Complemente de Matematica

Cuprins
1 Elemente avansate de calcul matriceal.

1.1 Definirea functiilor de matrice. . . . . . . . . . . . . . . . . . .
1.2 Proprietatile exponentialei de matricea A. . . . . . . . . . . . .
1.3 Integrarea unor sisteme diferentiale cu coeficienti variabili. . . .
7
7
17
21
2 Elemente de teoria c
ampului.
23
2.1 Campuri scalare si vectoriale. . . . . . . . . . . . . . . . . . . . 23
2.1.1 Campuri scalare. . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Suprafata de nivel sau suprafata echipotential
a n spatiul
cu trei dimensiuni. . . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Variatia campului scalar. Derivata dupa o directie a
campului scalar. . . . . . . . . . . . . . . . . . . . . . . 25
2.1.4 Proprietatile gradientului. . . . . . . . . . . . . . . . . . 30
2.1.5 Campuri vectoriale. . . . . . . . . . . . . . . . . . . . . 31
2.1.6 Linii de camp. proprietati. . . . . . . . . . . . . . . . . 31
2.1.7 Suprafata de camp. . . . . . . . . . . . . . . . . . . . . . 32
2.1.8 Variatia campului vectorial. . . . . . . . . . . . . . . . . 35
2.1.9 Asupra integralei de suprafat
a. . . . . . . . . . . . . . . 36
2.1.10 Integrala de suprafat
a de speta nt
ai si doi. . . . . . . . 39
2.1.11 Fluxul unui camp vectorial printr-o suprafat
a. . . . . . 40
2.1.12 Divergenta unui camp vectorial. . . . . . . . . . . . . . 43
2.1.13 Proprietati ale divergentei. . . . . . . . . . . . . . . . . 47
2.1.14 Circulatia unui camp vectorial. . . . . . . . . . . . . . . 47
2.1.15 Rotorul unui camp vectorial. . . . . . . . . . . . . . . . 49
2.1.16 Proprietatile rotorului. . . . . . . . . . . . . . . . . . . . 51
2.1.17 Operatori diferentiali vectoriali si scalari. . . . . . . . . 52
2.1.18 Operatori diferentiali vectoriali de ordinul nt
ai. . . . . . 53
2.1.19 Operatori diferentiali vectoriali de ordinul al doilea. . . 55
2.2 Formule integrale. . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.1 Calculul integral n teoria campurilor. . . . . . . . . . . 56
2.3 Clasificarea campurilor vectoriale. . . . . . . . . . . . . . . . . . 58
3
CUPRINS
2.4
2.3.1 Categoriile principale de campuri vectoriale. . . . . . . .

2.3.2 Camp solenoidal. . . . . . . . . . . . . . . . . . . . . . .
2.3.3 Camp laplacian. . . . . . . . . . . . . . . . . . . . . . .
2.3.4 Camp biscalar. . . . . . . . . . . . . . . . . . . . . . . .
2.3.5 Camp general (oarecare). . . . . . . . . . . . . . . . . .
Determinari de campuri . . . . . . . . . . . . . . . . . . . . . .
2.4.1 Determinarea unui camp scalar de gradient dat. . . . .
2.4.2 Determinarea unui camp vectorial de rotor si divergent
a
date. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
65
69
71
71
72
72
73
3 Transformate
77
3.1 Transformata Z. Definitie, proprietati. . . . . . . . . . . . . . . 77
3.2 Proprietati ale transformatei Z. . . . . . . . . . . . . . . . . . . 78
3.3 Inversa transformatei Z. . . . . . . . . . . . . . . . . . . . . . 82
3.4 Aplicarea transformatei Z la solutionarea ecuatiilor cu diferente
finite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4 Elemente de teoria probabilit
atilor
4.1 Camp de evenimente . . . . . . . . . . . . . .
4.2 Notiunea de probabilitate . . . . . . . . . . .
4.3 Probabilitati conditionate . . . . . . . . . . .
4.4 Scheme clasice de probabilitate. . . . . . . . .
4.5 Variabile aleatoare si repartitii. . . . . . . . .
4.5.1 Variabile aleatoare simple. . . . . . . .
4.5.2 Variabile aleatoare discrete. . . . . . .
4.5.3 Variabile aleatoare continuie. . . . . .
4.6 Elemente de teoria fiabilitatilor. . . . . . . . .
4.7 Fiabilitatea sistemelor cu subsisteme legate n
4.8 Fiabilitatea sistemelor cu subsisteme legate n
4.9 Statistca matematica. . . . . . . . . . . . . .
4.9.1 Estimare. . . . . . . . . . . . . . . . .
4.9.2 Functia de verosimilitate a selectiei. .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
serie. .
paralel.
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
89
89
92
94
97
99
102
109
110
114
118
119
121
127
128
5 Tehnici de solutionare ale ecuatiilor diferentiale si sistemelor

de ecuatii diferentiale de ordin 1
133
5.1 Ecuatii diferentiale de ordinul nt
ai. . . . . . . . . . . . . . . . 133
5.2 Functiile MATLAB pentru integrarea numeric
a a ecuatiilor diferentiale.134
a a sistemelor de
ecuatii diferentiale de ordinnul nt
ai. . . . . . . . . . . . . . . . 137
a a ecuatiilor diferentiale
de ordinn n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
CUPRINS
6 Transform
ari conforme.
147
6.1 Interpretarea geometrica a derivatei complexe. . . . . . . . . . 147
CUPRINS
Capitolul 1
Elemente avansate de calcul

matriceal.
1.1
Definirea functiilor de matrice.
Vom presupune cunoscuta matricea patratica de ordinul n

A = [ajk ], j, k = 1, 2, ..., n, ajk C
si ne punem problema definirii functiilor de aceasta matrice. Ne va interesa n
special cazul n care f : C C si vrem sa determinam f : Mn Mn , unde
Mn este multimea matricelor de ordin n.
Definitia 1.1.1 Prin polinom caracteristic al matricei A se ntelege polinomul:
P (z) = det(zI A)
(1.1)
1, dac
aj=k
0 , dac
a j 6= k
iar zerourile acestui polinom se numesc valori propri ale matricei A, multimea
lor determin
and n planul complex C spectrul matricei A.
unde I Mn este matricea unitate, I = [jk ] j, k = 1, 2, ..., n, jk =
a al
Definitia 1.1.2 Prin operatorul rezolvant sau matricea rezolvant
matricei A, notat Rz = Rz (A) se intelege matricea
Rz (A) = Rz = (zI A)1
(1.2)
unde (zI A)1 este matricea invers

a matricei zI A, n ipoteza ca Rz exista.
Vom nota cu {1 , 2 , ..., q , } spectrul matricei A, pentru z 6= j , j = 1, 2, ..., q,
q n. In aceasta situatie Rz are sens.
7
8 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

Conform cu regula de calcul a matricei inverse, matricea Rz va avea elementele functii rationale de variabila complexa z
Rz = [rjk (z)] =
pjk (z)
B(z)
, rjk (z) =
P (z)
P (z)
(1.3)
unde pjk (z) este un polinom de grad cel mult n-1 (este minorul normalizat al
elementului aflat n linia k si coloana j din matricea zI A), polinomul P este
definit de (1.1) iar B este matricea [pjk (z)].
Exemple.
1) Daca
3 1
A=
,
3
5
atunci
zI A =
z3 1
3 z 5
iar P (z) = z 2 8z + 12, spectrul matricei fiind {2, 6}, iar

"
#
z5
3
B(z)
P
(z)
P
(z)
Rz = (zI A)1 =
=
,
1
z3
P (z)
P (z)
P (z)
cu
B(z) =
z5 3
1
z3
2) Pentru matricea de ordinul al doilea
3 1 1
A = 1 5 1 ,
1 1 3
atunci
z3 1 1
zI A = 1 z 5 1
1
1 z3
iar P (z) = z 3 11z 2 + 36z 36, spectrul matricei fiind {2, 3, 6}, iar
z 2 8z+14
z4
Pz2
P (z)
(z) P (z)
B(z)
z 2 6z+8
Pz2
Rz = (zI A)1 = Pz2
(z)
P (z)
(z) = P (z) ,
z4
z 2 8z+14
z2
P (z) P (z)
P (z)
cu
z 2 8z + 14
z+2 z4
z 2 6z + 8 z + 2
B(z) = z + 2
z4
z + 2 z 2 8z + 14
1.1. DEFINIREA FUNCT

IILOR DE MATRICE.
Scriind polinomul caracteristic P si matricea B sub formele:

P (z) = z n + p1 z n1 + ... + pn1 z + pn ,
(1.4)
B(z) = B1 z n1 + B2 z n2 + ... + Bn1 z + Bn ,
(1.5)
cu pj C, Bj Mn j = 1, 2, ..., n, deoarece Rz = B(z)

P (z) se deduce P (z)Rz =
1
B(z) din care, prin nmultire cu Rz = zI A se obtine identitatea
P (z)I = B(z)(zI A),
(1.6)
nlocuind P si B prin membrii drepti din (1.4) si (1.5), prin egalarea coeficientilor
acelorasi puteri ale lui z se gasesc egalitatile:
B1 = I, Bj ABj1 = Pj1 I, j = 2, 3, ..., n, ABn = pn I
(1.7)
din care rezulta:

B1 = I, B2 = A + p1 I, B3 = A2 + p1 A + p2 I, B4 = A3 + p1 A2 + p2 A + p3 I, ...
egalitati care permit determinarea matricei Rz cu ajutorul coeficientilor polinomului caracteristic si a puterilor succesive ale matricei A. In acest mod,
nlocuind matricele B1 , B2 , ... se gaseste o noua forma a matricei B:
B(z) = b0 (z)I + b1 (z)A + ... + bn1 (z)An1 ,
(1.8)
unde b0 , b1 , ..., bn1 sunt polinoame de grad cel mult n-1, n-2, ..., 0 respectiv.
Exemplu. 3) Daca
0 1 1
A = 1 0 1 ,
1 1 0
atunci
z 1 1
zI A = 1 z 1 ,
1 1 z
iar P (z) = z 3 3z 2, spectrul matricei fiind {1, 2}. Apoi deoarece

B(z) = B1 z 2 + B2 z + B3
deoarece
2 1 1
A2 = 1 2 1 ,
1 1 2

gasim (p1 = 0, p2 = 3, p3 = 2)
1 0 0
0 1 1
1 1 1
B1 = I = 0 1 0 , B2 = A = 1 0 1 , B3 = A2 3I = 1 1 1 ,
0 0 1
1 1 0
1 1 1
si deci
z2 1 z + 1 z + 1
B(z) = z + 1 z 2 1 z + 1 ,
z + 1 z + 1 z2 1
adica
Rz =
B(z)
=
P (z)
z 2 1
P (z)
z+1
P (z)
z+1
P (z)
z+1 z+1
P (z) P (z)
z 2 1 z+1
P (z) P (z)
z+1 z 2 1
P (z) P (z)
Daca polinomul caracteristic P (z) si matricea B(z) sunt astfel nc

at au loc
egalitatile
P (z) = Q(z)P (z), B(z) = Q(z)B (z),
(1.9)
unde Q(z) este un polinom, atunci polinomul P se numeste polinomul minimal al matricei A iar operatorul rezolvant se poate scrie sub forma:
Rz (A) = Rz =
B(z)
B (z)
=
P (z)
P (z)
(1.10)
Daca Q(z) = 1, polinomul minimal coincide cu polinomul caracteristic

(ceea ce se ntampla, de axemplu, daca valorile proprii ale matricei A sunt
simple). In primele exemple evident Q(z) = 1 iar n exemplu precedent,
deoarece
P (z) = (z + 1)2 (z 2), B(z) = (z + 1)B (z),
z1 1 1
B (z) = 1 z 1 1 ,
1 1 z1
rezulta Q(z) = z 1, iar polinomul minimal P (z) si matricea B (z) vor fi
P (z) = (z + 1)(z 2) = z 2 z 2, B (z) = b0 (z)I + b1 (z)A
cu
b0 (z) = z 1, b1 (z) = 1.
Cu aceste notiuni, se poate trece la definirea functiilor de matricea A. Vom
presupune initial functia f diferentiabil
a ntr-un domeniu D din C care contine
spectrul matricei A (n D f poate avea eventual singularitati izolate dar aceste
singularitati nu coincid cu spectrul lui A ).
Vom pune, prin

IILOR DE MATRICE.
Definitia 1.1.3
1
f (A) =
2i
11
Rz (A)f (z)dz
(1.11)
unde Rz (A) este operatorul rezolvant al matricei A iar este o curba jordan
nchisa si rectificabila care contine la interior spectrul matricei A, parcursa n
sens direct.
Formula de definitie (1.11) se numeste integrala Dunford-Taylor si se justifica prin aceea ca nlocuind matricea A prin scalarul t, deoarece Rz (t) =
1
(z t)1 = zt
, gasim formula integral
a Cauchy:
Z
f (z)
1
f (t) =
dz,
2i z t
curba ocolind punctul t C (deoarece spectrul matricei A va fi format din
zerourile ecuatiei z t = 0, deci z=t). Asadar, egalitatea (1.11) fiind verificat
a
pentru functii scalare, o impunem sa fie valabil
a si pentru functiile de matricea
A (avandu-se n vedere, functii diferntiale n C).
Din definitia (1.11) rezulta cateva consecinte pentru functiile de matricea
A:
I. P (A) = 0), adica orice matrice si anuleaz
a propriul sau polinom minimal.
Intr-adevar, deoarece Rz (A) = B (z) , nlocuind n (1.11) f prin P (posibil,
P (z)
deoarece P este diferentiabil n C), gasim
Z
Z
1
1
B (z)
P (A) =
P
(z)dz
=
B (z)dz = 0
2i P (z)
2i
(ultima integrala este nula deoarece din (1.8)se deduce ca B este un polinom
matriceal n variabila z, deci este functie olomorfa n C:
Z
Z
Z
Z
n1
B (z)dz = I b0 (z)dz + A b1 (z)dz + ... + A
bn1 (z)dz = 0
b0 , b1 , ... , bn1 fiind polinoame).

Deoarece P (z) = Q(z)P (z), din P (A) = 0 se deduce P (A) = Q(A)P (A) =
0 si astfel s-a obtinut teorema Hamilton-Cayley:
Orice matrice A anuleaz
a polinomul caracteristic al acestei matrice.
II. Pentru orice functie diferentiabil
a f matricea f (A) este de fapt un
polinom de matrice (avand gradul cel mult cu gradul lui P ) n matricea lui
A. Intr-adevar, nlocuind B n expresia lui Rz (A) din (1.8) se deduce
Z n1
Z
n1
n1
X
X
X
bj (z)
1
1
j
j 1
f (A) =
[
bj (z)A ]
f (z)dz =
A
dz =
cj Aj ,
2i
P (z)
2i P (z)
j=0
j=0
j=0

1
cj =
2i
bj (z)
dz
P (z)
Mentionam ca daca polinomul minimal nu coincide cu polinomul caracteristic, atunci n loc de matricea B apare B care se va exprima cu ajutorul
coeficientilor polinomului minimal P (z) si a puterilor A0 , A1 , ..., Am1 , m
fiind gradul lui P , exact la fel ca si matricea B , deoarece are loc identitatea
P (z) = (zI A)B (z)
si deci n suma
f (A) =
n1
X
cj Aj
j=0
trebuie nlocuit n prin m iar c0 , c1 , ..., cm1 prin coeficientii corespunzatori.

Rezulta asadar ca este suficient sa gasim coeficientii polinomului B (respectiv B ) pentru ca sa putem obtine matricea A. Acesti coeficienti ns
a
sunt greu de calculat cu ajutorul integralelor de contur care apar n definitia
acestora si de aceea se pot imagina metode directe, legate de functia f si de
valorile proprii ale matricei A,
Astfel, fie L polinomul de interpolare Lagrange definit prin:
L(j ) = f (j ), j = 1, 2, ... n
(1.12)
daca valorile proprii 1 , 2 , ..., n ale matricei A sunt simple. Deoarece

difernta f (z) L(z) se divide prin z 1 , z 2 , ..., z n , se va divide si
prin polinomul P (z), deci
f (z) L(z) = (z)P (z)
fiind o functie diferentiabil
a n aceleasi conditii ca si f . Din teoreme
Hamilton-Cayley se deduce P (A) = 0 si deci egalitatea anterioar
a devine
f (A) = L(A)
(1.13)
Deci functia f (A) coincide cu polinomul L(A), L fiind polinomul Lagrange de

interpolare construit prin conditiile (1.12).
Daca polinomul minimal al matricei A nu coincide cu polinomul caracteristic, dar are zerourile simple, atunci polinomul de interpolare Lagrange se
determina tot din conditiile (1.12) dar n num
ar de m < n (deci acest polinom
va avea gradul m 1). In ipoteza ca polinomul minimal se scrie
P (z) = (z 1 )m1 (z 2 )m2 ...(z q )mq , m1 + m2 + ... + mq = m < n

IILOR DE MATRICE.
13
conditiile (1.12) se inlocuiesc prin conditiile

dj
dj
=
L(z)|
f (z)|z=k , j = 0, 1, ... mk 1, k = 1, 2, ... q (1.14)
z=k
dz j
dz j
Exemplu 4) Reluand exemplu 2) din acest capitol avem 1 = 2, 2 =
3, 3 = 6; polinomul Lagrange de interpolare se scrie
L(z) =
=
(z 3)(z 6)
(z 2)(z 6)
(z 2)(z 3)
f (2) +
f (3) +
f (6) =
(2 3)(2 6)
(3 2)(3 6)
(6 2)(6 3)
f (2)
f (3)
f (6)
(z 3)(z 6)
(z 2)(z 6) +
(z 2)(z 3)
4
3
12
iar
f (A) = L(A) =
f (2)
f (3)
f (6)
(A3I)(A6I)
(A2I)(A6I)+
(A2I)(A3I) =
4
3
12
3f (2) 4f (3) + f (6) 2 12f (2) + 32f (3) 5f (6)

9f (2) 8f (3) + f (6)
A +
A+
I
12
12
2
Deoarece
11 9 7
A2 = 9 27 9
7 9 11
se deduce
f (A) =
1
1
1
1
1
12 f (2) + 13 f (3) + 16 f (6)
2 f (2) + 3 f (3) + 6 f (6)
3 f (3) 3 f (6)
1
1
55
23
1
1
27
3 f (3) 3 f (6)
2 f (2) + 3 f (3) 6 f (6)
3 f (3) 3 f (6)
1
1
1
1
1
1
1
2 f (2) + 3 f (3) + 6 f (6) 3 f (3) 3 f (6) 2 f (2) + 3 f (3) + 16 f (6)
In particular
3 1 1
exp(A) = eA = exp 1 5 1 =
1 1 3
1 3
1 6
1 6
1 2
1 3
12 e2 + 31 e3 + 61 e6
2e + 3e + 6e
3e 3e
1 3
1 6
27 2
55 3
23 6
1 3
1 6
2e + 3e 6e
3e 3e
3e 3e
1 2
1 2
1 3
1 6 1 3
1 6
1 3
1 6
2e + 3e + 6e 3e 3e
2e + 3e + 6e
3 1 1
sin(A) = sin 1 5 1 =
1 1 3
sin(2) + 13 sin(3) + 16 sin(6) 13 sin(3) 13 sin(6)

21 sin(2) + 31 sin(3) + 16 sin(6)
1
55
23
1
1
1
27
=
3 sin(3) 3 sin(6)
2 sin(2) + 3 sin(3) 6 sin(6)
3 sin(3) 3 sin(6)
1
1
1
1
1
1
1
1
2 sin(2) + 3 sin(3) + 6 sin(6) 3 sin(3) 3 sin(6) 2 sin(2) + 3 sin(3) + 6 sin(6)
1
2

5) In exemplu 3) tratat anterior, avem
0 1 1
A = 1 0 1 ,
1 1 0
si polinomul minimal P (z) = (z + 1)(z 2). Polinomul de interpolare Lagrange, pentru f va fi
z2
z+1
f (2)
f (1) +
f (2) =
(z + 1) f (1)(z 2)
12
2+1
3
L(z) =
iar
f (2)
(A + I) f (1)(A 2I) =
3
1
1
1
3 f (2) + 2f (1)
3 f (2) f (1)
3 f (2) f (1)
= 13 f (2) f (1) 31 f (2) + 2f (1) 13 f (2) f (1)
1
1
1
3 f (2) f (1) 3 f (2) f (1)
3 f (2) + 2f (1)
f (A) = L(A) =
In particular
sh(A) = sh
1
1
1
3 sh(2) + 2sh(1)
3 sh(2) sh(1)
3 sh(2) sh(1)
1
1
1
3 sh(2) sh(1)
3 sh(2) + 2f (1)
3 sh(2) sh(1)
1
1
1
3 sh(2) sh(1) 3 sh(2) sh(1)
3 sh(2) + 2sh(1)
In consideratiile anterioare s-a presupus f diferentiabil

a n domeniul D care
contine spectrul matricei A. S-a ajuns la egalitatea (1.13) care defineste f (A)
cu ajutorul polinomului de interpolare Lagrange, L. Or acest polinom poate
fi construit pentru orice functie f definita pe spectrul matricei A si de aceea
egalitatea (1.13) constituie definitia generala a matricei f (A).
Sa facem observatia ca din relatia de definitie a matricei f (A)
f (A) =
q
X
(A 1 I)...(A j1 I)(A j+1 I)...(A q I)
j=1
(j 1 )...(j j1 )(j j+1 )...(j q )
f (j )
se poate deduce faptul ca aceasta matrice se poate scrie si sub forma

f (A) =
q
X
Zj f (j )
(1.15)
j=1
unde Zj Mn nu depind de functia f . Evident, ne aflam n ipoteza ca

polinomul minimal P admite zerouri simple distincte 1 , 2 , ... , q .
Egalitatea (1.15) este uneori comoda pentru calculul efectiv al matricei
f (A), deoarece matricele Z1 , Z2 , ..., Zq nu depind de f , acestea se pot determina prin particularizarea lui f , dupa modelul din exemplul urmator.

IILOR DE MATRICE.
15
Exemplu 6) Fie matricea:
0 1 1
A = 3 0 1 ,
3 1 0
avem P (z) = det(zI A) = z 3 7z 6 = (z + 1)(z + 2)(z 3). Prin urmare
P = P iar (1.15) se scrie
f (A) = Z1 f (2) + Z2 f (1) + Z3 f (3).
Punand succesiv f (z) = z 3, f (z) = z + 1, f (z) = (z + 2)2 , deducem
egalitatile matriceale:
A 3I = 5Z1 4Z2
A + I = Z1 + 4Z3
(A + 2I)2 = Z2 + 25Z3
din care se obtine:
4 2 2
1
3
1
1
6 3 3
Z1 = A2 + A + I =
20
20
10
10
6 3 3
2 4 4
3
1
5 2 1
6 3 5
Z2 = A A + I =
4
4
4
8
12 5 3
44 42 42
1
1 2
126 43 43
Z3 = A + A + I =
4
40
126 43 43
a am fi luat n loc de f (z) = (z + 2)2 , f (z) = z + 2
Observatia 1.1.1 Dac
s-ar fi ajuns la o situatie de nedeterminare. Asadar vom avea n acest caz:
A 3I = 5Z1 4Z2
A + I = Z1 + 4Z3
A + 2I = Z2 + 5Z3
din care se obtine, prin eliminarea lui Z1 din primele doua relatii:
4A 8I = 4Z2 20Z3
adica relatia a tria
A + 2I = Z2 + 5Z3 .

In cazul n care polinomul minimal are zerouri multiple, atunci conditiile
(1.14) pot fi utilizate pentru determinarea polinomului de interpolare Hermite
care se scriu sub forma:
L(z) =
q mX
k 1
X
fkj jk (z)
k=1 j=0
unde fkj sunt valorile derivatei f (j) n punctul k iar jk sunt polinoame independente de functia f , care se determina din conditiile:
d` k
(s ) = `k js
dz ` j
1, daca m = n
mn fiind simbolul lui Kroneker, mn =
0 , daca m 6= n
Cel mai simplu exemplu de polinom de interpolare Hermite se obtine cand
q = 1 si atunci el coincide cu dezvoltarea Taylor:
L(z) = f (1 ) +
(z 1 )m1 1 (m1 1)
z 1 0
f (1 ) + ... +
f
(1 )
1!
(m1 1)!
Ca si n cazul spectrului simplu, tin

and cont de independenta polinoamelor
jk de functia f se poate scrie matricea f (A) sub forma
f (A) =
q mX
k 1
X
fkj Zkj
k=1 j=0
unde Zkj Mn se pot determina particularizandu-l pe f .

Exemplul 7) Daca matricea A este astfel nc
at polinomul minimal este:
P (z) = z 2 (z 1)
atunci
f (A) = f (0)Z1 + f 0 (0)Z2 + f (1)Z3
si scriind succesiv f (z) = z, f (z) = z 2 , f (z) = z 1, din sistemul:
A = Z2 + Z3
A2 = Z3
A I = Z1 + Z2
se obtine:
Z1 = I A2 , Z2 = A A2 , Z3 = A2
ILE EXPONENT
1.2. PROPRIETAT
IALEI DE MATRICEA A.
17
si deci
f (A) = (I A2 )f (0) + (A A2 )f 0 (0) + A2 f (1)
Matricea A este de forma:
1 52
A = 4 1 3
5
1 32
2
si cum
7
2
2 0 8
A2 = 52 0 52
1 0 1
se gaseste:
0
f 0 (0)
8f (0) 21
f (0) + 32 f 0 (0) + 2f (1)
2 f (0) + 8f (1)
f (A) = 25 f (0) 32 f 0 (0) 52 f (1) 12 f (0) f 0 (0) 25 f (0) + 12 f 0 (0) + 52 f (1)
f (0) + 32 f 0 (0) + 12 f (1)
f 0 (0)
2f (0) 21 f 0 (0) + f (1)
Si n acest caz(al spectrului multiplu) nu este obligatorie conditia de diferentiabilitate pentru f decat numai n punctele n care polinomul minimal al
matricei A are zerouri multiple.
In concluzie, pentru orice functie f definit
a pe spectrul matricei A (dac
a
polinomul minimal al matricei A are numai zerouri simple) sau pentru orice
functie f care admite derivate n num
ar convenabil pentru a se putea utiliza
relatiile (1.14) (n cazul cand zerourile polinomului minimal sunt multiple), se
poate construi matricea f (A).
1.2
Propriet
atile exponentialei de matricea A.
In teoria sistemelor diferentiale cu coeficienti constanti un rol deosebit i

revine matricei exponentiale, exp(At) = eAt . Cu ajutorul rezultatelor din
paragraful anterior vom putea stabili proprietatile de baza ale acestei matrice (care depinde de parametrul real t). In primul rand deoarece functia
exponentiala este diferentiabil
a n C, este posibila utilizarea integralei DunfordTaylor si vom scrie:
Z
1
exp(At) = eAt =
Rz (A) exp(zt)dz,
(1.16)
2i
unde este orice curba Jordan nchis
a si rectificabila care include la interior
spectrul matricei A (functia exponential
a nu are singularitati n C).

Deoarece integrala cu parametru din membrul drept al lui (1.16) se poate
deriva n raport cu parametrul t si deoarece
Z
Z
d
1
1
Rz (A)z exp(zt)dz =
Rz (A) exp(zt)dz
2i
dt 2i
este integrala Dunford-Taylor pentru matricea AetA = A exp(tA) pentru orice
t R, rezulta egalitatea:
d
d At
[exp(At)] = A exp(At) sau
e = AeAt
dt
dt
verificata de matricea exp(At), ceea ce face ca aceasta matrice, care este evident nesingulara(n baza teoremei Abel-Liouville, este suficient sa arat
am ca
exp(At)|t=0 este nesingulara; or
Z
Z
1
1
Rz (A) exp(0)dz =
Rz (A) 1dz = I
exp(At)|t=0 =
2i
2i
sa reprezinte o matrice fundamental
a pentru sistemul diferential
dx
= Ax
dt
x1
x2
.
x=
.
.
xn
(1.17)
fiind matricea coloana a functiilor necunoscute.

