SEMINAR 3 - VEGHEŞ OVIDIU

Octombrie 2016 / Facultatea de CIG

Tema seminarului: Analiza matematică - Extreme libere locale. Criteriul necesar. Criteriul
suficient. Algoritm. Metoda celor mai mici patrate.
1.4.1 Exerciţiu Să se cerceteze dacă punctul (0, 0) este punct de extrem local pentru funcţiile
f : R2 → R, i) f (x, y) = x2 + y 2 ; ii) f (x, y) = x2 − y2 ; iii) f (x, y) = x2 + y 3 ; iv) f (x, y) = x2 + y 4 .
1.4.2 Exerciţiu Să se determine punctele de extrem local ale funcţiei
f : R2 → R, f (x, y) = x3 + y3 − 3xy.
1.4.3 Exerciţiu Determinaţi dacă există, punctele de extrem local liber ale funcţiilor de două
variabile de mai jos, precizând de fiecare dată domeniul de definiţie corespunzător:
i) f (x, y) = x3 + y 3 − 12x + 3y + 1;
ii) f (x, y) = xy ;
iii) f (x, y) = x2 + y 2 + xy − 3x − 3y + 5;
iv) f (x, y) = xy + 50 x + y , x > 0, y > 0;
20

v) f (x, y) = x3 + y2 + 3xy + 3x + y + 5;
vi) f (x, y) = 5x3 − 20xy + 4y 2 + 40x + 1;
vii) f (x, y) = −x2 + 3y 3 + 18xy + 1;
viii) f (x, y) = 6x2 y + 2y3 − 45x − 51y + 1;
ix) f (x, y) = xy + xy + y2 − 4y + 5;
x) f (x, y) = xy + xy .
Precizaţi pentru fiecare punct de extrem local dacă acesta este punct de extrem global.
1.4.4 Exerciţiu Să se determine pentru a ∈ R punctele de extrem local ale funcţiei f : R2 → R:
i) f (x, y) = ax2 + y 2 − 2x − 4y;
ii) f (x, y) = x2 + y 2 + axy − 2x − 2y;
iii) f (x, y) = ax2 + ay 2 + 4xy − 10x − 8y.
1.4.5 Exerciţiu Determinaţi dacă există, punctele de extrem local liber ale funcţiilor de trei
variabile de mai jos, f : R3 → R:
i) f (x, y, z) = x2 + y 2 + z 2 + xy + yz + zx − 4x − 4y − 4z + 5;
ii) f (x, y, z) = x2 − y 2 + z 2 + xy + yz + zx − 4x + 6y − 4z + 3;
iii) f (x, y, z) = xyz − 6x − 3y − 2z;
iv) f (x, y, z) = x3 + y 3 + z 3 + 3xy + 3yz + 3zx − 12x − 12y − 12z + 4;
v) f (x, y, z) = xyz;
vi) f (x, y, z) = x (1 + y)z , x > 0, y > 0, z > 0.
1.4.6 Exerciţiu Volumul tranzacţiilor asupra unui bun material a înregistrat în 5 luni conse-
cutive valorile: 2, 3, 6, 7, 12. Se cer: a) trendul liniar; b) trendul parabolic; c) cel mai bun dintre
ele; d) prognoza pentru urmatoarele 2 luni.
Rezolvare. Avem n = 5.

ti yi t2i yi ti t3i t4i yi t2i

−2 2 4 −4 −8 16 8
−1 3 1 −3 −1 1 3
(1.1) 0 6 0 0 0 0 0
1 7 1 7 1 1 7
2 12 4 24 8 16 48
Σ=0 Σ = 30 Σ = 10 Σ = 24 Σ=0 Σ = 34 Σ = 66
1
2 SEM INAR 3 - VEGHE Ş OVIDIU

a) Pentru trendul liniar y (t) = a0 + a1 t, sistemul ecuaţiilor normale este

 

· n + a1 n
a0  i=1ti = n yi
i=1 a0 · 5 + a1 · 0 = 30
n n n ⇒
a0 i=1 ti + a1 i=1 t2i = i=1 yi ti a0 · 0 + a1 · 10 = 24

cu soluţia a0 = 6, a1 = 2, 4, deci y(1) (t) = 6 + 2, 4 · t, iar suma pătratelor erorilor este (vezi 1.2)
15

