CUPRINS

PAG.
NOTĂ INTRODUCTIVĂ 1

CAPITOLUL 1
ELEMENTE DE TEORIA MATEMATICĂ A OPTIMIZĂRII
LINIARE ŞI PĂTRATICE 2

1.1. Considerente generale 2

1.2. Optimizare liniară 4
1.2.1. Forme de prezentare a unei probleme de optimizare liniară 4
1.2.2. Tipuri de soluţii. Proprietăţile soluţiilor unei probleme de
optimizare liniară 9
1.2.3. Algoritmul simplex. Exemple de calcul 12
1.2.4. Determinarea unei baze iniţiale. Degenerare şi ciclaj 15
1.2.5. Probleme rezolvate 17

CAPITOLUL 2
ELEMENTE DE ANALIZĂ MATEMATICĂ 24

2.1. SERII NUMERICE: DEFINIŢII ŞI REZULTATE DE BAZĂ 24

2.1.1.Serii cu termenii pozitivi 26
2.1.2. Serii cu termeni oarecare. Serii alternante 32
2.1.3. Probleme rezolvate 34
2.1.4. Probleme propuse 35

2.2. Şiruri şi serii de funcţii 36

2.2.1.Şiruri de funcţii 36
2.2.2. Serii de funcţii . Serii de funcţii particulare 40
2.2.3. Exemple de dezvoltări în serie Mac-Laurin ale unor funcţii cunoscute 43
2.2.4 Probleme rezolvate 47
2.2.5 Probleme propuse 48

2.3 Funcţii de mai multe variabile

2.3.1 Considerente privind funcţiile reale de variabilă vectorială şi
funcţiile vectoriale de variabile vectorială 49
2.3.2 Problema limitei şi a continuităţii 53
2.3.3 Derivarea funcţiilor de mai multe variabile 60
2.3.4 Câteva aplicaţii economice importante ale noţiunii de derivate:
valoare marginală, ritm de variaţii, elasticitate 67
2.3.5. Probleme rezolvate 71
2.3.6. Probleme propuse 72

2.4. Puncte de extrem

2.4.1. Extreme de funcţii nesupuse la legături 75
2.4.2. Extreme cu legături
2.4.2.1. Formularea problemei 83
2.4.2.2. Rezultate şi interpretarea economică a acestora 85
2.4.3. Probleme rezolvate 89
2.4.4. Probleme propuse 92
 NOTĂ INTRODUCTIVĂ

Lucrarea se adresează într-o manieră modernă şi accesibilă studenţilor de la învăţământul

economic dar şi altor categorii interesate în aprofundarea cunoştinţelor de specialitate.
Este structurată în cinci capitole: Elemente de algebră liniară, Elemente de analiză
matematică, Optimizare liniară şi pătratică, Elemente de categoria probabilităţilor, Elemente de
teoria balanţelor.
Fiecărui capitol i s-au asociat, corespunzător, câte un subcapitol special dedicat problemelor
rezolvate, respectiv problemelor propuse. La sfârşitul lucrării se prezintă un set de întrebări pentru
autoevaluarea cunoştinţelor, scopul acestuia fiind acela de a fixa corect notaţiile de bază şi de
însuşire a tehnicilor de lucru importante.
Un element de noutate al lucrării îl reprezintă interpretarea economică a unor rezultate de
referinţă precum şi indicarea posibilităţii de aplicare a unor rezultate teoretice în diverse domenii
tehnico - economice.
 CAPITOLUL 1

ELEMENTE DE TEORIA MATEMATICĂ A OPTIMIZĂRII

LINIARE ŞI PĂTRATICE

1.1. Considerente generale

Nu există problemă importantă cu caracter tehnic sau economic care să nu conducă din
punct de vedere matematic la o problemă de optimizare.
Problemele de dimensionare, alocare a resurselor, gestiune a stocurilor, stabilire a
programelor de revizii şi reparaţii ale utilajelor sunt doar câteva exemple în care conceptul de
optimizare nu poate lipsi.
În capitolul 2 au fost prezentate importante legate de problema determinării punctelor de
extrem, atât pentru funcţii supuse la restricţii de tip egalitate (şi pe care le-am numit extreme cu
legături), cât şi pentru funcţii, care în afara unor condiţii de derivabilitate parţială, nu trebuie să
verifice şi alte cerinţe (restricţii).
Disciplina matematică în care se studiază metodele de rezolvare a problemelor de extrem
condiţionat, se numeşte programare matematică. Particularitatea cea mai importantă a problemelor
de programare matematică este existenţa restricţiilor de tip inegalitate printre condiţiile impuse.
Uzual termenul de programare matematică este folosit şi sub forma de optimizare
matematică, însă este clar că ne aflăm în faţa unui abuz de limbaj.
În sens larg optimizarea se ocupă de determinare punctelor de extrem (maxim sau minim)
pentru orice tip de funcţie, pe când optimizarea matematică (atunci când acest termen îl înlocuieşte
pe cel de programare matematică) se referă la probleme de extrem pentru funcţii supuse la restricţii.
În cele ce urmează se va folosi termenul de optimizare matematică în loc de programare
matematică.
Fiind date funcţiile f , g i : n → , i = 1, m o problemă de optimizare matematică se
formulează astfel:
Să se determine maximul (sau minimul) funcţiei de eficienţă f ştiind că trebuie verificate
restricţiile:

⎧ g1 ( x1 , x2 ,..., xn ) ≤ 0
⎪
⎪ g 2 ( x1 , x2 ,..., xn ) ≥ 0
⎨ (*)
⎪
⎪ g ( x , x ,..., x ) = 0
⎩ m 1 2 n

Desigur, în sistemul de restricţii (*) au fost adoptate inegalităţi (într-un sens sau altul) şi
egalităţi în mod arbitrar. Esenţial este doar faptul că în sistemul de restricţii o problemă de
optimizare matematică conţine măcar o restricţie de tip inegalitate (în caz contrar ne situăm din
punct de vedere teoretic în cazul problemelor de optim cu legături analizate în capitolul 2, iar din
punct de vedere practic ne găsim fie în faţa unei probleme formulare incorect, fie în cazul unei
probleme lipsită de importanţă practică – deoarece orice problemă de factură tehnico-economică

2
importantă conduce în final la o problemă de optimizare care conţine cel puţin o restricţie de tip
inegalitate).
Concentrat problema de optimizare formulată anterior se notează astfel:

⎧ max ( min ) f ( x1 , x2 ,..., xn )

⎪
⎪ g1 ( x1 , x2 ,..., xn ) ≤ 0
⎪
( P ) ⎨ g 2 ( x1 , x2 ,..., xn ) ≥ 0 (**)
⎪
⎪
⎪ g m ( x1 , x2 ,..., xn ) = 0
⎩

Observaţia 1.1
Dacă se notează cu D mulţimea soluţiilor sistemului de restricţii (*), a optimiza funcţia de
eficienţă f în condiţiile respectării restricţiilor (*) (sau echivalent, a rezolva problema (**))
înseamnă practic vorbind, a găsi punctele de extrem (maxim sau minim) ale funcţiei de eficienţă f
care se găsesc în mulţimea D (fig. 1.1).

D
f

Figura 1.1

Optimizarea matematică este o disciplină relativ tânără. Primele lucrări în acest domeniu
datează din 1939 şi se datorează lui Kantorovici. Marele având al acestei discipline are loc începând
cu 1947 în urma rezultatelor datorate lui Dantzig, Lemke, Orden, Wolfe Beale.
La prima vedere pare curios că astfel de probleme, aparent simple, s-au impus atât de târziu,
când se ştie că de foarte multă vreme problemele de extrem au făcut obiectul cercetării cu ajutorul
calculului diferenţial. Explicaţia este însă imediată: în problemele de extrem studiate cu ajutorul
calculului diferenţia, punctele de extrem se află de regulă în interiorul domeniului de existenţă (al
funcţiei de eficienţă sau al soluţiilor sistemului de restricţii) şi numai în cazuri excepţionale, care nu
prezentau în general mare interes, pe frontieră.
Dimpotrivă, în cazul problemelor de optimizare (programare matematică) punctele de
extrem se află de regulă pe frontiera lui ( D ) şi prin urmare calculul efectiv al extremelor cu
metodele obişnuite este practic imposibil de realizat.
O scurtă sinteză asupra situaţiilor ce pot fi întâlnite în problemele de optimizare cu restricţii
(şi care vor fi analizate mai detaliat în subcapitolele ce urmează) constă în precizarea următoarelor
cazuri.
1. Dacă în sistemul de restricţii (*) întâlnim restricţii doar de tip egalitate, atunci rezolvarea
problemei (**) se poate face cu ajutorul multiplicatorilor lui Lagrange (desigur, în anumite condiţii
de derivabilitate parţială impuse funcţionalei de eficienţă f şi a funcţiilor de restricţii gi , i = 1, m ).
Acest caz a fost analizat în capitolul 2.
În situaţia în care sistemul de restricţii conţine cel puţin o restricţie de tip inegalitate,
punctele de extrem căutate se găsesc îndeosebi pe frontiera domeniului ( D ) şi prin urmare metoda
multiplicatorilor lui Lagrange cunoscută din analiza matematică nu se poate aplica.

3
 2. Dacă atât funcţia de eficienţă f cât şi funcţiile restricţii gi , i = 1, m sunt liniare, atunci
problema ( P ) se numeşte problemă de optimizare liniară. În legătură cu o astfel de problemă se pot
face câteva scurte consideraţii:
- primul algoritm de rezolvare a fost elaborat în 1947 de Dantzig (algoritmul complex);
- domeniul D este un poliedru convex, iar soluţiile problemei ( P ) se găsesc în vârfurile
poliedrului convex (fig. 3.2)
- mulţimea soluţiilor problemei ( P ) este o mulţime convexă.

Soluţii

D
Figura 1.2

3. Dacă funcţia de eficienţă f sau cel puţin una dintre funcţiile restricţii gi , i = 1, m , este
neliniară, atunci problema ( P ) se numeşte problemă de optimizare neliniară.
O astfel de problemă nu poate fi totdeauna rezolvată (cel puţin în stadiul actual al
cunoştinţelor teoretice în acest domeniu).
Se cunosc totuşi numeroase metode de rezolvare a unei astfel de probleme în situaţia în care
funcţia de eficienţă şi funcţiile de restricţii sunt convexe (în acest caz problema ( P ) se numeşte
problemă de optimizare convexă) sau, în cazul şi mai particular, când funcţia de eficienţă şi
funcţiile de restricţii sunt pătratice (în acest caz suntem în faţa unei probleme de optimizare
pătratică).

1.2. Optimizare liniară

1.2.1. Forme de prezentare a unei probleme de optimizare liniară
Problema de optimizare liniară este un caz particular al problemei de optimizare, mai precis
corespunde cazului când, atât funcţia de eficienţă cât şi funcţiile restricţiei, sunt liniar (variabilele
sunt la puterea întâi).
Considerăm funcţia de eficienţă:

f ( x1 , x2 ,..., xn ) = C1 x1 + C2 x2 + ... + Cn xn

Coeficienţii C1 , C2 ,..., Cn se numesc constante caracteristice. Funcţiile restricţiei

g1 , g 2 ,..., g m sunt de forma:

4
 g1 ( x1 , x2 ,..., xn ) = a11 x1 + a12 x2 + ... + a1n xn − b1
g 2 ( x1 , x2 ,..., xn ) = a21 x1 + a22 x2 + ... + a2 n xn − b2

g m ( x1 , x2 ,..., xn ) = an1 x1 + an 2 x2 + ... + ann xn − bn

În felul acesta forma generală a unei probleme de optimizare liniară este următoarea:

⎧ n

⎪ max ( ) ∑ Ci xi
min
⎪ i =1

⎪a11 x1 + a12 x2 + ... + a1n xn ≶ b1

⎪
⎨a21 x1 + a22 x2 + ... + a2 n xn ≶ b2 (1.1)
⎪
⎪
⎪an1 x1 + an 2 x2 + ... + ann xn ≶ bn
⎪
⎩

Concentrat, problema (1.1) se scrie sub forma:

⎧ n

⎪
⎪
max ( min ) ∑i =1
Ci xi
⎨ n (1.2)
⎪∑ a x ≶ b , i = 1, m
⎪⎩ j =1 ij i i

O problemă de optimizare în forma (1.1) sau (1.2) se spune că este o problemă de optimizare
liniară în forma generală, scrierea făcându-se în raport cu coordonatele carteziene.
În afară de această reprezentare, o problemă de optimizare liniară în formă generală se poate
scrie sub forma matricială şi sub forma vectorială.
Forma generală sub forma matricială.
Considerăm matricile:

⎛ a11 a12 a1n ⎞ ⎛ C1 ⎞ ⎛ x1 ⎞ ⎛ b1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a a22 a2 n ⎟ C x b
A = ⎜ 21 C =⎜ 2⎟ X =⎜ 2⎟ b=⎜ 2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ am1 am 2 amn ⎠ ⎝ Cn ⎠ ⎝ xn ⎠ ⎝ bm ⎠

Cu aceste matrici introduse, forma generală în reprezentare matricială a unei probleme de

optimizare liniară este:

⎧⎪max ( min ) C ′X
⎨ (1.3)
⎪⎩ AX ≶ b

unde C ′ este transpusa matricei C .

Forma generală în reprezentarea vectorială.

5
 Considerăm vectorul C = ( C1 , C2 ,..., Cn ) , vectorul X = ( x1 , x2 ,..., xn ) şi notăm:

⎛ a11 ⎞ ⎛ a12 ⎞ ⎛ a1n ⎞ ⎛ b1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a a22 ⎟ a2 n ⎟ b
V1 = ⎜ 21 ⎟ V2 = ⎜ Vn = ⎜ b=⎜ 2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ am1 ⎠ ⎝ am 2 ⎠ ⎝ amn ⎠ ⎝ bm ⎠

Forma generală în reprezentarea vectorială a unei probleme de optimizare liniară este:

⎧max ( min ) CX
⎪ n
⎨ (1.4)
⎪∑ xiVi ≶ b
⎩ i =1

unde CX este produsul scalar în n dintre vectorii C şi X .

În afara reprezentării generale a unei probleme de optimizare liniară, în practică se lucrează
uzual cu alte două forme de reprezentare:
- forma standard
- forma canonică.

Forma standard
Este acea formă în care restricţiile sunt de tip egalitate, iar variabilele x1 , x2 ,..., xn sunt
supuse condiţiei de nenegativitate. Avem următoarele forme de reprezentare:
a. În coordonate carteziene:

⎧ n

⎪ max ( min ) ∑ Ci xi
⎪ i =1

⎪ n
( P) ⎨∑ aij x j = bi , i = 1, m (1.5)
⎪ j =1
⎪ x ≥ 0, i = 1, n
⎪ i
⎩

b. În reprezentarea matricială:

⎧max ( min ) C ' X

⎪
( P) ⎨ AX = b
⎪X ≥ 0
⎩

Forma canonică
Caracteristic pentru această formă de prezentare este faptul că variabilele sunt supuse
condiţiei de nenegativitate (ca la forma standard) iar restricţiile sunt concordante.
Restricţiile sunt considerate a fi concordante dacă sunt de tip ≥ pentru o problemă de minim
şi de tip ≤ pentru o problemă de maxim.

6
 a. În coordonate carteziene:
- pentru o problemă de maxim
⎧ n

⎪ max ∑ Ci xi
⎪ i =1

⎪ n
( P) ⎨∑ aij x j ≤ bi , i = 1, m (1.6)
⎪ j =1
⎪ x ≥ 0, i = 1, n
⎪ i
⎩

- pentru o problemă de minim:

⎧ n

⎪ min ∑ Ci xi
⎪ i =1

⎪ n
⎨∑ aij x j ≥ bi , i = 1, m (1.7)
⎪ j =1
⎪ x ≥ 0, i = 1, n
⎪ i
⎩

b. Reprezentarea matricială
- pentru o problemă de maxim
⎧max C ' X
⎪
( P) ⎨ AX ≤ b (1.8)
⎪X ≥ 0
⎩

- pentru o problemă de minim:

⎧min C ' X
⎪
( P) ⎨ AX ≥ b (1.8’)
⎪X ≥ 0
⎩

Observaţia 1.2
O restricţie se zice că este coordonată dacă este de tip ≤ pentru o problemă de maximizare şi
de tip ≥ pentru o problemă de minimizare. Prin urmare, o problemă de optimizare liniară în forma
canonică conţine doar restricţii concordante.

Observaţia 1.3
La prima vedere s-ar părea că există trei forme distincte de reprezentare a unei probleme de
optimizare liniară. În realitate se poate trece destul de comod de la o formă de reprezentare la alta
având în vedere următoarele:
1) Sensul unei inegalităţi se poate schimba prin înmulţirea cu -1
2) Inegalităţile de tip ≤ se pot transforma în egalităţi prin adăugarea unei variabile
nenegative, numită variabilă de compensare. De exemplu inegalitatea:

a11 x1 + a12 x2 + ... + a1n xn ≤ b1

7
se poate transforma în egalitate introducând variabila de compensare xn +1 ≥ 0 astfel:

a11 x1 + a12 x2 + ... + a1n xn + xn +1 = b1

3) Inegalităţile de tip ≥ se pot transforma în egalităţi prin scăderea unei variabile nenegative
numită variabilă de compensare. De exemplu inegalitatea:

a11 x1 + a12 x2 + ... + a1n xn ≥ b1

se poate transforma în egalitate prin scăderea variabilei de compensare xn +1 ≥ 0 astfel:

a11 x1 + a12 x2 + ... + a1n xn − xn +1 = b1

4) Egalităţile se pot transforma întotdeauna în câte două inegalităţi de sens contrar. De

exemplu egalitatea:

a11 x1 + a12 x2 + ... + a1n xn = b1

este echivalentă cu inegalităţile

⎧a11 x1 + a12 x2 + ... + a1n xn ≤ b1

⎨
⎩a11 x1 + a12 x2 + ... + a1n xn ≥ b1

5) Variabilele negative se pot transforma în variabile pozitive prin introducerea unei

variabile suplimentare astfel: dacă xi ≤ 0 se notează xi′ = − xi .
6) Variabilele oarecare se pot scrie totdeauna ca diferenţe dintre două variabile nenegative,
adică dacă xi ∈ se introduc xi′, xi′′ ≥ 0 , aşa încât xi = xi′ − xi′′ .
7) Având în vedere că min f = − max ( − f ) orice problemă de minimizare se poate
transforma într-o problemă de maximizare şi invers.

Exemplu
Să se scrie sub formă standard, deci canonică, următoarea problemă de optimizare liniară.

⎧ min ( x1 − 2 x2 + x3 )
⎪
⎪ x1 + 2 x2 = 5
⎪
⎨ x1 − 3x2 + x3 ≤ 2
⎪2 x + x − x ≥ 3
⎪ 1 2 3
⎪⎩ x1 ≥ 0, x2 ∈ , x3 ≤ 0

Observaţia 1.4
Această problemă este dată sub forma generală în reprezentare carteziană.

8
 Forma standard

x2 = x4 − x5 , x4 , x5 ≥ 0
x3 = − x6 , x6 ≥ 0
⎧min ( x1 − 2 ( x4 − x5 ) + 3 ( − x6 ) )
⎪
⎪ x1 + 2 ( x4 − x5 ) = 5
⎪
⎨ x1 − 3 ( x4 − x5 ) + ( − x6 ) + x7 = 2
⎪
⎪2 x1 + ( x4 − x5 ) − ( − x6 ) − x8 = 3
⎪ x ≥ 0, i = 1,8
⎩ i
⎧min ( x1 − 2 x4 + 2 x5 − 3x6 )
⎪
⎪ x1 + 2 x4 − 2 x5 = 5
⎪
⎨ x1 − 3x4 + 3x5 − x6 + x7 = 2
⎪2 x + x − x + x − x = 3
⎪ 1 4 5 6 8
⎪⎩ xi ≥ 0, i = 1,8

Forma canonică

x2 = x4 − x5 , x4 , x5 ≥ 0
x3 = − x6 , x6 ≥ 0
⎧ min ( x1 − 2 ( x4 − x5 ) + 3 ( − x6 ) )
⎪
⎪ x1 + 2 ( x4 − x5 ) ≥ 5
⎪
⎪ x1 + 2 ( x4 − x5 ) ≤ 5 ⇔ − x1 − 2 ( x4 − x5 ) ≥ −5
⎨
⎪ − x1 + 3 ( x4 − x5 ) − ( − x6 ) ≥ −2
⎪2 x + x − x − − x ≥ 3
⎪ 1 ( 4 5) ( 6)
⎪ x ≥ 0, i = 1, 6
⎩ i
⎧min ( x1 − 2 x4 + 2 x5 − 3x6 )
⎪
⎪ x1 + 2 x4 − 2 x5 ≥ 5
⎪⎪− x − 2 x + 2 x ≥ −5
1 4 5
⎨
⎪− x1 + 3x4 − 3x5 + x6 ≥ −2
⎪2 x1 + x4 − x5 + x6 ≥ 3
⎪
⎪⎩ xi ≥ 0, i = 1, 6

1.2.2. Tipuri de soluţii. Proprietăţile soluţiilor unei probleme de optimizare

liniară
Considerăm problema de optimizare liniară dată în forma standard, reprezentarea carteziană.
Definiţiile care urmează sunt variabile şi pentru celelalte reprezentări, dar mai ales această formă
fiind mai uşor de reprezentat.

9
 ⎧ n

⎪ max ( ) ∑ Ci xi
min
⎪ i =1

⎪ n

⎨∑ aij x j = bi , i = 1, m (*)
⎪ j =1
⎪ x ≥ 0, i = 1, n
⎪ i
⎩

Definiţia 1.1
Vectorul X = ( x1 , x2 ,..., xn ) se zice soluţie posibilă dacă verifică condiţia de nenegativitate şi
restricţiile problemei date (adică verifică condiţiile (*)).

Definiţia 1.2
Vectorul X = ( x1 , x2 ,..., xn ) se zice soluţie de bază dacă are exact m componente nenule
(presupune rangul matricei A = m şi m ≤ n ).

Definiţia 1.3
Vectorul X = ( x1 , x2 ,..., xn ) se zice soluţie degenerată, adică are mai puţin de m
componente nenule.

Definiţia 1.4
Vectorul X = ( x1 , x2 ,..., xn ) se zice soluţie optimă dacă este soluţie posibilă (adică verifică
restricţiile (*)) şi optimizează funcţia de eficienţă (o minimizează sau maximizează în funcţie de
formularea problemei).

Observaţia 1.5
O noţiune foarte importantă în optimizarea liniară este cea de bază. Considerăm matricea A
corespunzătoare sistemului de restricţie (*).
Presupunem rang ( A ) = m < n .
Se numeşte bază orice matrice B nesingulară de m linii şi n coloane în care vectorii
coloană sunt liniar independenţi. Soluţia de bază corespunzătoare bazei B este dată de vectorul x B
ale cărui componente corespund coloanelor matrici bază.
Se notează cu S matricea obţinută prin extragerea din matricea A a matricei B şi cu x S
vectorul rămas pe care îl vom numi vector de nebazic. În cazul problemei de optimizare liniară
forma standard – reprezentarea matricială, egalitatea AX = b este echivalentă cu egalitatea
matricială:

B −1
Bx + Sx = b ⇒ x B = B −1b − B −1Sx S
B S

Se observă că o soluţie imediată a acestei egalităţi matriciale este:

⎪⎧ x = B b
B −1

⎨ S
⎪⎩ x = 0

10
 Aceste egalităţi justifică de fapt noţiunea de soluţie de bază (în care am precizat că numărul
componentelor nenule pentru astfel de soluţie este exact m ).

Proprietăţi ale soluţiilor

Considerăm o problemă de optimizare liniară dată de reprezentarea matricială, forma
standard:

⎧max ( min ) C ′X
⎪
⎨ AX = b (1.9)
⎪X ≥ 0
⎩

Rezultatele pe care le vom da în continuare sunt valabile şi pentru celelalte reprezentări, dar
demonstraţiile sunt mai simple în cazul acestui tip de problemă.

Teorema 1.1
Au loc rezultatele:
1. Mulţimea soluţiilor posibile este o mulţime convexă.
2. Mulţimea soluţiilor optime este o mulţime convexă.

Demonstraţie
1. Fie x , y două soluţii posibile ale problemei (1.9) (evident x şi y sunt matrici coloană).
Avem:

Ax = b
Ay = b
x, y ≥ 0

Vrem să arătăm că şi z = λ x + (1 − λ ) y , λ ∈ [ 0,1] este de asemenea soluţie posibilă a

problemei (1.9). Evident z ≥ 0 . Avem:

Az = A ( λ x + (1 − λ ) y ) = A ( λ x ) + A ( (1 − λ ) y ) = λ Ax + (1 − λ ) Ay = λb + (1 − λ ) b = b

Deci Az = b ⇒ z soluţie posibilă, deci mulţimea soluţiilor posibile este o mulţime convexă.
2. Fie x , y soluţii optime ale problemei (1.9). Pentru comoditate presupunem că problema
de optimizare este de maximizare. Prin urmare x , y sunt soluţii posibile, deci verifică:

⎧ Ax = b
⎪ Ay = b
⎪
⎨
⎪ x, y ≥ 0
⎪⎩C ′x = C ′y = f max

Vrem să arătăm că şi z = λ x + (1 − λ ) y , λ ∈ [ 0,1] este de asemenea soluţie optimă. De la

punctul anterior se ştie că z este soluţie posibilă. Calculăm C′z . Avem:

11
 C ′z = C ′ ⎡⎣ x + (1 − λ ) y ⎤⎦ = C ′ ( λ x ) + C ′ (1 − λ ) y = λ C ′x + (1 − λ ) C ′y = λ f max + (1 − λ ) f max = f max
f max f max

Am obţinut că z este soluţie optimă şi ţinând seama cum a fost construit z şi că x , y au

fost aleşi arbitrar, înseamnă că mulţimea soluţiilor optime este o mulţime convexă.

Observaţia 1.6
Se poate demonstra relativ uşor că dacă o problemă de optimizare liniară are soluţie
optimă, atunci admite întotdeauna şi o soluţie optimă de bază (adică o soluţie optimă care are
m componente nenule şi n − m componente nule).

