2) sunt doua puncte din Z, atunci
definim
d(z1, z2) =
,
d21
(x1, x2) + d22
(y1, y2).
Propozitia 8.2.6 (Z, d) este un spatiu metric.
Demonstratie. Trebuie sa verificam pentru d axiomele metricii.
1. Evident d(z1, z2) 0, oricare ar fi (z1, z2) Z. Daca d(z1, z2) = 0, atunci d1(x1, x2) =
0 si
d2(y1, y2) = 0, de unde rezulta x1 = x2, y1 = y2, adica z1 = z2.
2. d(z1, z2) =
_
d21
(x1, x2) + d22
(y1, y2) =
_
d21
(x2, x1) + d22
(y2, y1) = d(z2, z1), oricare ar fi z1, z2 Z.
3. Fie z3 = (x3, y3) nca un punct arbitrar din Z. Avem
d(z1, z2) =
,
d21
(x1, x2) + d22
(y1, y2)
(d1(x1, x3) + d1(x3, x2))2 + (d2(y1, y3) + d2(y3, y2))2
,
d21
(x1, x3) + d22
(y1, y3) +
,
d21
(x3, x2) + d22
(y3, y2) =
= d(z1, z3) + d(z3, z2),
adica d verifica inegalitatea triunghiului.
Prin urmare (Z, d) este spatiu metric.
Observatia 8.2.1 Valabilitatea Propozitiei 8.2.6 se poate extinde la produsul
cartezian al
unui numar finit de spatii metrice.
Teorema 8.2.2 Sirul zn = (xn, yn), n N, din spatiul metric (Z, d) este convergent
catre
z = (x, y) Z daca si numai daca, lim
nxn = x si lim
nyn = y.
nzn = z, atunci, pentru orice > 0, exista n N, asa ncat, pentru
orice n > n, sa avem d(zn, z) < . Cum
d1(xn, x)
,
d21
(xn, x) + d22(yn, y) = d(zn, z) <
si
d2(yn, y)
,
d21
(xn, x) + d22
(yn, y) = d(zn, z) < ,
pentru orice n N, n > n, deducem ca lim
n
xn = x si lim
n
yn = y, ceea ce trebuie demonstrat.

Reciproc, daca lim
nxn = x si lim
nyn = y, atunci pentru orice > 0 exista n1 asa ncat,
pentru orice n > n1, sa avem d1(xn, x) < /
2 si exista n2 astfel ncat, pentru orice n > n2,

sa avem d2(yn, y) < /
2.
Cum, pentru orice n > n, n = max{n1, n2} avem
d(zn, z) =
,
d21
(xn, x) + d22
(yn, y) <
2
2
+ 2
2
= ,
rezulta lim
nzn = z.
Din Teorema 8.2.2 rezulta ca putem scrie
lim
n(xn, yn) =
$
lim
nxn, lim
nyn
%
.
160
Observatia 8.2.2 Rezultatul Teoremei 8.2.2 ramane valabil si la produsul
cartezian al unui
numar finit de spatii metrice.
Corolarul 8.2.1 Un sir din spatiul Rm este convergent, daca si numai daca,
sirurile reale
componente sunt convergente.
Valabilitatea corolarului rezulta din Teorema 8.2.1 si faptul ca Rm este produsul
cartezian al spatiului metric R, repetat de m ori.
Exemplul 8.2.3. Sa calculam limita sirului din R3
zn =
_
n
n,
_
1+
1
n
_n
,
3n2 n + 1
4n2 + n + 1
_
, n 2.
Avem
lim
nzn =
_
lim
n
n, lim
n
_
1+
1
n
_n
, lim
n
3n2 n + 1
4n2 + n + 1
_
=
=
_
1, e,
3
4
_
.
Teorema 8.2.3 Sirul de puncte zn = (xn, yn), n N
, din spatiul metric (Z, d) este sir fundamental,
daca si numai daca, (xn) si respectiv (yn) sunt siruri fundamentale n (X, d1) si
respectiv (Y, d2).
Demonstratie. Sa consideram, mai ntai, ca sirul (zn) este fundamental n
(Z, d), adica,
pentru orice > 0 si orice p N
, exista n N asa ncat, pentru orice n > n, sa avem
d(zn+p, zn) < . Deoarece
d1(xn+p, xn)
,
d21
(xn+p, xn) + d22
(yn+p, yn) = d(zn+p, zn) <
si
d2(yn+p, yn)
,
d21
(xn+p, xn) + d22
(yn+p, yn) = d(zn+p, zn) <
pentru orice p N si orice n N, n > n, rezulta ca sirul (xn) si respectiv (yn)
sunt fundamentale
n (X, d1) si respectiv (Y, d2).
Reciproc, fie (xn) si respctive (yn) siruri fundamentale n (X, d1) si respectiv (Y,
d2). Sa
aratam ca zn = (xn, yn), n N
este sir fundamental n (Z, d).
Pentru orice > 0 si orice p N
exista n N asa ncat, pentru orice n > n1 sa avem
d1(xn+p, xn) <
2
si exista n2 N asa ncat pentru orice n > n2 sa avem
d2(yn+p, yn) <
2
.
Deoarece, pentru orice n N, n > n, n = max{n1, n2} avem
d(zn+p, zn) =
,
d21
(xn+p, xn) + d22
(yn+p, yn) <
2
2
+ 2
2
= ,
deducem ca sirul (zn) este fundamental n (Z, d).
Din Teorema 8.2.3 rezulta ca sirul zn = (xn, yn), n N
, din (Z, d) este fundamental,
daca si numai daca, componentele sale (xn), respectiv (yn) sunt siruri
fundamentale n (X, d1)
si respectiv (Y, d2). Prin urmare, spatiul (Z, d) este complet, daca si numai
daca, (X, d1) si
(Y, d2) sunt complete.
Observatia 8.2.3 Rezultatul Teoremei 8.2.3 ramane valabil si la produsul
cartezian al unui
numar finit de spatii metrice.
161
Corolarul 8.2.2 Spatiile Rm sunt complete.
Valabilitatea corolarului rezulta din Observatia 8.2.3 si din faptul ca
spatiul R este
complet (Exemplul 8.2.2).
Definitia 8.2.8 In spatiul metric (X, d), o functie f : X X se numeste
contractie, daca
exista [0, 1) asa ncat, oricare ar fi x, y X avem
(8.4) d(f(x), f(y)) d(x, y).
Exemplul 8.2.4. Fie X = Rm cu metrica euclidiana
d(x, y) =
____
m
i=1
(xi yi)2,
unde x = (x1, x2, . . . , xm) X, y = (y1, y2, . . . , ym) X. Consideram aplicatia f : X
X dfinita
prin f(x) = (x1, x2, . . . , xm), [0, 1). Avem
d(f(x), f(y)) =
____
m
i=1
(xi yi)2 =
____
m
i=1
(xi yi)2 = d(x, y),

pentru orice x, y X, adica (8.4) este verificata pentru [0, 1), ceea ce ne
arata ca f este
o contractie.
Exemplul 8.2.5. Functia f : R R, definita prin
f(x) = a
x2 + b
, a>0, b>0, a<b
b
este o contractie a spatiului metric (R,| |).
In adevar, pentru orice x, y R, avem
d(f(x), f(y)) = |f(x) f(y) =
____
a
x2 + b
a
y2 + b
____
=
a|x + y|
(x2 + b)(y2 + b)d(x, y).
Cum |t| (t2 + b)/2
b, pentru orice t R, putem scrie

|x + y| |x| + |y| x2 + b
2
b
+ y2 + b
2
b
=
1
2
b
(x2 + y2 + 2b)
1
2
b
2
b
(x2 + b)(y2 + b) =
1
b
b
(x2 + b)(y2 + b)
Atunci
d(f(x), f(y)) a
b
b
d(x, y),
cu = a/b
b [0, 1), ceea ce ne arata ca f este o contractie a spatiului metric R.

Numeroase probleme practice conduc la rezolvarea unei relatii de forma f(x) = x,
unde f este o aplicatie a unui spatiu metric X n el nsasi. Un astfel de
punct x X pentru
care f(x) = x se numeste punct fix al functiei f.
Astfel, daca f este aplicatia identica a unui spatiu metric n el nsusi,
adica f(x) = x,
pentru orice x X, atunci toate punctele lui X sunt puncte fixe.
In continuare vom prezenta un rezultat fundamental al Analizei Matematice, cu
multe
aplicatii n matematica si stiintele practice, numit principiul contractiei
sau teorema de
punct fix a lui Banach care asigura, n anumite conditii, existenta si

unicitatea unui punct
fix.
162
Teorema 8.2.4 (Principiul contractiei). Orice contractie a unui spatiu metric
complet n el
nsusi admite un singur punct fix.
Demonstratie. Fie (X, d) un spatiu metric si f : X X o contractie a sa.
Unicitatea punctului fix. Sa admitem ca ar exista doua puncte fixe x si y din X,
cu
x _= y, asa ncat f(x) = x si f(y) = y. Atunci
d(x, y) = d(f(x), f(y)) d((x, y), [0, 1),
de unde
(1 )d(x, y) 0.
Cum d(x, y) > 0 si (1) > 0, avem o contradictie. Prin urmare, presupunerea
noastra
este falsa, deci exista un singur punct fix.
Existenta punctului fix. Sa consideram x0 X un punct arbitrar si sa definim
recurent
sirul (xn) prin x1 = f(x0), x2 = f(x1), . . ., xn+1 = f(xn), . . ..
Vom arata ca sirul (xn) este un sir fundamental.
Avem
d(x2, x1) = d(f(x1), f(x0)) d(x1, x0),
d(x3, x2) = d(f(x2), f(x1)) d(x2, x1) 2d(x1, x0).
Prin inductie matematica deducem ca
d(xn+1, xn) nd((8.5) x1, x0), pentru orice n N.
Pentru n, p numere naturale, p _= 0, conform cu (8.5), putem scrie
(8.6) d(xn+p, xn) d(xn+p, xn+p1) + d(xn+p1, xn+p2) + . . .+
+d(xn+1, xn) (n+p1 + n+p2 + . . . + n)d(x1, x0) =
= n 1 p
1
d(x1, x0) n
1
d(x1, x0).
Sa luam d(x1, x0) > 0 (n caz contrar, punctul fix este x0 si demonstratia
existentei
este terminata). Deoarece [0, 1), rezulta lim
nn = 0, de unde pentru orice > 0, exista
n N asa ncat, pentru orice n > n, avem
n <
(1 )
d(x1, x0) (8.7) .
Din (8.6) si (8.7) rezulta ca, pentru orice > 0 si pentru orice p N
, exista n N,
asa ncat d(xn+p, xn) < , pentru orice n N, n > n, adica sirul (xn) este
fundamental.
Cum (X, d) este spatiul metric complet, exista x X asa ncat lim
nxn = x. Mai trebuie
aratat ca x este punct fix.
Intradevar, putem scrie
d(f(x), x) d(f(x), xn+1) + d(xn+1, x) = d(f(x), f(xn))+
+d(xn+1, x) d(x, xn) + d(xn+1, x).
De aici, folosind ca lim
nd(x, xn) = 0, lim
nd(xn+1, x) = 0 si tinand cont de criteriul major
arii pentru siruri reale, deducem ca d(f(x), x) = 0, adica f(x) = x.

Demonstratia teoremei lui Banach de punct fix ne arata nu numai existenta
si unicitatea
punctului fix, ci si o metoda de aflare a punctului fix x si de asemenea,
punerea
n evidenta a unei formule pentru evaloarea erorii ce se comite considerand
respectiva
aproximatie.
Intradevar, deoarece
d(xn, x) d(xn, xn+p) + d(xn+p, x) n
1
d(x1, x0) + d(xn+p, x),
163
rezulta, pentru p ca
d(xn, x0) n
1
d(x1, x0),
inegalitatea ce ne arata cu ce eroare aproximeaza xn punctul fix x.
In acest fel, pornind de la x0 X arbitrar, punctele xn = f(xn1), n = 1, 2, . . ., apar
drept aproximatii succesive ale punctului fix x, ceea ce face ca metoda de
aproximare sa
poarte numele de metoda aproximatiilor succesive.
In aplicarea efectiva a metodei aproximatiilor succesive partea dificila
consta n determinarea
convenabila a spatiului metric complet (X, d) si a contractiei f. Cu toata
aceasta
dificultate, metoda aproximatiilor succesive este una dintre cele mai puternice
procedee de
aproximare numerica a multor probleme puse de matematica si stiintele
practice (inclusiv
cele economice).
Exemplul 8.2.6. Fie ecuatia x3+4x1 = 0 si sa ne propunem sa-i gasim
aproximativ singura
radacina reala pe care o are (demonstrati acest fapt !).
Scriem ecuatia sub forma
x=
1
x2 + 4
si consideram functia f : R R, f(x) = 1/(x2 + 4).
Din Exemplul 8.2.5, pentru a = 1 si b = 4, gasim ca f este o contractie a
spatiului
metric (R,| |), cu = 1/8. Pe baza principiilor contractiei f are un singur punct fix
x si
deci ecuatia data va avea o singura radacina reala. Folosind sirul
aproximatiilor succesive,
considerand x0 = 0, gasim:
x1 = f(x0) =
1
4
= 0, 25
x2 = f(x1) = 0, 2461
x3 = f(x2) = 0, 2463,
...................
iar xn va aproxima pe x cu o eroare d(xn, x) 2
7 8n .
164
8.3 Test de verificare a cunostintelor nr. 7

a) Sir de numere reale convergent;
b) Sir de numere reale fundamental;
c) Sir ntr-un spatiu metric;
d) Spatiu metric complet.
2. Enuntati:
a) Criteriul lui Cauchy pentru siruri de numere reale;
b) Principiul contractiei.
3) Utilizand criteriul lui Cauchy sa se arata ca urmatoarele siruri sunt
convergente:
a) an =
2n + 1
5n + 2
;
b) bn = 1+
1
2
+
1
22 + ... +
1
2n ;
c) cn = a0 + a1q + a2q2 + ... + anqn cu |ak|<M ()k N si |q| < 1;
d) dn =
cos x
3
+
cos 2x
32 + ... +
cos nx
3n ;
e) en =
cos a1
12
+
cos a2
23
+ ... +
cos an
n(n + 1)
cu ai R () i N.
4. Sa se calculeze lim
n
zn, unde zn = xn + iyn cu

xn =
.n
k=1
a
k
, a>1 si yn =
1p + 2p + ... + np
np+1 .
nun, un = (u_
(k+1)!
n,
u__
u___
n ), cu
u_
n=
n+12
n+
n 1,
u__
n= n
$
21
n 1
%
,
u
n,
___
=
1
9
9n9 + 5n2 + 1
+
1
9
9n9 + 5n2 + 2
+ ... +
1
9
9n9 + 5n2 + n
.
n, un = (u_
n, u__
n, u___
n ), cu
u
n
=
12 + 22 + ... + n2
nn ,
u
n
__
n
a+
2
b
n
cu a, b R
+,
u___
n = 33n
_
3+
1
n
_3n .
nun, un = (u_
n, u__
n, u___
n ) cu
u
_
n=
n
k=1
k! k
(n + 1)!
,
165
u
__
= sin
$
n 3
_
n3 + 3n2 + 4n 5
%
,
u
n
___
n=
n
k=2
n+1
_
1
2!
+
2
3!
+ ... + k 1
k!
_
.
8. Intr-o progresie aritmetica, n care al n-lea termen este an si suma primilor
n termeni
Sn, avem Sm
Sn
= m2
n2 . Sa se arate ca am
an
=
2m 1
2n 1
.
9. Sa se determine limita inferioara si limita superioara pentru sirul (an) cu
an = a(1)n+1 +
1
n
, a > 0.
10. Folosind principiul contractiei gasiti cu o eroare de 102 solutia
ecuatiei 10x1 = sinx.
166
Indicatii si raspunsuri Testul nr. 7

3. Se impune |an+p an| < si se gaseste n astfel ncat (an) sa fie sir
Cauchy.
4. zn a + i 1
p+1
.
5. un
_
0, ln 2,
1
9
9
_
.
6. un
_
1,
ab,
1
e
_
.
7. un
_
1,
3
2,e
.
8. Se foloseste faptul ca suma primilor n termeni ai unei progresii aritmetice a1,
an, ..., an, ...
cu ratia r este Sn = n[2a1 + (n 1)r]
2
.
9. Pentru a < 1 avem lim an =
1
a
si lim an = a.
Pentru a > 1 avem lim an = a si lim an =
1
a
.
Pentru a = 1 avem lim an = lim an = lim
nan = 1.
10. Se scrie ecuatia sub forma x =
sin x + 1
10
. Notam f(x) =
sin x + 1
10
. Se arata ca
|f
_(x)| 1
10 < 1 deci f este o contractie. Apoi folosind principiul contractiei se
gaseste
solutia aproximativa cautata x
=
sin
1
10
+1
10
.
167
II,
[2] Allen, R.G.D., Analiza matematica pentru economisti, Editura Stiintifica
(traducere),
Bucuresti, 1971.
[3] Lancaster, K., Analiza economica matematica, Editura Stiintifica,
Bucuresti, 1973.
[4] Nicolescu, M., Dinculeanu, N., Marcus, S., Manual de analiza matematica,
Vol.I,
1962, Vol.II, 1964, Editura Didactica si Pedagogica, Bucuresti.
[5] Vasiliu, D.P., Matematici economice, Editura Eficient, Bucuresti, 1996.
168
Capitolul 9
Serii numerice
Obiective: Prezentarea notiunilor generale legate de seriile numerice si

aplicatiile
economice ale acestora (de exemplu fluxul de venit).
Rezumat: In acest capitol sunt introduse si studiate notiunile de serie
numerica,
convergenta seriilor numerice, serii cu termeni pozitivi si criteriile de
convergenta pentru
acest tip de serii.
1. Notiuni preliminare
2. Criterii de convergenta pentru serii numerice cu termeni oarecare
3. Serii absolut convergente. Serii semiconvergente
4. Serii cu termeni pozitivi
5. Problema economica. Fluxul de venit
Cuvinte cheie: serie numerica, serie convergenta, criterii de convergenta,
serie
absolut convergenta, serie semiconvergenta, serie cu termeni pozitivi, fluxul de

venit.
9.1 Notiuni preliminare
Se cunoaste ca pentru orice numar finit de numere reale a1, a2, . . . , an, putem
efectua
suma lor, utilizand proprietatea de asociativitate a adunarii de numere reale.
Astfel, mai
ntai calculam a1 + a2, apoi se efectueaza
a1 + a2 + a3 = (a1 + a2) + a3, a1 + a2 + a3 + a4 = (a1 + a2 + a3) + a4
si, n general
a1 + a2 + . . . + an1 + an = (a1 + a2 + . . . + an1) + an.
Acum, este firesc sa ne punem problema efectuarii sumei termenilor unui sir
(an)n1
de numere reale, adica a unei sume cu un numar infinit de termeni.
Definitia 9.1.1 Fiind dat sirul de numere reale (an), se numeste serie de
numere reale sau
serie numerica problema adunarii termenilor sirului (an), adica problema
efectuarii sumei
(9.1) a1 + a2 + . . . + an + . . . .
In locul sumei (9.1) scriem prescurtat
n=1
an sau
n1
an sau simplu
an, an fiind
numit termenul general al seriei numerice.
Prin urmare, observam ca seriile numerice constituie problema adunarii unei
infinit
atii numarabile de numere reale.
169
Cum stim efectua adunari de numere reale n care numarul termenilor este
finit, dar
oricat de mare, este natural ca pentru efectuarea sumei
n=1
an sa utilizam sume finite de

tipul Sn = a1 + a2 + . . . + an, n care sa facem pe n sa tinda la infinit.
Definitia 9.1.2 Numin suma partiala a seriei numerice
an, suma
Sn =
n
i=1
ai = a1 + a2 + . . . + an,
iar sirul de numere reale (Sn) se numeste sirul sumelor partiale.
Observatia 9.1.1 In literatura matematica, deseori, se defineste seria
numerica
an prin
cuplul de siruri (an) si (Sn) ([2], [4]).
Definitia 9.1.3 Spunem ca seria
an este convergenta daca sirul sumelor partiale (Sn) este
convergent.
In acest caz, daca lim

nSn = S, atunci S se numeste suma seriei
an si scriem
S=
an = a1 + a2 + . . . + an + . . . .
Definitia 9.1.4 Spunem ca seria
an este divergenta, daca sirul sumelor partiale (Sn) este
divergent.
Exemplul 9.1 Seria numerica
n=0
aqn, unde a, q R, se numeste serie geometrica . Daca

a = 0, avem Sn = 0 pentru orice q R, de unde rezulta ca seria este
convergenta, avand
suma 0. Sa consideram a _= 0. Atunci, pentru q _= 1, avem
Sn = a + aq + . . . + aqn = a
1 qn+1
1q
,
iar pentru q = 1
Sn = a(n + 1).
Pentru q (1, 1), deoarece lim
nqn+1 = 0, avem lim
nSn = a
1q
. Prin urmare, pentru
|q| < 1, seria geometrica este convergenta, avand suma S = a/(1 q).
Daca q 1, atunci sirul (Sn) are limita + sau dupa cum a > 0 sau, a < 0,
iar pentru q 1 limita sirului (Sn) nu exista. Deci, pentru |q| 1 seria
geometrica este
divergenta. In concluzie, seria geometrica
n=0
aqn cenverge pentru a = 0, oricare q R si

pentru a _= 0 si q (1, 1). Prin urmare, pentru |q| < 1, putem scrie
n=0
aqn = a + aq + . . . + aqn + . . . = a
1q
.
Exemplul 9.1.2. Seria
n=1
1
(2n 1)(2n + 1)
este convergenta. Intr-adevar, avem
Sn =
n
h=1
1
(2h 1)(2h + 1)
=
n
h=1
1
2
_
1
2h 1
1
2h + 1
_
=
170
=
1
2
_
11
3
+
1
3
1
5
+
1
5
1
7
+ . . .+
+
1
2n 3
1
2n 1
+
1
2n 1
1
2n + 1
_
=
=
1
2
_
11
2n + 1
_
.
Prin urmare, lim
nSn =
1
2
, ceea ce arata ca seria data este convergenta, avand suma
1/2.
Observatia 9.1.2 O serie
an n care termenul general se poate pune sub forma an =
bn bn+1 poarta numele de serie telescopica.
n=1
(1)n1 este divergenta deoarece S2k1 = 1 si S2k = 0, pentru

orice k N
, sirul sumelor partiale (Sn) fiind divergent.
n=1
1
n
, numita seria armonica, este divergenta.
In adevar, sirul sumelor partiale Sn = 1+
1
2
+...+
1
n
este divergent deoarece nu este
sir Cauchy (v. Exemplul 8.1.13).
Observatia 9.1.3 Seria
1
n
este numita serie armonica deoarece an = 1/n este media armonic
a a numerelor an1, an+1, adica 2/an = 1/an1 + 1/an+1.
Propozitia 9.1.1 Daca seria
an converge, atunci lim
nan = 0.
Demonstratie. Seria
an fiind convergenta , avem lim
n
Sn = S. Dar an = Sn Sn1, de
unde lim
nan = lim
nSn lim
nSn1 = S S = 0.
Corolarul 9.1.1 Daca pentru seria
an sirul (an) nu converge la 0, atunci seria este divergent
a.
Observatia 9.1.4 Conditia lim
nan = 0 este necesara dar nu si suficienta pentru convergenta
seriei
an.
De exemplu, seria armonica
1
n
este divergenta, desi lim
n
1/n = 0.
n2
n
n este divergenta deoarece lim

n
n = 1 _= 0.
Definitia 9.1.5 Fiind data seria
n
n=1
an, numim rest de ordinul k al ei, notat cu rk seria
n=k+1
an = ak+1 + ak+2 + . . .
Propozitia 9.1.2 Seria
n=1
an, seria rest
n=k+1
an au aceeasi natura, adica sunt ambele convergente

sau ambele divergente.
171
Demonstratie. Fie n > k; notam cu Sn si respectiv Tn sumele partiale
corespunzatoare
termenului an din seria
an si respectiv
n=k+1
an. Avem
Tn = Sn (a1 + a2 + . . . + ak).
Daca
an este convergenta, adica lim
nSn = S, atunci lim
nTn = S (a1 + a2 + . . . +
ak), ceea ce ne arata ca seria
n=k+1
an este tot convergenta. Reciproc, daca

n=k+1
an este
convergenta, adica lim
n
Tn = T, atunci lim
n
Sn = T + (a1 + . . . + ak), ceea ce arata ca seria

an este convergenta.
Evident ca, daca unul din sirurile (Sn) si (Tn) este divergent atunci si
celalalt este
divergent. Prin urmare, daca una din seriile
n=1
an si
n=k+1
an este divergenta, atunci si

cealalta este divergenta.
Corolarul 9.1.2 Daca unei serii numerice i se suprima sau i se adauga un numa
finit de
termeni, atunci natura ei nu se schimba.

an converge atunci sirul resturilor (rk)k1 este convergent
la zero.
Demonstratie. Daca seria
an este convergenta, atunci lim
nSn = S. Cum, pentru orice
kN
, avem rk = S Sk, de unde lim
k
rk = S S = 0.
Definitia 9.1.6 Daca consideram seriile
n=1
an si
n=1
bn se numeste seria suma seria numeric

a
n=1
(an + bn) = (a1 + b1) + (a2 + b2) + . . . + (an + bn) + . . .

si serie produs cu scalarul R seria numerica
n=1
(an) = a1 + a2 + . . . + an + . . . .
Teorema 9.1.1 Daca seria
an converge, avand suma A, iar seria
bn converge, avand
suma B atunci seria
(an + bn) converge si are suma A + B.
Demonstratie. Fie An =
n
k=1
ak si B =
n
k=1
bk. Cum lim

n
An = A, iar lim
n
Bn = B, rezulta ca
An + Bn =
n
k=1
(ak + bk) converge la A + B, ceea ce ne permite sa scriem

(an + bn) = A + B.
Teorema 9.1.2 Daca R {0},atunci seriile
an si
an au aceeasi natura.
Demonstratie. Fie Sn =
n
h=1
ak. Daca
an converge, atunci lim

n
n
h=1
ak = S, ceea ce
implica si lim
nSn = S. Cum a1 + . . . + an = Tn = Sn, rezulta ca si seria
an este
convergenta si are suma S. Daca
n=1
an este divergenta, atunci sirul (Sn) diverge, ceea ce

172
atrage dupa sine ca sirul Tn = Sn diverge, adica seria
an este divergenta. Reciproc
rezulta prin nlocuirea lui cu 1/.
Teorema 9.1.3 Daca ntr-o serie convergenta se asociaza termenii seriei n
grupe cu un
numar finit de elemente, pastrand ordinea, atunci se obtine tot o serie
covnergenta cu
aceeasi suma.
Demonstratie. Fie seria
an convergenta, Sn = a1 + a2 + . . . + an si lim
nSn = S. Sa
aranjam termenii seriei
an n grupe cu un numar finit de termeni astfel
(a1 + a2 + . . . + an1(9.2) ) + (an1+1an2+2 + . . . + an2 ) + . . .+
+(ank1+1 + ank1+2 + . . . + ank) + . . .
pastrand ordinea termenilor. Notand bi = ani1+1 + ann1+2 + . . . + ani , i = 1, 2, 3, . . .
si Tk =
b1 +b2 +. . .+bk, k = 1, 2, . . . scriem Tk = Snk , k = 1, 2, . . . ceea ce ne arata ca (Tk)
este un subsir
al sirului (Sn). Deoarece lim
nSn = S, deducem ca lim
k
Tk = lim
k
Snk = S, ceea ce ne arata ca

seria (9.2) este convergenta, iar suma ei este S.
Observatia 9.1.5 Reciproca teoremei nu are loc, adica daca ntr-o serie
an convergenta
n care termenii sunt grupe cu un numar finit de termeni, atunci prin
desfasurarea grupelor
(nlaturarea parantezelor), pastrand ordinea termenilor, se poate obtine o
serie divergenta.
De exemplu, seria
(9.3) (1 1) + (1 1) + (1 1) + . . .
este convergenta, n imp ce seria
11+11+11+...=
n=1
(9.4) (1)n1
este divergenta.
Observatia 9.1.6 Intr-o serie divergenta se pot aranja termenii n grupe cu un

numar finit
de elemente, pastrand ordinea, asa ncat seria obtinuta sa fie
convergenta. Astfel, seria
(9.4) este divergenta iar seria (9.3) este convergenta.
9.2 Criterii de convergenta pentru serii numerice cu

termeni
oarecare
Daca n seria
an nu facem nici o precizare asupra semnului termenilor, atunci se

mai spune ca avem o serie numerica cu termeni oarecare. In acest paragraf ne
intereseaza
sa gasim criterii prin care sa putem preciza convergenta unei serii de numere
reale. Este
important sa cunoastem convergenta unei serii deoarece, cunoscand acest
fapt, chiar daca
nu-i cunoastem suma, o putem evalua luand sume partiale cu un numar cat
mai mare de
termeni.
Teorema 9.2.1 (Criteriul lui Cauchy). Seria
an este convergenta daca si numai daca
pentru orice > 0 exista un numar natural n astfel ncat, pentru orice n
natural, n > n si
orice p N
sa avem
|an+1 + an+2 + . . . + an+p| <
Demonstratie. Fie (Sn) sirul sumelor partiale, Sn = a1 + a2 + . . . + an. Cum seria
an este
convergenta daca si numai daca sirul (Sn) este convergent, iar sirul (Sn)
este covnergent
daca si numai daca este sir fundamental , rezulta ca serie
an este convergenta daca si
numai daca, pentru orice > 0 si orice p N
, exista n N asa ncat, petru orice n N,
n > n sa avem |Sn+p Sn| < . De aici, prin nlocuirea corespunzatoare a sumelor
Sn+p si
Sn, obtinem valabilitatea criteriului lui Cauchy pentru serii numerice.
173
Teorema 9.2.2 (Criteriul Dirichlet). Seria
anbn este convergenta daca sirul sumelor
partiale al seriei
an este marginit, iar sirul (bn) este descrescator si convergent la 0.
Demonstratie. Fie (Sn) sirul sumelor partiale al seriei
an, fiind marginit, exista un
M >0 asa ncat |Sn| M, pentru orice n natural.
Utilizand faptul ca sirul (bn) este descrescator putem scrie succesiv:
|an+1bn+1 + an+2bn+2 (9.5) + an+3bn+3 + . . . + an+pbn+p| =
= |bn+1(Sn+1 Sn) + bn+2(Sn+2 Sn+1) + bn+3(Sn+3 + Sn+2) + . . .+
+bn+p(Sn+p + Sn+p1)| =
= | bn+1Sn + (bn+1 bn+2)Sn+1 + (bn+2 bn+3)Sn+2 + . . .+
+(bn+p1 bn+p)Sn+p1 + bn+pSn+p|
|Sn| |bn+1| + |bn+1 bn+2| |Sn+1| + |bn+2 bn+2| |Sn+2| + . . .+
+|bn+p1 bn+p| Sn+p1| + |bn+p| Sn+p|
M(bn+1 + bn+1 bn+2 + bn+2 bn+3 + . . . + bn+p1 bn+p + bn+p) =
= 2Mbn+1
Deoarece bn+1 0 pentru n , pentru orice > 0 exista n N asa ncat,
pentru
orice n N, n > n, sa avem bn+1 < /2M. Acum, din (9.5) rezulta
|an+1bn+1 + an+2bn+2 + . . . + an+pbn+p| <
pentru orice n N, n > n. Prin urmare, sunt ndeplinite conditiile din criteriul
lui Cauchy
(Teorema 9.2.1), rezultand ca seria
anbn este convergenta.
Exemplul 9.2.1. Fie seria
n=1
sin nx
n
, unde x R. Se observa ca seria
n=1
sin nx are sirul

sumelor partiale (Sn(x)) marginit. Intr-adevar daca x _= 2k, k Z,
nmultind Sn(x) cu
2 sin x
2, gasim
Sn(x) =
cos x
2
cos
&
n+1
2
'
x
2 sin
,
de unde
|Sn(x)| = | sin x + . . . + sinnx| =
__
cos x
2
cos
&
n+1
2
'
x
__
2
__
sin
2
__

2
2
__
sin x
2
__= 1 __
sin x
2
__
, pentru orice n N.
Daca x = 2k, k Z, atunci Sn(x) = 0. Deci,n ambele situatii exista M >0 asa
ncat
|Sn(x)| M, pentru orice n N
.
Pe de alta parte, sirul bn = 1/
n tinde descrescator la 0. Prin urmare, fiind ndeplinite

conditiile criteriului lui Dirichlet rezulta ca seria
n=1
sin nx
n
este convergenta pentru orice
x R.
Teorema 9.2.3 (Criteriul lui Abel). Daca seria
an este convergenta si (bn) este un sir
monoton si marginit, atunci seria
anbn este convergenta.
174
Demonstratie. Cum sirul (bn) este monoton si marginit rezulta ca el este
convergent; fie
lim
n
bn = b. Fara a restrange generalitatea demonstratiei putem considera ca

sirul (bn) este
crescator. Atunci sirul (b bn) va fi un sir descrescator si cu limita 0. Din
faptul ca serie
an este convergenta rezulta ca sirul sumelor partiale este marginit.
Aplicand criteriul
lui Dirichlet, deducem ca serie
an(b bn) este convergenta. Dar
an fiind convergenta
rezulta ca si
ban este convergenta. Acum, utilizand teorema 9.1.1, obtinem ca seria
anbn este convergenta deoarece anbn = an(b bn) + ban, pentru orice n N
. Cu aceasta
teorema este demonstrata.
Exemplul 9.2.2. Fie seria
n=1
1
2n
_
1+
1
n
_n
. Observam ca seria
1
2n este convergenta, fiind
serie geometrica cu ratia
1
2
(1, 1), iar sirul bn =
&
1+1
n
'n, n N
, este strict crescator si
marginit (Exemplul 8.1.1). Cum sunt ndeplinite conditiile criteriului lui Abel,
deducem ca
seria data este convergenta.
Definitia 9.2.1 O serie
n=1
an se numeste serie alternanta (sau alternata) daca anan+1 < 0,

pentru orice n N
, adica daca termenii sai alterneaza ca semn.
Este evident ca orice serie alternanta poate fi scrisa n una din formele:
n=1
(1)n1an
sau
n=1
(1)nan, unde an 0, pentru orice n N

.
Exemplul 9.2.3. Seriile
(1)n1 1
n
= 11
2
+
1
3
1
4
+. . . si
n=1
(1)n 1
2n 1
= 1+
1
3
1
5
+
1
7
. . .
sunt serii alternate.
Teorema 9.2.4 (Criteriul lui Leibniz). Daca n serie alternanta
n=1
(1)n1an sirul (an) este

descrescator si convergent la zero, atunci seria este convergenta.
Demonstratie. Cum seria
n=1
(1)n1 are sirul sumelor partiale marginit (|Sn| 1, oricare

ar fi n N
), iar sirul (an) este descrescator si convergent la 0 rezulta, conform
criteriului
lui Dirichlet ca seria alternanta este convergenta.
n=1
(1)n1 1
2n 1
este convergenta deoarece sunt ndeplinite
conditiile criteriului lui Leibniz, adica sirul
$
1
2n1
n1
este descrescator si convergent la

zero.
Corolarul 9.2.1 Daca seria
n=1
(1)n1an ndeplineste conditiile din Criteriul lui Leibniz

(Teorema 9.2.4) si S este suma ei, atunci
|S Sn| an+1, pentru orice n N
,
unde Sn =
n
k=1
(1)k1ak suma partiala de rang n.

Demonstratie. Intr-adevar, cum ak ak+1 0, k N
, atunci
|S Sn| =
_____
n=1
(1)n1an
n
k=1
(1)k1ak
_____
=
175
|(1)nan+1 + (1)n+1an+2 + (1)n+2an+3 + . . . | =
= |(1)n[(an+1 an+2) + (an+3 an+4) + . . .]| =
= (an+1 an+2) + (an+3 an+4) + . . . =
= an+1 (an+2 an+3) (an+4 an+5) . . . an+1.
n=1
(1)n1 1
n
(numita seria armonica alternanta) este convergenta
deoarece sirul
_
1
n
_
este descrescator si convergent la 0. Fie (Sn) sirul sumelor partiale al
seriei. Cum sirul
xn = 1+
1
n
+...+
1
n
ln n, n N
,
este convergent la constanta lui Euler, avem
S2n+1 =
2n+1
k=1
(1)k1 1
k
= x2n+1 + ln(2n + 1) (n + lnn) =
= x2n+1 xn + ln
2n + 1
n
,
de unde
lim
nS2n+1 = +ln2 = ln2.
Deoarece sirul (Sn) este convergent si subsirul (S2n+1) are limita ln 2, rezulta
ca si sirul
(Sn) are limita S = ln2. Atunci, pe baza Corolarului 9.2.1, putem scrie
|Sn ln 2| 1
n + 1, n N
,
adica eroarea absoluta prin care sirul (Sn) aproximeaza pe ln 2 nu
depaseste pe 1/(n + 1).
9.3 Serii absolut convergente. Serii semiconvergente

Am vazut n Exemplul 9.2.5. ca seria armonica alternanta
n=1
(1)n1 1
n
este convergent
an timp ce seria
n=1
____
(1)n1 1
n
____
=
n=1
1
n
, adica seria armonica, este divergenta (Exemplul
9.1.1). Acest exemplu ne permite sa consideram definitiile de mai jos, care ne
permit o
clasificare a seriilor convergente.
Definitia 9.3.1 Seria
an se numeste absolut convergenta, daca seria
|an| este convergent
a.
n=1
(1)n1
2n este absolut convergenta.
an este absolut convergenta, atunci seria
an este convergent
a.
Demonstratie. Deoarece
an este absolut convergenta rezulta ca
|an| este convergent
a. Atunci, conform cu criteriul lui Cauchy, pentru orice > 0, exista n N
asa ncat,
pentru orice n N, n > n si orice n N
, sa avem
|an+1| + |an+2| + . . . + |an+p| < .
176
Cum
|an+1 + an+2 + . . . + an+p| |an+1| + |an+2| + . . . + |an+p|,
obtinem ca, pentru orice > 0, exista n N
, astfel ncat, pentru orice n N, n > n si orice
pN
, are loc
|an+1 + an+2 + . . . + an+p| < ,
adica seria
an satisface criteriul lui Cauchy, ceea ce ne arata ca ea este o serie
convergenta.
Observatia 9.3.1 Reciproca Propozitiei 9.3.1 nu are loc. Exista serii
convergente pentru
care seria valorilor absolute este divergenta; de exemplu, seria armonica
alternanta.
Definitia 9.3.2 Seria
an se numeste serie semiconvergenta sau conditionat convergenta
daca seria
an este convergenta dar seria
|an| este divergenta.
n=1
(1)n1 este semiconvergenta.