Toate proprietatile functiei exponentiale valabile pentru valorile scalare ale
variabilei, se transpun cu usurint
a la matricea exp(At), astfel:
exp[(t1 + t2 )A] = exp(t1 A) exp(t2 A), t1 , t2 R
(1.18)
[exp(tA)]1 = exp(tA), t R
(1.19)
t k
exp(tA) = lim I + A
, tR
k
k
(1.20)
A = ln(exp A)
(1.21)
ILE EXPONENT
1.2. PROPRIETAT
IALEI DE MATRICEA A.
exp(ln A) = A, dac
a det A 6= 0
19
(1.22)
Intr-adevar, deoarece
Z
Z
1
1
exp[(t1 +t2 )A] =
Rz (A) exp[(t1 +t2 )z]dz =
Rz (A) exp(t1 z)exp(t2 z)dz
2i
2i
se obtine (1.18) deoarece
Z
1
Rz (A) exp(t1 z) exp(t2 z)dz = exp(t1 A) exp(t2 A).
2i
Egalitatea (1.19) se obtine din (1.18) si din egalitatea exp(0A) = I, scriind
t2 = t1 = t, prin urmare este valabil
a relatia
exp(0A) = I = exp(tA) exp(tA)
care este echivalenta cu (1.19)
Formula (1.20) se bazeaza pe egalitatea
t k
exp(tz) = lim 1 + z
k
k
si pe posibilitatea trecerii la limita sub semnul integral
a n egalitatea:
Z
1
t k
t k
=
dz
I +A
Rz (A) 1 + z
k
2i
k
posibilitate bazata pe convergenta uniforma (n raport cu parametrul k a integralei n cauza). Avem:
Z
t k
1
t k
lim I + A
lim
=
Rz (A) 1 + z
dz =
k
k
2i k
k
t k
Rz (A) lim 1 + z
dz =
k
k
Z
1
=
Rz (A) exp(tz)dz = exp(tA).
2i
1
=
2i
Egalitatea (1.21) se obtine astfel:

Z
1
ln(exp A) =
Rz (A) ln(exp z)dz =
2i
Z
1
=
Rz (A)zdz = A.
2i

Egalitatea (1.22) se obtine astfel:
Z
1
exp(ln A) =
Rz (A) exp(ln z)dz =
2i
Z
1
=
Rz (A)zdz = A,
2i
cu observatia ca exp(ln z) este valabil
a pentru z 6= 0 iar singularitatile functiei
ln z (adica z = 0 si z = ) nu trebuie sa coincida cu valorile proprii ale matricei
A. Aceasta nseamna ca spectrul matricei A nu trebuie sa contin
a valoarea
= 0. Or daca = 0 este o valoare proprie, deoarece P (0) = det(zI A),
avem P (0) = 0 daca si numai daca det A = 0.
Sunt de asemeni valabile formulele lui Euler:
exp(iA) = cos A + i sin A
1
[exp(iA) + exp(iA)]
2
1
sin A =
[exp(iA) exp(iA)]
2i
cos A =
Intr-adevar, pentru prima relatie, avem:

Z
1
exp(iA) =
Rz (A) exp(iz)dz =
2i
Z
1
=
Rz (A)(cos z + i sin z)dz =
2i
Z
Z
1
1
Rz (A) cos zdz + i
Rz (A) sin zdz =
=
2i
2i
cos A + i sin A
celelalte egalitati justificandu-se
analog.
1 1
Exemplu 8) Daca A =
, rezulta P (z) = z 2 3z, deci p1 = 3, p2 =
2 2
2 1
z2 1
0, B1 = I, B2 = A + p1 I =
, B(z) = B1 z + B2 =
si
2 1
2 z1
P (z) = P (z) = z 2 3z. Polinomul de interpolare va fi:
L(z) =
iar
z3
z
1
f (0) + f (3) = [f (3) f (0)]z + 3f (3)
13
3
3
1
f (A) = L(A) = [f (3) f (0)]A + 3f (3)I =
3
1.3. INTEGRAREA UNOR SISTEME DIFERENT

IALE CU COEFICIENTI VARIABILI.21
=
deci cu f (z) = exp(zt)
10
1
3 f (3) 3 f (0)
2
2
3 f (3) 3 f (0)
= ezt
exp(At) = e
At
1
3 f (3)
10
3 f (3)
10 3t
3 e
2 3t
3 (e
31 f (0)
31 f (0)
13 13 (e3t 1)
1
3t
1) 10
3 e 3
iar solutia problemei Cauchy x(0) = x0 , y(0) = y0 a sistemului diferential:
x = x + y
y = 2x + 2y
va fi
x(t)
y(t)
adica
1.3
= exp(At)
x0
y0
10 3t
3 e
2 3t
3 (e
31 13 (e3t 1)
1
3t
1) 10
3 e 3
x0
y0
1
1 3t
3t
x(t) = ( 10
3 e 3 )x0 + 3 (e 1)y0
1
3t
y(t) = 32 (e3t 1)x0 + ( 10
3 e 3 )y0
Integrarea unor sisteme diferentiale cu coeficienti variabili.
Teoria functiilor de matrice A poate fi utilizata si la integrarea sistemelor

diferentiale de forma:
dx
= Ax + b(t)
(1.23)
tm
dt
unde A Mn , m R. Pentru aceasta se scrie ecuatia diferential
a scalara:
tm y 0 = ay
avand solutia generala:
(
y(t) =
t1m
ce 1m a , dac
a m 6= 1, t > 0
cta , daca m = 1, t > 0
Pentru a gasi o matrice fundamental

a pentru sistemul (1.23) va fi suficient
sa se verifice ca matricea
t1m
W (t) = e 1m A , daca m 6= 1, t > 0

W (t) = tA , daca m = 1, t > 0
verifica sistemul:
tm
dW
= AW
dt
(1.24)

(deci W va fi o matrice fundamental
a pentru sistemul (1.24).
Utilizand integrala Dunford-Taylor (1.24) se verifc
a usor si atunci solutia
generala a sistemului (1.23) omogen va fi:
x(t) = W (t)c
c fiind o matrice coloana constant
a. Solutia sistemului (1.23) (care este neomogen) se obtine prin metoda variatiei constantelor.
Exemplu. Daca
1 2
A=
4 5
atunci solutia sistemului omogen:
t
2 dx
dt
= Ax,
x=
x1
x2
, t 6= 0
vor fi x = W c, cu
"
W (t) = e
1t A
deoarece
f (A) =
2f (1) f (3)
2f (1) 2f (3)
Solutia sistemului:
t
2e t e t
1
3
2e t 2e t
e t + e t
1
3
e t + 2e t
f (1) + f (3)
f (1) + 2f (3)
dx
= Ax, t 6= 0
dt
va fi x = W c, cu
W (t) = t =
2t t3
2t 2t3
In sfarsit solutia sistemului:

t3
adica a sistemului
t + t3
t + 2t3
dx
= Ax
dt
dx
= t3 Ax
dt
se va scrie x = W c, unde:
"
W (t) = e
t4
A
4
t4
2e 4 e
t4
2e 4 2e
3t4
4
e4 +e
t4
3t4
4
e 4 + 2e
t4
3t4
4
3t4
4
Capitolul 2
Elemente de teoria c
ampului.
2.1
2.1.1
C
ampuri scalare si vectoriale.
C
ampuri scalare.
In studiul dinamic al fenomenelor naturii intervine notiunea de camp.

Daca o marime fizica are o valoare determinata n fiecare punct din spatiu,
spunem ca multimea acestor valori defineste campul marimii respective.
Exemplu: Curgerea unui lichid defineste un camp al vitezelor.
Notiunea de camp se bazeaza pe doua elemente de natura diferita, independente ntre ele:
Elementul analitic: Functia f a campului, reprezentant al actiunii materiale si
Elementul geometric: Regiunea < a spatiului n care actioneaz
a functia
f , reprezentant al bazei materiale.
Definitia 2.1.1 C
ampul este multimea valorilor lui f asociate punctelor M
din regiunea <.
Natura functiei f determin
a natura c
ampului, dac
a f este scalar u, c
ampul
este scalar, dac

a f este vector v , c
ampul este vectorial, dac
a f este tensor T
atunci c
ampul este tensorial.
Campurile nestationare sunt campurile care variaz
a n timp: f = f (x, y, z, t),
iar campurile stationare sunt cele care nu variaz
a n timp adica: f = f (x, y, z).
Definitia 2.1.2 Dac
a < este o regiune m
arginit
a sau nu a spatiului cu una
dou
a sau trei dimensiuni si
u = u(M )
(2.1)
o functie scalar
a ce depinde de puncte M din < numim c
amp scalar multimea
valorilor lui u corespunz
atooare tuturor punctelor M <.
23
24
CAPITOLUL 2. ELEMENTE DE TEORIA CAMPULUI.
Definitia 2.1.3 Regiunea < constituie domeniul de definitie al c

ampului scalar,
functia u(M ) este functia c
ampului scalar si se numeste c
amp scalar.
Exemple:
In fizic
a: u este functia potential
a, u este functia de fort
a.
In geodezic
a: u este masa specifica a unui mediu neomogen.
In termotehnic
a: u reprezint
a campul temperaturilor, presiunea ntr-un
gaz: p = p(v, t).
In analiza reala se face studiul continuit
atii si derivabilit
atii functiei u(M ).
2.1.2
Suprafata de nivel sau suprafata echipotential

a n spatiul
cu trei dimensiuni.
Definitia 2.1.4 Suprafat

a de nivel este multimea punctelor M din D <
pentru care functia u r
am
ane constant
a.
du = 0,
u(M ) = const.
(2.2)
cazul c
and domeniul este bidimensional se poate vorbi
Observatia 2.1.1 In
despre o curb
a de nivel constant sau curb
a echipotential
a.
Propozitia 2.1.1 Suprafetele de nivel stratific
a valorile c
ampului scalar.
Propozitia 2.1.2 Suprafetele de nivel formeaz
a o familie de suprafete cu un
parametru, de ecuatie
u(M ) = k.
Propozitia 2.1.3 Printr-un punct dat M0 din regiunea < trece o singur
a
suprafet
a de nivel care are ecuatia:
u(M ) = u0 .
Demonstratie
Punem conditia ca punctul M0 sa fie pe suprafata de nivel: u(M0 ) = u0
si M0 R, u(M0 ) = k deci k = u0 si prin urmare: u(M ) = u0 reprezint
ao
singura suprafata de nivel.
Propozitia 2.1.4 Dou
a suprafete de nivel dinstincte u1 (x, y, z) si u2 (x, y, z)
nu pot avea nici un punct comun.

2.1. CAMPURI
SCALARE SI VECTORIALE.
Demonstratie
Fie:
25
u(M ) = u1
u(M ) = u2
unde u1 6= u2 . Presupunem ca suprafetele ar avea puncte comune. Punctele

comune le putem determina rezolvand sistemul, din care deducem: u1 u2 = 0
dar u1 6= u2 din ipoteza deci presupunerea este falsa.
2.1.3
Variatia c
ampului scalar.
c
ampului scalar.
Derivata dup
a o directie a
Fie u0 suprafata de nivel av

and ecuatia u(M ) = u0 si un punct care se poate
deplasa sau pe suprafata data sau n afara suprafetei de nivel u0 .
Cazul I. Deplaearea punctului are loc pe suprafeta de nivel.
La o deplasare infinitezimala a punctului corespunde variatia functiei care
ndeplineste conditia: du = 0, dar:
du =
u
u
u
dx +
dy +
dz
x
y
z
si membrul drept al ecuatiei de mai sus reprezint

a produsul scalar a doi
Fig. 2.1
vectori:
u
u
u
G=
i +
j +
k
x
y
z
si d
r = i dx + j dy + k dz adic
a:

G d
r =0
(2.3)
dar d
r se afla n planul tangent n punctul M la u0 pentru ca deplasarea se
face n planul tangent deci G este vector normal n M la suprafata de nivel
26
u0 . G se numeste gradientul functiei u. Gradientul poate fi scris sub forma

simbolica:
G =(i
+ j
+ k
)u
x
y
z
sau G = grad u sau G = u. Operatorul sau nabla este numit operatorul

lui Hamilton.
Cazul II. Deplaearea are loc in afara suprafetei de nivel. Fie M un punct
Fig. 2.2
din domeniul de definitie al campului scalar u, M 0 din afara suprafetei. Ne
propunem sa calculam variatia campului n vecin

atatea punctului M ,
r este
vectorul de pozitie al lui M ,

r + d
r este vectorul de pozitie al lui M 0 ,
s
0
este versorul directiei M M
1
s = M M 0
|M M 0 |
Elementul liniar pe directia

s este: 4s = |M M 0 | adic
a 4s = |d
r |.
Variatia campului scalar u la trecerea din M n M 0 este:
4u = u(
r + d
r ) u(
r ) = U (M 0 ) u(M )
(2.4)
si depinde atat de distanta |M M 0 | cat si de directia de deplasare

s . Pentru a
evalua variatia campului u n punctul M n directia de vector s se determina

4u
4s0 4s
lim
Definitia 2.1.5 Se numeste derivata functiei u dup

a directia de versor
s n
punctul M sau derivata c

ampului scalar u dup
a directia de versor s limita
raportului
4u
4s

2.1. CAMPURI
pentru 4s 0, atunci c
and limita exist
a.
Derivata campului scalar u dupa directia de versor

s se noteaza:
du
u(M ) u(M 0 )
= lim
ds |M M 0 |0
|M M 0 |
sau
du
4u
= lim
ds 4s0 4s
Se stie ca: d
r = s|d
r | sau d
r =
s 4s si
s =l i +mj +nk
\
\
\
cu l = cos(
s , i ), m = cos(
s , j ), n = cos(
s , k ), l2 + m2 + n2 = 1
dx i + dy j + dz k = l4s i + m4s j + n4s k

Urmeaza ca
dx = l4s, dy = m4s, dz = n4s
Dar cu (4.4):
4u = u(x + l4s, y + m4s, z + n4s) u(x, y, z)
Cum functia u(x, y, z) este diferentiabil
a avem:
4u = u(x, y, z) +
unde
u
u
u
dx +
dy +
dz + R u(x, y, z)
x
y
z
R
=0
4s0 4s
lim
Altfel scris:
4u = 4s
u
u
u
l + 4s m + 4s n + R
x
y
z
4u
u
u
u
R
=
l+
m+
n + lim
4s0 4s
4s0 4s
x
y
z
lim
Prin urmare
du
u
u
u
=
l+
m+
n
ds
x
y
z
du
= G
s
ds
27

28
sau
du
= grad u
s
ds
unde:
G=
si
(2.5)
u
u
u
k
i +
j +
x
y
z
s=l i +mj +nk
Marimea
du
= G
s
ds
se numeste derivata functiei scalare u dup

a directia de vector
s.
Propozitia 2.1.5 Derivata dup

a o directie S de versor
s a c
ampului scalar
u este proiectia gradientului G dup

a directia S .
Intr-adevar, exprimand produsul scalar din definitia derivatei functiei scalare
u dupa directia de versor

s avem:

du
= | G ||
s | cos(
s ,\
grad u)
ds
adica:
du
= | G | cos(
s ,\
grad u)
ds
care reprezinta proiectia gradientului G pe directia S de versor

s . Se vede
c
a derivata depinde de punctul M si de directia de versor s .
Propozitia 2.1.6 M
arimea gradientului G este derivata c
ampului scalar u
dup
a directia normalei n punctul respectiv la suprafat
a.
Intr-adevar daca directia

S este normala N n punctul M la u, versorul
s
este s = n si atunci:
du
du
du
du
\
= | G ||
n | cos( G ,
n );
= | G ||
n | cos(0o );
= | G ||
n |;
= |G|
dn
dn
dn
dn
atunci
du
G=
n
dn
(2.6)
si marimea sa este:
s
|G| =
u 2
u
u
) + ( )2 + ( )2
x
y
z
(2.7)

2.1. CAMPURI
29
Propozitia 2.1.7 M
arimea gradientului G este valoarea maxim
a ntre derivatele
dup
a o directie oarecare.
Intr-adevar

du
= | G ||
s | cos(
s\
, grad u)
ds
Fie = (
s ,\
grad u) deci:
du
= cos
ds
Cum 1 cos 1 atunci: max du

ds = | G |.
Observatia 2.1.2 Cum
du
|G| =
dn
rezult
a c
a
max
du
du
=
ds
dn
Vectorul G indic
a directia dup
a care functia u are valoarea cea mai mare.
a directiile pozitive ale axelor de coordonate
Propozitia 2.1.8 Derivatele dup
coincid cu derivatele partiale n raport cu variabila respectiv
a.
Intr-adevar, pentru
s = i
du
u
u
u
= i (
i +
j +
k ) = i grad u;
ds
x
y
z
du
u
=
ds
x
Analog pentru
s = j si
s = k
du
u
= j grad u =
ds
y
du
u
= k grad u =
ds
z
adica derivatele dupa directiile pozitive ale axelor de coordonate coincid cu
derivatele partiale n raport cu variabila respectiva.
Daca
s este i , j sau k atunci du
ds este respectiv:
u
u
u
, ,
x
y
z
Concluzie: Derivata dupa o directie S de versor

s depinde nu numai de
directia respectiva ci si de sensul ales pe aceasta directie.

30
2.1.4
Propriet
atile gradientului.
Pentru functiile: : D1 R3 R si : D2 R3 R unde si sunt de

clasa C 1 reprezentand campuri scalare, au loc propozitiile urmatoare:
Propozitia 2.1.9 Pentru c
ampurile scalare si
grad ( + ) = grad + grad
(2.8)
Demonstratie
( + ) =
=
( + ) i +
( + ) j +
( + ) k =
x
y
z

i +
i +
j +
j +
k +
k = +
x
x
y
y
z
z
Analog se demonstreaza:
Propozitia 2.1.10
() = +
(2.9)
F ((x, y, z)) = F 0 ()
(2.10)
Propozitia 2.1.11
Intr-adevar:
(F ()) =
F ((x, y, z)) i +
F ((x, y, z)) j +
F ((x, y, z)) k =
x
y
z
=
dF

[
i +
j +
k ] = F 0 ()
d x
y
z
Exemplu:
grad f (r) = f 0 (r)grad r = f 0 (r)grad
deci:
p
x2 + y 2 + z 2
r
r
r
i +
j +
k]
x
y
z
x
y
z
grad f (r) = f 0 (r)[ i + j + k ]
r
r
r
0
f (r)
r
grad f (r) =
r
Cu (2.5) se deduc cu usurint
a proprietatile urmatoare:
grad f (r) = f 0 (r)[

2.1. CAMPURI
Propozitia 2.1.12
Propozitia 2.1.13
Propozitia 2.1.14
2.1.5
31
d
df
dg
(f + g) =
+
ds
ds ds
(2.11)
d
df
dg
(f g) = g + f
ds
ds
ds
(2.12)
d
d
(F ()) = F 0 ()
ds
ds
(2.13)
C
ampuri vectoriale.
Definitia 2.1.6 Dac

a < este o regiune m
arginit
a sau nu a spatiului cu una
dou
a sau trei dimensiuni si V = V (M ) este o functie vectorial
a ce depinde
de puncte M din <, numim c

amp vectorial multimea valorilor V atasati
punctelor M din <.
Definitia 2.1.7 Regiunea < se numeste domeniul de definitie al c
ampului
vectorial, functia V (M ) este a c

ampului vectorial.
Exemple:
In mecanica, geofizica: campul vitezelor, campul momentelor, campul
gravitational. In teoria campului electromagnetic: campul magnetic H
2.1.6
Linii de c
amp. propriet
ati.
Definitia 2.1.8 Se numeste linie de c

amp (linie de fort
a, linie de curent) o
curb
a din domeniul < de definitie al c
ampului V (M ), care este tangent
a n
fiecare punct M al s
au la vectorul c
amp V (M ). Prin urmare V k d r , adic
a:
Fig. 2.3
V d
r =0
este ecuatia diferential
a a liniilor de c
amp sub form
a vectorial
a.
(2.14)
32
Liniile de camp sunt date de sistemul de ecuatii diferentiale:

dx
dy
dz
=
=
P (x, y, z)
Q(x, y, z)
R(x, y, z)
(2.15)
unde:
V (M ) = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k si d

r = dx i + dy j + dz k
Solutia sistemului de ecuatii sub forma simetrica (4,15) este data de doua
integrale prime :
1 (x, y, z) = C1
(2.16)
()
2 (x, y, z) = C2
Propriet
ati ale liniilor de c
amp.
Propozitia 2.1.15 Printr-un punct dat M0 al domeniului trece o singur
a linie
de c
amp 0 de ecuatii:
1 (x, y, z) = C10
(0 )
2 (x, y, z) = C20
a linii de c
amp 1 si 2 nu au n general nici un
punct comun.
Propozitia 2.1.17 Liniile de c
amp formeaz
a o multime de curbe cu doi parametrii
care au ca ecuatii sistemul (4.16).
2.1.7
Suprafat
a de c
amp.
O suprafata de camp este generata de liniile de camp carora li se impune

conditia sa treaca printr-o curba (C) care nu este linie de camp. Fie (C) de
ecuatii:
f1 (x, y, z) = 0
(C)
(2.17)
f2 (x, y, z) = 0
unde C . Suprafata se determina scriind ca punctul M (x, y, z) trebuie sa
Fig. 2.4

2.1. CAMPURI
33
fie n acelasi timp si pe (C) si pe una din liniile de camp (), adica: M ()
si M (C). Se elimina x, y, z din relatiile:
1 (x, y, z) = C1
2 (x, y, z) = C2
f (x, y, z) = 0
1
f2 (x, y, z) = 0
obtinandu-se astfel o relatie ntre C1 si C2 :
(C1 , C2 ) = 0
(2.18)
numita relatie de compatibilitate a sistemului.

In relatia (4.18) se inlocuiesc C1 si C2 din integralele prime () si se obtine
relatia:
(1 (x, y, z), 2 (x, y, z)) = 0
(2.19)
care reprezinta ecuatia suprafetei de camp .
Propriet
ati:
1. Daca C ar fi chiar o linie de camp prin aceasta curba ar trece o infinitate
de suprafete de camp (problema nedeterminata).
2. Cand C este o curba nchis
a, suprafata () formeaza un tub de vectori
(tub de forte).
Fig. 2.5
3. Vectorul V este tangent la suprafata .

Intr-adevar prin fiecare punct M al suprafetei trece o linie de camp ()
la care vectorul V este tangent.
Exercitiu: Fie campul V = x i + y j + z k si curba:
(C)
x2 + y 2 = R2
z=h
Sa determinam suprafata de camp ce contine curba (C).

34
Rezolvare: Se determina liniile de camp:

dx
dy
dz
=
=
x
y
z
cu integrale prime date de:
ln x = ln y + ln C1 ;
liniile de camp sunt:
Se formeaza sistemul:
ln y = ln z + ln C2
x = yC1
y = zC2
x = yC1
y = zC2
z=h
2
x + y 2 = R2
Se exprima x, y, z din trei relatii n functie de C1 si C2 :

z = h; y = hC2 ; x = hC1 C2
care apoi se introduc n ultima relatie ramas
a din sistemul de mai sus, obtin
anduse relatia de compatibilitate:
(C1 , C2 ) = (hC1 C2 )2 + (hC2 )2 R2 = 0
adica:
2
x2
2y
+
h
= R2
z2
z2
Suprafata conica cu centru O si cerc generator (C)
h2
x2 + y 2 =
R2 2
z .
h2
Fig. 2.6

2.1. CAMPURI
2.1.8
35
Variatia c
ampului vectorial.
Derivata dup
a o directie a unui c
amp vectorial.
Pentru a calcula variatia unui camp vectorial n vecin
atatea unui punct
M , cum campul variaza diferit pe diferite directii ale spatiului vom proceda
astfel: Ducem prin M o dreapta av

and directia data de versorul
s , sau o curba
a carui tangenta n punctul M are directia de versor s . Pe aceasta dreapta

sau curba luam un punct M 0 vecin cu M . Punctul M 0 (x + dx, y + dy, z + dz)
are vectorul de pozitie

r + d
r.
Fig. 2.7
Marimea vectorului OM este:
|OM | = |d
r | = 4s; d
r =
s 4s
Pentru variatia 4 V a functiei vectoriale V la trecerea din punctul M in

punctul M 0 se obtine:
4 V = V (M 0 ) V (M ) = V (x + dx, y + dy, z + dz) V (x, y, z) =
V
V
V
dx +
dy +
dz + R V (x, y, z)
= V (x, y, z) +
x
y
z
Definitia 2.1.9 Se numeste derivata functiei V (M ) dup

s sau derivata c
ampului vectorial V (M ) dup
s , limita
raportului
4V
4s
c
and 4s 0 atunci c
and aceast
a limit
a exist
a.
4V
dV
lim
=
4s0 4s
ds
pentru ca d
r =
s 4s sau dx = l4s; dy = m4s; dz = n4s
V
V
V
R
4V
=
l+
m+
n + lim
lim
4s0
4s0 4s
x
y
z
4s

36
cum:
R
lim
=0
4s0 4s
rezulta :
dV
V
V
V
=
l+
m+
n
ds
x
y
z
dV
= (
s ) V
ds
Se pot demonstra ca si la campurile scalare, urmatoarele proprietati:
d( A + B )
dA
dB
=
+
ds
ds
ds
d( A )
d
dA
=
A +
ds
ds
ds

dB
d( A B )
dA
=
B+A
ds
ds
ds

dB
dA
d( A B )
=
B+A
ds
ds
ds
Definitia 2.1.10 Se numeste derivata vectorului V n raport cu vectorul A

expresia:
dV
= ( A 5) V
dA
Fie A = Ax i + Ay j + Az k atunci:
V
V
V
dV
= (Ax x +Ay y +Az z )(P i +Q j +R k ) = Ax x +Ay y +Az z .

dA
2.1.9
Asupra integralei de suprafat

a.
Fie S o submultime din R3 (S U unde U R3 ) si D2 R2 . Aceasta

suprafata S se poate reprezenta sub trei forme:
Forma implicit
a:
S = {(x, y, z) | F (x, y, z) = 0}; F : R3 R
Forma explicit
a:
S = {(x, y, z) | z = f (x, y), (x, y) D2 }

2.1. CAMPURI
37
Forma parametric
a:
S = {(x, y, z) | x = 1 (u, v), y = 2 (u, v), z = 3 (u, v), (u, v) D2 }
Se poate trece de la forma explicita la forma parametrica astfel:
x = u; y = v; z = f (u, v) unde (u, v) D2
Daca S este sub forma parametrica si v = v0 fixat, atunci se obtine o curba
situata pe suprafata S:
(u ) : {(x, y, z) | x = 1 (u, v0 ), y = 2 (u, v0 ), z = 3 (u, v), (u, v0 ) D2 }
Daca S este sub forma parametrica si u = u0 fixat, atunci se obtine o curba
situata pe suprafata S:
(u ) : {(x, y, z) | x = 1 (u0 , v), y = 2 (u0 , v), z = 3 (u, v), (u0 , v) D2 }
Fig. 2.8
u si v se numesc curbe de coordonate.
N
r u si N
rvN k
ru
rv
1
Pentru 1 , 2 , 3 de clasa C (adica S este neteda), vectorii tangenti n M0
(punctul de intersectie) la curbele u si v sunt:
1
3
2
ru=
i +
j +
k
u
u
u
1
2
3
rv=
i +
j +
k
v
v
v
r u si
r v sunt vectori necolineari n D2 , atunci n fiecare punct (u0 , v0 ) al
suprafetei exista un plan tangent unic determinat si deci exista o normala
unica.
r u si
r v necolineari
r u
r v 6= 0 N k
ru
r v;

i j k
1 2 3
r u
r v =
=A i +B j +C k
u
u
u
1 2 3

38
unde:
A=
(2 , 3 )
,
(u, v)
B=
(3 , 1 )
(1 , 2 )
, C=
,
(u, v)
(u, v)
Conditia ca vectorii sa fie necolineari este:
|
ru
r v |2 = A2 + B 2 + C 2 > 0
Notand:

1 2
2 2
3 2
E =
ru
ru=(
) +(
) +(
) ;
u
u
u

1 1
2 2
3 3
F =
r u
rv=(
)(
)+(
)(
)+(
)(
);
u
v
u
v
u
v

1 2
2 2
3 2
G =
r v
rv=(
) +(
) +(
) ;
v
v
v
Atunci A2 + B 2 + C 2 = EG F 2 numit
a Identitatea lui Euler.
Definitia 2.1.11 Fie S o suprafat
a neted
a sau neted
a pe portiuni av
and forma
parametric
a:
x = 1 (u, v); y = 2 (u, v); z = 3 (u, v); (u, v) D2
Dac
a:
ZZ
ZZ
A2
D2
B2
C 2 dudv
p
EG F 2 dudv,
D2
exist
a si este finit
a atunci suprafata S are arie si:
ZZ p
ZZ
ZZ p
A2 + B 2 + C 2 dudv =
EG F 2 dudv =
d
A(S) =
D2
D2
iar:
d =
p
p
A2 + B 2 + C 2 dudv = EG F 2 dudv
se numeste element diferential de suprafata

.
Propozitia 2.1.18 Fie S = {(x, y, z) | z = f (x, y), (x, y) D2 }, S neted
a.
Dac
a S are arie, atunci:
ZZ s
ZZ p
f 2
f 2
A(S) =
1 + ( ) + ( ) dxdy =
1 + p2 + q 2 dxdy =
x
y
D2
D2
unde p =
f
x
si q =
f
y
sunt numite notatiile lui Monge.

2.1. CAMPURI
39
Demonstratie:
E = 1 + 0 + ( f
x=x
x )
f 2
G = 0 + 1 + ( y )
y=y
=
z = f (x, y)
F = 1 0 + 0 1 + f
x y
EG F 2 = (1 + (
sau:
f 2
f
f f 2
f
f
) )(1 + ( )2 ) (
) = 1 + ( )2 + ( )2
x
y
x y
x
y

i j k
ru
r v = 1 0 f
0 1 f
f
Rezulta: A = f
x , B = y ; C = 1
|
r
r |2 = A2 + B 2 + C 2 = 1 + ( f )2 + ( f )2
u
2.1.10
Integrala de suprafat
a de speta nt
ai si doi.
Definitia 2.1.12 Fie S o suprafat

a neted
a (sau neted
a pe portiuni)
x = 1 (u, v)
x = 2 (u, v)
S
(u, v) D2
x = 3 (u, v)
si f : U R o functie continu
a pe U R3 .
Se numeste integral
a de suprafata
de speta nt
ai a functiei f pe suprafata S,
integrala dat
a de:
ZZ
ZZ
p
2
2
2
f (x, y, z)d
f (1 (u, v), 2 (u, v), 3 (u, v)) A + B + C dudv =
S
D2
Definitia 2.1.13 Consider

am aceleasi propriet
ati pentru suprafata S iar V :
U R3 , V (x, y, z) = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k

Se numeste integral
a de suprafat
a de speta a doua, integrala dat
a de:
ZZ
(P (1 (u, v), 2 (u, v), 3 (u, v))A + Q(1 (u, v), 2 (u, v), 3 (u, v))B+
D2
+R(1 (u, v), 2 (u, v), 3 (u, v))C)dudv =
ZZ
=
S,
n+
P (x, y, z)dydz + Q(x, y, z)dzdx + R(x, y, z)dxdy =
ZZ
S,
n+
(P (x, y, z) + Q(x, y, z) + R(x, y, z))d

40
cu
n+ = i + j + k
versorul normalei la suprafata S ,
n + =
n
ZZ
ZZ
(P + Q + R)d =
(P + Q + R))d
S,
n+
2.1.11
S,
n
Fluxul unui c
amp vectorial printr-o suprafat
a.
Fie o suprafata S situata n domeniul < n care ste definit campul vectorial

V si
n versorul normalei n punctul M la S.
Definitia 2.1.14 Se numeste fluxul c

ampului vectorial V prin suprafata S,
valoarea integralei:
ZZ
=
V
n d,
S
Fig. 2.9
unde d este elementul diferential al suprafetei S ce contine punctul M .
Campul
V = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k

si versorul normalei
\
\
\
n = cos(
n , i ) i + cos(
n , j ) j + cos(
n, k)k = i + j + k
exprima:
dar:
V
n d = P d + Qd + Rd
\
cos(
n , i )d = cos(
n
, Ox)d = d = dydz
\
cos(
n , j )d = cos(
n
, Oy)d = d = dzdx
\
cos(
n , k )d = cos(
n
, Oz)d = d = dxdy
Astfel se poate exprima fluxul campului vectorial:

ZZ
=
P (x, y, z)dydz + Q(x, y, z)dzdx + R(x, y, z)dxdy
S

2.1. CAMPURI
41
O interpretare fizic
a a notiunii de flux pornind de la un c
amp particular.
Fie campul vectorial V (M ), care reprezint

a campul de viteze al curgerii
unui fluid si S o suprafata oarecare situata n domeniul D ocupat de fluid.
Definitia 2.1.15 Se numeste flux al fluidului prin suprafata S cantitatea de
fluid care str
abate suprafata S n unitatea de timp.
Pentru a calcula fluxul, vom mp
arti suprafata S ntr-un num
ar de suprafete
elementare de arie d.
Fig. 2.10
Versorul normal la suprafat

a se noteaza cu
n . Cantitatea de fluid care
strabate elementul d n unitatea de timp o numim flux elementar al fluidului. In unitatea de timp fluidul umple un paralelipiped de baza d si de muchie
| V (M )|. Inaltimea h a paralelipipedului va fi proiectia vectorului V (M ) pe
versorul
n , al normalei n M , deci va fi data de h = |
n || V | cos(
n , V ) adica:
h= V
n . Fluxul elementar este dat de hd, adica: d = V
n d. Fluxul
P

total prin suprafata S va fi limita sumei:

V n d suma fiind extinsa la
toate elementele suprafetei S, cand aria tuturor elementelor d 0, daca
aceasta limita exista. Limita obtinut
a este o integral
a de suprafat
a
ZZ

=
V
n d
S

Daca intr-un punct M apartin
and suprafetei S, V si
n sunt de aceeasi
parte a suprafetei, unghiul dintre V si n este ascutit si produsul scalar V

n
este pozitiv.
Daca V si
n sunt de parti opuse, atunci unghiul dintre V si
n este

optuz si produsul scalar V
n este negativ.
Daca V este perpendicular pe

n , deci tangent la suprafat
a, produsul
scalar V n este nul.

