FunkcijeViseVarijabli (Neprekidnostdiferencijabilnost) 2014 PDF

Nermin Okicic
Vedad Pasic
MATEMATIKA II
2014
Sadr
zaj
1 Funkcije vi
se promjenljivih
1.1 Pojam funkcije vise promjenljivih . . . . . . . . .
1.1.1 Osnovni elementi preslikavanja . . . . . . .
1.1.2 Graficko predstavljanje funkcija . . . . . .
1.2 Granicna vrijednost funkcije n varijabli . . . . . .
1.2.1 Pojam granicne vrijednosti . . . . . . . . .
1.2.2 Simultana i uzastopna granicna vrijednost
1.3 Neprekidnost funkcije n varijabli . . . . . . . . . .
2 Diferencijabilnost funkcije n varijabli
2.1 Izvod u pravcu . . . . . . . . . . . . . . . .
2.2 Parcijalni izvod i parcijalni diferencijal . . .
2.3 Gradijent . . . . . . . . . . . . . . . . . . .
2.4 Diferencijabilnost funkcija vise promjenljivih
2.5 Pravila diferenciranja . . . . . . . . . . . . .
2.6 Izvodi viseg reda, Hesseova matrica . . . . .
2.7 Diferencijali viseg reda . . . . . . . . . . . .
2.8 Ekstremumi funkcija vise promjenljivih . . .
2.8.1 Nalazenje lokalnog ekstrema . . . . .
2.8.2 Nalazenje globalnog ekstrema . . . .
2.8.3 Uslovni ekstrem . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
2
2
5
12
12
19
23
.
.
.
.
.
.
.
.
.
.
.
28
28
31
38
40
51
52
62
64
65
70
74
Poglavlje 1
Funkcije vi
se promjenljivih
1.1
1.2
1.3
Pojam funkcije vi
se promjenljivih
. . . . . . . .
1.1.1
Osnovni elementi preslikavanja . . . . . . . . . . .
1.1.2
Graficko predstavljanje funkcija . . . . . . . . . . .
Grani
cna vrijednost funkcije n varijabli . . . . .
12
1.2.1
Pojam granicne vrijednosti . . . . . . . . . . . . . 12
1.2.2
Simultana i uzastopna granicna vrijednost . . . . . 19
Neprekidnost funkcije n varijabli . . . . . . . . .
23
Notacija y = f (x), gdje je f : R R, sluzila nam je za iskazati da

je varijabla y zavisna od jedne varijable x, tojest reci da je y funkcija od
x. Domen ovakve funkcije f bio je skup realnih brojeva (ili neki njegov
podskup). Mnoge velicine mogu se posmatrati u zavisnosti o vise varijabli,
te su onda one funkcije vise varijabli. Naprimjer, zapremina kruznog cilindra
je velicina ovisna o poluprecniku osnove cilindra (r) i njegove visine (H), tj.
V = r 2 H, pa kazemo da je V funkcija dvije varijable r i H. Izaberemo li
notaciju za ovu funkciju sa f , tada je V = f (r, H), te imamo da je
f (r, H) = r 2 H , ( r > 0 , H > 0 ) .
Pri tome su ogranicenja na poluprecnik osnove (r > 0) i visinu (H > 0)
prirodni uslovi jer te velicine ne mogu biti negativne, a ni nule jer takav
cilindar onda ne postoji.
Svaka dva tijela u univerzumu djeluju jedno na drugo silom, direktno
proporcionalno njihovim masama i obrnuto proporcionalno kvadratu njihovog rastojanja (Newtonov zakon univerzalne gravitacije). Dakle, intenzitet
gravitacionog privlacenja (F ) izmedu tijela mase m1 i tijela mase m2 , koja
se nalaze na rastojanju r, je funkcija tri varijable,
F = F (m1 , m2 , r) =
Gm1 m2
, m1 , m2 , r > 0 ,
r2
gdje je G univerzalna gravitaciona konstanta.

1
1.1. Pojam funkcije vise promjenljivih
1.1
Pojam funkcije vise promjenljivih
Neka su SX Rn i SY Rm proizvoljni skupovi.

Definicija 1.1.1
Ako svakoj tacki X SX po nekom zakonu ili pravilu f dodijelimo
tacno jednu tacku Y SY , kazemo da je sa f definisano preslikavanje
ili funkcija sa SX u SY .
S obzirom na domen (SX ) i kodomen (SY ) ovako definisanog preslikavanja,
uobicajeno se za ovakvo preslikavanje kaze da je vektorska funkcija (izlazni
rezultat je vektor u Rm ) vektorske promjenljive (ulazna velicina je vektor iz
Rn ).
Definicija 1.1.2
Pod realnom funkcijom n realnih promjenljivih podrazumijevamo svako
preslikavanje f : Df R, gdje je Df Rn . Pri tome za proizvoljno
X(x1 , x2 , ..., xn ) Df pisemo
f (x1 , x2 , ..., xn ) = y ili f (X) = y .
U kontekstu komentara iza prve definicije, za ovakvo preslikavanje kazemo
da je realna funkcija (izlazni rezultat funkcije je realan broj) vektorske promjenljive (ulazna velicina je vektor iz Rn ). Kako uredena n-torka oznacava
tacku u n-dimenzionalnom euklidskom prostoru, to cemo cesto funkciju f
zvati funkcija tacke. Funkcija koja svakoj tacki trodimenzionalnog prostora
dodjeljuje temperaturu u toj tacki, primjer je takve funkcije, ili funkcija koja
prikazuje bruto nacionalni dohodak neke drzave. U prvom slucaju domen
funkcije je trodimenzionalan, dok je u drugom slucaju, zbog kompleksnosti
pojma bruto nacionalni dohodak, mnogo vecih dimenzija (npr. stotinu).
Bez obzira sto cemo mi govoriti o proizvoljnom n-dimenzionalnom prostoru,
nasi primjeri ce najcesce biti u dvije ili tri dimenzije.
1.1.1
Osnovni elementi preslikavanja
U izrazu f : Df R, skup Df nazivamo domenom funkcije f i kao i kod

funkcije jedne varijable, podrazumijevamo da je to najsiri skup tacaka
X(x1 , x2 , ..., xn ) Rn za koje izraz f (x1 , x2 , ...xn ) ima smisla, tojest da je to
neki realan broj. Realne brojeve x1 , x2 , ..., xn nazivamo nezavisne varijabe,
2

argumenti ili promjenljive funkcije f . Za funkciju f : R2 R, zadatu sa
z = f (x, y), kazemo da je funkcija dviju nezavisnih varijabli x i y, pri cemu
je z zavisna varijabla. Za funkciju g : R3 R, gdje je w = g(x, y, z), w je
zavisna varijabla, a x, y, z su nezavisne varijable funkcije tri promjenljive.
Domen funkcije n varijabli je proizvoljan podskup prostora Rn . On moze
biti otvoren ili zatvoren skup i u principu se sastoji od unutrasnjih i rubnih
tacaka.
unutrasnja tacka
(x, y)
D
rubna tacka
(x,b y)
(a)
(b)
Slika 1.1: Unutrasnja i rubna tacka oblasti u ravni. Unutrasnja tacka je obavezno
tacka skupa D, dok to za rubnu tacku nije slucaj.
Tacka X je unutrasnja tacka skupa D ako oko nje mozemo opisati kuglu
koja komletno lezi unutar skupa D (B(X, r) D). Ako se skup D sastoji
samo od unutrasnjih tacaka, onda je on otvoren skup.
Tacka X je rubna tacka skupa D (X D) ako svaka kugla opisana oko
nje sadrzi i tacke van tog skupa. Rubne tacke nisu obavezno elementi skupa.
Ako skup D sadrzi sve svoje rubne tacke, onda je on zatvoren skup.
b
b
(a) Otvorena jedinicna kugla, {(x, y) | x2 + y 2 < 1}
(b) Rub jedinicne kugle,

{(x, y) | x2 + y 2 = 1}
(kruznica)
(c) Zatvorena jedinicna kugla, {(x, y) | x2 + y 2 1}
Slika 1.2: Unutrasnje i rubne tacke jedinicne kugle u ravni.

Slicno intervalima na realnoj pravoj koji mogu biti otvoreni ((a, b)), zatvoreni ([a, b]) ili ni otvoreni ni zatvoreni ((a, b] ili [a, b)), i oblast u visedimenzionalnom prostoru ne mora biti ni zatvorena ni otvorena. Na slici 1.2 je prikazana
3

situacija da ako otvorenoj kugli (a) dodamo sve tacke ruba (b), dobijamo
zatvorenu kuglu (c). Naravno, ako otvorenom skupu dodamo samo neke
tacke ruba (ne sve), takav skup ne bi bio ni otvoren ni zatvoren.
Dio prostora je ogranicen ako lezi unutar neke kugle fiksnog radijusa, u
suprotnom kazemo da je on neogranicen. Dakle, skup A Rn je ogranicen
ako postoji kugla B(X, r) (X Rn , r > 0), takva da je A B(X, r).
Primjeri ogranicenih skupova u R2 i R3 su: segment, trougao, pravougaonik,
unutrasnjost kruga, elipsoid i sl. Neograniceni skupovi su npr. prava linija,
kvadranti, poluravni, oktanti i sl.
Primjer 1.1.
Za funkciju f : Df R,
p
f (x, y) = 1 x2 y 2 ,
unutrasnjost domena
x i y su nezavisne varijable, a domen

je Df = {(x, y) R2 | x2 + y 2 1}.
Domen je ogranicen i zatvoren skup.
Df
rub domena
Primjer 1.2.
unutrasnjost domena
Za funkciju f : Df R,
f (x, y) = log (y x2 ) ,
Df
x i y su nezavisne varijable, a domen je

Df = {(x, y) R2 | y > x2 }. Domen je
neogranicen skup i u ovom primjeru on
se sastoji samo od unutrasnjih tacaka.
rub domena
Kodomen funkcija vise varijabli je dio realne prave i naravno diktiran je

samom funkcijom.
Funkcija
f (x, y) = x + y
1
f (x, y) = 2
2
p x +y +1
2
z = yx
z = log(1 x2 y 2)
1
z=
xy
z2
w= 2
x + y2
Domen
R2
Kodomen
R
R2
(0, 1)
y x2
x2 + y 2 < 1
[0, +)
(, +)
xy 6= 0
(, 0) (0, +)
x2 + y 2 6= 0
[0, +)
1.1.2
Grafi
cko predstavljanje funkcija
U grafickom predstavljanju funkcija vise varijabli uobicajena su dva nacina,

pomocu nivo linija i pomocu grafa.
Definicija 1.1.3
Za datu funkciju f : Rn R i realan broj c, skup
L = {(x1 , x2 , ..., xn ) Rn | f (x1 , x2 , ..., xn ) = c}
nazivamo nivo skup funkcije f za nivo c. Za n = 2, L nazivamo nivo kriva
funkcije f , a za n = 3, kazemo da je L nivo povrs funkcije f . Crtanje
koje prikazuje nivo skupove za razlicite nivoe nazivamo konturno crtanje
funkcije.
z
z
Konturna linija
z
y
z=c
x
y
x
y
Nivo linija
(a) Presjek sa ravni z = c
(b) Pogled sa z-ose
(c) Nekoliko
sjeka
pre-
Slika 1.3: Konturna linija grafa i njoj odgovarajuca nivo linija.

Naprimjer, kod funkcije dvije promjenljive z = f (x, y), drzeci z fiksnim,
tj. stavljajuci f (x, y) = c, geometrijski to tumacimo kao presjecanje povrsi
f (x, y) sa ravni z = c (Slika 1.3 (a)). U presjeku (crvena linija) dobijamo
sve tacke povrsi f (x, y) cija je vrijednost (vrijednost zavisne promjenljive
z) jednaka c i datu liniju nazivamo konturna linija (kriva). Projektovanjem
konturne linije u xOy ravan dobijamo liniju koju nazivamo nivo linija (kriva).
Ovo mozemo zamisliti kao da figuru na slici (1.3) gledamo iz neke daleke
tacke na z-osi, sto vidimo na slici (1.3.(b)). Radeci ovaj postupak za razne
c, dobijamo konturnu sliku grafa.
Primjer 1.3. Neka je f : R2 R, zadata sa f (x, y) = 4 2x2 y 2. Za
zadato c R, skup tacaka koje zadovoljavaju jednakost 4 2x2 y 2 = c
predstavlja nivo skup funkcije f . Jasno, ako je c > 4, taj skup je prazan
5

jer bi u tom slucaju imali da je 2x2 y 2 > 0, sto ocigledno nije moguce
niti za jedno (x, y) R2 ; za c = 4 on se sastoji samo od jedne tacke, (0, 0)
(rjesenje jednacine 2x2 y 2 = 0 je samo jedna tacka (x, y) = (0, 0)); za
c < 4 taj skup je elipsa sa centrom u koordinatnom pocetku, tj. za svako
c < 4 nivo linija je predstavljena elipsom, sto je prikazanao na donjoj slici
(slika 1.4 desno) za nekoliko razlicitih nivoa (izborom vrijednosti konstante
c = 2, c = 1, c =y 0 i c = 1).
c = 2
c = 1
c=0
c=1
x
b
(b) Nivo linije funkcije f (x, y) = 4 2x2 y 2 .
(a) Pogled sa z-ose
Slika 1.4: Formiranje konturne slike.