1.2.3. Algoritmul simplex. Exemple de calcul

Se consideră problema de optimizare liniară în formă standard:

⎧min ( C1 x1 + C2 x2 + ... + Cn xn )
⎪
⎪a11 x1 + a12 x2 + ... + a1n xn = b1
⎪⎪a21 x1 + a22 x2 + ... + a2 n xn = b2
⎨ (1.10)
⎪
⎪an1 x1 + an 2 x2 + ... + ann xn = bn
⎪
⎪⎩ xi ≥ 0, i = 1, n

Dacă se notează C , A, b, X următoarele matrici:

⎛ C1 ⎞ ⎛ a11 a12 a1n ⎞ ⎛ b1 ⎞ ⎛ x1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
C a a22 a2 n ⎟ b x
C =⎜ 2⎟ A = ⎜ 21 b=⎜ 2 ⎟ X =⎜ 2⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Cn ⎠ ⎝ am1 am 2 amn ⎠ ⎝ bm ⎠ ⎝ xn ⎠

atunci problema (1.10) se poate scrie echivalent în următoarea formă matricială:

⎧min C ′X
⎪
⎨ AX = b (1.11)
⎪X ≥ 0
⎩

Presupunem m < n , rang ( A ) = m . Fie b o bază asociată matricei A a bazei B . Se notează

X B , X S vectorii ale căror componente sunt componente bazice, respectiv nebazice. În acest caz
egalitatea AX = b se poate scrie sub formă echivalentă:

BX B + SX S = b (1.12)

Din egalitatea (1.12) obţinem imediat că o soluţie posibilă de bază este:

12
 ⎪⎧ X = B b
B −1

⎨ S (1.13)
⎪⎩ X = 0

Observaţia 1.7
Vom lucra numai cu soluţii de bază (posibile şi optime) deoarece am văzut că o problemă de
optimizare liniară dacă admite soluţii (posibile sau optime) atunci admite şi soluţii de bază (posibile
sau optime).
O metodă teoretică de rezolvare a problemei (1.10) sau (1.11) este determinare tuturor
bazelor B care se pot extrage din matricea A , apoi la baza egalităţilor (1.13) se pot construi
soluţiile posibile (toate). Urmează apoi găsirea acelor soluţii care optimizează funcţia de eficienţă.
Deoarece, această metodă este extrem de incomodă, se apelează la metoda lui Dantzig
(matematician german) numită metoda simplex.
Această metodă are avantajul că nu explorează toate bazele ce se pot extrage din matricea
A , ci numai pe acelea care:
- dacă problema este de minim, metoda simplex conduce la o succesiune de baze aşa
încât soluţiile de baze corespunzătoare fac ca funcţia de eficienţă să descrească
succesiv;
- dacă problema este de maxim, metoda simplex conduce la o succesiune de baze ale
căror soluţii de bază ( X B = B −1b , X S = 0 ) fac ca funcţia de eficienţă să crească
succesiv.
Metoda simplex constă, practic, de la o bază posibilă (admisibilă) B şi se construiesc
următoarele elemente:

X B = B −1b
y Bj = B −1a j
z B = CB′ B −1b
z j − C j = CB′ B −1a j − C j

unde a j reprezintă vectorii coloană ai bazei B .

Cu ajutorul acestor elemente se construieşte un tablou de m + 2 linii şi n + 2 coloane.

Valorile
Vectorii bazei corespunzătoare x1 x2 xn
(VB) bazei
(VVB)
XB X − B = B −1b y1B = B −1a1 y2B = B −1a 2 ynB = B −1a n
z B = C B′ B −1b z1 − C1 z 2 − C2 z n − Cn

Dacă pentru toţi indicii j avem z j − C j ≤ 0 , pentru o problemă de minim, respectiv

z j − C j ≥ 0 , pentru o problemă de maxim, atunci baza aleasă B va fi optimă, iar soluţia optimă
(care va fi de fapt o soluţie de bază) este:

⎧⎪ X B = X − B ⇒ X B = B −1b
⎨ S
⎪⎩ X = 0

13
 Dacă există indici j pentru care z Bj − C j ≥ 0 se calculează acel indice k aşa încât
max ( z Bj − C j ) = zkB − Ck . Indicele k astfel găsit ne arată că vectorul coloană a k va intra în bază.

Observaţia 1.8
Pentru o problemă de maxim ne vom orienta după acei indici j pentru care . Indicele k care
dă vectorul coloană a k ce va intra în noua bază se găseşte printre acei indici care realizează:

min ( z Bj − C j ) = zkB − Ck
j

În următoarea etapă se determină vectorul coloană ce va părăsi baza. Se notează cu I

mulţimea indicilor pentru care yikB ≥ 0 . Se determină acel indice l cu proprietatea că:

min ( xiB / yikB ) = xlB / ylBk

i∈I

Vectorul xl va părăsi baza.

Vom nota noua bază B , iar mărimile corespunzătoare acestei bare care sunt: xiB , yiB ,
ziB − ci , z B se calculează astfel:

xiB ………… yijB ………… yiBk

xlB ………… yljB ………… ylBk

z B ……… z Bj − C j ……… zkB − Ck

xlB yikB
xiB = xiB −
ylkB
yljB yikB
y =y −
B
ij
B
ij
ylkB
xlB ( zkB − Ck )
z =z −
B B

ylkB
xlB
xkB =
ylkB
yljB
y =
B
kj
ylkB

Elementul ylkB se numeşte pivot, iar indicii l şi k sunt caracterizaţi de indicii vectorilor ce
ies din bază, respectiv ce intră în bază. Toate elementele erau calculate corespunzătoarea noii baze
B se determină aplicând regula dreptunghiului. Cu aceste elemente calculate se construieşte un nou
tablou şi se reia algoritmul de la etapa a doua.

14
 Observaţia 1.9
Practic, linia pivotului în noua bază se obţine împărţind linia pivotului în vechea bază la
elementul pivot. Coloana elementului pivot va avea peste tot (în noua bază) zerouri, mai puţin
elementul poziţionat în locul fostului pivot (care va fi 1).

1.2.4. Determinarea unei baze iniţiale. Degenerare şi ciclaj

Se consideră problema de optimizare liniară în forma standard.

⎧min ( C1 x1 + C2 x2 + ... + Cn xn )
⎪
⎪a11 x1 + a12 x2 + ... + a1n xn = b1
⎪⎪a x + a x + ... + a x = b
21 1 22 2 2n n 2
⎨ (1.14)
⎪
⎪an1 x1 + an 2 x2 + ... + ann xn = bn
⎪
⎪⎩ xi ≥ 0, i = 1, n

Problema (1.14) se poate scrie sub forma echivalentă în următoarele faze:

⎧min C ′X
⎪
⎨ AX = b (1.15)
⎪X ≥ 0
⎩
⎛ C1 ⎞ ⎛ a11 a12 a1n ⎞ ⎛ b1 ⎞ ⎛ x1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
C a a22 a2 n ⎟ b x
C =⎜ 2⎟ A = ⎜ 21 b=⎜ 2 ⎟ X =⎜ 2⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Cn ⎠ ⎝ am1 am 2 amn ⎠ ⎝ bm ⎠ ⎝ xn ⎠

⎧ n

⎪ min ∑ Ci xi
⎪ i =1

⎪ n
⎨∑ aij x j ≥ bi , i = 1, m (1.16)
⎪ j =1
⎪ x ≥ 0, i = 1, n
⎪ i
⎩

Teoretic, rezolvarea oricăreia dintre problemele echivalente de mai sus se poate rezolva
determinând toate bazele ce se pot construi cu ajutorul matricei A . (Numărul acestor baze este finit
deoarece am presupus matricea A de m linii şi n coloane, m şi n fiind finiţi).
Fiecărei baze i se asociază corespunzător soluţia posibilă de bază. Se calculează valoarea
funcţiei de eficienţă corespunzătoare fiecăreia din aceste soluţii posibile de bază şi se determină
astfel (teoretic) soluţiile optime.
Deoarece această metodă este extrem de greoaie s-a apelat la algoritmul simplex care
prezintă proprietatea că selectează acele baze ale căror soluţii posibile de bază fac să scadă succesiv
valorile funcţiilor de eficienţă (pentru o problemă de minimizare) respectiv să crească valorile
funcţiilor de eficienţă succesiv (pentru o problemă de maximizare).

15
 Cu toate aceste facilităţi algoritmul simplex prezintă dezavantajul de a porni de la o bază
iniţială aleasă arbitrar. Alegerea acestei baze iniţiale se face la rândul ei potrivit unei metodologii
aparte. Această metodologie se numeşte metoda celor două faze.
Metoda celor două faze (metoda prin care se determină baza iniţială) constă în parcurgerea
următoarelor etape:
1) Toate restricţiile problemei (1.16)(sau sub formă echivalentă, problemele (1.14) şi (1.15))
se scriu în aşa fel încât ecuaţiile:

∑a x
j =1
ij j = bi , i = 1, m

să aibă membrul drept ≥ 0 .

Practic aceasta înseamnă că ecuaţiile rămân neschimbate dacă membrul drept este ≥ 0 sau
se înmulţeşte cu −1 dacă membrul drept este negativ.
2) Se introduc variabilele auxiliare x1a , x2a ,..., xna ≥ 0 şi se consideră problema:

⎧ n

⎪ min ∑ xia
⎪ i =1

⎪ n

⎨∑ aij x j + xi ≥ bi , i = 1, m (1.17)
a

⎪ j =1
⎪ x , x a ≥ 0, i = 1, n
⎪ i i
⎩

Se observă că această problemă admite baza iniţială matricea unitate de n linii şi n coloane.

⎛1 0 0⎞
⎜ ⎟
0 1 0⎟
B=⎜
⎜ ⎟
⎜ ⎟
⎝0 0 1⎠

Deoarece pentru problema (1.17) matricea asociată restricţiilor este:

⎛ a11 a12 a1n 1 0 0⎞

⎜ ⎟
⎜ a21 a22 a2 n 0 1 0⎟
⎜ ⎟
Al = ⎜ ⎟
⎜ am1 am 2 amn 0 0 1⎟
⎜ ⎟
⎜⎜ ⎟
⎝ an1 an 2 ann 0 0 0 ⎟⎠

3) Rezolvând problema (1.17) obţinem:

⎛ n ⎞
min ⎜ ∑ xia ⎟ = 0
⎝ i =1 ⎠

16
atunci în baza condiţiilor de nenegativitate ale variabilelor x1a , x2a ,..., xna rezultă imediat:

x1a = x2a = ... = xna = 0

În acest caz ultima bază a tabelului simplex va fi baza iniţială pentru problema (1.16).

Observaţia 1.10
În esenţă, în cazul în care dispunem de o bază iniţială imediată, rezolvarea propriu-zisă a
problemei de optimizare liniar iniţială (1.16) se realizează după rezolvarea în prealabil a unei alte
probleme de optimizare liniară construită suplimentar (problema (1.17).
⎛ n ⎞
În cazul în care soluţia problemei (1.17) nu realizează min ⎜ ∑ xia ⎟ = 0 , atunci problema
⎝ i =1 ⎠
iniţială (1.16) nu are soluţii sau are soluţia infinită şi prin urmare abordarea ei este inutilă.

Degenerare şi ciclaj
În mod uzual algoritmul simplex conduce la o succesiune de baze ale căror soluţii de baze
corespunzătoare modifică succesiv funcţia de eficienţă în funcţii de tipul problemei alese (minim
sau maxim). În majoritatea cazurilor după un număr finit de paşi algoritmul se opreşte. Uneori se
întâmplă însă ca după câţiva paşi succesivi valoarea funcţie de eficienţă să nu se schimbe.
În acest caz este posibil să ajungem din nou la o bază găsită anterior şi prin urmare
procedeul să se continue la infinit. Spunem în acest caz că algoritmul ciclează.
Una din cauzele ciclării algoritmului simplex este degenerarea soluţiei de bază. Avem o
soluţie degenerată în cazul în care pornind de la egalitate:

z =z B B
−
(z B
k − Ck )
j j
ylkB

variaţia
(z B
k − Ck ) xl
este nulă.
ylkB
În acest caz ylkB ≠ 0 fiind pivot, iar în baza modului în care a fost construită această
diferenţă.
Prin urmare xl = 0 şi deci relaţia este degenerată. Este evident că în cazul degenerării
valoarea funcţiei de eficienţă nu se schimbă şi în consecinţă există riscul de a intra într-un proces de
ciclare.

1.2.5. Probleme rezolvate

1. Să se rezolve problema următoare:

⎧ max ( 2 x1 + x2 )
⎪
⎪ x1 − x2 + x3 = 4
⎪
( P) ⎨3 x1 − x2 + x4 = 18
⎪− x + 2 x + x = 6
⎪ 1 2 5

⎪⎩ xi ≥ 0, i = 1,5

17
 Rezolvare:
Construim matricea asociată restricţiilor problemei:

⎛ 1 −1 1 0 0 ⎞
⎜ ⎟
A = ⎜ 3 −1 0 1 0 ⎟
⎜ −1 2 0 0 1 ⎟
⎝ ⎠

Se aplică algoritmul simplex, parcurgându-se etapele următoare:

Etapa 1
Se observă că o bază admisibilă este:

⎛1 0 0⎞
⎜ ⎟
B = ⎜0 1 0⎟
⎜0 0 1⎟
⎝ ⎠

Într-adevăr este o matrice nesingulară rang ( A) = rang ( B ) = 3 = număr de linii<număr de

coloane=5.

⎛4⎞
⎜ ⎟
b = ⎜ 18 ⎟
⎜5⎟
⎝ ⎠

Vectorii coloană ai bazei sunt:

⎛1⎞ ⎛0⎞ ⎛0⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a3 = ⎜ 0 ⎟ a4 = ⎜ 1 ⎟ a3 = ⎜ 0 ⎟
⎜0⎟ ⎜0⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ x3 ⎞
⎜ ⎟
Prin urmare vectorii bazei vor fi x3 , x4 , x5 . De unde x = ⎜ x4 ⎟ .
B

⎜x ⎟
⎝ 5⎠
Calculăm elementele necesare primului tablou simplex:

⎛ 1 0 0 ⎞⎛ 4 ⎞ ⎛ 4 ⎞
−B ⎜ ⎟⎜ ⎟ ⎜ ⎟
X = B b = ⎜ 0 1 0 ⎟⎜ 18 ⎟ = ⎜18 ⎟
1

⎜ 0 0 1 ⎟⎜ 6 ⎟ ⎜ 6 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 j
yj = B a = a
B j

⎛4⎞
⎜ ⎟
z = CB′ B b = ( 0 0 0 ) B ⎜18 ⎟ = 0
B −1 −1

⎜6⎟
⎝ ⎠

18
 z Bj − C j = CB B −1a j − C j = ( 0 0 0 ) B −1a j − C j = −C j

V.B. V.V.B. x1 x2 x3 x4 x5
x3 4 1 -1 1 0 0
x4 18 3 -1 0 1 0
x5 6 -1 2 0 0 1
0 -2 -1 0 0 0
z1 − C1 =
B
z 2 − C2 =
B

zB z3B − C3 z4B − C4 z5B − C5

= C1 = C2

Etapa 2
Avem o problemă de maxim, dar se observă că nu toţi z j − C j ≥ 0 . Prin urmare, baza
considerată nu este optimă şi prin urmare soluţia de bază X B este doar admisibilă şi nu optimă.
Determinăm vectorul coloană ce intră în bază.

min ( z Bj − C j ) = min ( −2, −1) = −2 = z1B − C1

j

Deci va intra în bază vectorul a1 .

Etapa 3
Determinăm vectorul ce va ieşi din bază.

⎛ 4 18 ⎞
min ⎜ , ⎟ = 4 → l = 1
⎝1 3 ⎠

Elementul pivot va fi atunci:

ylk = yl1 = 1

V.B. V.V.B. x1 x2 x3 x4 x5
x3 4 1 -1 1 0 0
x4 6 0 2 -3 1 0
x5 10 0 1 1 0 1
8 0 -3 2 0 0

V.B. V.V.B. x1 x2 x3 x4 x5
x3 7 1 0 -1/2 1/2 0
x4 3 0 1 -3/2 1/2 0
x5 7 0 0 5/2 -1/2 1
17 0 0 -5/2 3/2 0

19
 min ( z j − C j ) = z2 − C2 = −3 ⇒ k = 2
j

⎛ 6 10 ⎞
min ⎜ , ⎟ = 3 ⇒ l = 4
⎝2 1 ⎠

Linia pivotului se împarte cu pivotul

5
min ( z j − C j ) = − = z3 − C3 ⇒ k = 3
j 2

V.B. V.V.B. x1 x2 x3 x4 x5
x3 42/5 1 0 0 -2/5 1/5
x4 31/5 0 1 0 1/5 3/5
x5 14/5 0 0 1 -1/5 2/5
24 0 0 0 1 1

⎧ 42
⎪ x1 = 5
⎪
⎪ 36
⎨ x2 = soluţii optime; ecuaţia optimă =24
⎪ 5
⎪ 14
⎪ x3 = 5
⎩

2. Să se rezolve problema următoare:

⎧min ( 2 x1 + 2 x2 − x3 )
⎪
⎪3x1 + x2 = 2
⎪
( P) ⎨− x1 + x3 = 1
⎪2 x + x = 5
⎪ 1 4
⎪⎩ xi ≥ 0, i = 1, 4

Rezolvare:
Se parcurg etapele realizate în problema precedentă:

⎛ ⎞
⎜ 3 1 0 0⎟
A = ⎜ −1 0 1 0 ⎟
⎜ ⎟
⎜ 2 0 0 1⎟
⎜ ⎟
⎝ B ⎠
a2 a3 a4
⎛1 0 0⎞
⎜
−1 ⎟
B = B = ⎜0 1 0⎟
⎜0 0 1⎟
⎝ ⎠

20
 ⎛1⎞ ⎛ 0⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a2 = ⎜ 0 ⎟ a3 = ⎜ 1 ⎟ a4 = ⎜ 0 ⎟
⎜ 0⎟ ⎜ 0⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛1 0 0⎞⎛ 2⎞ ⎛ 2⎞
−B −1 ⎜ ⎟⎜ ⎟ ⎜ ⎟
WB = x = B b = ⎜ 0 1 0 ⎟ ⎜ 1 ⎟ = ⎜ 1 ⎟
⎜0 0 1⎟⎜ 5⎟ ⎜5⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 j
yj = B a = a
B j

⎛1 0 0⎞⎛ 2⎞
⎜ ⎟⎜ ⎟
z = CB′ B b = ( 2 −1 0 ) ⎜ 0 1 0 ⎟ ⎜ 1 ⎟ = 3
B −1

⎜0 0 1⎟⎜ 5⎟
⎝ ⎠⎝ ⎠
z j − C j = CB′ B a − C j = ( 2 −1 0 ) a j − C j
−1 j

aj

⎛3⎞
⎜ ⎟
z1 − C1 = ( 2 −1 0 ) ⎜ −1⎟ − 2 = 5
⎜2⎟
⎝ ⎠
⎛1⎞
⎜ ⎟
z 2 − C2 = ( 2 −1 0 ) ⎜ 0 ⎟ − 2 = 0
⎜0⎟
⎝ ⎠
⎛0⎞
z3 − C3 = ( 2 −1 0 ) ⎜⎜ 1 ⎟⎟ − ( −1) = 0
⎜0⎟
⎝ ⎠
⎛0⎞
⎜ ⎟
z 4 − C4 = ( 2 −1 0 ) ⎜ 0 ⎟ − 0 = 0
⎜1⎟
⎝ ⎠
V.B. V.V.B. x1 x2 x3 x4
x2 2 3 1 0 0
x3 1 -1 0 1 0
x4 5 2 0 0 1
3 5 0 0 0

max ( z Bj − C j ) = 5 = z1 − C1
⎛2 5⎞ 2
min ⎜ , ⎟ = ⇒ x2
⎝3 2⎠ 3
V.B. V.V.B. x1 x2 x3 x4
x2 2/3 1 1/3 0 0
x3 5/3 0 1/3 1 0
x4 11/3 0 -2/3 0 1
-1/3 0 -5/3 0 0

21
 Deci z Bj − C j ≤ 0 ⇒ soluţiile optime sunt:

⎧ 2
⎪ x1 = 3
⎪
⎪ x2 = 0
⎪ 1
⎨ 5 valoarea funcţiei de eficienţă f opt = −
⎪ x3 = 3 3
⎪
⎪ x = 11
⎪⎩ 4 3

3. Să se rezolve problema următoare:

⎧max ( 3 x − 5 y + 7 )
⎪
⎪2 x + y ≤ 4
( P) ⎨
⎪− x + y ≤ 1
⎪ x, y ≥ 0
⎩

Rezolvare:
Problema poate fi rezolvată prin metoda grafică deoarece există doar două variabile. Se
parcurg etapele următoare:

Etapa 1
Se reprezintă domeniul restricţiilor problemei:
- pentru prima restricţie 2 x + y ≤ 4 (care reprezintă din punct de vedere geometric un
semiplan) se asociază dreapta de separaţie corespunzătoare:

( D1 ) 2x + y = 4

Această dreaptă se va reprezenta grafic cel mai comod determinând punctele de intersecţie
cu axele Ox şi Oy.

x = 0 ⇒ y = 4 ⇒ A ( 0, 4 )
y = 0 ⇒ x = 2 ⇒ B ( 2, 0 )

- pentru a doua restricţie − x + y ≤ 1 se procedează asemănător. Se consideră mai întâi

dreapta de separaţie:

( D2 )
− x + y =1
şi se determină punctele de intersecţie ale acesteia cu axele Ox şi Oy.
x = 0 ⇒ y = 1 ⇒ C ( 0,1)
y = 0 ⇒ x = −1 ⇒ D ( −1, 0 )

Vom fi conduşi la poligonul următor (porţiunea haşurată).

22
 y

E
C
D

O B x

Conturul acestui poligon este determinat practic de dreptele ( D1 ) , ( D2 ) şi axele Ox şi Oy.

Interiorul poligonului se determină imediat ţinând seama de restricţiile 2 x + y ≤ 4 ,
− x + y ≤ 1 , x ≥ 0, y ≥ 0 .
Practic, pentru primele două restricţii se verifică faptul că originea O(0,0) aparţine
interiorului poligonului (adică originea se găseşte sub dreptele D1 şi D2).

Etapa 2
Se determină coordonatele vârfurilor C, O, B, E care determină poligonul COBE.
- Coordonatele vârfurilor C, O, B au fost determinate anterior;
- Vârful E este dat de intersecţia dreptelor D1 şi D2 şi prin urmare coordonatele acestui
vârf se determină ca soluţie a sistemului următor:

⎧2 x + y = 4 ⎧3 x = 3 ⎧x = 1
⎨ ⇒ ⎨ ⇒ ⎨
⎩− x + y = 1 ⎩− x + y = 1 ⎩y = 2

Prin urmare avem: E(1,2).

Etapa 3
Funcţia de eficienţă este dată de relaţia determină f ( x, y ) = 3 x − 5 y + 7 .
Se calculează valorile funcţiei de eficienţă în fiecare din vârfurile poligonului COBE:

C ( 0,1) ⇒ f ( 0,1) = 2
O ( 0, 0 ) ⇒ f ( 0, 0 ) = 7
B ( 2, 0 ) ⇒ f ( 2, 0 ) = 13
E (1, 2 ) ⇒ f (1, 2 ) = 0

Problema de optimizare este de tip maxim; se constată imediat că max {2, 7,13, 0} = 13 , deci
punctul de maxim este B ( 2, 0 ) iar valoarea funcţiei de eficienţă în acest punct este 13.

23
 CAPITOLUL 2

ELEMENTE DE ANALIZĂ MATEMATICĂ

2.1. SERII NUMERICE: DEFINIŢII ŞI REZULTATE DE BAZĂ

Se consideră şirul de numere reale (a n )n∈N . Cu ajutorul acestui şir se construieşte un alt şir
de numere reale (s n )n∈N în felul următor:
s1 = a1
s 2 = s1 + a 2
s3 = a1 + a 2 + a3

n
s n = a1 + a 2 + ... + a n = ∑ a k
k =1

Dacă şirul (s n )n∈N este convergent, atunci limita lui pe care o vom nota cu s se numeşte
uzual suma seriei şi are loc scrierea formală:

∞
s = ∑ an (2.1)
k =1

Membrul drept al egalităţii (2.1) se numeşte în acest caz serie iar an se numeşte termen
general al seriei.
Şirul (s n )n se numeşte şirul sumelor parţiale. Prin urmare seria este convergentă sau
divergentă dacă şirul (s )n este convergent sau divergent (în cazul în care şirul sumelor parţiale este
convergent atunci seria se zice convergentă iar s din egalitatea (2.1) se numeşte suma seriei).

Exemplul 1
∞
Să presupunem, că avem seria , ∑q
n =1
n
, q ∈ R , deci a n = q n (această serie se numeşte serie

geometrică).
Avem:
⎧ 1− qn
⎪q ,q ≠1
s n = a1 + a 2 + ... + a n = q 1 + q 2 + ... + q n = ⎨ 1 − q
⎪n ⋅ a ,q = 1
⎩

24
 1
lim(1 − q n ) =
q
Dacă q < 1 , atunci lim s n =
n 1− q 1− q
Dacă , q = 1 , atunci s n = 1 + 1 + ... + 1 = n , deci lim s n = ∞
2 n

Concluzie
dacă q ≥ 1, (s n )n este divergent ⇒ serie divergentă.
dacă q < 1, (s n )n este convergent ⇒ serie convergentă.
q
Pentru q < 1 suma seriei geometrice este s = .
1− q

Exemplu 2
∞
1
Considerăm seria ∑n.
n =1
1
Termenul general al acestei serii este a n = construim şirul numerelor parţiale
n
n
1 1 1
s n = ∑ a k , deci s n =+ + ... +
k =1 2 2 n
Se observă că lim s n = ∞ deci seria este divergentă.
n

Criteriul general de convergenţă al lui Cauchy

∞
Considerăm seria ∑a
n =1
n

Teorema 2.1.
Condiţia necesară şi suficientă ca această serie să fie convergentă este următoarea:
∀ε > 0, ∃N (ε ) aşa încât ∀n > N (ε ), ∀p ≥ 1, p ∈ N are loc inegalitatea:

a n +1 + a n + 2 + ... + a n + p < ε

Demonstraţie
Considerăm şirul numerelor parţiale

∞
s n = a1 + a 2 + ... + a n sn = ∑ ak
k =1

Pentru acest şir se poate aplica criteriul general de convergenţă al lui Cauchy de la şiruri
numerice.
Acest şir este convergent dacă şi numai dacă pentru ∀ε > 0, ∃N (ε ) aşa încât
∀n ≥ N (ε ), ∀p ≥ 1, ⇒ s n + p -s n < ε ⇒ (a1 + a 2 + ... + a n + a n +1 ) − (a1 + a 2 + ... + a n ) < ε ⇒
⇒ a n +1 + a n + 2 + ... + a n + p < ε
şi teorema este demonstrată.

