Unitatea de învățare 7

Analiză Matematică ID

Cuprins

7.1. Extremele locale ale funcţiilor de mai multe variabile

7.2. Metoda celor mai mici pătrate
7.3. Test de autoevaluare
7.4. Bibliografia unităţii de învăţare 7

Obiectivele unităţii de învăţare 7

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 "x x (a ) f "xn x2 (a ) ..... f "xn2 (a ) 

 n 1

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

1) Să se determine punctele de extrem local pentru funcţia

f : R 2 → R , f ( x, y ) = x 5 + y 3 − 5 x − 48 y

2) O întreprindere realizează două produse în cantităţile x şi y exprimate în unităţ i de măsură

(u.m.). Cheltuielile totale de producţie sunt
c ( x, y ) = 10 + 4 x − 2 y ,
iar preţurile unitare ale acestor dou ă produse depind funcţional de nivelul producţiei astfel:
p1 ( x, y ) = 16 − x 2 , p2 ( x, y ) = 6 − 2 y .
Să se determine în ce cantităţi trebuie realizate cele două produse astfel încât profitul să fie
maxim.

3) Să se determine punctele staţionare şi punctele de extrem local pentru funcţia:

f : R 2 → R , f ( x, y ) = x 2 n + y 2 n , n ∈ N *

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 .

7.2. Metoda celor mai mici pătrate

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

- trendul parabolic (m=2), g(x)=a2x2+ a1x+a0.

 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:

anul 2005 2006 2007 2008

profit (mil. u.m.) 6 7 4 3

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.

2) Estimare după un polinom de gradul întâi: g(x)=a1x+a0.

Se va rezolva sistemul:
 4 2 4 4

 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:

Prognoza cerută va fi: h(5) = −0,5

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

In concluzie, ajustarea după o parabolă corespunde unei erori mai mici.

7.3. Test de autoevaluare

1) Să se determine extremele locale ale funcţiilor:

50 20
a) f: R*× R*→R, f(x, y)= xy + + − 3;
x y
b) f:R3→R, f(x, y, z)=2x2+y2+2z-xy-xz.

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

1) a) (5, 2) minim local; b) (2, 1, 7) punct şa .

2) y(x)=4,5x+6, prognozele: y(4)=24, y(5)=28.5.

7.4. Bibliografia unităţii de învăţare 7

1. Gabriela Beganu, Marius Giuclea, “Elemente fundamentale de matematică aplicată în
economie”, Editura ASE, 2011.
2. Marius Giuclea, Costin Ciprian Popescu, “Metode fundamentale de matematică cu aplicaţii
în economie”, Editura ASE, 2009.
3. D.P. Covei, “Elemente de Analiză Matematică”, Editura ASE, Bucureşti, 2015, România
4. S. Dedu, Fl. Şerban, “Matematici aplicate ı̂n economie. Culegere de probleme“, Teocora,
Buzău, 2009.
5. R. Serban, D. Ijacu , I. Mircea, “Algebra si analiza matematica. Teorie si aplicatii“, Corint,
2015, România.
6. R. Șerban, O. Vegheș, S.Spătaru, I.Mircea, M.Marinescu, M.Covrig , “Exerciții privind
tehnicile computaționale. Introducere“, Editura ASE, 2009, România.

12