42
Fig. 2.11

Semnul expresiei V
n precizeaz
a sensul n care fluidul strabate suprafata
n punctul M .

Daca V
n > 0, fluidul iese din suprafat
a prin punctul M .
Daca V n < 0, fluidul intr

a n suprafat
a prin punctul M .
Daca V n = 0, n punctul M fluidul nu strabate suprafat

a.
T
inand seama de expresia fluxului printr-o suprafat
a S, rezulta:
Daca > 0, mai mult fluid a iesit din domeniu decat a intrat;
Daca > 0, mai mult fluid a intrat din domeniu decat a iesit;
Daca = 0, cat fluid intr
a n domeniu tot atata iese.
Exemplu:
Pentru V =
r sa se calculeze fluxul prin portiunea de suprafat
a: z = x2 + y 2
cuprinsa ntre planul xOy si planul z = 4, av
and normala dirijata astfel ca sa
formeze un unghi optuz cu axa Oz.
Fig. 2.12
Versorul:
p i + q j + (1) k
p
n =
p2 + q 2 + 1
iar elementul de suprafata:

d =
p
p2 + q 2 + 1dxdy

2.1. CAMPURI
43
z
z
unde p = x
; q = y
\
n
, Oz) = < 0 face ca versorul normalei sa fie:
cos(

2x i + 2y j k
n = p
4x2 + 4y 2 + 1
si d =
p
4x2 + 4y 2 + 1dxdy

2x2 + 2y 2 z
V
n =p
= =
4x2 + 4y 2 + 1
ZZ
(2x2 + 2y 2 z)dxdy =
S
ZZ
Z
2
(2x + 2y x y )dxdy =
D
d
0
unde D :
x2
2.1.12
Divergenta unui c
amp vectorial.
y2
3 d = 8
4 si x = cos , y = sin iar dxdy = d.d
In cazul cand suprafata S este o suprafat

a nchis
a, aplicand formula lui
Gauss-Ostrogradski, obtinem:
ZZ
ZZZ
Q R
P
=
+
+
)d
P dydz + Qdzdx + Rdxdy =
(
y
z
S
x
unde S este o suprafata nchis
a care limiteaza domeniul simplu conex si
V (M ) o functie vectoriala de componente functii cu derivate partiale de primul

ordin continuie pe S.
Q
R
Definitia 2.1.16 Functia scalar
a P
ste divergent
a a
x + y + z se nume
functiei vectoriale V (M ) de componente P (x, y, z), Q(x, y, z), R(x, y, z) si se
noteaz
a div V , adic
a:
P
Q R
div V =
+
+
x
y
z
sau
div V = V
Fluxul unui vector printr-o suprafat

a nchis
a S este egal
a cu integrala de volum
din divergent vectorului extins
a la domeniul nchis de suprafata S. Formula
Gauss-Ostrogradski se numeste si formula flux-divergenta
, se scrie:
ZZ
ZZZ
V n d =
div V d
(2.20)
S
unde d este elementul de volum, notat uneori cu dxdydz.

44
Exprimarea divergentei independent

a de sistemul de referint
a, valabil
a n orice punct M din .
Din
ZZ
S

V
n d =
ZZZ
div V d
aplicand formula mediei pentru integrala tripla avem:

ZZZ
ZZ
V n d = ( div V )|M
d = ( div V )|M V
punctul M fiind interior domeniului , V fiind volumul domeniului . Fac

and
suprafata S sa se stranga continuu n vecin
atatea lui M , astfel nc
at V 0
avem:
ZZ

V
n d
S
( div V )|M = lim =
V0
V
Aceasta limita analoaga cu limita care duce n cazul unei dimensiuni la notiunea
de derivata de numeste derivata spatial
a.
Definitia 2.1.17 Se numeste divergent a c

ampului vectorial V (M ) n punctul
M limita raportului dintre fluxul lui V (M ) prin suprafata S care m

argineste
domeniul si volumul V al acestui domeniu, c
and V 0 (punctul M apartine
lui ), dac
a aceast
a limit
a exist
a.
Semnificatia fizic
a a divergentei unui vector.
Sa presupunem ca avem o curgere a unui fluid, V (M ) fiind campul de

viteze al curgerii.
Fig. 2.13
Sa consideram o suprafat
a S din domeniul D de dfinitie al campului V (M ).
In unitatea de timp prin aceasta suprafat
a intr
a o anumit
a cantitate de fluid si
iese o anumita cantitate de fluid. In M1 fluxul este negativ, deoarece normala
la suprafata si vectorul camp sunt de o parte si de alta a suprafetei, pe cand
n M2 fluxul este pozitiv deoarece normala la suprafat
a si vectorul camp sunt

2.1. CAMPURI
45
de aceeasi parte a suprafetei. Daca consideram fluxul total prin suprafata S

si fluxul este pozitiv atunci iese mai mult fluid decat intr
a; daca fluxul este
negativ, atunci intra mai mult fluid decat iese; daca fluxul este nul, cat fluid
intra prin suprafata S tot atata iese. Avem urmatoarele cazuri:
1. Fluxul prin orice suprafat
a S D este pozitiv si din formula (4.20)
rezulta ca div V > 0. In acest caz iese mai mult fluid decat intr
a si rezulta ca
n interiorul lui S se creaza lichid. Spunem n acest caz ca avem n interiorul
lui S, izvoare sau surse pozitive.

a S D este negativ deci div V < 0 in D.
In acest caz intra prin suprafata S mai mult fluid decat iese si n interiorul lui
S fluidul este absorbit. Spunem ca avem puturi sau surse negative.

a S D este nul deci div V = 0 in D.
In acest caz cat fluid intr
a prin suprafata S tot atata si iese, fluidul este
incompresibil.
Sa consideram un camp vectorial V (M ) si o suprafat

a S nchis
a prin care
fluxul total al campului este diferit de zero, deci div V 6= 0. Daca fluxul total
este pozitiv oricare ar fi suprafata nchis
a S cuprinz
and punctul M , atunci
izvorul este n M , iar daca fluxul total este negativ oricare ar fi suprafata
nchisa S cuprinzand punctul M , atunci putul este n M .
a punctual
a un punct M din D, care are
Definitia 2.1.18 Se numeste surs
o vecin
atate V astfel nc
at div V (M ) 6= 0 si div V (M 0 ) = 0 pentru orice
M 6= M 0 si M 0 V.
Definitia 2.1.19 Se numeste productivitatea sau intensitatea unei surse
punctuale M integrala:
ZZ

e=
V
n d
S
adic
a valoarea fluxului vectorului printr-o suprafat
a S care contine sursa dat
a
n interior, f
ar
a s
a mai contin
a alte surse.
Teorema 2.1.1 Fluxul prin orice suprafat
a nchis
a care contine o surs
a M
si nu mai contine n interior alte surse este acelasi.
Demonstratie: Fie S1 si S2 doua suprafete nchise care contin sursa punctuala M .
In domeniul D limitat de S = S1 S2 avem div

V = 0 pentru ca nu avem
surse
ZZ
ZZ
ZZ
ZZ
V n d =
V n d +
V n d;
V
n d = 0
S
S1
ZZ
=
S1
S2

V
n d =
ZZ
S2

V
n d

46
Fig. 2.14
Prin urmare, deoarece normalele sunt respectiv interioar
a la S1 si exterioara
la S2 avem:
ZZ
ZZ

V
n d =
V
n d
S1
S2
unde e este productivitatea sursei din M .
Fie campul vectorial V (M ) definit ntr-un domeniu D, admit

and n acest
domeniu un numar n de surse, pozitive sau negative, av
and productivitatile
e1 , e2 , ... en . Sa consideram suprafata nchis
a S care limiteaza domeniul D.
Teorema 2.1.2 Fluxul vectorului V prin suprafata S este egal cu suma productivit
atilor surselor situate n interiorul lui S
ZZ
S

V
n d =
ei
i=1
Demonstratie: Fie Mi , i = 1, 2, ..., n surse situate in interiorul lui S.
Fig. 2.15
Inconjuram fiecare sursa Mi , cu o suprafat
a inchis
a Si ce nu mai cuprinde
alte surse. Domeniul marginit dr S si de Si , i = 1, 2, ..., n i aplicam formula
(2.20). Notam = S S1 S2 ... Sn . In interiorul domeniului nu sunt
surse deci: div V = 0 si de aceea fluxul total prin este nul:

ZZ
ZZ
ZZ
ZZ

V
n d =
V
n d +
V
n d + ... +
V
n d = 0
S1
Sn

2.1. CAMPURI
ZZ

V
n d =
ZZ

V
n d
ZZ
S1
47

V
n d ...
ZZ
S2

V
n d
Sn
schimband sensurile de parcurgere pe suprafetele Si , i = 1, 2, ..., n si deci ale

normalelor avem:
ZZ
ZZ
ZZ
ZZ
V
n d =
V n d =
V n d +
V n d + ... +
S1
S2
= e1 + e2 + ... + en =
Sn
n
X
ei
i=1
2.1.13
Propriet
ati ale divergentei.
1. div (V1 + V 2 )=div V1 +div V2

Intr-adevar, dupa definitie avem:
div (V1 + V 2 )= x
(P1 + P2 ) + y
(Q1 + Q2 ) + z
(R1 + R2 ) =
Q1
Q2
P1
R1
P2
R2
x + y + z + x + y + z =div V1 +div V2
2. div ( A )=grad A +div A

Intr-adevar,
A = A1 i + A2 j + A3 k
(A1 ) +
(A2 ) +
(A3 ) =
div ( A ) =
x
y
z
=
(
A1
A2
A3
A1 +
+
A2 +
+
A3 +
=
x
x
y
y
z
z
A1 A2 A3
+
+
) + grad A = grad A + div A
x
y
z
Cu operatorul Hamilton avem:
P Q R
div V = ( i
+j
+k
)(P i +Q j +R k ) =
+
+
= V
x
y
z
x y z
2.1.14
Circulatia unui c
amp vectorial.
Daca V (M ) este un camp vectorial dat, al carui punct de aplicatie M

se deplaseaza de-a lungul unei curbe C din domeniul sau de definitie atunci
circulatia campului vectorial V de-a lungul curbei C este:

Z

c=
V d
r
C
48
Fig. 2.16
Daca consideram drept camp de vectori campul fortelor F care actioneaz

a
asupra unui punct material M , iar drept curba C traiectoria punctului, atunci
circulatia campului vectorial F de-a lungul curbei C este:

Z

F d
r =L
C
reprezinta lucru mecanic al fortelor F pentru deplasarea punctului M de-a

lungul curbei C.
Daca:
V = P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k

cum
d
r = dx i + dy j + dz k
P (x, y, z) i + Q(x, y, z) j + R(x, y, z) k
c=
C
Exemplu:
Sa se calculeze circulatia vectorului V = (y z) i + (z x) j + (x y) k

de-a lungul conturului OAB
OA segment de dreapta, iar AB un sfert de cerc situat in primul cadran
din planul xOy
x=x
dx = dx
y = 0 =
dy = 0
OA :
0x2
z=0
dz = 0
AB : x2 + y 2 = 4 cu ecuatiile parametrice:
dx = 2 sin d
x = 2 cos
dy = 2 cos d
y = 2 sin =
AB :
dz = 0
z=0
Z
c=
OAB

V d
r =
Z
OA

V d
r +
Z
AB

V d
r

2.1. CAMPURI
49
Fig. 2.17

unde : V d
r = (y z)dx + (z x)dy + (x y)dz
Z 2
Pe OA : c1 =
(y z)dx = 0
Z0
(y z)dx + (z x)dy
Pe AB : c2 =
AB
Z
c2 =
2.1.15
[(2 sin )(2 sin ) + (2 cos )(2 cos )]d = 4
d = 2.
Rotorul unui c
amp vectorial.
Daca curba C este nchis

a, aplicand formula lui Stokes avem:
Fig. 2.18
Z
P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz =
C
ZZ
P R
Q P
R Q
\
\
\
) cos(
n , i )+(
) cos(
n , j )+(
) cos(
n , k )]d
z
z x
x y
S y
unde S este o suprafata ce se sprijina pe C iar S C sunt continute n domeniul
D, unde V are derivate partiale de ordinul nt

ai continuie.
Expresia de sub semnul integralei de suprafat
a din membrul al doilea este
produsul scalar dintre vectorul de componente:
[(
R Q
);
y
z
P
R
Q P
); (
)
z
x
x
y
si versorul normalei de componente:
\
\
cos(
n , i ); cos(
n , j );
cos(
n, k)

50
Definitia 2.1.20 Se numeste rotorul sau v

artejul c
ampului vectorial V si
se noteaz
a cu rot V sau V vectorul:
P
R
Q P
R Q
rot V = (
) i +(
)j +(
)k
y
z
z
x
x
y
Formula lui Stokes in scriere vectorial
a devine:
ZZ
Z
V dr =
rot V d
C
si se poate enunta astfel:

Definitia 2.1.21 Circulatia unui c
amp vectorial de-a lungul unei curbe nchise
este egal
a cu fluxul rotorului c
ampului vectorial printr-o suprafat
a m
arginit
a
de acea curb
a.
Utiliz
and o scriere simbolic
a formula lui Stokes este:
Z
ZZ dydz dzdx dxdy
P dx + Qdy + Rdz =
y
z
x
C
S
P
Q
R
unde:

rot V = x

k

z
R
Exprimarea rotorului campului vectorial V , independent

a de sistemul de referint
a,
valabila n orice punct M din D:
ZZ
n V d
= rot V |M
lim S
V0
V
Intr-adevar, volumul elementar V al paralelipipedului este determinat de
perechile de suprafete: (x, x + dx); (y, y + dy); (z, z + dz)
Deplasarea pe Ox se face n M1 (x + dx, 0, 0) pe Oy n M2 (0, y + dy, 0) si
pe Oz n M3 (0, 0, z + dz). Suprafata ce limiteaza volumul elementar V este:
= x x+dx y y+dy z z+dz
ZZ
I =
n V d = I(x ,x+dx ) + I(y ,y+dy ) + I(z ,z+dz )

cu I(x ,x+dx ) = Ix + Ix+dx

2.1. CAMPURI
51
Fig. 2.19
Dar:
(
n V d)|x = ( i V (M ))dydz
(
n V d)|x+dx = i V (M )|x+dx dydz = i [ V (M ) +
dx]dydz
x
V (M )
dxdydz
I(x ,x+dx ) = i
x
V (M )
I(y ,y+dy ) = j
dxdydz
y
V (M )
I(z ,z+dz ) = k
dxdydz
z
V (M )
V (M )
V (M )
I = i
dxdydz + j
dxdydz + k
dxdydz
x
y
z
Pentru ca:
i i = 0; i j = k ; i k = j
R
R

P

Q
+( i k )
+( j i )
+( j k )
+( k i )
+
I = [( i j )
x
x
y
y
z
Q
+( k j )
]dxdydz = V dxdydz = rot V dxdydz = ( rot V )V
z
Prin urmare:
ZZ
rot V |M = lim
V0
2.1.16
Propriet
atile rotorului.
n V d
52
1. rot ( V 1 + V 2 ) = rot V 1 +rot V 2

Intr-adevar,
i
j
k
rot ( V 1 + V 2 ) =
x
y
z
P1 + P2 Q1 + Q2 R1 + R2
Q1 P1
P1 R1
R1 Q1
)+ j (
)+ k(
)+
i(
y
z
z
x
x
y
Q2 P2
R2 Q2
P2 R2
+i(
)+ j (
)+ k(
)=
y
z
z
x
x
y
rot V 1 + rot V 2 .
2. rot ( V ) = grad V +rot V

Intr-adevar,

j
k
i
R
Q

Q
)+
i ( R+
x
y
z
y
y
z
z
P
Q R
R
Q
P

+j ( P +
R
)+ k( Q+
P
)=
z
z
x
x
x
x
y
y

= i ( R
Q) + j ( P
R) + k ( Q
P )+
y
z
z
x
x
y
R
+[ i (
y

i
=
x
P
Q
Q
R
P
)+ j (
)+ k(
z
z
x
x

j
k
j
k
i

y
z
y
z
x
P
Q
R
Q
R
P
)] =
y
= grad V + rot V .
2.1.17
Operatori diferentiali vectoriali si scalari.
Operatorii diferentiali vectoriali si scalari se construiesc cu operatorul

Hamilton care n coordonate carteziene este:

+ j
+ k
= i
x
y
z

2.1. CAMPURI
53
Reguli generale de calcul cu operatorul .

1. Operatorul formeaza cu functia scalara sau vectorial
a careia i se
aplica un tot unitar.
2. Operatorul actioneaz
a numai asupra functiilor aflate la dreapta sa.
Din acest motiv ntr-un produs, operatorul nu poate fi factor ultim, n cazul
c
and rezultatul este o functie.
3. Operatorul este liniar adica aditiv si omogen. Notam legea de
compozitie ntre si o functie scalara sau vectorial
a F.
aditivitatea operatorului : (F1 + F2 ) = F1 + F2
omogenitatea operatorului : (cF) = c F
liniaritatea operatorului : (c1 F1 + c2 F2 ) = c1 F1 + c2 F2
4. Operatorul aplicat asupra unui produs de n functii F1 , F2 , ..., Fn
conduce la sume de n functii noi, dupa regula derivarii produsului si dupa
regulile calculului vectorial n care este considerat vector simbolic
(F1 F2 ... Fn ) = (F 1 F2 ... Fn ) + ... + (F1 F2 ... F n )
sublinierea indica factorul asupra caruia actioneaz
a operatorul .
Dezvoltarea calculelor mai departe depinde de natura legilor de compozitie.
2.1.18
Operatori diferentiali vectoriali de ordinul nt

ai.
1. Operatorul aplicat functiei scalare u prin operatia de justapunere

conduce la functia vectoriala:
u
u
u
u = i
+ j
+ k
x
y
z
2. Operatorul aplicat functiei vectoriale V prin produs scalar conduce

la functia scalara:
P
Q R
V =
+
+
x
y
z
numita divergenta campului V .
3. Operatorul aplicat functiei vectoriale V prin produs vectorial conduce la functia vectoriala:
V =( i
+ j
+ k
) (P i + Q j + R k )
x
y
z

i
j
k

V = x
y
z
P
Q R
54
numita rotorul campului vectorial V . Liniile acestui determinant simbolic

snt compuse din elemente de natura diferite (nu numai scalari cum am studiat pana acum). Acest determinant nu are proprietatile unui determinant
obisnuit; se dezvolta numai dupa elementele primei linii.
1. Calculul gradientului, divergentei si rotorului unei sume de forma
F1 + F2 .
(u1 + u2 ) = u1 + u2
( V 1 + V 2) = V 1 + V 2
( V 1 + V 2) = V 1 + V 2
2. Calculul gradientului, divergentei si rotorului unui produs de
forma aF a R.
(au) = au
(a V ) = a V
(a V ) = a V
forma uF.
(u1 u2 ) = (u1 u2 ) + (u1 u2 ) = u2 u1 + u1 u2
(u V ) = (u V ) + (u V ) = V u + u V
(u V ) = (u V )+(u V ) = u V +u V = u V V u
forma F F.

( V 1 V 2 ) = ( V 1 V 2 ) + ( V 1 V 2 )
Pentru calculul primului termen din membru drept utilizam dublu produs
vectorial:
V 1 ( V 2 ) = ( V 2 V 1 ) V 2 ( V 1 ) =
dV 2
( V 2 V 1 ) = V 1 ( V 2 ) + ( V 1 ) V 2 = V 1 rot V 2 +
dV 1

2.1. CAMPURI
55
Dupa ce se calculeaza si cel de-al doilea termen din membrul drept printr-un
procedeu analog, rezulta ca gradientul produsului sdalar a doi vectori este:
dV 2 dV 1
( V 1 V 2 ) = V 1 rot V 2 V 2 rot V 1 +
dV 1 dV 2
( V 1 V 2 ) = ( V 1 V 2 ) + ( V 1 V 2 ) = ( V 1 ) V 2
( V 2 ) V 1 = V 2 ( V 1 ) V 1 ( V 2 ) = V 2 rot V 1 V 1 rot V 2
( V 1 V 2 ) = ( V 1 V 2 ) + ( V 1 V 2 ) = V 1 ( V 2 )
V 2 ( V 1 ) + V 1 ( V 2 ) V 2 ( V 1 ) = ( V 2 ) V 1 V 2 ( V 1 )+
dV 2
V1
+ V 1 ( V 2 ) ( V 1 ) V 2 = d

+ V 1 div V 2 V 2 div V 1
dV
2.1.19
dV
Operatori diferentiali vectoriali de ordinul al doilea.
Prin aplicarea din nou a operatorului asupra functiei F1 = F

utilizand legea de compozitie notata obtinem o noua functie:
F2 = F1 sau F2 = ( F)
Daca construim produsele obtinem urmatorul tablou cuprinzand noua combinatii
din care numai cinci pot exista:
(u)
(u)
(u)
( V )
( V )
( V )
( V )
( V )
2u
z 2
( V )
Cele dublu subliniate nu au sens, pentru cele ce au sens vom face evalu
ari:
u
2u
2u
1. (u) = div grad u = div ( u
i
+
j
+
k
)
=
+
+
x
y
z
x2
y 2
= 4u. Expresia:
2
2
2
+
+
x2 y 2 z 2
se noteaza 4 (laplacian) si se numeste operatorul lui Laplace. Ecuatia

4u = 0 se numeste ecuatia lui Laplace.
u
u
2. (u) = rot grad u = rot ( u
x i + y j + z k ) =

i

= x
u
x
y
u
y

k

z =
u
z

56
2u
2u
2u
2u
2u
2u
)+ j (
)+ k(
)=0
= i(
yz zy
xz zx
xy yx
P Q R
P
R
3. ( V ) = grad div V = x
( x + Q
y + z ) i + y ( x + y + z ) j +

2Q 2P 2P
2P 2P 2P
P
R
2R
+ z
( x + Q
y + z ) k = i ( yx y 2 z 2 + xz ) + i ( x2 + y 2 + z 2 )+
2
2
2
2
2P
2R
2
2
2
2P
j ( zy zQ2 xQ2 + xy
) + j ( xQ2 + yQ2 + zQ2 )+ k ( xz
xR2 yR2 +
2R 2R 2R
2Q
yz ) + k ( x2 + y 2 + z 2 ) =
R
y
Q P
z z
R Q
x x
P
y
+ 4 V = ( V ) + 4 V .
4. ( V ) = div rot V = 0
Intr-adevar,

j
i

div x
y
P
Q

k
=
z
R
P
R
Q P
R Q
(
)+
(
)+
(
)=
x y
z
y z
x
z x
y
2R
2Q
2P
2R
2Q
2P
=0
xy xz yz yx zx zy
5. ( V ) = rot rot V = ( V ) ( ) V = ( V ) 4 V
=
2.2
2.2.1
Formule integrale.
Calculul integral n teoria c

ampurilor.
1) Fie vectorul A = grad unde si sunt doua functii scalare cu

derivatele partiale de ordinul al doilea continuie pe S unde suprafata S
este nchisa si sa aplicam formula flux-divergentei sau (2.20)
ZZ
ZZZ
n A d =
div A d
S
Dar
n A =
n ( grad ) =
n = (
n ) =
dn
div A = ( grad ) = () + () = + 4
2.2. FORMULE INTEGRALE.

Rezulta
ZZ
d
d =
S dn
57
ZZZ
[ + 4]d
(2.21)
numita prima formula a lui Green.

2) Fie = 1 obtinem din relatia (2.21):
ZZ
ZZZ
d
4d
d =
S dn
(2.22)
3) In (2.21) vom schimba cu si obtinem:

ZZ
ZZZ
d
d =
[ + 4]d
S dn
(2.23)
Scazand (2.21) si (2.23) avem:

ZZZ
ZZ
d
d
)d =
[4 4]d
(
dn
dn
(2.24)
a doua formula a lui Green.
4) Daca n (2.20) nlocuim functia vectorial

a V (M ) prin (M )
a , unde
(M ) este o functie scalara de punctul M , cu derivate partiale de ordinul nt
ai
continuie pe S unde S este suprafat

a nchis
a iar a versorul unui vector
constant oarecare, avem:
ZZ
ZZZ
(M )
a
n d =
div (
a )d
S
Dar
div (
a ) = (
a ) = (
a ) + (
a)=
a +
a} =
a
| {z
=0
adica
ZZ
(M )
n d =
a
ZZZ
grad d
cum
a este versorul unui vector constant oarecare si cele doua integrale din
membrul stang si membrul drept, reprezint
a vectori care au proiectii egale pe
orice directie, nseamna ca sunt egali, adica:
ZZ
ZZZ
(M ) n d =
grad d
(2.25)
S
care se numeste formula gradientului.

58
5) Daca n formula (2.20) nlocuim V cu V

a , unde
a este versorul
unui vector constant oarecare avem:
ZZ
ZZZ

(V
a)
n d =
div ( V
a )d
S
ZZ
(
n V )d =
dar:
ZZZ

div ( V
a )d

div ( V
a ) = (V
a ) = (5 V )
a
prin urmare:
ZZ
(
n V )d =
a
ZZZ
( V )d
si cum
a este versorul unui vector constant oarecare si cele doua integrale
reprezinta vectori care au proiectii egale pe orice directie, nseamn
a ca sunt
egali, adica:
ZZ
ZZZ
( n V )d =
( V )d
(2.26)
S
formula care se numeste formula rotorului.
2.3
Clasificarea c
ampurilor vectoriale.
Aceasta clasificare se face dupa modelul cum este conditionat campul
vectorial V .
Campurile actioneaza ntr-un domeniu D cuprins n regiunea <(mono, bi
sau tridimensional) pe care-l vom considera simplu conex sau multiplu conex,
deoarece vom utiliza functii uniforme respectiv multiforme.
Definitia 2.3.1 Domeniul simplu conex este domeniul n care orice curb
aC
se poate str
ange n jurul unui punct interior domeniului n mod continuu.
Exemplu:
Interiorul unei sfere.
Definitia 2.3.2 Domeniul multiplu conex este domeniul n care exist
a curbe
C care nu se pot str
ange n jurul unui punct interior n mod continuu.
Exemple:
Interiorul unei tor, cilindru infinit.

2.3. CLASIFICAREA CAMPURILOR
VECTORIALE.
2.3.1
59
Categoriile principale de c
ampuri vectoriale.
I. Campul uniform(constant) este campul vectorial V constant n marime,

directie si sens n domeniul D <. Ecuatia de definitie:

V (M ) = V 0 , ()M D
II. Campul lamelar sau potential ntr-un domeniu D, un camp de vectori
de forma:
V (M ) = grad (M ), (M ) este definita tot pe D
III. Campul irotational ntr-un domeniu D este campul vectorial V (M )
care are rot V = 0 n toate punctele lui D.

Propriet
ati ale c
ampului irotational ntr-un domeniu simplu conex
D.
Propozitia 2.3.1 Circulatia c

ampul irotational V (M ) de-a lungul oric
arei
curbe nchise C continut
a ntr-un domeniu D este nul
a
Z
ZZ
c=
V d
r =
rot V
n d = 0
C
ampul irotational V (M ) de-a lungul oric

arui
arc de curb
a cu aceleasi extremit
ati n D, continut n intregime n D, nu depinde de arcul de curb
a, depinde numai de extremit
ati.
Fig. 2.20
Demonstratie:
Intr-adevar, fie doua arce de curba continute in domeniul D, arcul AM B
si arcul AN B. fie curba nchis
a = AM BN A
Z
Z
Z
Z
Z

V d
r =
V d
r +
V d
r = 0;
V d
r =
V d
r
AM B
BN A
AM B
AN B

60
Propozitia 2.3.3 Orice c

amp irotational este un c
amp potential adic
a este
gradientul unui c
amp scalar.
Demonstratie:
Intr-adevar, dintr-o proprietate a campurilor irotationale, rezulta ca integrala curbilinie din vector nu depinde de drum. Fie M0 (x0 , y0 , z0 ) fixat n D
si M (x, y, z) variabil n D. Avem:
Z
Z
P dx + Qdy + Rdz = (M0 , M ) = (x, y, z)

V dr =
M0 M
M0 M
se stie ca:
d =
dx +
dy +
dz
x
y
z
prin urmare:
; Q=
; R=
x
y
z
si deci V = grad adica V este camp potential.