25
 Observaţia 2.1 (foarte importantă)
∞
Condiţia necesară ca seria ∑a
n =1
n să fie convergentă este ca termenul general an să tindă la 0

(adică lim a n = 0 ).
n

Acest lucru rezultă din criteriul general al lui Cauchy făcând p = 1 ⇒ inegalitatea
a n +1 < ε ⇒ lim a n = 0
n

În concluzie dacă există o serie în care termenul general nu tinde la 0 atunci această serie
este sigur divergentă. Dacă termenul general tinde la 0 atunci seria poate fi convergentă sau
divergentă (deoarece condiţia lim a n = 0 este doar o condiţie necesară).
n

Observaţia 2.2
Natura unei serii (de a fi convergentă sau divergentă) nu se schimbă dacă la seria dată
adaugăm un număr finit de termeni sau la seria dată suprimăm un număr finit de termeni.

2.1.1. Serii cu termenii pozitivi

O serie se zice că este cu termenii pozitivi dacă există rang N0 aşa încât începând de la acest
rang toţi termenii sunt pozitivi.
Pentru seriile cu tremenii pozitivi se cunosc mai multe criterii de stabilitate a naturii seriei
(fapt ce conferă o mare aplicabilitate acestor tipuri de serii).

1. Criteriul monotoniei
∞
Se consideră seria cu termenii pozitivi ∑a
n =1
n

n
Asociem acestei serii şirul sumelor parţiale s n = a1 + a 2 + ... + a n = ∑ a k
k =1

Teorema 2.2.
Dacă şirul sumelor parţiale (s n )n este mărginit atunci seria este convergentă. Dacă şirul
sumelor parţiale (s n )n este nemărginit seria este divergentă.

Demonstraţie
1) Presupunem că şirul sumelor parţiale este mărginit, prin urmare există M > 0 aşa încât
(s n )n < M , ∀n ∈ N
Calculăm diferenţa s n +1 − s n (în vederea studierii monotoniei şirului s n ).

s n +1 = a1 + a 2 + ... + a n + a n +1 ⎫
⎬ ⇒ s n +1 − s n = a n +1 > 0
s n = a1 + a 2 + ... + a n ⎭
(pentru că avem serie cu termenii pozitivi).
Deoarece s n +1 − s n > 0 rezultă că şirul s n este monoton crescător.
Deoarece avem:
(s n )n este mărginit şi (s n )n este monoton crescător ⇒ (s n )n este convergent, deci seria
este convergentă.
2) Presupunem că şirul sumelor parţiale este nemărginit. Arătăm că este asemănător cazului
1) că şirul (s n )n este monoton crescător.

26
 (s n )n
este nemărginit şi (s n )n este monoton descrescător ⇒ (s n )n este divergent, deci seria
este divergentă.

2. Criteriul comparaţiei
∞ ∞
Considerăm seriile cu termenii pozitivi ∑ an , ∑ bn .
n =1 n =1

Teorema 2.3
Dacă există un rang N0, de la care are loc inegalitatea atunci:
∞ ∞
1. Dacă seria ∑ an este divergentă atunci şi seria
n =1
∑b
n =1
n este divergentă;
∞ ∞
2. Dacă seria ∑b
n =1
n este convergentă atunci şi seria ∑a n =1
n este convergentă.

Demonstraţie
Deoarece natura seriei nu se schimbă prin adăugarea sau suprimarea unui număr finit de
termeni se poate considera că N0 = 1.
∞
Cazul 1. Seria ∑a
n =1
n fiind divergentă înseamnă că şirul sumelor parţiale corespunzător

s n = a1 + a 2 + ... + a n .
Şirul sumelor parţiale corespunzătoare seriei a doua
S n = b1 + b2 + ... + bn > a1 + a 2 + ... + a n = s n , deci:

(s n )ndivergent ⎫
⎬(S n )n divergent
S n > sn ⎭
∞
Prin urmare ∑b
n =1
n seria este divergentă.

Cazul 2
Avem: (S n )n convergent ⇒ (S n )n este mărginit.
∞
S n > s n ⇒ (s n )n este mărginit şi deci în baza criteriului monotoniei seria ∑a n este
n =1
convergentă.
În afara criteriului monotoniei şi a criteriului comparaţiei pentru seriile cu termeni pozitivi
se cunosc şi alte criterii care permit stabilirea naturii seriei.

Criteriul rădăcinii (Cauchy)

∞
Fie seria cu termeni pozitivi ∑an =1
n .

Au loc rezulatele:
1. Dacă există un rang N0, aşa încât oricare ar fi n > N 0 avem n an ≤ q < 1
atunci seria este convergentă;

27
 2. Dacă există un rang N0, aşa încât oricare ar fi n > N 0 avem atunci seria
n a n ≥ q > 1 este divergentă.

Demonstraţie
1). Deoarece ştim că dacă adăugăm sau suprimăm un număr oarecare de termeni ai unei
serii, natura seriei nu se schimbă, putem considera (pentru comoditatea calculelor) N0 = 1.
Avem în acest caz:

n = 1 ⇒ a1 ≤ q ⎫
⎪
n = 2 ⇒ a2 ≤ q ⇒ a2 ≤ q 2 ⎪
⎪⎪
n = 3 ⇒ a3 ≤ q ⇒ a3 ≤ q 3 ⎬ (2.2)
............................................. ⎪⎪
n = k ⇒ a k ≤ q ⇒ a k ≤ q k ⎪⎪
⎭

Inegalităţile (2.2) se pot scrie concentrat sub forma următoare:

a n ≤ q n , ∀n ∈ N (2.3)

n
Construim seria (seria geometrică) ∑q
n =1
n

Deoarece:
⎧a n ≤ q n
⎪n
⎨
⎪∑ q este serie convergentă
n

⎩ n =1
∞
pentru q < 1 rezultă (în baza ordinului comparaţiei) că seria ∑a
n =1
n este convergentă.

2) Considerăm pentru comoditatea calculelor N0 = 1.

În acest caz inegalităţile (2.3) îşi schimbă sensul a n ≥ q n , ∀n ∈ N
n
Considerăm seria geometrică ∑q
n =1
n
,q >1

Se ştie de la cursul trecut că această serie este divergentă.

n
Avem: an > q n , ∑q
n =1
n
este serie divergentă pentru q > 1 , deci seria este de asemenea

divergentă.

Criteriul practic
Se calculează K = lim n a n
n

Avem situaţiile:
K < 1 ⇒ serie convergentă
K > 1 ⇒ serie divergentă
K = 1 ⇒ nu se poate preciza natura seriei

28
 Exemplu:
⎛ n +1⎞
n n

Considerăm seria ∑
n =1
an⎜
⎝ n ⎠
⎟ ,a > 0

⎛ n +1 ⎞
n

În cazul nostru termenul general este a = ⎜ a⎟ .

n

⎝ n ⎠
Aplicăm criteriul practic:
n +1
K = lim n a n = lim ⋅a = a
n n

Discuţie
pentru:
a < 1 ⇒ serie convergentă
a > 1 ⇒ serie divergentă
a = 1 ⇒ nu se poate preciza natura seriei
n n
⎛ n +1 ⎞ ⎛ n + 1⎞
Observăm că a = ⎜n
a⎟ = ⎜ ⎟ adică este un şir a cărui limită este de tipul din e.
⎝ n ⎠ ⎝ n ⎠
⎛ n +1⎞
n n
⎛ 1⎞
lim⎜ ⎟ = lim⎜1 + ⎟ = e
n
⎝ n ⎠ n
⎝ n⎠
Am obţinut că :
lim a n = e ≠ 0 prin urmare (în baza criteriului Cauchy de convergenţă a seriilor) termenul
n

general netinzând la 0 înseamnă că seria este divergentă.

Deci pentru a = 1 seria este divergentă.

Criteriul raportului
n
Fie seria cu termeni pozitivi ∑a
n =1
n . Au loc rezultatele:

a n +1
1. Dacă există un rang N0, aşa încât ∀n > N 0 avem ≤ q < 1 , atunci seria este
an
convergentă;

a n +1
2. Dacă există un rang N0, aşa încât ∀n > N 0 avem ≥ q > 1 , atunci seria este
an
divergentă.

Demonstraţie
1) la fel ca şi criteriul precedent vom considera N0 = 1.
Avem:

29
 a2 ⎫
n =1⇒ ≤ q ⇒ a 2 ≤ a1 ⋅ q ⎪
a1
⎪
a3 ⎪
n=2⇒ ≤ q ⇒ a3 ≤ a 2 ⋅ q ≤ a1 ⋅ q 2 ⎪
a2 ⎪
a4 ⎪
n =3⇒ ≤ q ⇒ a 4 ≤ a3 ⋅ q ≤ a 2 ⋅ q 2 ≤ a1 ⋅ q 3 ⎬ (2.4)
a3 ⎪
.................................................................... ⎪
⎪
a k +1 k ⎪
n=k⇒ ≤ q ⇒ a k +1 ≤ a k ⋅ q ≤ ... ≤ a1 ⋅ q ⎪
ak
⎪
⎭

Concentrat, inegalităţile (2.4) se scriu sub forma:

a n ≤ a1 ⋅ q n −1 , ∀n ∈ N
∞ ∞
Construim seria ∑ a1q n−1 . Această serie are aceeaşi natură cu seria geometrică
n =1
∑q
n =1
n
care

ştim că este convergentă pentru q < 1.

∞
Avem: a n > a1 ⋅ q n −1 , ∑ a n q n −1 este serie convergentă şi deci (în baza criteriului
n =1
∞
comparaţiei) seria ∑a
n =1
n este convergentă.

2. În acest caz vom considera de asemenea N0 = 1.

a
În baza inegalităţii n +1 ≥ q inegalităţile (2.4) şi (2.5) îşi vor schimba sensul:
an
a n ≥ a1 ⋅ q n −1 , ∀n ∈ N (2.6)
∞ ∞
Considerând seria ∑a q
n =1
1
n −1
, această serie va avea aceeaşi natură cu seria geometrică ∑q
n =1
n
.
∞
Deoarece q > 1. , seria geometrică este divergentă şi prin urmare seria ∑a q
n =1
1
n −1
este divergentă.
∞ ∞
Avem a n ≥ a1 ⋅ q n −1 , ∑ a1 q n −1 este divergentă şi deci ∑a n este divergentă.
n =1 n =1

Criteriul practic
a n +1
Se calculează: K = lim .
n an
Avem situaţiile următoare:
K < 1 ⇒ serie convergentă
K > 1 ⇒ serie divergentă
K = 1 ⇒ nu se poate preciza natura seriei prin acest criteriu.

30
 Observaţia 2.3
Criteriul rădăcinii este un criteriu mai tare decât criteriul raportului. Aceasta înseamnă că
dacă aplicăm criteriul raportului şi putem preciza natura seriei în mod cert putem preciza natura
seriei şi aplicând criteriul rădăcinii.
Dacă K = 1 în urma aplicării criteriului raportului este posibil ca aplicând criteriul rădăcinii
să putem totuşi determina natura seriei.

Exemplu
Să se studieze natura seriei următoare:
∞
an
∑
n =1 n!
,a > 0

an
Termenul general al acestei serii este a n = .
n!

Aplicând criteriul raportului:

a n +1
a n +1 (n + 1)! a n +1 n! a
= = ⋅ n =
an a n
(n + 1) a n + 1
n!
a a
K = lim n +1 = lim = 0 < 1 ⇒ serie convergentă.
n an n n +1

Criteriul Raabe – Duhamel

Acest criteriu este un criteriu mai tare decât criteriul raportului şi este indicat a fi folosit în
cazul în care aplicând criteriul raportului obţinem: K= 1.
∞
Fie seria cu termini pozitivi ∑a
n =1
n .

Au loc rezultatele:
⎛ a ⎞
1) Dacă există un rang N0, aşa încât ∀n > N 0 , avem inegalităţile n⎜⎜ n − 1⎟⎟ > q > 1 ,
⎝ a n +1 ⎠
atunci seria este convergentă;
⎛ a ⎞
2) Dacă există un rang N0, aşa încât ∀n > N 0 , avem inegalităţile n⎜⎜ n − 1⎟⎟ ≤ q < 1 ,
⎝ a n +1 ⎠
atunci seria este divergentă.

Criteriu practic
K < 1 ⇒ serie convergentă
K > 1 ⇒ serie divergentă
K = 1 ⇒ nu se poate preciza natura seriei prin acest criteriu.

Exemplu
∞
2 ⋅ 4 ⋅ 6 ⋅ 2 ⋅ ... ⋅ n 1
Fie seria: ∑ 1 ⋅ 3 ⋅ 5 ⋅ ... ⋅ (2n − 1) ⋅ n + 3
n =1
2 ⋅ 4 ⋅ 6 ⋅ 2 ⋅ ... ⋅ n 1
Avem: a n = ⋅
1 ⋅ 3 ⋅ 5 ⋅ ... ⋅ (2n − 1) n + 3

31
 Aplicăm criteriul raportului:
1
a n +1 n + 4 (2n + 2 )(n + 3)
= =
an 1 (2n + 1)(n + 4)
n+3
a
K = lim n +1 = lim
(2n + 2)(n + 3) = 1 ⇒ serie nedeterminată
n an n (2n + 1)(n + 4 )

Aplicăm criteriul Raabe – Duhamel

⎛ a ⎞ ⎛ (2n + 1)(n + 4) ⎞ 2(2n + 1)(n + 4) − (2n + 2)(n + 2)
K = lim n⎜⎜ n ⎟⎟ = lim n⎜⎜ − 1⎟⎟ = lim n =
n
⎝ a n +1 ⎠ n
⎝ (2n + 2)(n + 3) ⎠ n (2n + 2)(n + 3)
n(n + 2)
= lim
n
n (2n + 2 )(n + 3)
(2n 2 + 9n + 4 − 2n 2 − 8n − 6 = lim )
n (2 n + 2 )(n + 3)
1
= <1⇒
2
serie divergentă.

2.1.2. Serii cu termeni oarecare. Serii alternante

În afara seriilor cu termeni pozitivi adică a seriilor în care termenul general este pozitiv, în
probleme practice se întâlnesc şi serii cu termeni oarecare (adică serii în care sunt şi termeni pozitivi
şi termeni negativi), precum şi serii alternante (în care termenii pozitivi şi negativi se succed).

Definiţia 2.1
O serie se zice absolut convergentă dacă seria modulelor este convergentă.
O serie se zice semiconvergentă dacă seria este convergentă iar seria modulelor este
divergentă.
O serie se zice alternantă dacă termenul general an este de forma

a n = (− 1) ÷ bn , bn > 0, ∀n ∈ N
n

Teorema 2.4.
Dacă o serie este absolut convergentă atunci este convergentă.

Demonstraţie
∞ ∞
Considerăm seria ∑ an absolut convergentă. Aceasta înseamnă că seria modulelor
n =1
∑a
n =1
n

este convergentă. Prin urmare şirul sumelor parţiale S n = a1 + a 2 + ... + a n este convergent.
Aplicând criteriul de convergenţă al lui Cauchy obţinem:
∀ε > 0, ∃N (ε ) aşa încât ∀n > N (ε ), ∀p > 1, avem:

S n+ p − S n < ε (2.7)

adică: a n +1 + a n + 2 + ... + a n + p < ε (2.8)

Se ştie din liceu că modulul seriei este totdeauna majorat de suma modulelor, prin urmare
avem:

32
 a n +1 + a n + 2 + ... + a n + p ≤ a n +1 + a n + 2 + ... + a n + p (2.9)

Se observă că membrul stâng al inegalităţii (2.9) este de fapt:

s n + p − s n unde s n = a1 + a 2 + ... + a n

Ţinând seama de (2.8) şi (2.9) obţinem majorarea următoare:

sn+ p − sn < ε (2.10)

∞
Inegaliatatea (2.10) dovedeşte că şirul sumelor parţiale al seriei iniţiale ∑a
n =1
n este

convergent şi prin urmare seria dată este convergentă.

Teorema 2.5
Au loc următoarele proprietăţi:
1) Dacă o serie este absolute convergentă atunci schimbând ordinea termenilor se
obţine tot o serie absolute convergentă care are aceeaşi sumă ca şi seria iniţială.
2) Pentru o serie semiconvergentă se poate schimba ordinea termenilor într-un mod
convenabil aşa încât să se poată obţine:
a) o serie convergentă cu o sumă dată;
b) o serie divergentă;
c) o serie oscilantă (alternantă).

Observaţia 2.4
Punctul 2) al acestei teoreme este cunoscut sub numele de teorema lui Riemann.

Teorema 2.6. (Criteriul lui Leibnitz)

∑ (− 1)
n +1
an , an > 0
n =1

Condiţia necesară şi suficientă ca această serie să fie convergentă este ca şirul (a n )n să fie
monoton descrescător la 0.

Exemplu
∞
ln n
∑ (− 1)
n

n =1 n+2
ln n
Avem an = , limita acestui şir se calculează cel mai comod utilizând criteriul lui
n+2
Stoltz:
ln n ln(n + 1) − ln n n +1 ⎛ n + 1⎞
lim a n = lim = lim = lim ln = ln⎜ lim ⎟ = ln 1 = 0
n n n+2 n (n + 3) − (n + 2) n n ⎝ n n ⎠
Prin urmare, în baza criteriului lui Leibnitz seria dată este convergentă.

33
 2.1.3. Probleme rezolvate
∞
1
1. Să se stabilească natura seriei ∑ (α + k )(α + n + 1)
n =1
, α fiind un număr real diferit de

orice întreg negativ.

Rezolvare
1 1 1 1 1
Din identitatea = − , obţinem S n = − , de
(α + k )(α + n + 1) α + k α + n + 1 α + k α + n +1
1 1
unde deducem că lim S n = . Aşadar, seria dată este convergentă şi are suma .
n→∞ 1+α 1+α

∞
1
2. Să se arate că seria armonică generalizată ∑ nα
n =1
, α ∈ R este divergentă petru α ≤ 1 şi

convergentă pentru α > 1 .

Rezolvare
1 1 1
Cazul α < 0 . Deoarece lim n α = −α
= ,−α > 0 avem lim α = ∞ deci seria
n→∞ lim n ∞ n →∞ n
n→∞
este divergentă pentru α < 0 .
∞
1 1 1
Cazul α ∈ [0,1] . Deoarece n α < n , avem < α şi cum seria ∑ este divergentă
n n n =1 n
∞
1
conform primului criteriu al comparaţiei avem că seria ∑ α este divergentă.
n =1 n
∞ ⎡
1 1 ⎤ ∞
1
Cazul α > 1 . Considerăm seriile ∑ ⎢
n = 2 ⎣ (n − 1)
α −1
− α −1 ⎥
n ⎦
şi ∑
n =1 n
α
.

1 1 1
Notăm v n = − α −1 şi u n = α .
(n − 1)α −1
n n

Deoarece lim
un 1
= lim ⋅ α −1
(n − 1)
α −1
=
1
∈ (0, ∞ ) , conform celui de-al treilea
− (n − 1) α −1
n →∞ v n →∞ n n α −1
n
criteriu al comparaţiei rezultă că cele două serii au aceeaşi natură.
∞ ⎡
1 1 ⎤ ∞
1
Deoarece seria ∑ ⎢
n = 2 ⎣ (n − 1)
α −1
− α −1
n ⎦
⎥ este convergentă rezultă că şi seria ∑
n =1 n
α
,α > 1

este convergentă.

3.Să se stabilească natura seriilor următoare:

∞
n
a) ∑ 2
n =1 n + 2n + 7
∞
1
b) ∑ n
n =1 7 n n

34
 Rezolvare
n n 1
a) Deoarece < 2 = 3 2 , ∀n ∈ N , conform primului criteriu al comparaţiei,
n + 2n + 7 n
2
n
∞
1
rezultă că seria dată este convergentă (seria armonică generalizată ∑ 3 2 este convergentă).
n =1 n

1
7nn n 1 1 1 1
b) Întrucât = n = n şi lim n = , rezultă în baza criteriului al treilea al
1 7n n 7 n n → ∞
7 n 7
n
∞
1
comparaţiei, că seria dată are aceeaşi natură cu seria ∑ . Dar aceasta este seria armonică, care
n =1 n
este divergentă. Aşadar, seria dată este divergentă.

2.1.4. Probleme propuse

1. Să se stabilească suma seriilor următoare:
∞
1 ∞
− 2n + 1
a) ∑ arctg 2 b) ∑
n =1 2n n =1 n(n + 1)(n + 2 )

( )
∞ ∞
1
c) ∑ n + 2 − 2 n + 1 + n d) ∑ 2
n =1 n =1 n + 3n + 2

2. Să se stabilească natura seriilor următoare:

n 2
∞
⎛ n2 + n +1⎞ ∞
⎛ n +1⎞ n
a) ∑ a⎜⎜ ⎟⎟ b) ∑ ⎜ ⎟ a , a>0
n =1 ⎝ n2 ⎠ n =1 ⎝ n ⎠

∞
π ∞

∑ n 2 arcsin ∑ (n + 1)(a − 1) , a > 1

n
c) d)
n =1 2 n
n =1

∞
(1
3
+ 2 3 + ... + n 3 n ) ∞
1
e) ∑
n =1 n 3n
f) ∑ n(1 + a + ... + a ), a > 0
n =1
n

3. Să se stabilească natura seriilor următoare:

∞
(2n )! ∞
1 ⎛n⎞
n

a) ∑
n =1 4 (n!)
n 3
b) ∑ ⎜ ⎟
n =1 n! ⎝ e ⎠

∞ ∞
a2
c) ∑a
n =1
ln n
, a>0 d) ∑
n =1
n
n!
, a>0

1 1
∞ ∞ 1+ + ... +
⎛ 1 ⎞ 2
e) ∑ n 2 ln⎜1 + 2 ⎟ f) ∑ n
n =1 ⎝ n ⎠ n =1 n

35
 n
∞
a ∞
⎛ 4n 2 + 3n + 2 ⎞
g) ∑ 2 sin n n
h) ∑ ⎜⎜ ⎟⎟
n =1 ⎝ 2n + n + 3 ⎠
2
n =1 3

4. Să se stabilească natura seriilor următoare:

∞
1 ∞
n +1
a) ∑ 16n
n =1
2
− 8n − 3
b) ∑ ln
n =1 n

∞
n ∞
3n + 5 n
c) ∑ n +1
n =1
d) ∑3
n =1
n −1
+ 5 n −1

∞ ∞
1 1
e) ∑ n(n + 3)
n =1
f) ∑a
n =1
n
+ 2n
, a > −1

⎛ n +1⎞
∞ n

g) ∑ a⎜
n =1 ⎝ n ⎠
⎟

2.2. Şiruri şi serii de funcţii

2.2.1.Şiruri de funcţii

Şirurile de funcţii reprezintă generalizarea notiunii de sir numeric. Se consideră mulţimea

F x a tuturor funcţiilor definite peste aceeaşi mulţime X ⊆ R

Definiţia 2.2
Se numeşte şir de funcţii orice aplicaţie definită pe N şi cu valori în F x
Ca şi în cazul şirurilor numerice, notaţia unui şir de funcţii va evidenţia doar codomeniul,
mai precis un şir de functii îl vom nota ( f n )n

Definiţia 2.3.
a ∈ X se numeşte punct de convergenţă al şirului de functii ( f n )n dacă şirul numeric
( f n (a ))n este convergent. Deoarece este posibil ca un şir de functii să aibă mai multe puncte de
convergenţă se notează cu A mulţimea punctelor de convergenţă ale şirului de funcţii dat ( evident
A ⊆ X)

Definiţia 2.4
Fie şirul de funcţii ( f n )n definite peste aceeaşi mulţime X . Fie A mulţimea punctelor de
convergenţă . Se numeşte funcţie limită , funcţia f : A → R , dată de egalitatea f ( x ) = lim f n ( x ) .

36
 Exemple:
sin nx
1) Considerăm şirul funcţiilor ( f n ) n , unde f n (x) = ; x∈R(X = R) . Este evident că
n +1
sin nx0
pentru x 0 ∈ E fixat şirul numeric a n = f n (x 0 ) = este convergent şi are limita 0 ( faptul că
n +1
are limita 0 se poate dovedi uşor aplicînd criteriul majorării):

sin nx0 1
an = ≤ →0
n +1 n +1

Aceasta înseamnă că mulţimea de convergenţă pentru şirul ( f n ) n este A = R .

sin nx
Funcţia limită este f(x) = lim =0 . Deci f : R = A → R , f (x) = 0
n n +1

2) Fie şirul ( f n ) n unde f n : R → R

n2 x2 +1
f n (x ) =
n2 + 1

În cazul nostru X = R şi se poate arăta că pentru orice x 0 ∈R fixat , şirul a n =

n x +1
2 2
f n (x0 ) = 0
este convergent având lim a n = x 02 . Deci A= R şi funcţia limită este f : R = A →
n +1
2 n

n x +1
2 2
R , f (x ) = lim 2 = x2
n n +1

Observaţia 2.5
Am arătat până acum că un şir de funcţii este convergent dacă şirurile numerice dând valori
variabilei x ( valori ce aparţin mulţimii de convergenţă ) sunt şiruri numerice convergente. Această
informaţie va fi detaliată in cele ce urmează prin introducerea noţiunii de convergenţă simplă şi
convergenţă uniformă.

