Documente Academic
Documente Profesional
Documente Cultură
Analiză Matematică ID
Cuprins
După studiul acestei unităţi de învăţare studenţii vor avea cunoştinţe şi abilităţi
practice despre:
• determinarea punctelor de extrem local pentru funcţii de mai multe variabile;
• rezolvarea unor probleme de prognoză utilizînd metoda celor mai mici
pătrate;
• interpretarea unor procese precum şi a conţinuturilor teoretice ¸si practice ale
disciplinei.
1
7.1. Extremele locale ale funcţiilor de mai multe variabile
Extreme libere
Definiţie
Fie A ⊂R2, f: A→R şi (a, b)∈A. (a, b) este punct de maxim (minim) local pentru f dacă şi
numai dacă există o vecinătate V(a, b) a lui (a, b) astfel încât ∀ (x, y)∈V(a, b) avem f(a,
b)≥f(x, y) (respectiv f(a, b)≤f(x, y)).
Dacă (a, b) este un punct de minim sau maxim local atunci (a, b) se numeşte punct de extrem
local.
Propoziţie
Dacă (a, b)∈A⊂R2 este un punct de extrem local pentru funcţia f: A→R şi f ' x şi f ' y există
pe o vecinătate V(a, b)⊂A atunci f ' x ( a,b ) =0 şi f ' y ( a,b ) =0.
Demonstraţie
Fie ϕ ( x ) =f(x, b) cu (x, b)∈ V(a, b). Cum (a, b) este un punct de extrem local pentru f
deducem că x=a este un punct de extrem local pentru ϕ. Atunci folosind Teorema Fermat
obţinem că ϕ '(a) =0, deci
f ( x, b ) − f ( a , b ) ϕ( x) − ϕ(a)
f ' x ( a,b ) = lim = lim = ϕ '(a) =0
x→a x−a x → a x−a
Analog se demonstrează că f ' y ( a,b ) =0.
Definiţie
Fie A⊂R2 şi f: A→R. Un punct (a, b)∈A astfel încât f ' x ( a,b ) =0 şi f ' y ( a,b ) =0 se numeşte
punct staţionar pentru f.
2
3
Teorema
Fie A⊂R2, f:A→R şi (a, b)∈A un punct staţionar pentru f. Presupunem că ∃ V(a, b)⊂A astfel
încât f∈C2(V(a, b)). Fie
f "x 2 (a, b) f "xy (a, b )
H(a, b)= - matricea hessiană asociată lui f în (a, b) şi
f " yx (a, b ) f " y 2 (a, b )
∆1(a, b)= f "x2 ( a, b ) , ∆2(a, b)=det H(a, b).
Dacă ∆2(a, b)>0 şi ∆1(a, b)≠0, atunci (a, b) este punct de extrem local, după cum urmează:
• dacă ∆1(a, b)>0 atunci (a, b) este punct de minim local;
• dacă ∆1(a, b)<0 atunci (a, b) este punct de maxim local.
Dacă ∆2(a, b)<0 şi ∆1(a, b)≠0 atunci (a, b) nu este punct de extrem local (se numeşte punct
şa).
Demonstraţie
Folosind formula lui Taylor de ordinul al doilea se obţine:
4
1 1
f(x, y)=f(a, b)+ [ f ' x ( a,b ) (x-a)+ f ' y ( a,b ) (y-b)]+ [ f "x2 (a, b ) (x-a )2+
1! 2!
1
+2 f "xy (a, b) (x-a)(y-b)+ f " y 2 (a, b ) (y-b)2]+ ω ( x, y ) ρ2 ( x, y ) cu
2!
ω: A→R o funcţie continuă în (a, b), ω (a, b)=0 şi ρ ( x, y ) = ( x − a) 2 + ( y − b)2 .
Cum (a, b) este un punct staţionar pentru f ⇒ f ' x ( a,b ) =0, f ' y ( a,b ) =0 şi cu notaţiile
x−a y−b
α= , β= rezultă:
ρ ρ
1
f(x, y)-f(a, b)= ρ2 {[ f "x2 (a, b ) α2+2αβ f "xy ( a, b ) +β2 f " y 2 ( a, b ) ]+ ω ( x, y ) }=
2! 2
1 2 f "xy (a, b) 2 2 f " y 2 (a , b) f "x 2 (a , b) − ( f "xy (a, b))
= ρ { f "x2 (a, b) [(α+ β ) +β ( f "x2 (a, b))2 ]+ ω ( x, y ) )}=
2! f "x 2 (a, b)
1 f " ( a, b) 2 2 ∆ 2
= ρ2 {∆1[(α+ xy β ) +β ]+ ω ( x, y ) } dacă ∆1≠0.