10

5  2
(1)
SSE1 = i=1 y (ti ) − yi = 4, 4. 5

-4 -2 2 4

b) Pentru trendul parabolic y (t) = a0 + a1 t + a2 t2 , sistemul ecuaţiilor normale este

    
 a0 · n + a1 n ti + a2 n
i=1 t2i = n
i=1 yi
i=1  a0 · 5 + a1 · 0 + a2 · 10 = 30
a0 n i=1 ti + a1 ni=1 t2i + a2 n i=1 t3i = ni=1 yi ti ⇒ a0 · 0 + a1 · 10 + a2 · 0 = 24
 
a0 n 2
i=1 ti + a1
n 3
i=1 ti + a2
n 4
i=1 ti =
n 2
i=1 yi ti a0 · 10 + a1 · 0 + a2 · 34 = 66

cu soluţia a0 = 5, 14286, a1 = 2, 4, a2 = 0, 428571, deci y(2) (t) = 5, 14286+ 2, 4· t + 0, 428571· t2 , iar suma patratelor
erorilor este (vezi 1.2)
20

15

  2
SSE2 = 5i=1 y(2) (ti ) − yi
10
= 1, 82857.
5

-4 -2 2 4

c) Cum SSE1 > SSE2 , cel mai bun este trendul parabolic.
 2  2
ti yi y(1) (ti ) y(1) (ti ) − yi y(2) (ti ) y(2) (ti ) − yi y(1) (ti ) − yi y(2) (ti ) − yi
−2 2 1, 2 −0, 8 2, 05714 0, 0571429 0, 64 0, 0032653
−1 3 3, 6 0, 6 3, 17143 0, 171429 0, 36 0, 0293878
0 6 6, 0 0 5, 14286 −0, 857143 0 0, 734694
(1.2)
1 7 8, 4 1, 4 7, 97143 0, 971429 1, 96 0, 943673
2 12 10, 8 −1, 2 11, 6571 −0, 342857 1, 44 0, 117551
− − − − − − SSE1 = 4, 4 SSE2 = 1, 82857
⇑
d) Prognoza pentru urmatoarele 2 luni se va calcula astfel:

y (2) (tk ) = 5, 14286 + 2, 4 · tk + 0, 428571 · t2k , unde tk ∈ {3, 4} ,

deci y(2) (3) = 5, 14286 + 2, 4 · 3 + 0, 428571 · 32 = 16, 2 şi y(2) (4) = 5, 14286 + 2, 4 · 4 + 0, 428571 · 42 = 21, 6. Aceste
valori sunt considerate mai "corecte" decât y(1) (3) = 6 + 2, 4 · 3 = 13, 2 şi y(1) (4) = 6 + 2, 4 · 4 = 15, 6.
1.4.7 Exerciţiu Să se deducă sistemul ecuaţiilor normale ale lui Gauss în situaţia în care curba
de ajustare a datelor experimentale M1 (t1 , y1 ) , M2 (t2 , y2 ) , . . . , Mn (tn , yn ) este y = y (t) = a0 + at1
(trend hiperbolic).
Bibliografie recomandată:

Bibliografie
[1] Popescu O. (coord.), ... — Matematici aplicate în economie. vol.1. Ed.Didactică şi Pedagogică, Bucureşti, 1993.
[2] Purcaru I. — Matematici generale & elemente de optimizare. Ediţia I. Ed.Economică, Bucureşti, 1997.
[3] Beganu G., Giuclea M. — Elemente fundamentale de matematică în economie. Ed.ASE, Bucureşti, 2011.
[4] Dedu S., Şerban Fl. — Matematici aplicate în economie. Culegere de probleme. Ed.Teocora, Buzău, 2007.
[5] Serban Fl., Dedu S. — Matematici aplicate in economie. Culegere de probleme, Tipogrup Press, Bucureşti, 2005.
[6] Pripoae C. — Matematici pentru economişti. Ed.ASE, Bucureşti, 2008.
[7] Cenuşă Gh (coord.) — Matematici pentru economişti. Culegere de probleme. Ed. CISON, 2000.
[8] Popescu, O. (coord.) — Matematici aplicate în economie. Culegere de probleme. Ed. Didactică şi Pedagogică,
1996.
[9] Şerban R. (coord.) — Exerciţii privind tehnicile computaţionale. Introducere, Ed.ASE, 2009.
 SEM INAR 3 - VEGHE Ş OVIDIU 3