Definiţia 2.5
Fie şirul de funcţii ( f n ) n definit pe mulţimea X. Spunem că acest şir este simplu
convergent ( convergent punctual ) la funcţia f : X → R ; dacă ∀ x ∈ X , ∀ ε > 0 , ∃N 0 (ε x ) aşa
incât ∀ n > N 0 ( ε ,x)
avem:
f n (x ) − f (x ) < ε ( 2.11 )

Definiţia 2.6
Fie şirul de funcţii ( f n )n definit pe mulţimea X . Spunem că acest şir este uniform
convergent la funcţia f : X → R ; dacă ∀ x ∈ X , ∀ ε > 0 , ∃N 0 (ε ) aşa încât ∀ n > N 0 (ε ) avem :

f n (x ) − f (x ) < ε ( 2.12 )

37
 Observaţia 2.6
Faptul că şirul ( f n )n este simplu convergent pe mulţimea X la funcţia f , îl notăm astfel :
s
fn → f
x

Faptul că şirul de funcţii f n converge uniform pe mulţimea X la funcţia f îl notăm :

u
fn > f
x

Observaţia 2.7
Convergenţa uniformă se deosebeşte de convergenţa simplă ( punctuală ) prin faptul că
rangul N 0 nu depinde decât de ε şi nu de punctul x0 .Din acest motiv convergenţa uniformă
implică convergenţa simplă ( punctuală ) , reciproca nefiind adevărată .

Exemplu
x2
1) Fie şirul ( f n )n , f n : R → R , f n ( x ) = . În acest caz X este R , iar mulţimea de
n +1
convergenţă A = R . Şirul acesta este deocamdată simplu convergent la funcţia f : R → R ,
f ( x ) = 0 . Să calculăm rangul N 0 ( ε , x).
Dacă acest rang va depinde numai de ε vom avea convergenţă uniformă, dacă depinde şi de
x vom avea convergenţă simplă .
x2 x2
f n (x ) − f (x ) < ε ⇒ −0 < ε ⇒ < ε ⇒ n +1 >
n +1 n +1
x2 x2
> ⇒> −1
ε ε

⎡ x2 ⎤
N 0 ( x , ε ) = ⎢ − 1⎥ , deci convergenţa este simplă .
⎣ε ⎦
cos nx
2) Fie şirul ( f n )n , f n : R → R , f n ( x ) = 2
n +1

În cazul nostru X = R , A = R .

Funcţia limită este evident f : R → R , f (x ) = 0 .

Vrem să vedem dacă acest şir este simplu sau uniform convergent după cum rangul N 0
depinde sau nu de x .
cos nx cos nx
f n (x ) − f (x ) < ε ⇒ 2 −0 < ε ⇒ 2 <ε
n +1 n +1

Deoarece cos nx ≤ 1 , obţinem majorarea următoare

38
 1 1 1 1− ε 1− ε
< ε ⇒ n2 + 1> ⇒ n2 > − 1 = ⇒
n +1
2
ε ε ε ε

Prin urmare rangul va fi :

⎡ 1− ε ⎤
N 0 (ε ) = ⎢ ⎥ şi deci f n converge uniform la 0 ( am notat prin [a ] partea întreagă a
⎣ ε ⎦
lui a ).

Teorema 2.7
Fie şirul de funcţii ( f n )n definite pe mulţimea X şi funcţia limită f : X → R .
Dacă există şirul (a n )n de numere reale pozitive convergent la 0 aşa încât
f n ( x ) − f ( x ) < a n , ∀ x ∈ X atunci :
u
fn ⎯
⎯→x
f

Demonstraţie
Şirul (a n )n avînd limita 0 , înseamnă că ∀ ε > 0, ∃N 0 (ε ) aşa încât ∀ n > N 0 (ε ) avem:

an < ε ⇒ an < ε (2.13)

Ţinînd seama de inegalitatea (2.13) şi de inegalitatea f n ( x ) − f ( x ) < a n , ∀ x ∈ X , înseamnă

că ∀ n > N 0 (ε ) avem :
u

f n ( x ) − f ( x ) < ε ( ceea ce dovedeşte că f n ⎯

⎯→ f deoarece rangul N 0 depinde doar
x

de ε ).

Teorema 2.8
u
Se dă şirul de funcţii f n ⎯
⎯→ f . Dacă funcţiile f n sunt continue în punctul x0 ∈ X atunci
x

funcţia limită f este continuă în punctul x0 .

Demonstraţie
Şirul ( f n )n fiind uniform convergent pe mulţimea X la funcţia limită f avem că
∀ ε > 0, ∃N 0 (ε ) aşa încât ∀ n > N 0 (ε ) are loc inegalitatea :

f n ( x ) − f ( x ) < ε /3 , ∀ x ∈ X (2.14)

Din: ( 2.14 ) ⇒ f n ( x ) − f ( x0 ) < ε / 3 (2.15)

Funcţiile ( f n )n fiind continue în x0 înseamnă că pentru ε > 0 ales , există o vecinătate V x0

a punctului x0 aşa încât ∀ x ∈ V x0 ∩ X avem :

39
 f n (x0 ) − f (x ) < ε / 3 (2.16)

Scriem diferenţa f ( x ) − f ( x0 ) într-o formă convenabilă

f ( x ) − f ( x0 ) = ( f ( x ) − f n ( x )) + ( f n ( x ) − f n ( x0 )) + ( f n ( x0 ) − f n (x 0 ))

Deci :

f ( x ) − f n ( x 0 ) = ( f (x ) − f n (x )) + ( f n ( x ) − f n ( x0 )) + ( f n ( x0 ) − f n ( x0 )) <

< f (x ) − f n (x ) + f n (x ) − f n (x0 ) + f n (x0 ) − f n (x0 ) < ε / 3 + ε / 3 + ε / 3 = ε ,

adică funcţia f continuă în punctul x0 şi prin urmare teorema este demonstrată.

Un rezultat important legat de studiul şirurilor de funcţii îl furnizează teorema următoare :

Teorema 2.9
Considerăm şirul de funcţii ( f n )n definit pe mulţimea X ⊂ R şi funcţia limită f . Au loc
rezultatele următoare:
1) Dacă funcţiile f n sunt derivabile şi şirul ( f ' n )n este uniform convergent către g ,
atunci f este derivabilă şi f ' = g ;
2) Dacă X = [a, b] , f n sunt integrabile , ∀ n ∈ N şi convergenţa la f este uniformă,
atunci f este integrabilă pe [a, b] şi are loc egalitatea :
b b
lim ∫ f n ( x )dx = ∫ f ( x )dx .
n
a a

2.2.2. Serii de funcţii . Serii de funcţii particulare

Considerăm şirul de funcţii ( f n )n definit pe mulţimea X . Cu ajutorul acestui şir se

construieşte un nou şir de funcţii (S n )n în felul următor :
S1 = f 1
S 2 = f1 + f 2

S n = f1 + f 2 + + fn

(S n )n îl vom numi şirul numerelor parţiale şi convenim să notăm , ca la serii numerice

∞

∑f
n =1
n seria de funcţii construită .

Definiţia 2.7
∞
a ∈ X se zice un punct de convergenţă pentru seria de funcţii dacă seria numerică ∑ f (a )
n =1
n

este convergentă . Vom nota cu A mulţimea punctelor de convergenţă pentru seria de funcţii dată.

40
 Definiţia 2.8
∞
Seria ∑fn =1
n este simplu ( uniform ) convergentă la funcţia f : A → R dacă şirul sumelor

parţiale (S n )n este simplu ( uniform ) convergent la funcţia f .

Avem deci :
∞ s

∑f n ⎯→ f dacă ∀ x ∈ A , ∀ ε > 0 , ∃N 0 ( x, ε ) aşa încât ∀ n > N 0 (x, ε ) avem:

⎯
A
n =1
s
Sn ⎯
⎯→ f .
A
∞ u

∑f n ⎯→ f dacă ∀ x ∈ A , ∀ ε > 0 , ∃N 0 (ε ) aşa încât ∀ n > N 0 (ε ) avem:

⎯
A
n =1
u
Sn ⎯
⎯→ f .
A

Definiţia 2.9
∞
Fie seria ∑f
n =1
n . Se notează cu Rn restul seriei de ordin n asociat acestei serii. Acest rest

este de fapt seria de funcţii f n +1 + f n +1 + + . Se poate arăta că mulţimea de convergenţă a seriei

∞
date coincide cu mulţimea de convergenţă a seriei ∑f n =1
n .

De asemenea are loc următoarea proprietate importantă .

∞ s ∞ u s u
Seria ∑
n =1
fn ⎯
⎯→ f ( seria
A
∑
n =1
fn ⎯
⎯→ f ) ⇔ Rn ⎯
A
⎯→ 0 ( respectiv Rn ⎯
⎯→ 0 ).
A A

În cele ce urmează, vom prezenta o condiţie suficientă de convergenţă uniformă precum şi o

proprietate de continuitate a funcţiei limită. Cazurile particulare ale seriilor de funcţii ( Taylor şi
Mac Laurin ) sunt des întâlnite în diverse probleme concrete.
Unele probleme au un caracter teoretic, iar altele au un conţinut practic (de exemplu
probleme legate de serii dinamice, probleme legate de evoluţia unor fenomene economice ,
probleme de echilibru economic etc.) .

Teorema 2.10
∞
Dacă există seria cu termeni pozitivi ∑a n aşa încât f n ( x ) < a n , ∀ n ∈ N , ∀ x ∈ X atunci
n =1
∞
seria de funcţii ∑f
n =1
n este uniform convergentă dacă seria numerică este convergentă .

Demonstraţie
Seria numerică fiind convergentă , înseamnă că şi restul ei ( vom lua restul de ordin n ) este
convergentă la 0 , adică ar fi ε > 0 , ∃N (ε ) aşa încât ∀ n > N (ε ) avem :

a n +1 + a n + 2 + <ε

41
 Pe de altă parte , dacă vom considera restul de ordin n al seriei de funcţii date ( adică
∞
Rn = ∑ f n + k ( x ) ) avem :
k =1

∑ f (x ) ≤ ∑
k =1
n+k
k =1
f n + k ( x ) < ∑ a n + k < ε , ∀ n > N 0 (ε ) , ∀ x ∈ X
k =1
( 2.17 )

Inegalităţile ( 2.17 ) dovedesc că restul de ordinul n al seriei de funcţii date este uniform,
convergent , prin urmare seria de funcţii este uniform convergentă .

Teorema 2.11
∞
Fie seria de funcţii ∑f
n =1
n . Dacă sunt îndeplinite proprietăţile :
∞ u
1) ∑
n =1
fn ⎯
⎯→ f ;
X

2) f n sunt continue în x0 ∈ X , ∀ n ∈ N .
Atunci funcţia limită f este de asemenea continuă în x0 .

Demonstraţie
Această teoremă este o consecinţă imediată a teoremei 2.8. Într-adevăr, seria de funcţii este
uniform convergentă la funcţia limită f , dacă şirul sumelor parţiale este uniform convergent la
funcţia limită f .
Deci am redus problema convergenţei uniforme pentru seria dată la convergenţa uniformă a
unui şir de funcţii .

Seria Taylor
Considerăm funcţia f : I → R , I este interval şi punctul a ∈ I . Presupunem că f este
indefinit derivabilă în punctul a ( adică este derivabilă de orice ordin în punctul a ). Funcţiei f i
se poate construi într-un anumit mod un polinom de gradul n numit polinomul lui Taylor .

Pn ( x ) = f (a ) +
x−a
f ' (a ) +
(x − a ) f ' ' (a ) + 2
+
( x − a)
n
f (n ) (a )
1! 2! n!

şi seria de funcţii numită seria Taylor :

∞
(x ) = ( x − a)
n
f (n ) (a )
∑ f (x ) , unde
n =1
n fn
n!

Dacă această serie de funcţii este convergentă la funcţia iniţială f , avem egalitatea:

f ( x ) = f (a ) +
x−a
f ' (a ) +
(x − a ) f ' ' (a ) +2
+
( x − a)
n
f (n )
(a ) + ( x − a)
n +1
f (n +1) (a ) +
1! 2! n! (n + 1)!
Considerăm că Rn ( x ) este restul seriei :

42
 Rn =
(x − a )n+1 f (n +1) (a ) +
( x − a )n + 2 f (n + 2 ) (a ) +
(n + 1)! (n + 2)!
Evident, că dacă restul seriei este convergent la 0 atunci seria de funcţii Taylor este
convergentă având funcţia limită f .
Mai mult, de aici se poate trage concluzia că dacă restul Rn poate fi neglijat începând de la
un rang n înainte , atunci funcţia f poate fi aproximată prin polinomul lui Taylor de gradul n
asociat funcţiei f .

Observaţia 2.8
Este evident că punctul a ∈ I este punct de convergenţă pentru seria Taylor asociată funcţiei
f . Se pune problema de a găsi şi alte condiţii care ne asigură că mulţimea de convergenţă a seriei
Taylor asociată lui f conţine şi alte puncte în afară de punctul a .

Teorema 2.12
Dacă în vecinătatea Va a punctului a derivatele de orice ordin ale lui f sunt egal mărginite
( adică există M > 0 aşa încât f (n ) ( x ) < M , ∀ x ∈ Va , ∀ n ∈ N ), atunci Va este o mulţime de
convergenţă pentru seria Taylor asociată lui f .

Observaţia 2.9
Făcând a = 0 în seria Taylor , obţinem seria Mac-Laurin .

Observaţia 2.10
Pentru evaluarea restului Rn ( x ) se cunosc mai multe metode . Cea mai utilizată exprimare
este cea a restului în formă Lagrange :

Rn ( x ) =
(x − a )n+1 f (n +1) (ξ ) , ξ ∈ (a, x )
(n + 1)!

2.2.3. Exemple de dezvoltări în serie Mac-Laurin ale unor funcţii cunoscute

f ( x ) = e ax
f ' ( x ) = ε e ax
f ' ' (x ) = α 2 e ax

f (n ) ( x ) = α n e ax

Luăm o vecinătate a originii V0 = (− b, b ) .

Derivatele de orice ordin în punctul x, f (n ) (x ) , x ∈ V0 verifică inegalităţile :

f (n ) ( x ) = α n e ax = α n e ax < α n e ab
m arg init

43
Deci se aplică teorema 2.10.
∞
Avem : f ( x ) = ∑ f n ( x )
n =1

unde : f n ( x ) =
(x − 0 ) n

f n
(0) = x α n = α x
n n n

n! n! n!

∞
α n xn
Deci : ex = ∑ (2.18)
n =1 n!

Făcând în egalitatea (2.18) x = − x obţinem :

e −αx
=∑
∞
(− 1)n α n x n (2.19)
n =1 n!

2) f ( x ) = shα x

e x − e−x
sh x =
2

e α x − e − αx
=∑
α n xn
−∑
(− 1) α n x n = α n x n 1 + (− 1)n+1 = α 2 n+1 x 2 n+1
n
( )
shα x =
2 n =1 n! n =1 n!
∑
n =1 n!
∑
n =1 (2n + 1)!

f ( x ) = chα x

e x + e−x
Avem ch x = . Procedînd ca mai înainte avem :
2

e α x + e −α x ∞
α 2n x 2n
chα x = =∑
2 n =1 (2n )!

3) f ( x ) = sin x
⎛ π⎞
f ' ( x ) = cos x = sin ⎜ x + ⎟
⎝ 2⎠
⎛ π⎞
f ' ' ( x ) = − sin x = sin ⎜ x + 2 ⎟
⎝ 2⎠

⎛ π⎞
f (n ) ( x ) = sin ⎜ x + n ⎟
⎝ 2⎠

⎛ π⎞
f (n ) ( x ) = sin ⎜ x + n ⎟ < 1
⎝ 2⎠

44
 Se aplică teorema 2.10

∞
f (x ) = ∑ f n (x )
n =1

unde: f n (x ) = ( x − 0)
n
. f (0 ) =
n xn
sin
nπ
=
xn
n! n! 2 n!

x 2 n +1
f n ( x ) = (− 1)
n
şi prin urmare avem:
(2n + 1)!

sin x = ∑
(− 1) x 2 n +1
∞ n

n =1 (2n + 1)!

În general : sin α x = ∑
∞
(− 1)n α 2 n+1 x 2 n+1 ⎛
( pentru că (sin α x ) = α n sin ⎜ α x +
nπ ⎞
⎟
n

n =1 (2n + 1)! ⎝ 2 ⎠
prin inducţie )

4) f ( x ) = cos x
⎛ nπ ⎞
Se demonstrează prin inducţie că f (n ) ( x ) = cos⎜ x + ⎟
⎝ 2 ⎠
⎛ π⎞
f (n ) ( x ) = cos⎜ x + n ⎟ < 1 ( se verifică teorema 2.10 ) şi deci
⎝ 2⎠

∞
(x − a )n f (n ) (0) = ∞
x 2n
cos x = ∑
n =1 n!
∑ (− 1)n
n =1 (2n )!

cos α x = ∑
∞
(− 1) α 2 n x 2 n
n
⎛
(pentru că (cos α x ) = α n cos⎜ α x +
nπ ⎞
⎟ - prin
n
În general avem
n =1 (2n )! ⎝ 2 ⎠
inducţie ) .

5). Să se dezvolte în serie Mac – Laurin funcţia :

1
f ( x ) = x arctg x − ln 1 + x 2
2
( )
În mod uzual astfel de probleme nu se rezolvă calculînd derivata de ordinul n a funcţiei
date. Practic se derivează ( se integrerază ) funcţia de atâtea ori până în momentul în care se găseşte
o funcţie pentru care se cunoaşte dezvoltarea în serie Mac-Laurin . Apoi operăm în sens invers :
integrăm ( derivăm ) de atâtea ori cât este necesar pentru a ajunge la funcţia dată.

1 2x
f ' ( x ) = arctg x +
x
− = arctg x
1+ x 2
2 1+ x2

45
 ( ) = ∑ (− 1 ⋅ x ) = ∑ (− 1) x
∞ ∞ n ∞ n
1 1
f ' ' (x ) = ∑
n
= = − x2 2 2n
.
1+ x 2
1− − x 2
n =1( ) n =1 n =1

∞ ∞ ∞
x 2 n +1
f ' ( x ) = ∫ f ' ' ( x )dx = ∫ ∑ (− 1) x 2 n = ∑ (− 1) ∫ x dx =∑ (− 1)
2n
+ C1
n n n

n =1 n =1 n =1 2n + 1

⎛ ∞ 2 n +1
⎞ ∞ n
1
f (x ) = ∫ f ' ( x )dx = ∫ ⎜⎜ ∑ (− 1) + C1 ⎟⎟dx = ∑ (− 1)
n x

⎝ n =1 2n + 1 ⎠ n =1 2n + 1 ∫ x 2 n +1 dx + C1 ∫ dx =

∞
x 2n
= ∑ (− 1) + C x + C2
n

n =1 (2n + 1)(2n + 2) 1
Avem x = 0 ⇒ f (0 ) = 0
f ' (x ) = arctg x

Avem x = 0 ⇒ f ' (0 ) = 0

f (x ) = ∑
∞
(− 1)n x 2 n+ 2 + C x + C ⇒x =0
C2 = 0
n =1 (2n + 1)(2n + 2 )
1 2

∞
x 2 n +1 x =0
f ' (x ) = ∑ (− 1) = C1 ⇒C1 = 0
n

n =1 2n + 1

∞
x 2n+2
Prin urmare f ( x ) = ∑ (− 1)
n

n =1 (2n + 1)(2n + 2)
Numim serie de puteri o serie de forma :

∑a
n =0
n x n = a 0 + a1 x + + an x n − , x ∈ R , an ∈ R

Numărul a n se numeşte coeficientul termenului de rang n . Toate rezultatele privind

seriile de funcţii sunt valabile şi pentru serii de puteri. Seriile de puteri au în plus următoarele
proprietăţi :

1.Teorema lui Abel

Pentru orice serie de puteri ∃R ≥ 0 ( numărul R se numeşte rază de convergenţă ) astfel
încât :
a) ∀ x ∈ R , x < R , seria este absolut convergentă;
b) ∀ x ∈ R , x < R , seria este absolut divergentă;
c) ∀ x ∈ R , pentru care x ≤ r < R , seria este uniform convergentă. Intervalul
(− R , R ) se numeşte intervalul de convergenţă al seriei.

46
 2. Suma unei serii de puteri este o funcţie continuă în orice punct interior al intervalului
de convergenţă.
∞
3. Dacă ∑a
n =0
n x n este o serie de puteri şi R raza sa de convergenţă , atunci:

a) Seria derivatelor de ordinul k are aceeaşi rază de convergenţă;

b) Suma 1 a seriei este indefinit derivabilă pe intervalul de convergenţă şi derivata sa de
ordin k , este egală cu suma seriei derivatelor de ordin k ;
Pentru determinarea razei de convergenţă a unei serii de puteri avem următoarele rezultate:

Teorema lui Cauchy-Hadamard

∞
Fie ∑a
n =0
n x n o serie de puteri, R raza sa de convergenţă. Dacă ∃ lim n a n = ∞ , atunci
n →∞

1
R= pentru 0 < ω < ∞ , R = 0 pentru ω = ∞ şi R = ∞ pentru ω = 0
ω

Teorema lui D’Alembert

∞
a n +1
Fie ∑a
n =0
n x n o serie de puteri, R raza sa de convergenţă. Dacă ∃ lim
n →∞ a
= 1 , atunci
n

1
R= pentru l = ∞ şi R = ∞ pentru l = 0 .
l
Dezvoltări în serie . Fie I un interval , a un punct interior lui I şi f ∈ C ∞ (I ) . Seria (1)
x
f (n ) (a )
∑ (x − a )n se numeşte serie Taylor a funcţiei f în punctul a .
n =0 n!

2.2.4 Probleme rezolvate

sin 2nx
1. Să se arate că şirul ( f n )n∈N cu f n (x ) = este uniform convergent pe R către
n2
f = 0.

Rezolvare:
sin 2nx 1
Deoarece 3
≤ → 0 , conform criteriului lui Weierstrass rezultă că: f n ⎯
⎯→
u
0.
n 3

1
2. Să se arate că şirul ( f n )n∈N cu f n ( x ) = 2 nx
este uniform convergent pe [ 0 , ∞ ) către
e 3n
f ≡ 0.

Rezolvare:
1
Pentru 0 ≤ x < ∞ , avem e 2 nx ≥ 1 , aşadar f n (x ) < , şi conform criteriului lui
3 →0
n

Weierstrass rezultă că f n ⎯
⎯→
u
0.

47
 2x
3. Să se arate că şirul ( f n )n∈N cu f n ( x ) este uniform convergent pe [1, 2] către
3x + n
f ≡ 0.

Rezolvare :

4 4
f n (x ) ≤ < → 0 . Conform criteriului lui Weierstrass rezultă f n ⎯
⎯→
u
0
6+n n

( )
4. Să se arate că şirul de funcţii ( f n )n∈N ; f : [0,1] → R, f n ( x ) = x n 1 − x n , este convergent,
însă nu uniform convergent pe [0,1] .

Rezolvare:

Fie 0 ≤ x < 1 . Deoarece lim x n = 0 , rezultă lim f n ( x ) = 0 , apoi f n (1) = 0 de unde

n →∞ n→∞

lim f n (1) = 0 . Deci lim f n ( x ) = 0 , ∀ x ∈ [0,1] . Şirul nu este uniform convergent.

n→∞ n→∞
1
1 1
şi x n = 2 n ∈ [0,1] avem f n ( x ) = , ∀ n ∈ N , aşadar inegalitatea
−
Într-adevăr, luând ε <
4 4
din anunţul convergenţei uniforme nu este satisfăcută pentru x = x n .

2.2.5 Probleme propuse

1. Să se determine intervalul de convergenţă pentru următoarele serii de puteri:

∞ ∞
3n x n xn
a) ∑ (n + 1)
n=0
3
; b) ∑
n=0 4 + 5
n n
;

∞
n3 n + 2 n n
c) ∑ x .
n =1 n2

Indicaţii:

3n a n +1 1 ⎛ 1 1⎞
a) a n = , ω = lim = 3, R = , ⎜ − , ⎟ intervalul de convergenţă ;
(n + 1) 3 n→∞ an 3 ⎝ 3 3⎠

∞
1 1 1 ∞ 1
x=− , ∑ (− 1) = ,∑
n
- convergentă, x - convergentă .
3 n=0 (n + 1)3
3 n =0 (n + 1)3

1 a 1
b) a n = , ω = lim n +1 = , R = 5.(− 5,5) intervalul de convergenţă ;
4 +5 n
n n→∞ a
n 5
∞ ∞
5n 5n
x = −5, ∑ (− 1) = ∑
n
- divergentă , x 5, - divergentă.
n=0 4n + 5n n =0 4 + 5
n n

48
 n5 n + 2 n a n +1 1 ⎛ 1 1⎞
c) a n = 2
, ω = lim = 5 ; R = , ⎜ − , ⎟ intervalul de convergenţă ;
n n → ∞ an 5 ⎝ 5 5⎠
n n5 + 2 1 ∞ n5 n + 2 n
∞
1 n n
x = − , ∑ (− 1) - convergentă; x = ,∑ - divergentă.
5 n =1 n 2 5n 5 n =1 n 2 5 n

2. Să se studieze caracterul convergenţei seriei :

∞
sin nx
∑ , x∈R.
n =1 n3 + x 2

Indicaţii:

Se aplică criteriul lui Weierstrass , seria este uniform convergentă.

3. Să se arate că şi funcţiile următoare sunt dezvoltabile în seria de puteri şi să se găsească

această dezvoltare , specificându-se intervalul în care este valabilă.

1+ x
a) f ( x ) = ln , x < 1; b) f ( x ) = 3 1 + x 2 , x ∈ R ;
1− x

1 3x
c) f ( x ) = ln 5 1 + 3 x, x > − ; d) f ( x ) = , x ∈ R \ {− 3,−2} .
3 x + 5x + 6
2

Indicaţii :

(
a) f ' ( x ) = 1 − x 2 )
−1
, pentru x < 1
∞
x 2 n +1
f (x ) = ∑ , x < 1.
n = 0 2n + 1

∞
2 ⋅ 5 ⋅ 8 ⋅ ⋅ ⋅ (3n − 4 )
b) f ( x ) = 1 + ∑ (− 1) , x <1
n

n =1 3 n ⋅ n!
∞
3n n
c) f ( x ) = ∑ (− 1)
n
x .
n =1 5n
∞
n +1 ⎛ 1 1 ⎞ n
d) f ( x ) = 3∑ (− 1) ⎜ n − n ⎟x , x < 2.
n=0 ⎝2 3 ⎠

2.3 Funcţii de mai multe variabile

2.3.1 Considerente privind funcţiile reale de variabilă vectorială şi funcţiile vectoriale

de variabile vectorială
Considerăm mulţimea R n = {X = ( X 1 , X 2 ,....., X n ), X i ∈ R, i = 1, n. . Această mulţime poate
fi înzestrată , într-o primă fază , cu două operaţii : adunarea şi înmulţirea cu un scalar.
Adunarea elementelor din R n

49
 Fie x = ( x1 , x 2 ,...., x n ) ∈ R n , y = (y1 , y 2 ,...., y n ) ∈ R n

x + y = ( x1 + y1 , x 2 + y 2 ,...., x n + y n ) ∈ R n

Înmulţirea cu un scalar a unui element din R n

Fie x = ( x1 , x 2 ,...., x n ) ∈ R n , α ∈ R
α ⋅ x = (αx1 , αx 2 ,...., αx n ) ∈ R n

Împreună cu aceste două operaţii, mulţimea R n devine spaţiu vectorial peste corpul
( )
numerelor reale ( adică R n , R,⋅ = spaţiu vectorial ).