Observatia 9.3.2 (Riemann). Daca
an este o serie semiconvergenta, atunci exista o
permutare a termenilor sai astfel ncat sa se obtina: i) o serie convergenta
cu suma un
numar real dat; ii) o serie divergenta cu suma + sau ; iii) o serie divergenta
cu sirul
sumelor partiale fara limita (divergent, oscilant) (v. [3]).
Aceasta observatie ne avertizeaza ca n seriile semiconvergente trebuie sa
fim atenti
la schimbarea ordinii termenilor, deoarece putem obtine serii cu naturi diferite.
Definitia 9.3.3 Fiind date seriile
n=1
an si
n=1
bn se numeste produs Cauchy sau de convolutie

al celor doua serii, serie
n=1
cn n care cn =
n
k=1
akbnk+1.
Exemplul 9.3.3. Pentru seria
n=1
(1)n1
n
produsul de convolutie cu ea nsasi este seria
n=1
cn, unde
cn =
n
k=1
(1)k1
n
(1)nk
nk+1
= (1)n1
n
n=1
1
_
k(n k + 1)
,
n = 1, 2, . . ..
Se observa n exemplul precedent ca seria
n=1
(1)n1
n
este convergenta, conform criteriului
lui Leibniz, nsa seria
cn a produsului de convolutie este divergenta deoarece
|cn| =
n
k=1
1
_
k(n k + 1)
n
k=1
1
n
n
= 1,
pentru orice n N
, adica lim
ncn _= 0.
Teorema 9.3.1 (Mertens). Daca doua serii sunt convergente si cel putin una
este absolut
convergenta, atunci seria produs Cauchy al celor doua serii este convergenta,
iar suma sa
este egala cu produsul sumelor celor doua serii.
177
Demonstratie. Fie seria
n=1
an = A si
n=1
bn = B, cu (An) si (Bn) sirurile corespunzatoare ale

sumelor partiale, iar
n=1
cn seria produs de convolutie, cu (Cn) sirul sumelor partiale. Sa

presupunem ca
n=1
an este absolut convergenta. Avem

Cn = c1 + c2 + . . . + cn = a1b1 + (a1b2 + a2b1) + . . .+
+(a1bn + a2bn1 + . . . + anb1) =
= a1(b1 + b2 + . . . + bn) + a2(b1 + . . . + bn1) + . . . + an1(b1 + b2) + anb1 =
= a1Bn + a2Bn1 + . . . + an1B2 + anB1.
Deoarece seria
n=1
bn este convergenta si are suma B, sirul dn = Bn B, n = 1, 2, . . .,

este convergent. Acum putem scrie
Cn = a1(dn + B) + a2(dn1 + B) + . . . + an(d1 + B) =
B(a1 + a2 + . . . + an) + a1dn + a2dn1 = . . . + and1 =
= BAn + a1dn + a2dn1 + . . . + and1,
de unde
Cn AnB (9.6) = a1dn + a2dn1 + . . . + and1.
Cum seria
n=1
|an| este convergenta rezulta ca sirul sumelor ei partiale este marginit,

adica exista un M >0 asa ncat
n
k=1
|ak|<M, pentru orice n N
(9.7) .
Din faptul ca sirul (dn) este convergent la 0, deducem ca, pentru orice > 0,
exista
n1 N
asa ncat, pentru orice n > n1 sa avem
|dn| <
2M
(9.8) .
Pe de alta parte, deoarece seria
an este convergenta avem ca an 0. Atunci,
pentru orice > 0 exista n2 N
asa ncat, pentru orice n N, n > n2, sa avem
|an| <
2(|d1| + |d2| + . . . + |dn2

|) .
Acum, din (9.6), (9.7) si (9.8), pentru orice n natural, n > n1 + n2 1, avem
|Cn AnB| (|a1| |dn| + |a2| |dn1 + . . . + |ann1
| |dn1+1)+
+(|ann1+1| |dn1
| + . . . + |an| |d1|) <
<
2M
(|a1| + |a2| + . . . ||ann1
|)+
+
2(|d1| + . . . + |dn1
|)
(|dn1
| + . . . + |d1|) <
<
2M
M +
2
=
Ceea ce ne arata ca lim
n(Cn AnB) = 0. De aici, obtinem lim
nCn = lim
nAnB = A B,
178
9.4 Serii cu termeni pozitivi

In paragraful precedent am vazut ca o serie
an absolut convergenta este si convergent
a. Cum n seria
|an| avem |an| 0, n = 1, 2, . . ., rezulta ca prezinta interes sa obtinem
criterii de convergenta pentru serii
an, cu an > 0, n = 1, 2, 3, . . ..
Definitia 9.4.1 O serie
n1
an cu an > 0, n = 1, 2, 3, . . ., se numeste serie cu termeni pozitivi.

Teorema 9.4.1 (Criteriul marginirii sirului sumelor partiale). Seria cu termeni
pozitivi
an este convergenta daca si numai daca sirul sumelor partiale este marginit.
Demonstratie. Daca seria
an este convergenta, atunci sirul sumelor partiale (Sn) este
convergent si, prin urmare, marginit.
Reciproc daca sirul sumelor partiale (Sn) este marginit, observand ca el
este strict
crescator (Sn+1 Sn = an+1 > 0, n = 1, 2, . . .), deducem ca el este convergent, ceea
ce ne
demonstreaza ca seria
Criteriul marginirii sirului sumelor partiale ne va permite sa obtinem
conditii suficiente
pentru convergenta seriilor cu termeni pozitivi.
Teorema 9.4.2 (Criteriul de comparatie a termenilor generali). Fie seriile cu
termenii pozitivi
n=1
an si
n=1
bn astfel ca an bn, pentru orice n N

. i) Daca
n=1
bn este convergenta,
atunci si
n=1
an este convergenta; ii) Daca
n=1
an este divergenta, atunci si
n=1
bn este divergent
a.
Demonstratie. Fie An = a1+a2+. . .+an si Bn = b1+b2+. . .+bn pentru n N
. Din an bn
rezulta
An Bn, pentru orice n N
(9.9)
i) Daca
n=1
bn este convergenta, atunci sirul (Bn) este marginit si din (9.9) deducem ca
sirul (An) este marginit, deci, conform criteriului marginirii sirului sumelor
partiale,
seria
n=1
ii) Daca seria
n=1
an este divergenta, atunci sirul (An) este divergent si crescator; deci,

sirul (Bn) este divergent si crescator. Prin urmare, seria
n=1
bn este divergenta.
Observatia 9.4.1 Criteriul de comparatie al termenilor generali se pastreaza
si daca an bn
pentru orice n > n0, n0 N.
n=1
1
n , R se numeste seria armonica generalizata.
Pentru = 1 seria este divergenta (Exemplul 9.1.4.).
Daca < 1, atunci 1/n > 1/n, pentru orice n N
. Cum seria
n=1
1
n
este divergenta,
179
conform criteriului de comparatie a termenilor generali obtinem ca seria
n=1
1
n este divergent
a pentru < 1.
Fie R, > 1. Avem
11
1
2 +
1
3
21
2 =
1
21
1
4 +
1
5 +
1
6 +
1
7 < 4 1
4 <
_
1
21
_2
1
(2t1) +
1
(2t1 + 1) + . . . +
1
(2t1) < 2 1
(2n1) =
_
1
21
_t1
,
de unde
S2t1 =
2t1
k=1
1
k <
t
k=1
1
(21)k1 =
11
(21)t
21
<
2 1
21 1,
adica subsirul (S2t1) al sirului sumelor partiale (Sn) este marginit.
Cum sirul (Sn) este crescator si pentru orice n N exista un t N asa
ncat n < 2t 1,
deducem ca sirul (Sn) este marginit. Prin urmare, conform criteriului
marginirii sumelor
partiale rezulta ca seria
n=1
1
n este convergenta pentru orice R, > 1.
Este bine de retinut ca seria armonica generalizata
n=1
1
n este convergenta pentru
> 1 si divergenta pentru 1.
n=1
1
_
n(n + 1)(n + 2)
este convergenta deoarece
1
_
n(n + 1)(n + 2)
<
1
n3
,
iar seria
1
n3/2 este convergenta fiind o serie armonica generalizata cu = 3/2 > 1.
Teorema 9.4.3 (Criteriul de comparatie al limitei raportului termenilor generali).
Fie seriile
an si
bn cu termenii pozitivi.
i) Daca exista lim
n
an
bn
= si (0,), atunci cele doua serii au aceeasi natura.
ii) Daca lim
n
an
bn
= 0, atunci daca
bn este convergenta rezulta ca si
an este convergent
a, iar daca
an este divergenta rezulta ca si
bn este divergenta.
iii) Daca lim
n
an
bn
= , atunci daca
an este convergenta rezulta ca si
bn este convergent
a, iar daca
bn este divergenta rezulta ca si
an este divergenta.
Demonstratie. i) Din lim
n
an
bn
= rezulta ca, pentru orice > 0, exista n N, asa ncat,
pentru orice n > n, sa avem
____
an
bn

____
< , de unde
<
an
bn
< + .
180
De aici, luand = /2, gasim
2 bn < an <
3
2 (9.10) bn,
pentru orice n > n/2.
Din (9.10), aplicand teorema 9.4.2, rezulta afirmatia de la i).
ii) Daca = 0, atunci pentru orice > 0, exista n N, astfel ncat sa avem
<
an/bn < , pentru orice n > n0, de unde obtinem
(9.11) an < bn, pentru orice n > n0.
Aplicand criteriul de comparatie a termenilor generali, din (9.11) rezulta
afirmatia de
la ii).
iii) Daca lim
nan/bn = , atunci rezulta ca lim
nbn/an = 0, de unde, conform cu ii) al
teoremei, obtinem afirmatiile de la iii).
n=2
(n
2 1) este divergenta deoarece, considerand seria

1
n
,
cum
lim
n
21
n
1
n
= lim
n
21
n 1
1
n
= ln2 > 0,
rezulta conform teoremei 9.4.3i), ca seria data are aceeasi natura ca si
seria armonica
1
n
,
adica divergenta.
Teorema 9.4.4 (Criteriul raportului D_Alembert). Fie seria numerica
n=1
an cu termeni
pozitivi. Daca
an+1
an
< 1, pentru orice n N
, atunci seria este convergenta, iar daca
an+1
an
1, pentru orice n N
, atunci seria este divergenta.
Demonstratie. Daca an+1
an
q < 1. atunci putem scrie
an = a1 a2
a1
a2
a2
. . . an
an1
a1 q q . . . q _ __
(n1) ori
= a1qn1,
de unde an a1qn1. Cum q < 1, rezulta ca seria geometrica
n=1
aqn1 este convergenta, iar

de aici, folosind criteriul de comparatie, a termenilor generali, deducem ca
seria
an este
convergenta, n acest caz.
Daca an+1
an
1, rezulta ca sirul de numere pozitive (an) este crescator, deci lim
n
an = 0.
Utilizand Corolarul 9.1.1, rezulta ca seria
an este divergenta.
Corolarul 9.4.1 Fie seria
an cu termeni pozitivi. Daca exita lim
n
an+1
an
= l, atunci:
i) daca l < 1, seria
an este covnergenta;
ii) daca l > 1, seria
an este divergenta.
Demonstratie. i) Daca lim
n
an+1
an
= l < 1, atunci pentru orice , cu 0 < < 1l, exista n N
astfel ca, pentru orice n > , sa avem

____
an+1
an
l
____
< ,
181
de unde
an+1
an
< l + < 1, pentru orice n > n.
Acum, folosind prima parte a Teoremei 9.4.4, obtinem ca seria
ii) In situatia l > 1, procedand n mod analog, gasim
an+1
an
> l > 1, pentru n > n
De aici, utilizand a doua parte a Teoremei 9.4.4, deducem ca seria
an este divergent
a.
Observatia 9.4.2 Corolarul 9.4.1 nu este aplicabil n situatia l = 1. In acest
caz, trebuie
apelat la alte metode pentru a preciza natura seriei de studiat.
Exemplul 9.4.4. Seria de numere reale
n=1
3nn!
nn ,
este cu termeni pozitivi. Vom studia natura ei utilizand criteriul raportului cu
limita. Avem
succesiv:
lim
n
an+1
an
= lim
n
3n+1(n+1)!
(n+1)n+1
3nn!
nn
= lim
n
3
_
n
n+1
_n
=
= 3 lim
n
1
&n+1
n
'n =
3
e
Cum 3/e > 1, rezulta ca seria este divergenta.
Teorema 9.4.5 (Criteriul radacinii Cauchy). Fie seria
an cu termeni pozitivi. Daca
n
an < 1. pentru n 1, atunci seria este convergenta, iar daca
an 1, pentru n 1,
atunci seria este divergenta.
Demonstratie. Daca n
an < 1, atunci avem

an = ( n
an)n n, pentru orice n 1.

Cum seria geometrica
n este convergenta deoarece < 1, conform criteriului de

comparatie a termenilor generali, rezulta ca si seria
Daca n
an 1, atunci an 1, deci lim

n
_= 0 si deci, pe baza Corolarului 9.1.1, rezulta

ca seria
an este divergenta.
Corolarul 9.4.2 (Criteriul radacinii cu limita). Fie seria
an cu termeni pozitivi. Daca
exista lim
n
n
an = l, atunci seria este convergenta pentru l < 1 si este divergenta pentru

l > 1.
Demonstratie. Daca lim
n
n
an = l < 1, atunci pentru orice , cu 0 < < 1 l, exista un

numar natural n, asa ncat
|n
an l| < , pentru n > n,

de unde
n
an < l + < 1, pentru n > n,

adica
an < (l + )n, pentru n > n.
182
Cum seria geometrica
(l + )n este convergenta, conform criteriului de comparatie

a termenilor generali, rezulta ca seria
Daca l > 1, procedand n mod analog, gasim
an > (l )n, cu l > 1, pentru n > n,
de unde obtinem ca seria
an este divergenta.
Exemplul 9.4.5. Seria numerica
n=1
_
2a n + 1
n+1
_n
, cu a > 0,
este cu termeni pozitivi.
Utilizand criteriul radacinii cu limita, avem
lim
n
n
/_
2a n + 1
n+1
_n
= lim
n
2a n + 1
n+1
= 2a.
Daca 2a < 1, adica a < 1/2, atunci seria numerica data este convergenta, iar
daca
2a > 1, adica a > 1/2, atunci seria data este divergenta.
Daca a = 1/2 atunci termenul general al seriei este 1, ceea ce implica ca seria
este
divergenta.
Teorema 9.4.6 (Criteriul RaabeDuhamel cu limita). Fie seria
an cu termeni pozitivi.
Daca
lim
nn
_
an
an+1
1
_
= l,
atunci seria este convergenta cand l > 1 si este divergenta cand l < 1.
Demonstratie. Daca l > 1, atunci pentru orice (0, l 1) exista n N asa
ncat
n
_
an
an+1
1
_
> l , pentru n > n,
de unde
(l )(9.12) an+1 < nan nan+1, pentru n > n.
Fara a restrange generalitatea, putem considera ca (9.12) are loc pentru orice
nN
.
Dand succesiv valorile 1, 2, . . . , n 1 n (9.12) obtinem
(l )a2 < a1 a2
(l )a3 < 2a2 3a3
...
(l )an < (n 1)an1 (n 1)an,
care adunate membru cu membru conduc la
(l )(a2 + a3 + . . . + an) <
< a1 + a 2 + . . . + an1 (n 1)an.
(9.13)
Punand Sn = a1 + a2 + . . . + an, n N
, din (9.13) obtinem
(l )(Sn a1) < Sn nan < Sn, pentru orice n N
,
183
de unde gasim
Sn <
a1(l )
l 1 , pentru orice n N
,
ceea ce ne arata ca sirul sumelor partiale este marginit. Prin urmare
conform cu criteriul
marginirii sirului sumelor partiale, deducem ca seria
Daca l < 1, atunci pentru orice (0, 1 l) exista n N astfel ncat
n
_
an
an+1
1
_
< l + < 1, pentru orice n > n,
de unde
nan nan+1 < an+1, n>n
adica
nan < (n + 1)an+1, n>n
(9.14) .
Fara a micsora generalitatea, putem presupune ca (9.14) are loc pentru orice
nN
.
Luand succesiv n (9.14) pentru n valorile 1, 2, . . . , n 1, obtinem
a1 < 2a2, 2a2 < 3a3, . . . , (n 1)an1 < nan,
care nmultite membru cu membru conduc la a1 < nan, de unde
an >
1
n
a1.
Cum seria armonica
1
n
este divergenta, conform criteriului de comparatie a termenilor
generali, deducem ca si seria an este divergenta.
Exemplul 9.4.6. Fie seria numerica
n=1
2 4 6 . . . 2n
1 3 5 . . . (2n 1)
1
2n + 1.
Sa cercetam natura acestei serii de termeni pozitivi. Notand cu an termenul
general
al seriei, avem
an+1
an
=
2 4 6 . . . 2n(2n + 2)
1 3 5 . . . (2n + 1)
1
2n + 3
0
2 4 . . . 2n
1 3 . . . (2n 1)
1
2n + 1
=
=
2n + 2
2n + 3.
Cum lim
n
an+1
an
= 1, rezulta ca nu putem preciza natura seriei cu ajutorul criteriului
raportului. Aplicam criteriul RaabeDuhamel:
lim
nn
_
an
an+1
1
_
= lim
nn
_
2n + 3
2n + 2
1
_
=
= lim
n
2n + 2
=
1
2 < 1,
de unde rezulta ca seria data este divergenta.
184
9.5 Problema economica. Fluxul de venit

In problemele de capitalizare se pune problema: ce suma trebuie investita ca
dupa x
ani sa se obtina o suma egala cu a, daca se cunoaste dobanda r% si
frecventa capitalizarii
ei.
Sa notam cu S suma investita (ce trebuie aflata). Ea se numeste valoarea
prezenta si
scontata a sumei a, disponibila peste x ani.
Daca dobanda r% se capitalizeaza o data pe an, atunci din aplicatia
economica din
1.1, rezulta ca suma disponibila peste x ani este S(1 + r)x. Atunci, din
S(1 + r)x = a,
rezulta
S=a
(1 + r)x .
Daca dobanda s-ar capitaliza de n ori pe an, cu r%, atunci
S=a&
1+r
n
'nx .
In fine, daca, dobanda s-ar adauga continuu, cu r%, atunci
S = ae
rx.
Parametrii de care depinde S sunt r si n, care reprezinta dobanda si
frecventa capitaliz
arii. Se observa ca suma prezenta S este cu atat mai mica cu cat dobanda
este mai
mare si cu cat se capitalizeaza mai des.
Problema pusa se poate extinde astfel: daca dorim sa variem veniturile de la
an la an
cu valorile a0, a1, . . . , am, adaugandu-se n fiecare an dobanda r%,a tunci
valoarea variatiei
venitului, numita flux de venituri, ar fi
a0 + a1
1+r
+ a2
(1 + r)2 + . . . + am
(1 + r) (9.15) m.
Suma (9.15) se numeste valoarea de capital a fluxului de venit. Ea este suma S
ce
trebuie investita pentru a obtine veniturile a0, a1, . . . , am n anii urmatori.
Se observa ca daca numarul anilor de capitalizare ar creste indefinit, atunci
suma
(9.15) reprezinta o serie de tip geometric.
Sa consideram acum un flux de venit n valoare a care ncepe n anul
urmator si
continua timp de n ani cu dobanda anuala r%. Atunci valoarea prezenta a
fluxului va fi
S=a
1+r
+a
(1 + r)2 + . . . + a
(1 + r)n =
a
1+r
11
(1+r)n
1+r
=a
r
*
1
_
1
1+r
_n+
.
Daca fluxul de venit continua indefinit, atunci valoarea prezenta se obtine
prin
trecere la limita, facand n , adica suma seriei geometrice convergente
n=1
a/(1 + r)n.
Prin urmare, valoarea prezenta S a sumei a, care va fi capitalizata la
nesfarsit, cu rata
dobanzii r% anual, este a/r.
185

a) Serie numerica;
b) Serie numerica convergenta;
c) Suma unei serii numerice;
d) Serie numerica semiconvergenta.
2. Enuntati:
a) Criteriul lui d_Alembert (raportului) pentru serii cu termeni pozitivi;
b) Criteriul lui Cauchy (radicalului) pentru serii cu termeni pozitivi;
c) Criteriul lui Raabe - Duhamel pentru serii cu termeni pozitivi;
d) Criteriul lui Leibniz pentru serii alternante;
e) Primul criteriu de comparatie pentru serii cu termeni pozitivi.
3. Aflati suma seriei
n1
un cu un =
1
n(n + 1)
.
4. Aflati suma seriei
n2
un cu un = n2 + n 3
n!
.
5. cercetati natura seriilor

n1
un cu:
a) un = nn
n!
,
b) un = an n!
nn cu a > 0, a _= e,
c) un = n2
2n .
6. Sa se studieze natura seriilor
n1
un cu:
a) un =
_
2n + 1
3n + 2
_n
,
b) un =
1_
(n + 1)(n + a) n
2n
cu a > 0,
c) un =
1
_
1+
1
n
_n2 ,
d) un =
_
13 + 23 + ... + n3
n3
n
4
_n
.
7. Sa se studieze natura seriei
n1
un, unde
un = n!
( + 1)( + 2)...( + n)
cu R.
8. Sa se studieze natura seriilor
186
a)
n1
un cu un =
*
1 3 5 ... (2n 1)
2 4 6 ... (2n)
+a
1
nn cu a R3.
b)
n1
un, cu un =
1
3
n4 + 1
, folosind primul criteriu de comparatie pentru serii cu
termeni pozitivi.
c)
n1
un cu:
i) un =
1
n , 1,
ii) un =
1
n , 2.
folosind criteriul general al lui Cauchy.
9. Sa se studieze absolut convergenta si semiconvergenta seriei numerice
n1
un cu:
a) un =
(1)n1
_
n(n + 1)
,
b) un =
sin na
2n , a R.
10. Sa se studieze natura seriei
n1
un cu:
a) un = (1)n 1
3n ,
b) un = (1)n n
n2 1
.
187

3. S = 1.
4. S = 4.
5. a) Serie divergenta;
b) Serie divergenta pentru a > e, respectiv convergenta pentru a < e;
c) Serie convergenta.
6. a) Pentru a < 1 seria converge. Pentru a 1 seria diverge;
b) Serie convergenta;
c) Serie convergenta;
d) Serie convergenta.
7. Pentru > 1 seria converge. Pentru 1 seria diverge.

8. a) Pentru a 2 seria diverge. Pentru a > 2 seria converge;
b) Se compara cu seria
n1
1
n
4
3
care converge, deci si seria data converge.

c) La (i) seria diverge iar la (ii) seria converge.
9. a) Serie semiconvergenta;
b) Serie absolut convergenta, deci si convergenta.
10. a) Serie absolut convergenta, deci si convergenta;
b) Serie convergenta.
188
II,
[2] Donciu, N., Flondor, D., Algebra si analiza matematica. Culegere de
probleme,
Editura Didactica si Pedagogica, Bucuresti, 1979.
Vol.I,
[4] Olaru, V., Halanay, A., Turbatu, S., Analiza matematica, Editura Didactica
si Pedagogic
a, Bucuresti, 1983.
189
Capitolul 10
Functii ntre spatii metrice

Obiective: Prezentarea notiunilor generale legate de functiile ntre spatii
metrice (n
special cazurilor Rn si R).
Rezumat: In acest capitol sunt introduse si studiate notiunile de vecinatate a
unui
punct ntr-un spatiu metric, functie ntre spatii metrice, limita a unei
functii ntr-un punct,
continuitatea functiilor ntre spatii metrice.
1. Vecinatate a unui punct
2. Functii ntre spatii metrice
3. Limita unei functii ntr-un punct
4. Continuitatea functiilor ntre spatii metrice
Cuvinte cheie: functie ntre spatii metrice, vecinatate, limita, continuitate.
10.1 Vecinatatea unui punct
Notiunea de vecinatate a unui punctntr-un spatiu metric este

fundamentalan setarea
notiunilor de limita si de continuitate.
Definitia 10.1.1 Fie (X, d) un spatiu metric si a un punct arbitrar din X si r un

numar real
pozitiv.
Multimea
S(a, r) = {x X|d(a, x) < r}
se numeste sfera (bila) deschisa sau de centru a si raza r, iar multimea
S(a, r) = {x X|d(a, x) r}
se numeste sfera (bila) nchisa de centru a si raza r.
Exemplul 10.1.1. Pentru X = R si d(x, y) = |x y|, pentru orice x, y R. sfera
deschisa
S(a, r) = {x R : |x a| < r} = (a r, a + r)
este intervalul deschis, centrat n a, iar sfera nchisa
S(a, r) = {x R : |x a| r}
este intervalul nchis [a r, a + r].
Exemplul 10.1.2. Pentru X = R2, sfera nchisa, si respectiv deschisa, de centru
(a, b)
si de raza r n raport cu metrica euclidiana
d(x, y) =
_
(x1 y1)2 + (x2 y2)2, unde x = (x1, x2) si
190
y = (y1, y2 R2),sunt date, repectiv, n figurile 10.1.1. si 10.1.2.
Fig.10.1.1. Fig.10.1.2.
Exemplul 10.1.3. Pentru X = R2 si d(x, y) = max{|x1 y1|, |x2 y2|}, daca x = (x1,
x2),
y = (y1, y2), sfera deschisa de raza r si centru x0 = (a, b) R2 este trasata n
figura 10.1.4.,
iar sfera nchisa de aceeasi raza si acelasi centru este trasata n figura
10.1.3.
Fig.10.1.3. Fig.10.1.4.
Exemplul 10.1.4. Daca X = R3 si d(x, y) =
_
(x1 y1)2 + (x2 y2)2 + (x3 y3)2, unde x =
(x1, x2, x3), y = (y1, y2, y3), atunci sfera deschisa S(x0, r) coincide cu interiorul sferei
cu centrul
n x0 = (a, b, c) si de raza r, iar sfera nchisa S(x0, r) coincide cu multimea
punctelor din R3
aflate n interiorul sferei sau pe sfera de raza r si centru x0.
Definitia 10.1.2 Fie spatiul metric (X, d) si x0 un punct arbitrar din X. Numim
vecinatate
a punctului x0 o multime V (x0) a spatiului X pentru care exista o sfera
deschisa centrata
n x0, continuta n V .
Altfel spus, V (x0) este vecinatate a lui x0 daca exista r > 0 asa ncat S(x0, r) V
(x0).
Propozitia 10.1.1 Fie (X, d) un spatiu metric si x0 un punct arbitrar din X. Sunt
valabile
urmatoarele proprietati:
1) daca V (x0) este o vecinatate a punctului x0, atunci orice supramultime a sa, V
, este,
de asemenea vecinatate a punctului x0;
2) daca V1(x0) si V2(x0) sunt doua vecinatati ale punctului x0, atunci V1(x0)
V2(x0) este
vecinatate a punctului x0;
3) daca V (x1) este o vecinatate a punctului x0 atunci x0 V (x0);
4) daca V (x0) este o vecinatate a punctului x0, atunci exista o vecinatate W(x0)
a punctului
x0 astfel ca pentru orice y W(x0) multimea V (x0) sa fie vecinatate a punctului
y.
191
Demonstratie. 1) Cum V (x0) este vecinatate a lui x0 rezulta ca exista r > 0
asa ncat
S(x0, r) V (x0). Dar atunci S(x0, r) U, adica U este o vecinatate a lui x0.
2) Din faptul ca V1(x0) si V2(x0) sunt vecinatati ale lui x0 rezulta ca exista r1
> 0 si r2 > 0,
asa ncat S(x0, r1) V1(x0) si S(x0, r2) V2(x0). Considerand r = min(r1, r2) se
observa ca
S(x0, r) Vi(x0), i = 1, 2; deci S(x0, r) V1(x0) V2(x0). Prin urmare, V1(x0) V2(x0) este
o
vecinatate a lui x0.
3) Aceasta proprietate rezulta din definitia vecinatatii lui x0.
4) Cum V (x0) este vecinatate a lui x0 rezulta ca exista r > 0 asa ca S(x0, r) V
(x0).
Consideram W(x0) = S(x0, r). Daca y W(x0), ntrucat d(y, x0) < r, luand r1 asa
ncat
0 < r1 < r d(y, x0), avem S(y, r1) S(x0, r) V (x0). Intr-adevar, daca z S(y, r),
atunci
d(y, z) < r1 si tinand seama de alegerea lui r1, avemd(z, x0) d(z, y)+d(y, x0) <
r1+d(x0, y) < r,
ceea ce ne arata ca z S(x0, r). Prin urmare, S(y, r1) V (x0), adica V (x0) este
vecinatate
pentru y W(x0).
Din demonstratia proprietatii 4) a Propozitiei 10.1.1, rezulta:
Corolarul 10.1.1 Orice sfera deschisa dintr-un spatiu metric este vecinatate
pentru orice
punct al sau.
Teorema 10.1.1 (Proprietatea de separatie Hausdorff). Daca a si b sunt doua
puncte distincte
ale spatiului metric (X, d),a tunci exista o vecinatate V (a) a punctului a si o
vecinatate
U(b) a punctului b astfel ca V (a) U(b) = .
Demonstratie. Cum a _= b, rezulta d(a, b) = k > 0. Consideram V (a) = S
_
a,
k
3
_
si U(b) =
S
_
b,
k
3
_
. Evident ca V (a) si U(b) sunt vecinatati respectiv ale punctelor a si b.
Vomarata ca
V (a)U(b) = . Presupunem contrariul, adica exista z V (a)U(b). Atunci avem
d(a, z) <
k
3
si d(b, y) <
k
3
. Dar putem scrie k = d(a, b) d(a, z) + d(z, b) <
k
3
+k
3
=
2k
3
, de unde 1 <
2
3
, ceea
ce evident este absurd. In concluzie, V (a) U(b) = .
Definitia 10.1.3 O submultime D a spatiului metric (X, d) se numeste
multime deschisa n
X fie daca D = , fie daca D este o vecinatate pentru orice punct al sau, adica
daca pentru
orice x D exista r > 0 astfel ca S(x, r) D.
Exemplu 10.1.5. Orice sfera deschisa S(x0, r) dintr-un spatiu metric este o
multime deschisa.
Valabilitatea acestei afirmatii rezulta din Corolarul 10.1.1. In particular, daca
luam X = R
cu metrica euclidiana, atunci orice interval de forma (x0 r, x0 +r), cu r > 0, este o
multime
deschisa.
Exemplu 10.1.6. In X = R cu metrica euclidiana, orice interval de forma (a, b), a <
b, sau
(a,+) sau (, b), cu a, b R, este o multime deschisa.
Exemplul 10.1.7. Multimile D1 = {(x, y) R2|2 < x < 4,3 < y < 2} si D2 = {(x, y)
R2|x2+y2 _=
4} sunt deschise.
Exemplul 10.1.8. Multimea {x R|3 < x 4} nu este deschisa ntr-ucat (3, 4]
nu este
vecinatate pentru 4 (nici o sfera cu centrul n 4 nu este continuta n (3, 4]).
Propozitia 10.1.2 Fie (X, d) un spatiu metric. Sunt valabile urmatoarele
afirmatii:
1) Orice reuniune (finita sau infinita) de multimi deschise este o multime
deschisa;
2) Intersectia a doua multimi deschise este o multime deschisa;
3) X este o multime deschisa;
4) Orice multime deschisa nevida se poate reprezenta ca o reuniune de sfere
deschise.
192
Demonstratie. 1) Fie (Di)iI o familie oarecare de multimi deschise ale lui X si
fie D =
)
iI
Di.
Daca D = , atunci D este deschisa pe baza Definitiei 10.1.3. Daca D _= , sa
consideram
un x D arbitrar. Atunci rezulta ca exista Di0 asa ncat x Di0. Cum Di0 este
multime
deschisa rezulta ca Di0 este vecinatate pentru x. Dar Di0

D si atunci n conformitate cu
proprietatea 1) din Propozitia 10.1.1, obtinem ca D este vecinatate a
punctului x. Deoarece
x a fost ales arbitrar rezulta ca D este o multime deschisa.
2) Fie D1 si D2 doua multimi deschise si D = D1 D2. Daca D = , atunci
proprietatea este
evidenta. Daca D _= , atunci fie x D arbitrar. Atunci x D1 si x D2. Cum D1
si D2
sunt deschise, rezulta ca D1 si D2 sunt vecinatati ale punctului x. Folosim
proprietatea 2)
din Propozitia 10.1.1, rezulta ca si D este vecinatate pentru punctul x. Cum
x a fost ales
arbitrar rezulta ca D este o multime deschisa.
3) Este evidenta.
4) Fie D _= o multime deschisa; atunci pentru orice x D exista rx > 0 asa
ncat S(x1, rx)
D. Dar D =
)
xD
{x}
)
xD
S(x, rx) D, de unde rezulta D =

)
xX
S(x, rx), ceea ce trebuie

demonstrat.
Corolarul 10.1.2 Intersectia unui numar finit de multimi deschise este o
multime deschisa.
Justificarea acestui corolar rezulta din afirmatia 2) de la Propozitia 10.1.2.
O intersectie infinita de multimi deschise poate sa nu mai fie o multime
deschisa. Se
poate vedea acest fapt din exemplul urmator.
Exemplul 10.1.9. In spatiu metric X = R cu metrica euclidiana multimea Dk =
_
1
k
,
1
k
_
este
deschisa, pentru orice k N
. Se observa ca
3
k=1
Dk = {0} care nu este o multime deschisa

deoarece pentru orice r > 0, intervalul (r, r) _ {0}.
Definitia 10.1.4 O submultime H a spatiului metric (X, d) se numeste nchisa
daca complementara
C(X) = X H este deschisa.
Exemplul 10.1.10. Multimile X si suntnchise deoarece C(x) = si C() = X
sunt deschise.
Exemplul 10.1.11. Orice sfera nchisa dintr-un spatiu metric (X, d) este o
multime nchisa.
Intr-adevar, fie S(x0, r) = {x X|d(x, x0) r} si fie y C(S(x0, r)) ales arbitrar.
Daca
luam 0 < r1 < d(y, x0) r, atunci se observa ca S(y, r1) C(S(x0, r)), adica C(S(x0, r))
este
vecinatate pentru punctul y.
In particular, pentru X = R intervalul nchis [a, b], a, b R, a b este o multime
nchisa.
Utilizand Propozitia 10.1.2 si formulale lui Morgan rezulta valabilitatea
urmatoarei
propozitii:
Propozitia 10.1.3 Daca (X, d) este un spatiu metric, atunci:
1) Orice intersectie de multimi nchise ale lui X este o multime nchisa;
2) Orice reuniune finita de multimi nchise ale lui X este o multime nchisa.
Observatia 10.1.1 Un spatiu metric contine si submultimi care nu sunt nici
deschise nici
nchise. De exemplu, daca X = R cu metrica euclidiana, atunci un interval de
forma [a, b)
cu a, b R, a < b, nu este nici multime deschisa nici nchisa. Nu este deschisa
deoarece
multimea [a, b) nu este vecinatate pentru punctul a si nu este nchisa
deoarece complementara
C([a, b)) = R [a, b) = (, a) [b,) nu este multime deschisa, nefiind
vecinatate pentru
punctul b.
Definitia 10.1.5 Daca A este o submultime nevida a spatiului metric (X, d),
numim diametrul
multimii A, notat (A), elementul din R+ = (0,) (+) definit prin
(A) = sup{d(x, y)|x A, y A}.
193
Exemplul 10.1.13. Daca X = R2 este nzestrat cu metrica euclidiana si A = {(x,
y) R2|1
x 2, 1 y < 3}, atunci (A) =
_
(2 1)2 + (3 1)2 =
5.
Definitia 10.1.6 Fie A o submultime nevida a spatiului metric (X, d). Spunem
ca A este o
multime marginita daca (A) < +. Daca (A) = +, atunci spunem ca
multimea A este
nemarginita. Practic, pentru a arata ca o multime A este marginita este
suficient sa ratam
ca multimea {d(x, y)|x, y A} este majorata.
Propozitia 10.1.4 O multime nevida A (X, d) este marginita daca si numai
daca exista o
sfera deschisa S(x0, r). asa ncat A S(x0, r).
Demonstratie. Fie A _= si marginita. Daca A contine un singur punct,
atunci proprietatea
este evidenta. Sa presupunem ca A contine cel putin doua puncte.
Consideram x0 si x1
doua puncte arbitrare diferite din A. Fie r R, r > d(x0, x1) + (A); evident r > 0.
Pentru
sfera S(x0, r) avem A S(x0, r) deoarece, pentru orice y A, avem d(y, y0) < (A) < r.
Reciproc, daca exista o sfera deschisa S(x0, r) asa ncat A S(x0, r), atunci
(A)
(S(x0, r)) 2r, adica A este o multime marginita.

Definitia 10.1.7 Fie A o submultime nevida a spatiului metric (X, d). Un punct
x0 A este
numit punct interior al multimii A daca A este o vecinatate pentru x0, daca
exista r > 0
asa ncat S(x0, r) A.
Definitia 10.1.8 Multimea tuturor punctelor interioare multimii A se numeste
interiorul lui
A si se noteaza cu A sau int A.
Exemplul 10.1.14. Fie X = R spatiul metric nzestrat cu metrica euclidiana, iar
A1 = [a, b],
A2 = [a, b), A3 = (a, b], A4 = (a, b) submultimi ale lui X. Se observa ca: A1 = A2 =
A3 = A4 =
(a, b). Punctul a nu este interior lui A1 deoarece A1 nu este vecinatate pentru a.
Teorema 10.1.2 Multimea A nevida din spatiul metric (X, d) este deschisa daca
si numai
daca A = A.
Demonstratie. Sa presupunem ca A este deschisa; atunci pentru orice x A
avem ca A este
o vecinatate a lui x, adica x A. Cum totdeauna A A, obtinem A = A.
Reciproc, daca A = A, atunci orice x A este punct interior lui A si deci A este o
vecinatate a lui x, ceea ce ne arata ca A este deschisa.
Definitia 10.1.9 Fie A o submultime nevida a spatiului metric (X, d). Un punct
interior
complementarei lui A se numeste punct exterior multimii A, iar int C(A) se
numeste exteriorul
lui A, notat prin Ext A.
Definitia 10.1.10 Fie A o submultime a spatiului metric (X, d) un element x0 X
se numeste
punct aderent multimii A daca pentru orice vecinatate V (x0) a lui x0 avem V A
_= .
Definitia 10.1.11 Daca A (X, d), multimea tuturor punctelor aderente
multimii se numeste
aderenta sau nchiderea multimii A, notata cu A.
Exemplul 10.1.15. Orice punct al multimii A din Definitia 10.1.10 este punct
aderent al
multimii A. Evident ca avem A A.
Exemplul 10.1.16. Pentru multimea A = (a, b) R, a, b R, a < b, punctele a, b
sunt puncte
aderente deoarece orice vecinatate a lor are puncte comune cu A. Avem A = [a,
b].
Teorema 10.1.3 Multimea A din spatiul metric (X, d) este nchisa daca si
numai daca A = A.
Demonstratie. Sa admitem ca A este o multime nchisa. Atunci conform
Definitiei 10.1.4,
deducem ca multimea C(A) este deschisa. Cum A A trebuie sa aratam ca A
A. Dar
A A este echivalent cu C(A) C(A). Fie x C(A) arbitrar, cu C(A) deschisa. Atunci
conform Definitiei 10.1.3 rezulta ca C(A) este vecinatate a lui X. Insa C(A) A
= , ceea ce
implica x _ A, deci x C(A).
194
Reciproc, sa presupunem ca A = A. Fie x C(A) = C(A); atunci x _ A, deci exista
o
vecinatate V (x) a punctului x, cu proprietatea V (x) A = . Rezulta ca V (x)

C(A); de
unde, pe baza proprietatii 1) din Propozitia 10.1.1, obtinem ca C(A) este o
vecinatate a
punctului x. Cumx a fost ales arbitrar din C(A), deducem ca C(A) este o multime
deschisa,
adica A este nchisa.
Definitia 10.1.12 Fie A o submultime a spatiului metric (X, d). Numim frontiera
multimii
A, notata cu A sau Fr A, multimea AC(A). Punctele multimii Fr A se numesc
punctele
frontiera ale multimii A.
Este evident ca Fr A = A A.
Exemplul 10.1.17. Daca A = [a, b], atunci Fr A = {a, b}.
Exemplul 10.1.18. Daca A = Q, atunci A = Q = R, C(Q) = R si Fr A = R.
Exemplul 10.1.19. Daca A = R2, atunci Fr A = .
Definitia 10.1.13 O submultime A a unui spatiu metric X, d) se numeste densa
n X daca
X = A.
Exemplul 10.1.20. Multimea Q este densa n R (nzestrat cu metrica
euclidiana) deoarece
Q = R. La fel multimea numerelor irationale R Q este densa n R.
Exemplul 10.1.21. Multimea Qn = Q Q . . . Q (de n ori) este densa n R.
Definitia 10.1.14 Un spatiu metric (X, d) se numeste separabil daca contine
o submultime
A numarabila si densa n X.
Exemplul 10.1.22. Spatiul metric R nzestrat cu metrica euclidiana este
separabil deoarece
Q este multime numarabila si densa n R.
Exemplul 10.1.23. Spatiu metric Rn, n 1, nzestrat cu metrica euclidiana este
separabil
deoarece multimea Qn este numarabila si densa n Rn.
Definitia 10.1.15 Fie A o submultime a spatiului metric (X, d). Un punct x X se
numeste
punct de acumulare pentru multimea A daca pentru orice vecinatate V (x) a lui x
are loc
(V (x) {x}) A _= , adica n orice vecinatate V (x) a punctului x se gasesc
puncte din A,
diferite de x.
Multiema punctelor de acumulare ale multimii A se numeste multimea
derivata si se
noteaza cu A_.
Observatia 10.1.2 Orice punct de acumulare este un punct aderent.
Observatia 10.1.3 In orice vecinatate a unui punct de acumulare x0 se
gaseste o infinitate
de puncte din A. Intr-adevar, daca propunem ca exista o vecinatate V (x0) a
punctului x0
care sa contina numai un numar finit de puncte x1, x2, . . . , xn, diferite de x0 si
apartinand
lui A, atunci alegand r asa ncat 0 < r < min
i=1,n
d(x0, xi)}, sfera S(x0, r) nu mai contine nici

un punct din A diferit de x0, ceea ce contrazice definitia punctului de acumulare.
Din aceasta observatie rezulta ca o multime finita nu are puncte de
acumulare.
Definitia 10.1.16 Fie A o submultime a spatiului metric (X, d). Un punct x A

care nu este
punct e acumulare pentru A se numeste punct izolat.
Altfel spus, un punct x A este izolat daca exista o vecinatate V (x) a sa astfel
ncat
V (x) A = {x}.
Exemplul 10.1.24. Pentru multimea A = (0, 1){2, 3} din R avem A_ = [0, 1], iar
punctele 2 si
3 sunt izolate.
Teorema 10.1.4 (de caracterizare a punctelor aderente si a punctelor de
acumulare). Fie
A o submultime a spatiului metric X, d).
195
1) un punct x X este aderent multimii A daca si numai daca exista un sir
(xn) de
puncte din A astfel ca lim
n
xn = x (n X).
2) Un punct x X este punct de acumulare al multimii A daca si numai daca
exista un
sir (xn) de puncte din A astfel ncat xn _= x, pentru orice n N, si lim
nxn = x (n X).
Demonstratie. 1) Sa presupunem ca x A, adica este punct aderent pentru A.
Atunci,
pentru orice n N
, sfera deschisa S
_
x,
1
n
_
are puncte comune cu A. Alegem cate un punct
xr A S
_
x,
1
n
_
, pentru orice n N. Obtinem, astfel, sirul de puncte (xn) din A cu
d (xn, x) <
1
n
, pentru orice n N
. Din d(xn, x) <
1
n
rezulta lim
nd(xn, x) = 0, ceea ce ne arata
ca lim
n
xn = x (n X).
Reciproc, daca (xn) este un sir de puncte din A, astfel ncat lim
nxn = x (n X), atunci,
pentru orice > 0, exista un n N astfel ncat xn S(x, ) de ndata ce n > n.
Rezulta ca
pentru orice > 0 avem S(x, ) A _= , ceea ce ne asigura ca x A.
2) Demonstratia se face n acelasi mod ca la punctul 1), utilizand definitia

punctului
de acumulare.
Definitia 10.1.17 Spatiul metric (X, d) se numeste compact, daca orice sir din
X contine un
subsir convergent.
Definitia 10.1.18 Multimea A din spatiul metric (X, d) este compacta, daca
orice sir (an)
din A contine un subsir convergent catre un punct x0 din A.
Altfel spus, multimea A din (X, d) este compacta daca si numai daca spatiul
metric
(A, d) este compact.
Exemplul 10.1.25. Multimea A = [a, b] R, a < b, este compacta ntrucat,
conform Lemei lui
Cesàro (vezi Propozitia (8.1.11), orice sir de puncte din [a, b] contine un
subsir convergent
si cum [a, b] este nchis, limita acestui subsir apartine lui A.
Exemplul 10.1.26. Multimea A = (a, b] R, a < b, nu este compacta deoarece
sirul xn = a+
1
n
nu contine nici un subsir convergent la un punct din (a, b) (toate subsirurile
lui xn converg
la a care nu apartine multimii A).
Definitia 10.1.19 Fie (X, d) un spatiu metric arbitrar si A o submultime a sa. O
familie
D = {Di|Di X, i I} de parti ale lui X se numeste acoperire a multimii A daca
A
)
iI
Di.
Daca D1 D si A
)
DiD
Di, spunem ca D1 este o subacoperire a lui D.