Primjer 1.4. Neka je f : R2 R, zadata sa
p
sin x2 + y 2
f (x, y) = p
.
x2 + y 2
Za proizvoljnu tacku (x, y) na centralnoj kruznici x2 + y 2 = r 2 , poluprecnika

r > 0, funkcija f (x, y) ima konstantnu vrijednost sinr r , pa ce nivo linije ove
funkcije, kao sto je prikazano na slici (1.5 (a)), biti koncentricni krugovi sa
centrom u koordinatnom pocetku.
2
p
sin x2 + y 2
Slika 1.5: Nivo linije povrsi f (x, y) = p
.
x2 + y 2
3

Primjer nivo linija imamo u kartografiji. Naime, kada na karti, koja je
dvodimenzionalni prikaz trodimenzionalnog terena, zelimo prikazati planinu,
onda to upravo cinimo prikazom punom linijom onih tacaka te planine koje
su na istoj nadmorskoj visini. To je prikazano na slici 1.6, gdje se uvecanje
nivo linija (nadmorske visine) dobija uvecanjem nadmorske visine za 100
metara. Ovim nacinom takode predstavljamo izobare (podrucja sa istim
pritiskom), izoterme (podrucja sa istom temperaturom) i sl.
10
0
30
20
0
0 0
40 50 653
60
0
30
400 0
500
Slika 1.6: Prikazivanje nadmorskih visina pomocu nivo linija.

Primjer 1.5. Posmatrajmo funkciju f : R3 R, zadatu sa f (x, y, z) =
x2 + 2y 2 + 3z 2 . Jedna nivo povrs ove funkcije zadata je jednacinom
x2 + 2y 2 + 3z 2 = 1 ,
sto predstavlja jednacinu elipsoida. Primjetimo da ako u gornjoj jednacini
fiksiramo z = z0 , dobijamo jednacinu x2 + 2y 2 = 1 3z02 , a to su elipse u xOy
ravni, sto opravdava cinjenicu da su nivo povrsi funkcije f elipsoidi (slicno
smo mogli fiksirati i varijable x i y i dobiti da su projekcije u yOz ravan i u
xOz ravan takode elipse). Generalno, nivo povrsi date funkcije su elipsoidi
x2 + 2y 2 + 3z 2 = c, gdje je c R proizvoljna konstanta.
z
y
x
Slika 1.7: Nivo povrsi funkcije f (x, y, z) = x2 + 2y 2 + 3z 2 (elipsoidi).

Narednim slikama su prikazane neke povrsi (funkcije dvije varijable) zajedno sa svojim konturnim grafovima.
7
2
5
0
-2
0
-5
-2
0
-4
-4
-2
(a)
-5
(b)
Slika 1.8: Nivo linije (a) i graf (b) funkcije f (x, y) =
x2 y
x2 + y 2
0.5
0
0.0
-0.5
-2
0
-5
-4
0
-5
-6
-6
-4
-2
(a)
(b)
Slika 1.9: Nivo linije (a) i graf (b) funkcije f (x, y) =
xy
x3 + y 3
2
1
0
-1
-2
-2
0
-5
-4
0
-5
-6
-6
-4
-2
(a)
(b)
Slika 1.10: Nivo linije (a) i graf (b) funkcije f (x, y) = sin x + cos y
Kod proucavanja funkcije jedne promjenljive, y = f (x), svakom smo paru
(x, y) pridruzivali jednu tacku M(x, y) u realnoj ravni. Skup svih takvih
tacaka M, cinio je grafik funkcije f i on je bio predstavljen kao kriva linija u
ravni. U slucaju kada posmatramo funkciju dvije promjenljive z = f (x, y),
grafik funkcije ce biti izrazen tackama M(x, y, z), dakle u trodimenzionalnom
prostoru. Pri tome vrijedi

1 Svaka tacka grafika, M(x, y, z), ima apscisu (po x-osi) i ordinatu (po
y-osi) koje predstavljaju koordinate neke tacke X(x, y) iz domena funkcije, i aplikatu (po z-osi) koja je jednaka vrijednosti funkcije u tacki
X(x, y).
2 Svaka tacka M(x, y, z) prostora za koju tacka X(x, y) pripada domenu
funkcije, a aplikata z je jednaka vrijednosti funkcije u tacki X, pripada
grafiku funkcije.
z
b
aplikata
b
apscisa
ordinata
b
Na osnovu recenog zakljucujemo da je grafik funkcije slika njene oblasti

definisanosti. Ako je z = f (x, y) definisana u oblasti D R2 , njen grafik
predstavlja povrs u prostoru R3 , cija je projekcija na xy-ravan oblast D.
Definicija 1.1.4
Neka je f : Df R, Df Rn . Skup

G = (x1 , x2 , ..., xn , xn+1 ) Rn+1 | xn+1 = f (x1 , x2 , ..., xn ) ,
nazivamo graf funkcije f .
Primjetimo da je graf G funkcije f : Rn R u prostoru Rn+1 , pa kao

posljedicu toga imamo da smo u mogucnosti geometrijski predstavljati samo
slucajeve kada je n = 1 i tada imamo krivu koja predstavlja funkciju jedne
varijable, i kada je n = 2 u kom slucaju je graf povrs u trodimenzionalnom
bi bila geometrijska interpretacija grafika funkcije 3 i vise
prostoru. Sta
promjenljivih za sada nam je nemoguce reci, s obzirom da nemamo nacin da
prikazemo uredene cetvorke, petorke itd.
Primjer 1.6. Graf funkcije f (x, y) = 2x2 + y 2, f : R2 R, prestavlja skup
uredenih trojki (x, y, z) R3 , koje zadovoljavaju jednakost z = 2x2 + y 2 . Da
9

bi smo predstavili graf ove funkcije u R3 , koristimo ideju da predstavljamo
dijelove tog grafa koji leze iznad mreze linija paralelnih osama u xy-ravni.
Npr., za jedno fiksirano x = x0 , skup tacaka koje zadovoljavaju jednacinu
z = 2x20 + y 2 ,
predstavlja parabolu koja lezi iznad linije x = x0 u xy-ravni. Na isti nacin,
ako fiksiramo y = y0 , skup tacaka koje zadovoljavaju jednacinu z = 2x2 + y02,
je parabola koja lezi iznad linije y = y0 . Ako istovremeno nacrtamo vise tih
parabola za razne x = x0 i y = y0 , dobijamo mreznu predstavu te povrsi
(grafa) i u ovom slucaju ta povrs je paraboloid (Slika 1.11).
z
x0
y0
y
Slika 1.11: Paraboloid; Graf funkcije z = 2x2 + y 2 .

Primjer 1.7. Mada se za grafove mnogih funkcija mozemo posluziti idejom mreze, izlozenom u gornjem primjeru, za vecinu funkcija dobra slika
njihovih grafova zahtjeva upotrebu racunarske grafike ili eventualno mnogo
umjetnicke vjestine. Tako naprimjer, za predstavljanje grafa funkcije
p
sin x2 + y 2
,
f (x, y) = p
x2 + y 2
mozemo se posluziti konturnim crtanjem i zakljuciti da graf funkcije osciluje

ukoliko se pomjeramo od koordinatnog pocetka u bilo kom pravcu, tacnije da
sin r
nivo krugovi iz konturnog crtanja rastu i opadaju sa oscilacijom
, gdje je
r
p
r = x2 + y 2. Ekvivalentno, dijelovi grafa funkcije f iznad proizvoljne linije
u xy-ravni koja prolazi kroz koordinatni pocetak, predstavljeni su funkcijom
z=
sin r
.
r
10

Ovo zaista jeste dobra ideja za predstavljanje grafa funkcije f , ali iskreno
govoreci mnogi ne bi bili u stanju produkovati sliku tog grafa koja je prikazana
na slici (1.12). Primjetimo takode da nasa funkcija nije definisana u tacki
(0, 0) ali da ona tezi ka vrijednosti 1, kada tacka (x, y) tezi ka (0, 0), sto je
opravdano cinjenicom
sin r
lim
=1.
r0 r
2 2
x +y
Slika 1.12: Graf funkcije f (x, y) =

.
2
2
sin
x +y
Ovdje treba otkloniti i nedoumicu oko funkcija oblika z = sin x (Slika 1.13
lijevo) ili z = y 2 (Slika 1.13 desno). Naime, u oba slucaja podrazumijevamo
da je z = z(x, y) pa grafici predstavljaju povrsi u prostoru, a nepojavljivanje
neke od varijabli znaci njenu proizvoljnost u definisanosti funkcije.
z
z
y
y
x
Slika 1.13: (lijevo) z = sin x, (desno) z = y 2 .

Primjeri jos nekih funkcija dvije varijable:
11
1.2. Granicna vrijednost funkcije n varijabli

z
z
y
x
y
x
f (x, y) = (4 x2 y 2)e(x
1.2
1.2.1
2 +y 2 )
f (x, y) = 10 x3 + xy 4
x
5
e(x
2 +y 2 )
2 +y 2 )
+ e((x1.225)
Grani
cna vrijednost funkcije n varijabli
Pojam grani
cne vrijednosti
Neka je data funkcija y = f (x1 , x2 , ..., xn ) i A(a1 , a2 , ..., an ) Rn . Sa UA

oznacimo proizvoljnu okolinu tacke A i neka je L R i UL okolina tacke L.
Definicija 1.2.1
Funkcija n nezavisnih projenljivih, f (x1 , x2 , ..., xn ) = f (X), ima u tacki
A(a1 , a2 , ..., an ) granicnu vrijednost jednaku L, ako vrijedi,
1 tacka A je tacka nagomilavanja domena funkcije f ,
2 za proizvoljnu okolinu UL , postoji okolina UA , tako da se vrijednost
funkcije f (X) nalazi u okolini UL za svaku tacku X 6= A koja se
nalazi u UA .
Cinjenicu
da funkcija f ima u tacki A granicnu vrijednost jednaku L,
simbolicki zapisujemo sa
lim f (X) =
XA
lim
(x1 ,...,xn)(a1 ,..,an )
f (X) =
lim
x1 a1 ,...,xnan
f (x1 , x2 , ..., xn ) = L .
Posmatrani limes nazivamo simultani limes, a odgovarajucu granicnu

vrijednost nazivamo simultana granicna vrijednost.
Istaknimo da za postojanje granicne vrijednosti, sama tacka A ne mora
pripadati domenu funkcije f , sto isticemo prvim zahtjevom u gornjoj definiciji. Ako se za okoline UA koriste sferne okoline, onda gornju definiciju
mozemo iskazati na sljedeci nacin.
12
Definicija 1.2.2
Funkcija f u tacki A Rn ima granicnu vrijednost jednaku L ako vrijedi,
2 za proizvoljno > 0, postoji = () > 0, takav da za sve X
! 21
n
X
za koje je 0 < d(X, A) <
(xi ai )2
< , vrijedi
i=1
|f (X) L| < .
Ukoliko koristimo kubne okoline, Definicija 1.2.1 izgleda ovako.

Definicija 1.2.3
Funkcija f u tacki A Rn ima granicnu vrijednost jednaku L ako vrijedi,
2 za proizvoljno > 0, postoji = () > 0, takav da za sve X za
koje je 0 < d(X, A) < 0 < |xi ai | < , i = 1, 2, ..., n, vrijedi
|f (X) L| < .
Posmatrajmo neke slucajeve granicnog procesa za funkciju dvije promjenljive.
Primjer 1.8. Naprimjer, slucaj
lim
(x,y)(a,b)
f (x, y) = lim f (x, y) = L ,

xa
yb
(1.2.1)
tumacimo na sljedeci nacin:

Ako fiksiramo > 0, onda postoji = () > 0 tako da vazi
|f (x, y) L| < ,
kad
p god su x i y takvi da vazi |x a| < i |y b| < (kubna okolina), ili
(x a)2 + (y b)2 < (sferna okolina). Pri tome je okolina tacke A(a, b),
u zavisnosti od metrike data na slici,
Sada nam granicni proces (1.2.1) govori da je slika svakog X iz odgovarajuce okoline tacke A, u nekoj okolini broja L na z-osi.
13

z
b
b
X A
b
b+
b
b
b+
a+
XA
b
b
b
b
b
a+
(b) Kugla sa metrikom d2
(a) Kugla sa metrikom d
Primjer 1.9. Granicni proces

lim
x +
yb
f (x, y) = L ,
tumacimo na sljedeci nacin: Za proizvoljno > 0, postoje = () > 0 i

M() > 0 takvi da vazi |f (x, y) L| < , kad god su x i y takvi da je x > M
i |y b| < . Pri tome je okolina tacke A beskonacni pravougaoni pojas
prikazan na slici
z
X
b
b+
b
b
b
b
b
Kao i u prethodnom primjeru, za svako X iz pravougaonog pojasa (formalno

okolina tacke A(x , b)), vrijednost f (X) ce lezati u okolini broja L na
z-osi.
Sljedece osobine granicnih vrijednosti funkcija vise varijabli, analogon su
i iskazom i dokazom odgovarajucih tvrdnji za funkcije jedne varijable.
Teorem 1.2.1
Neka su f, g : Rn R i neka postoje
lim f (X) = F i
XA
lim g(X) = G .
XA
Tada postoje i granicne vrijednosti funkcija f (X) g(X), f (X) g(X),

14

f (X)
g(X)
(g(X) 6= 0) i kf (X) (k R) i pri tome vrijedi,
1. lim (f (X) g(X)) = F G ,

XA
2. lim (f (X)g(X)) = F G ,
XA
F
f (X)
=
,
XA g(X)
G
3. lim
4. lim kf (X) = kF .
XA
Gornju tvrdnju treba shvatiti kao pravila izracunavanja limesa funkcija

vise varijabli. Tako naprimjer, tvrdnju pod 1. treba shvatiti da limes zbira
ili razlike funkcija racunamo kao zbir ili razliku limesa funkcija, tj.
lim (f (X) g(X)) = lim f (X) lim g(X) ,
XA
XA
XA
naravno pod pretpostavkom da limesi pojedinacnih funkcija postoje.