2! f "x 2 (a, b) ∆12
Când ∆1(a, b)>0 şi ∆2(a, b)>0, folosind continuitatea funcţiei ω ( x, y ) în (a, b) şi că ω (a, b)=0
se obţine că există o vecinătate V’(a, b) ⊂V(a, b) astfel încât ∀ (x, y)∈ V’(a, b) avem
f(x, y)-f(a, b)≥0 ⇒ f(x, y)≥ f(a, b) ⇒ (a, b) punct de minim local pentru f.
Dacă ∆1(a, b)<0 şi ∆2(a, b)>0 atunci există o vecinătate V”(a, b) ⊂V(a, b) astfel încât
∀ (x, y)∈ V”(a, b) avem f(x, y)-f(a, b)≤0⇒ f(x, y)≤ f(a, b) ⇒ (a, b) punct de maxim local
pentru f.
Dacă ∆2(a, b)<0 atunci diferenţa f(x, y)-f(a, b) are atât valori pozitive cât şi pe o vecinătate a
lui (a, b), deci (a, b) nu este un punct de extrem local. □
Generalizare (n>2)
Fie A⊂Rn, f:A→R, a ∈A un punct staţionar pentru f astfel încât f ∈C2(V(a)). Notăm matricea
f "x12 (a) f "x1 x2 (a) ..... f "x1 xn (a )
f "x2 x1 (a) f "x22 (a) ..... f "x2 xn (a )
(
hessiană asociată lui f în a∈A, H(a)= f "xi x j (a ) ) = .
................ .............. ..... ...............
i , j =1, n
f "x12 (a ) f "x1 x2 (a )
Considerăm determinanţii ∆1(a)= f "x12 (a ) , ∆2(a)= , …, ∆n(a)= det H(a).
f "x2 x1 (a ) f "x22 (a )
Se ştie că H(a) este pozitiv definită dacă şi numai dacă ∆1(a)>0, ∆2(a)>0,…, ∆n(a)>0 şi
negativ definită dacă şi numai dacă ∆1(a)<0, ∆2(a)>0,…, (-1)n∆n(a)>0. Astfel că:
a) dacă H(a) este pozitiv definită atunci x=a este punct de minim local
5
b) dacă H(a) este negativ definită atunci x=a este punct de maxim local
c) dacă H(a) este nedefinită atunci x=a nu este punct de extrem local (punct şa).
Exemple
Soluţii
1)
Se calculează coordonatele punctelor staţionare, ca solu ţii ale sistemului:
f ' x ( x, y ) = 0 5x 4 − 5 = 0 x 4 − 1 = 0 ⇒ x = ±1
⇔ 2 ⇔ 2 .
f ' y ( x, y ) = 0 3 y − 48 = 0 y − 16 = 0 ⇒ y = ±4
Astfel, funcţia f are patru puncte staţionare: A(1,4 ); B (1,−4 ); C (− 1,4 ); D(− 1,−4 ).
Se calculează derivatele parţiale de ordinul al doilea:
f " x2 ( x, y ) = 20 x3 ; f " xy ( x, y ) = 0; f " yx ( x, y ) = 0; f " y 2 ( x, y ) = 6 y;
Pentru un punct oarecare ( a, b ) ∈ R 2 avem:
f " x2 ( a,b ) f " xy ( a,b ) 20a 3 0
∆1 ( a,b ) = f " x2 ( a,b ) = 20a 3 ; ∆ 2 ( a,b ) = = = 120 a3b.
f " yx ( a,b ) f " y 2 ( a,b ) 0 6b
Atunci:
∆1 (1,4 ) = 20 > 0
⇒ A(1,4) punct de minim local.
∆ 2 (1,4 ) = 480 > 0
∆ 2 (1,−4) = −480 < 0 ⇒ B(1,−4) nu este punct de extrem (punct şa).
∆ 2 (− 1,4) = −480 < 0 ⇒ C (− 1,4) nu este punct de extrem (punct şa).
∆1 (− 1,−4 ) = −20 < 0
⇒ D(− 1,−4) punct de maxim local.
∆ 2 (− 1,−4 ) = 480 > 0
2)
Funcţia profit este
f : R 2 → R , f ( x, y ) = xp1 + yp2 − c ( x, y ) = − x3 − 2 y 2 + 12 x + 8 y − 10 .