Pe R n se poate introduce şi un produs scalar .

x = ( x1 , x 2 ,..., x n ) ∈ R n , y = ( y1 , y 2 ,..., y n ) ∈ R n

n
< x, y >= ∑ xi y i ⇒< x, y >= x1 y1 + + xn y n (2.20)
i =1

Împreună cu acest produs scalar, R n capătă o structură de spaţiu prehilbertian.

Pe R n se poate introduce şi o normă:

x = ( x1 , x 2 ,..., x n )

n
x = < x, y > ⇒ x = ∑x
i =1
2
i ⇒ x = x12 + x 22 + + x n2 (2.21)

Cu această normă , spaţiul R n devine spaţiu normat.

Cu ajutorul normei date de egalitatea (2.21) , pe mulţimea R n se poate introduce şi o
metrică ( distanţă ):

x = ( x1 , x 2 ,..., x n ) ∈ R n , y = ( y1 , y 2 ,...., y n ) ∈ R n

n
d ( x, y ) = x − y =⇒ d ( x, y ) = ∑ (x − yi )
2
i
i =i

d ( x, y ) = (x1 − y1 )2 + (x 2 − y 2 )2 + + (x n − y n )
2
(2.22)

Cu metrica dată de egalitatea (2.22) spaţiul R n devine spaţiu metric.

Concluzie

Spaţiul R n este :

50
 1) Spaţiu vectorial peste R
n
2) Spaţiu prehilbertian , cu produsul scalar < x, y >= ∑ xi y i ;
i =1
n
3) Spaţiu normat , cu norma x = ∑x
i =1
2
i

n
4) Spaţiu metric , cu metrica d (x, y ) = ∑ (x − yi ) .
2
i
i =i

În continuare vom defini funcţii pe R n (sau submulţimi ale lui R n ) şi vom analiza câteva
proprietăţi mai importante legate, în principal, de operaţiile ce se pot defini cu aceste funcţii.

Definiţia 2.10
Fie X ⊆ R n
Se numeşte funcţie reală de variabilă vectorială, orice funcţie f : X → R
Justificarea faptului că este vectorială se realizează prin aceea că argumentul x este vector
din R . n

Dacă x = ( x1 , x 2 ,...., x n ) , valoarea funcţiei f în acest punct se notează cu f (x ) sau

f ( x1 , x 2 ,..., x n ) .
Graficul unei astfel de funcţii este:

G = {( x1 , x 2 ,..., x n ), f ( x1 , x 2 ,..., x n )}∈ R n +1 .

Definiţia 2.11
Fie funcţiile f1 , f 2 ,...., f m : X → R.
Se numeşte funcţie vectorială de variabilă vectorială, funcţia notată f ( f 1 , f 2 ,..., f m ) sau
f = ( f1 , f 2 ,...., f m ) şi definită prin corespondenţa:

x ∈ X → ( f 1 ( x ), f 2 ( x ),..., f m ( x ) = f ( x ) ∈ R m

Justificarea acestei definiri se explică prin faptul că atât argumentul, cât şi valoarea funcţiei
sunt vectori ( din R n , respectiv R m ) . Atât funcţiile reale de variabilă vectorială, cât şi funcţiile
vectoriale de variabilă vectorială sunt, de fapt funcţii de mai multe variabile vectoriale sunt un caz
particular al funcţiilor vectoriale de variabile vectoriale ( cazul m = 1 ).
Din acest motiv, operaţiile care le vom introduce le vom face numai privitor la funcţiile
vectoriale de variabilă vectorială :

Adunarea :
Fie X ⊆ R n şi funcţiile f1 , g i : X → R, i = 1, n

f ( f 1 , f 2 ,..., f m ), g ( g1 , g 2 ,..., g m ) ( adică f , g : X → R m )

Adunarea funcţiilor f şi g se defineşte astfel:

51
 (f + g )( x ) = f ( x ) + g ( x ) (2.23)

Dar f ( x ) = ( f 1 ( x ), f 2 ( x ),..., f m ( x ))

g ( x ) = (g1 ( x ), g 2 ( x ),..., g m (x ))

În baza egalităţii (2.23) avem:

(f + g )( x ) = ( f1 ( x ) + g1 ( x ), f 2 ( x ) + g 2 ( x ),..., f m (x ) + g m ( x ))

Operaţia de adunare a funcţiilor f şi g se notează astfel:

f + g = ( f 1 + g1 , f 2 + g 2 ,..., f m + g m )

Înmulţirea cu un scalar
Fie X ⊆ R n , f i : X → R, i = 1, m şi funcţia vectorială de variabilă vectorială
f ( f 1 , f 2 ,..., f m ) : X ⊆ R → R .
n m

Fie λ ∈ R
Înmulţirea cu scalarul λ a funcţiei f se defineşte astfel:

(λ f )(x ) = λ f (x ), ∀ x∈ X (2.24)

Dar f ( x ) = ( f 1 ( x ), f 2 ( x ),..., f m ( x ))

În baza egalităţii (2.24) avem:

λ f ( x ) = (λ f1 ( x ), λ f 2 (x ),..., λ f m ( x ))

Înmulţirea cu scalarul λ a funcţiei f se notează astfel:

λ f = (λ f1 , λ f 2 ,..., λ f m )

Compunerea
Fie mulţimile X ⊆ R n , Y ⊆ R m , Z ⊆ R p şi funcţiile

f ( f 1 , f 2 ,..., f n ) : X → Y
g ( g1 , g 2 ,..., g n ) : Y → Z

Compunerea funcţiilor f şi g se defineşte astfel:

(g x )( x ) = g ( f (x )) (2.25)

Avem:

f ( x ) = ( f 1 ( x ), f 2 ( x ),..., f m ( x ))

52
 g ( y ) = (g1 ( y ), g 2 ( y ),..., g p ( y ))

În baza egalităţii (2.25) avem:

(g f )(x ) = g1 ( f (x )), g 2 ( f (x )),..., g p ( f (x ))

(g f )( x ) = (g1 ( f1 ( x ), f 2 ( x ),..., f m ( x )), g 2 ( f1 ( x ), f 2 ( x ),..., f m ( x )),..., g p ( f 1 ( x ), f 2 ( x ),..., f m ( x )))

Compunerea funcţiilor f şi g se notează astfel:

g f = g( f )

2.3.2 Problema limitei şi a continuităţii

Problema liniară
Analizăm doar cazul funcţiilor vectoriale de variabilă vectorială. Cazul funcţiilor reale de
variabilă vectorială este un caz particular al celui precedent şi se obţine făcând m = 1 .
În cazul limitelor vor fi analizate două cazuri :
1. limita globală şi limita pe componente;
2. limite iterate
a. Limita globală şi limita pe componente
Considerăm x ⊆ R n şi funcţiile f i : X → R, i = 1, m . Fie funcţia vectorială de variabilă
vectorială f ( f 1 , f 2 ,..., f m ) : X → R m şi a punctelor de acumulare al mulţimii X .

Observaţia 2.11
a este punct de acumulare pentru mulţimea X dacă în orice vecinătate V a punctului a
avem:

(V \ {a} ∩ X ≠ (2.26)

(adică orice vecinătate am considera pentru punctul a , în această vecinătate se mai găseşte
cel puţin un element din X diferit de a ).

Definiţia 2.12

l ∈ R m se zice limita globală a funcţiei f în punctul a dacă ∀ ε > 0, ∃μ (ε ) aşa încât ∀ x

cu proprietatea x ≠ a, x − a ≤ μ (ε ) să avem f ( x ) − 1 < ε (2.27)
Faptul că l este limita funcţiei f în punctul a îl notăm astfel:

l = lim f ( x ) (2.28)
x →a

Dacă vectorii x şi a au componentele cunoscute x = ( x1 , x 2 ,..., x n ), a = (a1 , a 2 ,..., a n )

atunci egalitatea (2.28) se poate scrie sub forma:

l= lim f ( x1 , x 2 ,..., x n ) (2.29)

x1 → a1 , x2 → a2 , xn → a n

53
 Definiţia 2.13
li se numeşte limita în punctul a a componentei f i a funcţiei f dacă ∀ ε > 0, ∃μ (ε ) aşa
încât ∀ x cu proprietatea x ≠ a, x − a ≤ μ (ε ) avem:

f i (x ) − li < ε .

Dacă li este limita în punctul a a componentei f i , notăm acest lucru

li = lim f i ( x ) sau li = lim f i ( x1 , x 2 ,..., x n ) (2.30)

x→a x1 → a1 , x2 → a2 , xn → an

Dacă l1 , l 2 ,..., l m sunt limitele în punctul a ale componentelor f1 , f 2 ,..., f m ale funcţiei f ,
vom nota cu l vectorul care are aceste componente , deci l = (l1 , l 2 ,..., l m ) .
Se poate arăta că acest vector l care are componentele date de (2.29) sau (2.30) coincide cu
vectorul l dat de egalitatea (2.28). Astfel spus, o funcţie are limita l într-un punct a dacă funcţiile
componente au limită în acel punct. Limitele funcţiilor componente sunt la rândul lor componentele
vectorului limită al funcţiei vectoriale f în punctul considerat.

Proprietăţi ale limitelor de funcţii

1. Dacă l = lim f ( x ) atunci pentru orice şir (x n )n ⊂ R n , x n ≠ a, lim x n = a avem egalitatea

x→ a n

l = lim f ( x n ) ;
xn → a

2. l = lim f ( x ) atunci l = lim f (x ) ;

x→ a x→ a

3. Dacă funcţiile f şi g au limite în punctul a , atunci funcţiile f + g , f ⋅ g , λ f , şi

λ g (λ ∈ R ) au de asemenea limită în punctul a şi au loc egalităţile:

lim( f + g )( x ) = lim f ( x ) + lim g ( x )

x→a x→a x→a

lim( f ⋅ g )( x ) = lim f ( x ) ⋅ lim g (x )

x→a x→a x→a

lim(λ f )(x ) = λ lim f ( x )

x →a x →a

lim(λ g )( x ) = λ lim g ( x )
x→a x→a

Presupunem că au sens operaţiile din membrul drept.

Limite iterate

Fie funcţia f : X ⊆ R n → R şi a = (a1 , a 2 ,..., a n ) un punct de acumulare al mulţimii X ; în

afara limitelor prezentate mai înainte se pot prezenta şi aşa-numitele limite iterate (succesive).
a fiind punct de acumulare se poate pune problema următoarei limite:

54
 ~ ~
li = lim f (x1 , x 2 ,..., x n ) . Evident li va depinde de ai şi celelalte variabile
x1 → a1

x1 , x 2 ,..., xi −1 , xi +1 ,..., x n rămase . În continuare se poate pune problema limitei

~
l j = lim lim f ( x1 , x 2 ,..., x n ) .
x j → a j xi → a i
~
Evident l j va depinde de variabilele a j , ai şi celelalte n − 2 componente rămase, acestea
fiind x1 , x 2 ,..., xi −1 , xi +1 ,..., x j −1 , x j +1 ,..., x n .
Continuând în acest mod, după n etape se ajunge să calculăm n limite succesive, rezultatul
fiind evident un număr real. Vom numi aceste limite succesive, limite iterate, ordinea de citire a
variabilelor fiind cea inversă modului de calcul (adică lim lim f ( x1 , x 2 ) vom spune că este limita
x2 → a 2 x1 → a1

iterată a funcţiei f în raport cu variabilele x1 şi x 2 .

Pentru o funcţie f ( x1 , x 2 ,..., x n ) se pot calcula în punctul a, a = (a1 , a 2 ,..., a n ) în total n!
limite iterate.
Se pune problema dacă există vreo legătură între aceste limite şi valoarea limitei în punctul
a.

Teorema 2.13
Dacă există funcţiei într-un punct de acumulare dat a şi această valoare este egală cu una
din limitele iterate atunci toate celelalte limite iterate există şi sunt egale. Reciproca teoremei nu
este adevărată.

Exemplul 1

f : R2 → R

⎧ x2 y
⎪ , ( x, y ) ≠ 0
f ( x, y ) = ⎨ x2 + y
⎪⎩0 , ( x, y ) = 0
vom calcula limitele iterate:

⎛ x2 ⋅ 0 ⎞
lim lim f (x, y ) = lim⎜⎜ 2 ⎟ = lim(0 ) = 0
x →0 y →0 x →0 x + 0 ⎟
⎝ ⎠ x →0

⎛ 02 ⋅ y ⎞
lim lim f (x, y ) = lim⎜⎜ 2 ⎟ = lim(0 ) = 0
y →0 x →0 y →0 0 + y ⎟
⎝ ⎠ y →0

şi limita lim f ( x, y )
x →0
y →0

Pentru a calcula valoarea limitei funcţiei f în origine, ne vom situa pe parabola

y = mx 2 , m ∈ R .
x 2 mx 2 mx 2
Avem lim f ( x, y ) = lim = lim =0
x →0 x →0 x 2 mx 2 x →0 1 + m
y →0

55
 Am obţinut lim lim f (x, y ) = lim lim f ( x, y ) = lim f (x, y ) = 0
x →0 y →0 y →0 x →0 x →0
y →0

Deci limitele iterate coincid cu valoarea limitei în origine.

Exemplul 2

f : R2 → R

⎧ x2 y
⎪ , ( x, y ) ≠ 0
f ( x, y ) = ⎨ x2 + y2
⎪⎩ 0 , ( x, y ) = 0

⎛ x2 ⋅ 0 ⎞
lim lim f (x, y ) = lim⎜⎜ 2 ⎟ = lim(0 ) = 0
x →0 y →0 x →0 x + 0 ⎟
⎝ ⎠ x →0

⎛ 02 ⋅ y ⎞
lim lim f (x, y ) = lim⎜⎜ 2 ⎟⎟ = lim(0 ) = 0
y →0 x →0 y →0 0 + y 2
⎝ ⎠ y →0

Ne situăm pe aceeaşi formaţie de parabole de mai înainte y = mx 2

x 2 mx 2
lim f ( x, y ) = lim
m m
= lim =
x →0 x →0 x + mx
4 4 x →0 1 + m 2
1 + m2
y →0

Deoarece limita găsită depinde de valoarea parametrului m deci depinde de alegerea curbei
(care trece prin origine ) înseamnă că această limită nu există (pentru că dând valori arbitrare lui m
obţinem rezultate deosebite, iar limita dacă există este unică) :

lim lim f (x, y ) = lim lim f ( x, y ) = lim f (x, y ) = 0

x →0 y →0 y →0 x →0 x →0
y →0

Continuitatea funcţiilor de mai multe variabile.

Deoarece funcţiile reale de variabile vectoriale sunt un caz particular al funcţiei vectoriale de
variabilă vectorială , vom analiza doar cazul acestora din urmă. Există două cazuri :

a) Continuitatea globală pe componente

Fie X ⊆ R n , f i : X → R, i = 1, m . Considerăm funcţia vectorială de variabilă vectorială
f ( f 1 , f 2 ,..., f n ) : X → R m şi punctul a ∈ R .

Definiţia 2.14
Funcţia f se zice că este continuă în punctul a dacă ∀ ε > 0, ∃μ (ε ) aşa încât ∀ x cu
proprietatea x − a < μ (ε ) să avem :

f ( x ) − f (a ) < ε .

56
 Faptul că funcţia f este continuă în punctul a îl notăm :

lim f ( x ) = f (a ) (2.31)
x →a

Dacă x = ( x1 , x 2 ,..., x n ), a = (a1 , a 2 ,..., a n ), egalitatea (2.31) devine:

lim f ( x1 , x 2 ,..., x n ) = f (a1 , a 2 ,...., a n ) (2.32)

x → a1
x2 → a2

xn → an

continuitatea pe componente a funcţiilor f1 , f 2 ,..., f n : X ⊆ R n → R se defineşte asemănător în

punctul a = (a1 , a 2 ,..., a n ) ∈ X .

Definiţia 2.15
Funcţia f i : X ⊆ R n → R, i = 1, m este continuă în punctul a dacă ∀ ε > 0 , ∃μ (ε ) aşa
încât ∀ x cu proprietatea:

x − a < μ (ε ) ⇒ f ( x ) − f (a ) < ε (2.33)

Din inegalitatea (2.33) obţinem dând valori din i următoarele inegalităţi:

f 1 (x ) − f 1 (a ) < ε ⎫
⎪
f 2 (x ) − f 2 (a ) < ε ⎪
⎪
f 3 ( x ) − f 3 (a ) < ε ⎬ (2.34)
⎪
⎪
f n ( x ) − f n (a ) < ε ⎪⎭

evident, dacă variabila x verifică inegalitatea x − a < μ (ε ) .

Observaţia 2.12
Se poate arăta că funcţia f = ( f 1 , f 2 ,..., f m ) este continuă în a = (a1 , a 2 ,..., a n ) dacă şi
numai dacă funcţiile componente f1 , f 2 ,..., f m sunt continue în punctul a (astfel spus continuitatea
globală într-un punct este echivalentă cu continuitatea pe componente în acel punct).

Definiţia 2.16
Funcţia f = ( f1 , f 2 ,..., f n ) este continuă pe mulţimea X dacă este continuă în fiecare
punct al acesteia.
Este evident că dacă funcţia f este continuă pe mulţimea X atunci şi funcţiile
componente f1 , f 2 ,..., f n sunt continue pe mulţimea X (proprietatea are loc şi în sens invers)

57
 Continuitatea parţială
Fie funcţia vectorială de variabilă vectorială f = ( f 1 , f 2 ,..., f m ), f : X ⊆ R n → R m şi
punctul a = (a1 , a 2 ,..., a n ) ∈ R n .
Fie vectorul x = ( x1 , x 2 ,..., x n ) ∈ R n în care fixăm variabilele x1 , x 2 ,..., xi −1 , xi −l ,..., x n în felul
următor :

x1 = a1
x2 = a2

xi −1 = ai −1
xi +1 = ai +1

xn = an

Definiţia 2.17
Funcţia f este continuă în punctul a în raport cu variabila x , dacă ∀ ε > 0, ∃μ (ε ) aşa încât
∀ x ∈ X : xi − ai < μ (ε ) , avem:

f (a1 , a 2 ,..., a i −1 , xi ai +1 ,..., a n ) − f (a1 , a 2 ,..., a n ) < ε

Observaţia 2.13
Se poate arăta că dacă funcţia vectorială de variabilă vectorială f este continuă parţial în
raport cu variabilele xi în punctul a , atunci şi funcţiile componente f1 , f 2 ,..., f m sunt continue în
punctul a în raport cu variabila xi .

Teorema 2.14
Dacă funcţia f este continuă global în punctul a atunci ea este şi continuă parţial în acest
punct în raport cu fiecare din variabilele x1 , x 2 ,..., x n . Reciproca acestei teoreme este falsă.

Exemplu :

⎧ 2x 2 y
⎪ , ( x, y ) ≠ 0
f ( x, y ) = ⎨ x 2 + y 2
⎪⎩ 0 , (x, y ) = 0

Analizăm continuitatea globală şi continuitatea parţială în punctul (0,0 ) .

Continuitatea parţială

a) în raport cu x

2x 2 ⋅ 0
lim f ( x,0) = lim = 0 = f (0,0)
x →0 x →0 x4 + 02

58
 b) în raport cu y

2 ⋅ 02 ⋅ y
lim f ( y,0) = lim = 0 = f (0,0)
y →0 y →0 0 4 + 3 y 2

Concluzie : f este continuă parţial în raport cu ambele variabile în punctul (0,0 ) .

Continuitatea globală : analizăm problema limitei în (0,0 ) considerând familia de parabole

y = mx 2 , m ∈ R.

2x 2 y 2 x 2 mx 2 2m 2m
lim f ( x, y ) = lim = lim = lim =
x →0 x →0 x + 3y
4 2 x →0 x + 3m x
4 2 4 x →0 1 + 3m 2
1 + 3m 2
y →0 y →0

Deoarece această limită depinde de alegerea parametrului m înseamnă că în relitate ea nu

există ; neexistând limită globală în (0,0 ) înseamnă că funcţia nu este continuă în (0,0 ) .

Concluzii :
1) f continuă parţial în raport cu ambele variabile în punctul (0,0 )
2) f nu este continuă global în punctul (0,0 )
Proprietăţi ale funcţiilor continue
10 . Dacă funcţia f este continuă în a , atunci este mărginită pe orice vecinătate a
acestui punct.
2 0 . Dacă funcţia f este continuă în a , atunci există limita globală „ l ” în acest punct
şi are loc egalitatea l = f (a )
3 0 . Dacă funcţia f este continuă în a , atunci şi funcţia f este continuă în a .
4 0 . Dacă funcţiile f , g sunt continue în a , atunci şi funcţiile f + g şi f ⋅ g sunt
continue în a .
5 0 . Dacă funcţia f este continuă în a şi λ ∈ R atunci funcţia λ f este continuă în a .
6 0 . Dacă funcţia f este continuă pe o mulţime compactă C ⊂ X (adică C este
mărginită şi închisă) atunci f este mărginită şi îşi va atinge marginile pe mulţimea C .

Observaţia 2.14
Schematic, legătura între limite şi continuitate este următoarea :

59
 continuitate limite
parţială parţiale

continuitate limite limite

globală globale iterate

continuitate limite
pe componente pe componente

2.3.3 Derivarea funcţiilor de mai multe variabile

Derivate de ordin superior , derivarea funcţiilor compuse. Exemple de calcul
Acest tip de derivare este o generalizare a noţiunii de derivată studiată în liceu.
Fie f : X ⊆ R → R şi „ a ” punct interior mulţimii X . Din liceu se ştie că funcţia f este
derivabilă în punctul a dacă există şi este finită

f (x ) − f (a )
lim x−a
x →0

Valoarea acestei limite se notează cu f ' (a ) şi admite următoarea interpretare geometrică :

Prin urmare derivata funcţiei în a reprezintă panta tangentei dusă la graficul funcţiei în
punctul (a, f (a )) .
Noţiunea de derivată prezentată anterior se poate generaliza prin introducerea noţiunii de
derivată parţială :

f : X ⊆ R 2 → R şi (a, b ) punct interior mulţimii X

Definiţia 2.18
Funcţia f se zice derivabilă parţial în punctul (a, b ) în raport cu variabila x dacă există şi
este finită limita :

f ( x, b ) − f (a, b )
lim
x→a x−a

∂f
Valoarea acestei limite se notează f ' x (a, b ) sau (a, b ) şi se numeşte derivata parţială a
∂x
funcţiei f în raport cu x în punctul (a, b ) .

Definiţia 2.19
Funcţia f se zice derivabilă parţial în punctul (a, b ) în raport cu y dacă există şi este finită
limita următoare :

60
 f (a, y ) − f (a, b )
lim .
y →b y −b

∂f
Valoarea acestei limite se notează f ' y (a, b ) sau (a, b ) şi se numeşte derivata parţială a
∂y
funcţiei f în raport cu y în punctul (a, b ) .

Definiţia 2.20
Funcţia f este derivabilă cu x pe X (respectiv y pe Y) dacă este derivabilă parţial în raport
cu x (respectiv cu y) în orice punct din X.
Aceste noţiuni pot fi generalizate atât pentru funcţiile reale de variabilă vectorială cât şi
pentru funcţiile vectoriale de variabilă vectorială.
Pentru funcţii reale de variabilă vectorială
Fie funcţia reală de variabilă vectorială f : X ⊆ R n → R şi a = (a1 , a 2 ,..., a n ) un punct
interior mulţimii X. Construim vectorul variabil x = ( x1 , x 2 ,..., x n ) .

Definiţia 2.21
Funcţia f se zice derivabilă parţial în punctul a în raport cu variabila x k dacă există şi este
finită limita:

f (a1 , a 2 ,..., a k −1 , x k , a k −1 − a n ) − f (a1 , a 2 ,..., a k −1 , a k , a k +1 ,..., a n )

lim
xk → ak xk − ak

∂f
Valoarea acestei limite se notează (a1 , a 2 ,..., a n ) sau f x'k (a1 , a 2 ,..., a n ) şi se numeşte
∂x k
derivata parţială a funcţiei f în raport cu variabila x k în punctul a.

Definiţia 2.22
Funcţia f este derivabilă pe mulţimea X dacă este derivabilă parţial în raport cu fiecare
componentă a vectorului variabil x în orice punct a ∈ X .

Exemplu
∂f
Considerăm f : R 2 → R, f ( x, y ) = e x (0,0) şi ∂f (0, π 2) .
2
+ cos 2 y
. Să se calculeze
∂x ∂y
f ( x,0 ) − f (0,0 )
2 2
∂f e x +1 − e 2 xe x +1
Avem (0,0) = lim = lim = lim =0
∂x x →0 x−0 x →0 x x →0 1
f (0, y ) − f (0, π 2)
2
∂f e cos y −1 − 2 sin y cos y
(0, π 2) = ylim = lim = lim =0
∂x →π 2 y −π 2 y →π 2 y − π 2 y →π 2 1

Observaţia 2.15
Pentru a evita calculul derivatelor parţiale cu ajutorul limitelor se poate deriva direct, ţinând
cont de variabila curentă (adică variabila în raport cu care se efectuează operaţia de trecere la limită)
este singura mărime variabilă care intervine în calcul, celelalte componente ale vectorului variabil

61
 ∂f
sunt considerate constante. De exemplu atunci când calculăm , ( f fiind funcţie x şi y) vom
∂x
considera x mărimea variabilă (variabilă curentă), iar pe y îl considerăm parametru. Dacă vom
∂f
calcula vom considera x parametru şi y variabil.
∂y

Pentru funcţii vectoriale de variabilă vectorială

Fie funcţia f = ( f1 , f 2 ,..., f m ); f : X ⊆ R n → R m şi punctul interior ,,a” al mulţimii X.