Primjer 1.10. Neka je f : Rn R zadata sa
f (x1 , x2 , ..., xn ) = xk , k {1, 2, ..., n} .
Ukoliko sada posmatramo granicni proces kada X A, tj. X(x1 , x2 , ..., xn )
A(a1 , a2 , ..., an ), sto u stvari znaci da za proizvoljno i = 1, 2, ..., n vrijedi
xi ai , tada imamo
lim f (x1 , x2 , ...xn ) =
XA
lim
(x1 ,...,xn)(a1 ,...,an )
xk = ak .
Specijalno, ako posmatramo funkciju f (x, y) = x, onda imamo

lim
(x,y)(a,b)
f (x, y) =
lim
(x,y)(a,b)
x=a.
Primjer 1.11. Neka je sada f : R3 R, zadata sa f (x, y, z) = xyz. Koristeci

Teorem 1.2.1 i gornji primjer, imamo
lim
(x,y,z)(a,b,c)
f (x, y, z) =
=
lim
(x,y,z)(a,b,c)
lim
xyz

x
(x,y,z)(a,b,c)
= abc .
15
lim
(x,y,z)(a,b,c)

lim
(x,y,z)(a,b,c)

Dakle, ako imamo da je A(1, 2, 1), tada je
lim
(x,y,z)(1,2,1)
xyz = 1 2 1 = 2 .
Primjer 1.12. Kombinujuci prethodno, sada racunamo

lim
(x,y)(1,2)
(x2 + y 2 3xy) = (
(
lim
(x,y)(1,2)
y)(
lim
(x,y)(1,2)
lim
(x,y)(1,2)
x)(
y) 3(
lim
(x,y)(1,2)
lim
(x,y)(1,2)
x)+
x)(
lim
(x,y)(1,2)
y)
= (1)(1) + 2 2 3(1)2 = 11 .
Sva tri gornja primjera predstavljaju primjere granicnih procesa posebne

grupe funkcija vise varijabli. Naime, funkciju f : Rn R, oblika
f (x1 , x2 , ..., xn ) = cxk11 xk22 xknn ,
gdje je c skalar, a ki (i = 1, 2, ..., n) nenegativni cijeli brojevi, nazivamo monomom ili monomijalna funkcija. Funkciju koja predstavlja sumu monoma
nazivamo polinom ili polinomijalna funkcija.
Za nesto slozenije funkcije trebat ce nam i dodatni alat. Sljedeci rezultat
nam govori o granicnom procesu kompozicije funkcije vise varijabli i funkcije
jedne varijable.
Teorem 1.2.2
Neka je f : Rn R i h : R R. Ako postoji granicna vrijednost
lim f (X) = F
XA
i ako je h neprekidna funkcija, tada vrijedi

lim h(f (X)) = h(F ) .
XA
Primjer 1.13. Koristeci Teorem 1.2.2 i gornje razmatranje za polinomijalne

funkcije, lagano racunamo i granicne procese slozenijih funkcija.
Neka je f : Rn R, zadata sa
q
f (x1 , x2 , ..., xn ) = x21 + x22 + x2n .
16

Kako je korjena funkcija neprekidna, sada imamo
r
lim
f (x1 , x2 , ..., xn ) =
=
Ili
lim
lim
(x1 ,x2 ,...,xn)(a1 ,a2 ,...,an )
(x1 ,x2 ,...,xn)(a1 ,a2 ,...,an )
(x,y)(1,1)
e(x
3 y 2 +3x2 y)
(x21 + x22 + x2n )
q
a21 + a22 + a2n .
= e(lim(x,y)(1,1) (x
3 y 2 +3x2 y))
= e3 .
U oba primjera podrazumijevamo da je tacka A iz domena funkcije f .
Pored polinomijalnih, cesto su u upotrebi i funkcije oblika
f (X) =
g(X)
,
h(X)
gdje su g i h polinomijalne funkcije. Takvu funkciju nazivamo racionalna

funkcija. I ovdje, ukoliko je tacka granicnog procesa A iz domena funkcije,
limes racunamo jednostavno. Naime vrijedi,
lim f (X) =
XA
Primjer 1.14. Neka je f (x, y, z) =

lim
(x,y,z)(1,1,2)
limXA g(X)
.
limXA h(X)
x2 y + 5xyz
.
2x2 + 3z 2
x2 y + 5xyz
(x,y,z)(1,1,2) 2x2 + 3z 2
12 (1) + 5 1 (1) 2
=
2 12 + 3 22
6
3
=
= .
14
7
f (x, y, z) =
lim
Primjer 1.15.
lim
(x,y)(1,2)
ln
xy
2
2x + y 2
xy
= ln
lim
2
(x,y)(1,2) 2x + y 2

2
= ln
= ln 3 .
6
17

Napomenimo jos jednom bitnost pretpostavke da je granicna tacka u
svim gornjim primjerima granicnih procesa, bila tacka oblasti definisanosti
posmatrane funkcije. Medutim, u definiciji granicne vrijednosti funkcije vise
varijabli, zahtjevalimo smo u 1 da je A tacka nagomilavanja domena funkcije, sto znaci da granicne vrijednosti mozemo racunati i u nekim drugim
tackama. Tako naprimjer, za funkciju
f (x, y) =
x2 y
,
x2 + y 2
tacka A(0, 0) nije iz domena, ali jeste tacka nagomilavanja domena funkcije.
Iako je nasa funkcija racionalna, ne bismo mogli primjeniti raniji postupak
izracunavanja limesa ove funkcije u tacki A jer bi to dovelo do neodredenog
oblika 00 .
Ipak, ako izaberemo tacku X dovoljno blisku tacki A, tj. neka je
p
0 < d(X, A) = x2 + y 2 < = ,
za proizvoljno > 0, tada cemo imati
2
2
2
xy
= |x| |y| d(X, A) d(X, A) = d(X, A) < .
|f (x, y) 0| = 2
x + y 2 |x2 + y 2 |
d(X, A)2
Ovo na osnovu Definicije 1.2.2 znaci da vrijedi
lim
(x,y)(0,0)
f (x, y) = 0 .
Za utvrdivanje egzistencije granicne vrijednosti funkcije vise varijabli naredna tvrdnja moze biti od velike koristi.
Teorem 1.2.3
Neka je f : Rn R i neka postoji
lim f (X) = F .
XA
Tada za proizvoljan niz (Xn )nN , takav da Xn A (n ), vrijedi

lim f (Xn ) = F .
Ovu tvrdnju mozemo sada primjeniti na maloprije uradeni primjer. Nax2 y

ime, utvrdili smo da postoji limes funkcije f (x, y) = 2
u tacki A(0, 0).
x + y2
18

Na osnovu posljednje tvrdnje, posmatramo li proizvoljan niz tacaka (X(xn , yn ))nN
koji konvergira ka tacki A(0, 0) mora vrijediti
lim f (X) = lim f (Xn ) .
n
XA
Posmatrajmo niz (xn , yn ) = ( n1 , n1 ) (n N). Jasno je da vrijedi ( n1 , n1 )

(0, 0) kada n . Sada imamo
x2 y
= lim
n
(x,y)(0,0) x2 + y 2
lim
1 1
n2 n
1
n2
1
n2
1
=0.
n 2n2
= lim
Kako gornja tvrdnja daje samo potrebne, a ne i dovoljne uslove egzistencije granicne vrijednosti mnogo ju je bolje koristiti u kontrapoziciji. Naime,
ako postoje nizovi (Xn )nN i (Xn )nN takvi da Xn A i Xn A kada
n , za koje je
lim f (Xn ) 6= lim f (Xn ) ,
n
tada ne postoji limes limXA f (X).

Primjer 1.16. Ispitajmo postojanje granicne vrijednosti funkcije f (x, y) =
xy
u tacki A(0, 0).
2
x + y2

Posmatrajmo nizove tacaka n1 , n1 nN i n1 , n1 nN . Ocigledno oba niza konvergiraju ka tacki A(0, 0). Medutim
lim
n 12
n
1
n
n 12
n
lim
1 1
nn
1
n2
1
n2
lim
n 22
n
1
,
2
+

n1
n12
1
=
lim
= .
1
2
n
2
+ n2
n2
Dakle, granicna vrijednost posmatrane funkcije u tacki A(0, 0) ne postoji.
1.2.2
Simultana i uzastopna grani

cna vrijednost
Prisjetimo se da smo za funkciju f : R R, postojanje granicne vrijednosti

lim f (x) = L ,
xa
opravdavali postojanjem i jednakoscu lijeve i desne granicne vrijednosti u

tacki a, tj. uslovom
lim f (x) = L = lim f (x) .
xa
xa+
19

Ukoliko jedna od ovih granicnih vrijednosti u tacki a ne postoji, tada ne postoji ni granicna vrijednost funkcije u toj tacki. Slicno razmisljanje mozemo
primjeniti i za funkciju vise varijabli, ali razlika lezi u cinjenici sto ce sada
postojati beskonacno mnogo krivih po kojima se tacka X moze priblizavati
nekoj tacki A u prostoru Rn , za razliku od samo dvije mogucnosti u prostoru
R.
z
y
x a
a+ x
b
Slika 1.14: Prilaz tacki na pravoj (lijevo) i u ravni (desno)

Granicnu vrijednost L, definisanu u Definiciji 1.2.1, nazivamo simultana
granicna vrijednost funkcije f (x1 , x2 , ..., xn ). To je bio slucaj kada tacka
X(x1 , x2 , ..., xn ) tezi ka tacki A(a1 , a2 , ..., an ) tako da sve koordinate xi tacke
X istovremeno teze ka odgovarajucim koordinatama ai tacke A. Medutim,
granicni proces mozemo posmatrati i tako da pustamo prvo jednu koordinatu
da tezi odgovarajucoj fiksnoj vrijednosti, a ostale drzimo fiksnim. Zatim
pustamo neku drugu koordinatu da tezi fiksnoj vrijednosti, a preostale drzimo
fiksnim i tako do posljednje koordinate. Na taj nacin bi smo posmatrali
granicni proces u obliku
lim
lim
xn a1 xn1 an1
lim lim f (x1 , x2 , ..., xn ) ,

x2 a2 x1 a1
i posmatrani proces nazivamo uzastopni ili sukcesivni limes funkcije.

Posmatrajmo sada funkciju dvije promjenljive f (x, y). Pored simultane
granicne vrijednosti, prema gore recenom, od interesa je posmatrati jos dvije
granicne vrijednosti, a to su
L12 = lim lim f (x, y) , L21 = lim lim f (x, y) ,
xa yb
yb xa
koje nazivamo uzastopne granicne vrijednosti (slika 1.15). Pri tome podrazumijevamo sljedece,

L12 = lim lim f (x, y) , L21 = lim lim f (x, y) ,
xa
yb
yb
xa
odnosno, u izracunavanju limesa L12 prvo racunamo lim f (x, y), drzeci x
yb
fiksnim, a zatim od dobijenog rezultata racunamo limes, pustajuci da x a.

20

Kod L21 princip je obrnut, prvo racunamo lim f (x, y), drzeci y fiksnim, a
xa
onda od dobijenog posmatramo granicni proces kada y b.
Primjer 1.17. Izracunati uzastopne limese funkcije f (x, y) =
A(2, 1).

x1
1
xy
L12 = lim lim 2
= lim 2
= .
2
x2 x + 1
x2 y1 x + y
5

xy
2y
1
L21 = lim lim 2
= lim
= .
2
2
y1 x2 x + y
y1 4 + y
5
xy
x2 +y 2
u tacki
ax
b
(x, y)
(x, y)
yb
yb
b
(a, b)
(a, b)
(a) Uzastopni limes: L21 = lim lim
ax
(b) Uzastopni limes: L12 = lim lim
yb xa
xa yb
Slika 1.15: Uzastopni limesi funkcije dvije promjenljive.

Veza simultane i uzastopnih granicnih vrijednosti data je nerednim tvrdenjem.
Teorem 1.2.4
Ako postoji simultana granicna vrijednost
L = lim f (x, y)
xa
yb
i ako za svako y postoji granicna vrijednost lim f (x, y), tada postoji i
xa
uzastopna granicna vrijednost
L21 = lim lim f (x, y) ,
yb xa
i vrijedi L = L21 .
21

Dokaz : Ako postoji simultana granicna vrijednost L, to znaci da za svako
> 0, postoji > 0 tako da vrijedi
|f (x, y) L| < ,
kad god je |x a| < i |y b| < . Ako fiksiramo y0 tako da je |y0 b| < ,
prema pretpostavci teorema, postoji
lim f (x, y0 ) .
xa
Kako je fiksirano y0 bilo proizvoljno, postojat ce i granicna vrijednost

lim lim f (x, y) ,
yb xa
pa je L granicna vrijednost funkcije F (y) = limxa f (x, y) kada y b, cime

je dokaz zavrsen.
Formulaciju gornje teoreme mozemo iskazati potpuno analogno koristeci
i granicnu vrijednost L12 . Posljedice ove teoreme su:
1) Ako postoje simultana i uzastopne granicne vrijednosti tada vrijedi
L = L12 = L21 .
2) Ako je L12 6= L21 , onda simultana granicna vrijednost L ne postoji.
xy
u tacki O(0, 0).
x+y
xy
x
L12 = lim lim
= lim = 1 .
x0 y0 x + y
x0 x
xy
y
= lim
= 1 .
L21 = lim lim
y0 x0 x + y
y0 y
pa dakle L ne postoji.
Primjer 1.18. Posmatrajmo funkciju f (x, y) =
L12 6= L21
Primjer 1.19. f (x, y) = x cos y, x 0 i y +.