O acoperire D a multimii A se va numi deschisa daca elementele lui D sunt
multimi
deschise.
Exemplul 10.1.27. Fie A = (1, 2) R. Familia D formata din intervalele Di =
_
1+
1
i
,2
_
,
i = 2, 3, . . . formeaza o acoperire deschisa pentru A deoarece pentru orice x A
exista un
i0 N
asa ncat 1 +
1
i0
< x, adica orice x A se afla n cel putin un interval Di.
Propozitia 10.1.5 (Lebesgue). Daca A este o multime compacta n spatiul
metric (X, d) iar
D = {Di|i I} este o acoperire deschisa a lui A, atunci exista un > 0 asa ncat
pentru
orice x din A sa existe un i I asa ca S(x, ) Di.
196
Demonstratie. Vom proceda prin reducere la absurd.
Sa presupunem ca A este compacta dar pentru orice > 0 exista un x A
asa ncat
pentru orice i I, S(x, ) _ Di. In particular, pentru = 1/n exista xn A astfel
ncat
pentru orice i I are loc
S
_
xn,
1
n
_
(10.1) _ Di.
Deoarece A este compacta, sirul (xn) contine un sub sir (xnk ) convergent la
un punct
x A. Cum D constituie o acoperire pentru A, exista o multime Di0
D asa ncat x Di0 .
Multimea Di0 fiind deschisa exista o sfera deschisa S(x, r) asa ca
S(x, r) Dio (10.2)
Din lim
k
xnk = x A rezulta ca exista un numar natural k0 depinzand de r/2 asa ca

pentru orice k k0 sa avem xnk
S
$
x,
r
2
%
, adica
d (xnk, x) <
r
2(10.3) .
Cum lim
k
1
nk
= 0, exista un k1(r) N asa ncat pentru orice k > k1 sa rezulte
1
nk
<
r
2(10.4) .
Fie k2 = max{k0, k1}. Pentru orice k > k0, din relatiile (10.2), (10.3) si (10.4)
obtinem
S
_
xnk ,
1
nk
_
S(x, r) Di0 ,
incluziune ce contrazice (10.1). Cu aceasta teorema este demonstrata.

Propozitia 10.1.6 Daca A este o multime n spatiul metric (X, d), atunci pentru
orice > 0
exista o familie finita de sfere deschise cu raza care constituie o acoperire
deschisa a
multimii A.
Demonstratie. Vom rationa tot prin reducere la absurd. Presupunem ca A este
o multime
compacta in (X, d) asa ncat exista un > 0 pentru care nu exista o acoperire
finita cu sfere
deschise de raza .
Fie x1 A; atunci sfera S(x1, ) _ A. Alegem x2 A asa ncat x2 _ S(x1, ).
Acum consideram sferele S(x1, ) si S(x2, ), pentru care A _ S(x1, ) S(x2, ).
Prin
urmare, exista x3 A asa ca x3 A si x3 _ S(x1, ), x3 _ S(x2, ).
Din aproape n aproape, construim sirul (xn) de puncte din A asa ncat
xn A, xn _ S(xi, ), i= 1, n 1.
De aici rezulta ca avem d(xn, xi) , i = 1, n 1, pentru orice n N
. Prin urmare,
sirul (xn) astfel construit cere proprietatea ca xn A pentru orice n N
, dar
d(xn, xm) , pentru orice n,m N
(10.5) ,
cu n _= m.
Acum, se observa ca sirul (xn) nu poate contine nici un subsir convergent,
ntrucat,
daca ar exista un asemenea subsir acesta ar trebui sa fie sir Cauchy, ceea ce
ar contrazice
(10.5) .
Asadar, sirul (xn) nu poate contine nici un subsir convergent, ceea ce
contrazice faptul
ca A este o multime compacta. In concluzie enuntul teoremei este
adevarat.
197
Teorema 10.1.5 O multime A dintr-un spatiu metric (X, d) este compacta daca
si numai
daca din orice acoperire deschisa a sa se poate extrage o subacoperire finita.
Demonstratie. Sa consideram ca A este o multime compacta. Fie D = {Di|i
I} o acoperire
deschisa a multimii compacte A. Conform Propozitiei 10.1.5 exista > 0
asa ncat pentru
orice x A sa existe i I asa ca
(10.6) S(x, ) Di.
Din Propozitia 10.1.6, pentru acest > 0 exista un numar finit de sfere cu raza
care
sa acopere multimea A, adica
A
)n
k=1
S(xk, ).
Din (10.6) rezulta ca S(xk, ) Di,k, pentru orice k = 1, 2, . . . , n. Atunci
A
)n
k=1
Di,k,
adica din acoperirea D a lui A am extras o subacoperire finita D1 = {Di,k|k = 1, n} a

sa, ceea
ce trebuia demonstrat.
Reciproc, sa admitem ca din orice acoperire deschisa a multimii A se poate
extrage o
subacoperire finita. Vom rationa prin reducere la absurd. Sa presupunem ca A
nu este o
multime compacta. Atunci, exista un sir (xn) A care nu contine nici un
subsir convergent,
ceea ce nseamna ca multimea termenilor sai nu are nici un punct de
acumulare. De aici,
rezulta ca pentru orice x A exista o sfera S(x, x) care contine cel mult un
numar finit
de termeni ai sirului (xn) deoarece, n caz contrar, ar exista un subsir al lui (xn)
care sa
convearga la x.
Familia D = {S(y, y)|y A} constituie o acoperire deschisa pentru A. Deci, din D se
poate extrage o subacoperire finita
D1 = {S(yi, yi )|i = 1,m}.
Cum (xn) A D1 iar fiecare din sferele S(yi, yi ) contine cel mult un numar finit
de
termeni ai sirului (xn) rezulta ca sirul (xn) are un numar finit de termeni,
ceea ce constituie
o contradictie. Prin urmare, multimea A este compacta.
Teorema 10.1.6 Orice submultime compacta a unui spatiu metric este
marginita si nchisa.
Demonstratie. Sa consideram A o submultime compacta a spatiului metric
(X, d).
Mai ntai, sa aratam ca A este marginita. Sa observam ca familia sferelor
deschise
D = {S(x, 1)|x A} formeaza o acoperire deschisa pentru A. Conform cu Teorema
10.1.5,
cum A este compacta, se poate extrage o subacoperire finita D1 = {S(xi, 1)|xi A, i
= 1, n}.
Fie B = {xi|i = 1, n}, care este finita si diametrul sau (B) < .
Sa consideram acum x si y doua puncte arbitrare din A. Atunci exista o sfera
deschisa
S(xi, 1) D1, care contine pe x si, de asemenea, exista sfera deschisa S(xj , 1)
asa ca y S(xj , 1).
Utilizand inegalitatea triunghiului, obtinem
d(x, y) d(x, xi) + d(xi, xj) + d(xj, y) < 2 + d(xi, xj) < 2 + (B),
pentru orice x, y din A. Asadar, (A) 2+(B) < +, ceea ce ne arata ca A este
marginita.
Acum, sa aratam ca A este nchisa, ceea ce este echivalent cu C(A) = xA este
deschisa.
Fie x un punct arbitrar din C(A) si fie y A. Cumx _= y, utilizand proprietatea de
separatie
Hausdorff (Teorema 10.1.1) a spatiului metric (X, d) rezulta ca exista sferele
deschise S(y, ry)
si S(x, rx,y) asa ncat
(10.7) S(y, ry) S(x, rx,y) = .
Familia D = {S(y, ry)|y A} este o acoperire deschisa pentru A si cum A este
compacta
exista o subacoperire finita a sa D1 = {S(yi, ryi )|i = 1, n} (Teorema 10.1.5).
198
Fiecarei sfere S(yi, ryi ) i corespunde, pe baza lui (10.7), o sfera deschisa S(x, rx,yi
).
Fie r = min
i=1,n
{rx, yi}; atunci S(x, r) =

3n
i=1
S(x, rx,yi ) iar S(x, r) A = deoarece A

)n
i=1
S(yi, ryi ) si, din (10.7), avem S(x, r) S(yi, ryi) = . Asadar, S(x, r) C(A), adica
C(A)
este vecinatate pentru x. Cum x a fost ales arbitrar n C(A) rezulta ca
multimea C(A) este
deschisa deoarece ea este vecinatate pentru orice punct al ei.
Conditiile ca multimea A sa fie margnita si nchisa sunt necesare pentru
ca A sa fie
compacta. Aceste doua conditii nu sunt, n general, suficiente pentru
compactitatea unei
multimii ntr-un spatiu metric.
Vom arata ca n spatiile Rn, n 1, nzestrate cu metrica euclidiana, aceste
conditii
sunt si suficiente.
Mai ntai vom demonstra urmatorul rezultat general.
Teorema 10.1.7 Daca (X, d1) si (Y, d2) sunt doua spatii metrice compacte, atunci
si spatiul
Z = X Y , nzestrat cu metrica din Propozitia 8.2.6, este compact
Demonstratie. Fie (zn) un sir arbitrar din Z, cu zn = (xn, yn), xn X, yn Y , n = 1,
2, . . .. Cum
(X, d1) este compact, sirul (xn) contine un subsir (xnk )kN convergent la x X.
Considerand
subsirul (ynk )kN al sirului (yn) si tinand seama ca si (Y, d2) este compact,
rezulta ca exista
un subsir (ynkt
)tN al sau, convergent la un punct y Y .
T inand seama de Teorema 8.2.2 rezulta ca
lim
tznkt
= lim
t(xnkt
, ynkt
) = (x, y),
ceea ce ne arata ca spatiul Z este compact.
Propozitia 10.1.7 Intervalul [a, b] din R, a < b, este o multime compacta.
Demonstratie. Daca (xn) este un sir arbitrar din [a, b], rezulta ca (xn) este
marginit. Atunci,
conform lemei lui Cesàro (Propozitia 8.1.11) el contine un subsir (xnk )
convergent la un
punct din R. Cum [a, b] este multime nchisa rezulta ca x [a, b]. Deci, [a, b]
este o multime
compacta n R.
Definitia 10.1.20 Fie [ai, bi], i = 1, n, n 1, n intervale ale lui R. Multimea P Rn,
unde
P = [a1, b1] [a2, b2] . . . [an, bn],
se numeste paralelipiped nchis n Rn.
Propozitia 10.1.8 Orice paralelipiped nchis din Rn, n 1, este o multime

compacta.
Demonstratie. Valabilitatea propozotiei rezulta imediat, utilizand Teorema
10.1.7 si
Propozitia 10.1.7.
Acum putem demonstra:
Teorema 10.1.8 O submultime A a lui Rn (n 1) este compacta daca si numai
daca este
Demonstratie. Daca A este compacta, atunci pe baza Teoremei 10.1.6,
deducem ca ea este
Reciproc, sa admitem ca submultimea A a lui Rn este marginita si nchisa
si sa aratam
ca este compacta.
Cum A este marginita, exista un paralelipiped nchis P asa ncat A P.
Fie (xn) un sir abritrar n A; atunci el este si n P si cum P este o multime
compacta
rezulta ca exista un subsir (xnk ) convergent la un punct x P. Dar x este punct
aderent
multimii A si cum A este nchisa rezulta ca A = A (Teorema 10.1.3).
Deducem ca x A si
199
deci A este compacta.
In finalul acestui paragraf vom introduce notiunea de conexitate, care, intuitiv,
descrie
faptul ca o multime este formata dintr-o bucata, adica nu poate fi
descompusa n doua
sau mai multe parti separate.
Definitia 10.1.21 Spatiul metric (X, d) se numeste conex daca nu exista doua
multimi D1,
D2 deschise, nevide si disjuncte astfel ca X = D1 D2. In caz contrar spatiul (X, d)
se
numeste neconex sau disconex.
Deoarece D1 = C(D2) si D2 = C(D1), rezulta ca multimile D1 si D2 sunt, n
acelasi timp,
si inchise, rezultand imediat urmatorul rezultat:
Propozitia 10.1.9 Intr-un spatiu metric (X, d) urmatoarele afirmatii sunt
echivalente:
1) (X, d) exte conex;
2) Nu exista doua multimi nchise F1 si F2, nevide si disjuncte, asa ncat X =
F1 F2;
3) Singura multime nevida din X simultan deschisa si nchisa este ntreg
spatiul X.
Definitia 10.1.22 O submultime A a spatiului metric (X.d) este conexa daca (A,
d) este un
spatiu metric conex.
Altfel spus, A este conexa daca nu exista doua multimi deschise n X, cu
proprietatile:
1) D1 A _= , D2 A _=
2) A D1 D2
3) D1 D2 A = .
Exemplul 10.1.28. Orice interval al lui R este o multime conexa.
Sa demonstram acest fapt. Presupunem contrariul; adica exista un interval A
R
care este o multime neconexa. Conform Definitiei 10.1.22, exista doua

multimi deschise,
nevide, D1 si D2 n R asa ncat
D1 D2 = A; D1 D2 = .
Exista punctele a D1 si b D2, a _= b (putem presupune ca a < b). Cum A este
interval
rezulta ca si [a, b] este interval si [a, b] A. Notam c = sup(D1 [a, b]). CumD1
este, n acelasi
timp, nchisa n A rezulta ca c D1. Insa b D2 si deci c D1 [a, b), adica
c _= b, deoarece, n
caz contrar, c = b D2, ceea ce ar conduce la c D1 D2, lucru absurd. Asadar, c
D1 [a, b)
si D1 fiind deschisa n A exista > 0 astfel ncat c+ D1 [a, b), ceea ce
contrazice faptul ca
sup(D1 [a, b)) = c. Prin urmare, presupunerea facuta este falsa, rezultand ca
A este conexa.
Observatia 10.1.4 Are loc si reciproca pentru afirmatia din exemplul 10.1.28:
orice
submultime nevida si conexa a lui R este un interval.
Vom rationa prin reducere la absurd. Sa admitem ca exista o multime A R
conexa,
care nu este interval. Atunci exista trei puncte x1, x2, x3 din R asa ncat x1, x3
A, x1 <
x2 < x3, iar x2 _ A. Consideram multimile D1 = (, x2) A si D2 = A (x2,+).
Evident
ca D1 si D2 sunt nchise n A, D1 D2 = A si D1 D2 = . Prin urmare, A este o
multime
neconexa, ceea ce constituie o contradictie. Asadar, A este un interval.
Exemplul 10.1.29. In spatiul metric R multimea A = (1, 2) (3, 4) este
neconexa. Intradev
ar, multimile D1 = (1, 2) si D2 = (3, 4) sunt deschise, A = D1 D2, iar D1 D2 A =
,
D1 A = (1, 2) _= , D2 A = (3, 4) _= .
Definitia 10.1.23 O multime deschisa si conexa se numeste domeniu. O
multime nchisa si
conexa se numeste continuu.
Exemplul 10.1.30. O sfera deschisa din Rm este un domeniu, iar unanchisa
este un continuu.
200
10.2 Functii ntre spatii metrice
Definitia 10.2.1 Fie (X, d1) si (Y, d2) doua spatii metrice. O apliactie f : A B, A
X si
B Y , se numeste functie definita ntre doua spatii metrice.
Definitia 10.2.2 Daca X = Rm, m N, m 1 si Y = R, atunci functia f : A R, A
Rm, se
numeste functie reala de o variabila vectoriala x = (x1, x2, . . . , xm) A sau
functie reala de m
variabile reale si se noteaza prin y = f(x) sau y = f(x1, x2, . . . , xm).
Este evident ca valorile y ale functiei y = f(x1, x2, . . . , xm) depind de cele m
variabile.
Din punct de vedere sistemic variabilele independente x1, x2, . . . , xm reprezinta
marimi ce
pot fi controlate sau precizate, numite date de intrare, iar variabila dependenta y
precizeaza
valoarea rezultata prin actiunea lui f asupra datelor de intrare si se

numeste data de iesire
(v.fig.10.2.1).
Fig.10.2.1
Observatia 10.2.1 Functiile reale de mai multe variabile se mai numesc si
functii scalare
sau campuri scalare.
Graficul unei functii reale de m variabile reale, definita pe o multime A Rm,
este
o multime de puncte din Rm+1, ceea ce face sa avem o imagine geometrica
numai pentru
m 2. Astfel, daca m = 1 atunci functia y = f(x), x A R are ca si grafic o
curba plana,
iar daca m = 2 functia reala f : A R2 R, y = f(x1, x2) are ca si grafic o
suprafata () n
spatiul R3 (v.fig.10.2.2).
Fig.10.2.2
Definitia 10.2.3 Daca X = Rm si Y = Rp, o functie f : A B, A X, B Y, se
numeste
functie vectoriala de variabila vectoriala.
201
Daca x = (x1, . . . , xm) A iar y = (y1, . . . , yp) B, atunci functia vectoriala poate
fi scrisa
y = f(x),
iar desfasurat:
(y1, . . . , yp) = (f1(x1, . . . , xm), f(x1, . . . , xm), . . . , fp(x1, . . . , xm))
unde fi, i = 1, p, sunt functii de m variabile reale definite pe A cu valori n R.
Functiile yi = fi(x1, x2, . . . , xm), i = 1, p se numesc componentele functiei
vectoriale f.
Rezulta ca studiul unei functii vectoriale se reduce la studiul unor functii
reale de mai
multe variabile reale.
Cazuri particulare. 10.2.1. Daca p = 1, atunci functia vectoriala de variabila
vectoriala
se reduce la o functie reala de mai multe variabile reale.
10.2.2. Daca p = 2 si m = 1, atunci functia vectoriala are forma
(y1, y2) = (x, y) =
f(t) = (f1(t), f2(t)), t A R,

de unde
x = f1(t), y= f2(t), t A,
care constituie reprezentarea parametrica a unei curbe plane (v.fig.10.2.3).
Fig.10.2.3
(y1, y2, y3) = (x, y, z) =
f(t) = (f1(t), f2(t), f3(t)), t A R,

de unde
x = f1(t), y = f2(t), z = f3(t), t A,
care constituie reprezentarea parametrica a unei curbe n spatiu.
(y1, y2, y3) = (x, y, z) =
f (u, v) =
= (f1(u, v), f2(u, v), f3(u, v)), (u, v) A R2,
de unde
x = f1(u, v), y = f2(u, v), z = f3(u, v), (u, v) A,

care constituie reprezentarea parametrica a unei suprafete
_
n spatiu (v.fig.10.2.4).
202
Fig.10.2.4
10.2.5. Daca p = 3 si m = 3, atunci o astfel de functie vectoriala se numeste
camp vectorial.
De obicei, modelele matematice utilizate n descrierea fenomenelor economice
se descriu
prin functii reale de mai multe variabile reale.
Exemplul 10.2.1. Functia de productie. O problema des ntalnita n
practica economica
se refera la conditiile de combinare a factorilor pentru producerea unui produs
Y de catre
o ntreprindere: Daca conditiile tehnice ale productiei sunt date, cantitatea y
din produsul
Y realizata depinde numai de factorii variabili ai productiei folositi X1,X2, . . . ,
Xm.
Daca x1, x2, . . . , xm sunt cantitatile folosite din acesti factori, atunci putem
scrie functia de
productie
y = f(x1, x2, . . . , xm),
care este o functie de m variabile reale.
Exemplul 10.2.2. Functia cererii. Sa presupunem ca n marfuri de consum Y1,
Y2, . . . , Yn se
vand la preturi invariabile x1, x2, . . . , xn pe o piata cu concurenta, care
consta dintr-un numar
de consumatori, cu gusturi si venituri date. In aceasta situatie cantitatea yk
de marfa Yk,
k = 1, n, ceruta pe piata depinde numai de preturile tuturor marfurilor de pe
piata. Aceasta
nseamna ca functia cererii pentru marfa Yk este
yk = fk(x1, x2, . . . , xn),
care este o functie de n variabile. Functia cerere pentru toate cele n marfuri
va fi o functie
vectoriala
(y1, y2, . . . , yn) = (f1(x1, . . . , xn), . . . , fn(x1, . . . , xn)).
In practica, ntre functiile cerere yk = fk(x1, . . . , xn), k = 1, n, se studiaza
anumite
corelatii.
Exemplul 10.2.3. Functia costurilor de productie. Sa admitem ca o
ntreprindere produce
marfurile X1,X2, . . . , Xn n conditii tehnice de productie si conditii de
aprovizionare date.
Atunci functia costurilor de productie este
y = f(x1, . . . , xn),
unde x1, x2, . . . , xn sunt cantitatile de marfuri 1, 2, . . . , n produse, iar y este
costul total.
Pentru comoditate, n cazul a doua marfuri X si Y functia costurilor se poate
lua de forma
particulara
z = ax2 + by2 + cxy + dx + ey + f.
203
10.3 Limita unei functii ntr-un punct
Fie (X, d1) si (X, d2) doua spatii metrice, F : A Y , A X, o functie si x0 un

punct de
acumulare al multimii A (x0 A_).
Definitia 10.3.1 (cu vecinatati.) Spunem ca functia f are limita n punctul
x0, daca exista
un punct l Y astfel ncat, pentru orice vecinatate U(l) a lui l, exista o
vecinatate V (x0)
asa ncat, pentru orice x V (x0) A {x0}, sa avem f(x) U(l), adica
f(V (x0) A {x0}) U(l).
Scriem lim
xx0
f(x) = l.
Intuitiv notiunea de limita a functiei f n punctul x0 exprima faptul ca daca
ne
apropiem de x0 prin puncte din multimea A, atunci valorile functiei n aceste
puncte se
apropie oricat de mult de punctul l din Y .
Teorema 10.3.1 (de caracterizare a notiunii de limita.) Fie f : A (Y, d2), unde A
(X, d1)
si x0 A_. Atunci urmatoarele afirmatii sunt echivalente:
1) l este limita functiei f n punctul x0 (definitia cu vecinatati);
2) pentru orice sfera deschisa SY (l, ) din spatiul metric Y exista o sfera
deschisa
SX(x0, ) din spatiul metric X astfel ncat, pentru orice x SX(x0, ) A {x0} sa
avem f(x) SY (l, ) (definitia cu sfere);
3) pentru orice > 0 exista > 0 astfel ncat pentru orice x A{x0} cu d1(x, x0)
< sa
avem d2(f(x), l) < (definitia cu si );
4) pentru orice sir convergent de puncte din A{x0} cu lim
nxn
X=
x0 sa rezulte lim
nf(xn) Y=
l (definitia cu siruri sau definitia lui Heine)
Demonstratie. Sa aratam mai ntai ca din 1) rezulta 2). Luam U(l) = SY (l,
), unde > 0
este arbitrar. Conform cu 1), exista o vecinatate V (x0) asa ncat, pentru orice
x V (x0)
A{x0} sa avem f(x) U(l). Cum V (x0) este o vecinatate pentru x0, exista o sfera
deschisa
SX(x0, ) V (x0). Atunci pentru orice x SX(x0, ) A {x0} avem f(x) U(l) = SY (l,
),
adica 2) este ndeplinita.
Acum sa aratam ca din 2) rezulta 3). Pentru aceasta este suficient sa
exprimam sferele
si conditiile de la 2) prin inegalitati.
Sa demonstram acum ca din 3) rezulta 4). Fie (xn) un sir de puncte din A{x0}
cu
lim
nxn
X=
x0. Din 3) rezulta ca, pentru orice > 0, exista > 0 asa ncat, pentru orice
x A {x0} cu d1(x, x0) < sa avem d2(f(x), l) < . Cum lim
n
xn
X=
x0, exista un n
N asa
ca pentru orice n N, n > n sa rezulte d1(xn, x0) < . Atunci d2(f(x), l) < pentru
orice
n N, n > n = n. Asadar, pentru orice > 0 exista n N asa ncat pentru
orice n N,
n > n sa avem d2(f(xn), l) < , adica lim
nf(xn) = l, ceea ce trebuia demonstrat.
Demonstratia teoremei este ncheiata daca aratam ca din 4) rezulta 1).
Vom rationa
prin reducere la absurd. Sa presupunem ca exista o vecinatate U(l) a lui R
astfel ca, oricare
ar fi V (x0) o vecinatate a lui x0, sa existe x V (x0) A {x0} pentru care f(x) _
U(l).
Pentru orice n N
luam V (x) = S
_
x0,
1
n
_
. Atunci exista xn V (x0) A {x0} cu
xn _= x0 asa ncat f(xn) _ U(l). Cum xn S
_
x0,
1
n
_
, avem dX(xn, x0) <
1
n
, oricare ar fi
nN
. De aici rezulta ca lim
nxn = x0. Conform cu 4), deducem ca lim
nf(xn) = l; atunci
exista n1 N asa ncat pentru orice n N, n > n1 sa avem f(xn) U(l), ceea ce
contrazice
f(xn) _ U(l). Prin urmare, presupunerea facuta este falsa si deci din 4) rezulta
1).
204
Observatia 10.3.1 Afirmatiile 1) 4) din teorema 10.3.1 fiind echivalente logic,
rezulta ca
oricare din ele poate fi luata ca definitie a limitei unei functii ntr-un punct. In
continuare,
noi vom folosi mai mult definitia cu siruri deoarece ne va permite ca sa
obtinem
proprietatile limitelor de functii din proprietatile limitelor de siruri.
Observatia 10.3.2 Definitia limitei cu siruri a limtiei unei functii ntr-un punct
se utilizeaza
la a dovedi ca o functie nu are limita ntr-un punct. Pentru aceasta este
suficient sa gasim
un sir (xn), (xn) A {x0}, cu lim
nxn = x0 asa ncat lim
nf(xn) sa nu existe sau sa aflam
doua siruri (x(1)

n ) si (x(2)
n ) din A{x0}, ambele convergente la x0, pentru care sirurile (f(x(1)
n ))
si (f(x(2)
n )) sa aiba limite diferite n Y .
Teorema 10.3.2 Fie spatiile metrice (X, d1) si (Y, d2), A X, x0 A_ si f : A Y o
functie.
Daca f are limita n x0, atunci aceasta limita este unica.
Demonstratie. Valabilitatea afirmatiei rezulta aplicand definitia cu siruri
a limitei unei
functii ntr-un punct si tinand seama ca limita unui sir de puncte dintrun spatiu metric
este unica.
Teorema 10.3.3 Fie
f : A Rp, A Rm, m 1, p 2, functia vectoriala
f = (f1, f2, . . . , fp),
unde fi : A R, i = 1, p si x0 A_. Atunci
f are limita l = (l1, l2, . . . , lp) n punctul x0 daca
si numai daca exista lim
xx0
fi(x) = li, i = 1, p.
Demonstratie. Afirmatia rezulta imediat folosind definitia limtiei unei
functii cu siruri
si faptul ca n Rn convergenta unui sir de elemente este echivalenta cu
convergenta pe
coordonate (v.Teorema 8.2.2).
Observatia 10.3.3 Din Teorema 10.3.3 rezulta ca studiul limitei functiilor
vectoriale se reduce
la studiul functiilor reale de mai multe variabile reale f : A R, A Rm.
Daca x0 = (a1, a2, . . . , am) A_ se obisnuieste a nota lim
xx0
f(x), x = (x1, x2, . . . , xm) Rm,

prin
lim
x1a1
x2a2
...
xmam
f(x1, x2, . . . , xm)

Utilizand cele demonstrate la siruri pentru functiile care iau valori reale
rezulta:
Teorema 10.3.4 Fie f, g : A R, unde A (X, d) si x0 A_. Daca exista lim
xx0
f(x) = l1 si
lim
xx0
f(x) = l2, cu l1, l2 R, atunci exista

1) lim
xx0
(f + g)(x) si valoarea ei este l1 + l2;

2) lim
xx0
(f + g)(x) si valoarea ei este l1l2;

3) lim
xx0
f(x) si valoarea ei este

l1
l2
, daca l2 _= 0 si g(x) _= 0 pentru x A.

Observatia 10.3.4 Daca l1, l2 R, atunci pot sa apara asa numitele operatii
fara sens,
care se elimina prin diferite metode.
Observatia 10.3.5 Fie f : A (Y, d), cu A R, o functie si x0 A_. Daca exista
lim
xx0
x<x0
f(x) =
ls (respectiv lim
xx0
x>x0
f(x) = ld), atunci spunem ca f are limita la stanga (respectiv limita la

dreapta) n punctul x0. Limitele la stanga si la dreapta ntr-un punct poarta
numele de
limita laterala.
205
Se arata ca f are limita n punctul x0 daca si numai daca exista atat limita
la stanga
ls cat si limita la dreapta ld n punctul x0 pentru f si lim
xx0
f(x) = ls = ld.
Exemple. 10.3.1. Sa calculam
a) l1 = lim
x0
_
x2 + x3
2x
, (1 + x) 2
2x , x2 + x + 1
_
b) l2 = lim
x0
y0
_
x2y2 + 1, (1 + xy)
xy ,
x2 + 1
x2 + y2
_
a) Avem
lim
x0
x2 + x3
2x
= lim
x0
x + x2
2
= 0;
lim
x0
(1 + x)
2x = lim
x0
[(1 + x) 1
x ]2 = e2;
de unde l1 = (0, e2, 1).
b) Pentru l2 avem
lim
x0
y0
(x2 + y2 + 1) = 1; lim
x0
y0
(1 + xy)
xy = e
si
lim
x0
y0
x2y
x2 + y2 = 0, deoarece
____
x2y
x2 + y2
____
x2|y|
x2 = |y|,
de unde l2 = (1, e, 0).
10.3.2. Sa se arate ca f(x, y) = xy
x2 + y2 nu are limita n punctul (0, 0) = . Consideram sirul
de puncte zn =
_
1
n
,
n
_
, R si convergent la = (0, 0). Avem
f
_
1
n
,
n
_
=
n2
1
n2 +
n2
=
1 + 2 ,
adica limita sirului
_
f
_
1
n
,
n
__
depinde de , de unde rezulta ca functia f nu are limita n
(0, 0).
10.4 Continuitatea functiilor ntre spatii metrice

In acest paragraf vom adanci studiul ideii intuitive de apropiere a valorilor
unei
functii de valoarea ei ntrun punct dat x0 de ndata ce valorile argumentului
sunt suficient
de aproape de x0.
Fie (X, d1) si (Y, d2) doua spatii metrice si f : A Y o functie, unde A X este
o
submultime a lui X.
Definitia 10.4.1 (cu vecinatati.) Spunem ca functia f este continua n
punctul x0 A daca
pentru orice vecinatate U(f(x0)) a lui f(x0) exista o vecinatate V (x0) a lui x0 asa
ncat pentru
orice x V (x) A sa avem f(x) U(f(x0)).
Daca functia f nu este continua n punctul x0 A, atunci spunem ca functia f
este
discontinua n punctul x0 sau ca x0 este punct de discontinuitate a functiei f.
Teorema 10.4.1 Functia f : A Y , A X, este continua n punctul x0 A daca si
numai
daca are loc una din situatiile:
i) sau x0 este punct izolat;
206
ii) sau x0 este punct de acumulare pentru A si
lim
xx0
f(x) = f(x0).
Demonstratie.
i) Intr-adevar, n orice punct izolat al domeniului de definitie o functie este
continua. Fie
x0 un punct izolat pentru multimea A; atunci exista o vecinatate V (x0) a sa,
asa ncat
V (x0) A = {x0}. Acum, rezulta ca pentru orice vecinatate U(f(x0)) exista o
vecinatate
V (x0) astfel ncat, pentru orice x V (x0) A, sa avem f(x) U(f(x0)).
ii) Sa admitea ca f este continua n punctul x0. Atunci pentru orice vecinatate
U(f(x0))
exista o vecinatate V (x0) a lui x0 asa ncat pentru orice x V (x0) A sa avem
f(x) U(f(x0)). Evident ca aceasta afirmatie are loc si pentru x _= x0, ceea ce
implica
lim
xx0
f(x) = f(x0).
Reciproc, daca presupunem ca lim
xx0
f(x0) = f(x0), atunci pentru orice U(x0), exista o

vecinatate V (x0) asa ncat, pentru orice x V (x0) (A {x0}) sa avem f(x)
U(f(x0)). Cum
pentru x = x0 A avem evident f(x0) U(f(x0), rezulta ca pentru orice x V (x0) A
avem
f(x) U(f(x0))), ceea ce ne arata ca f este continua n x0.
Observatia 10.4.1 Daca x0 este punct de acumulare din A si functia f este
continua n x0,
atunci putem scrie
lim
xx0
f(x) = f
_
lim
xx0
x
_
,
ceea ce ne spune ca operatia de trecere la limita este permutabila cu functia
f.
Teorema 10.4.2 (de caracterizare a continuitatii n punct). Fie f : A (Y, d2) o
functie,
unde A (X, d1) si x0 A. Atunci urmatoarele afirmatii sunt echivalente:
1) f este continua n punctul x0 (definitia cu vecinatati 10.4.1)
2) pentru orice sfera deschisa SY (f(x0), ) din spatiul metric Y , exista o sfera
deschisa
S(x0, ) din spatiul metric X astfel ncat, pentru orice x SX(x0, ) A sa avem
f(x) SY (f(x0), ) (definitia cu sfere);
3) pentru orice > 0 exista > 0 astfel ncat pentru orice x A cu d1(x, x0) < ,
sa avem
d2(f(x), f(x0)) < (definitia cu si );
4) pentru orice si convergent de puncte din A cu lim
nxn
X=
x0 sa rezulte lim
nf(xn) Y=
f(x0)
(definitie cu siruri).
Demonstratie. Valabilitatea teoremei rezulta imediat din Teorema 10.3.1 de
caracterizare
a notiunii de limita.
Teorema 10.4.3 Fie f : A Rp, A Rm, m 1, p 2, functia vectoriala f = (f1, f2, . . . ,
fp),
unde fi : A R, i = 1, p si x0 A. Atunci f este continua n punctul x0 A, daca si
numai
daca functiile fi sunt continue n x0, i = 1, p.
Demonstratie. Utilizand Teoremele 10.4.1 si 10.3.4, rezulta imediat
valabilitatea celor afirmate
n enuntul teoremei.
Definitia 10.4.2 Fie f : A (Y, d2), unde A (X, d1), o functie. Zicem ca functia f
este
continua pe D daca f este continua n orice punct din D.
207
Exemple. 10.4.1. Fie (X, d) un spatiu metric si k un element fixat din X.
Functia f : X X,
f(x) = k, oricare ar fi x X, este continua pe X deoarece daca x0 X si xn
X x0, atunci
f(xn) X k = f(x0), adica este satisfacuta definitia cu siruri a continuitatii
n x0.
10.4.2. Fie 1X : (X, d) (X, d) aplicatia identica, adica 1X(x) = x, oricare ar fi x
X. Atunci
1X este continua pe X. Intr-adevar, sa consideram un x0 X arbitrar; atunci
pentru orice
sir (xn) X cu lim
nxn
X=
x0 avem lim
n1x(xn) X=
lim
nxn
X=
x0 = 1X(x0), ceea ce ne arata ca 1X

este continua n x0.
10.4.3. (Continuitatea functiilor compuse.) Fie (X, d1), (Y, d2 si (Z, d3) trei spatii
metrice si
fie functiile f : X Y , y : Y Z. Daca f este continua n x0 X si g este
continua n
f(x0) Y , atunci g f este continua n x0.
Folosim definitia cu siruri a continuitatii. Fie (xn) un sir arbitrar din X cu
lim
nxn
X=
x0.
Din continuitatea lui f n x0 rezulta lim
n
f(xn) Y=
f(x0). Acum, tinand seama de continuitatea
lui g n f(x0), obtinem ca lim
ng(f(xn)) Z=
g(f(x0)), adica lim
n(g f)(xn) Z= (g f)(x0), ceea ce
ne arata ca g f este continua n x0 X.
10.4.4. (Prelungirea prin continuitate). Fie (X, d1) si (Y, d2) doua spatii metrice,
A X si
x0 un punct de acumulare din A. Daca f : A {x0} Y este o functie definita pe
A {x0},
atunci am putea prelungi functia f la multimea A n diferite moduri
atribuindu-i lui f o
valoarea arbitrara n x0. Daca exista lim
xx0
f(x) Y=
l Y , am putea considera functia
( f : A Y, ( f(x) =
_
f(x) , daca x A {x0},
l ,daca x = x0,
care este, evident, o prelungire a lui f pe A.
Deoarece lim
xx0
( f(x) = l = ( f(x0), rezulta ca f este continua n x0. Functia ( f atasata