P =
Propozitia 2.3.4 Orice c

amp potential este irotational.
Demonstratie:
Campul V potential nseamn

a: V = grad urmeaz
a ca: rot V =
rot grad = 0. Dar rot V = 0 nseamn

a ca V este irotational.
Exemple de c
ampuri irotationale:
Campul gravitational newtonian n regiuni n care se afla mase atractive.
Campul electrostatic E n regiuni care contin sarcini electrice(n teoria

c
ampului electromagnetic).
Propriet
ati ale c
ampului irotational ntr-un domeniu multiplu conex
D.
Fie un camp irotational V (M ) ntr-un domeniu multiplu conex D. Intr-un

domeniu multiplu conex se por considera doua tipuri de curbe nchise.
a) Curbe C, cu proprietatea ca exista o suprafat
a S, marginit
a de curba
C, continuta n domeniul D.
b) Curbe , care nu au aceasta proprietate. Curbele sunt curbe care
traverseaza cel putin una din taieturile pe care le putem face n domeniul multiplu conex D, pentru a obtine un domeniu simplu conex D0 .
Definitia 2.3.3 Se numesc echivalente ntr-un domeniu multiplu conex D,
dou
a curbe nchise sau dou
a arce de curb
a, continute n acel domeniu, dac
a
fiecare t
aietur
a este traversat
a de cele dou
a curbe, sau arce de curb
a, de acelasi
num
ar de ori si n acelas sens.

VECTORIALE.
61
Fig. 2.21
L2 este echivalent cu L3 pentru ca intersecteaz
a taietura T o singura data
si n acelasi sens. L2 nu este echivalent cu L4 pentru ca nu intersecteaz
a
taietura T de acelasi numar de ori. L2 intersecteaz
a taietura T o data si L4
intersecteaza taietura T de doua ori.

ampului irotational V (M ) pe dou
a curbe echivalente este aceeasi.
Demonstratie:
Cazul I Presupunem ca avem doua curbe C1 si C2 din prima categorie
adica exista o suprafata marginit
a de aceste curbe S1 si S2 , continute n
ntrgime n domeniul D. Pentru determinarea circulatiei pe aceste curbe
putem aplica formula Stokes, deoarece campul este definit n toate punctele
suprafetelor S1 si S2 si avem:
Z
ZZ

c1 =
V d
r =
rot V
n d = 0
C1
Z
c2 =
C2
S1

V d
r =
ZZ

rot V
n d = 0
S2
= c1 = c2
Cazul II Sa presupunem ca avem doua curbe L1 si L2 din categoria a

doua, care traverseaza o singura data o taietur
a T si numai una. Fie M1 si
M2 punctele n care L1 si L2 intersecteaz
a suprafata T si M2 M3 arc de curba
apartinand taieturii T .
Putem considera curba nchis
a:
C = L+
2 M2 M3 L2 M3 M2
care este o curba de categoria nt

ai, care nu traverseaz
a nici o taietur
a si daca
curba L2 este parcursa n sens direct curba L3 este parcursa n sens invers.
Pentru aceasta curba vom avea:
Z
ZZ
V dr =
rot V
n d = 0
C

62
dar
Z

V d
r =
Cum:
Z
Z
L+
2

V d
r +

V d
r +
Z
L
3
M2 M3

V d
r =
M2 M3

V d
r si
M3 M2
Z
=
L+
2

V d
r =
L
3
L+
3

V d
r +

V d
r
M3 M2

V d
r =
Z
L+
3

V d
r

V d
r
Asadar daca curbele L1 si L2 traverseaz

a o taietur
a T o singura data n sens
direct circulatia este aceeasi.
Demonstratia se extinde si la cazul cand cele doua curbe echivalente traverseaza de mai multe ori una sau mai multe taieturi n acelasi sens.
Definitia 2.3.4 Valoarea comun
a a circulatiei pe curbe echivalente nchise ce
traverseaz
a t
aietura T o singur
a dat
a poart
a numele de constant
a ciclic
a k
asociat
a t
aieturii T .
a o curb
a nchis
a , continut
a n domeniul D n care
Propozitia 2.3.6 Dac
V (M ) este irotational, traverseaz

a o singur
a t
aietur
a T de n ori n sens di
rect, atunci circulatia lui V (M ) pe este egal

a cu de n ori constanta ciclic
a
corespunz
atoare acestei t
aieturi adic
a:
Z

V d
r = nk
Demonstratie: Sa consideram, pentru nceput, o curba care traverseaz

a
de doua ori taietura T n sens direct. Fie A si B punctele sale de intersectie
cu T . Circulatia pe este:
cAP BQRA = cAP B + cBQRA = cBA + cAP B + cBQRA + cAB = cBAP B + cBQRAB
Curbele C1 : BAP B si C2 : BQRAB sunt nchise, traverseaz
a o singura data
taietura T si circulatia pe aceste curbe are aceeasi valoare k deci:
Z
Z
Z
Z

V d
r =
V d
r =
V d
r +
V d
r = 2k
AP BQRA
C1
C2
In cazul n care curba traverseaz

a taietura T de n ori (n > 2) n sens
direct, adaugand arce trasate pe taietur
a se obtine o curba care se descompune
n n curbe echivalente si atunci pentru n = 4 avem:
cAP BQCRDSA = cBA + cAP B + cCB + cBQC + cDC + cCRD + cAB + cCD +

VECTORIALE.
63
Fig. 2.22
Fig. 2.23
cDSA = cBAP B + cCBQC + cDRCD + cABCDSA
Rezulta ca:

V d
r = 4k
Daca curba traverseaza de n ori n sens invers, atunci circulatia va fi nk.

Fie doua curbe L1 si L2 ce unesc punctele A si B cu deosebirea ca L1
nu traverseaza nici o taietur
a iar L2 traverseaz
a taieturile T1 , T2 , ..., Tp de
n1 , n2 , ..., np ori.
Din proprietatile precedente rezulta: L = L1 L2
Z
Z
Z

V d
r =
V d
r +
V d
r
L
1
Z
dar:
L
L+
2

V d
r = n1 k1 n2 k2 ... np kp , adica:
Z
L+
2

V d
r =
Z
L+
1

V d
r n1 k1 n2 k2 ... np kp

64
Fig. 2.24
Semnul + sau semnul se alege n functie de sensul n care este traversat
a
t
aietura.
Propozitia 2.3.7 Un c
amp irotational V (M ) ntr-un domeniu multiplu conex
este un c
amp potential adic
a este gradientul unui c
amp scalar.
Demonstratie:
Fie A(x0 , y0 , z0 ) fixat n D si B(x, y, z) variabil n D atunci:
Z
Z
Z

V d
r =
V d
r =
P dx + Qdy + Rdz = (A, B) = (x, y, z)
L2
AB
AB
(2.27)
Dar stim ca:

Z

V d
r =
L2
Z
L1

V d
r n1 k1 n2 k2 ... np kp
(2.28)
Din relatiile (4.27) si (4.28) rezulta:

Z
L1

V d
r +
ni ki = (x, y, z)
i=1
Z
Notam 0 (x, y, z) =

V d
r numit
a determinare principala a functiei
L1
(x, y, z). Prin urmare (x, y, z) = 0 (x, y, z) +
p
X
ni ki . Cum:
i=1
dx +
dy +
dz
x
y
z
rezulta ca: P =
si deci V = grad (x, y, z) adica
x ; Q = y ; R = z ;
gradientul functiei (x, y, z) este egal cu V (M ) n tot domeniul D0 obtinut

din D prin introducerea celor p taieturi.
d =

VECTORIALE.
2.3.2
65
C
amp solenoidal.
amp solenoidal ntr-un domeniu D c

ampul vectorial
Definitia 2.3.5 Numim c
V (M ) care are divergenta nul

a n toate punctele domeniului D adic
a:
div V = 0

a c
ampul V (M ) este contnuu n domeniul D si pe
suprafata S care m
argineste acest domeniu si solenoidal n domeniul D, atunci
fluxul lui V (M ) prin orice surafat

a nchis
a continut
a n domeniul D este
nul.
Demonstratie:
V (M ) este solenoidal adica div V (M ) = 0 si deci:

ZZ
ZZZ
V d =
div V (M )d = 0
S
S-a aplicat formula flux-divergent

a. Rezulta ca n interiorul unui domeniu
marginit de suprafata nchis

a S pentru care V este solenoidal nu pot fi izvoare
sau puturi.
Propozitia 2.3.9 Fluxul unui c

amp V (M ) solenoidal este acelasi prin orice
suprafat
a S sub ntins
a de o curb
aC
Demonstratie:
Fig. 2.25
ZZ
S = S1 S2 ;
Dar:
ZZ

V
n d =
ZZ
S

V
n d =
S1
ZZZ

V
n d +
ZZ
S2
div V (M )d = 0

V
n d

66
cum:
n S1 =
n S2 avem
ZZ

V
n d =
S1
ZZ

V
n d = 0
S2
Dar Pe suprafata S2 vedem ns

a sensul de parcurs pe curba C invers decat
dupa S1 . Folosind sensul direct de parcurgere avem:
ZZ
ZZ
V n d =
V
n d
S1
S2
amp V (M ) solenoidal prin orice sectiune

Propozitia 2.3.10 Fluxul unui c
transversal
a ntr-un tub de vectori (sau tub de curent) este acelasi: S1 = S2 .
Fig. 2.26
Demonstratie:
Sa consideram suprafata S marginit
a de curba C. Prin fiecare punct al
suprafetei S trece o linie de camp L cu proprietatea:
V d
r = 0 sau V
n = 0.
Liniile L genereaza un domeniu D marginit de o suprafat
a 1 , D este numit
tub de vectori iar 1 suprafata tubului de vectori.
Fie S1 si S2 doua sectiuni n tubul de vectori si S` portiunea din ` cuprins
a
a care margineste
ntre cele doua sectiuni. = S1 S2 S` este suprafata nchis
un domeniu nchis.
Cu formula flux-divergenta:
ZZ
ZZZ
V n d =
div V (M )d = 0
dar:
ZZ

V
n d =
ZZ
S1

V
n d +
ZZ

V
n d +
S2
ZZ

V
n d = 0
S`
Dar pe suprafata S` avem: V

n = 0, pe suprafata S1 :
n S1 = +
n 1 pe
suprafata S2 :
n S2 =
n 2 . Rezulta:
ZZ
ZZ
d = I
V n2 d =
V n
1
S2
S1

VECTORIALE.
67
Definitia 2.3.6 Fluxul printr-o sectiune n tub notat I se numeste intensitatea tubului de vectori.
Propozitia 2.3.11 Conditia necesar

a si suficient
a ca un c
amp vectorial V (M )
definit n D s
a fie solenoidal este ca n orice punct din D s
a existe c
ampul
vectorial W (M ) astfel nc
at s
a fie satisf
acut
a relatia:
V (M ) = rot W (M )
W (M ) se numeste potential vector al c

ampului solenoidal V (M ).
Demonstratie:
Suficienta: Daca exista W (M ) satisfac

and relatia: V = rot W atunci:
div V = V = W = 0
Necesitatea: Ipoteza problemei este div V = 0 si trebuie gasit vectorul W (M )

ce satisface ecuatia:
V = rot W
(2.29)
Construim o solutie particulara a ecuatiei. Pentru aceasta raportam campurile

vectoriale V si W la triedrul i , j , k si avem:
V = V1 i + V2 j + V3 k
W = W1 i + W2 j + W3 k
Dar:
adica:

i

V = x
W1
W3
y
W1
z
W2
x
W2
W2
z
W3
x
W1
y

k

z
W3
= V1
= V2
= V3
(2.30)
unde V1 , V2 , V3 sunt functii cunoscute si W1 , W2 , W3 sunt functii necunoscute.

Vrem sa determinam numai o solutie particulara a acestui sistem, de aceea
putem particulariza problema cat este posibil ca sa integr
am mai usor.
Cautam solutii cu W3 (x, y, z) = 0 si sistemul de mai sus devine:
W2
z = V1
W1
= V2
(2.31)
W2 z W1
x y = V3

68
Din prima relatie a sistemului:

Z
W2 =
z0
V1 (x, y, t)dt + f (x, y)
Din a doua relatie a sistemului:

Z z
W1 =
V2 (x, y, t)dt + g(x, y)
z0
cu f (x, y) si g(x, y) functii arbitrare. Cu functiile W1 (x, y, z) si W2 (x, y, z)

astfel determinate se verifica cea de-a treia ecuatie a sistemului:
Z z
W2
V1 (x, y, t)
f (x, y)
=
dt +
x
x
x
z0
Z z
W1
V2 (x, y, t)
g(x, y)
=
dt +
y
y
y
z0
Inlocuind avem:
Z z
f (x, y) g(x, y)
V1 (x, y, t) V2 (x, y, t)
+
)dt +
= V3
(
x
y
x
y
z0
Cum V (M ) este solenoidal adica div V = 0 avem:

V1 (x, y, t) V2 (x, y, t)
V3 (x, y, t)
+
=
x
y
z
avem:
z0
V3 (x, y, t)
f (x, y) g(x, y)
dt +
= V3
t
x
y
V3 (x, y, z) V3 (x, y, z0 ) +
f (x, y) g(x, y)
= V3 (x, y, z)
x
y
f (x, y) g(x, y)
= V3 (x, y, z0 )
x
y
(x,y)
Particularizand functia g(x, y) = 0 obtinem: fx
= V3 (x, y, z0 ) adica:
Z x
f (x, y) =
V3 (t, y, z0 )dt + (y)
x0
Pentru (y) = 0 am determinat o solutie particulara a sistemului (4.31), deci
un vector W 0 care verifica ecuatia: rot W 0 = V vectorul W 0 este un potential
vector al campului V si este dat de:

Z
Z z
Z x
W0 = i
V2 (x, y, t)dt + j [
V1 (x, y, t)dt +
V3 (t, y, z0 )dt]
z0
z0
x0

VECTORIALE.
69
Daca vectorului W 0 i adaug

am gradientul unei functii scalare arbitrare,
obtinem tot o solutie a sistemului (2.30) deci tot un potential vector:
W = W 0 + grad
(2.32)
unde rot W = rot W 0 + rot grad . Dar rot grad = 0 deci: rot W =
0
rot W = V .

a solutii W si C ale ecuatiei (2.30) difer
a prin gradientul unei functii scalare.
Demonstratie:
W si C solutii ale ecuatiei (2.31) nseamn

a: rot W = V si rot C = V . Prin
scaderea acestora avem: rot (W C ) = 0. Deoarece orice camp irotational
este un camp potential avem: W C = grad = W = C + grad . Deci
W se exprima sub forma (2.32).
2.3.3
C
amp laplacian.
Numim camp laplacian sau armonic campul V (M ) care este simultan irotational
si solenoidal ntr-un domeniu D din R, adica:
rot V (M ) = 0;
div V (M ) = 0
Daca campul este irotational: V (x, y, z) = grad f (x, y, z) deci V = f
cum V = 0 = V = 4f = 0 adica:
2f
2f
2f
+ 2 + 2 =0
2
x
y
z
Prin urmare un camp vectorial armonic este un:
camp vectorial potential
al carui potential satisface ecuatia lui Laplace.
Solutiile ecuatiei lui Laplace se mai numesc si functii armonice.
Presupunem n continuare ca functiile armonice sunt definite ntr-un domeniu D marginit de suprafata S.
Teorema 2.3.1 Pentru functia armonic
a avem:
ZZ
d
d = 0
S dn
70
Demonstratie: Utilizand prima formul

a a lui Green obtinem:
ZZ
d
d =
S dn
ZZZ
( + 4)d
Pentru = 1 si armonica adica 4 = 0

ZZ
S
d
d = 0
dn
Teorema 2.3.2 Dac

a si sunt armonice are loc relatia:
ZZ
(
S
d
d
)d = 0
dn
dn
Demonstratie: Utilizand a doua formul

a a lui Green obtinem:
ZZ
d
d
(
)d =
dn
dn
S
ZZZ
(4 4)d
Dar 4 = 0 si 4 = 0 prin urmare:

ZZ
(
S
d
d
)d = 0
dn
dn
Teorema 2.3.3 O functie F (M ) armonic

a, diferit
a de o constant
a, nu poate
avea un maxim sau un minim n D.
Demonstratie: Daca functia f (M ) ar avea un maxim n punctul M0 (x0 , y0 , z0 )
din D, atunci n M0 (x0 , y0 , z0 ) ar trebui sa fie satisfacut
a conditia:
2f
2f
2f
+
+
= 4f < 0
x2
y 2
z 2
n contradictie cu ipoteza 4f = 0. Daca functia f (M ) ar avea un minim n
punctul M0 (x0 , y0 , z0 ) din D, atunci n M0 (x0 , y0 , z0 ) ar trebui sa fie satisfacut
a
conditia:
2f
2f
2f
+
+
= 4f > 0
x2
y 2
z 2
n contradictie cu ipoteza 4f = 0. Din teorema de mai sus rezulta ca o functie
armonica n D si atinge valorile maxima si minima pe frontiera S a lui D.

VECTORIALE.
2.3.4
71
C
amp biscalar.
Definitia 2.3.7 C
amp biscalar este c
amp vectorial V care satisface ecuatia:
V = grad u
unde si u sunt functii scalare nenule.
Propozitia 2.3.13
In fiecare punct din domeniul D n care c
ampul biscalar
V (M ) este definit, V (M ) este perpendicular pe rotorul s

au:
V rot V = 0
Demonstratie:
rot V = rot ( grad u) + rot (u) = u + (u) = u ;
V rot V = u (u ) = 0
Propozitia 2.3.14 C
ampul biscalar V nu admite un potential scalar din care
s
a derive, adic
a nu exist
a o functie asa fel nc
at V s
a poat
a fi scris V =
grad .
Demonstratie: Intr-adev
ar, daca V ar deriva dintr-un potential , atunci
el ar trebui sa fie irotational, adica: rot V = 0. Dar rot V = gradu

grad 6= 0 pentru orice si u.
2.3.5
C
amp general (oarecare).
ampul general este c

ampul vectorial V (M ) care nu este
Definitia 2.3.8 C
supus nici uneia din conditiile indicate la tipurile precedente, dar care poate fi
supus altor conditii.
ampul general V poate fi descompus ntr-un c

amp irotational
Propozitia 2.3.15 C
si un c
amp solenoidal V = V i + V s cu conditiile ca:
rot V = rot V s si
div V = div V i
Demonstratie:
div V = div V i + div V s = div V i
rot V = rot V i + rot V s = rot V s
pentru ca div V s = 0 si rot V i = 0.

72
2.4
Determin
ari de c
ampuri .
2.4.1
Determinarea unui c
amp scalar de gradient dat.
Fie campul vectorial
V = grad
cunoscut, se cere sa determinam functia (x, y, z).
Problema este posibila daca rot V = 0 adica:

i
j
k
y =

= 0
x
z =
y
z
Q R
x =
Q
z
R
x
P
y
In aceste ipoteze, functia va fi determinata de sistemul:
x = P (x, y, z)
y = Q(x, y, z)
= R(x, y, z)
z
Rezulta:
d = P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz
si:
Z
(x, y, z) =
P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz

M0 M
unde M0 (x0 , y0 , z0 ) este un punct fix si M (x, y, z) un punct arbitrar din domeniul D.
Functia (x, y, z) este determinata n afara de o constant
a arbitrara si este
dupa cum am definit-o potentialul scalar al campului V (M ).
Fig. 2.27
Exemplu: Sa se determine potentialul scalar al campului:
V = (yz + 4z) i + (xz + 4y) j + (xy + 4x) k
2.4. DETERMINARI
DE CAMPURI
.
73
Conditia ca V sa admita un potential scalar rot V = 0 este ndeplinit

a,
rezulta ca: V = grad adica:
x = yz + 4z
y = zx + 4y
= xy + 4x
z
Functia:
Z
(yz + 4z)dx + (zx + 4y)dy + (xy + 4x)dz =
=
Z
M0 M
=
x0
(y0 z0 + 4z0 )dx +
y0
(xz0 + 4y)dy +
(xy + 4x)dz
z0
Dupa integrari si simplificari se obtine:

(x, y, z) = xyz + 4xz + 2y 2 (x0 y0 z0 + 4x0 z0 + 2y02 )
adica:
(x, y, z) = xyz + 4xz + 2y 2 + C
2.4.2
Determinarea unui c
amp vectorial de rotor si divergent
a
date.
Se defineste ntr-un domeniu D functia (x, y, z) si vectorul U (x, y, z). Se
cere sa se determine campul vectorial V care sa aibe rotorul egal cu U si

divergenta egala cu , deci:
rot V = U (x, y, z)
div V = (x, y, z)
Problema este posibila daca:
div U = 0
Se vor rezolva cateva cazuri particulare:
I. Determinarea unui c
amp irotational si solenoidal.
(
rot V = 0
(S1 )
div V = 0
Din rot V = 0 rezulta V = grad si div V = = 4 = 0 Solutia

sistemului este:
V = grad , unde 4 = 0
adica este armonica.
Ecuatia 4 = 0 se numeste ecuatia lui Laplace.
74
II. Determinarea unui c

amp irotational de divergent
a dat
a.
(
(S2 )
rot V = 0
div V = (x, y, z)
Din rot V = 0 rezulta V = grad si div V = = 4 = (x, y, z)

Solutia sistemului este:
V = grad , unde 4 = (x, y, z)

Ecuatia 4 = (x, y, z) se numeste ecuatia lui Poisson.
III. Determinarea unui c
amp solenoidal de rotor dat.
(
(S3 )
rot V = U
div V = 0
Din div U = 0 rezulta

u1 u2 u3
+
+
=0
x
y
z
Din ecuatia rot V = U se construieste o solutie particulara V 0 (ca la proprietatile campurilor irotationale). Solutia ecuatiei este:
V = grad + V 0
unde este o functie arbitrara. Dar div V = 0 div V 0 + = 0
4 = div V 0
este ecuatia Poisson.
Solutia sistemului este:
V = grad + V 0
unde este potentialul scalar ce verific
a:
4 = div V 0
2.4. DETERMINARI
DE CAMPURI
.
75
IV. Determinarea unui c

amp de rotor dat si de divergent
a dat
a.
(
(S4 )
rot V = U
div V = (x, y, z)
Vom cauta solutia sistemului (S4 ) ca suma de doi vectori: V = V 1 + V 2
unde V 1 si V 2 satisfac conditiile:

(
rot V1 = U
div V1 = 0
(
rot V2 = 0
div V2 = (x, y, z)
V 1 este solutie a sistemului (S3 ) si V 2 este solutie a sistemului (S2 ). Rezulta

c
a solutia sistemului (S4 ) este:
V = V 1 + V 2 unde:
rot V = rot V1 + rot V2 = U
div V = div V1 + div V2 = (x, y.z)
76
Capitolul 3
Transformate
3.1
Transformata Z. Definitie, propriet

ati.
Fie T > 0 un numar pozitiv si f (t) o functie definita pe multimea numerelor

reale si cu valori reale sau complexe.
Transformata Z a functiei f (t) este prin definitie functia complexa:
F (z) =
f (nT )z n = f (0) +
n=0
f (T ) f (2T )
+
+ ...
z
z2
(3.1)
Se mai noteaza
F (z) = Z[f (t)](z)
Functia F (z) este o functie de variabil
a complexa z, reprezentat
a printr-o
serie Laurent cu partea regulata f (0). Conform celor din cap. 1.6 aceasta serie
converge pentru |z| > R (R putand fi infinit) si deci n domeniul |z| R1 > R
functia F (z) este olomorfa.
Vom presupune n continuare ca avem R < + pentru toate functiile cu
care lucram.
Din modul cum a fost definita transformata Z se vede ca pentru determinarea ei sunt necesare numai valorile functiei f (t) n punctele nT (n =
0, 1, 2, ...). Se poate considera atunci si transformata Z a unui sir numeric
(fn )nN :
X
Z[fn ] =
fn z n
(3.2)
n=0
Exemple.
1) Sa determinam transformata Z a functiei unitate h(t)
Aplicand definitia avem:
Z[h(t)] =
X
n=0
z n = 1 +
1
1
1
+
+ ... =
z z2
1
77
1
z
z
z1
78
CAPITOLUL 3. TRANSFORMATE
pentru |z| > 1

2) Fie acum sirul cu termenul general fn = n. Avem
Z[n] =
nz n =
n=0
1 2
1 1
1 z2
z
+ 2 +... = z(1+ + 2 +...)0 =
=
,
z z
z z
z (1 z)2
(z 1)2
pentru |z| > 1

3) Fie acum sirul cu termenul general fn = n2 . Avem
Z[n ] =
n2 z n =
n=0
1
z(z + 1)
2
1 22 32
,
+ 2 + 3 + ... = z( + 2 + ...)0 =
z z
z
z z
(z 1)3
pentru |z| > 1

4) Sa determinam transformata Z pentru sirul cu termenul general fn =
an .
n
Z[a ] =
an z n = 1 +
n=0
a a2
1
+ 2 + ... =
z
z
1
a
z
z
za
pentru |z| > a

5) Sa determinam transformata Z pentru sirul cu termenul general fn =
en .
Z[e
]=
en z n = 1 +
n=0
e e2
z
1
+ 2 + ... =
=
e
z
z
z e
1 z
pentru |z| > e

6) Fie acum sirul cu termenul general fn = n1 . Avem
X1
1
1 1
1
Z[ ] =
z n = + 2 + 3 +... =
n
n
z 2z 3z
n=1
Z
(
1 1
+ +...)dz =
z2 z3
z
dz
= ln
pentru |z| > 1
z(z 1)
z1
3.2
Propriet
ati ale transformatei Z.
Z
(z 2
z
)dz
z1
I. Proprietatea de liniaritate.
Z[c1 f1 (t) + c2 f2 (t)] = c1 Z[f1 (t)] + c2 Z[f2 (t)]
(3.3)
I ALE TRANSFORMATEI Z.
3.2. PROPRIETAT
79
Justificarea este imediata, folosind definitia transformatei Z si liniaritatea

sunei cu care se defineste.
II. Teorema de deplasare.
Daca F (z) = Z[f (t)] atunci avem:
Z[f (t + T )] = z{F (z) f (0)}
(3.4)
d Din definitia (3.49) rezulta

Z[f (t+T )] =
f (nT +T )z n =
n=0
=z
f ((n+1)T )z n = z
n=0
f ((n+1)T )z (n+1) =
n=0
f (kT )z k , unde k = n + 1. Adunand si scaz

and zf (0) va rezulta:
k=1
X
f (kT )z k f (0)} = z{Z[f (t)] f (0)}.c
Z[f (t + T )] = z{
k=0
Prin inductie completa din (3.52) mai avem:

m
Z[f (t + mT )] = z {Z[f (t)]
m1
X
f (kT )z k }
(3.5)
k=0
Pentru siruri aceasta formul

a devine
Z[fn+m )] = z m {Z[fn ]
m1
X
fk z k }
(3.6)
k=0
Ca o consecinta a teoremei demonstrate avem:

Z[f (t mT )h(t mT )] = z m Z[f (t)]
(3.7)
Intr-adevar
Z[f (t mT )h(t mT )] =
f ((n m)T )h((n m)T )z n =
n=0
z m
X
n=m
f ((n m)T )z
(nm)
=z
X
k=0
f (kT )z k ; k = n m
Observatie. In cazul unui sir (fn )n N aceasta proprietate se scrie sub

forma:
Z[(fnm h(n m))n ] = z m Z[fn ]
(3.8)
80
III. Multiplicarea prin eat (a real sau complex).
Z[eat f (t)] = F (eaT z)
(3.9)
Avem:
Z[eat f (t)] =
eanT f (nT )z n =
n=0
f (nT )(eaT z) n = F (eaT z)
n=0
Exemple. 1) Sa calculam transformata Z functiei
f (t) =
eat , dac
at0
0 , daca t < 0
Avem:
Z[f (t)] = Z[eat h(t)] =
eaT z
z
=
aT
e
z1
z eaT
De aici mai avem:

Z[eit ] =
z
;
z eiT
Z[eit ] =
z
z eiT
2) Sa calculam transformata Z functiilor sin(t) si cos(t).

Aplicand proprietatea I si cele din exemplul precedent mai avem:
Z[sin t] = Z[
=
eit eit
1
1
] = Z[eit ] Z[eit ] =
2i
2i
2i
z
1
z
z sin T
{
}= 2
iT
iT
2i z e
ze
z 2z cos T + 1
De asemenea:
Z[cos t] =
z2
z(z cos T )
2z cos T + 1
IV. Sumarea finit

a.
n
X
Fie de calculat Z[
f (kT )]. Vom nota
k=0
gn = g(nT ) =
n
X
f (kT ) sau gn1 = g((n 1)T ) =
k=0
si din aceste relatii:

g(nT ) = g((n 1)T )h((n 1)T ) + f (nT )
n1
X
k=0
f (kT )
I ALE TRANSFORMATEI Z.
3.2. PROPRIETAT
81
Aplicand transformata Z ultimei relatii rezulta

G(z) =
1
G(z) + F (z)
z
unde
G(z) = Z[g(nT )]
si
F (z) = Z[f (nT )]
sau solutionand n raport cu G(z) aceasta relatie:

n
X
Z[
f (kT )] =
k=0
z
F (z)
z1
(3.10)
V. Produsul imaginilor.
Fie F1 (z) = Z[f1 (t)], F2 (z) = Z[f2 (t)]. avem
n
X
F1 (z) F2 (z) = Z[
f1 (kT )f2 ((n k)T )]
(3.11)
k=0
Justificare
F1 (z) F2 (z) =
f1 (kT )z
F2 (z) =
f1 (kT )(z k F2 (z))
k=0
k=0
Dar conform proprietatii de deplasare avem:

z k F2 (z) = Z[f2 (t kT )h(t kT )]
si deci
F1 (z) F2 (z) =
f1 (kT )
f2 ((n k)T )h((n k)T )z n =
n=0
k=0
X
f1 (kT )f2 ((nk)T )h((nk)T )}z n . Dar h((nk)T ) = 0 dacak > n
=
{
n=0 k=0
rezultand astfel (3.59).