Definiţia 2.23
Funcţia f se zice derivabilă parţial în raport cu variabila curentă x k în punctul
a = (a1 , a 2 ,..., a n ) dacă există şi este finită:

f (a1 , a 2 ,..., a k −1 , x k , a k −1 − a n ) − f (a1 , a 2 ,..., a k −1 , a k , a k +1 ,..., a n )

lim
xk → ak xk − ak

∂f
Valoarea acestei limite se notează (a1 , a 2 ,..., a n ) sau f x'k (a1 , a 2 ,..., a n ) .
∂x k
⎛ ⎞
Practic are loc egalitatea
∂f
(a ) = ⎜⎜ ∂f1 (a ),..., ∂f m (a )⎟⎟
∂x k ⎝ ∂x k ∂x k ⎠

Adică derivata parţială a unei funcţii vectoriale de variabilă vectorială în punctul a în raport
cu variabila x k este de fapt un vector din Rm care are drept componente derivatele componentelor
f1 , f 2 ,..., f m ale funcţiei f în punctul a în raport cu variabila x k .

Exemplu
Să se calculeze derivata lui f în raport cu x în punctul (0, 1) ştiind că
(
f ( x, y ) = sin 2 xy, x 2 + y 2 .)
Avem:
∂f
(0,1) = ⎛⎜ ∂f1 (0,1), ∂f 2 (0,1)⎞⎟
∂x ⎝ ∂x ∂x ⎠
∂f1 x =0
∂f 2 x =0
(0,1) = 2 sin xy ⋅ cos xy ⋅ y y =1 = 0; (0,1) = 2 x y =1 = 0
∂x ∂x
∂f
(0,1) = ⎛⎜ ∂f1 (0,1), ∂f 2 (0,1)⎞⎟ = (0,0)
∂x ⎝ ∂x ∂x ⎠

b) Derivate de ordin superior

Considerăm f : X ⊆ R n → R m . Presupunem că f este derivabilă parţial în raport cu
ambele variabile x şi y în orice punct a ∈ X , prin urmare putem considera funcţiile f x' şi
f y' : X → R ( f x' şi f y' reprezintă funcţiile obţinute prin derivarea parţială a lui f în raport cu x
respectiv y). La rândul lor şi pentru aceste funcţii se poate pune problema derivabilităţii în raport cu
x sau y.
Se adoptă următoarele notaţii:

62
 ∂ ⎛ ∂f ⎞ not ∂ 2 f
⎜ ⎟=
∂x ⎝ ∂x ⎠ ∂x 2
( )
= f x'
'
x
= f xx'

∂ ⎛ ∂f ⎞ not ∂ 2 f
⎜ ⎟=
∂y ⎝ ∂x ⎠ ∂y∂x
( )
= f x'
'
y
= f xy'

∂ ⎛ ∂f ⎞ not ∂ 2 f
⎜⎜ ⎟⎟ =
∂x ⎝ ∂y ⎠ ∂x∂y
( )
= f y'
'
x
= f yx'

∂ ⎛ ∂f ⎞ not ∂ 2 f
( )
'
⎜⎜ ⎟⎟ = 2 = f y' y = f yy'
∂y ⎝ ∂y ⎠ ∂y
Derivatele astfel introduse se numesc derivate parţiale de ordin 2 (sau derivate parţiale mixte
∂2 f ∂2 f
de ordin 2: şi ).
∂x∂y ∂y∂x
O problemă importantă care apare în legătură cu studiul derivatelor parţiale este aceea de a
stabili condiţiile în care derivatele parţiale sau mixte sunt egale.

Teorema 2.15 (Schwatz)

Dacă sunt îndeplinite condiţiile:
1) f este continuă în punctul (a, b ) ∈ X ;
2) există derivate parţiale mixte într-o vecinătate V (a, b ) a punctului (a, b ) , atunci are loc
egalitatea acelor derivate parţiale mixte, adică:
∂2 f
(a, b ) = ∂ f (a, b )
2

∂x∂y ∂y∂x

Observaţia 2.16
Acest rezultat se poate generaliza astfel:
∂ m+ k f ∂ m+ k f
Dacă f este continuă în punctul (a, b ) , ∃ şi într-o vecinătate a punctului
∂x m ∂y k ∂y k ∂x m
(a, b ) atunci are loc egalitatea:
∂ m+ k f ∂ m+ k f
(a, b ) = k m (a, b )
∂x m ∂y k ∂y ∂x

Derivatele parţiale de ordin superior se pot introduce asemănător şi pentru funcţii de mai
mult de 2 variabile.
Fie f : X ⊆ R n → R şi x = ( x1 , x 2 ,..., x n ) vector variabil curent.
Dacă derivăm f în raport cu :
x1 de k1 ori
x 2 de k 2 ori

x n de k n ori

Atunci se noteză concentrat această derivată parţială în raport cu variabilele (x1 , x 2 ,..., x n )
astfel:

63
 ∂k f
∂x1k1 ∂x 2k 2 ...∂x nk n
unde:
k = k1 + k 2 + ... + k n

Legat de derivabilitatea parţială de ordinul I şi ordin superior în probleme aplicative apar

uzual două noţiuni importante: gradientul unei funcţii şi matricea hessiană.

Gradientul:
Fie f : X ⊆ R n → R şi punctul x ∈ a = (a1 , a 2 ,..., a n ) . Prin definiţie gradientul funcţiei f
în punctul a este vectorul notat grad f (a ) şi dat de egalitatea:
⎛ ∂f ⎞
grad f (a ) = ⎜⎜ (a ), ∂f (a )..., ∂f (a )⎟⎟
⎝ ∂x1 ∂x 2 ∂x n ⎠

Matricea hessiană – este matricea notată Hess f (a ) şi dată de următoarea egalitate:

⎛ ∂2 f ∂2 f ∂2 f ⎞
⎜ (a ) (a ) (a )⎟
⎜ ∂x1 ∂x1 ∂x 2 ∂x1 ∂x n
2
⎟
⎜ ∂2 f ∂2 f ∂2 f ⎟
⎜
Hess f (a ) = ⎜ ∂x 2 ∂x1
(a ) (a ) (a )⎟
∂x 22 ∂x 2 ∂x n ⎟
⎜ ⎟
⎜ ∂2 f ⎟
(a ) ∂ f (a ) ∂ f
2 2
⎜⎜ ( a ) ⎟⎟
⎝ ∂x n ∂x1 ∂x n ∂x 2 ∂x n2 ⎠

Exemplu:
Să se determine gradientul şi matricea hessiană asociate funcţiei f ( x, y ) = e xy în punctul (0,
1).

Gradientul
⎛ ∂f ∂f ⎞
grad f (0,1) = ⎜⎜ (0,1), (0,1). ⎟⎟
⎝ ∂x ∂y ⎠
x =0
∂f y =1
∂f
= ye xy ⇒ (0,1) = 1 ⋅ e 0 = 1
∂x ∂x
x =0
∂f y =1
∂f
= xe xy ⇒ (0,1) = 0 ⋅ e 0 = 0
∂y ∂y
grad f (0,1) = (1,0 )

Matricea hessiană

64
 ⎛ ∂2 f ∂2 f ⎞
⎜ 2 (0,1) (0,1)⎟
⎜ ∂x ∂x∂y ⎟
Hess f (0,1) = ⎜ 2 ⎟
∂ f ∂ f
2
⎜
⎜ ∂y∂x
(0,1) (0,1) ⎟
⎟
⎝ ∂y 2
⎠

∂2 f ∂ ⎛ ∂f ⎞ ∂ ∂2 f
= ⎜ ⎟ =
∂x ⎝ ∂x ⎠ ∂x
ye( xy
=)y 2
⋅ e xy
; (0,1) = 12 e 0 = 1
∂x 2
∂x 2

∂ f
2
∂ ⎛ ∂f ⎞ ∂ ∂2 f
= ⎜ ⎟ =
∂y 2 ∂y ⎝ ∂y ⎠ ∂y
( )
xe xy
= x 2
⋅ e xy
;
∂y 2
( 0,1) = 0
∂2 f ∂ ⎛ ∂f ⎞ ∂ ∂2 f
= ⎜ ⎟ = ( ye xy ) = e xy + xy ⋅ e xy ; (0,1) = 1
∂x∂y ∂y ⎝ ∂x ⎠ ∂y ∂x∂y
∂2 f ∂ ⎛ ∂f ⎞ ∂ ∂2 f
= ⎜⎜ ⎟⎟ =
∂y∂x ∂x ⎝ ∂y ⎠ ∂x
( )
xe xy = e xy + xy ⋅ e xy ;
∂y∂x
(0,1) = 1 + 0 = 1

Observaţia 2.17
∂2 f
(0,1) = ∂ f (0,1) = 1 . Această egalitate a derivatelor mixte de ordinul 2
2
Se observă că
∂x∂y ∂y∂x
se explică prin faptul că funcţia dată f ce se defineşte prin egalitatea f ( x, y ) = e xy verifică
condiţiile teoremei lui Schwartz referitor la punctul (0, 1).

c) Derivarea funcţiilor compuse

Considerăm pentru început funcţiile u, v : X ⊆ R → R şi funcţia f : R 2 → R cu ajutorul lui u, v şi
f se poate defini funcţia F : X → R; F ( x ) = f (u ( x ), v( x )) . Se observă că funcţia F a fost definită
ca o funcţie compusă. Se pune problema de a găsi F ' ( x ) .

Observaţia 2.18
d
Pentru funcţii de o singură variabilă se face ca şi în liceu semnul de derivare , pentru
dx
funcţii de mai multe ori variabile vom utiliza pentru desemnarea derivatei parţiale simbolul ∂ .

Teorema 2.16
Dacă sunt îndeplinite condiţiile:
1) u, v sunt derivabile şi cu derivatele continue în orice punct x ∈ X ;
2) f este derivabilă parţial în arport cu ambele argumente şi are derivatele parţiale continue
în orice punct din R2.
Atunci au loc rezultatele:
1) F este derivabilă şi are derivatele continue în orice punct x ∈ X ;
2) Are loc egalitatea:
∂f du ∂f dv
F ' (x ) = + (2.35)
∂u dx ∂v dx
Observaţia 2.19
Egalitatea (2.35) arată regula după care se calculează derivata de ordin I a funcţiei compuse
F.

65
 Pornind de la această egaliatate se poate determina derivata de ordinul II:
d 2F d ⎛ dF ⎞
F " ( x ) = (F ' ( x ))' sau 2
= ⎜ ⎟
d x dx ⎝ dx ⎠
Avem:
d ⎛ dF ⎞ d ⎛ ∂f du ∂f dv ⎞
F" (x ) = ⎜ ⎟= ⎜ + ⎟ (2.36)
dx ⎝ dx ⎠ dx ⎝ ∂u dx ∂v dx ⎠
Avem:
d ⎛ ∂f ⎞ du ∂f d 2 u d ⎛ ∂f ⎞ dv ∂f d 2 v
F " (x ) = ⎜ ⎟ + + ⎜ ⎟ + (2.37)
dx ⎝ ∂u ⎠ dx ∂u dx 2 dx ⎝ ∂v ⎠ dx ∂v dx 2

(ultimul membru al egalităţii (2.36) l-am scris ca o sumă de două derivate în raport cu x şi fiecare
termen al acestei sume a fost derivat ca un produs).

d ⎛ ∂f ⎞ d ⎛ ∂f ⎞ ∂f ∂f
Trebuie să determinăm în egalitatea (2.37) ⎜ ⎟, ⎜ ⎟ ; deoarece , vor fi
dx ⎝ ∂u ⎠ dx ⎝ ∂v ⎠ ∂u ∂v
derivate tot după regula de derivare a funcţiilor compuse dată de egalitatea (2.35), vom avea:

d ∂f ∂ 2 f du ∂ 2 f dv
= + (2.38)
dx ∂u ∂u 2 dx ∂u∂v dx
d ⎛ ∂f ⎞ ∂ 2 f du ∂ 2 f dv
⎜ ⎟= + (2.39)
dx ⎝ ∂v ⎠ ∂v∂u dx ∂v 2 dx

Înlocuind egalităţile (2.38) şi (2.39) în (2.37) obţinem:

⎛ ∂ 2 f du ∂ 2 f dv ⎞ du ∂f d 2 u ⎛ ∂ 2 f du ∂ 2 f dv ⎞ dv ∂f d 2 v
F " ( x ) = ⎜⎜ 2 + ⎟⎟ + + ⎜⎜ + 2 ⎟⎟ + (2.40)
⎝ ∂ u dx ∂u ∂v dx ⎠ dx ∂u ∂x 2
⎝ ∂v∂u dx ∂v dx ⎠ dx ∂v ∂x
2

Continuând procesul de derivare până la ordinul n inclusiv al funcţiei F se observă că acesta

devine extrem de greoi în calcul. Din acest motiv reţinem doar formula de derivare generală:

d nF d ⎛ d n −1 F ⎞
= ⎜ ⎟ (2.41)
dx n dx ⎜⎝ dx n −1 ⎟⎠

Observaţia 2.20
În problemele concrete calculul derivatelor de ordin superior a funcţiilor compuse în puncte
date se realizează utilizând algoritmi speciali pentru derivarea aproximativă (care poate fi utilizată
în tehnica de calcul).
Problema derivării funcţiilor compuse se poate pune într-un caz mai general: fie
u1 , u 2 ,..., u n : X ⊆ R n → R, f : R n → R .
Se consideră funcţia F : X → R, F ( x ) = f (u1 ( x ), u 2 ( x ),..., u m ( x ))
În condiţii asemănătoare celor formulate în cadrul teoremei 1 se poate arăta că există F(x) şi
are loc egalitatea:

∂f du1 ∂f du 2 ∂f du m
F ' (x ) = + + ... + (2.42)
∂u1 dx ∂u 2 dx ∂u m dx

66
 Derivatele de ordin superior ale funcţiei F se determină aplicând egalitatea (2.41), este
evident că în acest caz calculele se complică foarte mult.
Din aceste motive se apelează iarăşi la algoritmi numerici, uşor programabili pe calculator,
ceea ce aproximează derivatele de orice ordin.
Problema derivabilităţii funcţiilor compuse se poate pune însă şi în cazul în care funcţia F
este o funcţie compusă depinzând nu numai de o singură variabilă. Pentru început considerăm
funcţiile u, v : X ⊆ R 2 → R şi f : R 2 → R .
Fie F : X → R, F (x, y ) = f (u ( x, y ), v( x, y ))
Funcţia F depinde de data aceasta de 2 variabile şi prin urmare se poate pune problema
derivabilităţii sale parţiale. În condiţii asemănătoare teoremei 1 (adică u şi v sunt derivabile parţial,
au derivatele parţiale continue, f este derivabilă şi are derivatele continue) atunci F este derivabilă
parţial, are derivatele parţiale continue şi au loc egalităţile:

∂F ∂f ∂u ∂f ∂v
= + (2.43)
∂x ∂u ∂x ∂v ∂x
∂F ∂f ∂u ∂f ∂v
= + (2.44)
∂y ∂u ∂y ∂v ∂y

Derivatele parţiale de ordin superior ale lui F se calculează derivând succesiv şi având în
vedere egalităţile (2.43) şi (2.44). Calculele sunt extrem de greoaie.
În general dacă avem u1 , u 2 ,..., u n : X ⊆ R n → R, f : R n → R se poate construi funcţia
compusă F dată de egalitatea:
F (x1 , x 2 ,..., x n ) = f (u1 (x1 , x 2 ,..., x n ), u 2 ( x1 , x 2 ,..., x n ),..., u m (x1 , x 2 ,..., x n ))
În acest caz derivata parţială a funcţiei F în raport cu variabila x k se calculează după
egalitatea:
∂F ∂f du1 ∂f du 2 ∂f du m
= + + ... + (2.45)
∂x k ∂u1 dx k ∂u 2 dx k ∂u m dx k

Sau mai concentrat:

∂F n
∂f ∂u i
=∑ (2.46)
∂x k i =1 ∂u i ∂x k

Derivatele de ordin superior se determină prin derivare parţială succesivă aplicând formulele
(2.45) sau (2.46).

2.3.4 Câteva aplicaţii economice importante ale noţiunii de derivate: valoare

marginală, ritm de variaţii, elasticitate
În practica economică sub aspect cantitativ a multor fenomene se realizează prin analiza
indicatorilor numerici asociaţi fenomenelor economice studiate.
Aceşti indicatori permit exprimarea cantitativă a legităţilor economice ce generează
domeniul studiat şi prin urmare pot fi utilizaţi în problemele de decizie corespunzătoare unei
anumite politici economice din domeniul în cauză.

67
 Valoarea marginală
Să considerăm o intreprindere industrială care cercetează într-un interval de timp determinat
o mulţime de programe de fabricaţie care diferă numai prin cantitatea fabricată q a unui anumit
produs. Costul total c al unui asfel de program de fabricaţie este o funcţie foarte crescătoare în
raport nu q, funcţia fiind presupusă a fi continuă într-un interval dat [a, b] .
Prin urmare avem dependenţa c = f (q). Creşterea Δ q a cantitaţii de produs îi corespunde o
crestere a costului Δ C = f (q+ Δ q) – f (q).

Definiţii importante
Se numeşte cost unitar mediu corespunzător variaţiei Δ q raportul următor:

Δc f (q + Δq) − f (q)
Δq Δq

Se numeşte cost marginal unitar, obişnuit numai prin numirea prescurtată cost marginal al
produsului respectiv fabricat la nivelul q, limita costului unitar mediu ( dacă această limită există)
când Δq → 0 , adică tocmai derivata

f (q + Δq) − f (q )
f ' (q ) =
dc
= lim
dq Δ q →0 Δq

Dacă, de exemplu c este exprimat în u.b. iar q în kg, se observă că pentru costul unitar
mediu unitatea în acest caz este u.b./kg şi reprezintă costul în u.b. a 1 kg produs suplimentar.
Costul pentru 1 kg produs surplus este de fapt Δc = f (q + 1) − f (q ) ce corespunde la Δq = 1 .
Având în vedere că f (q + Δq ) − f (q ) ≈ f ' (q )Δq , costul marginal se consideră a fi în valoare
apropiată acceptabilă – practice pentru Δq = 1 , în cazul produselor fabricate în mare cantitate şi cu
deosebire în unităţi indivizibile (automobile, tractoare, aparate de menaj, etc.).

Observaţie importantă
Derivata, respectiv costul marginal care redă viteza de variaţie a unei mărimi în raport cu
cealaltă, au luat în considerare compararea variaţiilor absolute a celor două variabile (în limbaj
economic două mărimi) x şi y.
Generalizând pentru o funcţie f a cărei semnificaţie economică poate fi şi alta decât cea
prezentă mai sus al cărei graphic este o curbă continuă şi netedă (ceea ce permite ca în domeniul de
cercetare funcţia să admită derivata) sunt definiţi următorii indicatori:

1. Valoarea medie locală în punctual (x, y) este mărimea:

Δy
v1 ( x, y ) definită prin egalitatea v1 ( x, y ) =
Δx

2. Valoarea marginală în punctual (x, y) sau viteza de variaţie a variabilei y în raport cu

variabila x mărimea v 2 ( x, y ) definită prin:

v 2 ( x, y ) =
dy
dx
În acelaşi timp se poate defini valoarea medie în intervalul [0, x] mărimea v3 ( x, y ) definită
prin:

68
 v 3 ( x, y ) =
y
x

Ritm de variaţie, elasticitate

Mărimile cu caracter economic introduce anterior nu sunt suficiente pentru a efectua deplin
o analiză economică. Din acest motiv se impune necesitatea introducerii şi a altor mărimi
economice.
Δy
Variaţia relativă a funcţiei y este , reprezentând rata de variaţie (de creştere) a
y
variabilei y. Compararea acestui raport cu variaţia absolută Δx , a variabilei independente determină
Δy
y
ritmul mediu de variaţie a funcţiei Rn = .
Δx
Trecând la limită se obţine ritmul local de variaţie sau viteza relativă a lui y:
Δy Δy dy
= lim Δx = dx = ( ln y )
y d
Ry , x = lim
Δx → 0 Δx Δx → 0 y y dx
Adică tocmai derivata logaritmică a funcţiei y = f ( x ) .

De exemplu, considerând indicele de consumaţie în funcţie de timp, derivata logaritmică se

dovedeşte un indicator care înregistrează ritmul lui de variaţie.
Δx Δy
Variaţiile relative ale celor două variabile x şi y = f ( x ) sunt , respectiv .
x y
Compunerea lor conduce la elasticitatea medie:

Δy Δy
y x Δy Δx
Em = = ⋅ =
Δx y Δx y
x x

care reprezintă raportul valorii unitare a lui y în raport cu valoarea unitară a lui x, sau după prima
expresie, raportul ratelor de variaţie ale celor două variabile.
Trecând la limită se obţine indicatorul local al elasticităţii variabilei y în raport cu variabila
x:
Δy
y x dy d (ln y )
E y , x = lim = ⋅ =
Δx → 0 Δx y dx d (ln x )
x

Interesul practic al elasticităţii este evidenţiat când analiza economică urmăreşte variaţia
unui parametru economic a cărei creştere relativă este mult mai simplificativă decât variaţia
absolută, în raport cu o variabilă cu un caracter asemănător. De exemplu, când se studiază cererea
sau oferta în raport cu preţul.
Elasticitatea este un indiator de analiză economică independent de unităţile de măsură pentru
cele două variabile. De asemeni putem considera elasticitatea variabilei x în raport cu y:

69
 y dx d (ln x )
E x, y = ⋅ =
x dy d (ln y )

Toţi indicatorii de analiză economică citaţi mai sus pot avea evident atât valori positive cât
şi valori negative.
Să analizăm prin prisma indicatorilor definiţi mai sus următoarele două situaţii:

⎧ x = 100, Δx = 100 ⎧ x = 100, Δx = 10

1) ⎨ 2) ⎨
⎩ y = 200, Δy = 40 ⎩ y = 2000, Δy = 120

Se obţin rezultatele:

Valoarea marginală Ritmul de creştere Elasticitate E

Δy
Δy x Δy
y E y,x = ⋅
Δx R y,x = y Δx
Δy
20
40 100 40
1) =4 200 = 0,02 ⋅ =2
10 200 10
10
120
120 100 120
2) = 12 2000 = 0,006 ⋅ = 0,6
10 2000 10
10

În situaţia a doua, valoarea marginală, echivalentă vitezei de creştere a lui y faţă de x, este de
30 de ori mai mare. În schimb sistemul de creştere şi elasticitate sunt de aproximativ 3,3 ori mai
mici.

Aplicaţii ale derivatelor parţiale în economie

Fiind dată funcţia definită prin x = f (x1 , x 2 ,..., x n ) care admite derivate parţiale de ordinal
∂f
întâi , i = 1, n , noţiunile de valoare marginală, ritm, elasticitate sunt generalizate şi pentru
∂xi
funcţiile de mai multe variabile. Astfel avem:
∂f
Valoarea marginală în raport cu variabila x, este derivată parţială ;
∂xi
1 ∂f
Ritmul în raport cu variabila x, este ;
f ∂xi
x ∂f
Elasticitatea în raport cu variabila x, este i .
f ∂xi
Exemplu (considerând că în medie populaţia unui oraş consumă un bun material în cantităţi
qi , fie ţinându-se seama de preţul pi , fie luând în considerare venitul mediu V, se poate calcula
următorii economici:

- elasticitatea consumului qi a bunului material i în raport cu preţul pi :

70
 p i ∂qi
E qi , pi =
⋅ , i = 1, n
qi ∂pi
- elasticitatea consumului qi , a bunului material i în raport cu preţul p j , a unui alt bun
material:
p j ∂qi
Eqi , p j = ⋅ , j = 1, n, j ≠ i
qi ∂p j
- elasticitatea consumului qi în raport cu venit:

V ∂q i
E qi ,V = ⋅
q i ∂V

Se pot calcula variaţiile cheltuielilor pentru consumul bunului în funcţie de preţuri sau venit,
pentru care avem în general egalitatea ci = p i qi . Pentru variaţii rezultă (folosind elasticitatea):

dV dV
dci = pi d qi = pi qi E qi ,V = ci E qi ,V ⋅
V V
De asemenea avem:
dpi
dci = pi d qi + qi d pi = pi (1 + E ii )
pi
pi ∂qi
E ii = E qi , pi =
qi ∂pi

Expresiile de genul celor prezentate permit o analiză economică în interacţiunea variaţiilor

mai multor factori economici, atunci când legităţile respective au fost în prealabil determinate.