functiei f poarta numele de prelungirea functiei f prin continuitatea n
punctul x0.
10.4.5. (Functii continue cu valori reale). Fie f, g : (X, d) R functii continue si
R.
Atunci:
1) f + g, f si fg sunt continue pe X;
2) f
g
: X {x X|g(x) = 0} R este continua pe X {x X|g(x) = 0};
3) |f| este continua pe X.
Pentru a demonstra aceste afirmatii sa observam mai ntai ca daca x0 este
punct izolat,
atunci valabilitatea celor trei afirmatii rezulta din teorema 10.4.1, punctul i).
Daca x0 este
punct de acumulare atunci afirmatiile 1) si 2) rezulta din teorema 10.3.4,
utilizand definitia
cu siruri a continuitatii.
Pentru a demonstra 3) este suficient sa aratam ca daca lim
nxn
X=
x0,atunci lim
n
|f(xn)| =
|f(x0)|. Cum
| |f(xn)| |f(x0)| ||f(xn) f(x0)|,
pentru orice n N, si din f continua n x0, obtinem ca lim
n
|f(xn)| = |f(x0)|, adica |f| este

continua n x0.
10.4.6. (Continuitate laterala). Fie f : A R, unde A R, si fie x0 A un punct
acumulare
pentru D. Daca exista limita la stanga n x0, f(x0 0) = fs(x0) = lim
xx0
x<x0
f(x), iar fs(x0) = f(x0),

atunci spunem ca f este continua la stanga n x0. Daca exista limita la
dreapta n x0,
f(x0 +0) = fd(x0) = lim
xx0
x>x0
f(x), iar fd(x0) = f(x0)atunci spunem ca f este continua la dreapta n

x0.
T inand seama de Observatie 10.3.5, deducem ca o functie f este continua
n x0 daca
si numai daca f este continua atat la stanga cat si la dreapta n punctul
x0.
208
Punctul de acumulare x0 A se numeste punct de discontinuitate de speta
(specia)
ntaia daca f nu este continua n x0, fs(x0) si fd(x0) exista, sunt finite si
diferite. Punctul
x0 A se numeste de discontinuitate de speta a II-a daca este punct de
discontinuitate si
nu este de speta ntaia.
Daca x0 A este un punct de discontinuitate de speta ntaia pentru functie
f, atunci
expresiile
sf (x0) = |fd(x0) fs(x0)|
si
osc (f; x0) = max{|fd(x0) fs(x0)|, |f(x0) fs(x0)|,
, |f(x0) fd(x0)|}
se numesc saltul lui f n x0 si respectiv oscilatia lui f n x0.
10.4.7. (Discontinuitatile functiilor monotone). O functie monotona f,
definita pe intervalul
(a, b),
a < b +, poate avea puncte de discontinuitate numai de speta ntaia.
Sa presupunem ca functia f este crescatoare si sa alegem un punct x0
arbitrar din
(a, b). Exista punctele x1, x2 (a, b) astfel ncat x1 < x0 < x2. Pentru orice x (x1,
x0) avem
f(x1) f(x) f(x0), de unde prin trecere la limita rezulta f(x1) lim
x x0
x < x0
f(x) f(x0),
ceea ce ne arata ca f(x0 0) este finita. In mod analog, considerand x (x0, x2),
obtinem ca
f(x0 + 0) este finita. Prin urmare, daca x0 este punct de discontinuitate, atunci el
este de
speta ntaia.
Din demonstratie rezulta ca pentru orice x0 (a, b) au loc inegalitatile
f(x0 0) f(x0) f(x0 + 0).
Definitia 10.4.3 Fie X si Y doua spatii liniare normate. Spunem ca operatorul
liniar T :
X Y este marginit daca exista un numar M >0 asa ncat
(10.8) _T(x)_ M_x_,
pentru orice x X.
Vom arata can cazul operatorilor liniari, marginirea este echivalenta cu
continuitatea
lor.
Teorema 10.4.4 Daca T este un operator liniar ntre spatiile liniare normate X
si Y , atunci
urmatoarele afirmatii sunt echivalente:
1) T este continuu pe X;
2) T este continuu n originea x a spatiului X;
3) T este marginit.
Demonstratie. Din 1) rezulta imediat deoarece T fiind continuu pe X este
continuu n orice
punct al lui X, deci si n x. Acum, sa aratam ca din 2) rezulta 3). Din faptul
ca operatorul
T este continuu n x rezulta ca pentru orice > 0 exista asa ncat,
pentru orice x X
cu _x_ < , sa avem _T(x) T(x)_ = _T(x)_ < . In particular, luand = 1 exista 1
> 0 asa
ncat din ||x|| < 1 sa rezulte ||T(x)|| < 1.
Se observa ca (10.8) este verificata pentru x = x. Fie acum x _= x. Sa
consideram
y = 1
2
x
_x_. Atunci _y_ =
4444
1
2
x
_x_
4444
= 1
2 < 1, ceea ce conduce la _T(y)_ 1. De aici obtinem
4444
T
_
1
2
x
_x_
_4444
=
4444
1
2_x_T(x)
4444
1,
209
de unde
1
2_x_
_T(x)_ 1,
adica
_T(x0)_ 2
1
_x_,
pentru orice x X. Prin urmare, operatorul T este marginit.
Sa aratam ca 3) implica 1). Din faptul ca T este marginit rezulta ca exista
M >0 asa
ncat (10.8) sa aiba loc.
Fie xo X arbitrar. Pentru orice > 0 si orice x X, asa ncat _x x0_ <
M
, avem
_T(x) T(x0)_ = _T(x x0)_ M_x x0_<M
M
= ,
ceea ce exprima continuitatea operatorului T.
Corolarul 10.4.1 Daca T : Rn Rp este un operator liniar, atunci el este continuu.
Demonstratie. Fie T = (T1, T2, . . . , Tp), unde
Ti : Rn R, i = 1, p. Daca T este operator liniar, atunci rezulta ca si aplicatiile
Ti
sunt liniare.
Conform Teoremei 10.4.3, a arata ca T este un oeprator liniar continuu revine la
a
arata ca Ti, i = 1, p, sunt functii continue. Prin urmare, este suficient sa
aratam ca un
operator liniar T : Rn R este continuu.
Fie B = {e1, e2, . . . , en} baza canonica a lui Rn. Daca x Rn atunci x = (x1, x2, . . . ,
xn) si
deci x =
n
i=1
xiei. Atunci
T(x) = T
_
n
i=1
xiei
=
n
r=1
xiT(ei),
de unde, utilizand inegalitatea lui CauchySchwartzBuniakowski, avem
|T(x)| =
_____
n
i=1
xiT(ei)
_____
_
n
i=1
T2(ei)
12
_
n
i=1
x2i
12
= M_x_,
pentru orice x Rn, care ne arata ca T este un operator liniar marginit.
Asadar, conform
Teoremei 10.4.4, rezulta ca T este operator continuu.
In continuare vom prezenta cateva proprietati cu privire la transformarea
multimilor
deschise, respectiv nchise, compacte si conexe printr-o aplicatie continua.
Teorema 10.4.5 Fie (X, d1) si (Y, d2) doua spatii metrice si f : X Y o functie.
Atunci
urmatoarele afirmatii sunt echivalente:
1) f este continua pe X;
2) pentru orice multime deschisa D din Y , imaginea inversa f1(D) este multime
deschisa
n X;
3) pentru orice multime nchisa B din Y , imaginea inversa f1(B) este multime
nchisa
n X;
4) pentru orice submultime A a lui X, avem f(A) f(A).
Demonstratie. Sa aratam ca din 1 rezulta 4). Fie x A asa ca y = f(x). Cum
x A rezulta
ca exista un sir de puncte (xn) din multimea A asa ncat lim
n
xn
X=
x. Din continuitatea
lui f rezulta lim
nf(xn) Y=
f(x) = y,adica am aratat ca n multimea f(A) exista un sir de
210
puncte (f(xn)) asa ca lim
nf(xn) Y=
y. Prin urmare, y f(A), ceea ce ne arata ca am dovedit
incluziunea f(A) f(A).
Acum, sa aratam ca 4) implica 3). Fie B o multime nchisa n Y , adica B =
B n Y .
Notam f1(B) cu A. Conform ipotezei 4) avem
f(A) f(A) = f(f1(B)) B = B,
de unde
Af
1(f(A)) f
1(B) = A.
Cum A A, rezulta ca A = A, ceea ce ne arata ca A = f1(B) este nchisa n X.
Sa aratam ca 3) implica 2). Fie D o multime deschisa n Y . Atunci B = Y D

este
nchisa n Y . Conform ipotezei 3) multimea f1(B) = f1(Y D) este nchisa n
X. De aici
rezulta ca
Xf
1(B) = X [f
1(Y ) f
1(D)] = f
1(D)
este deschisa n X.
Mai avem de demonstrat ca din 2) rezulta 1). Fie x0 un punct arbitrar din X si
D = SY (f(x0), ) o sfera deschisa din Y . Conform ipotezei 2), multimea f1(D) este
multime
deschisa n X. Rezulta ca f1(D) este o vecinatate pentru x0 X.
Atunci exista o sfera SX(x0, ) f1(D) asa ncat pentru orice x SX(x0, ) sa
avem
f(x) SY (f(x0), ) = D, ceea ce ne arata ca f este continua n x0 (vezi Teorema
10.4.2).
Observatia 10.4.2 Multimea functiilor continue pe X cu valori n Y se noteaza
prin C(X, Y ).
Definitia 10.4.4 Fie (X, d1) si (Y, d2) doua spatii metrice si f : A X Y o
functie. Spunem
ca f este uniform continua pe A, daca oricare ar fi > 0 exista > 0 (acelasi
pentru toate
punctele x A) astfel ncat, oricare ar fi x1, x2 A cu proprietatea d1(x1, x2) <
are loc
d2(f(x1), f(x2)) < .
Propozitia 10.4.1 Daca f : A X Y este o functie uniform continua pe A,
atunci f este
continua pe A.
Demonstratie. Sa consideram x0 un punct arbitrar din A. Din faptul ca f este
uniform
continua pe A rezulta ca, pentru orice > 0, exista > 0 astfel ncat, pentru
orice x1, x2 A
cu d1(x1, x2) < , are loc d2(f(x1), f(x2)) < . Atunci, oricare ar fi x A asa ncat
d1(x, x0) < ,
are loc d(f(x), f(x0)) < , adica f este continuan x0. Cumx0 a fost ales arbitrar din
A, rezulta
ca f este continua pe A.
Observatia 10.4.3 Reciproca Propozitiei 10.4.1 este falsa, adica exista
functii continue pe
o multime, care nu sunt uniform continue.
Exemplul 10.4.8. Fie f : (0, 1] R definita prin f(x) = 1/x, x (0, 1]. Se observa ca
f este
continua pe (0, 1].
Sa presupunem ca f este uniform continua pe (0, 1], adica pentru orice > 0
exista
un > 0, acelasi pentru toate punctele x (0, 1], asa ncat pentru orice x1, x2
(0, 1] cu
proprietatea |x1 x2| < sa aiba loc |f(x1) f(x2)| < . Sa luam, n particular,
= 1/2,
cand obtinem ca exista 1
2
> 0 astfel ncat pentru orice x1, x2 (0, 1] cu |x1 x2| < 12
, avem ____
1
x1
1
x2
____
<
1
2
.
Fie x1 = 1/n si x2 = 1/(n + 1) cu n N
ales asa ncat
2
n
< 1/2. Atunci, cum |x1 x2| =
1
n(n + 1) <
2
n
< 1
2
, ar trebui ca
____
1
x1
1
x2
____
= |n (n + 1)| = 1 <
1
2
, ceea ce constituie o
contradictie. Prin urmare, presupunerea facuta este falsa deci f nu este
uniform continua
pe (0, 1].
211
Observatia 10.4.4 Uniform continuitatea este o proprietate globala pentru o
functie,
referindu-se la ntreg domeniul de definitie, al functiei, n timp ce,
continuitatea unei
functii ntr-un punct este o proprietate locala.
Definitia 10.4.5 Fie (X, d1) si (Y, d2) doua spatii metrice. Spunem ca aplicatia f
:AXY
este lipschitziana pe A, daca exista un numar 0 astfel ncat oricare ar fi
x1, x2 A,
are loc d2(f(x1), f(x2)) d1(x1, x2). Se mai zice ca f este lipschitziana n raport cu
, sau
lipschitziana.
Propozitia 10.4.2 Orice contractie a unui spatiu metric (X, d) este o functie
lipschitziana.
Demonstratie. Fie f o contractie a lui X. Atunci, conform Definitiei 8.2.8,
exista [0, 1)
asa ca pentru orice x1, x2 X, avem d(f(x1), f(x2)) d(x1, x2), care ne arata ca f
este
lipschitziana.
Propozitia 10.4.3 Orice functie lipschitziana este uniform continua.
Demonstratie. Fie f : A (X, d1) (Y, d2) o functie lipschitziana pe A, adica

pentru orice
x1, x2 A, are loc d2(f(x1), f(x2)) d1(x1, x2). Fie > 0. Daca = 0,a tunci d2(f(x1),
f(x2))
0, pentru orice x1, x2 A. Rezulta ca f(x1) = f(x2) oricare ar fi x1, x2 A, deci f este
constanta pe A si prin urmare este uniform continua pe A.
Daca > 0, luand = /, atunci pentru orice x1, x2 A cu d1(x1, x2) < , are loc
d2(f(x1), f(x2)) d1(x1, x2) <
= , ceea ce ne arata ca f este uniform continua pe A.

Acum, sa facem cateva precizari asupra functiilor continue pe multimi
compacte.
Teorema 10.4.6 Fie (X, d1) si (Y, d2) doua spatii metrice si f : X Y o functie
continua.
Daca A este o submultime compacta a lui X, atunci f(A) este o submultime
compacta a lui
Y.
Demonstratie. Fie (yn) un sir din f(A). Atunci, pentru orice n N, exista xn K,
asa ncat
f(xn) = yn. Multimea K fiind compacta, conform cu Definitia 10.1.18, sirul (xn)
contine
un subsir (xnk ) convergent. Din continuitatea lui f rezulta ca sirul (f(xnk )) este
un subsir
convergent al sirului (yn) si prin urmare, f(A) este o multime compacta din Y .
Definitia 10.4.6 Fie (X, d1) si (Y, d2) doua spatii metrice. Spunem ca o functie f
:AXY
este marginita daca multimea f(A) este marginita n Y .
Acum, din Teorema 10.4.6 obtinem urmatorul rezultat.
Corolarul 10.4.2 Orice functie continua pe un compact dintr-un spatiu metric
este
marginita.
Demonstratie. Fie f : A (X, d1) (Y, d2) o functie continua si A o
submultime compacta
a lui X; conform Teoremei 10.4.6 rezulta ca f(A) este compacta n Y . Atunci f(A)
este
marginita n Y si deci functia f este marginita pe A.
In caz particular, din Corolarul 10.4.2 obtinem urmatorul rezultat cunoscut din
liceu:
Corolarul 10.4.3 Daca functia f : [a, b] R este continua, atunci f este
marginita.
Observatia 10.4.5 Daca multimea A, pe care functia f este continua, nu este
compacta,
atunci rezultatul Corolarului 10.4.2 nu se mai pastreaza.
Intr-adevar, daca consideram functia f : (0, 2) R definita prin f(x) = 1/x;
pentru orice
x (0, 2), aceasta este continua pe (0, 2), dar f(0, 2) = (1/2,) si deci f nu este
marginita.
Definitia 10.4.7 Fie (X, d) un spatiu metric, f : X R o functie, M = sup
xX
f(x) marginea
superioara a lui f pe X si, respectiv, m = inf
xX
f(x) marginea inferioara a lui f pe X.

Spunem, ca f si atinge marginea superioara, respectiv marginea inferioara pe
212
multimea X daca exista un punct x1 X, respectiv un punct x2 X, asa ca M =

f(x1)
, respectiv f(x2) = m.
Spunem ca f si atinge marginile pe X daca f si atinge atat marginea
superioara cat
si marginea inferioara pe X.
Teorema 10.4.7 (Weierstrass). Daca A este o submultime compacta a spatiului
metric (X, d)
si f : X R este continua, atunci f si atinge marginile pe multimea A.
Demonstratie. Pe baza Corolarului 10.4.2 rezulta ca f(A) este marginita n R.
Fie
M = sup
xA
f(x) si m = inf
xA
f(x). Deoarece M si m sunt puncte aderente pentru multimea

f(A) rezulta ca M f(A) si m f(A). Din f(A) este compacta rezulta ca este
multime
nchisa si atunci M f(A) si m f(A).
Deci, rezulta ca exista x1 A asa ncat f(x1) = M si exista x2 A asa ca
f(x2) = m,
ceea ce ne arata ca f si atinge marginile pe A.
In particular, din Teorema 10.4.7 obtinem cunoscuta teorema a lui Weierstrass
studiat
a n liceu.
Corolarul 10.4.4 Functia f : [a, b] R continua pe [a, b] este marginita si si
atinge marginile
pe [a, b].
Dam acum o reciproca pentru Propozitia 10.4.1.
Teorema 10.4.8 (Cantor.) Fie (X, d1) si (Y, d2) doua spatii metrice. Daca f : A X
Y
este o functie continua pe A, iar A este o multime compacta n X, atunci f este
uniform
continua pe A.
Demonstratie. Presupunem ca f nu este uniform continua. Atunci, exista un 0
> 0 asa ncat
pentru orice > 0 exista x1,, x2, A cu proprietatea ca d1(x1,, x2,) < si
d2(f(x1,), f(x2,))
0.
In particular, daca = 1/n cu n N
si notam x1, = xn, x2, = yn obtinem sirurile (xn),
(yn) din A cu proprietatea ca d1(xn, yn) < si d2(f(xn), f(yn)) 0.
Din faptul ca multimea A este compacta rezulta ca sirul (xn) contine un
subsir (xnk )
convergent la punctul x0 A. Consideram subsirul (ynk ) a sirului (yn). Cum
d1(ynk, x0) d1(ynk, xnk) + d1(xnk, x0) 1
nk
+ d1(xnk, x0)
si
lim
k
_
1
nk
+ d1(xnk, x0) =
_
= 0,
rezulta ca lim
n
d1(ynk, x0) = 0, adica lim

n
ynk
Y=
x0.
Functia f fiind continua, rezulta ca
lim
k
f(xnk ) Y=
f(x0) si lim
k
f(ynk ) Y=
f(x0),
de unde
lim
k
d2(f(xnk ), f(ynk )) = 0,
care este n contradictie cu d2(f(xn), f(yn)) 0.
Asadar, f este uniform continua pe A.
In ncheierea acestui paragraf sa abordam cateva proprietati ale
functiilor continue
pe multimi conexe.
Teorema 10.4.9 Fie (X, d1) si (Y, d2) doua spatii metrice si f : A X Y o functie
continua
pe A. Daca A este conexa n X, atunci f(A) este conexa n Y .
213
Demonstratie. Vom proceda prin reducere la absurd. Sa presupunem contrariul.
Atunci
exista doua multimi nevide. D1, D2, deschise n Y , asa ca
D1 D2 f(A) = , D (10.9) 1 f(A) _= , D2 f(A) _=
f(A) D1 D2.
Din faptul ca f este continua, pe baza Teoremei 10.4.5, rezulta ca multimile
1 =
f1(D1) si 2 = f1(D2) sunt deschise n X. In plus, 1 _= , 2 _= , 1 2 A =
f1(D1)
f1(D2) A = f1(D1 D2) A = , 1 A _= , 2 A _= si A 1 2. De aici,
rezulta ca
A este neconexa, ceea ce este o contradictie. Prin urmare, f(A) este conexa n
Y.
Corolarul 10.4.5 (Proprietatea valorilor intermediare). Fie (X, d) un spatiu metric
si A o
submultime conexa a sa. Daca functia f : A R este continua pe A, a, b A si
f(a) < f(b),
atunci pentru orice (f(a), f(b)) exista c A asa ca f(c) = .
Demonstratie. Din Teorema 10.4.9 rezulta ca f(A) este conexa. De aici, pe
baza Observatiei
10.1.4, deducem ca f(A) este interval. Prin urmare, daca f(a), f(b) f(A),atunci
intervalul
(f(a), f(b)) este nclus n f(A), de unde rezulta afirmatia din Corolar.
Din Corolarul 10.4.5 obtinem rezultatul cunoscut:
Corolarul 10.4.6 Daca I este un interval al lui R si f : I R este o functie
continua pe I,
atunci multimea f(I) este un interval.
Definitia 10.4.8 Fie (X, d1) si (Y, d2 doua spatii metrice. Spunem ca functia f :
XY
are proprietatea lui Darboux daca transforma orice submultime conexa a lui X
ntr-o
submultime conexa a lui Y .
Observatia 10.4.6 Teorema 10.4.9 ne spune ca orice functie continua are
proprietatea lui
Darboux.
Observatia 10.4.7 In particular, o functie reala f : I R, I interval din R, are
proprietatea
Darboux daca pentru orice a, b I cu a < b si pentru orice (f(a), f(b)) sau
(f(b), f(a)),
exista un element c (a, b) asa ca f(c) =
Propozitia 10.4.4 Fie f : I R o functie, unde I este un interval al lui R. Daca f
are
proprietatea lui Darboux, atunci f poate avea numai discontinuitati de speta a
doua.
Demonstratie. Vom folosi metoda reducerii la absurd. Presupunem ca functia
f are un
punct x0 I de discontinuitate de speta ntaia. Atunci, exista limitele laterale
fs(x0) si fd(x0)
finite si ori f(x0) _= fs(x0), ori f(x0) _= fd(x0). Sa presupunem ca f(x0) < fd(x0).
Consideram
R asa ncat f(x0) < < fd(x0); de aici, avem fd(x0) > 0. Din definitia limitei
rezulta
ca pentru = fd(x0) > 0 exista > 0 asa ca, pentru orice x (x0, x0 + ), sa
avem
|f(x) fd(x0)| < = fd(x0) ,
de unde f(x) > , pentru orice x (x0, x0 + ).
Cum x0 + /2 (x0, x0 + ), avem f(x + /2) > > f(x0), adica este valoare
intermediara. Atunci, din faptul ca f are proprietatea lui Darboux rezulta ca
exista
c (x0, x0 + ) asa ca f(c) = , ceea ce contrazice f(x) > , pentru orice x (x0, x0
+ ).
Presupunerea facuta este falsa, rezultand ca f nu poate avea decat puncte
de discontinuitate
de speta a doua.
Corolarul 10.4.7 Fie f : I R o functie, unde I este un interval al lui R. Daca f este
monotona si are proprietatea lui Darboux, atunci f este continua pe I.
Demonstratie. Conform Exemplului 10.4.3 functia f fiind monotona ar putea
avea numai
discontinuitati de speta ntaia, iar, conform Propozitiei 10.4.4, posedand
proprietatea Darboux,
poate avea numai discontinuitati de speta a doua. Prin urmare, f trebuie sa
fie
continua.
214
Teorema 10.4.10 Fie I un interval al lui R, f : I R o functie continua si J = f(I).
Atunci
f este o bijectie de la I la J daca si numai daca f este strict monotona. In acest
caz inversa
f1 : J I este, de asemenea, strict monotona (de acelasi sens) si continua.
Demonstratie. Sa consideram ca f nu este strict monotona. Atunci exista
trei puncte
x1, x2, x3 n I asa ca x1 < x2 < x3 dar f(x1) > f(x2) si f(x2) < f(x3) (sau f(x1) < f(x2) si
f(x2) > f(x3)). Fie = min(f(x1), f(x2)) si = ( + f(x2))/2. Fara a influenta

rigurozitatea
demonstratiei, putem alege = f(x1). Atunci
f(x2) < = + f(x2)
2
= f(x1) + f(x2)
2 < f(x1)
si cum f, fiind continua, are proprietatea lui Darboux, rezulta ca exista c
(x1, x2) asa ca
= f(c). Dar avemsi
f(x2) < = + f(x2)
2 < f(x3),
rezulta de aici ca exista d (x2, x3) asa ca f(d) = . Rezulta ca f(c) = f(d) si
fum f este
bijectiva obtinem c = d, ceea ce este imposibil deoarece x1 < c < x2 < d < x3.
Asadar, presupunerea facuta este falsa. Rezulta ca f este strict monotona.
Reciproc, sa consideram ca f : I J este strict monotona si continua. De aici,
rezulta
ca f este injectiva (strict monotona) si surjectiva (J = f(I)), deci f este
bijectiva.
Fara a restrange generalitatea, sa presupunem ca f este strict crescatoare
si sa aratam
ca si f1 : J I are aceeasi proprietate.
Fie y1, y2 din J cu y1 < y2. Notam cu x1 = f1(y1) si cu x2 = f1(y2). Atunci f(x1) = y1
si
f(x2) = y2. Cum f1 este injectiva, avem f1(y1) _= f1(y2). Daca am avea f1(y1) >
f1(y2),
atunci, cum f este strict crescatoare, rezulta f(f1(y1)) > f(f1(y2)), de unde y1 > y2,
ceea
ce este n contradictie cu y1 < y2. Ramane ca f1(y1) < f1(y2), ceea ce arata
ca f1 este
strict crescatoare. Cum f1 este strict monotona si poseda proprietatea lui
Darboux, de
unde, pe baza Corolarului 10.4.7, rezulta ca f1 este continua.
Observatia 10.4.8 Utilizand aceasta teorema, se arata cu usurinta ca
functiile inverse ale
principalelor functii elementare sunt continue.
215

a) Functie ntre doua spatii metrice;
b) Limita unei functii ntre doua spatii metrice (definitia cu siruri);
c) Functie continua ntr-un punct (f : (X, d1) (Y, d2) cu (X, d1) si (Y, d2) spatii
metrice);
d) Functie vectoriala;
e) Functie uniform continua.
2. Sa se demonstreze ca o functie f : R R periodica si care nu este
constanta nu are
limita la + si .
3. Calculati L = lim
x
(2x + x) 1
x.
4. a) Fie functia f :
1
0,
2
2
R,
f(x) =
x2 sin
1
x
sin x
, x _= 0
1 , x = 0.
Sa se studieze continuitatea functiei f.
b) Se da functia f : [a, b] [a, b] continua pe [a, b]. Sa se arate ca () c [a, b]
astfel
ncat f(c) = c.
5. a) Folosind definitia sa se arate ca:
lim
(x,y)(1,3)
(x2 + xy) = 4
b) Aratati cu ajutorul definitiei cu siruri ca functia f(x, y) =
2xy
x2 + y2 , (x, y) _= (0, 0) nu
are limita n origine.
6. Aratati cu ajutorul definitiei cu siruri ca functia f(x, y) = y2 + 2x
y2 2x
, y2 2x _= 0 nu are
limita n origine.
7. Cercetati limitele iterate si limita globala (daca este cazul) n origine
pentru functia:
a) f(x, y) = x y + x2 + y2
x+y
, x + y _= 0,
b) f(x, y) = x sin
1
y
, y _= 0.
8. Calculati:
a) L = lim
(x,y)(0,0)
xy
xy + 1 1
,
b) L = lim
(x,y)(0,0)
sin(xy)
x
.
9. Studiati uniform continuitatea functiei:
f(x) = arctg
1+x
1x
, x (1,).
216
10. Studiati uniform continuitatea functiei:

f : (1, 2) (1, 2) R, f(x, y) = x
y
.
217

2. Se foloseste definitia cu siruri.
3. L = 2.
4. a) f continua pe
$
0,
2
2
;
b) Se foloseste consecinta lui Darboux: Daca
f : [a, b] [a, b]
continua pe [a, b] si f(a) f(b) 0 atunci ()c [a, b] astfel ncat f(c) = c.
5. b) Se considera sirurile
_
1
n
,
3
n
_
si
_
1
n
,
1
n
_
.
6. Se considera sirurile
_
1
n2 ,
1
n
_
si
_
1
n2 ,
2
n
_
.
7. a) lim
x0
lim
y0
f(x, y) = 1 si lim
y0
lim
x0
f(x, y) = 1, deci nu exista limita globala n (0, 0).

b) Avem lim
y0
lim
x0
f(x, y) = 0 dar nu exista lim

x0
lim
y0
f(x, y). Avem limita globala

lim
(x,y)(0,0)
f(x, y) = 0.
8. a) L = 2;
b) L = 2.
9. f este uniform continua pe (1,). Se foloseste identitatea:
arctg arctg = arctg
1 +
si inegalitatea arctg x x.
10. f este uniform continua pe (1, 2) (1, 2).
218
II,
219
Capitolul 11
Derivarea functiilor reale

Obiective: Recapitularea notiunilor legate de derivarea functiilor reale de o
variabil
a reala cunoscute din nvatamantul preuniversitar si completarea
acestora cu acele
notiuni, legate de subiectul prezentului capitol, strict necesare pentru
parcurgerea capitolelor
urmatoare.
Rezumat: In acest capitol sunt recapitulate si completate notiunile legate de
derivata unei functii reale de o variabila reala si proprietatile acesteia,
proprietatile de baza
ale functiilor reale derivabile pe un interval real (teoremele lui Fermat, Rolle,
Cauchy, Lagrange,
Darboux, Taylor), diferentiala unei functii reale de o variabila reala si
proprietatile
acesteia. Capitolul se ncheie cu prezentarea unor aplicatii imediate ale
notiuni de derivata
n economie.
1. Definitia derivatei si proprietatile ei de baza
2. Proprietati de baza ale functiilor derivabile pe un interval
3. Diferentiala unei functii reale
4. Aplicatiile derivatei n economie
Cuvinte cheie: derivata a unei functii reale de o variabila reala, derivabilitate,

teorema lui Fermat, teorema lui Rolle, teorema lui Lagrange, teorema lui Darboux,
teorema
lui Taylor, diferentiala unei functii reale de o variabila reala, productie
medie, ritm mediu,
elasticitate medie.
11.1 Definitia derivatei si proprietatile ei de baza
Fie functia f : A R, unde A este o submultime a lui R si fie x0 A un punct de

acumulare pentru A.
Definitia 11.1.1 Spunem ca functia f are derivata n punctul x0 daca exista
n R limita
lim
xx0
f(x) f(x0)
x x0
,
notata, de obicei, cu f_(x0).
Daca derivata f_(x0) exista si este finita zicem ca functia f este derivabila n
punctul
x0. Daca f_(x0) = + sau f_(x) = , atunci vom spune ca f are derivata infinita n
punctul x0.
Propozitia 11.1.1 Daca functia f : A R este derivabila n x0 A A_, atunci f
este
continua n x0.
220
Demonstratie. Din ipoteza avem ca exista si este finita
lim
xx0
f(x) f(x0)
x x0
=f
_(x0).
Se observa ca pentru orice x A {x0}, avem
f(x) = (x x0)f(x) f(x0)
x x0
+ f(x0),
de unde prin trecere la limita obtinem lim
xx0
f(x) = f(x0), ceea ce ne arata ca f este continua

n x0.
Observatia 11.1.1 Reciproca Propozitiei 11.1.1 este falsa deoarece exista
functii continue
ntr-un punct care nu sunt derivabile n acel punct. Pentru aceasta, este
suficient sa
consideram functia f(x) = |x|, x R, care este continua pe R dar nu este
derivabila n 0.
Definitia 11.1.2 Daca functia f : A R, A R, este derivabila n orice punct al
unei
submultimi B a lui A, atunci spunem ca f este derivabila pe B.
Daca B este formata din toate punctele lui A n care functia f este derivabila,
atunci
B se numeste domeniul de derivabilitate a lui f.
In acest caz, functia definita pe B cu valori reale care asociaza fiecarui punct
xB
derivata f_(x) n punctul x se numeste derivata lui f pe multimea B si notam
prin f_.
Operatia prin care din functia f obtinem functia f_ se numeste operatie

de derivare.
Definitia 11.1.3 Fie f : A R R si x0 A un punct de acumulare pentru A (,
x0).
Daca exista limita
f
_
s(x0)
= lim
xx0
x<x0
f(x) f(x0)
x x0
atunci numim aceasta limita derivata la stanga a functiei f n punctul x0.
Daca x0 A este punct de acumulare pentru A (x0,+) si exista limita
f
_
d(x0)
= lim
xx0
x>x0
f(x) f(x0)
x x0
,
atunci numim aceasta limita derivata la dreapta a functiei f n punctul x0.
Daca f_
s(x0), respectiv f_
d(x0), este finita, atunci spunem ca f este derivabila la stanga,
respectiv la dreapta, n punctul x0.
Observatia 11.1.2 Daca functia f este definita pe un interval [a, b] si are
derivata la dreapta
n punctul a, respectiv la stanga n punctul b, atunci convenim sa spunem ca f
are derivata
n a, respectiv n b.
Din legatura ntre limita unei functii ntr-un punct si limitele laterale n
acel punct,
obtinem:
Propozitia 11.1.2 O functie f : A R R are derivata n punctul x A
A_ daca si numai daca f are derivata la dreapta si la stanga n punctul x0, iar
f_
s(x0) = f_
d(x0) = f_(x0).
Teorema 11.1.1 Fie f, g : A R doua functii derivabile n x0 A A_ si R.
Atunci sunt
variabile afirmatiile:
1) Suma f + g este derivabila n x0 si
(f + g)_(x0) = f
_(x0) + g
_(x0);
221
2) Produsul f este derivabila si
(f)_(x0) = f
_(x0);
3) Produsul fg este derivabila n x0 si
(fg)_(x0) = f
_(x0)g
_(x0) + f(x0)g
_(x0).
4) Daca g(x0) _= 0, atunci functia cat f/g este derivabila n x0 si
_
f
g
__
(x0) = f_(x0)g(x0) f(x0)g_(x0)
(g(x0))2 .
Demonstratia teoremei se face utilizand definitia derivatei. De exemplu, sa
demonstr
am afirmatia de la 3). Avem
lim
xx0
(fg)(x) (fg)(x0)
x x0
= lim
xx0
f(x)g(x) f(x0)g(x0)
x x0
=
= lim
xx0
g(x)[f(x) f(x0)] + f(x0)[g(x) g(x0)]

x x0
=
= lim
xx0
g(x)f(x) f(x0)
x x0
+ lim
xx0
f(x0)[g(x) g(x0)]
x x0
=
= g(x0)f
_(x0) + f(x0)g
_(x0),
Teorema 11.1.2 (Derivarea functiilor compuse sau regula lantului) Fie f : I R
J R,
g : J R, I si J fiind intervale. Daca f este derivabila n punctul x0 I si g este
derivabila
n punctul f(x0), atunci functia h : I R, h(x) = g(f(x0)) (h = gf) este derivabila n
punctul
x0 si h_(x0) = g_(f(x0))f_(x0) adica (g f)_ = (g_ f)f_.
Demonstratie. Consideram functia ajutatoare u : J R, definita prin
u(y) =
g(y) g(y0)
y y0
, daca y _= y0
g_(y0) , daca y = y0 = f(x0)
(11.1)
Cum lim
yy0
u(y) = g
_(y0) rezulta ca u este continua n punctul y0 = f(x0). Din (11.1)
obtinem:
g(y) g(y0) = u(y) (y y0), pentru orice y J
Deci avem
g(f(x)) g(f(x0)) = u(f(x0))(f(x) f(x0)),
pentru orice x I.
Rezulta ca, pentru orice x I {x0} avem
g(f(x)) g(f(x0))
x x0
= u(f(x))f(x) f(x0)
x x0
(11.2)
Cum f este derivabila n x0 rezulta ca f este continua n x0, de unde, tinand
seama
de continuitatea lui u n y0 = f(x0), deducem ca functia compusa u f este
continua n x0.
Acum, utilizand derivabilitatea lui f n punctul x0 obtinem din (11.2) ca exista
limita
lim
xx0
g(f(x)) g(f(x0))
x x0
= u(f(x))f
(11.3) _(x0)
Dar din (11.1), avem u(y0) = u(f(x0)) = g_(y0) =
= g_(f(x0)) si atunci din (11.3) obtinem
(g f)_(x0) = g
_(f(x0))f
_(x0),
222
Teorema 11.1.3 Fie f : I J, I, J intervale ale lui R, o functie continua si bijectiva.
Daca
f este dervabila n punctul x0 I si f_(x0) _= 0, atunci functia inversa f1 este
derivabila n
punctul f(x0) = y0 si are loc formula
(f
1)_(y0) =
1
f_(x0) ,
adica
(f
1)_ =
1
f_ f1
Demonstratie. T inand seama de Teorema 10.4.10 rezulta ca f este strict
monotona. In
aceasta situatie deducem ca functia inversa f1 este strict monotona si
continua. Fie
y I {y0} si x = f1(y). Deoarece y _= y0, tinand seama de strict monotonia
lui f1,
rezulta ca si x _= x0. Acum, putem scrie
f1(y) f1(y0)
y y0
= f1(f(x)) f1(f(x0))
f(x) f(x0)
=
x x0
f(x) f(x0)
=
1
f(x)f(x0)
xx0
,
de unde prin trecere la limita rezulta
lim
yy0
f1(y) f1(y0)
y y0
=
1
lim
xx0
f(x) f(x0)
x x0
=
1
f_(x0) .
In finalul acestui paragraf sa introducem notiunea de derivata de ordin
superior.
Fie f : D R o functie derivabila pe multimea D. In acest caz, exista functia
derivata
f_ : D R.
Definitia 11.1.4 Spunem ca functia f : D R2 este de doua ori derivabila ntrun punct
x0 D, daca f este derivabila ntr-o vecinatate a punctului x0 si f_ este
derivabila n
punctul x0. In acest caz derivata lui f_ n punctul x0 se numeste derivata a doua a
lui f n
x0 si o notam cu f__(x0).
Daca f_ este derivabila pe D, atunci derivata lui f_ se numeste derivata a doua
(sau
de ordinul doi) a lui f si se noteaza cu f__.
In general, spunem ca f este derivabila de n (n 2, n N) ori n x0 D daca f
este
de (n 1) ori derivabila pe o vecinatate V a lui x0 si daca derivata de ordin (n
1), notata
prin f(n1), este derivabila n punctul x0.
Spunem ca f este derivabila de n ori pe D daca f este derivabila de n ori n
orice
punct x D.
Derivatele succesive ale lui f se noteaza prin f(1) = f_, f(2) = f__, f(3) = f___, . . ., f(n)
pentru orice n N
. Convenim, de asemenea, sa notam prin f(0) = f.
In general, aflarea derivatei de ordinul n a functiei f se face prin inductie
matematica.
Exemplul 11.1.1. Se considera functia f : E R, f(x) = (ax + b), R, iar E
domeniul
maxim de definitie al lui f. Sa se calculeze f(n). Avem
f
_(x) = a(ax + b)1
f
__ = ( 1)a2(ax + b)2 . . .
Presupunem ca f(n)(x) = (1) . . . (n+1)an(ax+b)n si sa demonstram ca

f(n+1)(x) =
( 1) . . . ( n + 1)( n)(ax + b)n1.
Avem
f(n+1)(x) = (f(n)(x))_ = (( 1) . . . ( n + 1)an(ax + b)n)_ =
223
= ( 1) . . . ( n + 1)( n)an+1(a + b)n1
Asadar, avem
((ax + b))(n) = ((11.4) 1) . . . ( n + 1)an(ax + b)n
Cazuri particulare. 1. Daca = n, atunci din (11.4) gasim ((ax + b)n)(n) = n!an, de
unde
pentru a = 1 si b = 0 obtinem (xn)(n) = n!.
2. Daca = 1, atunci din (11.4) obtinem
_
1
ax + b
_(n)
=
(1)n n!an
(ax + b)n+1 .
3. Daca = 1
2 , atunci din (11.4) obtinem
(
ax + b)(n) = (1)n1 1 3 5 . . . (2n 3)

2n
ax + b
(ax + b)n , n 2.
Exemplul 11.1.2. (Formula lui Leibniz.) Fie f, g : D R R doua functii de n ori
derivabile
pe D. Atunci are loc egalitatea
(fg)(n)(x) =
n
k=0
Ck
nf(nk)(x)g(k)(x),
pentru orice x D, numita formula lui Leibniz.
Avem (f g)_(x) = f_(x)g(0)(x) + f(0)(x)g_(x), pentru orice x D, deci egalitatea este
adevarata pentru n = 1.
Presupunem egalitatea adevarata pentru n = k si sa demonstram ca este
adevarata si
pentru n = k + 1.
Putem scrie
(fg)(k+1)(x) = ((fg)(k))_(x) =
_
k
i=0
Cik
f(ki)(x)g(i)(x)
_
=
=
k
i=0
Cik
1
f(ki+1)(x)g(i)(x) + f(ki)(x)g(i+1)(x)
2
=
= C0
kf(k+1)(x)g(0)(x) + [C0
k + C1
k]f(k)(x)g(1)(x)+
+[C1
k + C2
k]f(k1)(x)g(2)(x) + . . . + [Ck1
k + Ck
k ]f(1)(x)g(k)(x)+
+Ck
k f(0)(x)g(k+1)(x).
Deoarece C0
k = C0
k+1 = 1, Ck
k = Ck+1
k+1 = 1 si Ci1
k +Cik
= Cik
+1, i k, egalitatea precedenta
conduce la
(fg)k+1(x) =
k+1
i=0
Cik
+1f(k+1i)
(x)
g(i)
(x),
ceea ce trebuia demonstrat. Asadar, formula lui Leibniz este adevarata.
11.2 Proprietati de baza ale functiilor derivabile pe

un interval
Definitia 11.2.1 Fie f : A R R o functie. Un punct x0 A se numeste punct de
maxim
local (sau relativ) al functiei f daca exista o vecinatate V (x0) a lui x0 asa
ncat f(x) f(x0),
pentru orice x V (x0) A.
Un punct x0 A se numeste punct de minim local (sau relativ) daca exista o
vecinatate
V (x0) a lui x0 asa ncat f(x) f(x0), pentru orice x V (x0) A.
Punctele de maxim sau minim local ale functiei f se numesc puncte de extrem
relativ
(sau local) ale functiei f, iar valorile functiei n punctele sale de extrem se
numesc extreme
ale functiei f.
224
Teorema 11.2.1 (Teorema lui Fermat). Fie I un interval al lui R si fie functia f : I
R.
Daca x0 este un punct de extrem local interior al intervalului I si f este
derivabila n x0,
atunci f_(x0) = 0.
Demonstratie. Sa presupunem ca x0 este un punct de maxim local pentru f,
adica exista
o vecinatate V (x0) a punctului x0 astfel ca f(x) f(x0), pentru orice x V (x0) I.