Aplicatie.
Fie (an )nN si (bn )nN doua siruri de numere complexe. Sa determinam
transformata Z a sirului (cn )nN
cn = a0 bn + a1 bn1 + ... + ak bnk + ... + an b0
Avem
n
X
Z[{cn }] = Z[
ak bnk ] = Z[{an }] Z[{bn }]
k=0
82
VI. Derivarea imaginii.
Daca Z[f (t)](z) = F (z), avem:
Z[t f (t)] = T z
dF (z)
dz
(3.12)
Justificare
Z[t f (t)] =
nT f (nT )z n = T z
n=0
= T z
X
n=0
f (nT )
f (nT ){nz n1 } =
n=0
d X
dz n
= T z
f (nT )z n
dz
dz
n=0
Exemple:
d
z
i) Z[t] = Z[th(t)] = T z dz
( z1
)=
Tz
(z1)2
d
Tz
ii) Z[t2 ] = Z[t t] = T z dz
( (z1)
2)
3.3
Inversa transformatei Z.
Am vazut ca transformata Z a unei functii, este o functie complexa olomorfa n vecinatatea punctului de la infinit.
In continuare ne putem pune problema invers
a: Fiind data o functie F (z)
olomorfa n |z| > R, exista o functie f (t) a carei transformata Z sa coincida
cu F (z)? In caz ca exista functia f (t) cum poate fi ea determinata?
Intrucat F (z) este olomorfa n vecin
atatea punctului de la infinit avem
pentru |z| > R reprezentarea:
F (z) = c0 +
c1 c2
cn
+ 2 + ... + n + ...
z
z
z
(3.13)
a unei serii Laurent.

In 1.6.2 am aratat ca dezvoltarea unei functii n serie Laurent este unica
si ca coeficientii cn au expresia
Z
1
f ()
cn =
d; n = 0, 1, 2, ...
(3.14)
2i C n+1
n care C reprezinta un cerc cu centru n origine si cu raza suficient de mare
astfel ca toate singularitatile functiei F (z) sa se gaseasc
a n interiorul acestui
cerc.
Atunci transformata Z a sirului (fn )nN cu fn = cn coincide cu F (z) si
deci prima ntrebare de mai sus capat
a un raspuns afirmativ. Orice functie
3.3. INVERSA TRANSFORMATEI Z.
83
f (t) ce indeplineste conditiile f (nT ) = fn = cn are ca transformata Z functia

F (z).
Totodata formula (3.62) permite calculul valorilor fn ale functiei f (t) intro secventa de puncte echidistante. aceasta nu trebuie sa ne surprinda ntruc
at
n definitia (3.49) functia f (t) nu intervine decat prin aceste valori.
Vom numi transformata Z invers
a a functiei F (z) sirul definit de fn =
f (nT ), n = 0, 1, 2, ...
In concluzie, valorile fn pot fi obtinute direct din dezvoltarea functiei F (z)
n serie Laurent (n jurul punctului de la infinit), fie din formula (6.62) utilizand
de exemplu teoria reziduurilor.
Exemple:
i) Sa se determine transformata invers

a a functiei F (z) = ( z+b
z ) , fiind
un numar real nentreg.
Avem pentru |z| > b:
(
z+b
b
b ( 1) b 2
b
) = (1 + ) = 1 + +
( ) + ... + Cn ( )n + ...
z
z
z
2
z
z
Prin urmare
z + b X n n n
) =
C b z
z
n=0
Astfel
fn = Cn bn
sau
f (nT ) = Cn bn
ii) Sa se determine transformata invers
a a functiei F (z) =
Avem
1
1
F (z)
=
z
z 1 z 0, 368
si de aici
F (z) =
Dar
z
1
=
z1
1
1
z
0,632z
.
z 2 1,368z+0,368
z
z
z 1 z 0, 368
=1+
1
1
1
+
+ ... + n + ...
z z2
z
z
1
(0, 368)n
0, 368 (0, 368)2
=
+
+
...
+
+ ...
=
1
+
z 0, 368
z
z2
zn
1 0,368
z
De aici
f0 = 0, f1 = 0, 632,
f2 = 0, 864, ...
84
0,632z
iii) Sa se determine transformata invers
a a functiei F (z) = z 2 1,368z+0,368
,
utilizand formula (3.62).
Avem
Z
1
0, 632
0, 632
fn = cn =
z n dz = Rezz=1 2
zn +
2
2i C z 1, 368z + 0, 368
z 1, 368z + 0, 368
0,632
+Rezz=0,368 z 2 1,368z+0,368
z n = 1 (0, 368)n 1 en .
3.4
Aplicarea transformatei Z la solutionarea ecuatiilor

cu diferente finite.
Vom considera ecuatii cu diferente finite liniare si cu coeficienti constanti.

O asemenea ecuatie are forma:
a0 xn + a1 xn+1 + ... + ap xn+p = fn ; n 0
(3.15)
a0 , a1 , ..., ap si fn sunt constante reale date iar xn = f (nT ) valorile ce urmeaza

a fi determinate.
Expresia (3.63) este o ecuatie cu diferente finite de ordinul p. Pentru
determinarea lui xn , n N mai sunt necesare si conditii initiale de forma:
x0 = b0 , x1 = b1 , ..., xp1 = bp1
(3.16)
in care b0 , b1 , ..., bp1 sunt iarasi constante date.

Din (3.63) utilizand conditiile (3.64) se poate determina xp , xp+1 si astfel
din aproape n aproape rezulta toate valorile lui xn . Ne intereseaz
a ns
a o
forma compacta a solutiei.
Pentru ecuatiile cu diferente finite se poate dezvolta o teorie analoaga
ecuatiilor diferentiale.
Noi vom aborda nsa numai cazul particular al ecuatiei (3.63) si vom rezolva
aceasta ecuatie cu conditiile initiale (3.64) utilizand transformata Z.
Sa luam transformata Z a ecuatiei (3.63):
Z[a0 xn + a1 xn+1 + ... + ap xn+p ] = Z[fn ]
Aplicand proprietatile I s II (formula (3.54)) rezulta:
p
p
p
j1
X
X
X
X
j
Z[
aj xn+j ] =
aj Z[xn+j ] =
aj z {Z[xn ]
xk z k }
j=0
j=0
j=0
k=0
Ecuatia (3.65) se scrie:

Z[xn ]
p
X
j=0
aj z j = Z[bn ] +
p
X
j=0
aj z j
j1
X
k=0
xk z k
(3.17)
3.4. APLICAREA TRANSFORMATEI Z LA SOLUT

IONAREA ECUAT
IILOR CU DIFERENT
E
si de aici:
Z[bn ] +
p
X
aj z
j=0
p
X
Z[xn ] =
j1
X
xk z k
k=0
aj z
(3.18)
j=0
Transformata Z inversa a functiei date de relatia (3.66) conduce la solutia

problemei (3.63)+(3.64). Daca se lucreaza cu valorile x0 , x1 , ..., xp1 neprecizate atunci din inversarea relatiei (3.66) se obtine solutia generala a ecuatiei
(3.63).
Exemple:
i) Sa se determine solutia ecuatiei cu diferente finite
1
xn+2 5xn+1 + 6xn = ((1)n 1)
2
Avem
Z[xn ] = X(z)
Z[xn+1 ] = zX(z) zx0
Z[xn+2 ] = z{zX(z) zx0 }
1
1
1 z
1 z
z
Z[ ((1)n 1)] = Z[(1)n 1] =
=
2
2
2z+1 2z1
1 z2
Astfel transformata Z a ecuatiei date va fi:
X(z)(z 2 5z + 6) =
z
+ x0 z 2 + x1 z 5x0 z
1 z2
De aici
X(z)
1
z5
1
= 2
+ x0 2
+ x1 2
=
2
z
(z 1)(z 5z + 6)
z 5z + 6
z 5z + 6
=
1 1
1 1
1 1
1 1
3
2
1
1
+
+
+x0 {
}+x1 {
}
4 z 1 3 z 2 24 z + 1 8 z 3
z2 z3
z3 z2
Deci
X(z) =
1 1
1 1
1 1
1 1
3
2
1
1
+
+
+x0 {
}
2
3 }+x1 {
3
4 1 z1 3 1 z2 24 1 + z1 8 1 z3
1 z 1 z
1 z 1 z2
De aici rezulta ca solutia generala a ecuatiei cu diferente finite considerate

este:
1
1
1
1
xn = + (1)n + 2n 3n + (3 2n 2 3n )x0 + (3n 2n )x1
4 24
3
8
86
Fig. 3.1: Circuit n scara
ii) Sa se determine curentul n ochiul n al circuitului n scara din figura

(5.9).
Legea a doua a lui Kirchoff pentru ochiul n+1 ne da:
Rin+1 + R(in+1 in ) + R(in+1 in+2 ) = 0, n = 0, 1, 2, ..., L 2,
LN
sau
Rin + 3Rin+1 Rin+2 = 0
(3.19)
ceea ce constituie o ecuatie n diferente finite de ordinul al doilea. Avem:

Z[in ] = I(z)
Z[in+1 ] = z{I(z) i0 }
Z[in+2 ] = z{z{I(z) i0 } i1 }
Ecuatia (3.67)devine atunci:
I(z) + 3z(I(z) i0 ) z 2 (I(z) i0 ) + zi1
si de aici
I(z) =
z
z 2 3z
i
+
i0
1
z 2 3z + 1
z 2 3z + 1
(3.20)
sau
1
1
1
1
I(z)
1
53 5
5+3 5

)i1 +(
+
)i0 =
= (
3+
5
3
5
3+
5
3 5
z
10
10
5 z
z
2
2
2
2
1
1
2 5i1 + (5 3 5)i0
2 5i1 (5 + 3 5)i0

=
3+
5
10
10
z
z 3 5
2
prin urmare
2 5i1 + (5 3 5)i0 3 + 5 n 2 5i1 (5 + 3 5)i0 3 5 n

in =
(
)
(
)
10
2
10
2
3.4. APLICAREA TRANSFORMATEI Z LA SOLUT

IONAREA ECUAT
IILOR CU DIFERENT
E
De aici
5 3+ 5 n 3 5 n
3 5 3+ 5 n 3+ 5 3 5 n
in =
{(
) (
) }i1 { (
) (
) }i0
5
2
2
2
2
2 5
2 5
(3.21)
Din primul ochi al circuitului mai rezulta:
Ri0 + R(i0 i1 ) = E
si de aici:
E
R
De asemenea din ultimul ochi al circuitului mai avem:
i1 = 2i0 =
(R + RL )iL + R(iL iL1 ) = 0
(3.22)
(3.23)
Relatiile (3.70) si (3.71) determina pe i1 si i0 astfel ca din (3.69) rezulta solutia

problemei.
88
Capitolul 4
Elemente de teoria
probabilit
atilor
4.1
C
amp de evenimente
Calculul probabilitatilor a aparut n secolul al VII-lea si este legat de numele

matematicienilor B. Pascal si P. Fermat. Ei au ajuns la probleme legate de
probabilitate datorita jocurilor de noroc. In prezent teoria probabilitatilor s-a
transformat ntr-o parte a matematicii care se ocupa cu studierea regulilor
aparitiei fenomenelor aleatoare cu aplicatii deosebit de importante n toate
stiintele. Experimentele studiate n teoria probabilitatilor sunt experimente
aleatorii care nu se definesc fiind considerate primare. Fiecare realizare a
unui astfel de experiment se va numi prob
a, iar rezultatul unei probe este un
eveniment.
Fie o multime nevida oarecare. Daca multimii i se poate atasa o
experienta aleatoare, convenabil aleasa, astfel nc
at fiecarei submultimi a lui
sa i corespunda o situatie reala n experienta considerata, atunci se numeste
spatiu de selectie, iar submultimile lui se numesc evenimente. Evenimentele
se vor nota cu litere mari ale alfabetului: A, B, C,...
Evenimentele elementare sunt sunt acele evenimente care se pot realiza la o singura proba si numai una, proba fiind un caz posibil al experientei.
Evenimentul sigur se asociaza multimii si este evenimentul care se realizeaza cu certitudine la fiecere efectuare a experimentului. Evenimentul imposibil se noteaza si este evenimentul care nu se realizeaza la nici o efectuare
a experimentului. Evenimentul imposibil consta n nerealizarea evenimentului
sigur si reciproc.
Doua evenimente care se pot realiza simultan se numesc compatibile; n
caz contrar fiind incompatibile sau disjuncte. Analog se definesc n evenimente compatibile doua cate doua dar incompatibile n totalitatea lor. Doua
89
90
ILOR
CAPITOLUL 4. ELEMENTE DE TEORIA PROBABILITAT
evenimente elementare distincte sunt incompatibile.

Fie A si B doua evenimente. Daca AB atunci evenimentul B se realizeaza
ori de cate ori se realizeaza evenimentul A si se spune ca evenimentul A
implic
a evenimentul B .
Orice eveniment implica evenimentul sigur.
Se poate admite ca evenimentul imposibil implica orice eveniment.
Evenimentele elementere nu sunt implicate de nici un alt eveniment, cu
exceptia celui imposibil.
Daca A=B atunci fiecare eveniment l implica pe celalalt si se spune ca
evenimentele A si B sunt egale.
Operatiile cu evenimente se noteaza la fel ca operatiile cu multimi. Astfel:
- AB este evenimentul care se realzeaza daca si numai daca se realzeaza
cel putin unul dintre evenimentele A sau B.
- AB este evenimentul care se realzeaza daca si numai daca se realzeaza
ambele evenimente A si B.
- A este evenimentul care se realzeaza daca si numai daca A nu se realzeaza
si se numeste evenimentul contrar lui A. Se mai noteaza si cu CA. Oricarui
eveniment i corespunde un eveniment contrar.
- A\B este evenimentul care se realzeaza daca si numai daca evenimentul
A se realzeaza si evenimentul B nu se realzeaza. Se mai noteaza si cu A-B.
Se introduce notiunea de c
amp de evenimente ale carei axiome trebuie
s
a permita manevrarea cu notiunile de mai sus, adica odata cu evenimentele
A si B trebuie sa aiba sens si AB, AB, A, A-B.
Fie K o familie nevida de parti ale multimii (K P())
Definitia 4.1.1 Cuplul format din (, K) se numeste c
amp finit de evenimente dac
a:
a) K, K
b) A, B K AB, CA = A K
Pentru un c
amp infinit de evenimente trebuie s
a se verifice n plus:
c) Aj K, j N
Aj K
j=1
Exemlul 4.1.1 Se consider

a experimentele ce constau n aruncarea unei monede sau aruncarea unui zar. S
a se scrie c
ampurile de evenimente asociate celor
dou
a experiente aleatoere.
a) Multimea evenimentelor elementare ale fenomenului aruncarea banului este {(b), (s)}, unde b=banul, s=stema. Spatiul de selectie este ={(b),
(s)}, iar campul de evenimente K={, (b), (s), }
b) Pentru experimentul aruncarea zarului multimea evenimentelor elementare este:

4.1. CAMP
DE EVENIMENTE
91
{(1), (2), (3), (4), (5), (6)}.

Spatiul de selectie este ={(1), (2), (3), (4), (5), (6)}
Toate evenimentele care pot fi considerate la aruncarea zarului sunt urmatoarele:
{1}, {2}, {3}, {4}, {5}, {6},
{1, 2}, {1, 3},..., {5, 6},
{1, 2, 3}, ..., {4, 5, 6},
{1, 2, 3, 4}, ..., {3, 4, 5, 6},
{1, 2, 3, 4, 5}, ..., {2, 3, 4, 5, 6},
{1, 2, 3, 4, 5, 6}.
K={, (i), (i,j), (i, j, k), (i, j, k, l), (i, j, k, l, m), i, j, k, l, m }
In total sunt C 1 +C 2 +C 3 +C 4 +C 5 +C 6 = 26 1 evenimente. Evenimentul
6
6
6
6
6
6
={1, 2, 3, 4, 5, 6} se mai numeste evenimentul sigur. La aceste evenimente se
adauga evenimentul imposibil, notat cu . Astfel nc
at multimea K a tuturor
evenimentelor corespunzatoare fenomenului aruncarea zarului este P() si
contine 26 elemente.
In general, daca multimea evenimentelor elementare este , atunci multimea
tuturor evenimentelor este P() si contine 2Card() elemente, unde am notat
cu Card() numarul elementelor multimii .
Exemlul 4.1.2 La aruncarea zarului evenimentul A rezultat par este submultimea
A={(2), (4), (6)}
Exemlul 4.1.3 Consider
am experimentul aruncarea a dou
a zaruri.
= {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6} = {(i, j); 1 i 6, 1 j 6}
Evenimentul dubla este:
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}.
Propozitia 4.1.1 Fie (, K) un c
amp de evenimente. Atunci:
1) K, K
2) A, B K A B K
3) A, B A \ B
Demonstratie:
1) Fie A K. Conform definitiei, A K, deci = A A K ,
= K.
T
S
2) T
inem seama ca A B = (A B). Mai general, daca
n
\
Ai K
Ai K, 1 i n, atunci
i=1
3) In acest caz, A \ B = A
B K.
92
ILOR
4.2
Notiunea de probabilitate
Definitia clasic
a a probabilit
atii.
Dupa definitia clasica, probabilitatea este raportul dintre num
arul cazurilor
favorabie si numarul cazurilor posibile, n ipoteza ca toate cazurile sunt egal
posibile. Definitia clasica a probabilitatii este insuficient
a, deoarece se aplica
numai la campuri finite de evenimente. Pe de alta parte, chiar si n cazul
c
ampurilor finite de evenimente nu se poate vorbi totdeauna de cazuri egal
posibile (de exemplu, zarul nu este perfect simetric).
Definitia ststistic
a a probabilit
atii.
Sa aruncam o moneda de 100 de ori si sa admitem ca fata ce contine banul a
aparut de 52 de ori. Fie A evenimentul aparitiei banului n aruncarea monedei.
52
Numarul nA =52 poarta numele de frcvent
a absoluta, iar num
arul fA = 100
se numeste frcventa relativa a evenimentului A n aceasta serie de 100 de
ncercari. La fiecare noua repetare a experientei se obtin frcvente relative
apropiate de 12 , iar devierile de la aceasta valoare vor fi tot mai mici n cazul
maririi numarului de aruncari.
In cazul general, consideram un experiment n urma caruia poate sau nu sa
apara evenimentul A si notam cu nA num
arul de realizari ale acestui eveniment
n n repetari ale experientei. Frcventa relativa fA = nnA se stabilizeaza pentru
valori mari ale lui n n jurul valori numit
a probabilitatea evenimentului
A, rezultat justificat de legea numerelor mari a lui Bernoulli.
a a probabilit
atii ). Fie (, K) un
Definitia 4.2.1 (Definitia axiomatic
c
amp de evinente. Se numeste probabilitate orice functie p : K [0, 1] cu
propriet
atile:
1) p() = 1, p() = 0;
2) p(A B) = p(A) + p(B), dac
a A B = .
Tripletul (, K, p) se numeste c
amp de probabilitate.
amp de probabilitate. Atunci:
Teorema 4.2.1 Fie (, K, p) un c
a) p(A) = 1 p(A), A
b) Dac
a A1 , A2 , ..., An si Ai Aj = , pentru i 6= j, atunci p(
n
X
i=1
n
[
i=1
p(Ai );
c) p(A B) = p(A) + p(B) p(A B), A, B ;
d) Dac
a A B, atunci p(A) p(B).
Ai ) =
4.2. NOT
IUNEA DE PROBABILITATE
93
Demonstratie. a) Deoarece A A = , obtinem p(A) + p(A) = p(A A) =

p(X) = 1, deci p(A) = 1 p(A)
b) Demonstratia se face prin inductie. Presupunem adevarat
a pentru
k
X
S S
k, deci ca p(A1 ... Ak ) =
p(Ai ). Vom demonstra ca afirmatia este
i=1
adevarata pentru k + 1.
k
\
[
S S
T
Deoarece (A1 ... Ak ) Ak+1 =
(Ai Ak+1 ) = , rezulta ca:
i=1
p(A1
...
Ak
Ak+1 ) = p(
k
[
(Ai )) + p(Ak+1 ) =
i=1
k+1
X
p(Ai ), deci afirmatia
i=1
este adevarata pentru orice n N,n 2.

c) Din egalitatea A B = (A B) (A B) (A B), obtinem ca:
[
p(A B) = p(A B) + p(A B) + p(A B).
(4.1)
Pe de alta parte A = (A
B) (A B), deci p(A) = p(A
B) + p(A B).
Prin urmare p(A B) =
In mod
p(A) p(A B).
asemanator se arata ca:
p(A B) = p(B) p(A B).
Inlocuind n ( ) rezulta relatia din
enunt.
d) Cum B = A (B A),
avem p(B) = p(A) + p(B A),
deci p(A) p(B).
Fig. 4.1: Intersectia multimilor A cu B
Observatia 4.2.1 Fie = {e1 , e2 , ..., en } o multime finit

a si K = P().
Elementele lui sunt evenimente elementare. Atunci:
n
n
[
X
1 = p() = p( {ei }) =
p({ei }). Dac
a evenimentele sunt egal probai=1
i=1
bile atunci p({e1 }) = p({e2 }) = ... = p({en }) = n1 .
X
S
S
k
Fie A = {ei1 } {ei2 }... {eik } . Atunci p(A) =
p({eij }) = .
n
j=1
Asadar, ntr-un camp finit de elemente, ale carui evenimente elementare

sunt egal probabile, probabilitatea unui eveniment oarecare este raportul dintre numarul evenimentelor favorabile evenimentului si num
arul total de evenimente elementare ale campului.
94
ILOR
Regasim astfel definitia clasica a probabilitatii.

Jocurile de noroc sunt exemplele cele cunoscute de fenomene nt
ampl
atoare
n care evenimentele ntampl
atoare sunt egal posibile. Acesta este motivul
pentru care, la nceputurile teoriei probabilitatilor, exemplele sunt luate din
aceste jocuri.
Exemlul 4.2.1
Intr-o urn
a sunt 4 bile albe, 3 bile verzi si 5 bile negre. Se
extrage o bil
a din urn
a. Fie A evenimentul ca bila s
a fie alb
a, V evenimentul
ca bila s
a fie verde si N evenimentul ca bila s
a fie neagr
a.
Atunci p(A) =
4
12
= 31 , p(V ) =
3
12
= 14 , p(N ) =
5
12 .
Exemlul 4.2.2 Se aruc

a dou
a zaruri. Care este probabilitatea s
a ias
a suma
7?
Fie E = {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6}, deci Card(E)=36. Cazurile favorabile sunt date de A7 = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}, Card(A7 ) = 6.
6
Atunci p(A7 ) = 36
= 61
Exemlul 4.2.3 Consider
am un pachet de 52 c
arti de joc,
N = { as , 2, ..., 10, valet , dam
a , rege}
, K = { cup
a , caro , trefl
a , pic
a}, C = N K. Se extrag 5 c
arti. Care este
probabilitatea de a obtine o culoare?
5 elemente. Evenimentul culoare
Multimea evenimentelor elementare are C52
este reuniunea disjuncta a 4 evenimente: culoare de cupa, culoare de trefla,
5
culoare de caro, culoare de pica. Fiecare din aceaste evenimente are C13
4C 5
33
elemente. Deci, probabilitatea de a obtine o culoare este: C 513 = 16660
52
0, 002.
Evenimentul careu este reuniunea a 13 evenimente disjuncte: careu de asi,
..., careu de regi. Cate elementw are evenimentul careu de asi? Din cele
5 carti, 4 sunt asi a cincea fiind oarecare. In total sunt 48 de posibilitati.
1
= 4165
0, 00024.
Asadar, probabilitatea evenimentului careu este: 1348
C5
52
4.3
Probabilit
ati conditionate
Sa presupunem ca ntr-o serie de n operatii efectuate n conditii identice,

evenimentul A a aparut de k ori si ca n cele k aparitii n care s-a produs evenimentul A s-a realizat evenimentul B de ` ori. In cele n operatii, frecvent
Ta relativa a evenimentului A este f (A) = nk , iar frecventa evenimentului A B este
T
f (A B) = n` . Sa consideram si frecventa evenimentului B n acele operatii
I CONDIT
4.3. PROBABILITAT
IONATE
95
n care A s-a produs. Frecventa relativa a evenimentului B se raporteaza la

numarul k de operatii n care A s-a produs, deci fA B = k` .
Intre cele trei frecvente avem relatia evident
a
f (A B) = f (A)fA B
Fie (, K, p) un camp de probabilitate si A K cu p(A) > 0
Definitia 4.3.1 Fie B K. Se nume
ionat
a de
T ste probabilitate a lui B condit
B)
A functia pA : K R, pA (B) = p(A
p(A)
plus:
Teorema 4.3.1 Functia pA este o probabilitate pe K. In
p(A B) = p(A)pA (B).
Demonstratie. Deoarece A B A, rezulta ca
0 = p() p(A B) p(A)
Impartind cu p(A), se obtine:
0 pA (B) 1.
Evident pA () = 0 si pA () = 1.
Fie acum A1 , A2 , satisfac
and A1 A2 = . Atunci (A1 B)(A2 B) =
. In consecinta
pB (A1 A2 ) =
=
p((A1 B) (A2 (B))

p((A1 A2 ) (B))
=
=
p(B)
p(B)
p((A1 B) + p((A2 (B))

= pB (A1 ) + pB (A2 ).
p(B)
Definitia 4.3.2 Spunem c

a evenimentele A si B sunt independente dac
a:
p(A B) = p(A) p(B)
a A si B sunt independente atunci perechile (A, B), (A, B), (A, B)
sunt independente.
Demonstratie. Prin ipoteza p(A B) = p(A) p(B). Deoarece A = (A B)
(A B), avem p(A) = p(A B) + p(A B), deci
p(A B) = p(A) p(A) p(B) = p(A)(1 p(B)) = p(A)p(B)
etc.
96
ILOR
Definitia 4.3.3 Evenimentele A1 , A2 , ..., An se numesc independente dac

a pentru orice Ai1 , Ai2 , ..., Aik , k n avem:
p(Ai1 Ai2 ... Aik ) = p(Ai1 )p(Ai2 )...p(Aik ).
a evenimentele A1 , A2 , ..., An sunt independente, atunci
si evenimentele A1 , A1 A2 , A2 , ..., An , An sunt independente.
Definitia 4.3.4 Spunem c
a evenimentele B1 , B2 , ..., Bn formeaz
a o partitie a
n
[
lui X dac
aX=
Bi si Bi Bj = dac
a i 6= j.
i=1
Formula probabilit
atii totale.
Fie (X, , p) un camp de probabilitate si B1 , B2 , ..., Bn o partitie a lui X.
Atunci pentru orice A avem:
p(A) =
n
X
p(Bi )pBi (A)
i=1
Demonstratie. Este clar ca A = A X =
n
[
(A Bi ). In consecint
a
i=1
p(A) =
n
X
p(A Bi ) =
i=1
n
X
p(Bi ) pBi (A)
i=1
Formula lui Bayes.

pA (Bi ) =
p(Bi )pBi (A)

n
X
p(Bi ) pBi (A)
i=1
Demonstratie. Intr-adevar
pA (Bi ) =
p(A Bi )
p(Bi )pBi (A)
= n
X
p(A)
p(Bi ) pBi (A)
i=1
Exemplu. Consideram 3 urne care contin bile albe si negre, dupa cum
urmeaza:
prima urna contine 3 bile albe si o bila neagra,
a doua urna contine 4 bile albe si 4 bile neagre, iar
4.4. SCHEME CLASICE DE PROBABILITATE.
97
a treia urna contine 2 bile albe si 18 bile neagre.

Alegem la ntamplare o urna si apoi extragem o bila. Bila se dovedeste a
fi alba. Sa se determine care este probabilitatea ca bila sa fie din urna a treia.
Notam cu : A evenimentul s-a extras o bila alba, Bi , evenimentul bila
alba este din urna i, i=1, 2, 3. Atunci p(B1 ) = p(B2 ) = p(B3 ) = 13 , pB1 (A) =
3
1
1
4 , pB2 (A) = 2 , pB3 (A) = 10 .
Conform formulei probabilitatii totale, avem:
p(A) = p(B1 ) pB1 (A) + p(B2 ) pB2 (A) + p(B3 ) pB3 (A) =
4.4
1 3 1
1 9
( + + ) .
3 4 2 10 20
Scheme clasice de probabilitate.
Schema lui Poisson.