Zbog ogranicenosti funkcije kosinus vrijedi
L=
lim
x0
y +
x cos y = 0 .
L21 = lim lim x cos y = 0 .

y+ x0
L12 ne postoji jer ne postoji granicna vrijednost funkcije cos y kada y +.
22
1.3. Neprekidnost funkcije n varijabli
0.5
2
0.0
1
-0.5
0
-2
-1
-1
0
1
2
Slika 1.16:
Primjer 1.20. f (x, y) =
x2
-2
Graf funkcije f (x, y) =
xy
.
x2 +y 2
xy
, x 0 i y 0.
+ y2
xy
xy
=
0
=
lim
lim
= L21 .
x0 y0 x2 + y 2
y0 x0 x2 + y 2
L12 = lim lim
Simultani limes ne postoji! Zaista, ako se tacki O(0, 0) priblizavamo po

pravoj x = y (tj. ako posmatramo tacke oblika X(x, x), a to onda znaci da
ako X O, onda mora x 0), tada je
x2
1
= ,
2
x0 2x
2
L = lim
a ako se ka tacki O(0, 0) priblizavamo po pravoj x = y, tj. posmatramo

tacke oblika X(x, x), imamo
x2
1
= ,
2
x0 2x
2
L = lim
iz cega je jasno da L ne postoji.
Sa gornjim primjerima smo pokazali neke od mogucnosti ali i probleme

kod odredivanja granicnih procesa funkcija vise varijabli.
1.3
Neprekidnost funkcije n varijabli
Kao i kod funkcije jedne varijable, neprekidnost funkcije vise varijabli definisana je direktno u vezi sa limesom funkcije. Pri tome, pricati o neprekidnosti
preslikavanja ima smisla samo o tackama u kojima je preslikavanje definisano.
23
Definicija 1.3.1
Neka je funkcija f : Rn R definisana u okolini tacke A(a1 , a2 , ..., an ).
Funkcija tacke f je neprekidna u tacki A ako vrijedi
lim f (X) = f (A) .
XA
Iz gornje definicije vidimo da bi funkcija f bila neprekidna u tacki A treba

biti zadovoljeno:
1 da postoji granicna vrijednost funkcije kada X A,
2 da funkcija bude definisana u tacki A,
3 da granicna vrijednost funkcije u tacki A bude jednaka vrijednosti funkcije u tacki A.
Definicija 1.3.2
Funkcija f je neprekidna u tacki A ako se za svako > 0 moze odrediti
= () > 0, tako da je za sve X takve da je 0 d(X, A) < ,
zadovoljeno
|f (X) f (A)| < .
Funkcija je neprekidna u oblasti D ako je neprekidna u svakoj tacki te
oblasti.
Naravno da gornju definiciju mozemo posmatrati bilo sa sfernom bilo sa
kubnom okolinom tacke A.
Iz razmatranja u prethodnoj sekciji, vezana za polinomijalne i racionalne
funkcije imamo sljedeca tvrdenja.
Teorem 1.3.1
Neka je f : Rn R polinomijalna funkcija. Tada za svako A Rn
vrijedi
lim f (X) = f (A) ,
XA
tj. polinomijalna funkcija je neprekidna u svakoj tacki A Rn .
24

Primjer 1.21. Za polinomijalnu funkciju f (x, y) = 3x3 + 2xy x + y posmatrajmo granicni proces kada (x, y) (0, 1).
lim
(x,y)(0,1)
f (x, y) =
lim
(x,y)(0,1)
(3x3 + 2xy x + y) = 1 = f (0, 1) .
Generalno, ako (x, y) (x0 , y0 ) zbog neprekidnosti polinomijalne funkcije

imamo,
lim
(x,y)(x0 ,y0 )
f (x, y) = 3x30 + 2x0 y0 x0 + y0 = f (x0 , y0 ) .
Teorem 1.3.2
Ako je racionalna funkcija f definisana u tacki A, tada vrijedi
lim f (X) = f (A) ,
XA
tj. racionalna funkcija je neprekidna u svakoj tacki svog domena.

Primjer 1.22. Za funkciju f (x, y) =
(x, y) (1, 1).
lim
(x,y)(1,1)
f (x, y) =
x+y
x2 +y 2
posmatrajmo granicni proces kada
1+1
x+y
=
= 1 = f (1, 1) .
(x,y)(1,1) x2 + y 2
12 + 12
lim
Kako je Df = R2 \ (0, 0), tacka X(1, 1) Df , te je racionalna funkcija

neprekidna u toj tacki. Generalno, ako tacka X(x0 , y0 ) Df , tada zbog
neprekidnosti vrijedi
lim
(x,y)(x0 ,y0 )
f (x, y) =
x+y
x0 + y0
=
= f (x0 , y0) .
(x,y)(x0 ,y0 ) x2 + y 2
x20 + y02
lim
Teorem 1.3.3
Neka su funkcije f, g : Rn R neprekidne u tacki A Rn . Tada su
f
u toj tacki neprekidne i funkcije f g, f g,
(g(A) 6= 0) i kf (k
g
proizvoljan skalar iz R).
25
Teorem 1.3.4
Neka je f : Rn R neprekidna funkcija u tacki A i ako je g : R R
neprekidna funkcija, tada je i g f neprekidna funkcija u tacki A.
Primjer 1.23. Kako je funkcija g(t) = sin t neprekidna za proizvoljno t iz R
i kako je funkcija
p
f (x, y, z) = x2 + y 2 + z 2
neprekidna za sve tacke (x, y, z) R3 , onda je i funkcija
p
h(x, y, z) = sin( x2 + y 2 + z 2 )
neprekidna u svim tackama iz R3 .
Primjer 1.24. Prema prethodnom primjeru (samo za funkciju dvije varijable), funkcija
p
h(x, y) = sin( x2 + y 2 )
je neprekidna za sve (x, y) R2 . Takode je neprekidna i funkcija

p
g(x, y) = x2 + y 2
za sve (x, y) R2 . Zakljucujemo onda da je i funkcija
p
sin( x2 + y 2 )
f (x, y) = p
x2 + y 2
neprekidna u svakoj tacki iz R2 , razlicitoj od tacke A(0, 0). Medutim,

p
sin( x2 + y 2)
sin(d(X, A))
sin t
p
lim f (x, y) = lim
= lim
= lim
= 1.
t0 t
XA
(x,y)(0,0)
(x,y)(0,0)
d(X, A)
x2 + y 2
Dakle, prekid funkcije u tacki A(0, 0) je otklonjiv, tj. ako definisemo novu
funkciju
sin( x2 +y2 )
; (x, y) 6= (0, 0)
x2 +y 2
F (x, y) =
1
; (x, y) = (0, 0)
onda je ona neprekidna u svim tackama (x, y) R2 .

26
Definicija 1.3.3
Linija ili povrs koja predstavlja skup tacaka prekida funkcije f naziva
se linijom ili povrsinom prekida funkcije.
Ako je funkcija f neprekidna u oblasti D, ona je neprekidna po svakoj
liniji i po svakoj povrsi koja lezi u toj oblasti. Ako specijalno posmatramo
prave paralelne koordinatnim osama, to onda znaci da je funkcija neprekidna
po svakoj varijabli posebno. Medutim obrat ne vazi, tj. funkcija moze biti
neprekidna po svakoj varijabli posebno ali da ipak ima prekide. Na primjer,
funkcija
xy
f (x, y) = 2
x + y2
je u tacki O(0, 0) neprekidna po svakoj varijabli, ali granicna vrijednost (simultana) u tacki O ne postoji, tj. funkcija ima prekid u tacki O.
x2 + y 2 = 1.
ex + ey
. Linija prekida ove funkcije je kruznica
x2 + y 2 1
Primjer 1.26. f (x, y, z) =

sfera x2 + y 2 + z 2 = 4.
ln (4
x2
1
. Povrs prekida funkcije je
y2 z2)
Dio o neprekidnosti zavrsimo sa dva vazna stava, koji opet predstavljaju

analogone odgovarajucih tvrdenja za funkcije jedne varijable.
Teorem 1.3.5
Svaka funkcija n promjenljivih koja je neprekidna u zatvorenoj i ogranicenoj oblasti je ogranicena u toj oblasti.
Teorem 1.3.6
Ako je f neprekidna u proizvoljnoj oblasti i ako za X1 6= X2 iz te oblasti
vrijedi f (X1 ) 6= f (X2 ), tada za proizvoljno C izmedu f (X1 ) i f (X2 ),
postoji tacka X u toj oblasti takva da je f (X) = C.
27
Poglavlje 2
Diferencijabilnost funkcije n
varijabli
2.1
Izvod u pravcu . . . . . . . . . . . . . . . . . . . .
28
2.2
Parcijalni izvod i parcijalni diferencijal . . . . .
31
2.3
Gradijent . . . . . . . . . . . . . . . . . . . . . . .
38
2.4
Diferencijabilnost funkcija vi
se promjenljivih . .
40
2.5
Pravila diferenciranja . . . . . . . . . . . . . . . .
51
2.6
Izvodi vi
seg reda, Hesseova matrica . . . . . . .
52
2.7
Diferencijali vi
seg reda . . . . . . . . . . . . . . .
62
2.8
Ekstremumi funkcija vi
se promjenljivih . . . . .
64
2.8.1
Nalazenje lokalnog ekstrema . . . . . . . . . . . . . 65
2.8.2
Nalazenje globalnog ekstrema . . . . . . . . . . . . 70
2.8.3
Uslovni ekstrem
. . . . . . . . . . . . . . . . . . . 74
U ovoj glavi govorit cemo o drugoj vaznoj osobini proizvoljnog preslikavanja, o diferencijabilnosti. Ovdje cemo pretpostavljati uvijek ako drugacije
nije naglaseno, da svaka tacka domena Df posmatranog preslikavanja, pripada tom skupu zajedno sa nekom svojom okolinom, tj. pretpostavljat cemo
da je skup Df otvoren. U nekim razmatranjima bit ce neophodna i osobina
povezanosti (koneksnosti) tog skupa. Za takav skup (otvoren i povezan) reci
cemo da je oblast u prostoru Rn .
2.1
Izvod u pravcu
Za funkciju : R R, izvod u tacki x0 D definisali smo sa

(x0 + h) (x0 )
,
h0
h
(x0 ) = lim
(2.1.1)
i geometrijski, predstavljao je nagib tangente (tj. najbolju linearnu aproksimaciju) na krivu u tacki (x0 , (x0 )) ili trenutnu mjeru promjene funkcije
28
2.1. Izvod u pravcu

(x) u odnosu na varijablu x, kada je x = x0 . Kao uvod za nalazenje ovakve
najbolje linearne aproksimacije za funkciju f : Rn R, pokusat cemo
iskoristiti, tj. generalizovati (2.1.1) da bi realizovali ideju nagiba i mjere
promjene za ovakvo preslikavanje.
Posmatrajmo funkciju f : R2 R, definisanu sa
f (x, y) = 4 2x2 y 2 ,
ciji je graf prikazan na slici (2.1). Ukoliko zelimo da vizualiziramo kretanje po
ovom grafu (povrsi), nagib puta po kome se krecemo ovisi od polazne tacke
ali i od pravca naseg kretanja. Naprimjer, neka je startna tacka P (1, 1, 1) na
povrsi i neka je pravac kretanja odreden vektorom v~ = (1, 1, 3). Ovo ce
uzrokovati kretanje direktno ka vrhu grafa i jasno je da je mjera promjene
rastuca. Medutim, ako se iz iste tacke krecemo u pravcu vektora v~ , onda
silazimo niz graf, tj. mjera promjene je opadajuca. Obje ove mogucnosti
naznacene su na slici crvenom bojom.
~ = (1, 2, 0), vidimo da je
Ako iz iste tacke krenemo u pravcu vektora w
putanja kretanja po elipsi
2x2 + y 2 = 3 ,
tj. obilazimo oko grafa, pa je nagib bez promjene, a time i mjera
promjene je 0. Ova mogucnost kretanja je na slici prikazana zelenom bojom.
Dakle, govoriti o nagibu na graf funkcije f u tacki, zahtijeva specificirati
pravac kretanja.
v~
b
~v
X
~
w
w
~
Slika 2.1: Izvod u pravcu

Kretanju na grafu iz tacke P (1, 1, 1), u pravcu vektora v~ , odgovara kretanje u domenu funkcije, iz tacke X u pravcu vektora ~v = (1, 1). Analogno,
29
2.1. Izvod u pravcu

~ , odgovara kretanje iz X u pravcu w
kretanju u pravcu vektora w
~ = (1, 2).
Dakle, ukoliko se krecemo iz tacke X(1, 1) u pravcu vektora
~u =
1
~v
= (1, 1) ,
||~v||
2
(normiranje vektora vrsimo iz prostog razloga sto se time pravac i smjer

vektora ne mijenjaju, pa cemo velicinu pomjeranja u pravcu takvog vektora
diktirati sa velicinom h) tada izraz
f (X + h~u) f (X)
,
h
za proizvoljno h, ce predstavljati aproksimaciju nagiba na graf funkcije f u
tacki X, u pravcu ~u. Uradimo malo racuna.