Atunci,
pentru x V (x0) I cu x < x0 putem scrie
f(x) f(x0)
x x0
(11.5) 0,
iar pentru x V (x0) I cu x > x0 avem
f(x) f(x0)
x x0
(11.6) 0.
Cum f este derivabila n punctul interior x0 I, deducem ca exista f_
s(x0), f_
d(x0) si
f_(x0) = f_
s(x0) = f_
d(x0) R. T inand seama de aceasta si trecand la limita n (11.5) si (11.6),
obtinem, pe de o parte ca f_(x0) = f_
s(x0) 0, iar, pe de alta parte, ca f_(x0) = f_
d(x0) 0. De
aici, rezulta ca f_(x0) = 0, ceea ce trebuia demonstrat.
Observatia 11.2.1 Teorema lui Fermat da numai o conditie necesara dar nu si
suficienta
pentru existenta punctelor de extrem. Se poate ntampla ca ntr-un punct
derivata sa se
anuleze fara ca punctul respectiv sa fie punct de extrem local. Radacinile
derivatei unei
functii se numesc puncte critice sau puncte stationare pentru functia
respectiva.
Observatia 11.2.2 Geometric, teorema lui Fermat afirma ca graficul unei
functii derivabile
are tangenta paralela cu axa Ox n punctele de extrem interioare intervalului
de definitie a
functiei.
Teorema 11.2.2 (Teorema lui Rolle). Fie functia f : [a, b] R, unde a, b R si a < b.
Daca
sunt ndeplinite conditiile:
i) f este continua pe [a, b],
ii) f este derivabila pe (a, b),
iii) f(a) = f(b),
atunci exista un punct c (a, b) asa ncat f_(c) = 0.
Demonstratie. Daca f este constanta pe [a, b], atunci f_ = 0 pe (a, b) si deci
orice punct
c (a, b) satisface cerinta f_(c) = 0.
Sa admitem acum ca f nu este constanta pe [a, b]. Cum f este continua pe
intervalul
compact [a, b], conform Corolarului 10.4.3. rezulta ca f este marginita si
si atinge marginile.
Daca m= inf
x[a,b]
f(x) si M = sup
x[a,b]
f(x), atunci exista x1 [a, b] si x2 [ a, b] asa ncat f(x1) = m

si f(x2) = M. Cum f nu este constanta pe [a, b] deducem ca m < M. Se observa
ca x1 si x2
nu pot fi ambele situate n extremitatile intervalului [a, b]. Intr-adevar, daca
am presupune
ca x1 = a sau x1 = b, cum f(a) = f(b), din f(x1) = f(a) =m<M = f(x2) rezulta ca x2 nu
poate
coincide nici cu a si nici cu b, deci x2 (a, b). Atunci, conform Teoremei lui
Fermat, avem
f_(x2) = 0 si deci exista c = x2 (a, b) asa ca f_(c) = 0.
Observatia 11.2.3 Geometric, teorema lui Rolle afirma ca n conditiile din
enuntul teoremei
exista cel putin un punct al graficului functiei f, care nu coincide cu
extremitatile, n care
tangenta este paralela cu axa Ox.
Observatia 11.2.4 Daca n teorema lui Rolle f(a) = f(b) = 0, atunci rezulta ca
ntre doua
radacini a, b ale functiei f exista cel putin o radacina c a derivatei.
225
Observatia 11.2.5 Intre doua radacini reale consecutive ale derivatei unei
functii pe un
interval se afla cel mult o radacina reala a functiei.
Intr-adevar, fie c1 < c2 doua radacini consecutive ale derivatei. Sa
presupunem ca
exista doua racini reale diferite x1 si x2 ale functiei, f(x1) = f(x2) = 0, c1 < x1 <
x2 < c2.
Dupa teorema lui Rolle ntre x! si x2 trebuie sa existe o radacina a derivatei,
ceea ce nu se
poate, c1 si c2 fiind radacini consecutive ale derivatei.
Aceasta observatie permite sa separam radacinile reale ale ecuatiei f(x) =
0, daca se
cunosct radacinile ecuatiei f_(x) = 0. Fie c1 < c2 < c3 < . . . < ck radacinile
ecuatiei f_(x) = 0
asezate n ordine crescatoare pe intervalul [a, b]. Formam sirul lui Rolle
f(a), f(c1), f(c2), . . . , f(ck), f(b).
Conform observatiei 11.2.5, n fiecare interval (a, c1), (c1, c2), . . . , (ck, b) exista
cel mult o
radacina a functiei. Exista o radacina pe unul din aceste intervale numai
daca functia ia
valori de semne contrare la capetele intervalului respectiv. Prin urmare, ecuatia
f(x) = 0
are atate radacini reale n [a, b] cate variatii de semn are sirul lui Rolle.
Teorema 11.2.3 (Teorema lui Cauchy; a doua teorema de medie a calculului
diferential).
Fie f, g : [a, b] R doua functii care verifica conditiile:
i) f, g sunt continue pe [a, b].
ii) f, g sunt derivabile pe (a, b).
iii) g_(x) _= 0 pentru orice x (a, b).
Atunci exista un punct c (a, b) astfel ca
f(b) f(a)
g(b) g(a)
= f_(c)
g_(c) .
Demonstratie. Observam ca g(b) _= g(a) deoarece n caz contrar, conform
Teoremei lui Rolle,
aplicata functiei g, ar exista (a, b) cu g_() = 0, ceea ce este n
contradictie cu conditia
(iii) din enunt.
Acum, consideram functia auxiliara
h(x) = f(x) f(b) f(a)
g(b) g(a) g(x), x [a, b],

care este continua pe [a, b], derivabila pe (a, b), cu
h
_(x) = f
_(x) f(b) f(a)
g(b) g(a) g
_(x), x (a, b)
si h(a) = h(b). Deci, Teorema lui Rolle este aplicabila functiei h, ceea ce
implica existenta
unui punct c (a, b) asa ca h_(c) = 0, echivalenta cu
f(b) f(a)
g(b) g(a)
= f_(c)
g_(c) .
Observatia 11.2.6 Teorema lui Cauchy ne permite sa deducem asa numitele
Reguli ale lui
l_Hospital de aflare a limitelor de functii n cazul nedeterminarilor 0
0 si
.
Prima regula a lui l_Hospital.Fie I un interval din R, x0 I si f, g : I R. Daca sunt
ndeplinite conditiile:
i) functiile f si g sunt derivabile pe I {x0};
ii) exista lim
xx0
f(x) = lim
xx0
g(x) = 0;
226
iii) g_(x) _= 0, oricare ar fi x I {x0};
iv) exista lim
xx0
f_(x)
g_(x)
= l R,
atunci are loc
lim
xx0
f(x)
g(x)
= lim
xx0
f_(x)
g_(x)
= l.
Pentru demonstratie consideram functiile
F(x) =
_
f(x) , daca x I {x0}
0 , daca x = x0
si
G(x) =
_
g(x) , daca x I {x0}
0 , daca x = x0
Aceste functii sunt continue pe I derivabile pe I {x0} si G_(x) _= 0, oricare ar fi
x I {x0}. Aplicam teorema lui Cauchy functiilor F(x) si G(x) pe intervalul
compact [x0, x]
si avem
F(x) F(x0)
G(x) G(x0)
= F_(c)
G_(c)
= f_(c)
g_(c), x0 < c < x.
De aici, utilizand conditia iv), prin trecere la limita obtinem:
lim
xx0
f(x)
g(x)
= lim
xx0
f_(x)
g_(x)
= l.
A doua regula a lui l_Hospital.Fie a > 0 si f, g : (a,+) R doua functii. Daca sunt
ndeplinite conditiile:
i) functiile f si g sunt derivabile pe (a,+);
ii) lim
xf(x) = lim
xg(x) = 0;
iii) g_(x) _= 0 pentru orice x > a;
iv) exista lim
x
f_(x)
g_(x)
= l R, atunci are loc egalitatea
lim
x
f(x)
g(x)
= lim
x
f_(x)
g_(x) .
Pentru demonstratie se face schimbarea de variabila x = 1/t si se aplica prima regula a
lui l_Hospital
pe intervalul
&
0, 1
a
'
pentru x 0.
Observatia 11.2.7 Daca avem lim
xx0
f(x) = lim
xx0
y(x) = +, atunci scriem

lim
xx0
f(x)
g(x)
= lim
xx0
1
f(x)
1
g(x)
si se aplica prima regula a lui l _ Hospital.

Observatia 11.2.8 Cazurile de nedeterminare , 00, 1, 0 se reduc prin
transformari
(operatii) algebrice la situatiile 0
0 sau
.
Teorema 11.2.4 (Teorema lui Lagrange teorema cresterilor finite prima
formula de medie
a calculului diferential). Fie f : [a, b] R o functie care satisface conditiile:
227
i) f este continua pe [a, b];
ii) f este derivabila pe (a, b),
atunci exista un punct c (a, b) asa ca
f(b) f(a)
ba
=f
_(c).
Demonstratie. Luam n Teorema lui Cauchy functia g(x) = x, x [a, b].
Observatia 11.2.9 Daca functia f are derivata nula pe un interval I, atunci f
este constanta
pe I.
Demonstratie. Fie x0 un punct fixat din I si x I un punct arbitrar. Aplicam
teorema
lui Lagrange pe intervalul [x0, x] (sau [x, x0]) si rezulta ca exista c (x0, x) (sau
(x, x0)) asa
ncat
f(x) f(x0) = f
_(c)(x x0).
Cum f_(x) = 0, oricare ar fi x I, rezulta ca f(x) = f(x0), oricare ar fi x I, si deci f
este cosntanta pe intervalul I.
Observatia 11.2.10 Daca doua functii sunt derivabile pe un interval I si
derivatele sunt
egale pe acest interval, atunci diferenta lor este o constanta.
Demonstratie. Daca f_(x) = g_(x) pentru orice x I, atunci rezulta ca (f g)_(x) =
0,
oricare ar fi x I. Atunci, pe baza Observatiei 11.2.9, rezulta, (f g)(x) = k,
oricare ar fi
x I, adica f(x) g(x) = k, pentru orice x I.
Observatia 11.2.11 Fie f o functie derivabila pe intervalul I.
i) Daca f_(x) 0, oricare ar fi x I, atunci f este crescatoare pe I;
ii) Daca f_(x) 0, oricare ar fi x I, atunci f este descrescatoare pe I;
iii) Daca f_(x) > 0, oricare ar fi x I, atunci f este strict crescatoare pe I;
iv) Daca f_(x) < 0, oricare ar fi x I, atunci f este scrict descrescatoare pe I.
Demonstratie. Vom justifica numai punctul i), celelalte cazuri demonstrandu-se
n
mod analog.
Fie x1, x2 doua puncte arbitrare din I asa ncat x1 < x2. Aplicam teorema lui
Lagrange
pe intervalul [x1, x2] si rezulta ca exista c (x1, x2) asa ncat f(x2) f(x1) =
f_(c)(x2 x1).
Cum f_(x) 0, oricare ar fi x I, rezulta ca f(x2) f(x1) 0, adica f(x2) f(x1).
Asadar, f este crescatoare pe I.
Afirmatiile de la punctele i) si ii) ale Observatiei admit si reciproce, n
timp ce
afirmatiile de la punctele iii) si iv) nu mai admit reciproce.

Observatia 11.2.12 Fie f o functie continua pe un interval I si x0 I. Daca f
este dervabila
pe I {x0} iar derivata sa f_ are limita (finita sau infinita) n punctul x0, atunci
exista
derivata functiei f si n punctul x0 si n plus
f
_(x0) = lim
xx0
f
_(x).
Pentru demonstratie se aplica teorema lui Lagrange pe intervalele [x, x0] si
[x0, x] si se
face x x0.
Observatia 11.2.13 Daca functia f are derivata marginita pe I, atunci f este
functia lipschitzian
a pe I.
228
Demonstratie. Fie x1, x2 doua puncte arbitrare diferite din I. Aplicam teorema
lui
Lagrange pe intervalul [x1, x2] (sau [x2, x1]) si exista c (x1, x2) asa ncat f(x1)
f(x2) =
f_(c)(x1 x2). Cum |f_(x)| M, M >0, oricare ar fi x I, avem
|f(x1) f(x2)| = |f
_(c)(x1 x2)| = |f
_(c)| |x1 x2| M|x1 x2|,
ceea ce ne arata ca f este lipschitziana pe I.
Teorema 11.2.5 (Teorema lui Darboux). Daca f : I R este o functie derivabila pe
I,
atunci derivata sa f_ are proprietatea lui Darboux pe acel interval.
Demonstratie. Fie x1, x2 I cu x1 < x2. Sa presupunem ca f_(x1) < f_(x2) si
(f_(x1), f_(x2)). Consideram functia auxiliara g : I R, g(x) = f(x) x, care
verifica
inegalitatile: g_(x1) < 0 si g_(x2) > 0.
Deoarece g este derivabila pe [x1, x2] I rezulta ca g este continua pe
compactul [x1, x2]
deci si atinge marginile. Atunci exista c [x1, x2] asa ncat g(c) = min
x[x1,x2]
g(x). Sa aratam
ca c _= x1 si c _= x2. Din g_(x1) < 0 rezulta ca exista > 0 asa ncat
g(x)g(x1)
xx1
< 0, pentru
orice x (x1, x1 + ), de unde obtinem ca g(x) < g(x1), pentru orice x (x1, x1 + ).
Aceasta
ultima inegalitate ne arata ca g si atinge marginea inferioara ntr-un punct
diferit de x1;
deci c _= x1. In mod analog, demonstram ca c _= x2. Acum, aplicand teorema lui
Fermat
functiei g pe intervalul [x1, x2] rezulta ca g_(c) = 0, adica f_(c) = .
Teorema 11.2.6 (Teorema lui Taylor). Fie I un interval deschis al lui R. Daca
functia
f : I R este derivabila de n + 1 ori pe I, atunci pentru orice doua puncte x, x0 I,
cu
x _= x0, exista un punct c (x, x0) (sau (x0, x)) asa ncat
f(x) = f(x0) + f_(x0)
1!
(x x0) + f__(x0)
2!
(x x0)2 + . . .+
+f(n)(x0)
n!
(x x0)n + f(n+1)(c)
(n + 1)!
(x x0)(n+1),
numita formula lui Taylor.
Demonstratie. Ne propunem sa scriem pe f sub forma:
f(x) = f(x0) + f_(x0)
1!
(x x0) + f__(x0)
2!
(x x0)2 + . . .+
+f(n)(x0)
n!
(x x0)n + K(x x0)(n+1), ()x I,
(11.7)
unde K este un numar real. Consideram functia auxiliara
g(t) = f(t) + f_(t)
1!
(x t) + f__(t)
2!
(x t)2 + . . .+
+f(n)(t)
n!
(x t)n + K(x t)(n+1), ()t I.
Observam ca g este derivabila pe I, g(x) = f(x), g(x0) = f(x0). Asadar, functia g
satisface conditiile teoremei lui Rolle pe [x, x0] (sau [x0, x]). Atunci exista un
punct c (x, x0)
(sau (x0, x)) asa ncat g_(c) = 0.
Dar
g
_(t) = f
_(t) + f__(t)
1!
(x t) f_(t)
1!
+ f___(t)
2!
(x t)2 f__(t)
1!
(x t)+
+. . . + f(n+1)(t)
n!
(x t)n f(n)(t)
(n 1)!
(x t)n1 K(n + 1)(x t)n,
229
()t I, de unde
g
_(t) = f(n+1)(t)
n!
(x t)n K(n + 1)(x t)n, ()t I.
De aici obtinem g_(c) = 0, adica

f(n+1)(c)
n!
(x c)n = K(n + 1)(x c)n,
de unde gasim
K = f(n+1)(c)
(n + 1)! ,
care nlocuita n (11.7) conduce la formula lui Taylor.
Observatia 11.2.14 Formula lui Taylor este o formula de aproximare a functiei f
prin polinomul
(Tnf)(x) = f(x0) + f_(x0)
1!
(x x0) + f__(x0)
2!
(x x0)2 + . . .+
+f(n)(x0)
n!
(x x0)n,
numit polinomul lui Taylor de grad n asociat functiei f. Expresia
(vnt)(x) = f(n+1)(c)
(n + 1)!
(x x0)n+1,
se numeste restul sub forma Lagrange al formulei lui Taylor.
Proprietatea esentiala a polinomului lui Taylor este data de relatiile:
(Tnf)(x0) = f(x0); (Tnf)_(x0) = f
_(x0);
(Tnf)(2)(x0) = f(2)(x0); . . . ; (Tnf)(n)(x0) = f(n)(x0).
Observatia 11.2.15 Daca n formula lui Taylor consideram x0 = 0,atunci
obtinem Formula
lui MacLaurin, adica
f(x) = f(0) + f_(0)
1! x + f__(0)
2! x2 + . . . + f(n)(0)
n!
+ f(n+1)(c)
(n + 1)! xn+1.
Observatia 11.2.16 Daca n formula lui Taylor consideram n = 0, atunci
obtinem formula
cresterilor finite a lui Lagrange (v.Teorema 11.2.4).
Observatia 11.2.17 Punctul c din intervalul deschis determinat de punctele x si
x0 depinde
de x, x0 si n. Punctul c se poate scrie si sub forma c = x0 + (x x0), unde (0,
1).
Exemple. 11.2.1. Functia f(x) = ex, x R, este de clasa C pe R iar f(k)(x) = ex,
oricare
ar fi k N si oricare ar fi x R. Cum f(k)(0) = 1, k N
, formula MacLaurin pentru ex are
forma:
ex = 1+ x
1!
+ x2
2!
+ . . . + xn
n!
+ xn+1
(n + 1)! ex, ()x R.

11.2.2. Functia f(x) = ln(1 + x), x (1,), este indefinit derivabila pe (1,).
Cum
f(k)(x) = (1)k1 (k 1)!
(1 + x)k, k N
, ()x (1,)
(vezi Exemplul 11.1.1), avem f(0) = 1, f(k)(0) = (1)k1
(k 1)!, k N
si formula de tip MacLaurin
ln(1 + x) = x
1
x2
2!
+ x3
3!
x4
4!
+ . . . + (1)n1 xn
n!
+
+(1)n xn+1
n+1
1
(1 + x)n+1
()x (1,), (0, 1).
230
11.3 Diferentiala unei functii reale
In acest paragraf introducem notiunea de diferentiala relativa la o functie

reala de o
variabila reala.
Definitia 11.3.1 Fie f : I R o functie definita pe intervalul deschis I.
Spunem ca f este diferentiabila n punctul x0 I daca exista numarul real A,
care
depinde de f si x0, si o functie : I R cu lim
xx0
(x) = (x0) = 0 astfel ncat

f(x) f((11.8) x0) = A(x x0) + (x)(x x0),
pentru orice x I.
Teorema 11.3.1 Functia f : I R, interval deschis, este diferentiabila n punctul
x0 I
daca si numai daca f este derivabila n x0.
Demonstratie. Sa admite ca f este diferentiabila n punctul x0 I. Atunci
exista
A R si o functie : I R cu lim
xx0
(x) = (x0) = 0 astfel ncat sa aiba loc (11.8).

Considerand x _= x0 si mpartind n (11.8) ambii membrii prin x x0
obtinem
f(x) f(x0)
x x0
A + (x), ()x I {x0}.
Cum lim
xx0
(x) = 0, rezulta ca exista lim

xx0
f(x) f(x0)
x x0
= A, adica f este derivabila n
punctul x0 si A = f_(x0).
Reciproc, sa presupnem ca f este derivabila n punctul x0. Din definitia
derivatei lui
f n punctul x0 avem
lim
xx0
f(x) f(x0)
x x0
=f
_(x0).
Consideram functia : I R,
(x) =
f(x) f(x0)
x x0
f
_(x0) , pentru x I {x0}
0 , pentru x = x0.
Se observa ca lim
xx0
(x) = (x0) = 0, adica este continua n x0. Din definitia lui

pentru x _= x0 avem
f(x) f(x0) = f
_(x0)(x x0) + (x)(x x0),
egalitate evident verificata si pentru x x0. Rezulta ca f este diferentiabila
n x0 si A =
f_(x0).
Observatia 11.3.1 Teorema 11.3.1 exprima faptul ca pentru functiile reale de
o variabila
reala notiunile de diferentiabilitate si derivabilitate ntr-un punct sunt
echivalente.
Observatia 11.3.2 Daca f este diferentiabila n punctul x0, atunci pentru
valori mici ale lui
h = x x0 diferenta
f(x) f(x0) se poate aproxima cu f_(x0)h, adica
f(x0 + h) f(x0) f
_(11.9) (x0)h
Definitia 11.3.2 Fie f : I R, I interval deschis din R, derivabila n punctul x0 I.
Functia
liniara si omogena
g : R R, g(h) = f
_(x0)h, h R,
se numeste diferentiala functiei f n punctul x0 si se noteaza prin df (x0),
adica
df (x0)(h) = f
_(11.10) (x0)h.
231
Acum, relatia (11.9) se mai poate scrie
f(x0 + h) f(x0) df (x0)(h).
Diferentiala lui f ntr-un punct oarecare x I o notam prin df (x).
Daca n (11.10) alegem, n particular, ca f aplicatia identica, atunci
diferentiala lui
f ntr-un punct x I este df (x)(h) = h, ()h R, adica h = d(x)(h). Folosind notatia

simpla
d(x) = dx, avem dx(h) = h. Revenind cu acest rezultat n (11.10), obtinem
df (x)(h) = f
_(x)dx(h), ()h R,
de unde gasim
df (x) = f
(11.11) _(x)dx.
Din (11.11) rezulta si scrierea
f
_(x) = df (x)
dx
,
care constituie exprimarea derivatei lui f n limbajul diferentialelor.
T inand seama de (11.11), obtinem imediat din regulile de derivare
urmatoarele reguli
de diferentiere: daca f, g : I R sunt functii derivabile pe intervalul deschis I
R, atunci
d(f + g) = df + dg; d(t) = df, d(fg) = gdf + fdg,
iar daca, n plus g _= 0, atunci
d
_
f
g
_
= gdf fdg
g2 .
Teorema 11.3.2 (diferentiala unei functii compuse). Fie I si J doua intervale
deschise ale
lui R si fie u : I J si f : J R doua functii derivabile respectiv pe I si J. Atunci
df (u) = f
_(u)du.
Demonstratie. Avem
df (u(x)) = (f(u(x)))_
dx = f
_(u(x)) u
_(x)dx = f
_(u(x)) du(x),
oricare ar fi x I.
Definitia 11.3.3 Numim diferentiala de ordinul doi a functiei f n punctul x,
notata prin
d2f(x), expresia d(df (x)), adica avem
d2f(x) = d(df (x)).
In general, dnf(x) = d(dn1f(x)). Avem:
d2f(x) = d(f
_(x)dx) = d(f
_(x)) dx + f
_(x)d(dx) =
=f
__(x)dx dx = f
__(x)dx2,
deoarece d(dx) = 0 (derivata de ordinul doi a functiei identice este egala cu 0).
Prin inductie matematica obtinem ca dnf(x) = f(n)(x)dxn. Se mai zice ca
diferentialele
de ordin superior sunt invariante fata de ordinul de derivare.
Aceasta proprietate nu se mai pastreaza pentru diferentiala functiilor

compuse.
232
11.4 Aplicatiile derivatei n economie
Economia este considerata cea mai exacta dintre stiintele sociale, [?],
deoarece, n
general, procesele economicce sunt studiate prin modele matematice. In 3.2 am
vazut
ca relatiile dintre diferite marimi economice se pot exprima prin functii.
Pentru a studia
variatia unei astfel de functii si a trasa graficul ei se folosesc derivatele
functiei de ordinul
ntai si doi.
In domeniul economic n descrierea variatiei marimii y n raport cu o alta
marime
x, data prin functia y = f(x), x I, I interval din R, se utilizeaza conceptul de
medie si
conceptul de marginal. (vezi partea introductiva la capitolul 4).
Definitia 11.4.1 Numim valoarea medie a lui f pe intervalul [x, x + h] I,h > 0,
notata cu
f(x), raportul
f
x
= f(x + h) f(x)
h
.
Exemple: 11.4.1. Fie P(t) numarul de unitati produse ntr-un flux tehnologic
dupa t ore de
la nceperea proccesului. Valoarea medie a lui P(t) ntr-un interval de h ore este
P(t + h) P(t)
h
= P(t)
si se numeste productie medie.
11.4.2. Daca functia de cost total pentru realizarea a x unitati dintr-un
produs este
C(x) = x2
9 + x + 100, x 1 sa stabilim cate unitati trebuie realizate pentru a avea cel
mai
scazut pret mediu pe unitate de produs.
Trebuie sa studiem variatia functiei pret mediu
C(x) = C(x)
x
=x
9
+
100
x
, x 1.
Cum C(x)
_
100
x2 are
radacina x = 30, din tabelul de variatie

x 1 30
C
_
(x) 0 + + +
C(x) 910
9
23
_
rezulta ca vom avea cel mai scazut pret mediu daca se produc 30 unitati
de produs.
Definitia 11.4.2 Numim valoare marginala a functiei f : I R, n punctul x I
lim
h0
f(x + h) f(x)
h
=f
_(x) = df (x)
dx
Exemplul 11.4.3. In cazul Exemplului 11.4.1, valoarea marginala a productiei
P(t) este
productivitatea
P
_(t) = lim
h0
P(t + h) P(t)
h
.
Definitia 11.4.3 Numim variatia relativa a functiei
f : I R n punctul x I raportul
f(x)
f(x)
= f(x + h) f(x)
f(x) , h>0.
Definitia 11.4.4 Numim ritmul mediu de variatie a functiei f : I R n punctul x
I
raportul f(x)
f(x)
5
h si se noteaza cu Rf,m.
233
Definitia 11.4.5 Numim ritmul local (marginal) a functiei f : I R n punctul x
limita
lim
h0
Rf,m, adica
lim
h0
f(x)
f(x)
0
h = lim
h0
f(x)
h
1
f(x)
= f_
f
= (ln f)_
,
care este derivata logaritmica a lui f. Ritmul local a lui f n x se noteaza prin Rf,x.
Definitia 11.4.6 Numim elasticitatea medie a functiei f : I R n punctul x,
notata prin
Em, raportul variatiilor relative ale lui f(x) si x, adica
Ef,m =
f(x)
f(x)
0
h
x
=
f(x)
h
x
f(x) .
Definitia 11.4.7 Numim elasticitatea locala (marginala) a functiei f : I R, n
punctul x
limita elasticitatii medii cand h 0. Ea se noteaza prin Ef,m.
Avem
Ef,m = lim
h0
x
f(x)
f(x)
h
=x
f
f
_ = x(ln f)_ =
(ln f)_
(ln x)_ .
Proprietatea importanta a elasticitatii unei functii este aceea ca ea este ca
marime
independenta de unitatile de masura n care au fost masurate variabilele
f(x) si x.
Exemplul 11.4.4. Fie x = ap + b, a > 0, b > 0 o functie cerere pentru o marfa de
pret p.
Elasticitatea marginala a cererii n p este
Eap+b,p = p(ln(ap + b))_ = ap
ap + b
.
Cum Eap+b,p < 1, rezulta ca la o cerere de tip liniar la o crestere relativa a
pretului
corespunde o crestere relativa mai mica pentru cerere.
Observatia 11.4.1 Notiunile introduse n acest paragraf se transpun usor la
notiunile din
domeniul economic. Astfel, avem cost mediu, cost marginal, elasticitatea costului,
cerere
medie, cerere marginala, elasticitatea cererii etc.
234

a) Derivata unei functii reale de o variabila reala;
b) Diferentiala unei functii reale de o variabila reala.

2. Enuntati:
a) Teorema lui Fermat;
b) Teorema lui Rolle;
c) Teorema lui Lagrange;
d) Teorema (formula) lui Taylor;
c) Teorema lui Cauchy.
3. Studiati derivabilitatea functiei:
a) f : R R, f(x) = 3
x3 3x + 2;
b) f : R R, f(x) = (x 1) arcsin
x2
x2 + 1
n punctul x = 0.
4. Numerele a0, a1, ..., an verifica conditia a0
1
+
2a1
2
+
22a2
3
+ ... +
2nan
n+1
= 0. Sa se arate ca
functia f : [1, e2] R, f(x) = a0 + a1 ln x + a2 ln2 x + ... + an lnn x are cel putin un
zero n
intervalul (1, e2).
5. a) Se considera finctia f : (1,) R, f(t) = ln(1+t). Aplicand teorema lui
Lagrange
functiei f pe intervalul [0, x], x > 0, sa se arate ca oricare ar fi x > 0 are loc
relatia:
x (1 + x) ln(1 + x) < 0;
b) Sa se arate ca functia g : (0,) R, g(x) = (1+x) 1
x este monoton descrescatoare.
6. Utilizand teorema lui Cauchy sa se demonstreze inegalitatea:
ln(1 + x) >
arctgx
1+x
, x>0.
7. a) Precizati punctele de extrem local ale functiei:
f : R R, f(x) = |x2 1|.
b) Determinati derivata de ordinul n, n N, pentru functia f(x) = sinx.
c) calculati derivata de ordinul 20 a functiei
h(x) = x3 sin x.
8. Sa se dezvolte dupa puterile lui x functia
f : (1,) R, f(x) = ln(1 + x).
9. Sa se dezvolte f(x) = ex, x R, dupa puterile lui x + 1.
10. Sa se determine n N astfel ncat polinomul lui Taylor Tn(x) n punctul x0 =
0 asociat
functiei f(x) =
1 + x, x [1,] sa difere de functie cu mai putin de

1
16
n intervalul
[0, 1].
235
Test nr. 10
3. a) f este derivabila pe R\{2, 1}, iar (2, 0) este punct de inflexiune si (1, 0)
este punct
de ntoarcere.
b) f este derivabila n x = 0, iar (0, 0) este punct unghiular.
4. Se considera functia g : [1, e2] R,
g(x) = a0 ln x
1
+ a1 ln2 x
2
+ ... + an lnn+1 x
n+1
si se aplica teorema lui Rolle.
5. b) Se calculeaza g_(x) si se foloseste punctul (a).
6. Se aplica teorema lui Cauchy functiilor f, g : [0, x] R, cu x > 0, f(t) = (1+t) ln(1
+ t),
g(t) = arctg (t).
7. a) (1, 0) si (1, 0) sunt puncte de minim local, iar (0, 1) este punct de maxim
local;
b) f(n)(x) = sin
$
x+n
2
%
, ()n N.
c) h(20)(x) =
&
6 _3
20
3x2 _1
20
'
cos x +
&
x3 6x _20
20
'
sin x.
8. Se aplica formula lui Mac Laurin si se obtine:
ln(1 + x) = x x2
2
+ x3
3
+ ... + (1)n xn+1
n+1
+
+(1)n+1 xn+2
n+2
1
(1 + x)n+2 cu (0, 1).
9. Se aplica formula lui Taylor cu x0 = 1 si se obtine:
ex =
1
e
*
1+x+1
1!
+
(x + 1)2
2!
+ ... +
(x + 1)n
n!
+
+
+
(x + 1)n+1
(n + 1)!
e
1+(x+1).
10. Se impune ca restul formulei lui Mac Laurin sa aiba valoarea absoluta mai
mica sau
egala cu
1
16
si se obtine n 2.
236
II,
237
Capitolul 12
Derivarea functiilor de mai

multe
variabile
Obiective: Introducerea notiunilor de derivata partiala, diferentiala
functiilor de mai
multe variabile, extremele functiilor de mai multe variabile, ajustarea datelor
si interpolarea
functiilor.
Rezumat: Capitolul ncepe cu definirea conceptului de derivata partiala si
aplicatiile economice imediate ale acestuia. Se continua cu generalizarea
notiunii de
diferentiala pentru functiile reale de mai multe variabile reale, notiuni
necesare n studiul
extremelor conditionate ale functiilor de mai multe variabile. Capitolul

continua cu studiul
metodelor de aflare a extremelor (simple si conditionate) ale functiilor de
mai multe variabile,
metoda celor mai mici patrate pentru ajustarea datelor si cateva notiuni
legate de
interpolarea functiilor.
1. Derivate partiale
2. Interpretari geometrice si economice ale derivatelor partiale
3. Derivarea functiilor compuse
4. Diferentiala functiilor de mai multe variabile
5. Extremele functiilor de mai multe variabile
6. Extreme conditionate
7. Ajustarea unor date
8. Interpolarea functiilor
Cuvinte cheie: derivata partiala, diferentiala, extremele functiilor reale de
mai
multe variabile reale, ajustare, interpolare.
12.1 Derivate partiale
Sa consideram o functie de doua variabile f : D R2 R, z = f(x, y) si M(a1, a2)

un
punct din D.
Definitia 12.1.1 Daca exista limitele
lim
xa1
f(x, a2) f(a1, a2)

x a1
si lim
xa2
f(a1, y) f(a1, a2)

y a2
si sunt finite, atunci spunem ca functia f este derivabila partial n punctul
M, n cazul
primei limite, n raport cu x si n cazul al doilea, n raport cu y.
238
Aceste limite se numesc respectiv derivata partiala a functiei f n raport cu x
si
derivata partiala a functiei f n raport cu y, n punctul M(a1, a2). Ele se
noteaza prin
f
_
x(a1,
a2) = f(a1, a2)

x
si respectiv f
_
y(a1,
a2) = f(a1, a2)

y
.
Este evident ca daca functia f este derivabila n raport cu x si respectiv cu y,
atunci
f este continua n raport cu x si respectiv n raport cu y.
Daca functia f este derivabila partial n orice punct din domeniul D, atunci
derivatele
partiale resprezinta noi functii de doua variabile, definite pe D si asociate

functiei f.
Practic, pentru a calcula derivata partiala n raport cu x a functiei z = f(x, y)
se
considera f ca functie de x, considerandu-se y constanta, si se aplica
formulele de derivare
cunoscute, pentru aceasta functie de variabila x.
Pentru a calcula derivata partiala n raport cu y se considera x constanta.
Exemplul 12.1.1. Sa calculam derivatele partiale pentru functia
f(x, y) = x + y
x2 + y2 + 1, (x, y) R2.
Avem
f
_
x(x,
y) = f(x, y)
x
=
1(x2 + y2 + 1) 2x(x + y)
(x2 + y2 + 1)2 =
= y2 x2 2xy + 1
(x2 + y2 + 1)2 ,
f
_
y(x,
y) = f(x, y)
y
=
1(x2 + y2 + 1) 2y(x + y)
(x2 + y2 + 1)2 =
= x2 y2 2xy + 1
(x2 + y2 + 1)2 ,
oricare ar fi (x, y) R2.
Exemplul 12.1.2. Pentru functia f(x, y) = x2y definita pe D = {(x, y) R2|x > 0, y
R}
derivatele partiale sunt
f
_
x(x,
y) = f(x, y)
x
= 2y x2y1
si
f
_
y(x,
y) = f(x, y)
y
= x2y2 lnx.
Observatia 12.1.1 Derivatele partiale ale unei functii de n variabile, n 3, se
definesc n
mod analog. Fie functia f : D Rn R, z = f(x1, x2, . . . , xn) si punctul M(a1, a2, . . . ,
an) D.
Spunem ca functia f este derivabila partial n punctul M n raport cu
variabila xk, daca
lim
xkak
f(a1, . . . , ak1, xk, ak+1, . . . , an) f(a1, a2, . . . , an)

x ak
exista si este finita. Aceasta limita o numim derivata partiala a functiei f
n raport cu
variabila xk n punctul M si o notam prin

f
_
xk (M)
_
=f
xk (a1,
a2, . . . , an) sau

f(M)
xk
= f(a1, a2, . . . , an)
xk
O functie de n variabile derivabila n fiecare punct al domeniului D este
derivabila
partial n acel domeniu si derivatele partiale sunt functii de n variabile
definite n acel
domeniu. Calculul lor se face pe aceleasi principii ca la functiile de doua
variabile.
239
Exemplul 12.1.3. Pentru functia u = ln(x2 + y2 + z2) definita pe R {(0, 0, 0)} = D,
avem
derivatele partiale:
u
_
= u
x
=
2x
x2 + y2 + z2, u
x
= u
y
=
2y
x2 + y2 + z2 ,
u
y
= u
z
=
2z
x2 + y2 + z2 .
Exemplul 12.1.4. Pentru functia u = xy3z definita pe D = {(x, y, z) R3|x > 0, y > 0,
z R},
derivatele partiale sunt:
u
x
= y3zxy3z1,
u
y
= xy3z3z y3z1 ln x,
u
z
= xy3z
y3z ln y ln x.
Acum sa introducem derivatele partiale de ordin superior.
Derivatele partiale pentru functia f : D R2 R, z = f(x, y) sunt noi functii de
doua
variabile. Daca derivatele partiale f_
z
x(x,
y), f_
y) sunt la randul lor derivabile partial n
raport cu x si y, atunci derivatele lor partiale se numesc derivate partiale de
ordinul doi ale
functiei f. Ele se noteaza prin
(f
y(x,
x)_
x=
__
x2 sau
x
_
f
x
_
= 2f
x2 ;
(f
_
x)_
y=
__
sau
y
_
f
x
_
= 2f
yx
;
(f
xy
y)_
x=
__
sau f
y
_
f
x
_
= 2f
yx
;
(f
yx
y)_
y=
__
y2 sau
y
_
f
y
_
= 2f
x2 .
Exemplul 12.1.5. Pentru functia f(x, y) = ln(x2 + y2 + 3), (x, y) R2, avem
f
_
=
2x
x2 + y2 + 3, f
x
=
2y
x2 + y2 + 3,
f
y
__
x2 =
_
2x
x2 + y2 + 3
__
x
=
2(x2 + y2 + 3) 2x 2x
(x2 + y2 + 3)2 =
2(y2 x2 + 3)
(x2 + y2 + 3)2 ,
f
__
=
_
2x
x2 + y2 + 3
__
xy
= 4xy
(x2 + y2 + 3)2 ,
f
__
=
_
2y
x2 + y2 + 3
__
yx
=
4xy
(x2 + y2 + 3)2 ,
f
__
y2 =
_
2y
x2 + y2 + 3
__
y
=
2(x2 + y2 + 3) 4y2
(x2 + y2 + 3)2 =
2(x2 y2 + 3)
(x2 + y2 + 3)2 .
Se observa ca derivatele f__