Punctele staţ ionare se obţin ca soluţii ale sistemului
6
f ' x ( x, y ) = 0 −3x 2 + 12 = 0
⇔ .
f ' y ( x, y ) = 0 −4 y + 8 = 0
Cum x şi y sunt pozitive se obţine unicul punct staţionar A(2, 2).
f "x 2 ( x, y ) f "xy ( x, y ) −6 x 0
Matricea hessiană va fi H(x, y)= =
f " yx ( x, y ) f " y 2 ( x, y ) 0 −4
−12 0
şi pentru punctul A(2, 2) aceasta devine H(2, 2)= cu
0 −4
∆1 ( 2, 2 ) = −12 < 0
⇒ A(2, 2) punct de maxim local. Acesta va fi şi punct de maxim al
∆ 2 ( 2, 2 ) = 48 > 0
profitului f, iar cantităţile optime vor fi x=2, y=2.
3)
Punctele staţ ionare se obţin din sistemul
2 n −1
f ' x ( x, y ) = 0 2nx =0
⇔ .
f ' y ( x, y ) = 0 2ny 2 n −1
=0
Se observă că A(0, 0) este unicul punct staţionar al funcţiei f .
Matricea hessiană va fi
f "x 2 ( x, y ) f "xy ( x, y ) 2n(2n − 1) x 2n − 2 0
H(x, y)= =
f " yx ( x, y ) f " y 2 ( x, y ) 0 2 n (2 n − 1) y 2 n − 2
0 0
şi pentru punctul staţionar A(0, 0) aceasta devine: H(0, 0)= cu
0 0
∆1 (0,0) = 0, ∆ 2 ( 0,0 ) = 0 deci algoritmul anterior nu poate fi aplicat.
Se observă însă, că f (0,0) = 0 şi f ( x, y) ≥ 0, ∀( x, y ) ∈ R 2 , astfel că
f ( x, y) ≥ f (0,0), ∀( x, y ) ∈ R 2 .
Ca urmare, conform definiţiei, A(0, 0) este punct de minim (global) pentru f .
Fie o funcţie f: [a, b]→R, despre care se cunosc n valori yi=f(xi), i= 1, n cu xi∈[a, b]
∀i= 1, n . Dacă funcţia nu este conoscută sau este foarte complexa se încearcă determinarea
unei funcţii simple g: [a, b]→R (numită trend sau fucţie de ajustare) astfel încât diferenţa
dintre datele cunoscute (xi, yi), i= 1, n şi cele calculate (xi, g(xi)), i= 1, n este minimă. De cele
mai multe ori g este o funcţie polinomială: g(x)=amx m+a m-1xm-1+…+a1x+a0 cu m∈N*.
Diferenţa dintre cele două seturi de date se poate exprima, cel mai convenabil, ca suma
n
pătratelor erorilor absolute: ϕ= ∑ (g(x i ) − y i ) 2 .
i =1
Dacă trendul este polinomial atunci
n
ϕ(am, am-1,…,a1, a0)= ∑ (a m x im + ... + a1x i + a 0 − y i ) 2
i =1
7
care este o funcţie ce depinde de parametrii ak, k= 0, m . Astfel că, problema se formulează
după cum urmează: să se determine ak, k= 0, m astfel încât ϕ(am, am-1,…,a1, a0) este minimă,
adică o problemă de extrem.
Cum ϕ admite derivate parţiale de ordinal întâi, punctul de extrem căutat este şi punct
staţionar, adică este soluţie a următorului sistem (numit sistemul ecuaţiilor normale Gauss):
ϕ' a k (am, am-1,…,a1, a0)=0 ,∀ k= 0, m
care devine
n m m
2 ∑ (a m x i + ... + a1 x i + a 0 − y i )x i = 0
i =1
n
2 ∑ (a m x im + ... + a1 x i + a 0 − y i )x im −1 = 0
i =1
................................................................ ⇔
n
2 ∑ (a m x m + ... + a1 x i + a 0 − y i )x i = 0
i =1 i
2 n (a x m + ... + a x + a − y ) = 0
∑ m i 1 i 0 i
i =1
n n n n
2m 2 m −1
a m ∑ x i + a m −1 ∑ x i + ... + a 0 ∑ x im = ∑ y i x im
i =1 i =1 i =1 i =1
...............................................................................
n n n n (*).
m +1 m
a
m ∑ x i + a m −1 ∑ x i + ... + a 0 ∑ x i = ∑ yi x i
i =1 i =1 i =1 i =1
n
m
n
m −1
n
a m ∑ x i + a m −1 ∑ x i + ... + na 0 = ∑ y i
i =1 i =1 i =1
Se poate arăta că sistemul Gauss (*) are o unică soluţie care este şi punct de minim global
pentru ϕ . Cazuri particulare:
- trendul liniar (m=1), g(x)=a1x+a0;
n 2 n n
a1
i =1
∑ x i + a 0 ∑
i =1
xi = ∑i =1
xi yi
n n
a
1∑ i x + na = ∑ yi
i =1
0
i =1
n 4 n n n
a
2 ∑ x i + a 1 ∑ x i
3
+ a 0 ∑ x i
2
= ∑ xi2 yi
i =1 i =1 i =1 i =1
n n n n
a 2 ∑ xi + a1 ∑ xi + a0 ∑ xi = ∑ xi yi
3 2
i =1 i =1 i =1 i =1
n n n
a 2 ∑ xi + a1 ∑ xi + na0 = ∑ yi
2
i =1 i =1 i =1
8
Exemple
1) Profitul realizat de o firmă timp în primele cinci luni dintr-un an are următoarea distribuţie:
luna ianuarie februarie martie aprilie mai
mil. euro 1 1 3 2 4
Să se ajusteze datele după o dreaptă şi să se facă o estimare a profitului în luna următoare.