2.3.5. Probleme rezolvate

1. Fie funcţia f : R 3 → R, f ( x, y, z ) = x 3 + y 3 + z 3 + xy + 3 xyz
Să se calculeze:
∂f ∂f ∂f
a) , , ;
∂x ∂y ∂z
d 2 f ∂2 f d 2 f d 2 f ∂2 f ∂2 f
b) , , , , ,
∂x 2 ∂x∂y ∂y 2 ∂z 2 ∂x∂y∂z ∂x∂z
c) df

Rezolvare:
∂f ∂f ∂f
a) = 3 x 2 + y + 3 yz; = 3 y 2 + x + 3 xz; = 3z 2 + 3xy;
∂x ∂y ∂z
∂ ⎛ df ⎞ ∂
b)
d2 f
= ⎜ ⎟=
∂x ⎝ ∂x ⎠ ∂x
(
3 x 2 + y + 3 yz = 6 x )
∂x 2

71
 ∂ ⎛ df ⎞ ∂
d2 f
= ⎜⎜ ⎟⎟ =
∂x∂y ∂x ⎝ ∂y ⎠ ∂x
( )
3 y 2 + x + 3 xz = 1 + 3 z

∂ ⎛ df ⎞ ∂
d2 f
= ⎜⎜ ⎟⎟ =
∂y ⎝ ∂y ⎠ ∂y
(
3 y 2 + x + 3 xz = 6 y)
∂y 2

∂ ⎛ df ⎞ ∂
d2 f
= ⎜ ⎟=
∂z ⎝ ∂z ⎠ ∂z
(
3 z 2 + 3xy = 6 z )
∂z 2

∂ ⎛ df ⎞ ∂
d2 f
= ⎜ ⎟=
∂y∂z ∂y ⎝ ∂z ⎠ ∂y
(
3 z 2 + 3 xy = 3 x )

∂ ⎛ df ⎞ ∂
d2 f
= ⎜ ⎟=
∂x∂z ∂x ⎝ ∂z ⎠ ∂x
(
3 z 2 + 3xy = 3 y )
∂f ∂f
c) df =
df
∂x
( ) (
dx + dy + dz = 3 x 2 + y + 3 yz dx + 3 y 2 + x + 3 xz dy + 3 z 2 + 3 xy dz
∂y ∂z
) ( )

(
2.Fie funcţia f : R 2 \ {(0,0 )} → R, f ( x, y ) = ln x 2 + y 2 + arctg ) y
x
.
Să se calculeze:
∂f ∂f
a) , ;
∂x ∂y
d 2 f ∂2 f d 2 f
b) , ,
∂x 2 ∂x∂y ∂y 2

Rezolvare:

−y 1
a)
∂f
= 2
2x
+ x 2
=
2 x − y ∂f
; =
2y
+ x2 = 2y + x
∂x x + y 2 y 2 x 2 + y 2 ∂y x 2 + y 2 y2 x2 + y2
1+ 2 1+ 2
x x

b)
2
d f
= ⎜ ⎟ = ⎜⎜ 2 ⎟=
2
( =
)
∂ ⎛ df ⎞ ∂ ⎛ 2 x − y ⎞ 2 x + y − (2 x − y )2 x − 2 x 2 + 2 y 2 + 2 xy
2

∂x 2 ∂x ⎝ ∂x ⎠ ∂x ⎝ x + y 2 ⎟⎠ x2 + y2
2
( x2 + y2
2
) ( )
d2 f ∂ ⎛ df ⎞ ∂ ⎛ 2 y + y ⎞ x 2 + y 2 − (2 y + x )2 x − x 2 + y 2 − 4 xy
= ⎜⎜ ⎟⎟ = ⎜⎜ 2 ⎟⎟ = =
∂x∂y ∂x ⎝ ∂y ⎠ ∂x ⎝ x + y 2 ⎠ (
x2 + y2
2
)
x2 + y2
2
( )
d f 2
=
∂ ⎛ df ⎞ ∂ ⎛ 2 y + x
⎜ ⎟= ⎜ ⎟⎟ =
( 2 2
)
⎞ 2 x + y − (2 y − x )2 y 2 x − 2 y 2 − 2 xy
=
2

∂y 2 ∂y ⎜⎝ ∂y ⎟⎠ ∂y ⎜⎝ x 2 + y 2 ⎠ x2 + y2
2
( x2 + y2
2
) ( )

2.3.6. Probleme propuse

1. Să se verifice existenţa limitelor iterate şi a limitei globale în origine pentru funcţia f

dată de:

72
 x − y + x2 + y2 x + 2y + x2 − y2
a) f ( x, y ) = b) f ( x, y ) =
x+ y 2x + y
1 ⎛ 1 1⎞
c) f ( x, y ) = x sin d) f ( x, y ) = ⎜⎜ sin sin ⎟⎟( x + y )
y ⎝ x y⎠
x+ y x2 − y2
e) f ( x, y ) = f) f ( x, y ) =
x− y x2 + y2

g) f ( x, y ) = 2
xy
( )
h) f ( x, y ) = x 2 + y 2 sin
1
x + y2 xy

2. Să se verifice pentru f : R 2 → R continuitatea parţială şi continuitatea globală în origine:

(
⎧ xy 3 + sin x 3 + y 6
⎪ ,
) (x, y ) ≠ (0,0)
f ( x, y ) = ⎨ 2x 2 + y 4
⎪0 , (x, y ) = (0,0)
⎩

⎧ 2 xy
⎪ , (x, y ) ≠ (0,0)
f ( x, y ) = ⎨ 3 x 2 + y 2
⎪0 , (x, y ) = (0,0)
⎩

⎧ 3xy 2
⎪ , (x, y ) ≠ (0,0)
f ( x, y ) = ⎨ x 2 + 2 y 4
⎪0 , (x, y ) = (0,0)
⎩

⎧ 2x + 3y
⎪ , ( x, y ) ≠ (0,0)
f ( x, y ) = ⎨ x 2 + y 2
⎪0 , (x, y ) = (0,0)
⎩

⎧ x2 y3
⎪ , ( x, y ) ≠ (0,0)
f ( x, y ) = ⎨ x 2 + y 2
⎪0 , (x, y ) = (0,0)
⎩

⎛ x⎞
3. Fie funcţia F ( x, y ) = f ⎜⎜ xy, ⎟⎟
⎝ y⎠

d 2F ∂2F d 2F
Să se calculeze: , ,
∂x 2 ∂x∂y ∂y 2

Indicaţie:
x
Notăm u = xy, v = . Avem:
y

73
 ∂F ∂f 1 ∂f ∂F ∂f x ∂f
=y + ; =x − 2
∂x ∂u y ∂v ∂y ∂u y ∂v
∂2F 2 ∂ f
2
∂2 f 1 ∂2 f
= y + 2 +
∂x 2 ∂u 2 ∂u∂v y 2 ∂v 2
∂2F 2 ∂ f
2
2x 2 ∂ 2 f x 2 ∂ 2 f 2 x ∂f
= x + + +
∂y 2 ∂u 2 y 2 ∂u∂v y 4 ∂v 2 y 3 ∂v
∂2F ∂2 f x ∂ 2 f ∂f 1 ∂f
= xy 2 − 3 + − 2
∂x∂y ∂u y ∂v 2
∂u y ∂v

(
4. Fie funcţia f ( x, y ) = ln x + y 2 . )
Să se calculeze derivatele parţiale de ordinal întâi şi al doilea:

Indicaţie:

∂f 1 ∂f 2y ∂2 f −1
= ; = ; =
∂x x + y 2
∂y x + y 2
∂x 2
x + y2 ( )
2

∂2 f x − y2 ∂2 f 2y
= 2 ; =2
∂y 2
(
x + y2
2
)
∂x∂y x + y2 ( ) 2

5. Fie funcţia f ( x, y ) =
xy
.
x + y2 2

Să se calculeze derivatele parţiale de ordinal întâi şi al doilea:

Indicaţie:

∂f y3 ∂f x3 ∂2 f −3 xy 3
= ; = ; =
∂x ( x 2 + y 2 )3 2 ∂y ( x 2 + y 2 )3 2 ∂x 2 ( x 2 + y 2 )3 2

∂2 f − 3 xy 3 ∂2 f 3x 2 y 2
= ; =
∂y 2 (
x2 + y2
32
)∂x∂y x2 + y2
32
( )
6. Fie funcţia f ( x, y ) = x sin y .
2 2

Să se calculeze derivatele parţiale de ordinal întâi şi al doilea:

Indicaţie:

∂f ∂f ∂2 f
= 2 x sin y;
2
= x sin 2 y;
2
= 2 sin 2 y
∂x ∂y ∂x 2

∂ f
2
∂ f
2
= 2 x 2 cos 2 y; = 2 x sin 2 y
∂y 2
∂x∂y

74
 2.4. Puncte de extrem
2.4.1. Extreme de funcţii nesupuse la legături
Fie f : I → R, I interval, f de n ori derivabilă. O condiţie necesară ca a ∈ I să fie punct de
extrem este f ' ( a ) = 0 . Mai general avem următorul rezultat:

⎧⎪ f ' ( a ) = f " ( a ) = ... = f ( n −1) ( a ) = 0

dacă ⎨
(n)
⎪⎩ f ≠ 0
atunci:
1. Dacă n este par şi f ( ) ( a ) > 0 atunci a este punct de minim.
n

2. Dacă n este impar şi f ( n ) < 0 atunci a este punct de maxim.

3. Dacă n este impar atunci a nu este punct de extrem pentru funcţia f ; el se numeşte punct
de inflexiune.

Observaţia 2.21
Convenim să numim puncte de extrem ale unei funcţii, punctele de maxim sau de minim ale
acestei funcţii.
Dacă dintre aceste puncte reuşim să separăm punctele care dau valoarea cea mai mare,
respectiv cea mai mică a funcţiei, acestea le vom numi puncte de maxim respectiv de minim
absolut.
În cazul în care funcţia admite un singur maxim şi (sau) un singur minim acestea vor fi
considerate totdeauna puncte de extrem absolute.

Exemplu 1
f : [ −2, 2] → R
f ( x ) = x2
f '( x) = 2x
f '( x ) = 0 ⇒ 2x = 0 ⇒ x = 0 ( a = 0)
f "( x ) = 2
f "( 0) = 2 > 0
f '(0) = 0
f ' ( 0 ) = 0 ⎫⎪ n = 2 ( par ) ⎫⎪
⎬⇒ ⎬ ⇒ 0 = punct de minim
f " ( 0 ) = 0 ⎪⎭ f " ( 0 ) > 0 ⎪⎭

Exemplu 2

75
 f ( x ) = x3
f ' ( x ) = 3x
f ' ( x ) = 0 ⇒ x = 0 ( a = 0)
f "( x ) = 6 x
f "( 0) = 0
f '" ( x ) = 6
f '" ( 0 ) = 6
f ' ( 0 ) = 0 ⎫⎪
Deci: ⎬ ⇒ n = 3 ( impar ) ⇒ x = 0 este punct de inflexiune
f '" ( 0 ) = 6 ⎪⎭

b) Puncte de extrem pentru funcţii de două variabile

Se consideră funcţia de 2 variabile f : X ⊆ R 2 → R şi punctele ( a, b ) ∈ X .

Definiţia 2.24
Spunem că punctul de minim al funcţiei f dacă există vecinătatea V a punctului ( a, b ) aşa
încât f ( x, y ) > f ( a, b ) , ∀ ( x, y ) ∈ V .
În mod uzual un astfel de punct se numeşte punct de minim relativ sau punct de minim local.
Dacă are loc inegalitatea:
f ( x, y ) > f ( a, b ) , ∀ ( x, y ) ∈ V punctul ( a, b ) îl numim punct de minim absolut.

Definiţia 2.25
Punctul ( a, b ) se numeşte punct de maxim pentru funcţia f dacă există o vecinătate V a
punctului ( a, b ) aşa încât f ( x, y ) < f ( a, b ) , ∀ ( x, y ) ∈ V
Uzual un astfel de punct îl numim punct de maxim relativ sau punct de maxim local.
Dacă:

f ( x, y ) < f ( a , b ) , ∀ ( x , y ) ∈ V

acest punct îl numim punct de maxim absolut al funcţiei f .

În cele ce urmează vom caracteriza analitic proprietăţile punctelor de extrem x şi vom da o
metodologie de determinare a acestora.

Teorema 2.17
Dacă sunt îndeplinite condiţiile:
1) ( a, b ) este punct de extrem (maxim sau minim) al funcţiei f .
2) Funcţia f este derivabilă parţial în raport cu ambele variabile (deci există derivatele
parţiale de ordinul întâi). Atunci au loc egalităţile:

76
 ⎧ ∂f
⎪⎪ ∂x ( a, b ) = 0
⎨ ∂f (2.47)
⎪ ( a, b ) = 0
⎪⎩ ∂y

Demonstraţie
Considerăm funcţia f1 de o singură variabilă definită prin egalitatea:
f1 ( x ) = f ( x, b )
Deoarece ( a, b ) este punct de extrem pentru funcţia f atunci x = a este punct de extrem
pentru funcţia f 2 . Prin urmare avem:

∂f
f1' ( a ) = 0 ⇒ ( a, b ) = 0 (2.48)
∂x

Considerăm funcţia f 2 de o singură variabilă definită prin egalitatea f 2 ( y ) = f ( a, y ) .

Punctul ( a, b ) fiind punct de extrem pentru funcţia f implică faptul că y = b este punct de
extrem pentru funcţia f 2 . Deci avem:

∂f
f 2' ( b ) = 0 ⇒ ( a, b ) = 0 (2.49)
∂y

Egalităţile (2.48) şi (2.49) demonstrează teorema.

Observaţia 2.22
Din această teoremă rezultă că o condiţie necesară (dar nu şi suficientă) a unui punct ( a, b )
să fie punct de extrem pentru funcţia f este îndeplinirea egalităţilor:
⎧ ∂f
⎪⎪ ∂x ( a, b ) = 0
⎨ ∂f
⎪ ( a, b ) = 0
⎪⎩ ∂y

sau, ceea ce este echivalent, punctul ( a, b ) este soluţie a sistemului:

⎧ ∂f
⎪⎪ ∂x = 0
⎨ ∂f (2.50)
⎪ =0
⎩⎪ ∂y
Un punct ( a, b ) care este soluţie a sistemului (2.50) se numeşte staţionar a funcţiei f , de
aici putem trage concluzia că punctele de extrem ale funcţiei f se găsesc prin punctele staţionare
ale funcţiei f .

77
 Teorema 2.18
Presupunem că funcţia f admite derivate parţiale până la ordinul 3 inclusiv şi că punctul
( a, b ) este punct staţionar al funcţiei f .
Au loc proprietăţile:
1) Dacă:
2
∂2 f ∂2 f ⎛ ∂2 f ⎞ ∂2 f
( a, b ) ⋅ 2 ( a, b ) − ⎜ ( a, b ) ⎟ > 0 şi 2 ( a, b ) > 0
∂x 2 ∂y ⎝ ∂x∂y ⎠ ∂x

atunci punctul ( a, b ) este punct de minim pentru funcţia f .

2) Dacă:
2
∂2 f ∂2 f ⎛ ∂2 f ⎞ ∂2 f
( a , b ) ⋅ ( a , b ) − ⎜ ( a , b ) ⎟ > 0 şi ( a, b ) < 0
∂x 2 ∂y 2 ⎝ ∂x∂y ⎠ ∂x 2
atunci punctul ( a, b ) este punct de maxim pentru funcţia f .

3) Dacă:
2
∂2 f ∂2 f ⎛ ∂2 f ⎞
( a , b ) ⋅ ( a , b ) − ⎜ ( a, b ) ⎟ < 0
∂x 2
∂y 2
⎝ ∂x∂y ⎠
punctul ( a, b ) nu este punct de extrem pentru funcţia f .

Demonstraţie
Ca şi la funcţia de o singură variabilă, unei funcţii de două variabile i se poate construi
polinomul lui Taylor de un anumit ordin, corespunzător unui punct fixat.
Ordinul polinomului depinde de ordinul maxim admis de derivabilitatea funcţiei date. La noi
fiind derivabile de cel mult 3 ori înseamnă că polinomul lui Taylor asociat lui f corespunzător
punctului ( a, b ) va fi:
1⎛ ∂f ∂f ⎞
P2 ( x, y ) = f ( a, b ) + ⎜ ( x − a ) ( a, b ) + ( y − b ) ( a, b ) ⎟ +
1! ⎝ ∂x ∂y ⎠
1⎛ 2 ∂ f
2
∂2 f 2 ∂ f
2
⎞
+ ⎜ ( x − a ) ( a , b ) + 2 ( x − a )( y − b ) ( a , b ) + ( y − b ) 2 (
a, b ) ⎟
2! ⎝ ∂x 2
∂x∂y ∂y ⎠
Dacă se pune problema aproximării funcţiei f prin acest procedeu vom avea egalitatea:
f ( x, y ) = P2 ( x, y ) + R2 ( x, y )
unde:
R2 este restul (şi care are o exprimare cunoscută în care intervin derivatele parţiale de ordin
3).
Se poate demonstra că acest rest este neglijabil şi prin urmare avem egalitatea:
1⎛ ∂f ∂f ⎞
f ( x, y ) = f ( a, b ) + ⎜ ( x − a ) ( a , b ) + ( y − b ) ( a , b ) ⎟ +
1! ⎝ ∂x ∂y ⎠
(2.51)
1⎛ 2 ∂ f
2
∂2 f 2 ∂ f
2
⎞
+ ⎜ ( x − a) ( a , b ) + 2 ( x − a )( y − b ) ( a , b ) + ( y − b ) 2 (
a, b ) ⎟
2! ⎝ ∂x 2
∂x∂y ∂y ⎠
Din (2.51) şi din condiţia ca ( a, b ) să fie punct staţionar pentru f rezultă egalitatea:

78
 2 ∂ f ∂2 f
2
1
f ( x, y ) − f ( a , b ) = ( x − a ) 2 ( a, b ) + ( x − a )( y − b ) ( a, b ) +
2 ∂x ∂x∂y
(2.52)
2 ∂ f
2
1
+ ( y − b) ( a, b )
2 ∂y 2
Se notează cu E ( a, b ) membrul drept din (2.52).
Dacă punctul ( a, b ) ar fi punct de extrem, membrul stâng al egalităţii (2.52) va păstra semn
constant pe o întreagă vecinătate a lui ( a, b ) . Aceasta înseamnă că şi membrul 2 al egalităţii (2.52)
pe care l-am notat E va păstra semn constant.
Scriem E sub forma următoare:

2 ( x − a) ( x − a ) ∂ 2 f a, b + ∂ 2 f a, b
2
1 ∂2 f
E ( x, y ) = ( y − b ) + ( a , b ) + 2 ( ) ( )
2 ( y − b ) ∂x 2
2
( y − b ) ∂x∂y ∂y 2

x−a
Dacă notăm = z atunci semnul lui E ( x, y ) va depinde de semnul polinomului de
y −b
gradul doi în variabila z:
∂2 f ∂2 f ∂2 f
P ( z ) = z 2 + 2 ( a, b ) + 2 z ( a, b ) + 2 ( a, b )
∂x ∂x∂y ∂y
Avem următoarele situaţii:
1.
2
⎛ ∂2 f ⎞ ∂2 f ∂2 f
Δ<0⇔⎜ ( )⎟
a , b − 2 (
a , b ) 2 ( a, b ) < 0 ⇒
⋅
⎝ ∂x∂y ⎠ ∂x ∂y
∂ f
2
∂ f
2
∂ f
2
⇒ 2 ( a, b ) ⋅ 2 ( a, b ) − ( a, b ) > 0
∂x ∂y ∂x∂y

∂2 f
( a, b ) > 0 trinomul va păstra semnul plus deci
∂x 2

E ( x, y ) > 0 ⇒ f ( x, y ) − f ( a, b ) > 0 ⇒ f ( x, y ) > f ( a, b ) ⇒ punct de minim.

2.
2
⎛ ∂2 f ⎞ ∂2 f ∂2 f
Δ<0⇔⎜ ( a, b ) ⎟ − 2 ( a, b ) ⋅ 2 ( a , b ) < 0 ⇒
⎝ ∂x∂y ⎠ ∂x ∂y
∂2 f ∂2 f ∂2 f
⇒ 2 ( a, b ) ⋅ 2 ( a, b ) − ( a, b ) > 0
∂x ∂y ∂x∂y
∂2 f
( a, b ) < 0
∂x 2

Deci E ( x, y ) < 0 ⇒ f ( x, y ) − f ( a, b ) < 0 ⇒ f ( x, y ) < f ( a, b ) ⇒ ( a, b ) e punct de maxim.

79
 Observaţia 2.23
2
∂2 f ∂2 f ⎛ ∂2 f ⎞
Dacă Δ = 0 ⇔ 2 ( a, b ) ⋅ 2 ( a, b ) − ⎜ ( a, b ) ⎟ = 0 ⇒
∂x ∂y ⎝ ∂x∂y ⎠
Atunci despre punctul ( a, b ) nu se poate preciza nimic în legătură cu posibilitatea de a fi
punct de extrem.

a. Extremele funcţiilor de mai multe variabile (n > 2)

Fie f ⊆ R n , f : X → R

Definiţia 2.26
Punctul a = ( a1 , a2 ,..., a n ) este un punct de minim pentru funcţia f dacă există o vecinătate
V a punctului a aşa încât f ( x1 , x2 ,..., x n ) > f ( a1 , a2 ,..., a n ) , ∀ ( x1 , x2 ,..., x n ) ∈ V .
Punctul a = ( a1 , a2 ,..., a n ) este un punct de minim pentru funcţia f dacă există o vecinătate
V a punctului a aşa încât f ( x1 , x2 ,..., x n ) < f ( a1 , a2 ,..., a n ) , ∀ ( x1 , x2 ,..., x n ) ∈ V .
Asemănător cazului funcţiilor de 2 variabile se poate demonstra următoarea teoremă :

Teorema 2.19
Dacă a = ( a1 , a2 ,..., a n ) este punct de extrem pentru funcţia f şi dacă funcţia e derivabilă de
ordinul 1 în raport cu fiecare variabilă atunci :
∂f
( a1 , a2 ,..., a n ) = 0
∂x1
∂f
( a1 , a2 ,..., a n ) = 0
∂x2 (2.53)

∂f
( a1 , a2 ,..., a n ) = 0
∂xn

Pentru găsirea punctelor de extrem se cunosc mai multe metode, cea mai comodă fiind
bazată pe presupunerea că funcţia f este derivabilă parţial până la ordinul 3 inclusiv.
Procedeul de calcul este următor :
Fie a = ( a1 , a2 ,..., a n ) un punct staţionar a lui f (adică un punct care verifică restricţiile
(2.53)). Se calculează derivatele parţiale de ordinul 2 în punctul a şi se notează :
∂2 f
Aij = ( a ) i, j = 1, n
∂xi ∂x j

Se calculează determinanţii :
Δ1 = A11
A11 A12
Δ2 =
A21 A22

80
 A11 A12 A13
Δ 3 = A21 A22 A23
A31 A32 A33

A11 A12 … A1n

A21 A22 … A2 n
Δn = Δ1 > 0; Δ 2 > 0; Δ 3 > 0; ⇒ ( −1, −2,3) punct de minim.

An1 An 2 … Ann

Există următoarele situaţii :

1) Δ1 > 0, i = 1, n . În acest caz punctul a = ( a1 , a2 ,..., a n ) este punct de minim.

2) Δ1 < 0, i = 1, n . În acest caz punctul a = ( a1 , a2 ,..., a n ) este punct de maxim.

Observaţia 2.24
Pentru a fi punct de minim trebuie ca toţi determinanţii Δ1 , Δ 2 ,..., Δ n să fie pozitivi. Pentru a
avea punct de maxim trebuie ca semnul acestor determinanţi să alterneze primul determinant fiind
negativ.

Exemplu 1
Să se determine punctele de extrem pentru funcţia f dată de f ( x, y ) = x 3 + y 3 − 3 xy .
Determinăm punctele staţionare ale acestei funcţii rezolvând sistemul următor :

⎧ ∂f
⎪⎪ ∂x = 0 ⎧⎪3x 2 − 3 y = 0 ⎧ x 2 − y = 0 ⎧⎪ y = x 2 ⎧⎪ y = x 2
⎨ ∂f ⇒⎨ 2 ⇒⎨ ⇒⎨ 4 ⇒⎨ ⇒
⎪ =0 ⎩ ⎪ 3 y − 3 x = 0 ⎩ y − x = 0 ⎪
⎩ x − x = 0 ⎪⎩ x ( x 3
− 1) = 0
⎪⎩ ∂y
⎧⎪ y = x 2 ⎧x = 0 ⎧x = 1
⇒⎨ ⇒ 1) ⎨ 2) ⎨
⎪⎩ x ( x − 1) ( x + x + 1) = 0 ⎩y = 0 ⎩y =1
2

Calculăm derivatele parţiale de ordinal II:

∂2 f ∂2 f ∂2 f
= 6 x; = 6 y; = −3
∂x 2 ∂y 2 ∂x∂y

⎧a = 0
Cazul I. Considerăm punctul staţionar ⎨
⎩b = 0

81
 ∂2 f ⎫
( 0, 0 ) = 0⎪
∂x 2 ⎪ 2
∂2 f ⎪⎪ ∂ 2 f ∂2 f ⎛ ∂2 f ⎞
( 0, 0 ) = 0⎬ ⇒ 2 ( 0, 0 ) 2 ( 0, 0 ) − ⎜ ( 0, 0 ) ⎟ = 0 ⋅ 0 − 9 < 0 ⇒ ( 0, 0 ) nu este
∂y 2 ⎪ ∂x ∂y ⎝ ∂x∂y ⎠
∂ f
2 ⎪
( 0, 0 ) = −3⎪
∂x∂y ⎪⎭
punct de extrem.

⎧a = 1
Cazul II. ⎨
⎩b = 1
∂2 f ⎫
(1,1) = 6 ⎪
∂x 2 ⎪ 2
∂2 f ⎪⎪ ∂ 2 f ∂2 f ⎛ ∂2 f ⎞ ∂2 f
(1,1) = 6 ⎬ ⇒ (1,1) (1,1) − ⎜ (1,1) ⎟ = 6 ⋅ 6 − 9 = 27 > 0 2 (
1,1) = 6 > 0
∂y 2 ⎪ ∂x 2
∂y 2
⎝ ∂x∂ y ⎠ ∂x
∂2 f ⎪
(1,1) = −3⎪
∂x∂y ⎭⎪
Deci (1, 1) este punct de minim.

Exemplu 2
f ( x, y , z ) = x 2 + y 2 + z 2 + 2 x + 4 y − 6 z
Calculăm punctele staţionare :

⎧∂f
⎪ ∂x = 0
⎪ ⎧2 x + 2 = 0 ⎧ x = −1
⎪ ∂f ⎪ ⎪
⎨ = 0 ⇒ ⎨ 2 y + 4 = 0 ⇒ ⎨ y = −2
⎪ ∂y ⎪ ⎪
⎪ ∂f ⎩2 z − 6 = 0 ⎩z = 3
⎪ =0
⎩ ∂z

Există punctul (-1, -2, 3). Calculăm derivatele parţiale de ordinal 2:

82
 ∂2 f ∂2 f
= 2; =0
∂x 2 ∂x∂y
∂2 f ∂2 f
= 2; =0
∂y 2 ∂x∂z
∂2 f ∂2 f
= 2; =0
∂z 2 ∂y∂z
∂2 f
A11 = 2 ( −1, −2,3) = 2
∂x
∂2 f
A12 = ( −1, −2,3) = 0
∂x∂y
∂2 f
A13 = ( −1, −2,3) = 0
∂x∂z
∂2 f
A22 = 2 ( −1, −2,3) = 2
∂y
∂2 f
A23 = ( −1, −2,3) = 0
∂x∂y
∂2 f
A33 = 2 ( −1, −2,3) = 0
∂z
Δ1 = A11 = 2 > 0
A11 A12 2 0
Δ2 = = =4>0
A21 A22 0 2

A11 A12 A13 2 0 0

Δ 3 = A21 A22 A23 = 0 2 0 = 8 > 0
A31 A32 A33 0 0 2
Δ1 > 0; Δ 2 > 0; Δ 3 > 0; ⇒ ( −1, −2,3) punct de minim.