xy si __
yx, numite si derivate partiale mixte, sunt egale. In
general ele nu sunt egale. Urmatoarea teorema da conditii suficiente ca
derivatele partiale
mixte sa fie egale.
Teorema 12.1.1 (A.Schwarz). Daca functia f : D R2 R, z = f(x, y) are derivate
partiale
de ordinul doi ntr-o vecinatate V a lui (x, y) D si daca f__
xy este continua n punctul (x, y),
atunci f__
xy(x, y) = f__
yx(yx).
240
Nu prezentam demonstratia acestei teoreme.
Observatia 12.1.2 In mod analog se definesc derivatele partiale de ordin n, n
3.
Rezultatul Teoremei lui Schwarz se pastreaza.
Observatia 12.1.3 Derivatele partiale de ordin superior se definesc si pentru
functiile de n
variabile, n 3. Pentru derivatele lor mixte se pastreaza afirmatia din Teorema
12.1.1.
Exemplul 12.1.6. Sa calculam derivatele partiale de ordinul doi pentru
functia
f(x, y, z) =
_
x2 + y2 + z2, (x, y, z) R3.
Avem:
f
_
=x_
x2 + y2 + z2
,f
x
=y_
x2 + y2 + z2
,
f
y
=z_
x2 + y2 + z2
f
z
__
x2 =
_
x2 + y2 + z2
x2
x2+y2+z2
x2 + y2 + z2 = y2 + z2
(x2 + y2 + z2)3/2 ,
f
__
xy
__
=f
= yx
(x2 + y2 + z2)3/2 ,
f
yx
__
xz
=f
__
= xz
(x2 + y2 + z2)3/2 ,
f
zx
__
yz
__
=f
= yz
(x2 + y2 + z2)3/2 ,
f
zy
__
y2 =
x2 + z2
(x2 + y2 + z2)3/2 ,
f
__
z2 =
x2 + z2
(x2 + y2 + z2)3/2 , (x, y, z) R3 {(0, 0, 0)}.
Exemplul 12.1.7. Sa calculam 3u
xyz
daca u = exyz, (x, y, z) R3.
Avem
u
z
= xyexyz,
2 u
yz
= xexyz + xy xzexyz = (x + x2yz)exyz,
3 u
xyz
= (1+2xyz)exyz + (x + x2yz)yzexyz =
= (1+3xyz + x2y2z2)exyz, oricare ar fi (x, y, z) R3.
12.2 Interpretari geometrice si economice ale

derivatelor
partiale
Semnificatia geometrica a derivatelor partiale rezulta limpede daca le
interpretam
cu ajutorul reprezentarilor geometrice. In figura 12.2.1. fie M(a, b, f(a, b)) un
punct de
pe suprafata z = f(x, y), (x, y) D R2. Prin M pot fi duse doua sectiuni
verticale, una
perpendiculara pe Oy (y = b) si cealalta perpendiculara pe Ox (x = a).
241
Fig.12.2.1.
Prima este o curba de pe suprafata, care trece prin M n directia lui Ox si
arata
variatia lui z cand x variaza. In aceasta sectiune valoarea lui y este b. Panta
tangentei MTx
la sectiune n M este masurata de derivata lui z ca functie de x, adica de
derivata partiala
z
x(a,
b) = f(a,b)
.
La fel, valoarea z(a,b)
y = f(a,b)
y masoara panta lui MTy, tangentan M(a, b) la sectiunea
verticala a suprafetei perpendiculara pe Ox n x = a.
x
In concluzie, derivatele partiale f

x (a, b) si f
y (a, b) masoara pantele suprafetei z = f(x, y)
n doua directii perpendiculare duse n punctul M(a, b), una perpendiculara
pe Oy, iar
cealalta pe Ox.
Utilizand interpretarea geometrica a derivatelor partiale ale functiei z = f(x,
y) n
punctul M(a, b, f(a, b)) putem scrie ecuatia planului tangent la suprafata z = f(x,
y) n punctul
M(a, b, f(a, b)). Acesta are forma
(x a)f(a, b)
x
+ (y b)f(a, b)
y
= z f(a, b).
Exemplul 12.2.1. Sa scriem ecuatia planului tangent la suprafata z = xy + 2x
3y + 1 n
punctul M(1, 1, 1).
Avem
z
_
x
_
= y + 2, z
x(1,
1) = 3,
z
_
y
_
= x 3, z
x(1,
1) = 2,
z(1, 1) = 1,
iar ecuatia planului tangent este:
(x 1)3 + (y 1)(2) = z 1
242
adica
3x 2y z = 0.
Din punct de vedere economic derivatele partiale au interpretari analoage cu
cele de
la derivata functiilor reale de o variabila reala.
De exemplu, daca cererea pietei pentru o marfa X este o functie de toate
preturile
pietei
x = f(p1, p2, . . . , pn), (p1, p2, . . . , pn) Rn
+,
atunci derivatele partiale ale acestei functii arata variatiile cereri cand
unul din preturi
variaza, celelalte ramanand constante.
Elasticitatea partiala a cererii pentru X n raport cu pretul sau px este
nk = (ln x)
(ln pk)
= pk
x
x
pk
,
care este o expresie independenta de unitatile de masura ale cererii sau

pretului. Ea da
viteza descresterii relative a cererii pentru o crestere relativa a pretului.
Raportul x/pk poate fi numit cerere medie, iar derivata partiala x
pk
, cererea marginala
data de pretul pk n combinatia de preturi (p1, p2, . . . , pn).
12.3 Derivarea functiilor compuse
Fie z = f(u, v) o functie de doua variabile definita ntr-un domeniu D R2, cu

derivate
partiale continue pe D. Daca u = u(x) si v = v(x), sunt doua functii de
variabila x, definite
si derivabile n intervalul I R,a tunci functia compusa z(x) = f(u(x), v(x)) este
derivabila
pe I si avem formula
z
_(x) = f
u
u
_(x) + f
v
v
(12.1) _(x).
Demonstratia formulei rezulta din egalitatea
z(x) z(x0)
x x0
= f(u(x), v(x)) f(u(x0), v(x))
u(x) u(x0)
u(x) u(x0)
x x0
+
+f(u(x0), v(x)) f(u(x0), v(x0))
v(x) v(x0)
v(x) v(x0)
x x0
prin trecere la limita cand x x0, x0 fiind un punct arbitrar din I.
Derivatele de ordin superior ale acestor functii compuse se scriu tinand
seama de
formula (12.1) si de regulile de derivare.
Exemplul 12.3.1. Sa calculam z(n)(x) daca
z = f(u, v), u= ax + b, v = cx + d, x R.
Avem
z
_(x) = f
u
u
_(x) + f
v
v
_(x) = a
f
u
+c
f
v
,
z
__(x)
= (z
_(x))_
=
_
a
f
u
+c
f
v
__
x
=
=a
_
f
u
__
x
+c
_
f
v
__
x
=a
*
u
_
f
u
_
u
_(x) +
v
_
f
u
_
v
_(x)
+
+
+c
*
u
_
f
v
_
u
_(x) +
v
_
f
v
_
v
_(x)
+
=
+a
*
a
2 f
u2 + 2f
uv
c
+
+c
*
a
2 f
uv
+c
2 f
v2
+
=
243
= a2 2f
u2 + 2ac
2 f
yv
+ c2 2f
v2 .
Simbolic acest rezultat se scrie sub forma
y
__(x) =
_
a
u
+c
v
_(2)
f(u, v),
cu semnificatia ca se ridica binomul la patrat si exponentii puterilor
pentru
u si
v se iau
ca ordine de derivare pentru f(u, v) n raport cu u si v.
Prin inductie matematica se arata ca
z(n)(x) =
_
a

u
+c
v
_(n)
(12.2) f(u, v)
Pentru n = 3 avem
z(3)(x) = a3 3f
u3 + 3a2c
3 f
u2v
+ 3ac2 3f
uv2 + c3 3f
v3 .
Functiile compuse considerate mai sus sunt functii compuse de o singura
variabila. Se
pot considera functii din mai multe variabile. Astfel putem forma functia
compusa de doua
variabile
(12.3) z(x, y) = f(u(x, y), v(x, y)), (x, y) D R2.
Presupunem ca functia f(u, v) admite derivate partiale de ordinul ntai
continue si
functiile u(x, y), v(x, y) au, de asemenea, derivate partiale de ordinul ntai.
Utilizand (12.1) n raport cu x si y, din (12.3) gasim:
z
x
=z
_
= f
u
u
x
+ f
v
v
x
z
y
=z
x
= f
u
u
y
+ f
v
v
y
.
Derivatele partiale de ordin superior ale acestor functii se calculeaza n mod
analog,
tinandu-se seama ca si derivatele partiale obtinute sunt functii
compuse.
Aplicatia 12.3.1. Functii omogene. Un polinom P de doua sau mai multe
variabile este
y
omogen de gradul k, k N, daca toti termenii polinomului sunt de gradul k.

Aceste polinoame
au proprietatea evidenta
P(tx1, tx2, . . . , txn) = tkP(x1, x2, . . . , xn)
pentru orice t real.
Extindem aceasta definitie pentru functii de mai multe variabile.
Definitia 12.3.1 Functia f(x1, x2, . . . , xn) de n variabile, definita ntr-un domeniu
D Rn,
este omogena de gradul k, k R, daca este ndeplinita conditia
(12.4) f(tx1, tx2, . . . , txn) = tkf(x1, x2, . . . , xn),
oricare ar fi t R.
De exemplu, functia
f(x, y) =
_
x4 + x2y2 + y4
x4 + y4 , (x, y) R2 {(0, 0)}
este omogena de gradul 2 deoarece
f(tx, ty) = t2
_
x4 + x2y2 + y4
t4(x4 + y4)
=t
2f(x, y),
oricare ar fi t R {0}.
244
Pentru functiile omogene este valabil urmatorul rezultat:
Teorema 12.3.1 Pentru ca functia f(x1, x2, . . . , xn) sa fie omogena de gradul k
este necesar
si suficient sa avem identitatea
x1f
_
x1 (x1,
_
x2, . . . , xn) + x2f
x2 (x1,
. . . , xn) + . . .+
+xnf
_
xn(x1,
. . . , xn) = kf(x1, x2, . . . , xn),

numita identitatea lui Euler.
Demonstratie. Necesitatea. Functia f fiind omogena de gradul k satisface
(12.4). Membrul
ntai al acestei relatii este o functie compusa de t. Derivand ambii membrii
n raport cu t,
avem egalitatea
n
i=1
xif
_
txi (tx1,
. . . , txn) = ktk1f(x1, . . . , xn)

care este adevarata si pentru t = 1, adica
n
i=1
xif
_
xi (x1,
. . . , xn) = kf(x1, . . . , xn),

care este tocmai indetitatea lui Euler.
Suficienta. Consideram functia auxiliara
F(t) = f(tx1, . . . , txn)
tk , t_= 0
si sa presupunem ca f satisface identitatea lui Euler.

Avem
F
_(t) =
tk
n
i=1
xif
_
xi (tx1,
t2k =
=
t
. . . , txn) ktk1f(tx1, . . . , txn)
n
i=1
xif
_
xi (tx1,
. . . , txn) kf(tx1, . . . , txn))

tk+1 = 0
pentru orice t _= 0.
Rezulta ca F(t) este o functie constanta. Valoarea constantei este data de F(1)
=
f(x1, . . . , xn). Atunci
F(t) = f(tx1, . . . , txn)
tk = f(x1, . . . , xn),
de unde
f(tx1, . . . , txn) = tkf(x1, . . . , xn),
adica functia f este omogena de gradul k.
Aplicatia 12.3.2. Formula lui Taylor. O alta aplicatie a derivarii functiilor
compuse este
extinderea formulei lui Taylor la functiile de mai multe varaibile reale.
Teorema 12.3.2 (Taylor.) Fie functia f : D R2 R si punctul interior M(a1, a2) D.
Daca functia f are derivate partiale pana la ordinul n + 1, n N, ntr-o
vecinatate V (M) a
lui M, atunci exista punctul P(, ) V (M) asa ncat sa aiba loc formula
f(x, y) =
n
k=0
1
k!
*
(x a1)
x
+ (y a2)
y
+(k)
f(a1, a2)+
+
1
(n + 1)!
*
(x a1)
x
+ (y a2)
y
+(n+1)
f(, ),
oricare ar fi (x, y) V (M), numita formula lui Taylor
245
Demonstratie. Consideram functia compusa
F(t) = f(a1 + t(x a1), a2 + t(y a2)), (x, y) V (M)
si t [0, 1]. Pentru t = 0 avem F(0) = f(a1, a2), iar pentru t = 1 avem F(1) = f(x, y).
Functia de o singura variabila F(t) este definita si poseda derivate pe
variabila pana
la ordinul (n + 1) continue n origine si deci se poate dezvolta dupa formula lui
Maclaurin
n jurul originii:
F(t) = F(0) + t
1!F
_(0) + . . . + tn
n!F(n)(0) + tn+1
(n + 1)!F(n+1)(t),
(0, 1). Pentru t = 1 obtinem:
F(1) = f(x, y) = F(0) +
1
1!F
_(0) + ... +
1
n!F(n)
(0) +
1
(n + 1)!F(n+1)
() (12.5)
Utilizand formula (12.2) de la exemplul 12.3.1, obtinem
Fk(t) =
*
(x a1)
x
+ (y a2)
y
+(k)
f(a1 + t(x a1), a2 + t(y a2))
k= 0, 1, ..., n+ 1; de unde
Fk
(0) =
*
(x a1)
x
+ (y a2)
y
+(k)
f(a1, a2), k = 0, n.
Acum din (12.5) rezulta formula lui Taylor, cu = a1 + (x a1),
= a2 + (y a2), (0, 1).
Pentru n= 0 formula lui Taylor conduce la formula cresterilor finite sau
formula lui Lagrange pentru functiile de doua variabile:
f(x, y) = f(a1, a2) + (x a1)f
_
x(,
_
y(,
) + (y a2)f
),
cu = a1 + (x a1), = a2 + (y a2), (0, 1)
Observatia 12.3.1 Formula lui Taylor pentru doua variabile se poate generaliza
pentru
functiile cu m variabile, n conditii analoage. Pentru functia z = f(x1, x2, ..., xm),
definita
ntr-o vecinatate a unui punct M(a1, a2, ..., am) si care are derivate partiale
pana la ordinul
(n+ 1), continue, este valabila formula lui Taylor:
f(x1, x2, ..., xm) =
n
k=0
1
k!
*
(x1 a1)
x1
+ ... + (xm am)
xm
+k
f(M)+
+
1
(n + 1)!
*
(x1 a1)
x1
+ ... + (xm am)
xm
+(n+1)
f(1, 2, ..., m)
1 = a1 + (x1 a1), 2 = a2 + (x2 a2), m = am + (xm am),
(0, 1).
Aplicatia 12.3.3. Derivata dupa o directie. Fie functia f : D Rn R, M(a1,
a2, ..., an)
un punct interior din D si vectorul l = (l1, l2, ..., ln) Rn, pentru care ||l||2 =
_n
k=1
l2k
= 1.
Definitia 12.3.2 Numim derivata functiei f dupa directia l n punctul M,
notata prin f(M)
l ,
numarul real definit prin
f(M)
l
= lim
xM
f(x) f(M)
d(x,M) ,
246
unde X = (x1, x2, ..., xn) D iar d(X, M) este distanta dintre punctele X si M.
Considerand l = ek = (0, ..., 1, 0, ..., 0), obtinem
f(M)
ek
= f(M)
xk
, k = 1, n
adica derivatele partiale ale lui f n punctul M.
Teorema 12.3.3 Daca functia f : D Rn R are derivate partiale de ordinul

ntai n raport
cu fiecare din argumentele xk, k = 1, n, n punctul M(a1, a2, ..., an) D, atunci
derivata dupa
directia vectorului l = (l1, ..., ln), cu ||l|| = 1, este
f(M)
l
= f(M)
x1
l1 + f(M)
x2
l2 + ... + f(M)
xn
ln
Demonstratie. T inand seama ca X = (x1, ..., xn) D situat pe directia l se
scrie sub forma
M(a1 + tl1, ..., an + tln), t [0, 1], avem
f(M)
l
= lim
t0
f(a1 + tl1, an + tln) f(a1, ..., an)

t
=
= f(a1 + tl1, ..., an + tln)
t
|t=0
Folosind formula de derivare a functiilor compuse, putem scrie
f(M)
l
= f(M)
x1
(a1 + tl1)
t
+ f(M)
x2
(a2 + tl2)
t
+ ...+
+f(M)
xn
(an + tln)
t
=
= f(M)
x1
l1 + f(M)
x2
l2 + ... + f(M)
xn
ln,
Exemplul 12.3.2. Sa calculam derivata f
l pentru functia f(x, y, z) = xyz+x+y+z+1, (x, y, z)
R3, n punctul M(3, 2, 1), dupa directia l data de dreapta MX, unde X(1, 3, 2).
Avem
MX = (1, 3, 2) (3, 2, 1) = (2, 1, 1),
||MX|| =
4+1+1=
6, l =
_2
6
,
1
6
,
1
6
_
,
f
_
x(M)
_
= 3, f
y(M)
_
= 4, f
z(M)
=7
si
f
l
(M) = 6
6
+
4
6
+
7
6
=
5
6
Aplicatia 12.3.3. Fie F : D R2 R o functie de doua variabile. O functie f : A
B cu
A B D astfel ncat F(x, f(x)) = 0 pentru orice x A se numeste functie
definita implicit
sau pe scurt functie implicita.
Cu alte cuvinte, functiile y= f(x) definite cu ajutorul ecuatiilor F(x, y)= 0 se
numesc
functii implicite. O astfel de ecuatie poate sa aiba pe A una, mai multe
solutii sau nici
una. Se pune problema studierii proprietatilor (de continuitate, de
derivabilitate, etc.) ale
functiilor implicite direct de pe ecuatia de definitie, fara a face
explicitarea lor. Teoremele
care stabilesc astfel de proprietati se numesc teoreme de existenta
Teorema 12.3.4 Fie F o functie reala de doua variabile definita pe A B, A R,
B R si
(a1, a2) un punct interior lui A B (a1 punct interior lui A, a2 punct interior lui B).
Daca
247
i) F(a1, a2) = 0
ii) F, F_
x, F_
y sunt continue pe o vecinatate U V a lui (a1, a2),
U V A B;
iii) F_
y(a1, a2) _= 0, atunci
1) exista o vecinatate U0 U a lui a1, o vecinatate V0 V a lui a2 si o functie
unica
f : U0 V0, y = f(x), astfel ncat f(a1) = a2 si F(x, f(x)) = 0 pentru x U0;
2) functia f are derivata continua pe U0 data de formula
f
_(x) = F_
x(x, y)
F_
y(x, y)
;
3) daca F are derivate partiale de ordinul k continue pe U V , atunci f are
derivate de
ordinul k continua pe U0.
Nu prezenta demonstratia riguroasa a acestei teoreme de existenta. Insa
dam modalitatea
practica de obtinere a derivatei f_. In acest scop , consideram n ecuatia
F(x, y) = 0 pe
y = f(x) si derivam n raport cu x utilizand regula de derivare a functiilor
compuse. Avem
F
_
x
_
y
+F
y
_(x) = 0,
de unde
y
_(x) = f
_(x) = F_
x
F_
y
.
Pentru calculul derivatelor de ordin superior ale functiei f se procedeaza n
mod analog.
Exemplul 12.3.3. Ecuatia x3+3xy+y3 = 1 defineste pe y ca functie de x, pentru
(x, y) D R2.
Sa se calculeze y_, y__, y_(1) si y__(1).
Derivam n raport cu x n ecuatia care defineste pe y ca functie de x si
avem
x2 + y + xy
_ + y2y
_ = 0.
De aici, pentru x + y2 _= 0, obtinem
y
_ = x2 + y
x + y (12.6) 2 .
Pentru a calcula pe y__ procedam astfel:
y
= (2x + y_)(x + y2) (x2 + y)(1 + 2yy_)
(x + y2)2 =
= x2 y + xy_ 2x2yy_ y2y_ + 2xy2
(x + y2)2 .
Acum, nlocuim cu y_ cu expresia din (12.6) si obtinem
y
__ = 6x2y2 2xy + 2xy4 + 2x4y
(x + y2)2 (12.7) .
Pentru x= 1 din ecuatia data avem
1 + 3y(1) + (y(1))3 = 1,
de unde y(1)= 0. Atunci, din (12.6) si (12.7) obtinem y_(1) = 1 si y__(1) = 0
248
Observatia 12.3.2 Se pot considera functii implicite z = f(x1, x2, ..., xn) de
variabile definite
printr-o ecuatie F(x1, x2, ..., xn, z) = 0. Calculul derivatelor partiale ale lui z se
obtin printrun
procedeu analog cu cel de la derivarea functiilor implicite de o variabila reala.
Exemplul 12.3.4. Sa se calculeze derivatele partiale de ordinul ntai ale
functiei z(x, y)
definita implicit de ecuatia
2x + y + xyz = ez
Derivam n raport cu x si y tinand seama ca z este functie de x si y.
Avem
2 + yz + xy
z
x
= ez z
x
,
1 + xz + xy
z
y
= ez z
y
,
de unde
z
x
=
2 + yz
ez xy
,
z
y
=
1 + xz
ez xy
,
daca ez xy _= 0.
Observatia 12.3.3 Exista situatii practice sau teoretice n care intervin
functii definite implicit
de sisteme de ecuatii. Sa consideram cazul simplu a doua ecuatii cu patru
variabile:
F1(x, y, u, v) = 0,
__
F2(x, y, u, v) = 0.
In anumite conditii, acest sistem defineste implicit doua functii u = f(x, y) si v
= g(x, y)
Pentru calculul derivatelor partiale de ordinul ntai ale functiilor u si v se
deriveaza
ecuatiile sistemului n raport cu x si y, tinand cont ca u si v sunt functii de
x si y. Avem:
F1
x
+ F1
u
u
x
+ F1
v
v
x
= 0,
F2
x
+ F2
u
u
x
+ F2
v
v
x
= 0,
F1
y
+ F1
u
u
y
+ F1
v
v
y
= 0,
F2
y
+ F2
u
u
y
+ F2
v
v
y
= 0.
Se observa ca primele doua ecuatii formeaza un sistem liniar n
necunoscutele u
x si v
x.
Ambele sisteme au ca determinant pe

D(F1, F2)
D(u, v)
=
____
F1
u
F1
v
F2
u
F2
v
____
,
numit determinantul functional sau iacobianul functiilor F1, F2 n raport cu u, v.
Daca
D(F1, F2)
D(u, v)
_= 0, atunci din sistemele de mai sus se afla
u
x
,
v
x
,
u
y
,
v
y
.
Exemplul 12.3.5. Sistemul x+2y +u2 +v2 = 6, x2 +xy +2u3 v3 = 7 defineste pe u
si v ca
functii de x si y, cu u(2, 1)= 1 si v(2, 1)= 1. Sa calculam derivatele
partiale u
x
,
v
x
,
u
y
,
v
y
n punctul (2, 1).
Pentru a calcula u
x
si v
x
derivam ecuatiile sistemului n raport cu x, tinand seama ca
u si v sunt functii de x. Avem
1 + 2u
u
x
+ 2v
v
x
=0
249
2x + 6u2 u
x
3v2 v
x
= 0,
care este un sistem liniar n necunoscutele u
x si v
x, cu determinantul
____
2u 2v
6u2 3v2
____
= 6uv(v + 2u).
Daca (x, y) R2 asa ncat 6uv(v + 2u) _= 0, atunci
u
x
=
____
1 2v
2x 3v2
____
6uv(v + 2u)
= 3v + 4x
6u(v + 2u) ,
v
x
=
____
2u 1
6u2 2x
____
6uv(v + 2u)
=
2x 3u
3v(v + 2u)
In mod analog, derivand ecuatiile sistemului n raport cu y, obtinem
2 + 2u
u
y
+ 2v
v
y
=0
x + 6u2 u
y
3v2 v
y
=0
si daca 6uv(v + 2u) _= 0, avem
u
y
=
3v + x
3u(v + 2u) ,
v
y
= x 6u
3v(v + 2u) .
Daca x= 2, y= 1, atunci sistemul dat ia forma
u2(2, 1) + v2(2, 1) = 2
2u3u(2, 1) v3(2, 1) = 1
care are solutia u(2, 1)= 1 si v(2, 1)= 1.
Acum, utilizand expresiile derivatelor partiale ale functiilor u si v, gasim
u
x
(2, 1) = 11
18,
v
x
(2, 1) =
1
9,
u
y
(2, 1) = 5
9,
v
y
(2, 1) = 4
9.
12.4 Diferentiala functiilor de mai multe variabile
Fie f : D R2 R o functie de doua variabile si M(a1, a2) un punct interior lui D.

Teorema 12.4.1 Daca functia f admite derivate partiale de ordinul ntai ntr-o
vecinatate
V(M) a punctului M si daca aceste derivate partiale sunt continue n M, atunci
exista doua
functii 1, 2 : V (M) R, continue n M si avand proprietatea
lim
xa1, ya2
1(x, y) = lim
xa1, ya2
2(x, y) = 0
astfel ncat
f(x, y) f(a1, a2) = f
_
x(a1,
_
a2)(x a1) + f
(12.8) y(a1, a2)(y a2)+

+1(x, y)(x a1) + 2(x, y)(y a2).
250
Demonstratie. Avem
f(x, y) f(a1, a2) = [f(x, y) f(a1, y)] + [f(a1, y) f(a1, a2)] .
Aplicam fiecarei paranteze drepte formula cresterilor finite si avem:
f(x, y) f(a1, a2) = f
_
x(,
_
y)(x a1) + f
y(a1,
)(y a2),
unde este cuprins ntre a1 si x, iar este cuprins ntre a2 si y. Acum putem
scrie
f(x, y) f(a1, a2) = f
_
x(a1,
_
y(a1,
a2)(x a1) + f
a2)(y a1)+
+[f
_
x(,
_
y) f
x(a1,
6
f
a2)] (x a1) +
y(a1,
_
a2) f
y(a1,
a2)
7
(y a2)
In continuare, notam:
1(x, y) = f
_
x(,
_
y) f
x(a1,
a2)
2(x, y) = f
_
y(a1,
_
) f
y(a1,
a2).
Cum din (x, y) (a1, a2) rezulta (, y) (a1, a2) si (a1, ) (a1, a2) si deoarece f_
x si f_
y sunt
continue n M(a1, a2) avem
lim
(x,y)(a1,a2)
1(x, y) = lim
(x,y)(a1,a2)
[f
_
x(,
_
) f
x(a1,
si
lim
a2)] = 0
(x,y)(a1,a2)
2(x, y) = lim
(x,y)(a1,a2)
[f
_
y(a1,
_
) f
y(a1,
a2)] = 0
In final obtinem
f(x, y) f(a1, a2) = f
_
x(a1,
_
y(a1,
a2)(x a1) + f
a2)(y a2)+
+1(x, y)(x a1) + 2(x, y)(y a2),
unde functiile 1 si 2 sunt continue n M si

lim
(x,y)(a1,a2)
1(x, y) = lim
(x,y)(a1,a2)
2(x, y) = 0.
Teorema este demonstrata.
Pentru (x, y) suficient de aproape de (a1, a2) din (12.1) avem
f(x, y) f(a1, a2) = f
_
x(a1,
_
a2)(x a1) + f
y(a1,
a2)(y a2),
iar daca notam x a1 = h si y a1 = k, atunci obtinem
f(x, y) f(a1, a2) = f
_
x(a1,
_
a2)h + f
y(a1,
a2)k.
Definitia 12.4.1 Functia liniara g : R2 R,
g(h, k) = f
_
x(a1,
_
a2)h + f
y(a1,
a2)k
se numeste diferentiala functiei n punctul M(a1, a2).
Notam g prin df (a1, a2). Daca consideram f(x, y) = x si f(x, y) = y, (x, y) R2
gasim h = dx si
k = dy. Acum diferentiala lui f n (a1, b1) ia forma
df (a1, a2) = f
_
x(a1,
_
a2)dx + f
y(a1,
a2)dy.
Diferentiala functiei f ntr-un punct arbitrar (x, y) D se scrie
df (x, y) = f
_
x(x,
_
y(x,
y)dx + f
y)dy =
251
= f
x
dx + f
y
dy.
In unele situatii este avantajos sa folosim scrierea
df =
_
x
dx +
y
dy
_
f,
unde produsul din dreapta este un produs ntre operatorul
d=
x
dx +
y
dy,
numit operator de diferentiere si functia f.
Exemplul 12.4.1.Fie f(x, y) = y2xe3x+y, (x, y) R2. Avem
df = f
x
dx + f
y
dy = y2(1 + 3x)e3x+ydx + xy(2 + y)e3x+ydy
Observatia 12.4.1 Pentru o functie de n variabile f(x1, x2, ..., xn) diferentiala se
defineste
prin
df = f
x1
dx1 + f
x2
dx2 + ... + f
xn
dxn
iar operatorul de diferentiere este
d=
x1
dx1 +
x2
dx2 + ... +
xn
dxn.
Uneori df se numeste diferentiala totala a functiei f, iar f
xi
dxi, i = 1, n, se numesc
diferentialele partiale.
Se observa imediat ca operatorul de diferentiere este liniar
Observatia 12.4.2 Metoda directa de a diferentia o functie este de a folosi
formula fundamental
a
df =
n
k=1
f
xk
dxk.
Uneori este mai convenabil sa se foloseasca regulile de diferentiere, care sunt
analoage cu
regulile de derivare.
Exemplul 12.4.2. Sa calculam diferentiala functiei u =
_
x2 + y2 + z2, (x, y, z) R3
Avem
du = d(x2 + y2 + z2)
2
_
x2 + y2 + z2
= d(x2) + d(y2) + d(z2)
2
_
x2 + y2 + z2
=
=x_
x2 + y2 + z2
dx + y _
x2 + y2 + z2
dy + z _
x2 + y2 + z2
dz,
(x, y, z) R3 {(0, 0, 0)}.
In aplicatii sunt utile proprietatile diferentialei date n urmatoarele
doua teoreme.
Teorema 12.4.2 Conditia necesara si suficienta ca diferentiala unei functii f :
D R2
R, z = f(x, y), sa fie identic nula pe D este ca f sa fie constanta pe D.
Demonstratie. Daca f(x, y) = k, k constanta, pentru orice (x, y) D, atunci
alegand pe rand
x constant si y constant, obtinem f
x = 0, f
y = 0, deci df = 0 pe domeniul D. Reciproc, daca
df = f
xdx + f
y dy = 0, pentru orice (x, y) D, atunci alegand pe rand x constant si constant,
obtinem f
x = 0 si f
y = 0.
252
Teorema 12.4.3 Daca o expresie diferentiala E = P(x, y)dx + Q(x, y)dy, cu
functiile P si Q
continue pe domeniul D R2, este diferentiala unei functii f : D R, pentru orice
(x, y) D,
atunci P = f
x si Q = f
y , pentru orice (x, y) D
Demonstratie: Pentru orice (x, y) D avem df = f
xdx + f
y dy = Pdx + Qdy, de unde
_
f
x
P
_
dx +
_
f
y
Q
_
dy = 0,
pentru orice ((x, y) D.
De aici, utilizand Teorema 12.4.2., obtinem f
x = P si f
y = Q, oricare ar fi (x, y) D.
Observatia 12.4.3 Proprietatile diferentialei din Teoremele 12.4.2. si 12.4.3.
se mentin si
pentru functiile de n variabile, n 3.

Ca si la functiile de o variabila se pot introduce diferentialele de ordin
superior.
Definitia 12.4.2 Numim diferentiala de ordinul doi a unei functii de mai
multe variabile,
diferentiala diferentialei de ordinul ntai.
In general, diferentiala de ordinul n, n N
, este diferentiala diferentialei de ordinul (n1).
Daca f : D R2 R este o functie derivabila partial de doua ori pe D, cu toate
derivatele
partiale de ordinul doi continue, atunci avem
d2f = d(df) = d
_
f
x
dx + f
y
dy
_
=
=d
_
f
x
_
dx + f
x
d(dx) + d
_
f
y
_
dy + d(dy)
Cum d(dx) = 0 si d(dy) = 0, putem scrie
d2f =
*
x
_
f
x
_
dx +
y
_
f
x
_
dy
+
dx+
+
*
x
_
f
y
_
dx +
y
_
f
y
_
dy
+
dy =
= 2f
x2 dx2 + 2 2f
xy
dxdy + 2f
y2 dy2.
Operatorul
d 2 = 2
x2 dx2 + 2 2
x2y
dxdy + 2
y2 dy2 =
=
*
x
dx +
y
dy
+(2)
se numeste operatorul de diferentiere de ordinul doi. Cu ajutorul acestui
operator avem
d2f =
*
x
dx +
y
dy
+(2)
f.
Prin inductie matematica se arata ca
dnf = d(dn1f) =
*
x
dx +
y
dy
+(n)
f(x, y).
253
Pentru o functie de n variabile, diferentiala de ordinul m are forma

dmf =
*
x1
dx1 +
x2
dx2 + ... +
xn
dxn
+(m)
f(x1, x2, ..., xn)
In caz particular, pentru m= 2 avem:
d2f =
*
x1
dx1 +
x2
dx2 + ... +
xn
dxn
+(2)
f(x1, ..., xn) =
= 2f
x21
dx21
+ 2f
x22
dx22
+ ... + 2f
x2
n
dx2
n+
+2 2f
x1x2
dx1dx2 + 2 2f
x1x3
dx1dx3 + ... + 2 2f
x1xn
dx1dxn+
+2 2f
x2xn
dx2dxn + ... + 2 2f
xn1xn
dxn1dxn.
Se observa ca d2f pentru o functie de n variabile este o forma patratica n
variabilele
dx1, dx2, ..., dxn, care are matricea
H = (hij)i,j=1,n,
unde hij = 2f
xixj
, i,j = 1, n, numita matricea hessiana sau matricea lui Hess.

Observatia 12.4.4 In cazul functiilor compuse de mai multe variabile formula
diferentialei
de ordinul ntai se pastreaza, spunandu-se ca diferentiala de ordinul

ntai este invarianta
fata de operatia de compunere a functiilor. Formula pentru diferentialele de
ordin superior
nu se mai pastreaza pentru functiile compuse de mai multe variabile,
adaugandu-se cativa
termeni suplimentari.
12.5 Extremele functiilor de mai multe variabile
Aflarea extremelor functiilor de mai multe variabile este una din cele mai
importante probleme
de matematica deoarece multe chestiuni practice (stiintifice, tehnice,
economice etc.)
conduc la optimizarea unor modele descrise prin functii de mai multe variabile.
Fie f : D R2 R, z = f(x, y) o functie de doua variabile.
Definitia 12.5.1 Un punct M(a1, a2), (a1, a2) D, se numeste punct de minim local
(relativ)
respectiv maxim local (relativ) al lui f daca exista o vecinatate V(M) a lui M asa
ncat
pentru orice (x, y) V (M) D sa avem f(x, y) f(a1, a2) respectiv f(x, y) f(a1, a2).
Cel mai mare dintre toate maximele locale se numeste maxim absolut, iar cel mai
mic
dintre toate minimele locale, minim absolut. Maximele si minimele unei functii
se numesc
extremele functiei.
Teorema 12.5.1 Fie (a1, a2) D, D R2, punct de extrem local pentru functia f : D
R.
Daca exista derivatele partiale f_
x si f_
y, atunci f_
x(a1, a2) = 0 si f_
y(a1, a2) = 0.
Demonstratie. Pentru y = a2, functia f(x, a2)are n punctul x = a1, un punct de
extrem si
este derivabila n acest punct deci, conform teoremei lui Fermat avem f_
x(a1, a2) = 0.
In mod analog, pentru x = a1, functia f(a1, y) are n punctul y = a2 un punct de
extrem
si deci f_
y(a1, a2) = 0.
Reciproca teoremei nu are loc, adica daca f_
x(a1, a2) = 0, f_
y(a1, a2) = 0 nu rezulta ca (a1, a2)
este punct de extrem. Punctele (a1, a2) pentru care f_
x(a1, a2) = 0, f_
y(a1, a2) = 0 se numesc
puncte stationare. Asadar, punctele de extrem ale functiei f se gasesc
printre solutiile
sistemului f_
x = 0, f_
y = 0, nsa nu toate solutiile acestui sistem sunt puncte de extrem.
254
Observatia 12.5.1 Intr-un punct de extrem avem f_
x(a1, a2) = 0, f_
y(a1, a2) = 0, deci df (a1, a2) =
0.
Ne intereseaza o conditie suficienta ca un punct stationar sa fie punct de

extrem.
Teorema 12.5.2 Fie punctul (a1, a2) interior domeniului D R2, punct stationar al
functiei
f : D R. Presupunem ca functia f are derivate partiale de ordinul doi continue
ntr-o
vecinatate V (a1, a2) a punctului (a1, a2). Se considera matricea Hess
H=
_
2f
x2
2f
xy
2f
xy
2f
y2
cu minorii principali
_1 = 2f(a1, a2)
x2 , _2 = det H(a1, a2)
Cu aceste notatii au loc afirmatiile:
i) daca _1 > 0 si _2 > 0, atunci punctul (a1, a2) este punct de minim local pentru f;
ii) daca _1 < 0 si _2 > 0, atunci punctul (a1, a2) este punct de maxim local pentru f;
iii) daca _2 < 0, atunci punctul (a1, a2) nu este punct de extrem.
Demonstratie. Natura punctului stationar (a1, a2) este data
de semnul diferentei f(x, y) f(a1, a2). T inand seama ca
f_
x(a1, a2) = 0, f_
y(a1, a2) = 0, din formula lui Taylor pentru n= 2 (Teorema 12.3.2)
avem f(x, y) = f(a1, a2)+
+
1
2!
*
(x a1)
x
+ (y a2)
y
+(2)
f(a1, a2) + R2(f, x, y)
pentru (x, y) DV ((a1, a2)). Daca (x, y) este suficient de aproape de punctul (a1,
a2), atunci
semnul diferentei f(x, y)f(a1, a2) nu este influentat de restul R2(f, x, y) al
formulei. Asadar,
avem
f(x, y) f(a1, a2) =
1
2
*
(x a1)2 2f
x2 (a1, a2)+
+2(x a1)(y a2)2f(a1, a2)
xy
+ (y a2)2 2f(a1, a2)
y2
+
,
care este o forma patratica n variabilele x a1 si y a2, avand matricea