Terminologie:
Fie m
2, f : A ⊆ Rm → R o funcţie şi a ∈ A. Punctul a este punct de maxim [minim] local
al funcţiei f dacă există o vecinătate V a punctului a astfel încât
f (x)  f (a) , ∀x ∈ V ∩ A [f (x)
f (a) , ∀x ∈ V ∩ A.].
Teoremă [criteriul necesar]. Dacă f : A ⊆ Rm → R are un punct de extrem (maxim sau
◦
minim) local în a ∈ A şi f este diferenţiabilă în a, atunci df (a) = 0 (adică a este punct staţionar
a lui f).
◦
Teoremă [criteriul suficient]. Fie f : A ⊆ Rm → R, a ∈ A un punct staţionar a lui f , iar
funcţia f este de două ori diferenţiabilă pe Br (a) ⊆ A.
i) Dacă d2 f (a) este o funcţională pătratică pozitiv definită, atunci a este punct de minim local.
ii) Dacă d2 f (a) este o funcţională pătratică negativ definită, atunci a este punct de maxim
local.
iii) Dacă d2 f (a) este o funcţională pătratică nedefinită, atunci a nu este punct de extrem local
(este punct şa).
Dacă f este diferenţiabilă de două ori pe o vecinătate a punctului a, iar derivatele parţiale sunt
continue în a atunci matricea (evident simetrică)
 ∂2 f 2 
∂x21
(a) . . . ∂x∂m ∂x
f
1
(a)
 
Hf (a) =  ... ... ... 
∂2 f ∂2 f
∂x1 ∂xm (a) . . . ∂x2 (a)
m

asociată diferenţialei d2 f (a) se numeşte matricea hessiană a lui f în punctul a. Adică, prin
explicitare, avem d2 f (a) = h · Hf (a) · hT , ∀h = (h1 , . . . , hm ) ∈ Rm .
Algoritm de determinare a punctelor de extrem local. Fie f : A ⊆ Rm → R o funcţie.
◦
Etapa 0: Se determină mulţimea A punctelor interioare domeniului de definiţie A.
Etapa 1: Se alcătuieşte o listă de puncte, din domeniul de definiţie A, suspecte de a fi puncte
de extrem (folosim atunci când este posibil criteriul necesar).
Etapa 2: Se verifică pentru fiecare suspect în parte condiţia de extrem (fie criteriul suficient,
dacă diferenţiala de ordin doi se poate calcula, fie definiţia, în caz contrar).
Metoda celor mai mici pătrate (de reţinut):

12

10

1 2 3 4 5 6 7

Observaţiile făcute asupra unui indicator economic la momentele t1 , t2 , . . . , tn au dat valorile

y1 , y2 , . . . , yn . Se cere să se determine curba y = y (t) definită şi derivabilă pe un interval I ce
conţine momentele t1 , t2 , . . . , tn şi care să îndeplinească condiţia ca
(1.3) SSE = (y (t1 ) − y1 )2 + (y (t2 ) − y2 )2 + . . . + (y (tn ) − yn )2
să fie minimă. Reprezentăm grafic punctele M1 (t1 , y1 ) , M2 (t2 , y2 ) , . . . , Mn (tn , yn ) într-un sistem
de axeşi notăm prin εi = y (t1 )−y1 , cu i = 1, n, rezidurile ajustării valorilor observate y1 , y2 , . . . , yn
prin valorile calculate y (t1 ) , y (t2 ) , . . . , y (tn ). Atunci condiţia 1.3 se citeşte: suma pătratelor
erorilor (rezidurilor)1 să fie minimă. Curba y = y (t) se numeşte curba de ajustare sau trend.
1 În limba engleză Sum of Squares of Errors.
4 SEM INAR 3 - VEGHE Ş OVIDIU

Determinarea trendului o vom face prin metoda celor mai mici pătrate.
Etapa 1 . Se reprezintă grafic punctele M2 (t2 , y2 ), cu i = 1, n, pentru a intui forma trendului.
Presupunem că trendul căutat este y (t) = a0 + a1 t trend liniar (ajustare după o dreaptă).
Etapa 2 . Scriem relaţia 1.3 pentru trendul liniar, obţinând funcţia
 
f (a0 , a1 ) = SSE = ni=1 (y (ti ) − yi )2 = ni=1 (a0 + a1 ti − yi )2 .
Trebuie să determinăm a0 şi a1 pentru care f (a0 , a1 ) să fie minimă.
Etapa 3 . Determinăm punctele staţionare ale funcţiei f .
 n n n n
 ∂f    