2.4.2. Extreme cu legături

2.4.2.1. Formularea problemei
Problemele punctelor de extrem pentru funcţii supuse la restricţii (legături) reprezintă
problema centrală în teoria punctelor de extrem. Acest rol central nu derivă din faptul că extremele
cu legături şi-ar găsi o mare aplicabilitate în practică, ci faptul că studiind acest capitol, în afara
rezultatelor specifice sunt prezentate o serie de rezultate teoretice utile în studiul problemei de
exterior în general.
Formularea corectă a unei probleme de extreme cu restricţii este următoarea:
Fie f : R n → R funcţia de eficienţă căreia dorim să-i găsim punctele de maxim sau de
minim.
Considerăm de asemenea funcţiile F1 , F2 ,..., F m → R cu ajutorul cărora se definesc
restricţiile problemei analizate. Astfel de restricţii apar uzual în forma următoare:

83
 ⎧ F1 ( x1 , x2 ,..., x n ) ≤ a1
⎪
⎪ F2 ( x1 , x2 ,..., x n ) ≥ a2
⎨
⎪
⎪
⎩ Fm ( x1 , x2 ,..., x n ) = am

unde a1 , a2 ,..., a m sunt mărimi cunoscute.

O problemă de extrem cu restricţii în forma ei cea mai generală apare în felul următor:

⎧max ( min ) f ( x1 , x2 ,..., x n )

⎪
⎪ F1 ( x1 , x2 ,..., x n ) ≤ a1
⎪
⎨ F2 ( x1 , x2 ,..., x n ) ≥ a2 (2.54)
⎪
⎪
⎪ Fm ( x1 , x2 ,..., x n ) = am
⎩

Dacă se notează cu D mulţimea soluţiilor sistemului de restricţii (2.54), atunci problema

determinării punctelor de extrem ale funcţiei f supuse la restricţiile (2.54) se reduce de fapt la
determinarea punctelor de extrem ale lui f pe domeniul D.
Deoarece rezolvarea sistemului (2.54) este în general extrem de dificilă s-au încercat metode
de determinare a punctelor de extrem pentru funcţia f supusă la restricţiile (2.54), care nu apelează
la rezolvarea sistemului (2.54).
Cazul cel mai simplu este acela în care restricţiile sistemului (2.54) sunt de tip egalitate. O
astfel de problemă se numeşte uzual problemă de extrem cu legături şi face obiectul celor prezentate
în continuare. Rezolvarea ei se face relativ comod utilizând rezultate cunoscute ale calcului
diferenţial (îndeosebi noţiunea de derivabilitate parţială).
În cazul în care în (2.54) apare cel puţin o inegalitate punctele de extrem ale funcţiei f se
găsesc în mod obişnuit pe frontiera domeniului D (adică acolo unde practic nu se pune problema
derivabilităţii parţiale) şi prin urmare metodele bazate pe rezultate ale calcului diferenţial nu mai
sunt valabile. De aceea rezolvarea unor astfel de probleme (care sunt cele mai des întâlnite în
practică) a fost realizată abia în ultimii ani. Prima metodă se datorează matematicianului Dantzig şi
a apărut în 1947 în legătură cu rezolvarea unei probleme de optimizare liniară (adică a unei
probleme de optimizare în care funcţiile F1 , F2 ,..., F n sunt liniare – adică variabilele x1 , x2 ,..., x n
apar la puterea 1).
Ulterior au fost elaborate şi alte metode pentru rezolvarea unei probleme de optimizare cu
restricţii mai generale. Este bine de ştiut însă că o problemă oarecare de optimizare cu restricţii la
acest moment nu se poate rezolva în general.

84
 2.4.2.2. Rezultate şi interpretarea economică a acestora
Considerăm o primă problemă de extrem în formă generală:
⎧max ( min ) f ( x1 , x2 ,..., x n )
⎪
⎪ F1 ( x1 , x2 ,..., x n ) = a1
⎪
⎨ F2 ( x1 , x2 ,..., x n ) = a2 (2.55)
⎪
⎪
⎪ Fm ( x1 , x2 ,..., x n ) = am
⎩

Am considerat momentul drept 0 deoarece prin trecerea constantelor a1 , a2 ,..., a m în

membrul stâng şi prin notarea Fi ( x1 , x2 ,..., x n ) = Fi ( x1 , x2 ,..., x n ) − ai , i = 1, m , suntem conduşi la o
problemă echivalentă cu cea dată anterior.
Pentru rezolvarea problemei (2.55) considerăm funcţia lui Lagrange L, definită prin
m
egalitatea L ( x1 , x2 ,..., x n ; λ1 , λ2 ,..., λ m ) = f ( x1 , x2 ,..., x n ) + ∑ λi Fi ( x1 , x2 ,..., x n ) .
i =1

Scalarii notaţi λ1 , λ2 ,..., λ m ce apar în construcţia funcţiei L se numesc multiplicatorii lui

Lagrange şi din punct de vedere economic reprezintă aşa-numitele preţuri – umbră.

Observaţia 2.25
Pentru comoditatea calculelor în loc de L ( x1 , x2 ,..., x n ; λ1 , λ2 ,..., λ m ) de cele mai multe ori se
notează L ( x1 , x2 ,..., x n ) .
Se calculează punctele staţionare ale funcţiei lui Lagrange, adică se rezolvă sistemul:
⎧ ∂L
⎪ ∂x = 0, i = 1, n
⎪ i
⎨ (2.56)
⎪ ∂L
= 0, j = 1, m
⎪∂
⎩ λ j

∂L
Deoarece = Fj , j = 1, m (2.57)
∂λ j

Sistemul (2.56) se poate scrie în următoarea reprezentare:

85
 ⎧ ∂L
⎪ ∂x = 0
⎪ 2
⎪ ∂L
⎪ ∂x = 0
⎪ 1
⎪
⎪
⎪ ∂L
⎨ =0 (2.58)
∂
⎪ nx
⎪ F ( x , x ,..., x ) = 0
⎪ 1 1 2 n

⎪
⎪
⎪ Fm ( x1 , x2 ,..., x n ) = 0
⎪
⎪⎩

( )
Fie x10 , x 20 ,..., x n0 ; x10 , λ10 , λ02 ,..., λ0m o soluţie a sistemului (2.58) aceasta înseamnă că acest
punct este staţionar pentru funcţia lui Lagrange L. Se poate demonstra uşor că dacă
( ) (
x10 , x 20 ,..., x n0 ; x10 , λ10 , λ02 ,..., λ0m este punct staţionar pentru L atunci x10 , x 20 ,..., x n0 este punct)
staţionar pentru f supus restricţiilor F1 = F2 = ... = Fn = 0 .
Adică:
⎧ ∂f 0 0
( )
⎪ ∂x x1 , x 2 ,..., x n = 0
0

⎪ 1
⎪
⎪
⎪ ∂f x 0 , x 0 ,..., x 0 = 0
( )
⎨ ∂x 1 2 n (2.59)
⎪ n
( )
⎪ F1 x10 , x 20 ,..., x n0 = 0
⎪
⎪
( )
⎪ F x 0 , x 0 ,..., x 0 = 0
⎩ m 1 2 n

Deoarece punctele de extrem ale unei funcţii de mai multe variabile se găsesc printre
punctele ei staţionare în baza celor spuse mai înainte, punctele de extrem ale lui f supuse la
legăturile F1 = F2 = ... = Fm = 0 se vor găsi printre punctele staţionare ale funcţiei lui Lagrange.
Fie ( a1 , a2 ,..., a n ) un punct staţionar pentru f supus la restricţiile F1 = F2 = ... = Fm = 0 .
Calculăm diferenţa f ( x1 , x 2 ,..., x n ) − f (a1 , a 2 ,..., a n ) pentru toate punctele x1 , x 2 ,..., x n supuse
restricţiilor F1 (x1 , x 2 ,..., x n ) = F2 ( x1 , x 2 ,..., x n ) = ... = Fm ( x1 , x 2 ,..., x n ) . (2.60)
În baza egalităţilor (2.60) rezultă imediat egalitatea:

f (x1 , x 2 ,..., x n ) − f (a1 , a 2 ,..., a n ) = L(x1 , x 2 ,..., x n ) − L(a1 , a 2 ,..., a n ) (2.61)

Deci pentru a determina dacă punctul staţionar este punct de extrem, vom evalua diferenţa
următoare:
L(x1 , x 2 ,..., x n ) − L(a1 , a 2 ,..., a n )

86
 Presupunem că funcţiile f , F1 , F2 ,..., Fm sunt derivabile parţial până la ordinul 3 inclusiv.
Aplicând formula lui Taylor pentru funcţiile de mai multe variabile până la ordinul 2 (se mai spune
de ordinul 2) avem egalitatea:
1 ⎛ ∂L ⎞
L( x1 , x 2 ,..., x n ) − L(a1 , a 2 ,..., a n ) = ⎜⎜ (x1 − a1 ) + ... + ∂L (x n − a n )⎟⎟ +
1! ⎝ ∂x1 ∂x n ⎠
(2.62)
1 ⎛⎜ n ∂ 2 L ⎞
+ ∑ (a )(xi − ai )(x j − a j ) + R2 ⎟⎟
2! ⎜⎝ i , j =1 ∂xi ∂x j ⎠

Derivatele parţiale de ordinul 1 şi 2 care apar în egalitatea (2.62) sunt calculate în punctul
(a1 , a 2 ,..., a n ) = a .
Deoarece punctul (a1 , a 2 ,..., a n ) este staţionar pentru L avem:
⎧ ∂L
⎪ ∂x (a1 , a 2 ,..., a n ) = 0
⎪ 1
⎪ ∂L
⎪ (a1 , a 2 ,..., a n ) = 0
⎨ ∂x 2
⎪
⎪
⎪ ∂L
⎪ ∂x (a1 , a 2 ,..., a n ) = 0
⎩ n

- restul R2 se poate demonstra că este neglijabil;

- diferenţele xi − ai , x j − a j reprezintă creşterile argumentelor, le vom nota dxi , dx j ( dxi
reprezintă de fapt diferenţiala funcţiei f ( x1 , x 2 ,..., x n ) = xi , i = 1, n ).
Egalitatea (2.60) va deveni:

1 n ∂2L
L(x1 , x 2 ,..., x n ) − L(a1 , a 2 ,..., a n ) = ∑ (a1 , a 2 ,..., a n )dxi dx j (2.63)
2 i , j =1 ∂xi ∂x j

Se observă că membrul stâng din egalitatea (2.63) de fapt creşterea funcţiei L în punctul
(a1 , a 2 ,..., a n ) este ţinând seama de forma membrul drept o formă pătratică în variabilele dxi , dx j .
Notăm această formă pătratică prin d 2 L(a1 , a 2 ,..., a n ) .
Avem prin urmare egalităţile:

f ( x1 , x 2 ,..., x n ) − f (a1 , a 2 ,..., a n ) = L( x1 , x 2 ,..., x n ) − L(a1 , a 2 ,..., a n ) =

1 n ∂2L (2.64)
= ∑ (a1 , a 2 ,..., a n )dxi dx j
2 i , j =1 ∂xi ∂x j

Deoarece punctul (x1 , x 2 ,..., x n ) verifică restricţiile problemei avem egalitatea:

87
 ⎧ F1 ( x1 , x2 ,..., xn ) = 0
⎪
⎪ F2 ( x1 , x2 ,..., xn ) = 0
⎨ (2.65)
⎪
⎪ F ( x , x ,..., x ) = 0
⎩ m 1 2 n

Diferenţiem egalităţile (2.65):

⎧ ∂F1 ∂F1 ∂F1

⎪ ∂x dx1 + ∂x dx 2 + ... + ∂x dx n = 0
⎪ 1 2 n

⎪ ∂F2 ∂F ∂F
⎪ dx1 + 2 dx 2 + ... + 2 dx n = 0
⎨ ∂x1 ∂x 2 ∂x n (2.66)
⎪
⎪
⎪ ∂Fm ∂Fm ∂Fm
⎪ ∂x dx1 + ∂x dx 2 + ... + ∂x dx n = 0
⎩ 1 2 n

Egalităţile (2.66) pot fi interpretate ca ecuaţiile unui sistem de m ecuaţii şi n necunoscute,

aceste necunoscute fiind dx1 , dx 2 ,..., dx n . Se poate demonstra că determinantul următor:
∂F1 ∂F1 ∂F1
∂x1 ∂x 2 ∂x m
∂F2 ∂F2 ∂F2
Δ = ∂x1 ∂x 2 ∂x m

∂Fm ∂Fm ∂Fm

∂x1 ∂x 2 ∂x m

este nenul şi atunci sistemul (2.66) se poate rezolva în baza teoremei lui Cramer. Vom
explicita m din cele n variabile dx1 , dx 2 ,..., dx n . Aceasta înseamnă că vom rămâne doar cu s = n – m
variabile independente. Pentru comoditate vom presupune că aceste variabile independente sunt
dx1 , dx 2 ,..., dx s .
Introducând variabilele găsite (în sensul de a fi variabile găsite în urma rezolvării sistemului)
în egalităţile (2.64) obţinem:
1 s
L(x1 , x 2 ,..., x n ) − L(a1 , a 2 ,..., a n ) = ∑ Aij dxi dx j
2 i , j =1
Unde coeficienţii Aij sunt obţinuţi în urma înlocuirii în (2.64) regrupării şi renumerotării.
Practic am obţinut o formă pătratică în variabilele dx1 , dx 2 ,..., dx s .
Dacă această formă pătratică păstrează semn constant atunci punctul ( a1 , a2 ,..., a n ) este
punct de extrem. Mai presus, dacă forma pătratică este pozitiv definită vom avea punct de minim,
iar dacă forma pătratică este negativ definită vom avea punct de maxim.

Observaţia 2.26
Condiţia ca forma pătratică să fie pozitiv definită este echivalentă cu condiţia:
Δ 1 , Δ 2 ,..., Δ s > 0 (2.67)

88
 unde:
Δ1 = A11
A11 A12
Δ2 =
A21 A22

A11 A12 A13

Δ 3 = A21 A22 A23
A31 A32 A33

A11 A12 … A1s

A21 A22 … A2 s
Δs =

As1 As 2 … Ass
Concentrat condiţia (2.67) se scrie sub forma:
Δ i > 0, i = 1, s

Observaţia 2.27
Condiţia ca forma pătratică să fie negativă definită este echivalentă cu faptul că:
(− 1)k Δ k > 0, k = 1, s
Determinanţii Δ 1 , Δ 2 ,..., Δ k sunt cei daţi anterior.

Observaţia 2.28
Condiţiile date de la observaţia (2.26) şi (2.27) sunt de fapt condiţiile de la extremele
funcţiilor de mai multe variabile (n > 2 ) .
Uneori este mai comod să lucrăm cu forma pătratică, atunci este mai comod să lucrăm cu
aceşti determinanţi. Dacă vom lucra cu aceşti determinanţi înseamnă că vom fi conduşi la un
rezultat sigur (punctul staţionar este de maxim, este de minim sau nu este punct de extrem), dar
metoda este incomodă din punct de vedere de calculat orice.

2.4.3. Probleme rezolvate

1. Să se găsească punctele de extrem ale funcţiei:
f ( x, y , z ) = x 3 + y 3 + z 3
supus la legătura x 2 + y 2 + z 2 = 3 ⇔ x 2 + y 2 + z 2 − 3 = 0
F (x, y, z )

Construim funcţia lui Lagrange:

L ( x , y , z , λ ) = f ( x , y , z ) + λ F ( x, y , z )
(
L ( x, y , z , λ ) = x 3 + y 3 + z 3 + λ x 2 + y 2 + z 2 − 3 ) ( x, y , z ) = 0
Determinăm punctele staţionare pentru L:

89
⎧ ∂L
⎪ ∂x =0
⎪
⎪ ∂L
⎧3 x 2 + 2λx = 0 ⎧ x(3x + 2λ ) = 0 ⎧3 x + 2λ = 0
=0 ⎪ 2 ⎪ y (3 y + 2λ ) = 0 ⎪3 y + 2λ = 0
⎪⎪ ∂y ⎪3 y + 2λy = 0 ⎪ ⎪
⎨ ⇒ ⎨ 2 ⇒ ⎨ ⇒ ⎨
⎪ ∂L =0 ⎪3z + 2λz = 0 ⎪ z (3 z + 2λ ) = 0 ⎪3 z + 2λ = 0
⎪ ∂z ⎪x 2 + y 2 + z 2 = 3 ⎪⎩ x + y + z − 3 = 0
2 2 2 ⎪⎩ x 2 + y 2 + z 2 − 3 = 0
⎪ ⎩
⎪ ∂L =0
⎩⎪ ∂λ

⎧ − 2λ
⎪x = 3
⎪
⎪ y = − 2λ
⎪
⎨ 3
⎪ − 2λ
⎪z =
⎪ 3
⎪⎩ x + y 2 + z 2 − 3 = 0
2

4λ 2
3 −3 = 0
3
9 3
Deci: λ2 = , λ=±
4 2

⎧ 3 ⎧ 3
⎪λ = − 2 ⎪λ = 2
⎪⎪ ⎪⎪
1) ⎨ x = 1 2) ⎨ x = −1 soluţie nesatisfăcătoare
⎪y = 1 ⎪ y = −1
⎪ ⎪
⎪⎩ z = 1 ⎪⎩ z = −1

⎧a = 1
⎪
Există un singur punct staţionar: ⎨b = 1
⎪c = 1
⎩

Calculăm diferenţialele:
(( ) (
dL = 3 x 2 + 2λx dx + 3 y 2 + 2λy dy + 3 z 2 + 2λz dz) ( ) )
d L = (6 x + 2λ )(dx ) + (6 y + 2λ )(dy ) + (6 z + 2λ )(dz )
2 2 2 2

3
λ=−
2
d L = (6 x − 3)(dx ) + (6 y − 3)(dy ) + (6 z − 3)(dz )
2 2 2 2

Diferenţiem legătura:

90
 1
dF = 2 xdx + 2 ydy + 2 zdz = 0 ⇒ dz = − (dx + dy )
2
1
Deci: d 2 L = ( 6 x − 3)( dx ) + ( 6 y − 3)( dy ) + ( 6 z − 3) ⋅ ( dx + dy )
2 2 2

4
Calculăm: d 2 L(1,1,1)
2 2 2
(
d 2 L(1,1,1) = 3(dx ) + 3(dy ) + 3(dx + dy ) = 6(dx ) + 6(dy ) + 6dxdy = 6 (dx ) + (dy ) + dxdy
2 2 2
)
A11 = 6
A12 = 6 2 = 3
A21 = 6 2 = 3
A22 = 6
Δ 1 = A11 = 6
A11 A12 6 3
Δ2 = = = 36 − 9 = 27 > 0
A21 A22 3 6

Δ1 > 0 ⎫
⎬ ⇒ punctul M 0 (1,1,1) este punct de minim.
Δ 2 > 0⎭

2. Să se determine extremele cu legături ale funcţiei:

f ( x, y, z ) = x − 2 y + 2 z cu legătura x 2 + y 2 + z 2 = 9 .

Rezolvare:
Se construieşte funcţia lui Lagrange:

( )
L(x, y, z , λ ) = x − 2 y + λ x 2 + y 2 + z 2 − 9 . Determinăm punctele staţionare condiţionate prin
rezolvarea sistemului:
∂L ∂L ∂L
= 1 + 2λx = 0, = −2 + 2λx = 0, = 2 + 2λx = 0, x 2 + y 2 + z 2 = 9
∂x ∂y ∂z
1 1 1
Din primele trei relaţii obţinem: x = − , y= , z=− înlocuind în ultima relaţie,
2λ λ λ
1 ⎛ 1⎞
obţinem: λ = ± . Aşadar, găsim următoarele puncte staţionare condiţionate A1 ⎜ − 1,2,−2, ⎟ ,
2 ⎝ 2⎠
⎛ 1⎞
A2 ⎜1,−2,2,− ⎟ . Calculăm d 2 L( x, y, z , λ ) în punctele A1 şi A2 .
⎝ 2⎠

∂2L 2 ∂2L 2 ∂2L 2 ∂2L ∂2L ∂2L

d 2L = dx + dy + dz + 2 dxdy + 2 dxdz + 2 dydz
∂x 2 ∂y 2 ∂z 2 ∂x∂y ∂x∂z ∂y∂z
∂2L ∂2L ∂2L ∂2L ∂2L ∂2L
= = = 2 λ , = = =0
∂x 2 ∂y 2 ∂z 2 ∂x∂y ∂x∂z ∂y∂z
(
d 2 L = 2λ dx 2 + dy 2 + dz 2 )

91
 −1
Diferenţiala legăturii ne dă 2 xdx + 2 ydy + 2 zdz = 0 , de unde dx = ( ydy + zdz ) . Înlocuind
x
pe dx în expresia lui d 2 L obţinem:

⎡1 ⎤
d 2 L = 2λ ⎢ 2 ( ydy + zdz ) + dy 2 + dz 2 ⎥
2

⎣x ⎦
⎛ 1⎞
În punctul A1 ⎜ − 1,2,−2, ⎟ obţinem:
⎝ 2⎠

d 2 L( A1 ) = 5dy 2 + 8dydz + 5dz 2

Aşadar, pentru forma pătratică avem a11 = 5, a12 = a 21 = −4, a 22 = 5 . Deci

Δ 1 = a11 = 5 > 0, Δ 2 = a11 a 22 − a12 = 9 > 0 . În concluzie (− 1,2,−2 ) este un punct de minim,
2

f min = −9 .

⎛ 1⎞
În punctul A2 ⎜1,−2,2,− ⎟ obţinem d 2 L( A2 ) = −5dy 2 + 8dydz + 5dz 2 , aşadar, pentru forma
⎝ 2⎠
pătratică avem Δ 1 = a11 = −5 < 0, Δ 2 = a11 a 22 − a122 = (− 5)(− 5) − 4 2 = 9 > 0 . În concluzie (1,−2,2 )
este un punct de maxim, f max = 9 .

2.4.4. Probleme propuse

1. Fie f : R 2 → R, f ( x, y ) = xy . Să se determine extremele funcţiei f ştiind că
2x + 3y − 5 = 0 .
∂L ∂L
Indicaţie: L( x, y, λ ) = xy + λ (2 x + 3 y − 5); = y + 2λ ; = x + 3λ
∂x ∂y
⎛5 5 5 ⎞ 3 3 ⎛5 5⎞
A1 ⎜ , ,− ⎟, d 2 L = dxdy, 2dx + 3dy = 0, dx = − dy rezultă că d 2 L = − dy 2 < 0, ⎜ , ⎟
⎝ 4 6 12 ⎠ 2 2 ⎝4 6⎠
- punct de maxim.

2. Fie f : R 2 → R, f ( x, y ) = xy . Să se determine extremele funcţiei f ştiind că x + y = 1 .

Indicaţie:
∂L ∂L
L(x, y, λ ) = xy + λ ( x + y − 1);
= y + λ; = x+λ
∂x ∂y
⎛1 1 1⎞ ⎛1 1⎞
A1 ⎜ , ,− ⎟, d 2 L = dxdy, dx + dy = 0, d 2 L = −dy 2 < 0, ⎜ , ⎟ - punct de maxim.
⎝2 2 2⎠ ⎝2 2⎠

3. Fie f : R 2 → R, f ( x, y ) = ( x − 1) + y 2 . Să se determine extremele funcţiei f. ştiind că

2

x2 − y2 = 1.

Indicaţie:

92
 ∂L ∂L
2
( )
L(x, y ) = (x − 1) + y 2 + λ x 2 − y 2 − 1 ;
∂x
= 2( x − 1) y + 2λx;
∂y
= 2 y − 2λy

A1 (1,0,0 ), d 2 L = (2 + 2λ )dx 2 + (2 − 2λ )dy 2 ; d 2 L( A1 ) > 0

(1,0) - punct de minim.

4. Fie f : R 3 → R, f ( x, y, z ) = x + 2 y − 2 z . Să se determine extremele funcţiei f. ştiind că

x 2 + y 2 + z 2 = 16 .

Indicaţie:
∂L ∂L ∂L
( )
L(x, y, z ) = x + 2 y − 2 z + λ x 2 + y 2 + z 2 − 16 ;
∂x
= 1 + 2λx;
∂y
= 2 + 2λy;
∂z
= −2 + 2λz

⎛ 4 8 8 8⎞ ⎛ 4 8 8 8⎞
A1 ⎜ , ,− ,− ⎟, A2 ⎜ − ,− , , ⎟, d 2 L = 2λdx 2 + 2λdy 2 + 2λdz 2 , d 2 L( A1 ) < 0.
⎝ 3 3 3 3⎠ ⎝ 3 3 3 3⎠

⎛ 4 8 8⎞
⎜ , ,− ⎟ punct de maxim
⎝ 3 3 3⎠
⎛ 4 8 8⎞
d 2 L( A2 ) > 0, ⎜ − ,− , ⎟. punct de minim.
⎝ 3 3 3⎠

93
 BIBLIOGRAFIE
[1] Inacu, C., Pop, M., Probabilităţi şi statistică matematică, Ed. Servoset, Arad, 1996

[2] Iosifescu, M., Mihoc, Gh., Teodorescu, R., Teoria probabilităţilor şi statistică matematică, Ed.
Tehnică, Bucureşti, 1966

[3] Mitran, I., Matematici aplicate în economie, vol. I,II, Lito. Universităţii din Petroşani, 1996

[4] Popescu, O., Matematici aplicate în economie, vol. I,II, E.D.P., Bucureşti, 1993

[5] Stanci, P., Criveam, Gh., Fiks, W., Matematici aplicate în economie, Ed. Facla, Timişoara, 1981

[6] Stovre, P., Matematici aplicate în economie, Ed. Serinul Românesc, Craiova, 1982