Se dau n urne U1 , U2 , ..., Un care contin bile albe si negre n proportii date. Se
cere probabilitatea de a extrage k bile albe si n-k bile negre, atunci cand din
fiecare urna se extrage cate o bila.
Fie pi probabilitatea de a extrage o bila alba din urna Ui si qi = 1 pi
probabilitatea de a extrage o bila neagra din urna Ui . Notam cu Ai evenimentul de a extrage o bila alba din urna Ui si Ai evenimentul contrar. Pentru
a
n-k bile
T negre trebuie sa se realizeze evenimentul
S extrage
T k
T bile Talbe si T
[Ai1 ... Aik Aik+11 ... Ain ]. Probabilitatea acestui eveniment este
X
pi1 pi2 ...pik qik+1 ...qin .
De examplu, pentru k=2 si n=3 aceasta probabilitate este p1 p2 q3 +p1 p3 q2 +
p2 p3 q1 . Se observa usor ca dupa aceeasi regula se calculeaza coeficientul lui
xk n polinomul
P (x) = (p1 x + q1 )(p2 x + q2 )...(pn x + qn )
Astfel, cand k=2 si n=3, P (x) = (p1 x + q1 )(p2 x + q2 )(p3 x + q3 ), coeficientul
lui x2 fiind p1 p2 q3 + p1 p3 q2 + p2 p3 q1 .
Schema lui Poisson este utila n rezolvarea problemelor n care se cere
probabilitatea realizarii de k ori a unui eveniment ntr-o experient
a ce consta n
efectuarea a n experiente independente, atunci cand cunoastem probabilitatea
realizarii evenimentului n fiecare din cele n experiente.
Exemplu. Intr-un atelier sunt 3 masini. Prima da 0, 9% rebuturi, a doua
1% rebuturi si a treia 1, 3% rebuturi. Se ia la nt
amplare cate o piesa de la
fiecare masina. Se cere probabilitatea ca doua piese sa fie bune si una sa fie
rebut.
In acest caz q1 = 0.9 = 0, 009, q2 = 1 = 0, 01, q3 = 1.3 = 0, 013,
100
100
100
p1 = 0, 991, p2 = 0, 99, p3 = 0, 987. Probabilitatea ceruta este coeficientul lui
x2 din polinomul (0, 991 x + 0, 009)(0, 99 x + 0, 01)(0, 987 x + 0, 013), adica
98
ILOR
0, 198506 0, 2, deci 20% Probabilitatea de a extrage k bile albe va fi n acest

caz
Schema lui Bernoulli.
Presupunem ca n schema lui Poisson urnele sunt identice. Probabilitatea
extragerii a k bile albe va fi n acest caz coeficientul lui xk din polinomul
P (x) = (px + q)n si va fi Cnk pk q nk
Deoarece urnele sunt identice putem considera ca extragerile se fac dintr-o
singura urna, bila extrasa punandu-se napoi n urna dupa fiecare extragere.
Exemple. 1) Se arunca o moneda de 4 ori. Se cere probabilitatea de a
obtine o singura data stema. In acest caz p = q = 21 , n=4, k=1. Probabilitatea
ceruta va fi C41 ( 12 )1 ( 12 )3 = 14 .
2) Se arunca un zar de 5 ori. Se cere probabilitatea ca fata 1 sa de 2 ori si
sa nu apara de tri ori.
De aceasta data p = 21 , q = 56 , n=5, k=2, deci probabilitatea ceruta va fi
625
C52 ( 16 )2 ( 56 )3 = 3888
0, 16.
4.5. VARIABILE ALEATOARE SI REPARTIT

II.
4.5
99
Variabile aleatoare si repartitii.
O variabila se numeste variabil

a aleatoare dac
a n cazul mai multor
experiente efectuate n aceleasi conditii, acestea ia valori diferite, fiecare fiind
un eveniment aleator; se noteaza cu X, Y sau alte litere mari iar valorile pe
care le ia se noteaza cu litere mici x, y etc. Intr-un interval o variabil
a aleatoare
poate sa ia un numar finit sau infinit nenum

arabil de valori. In primul caz
variabila aleatoare se numeste discreta iar n al doilea caz se numeste continu
a.
Numarul pe care-l obtinem n cazul aruncarii unui zar X poate lua numai valori
discrete xi , i = 1, 2, 3, 4, 5, 6, deci el reprezint
a o variabil
a aleatoare discreta.
Dimpotriva, viteza unei molecule ntr-un gaz poate sa ia orice valoare ntr-un
interval stabilit, deci este o variabil
a aleatoare continu
a.
Repartitie. In cazul productiei de suruburi aparitia rebuturilor pe schimb
este o variabila aleatoare, deoarece intervin factori a caror influient
a nu o
putem aprecia (variatiile materialului). Prin cunoasterea num
arului minim
si maxim de rebuturi pe schimb nu putem sa ne pronunt
am asupra calitatii
productiei ntr-un interval de timp mai lung. Acest lucru este posibil n cazul
n care n afara de numarul de rebuturi indicam si probabilitatea de aparitie
a acestui numar. O variabil
a aleatoare este caracterizata de valorile pe care
le ia ca si de probabilitatile corespunzatoare fiecarei valori. Multimea ale
carei elemente sunt perechile ordonate formate din valorile pe care poate sa
le ia variabila aletoare si probabilitatea coresunzatoare defineste repartitia
variabilei aleatoare.
Repartitia unei variabile discrete. La aruncarea unui zar ideal num
arul
pe care-l obtinem este o variabil
a aleatoare X care poate lua numai valorile
discrete xi , i = 1, 2, 3, 4, 5, 6,. Fiecare din aceste numere poate aparea cu probabilitatea P(X = xi ) = 16 . Repartitia va fi:
xi
P(X = xi )
1
6
1
6
1
6
1
6
1
6
1
6
Repartizarea grafica arepertitiei de probabilitate se face n felul urmator:

pe abscisa notam valorile posibile iar pe ordonata probabilitatile corespunzatoare
(). In cazul exemplului de mai sus ele au toate aceeasi valoare, deci aceeasi
naltime. Suma tuturor P(X=xi ) este egala cu 1. In cazul reprezent
arii grafice,
daca luam latimea dreptunghiuriloe formate egala cu unitatea, atunci ariile
dreptunghiurilor formate este egala cu 1.
In baza acestui exemplu putem deduce foarte usor functia de repartitie
care ne indica probabilitatea ca num
arul pe care-l obtinem la aruncarea zarului sa fie mai mic cecat un num
ar dat, de exemplu F(1)=P(X<1)=0, deci
probabilitatea aparitiei unui num
ar mai mic decat 1 este egala cu zero ( ).
Continuand, obtinem:
100
ILOR
F(2)=P(X<2)=P(X=1)= 16
F(3)=P(X<3)=P(X=1)+P(X=2)= 13
F(4)=P(X<4)=P(X=1)+P(X=2)+P(X=3)= 21
F(5)=P(X<5)=P(X=1)+P(X=2)+P(X=3)+P(X=4)= 32
F(6)=P(X<6)=P(X=1)+P(X=2)+P(X=3)+P(X=4)+P(X=5)= 65
6
X
P(X = i)=1
F(x > 6)=P(X<x)=
i=1
Reprezentand pe abscisa valorile xi si pe ordonata valorile lui F(x), obtinem

reprezentarea grafica a functiei de repartitie ca o functie n trepte care contine
puncte de salt. Avem F()=0 si F(+)=1.
Repartitia unei variabile continuie. O variabil
a aleatoare continu
a
poate lua un numar oricat de mare de valori ntr-un interval; probabilitatea
de aparitie a fiecarei valori izolate x este 0. Vom analiza n acest
Z caz densitatea
+
de repartitie f(x) care are urmatoarele proprietati: f(x) 0,
f(t)dt=1.
Pe graficul densitatii de repartitie aria suprafetei dintre curba f(x) si axa

absciselor este egala cu 1.
Functia de repartit
Z ie unei variabile continuie X va fi urmatoarea:
x
F(x)=P(X<x)=
f(t)dt, unde F()=0 si F(+)=1.
Probabilitatea ca X sa se afle ntre doua puncte x1 , Zx2 , (x1 < x2 ) este:

x2
P(x1 x2 )=P(X < x2 )P(X < x1 )= F(x2 )F(x2 )=
f(t)dt
x1
Vom trata n mod general cele expuse mai sus.

Prin variabila aleatoare se ntelege o functie atasat
a unui fenomen nt
ampl
ator
(aleatoriu). Valorile acestei functii depind de rezultatul experientei, deci sunt
aleatoare.
Definitia 4.5.1 Fie (K, , p) un c
amp de probabilitate. Se numeste variabil
a
aleatoare orice functie X : K R cu proprietatea c
a oricare ar fi a R,
X 1 ((, a)) = {x K; X(x) < a} = {X < a}
a multimea este finit
a, orice functie X : K R este
variabil
a aleatoare. Intr-adev
ar, dac
a = {e1 , e2 , ..., en }, atunci X 1 ((, a))
P () K
Observatia 4.5.2 Deoarece {X a} =
{X < a +
n=1
1
}, {X > a} =
n
{X a}, {X a} = {X < a}, rezult

a c
a functia X este variabil
a aleatoare
dac
a si numai dac
a {X a} , sau {X > a} , sau {X a} .

II.
101
Variabilele aleatoare care iau un num

ar finit de valori se numesc variabile
aleatoare simple. Variabilele aleatoare pentru care multimea valorilor este
cel mult numarabila se numesc variabile aleatoare discrete. Variabilele
aleatoare pentru care multimea valorilor este nenumarabil
a (de puterea continuului) se numesc variabile aleatoare continuie.
Definitia 4.5.2 Functia
F (x) = p(X x), x R
se numeste functia de repartitie a variabilei aleatoare X.
Functia de repartitie a unei variabile aleatoare discrete este o functie n
scara, continua la dreapta n orice punct din R
Importanta acestei functii consta n faptul ca permite determinarea probabilitatii ca X sa ia valori ntr-un interval. Avem
p(a < X b) = F (b) F (a)
Intr-adevar, deoarece {a < X b} = {X b} {X a}, avem:
p(a < X b) = p(X b) p(X a) = F (b) F (a)
La fel se demonstreaza:
p(a X b) = F (b) F (a 0)
p(a X < b) = F (b 0) F (a 0)
Alte proprietati ale functiei de repertitie sunt:
1) 0 F (x) 1, ceea ce rezulta din faptul ca F (x) reprezint
a probabilitatea ca X x
2) Functia F (x) este monoton cresc
atoare. Intr-adev
ar, daca x1 < x2
din relatia F (x2 ) F (x1 ) = p(x1 < X x2 ) 0, rezulta ca F (x1 ) F (x2 ).
3) F () = 0, F () = 1, deoarece X < este evenimentul imposibil,
iar X < este evenimentul sigur.
In cazul variabilei aleatoare discrete calculul efectiv al functiei de repertitie
se face tinand cont ca evenimentul {X x} este reuniunea evenimentelor
elementare {X = xi } pentru xi x, adica:
[
{X x} =
{X = xi }
xi x
Evenimentele {X = xi } fiind incompatibile, aplicand operatorul de probabilitate asupra relatiei de mai sus, obtinem:
X
X
F (x) = p(X x) =
p(X = xi ) =
pi .
xi x
xi x
Datorita formulei de mai sus, functia de repertitie este numit

a si functia
cumulativa a probabilitatilor.
102
4.5.1
ILOR
Variabile aleatoare simple.
Fie = {e1 , e2 , ..., en } si X : R o variabil

a aleatoare care ia valorile
a1 < a2 < ... < ar , r n Consider
am evenimentele Ai = {e ; X(e) = ai }.
r
[
Evident ca Ai Aj = , daca i 6= j si
Ai = .
n=1
Cunoasterea unei variabile aleatoare presupune sa cunoastem valorile pe

care le ia si probabilitatile cu care ia aceste valori. Diagrama unei variabile
aleatoare simple este:
a1 a2 ... ar
X:
(4.2)
p1 p2 ... pr
unde pi = p(f = ai ) = p(Ai ) si
r
X
pi = 1
i=1
Exemlul 4.5.1 La un examen o grup

a de 20 studenti au obtinut notele: opt
studenti au obtinut nota 5, trei studenti au obtinut nota 7, cinci studenti au
obtinut nota 8 si patru studenti au obtinut nota 10. Obtinem urm
atoarea
diagram
a:
5 7 8 10
8 3 5 4
20 20 20 20
Intr-o urn
a sunt 2 bile albe si 4 bile negre. Efectu
am 3 exExemlul 4.5.2
trageri a c
ate o bil
a, pun
and de fiecare dat
a bila extras
a napoi n urn
a. Atunci
num
arul de aparitii de bile albe este o variabil
a aleatoare. S
a se determine
distributia acestei variabile aleatoare.
Problema se ncadreaza n schema lui Bernoulli. Fie p probabilitatea de a
extrage o bila alba si q probabilitatea de a extrage o bila neagra, deci p = 13 ,
q = 23 . Diagrama variabilei aleatoare va fi:
0
1
2
3
X:
C33 ( 23 )3 C31 ( 13 )( 23 )2 C32 ( 31 )2 ( 23 ) C30 ( 31 )3
Operatii cu variabile aleatoare simple.
Definitia 4.5.3 Fie variabilele aleatoare X, Y : R, si R
Dac
a diagramele celor
dou
a variabile sunt:
a1 a2 ... ar
b1 b2 ... bm
X:
,Y :
atunci definim variabilele aleatoare
p1 p2 ... pr
q1 q2 ... qm
X, X + Y , X Y ca fiind date de diagramele:
a1 a2 ... ar
X :
,
p1 p2 ... pr

II.
X +Y :
X Y :
103
a1 + b1 a2 + b2 ... ar + bm
p11
p12 ...
prm
a1 + b1 a2 + b2 ... ar + bm
p11
p12 ...
prm
unde
pij = p({X = ai } {Y = bj }),
{X = ai } = Ai = {x ; p(x) = ai } si {Y = bj } = Bj = {x ; p(x) = bj }.
Definitia 4.5.4 Variabilele aleatoare X si Y se numesc independente dac
a
p(Ai Bj ) = p(Ai ) (Bj ) = pi qj , 1 i r, 1 j m.
Cum p(Ai Aj ) =
p(Ai ), dac
ai=j
, vom avea:
0 , daca i 6= j
2 2
a1 a2 ... a2r
2
X :
p1 p2 ... pr
Definitia 4.5.5 Prin definitie, valoarea medie a variabilei aleatoare X, cu

diagrama dat
a de (4.2), este
M (X) =
r
X
ai pi =
i=1
r
X
ai p(Ai ) =
i=1
r
X
X(ej )p(ej ).
j=1
Proprietatile valorii medii a unei variabile aleatoare sunt date de urmatoatea

propozitie
atoarele
Propozitia 4.5.1 Valoarea medie a unei variabile aleatoare are urm
propriet
ati:
1) M (a) = a
2) M (X + a) = M (X) + a
3) M (X) = M (X)
4) M (X + Y ) = M (X) + M (Y )
5) Dac
a X si Y sunt independente, atunci M (X Y )=M (X) M (Y ).
Demonstratie. Vom justifica, de exemplu, proprietatea 4).
m
r
m
m
r
r X
X
X
X
X
X
(ai + bj )pij =
ai
pij +
bj
pij
M (X + Y ) =
i=1 j=1
m
X
j=1
i=1
pij =
m
X
j=1
j=1
p(Ai Bj )
j=1
i=1
ILOR
104
Ai = Ai X = Ai (
m
[
Bj ) =
j=1
deci
m
X
m
[
(Ai Bj ),
j=1
p(Ai Bj ) = p(Ai ).
j=1
Analog
r
X
pij = p(Bj )
i=1
In consecinta
M (X + Y ) =
r
X
ai p(Ai ) +
i=1
m
X
bj p(Bj ) = M (X) + M (Y )
j=1
Definitia 4.5.6 Momentul de ordinul k al variabilei aleatoare X se defineste

astfel:
r
X
Mk (X) =
aki pi .
i=1
Dispersia variabilei aleatoare X este definit

a prin:
2 = D2 (X) = M2 (X M (X))
Num
arul se numeste abaterea medie p
atratic
a a variabilei aleatoare X.
In consecinta,
2 = D2 (X) =
r
X
(ai M (X))2 pi =
i=1
r
X
i=1
[a2i
2ai M (X) + (M (X)) ]pi =
r
X
a2i pi 2(M (X))2 + (M (X))2 ,
i=1
deci
D2 (X) = M (X 2 ) (M (X))2 .
Observatia 4.5.3 Dispersia m
asoar
a mpr
astierea valorilor variabilei aleatoare
fat
a de valoarea medie.
Propozitia 4.5.2 Dispersia unei variabile aleatoare are urm
atoarele propriet
ati:
2
1) D (a) = 0
2) D2 (X + a) = D2 (X)
3) D2 (X) = 2 D2 (X)
4) Dac
a X si Y sunt independente, atunci D2 (X + Y )=D2 (X) + D2 (Y ).

II.
105
Demonstratie. Vom justifica, de exemplu, proprietatea 4). Deoarece

D2 (X + Y ) = M2 [(X + Y ) M (X + Y )] = M2 [(X M (X)) + (Y M (Y ))]
tinand seama de liniaritatea valorii medii M, obtinem:
D2 (X + Y ) = M ([(X M (X)) + (Y M (Y ))]2 ) =
= M ((X M (X))2 ) + 2M ((X M (X))(Y M (Y ))) + M ((Y M (Y ))2 ) =
= D2 (X) + 2M ((X M (X))(Y M (Y ))) + D2 (Y ).
Pe de alta parte, variabilele aleatoare X si Y fiind independente si din
proprietatile valorii medii, avem:
M ((XM (X))(Y M (Y ))) = M (X)M (Y )2M (X)M (Y )+M (X)M (Y ) = 0.
In consecinta
D2 (X + Y ) = D2 (X) + D2 (Y ).
5 7 8 10
Exemlul 4.5.3 Se d
a variabila aleatoare X :
8 3 5 4
20 20 20 20
Sa se calculeze valoarea medie si dispersia

M (X) = 5
2 = (5 7, 05)2
3
5
4
8
+ 7 + 8 + 10 = 7, 05
20
20
20
20
8
3
5
4
+ (7 7, 05)2 + (8 7, 05)2 + (10 7, 05)2 .
20
20
20
20
2 = 3, 6475
Teorema 4.5.1 (Inegalitatea lui Ceb

a
sev). Fie (K, , p) un c
amp finit
de probabilitate si X o variabil
a aleatoare. Pentru orice > 0, avem:
p(|X M (X)| )
2
2
p(|X M (X)| < ) 1

unde 2 = D2 (X).
2
2
(4.3)
(4.4)
ILOR
106
Demonstratie. Notam M (X) = m si presupunem ca ordonam valorile variabilei aleatoare X astfel

|a1 m| |a2 m| ... |ar m|.
Fie > 0 astfel ncat min{|ai m|; 1 i r} < max{|ai m|; 1
i r}. Este clar ca exista l astfel nc
at
|a1 m| |a2 m| ... |al m| < |al+1 m| ... |ar m|.
Atunci
(a1 m)2 (a2 m)2 ... (al m)2 < 2 (al+1 m)2 ... (ar m)2 .
In consecinta
D2 (X) = (a1 m)2 p1 + ... + (al m)2 pl + (al+1 m)2 pl+1 + ... + (ar m)2 pr
0 p1 + ... + 0 pl + 2 pl+1 + ... + 2 pr = 2 (pl+1 + ... + pr ).
Dar
pl+1 + ... + pr = p(Al+1 ... Ar ) = p(|X m| ).
Asadar
p(|X M (X)| )
2
2
Trcand la probabilitatea evenimentului contrar, obtinam:

p(|X M (X)| < ) 1
2
.
2
Observatia 4.5.4 Inegalitatea lui Ceb

asev arat
a c
a abateri mari de la medie
sunt putin probabile c
and dispersia este mic
a.
Exemlul 4.5.4 O variabil
a aleatoare X are media 30 si dispersia 2. S
a se
g
aseasc
a o limit
a inferioar
a pentru p(24 < X < 36).
T
inand seama ca 24 < X < 36 daca si numai daca |X 30| < 6, rezulta ca
p(24 < X < 36) = p(|X 30| < 6). Conform (4.3)
p(|X 30| < 6) 1
2
17
= .
36
18

II.
107
Functia caracteristic
a asociat
a unei variabile aleatoare simple.
Definitia 4.5.7 Fie X o variabil
a aleatoare simpl
a:
X
n
a1 a2 ... an
X:
,
pi = 1.
p1 p2 ... pn
i=1
Functia
c (t) =
n
X
eiak t pk ,
i=1
unde
X.
i2
= 1, se numeste functie caracteristic

a asociat
a variabilei aleatoare
T
inand seama de dezvoltarea n serie a functiei ex , avem:

!
n
!
n
m m
X im am tm
X
X
X
X
i
t
im m
k
c (t) =
pk
=
=
M
(f
)
t ,
am
p
m
k k
m!
m!
m!
m=0
i=1
m=0
i=1
m=0
unde Mm (f ) este nomentul de ordinul m. Pe de alta parte:

c (t) =
(m)
X
c (0) m
t
m!
m=0
de unde rezulta:
Mm (X) =
1 (m)
(0)
im c
(4.5)
formula ce permite calculul momentului de ordin m.

Variabile aleatoare asociat
a schemei lui Bernoulli.
Are diagrama
X:
0
qn
1
2
...
k
...
n
Cn1 pq n1 Cn2 pq n2 ... Cn2 pq n2 ... pn
In consecinta, valoarea medie a variabilei aleatoare va fi:

M (X) =
n
X
kCnk pk q nk
k=0
Pe de alta parte, avem:

n
(px + q) =
n
X
k=0
Cnk pk xk q nk .
ILOR
108
Derivand, obtinem:
n(px + q)n1 p =
n
X
Cnk pk kxk1 q nk .
k=0
Pentru x = 1, rezulta ca:

n(p + q)n1 p = np =
n
X
Cnk pk kq nk = M (X).
k=0
Asadar valoarea medie a variabilei aleatoare din schema lui Bernoulli este:
M (X) = np
Ne propunem acum sa determinam dispersia acestei variabile aleatoare:
2 = D2 (X) = M2 (X) M 2 (X).
Pentru calculul momentului de ordinul 2, M2 (X), folosim functia caracteristica. Avem
1 00
M2 (f ) = 2 c (0)
i
Dar
n
n
X
X
Cnk (peit )k q nk = (peit + q)n .
eikt Cnk pk q nk =
c (t) =
k=0
k=0
Atunci:
0
c (t) = n(peit + q)n1 pi eit

00
c (t) = npi [(n 1)(peit + q)n2 pi e2it + (peit + q)n1 i eit ]

deci
00
c (0) = npi2 [(n 1)pi + i] = i2 np(np p + 1)

In consecinta:
M2 (X) = n2 p2 np2 + np = n2 p2 + npq,
deci
2 = npq.
Asadar, dispersia variabilei aleatoare asociate schemei lui Bernoulli este:
2 = npq.

II.
4.5.2
109
Variabile aleatoare discrete.
Sunt variabile aleatoare care iau o infinitate numarabil

a de valori. Diagrama unei variabile aleatoare discrete are forma:
a1 a2 ... an ...
X:
,
pn = 1.
p1 p2 ... pn ...
n=1
Distributia Poisson.
Are diagrama:
X:
0
e
1

1! e
...
2 ...
e
2!
...
...
e
n!
Se conststa ca:
pn = e
n=0
X
n
n=0
n!
= e e = 1
Distributia Poisson este un caz limita al distributiei Bernoulli. Fie = np

valoarea medie a distributiei Bernoulli. Atunci p = n 0 cand n . De
asemenea
n(n 1)...(n k + 1) k
k (1 )nk =
n
k!
n
n
lim Cnk pk q nk = lim
(nk)
k
k
n(n 1)...(n k + 1)
n
=
lim
e .
lim
e
n
k! n
nk
k!
In schemea lui Bernoulli pk = Cnk pk q nk reprezint
a probabilitatea realizarii
de k ori a evenimentului A ntr-o serie de n experiente. Daca p = n si n
, atunci p este foarte mic. Distributia Poisson se mai numeste si legea
evenimentelor rare si este folosita la controlul statistic al produselor industriale
atunci cand probabilitatea obtinerii unei piese defecte este foarte mica.
Valoarea medie a distributiei Poisson este:
M (X) =
k=0
X k1
k
e = e
= e e = .
k!
(k 1)!
k=1
De asemenea
X
X
X
k
k
k
k
= e
[(k 1)+1]
=
M2 (X) =
k 2 e = e
k!
(k 1)!
(k 1)!
k=1
k=0
e (2
X
k=2
k2
(k 2)!
X
k=1
k=1
k1
(k 1)!
) = e e (2 + ) = 2 + .
In consecinta, dispersia distributiei Poisson este 2 = .
ILOR
110
4.5.3
Variabile aleatoare continuie.
Fie (K, , p) un camp de probabilitate. Reamintim ca functia X : K R se

numeste variabil
a aleatoare continu
a dac
a are proprietatea ca oricare ar fi
a R,
X 1 ((, a)) = {x K; X(x) < a} = {X < a} K,
functia X luand o infinitate nenum
arabil
a de valori.
Definitia 4.5.8 Fie X o variabil
a aleatoare continu
a si F functia sa de repartitie.
Dac
a exist
a o functie integrabil
a : R R+ astfel nc
at
Z x
F (x) =
(t)dt, oricare ar fi x R,
atunci functia se numeste densitate de repartitie sau densitate de probabilitate a variabilei aleatoare X.
Teorema 4.5.2 Densitatea de repartitie a variabilei aleatoare continuie X
are urm
atoarele propriet
ati:
1) (x)
0,
oricare
ar
fi x R.
Z
2)
(x)dx = 1.
Z b
3) p(a < X b) =
(x)dx
Demonstratia este evidenta.

Observatia 4.5.5 Fie X o variabil
a aleatoare continu
a si F functia sa de
repartitie. Dac
a densitatea de repartitie a variabilei aleatoare X este continu
a atunci
F 0 (x) = (x) oricare ar fi x R.
Definitia 4.5.9 Se numeste valoare medie a unei variabilei aleatoare X
expresia
Z
M (X) =
x(x)dx.
Momentul de ordinul k al unei variabilei aleatoare X se defineste prin

formula
Z
Mk (X) =
xk (x)dx.
Dispersia variabilei aleatoare f este definit

a astfel:
2 = D2 (X) = M2 (X M (X)).
D2 (X) = M (X 2 ) (M (X))2 .
Num
arul se numeste abaterea medie patratic
a a variabilei aleatoare X.

II.
111
In cele ce urmeaza. vom prezenta unele legi de probabilitate uzuale, definite

prin densitati de repartitie.
Definitia 4.5.10 Variabila aleatoare X are o repartitie uniform
a pe [a, b]
dac
a are densitatea de repartitie:
1
a x [a, b]
ba , dac
(x) =
0 , dac
a x 6= [a, b]
Z
Este clar c
a
(x)dx = 1.
Avem:
F (x) =
(t)dt =
0 , dac
axa
dac
a x (a, b]
1 , dac
a x > b.
xa
ba ,
Obtinem succesiv:
Z b 2
Z b
a+b
x
a2 + ab + b2
x
dx =
, M2 (X) =
dx =
,
M (X) =
2
3
a ba
a ba
deci
2 = M2 (X) (M (X))2 =
(b a)2
.
12
Definitia 4.5.11 Variabila aleatoare X satisface o lege normal

a N (m, ) dac
a
are densitatea de repartitie
(xm)2
1
(x; m, ) = e 22
2
.
Observatia 4.5.6 Legea normal
a a ap
arut n leg
atur
a cu teoria erorilor de
m
asurare.
Functia are proprietatile unei densitati de repartitie. Intr-adev
ar
Z
Z
(xm)2
1
(x; m, )dx =
e 22 dx.
2
Daca facem schimbarea de variabil

a
x = m + 2t
obtinem:
1
(x; m, )dx =
(4.6)
Z
et dt = 1
112
ILOR
Fig. 4.2: (x; m, ) cu constsnt, m variabil.
Fig. 4.3: (x; m, ) cu m constsnt, variabil.

In (Fig 5.9) sunt reprezentate graficele functiilor (x; m, ) pentru valori
ale lui m si acelasi , iar n (Fig 4.3) pentru acelasi m si diferite valori ale lui
.
Vom calcula acum media si dispersia acestei variabile aleatoare. Folosind
schimbarea de variabila (4.6), rezulta:
Z
Z
Z
(xm)2
m
2 t2
1
2
t
2
e dt+
te dt = m,
xe 2 dx =
M (X) =

2
Z
Z
(xm)2
1
2 2 2 t2
D2 (X) =
(x m)2 e 22 dx =
t e dt.

2
Integrand prin parti, obtinem:
Z
2 2
1
1 t2
2
D2 (X) = tet |
+
e
dt
= 2.
2
2
Vom determina acum functia de repartitie a legii normale.

Z x
(tm)2
1
F (x) =
e 22 dt.

Facem schimbarea de variabil

a t = m + 2y. Rezulta ca
Z xm
2
1
2
F (x) =
ey dy.


II.
Pe de alta parte
1
=
2
deci
1
1
+
2
xm
=
,
2
2
ey dy.
Folosind functia lui Laplace : R R,

Z x
2
2
(x) =
ey dy,
0
putem scrie
1
F (x) =
2
xm
1+
.
2
In consecinta
1
p(a X b) = F (b) F (a) =
2
bm
am
.
2
2
113
114
ILOR
4.6
Elemente de teoria fiabilit

atilor.
Fiabilitatea unui sistem reprezint

a probabilitatea ca sistemul sa-si ndeplineasc
a
corect functiile prevazute(la nivelul performantelor stabilite) pe durata unei
perioade de timp date n conditii de exploatare specificate. Aici notiunii de
sistem i dam un sens foarte larg. Sistemul poate fi: fabrica, automobil, strung,
aparat de radio, calculator, etc.
Pentru a defini un concept cantitativ al fiabilitatii se va nota cu T timpul de functionare al sistemului p
an
a la prima defectiune. T este o
variabila aleatoare. In cazul unor echipamente perioada de timp T de la darea

n functiune pana la aparitia avariei coincide cu durata de viat
a(de exemplu
becurile, la care nu se pune problema repararii).
Se defineste functia de fiabilitate(functia de sigurant
a a sistemului):
R(t) = P (T > t), t > 0)
(4.7)
ca fiind probabilitatea de functionare a sistemului. R este initiala cuvantului

Reliability(fiabilitate n limba engleza)
Functia de defectare, notata F(t) se defineste astfel:
F (t) = P (T t), t > 0)
(4.8)
Este evident ca functia F(t), astfel definita, reprezint

a functia de repartitie a
variabilei aleatoare T. Litera F a fost luata ca fiind initiala cuvantului Failure(defectare n limba engleza).
Deoarece R(t) si F(t) reprezinta probabilitatile unor evenimente complementare, n sensul teoriei probabilitatilor, rezulta evident ca R(t)+F(t)=1.
Deoarece F(0)=0 si lim F(t)=1 rezulta: R(0)=1 si lim R(t)=0.
t
Altfel spus, la pornire sistemul functioneaz

a cu certitudine, n timp ce la
durata de functionare mare el iese din uz.
Daca functia de defectare F(t) este derivabil
a, atunci se poate defini o
functie f(t) numita vitez
a instantanee de defectare:
f(t) =
dF(t)
F(t+4t) F(t)
P(t < T t + 4t)
= lim
= lim
4t0
4t0
dt
4t
4t
Altfel spus viteza instantanee de defectare este limita raportului dintre probabilitatea ca variabila aleatoare sa ia valori n intervalul [t, t+4t) si marimea
intervalului, cand 4t 0.
Din definitie rezulta:
Z
F(t) =
f(u)du, R(t) =
0
f(u)du, f(t)=-R0 (t)
ILOR.
4.6. ELEMENTE DE TEORIA FIABILITAT
115
Valoarea medie a timpului de functionare far

a defectare este:
Z
= M (T ) =
tf(t)dt
0
Daca integram prin parti obtinem:
Z x
Z
Z
M (T ) =
tf(t)dt = lim
tf(t)dt = lim xF (x)
x 0
Z
= lim x(1 F (x)) +
x
F(t)dt =
Z
x
(1-F(t))dt =
R(t)dt
Dispersia lui T este:

Z
2
D(T ) = =
Z
2
(t ) f (t)dt = 2
0
tR(t)dt 2
Dispersia 2 reprezinta abaterea valorilor timpilor de functionare fat

a de media
acestora.
Sa presupunem n continuare ca sistemul a functionat far
a sa se defecteze
pana la momentul t. Care este probabilitatea sa nu se defecteze n timpul
[t, t+t)? Sa consideram evenimentele:
-A: sistemul functioneaza far
a sa se defecteze pan
a la momentul t.
-B: sistemul nu se defecteaza n intervalul [t, t+t).
Rezulta ca trebuie sa calculam:
PA (B) =
F(t + t) F(t)
P(A B)
=
P(A)
1 F(t)
Definitia 4.6.1 Rata de defectare(rata c

aderilor sau intensitatea de
defectare), notat
a cu (t), este dat
a de:
1 F(t + t) F(t)
F0 (t)
R0 (t)
f(t)
=
=
=
t0 t
1 F(t)
1 F(t)
R(t)
R(t)
(t) = lim
Vom remarca faptul ca n timp ce f(t)t indica probabilitatea de defectare

n intervalul [t, t+t) marimea (t)t indica probabilitatea conditionat
a
de defectare n intervalul [t, t+t) stiind ca n intervalul [0, t) nu au loc
defectiuni.
Z t 0
Z t
R (u)
R0 (t)
Din (t) = R(t) rezult
a:
du = ln R(t) =
(u)du, de unde
0 R(u)
0
obtinem:
Z t
Z t
Z t
(u)du
(u)du
(u)du
R(t) = e 0
, F (t) = 1 e 0
, f (t) = (t)e 0
.
116
ILOR
Deducem ca:
f (t) (t), lim (t) = f (0)
t0
In teoria mortalitatii functia (t) se numeste functia de supravietuire.