h
h
f (X + h~u) f (X) = f 1 , 1
f (1, 1)
2
2

2
2
h
h
= 42 1
1
1
2
2

h2
= 3 3 1 2h +
2

3h2
3h
=h 3 2
.
= 3 2h
2
2
Kao sto smo to radili sa funkcijama jedne varijable, pustajuci sada da h tezi
ka 0, dobili bi smo egzaktan nagib na graf, u tacki A, u pravcu ~u. Iz gornjeg
onda imamo

f (X + h~u) f (X)
3h
lim
= lim 3 2
=3 2.
h0
h0
h
2
Dakle, nas graf ima nagib od 3 2 (naravno da ova velicina izrazava tangens
ugla pod kojim se krecemo) ukoliko startujemo iz tacke X(1, 1),
u pravcu
vektora ~u. Slicnim racunom bi dobili da je u pravcu ~u nagib 3 2, odnosno
u pravcu vektora
w
~
1
= (1, 2) ,
||w||
~
5
nagib je 0.
30
2.2. Parcijalni izvod i parcijalni diferencijal
Definicija 2.1.1
Neka je funkcija f : Rn R definisana u nekoj otvorenoj kugli oko
tacke X. Za dati vektor ~u, izraz
f (X + h~u) f (X)
,
h0
h
Du f (c) = lim
(2.1.2)
ukoliko limes postoji, nazivamo izvod u pravcu, funkcije f , u pravcu

vektora ~u, u tacki X.
Primjer 2.1. Prema gornjem razmatranju, za funkciju f (x, y) = 4 2x2 y 2
je
Du f (1, 1) = 3 2 , Du f (1, 1) = 3 2 , Dw f (1, 1) = 0 .
2.2
Parcijalni izvod i parcijalni diferencijal
Kao sto smo vidjeli iz gornjeg, za funkciju vise varijabli ne mozemo jednostavno govoriti o izvodu te funkcije, tj. mozemo govoriti o izvodu ali pri tome
moramo znati pravac kretanja, i tada ustvari govorimo o izvodu u pravcu.
Pravac u kome nalazimo izvod funkcije vise varijabli moze biti proizvoljan, ali
pravci odredeni baznim vektorima prostora domena su od posebne vaznosti.
Neka su e1 , e2 , ..., en standardni vektori baze prostora Rn ,
e1 = (1, 0, 0, ..., 0) , e2 = (0, 1, 0, ..., 0) en = (0, 0, 0, ..., 1) .
Posmatrajmo funkciju f : Rn R
f (X) = f (x1 , x2 , ..., xn ) ,
koja je definisana u nekoj okolini UA tacke A(a1 , a2 , ..., an ) Rn . Razmotrimo za trenutak funkciju g : R R, uvedenu na sljedeci nacin
g(t) = f (t, x2 , x3 , ..., xn ) ,
tj. definisemo je preko funkcije f , tako sto pocev od druge, sve varijable
drzimo fiksnim (ne mjenjamo ih), a samo prvu shvatimo kao varijablu. Dakle,
tada je g funkcija jedne varijable pa na nju mozemo primjeniti jednakost
(2.1.1),
g(x + h) g(x)
g (x) = lim
.
h0
h
31

Ali tada imamo
g(x1 + h) g(x1 )
h0
h
f (x1 + h, x2 , ..., xn ) f (x1 , x2 , ..., xn )
= lim
h0
h
f ((x1 , x2 , ..., xn ) + (h, 0, ..., 0)) f (x1 , x2 , ..., xn )
= lim
h0
h
f (X + he1 ) f (X)
= lim
= De1 f (X) .
h0
h
g (x1 ) = lim
Vidimo da je izvod funkcije g u tacki x1 u stvari izvod u pravcu, funkcije f

u tacki X, u pravcu vektora e1 .
Na isti nacin smo mogli fiksirati proizvoljnu k-tu promjenljivu (k = 1, 2, ..., n)
funkcije f , tj. staviti da je g(t) = f (x1 , x2 , ..., xk1 , t, xk+1 , ..., xn ) i zakljuciti
da bi vrijedilo
g (xk ) = Dek f (X) .
Definicija 2.2.1
Neka je funkcija f : Rn R definisana u nekoj okolini tacke A i neka
je ek (k {1, 2, ..., n}) k-ti vektor standardne baze u Rn . Ukoliko postoji, izvod u pravcu Dek f (A) nazivamo parcijalni izvod funkcije f po
promjenljivoj xk , u tacki A.
Naravno da smo pojam parcijalnog izvoda mogli uvesti i na mnogo formalniji
nacin, uvodeci pojmove prirastaja.
Definicija 2.2.2
Neka je UA Rn okolina tacke A(a1 , a2 , ..., an ) i X(x1 , x2 , ..., xn ) UA
proizvoljna. Razliku
xk = xk ak
k = 1, 2, ..., n
nazivamo prirastajem varijable xk , a razliku

xk f (X) = f (x1 , ..., xk + xk , ..., xn ) f (x1 , ..., xn )
nazivamo parcijalnim prirastajem funkcije f po promjenljivoj xk , u tacki
X.
32

Na isti nacin mozemo definisati parcijalni prirastaj funkcije u proizvoljnoj
tacki A(a1 , ..., an ):
xk f (A) = f (a1 , ..., ak + xk , ..., an ) f (a1 , ..., an ) .
Primjecujemo da parcijalni prirastaj funkcije n promjenljivih dobijamo tako
sto vrsimo promjenu samo jedne varijable dok ostale varijable drzimo fiksnim.
Definicija 2.2.3
Granicna vrijednost
xk f (A)
f (a1 , ..., xk , ..., an ) f (a1 , ..., an )
= lim
,
xk ak
xk 0
xk
xk ak
lim
naziva se parcijalnim izvodom funkcije f po promjenljivoj xk u tacki A.

Na analogan nacin definisemo parcijalni izvod u proizvoljnoj tacki
xk f (X)
f (x1 , ..., xk + xk , ..., xn ) f (x1 , ..., xn )
= lim
.
xk 0
xk 0
xk
xk
U razlicitim knjigama matematicke analize nalazimo razne oznake za parcijalne izvode, kao npr.
f
fx k ; fxk ;
i sl. .
xk
f
Mi cemo najcesce koristiti oznaku x
, zato primjetimo da ovdje nismo kok
ristili oznacavanje koje smo imali kod funkcije jedne promjenljive, tj. oznaku
f
df
. Razlog za to je cinjenica da izraz x
ni u kom slucaju ne mozemo shvatiti
dx
k
df
kao dijeljenje (f sa x) sto je bio slucaj sa dx
(df = f (x)dx).
Tehnika odredivanja parcijalnog izvoda se ni u cemu ne razlikuje od tehnike izracunavanja izvoda funkcije jedne promjenljive. Pri nalazenju parcijalnog izvoda po promjenljivoj xk , sve ostale promjenljive shvatamo kao
konstante, a nalazimo izvod po xk , koristeci pravila i tablicu izvoda funkcija
jedne promjenljive.
lim
Primjer 2.2. Za funkciju f : R2 R, zadatu sa f (x, y) = xy, parcijalni

izvodi su
f
f (x + x, y) f (x, y)
(x + x)y xy
(x, y) = lim
= lim
=y.
x0
x0
x
x
x
f
f (x, y + y) f (x, y)
x(y + y) xy
(x, y) = lim
= lim
=x.
y0
y0
y
y
y
33

Primjer 2.3. f (x, y) = sin(xy y).
f
(x, y) =
sin(xy y)
x
x
= cos(xy y) (xy y)
x

= cos(xy y)
(xy)
y
x
x
= y cos(xy y) .
f
(x, y) =
sin(xy y)
y
y
= cos(xy y) (xy y)
y

= cos(xy y)
(xy)
y
y
y
= (x 1) cos(xy y) .
Primjer 2.4. Posmatrajmo funkciju f : R3 R, f (x, y, z) = ln(x + yz).

f
1
(x, y, z) =
ln(x + zy) =
(x + zy) =
,
x
x
x + zy x
x + yz
z
(x, y, z) =
ln(x + yz) =
(x + yz) =
,
y
y
x + yz y
x + yz
f
y
(x, y, z) =
ln(x + yz) =
(x + yz) =
.
z
z
x + yz z
x + yz
Parcijalni izvodi u konkretnoj tacki, npr. A(1, 1, 2) bili bi
1 f
2 f
1
f
(1, 1, 2) = ,
(1, 1, 2) = ,
(1, 1, 2) = .
x
3 y
3 z
3
x
.
y
y x
x x x
y
f
y0
1
=
=
= ,
2
2
x
y
y
y
y y
x x y
y
f
0x
x
=
=
= 2 .
2
2
y
y
y
y
34

Kod funkcije jedne varijable y = f (x), ako je x = g(t), imali smo pravilo
izvoda slozene funkcije (pravilo kompozicijeili lancano pravilo) y = f (g(t)),
koje glasi
df dx
df
=
.
dt
dx dt
Pravilo kompozicije moramo takode imati i kod funkcija vise varijabli. Pokazacemo to pravilo za funkciju dvije varijable, a ono se lahko prenosi na funkcije sa n varijabli. Kao prvo razmotrimo slucaj kada je f funkcija dviju
varijabli i g funkcija jedne varijable, tojest posmatrajmo slucaj kompozicije z = g(f (x, y)). z je ovisna o dvije varijable pa njene parcijalne izvode
racunamo po pravilu:
z
dg f z
dg f
=
,
=
.
x
df x y
df y
p
Primjer 2.6. Neka je f (x, y) = x2 + y 2. Ona je kompozicija polinomijalne
funkcije (x2 + y 2 ) i korijene funkcije (funkcija jedne varijable).
f
x
f
y
1
1
= p
2x = p
,
= p
2y = p
.
x
2 x2 + y 2
x2 + y 2 y
2 x2 + y 2
x2 + y 2
Primjer 2.7. Pravilo kompozicije mozemo primjenjivati i u drugim situacijama. Npr. posmatrajmo semu otpornika u paralelnoj vezi.
Ukupan otpor kola dat je sa

R1
R2
1
1
1
1
=
+ + . (2.2.1)
R R1 R2 R3
R3
U
Dakle, ukupan otpor je funkcija tri varijable, R = R(R1 , R2 , R3 ). Ako

sada zelimo naci parcijalne izvode po Ri (i = 1, 2, 3), onda to mozemo uraditi
izracunavajuci otpor R eksplicitno iz formule (2.2.1)
R1 R2 R3
R=
.
R1 R2 + R1 R3 + R2 R3
Medutim, ako lijevu stranu u (2.2.1) shvatimo kao kompoziciju racionalne
funkcije ( R1 ) i nase funkcije R, onda direktno imamo
1
1
1
d R1 R
= R1 + R2 + R3 ,
dR R1
R1 R1 R1
35

odakle je
1
1 R
= 2 ,
2
R R1
R1
tj.
R2
R
= 2 .
R1
R1
Analogno nalazimo parcijalne izvode po ostalim promjenljivima.
Neka je z = f (x, y) i neka su i x i y funkcije nekog parametra t, tj.
x = x(t) i y = y(t). Tada je funkcija z = f (x(t), y(t)), ustvari funkcija jedne
varijable (t) i pri tome imamo: Ako su funkcije x(t) i y(t) diferencijabilne u
t i ako je funkcija f diferencijabilna u tacki (x(t), y(t)), tada vrijedi
z
z
y
z
x
dz
z dx z dy
=
+
.
dt
x dt
y dt
x
dx
dt
dy
dt
t
Primjer 2.8. Neka je f (x, y) = sin x + cos(xy) i neka su x = t2 i y = t3 . Tada
prema pravilu kompozicije imamo
f dx f dy
df
=
+
dt
x dt
y dt
= (cos x sin(xy)y)2t + ( sin(xy)x)3t2
= (cos t2 t3 sin t5 )2t 3t4 sin t5 .
Primjer 2.9. Pravougaonik ima duzinu 6 m i sirinu 4 m. U svakoj sekundi

duzina se poveca za 3 m, a sirina za 2 m. Odrediti promjenu povrsine pravougaonika u jednoj sekundi.
2m
4m
x - duzina pravougaonika
y - sirina pravougaonika
P - povrsina pravougaonika
t - vrijeme
P
6m
3m
36

Duzina i sirina pravougaonika su funkcije vremena, x = x(t) i y = y(t).
= 3, a promjena sirine u jedinici
Promjena duzine u jedinici vremena je dx
dt
dy
vremena je dt = 2.
Povrsina pravougaonika je P (x, y) = x y, a zbog zavisnosti duzine i sirine od
vremena imamo P (x(t), y(t)) = x(t) y(t). Izracunajmo zavisnost povrsine o
vremenu.
P dx P dy
dx
dy
dP
=
+
=y
+x
.
dt
x dt
y dt
dt
dt
Stepen promjene povrsine u datom momentu je
dP
m2
(6, 4) = 4 3 + 6 2 = 24
.
dt
s
Ukoliko su x i y zavisne od dvije varijable, tj. x = x(t, s) i y = y(t, s),

tada pravilo kompozicije glasi:
Ako funkcije x i y imaju parcijalne izvode prvog reda u tacki (t, s) i ako je
funkcija z = f (x, y) diferencijabilna u tacki (x(t, s), y(t, s)), tada vrijedi
z
z
y
z
x
x
s
z
z x z y
=
+
,
t
x t
y t
y
y
t
x
t
z
z x z y
=
+
.
s
x s y s
y
s
Primjer 2.10. Zadata je funkcija z = f (x, y) = x2 y 2 i pri tome je x =

cos , y = sin . Odrediti parcijalne izvode funkcije f po promjenljivima
i .
f
f x f y
=
= 2x cos + 2y sin
x y
= 2(cos2 sin2 ) = 2 cos 2 ,
f
f x f y
=
= 2x( sin ) + 2y cos
x y
= 22 cos sin = sin2 .
37
2.3. Gradijent
2.3
Gradijent
Mnoge fizikalne velicine imaju razlicite vrijednosti u razlicitim tackama prostora. Na primjer, temperatura u nekoj prostoriji nije jednaka u svim tackama:
zimi je visoka kraj izvora toplote, a niska pored otvorenog prozora. Elektricno
polje oko tackastog naboja veliko je pored naboja i smanjuje se kako se udaljavamo od naboja. Slicno, gravitacijska sila koja djeluje na neki satelit zavisi
od udaljenosti satelita od Zemlje. Brzina toka vode u nekom potoku velika
je u uskim kanalima, a mala tamo gdje je potok sirok.
U svim ovim primjerima postoji neko podrucje prostora koje nam je posebno
zanimljivo za problem koji rjesavamo; u svakoj tacki prostora neka fizikalna
velicina ima svoju vrijednost. Izraz polje znaci cesto i podrucje i vrijednost
fizikalne velicine u tom podrucju (npr. elekticno polje, gravitacijsko polje).
Ako je fizikalna velicina koju promatramo skalar (npr. temperatura), tada
govorimo o skalarnom polju. Ako je fizikalna velicina vektor (npr. elektricno
polje, brzina, sila) tada govorimo o vektorskom polju.
Jedna od velicina koja karakterise termin polja jeste pojam gradijenta.
Definicija 2.3.1
Neka je funkcija f : Rn R definisana u okolini UA tacke A i neka
f
postoje x
(A) za sve k = 1, 2, ..., n. Vektor
k
f (A) =
f
f
f
(A),
(A), ...,
(A)
x1
x2
xn
nazivamo gradijent funkcije f u tacki A.