chiar hessiana.
Conform rezultatelor cunoscute de la formele patratice, avem ca:
i) daca _1 > 0 si _2 > 0, atunci forma patratica este pozitiv definita, adica
diferenta
f(x, y) f(a1, a2) > 0 pentru (x, y) _= (a1, a2), deci f(x, y) > f(a1, a2) si, prin urmare,
punctul (a1, a2) este punct de minim;
ii) daca _1 < 0 si _2 > 0, atunci forma patratica este negativ definita, adica
diferenta
f(x, y) f(a1, a2) < 0 pentru (x, y) _= (a1, a2), deci f(x, y) < f(a1, a2) si, prin urmare,
punctul (a1, a2) este punct de maxim local;
iii) daca _2 < 0, atunci forma patratica este nedefinita, deci (a1, a2) nu este
punct de
extrem local
Exemplul 12.5.1. Sa determinam punctele de extrem local pentru functia
f(x, y) = x5 + y5 5xy, (x, y) R2.
Mai ntai determinam punctele stationare. Pentru aceasta calculam
derivatele partiale de
ordinul ntai:
f
x
= 5x4 5y,
f
y
= 5y4 5x.
255
Egalandu-le cu zero, avem sistemul
x4 = y, y4 = x,
care are solutile (0, 0) si (1, 1). Acestea sunt punctele stationare ale
functiei f. Printre
acestea se vor afla punctele de extrem ale functiei f. Calculam derivatele
partiale de ordinul
doi ale lui f:
2 f
x2 = 20x3,
2 f
xy
= 5,
2 f
y2 = 20y3.
Prin urmare, matricea hessiana este
_
20x3 5
5 20y3
_
.
Pentru punctul stationar (0, 0) se obtine
H(0,0) =
_
0 5
5 0
_
, _1 = 0, _2 = 25 < 0
deci punctul (0, 0) nu este punct de extrem local.
Pentru punctul stationar (1, 1) se obtine
_
20 5
5 20
_
, _1 = 20 > 0, _2 = 375 > 0,
deci (1, 1) este punct de minim local si avem fmin = f(1, 1) = 3.
Observatia 12.5.2 In cazul unei functii f : D Rn R,
z = f(x1, x2, ..., xn), n 3, se procedeaza n mod analog.
Punctele ei stationare se afla printre solutiile sistemului
f
_
x1 =
_
0, f
x2 =
_
0, ..., f
xn =
0
Daca A(a1, a2, ..., an) este un punct stationar al functiei f, atunci pentru
precizarea naturii
lui se considera matricea Hess
H = (hij)i,j = 1, n,
unde hij = f__
xixj (A), i,j = 1, n. Notam minorii ei principali cu _k, adica
_k =
________
h11 h12 ... h1k
h21 h22 ... h2k
... ... ... ...
hk1 hk2 ... hkk
________
, k = 1, n
Cu aceste notatii, conform cu cele cunoscute de la formele patratice avem:
i) daca _k > 0, k = 1, n, atunci punctul A este punct de minim local pentru functia
f,
(conditie echivalenta cu d2f(A) > 0 );
ii) daca _1 < 0,_2 > 0,_3 < 0, ..., (1)n_n > 0, atunci punctul A este punct de maxim
local
pentru functia f (conditie echivalenta cu d2f(A) < 0);
iii) daca _2 < 0, atunci punctul A nu este punct de extrem local (conditie
echivalenta cu
d2f(A) nu este definita).
Exemplul 12.5.2. O firma produce trei sortimente de produse, n cantitatile x,
y, si z.
Daca functia profitului este data de
f(x, y, z) = 170x + 110y + 120z 3x2 2y2 3
2z2 2xy xz yz 50,
256
x 0, y 0, z 0,
atunci sa se determine volumele celor trei produse astfel ncat profitul sa fie
maxim.
Mai ntai aflam punctele stationare ale lui f, prin rezolvarea sistemului de
ecuatii
f_
x(x, y, z) = 170 6x 2y z = 0
f_
y(x,
y, z) = 110 4y 2x z = 0
f_
z(x, y, z) = 120 3z x y = 0
Solutia acestui sistem este x= 20, y= 10 si z= 30. Asadar, functia f are un
singur punct
stationar A(20, 10, 30).
Pentru a stabili natura punctului A calculam derivatele partiale de ordinul doi
ale lui f.
f
__
x2 =
__
6, f
z2 =
y2 =
__
4, f
__
xy
__
=f
yz
__
= 2, f
xz
__
=f
zx
__
= 1, f
yz
__
=f
= 1
si scriem hessiana
H=
6 2 1
2 4 1
1 1 3
.
Minorii principali ai lui H n punctul A au valorile
_1 = 6 < 0, _2 =
____
6 2
2 4
____
= 20 > 0
_3 = det H = 54 < 0.
Rezulta ca punctul A este un punct de maxim. Valoarea maxima a profitului
este fmax =
f(20, 10, 30) = 4000.
zy
12.6 Extreme conditionate
Multe probleme practice conduc la aflarea punctelor de extrem supuse unor

conditii
(legaturi).
Fie f : D R2 R, z = f(x, y) o functie de doua variabile si fie F(x, y) = 0 o
ecuatie, unde
F : D R. Notam cu A multimea solutilor ecuatiei F(x, y) = 0.
Definitia 12.6.1 Un punct (a1, a2) A este punct de extrem conditionat (cu
legaturi) al
functiei f daca exista o vecinatate V a punctului (a1, a2) astfel ncat pentru
orice (x, y) A
se verifica una din inegalitatile:
f(x, y) f(a1, a2), pentru maxim local conditionat;
f(x, y) f(a1, a2), pentru minim local conditionat.
Geometric, problema punctelor de extrem conditionate cere sa determinam
punctele curbei
data de ecuatia F(x, y)= 0, n care ia valori extreme, n comparatie cu
celelalte valori ale
sale n punctele de pe aceasta curba.
Acum sa presupunem ca functia F ndeplineste conditiile necesare
existentei unei functii implicite. Fie y = (x) functia implicita
definita de F(x, y) = 0. Atunci problema gasiri punctelor de extrem
conditionate ale functiei f revine la aflarea punctelor de extrem ale functiei
z(x) = f(x, (x)), pe un anumit interval precizat.
Punctele stationare, printre care se gasesc si posibile puncte de extrem
conditionate sunt
solutiile reale ale ecuatiei
z
_(x) = f
_
x
_
+f
yy
(12.9) _ = 0,
257
unde y_ este derivata functiei implicite definita de ecuatia F(x, y) = 0
F
_
x
_
+F
yy
(12.10) _ = 0
Solutiile sistemului dat de ecuatiile (12.9) si (12.10) gasim
f_
x
f_
y
= F_
x
F_
y
In concluzie, punctele stationare ale functiei f sunt punctele ale caror

coordonate verifica
ecuaiile
f_
x
F_
x
=
f_
y
F_
y
; F(x, y) = 0.
Pentru rezolvarea acestui sistem notam cu valoarea celor doua rapoarte si
obtinem
sistemul:
f_
x + F_
x= 0
f_
y + F_
y= 0
F(x, y) = 0
(12.11) .
La sistemul (12.11) putem ajunge si pe cale formala. Consideram functie
auxiliara
L(x, y) = f(x, y) + F(x, y),
numita functia lui Lagrange, unde este un parametru auxiliar, numit
multiplicatorul lui
Lagrange. Cautam punctele stationare ale functiei L(x, y) cu legatura F(x, y)
= 0, obtinand
sistemul
L_
x = f_
x + F_
x= 0
L_
y = f_
y + F_
y= 0
F(x, y) = 0 ,
adica tocmai sistemul (12.6.3).
Din cele de mai sus deducem ca daca (a1, a2, 1) este un punct stationar
conditionat al
functiei auxiliare L, atunci (a1, a2) este punct stationar conditionat al
functiei date f.
Pentru precizarea naturii punctelor de extrem conditionat se cerceteaza
semnul
diferentei f(x, y) f(a1, a2) n vecinatatea punctului (a1, a2), tinand seama de
legatura data.
Aceasta revine la studierea semnului diferentialei a doua a functiei lui
Lagrange, d2L(x, y),
tinand cont de dF= 0.
Aceasta metoda de aflare a punctelor de extrem conditionate se numeste
metoda multiplicatorilor
lui Lagrange.
Exemplul 12.6.1. Sa se nscrie ntr-un cerc un dreptunghi de arie maxima.
Fie cercul de raza a, a > 0, cu centrul n origine (fig. 12.6.1)
258
Fig.12.6.1.
x2 + y2 = a2.
Notand cu x, y coordonatele unui varf al dreptunghiului, tinand seama de
simetria figurii,
aria dreptunghiului nscris este z = 4xy
Problema propusa se formuleaza astfel: sa se afle extremele functiei z = 4xy,
x > 0, y>0,
cu conditia x2 + y2 = a2.
Utilizam metoda multiplicatorilor lui Lagrange.
Consideram functia auxiliara
L(x, y) = 4xy + (x2 + y2 a2)
si formam sistemul
L_
x = 4y + 2x = 0
L_
y = 4x + 2y = 0
x2 + y2 = a2
Sistemul are solutia
= 2, x = y = a
2
2
Pentru a preciza natura punctului stationar conditionat
$
a
2
2
2
2
%
cercetam semnul
diferentialei a doua a functiei auxiliare.
Avem
d2L = L
__
x2dx2
__
+ 2L
xydxdy
__
+L
y2dy2
=
= 2dx2 + 8dxdy + 2dy2
si
d2L
_
a
2
2,
a
2
2
= 4(dx2 2dxdy + dy2)
Diferentiind relatia de legatura avem
2xdx + 2ydy = 0,
259
de unde dy = x
y dx. Pentru x = y = a
gasim dy= -dx. Atunci, nlocuind n d2L, gasim

d2L
_
a
2
2,
a
2
2
= 8dx2 < 0,
ceea ce ne arata ca punctul
$
a
2
2
2
2
%
este un maxim conditionat.
Am gasit ca dreptunghiul de arie maxima nscris n cercul
x2 + y2 = a2 este patratul de latura 2x = a
2 si arie zmax = 2a2.

Sa consideram acum cazul general al aflari extremelor functiei
f : D Rn R, z = f(x1, x2, ..., xn)
cu m,m < n, conditii de legatura
F1(x1, ..., xn) = 0

F2(x1, ..., xn) = 0
...
Fm(x1, ..., xn) = 0
Metoda directa de aflare a extremelor conditionate consta n a exprima m
argumente n
functie de celelalte n- m si a le nlocui n f. Obtinem o functie de n-m
variabile ale carei
puncte de extrem local vor fi puncte de extrem conditionate pentru f.
Metoda multiplicatorilor lui Lagrange consta n considerarea functiei auxiliare
L(x1, x2, ..., xn) = f(x1, ..., xn) + 1F1(x1, ..., xn)+
+2F2(x1, ..., xn) + ... + mFm(x1, ..., xn),
unde parametrii 1, 2, ..., n se numesc multiplicatorii lui Lagrange.
Apoi, se determina punctele stationare ale functiei L din conditiile
L
x1
x1
+ 1
F1
x1
+ ... + m
Fm
x1
=0
L
x2
x2
+ 1
F1
x2
+ ... + m
Fm
x2
=0
...
L
xn
xn
+ 1
F1
xn
+ ... + m
Fm
xn
=0
la care se aduna legaturile
F1(x1, ..., xn) = 0
...
Fm(x1, ..., xn) = 0
Avem un sistem de n+m ecuatii cu n+m necunoscute: x1, x2, ..., xn, 1, ..., xm.
Daca xi = ai, i = 1, n si j =
j, i = 1, n, este o solutie a sistemului, atunci punctul
A(a1, a2, ..., an) este punct stationar conditionat pentru functia f.
Pentru precizarea naturii lui A, n diferentiala de ordinul doi
d2L(A) =
n
i=1
n
j=1
2L(A)
xixj
dxidxj
se introduc legaturile date prin diferentialele legaturilor
dFk(A) =
n
i=1
Fk(A)
xi
dxn = 0, k = 1,m
260
Forma patratica d2L(A) astfel obtinuta se aduce la forma canonica. Daca
d2L(A) > 0,
atunci punctul A este punct de minim local conditionat pentru functia f, iar
daca d2L(A) < 0,
atunci A este punct de maxim local conditionat pentru functia f.
Exemplul 12.6.2.Sa se afle punctele de extrem legate pentru functia
f(x, y, z) = xyz, (x, y, z) R3
cu legaturile
x + y z = 3, x y z = 8.
Metoda directa Din sistemul _
y z = 3 x
y+z=x8
gasim y = 5
2 si z = 2x11
2.
Inlocuind n f gasim functia
h(x) = x(5
2
)
2x 11
2
=
10x2 + 55x
4,xR
Aflam punctele de extrem local pentru functia h. Din h_(x) = 0, obtinem x =
4. Cum
h__ = 5
2 < 0, deducem ca x = 11
4 este punct de maxim pentru h.
Atunci punctul x = 11
4 , y = 5
2, z = 11
4 este punct de maxim conditionat pentru f, cu
fmin = 605
32
Metoda multiplicatorilor lui Lagrange.

Consideram functia Lagrange auxiliara
L(x, y, z) = xyz + 1(x + y z 3) + 2(x y z 8)
Determinam punctele stationare ale lui L din ecuatiile
x
L
= yz + 1 + 2 = 0
y
L
= xz + 1 2 = 0
= xy 1 2 = 0
la care se adauga legaturile _
x+yz=3
xyz=8
Solutia acestui sistem este:
x=
11
4 , y = 5
2, z = 11
4 , 1 =
11
32, 2 = 231
32 .
Punctul stationar conditionat pentru f este A
& 11
4 , 5
2 , 11
z
'
.
Pentru a decide natura lui A calculam d2L. Avem
d2L = 2L
x2 dx2 + 2L
y2 dy2 + 2L
z2 +
+2 2L
xy
dxdy + 2 2L
11
xz
dxdz + 2 2L
yz
dydz =
= 2zdxdy + 2ydxdz + 2xdydz;
care n punctul A este:
d2L(A) = 11
2 dxdy 5dxdz +
11
2 dydz.
Prin diferentierea celor doua legaturi rezulta relatiile:
dx + dy dz = 0
261
dx dy dz = 0,
de unde gasim dz = dx, dy = 0, care substituite n d2L = 5dx2 < 0. Rezulta ca
punctul A
este punct de maxim conditionat pentru functia f. Se observa ca am
obtinut acelasi rezultat
ca si la metoda directa.
Exemplul 12.6.3.Sa consideram functia de productie data prin
f(x, y) = x0,2y0,7,
x reprezentand capitalul, iar y forta de munca. Ne propunem sa determinam
productia
maxima cu restrictia 2x + 5y = 360
Utilizam metoda multiplicatorilor lui Lagrange
Functia auxiliara a lui Lagrange este
L(x, y) = x0,2y0,7 + (2x + 5y 360).
Pentru determinarea punctelor stationare conditionate avem sistemul:
L_
x = 0, 2 x0,8 y0,7 + 2 = 0
L_
y = 0, 7 x0,2 y0,3 + 5 = 0
2x + 5y = 360
Daca se exprima din fiecare din primele doua expresii, atunci se obtine ca
y=7
5x. Acum
din ecuatia de legatura se obtine x = 40, y = 56. Pentru gasim valoarea 1
10400,8 500,7.
Diferentiala de ordinul doi al functiei L este D2L =
= 0, 16 x
1,8y0,7dx2 + 2 0, 14x
0,8y
0,3dxdy 0, 21x0,2y
1,3dy2
Prin diferentierea relatiei de legatura avem 2dx + 5dy = 0, de unde dy = 2
5dx. Inlocuind pe
x = 40, y = 56 si dy = 2
5dx n d2L, obtinem
d2L(40, 56) = (401,8560,7 + 0, 28 400,8560,3+
+0, 21 400,2 561,3)dx2 < 0
ceea ce ne arata ca punctul x = 40, y=56 este un punct de maxim local
conditionat. Valoarea
maxima pentru f este
fmax = f(40, 56) = 400,2 560,7

.
12.7 Ajustarea unor date
Adesea n urma unor experimente obtinem pentru doua marimi x si y

urmatorul tabel de
valori
x x1 x2 ... xn
y y1 y2 ... yn
Incercam sa exprimam legatura dintre variabilele x si y printr-o functie
continua y =
f(x, a1, ..., am), unde a1, a2, ..., am sunt parametrii care urmeaza sa fie determinati
asa ncat
f(xi, a1, ..., am) sa aproximeze cat mai bine valorile yi, i = 1, n. In acest scop se
foloseste
metoda celor mai mici patrate. Aceasta consta n a determina parametrii a1,
a2, ..., am asa
ncat suma patratelor erorilor comise sa fie minima, adica
n
i=1
(yi f(xi, a1, ..., an))2 = min.

Detreminarea valorilor yi = f(xi, a1, ..., am) asa ncat ele sa aproximeze cat mai
bine valorile
yi, i = 1, n, se numeste ajustare. Functia y f(x, a1, ..., am) e functie de
ajustare. De
262
obicei, forma functiei de ajustare se alege din reprezentarea grafica a
perechilor de puncte
(xi, yi), i = 1, n, obtinute experimental.
Problema determinarii parametrilor a1, a2, ..., am este o aplicatie a problemei
aflari extremelor
functiei de m variabile
S(a1, a2, ..., am) =
n
i=1
(yi f(xi, a1, ..., am))2.

Se constata imediat ca punctele de stationare sunt puncte de minim, iar
ecuatiile care dau
aceste puncte numite ecuatii normale, sunt
S
a1
= 2
_n
i=1
(yi f(xi, a1, ..., am))
a1
=0
...
S
am
= 2
_n
i=1
(yi f(xi, a1, ..., am))

am
=0
Sa consideram cazul cel mai simplu, n care functia de ajustare este de gradul
ntai, adica
y = ax + b.
Trebuie sa determinam a si b asa ncat
S(a, b) =
n
i=1
(yi axi b)2

sa fie minima. Conditiile de minim
S
a
= 2
n
i=1
(yi axi b)xi = 0

S
b
= 2
n
i=1
(yi axi b) = 0,
conduc la sistemul liniar
a
_n
i=1
x2i
+b
_n
i=1
xi =
_n
i=1
xiyi
a
_n
i=1
xi + bn =
_n
i=1
yi
,
cu necunoscutele a si b.
Daca mpartim ambele ecuatii cu n si notam
x=
_n
i=1
xi
n
,y=
_n
i=1
yi
n
,
x2 =
_n
i=1
x2i
n
, xy =
_n
i=1
xiyi
n
,
atunci sistemul liniar ia forma _
x2a + xb = xy
xa + b = y.
Prin eliminarea lui b, gasim
(x2 x2)a = xy x y.
Daca notam 2x
= x2 x2, numita dispersia lui x, si cxy = xy x y, marime numita corelatia
variabilelor x si y, atunci avem
a = cxy
2x
= y
x
cxy
xy
= y
x
rxy
263
Raportul rxy = cxy
xy
se numeste coeficient de corelatie a variabilelor x, y si masoara

intensitatea
dependentei liniare dintre variabilele x si y.
Obervam ca b = y ax si avem y = a(n x) + y, de unde
y = y
x
rxy(x x),
care este dreapta care ajusteaza cel mai bine datele initiale. Dreapta gasita
este numita
dreapta de regresie.
Exemplul 12.7.1. Sa se ajusteze cu o dreapta datele ce reprezinta numarul de
piese produse
n cele cinci zile de lucru dintr-o saptamama, date trecute n tabelul
zilele 1 2 3 4 5
numarul de piese 4 5 7 6 6
Notam cu y numarul de piese si cu x zilele saptamanii. Avem n = 5, x1 = 1, x2
= 2, x3 =
3, x4 = 4, x5 = 5, si y1 = 4, y2 = 5, y3 = 7, y4 = 6, y5 = 6.
x=
1+2+3+4+5
5
= 3; y =
4+5+7+6+6
5
=
28
5
xy =
4 + 10 + 21 + 24 + 30
5
=
89
5
x2 =
12 + 22 + 32 + 42 + 52
5
=
55
5
= 11
2x
= x2 x2 = 11 9 = 2
cxy =
89
5
3 28
5
=
89 84
5
=1
a = cxy
2x
=
1
2
; b = y ax =
28
5
3
2
=
41
10
si y = x
2
+
41
10.
Observatia 12.7.1 Ajustarea datelor se poate folosi si n rezolvarea
problemelor de prognoza.
Avand gasita functia de ajustare, putem evalua marimea valorii y si n alte
puncte.
Astfel, n exemplul 12.7.1 putem prognoza care sa fie numarul de piese n ziua
a sasea.
Avem y = 6
2 + 41
10 = 3+4+ 1
10 = 7+ 1
10 , de unde rezulta ca n ziua a sasea atrebui sa se
produca 7 piese.
12.8 Interpolarea functiilor
Ca si n cazul ajustarilor, sa presupunem ca pentru marimea y, care variaza

continuu n
raport cu marimea x, cunoastem tabelul de valori

x x0 x1 ... xn
y y0 y1 ... yn
, n 1,
cu xi [a, b], i = 0, n, distincte doua cate doua.
Prin interpolare ntelegem procesul de alegere a unei functii
I : [a, b] R, dintr-o anumita clasa de functii, asa ncat I(xi) = yi, i = 0, n se
numeste functie
de interpolare.
T inand seama ca cele mai simple si convenabile functii sunt polinoamele
vom alege
functie de interpolare un polinom P. O vom numi n continuare polinom de
interpolare.
264
Avand n vedere ca avem n+ 1 conditii P(xi) = yi, i = 0, n, alegem
P(x) = a0xn + a1xn1 + ... + an1x + an
Cele n+ 1 conditii conduc la sistemul liniar
a0xn0
+ a1xn1
0 + ... + an1x0 + an = y0
a0xn1
+ a1xn1
1 + ... + an1x1 + an = y1
.... .... .... ....
a0xnn
+ a1xn1
n + ... + an1xn + an = yn
n necunoscutele a0, a1, ..., an.
Determinantul sistemului este determinantul Vandermond
V (x0, x1, ..., xn) =
_________
xn0
xn1
0 ... x0 1
xn1
xn1
1 ... x1 1
...
...
...
...
xnn
xn1
n ... xn 1
_________
=
=
.
0j<in
(xi xj) _= 0
Rezulta ca sistemul determina coeficientii ai, i = 0, n, ai polinomului Pn mod
unic.
Pentru polinomului P de interpolare exista mai multe forme. O forma simpla

si usor de
aplicat n cazurile practice a fost data de Lagrange.
El a introdus polinoamele fundamentale li, i = 0, n, de grad n date prin expresiile
li(x) =
(x x0)(x x1)...(x xi1)(x xi+1)...(x xn)
(xi x0)(xi x1)...(xi xi1)(xi xi+1)...(xi xn), i = 0, n
Se observa imediat ca
li(xj) = ij =
_
0, j _= i
1, j = i
Utilizand polinoamele fundamentale polinomul de interpolare Lagrange are
forma
P(x) =
n
i=0
li(x)yi
Intradevar, avem
P(xj) =
n
i=0
li(xj)yi = yj, j = 0, n
Exemplul 12.8.1. Sa determinam polinomul de interpolare pentru datele din
tabelul
x1234
y3245
si apoi calculati valoarea lui y pentru x = 3
2
Avem n = 3, x0 = 1, x1 = 2, x2 = 3, x3 = 4, si y0 = 3,
y1 = 2, y2 = 4, y3 = 5.
Polinoamele fundamentale sunt:
l0(x) =
(x 2)(x 3)(x 4)
(1 2)(1 3)(1 4)
=
(x2 5x + 6)(x 4)
6
=
= 1
6
(x3 9x2 + 26x 24),
265
l1(x) =
(x 1)(x 3)(x 4)
(2 1)(2 3)(2 4)
=
(x2 4x + 3)(x 4)
2
=
=
1
2
(x3 8x2 + 19x 12),
l2(x) =
(x 1)(x 2)(x 4)
(3 1)(3 2)(3 4)
=
(x2 3x + 2)(x 4)
2
=
= 1
2
(x3 7x2 + 14x 8),
l3(x) =
(x 1)(x 2)(x 3)
(4 1)(4 2)(4 3)
=
(x2 3x + 2)(x 3)
6
=
=
1
6
(x3 6x2 + 11x 6)
Atunci polinomul de interpolare are expresia
P(x) = 1
6
(x3 9x2 + 26x 24) 3 +
1
2
(x3 8x2 + 19x 12) 2
1
2
(x3 7x2 + 14x 8) 4 +
1
6
(x3 6x2 + 11x 6) 5 =
= 2
3x3 +
11
2 x2 27
2 x + 11
Acum, avem
P
_
3
2
_
=
7
8
= y.
Observatia 12.8.1 Daca pentru valorile y n functie de valorile lui x, date la
nceputul acestui
paragraf, exista o functie continua y = f(x), cu f(xi) = yi, i = 0, n, atunci polinomul
de
interpolare este o aproximare a functiei f care satisface conditiile P(xi) = f(xi), i =
0, n.
266

a) Derivata partiala a unei functii de mai multe variabile;

b) Diferentiala unei functii de mai multe variabile;
c) Punct de extrem local pentru o functie de mai multe variabile;
d) Integrarea functiilor.
2. a) Gasiti extremele locale ale functiei
f : R2 R, f(x, y) = x3 + y3 + 3xy.
b) Gasiti extremele locale ale functie:
f : R2 R, f(x, y) = x2 + y4.
3. Gasiti extremele locale ale functiei
f : R , = (,1] [1,), cu
f(x, y) = x4 + y4 4x2 + 8xy 4y2 5.
4. Gasiti extremele locale ale functiei f : R2 R, f(x, y) = x2 + y3.
5. O firma produce doua sortimente de bunuri, n cantitatile x si y. Daca
functia profitului
este data prin f : [0,) [0,) R, f(x, y) = 160x 3x2 2xy 2y2 + 120y 18, sa
se
determine volumele celor doua bunuri astfel ncat profitul sa fie maxim.
6. Gasiti extremele locale ale functiei f : R2 R, f = 6 4x 3y conditionate
de ecuatia
x2 + y2 = 1.
7. Gasiti extremele locale ale functiei f(x, y, z) = xy + xz + yz conditionate de
ecuatia
xyz = 1, n domeniul x > 0, y > 0, z > 0.
8. Sa se determine dreptunghiul de arie maxima nscris ntr-o elipsa
x2
a2 + y2
b2
1 = 0.
9. Gasiti punctele de extrem local ale functiei f : R4 R, f(x, y, z, t) = xy + xz
3xt + y2 +
z2 + t2 + 10x + 6y conditionate de ecuatiile
1(x, y, z, t) = x + 2y + 3z + 2t = 0 si
2(x, y, z, t) = x + y + z + t = 0.
10. Fie functia de productie f : [0,)[0,) R cu f(x, y) = x0,3 y0,5, unde x este
capitalul
iar y este forta de munca. Sa se determine productia maxima cu restrictia
6x+2y = 384.
267
Indicatii si raspunsuri Test nr. 11
2. a) (1,1) este punct de maxim cu f(1,1) = 1.
b) (0, 0) este punct de minim.
3. (2,2) este punct de minim cu f(2,2) = 37; (2, 2) este punct de minim cu f(2,
2) =
37.
4. Nu are nici un punct de extrem local.
5. x = 20, y = 20 cu profilul f(20, 20) = 2782.
6.
_
4
5,
3
5
_
punct de minim conditionat cu f
_
4
5,
3
5
_
= 1, iar
_
4
5,3
5
_
punct de maxim
conditionat cu
_
4
5,3
5
_
= 11.
7. (1, 1, 1) este punct de minim conditionat cu f(1, 1, 1) = 3.
8. Pentru x = a
2
si y = b
2
se obtine dreptunghiul de arie maxima (Amax = 2ab).
9.
_
1,5
2, 3,3
2
_
este punct de minim conditionat cu f
_
1,5
2, 3,3
2
_
= 25
2
.
10. (24, 120) este punct de maxim conditionat iar productia maxima este 240,3
1200,5.
268
II,
269
Capitolul 13
Generalizari ale notiunii de

integrala
Obiective: Stim ca
_b
a
f(x)dx reprezinta o integrala Riemann, daca sunt ndeplinite

conditiile: a _= si b _= ; f functie marginita pe [a, b] si f functie
reala de o singura
variabila reala. Daca una din aceste conditii nu este ndeplinita, atunci
expresia
_b
a
f(x)dx
constituie o extindere a notiunii de integrala. Scopul acestui capitol este de a
prezenta
cateva astfel de extinderi ale notiunii de integrala.
Rezumat: In acest capitol sunt prezentate extinderi ale notiunii de integrala
si
anume inegralele improprii, integralele ce depind de unul sau mai multi
parametri, integralele
euleriene (Functiile Gamma si Beta ale lui Euler), inegralele duble (inclusiv
metode
de calcul ale acestora).
1. Integrale improprii
2. Integrale cu parametri
3. Integrale euleriene. Functia Gamma. Functia Beta
4. Integrale duble
Cuvinte cheie: integrala improprie, integrala ce depinde de parametri, functia
Gamma, functia Beta, inegrale duble, coordonate polare.
13.1 Integrale improprii
In multe situatii practice apar integrale care au intervalul de integrare de

lungime infinita
si integrale pentru care functia de integrat nu este marginita.
Astfel de integrale se numesc improprii sau generalizate. Daca lungimea
intervalului
este infinita, adica avem una din situatiile
I=
_+
a
f(x)dx , I =
_b
f(x)dx , I =
_+
f(x)dx =
_
R
f(x)dx,
atunci spunem ca avem integrale improprii de speta nai. Daca functia de
integrat este
nemarginita pe [a, b], atunci spunem ca avem integrale improprii de speta a
doua. Daca atat
intervalul de integrare este de lungime infinita, cat si f este nemarginita n
acest interval,
atunci spunem ca avem integrale improprii mixte.

270
Definitia 13.1.1 Fie f : [a,) R o functie integrabila pe orice interval [a, b], b
R, b > a.
Daca exista lim
b
_b
a
f(x)dx, atunci prin definitie

_
a
f(x)dx = lim
b
_b
a
f(x)dx;
cand limita este finita spunem ca integrala este convergenta iar n caz
contrar, adica daca
limita nu exista sau este infinita, spunem ca integrala improprie este
divergenta.
In mod analog definim
_b
f(x)dx = lim
af(x)dx
si
_
f(x)dx = lim
a
b
_b
a
f(x)dx.
Imediat se observa ca avem relatiile
_b
f(x)dx =
_
b
f(t)dt
si
_+
f(x)dx =
_C
f(x)dx +
_+
C
f(x)dx , C R,
care ne arata ca este suficient sa studiem cazul intervalului [a,].
Exemplul 13.1.1. Sa consideram integrala
_
a
dx
x ; a > 0 si R.
Pentru b > a si _= 1 avem
_b
a
dx
x =
1
1
(b1 a1).
Limita
lim
b
1
1
(b1 a1)
este finita, fiind egala cu a1
1
, pentru 1 < 0, adica > 1.
In cazul = 1 avem
_
a
dx
x
= lim
b
_b
a
dx
x
= lim
b
(ln b ln a) = ,
integrala fiind divergenta.
271
In concluzie, avem ca
_
a
dx
x = a1
1
pentru > 1, adica este convergenta, iar pentru 1
integrala improprie este divergenta.
Exemplul 13.1.2. Fie de calculat integrala improprie
_+
dx
x2 + 4.
Avem
_+
dx
x2 + 4
= lim
a
b
_b
a
dx
x2 + 4
=
= lim
a
b
1
2
_
arctg b
2
arctga
2
_
=
1
2
$
2
2
%%
=
2.
Observatia 13.1.1 Putem scrie
_
a
f(x)dx =
_k
a
f(x)dx +
k_+1
k
f(x)dx + ... +
k_+n
k+n1
f(x)dx + ...,
k N, k > a.
Daca notam un =
k_+n
k+n1
f(x)dx, n = 1, 2, ..., u0 =
_k
a
f(x)dx, atunci
_
k
f(x)dx =
n=0
un,
adica integralei
_
a
f(x)dx i corespunde seria numerica
n=0
un. Integrala improprie si seria

asociata au aceeasi natura.
Aceasta observatie ne permite sa adaptam criteriile de convergenta de la
seriile numerice
la integralele improprii de speta ntai.
Teorema 13.1.1 (Criteriul lui Cauchy) Integrala improprie
_
a
f(x)dx, este convergenta daca

si numai daca pentru orice > 0 exista M() R+ asa ncat pentru orice ,
R, > >
M() sa avem ______
_
f(x)dx
______
< .
Demonstratia rezulta imediat din Criteriul lui Cauchy scris pentru seria
numerica
n0
un.
Definitia 13.1.2 Integrala improprie
_
a
f(x)dx se numeste absolut convergenta daca integrala

improprie
_
a
|f(x)|dx este convergenta.

272
Teorema 13.1.2 Daca
_
a
f(x)dx este absolut convergenta, atunci ea este convergenta.

Pentru demonstratie se foloseste Teorema 13.1.2 si inegalitatea
______
_b
a
f(x)dx
______
_b
a
|f(x)|dx.
Si criteriile de comparatie de la serii cu termeni pozitivi se extind imediat la
integrale
improprii.
Teorema 13.1.3 (primul criteriu de comparatie) Fie f, g functii definite si
integrabile pentru
x a. Daca 0 f(x) g(x) pentru x a, atunci:
1) daca
_
a
g(x)dx este convergenta, atunci si

_
a
f(x)dx este convergenta;

2) daca
_
a
f(x)dx este divergenta, atunci si

_
a
g(x)dx este divergenta.
Teorema 13.1.4 (Al doilea criteriu de comparatie) Fie functiile f, g : [a,) (0,).
daca
lim
x
f(x)
g(x)
= k, k (0,), atunci integralele improprii
_
a
f(x)dx si
_
a
g(x)dx su aceeasi natura,

adica ambele sunt convergente sau ambele sunt divergente. Daca k = 0, atunci
convergenta
integralei
_
a
g(x)dx implica convergenta integralei

_
a
f(x)dx.
Corolarul 13.1.1 Fie f : [a,) (0,), a > 0. Daca exista lim
xxf(x) = k, k constanta reala
finita, pentru > 1, atunci integrala
_
a
f(x)dx este convergenta. Daca 1 si k > 0, atunci

integrala este divergenta.
Valabilitatea Corolarului rezulta din Teorema 13.1.3.
Exemplul 13.1.3. Integralele improprii
_
a
xe
xdx, a > 0, sunt convergente pentru orice
real.
Intr-adevar, pentru x > 0 putem scrie
ex = 1+ x
1!
+ ... + xn
n!
+ ... >
xn
n!, n N.
De aici, avem 0 < e
x <
n!
xn, adica 0 < xe
x <
n!
xn. Alegand n N asa ncat n = > 1
si aplicand primul criteriu de comparatie pentru f(x) = xex, g(x) = n!
x , > 1, obtinem
afirmatia din enuntul exemplului.
Exemplul 13.1.4. Integralele improprii
_
a
Pm(x)
Qn(x) dx, Pm si Qn fiind functii polinomiale cu

coeficienti reali, cu gradele m si respectiv n, Qn _= 0 pentru x a, sunt
convergente pentru
n m 2.
273
Avem
lim
xx Pm(x)
Qn(x)
= lim
xx amxm + am1xm1 + ... + a0
bnxn + bn1xn1 + ... + b0
=
= lim
xx+mn
am + am1
x
+ ... + a0
xm
bn + bn1
x
+ ... + b0
xn
= am
bn
daca = nm. Conform Corolarului 13.1.1, integrala data este convergenta
daca nm 2.
In mod analog se studiaza si integralele improprii de speta a doua.
Definitia 13.1.3 Fie functia f : [a, b) R, nemarginita n b, dar marginita si
integrabila pe
orice subinterval nchis [a, ] [a, b). daca exista lim
b
<b
_
a
f(x)dx, atunci prin definitie

_b
a
f(x)dx = lim
b
a
_b
f(x)dx,
iar daca f este nemarginita ntr-un punct c, a < c < b, atunci
_b
a
f(x)dx =
_c
a
f(x)dx +
_b
c
f(x)dx.
Pe baza acestor considerente, ne putem limita numai la cazul
_b
a
f(x)dx, cu lim
xb
x<b
|f(x)| = .
Exemplul 13.1.5. Integrala
_b
a
dx
(b x) este convergenta pentru < 1 si divergenta pentru
1.
Avem
_
a
dx
(b x) =
1
1
1
(b x)1
____
=
=
1
1
*
1
(b )1
1
(b a)1
+
,
cu
lim
b
 1. Deci = 1 valoarea integralei este ln |b x| |a

cand
b, < b, deci este divergenta.
274
Daca b a > 1, atunci putem scrie
_b
a
f(x)dx =
_b1
a
f(x)dx +
b12
b1
f(x)dx +
b13
b12
f(x)dx + ...+
+
b
_n+1
b
f(x)dx + ...,
iar daca punem u0 =
_b1
a
f(x)dx si un =
b
_n+1
n
f(x)dx, n = 1, 2, ..., atunci obtinem

_b
a
f(x)dx =
n=0
un,
care exprima integrala improprie de speta a doua printr-o serie numerica.
Ca si la integralele improprii de speta ntai, putem transforma criteriile de
convergenta
de la seriile de numere reale n criterii de convergenta pentru integrale
improprii de speta
a doua.
Teorema 13.1.5 (Criteriul lui Cauchy). Integrala improprie
_b
a
f(x)dx, cu lim
xb
x 0 exista un numar M() > 0
asa ncat
pentru orice si cu b M() < < < b sa avem
______
_b
a
f(x)dx
______
< .
Definitia 13.1.2 si Teoremele 13.1.2 si 13.1.3 se pastreaza fara

modificari si pentru integralele
improprii de speta a doua.
Teorema 13.1.6 (Al doilea criteriu de comparatie). Fie functiile f, g : [a, b)
(0,). Daca
lim
xb
x<b
f(x)
g(x)
= k, k (0,), atunci integralele improprii
_b
a
f(x)dx si
_b
a
g(x)dx au aceeasi natura.

Daca k = 0, atunci convergenta integralei improprii
_b
a
g(x)dx implica convergenta integralei

improprii
_b
a
f(x)dx.
Corolarul 13.1.2 Fie f : [a, b) (0,) cu lim
xb
x<b
f(x) = . Daca lim

xb
x<b
(b x)f(x)dx = k, k constant
a reala finita, pentru < 1, atunci integrala improprie
_b
a
f(x)dx este convergenta. Daca

1 si k _= 0, atunci integrala este divergenta.
Exemplul 13.1.6. Sa studiem convergenta integralei
_1
0
dx
6
1 x6
.
275
Functia f : [0, 1) (0,), f(x) =
1
6
1 x6
divine infinita cand x 1, x < 1, deci avem o
integrala improprie de speta a doua. Cum
f(x) =
1
6
1x
1 + x + x2 + x3 + x4 + x5
1
6
1x
,
x [0, 1) si
_
1
6
1x
dx =
_
1
(1 x)1/6 dx este convergent (v. Exemplul ??, = 1/6 < 1),
deducem ca integrala data este convergeta.
Exemplul 13.1.7. Sa studiem natura integralei
_b
a
dx _
(x a)(b x)
.
Se observa ca functia f : (a, b) (0,), f(x) =
1
_
(x a)(b x)
devine + atat n a cat si
n b.
Pentru studierea naturii integralei utilizam Corolarul 13.1.2.
Avem
lim
xb
xa
(x a)f(x) = lim
xa
x>a
(x a)12
1
bx
=
1
ba
pentru =
1
2 < 1, deci integrala data este convergenta.
Observatia 13.1.2 Din consideratiile anterioare, deducem ca proprietatile
principale ale integralei
Riemann se pastreaza si n cazul integralelor improprii convergente. Astfel, de
exemplu, pentru o integrala improprie de speta ntai are loc formula lui
Leibniz - Newton.
Teorema 13.1.7 Fie f : [a,) R, integrabila si fie F o primitiva a functiei f pe
intervalul
[a,). Atunci integrala improprie
_
a
f(x)dx este convergenta daca si numai daca exista

lim
xF(x) si n plus este valabila formula Leibniz - Newton
_
a
f(x)dx = F() F(a) , F() = lim

x
F(x).
Demonstratie. Pentru orice b > a avem
8b
a
f(x)dx = F(b) F(a) si prin trecere la limita se

obtin afirmatiile din enunt.
In mod analog se extind schimbarea de variabila si integrarea prin parti.
Exemplul 13.1.8. Sa calculam
_
0
(x 1)e
xdx.
Avem
_
0
(x 1)e
xdx = xe
x
______
= 0.
276
Observatia 13.1.3 In cazul unor integrale improprii divergente se ataseaza o
valoare printrun
procedeu datorat lui Cauchy.
Acesta este aplicabil integralelor improprii de speta ntai de forma
_+
f(x)dx
si integralelor improprii de speta a doua
_b
a
f(x)dx
n care f devine infinita ntr-un punct c, a < c < b.
Definitia 13.1.4 Integrala improprie
_+
f(x)dx se numeste convergentan sensul valorii principale

Cauchy, daca limita
lim
a
_a
f(x)dx = v p C
_+
f(x)dx
exista si este finita.
Exemplul 13.1.9. Pentru integrala improprie divergenta
_2
1
dx
x
avem
vpC
_2
1
dx
x
= lim
0
dx
x
+
_2
dx
x
= ln2.
13.2 Integrale cu parametri

Sa trecem la extinderea notiunii de integrala n cazul functiilor de mai
multe variabile.
Daca functia de integrat este de mai multe variabile si ea este integrata
Riemann n raport
cu una din variabile, atunci spunem ca avem o integrala cu paramentri. Acestea
au forma
generala
I(1, 2, ..., p) =
_b
a
f(x, 1, 2, ..., p)dx,

unde 1, 2, ..., p sunt parametrii reali cu valori din anumite multimi de numere.
Se observa
imediat ca o integrala de acest fel definiste o functie de p variabile 1, 2, ...,
p.
In legatura cu astfel de functii se pune problema studierii proprietatilor de
baza (trecerea
la limita, continuitatea, derivabilitatea si integrabilitatea) fara a calcula
efectiv integrala
care defineste functia.
In continuare, ne vom limita numai la cazul p = 1, adica la functiile de forma:
I() =
_b
a
(13.1) f(x, )dx , Y R.