De cele mai multe ori graficul functiei empirice rata de defectare obtinut
prin prelucrarea datelor statistice are o forma caracteristica de tipul cada de
baie Fig. 4.4.
Fig. 4.4
Aceasta forma a graficului sugereaza existenta a trei perioade distincte n
timpul exploatarii:
Zona I- perioada de rodaj.
Zona II- perioada vietii utile.
Zona III- perioada de mb
atr
anire, datorita mai ales uzurii.
Daca admitem ca rata de defectare este constant
a (t) = 0 , 0 > 0
rezulta:
R(t) = e0 t , F (t) = 1 e0 t , f (t) = 0 e0 t ,
adica o lege de repartitie exponential
a. De altfel modelul exponential este
primul model din punct de vedere istoric n teoria fiabilitatii. Aceasta lege de
fiabilitate nu este generala. In practica se nt
alnesc frecvent situatii n care
datele experimentale nu concorda cu modelul de mai sus. De exemplu daca
rata de defectare este proportional
a cu timpul (t) = 20 t, 0 > 0, atunci din
R0 (t)
relatiile R(t) = 20 t, R(0) = 1, rezulta:
2
R(t) = e0 t , F (t) = 1 e0 t , f (t) = 20 te0 t ,

si anume suntem n cazul unei legi Weibull cu parametrii 0 si 2.
Legea normala este de asemenea des utilizata ca distributie de probabilitate
pentru functia de fiabilitate.
Exemlul 4.6.1 Funtia de defectare pentru un utilaj av
and o durat
a de functionare
t
T=5 ani este de forma F (t) = c1 + c2 e
ILOR.
4.6. ELEMENTE DE TEORIA FIABILITAT
117
Sa se calculeze:
a) Parametrii c1 si c2 ,
b) Functia de fiabilitate si rata de defectare,
c) Probabilitatea de defectare la mplinirea duratei de functionare,
d) Valoarea medie a timpului de functionare far
a defectare.
Rezolvare:
a) Deoarece F (0) = 0 si lim F (t) = 1, rezulta imediat c1 = 1 si c2 = 1.
t
b) Functia de fiabilitate este:

R(t) = 1 F (t) = et ,
iar rata de defectare se obtine astfel:
(t) =
R0 (t)
= 1.
R(t)
c) Probabilitatea caruta este:

P(t = 5) = F (5) = 1 e5 = 0, 93
Z
d) = M (T ) =
tet dt = 1
a = 3. S
a se calExemlul 4.6.2 Un utilaj are rata de defectare constant
culeze functia de fiabilitate functia de defectare si timpul dup
a care probabilitatea de defectare este egal
a cu probabilitatea de functionare.
Rezolvare:
Conform definitiei avem:
(t) = 3 =
R0 (t)
.
R(t)
Prin integrare obtinem:

ln R(t) = 3t + C
Deoarece R(0) = 1, rezulta C = 0 In concluzie functia de fiabilitate este:
R(t) = e3t , t 0,
iar functia de defectare are forma:
F (t) = 1 R(t) = 1 e3t , t 0.
Egaland cele doua functii se obtine timpul cerut 2e3t = 1, t = ln
3
2
118
ILOR
Exemlul 4.6.3 S
tiind c
a pentru un utilaj are rata de defectare este (t) =
1
.
S
a
se
calculeze
funct
ia de fiabilitate functia de defectare precum si prob1+t2
abilitatea ca utilajul sa se defecteze dup
a un an de functionare.
Rezolvare:
0 (t)
Deoarece rata de defectare este (t) = RR(t)
rezult
a:
dt
dR
=
2
1+t
R
sau
arctan t = ln R(t) + C
Deoarece R(0) = 1, se obtine C = 0. Rezulta functia de fiabilitate
R(t) = e arctan t
si functia de defectare
F (t) = 1 e arctan t .
Probabilitatea ceruta este: P(t = 1) = F (1) = 1 e 4 .
4.7
Fiabilitatea sistemelor cu subsisteme legate n

serie.
Fie sistemul S, format din subsistemele S1 si S2 legate n serie Fig. 4.5.

Spunem ca subsistemele sunt legate n serie daca prin defectarea sistemului
ntelegem defectarea a cel putin a unui subsistem. Probabilitatile de defectare
ale celor subsisteme sunt p1 si p2 , presupuse cunoscute. Presupunem ca subsistemele se defecteaza independent unul de altul.
Se cere fiabilitatea sistemului S.
Fig. 4.5
Fie Ai , i = 1, 2, evenimentul subsistemului Si , i = 1, 2 functioneaz
a, iar A
evenimentul sistemul S functioneaz
a. Rezulta A = A1 A2 si
P (A) = P (A1 A2 ) = P (A1 ) P (A2 ) =
= (1 P (A1 )) (1 P (A2 )) = (1 p1 ) (1 p2 )
4.8. FIABILITATEA SISTEMELOR CU SUBSISTEME LEGATE IN PARALEL.119

Daca timpii potentiali de functionare far
a defectare a subsistemelor S1 si S2
sunt T1 si respectiv T2 , iar T este timpul de functionare al sistemului S,
atunci T=inf{T1 , T2 }. In acast caz, daca R si Rk , k=1, 2, reprezint
a functiile
de siguranta pentru sistemul S si respectiv, subsistemele Sk , avem:
R(t) = P (T > t) = P (T1 > t, T2 > t) = P (T1 > t) P (T2 > t) = R1 (t) R2 (t),
adica functia de siguranta(fiabilitate) a sistemului este egala cu produsul
functiilor de siguranta ale subsistemelor.
Pentru n subsisteme legate n serie avem:
R(t) =
n
Y
Ri (t)
i=1
Luand logaritmul natural pentru R(t) din relatia de mai sus si nmultind cu
n
X
-1, obtinem ln R(t) =
ln Ri (t) si apoi derivand n raport cu t gasim
(t) =
n
X
i=1
i (t), adica riscul de defectare a sistemului este suma riscurilor de
i=1
defectare a sistemelor inseriate.
4.8
Fiabilitatea sistemelor cu subsisteme legate n

paralel.
Fie sistemul S, format din subsistemele S1 si S2 legate n paralel Fig. 4.7,

avand probabilitatile de defectare p1 si p2 , presupuse cunoscute. Spunem ca
subsistemele sunt legate n paralel daca prin defectarea sistemului ntelegem
defectarea tuturor subsistemelor sale. Consideram ca subsistemele se defecteaza independent unul de altul. Se pune problema studierii fiabilitatii
sistemului S.
Fig. 4.6
Se adopta aceleasi notatii ca si n situatia precedent
a a subsistemelor legate
n serie. In acest caz avem A = A1 A2 si

P (A) = P (A1 A2 ) = P (A1 ) + P (A2 ) P (A1 ) P (A2 ) =
120
ILOR
= (1 P (A1 )) + (1 P (A2 )) (1 P (A1 )) (1 P (A2 )) = 1 p1 p2
Notand timpii potentiali de functionare far

a defectare ale lui S, S1 si S2 prin
T, T1 si T2 , avem T=sup{T1 , T2 }. Deducem ca:
F (t) = P (T t) = P (T1 t, T2 t) = P (T1 t)P (T2 t) = F1 (t)F2 (t),
adica functia de defectare a sistemului este egala cu produsul functiilor de
defectare a subsistemelor.
Pentru n sisteme legate n paralel, rezultatul de mai sus se extinde fara
probleme:
n
Y
F (t) =
Fi (t)
i=1
Probleme propuse:
1) Sa se determine functia de fiabilitate si functia de defectare daca viteza
instantanee de defectare este:
2
f (t) = ktet , t 0, k R
2) Functia de defectare este de forma:
1
a t [0, 2]
2 , dac
F (t) =
1 , daca t > 2
Sa se calculeze durata medie de functionare far
a defectare si probabilitatea de
defectare la atingerea acestei perioade.
R
aspuns: = 1, P (t = 1) = F (1) = 0, 5
3) Fie sistemul (S) format din sistemul (S1 ) legat n serie cu subsistemul
alcatuit din (S2 ) si (S3 ), legate n paralel, av
and probabilitatile p1 = 0, 1,
p2 = 0, 2 si p3 = 0, 3. Se cere fiabilitatea sistemului (S).
MATEMATICA.
4.9. STATISTCA
4.9
121
Statistc
a matematic
a.
Orice multime de elemente cu proprietati comune, care este supusa unei

prelucrari statistice se numeste populatie statistic
a. Propriet
atile comune
ale elementelor unei populatii statistice care variaz
a aleator se numesc caracteristici. Studiem populatia statistica din punctul de vedere al unei
caracteristici. Iaceasta variaz
a aleator de la o unitate la alta a populatiei, ea
poate fi asimilata cu o variabil
a aleatoare X pe care o vom numi variabil
a
aleatoare teoretic
a definita pe populatia .
Caravteristicile numerice ale variabilei teoretice X le vom numi caracteristici teoretice si le vom nota prin = M(X) media teoretic
a, 2 = D(X)
dispersia teoretic
a, etc.
Cercetarea proprietatilor populatiei se poate face printr-o observare totala sau partiala.
Cercetarea total
a, efectuata de exemplu sub forma de recensam
ant, este
o operatie complexa, care de cele mai multe ori priveste mai multe caracteristici
ale unitatilor, pentru a se putea realiza o analiza multilateral
a. Din punct
de vedere al practicii social-economice, o cercetere totala este recomardabila
numai atunci cand volumul nu este prea mare, angajand obligatii de timp si
cheltuieli care pot depasi avantajele concluziilor trase.
Cercetarea partial
a(selectiv
a) se efectuiaza asupra unei subpopulatii
, de volum n(cu n unitati). Variabila aleatoare asimilata caracteristicii
corespunzatoare subpopulatiei de selectie o vom numi variabil
a aleatoare
de selectie(empiric
a) si o vom nota cu X .
Constructia esantionului se face cu unitati din populatia luate dupa
o anumita tehnica, numita opertie de sondaj. Urmatoarele puncte de vedere
trebuie respectate:
1) Materialul investigat trebuie sa fie omogen; n timpul investigatiilor
metoda de testare trebuie sa fie aceeasi. Nu trebuie facute schimb
ari la aparate
si nici folosite instrumente cu precizie diferita.
2) Erorile sistematice trebuie excluse pe cat posibil. Daca vrem de exemplu
sa comparam doua materiale, acestea trebuie produse de aceeasi masin
a.
3) Alegerea selectiei trebuie facut
a aleator sau reprezentativ. De exemplu
la masurarea grosimii firelor textile, punctele n care se fac masuratorile sunt
reprezentate aleator pe toata lungimea firului. Alegerea aleatoare se face cu
ajutorul tabelelor de numere aleatoare. O alegere reprezentativ
a n cazul unei
selectii se face daca materialul cecetat poate fi mp
artit n mod unic n parti.
Este posibil de exemplu sa mp
artim un lot de suruburi cercetat ntr-un astfel
de mod ca ficare parte sa contin
a suruburi produse numai de o masin
a.
4) Referitor la volumul esantionului se remarca faptul ca deductiile facute
pe baza unei populatii mai mari sunt mai exacte. De multe ori tin
and seama de
timpul si efortul afectat preferam un esantion mai mic cu toate ca rezultatele
122
ILOR
obtinute vor fi mai putin exacte.

5) Selectia poate fi cu revenire sau far
a revenire. In primul caz fiecare
unitate cercetata este lasata dupa cercetare n populatia spre deosebire de
al doilea caz. Schema probabilistica corespunzatoare este schema bilei revenite
sau schema bilei nerevenite. In cazul selectiei far
a revenire, sondajele efectuate
sunt echiprobabile, dar variabilele de selectie sunt dependente.
Valorile variabilei teoretice X pentru fiecare unitate din esantionul determina sirul de variabile aleatoare X1 , X2 , ..., Xn av
and desitati de repertitie
identice cu ale variabilei X. Deoarece selectia a fost aleatoare, fiecare valoare
Xi se realizeaza n esantion cu probabilitatea n1 . Se costruieste astfel variabila
de selectie X (X1 , X2 , ..., Xn ) cu distributia:
X1 , X2 , ..., Xn
X :
1
1
1
n,
n , ... n
Deoarece si esantionul are un caracter aleator rezulta ca fiecare valoare Xi
constituie o variabila aleatoare identic
a din punct de vedere probabilistic cu
variabila teoretica deoarece M(Xi ) = M(X), D(Xi ) = D(X), etc.
Pentru a obtine o privire preliminara asupra materialului dat se ordoneaza
valorile caracteristicii dupa marime si se determina freventa absoluta cu care
apare fiecare valoare. Se ajunge astfel la o repartitie de tipul (S1 ) daca toate
valorile caracteristicii pentru o selectie de volum n sunt distincte.
Mai frecvente sunt nsa situatiile n care valorile caracteristicii date de o
selectie de volum n se repeta. In aceasta situatie, considerand ca au rezultat
k valori distincte ale caracteristicii, repartitia o vom numi de tipul (S2 ) si o
reprezentam conform tabelului de mai jos:
Valorile
caracteristici
x1
x2
..
.
Frecventele
absolute ni
n1
n2
..
.
xk
Frecventele
relative fi = nni
f1
f2
..
.
nk
k
X
i=1
ni = n
% i = 100 fi
1
2
..
.
fk
k
X
i=1
fi = 1
k
k
X
i = 100
i=1
Se observa usor ca repartitiile de tipul S1 reprezint

a un caz particular al
repartitiei de tipul S2 si anume n cazul n care toate frecventele absolute sunt
egale cu 1. Fiecare valoare xi este la randul ei o variabil
a aleatoare datorita
caracterului aleator al sondajului.
O reprezentare grafica a repartitiei de tip S2 a frecventelor se poate face
luand pe axa absciselor valorile caracteristicii xi , iar pe axa ordonatelor valorile
MATEMATICA.
4.9. STATISTCA
123
frecventelor absolute ni . Unind toate punctele de coordonate (xi , ni ), i=1, 2,

..., k, se obtine poligonul frecventelor.
In cazul repartitiei de tip S2 variabila de selectie(empiric
a) X are repartitia
de forma:
X
k
x1 , x2 , ..., xn
X :
n ,
ni = n
n1 , n2 , ..., nk
i=1
Indicatorii principali de pozitie pentru X sunt:

1) Amplitudinea: h=max{xi }- min{xi },
(
x k+1 , dac
a k este impar
2
2) Mediana e
x=
1
, daca k este par
2 x k + x k +1
2
3) Valoarea medie x =
1
n
k
X
xi ni ,
i=1
4) dispersia s2 =
1
n1
k
X
a
(xi x)2 ni (s se numeste abaterea medie patratic
i=1
sau abatere standard).

In cazul repartitiei de tip S1 indicatorii sunt dati de formulele de mai sus
cu k=n si ni =1.
Sa verificam cat de bine estimeaza dispersia de selectie s2 , data de formula
de mai sus, dispersia populatiei 2 . Avem pentru o repartitie de tip S1 :
M(s2 ) =
1
1
M
(xi x)2 =
M
x2i nx2 =
n1
n1
=
i
1 hX
M(x2i ) nM(x2 )
n1
Dar M(x2i ) = 2 2 si M(x2 ) =
2
n
+ 2 . Rezulta:
1
2
2
2
2
M(s ) =
n( + ) n( + ) = 2 .
n1
n
2
Deci valoarea medie a dispersiei de selectie reprezint

a dispersia populatiei.
Se foloseste uneori pentru dispersia de selectie formula:
s21 =
1X
(xi x)2 .
n
2
2
Reluand calculul de mai sus pentru s21 rezulta M(s21 ) = n1
n . Deci s1 va
2
reprezenta o estimatie mai mica pentru .
Pentru un esantion de tip n cu k valori caracteristice, frecventa reletiva a
valorilor selectiei mai mici decat o valoare x se numeste functie de repartitie
124
ILOR
de selectie(empiric
a) si se defineste astfel:
0,
dac
a x xi
i1
X
fj , dac
a xi1 x xi , i = 2, 3, ..., n,
Fn (x) =
j=1
1 , daca xk < x.
(4.9)
In cazul repartitiei de tip (S1 ) avem:

Fn (x) =
0,
daca x xi
daca xi1 x xi , i = 2, 3, ..., n,
1 , daca xk < x.
i1
n ,
(4.10)
Exemlul 4.9.1 Fie X o variabil

a aleatoare asupra c
areia se efectuiaz
a o selectie
de volum n=100. Se obtin valorile caracteristice distincte 1, 3, 6, 10 cu frecventele
relative 0, 4; 0, 1; 0, 2 si respectiv 0, 3. S
a se calculeze functia de repartitie de
.
selectie F100
Raspuns:
Conform definitiei de mai sus
F100 (x) =
avem:
0,
daca x 1
0, 4, dac
a1<x3
0, 5, dac
a3<x6
0, 7, dac
a 6 < x 10
1 , daca 10 < x.
In cazul unui esantion mare, valorile caracteristicii se mpart n clase de

marime egala. Tot n clase se mparte materialul statistic n cazurile n care
caracteristica ia valori continuie ntr-un inteval. Alegerea marimii claselor depinde de marimea esantionului si de amplitudinea h = xmax xmin . Numarul
de clase nu trebuie sa fie prea mic caci astfel caracterul repartitiei poate fi
voalat. Pe de alta parte, daca num
arul de clase este prea mare, valorile anormale nu sunt puse n evident
a si repartitia nu poate fi recunoscuta.
Determinarea lungimii unei clase [ì1 , ì ), i = 2, 3, ..., k, n cazul unui
esantion de volum n pentru care se cunoaste amplitudinea se poate face cu
xmax xmin
relatia propusa de H. A. Struges d = 1+3,322lg
n . De obicei valoarea lui d se
rotunjeste la numarul ntreg cel mai apropiat de valoarea gasit
a.
In cazul unei selectii de volum n cu k clase, repartitia statistica o vom
numi de tipul S3 si o reprezent
am conform tabelei de mai jos.
unde xM
mijlocul
intervalului
[ì1 , ì ), ni - frecventa absoluta n [ì1 , ì ),
i
ni
fi = n - frecventa reletiva n [ì1 , ì ).
MATEMATICA.
4.9. STATISTCA
Clase
[`0 , `1 )
[`1 , `2 )
..
.
xM
i
xM
1
xM
2
..
.
[`k1 , `k )
xM
k
ni
n1
n2
..
.
fi
f1
f2
..
.
nk
k
X
i=1
ni = n
125
% i = 100 fi
1
2
..
.
fk
k
X
fi = 1
i=1
k
k
X
i = 100
i=1
O reprezentare grafica n cazul unei repartitii statistice de tip S3 este data

n loc de xi , dar mai ales
de poligonul frecventelor ca si n cazul S2 , folosind xM
i
min
de histograma. Histrograma se obtine construind [ xmax x
] = k dreptunghid
uri avand bazele egale cu d si n
altimile ni (sau fi sau i ). Indicatorii principali
de pozitie sunt obtinuti la fel ca si n cazul repartitiei S2 nlocuind ns
a pe xi
cu xM
.
Funct
ia
de
repartit
ie
de
select
ie
se
define
s
te
n
cazul
repartit
iei
de tip
i
S3 astfel:
0,
daca x `0
X
i1
1
fi + (x ì1 )fi , daca ì1 x ì , i = 2, 3, ..., n, (4.11)
Fn (x) =
d
j=1
1 , daca `k < x.
Exemlul 4.9.2 O echip
a de zece muncitori si-au realizat planul lunar n proportie
de 85, 96, 98, 102, 107, 110, 112, 113, 117 si respectiv 127%. S
a se construiasc
a
histograma datelor procentuale.
Rezolvare:
10785
Avem d = 1+3,222lg
arul ntreg 10.
10 ' 9, 7177. Se va lua pentru d num
12785
Datele procentuale se grupeaza n [ 9,7 ] = 4 grupe. Histograma datelor
procentuale este:
Fig. 4.7
126
ILOR
Histograma este un tip special de grafic, deosebit de relevantpentru prelucrari statistice. Functia MATLAB hist, pentru reprezentarea histogramei
se apeleaza cu sintaxa hist(X,n), cu X setul de date analizat, iar n num
arul
de intervale, n cazul exemplului, de mai sus , n=4.
Exemlul 4.9.3 Controlul statistic de calitate al unui produs se face pe baza

cazul unui lot de N obiecte se va teste o selectie de volum
unei selectii. In
n. Dac
a acesta contine mai mult de produse necorespunz
atoare, lotul va fi
respins, n caz contrar fiind acceptat. Planul de selectie se caracterizeaz
a prin
alegerea numerelor (, n) si pe presupunerea c
a procentul de rebuturi din sectia
de productie este acelasi cu cel al lotului din care s-a efectuat selectia. Aceast
a
ipotez
a se face cu o anumit
a probabilitate astfel nc
at at
at produc
atorul c
at si
beneficiarul si asum
a un anumit risc n acceptarea planului de selectie.
Pentru urm
arirea calit
atii produselor se folosesc fise de control. Pentru
controlul unei caracteristici a unui proces particular de productie, produsele pe
care facem m
asur
atorile sunt alese aleator. Aceste m
asur
atori sunt trecute pe
fisele de control av
and forma de mai jos.
Fig. 4.8
Daca cosideram pe x ca linie medie si valorile x+3s, x3s (s reprezent
and
abaterea medie patratica) ca limita superioara de comtrol, respectiv limita
inferioara de control, atunci 99, 73% dintre toate valorile masurate se afla n
regiunea marginita de limitele de control. Daca cele trei linii sunt determinate
prin teste preliminare, atunci procesul de productie poate fi controlat n acest
mod. Daca o observatie masurat
a se afla n aceasta regiune, atunci deviatiile
de la medie sunt privite ca aleatoare. Deviatia este sistematica daca data
masurata cade n afara liniilor de control(indicata n Fig.(4.8) n la 4 si la
18). In acest caz productia trebuie ntrerupt
a si cercetata cauza deviatiei.
MATEMATICA.
4.9. STATISTCA
4.9.1
127
Estimare.
Fie acum data variabila de selectie X sub una din formele empirice:
xj
xi
X :
, j = 1, 2, ..., n sauX :
n , i = 1, 2, ..., k,
1
ni
n
corespunzand repartitiilor statistice de tip S1 sau S2 . Atunci X constituie o
aproximare a variabilei teoretice:
x
X:
,
f (x)
definita pe populatia studiata. Functia densitate de repartitie f (x) contine
anumiti parametri pe care ncercam sa-i determinam folosind selectia efectuata. Operatia de determinare a valorilor parametrilor se numeste estimare.
Principiul de baz
a al teoriei selectiei: Variabila de selectie converge
n lege catre variabila teoretica, iar parametrii variabilei de selectie converg n
probabilitate catre parametrii corespunzatori ai variabilei teoretice.
Fie parametrul ce se cere a fi determinat prin intermediul datelor puse
la dispozitie de variabila de selectie X ( poate fi valoare medie, dispersie, etc.) tipul repartitiei X fiind considerat cunoscut. Functia de estimatie
(X1 , X2 , ..., Xn ) determinata pe baza selectiei, care ndeplineste conditia generala de convergenta n probabilitate:
lim P(| | < ) = 1
se numeste functie de estimatie consistent

a, iar estimatorul respectiv
poarta numele de estimator consistent al parametrului .
Remarcam urmatorul fapt: Consistenta nu se refera la convergenta lui
catre n ses matematic uzual. Convergenta se refera la probabilitatea
asociata evenimentului | | < obtinut
a cu repartitia lui cand n .
Exemlul 4.9.4 Din legea numerelor mari sub forma lui Bernoulli, avem relatia:
lim P(|fn p| < ) = 1,
deci frecventa relativa fn este un estimator consistent al probabilitatii p considerata ca un parametru al legii binomiale.
Se poate demonstra ca exista o infinitate de estimatori consistenti pentru un parametru teoretic .
In practica convergenta estimatorului c
atre are loc n una din urmatoarele
situatii:
a) M( ) = si D( ) 0 cand n . In acest caz reprezint
a un
estimator absolut corect.
128
ILOR
b) M( ) si D( ) 0 cand n . In acest caz reprezint

a un
estimator corect pentru .
Se verifica ca orice estimator absolut corect este si estimator consistent.
Intr-adevar, folsind inegalitatile Cebsev avem:
D( )
P(| | < ) 1.
2
Deoarece presupunem ca este un estimator absolut corect rezulta ca
D( ) 0 cand n , deci lim P(|fn p| < ) = 1, adica este ntrn
adevar un estimator consistent.
Se verifica de asemeni ca valoarea medie de selectie x sidispersia de selectie
2
s reprezinta estimatori absolut corecti pentru , respectiv 2 .
1
4.9.2
Functia de verosimilitate a selectiei.
Sa consideram variabila teoretica X cu densitatea de repartitie f (x, ) depinzand de un singur parametru ce trbuie estimat pe baza datelor de selectie
(x1 , x2 , ..., xn ). Densitatea de repartitie f (x, ) ia corespunzator valorilor din
esantion, valorile:
f (xi , ) = P(X = xi ), i = 1, 2, ..., n.
Deoarece variabila de selectie X presupune realizat evenimentul
n
\
(X = xi ),
i=1
rezulta ca realizarea variabilei de selectie constituie un eveniment reprezent

and
verosimilitatea de reflectare a variabilei teoretice de catre variabila de select
X , ce este masurata prin probabilitatea
L(x1 , x2 , ..., xn , ) = P(
n
\
(X = xi )),
i=1
adica prin functia:

L(x1 , x2 , ..., xn , ) =
n
Y
f (xi , ),
(4.12)
i=1
numita functia de verosimilitate a selectiei.

Metoda verosimilitatii maxime folosita pentru prima data de Gauss n cazul
repartitiei normale si apoi de R. A. Fischer propune determinarea parametrului inpunand conditia ca functia de verosimilitate sa fie maxima, ceea ce
presupune ca
L
(x1 , x2 , ..., xn , ) = 0.
MATEMATICA.
4.9. STATISTCA
129
In calcule practice adesea ecuatia de mai sus este nlocuita de ecuatia echivalenta
(ln L)
1 L
=
=0
L
Daca densitatea de probabilitate depinde de doi parametrii 1 si 2 , atunci
acesti parametrii sunt dati de sistemul de ecuatii:
(
(ln L)
1 L
1 = L 1 = 0,
(ln L)
1 L
2 = L 2 = 0.
Se poate arata ca n anumite conditii destul de generale n ceea ce priveste
functia densitate de probabilitate f (x, ), estimatorul de maxima verosimilitate a parametrului este si estimator consistent.
Exemlul 4.9.5 S
a se determine estimatorii de maxim
a verosimilitate 1 =
si 2 = ai unei variabile aleatoare normale folosind o selectie de valori
x1 , x2 , ..., xn ntr-o repartitie statistic
a de tip (S1 ).
Functia de verosimilitate n acest caz este:
L(x1 , x2 , ..., xn , , ) =
n
Y
f (xi , , ) =
i=1
Avem:
ln L = n ln
12
2
n
X
(xi )2
i=1
n
n
1 X
ln(2) 2
(xi )2
2
2
i=1
Formam sistemul de ecuatii:
(ln L) =
(ln L)
Se obtine dupa simplificari:

n
X
(xi ) = 0,
i=1
1
2
1
2
n
X
(xi ) = 0,
i=1
= n +
1
3
n
X
(xi )2 = 0.
i=1
1
n
deci
n
X
2
2
(xi ) = n.
=
i=1
n
X
xi = x,
i=1
n
X
1
(xi x)2
n
i=1
= s2 .
Rezulta ca media si dispersia unei repartitii normale au drept estimatori

de maxima verosimilitate valoarea medie, respectiv dispersia de selectie.
130
ILOR
In cazurile de mai sus estimarea parametrilor este punctuala. Intr-o estimare punctuala, valoarea adevarat
a a parametrilor variabilei aleatoare teoretice este considerata afi egala cu estimatia valorii obtinut
a printr-o selectie
prin metoda verosimilitatii maxime. Intruc
at probabilitatea ca sa coincida cu
valoarea reala este mica, de fapt stim foarte putin despre precizia estimatiei.
De aceea se ncearca sa se determine un interval ( , + ), care contine
estimatorul , astfel ncat sa includa parmetrul teoretic necunoscut cu probabilitatea 1 . Numarul 1 se numeste coeficient de ncredere(nivel
de ncredere) . Lungimea intervalului de ncredere 2 se poate calcula pe
baza lui 1 , 0 < < 1. Cu cat intervalul de ncredere este mai mic si
coeficientul de ncredere mai aproape de 1, cu atat avem o indicatie mai precisa cu privire la valoarea parmetrului . Precizam ca parametrul nu este
o variabila aleatoare, n schimb intervalul de ncredere(care depinde de datele
de selectie) este un interval aleator care variaz
a de la o selectie la alta. De
aceea legatura dintre valoarea parametrului si intervalul de ncredere trebuie
nteleasa astfel: probabilitatea ca intervalul de ncredere s
a acopere
valoarea este egal
a cu coeficientul de ncredere.
In practica parametrul estimat este adeseori indicator tehnic cerut de buna
functionare a unei instalatii sau un indicator de calitate a unor produse realizate. Acesti indicatori se considera corespunzatori daca sunt situati ntr-un
interval ce garanteaza buna functionare a instalatiei respective sau calitatea
corespunzatoare a bunului realizat. In acest sens intervalul de ncredere si
coeficientul de ncredere corespunzator sunt numiti interval de sigurant
a si
indicator de sigurant
a.
Daca are semnificatia valorii medii teoretice, atunci n calculul intervalului de ncredere ne putem folosi de inegalitatea lui Cebasev:
P(| | < ) 1
D( )
,
2
unde este calculat pe baza datelor de selectie (x1 , x2 , ..., xn ). Pentru un

)
coeficient de ncredere 1 D(
dat si presupunand ca se cunoaste D( )
2
putem determina pe . Atunci intervalul de ncredere este ( , + ).

a se determine un
Exemlul 4.9.6 Pentru un coeficient de ncredere 1 dat s
interval de ncredere pentru parametrul p al probabilit
atii din legea binomial
a.
Efectuam n experiente. Daca evenimentul E apare cu probabilitatea p
si q=1-p este probabilitatea ca E sa nu apara, atunci putem defini variabile
aleatoare Xk , k = 1, 2, ..., n, av
and distributia:
Xk :
1 0
p q
MATEMATICA.
4.9. STATISTCA
131
deci Xk = 1 daca evenimentul E apare n ncercarea k si Xk = 0 daca evenimentul E nu apare n ncercarea k.