U gornjoj definiciji posmatramo funkciju cije su vrijednosti skalari, za koju
u primjenama kazemo da je skalarno polje, a definisana velicina bi onda
imala naziv gradijent skalarnog polja. Korisno je primjetiti to da za funkciju
f : Rn R, njen gradijent je funkcija f : Rn Rn , tj. gradijent je
funkcija ciji je ulaz n-dimenzionalna velicina (vektor), a izlazna je takode ndimenzionalni vektor. Ovakve funkcije uobicajeno nazivamo vektorsko polje,
a sa cime cemo se susresti u narednim matematickim izucavanjima.
Vektorski operator (nabla) se u dekartovom pravouglom koordinatnom
sistemu (3D) definise sa

, ,
= i
+ j
+ k
.
x y z
x
y
z
38
2.3. Gradijent
Kazemo da je to vektorski operator jer on funkciji f dodjeljuje velicinu
f , po principu
f
f
f
+ j
+ k
.
f = i
x
y
z
Primjer 2.11. Na osnovu Primjera 2.2, gradijent funkcije f (x, y) = xy je
f (x, y) = (y, x) ,
odnosno u konkretnoj tacki je, npr. f (2, 7) = (7, 2) = 2 i + 7 j .

Primjer 2.12. Iz Primjera 2.4 imamo

1 2 1
1
2
1
f (1, 1, 2) =
, ,
= i + j + k .
3 3 3
3
3
3
(x, y) = 4x ,
Primjer 2.13. Za funkciju f (x, y) = 42x2 y 2 imamo f
x
2y, pa je gradijent dat sa

f
f
(x, y),
(x, y) = (4x, 2y) .
f (x, y) =
x
y
f
(x, y)
y
Konkretno u tacki O(0, 0) je f (0, 0) = (0, 0) .
Nije tesko pokazati da za gradijent vrijede sljedeca pravila:
1. (kf ) = kf , (k = const. ).
2. (f g) = f g.
3. (f g) = gf + f g.

f
gf f g
4.
=
.
g
g2
Gradijent skalarnog polja iznimno je vazan u fizici gdje izrazava vezu
izmedu polja i potencijala (gravitacijska polja), odnosno sile i potencijalne
energije (elektricna polja). Ako se neko polje E moze u cijelosti opisati
konkretnom funkcijom f (X) tako da je E = f (X), odnosno simbolicki,
polje = (potencijal) ,
tada skalarnu funkciju f nazivamo njegovim potencijalom. Specijalno, ako
se neka sila F moze napisati kao negativni gradijent neke funkcije V , tada
skalarnu funkciju V nazivamo potencijalnom energijom.
39
2.4. Diferencijabilnost funkcija vise promjenljivih
2.4
Diferencijabilnost funkcija vise promjenljivih
Neka je f : Rn R definisana u nekoj okolini UA tacke A(a1 , a2 , ..., an ).

Samo postojanje parcijalnih izvoda ne obezbjeduje neke bitne osobine posmatrane funkcije, sto vidimo iz sljedeceg primjera.
Primjer 2.14. Posmatrajmo funkciju f : R2 R, zadatu sa
xy
; (x, y) 6= (0, 0)
x2 +y 2
f (x, y) =
0
; (x, y) = (0, 0)
Nije tesko pokazati da je f prekidna funkcija u tacki (0, 0). S druge strane
ona ima oba parcijalna izvoda u tacki (0, 0):
f
f (h, 0) f (0, 0)
0
(0, 0) = lim
= lim = 0 ,
h0
h0 h
x
h
f (0, k) f (0, 0)
0
f
(0, 0) = lim
= lim = 0 .
k0
k0 k
y
k
Dakle, parcijalni izvodi postoje u tacki (0, 0). a funkcija ima prekid u toj
tacki.
Jasno je dakle, da za razliku od funkcija jedne promjenljive gdje je postojanje izvoda znacilo neprekidnost funkcije, postojanje parcijalnih izvoda kod
funkcije vise varijabli ne moze garantovati odredene lijepe osobine funkcije, nego moramo posmatrati neka svojstva koja uzimaju u obzir ponasanje
funkcije u citavoj okolini posmatrane tacke.
Definicija 2.4.1
Razlika
f (A) = f (X) f (A) ; (X UA ) ,
naziva se totalni prirastaj funkcije f u tacki A.
Totalni prirastaj funkcije u tacki A(a1 , a2 , ..., an ) izrazavamo preko prirastaja

nezavisnih promjenljivih, tj.
f (A) = f (A + X) f (A) = f (a1 + x1 , ..., an + xn ) f (a1 , ..., an ) ,
ili za proizvoljnu tacku X(x1 , x2 , ..., xn ) sa
f (X) = f (x1 + x1 , ..., xn + xn ) f (x1 , ..., xn ) .
Za razliku od parcijalnog prirastaja gdje jednu varijablu mijenjamo, a sve

druge drzimo fiksnim, kod totalnog prirastaja sve varijable istovremeno
dozivljavaju neku promjenu.
40
Definicija 2.4.2
Za funkciju f (X) = f (x1 , ..., xn ) definisanu u okolini tacke A Rn ,
kazemo da je diferencijabilna u toj tacki ako vrijedi
f (A) = L(X) + (X)d(X, A) ,
gdje je
L(X) =
n
X
k=1
pk (xk ak ) =
n
X
k=1
pk xk ,
(2.4.1)
(2.4.2)
linearna funkcija prirastaja nezavisnih promjenljivih, pk (k = 1, 2, ..., n)

su realni koeficijenti, (X) neprekidna funkcija u tacki A takva da je
lim (X) = (A) = 0
XA
i
d(X, A) =
n
X
k=1
rastojanje tacke X od tacke A.
(xk ak )2
! 21
Definicija 2.4.3
Linearnu funkciju L(X) iz (2.4.2) nazivamo totalni diferencijal funkcije
f (X) u tacki A i oznacavamo ga sa
L(X) = df (X) =
n
X
k=1
pk xk =
n
X
pk dxk .
k=1
S obzirom na uvedeno u gornjim definicijama, ako je f : Rn R diferencijabilna u tacki A Df , prirastaj funkcije u tacki A zbog (2.4.1) je
oblika
f (A) = f (X) f (A) = df (X) + (X)d(X, A) .
Ako se tacka X priblizava sve vise tacki A, zbog lim (X) = 0, vidimo
XA
da je prirastaj funkcije f sve bolje aproksimiran diferencijalom funkcije
df , tojest u blizini tacke A vrijedi f (A) df (A), a to onda znaci da
se vrijednost funkcije u tacki koja je blizu tacke A moze aproksimativno
41

izracunati sa
f (X) f (A) + df (A) ,
sto nazivamo lokalnom aproksimacijom funkcije u tacki.

Primjer 2.15.
p Koristeci lokalnu aproksimaciju izracunati vrijednost funkcije
f (x, y) = x2 + y 2 u tacki X0 (3.04, 3.98).
Za zadatu funkciju njeni parcijalni izvodi su
f
x
f
y
,
.
=p
=p
x
y
x2 + y 2
x2 + y 2
Iz cinjenice da je f (X0 ) df (X0) i f (X0 ) = f (X) f (X0 ) za tacku X

blizu tacki X0 imamo
q
p
x0
y0
2
2
x + y x20 + y02 + p 2
(x x0 ) + p 2
(y y0 ) .
2
x0 + y0
x0 + y02
Uzmimo da je tacka X0 (3, 4) i da je X(3.04, 3.98). Tada imamo
(3.04)2 + (3.98)2 5 +
3
4
0.04 + (0.02) = 5.008 .
5
5
Teorem 2.4.1: (Potrebni uslovi diferencijabilnosti)

Neka je funkcija f (X) diferencijabilna u tacki A. Tada vrijedi:
1. Postoji parcijalni izvod po svakoj promjenljivoj u tacki A.
2. Koeficijenti pk (k = 1, 2, ..., n) u izrazu za totalni diferencijal su
parcijalni izvodi funkcije, tj.
pk =
f
(A) ; k = 1, 2, ..., n .
xk
Dokaz : Ako je funkcija f diferencijabilna u tacki A, tada po Definiciji

2.4.2 vrijedi
f (A) = f (x1 , x2 , ..., xn ) f (a1 , a2 , ..., an ) =
n
X
k=1
pk xk + (X)d(X, A) .
Ako fiksiramo n 1 promjenljivih

x1 = a1 , ..., xk1 = ak1 , xk+1 = ak+1 , ..., xn = an ,
42

imamo
f (A) = f (a1 , ..., ak1 , xk , ak+1, ..., an )f (a1 , ..., ak , ..., an ) = pk xk +(X)|xk ak | ,
odakle je
lim
xk ak
f (A)
= pk + sgn(xk ak ) lim (a1 , ..., ak1 , xk , ak+1 , ..., an ) .
xk ak
xk
Odavde vidimo da za proizvoljno k {1, 2, ..., n} vrijedi

pk =
f
(A) ,
xk
iz cega opet vidimo da parcijalni izvodi postoje i da su oni upravo koeficijenti

pk (k = 1, 2, ..., n).
Na osnovu gornje teoreme vidimo da totalni diferencijal diferencijabilne
funkcije f (X) ima oblik
df (X) =
f
f
f
(X)dx1 +
(X)dx2 + ... +
(X)dxn ,
x1
x2
xn
(2.4.3)
ili izrazeno vektorski

df (X) = f (X) dX ,
gdje je dX = (dx1 , dx2 , ..., dxn ), vektor prirastaja nezavisnih varijabli. Gornja veza nam vec pokazuje vaznost gradijenta funkcije, tj. diferencijal funkcije se moze prikazati kao skalarni produkt gradijenta funkcije i vektora
prirastaja argumenata. U analogiji sa funkcijom jedne varijable (df (x) =
f (x)dx) vidimo da ulogu izvoda funkcije preuzima gradijent.
Primjer 2.16. Za funkciju f (x, y) = 4 2x2 y 2 , totalni diferencijal u proizvoljnoj tacki X(x, y) racunamo tako sto prvo odredimo parcijalne izvode
f
f
= 4x ,
= 2y ,
x
y
a zatim iskoristimo (2.4.3)
df (X) =
f
f
(X)dx +
(X)dy = 4xdx 2ydy .
x
y
U konkretnoj tacki A(1, 2), totalni diferencijal glasi df (A) = 4dx 4dy.
43
Teorem 2.4.2
Ako je funkcija f (x1 , ..., xn ) diferencijabilna u tacki A, ona je i neprekidna u toj tacki.
Dokaz : Iz diferencijabilnosti funkcije imamo
f (A) = f (X) f (A) = L(X) + (X)d(X, A) ,
a odavde onda imamo
lim (f (X) f (A)) = lim L(X) + lim (X)d(X, A) = 0
XA
XA
XA
(jer je L(A) = 0). Ovo ne znaci nista drugo do

lim f (X) = f (A) ,
XA
tj. neprekidnost funkcije f u tacki A.

Da neprekidnost ne povlaci diferencijabilnost, vidimo iz sljedeceg primjera.
Primjer 2.17. Posmatrajmo funkciju f : R2 R, zadatu sa
(
xy 2
; (x, y) 6= (0, 0)
2 +y 2
x
f (x, y) =
0
; (x, y) = (0, 0)
Data funkcija je neprekidna u tacki (0, 0) (sto je ostavljeno citaocu za vjezbu)
(0, 0) = f
(0, 0) = 0. Medutim, f nije diferencijai ima parcijalne izvode f
x
y
bilna u tacki (0, 0). Zaista, ako bi bila diferencijabilna imali bi smo
f
f
(0, 0)x+ (0, 0)y+(x, y)d(X, O) ,
x
y
p
odnosno, odavde je zbog d(X, O) = x2 + y 2 ,
f (0, 0) = f (x, y)f (0, 0) =
(x, y) =
xy 2
(x2 + y 2) 2
Zbog osobine funkcije , moralo bi biti lim (X) = 0, tj.