277
Teorema 13.2.1 (Teorema trecerii la limita) Fie f : [a, b]Y R o functie de doua
variabile,
integrabila n raport cu x pe [a, b] si 0 un punct de acumulare pentru Y. Daca
exista
lim
0
f(x, ), atunci
lim
0
I() = lim
0
_b
a
f(x, )dx =
_b
a
_
lim
f(x, )
_
dx.
Demonstratie. Fie > 0 si notam lim
0
f(x, ) = g(); atunci exista () > 0 astfel ca pentru

| 0| < () sa avem |f(x, ) g()| < /(b a). Atunci putem scrie:
______
_b
a
f(x, )dx
_b
a
g()dx
______
=
=
______
_b
a
(f(x, ) g()dx)
______
_b
a
__
f(x, ) g()
__
b
adx
< ,
ceea ce demonstreaza Teorema 13.2.1.
Observatia 13.2.1 Teorema 13.2.1 ne arata ca ntr-o integrala cu parametru
putem interventi
operatia de integrare cu operatia de trecere la limita.
Pentru a putea aprofunda studiul proprietatilor functiei I() vom considera Y =
[c, d].
Teorema 13.2.2 Daca functia f : [a, b] [c, d] R este continua n raport cu
ansamblul
variabilelor pe dreptunghiul [a, b][c, d], atunci functia I definita de (13.1) este
continua pe
intervalul [c, d].

Demonstratie Fie 0 un punct din intervalul [c, d]. Formam diferenta
I() I(0) =
_b
a
[f(x, ) f(c, 0)]dx.

Functia de doua variabile f, fiind continua n dreptunghiul [a, b] [c, d], este
si uniform
continua n acest domeniu. Atunci, pentru orice > 0, exista un () > 0, asa
ncat sa avem
|f(x, ) f(x, 0)| <
ba
daca | 0| < ().
Acum, putem scrie
|I() I(0)|
_b
a
|f(x, ) f(x, 0)|dx <
ba
(b a) = ,
daca | 0| < ().
Deci, avem lim
0
I() = I(0), ceea ce ne arata ca functia I este continua n 0. Cum 0 a

fost ales arbitrar din intervalul [c, d], rezulta ca functia I este continua pe [c,
d].
Teorema 13.2.3 (De derivare sub semnul integrala) Daca f : [a, b] [c, d] R este
continua
n dreptunghiul [a, b] [c, d] si exista derivata partiala f_
continua n raport cu ansamblul
278
variabilelor n acelasi dreptunghi, atunci functia I() =
_b
a
f(x, )dx este derivabila pe [c, d] si

are loc formula
I
_() =
_b
a
f
_
(x,
)dx.
Demonstratie Fie 0 un punct fixat din [c, d]. Din egalitatea
I() I(0)
0
=
_b
a
f(x, ) f(x, 0)
0
dx,
prin trecere la limita sub integrala, avem
lim
xx0
I() I(0)
0
=
_b
a
f
_
(x,
0)dx,
care ne arata ca functia I este derivabila n 0 si are loc formula din
enuntul teoremei.
Exemplul 13.2.1. Sa calculam derivata functiei I definita prin
I() =
_1
0
sin x
x
dx , R.
Integrala nu este improprie deoarece lim
x0
sin x
x
= .
Avem
I
_() =
_1
0
x cos x
x
dx =
_1
0
cos xdx =
=
sin x
____
1
0
=
sin
.
Observatia 13.2.2 In unele situatii se considera integrale cu parametru n
care si limitele
de integrare depind de parametru, adica avem
I() =
b_()
a()
f(x, )dx , [c, d].

Daca, pe langa conditiile din Teorema 13.2.3, mai adaugam faptul ca
functiile a si b sunt
derivabile n raport cu pe [c, d], atunci are loc formula
I
_() =
b_()
a()
f
_
(x,
)dx + b
) a
_()f(a(), ).
Teorema 13.2.4 (de integrare) Daca functia f : [a, b] [c, d] R este continua n
raport cu
ansamblul variabilelor n dreptunghiul [a, b][c, d], atunci oricare ar fi intervalul
[, ] [c, d]
are loc egalitatea
_
_()f(b(),
I()d =
_
_b
a
f(x, )dx
dx =
_b
a
f(x, )dx
dx.
279
Cu alte cuvinte, n conditiile teoremei se poate integra sub semnul integralei,
sau se
poate schimba ordinea de integrare.
Demonstratie Fie z [c, d]; vom demonstra egalitatea mai generala
_z
_b
a
f(x, )dx
d =
_b
a
_z
f(x, )d
dx.
Facem notatiile
(z) =
_z
_b
a
f(x, )dx
d
si
(z) =
_b
a
_z
f(x, )d
dx.
Avem
_(z) =
_b
a
f(x, )dx,
si
_(z) =
_b
a
f(x, )dx,
oricare ar fi z [c, d]. De aici, rezulta ca (z) (z) = C - constanta. Cum ()
() = 0,
obtinem C = 0, ceea ce ne arata ca (z) = (z), oricare ar fi z [c, d]. Teorema
este
demonstrata.
Exemplul 13.2.2. Sa consideram integrala cu parametru
I() =
_1
0
xdx.
Integram functia I pe intervalul [a, b], 0 < a < b, si avem
_b
a
I()d =
_b
a
_1
0
xdx
d =
_1
0
_b
a
xd

dx
de unde
_b
a
x+1
+1
______
1
0
d =
_1
0
x
ln x
____
b
a
dx
sau
_b
a
d
+1
=
_1
0
xb xa
ln x
dx,
ceea ce conduce la
_1
0
xb xa
ln x
dx = ln( + 1)|b
a = ln b + 1
a + 1.
Se observa ca, utilizand proprietatea de intervertire a ordinii de integrare
ntr-o integrala
cu parametru, am reusit sa calculam o integrala greu de calculat pe alta
cale.
280
De fapt, aceasta este una dintre aplicatiile importante ale integralelor cu
parametrii:
calculul unor integrale greu de evaluat pe alta cale.
Deseori, integrale fara parametru sunt transformate n integrale cu parametru
la care,
apoi, se aplica derivarea sau integrarea sub semnul integralei si se obtine o
valoare mai
generala pentru integrala data. Prin particularizarea parametrului se obtine
valoarea integralei
date.
Exemplul 13.2.3. Sa calculam integrala
I=
_1
0
arctgx
1 x2
dx.
Se observa ca integrala nu este improprie deoarece lim
x0
arctgx
x
1 x2
= 1. Consideram integrala
mai generala
I() =
_1
0
arctgx
x
1 x2
dx , [0,).
Derivam n raport cu parametrul si avem
I
_() =
_1
0
x
1 + 2x2
1
x
1 x2
dx =
_1
0
dx
(1 + 2x2)
1 x2
.
Facand schimbarea de variabila x = cost, gasim
I
_() =
2
_
0
dt
1 + 2 cos2 t
=
1
1 + 2
arctg
tgt
1 + 2
_______
2
=
=
2
1
1 + 2
.
De aici, integrand n raport cu , gasim
I() =
2
ln( +
_
1 + 2) + C.
Cum I(0) = 0, rezulta C = 0 si
I() =
2
ln( +
_
1 + 2).
Pentru = 1 avem
I(1) = I =
2
ln(1 +
2).
Observatia 13.2.3 In cazul cand integrala ce depinde de un parametru este
improprie, cele
expuse n acest paragraf raman valabile cu conditia ca integralele improprii cu
care se
lucreaza sa fie convergente.
Exemplul 13.2.4. Sa consideram integrala
I() =
_
0
sin x
x
dx , (0,).
Scriem
I() =
_1
x
sin x
x
dx +
_
x
sin x
x
dx.
281
Cum lim
x
x0
x>0
sin x
x
= 1, rezulta ca prima integrala este convergenta.
x
Deoarece, pentru x 1 avem ____

e
x sin x
x
____
e
x
si
_
1
e
xdx
______
= ex
= e
,
deducem ca
_
1
e
sin x
x
dx este convergenta. Prin urmare, I() este bine definita.
Aplicand teorema de derivare a integralelor cu parametru, avem:
I
_() =
_
x
x(x)
sin x
x
dx =
_
0
e
sin xdx,
care este o integrala improprie convergenta. Integrand prin parti, obtinem
I
_() = 1 2I
_(),
de unde
I
_() = 1
1 + 2 ,
din care rezulta
I() = arctg + C.
Pentru determinarea constantei C calculam
lim
I() =
2
+ C,
pe de o parte, si din
|I()|
x
____
e
x sin x
x
____
dx
_
0
e
xdx
lim
I()
= 0.
Avem deci C
2
= 0, de unde C =
2
. Rezulta ca I() =
2
arctg. din acest rezultat,
prin trecere la limita cand 0, > 0, gasim
_
0
sin x
x
dx =
2.
13.3 Integrale euleriene. Functia Gamma. Functia Beta

In orice activitate exista anumite rezultate care trebuiesc studiate mai
aprofundat si chiar
retinute. Aceasta situatie se ntalneste si n clasa integralelor cu
parametri si improprii.
Exista anumite functii, numite uneori si functii speciale, definite prin
integrale cu parametrii
la care apelam deseori n calculele matematice.
Doua dintre aceste functii speciale sunt functiile Gamma si Beta, numite
sub un generic
comun integrale euleriene.
282
Definitia 13.3.1 Functia : (0,) R definita prin
(p) =
_
0
xxp1dx
se numeste functia Gamma sau functia lui Euler de speta a doua, iar functia
B : (0,)
(0,) R definita prin
B(p, q) =
_1
0
xp1(1 x)q1dx
se numeste functia Beta sau functia lui Euler de speta ntai.
Teorema 13.3.1 Functiile si B sunt bine definite, adica integralele improprii

care le definesc
sunt convergente.
Demonstratie Sa aratam ca functia este bine definita. Scriem ca suma
de doua
integrale, anume:
(p) =
_1
0
xxp1dx
xxp1dx.
Prima integrala I1 =
_1
0
e
xxp1dx
lim
pentru p 1 nu este improprie. pentru p (0, 1) avem
x0
x>0
xe
xxp1 = lim
x0
x>0
x+p1e
x = 1
daca = 1 p < 1, de unde, conform cu Corolarul 13.1.2, deducem ca integrala I1
este
convergenta.
Convergenta integralei I2 =
_
1
xxp1dx
rezulta din Exemplul ??.

Din I1 si I2 convergente si faptul ca (p) = I1 + I2, rezulta ca integrala
improprie ce
defineste functia Gamma este convergenta.
Utilizand acelasi Corolar 13.1.2 se arata imediat ca si functia B este bine
definita.
In continuare, vom prezenta cateva din proprietatile mai uzuale ale
functiilor si B.
Teorema 13.3.2 Pentru functia sunt adevarate urmatoarele afirmatii:
1) (1) = 1;
2) (p + 1) = p(p);
3) (n + 1) = n! , n N;
4) (p) = 2
_
0
t2
t2p1dt;
5) (p)(1 p) =
sin p
, p (0, 1) (numita formula complementelor).
6)
_
1
2
_
=
.
Demonstratie
283
1) (1) =
_
0
e
xdx
x|
= e
=1
2) Aplicam integrarea prin parti succesiv si avem
(p + 1) =
_
0
e
xxpdx
xxp)|
= (e
+
+p
_
0
xxp1dx
= p(p).
3) Se aplica n mod repetat formula se recurenta de la 2):
(n + 1) = n(n) = n(n 1)(n 1) = ... =
= n(n 1)...2 1 (1) = n!.
4) Efectuam schimbarea de variabila x = t2 si avem
(p) = 2
_
0
e
t2 (t2)p1tdt
=2
e
t2
t2p1dt,
5) Demonstratia formulei complementelor este mai complicata si de aceea
renuntam la
prezentarea ei.
6) Daca luam n formula complementelor p =
1
2
, atunci avem
_
1
2
_
_
1
2
_
= ,
de unde
_
1
2
_
=
.
Teorema 13.3.3 Pentru functia B sunt adevarate urmatoarele relatii:
1) B(p, q) =
_
0
yp1
(1 + y)p+q dy;
2) B(p, q) =
_1
0
tp1 + tq1
(1 + t)p+q dt;
3) B(p, q) =
(p) (q)
(p + q) (formula de legatura dintre functiile B si sau formula lui Dirichlet);
4) B(p, q) = B(q, p) (proprietatea de simetrie);
5) B(p, q) = p 1
p + q 1B(p 1, q); p > 1, q > 0;
B(p, q) = q 1
p + q 1B(p, q 1), p > 0, q > 1.
284
Demonstratie
1) Facem schimbarea de variabila x = y
y+1
si avem
B(p, q) =
_
0
_
y
y+1
_p1 _
1y
y+1
_q1 dy
(y + 1)2 =
=
_
0
yp1
(1 + y)p+q dy.
2) Utilizand formula de la 1), putem scrie
B(p, q) =
_1
0
yp1
(1 + y)p+q dy +
yp1
(1 + y)p+q dy.
In integrala a doua facem schimbarea de variabila y = 1/t si obtinem formula
de la 2).
3) In (p) =
_
0
facem schimbarea de variabila x = ty, t parametru real pozitiv si

obtinem
(p) = tp
_
xxp1dx
e
(13.2) tyyp1dy.
In acest rezultat nlocuim pe t prin 1 + t si p prin p + q si obtinem
(p + q)
(1 + t)p+q =
_
0
e
(1+t)yyp+q1dy
Multiplicam ambii membri ai formulei precedente cu tp1 si egalitatea

obtinuta o integr
am n raport cu t de la 0 la si avem:
(p + q)
_
0
tp1
(1 + t)p+q dt =
_
0
tp1
_
0
e
(1+t)yyp+q1dy
dt =
=
_
0
yyq1
yp
_
0
yttp1dt
dy.
Acum, conform cu 1) si cu (13.2), n care schimbam pe t cu y, obtinem:
(p + q) B(p, q) =
_
yyq1(p)dy
= (p)
_
0
e
yyq1dy
= (p) (q),
de unde gasim
B(p, q) =
(p) (q)
(p + q) ,
adica ceea ce trebuia demonstrat.
285
4) Rezulta imediat din 3).
5) Aceste formule rezulta din formula de legatura de la 3) si utilizand
formula de recurenta
pentru .
Observatia 13.3.1 Integralele euleriene sunt utile n studiul multor functii
neelementare.
De aceea, valorile lor au fost tabelate.
Calculul multor integrale se reduce prin diferite transformari, la evaluarea
functiilor B
si .
Exemplul 13.3.1. Sa aratam ca
_
0
x2
dx =
2
(integrala lui Poisson).
Facem schimbarea de variabila x2 = t si avem
_
0
x2
dx =
1
2
_
0
e
tt
12
dt.
In integrala din membrul doi se recunoaste expresia functiei pentru p 1 =
1
2
, adica
p=
1
2
. Atunci, putem scrie
_
0
e
x2
dx =
1
2
_
1
2
_
=
2.
I=
_
0
x
(1 + x)2 dx.
Putem scrie
I=
_
4
x
1
4
(1 + x)2 dx,
care comparata cu exprimarea lui B data de 1) din Teorema 13.3.3, conduce la p
1 =
1
4
si
p + q = 2, de unde p =
5
4
si q =
3
4
.
Rezulta ca
I=B
_
5
4,
3
4
_
,
de unde, utilizand formula de legatura dintre B si , obtinem
I=
_
5
4
_

_
3
4
_
_
5
4
+
3
4
_=
1
4
_
1
4
_
_
3
4
_
(2)
=
=
1
4
_
1
4
_
_
3
4
_
.
Acum, utilizand formula complementelor avem
I=
1
4
sin
4
=
2
4.
286
In general, integralele de forma
I=
xm
(1 + xn)p dx , np > m + 1
se calculeaza prin functiile B si , facand schimbarea de variabila xn = t.
Exemplul 13.3.3. Sa se reduca la functiile B si calculul integralelor de forma
Im,n =
_b
a
(x a)m(b x)ndx,
m si n numere reale asa alese ncat integrala sa fie convergenta.
Facem schimbarea de variabila
x = (1 t)a + bt , t [0, 1]
si avem
Im,n = (b a)m+n+1
_1
0
tm(1 t)ndt =
= (b a)m+n+1B(m + 1, n + 1) =
= (b a)m+n+1 (m + 1)(n + 1)
(m + n + 2) .
Exemplul 13.3.4. Sa calculam I =
_1
0
lnp
_
1
x
_
dx, p R, p > 1
Facem schimbarea de variabila x = et si avem
I=
_
0
tpe
tdt = (p + 1).
13.4 Integrale duble

La integralele cu parametrii functia de integrat era de mai multe variabile,
nsa calculul
integralei se aplica numai la una din variabile, celelalte le consideram
parametrii. Ne
propunem sa extindem notiunea de integrala pentru functiile de mai multe
variabile asa
ncat n evaluarea lor sa utilizam toate variabilele. Astfel de integrale le vom
numi multiple.
Daca f : D Rn R z = f(x1, ..., xn), atunci o integrala m-multipla o notam prin
_
...
_
D
f(x1, ..., xn)dx1dx2...dxn.
Daca n = 2, atunci spunem ca avem o integrala dubla, iar daca n = 3, atunci
spunem ca
avem o integrala tripla.
Pentru comoditatea tratarii consideram numai cazul integralelor duble.
Fie f : D R2 R, z = f(x, y) o functie de doua variabile. Mai presupunem ca D

este un
domeniu marginit.
Sa consideram o partitie (descompunere) arbitrara a domeniului D n n
subdomenii
D1,D2, ...,Dn cu Di _= , i = 1, n si Di Dj = , i _= j, i, j = 1, n. O astfel de partitie a
lui D
se numeste diviziune a lui D si o notam prin (n). Notam cu ai aria sub
domeniului Di,
i = 1, n si cu di diametrul lui Di (cea mai mare dintre distantele dintre doua
puncte din Di),
i = 1, n. Numarul _n_ = max
i=1,n
di se numeste norma diviziunii (partitia) n.

287
In fiecare subdomeniu Di al diviziunii (n) alegem un punct arbitrar de coordonate
(i, i), i = 1, n, numite puncte intermediare.
Cu aceste precizari, introducem suma integrala
(n, , , f) =
n
i=1
f(i, i)ai.
Evident ca suma (n, , , t) depinde de diviziunea n, de punctele intermediare
(i, i)
si de functia f.
Definitia 13.4.1 Spunem ca functia f este integrabila pe domeniul D daca
oricare ar fi
sirul de diviziuni (n)n1 cu sirul normelor (_n_)n2 tinde la zero si oricare ar fi
punctele
intermediare (i, i) Di, i = 1, 2, ..., n sirul sumelor integrale ((Dn, , , f))n1 are o
limita
finita.
Notam aceasta limita prin
__
D
f(x, y)dxdy sau
__
D
f(x, y)da.
si o numim integrala duba a functiei f pe domeniul D.
Asadar, putem scrie
__
D
f(x, y)dxdy = lim
n
_n_0
n
k=1
f(k, k)ak.
Ca si la functiile de o variabila reala se arata ca orice functie continua
pe domeniul D
este integrabila.
Si proprietatile integralei duble sunt analoage cu cele ale integralei Riemann.
Teorema 13.4.1 (de liniaritate) Daca f, g : D R2 R sunt functii integrabile pe D,
atunci
oricare ar fi , R functia f + g este integrabila pe D si avem
__
D
(f(x, y) + g(x, y))dxdy =

=
__
D
f(x, y)dxdy +
__
D
g(x, y)dxdy.
Aceasta proprietate ne spune ca integrala dubla pe domeniul D este o
functionala liniara.
Demonstratia teoremei este imediata.
Teorema 13.4.2 (de aditivitate fata de domeniu) Daca functia f : D R2 R
este integrabil
a pe D, iar D = D1 D2, D1 D2 = , atunci f este integrabila pe D1 si pe D2 si
avem __
D
f(x, y)dxdy =
__
D1
f(x, y)dxdy +
__
D2
f(x, y)dxdy.
Afirmatia din aceasta teorema se demonstreaza cu ajutorul definitiei.
Teorema 13.4.3 (de interpretare geometrica) Daca f : D R2 (0,) este
integrabila,
atunci avem __
D
f(x, y)dxdy = V (f),
unde V (f) este volumul barei cilindrice marginita de domeniul D si suprafata
data de z =
f(x, y), avand generatoarele paralele cu axa Oz.
288
Pentru cazul particular f 1, avem
__
D
dy = aria(D).
Teorema 13.4.4 (de semn) Daca f : D R2 (0,), atunci
__
D
f(x, y)dxdy 0.
Proprietatea din enunt rezulta imediat din nenegativitatea sumelor integrale.
Teorema 13.4.5 (de monotonie) Daca f, g : D R2 R sunt integrabile pe D si f g
pe D,
atunci __
D
f(x, y)dxdy
__
D
g(x, y)dxdy.
Pentru demonstratie se aplica functiei g f 0 proprietatea de semn.
Teorema 13.4.6 (modulului) Daca functia f : D R2 R este integrabila pe D si
atunci |f|
este integrabila pe D si avem
______
__
D
f(x, y)dxdy
______
__
D
|f(x, y)|dxdy.
Formula din teorema rezulta imediat din inegalitatea |f| f |f|.
Teorema 13.4.7 (de medie) Daca f, g : D R2 R sunt integrabile pe D, m= inf
(x,y)D
f(x, y),
M= sup
(x,y)D
f(x, y) si g are semn constant pe D, atunci exista un numar real [m,M] asa
ncat __
D
f(x, y)d(x, y)dxdy =
__
D
g(x, y)dxdy,
numita formula de medie generalizata pentru integrala dubla.
Demonstratie Consideram g 0 pe D. Atunci din m f(x, y) M rezulta mg(x, y)
f(x, y)g(x, y) Mg(x, y). Utilizand proprietatea de monotonie a integralei duble,

putem
scrie:
m
__
D
g(x, y)dxdy
__
D
f(x, y)g(x, y)dxdy
M
__
D
g(x, y)dxdy = 0.
(13.3)
Daca
__
D
g(x, y)dxdy = 0, atunci
__
D
f(x, y)g(x, y)dxdy = 0 si putem alege orice [m,M]
ca sa avem formula din Teorema de medie.
289
Daca
__
D
g(x, y)dxdy _= 0, atunci prin mpartire cu acest numar n (13.3) avem
m
__
D
f(x, y)g(x, y)dxdy
__
D
g(x, y)dxdy
M,
de unde rezulta ca putem lua
=
__
D
f(x, y)g(x, y)dxdy
__
D
g(x, y)dxdy
.
Cazuri particulare
13.4.1 Daca f este continua pe D, atunci exista un punct (, ) D asa ncat
= f(, ).
13.4.2 Daca g 1 pe D, atunci formula de medie ia forma
__
D
f(x, y)dxdy = aria(D),
numita formula de medie pentru integrala dubla.
Calculul integralelor duble se reduce la calculul a doua integrale definite
(Riemann),
succesive. pentru nceput sa consideram cazul unui domeniu dreptunghiular.
Teorema 13.4.8 Daca f : [a, b] [c, d] R este integrabila pe dreptunghiul D = [a,
b] [c, d] si
daca pentru orice x constant din intervalul [a, b], functia f este integrabila n
raport cu y,
adica exista
F(x) =
_d
c
f(x, y)dy , x [a, b],

atunci avem __
D
f(x, y)dxdy =
_b
a
dx
_d
c
f(x, y)dy.
Demonstratie Vom considera diviziunile Dx si Dy, respectiv pentru intervalele
[a, b] si
[c, d], definite prin
Dx : a = x0 < x1 < ... < xm = b
Dy : c = y0 < y1 < ... < yn = d
si avand normele
_Dx_ = max
i=i,m
(xi xi1)
respectiv
_Dy_ = max
j=1,n
(yj yj1).
Cele doua diviziuni Dx si Dy determina pe D diviziunea D data de
subdreptunghiurile
Di,j = {(x, y) D| xi1 x xi, yj1 y yj} ,

290
i = 1,m, j = 1, n si avand norma _D_ data de max
i=1,m
j=a,n
di,j , de unde dij este diametrul dreptunghiului

Dij .
Se observa imediat ca daca _Dx_ 0 si _Dy_ 0, atunci _D_ 0 si reciproc.
Alegem punctele intermediare (i, j) Dij , i [xi1, xi], j [yj1, yj ], i = 1,m, j = 1, n.
Deoarece f este integrabila pe D, iar functia F exista si este integrabila pe
[a, b], avem
succesiv __
D
f(x, y)dxdy = lim
_D_0
m
i=1
n
j=1
f(i, j)ariaDij =
= lim
_Dx_0
_Dy_0
m
i=1
n
j=1
f(i, j)(xi xi1)(yj yj1) =

= lim
_Dx_0
m
i=1
(xi xi1)
lim
_Dy_0
n
j=1
f(i, j)(yj yj1)
=
= lim
_Dx_0
m
i=1
(xi xi1)
_d
c
f(i, y)dy =
= lim
_Dx_0
m
i=1
F(i)(xi xi1) =
_b
a
F(x)dx =
=
_b
a
dx
_d
c
f(x, y)dy,
Deseori, integrala pe dreptunghiul D = [a, b] [c, d] se noteaza prin

_b
a
_d
c
f(x, y)dxdy.
Asadar, formula din enuntul Teoremei ia forma
_b
a
_d
c
f(x, y)dxdy =
_b
a
dx
_d
c
f(x, y)dy.
In mod analog, se arata ca avem si formula
_b
a
_d
c
f(x, y) =
_d
c
dy
_b
a
f(x, y)dx.
I=
_1
0
_2
1
dxdy
(x + y + 1)2 .
Avem
I=
_1
0
dx
_2
1
dy
(x + y + 1)2 =
_1
0
dx
_
1
x+y+1
_
______
2
1
=
291
=
_1
0
_
1
x+3
+
1
x+2
_
dx =
= ln(x + 3)|10
+ ln(x + 2)|10
=
= ln 4 + ln 3 + ln 3 ln 2 = ln
9
8.
Sa trecem acum la calculul integralelor duble pe un domeniu D regulat n raport
cu una
din axele de coordonate .
Definitia 13.4.2 Spunem ca un domeniu D este regulat n raport cu una din
axele de coordonate
daca orice paralela la una din axele de coordonate ntalneste curba care
margineste
domeniul n cel mult doua puncte.
Sa consideram ca domeniul D este regulat n raport cu axa Oy (fig 13.4.1). Un
astfel de
domeniu se descrie astfel:
D = {(x, y)| a x b, (x) y (x)}.
d
c
a
y=_(x)
y=_(x)
0bx
y
Fig. 13.4.1
Teorema 13.4.9 Daca functia f este definita si integrabila pe domeniul D = {(x,
y)| a x
b, (x) y (x)} si pentru fiecare x [a, b] exista integrala
F(x) =
_(x)
(x)
f(x, y)dy,
atunci are loc formula __
D
f(x, y)dxdy =
_b
a
dx
_(x)
(x)
f(x, y)dy.
Demonstratie Folosim Teorema 13.4.8. Consideram dreptele paralele cu Ox, y =
c si
y = d, astfel ca c (x) si d (x), x [a, b] (Fig. 13.4.1) si notam cu
dreptunghiul
[a, b] [c, d]. Introducem functia auxiliara

g : R, g(x, y) =
_
f(x, y) , daca (x, y) D
0 , daca (x, y) D.
Functia g este integrabila pe dreptunghiul fiind integrabila atat pe D, cat
si pe domeniul
D, unde este nula.
292
Folosind proprietatea de aditivitate a integralei duble fata de domeniu
(Teorema 13.4.2),
putem scrie __
D
g(x, y)dxdy =
__
D
g(x, y)dxdy +
__
D
g(x, y)dxdy =
=
__
D
f(x, y)dxdy,
(13.4)
deoarece
__
D
g(x, y)dxdy = 0.
Dar, integrala
__
D
g(x, y)dxdy se poate calcula folosind si formula din Teorema 13.4.8.
Avem __
D
g(x, y)dxdy =
8b
a
8d
c
g(x, y)dxdy =
=
_b
a
dx
_d
c
g(x, y)dy =
_b
a
dx
_(x)
c
g(x, y)dy+
+
_(x)
(x)
g(x, y) +
_d
(x)
g(x, y)dy
=
=
_b
a
dx
_(x)
(x)
f(x, y)dy
(13.5)
deoarece
_(x)
c
g(x, y)dy = 0 si
_d
(x)
g(x, y)dy = 0.
Din (13.4) si (13.5) rezulta formula din enuntul Teoremei 13.4.9.
Daca domeniul D este regulat n raport cu axa Ox, adica el are forma D =
{(x, y)_ c y d, (y) x (y)} atunci avem formula
__
D
f(x, y)dxdy =
_d
c
dy
_(y)
(y)
f(x, y)dx.
Exemplul 13.4.2. Sa calculam integrala dubla
I=
__
D
(3x y + 2)dxdy
daca D este domeniul marginit de curbele y = x si y = x2.
Examinam domeniul D (Fig. 13.4.2) si observam ca el este situat ntre
dreapta y = x si
parabola y = x2 si punctele O(, ) si A(1, 1).
293
1
1 A(1, 1)
y=x
y=x2
0x
y
Fig. 13.4.2
D este regulat n raport cu axa Oy si avem
D = {(x, y)| 0 x 1, x2 y x}.
Atunci putem scrie succesiv:
I=
_1
0
dx
_x
x2
(3x y + 2)dy =
=
_1
0
_
3xy y2
2
+ 2y
_
______
x
x2
dx =
=
_1
0
_
3x2 x2
2
+ 2x 3x3 + x4
2
2x2
_
dx =
=
_1
0
_
x4
2
3x3 + x2
2
+ 2x
_
dx =
31
60.
Observatia 13.4.1 Daca avem de calculat o integrala dubla pe un domeniu
arbitrar, atunci
ncercam sa gasim o partitie a sa n domenii regulate si apoi aplicam
proprietatea de
aditivitate fata de domeniu.
Ca si n cazul integralelor Riemann, calculul unor integrale duble se poate face
cu o
schimbare de variabile.
Se demonstreaza ([2], [3]) ca are loc urmatoarea teorema de schimbare de
variabile:
Teorema 13.4.10 Fie f : D R2 R o functie integrabila pe D si fie transformare x
=
(u, v), y = (u, v) a domeniului R2 n domeniul D. Daca functiile si au
derivate
partiale de ordinul ntai continue pe domeniul , iar determinantul functional

(jacobianul
transformarii)
J = D(x, y)
D(u, v)
=
________
(u, v)
u
(u, v)
v
(u, v)
u
(u, v)
v
________
_= 0,
atunci are loc formula de schimbare de variabile n integrala dubla
__
D
f(x, y)dxdy =
__
f((u, v), (u, v))|J|dudv.

294
O schimbare de variabile des utilizata este cea polara:
x = r cos , y = r sin ,
prin care se trece de la coordonatele carteziene (x, y) la cele polare (r, ).
Geometric (Fig. 13.4.3), daca avem punctul A(x, y) din planul xOy, atunci
coordonatele
polare ale lui A sunt date de distanta de la origine la A, adica r =
_
x2 + y2, si de unghiul
pe care l face axa Ox cu directia OA, adica tg = y
x
.
A(x, y)
0x
_
y
r
Fig. 13.4.3
Jacobianul transformarii polare este
J = D(x, y)
D(r, )
=
________
x
r
x
y
r
y
________
=
_____
cos r sin
sin rcos
_____
= r.
Exemplul 13.4.3. Sa calculam integrala dubla
I=
__
D
dxdy _
1 + x2 + y2
,
unde D = {(x, y) R| x2 + y2 a2, a>0, x 0, y 0}.
Se observa ca D este marginit de sfertul de cerc x2+y2 = r2 din primul cadran si
de axele
Ox si Oy (Fig. 13.4.4).
0ax
_
y
r
Fig. 13.4.4
Utilizam coordonatele polare, prin care domeniul D este transformat n
dreptunghiul
=
9
(r, )| 0 r a, 0
2
:
,
295
si avem
I=
__
1
1 + r2
rdrd =
_a
0
2
_
0
rdrd
1 + r2
=
=
_a
0
rdr
1 + r2
dr
2
_
0
d =
2
_
1 + r2
_______
a
0
=
=
2
(
_
1 + a2 1).
Observatia 13.4.2 Prin analogie cu integralele improprii din functiile de o
variabila reala,
se pot introduce si integrale duble (n general, multiple ) improprii.
Observatia 13.4.3 In domeniul economic integralele duble apar deseori n
studiul modelelor
matematico - economice descrise prin variabile aleatoare bidimensionale.
296

a) Integrala improprie de prima speta;
b) Functiile Beta si Gamma ale lui Euler;
c) Integrala dubla.
2. a) Studiati convergenta integralei
1_
2
dx
x ln2 x
,
b) Studiati convergenta integralei
_
1
dx
1 + x4 ,
c) Studiati convergenta integralei I =
_1
0
dx
3
1 x4
,
d) Studiati convergenta integralei
I=
_
1
| sin x|
xw dx , w>1.
3. Sa se calculeze integrala I(a) =
_
0
1 eax
x ex dx care depinde de parametrul real a > 1.
4. Calculati integrala
I(b) =
2
1
sin x
ln
1 + b sin x
1 b sin x
dx cu b R.
5. a) Calculati integrala:
I(b) =
2
_
0
ln(cos2 x + b2 sin2 x)dx

care depinde de parametrul real 0 0.
6. Calculati cu ajutorul integralelor euleriene:
a) I =
_1
0
_
x x2dx;
b) I =
_
0
x
14
(1 + x)2 dx;
c) I =
_
0
x
1 + x3 dx;
297
d) I =
_
0
x2
(1 + x4)2 .
7. Calculati:
a) I =
__
D
dxdy
(x + y)2 , unde D este dreptunghiul [3, 4] [1, 2];
b) I =
_1
0
_1
0
ydxdy
(1 + x2 + y2)
;
c) I =
32
_1
0
_0
1
x exydxdy.
8. a) Calculati I =
__
D
(x2 + y)dxdy unde D este domeniul marginit de parabolele y = x2
si y2 = x.
b) Calculati I =
__
D
x2
y2 dxdy unde D este marginit de dreptele x = 2, y = x si hiperbola
xy = 1.
9. Calculati I =
__
D
xydxdy, unde D este sfertul de cerc x2 + y2 R2 situat n primul
cadran.
10. Calculati I =
__
D
x2 sin(xy)
y
dxdy, unde D este domeniul marginit de parabolele x2 = y,
x2 = 2y, y2 =
2 x, y2 = x.
298
Indicatii si raspunsuri Test nr. 12
2. a) integrala este convergenta.
b) Din lim
xxw 1
1 + x4 = 1 pentru w = 4 > 1 se deduce convergenta integralei.
c) Din lim
x1
x<1
*
(1 x)w 1
3
1 x4
+w=1
3< 1
======= 223
se deduce convergenta integralei.
d) Folosind
| sin x|
xw
1
xw si
_
1
dx
xw converge pentru w >1 se deduce convergenta integralei.
3. I(a) = ln(a + 1).
4. I(b) = arcsin (b).
5. a) I(b) = ln
_
b+1
2
_
.
b) I(y, k) =
1
2
ln
_
1 + y2
2
_
.
6. a) I =
_
3
2,
3
2
_
=
8
.
b) I =
_
5
4,
3
4
_
=
2
4
.
c) I =
1
3
_
2
3,
1
3
_
=
2
3
3
.
d) I =
1
4
_
3
4,
5
4
_
=
2
16
.
7. a) I =
_2
1
dx
_4
3
dx
(x + y)2 = ln
25
24
.
b) I =
_1
0
dx
_1
0
ydx
(1 + x2 + y2)
= ln
_
(1 +
2)
2
1+
3
_
.
8. a) I =
_1
0
_
x2
(x2 + y)dy
dx =
33
100
.
32
b) I =
_2
1
_x
1
x
x2
y2 dy
dx =
9
4
.
9. Folosind coordonatele polare se obtine:
I=
2
_
0
_R
0
3 cos sin dd = R4
8.
10. I =
1
3
_2
1
_
2
u sin(uv) dudv = 2
3
unde x2 = u y cu 1 u 2 si y2 = vx cu
2
v .
299
II,
Vol.I,
[3] Stanasila, O., Analiza matematica, Editura Didactica si Pedagogica,
Bucresti, 1981.
300__

Matematica Aplicata in Economie

Încărcat de

Drepturi de autor:

Formate disponibile

Matematica Aplicata in Economie

Încărcat de

Informații document

Descriere originală:

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Matematica Aplicata in Economie

Încărcat de

Drepturi de autor:

Formate disponibile

MATEMATICI APLICATE

4.2 Forme biliniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

10.3 Limita unei functii ntr-un punct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204

1.1 Necesitatea utilizarii matematicii n stiintele

In prezent si n viitor este clar pentru oricine ca o simpla observatie a unui

1.2 Modelarea matematico-economica

Astazi, metoda modelarii este o metoda generala de cercetare si studiere a unor

3) modele liniare utilizeaza concepte de algebra liniara (de exemplu, programarea

1.3 Cateva exemple de modele matematicoeconomice

1.3.1 Optimizarea productiei unei ntreprinderi

a11x1 + a12x2 + . . . + a1nxn b1

1.3.2 Modele de gospodarire

1.3.3 Problema dietei (nutritiei)

b1, b2, . . . , bm si A1,A2, . . . , An alimentele de care dispunem cu pretul corespunzator pe

a11x1 + a12x2 + . . . + a1nxn b1

2.1 Definitia spatiului vectorial

In acest paragraf vom trata notiunea de spatiu vectorial si principalele ei

scalari, astfel ca pentru orice x, y, z V si orice a, b K sa avem

2.2 Subspatii vectoriale

O submultime W a unui spatiu vectorial V peste un camp K se numeste subspatiu

bkx(k), atunci, pentru orice , K, avem

akx(k), a1, a2, . . . , an K. Prin urmare, x S, adica

2.3 Independenta si dependenta liniara a vectorilor.

aix(i) = , atunci se zice ca sistemul S de vectori este liniar dependent.

aie(i) = , atunci rezulta (a1, a2, . . . , an) = , de unde obtinem ca

x(n), ceea ce ne arata ca vectorul x(1) se exprima ca o combinatie liniara de

, ake(k), a1, a2, . . . , an K. Daca mai avem si x =

bke(k), b1, . . . , bn K, atunci obtinem

(akbk)e(k) = , de unde, folosind faptul ca B este liniar independent, rezulta ak = bk, k = 1,

ake(k) rezulta ak = 0, k = 1, n (se

akek se numesc componentele sau coordonatele

ake(k) este un vector din V ce satisface conditia at _= 0,

cke(k). Cum at _= 0, din scrierea lui x avem

(x a1e(1) . . . at1e(t1) at+1e(t+1) . . . ane(n)),

cke(k) n noua baza B1 din formula (2.1) rezulta formulele

akct = ckat akct

Observatia 2.3.2 Metoda elementului pivot este utilizata n rezolvarea multor

hiperplan vectorial. Altfel spus, un subspatiu vectorial W este un hiperplan vectorial

si de aici a1 = a2 = . . . = ak = 0, ceea ce ne arata ca vectorii y(1), y(2), . . . , y(k) sunt

aif(i). Se verifica imediat ca h

2.4 Produs scalar. Spatii normate. Spatii metrice

Fie V un spatiu vectorial peste corpul K, unde K = R sau K = C.

< x,x > < y,y >.

< x,x > < y,y > ceea ce trebuia demonstrat.

Exemple. 2.4.4. Aplicatia d : A A R prin d(x, y) =

2.5 Multimi convexe

In acest paragraf vom introduce notiunea de multime convexa si proprietatile ei.

Multimea H este un hiperplann Rn de ecuatie a1x1+a2x2+. . .+anxn = b, daca x =

2.6 Testul Nr. 1 de verificare a cunostintelor

1. Definiti urmatoarele notiuni:

|xk yk|, x = (x1, ..., xn) si y = (y1, ..., yn)

< x,x >).

< x,x >) si se verifica

< x,x >

< y,y >.

Matrice. Determinanti. Sisteme

Definitia 3.1.1 Se numeste matrice de tipul mn peste un camp K un tablou

a11 a12 . . . a1n

nmultire cu un scalar are o structura de spatiu vectorial peste K.