Consideram drept estimator consistent p al probabilitatii p frecventa relativa fn , conform legii numerelor mari a lui Bernoulli.
p = fn =
X1 + X2 + ... + Xn
n
Avem:
n
!
X
1
M (fn ) = M
xi = p
n
i=1
n
!
X
1
p(1 p)
xi =
D(fn ) = 2 D
n
n
i=1
r
p(1 p)
fn =
n
Deoarece produsul pq are valoarea maxima =entru p = q = 12 , datorita
legaturii p + q = 1, avem: fn 21 n . Consideram functia de selectie:
U (X1 , X2 , ..., Xn, p) =
fn p
fn
Pentru n mare conform teoremei Moivre-Laplace, U urmeaza o lege normala redusa. Rezulta pentru un coeficient de ncredere 1 , dat:
Z z
u2
1
P(z U z ) =
e 2 du = 2(z ) = 1 .
2 z
Valoarea z este solutia ecuatiei 2(z ) = 1 si se calculeaza din tabela
functiei lui Laplace. Rezulta z fnfp z , deci intervalul de ncredere va
n
fi:
z
z
fn , fn +
.
2 n
2 n
In continuare pentru o populatie repartizata normal cu media si abaterea
standard se dau intervale de ncredere atat pentru parametrul c
at si pentru n diferite situatii, considerand o selectie X1 , X2 , ..., Xn din populatia
considerata si un coeficient de ncredere 1 , dat.
a) -cunoscut, -necunoscut.
Alegand drept estimator consistent x pentru , avem intervalul de ncredere:
x z1 2 , x + z1 2
n
n
unde z1 2 este solutia ecuatiei (z) = 1 2 .
132
ILOR
Capitolul 5
Tehnici de solutionare ale

ecuatiilor diferentiale si
sistemelor de ecuatii
diferentiale de ordin 1
In acest capitol vom prezenta functiile MATLAB care implementeaz
a metodele
Runge-Kutta pentru rezolvarea ecuatiilor diferentiale de ordinul nt
ai si metodele
de rezolvare a ecuatiilor diferentiale de ordin superior, prin convertire n sisteme de ecuatii diferentiale de ordin nt
ai.
5.1
Ecuatii diferentiale de ordinul nt

ai.
O ecuatie diferentiala de ordinul nt

ai are forma:
y0 =
dy
= f (x, y),
dx
(5.1)
unde x este variabila independent

a, iar y este functia necunoscuta.
Exemple:
1) y 0 = f1 (x, y) = 3x2 ,
2) y 0 = f2 (x, y) = 0, 1y,
3) y 0 = f3 (x, y) = 3y + e2x .
Pentru rezolvarea acesstora cu conditiile initiale (problema Cauchy) respectiv: y(0) = 7, 5, y(0) = 4, y(0) = 3, aceste ecuatii au solutiile:
1) y = x3 7, 5,
2) y = 4e0,1x ,
3) y = 4e3x e2x .
133
134CAPITOLUL 5. TEHNICI DE SOLUT

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
Cu toate ca solutiile analitice ale ecuatiilor diferentiale sunt preferate, pentru multe astfel de solutii nu pot fi obtinute.
Metodele numerice cele mai cunoscute pentru rezolvarea ecuatiilor diferentiale
sunt metoda lui Euler si metoda Runge-Kutta. Ambele aproximeaz
a functiile
utilizand descompunerea n serii Taylor.
5.2
Functiile MATLAB pentru integrarea numeric

a
a ecuatiilor diferentiale.

a a ecuatiilor diferentiale de
ordinul ntai sunt:
ode23 -rezolva ecuatii diferentiale prin metoda Runge-Kutta de ordin 2/3;
ode45 -rezolva ecuatii diferentiale prin metoda Runge-Kutta de ordin 4/5.
Functiile ode23 si ode45 se apeleaza cu una din sintaxele:
[x,y]=ode23(yprim,x_{0},x_{f},y_{0})
[x,\;y]=ode45(yprim, x_{0}, x_{f}, y_{0})
[x,\;y]=ode23(yprim, x_{0}, x_{f}, y_{0}, tol, trace)
unde:
yprim -este o variabila sir cu numele unui fisier-M care defineste derivata
functiei necunoscute y.
x0 -este valoarea initiala a variabilei x.
xf -este valoarea finala a variabilei x.
y0 -este un vector coloana contin
and conditiile initiale. (In cazul unei singure ecuatii diferentiale y0 reprezint
a conditia initial
a a functiei necunoscute.)
tol -este precizia dorita a solutiei(optional
a). Implicit tol=103 pentru
ode23 si tol=106 pentru ode45.
trace -este un parametru care asigura tiparirea rezultatelor intermediare,
obtional. Valoarea implicita este zero (fara tiparire)
Numarul de puncte xi din intervalul [x0 , xf ], n care funxctiile ode23 si
ode45 returneaza valorile yi ale necunoscutei, este un parametru intern al
acestora. Functiile ode23 si ode45 apeleaza la metodele de integrare RungeKutta-Fehlberg, cu stabilirea automata a pasului. Algoritmul Runge-Kutta cu
pas automat si alege pasul n functie de gradientul solutiei, luand un pas mic
c
and gradientul y 0 are valoare mare, luand respectiv un pas mai mare cand
gradientul y 0 are o valoare mai mica.
Functiile MATLAB au doua argumente de iesire; valorile variabilei x si
marimile corespunzatoare ale necunoscutei y, care reprezint
a solutia numeric
a
a ecuatiei diferentiale.
A ECUAT
5.2. FUNCT
IILE MATLAB PENTRU INTEGRAREA NUMERICA
IILOR DIFERENT
Pentru a ilustra modul de utilizare al functiei ode23, de exemplu, se

prezinta calculul numeric al solutiilor ecuatiilor diferantiale date ca exemplu n paragraful precedent. Solutia numeric
a (x, yn) fiind reprezentat
a cu
markere, iar solutia analitica (x, ya) cu linie continu
a.
Vom reconsidera exemplul 1) al ecuatiei diferentiale y 0 = 3x2 pe intervalul
[2, 4], cu conditia initiala y(2) = 0, 5.
Se creaza un fisier functie:
function dy=f1(x, y)
dy=3*x^2;
cu numele f1.m care se apeleaza cu secventa:
[x, yn]=ode23(f1, 2, 4, .5);
ya=x.^3-7.5;
plot(x,yn,o,x,ya); grid
obtinandu-se solutia numeric
a comparativ cu cea analitica n :
(a) cu ode23
(b) cu ode45
Fig. 5.1: Solutiile yn (x)(punctata) si yn (x)(linie continu

a) pt. primul exemplu
Pentru exemplul 2) al ecuatiei diferentiale y 0 = 0, 1y pe intervalul [2, 5],
cu conditia initiala y(0) = 4. Se creiaza un fisier functie
dy=-.1*y;
cu numele f2.m care se apeleaza cu secventa MATLAB:
[x, yn]=ode23(f2, 0, 5, 4);
ya=4.*exp(-.1.*x);

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
a reprezentat
a comparativ cu cea analitica n
(5.2)
(a) cu ode23
(b) cu ode45
Fig. 5.2: Solutiile yn (x)(punctat

a) si yn (x)(linie continu
a) pt.exemplul 2)
Pentru exemplul 3) al ecuatiei diferentiale y 0 = 3y +e2x pe intervalul [0, 2],
cu conditia initiala y(0) = 3. Se creiaza un fisier functie
dy=3*y+exp(2*x);
cu numele f3.m care se apeleaza cu secventa MATLAB:
[x, yn]=ode23(f3, 0, 5, 4);
ya=4.*exp(3.*x)-exp(2.*x);
a reprezentat
a comparativ cu cea analitica n
(5.3)
In mod practic vom folosi una dintre cele doua secvente alegerea uneia sau
a alteia facandu-se n raport de nevoile practice.
Exercitii propuse: Sa se rezolve numeric ecuatiiile diferentiale cu conditia
initiala data comparand cu solutia, analitica y(a), corespunzatoare.
1+y 2
2x
1) y 0 = 1+x
2 , y(0) = 2, xf = 4, ya = 1+2x
2
2) y 0 = 1+y
xy , y(1) = 2, xf = 2, ya =
5x2
x
p
2 x2
3) y 0 = y 2xy
, y(1) = 1, xf = 2, ya = x(1 ln x)
4) y 0 + y cos x = sin x cos x, y(0) = 1, xf = 2, ya = sin x 1 + 2e sin x
5) x2 y 0 + 2x3 y = (1 + 2x2 )y 2 , y(1) = 2, xf = 2, ya = ( x1
ex 1
2e )
A SISTEMELOR DE ECUAT
5.3. FUNCT
(a) cu ode23
(b) cu ode45

a) si ya (x)(linie continu
a) pt.exemplul 3)
5.3

a
a sistemelor de ecuatii diferentiale de ordinnul
nt
ai.
Vom considera sistemul de n ecuatii diferentiale de ordin nt

ai cu n necunoscute scris sub forma normala:
0
y = a11 y1 + a12 y2 + ... + a1n yn + b1 (x);
10
y2 = a21 y1 + a22 y2 + ... + a2n yn + b2 (x);
:
:
:
:
:
:;
0
yn = an1 y1 + an2 y2 + ... + ann yn + bn (x),
cu vectorul coloana
y1
y2
y=
: ,
yn
functie necunoscuta.
Functiile ode23 si ode45 se apeleaza la fel ca mai sus av
and n vedere ca
necunoscuta y, ca si valoarea initial
a y0 din sintaxele:
[x,y]=ode23(yprim,x_{0},x_{f},y_{0})
[x,\;y]=ode45(yprim, x_{0}, x_{f}, y_{0})
sa fie vectori coloana.

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
Evident, acestea vor fi puse n evident
a cu ajutorul fisierului functie si cu
secventa programului principal.
Exemple: 4) Fie sistemul:
0
y1 = y1 + 4y2
y20 = y1 + y2
cu conditiile:
y(0) =
y1 (0)
y2 (0)
0
2
Solutia analitica este:
ya =
ya1
ya2
2ex + 2e3x
ex + e3x
Vom obtine:

a) pt.exemplul 4)
Graficele se realizeaza cu scventele:
Fisier functie:
function yp=sf_ex4(x,y)
yp=zeros(2,1);
yp(1)=y(1)+4*y(2);
yp(2)=y(1)+y(2);
Program principal:
A SISTEMELOR DE ECUAT
5.3. FUNCT
%y1=y1+4y2, y1(0)=0.
%y2=y1+y2, y2(0)=2.
x0=0;xf=.5;%limitele de integrare
y0=[0 2];%Vectorul conditiilor initiale
[x,y]=ode45(sf_ex4,x0,xf,y0)
ya1=-2.*exp(-x)+2.*exp(3*x)
ya2=exp(-x)+exp(3*x)
plot(x,y,o,x,ya1,x,ya2);grid
5) Fie sistemul:
y10 = 11y1 + 16y2 + x + 1

y20 = 2y1 y2 x + 1
cu conditiile:
y(0) =
y1 (0)
y2 (0)
806
147
226
147
76
ya1
2e3x 4e7x 5x
+ 147
7
ya =
=
68
ya2
e3x + e7x + 3x
7 147
Se obtin graficele:

a) pt.exemplul 5)
Realizeazate cu scventele:
Fisier functie:

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
yp=zeros(2,1);
yp(1)=11.*y(1)+16.*y(2)+x+1;
yp(2)=-2.*y(1)-y(2)-x+1;
Program principal:
%y1=11y1+16y2+x+1, y1(0)=-806./147
%y2=-2y1-y2-x+1, y2(0)=226./147.
y0=[-806./147 226./147];%Vectorul conditiilor initiale
ya1=-2.*exp(3.*x)-4.*exp(7.*x)-(5*x)/7+76./147
ya2=exp(3.*x)+exp(7.*x)+(3.*x)/7-68./147
plot(x,y,o,x,ya1,x,ya2);grid
6) Fie si sistemul de tri ecuatii cu trei necunoscute:
0
y1 = y2 + y3
y 0 = y1 + y3
20
y3 = y1 + y2
cu conditiile:
y1 (0)
1
y(0) = y2 (0) = 2
y3 (0)
2
ya1
2ex + e2x
ya = ya2 = ex + e2x
ya3
ex + e2x
Se obtin graficele:
Realizeazate cu scventele:
Fisier functie:
yp=zeros(3,1);
yp(1)=y(2)+y(3);
yp(2)=y(3)+y(1);
yp(3)=y(1)+y(2);
Program principal:
A ECUAT
5.4. FUNCT
IILOR DIFERENT

a) pt.exemplul 6)
%y1=y2+y3, y1(0)=-2
%y2=y1+y3, y2(0)=2
%y3=y1+y2, y2(0)=3
y0=[-1 2 2];%Vectorul conditiilor initiale
ya1=-3.*exp(-x)+exp(2.*x)
ya2=exp(-x)+exp(2.*x)
ya3=2.*exp(-x)+exp(2.*x)
plot(x,y(:,1),*,x,y(:,2),.,x,y(:,3),o,x,ya1,x,ya2,x,ya3);grid
5.4

a
a ecuatiilor diferentiale de ordinn n.
Se stie ca o ecuatiedifetentiala de ordin n este echivalent

a cu un sistem de
ecuatii diferentiale de ordinul nt
ai cuplate. Spre exemplu, ecuatia diferential
a
de ordin n:
y (n) = u(x, y, y 0 , y 00 , ..., y (n1) )

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
la care se asociaza notatiile:
y1 (x) = y (n1)
y2 (x) = y (n2)
yn2 (x) = y 00
y
(x) = y 0
n1
yn (x) = y
este echivalenta cu urmatorul sistem de ecuatii diferentiale de ordinul nt
ai:
0
y1 = y (n) = u(x, yn , yn1 , yn2 , ..., y1 )
y 0 (x) = y1
2
:
0
yn2
(x) = yn3
y
(x) = yn2
n1
0
yn (x) = yn1
Exemple 7) Sa se integreze ecuatia diferential
a de ordin 2
y 00 + y = 0
pe intervalul [0, 2] cu conditiile initiale:
y(0) = 0, y 0 (0) = 1
y = sin x
Se creiaza fisierul functie, esf ex 7.m, care descrie sistemul de ecuatii diferentiale
cu urmatorul continut:
function yp=esf_ex7(x,y)
yp=zeros(2,1);%vectorul derivatelor
yp(1)=-y(2);%dervata de ordin 2
yp(2)=y(1);%dervata de ordin 1
si apoi programul principal, Bsfex7.m, care apeleaza fisierul functie esf ex7.m
si care are continutul:
%Ec. dif. de ordin II cu 1 nec.
x0=0;xf=3.*pi;
y0=[1,0];
[x,y]=ode23(esf_ex7,x0,xf,y0)
ya=sin(x);
plot(x,y(:,2),o,x,ya);grid
A ECUAT
5.4. FUNCT
IILOR DIFERENT

a) pt.exemplul 7)
8) Sa se integreze ecuatia diferential
a de ordin 4
y (4) 3y 00 4y = 0
pe intervalul [0, 2, 5] cu conditiile initiale:
y(0) = 0, y 0 (0) = 0, y 00 (0) = 0, y 000 (0) = 2
2
1
1
y = sin x e2x + e2x
5
10
10
Pentru rezolvarea acestei ecuatii cu MATLAB-ul, se exprima derivata de ordin cel mai mare(4 n acest caz) ca functie de celelalte derivate si variabila
independenta:
y (4) = 3y 00 + 4y
Cu notatiile:
(4)
y = 3y(2) + 4y(4), derivata a 4-a
y 000 = y(1), derivata a 3-a

y 00 = y(2), derivata a 2-a
y 0 = y(3), prima derivat

a
y = y(4),
Se creiaza fisierul functie, esf ex 8.m, care descrie sistemul de ecuatii diferentiale
cu urmatorul continut:

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
function yp=esf_ex8(x,y)
yp=zeros(2,1);%vectorul derivatelor
yp(1)=-y(2);%dervata de ordin 2
yp(2)=y(1);%dervata de ordin 1
%Ec. dif. de ordin II cu 1 nec.
x0=0;xf=3.*pi;
y0=[1,0];
[x,y]=ode23(esf_ex8,x0,xf,y0)
ya=sin(x);
plot(x,y(:,2),o,x,ya);grid
Se obtin graficele:

a) pt.exemplul 8)
9) Sa se integreze sistemul de doua ecuatia diferentiale de ordin doi, fiecare:
00
y + 4y + 5z = x2
z 00 + 5y + 4z = x + 1
pe intervalul [0, 2, 5] cu conditiile initiale:
y(0) = 0, y 0 (0) = 0, z(0) = 0, z 0 (0) = 2
A ECUAT
5.4. FUNCT
IILOR DIFERENT
Pentru rezolvarea acestui sistem de ecuatii cu MATLAB-ul, se exprima derivatele

de ordin cel mai mare(2 n acest caz) ca functie de celelalte derivate si variabila
independenta:
y 00 = 4y 5z + x2 , z 00 = 5y 4z + x + 1
Cu notatiile:
00
y = 4y(2) 5y(4) + x2 , derivata a 2-a a lui y
y 0 = y(1), prima derivat

a a lui y
y = y(2)
z 00 = 5y(2) 4y(4), derivata a 2-a a lui z
z 0 = y(3), prima derivat

a a lui z
z = y(4)
vom creea sistemul diferential de 4 ecuatii diferentiale de ordinul nt
ai, cuplate.
0
y (1) = 4y(2) 5y(4) + x2
0
y (2) = y(1)
y 0 (3) = 5y(2) 4y(4)
0
y (4) = y(3)
Se obtin graficele: Creiat cu fisierul functie, esf ex9.m, care descrie sistemul

a) pt.exemplul 9)
de ecuatii diferentiale cu urmatorul continut:

IONARE ALE ECUAT
IILOR DIFERENT
IALE SI SIST
function yprim=esf_ex9(x,y)
yprim=zeros(4,1);%vectorul derivatelor
yprim(1)=-4*y(2)-5*y(4)+x.^2;%derivata de ordin 4
yprim(2)=y(1);%derivata de ordin 3
yprim(3)=-5*y(2)-4*y(4)+x+1;%derivata de ordin 2
yprim(4)=y(3);%derivata de ordin 1
%y+4y+5z=x^2, y(0)=206/81,y(0)=32/9.
%z+5y+4z=x+1, z(0)=-37/81,z(0)=23/9.
x0=0;xf=2.5;tol=10^(-9);
y0=[32/9 206/81 23/9 -37/81];%Conditii initiale;
[x,y]=ode45(esf_ex9,x0,xf,y0);
ya=exp(x)+exp(-x)+cos(3.*x)+sin(3.*x)-(4.*x.^2)/9+(5.*x)/9-37/81;
za=cos(3.*x)+sin(3.*x)-exp(x)-exp(-x)+(5.*x.^2)./9-(4.*x)./9+44/81;
plot(x,y(:,2),o,x,y(:,4),*,x,ya,x,za);grid
Capitolul 6
Transform
ari conforme.
6.1
Interpretarea geometric
a a derivatei complexe.
Fie w = f (z) o functie complexa monogena intr-o vecinatate U a punctului

z0 si avand n aceasta vecinatate derivata continu
a. Admitem ca f 0 (z0 ) 6= 0.
Sa mai consideram n planul z un arc de curba neted , de ecuatie z = z(t)
avand extremitatea n z0 = z() astfel nc
at z(t) U, ()t [, ]. Prin
functia w = f (z), acestui arc i corespunde in planul w un arc de curba de
ecuatie w = f (z(t)), t [, ]. Fig.6.2
Fig. 6.1
Avem
w0 = f 0 (z(t)) z 0 (t)
astfel ncat w ca functie de t are derivat
a continu
a. De asemeni w0 () =
f 0 (z0 ) z 0 (), iar z 0 () 6= 0 si deci arcul este de asemeni un arc neted.
147

CAPITOLUL 6. TRANSFORMARI
CONFORME.
148
Functia f (z) fiind monogena n z0 avem:

lim
zz0
w w0
= f 0 (z0 )
z z0
aceasta limita fiind independent

a de directia dupa care z tinde la z0 . In
particular cand z z0 dupa curba avem:
lim
zz0
f (z(t)) f (z())
= f 0 (z0 )
z(t) z()
Relatia (6.1) este echivalent

a cu urmatoarele doua relatii
f (z(t)) f (z())
= |f 0 (z0 )|
lim
zz0
z(t) z()
lim arg
zz0
f (z(t)) f (z())
= arg f 0 (z0 )
z(t) z()
(6.1)
(6.2)
(6.3)
Egalitatea (6.2) indica faptul ca raportul lungimii coardelor w(t) w0 si

z(t)z0 tinde catre f 0 (z0 ) atunci cand t . In consecint
a |f 0 (z0 )| semnific
a
geometric coeficientul de dilatare al lungimilor n punctul z0 prin
functia f (z). Acest coeficient este independent de directia curbei, asfel nc
at
curbele care trec prin punctul z0 se dilata n acest punct la fel. Cu alte cuvinte
cercurile cu raza foarte mica cu centrul n z0 le corespund curbe n planul w
ce difera foarte putin de cercuri cu centru n punctul w0 .
Relatia (6.3) mai poate fi scrisa n continuare:
lim arg(w(t) w()) lim arg(z(t) z()) = arg f 0 (z0 )
sau
lim arg(w(t) w0 ) lim arg(z(t) z0 ) = arg f 0 (z0 )
(6.4)
Dar lim arg(z(t) z0 ) = , reprezint

a unghiul tangentei n z0 la curba
t
cu axa Ox iar lim arg(w(t) w0 ) = desemneaza unghiul tangentei n w0 la

t
curba cu axa Ou.

Prin urmare din (6.4) mai avem:
= arg f 0 (z0 )
(6.5)
Astfel arg f 0 (z0 ) desemneaz

a geometric unghiul cu care sunt rotite
curbele n punctul z0 prin functia w = f (z).
A DERIVATEI COMPLEXE. 149

6.1. INTERPRETAREA GEOMETRICA
Cum f 0 (z0 ) este independent de directia dupa care z tinde n z0 urmeaza
c
a acest unghi este acelasi pentru toate curbele ce trec prin z0 .
Fie acum pe langa curba si curba 1 trec
and prin z0 si fie 1 unghiul
tangentei la aceasta curba n punctul z0 cu axa Ox. Sa notam cu 1 imaginea
acestei curbe prin functia w = f (z) si prin 1 unghiul tangentei la 1 n punctul
w0 cu axa Ou. Conform relatiei (6.5) avem:
1 1 = arg f 0 (z0 )
(6.6)
si din relatiile (6.5) si (6.6) prin scadere rezulta

1 1 = 1
(6.7)
Dar = 1 este unghiul dintre curba si curba 1 , iar = 1

reprezinta unghiul dintre curbele si 1 . In concluzie conform relatiei (6.7)
= si deci prin transformarea w = f (z) cu f 0 (z0 ) 6= 0, unghiurile curbelor
ce trec prin z0 se conserva.
Observatia 6.1.1 Conditia f 0 (z0 6= 0 este esential
a.
Iata de exemplu functia w = z 2 este monogena n z = 0, ns
a w0 (0) = 0.
Fig. 6.2
Sa luam = Ox si 1 = Oy. Prin urmare avem:
()
( )
(1 )
(1 )
=
z=x
w = x2
z = iy
w = y 2
0<x<
0 < x < ; u = x2 , v = 0 (axa Ou pozitiva)
0<y<
0 < y < ; u = y 2 , v = 0 (axa Ou negativa)
iar = si deci = 2 ().

CAPITOLUL 6. TRANSFORMARI
CONFORME.
150
Definitia 6.1.1 O transformare w = f (z) diferentiabil

a n punctul z0 se zice
conform
a n acest punct dac
a are iacobianul nenul, p
astreaz
a unghiurile cu
v
arful n z0 si transform
a cercurile infinitezimale cu centru n z0 n cercuri
infinitezimale cu centru n w0 .
Definitia 6.1.2 O transformare w = f (z) se zice conform
a ntr-un domeniu
D dac
a este biunivoc
a pe D si este conform
a n fiecare punct al lui D.
Teorema 6.1.1 Fie f (z) = u + iv o functie monogen
a n z0 cu f 0 (z0 ) 6= 0.
Atunci transformarea w = f (z) este conform
a n z0 si reciproc.
Demonstratie.
Pentru prima implicatie trebuie calculat iacobianul:
u u f 2 f 2 f 2
x y
I = v v = = 6= 0
x y
z
z
z
Reciproc: Fie acum f (z) o reprezentare conforma n punctul z0 . Cum f (z)
este diferentiabila n punctul z0 , avem:
f (z) f (z0 ) =
f
f
(z z0 ) +
(z z 0 ) + (z)|z z0 |
z
z
cu lim (z) = 0. Sa luam imaginea prin aceasta functie a vectorilor z1 z0 =

zz0
si z2 z0 = i. Avem:
f
w1 w0 = f (z1 ) f (z0 ) = f
z (z0 ) + z (z0 ) + (z1 )
f
w2 w0 = f (z2 ) f (z0 ) = i z (z0 ) i f
z (z0 ) + (z2 )i
sau
w1 w0
w2 w0
f
= f
z (z0 ) + z (z0 ) + (z1 )
f
= i f
z (z0 ) i z (z0 ) + (z2 )i
A DERIVATEI COMPLEXE. 151

6.1. INTERPRETAREA GEOMETRICA
(a) Ecuatie dif. de ordin I (b) Ecuatie dif. de ordin IV (c) Sistem de dou
a ec. dif de(d) Sistem de dou
a ec. dif de
ordin I
ordin I
Fig. 6.3: Grafice

Complemente de Matematica

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Complemente de Matematica

Загружено:

Авторское право:

Доступные форматы

Cuprins

1 Elemente avansate de calcul matriceal.

2.3.1 Categoriile principale de campuri vectoriale. . . . . . . .

5 Tehnici de solutionare ale ecuatiilor diferentiale si sistemelor

Elemente avansate de calcul

Definirea functiilor de matrice.

Vom presupune cunoscuta matricea patratica de ordinul n

unde (zI A)1 este matricea invers

8 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

iar P (z) = z 2 8z + 12, spectrul matricei fiind {2, 6}, iar

2) Pentru matricea de ordinul al doilea

1.1. DEFINIREA FUNCT

Scriind polinomul caracteristic P si matricea B sub formele:

B(z) = B1 z n1 + B2 z n2 + ... + Bn1 z + Bn ,

cu pj C, Bj Mn j = 1, 2, ..., n, deoarece Rz = B(z)

din care rezulta:

iar P (z) = z 3 3z 2, spectrul matricei fiind {1, 2}. Apoi deoarece

10 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

Daca polinomul caracteristic P (z) si matricea B(z) sunt astfel nc

Daca Q(z) = 1, polinomul minimal coincide cu polinomul caracteristic

1.1. DEFINIREA FUNCT

b0 , b1 , ... , bn1 fiind polinoame).

12 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

trebuie nlocuit n prin m iar c0 , c1 , ..., cm1 prin coeficientii corespunzatori.

daca valorile proprii 1 , 2 , ..., n ale matricei A sunt simple. Deoarece

Deci functia f (A) coincide cu polinomul L(A), L fiind polinomul Lagrange de

1.1. DEFINIREA FUNCT

conditiile (1.12) se inlocuiesc prin conditiile

3f (2) 4f (3) + f (6) 2 12f (2) + 32f (3) 5f (6)

sin(2) + 13 sin(3) + 16 sin(6) 13 sin(3) 13 sin(6)

14 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

In consideratiile anterioare s-a presupus f diferentiabil

(j 1 )...(j j1 )(j j+1 )...(j q )

se poate deduce faptul ca aceasta matrice se poate scrie si sub forma

unde Zj Mn nu depind de functia f . Evident, ne aflam n ipoteza ca

1.1. DEFINIREA FUNCT

Exemplu 6) Fie matricea:

16 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

Ca si n cazul spectrului simplu, tin

unde Zkj Mn se pot determina particularizandu-l pe f .

In teoria sistemelor diferentiale cu coeficienti constanti un rol deosebit i

18 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

fiind matricea coloana a functiilor necunoscute.

Egalitatea (1.21) se obtine astfel:

20 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

Intr-adevar, pentru prima relatie, avem:

1.3. INTEGRAREA UNOR SISTEME DIFERENT

iar solutia problemei Cauchy x(0) = x0 , y(0) = y0 a sistemului diferential:

Integrarea unor sisteme diferentiale cu coeficienti variabili.

Teoria functiilor de matrice A poate fi utilizata si la integrarea sistemelor

Pentru a gasi o matrice fundamental

W (t) = e 1m A , daca m 6= 1, t > 0

22 CAPITOLUL 1. ELEMENTE AVANSATE DE CALCUL MATRICEAL.

In sfarsit solutia sistemului:

In studiul dinamic al fenomenelor naturii intervine notiunea de camp.

este scalar, dac

CAPITOLUL 2. ELEMENTE DE TEORIA CAMPULUI.

Definitia 2.1.3 Regiunea < constituie domeniul de definitie al c

Suprafata de nivel sau suprafata echipotential

Definitia 2.1.4 Suprafat

unde u1 6= u2 . Presupunem ca suprafetele ar avea puncte comune. Punctele

Fie u0 suprafata de nivel av

si membrul drept al ecuatiei de mai sus reprezint