XO
lim
x0,y0
xy 2
3
(x2 + y 2 ) 2
44
=0,

sto nije tacno jer za x = y > 0 je
xy 2
1
= 9 0 , x, y 0 .
2 2
(x2 + y 2)
3
2
Uslov diferencijabilnosti u gornjoj teoremi mozemo zamijeniti nesto slabijim uslovima. Naime vrjedi,
Teorem 2.4.3
Ako funkcija f (X) u nekoj oblasti D ima ogranicene parcijalne izvode
po svakoj promjenljivoj, tada je ona neprekidna u toj oblasti.
vise, sa jos blizim informacijama o parcijalnim izvodima mozemo imati
Sta
jos preciznije informacije o funkciji. Tako specijalno vrijedi
Teorem 2.4.4
Ako funkcija f (X) u oblasti D ima parcijalne izvode po svakoj promjenljivoj jednake nuli, onda je funkcija u toj oblasti konstanta.
Ovo je analogon cinjenici za funkciju jedne varijable, da ako je f (x) = 0 za
x A, da je tada f konstantna na A.
Sljedeci teorem je analogon Lagrangeovoj teoremi za funkcije jedne promjenljive (Za diferencijabilnu funkciju na intervalu (a, b), za proizvoljan [x, y]
(a, b), postoji c (x, y), tako da je f (y) f (x) = f (c)(y x)).
Teorem 2.4.5: (Lagrangeov teorem)
Ako funkcija f (X) u okolini UA tacke A ima konacne ili beskonacne
parcijalne izvode po svakoj promjenljivoj, tada za proizvoljno X UA
postoje tacke X1 , X2 , ..., Xn UA , takve da je
n
X
f
f (X) f (A) =
(Xk )dxk .
x
k
k=1
Iskazimo sada i dovoljne uslove diferencijabilnosti.
45
Teorem 2.4.6: (Dovoljni uslovi diferencijabilnosti)

Ako funkcija f (X) ima u okolini tacke A parcijalne izvode po svakoj
promjenljivoj i ako su ti parcijalni izvodi neprekidni u tacki A, tada je
funkcija f (X) diferencijabilna u tacki A.
Dokaz : Dokaz cemo jednostavnosti zapisa radi, dati za funkciju dvije promjenljive i on se lahko moze prenijeti na funkcije sa n promjenljivih.
Na osnovu Lagrangeovog teorema, prirastaj funkcije f (x, y) ima oblik
f (x, y) f (a, b) =
f
f
(X1 )(x a) +
(X2 )(y b) ,
x
y
(2.4.4)
gdje su tacke X(x, y), X1(1 , b) i X2 (a, 2 ) iz okoline UA tacke A. Zbog

pretpostavljene neprekidnosti parcijalnih izvoda, tj. neprekidnost funkcija
f
(x, y) i f
(x, y) u tacki A(a, b), iz (2.4.4) imamo da vrijedi
x
y
lim f (x, y) = f (a, b) ,
xa
yb
pa vazi
f
f
f
f
(X1 ) =
(A) + 1 (X) ,
(X2 ) =
(A) + 2 (X) ,
x
x
y
y
gdje 1 0 i 2 0, kada X A.
Ako posljednje dvije jednakosti pomnozimo sa x a i y b respektivno, i
tako dobijene jednakosti saberemo, dobijamo
f
f
(X1 )(x a) +
(X2 )(y b)
x
y
f
f
=
(A)(x a) +
(A)(y b) + 1 (X)(x a) + 2 (X)(y b) ,
x
y
f (x, y) f (a, b) =
odnosno
f = df + 1 (X)(x a) + 2 (X)(y b) ,
iz cega se, na osnovu Definicije 2.4.2, vidi da je funkcija f diferencijabilna u
tacki A.
Za funkciju koja u nekoj tacki ima neprekidne parcijalne izvode, reci cemo
da je neprekidno diferencijabilna u toj tacki. Ako funkcija f zadovoljava
taj uslov u svim tackama nekog skupa D, onda kazemo da je f neprekidno
46

diferencijabilna na D. Skup neprekidno diferencijabilnih funkcija na nekom
skupu D oznacavamo sa C 1 (D).
Posmatrajmo sada f : R2 R i neka je f neprekidno diferencijabilna
funkcija u nekoj okolini UA tacke A(a1 , a2 ) R2 . Neka je u = (u1 , u2)
proizvoljan jedinicni vektor i nadimo izvod u pravcu Du f (A). Na osnovu
definicije izvoda u pravcu imamo
f (A + hu) f (A)
h0
h
f (a1 + hu1 , a2 + hu2 ) f (a1 , a2 )
= lim
h0
h
f (a1 + hu1 , a2 + hu2 ) f (a1 + hu1 , a2 ) + f (a1 + hu1 , a2 ) f (a1 , a2 )
= lim
h0
h

f (a1 + hu1 , a2 + hu2 ) f (a1 + hu1 , a2 ) f (a1 + hu1 , a2 ) f (a1 , a2 )
= lim
+
.
h0
h
h
Du f (A) = lim
Za fiksno h 6= 0, definisimo sada funkciju : R R, sa

(t) = f (a1 + hu1 , a2 + t) .
Pretpostavka o diferencijabilnosti funkcije f daje nam diferencijabilnost funkcije , te imamo
(t + s) (t)
s
f (a1 + hu1 , a2 + t + s) f (a1 + hu1 , a2 + t)
= lim
s0
s
f
=
(a1 + hu1 , a2 + t) .
y
(t) = lim
s0
Neka je sada : R R, definisana sa

(t) = (u2 t) = f (a1 + hu1 , a2 + tu2 ) .
(2.4.5)
je diferencijabilna i na osnovu izvoda slozene funkcije imamo

(t) = u2 (tu2 ) = u2
f
(a1 + hu1 , a2 + tu2 ) .
y
(2.4.6)
Na osnovu teorema o srednjoj vrijednosti funkcije jedne varijable, postoji

(0, h), takav da vrijedi
(h) (0)
= () .
h
47

Stavljajuci sada (2.4.5) i (2.4.6) u gornju jednakost, dobijamo
f
f (a1 + hu1 , a2 + hu2 ) f (a1 + hu1 , a2 )
= u2 (a1 +hu1 , a2 +u2) . (2.4.7)
h
y
Na isti nacin, posmatrajuci funkciju : R R, zadatu sa (t) = f (a1 +
tu1 , a2 ), imamo da vrijedi
(t) = u1
f
(a1 + tu1 , a2 ) ,
x
i opet koristeci teorem o srdnjoj vrijednosti, zakljucili bi da postoji (0, h),

tako da je
f (a1 + hu1 , a2 ) f (a1 , a2 )
(h) (0)
f
=
= () = u1 (a1 + u1 , a2 ) .
h
h
x
(2.4.8)
Stavljajuci sada (2.4.7) i (2.4.8) u izraz za Du f (A), imamo

f
f
Du f (A) = lim u2 (a1 + hu1 , a2 + u2 ) + u1 (a1 + u1, a2 ) . (2.4.9)
h0
y
x
Kako su , (0, h), kada h 0, to onda i , 0. Iskoristivsi definitivno
i pretpostavku o neprekidnosti parcijalnih izvoda f
i f
, racunajuci limes u
x
y
(2.4.9), dobijamo
Du f (A) = u1
f
f
(a1 , a2 ) + u2 (a1 , a2 ) .
x
y
(2.4.10)
Generalizaciju tvrdnje iskazane u (2.4.10) iskazujemo za funkciju f : Rn R

sljedecom teoremom.
Teorem 2.4.7
Neka je f : Rn R neprekidno diferencijabilna u nekoj okolini tacke
A Rn . Tada za proizvoljan jedinicni vektor u, postoji Du f (A) i vrijedi
Du f (A) = f (A) u .
Primjer 2.18. Neka je f : R2 R, zadata sa f (x, y) = 4 2x2 y 2 .
f (x, y) = (4x, 2y), pa za vektor u = 12 , 12 imamo

1
1
Du f (1, 1) = f (1, 1) u = (4, 2) ,
=3 2,
2
2
48

sto mozemo potvrditi sa ranije uradenim primjerom. Sada jednostavno
racunamo i

1 1
= 3 2 .
Du f (1, 1) = f (1, 1) (u) = (4, 2) ,
2 2

Za vektor v = 15 , 25 imamo

1 2
Dv f (1, 1) = (4, 2) ,
5 5
=0.
Neka je sada u proizvoljan jedinicni vektor, f : Rn R i neka je A Rn .

Koristeci Cauchy-Schwarzovu nejednakost, mozemo zakljuciti sljedece,
|Du f (A)| = |f (A) u| ||f (A)|| ||u|| = ||f (A)|| .
(2.4.11)
Ovo nam govori, bukvalno citajuci, da je apsolutna vrijednost izvoda funkcije u pravcu u u tacki A, manja ili jednaka intenzitetu vektora gradijenta
funkcije u toj tacki. Nesto konkretnije, ovo znaci da velicina promjene rasta
funkcije u nekoj tacki u proizvoljnom pravcu nikad ne prelazi duzinu vektora
vise, znajuci osobine Cauchy-Schwarzove nejedgradijenta u toj tacki. Sta
nakosti, jednakost u (2.4.11) ce se postici upravo u slucaju kada je vektor
u kolinearan vektoru f (A). Zaista, ako je f (A) 6= 0, onda za vektor
f (A)
imamo,
u = ||f
(A)||
Du f (A) = f (A) u =
f (A) f (A)
||f (A)||2
=
= ||f (A)|| .
||f (A)||
||f (A)||
vise, vrijedi Du f (A) = ||f (A)||. Gornju tvrdnju iskazujemo sa,

Sta
Teorem 2.4.8
Neka je f : Rn R neprekidno diferencijabilna funkcija u nekoj otvorenoj kugli koja sadrzi tacku A. Tada Du f (A) ima maksimalnu vrijednost
||f (A)|| kada je vektor u ort vektor vektora f (A), a minimalnu vrijednost, ||f (A)||, kada je vektor u ort vektora f (A).
Dakle, gradijentni vektor pokazuje pravac i smjer maksimalne promjene rasta
funkcije, odnosno negativni gradijentni vektor pokazuje pravac i smjer maksi vise, intenzitet gradijentnog vektora
malne promjene opadanja funkcije. Sta
49

nam govori o velicini rasta u smjeru maksimalnog rasta, odnosno njegova negativna vrijednos govori o velicini opadanja funkcije u smjeru maksimalnog
opadanja.
Primjer 2.19. Posmatrajmo ponovo funkciju f : R2 R zadatu sa
f (x, y) = 4 2x2 y 2 ,
za koju je
f (x, y) = (4x, 2y) .
Ukoliko se nalazimo u tacki A(1, 1) (na grafu u tacki (1, 1, 1)) i zelimo krenuti u smjeru najveceg rasta funkcije f , na osnovu gornje teoreme, trebamo
krenuti u pravcu vektora

2
1
f (1, 1)
.
= ,
u=
||f (1, 1)||
5
5
Ako trazimo pravac najbrzeg opadanja funkcije, onda ce to biti u pravcu
vektora

2 1
.
u = ,
5 5
vise, velicina promjene rasta u pravcu tog vektora je
Sta
Du f (1, 1) = ||f (1, 1)|| = 20 ,

a velicina opadanja je
Du f (1, 1) = ||f (1, 1)|| = 20 .
Razmotrimo jos jedan vazan fakat vezan za gradijent funkcije. Pokazacemo

ga za funkciju dvije varijable, a isto rezonovanje imamo za proizvoljnu funkciju f : Rn R.
Dakle, neka je data funkcija z = f (x, y) ciji je graf povrs G u prostoru R3 .
Posmatrajmo poizvoljnu tacku P (x0 , y0 , f (x0 , y0 )) na grafu G i neka je l nivo
linija na grafu G koja prolazi kroz tacku P . Kako je za tu liniju zadovoljeno
f (x, y) = k, za neko fiksno k R, i kako je ona jednodimenzionalan objekat
u prostoru, mozemo je parametrizovati, tj. svaku tacku linije l mozemo
posmatrati kao vektorsku funkciju ~r(t) = (x(t), y(t)) za t [, ]. Neka je
t0 ona vrijednost parametra koja odgovara tacki P . Kako je nivo linija l na
povrsi G, mora biti zadovoljena jednacina
f (x(t), y(t)) = k , za svako t [, ] .
50
2.5. Pravila diferenciranja