 ∂a0 (a0 , a1 ) = fa′0 (a0 , a1 ) = 2 (a0 + a1 ti − yi ) · 1 = 2 a0 1 + a1 ti − yi
i=1 i=1 i=1 i=1
n n
 n n


 ∂f
 ∂a1 (a0 , a1 ) = fa′1 (a0 , a1 ) = 2 (a0 + a1 ti − yi ) · ti = 2 a0 ti + a1 t2i − yi ti
i=1 i=1 i=1 i=1
Sistemul
 n n
· n + a1 i=1
a0  ti = i=1yi
(1.4) n n n ,
a0 i=1 ti + a1 i=1 t2i = i=1 yi ti

∂f
(a0 , a1 ) = 0
se numeşte sistemul ecuaţiilor normale ale lui Gauss (echivalent cu ).
∂a0
∂f
(a0 , a1 ) = 0 ∂a1
Se poate arăta că este un sistem de ecuaţii liniare de tip Cramer, care are soluţie unică:
n   n
i=1 (yi − y) ti − t i=1 yi ti − n · y · t
(1.5) a1 = n  2 =  n 2 şi a0 = y − a1 t
2
i=1 ti − t i=1 ti − n · t

unde y şi t sunt mediile de selecţie a valorilor y1 , y2 , . . . , yn şi respectiv t1 , t2 , . . . , tn . În aceste

condiţii funcţia f va avea un singur  punct staţionar,
n punct  care va realiza minimul funcţiei f.
2n 2 ti
Într-adevăr Hessiana Hf (a0 , a1 ) =   i=1 este pozitiv definită pentru că:
2 ni=1 ti 2 ni=1 t2i
  2 ∆0 ∆1
∆0 = 1, ∆1 = 2n, ∆2 = det Hf (a0 , a1 ) = 4n ni=1 ti − t , iar β 1 = > 0, β 2 = > 0.
∆1 ∆2
Punctul (a0 , a1 ) dat de 1.5 este punctul de minim căutat.
Observaţii. (1) Sistemul 1.4 de ecuaţii normale ale lui Gauss se mai poate obţine (construi) şi
prin următoarea regulă mnemotehnică:
• pentru relaţiile
 yi =  a0 + a1 ti se aplică suma după toţi i = 1, n, obţinându-se ecuaţia
a0 · n + a1 ni=1 ti = ni=1 yi ;
• relaţia yi = a0 + a1 ti se înmulţeşte cu tni , deci yi ti = a0 ti +  a1 t2i , şi se aplică suma după
toţi i = 1, n, obţinându-se ecuaţia a0 i=1 ti + a1 i=1 ti = ni=1 yi ti .
n 2

(2) Presupunem că trendul este parabolic y (t) = a0 + a1 t + a2 t2 . Dacă se păstrează regula
mnemotehnică sistemul ecuaţiilor normale ale lui Gauss este
 n n 2 n
 a0  · n + a1 i=1 ti + a2 i=1 ti = i=1 yi
n n n n
(1.6) a0 i=1 ti + a1 i=1 t2i + a2 i=1 t3i = i=1 yi ti
 n n n n
a0 i=1 ti + a1 i=1 ti + a2 i=1 ti = i=1 yi t2i
2 3 4

(3) Dacă numărul observaţiilor n este impar, volumul calculelor se poate reduce alegând pentru
valoarea din mijloc a lui ti valoarea 0, cu condiţia ca observaţiile
 să fie efectuate la intervale egale
de timp. Prin acest procedeu, în sistemul lui Gauss, sumele ni=1 tki , pentru k impar sunt nule.
(4) Daca în Etapa 1, la alegerea trendului avem dubii asupra alegerii acestuia (liniar sau pa-
rabolic), atunci sa va calcula pentru fiecare trend în parte suma pătratelor erorilor şi se va alege
cel pentru care SSE este mai mică. Astfel că dacă ar trebui facută o prognoză asupra mărimii
economice studiate, vom calcula după cel mai bun trend.