2) Să se estimeze profitul unei firme (calculat în unităţi monetare) pentru anul 2009, dacă se
cunosc datele:
Soluţii
1) Dreapta de ajustare are ecuaţia g(x)=a1x+a0. Parametrii se determină din sistemul de ecuaţii
normale:
n 2 n n
a1
i =1
∑ x i + a 0 ∑
i =1
x i = ∑
i =1
xi yi
(1) n n
a
1∑ i x + 5 a = ∑ yi
i =1
0
i =1
i xi yi xi2 xi yi
1 1 1 1 1
2 2 1 4 2
3 3 3 9 9
4 4 2 16 8
5 5 4 25 20
∑ 15 11 55 40
Sistemul (1) este echivalent cu
55a + 15a0 = 40
(2) 1 ⇒ a 0 = 0,1 iar a1 = 0,7 .
15a1 + 5a0 = 11
Prin urmare funcţia de ajustare are forma g ( x ) = 0 ,7 x + 0 ,1 , fiind reprezentată împreună cu
datele experimentale în graficul următor:
9
Deci pentru luna iunie se preconizează următorul câştig: g (6) = 4,3 mil. euro.
a1
i =1
∑ x i + a 0 ∑
i =1
x i = ∑i =1
xi yi
(1) 4 4
a
1 ∑ xi + 4 a 0 = ∑ yi
i =1 i =1
i xi yi xi2 xi yi
1 1 6 1 6
2 2 7 4 14
3 3 4 9 12
4 4 3 16 12
∑ 10 20 30 44
Sistemul (1) este echivalent cu
30a + 10a0 = 44 a = 8
(2) 1 ⇒ 0
10a1 + 4a0 = 20 a1 = −1,2
Deci g ( x ) = −1,2 x + 8
cu reprezentarea grafică
10
În 2009, profitul estimat va fi: g (5) = 2 u.m.
Estimare după un polinom de gradul doi: h(x)=a2x2+ a1x+a0
Ecuaţiile normale au forma:
5 4 5 5 5
a 2 ∑ x i + a 1 ∑ x 3
i + a 0 ∑ x i
2
= ∑ xi2 yi
i =1 i =1 i =1 i =1
5 5 5 5
(3) a 2 ∑ xi3 + a1 ∑ xi2 + a0 ∑ xi = ∑ xi yi
i =1 i =1 i =1 i =1
5 5 5
a2 ∑ xi + a1 ∑ xi + 4 a0 = ∑ yi
2
i =1 i =1 i =1
2 3 4
i xi yi xi xi xi xi yi xi2 yi
1 1 6 1 1 1 6 6
2 2 7 4 8 16 14 28
3 3 4 9 27 81 12 36
4 4 3 16 64 256 12 48
∑ 10 20 30 100 354 44 118
Ecuaţiile normale (3) devin:
354a 2 + 100a1 + 30a0 = 118
(4) 100a2 + 30 a1 + 10 a0 = 44
30a + 10a + 4a = 20
2 1 0
a0 = 5,5
Se obţin soluţiile: a1 = 1,3 ⇒ h ( x ) = −0 ,5 x 2 + 1,3 x + 5 ,5
a = −0,5
2
ca în figura de mai jos:
Observaţie
Pentru a determina care din cele două funcţii este mai precisă, se compară sumele pătratelor
erorilor obţinute în fiecare caz în parte, astfel:
i xi yi [g (xi ) − yi ]2 [h(xi ) − yi ]2
1 1 6 0,64 0,09
2 2 7 1,96 0,81
11
3 3 4 0,16 0,81
4 4 3 0,04 0,09
∑ 2,8 1,8
2) Vânzările unui produs nou lansat pe piaţă au evoluat timp de 3 luni consecutive astfel:
Luna 1 2 3
Vânzări 11 14 20
Să se ajusteze fenomenul folosind metoda celor mai mici pătrate şi funcţia de ajustare liniară
şi să se prognozeze vânzările următoarelor 2 luni.
Rezultate
12