Diferenciranjem ove jednakosti po t, primjenom pravila kompozicije, imamo
f dx f dy
+
=0.
x dt
y dt
(2.4.12)
Nije tesko vidjeti da se jednakost (2.4.12) moze zapisati u vektorskoj notaciji,

f f
dx dy
,
,
= f ~r = 0 .
x y
dt dt
Gornje ce vrijediti u proizvoljnoj tacki nivo linije l, tj.
f (x0 , y0 ) ~r (t0 ) = 0 .
Dakle, vrijedi vrdnja,
Teorem 2.4.9
Gradijentni vektor funkcije z = f (x1 , x2 , ..., xn ) u svakoj tacki nivo linije
f (x1 , x2 , ..., xn ) = k, ortogonalan je na tu liniju.
Na sljedecoj slici prikazano je nekoliko funkcija konturnim grafom (pomocu
nivo linija) i odgovarajucim vektorskim poljem (strelice na slici predstavljaju gradijentne vektore date funkcije u raznim tackama). Strelice
su usmjerene u pravcu najbrzeg rasta funkcije, a velicina strelica odrazava
brzinu promjene funkcije u tom pravcu. Takode uocavamo ortogonalnost
gradijentnih vektora na odgovarajuce nivo linije.
1
1
1
1
1
1
1
1
1
1
f (x, y) = x2 + y 2
2.5
f (x, y) = 1 x2 y 2
p
f (x, y) = x2 + y 2
f (x, y) = x2 y 2
Pravila diferenciranja
Kao sto smo vec mogli primjetiti, pravila nalazenja diferencijala funkcija vise
varijabli nece se razlikovati od tih pravila kod funkcije jedne varijabe.
51
2.6. Izvodi viseg reda, Hesseova matrica
Teorem 2.5.1
Neka su funkcije f, g : D R (D Rn ) diferencijabilne u tacki A D
i neka su a, b R proizvoljni. Tada je i funkcija af + bg diferencijabilna
u tacki A i vrijedi
d(af + bg)(A) = adf (A) + bdg(A) .
Teorem 2.5.2
Neka su funkcije f, g : D R (D Rn ) diferencijabilne u tacki A D.
f
Tada su i funkcije f g i (posljednja uz uslov g(A) 6= 0) diferencijabilne
g
u tacki A i vrijedi
d(f g)(A) = g(A)df (A) + f (A)dg(A) ,

f
g(A)df (A) f (A)dg(A)
d
(A) =
.
g
(g(A))2
2.6
Izvodi viseg reda, Hesseova matrica
Ukoliko funkcija f : Rn R ima parcijalne izvode koji postoje na nekom

f
otvorenom skupu U, tada za svako i {1, 2, ..., n}, x
je takode funkcija
i
f
f
sama za sebe, tj. xi : Rn R. Parcijalni izvodi funkcije x
, ukoliko
i
postoje, nazivaju se parcijalni izvodi drugog reda funkcije f .
Kao i za prve parcijalne izvode i za druge parcijalne izvode postoje razne
2f
oznake kao naprimjer: xi x
, fxi xj , Dxi xj f ili jednostavno fxi xj . Mi cemo
j
se sluziti uglavnom prvom navedenom notacijom, ali po potrebi skracivanja
zapisa, cesto cemo upotrebljavati i posljednju navedenu notaciju. Tako za
funkciju z = f (x, y) imamo sljedece parcijalne izvode drugog reda, zapisane
i sa prvom i sa posljednjom notacijom:

f
2f
f
2f
fxx =
=
;
f
=
=
yy
x x
x2
y y
y 2

2f
f
2f
f
fxy =
=
; fyx =
=
y x
xy
x y
yx
Tehnika nalazenja parcijalnih izvoda drugog reda sadrzana je u simbolickom zapisivanju tih izvoda. Naprimjer, fxy znaci da od izvoda fx (prvi
52

s lijeva indeks nam govori od koga pravimo parcijalni izvod) nalazimo parcijalni izvod po y (drugi indeks s lijeva nam govori po cemu radimo drugi
parcijalni izvod).
Primjer 2.20. Odredimo parcijalne izvode drugog reda funkcije z = x2 y.
Prvo odredimo parcijalne izvode prvog reda:
z
z
= 2xy ;
= x2 .
x
y
Odredimo sada parcijalne izvode drugog reda, koristeci gornje objasnjenje.
z
Za nalazenje fxx , uzimamo x
i od njega trazimo parcijalni izvod po x. Tako
dobijamo
fxx = (2xy)x = 2y .
Analogno, za fxy uzimamo prvi parcijalni izvod po x, pa od njega trazimo
izvod po y
fxy = (2xy)x = 2x .
Istu logiku koristimo kod nalazenja ostala dva parcijalna izvoda drugog reda,
fyx = 2x ; fyy = 0 .
Primjer 2.21. z = ex
2 +y 2
fx = 2xex
x2 +y 2
fxx = 2e
+2x2xe
x2 +y 2
fyx = 2y2xe
x2 +y 2
= 4xye
x2 +y 2
= 2e
x2 +y 2
2 +y 2
; fy = 2yex
2 +y 2
(1+2x2 ) ; fxy = 2x2yex

x2 +y 2
; fyy = 2e
x2+y 2
+2y2ye
2 +y 2
x2 +y 2
= 2e
= 4xyex
2 +y 2
(1+2y 2) .
Za funkciju f : Rn R, parcijalne izvode fxi xj i fxj xi (i 6= j), nazivamo

mjesoviti parcijalni izvodi i na osnovu opisanog postupka, jasna nam je razlika
istaknuta poretkom indeksa.
U pokazana dva primjera primijecujemo da su mjesoviti parcijalni izvodi
jednaki, fxy = fyx . Postavlja se pitanje da li je to tako u opstem slucaju?
Kao sto cemo kasnije vidjeti taj uslov je veoma bitan, a ovdje cemo dati uslove
pod kojima su ti parcijalni izvodi jednaki za funkciju dvije promjenljive. Prije
toga, odgovor na postavljeno pitanje nam daje sljedeci primjer.
Primjer 2.22. Posmatrajmo funkciju f : R2 R zadatu sa
x2 y 2
; (x, y) 6= (0, 0)
xy 2
f (x, y) =
x + y2
0
; (x, y) = (0, 0)
53

Tada je
x4 y 4 + 4x2 y 2
f
f
(x, y) = y
, (x, y) 6= (0, 0) ;
(0, 0) = 0 .
2
2
2
x
(x + y )
x
Onda je
2f
1
(0, 0) = lim
h0 h
xy
f
f
(0, h)
(0, 0)
x
x
Na slican nacin odredujuci, imamo da je
h
= 1 .
h0 h
= lim
2f
(0, 0) = 1 ,
yx
pa ocigledno u opstem slucaju mjesoviti izvodi nisu jednaki.
Definicija 2.6.1
Za funkciju f : Rn R kazemo da je dva puta neprekidno diferencijabilna na otvorenom skupu U Rn , i pisemo f C 2 (U), ako su funkcije
fxi xj neprekidne na U, za sve i, j {1, 2, ..., n}.
Pod odredenim uslovima koji su dati u narednoj teoremi, mjesoviti izvodi
ce biti jednaki.
Teorem 2.6.1
Neka je U Rn otvoren skup koji sadrzi tacku A i neka je funkcija
f C 2 (U). Tada vrijedi
2f
2f
(A) =
(A) ,
xi xj
xj xi
za sve i, j {1, 2, ..., n}.
Gornje rezonovanje o parcijalnim izvodima drugog reda sada mozemo
prosiriti na parcijalne izvode treceg, cetvrtog i viseg reda, kao i na funkcije
tri, cetiri i vise promjenljivih. Za funkciju dvije varijable, vidjeli smo, postoje cetiri parcijalna izvoda drugog reda. Praveci od njih ponovo parcijalne
izvode, dobijamo parcijalne izvode treceg reda, kojih ce tada biti osam. Za
funkciju tri varijable, parcijalnih izvoda drugog reda ima devet, a treceg reda
27.
U opstem slucaju, funkcija f : Rn R ima n2 parcijalnih izvoda drugog
reda, od kojih onda mozemo formirati kvadratnu matricu reda n n.
54
Definicija 2.6.2
Neka svi parcijalni izvodi drugog reda funkcije f : Rn R postoje u
tacki c Rn . Matricu reda n n
2f
2f
2f
2f
(c)
(c)
(c)
(c)
2
x2 x1
x3 x1
xn x1
x2 f1
2f
2f
2f
x x (c)
(c)
(c)
(c)
2
x
x
x
x
x
n
3
2
2
12 2
2
2
2
2
f
f
f
f
(c)
(c)
(c)
(c)
Hf (c) = x1 x
(2.6.1)
x2 x3
xn x3
x23
3
..
..
..
..
..
.
.
.
.
.
2f
2f
2f
2f
(c) x2 xn (c) x3 xn (c) x2 (c)
x1 xn
n
nazivamo Hesseova matrica ili Hessijan funkcije f u tacki c.
Primjetimo da je i-ta kolona Hesseove matrice, gradijent funkcije
fxi (c).
f
,
xi
tj.
Primjer 2.23. Neka je f (x, y) = x2 y xy 2 . Tada je

fxx (x, y) fyx (x, y)
2y
2x 2y
Hf (x, y) =
=
.
fxy (x, y) fyy (x, y)
2x 2y
2x
Sada naprimjer, u tacki A(2, 1), Hessijan glasi

2
2
Hf (2, 1) =
.
2 4
Neka je sada f : R2 R dva puta neprekidno diferencijabilna na nekoj

otvorenoj kugli B(A, r) R2 i neka je h = (h1 , h2 ) vektor, takav da je
||h|| < r. Definisimo novu funkciju : R R, na sljedeci nacin
(t) = f (A + th) .
(Velicinu A + th shvatamo tako da se iz tacke A pomjerimo u pravcu vektora
h, za duzinu t||h||) Funkcija je funkcija jedne varijable i pri tome je npr.
(0) = f (A) i (1) = f (A + h). Na osnovu Taylorove teoreme za funkciju
jedne varijable sada imamo
1
(1) = (0) + (0) + () ,
2
55
(2.6.2)

gdje je (0, 1). Kako je d = df , koristeci pravilo izvoda kompozicije,
imamo
d
(A+th) = f (A+th)h = fx (A+th)h1 +fy (A+th)h2 .
dt
(2.6.3)
(jasno, u izrazu f (A+th)h imamo skalarno mnozenje). Analogno nalazimo
i drugi izvod
(t) = f (A+th)
(t) = (h1 fx (A + th) + h2 fy (A + th)) h

= (h1 fx (A + th) + h2 fy (A + th)) (h1 , h2 )

fxx (A + th) fxy (A + th)
h1
= [h1 h2 ]
.
fyx (A + th) fyy (A + th)
h2
(Zadnji zapis dobijamo nakon jednostavnog matricnog racuna). Koristeci
sada oznake

h1
h=
h2
i
hT = [h1 h2 ] ,
posljednje mozemo zapisati sa
(t) = hT Hf (A + th)h .
(2.6.4)
Stavljajuci (2.6.3) i (2.6.4) u izraz (2.6.2), dobijamo sljedecu vezu

1
f (A + h) = (1) = f (A) + f (A) h + hT Hf (A + h)h .
2
Ovaj rezultat predstavlja verziju Taylorove teoreme za funkcije vise varijabli,
koga generalizujemo sljedecom teoremom
Teorem 2.6.2
Neka je f : Rn R i neka je f C 2 (B(A, r)) (r > 0). Neka je h vektor,
takav da je ||h|| < r. Tada postoji realan broj (0, 1), takav da vrijedi
1
f (A + h) = f (A) + f (A) h + hT Hf (A + h)h .
2
(2.6.5)
Uvedemo li oznake X = A+h i izracunamo li Hessijan u tacki A, izraz (2.6.5)

predstavlja polinomijalnu aproksimaciju funkcije f .
56
Definicija 2.6.3
Neka je f : Rn R dva puta neprekidno diferencijabilna na nekoj
otvorenoj kugli oko tacke A. Funkciju
1
P2 (X) = f (A) + f (A)(X A) + (X A)T Hf (A)(X A) ,
2
nazivamo Taylorov polinom drugog reda, funkcije f u tacki A.
Primjer 2.24. Odredimo Taylorov polinom drugog reda za funkciju f (x, y) =
e2x+y , u tacki (0, 0).
Kao prvo, nalazimo

4e2x+y 2e2x+y
2x+y 2x+y
f (x, y) = 2e
,e
i Hf (x, y) =
,
2e2x+y
e2x+y
odnosno
f (0, 0) = (2, 1) , Hf (0, 0) =

Sada imamo
4 2
2
1

1
x
P2 (x, y) = f (0, 0) + f (0, 0) (x, y) + [x y]Hf (0, 0)
y
2

1
4 2
x
= 1 + (2, 1) (x, y) + [x y]
2
1
y
2

1
4x 2y
= 1 2x + y + [x y]
2x + y
2
1
= 1 2x + y + (4x2 2xy 2xy + y 2)
2
1
= 2x2 + y 2 2xy 2x + y + 1 .
2
Svrha Taylorovog polinoma je da se funkcija njime dovoljno dobro aproksimira u okolini neke tacke. Na slici (2.2) dat je prikaz te aproksimacije iz dva
ugla posmatranja, da bi se bolje uocila istaknuta aproksimacija u tacki (0,0).
U dijelu linearne algebre, koga smo izucavali ranije, upoznali smo pojam
simetricne matrice, tj. kvadratne matrice M = [aij ]nn za koju vrijedi
M = MT ,
ili za cije elemente vrijedi aij = aji .
57

z
x
x
e2x+y
Slika 2.2: Aproksimacija funkcije f (x, y) =

(zelena) u tacki (0,0), Taylorovim polinomom P2 (x, y) = 2x2 + 12 y 2 2xy 2y + y + 1 (crvena)
Primjer 2.25. Matrica
1 2 2
0 ,
M = 2 5
2 0
3
primjer je simetricne matrice, a matrica

1 2
M=
,
3 4
je primjer nesimetricne matrice.
Ako je f C 2 , tada na osnovu Teorema (2.6.1), imamo da su mjesoviti

izvodi jednaki, tj.
2f
2f
=
,
xi xj
xj xi
a to ce onda na osnovu definicije Hessijana znaciti da je za svaku dva puta
neprekidno diferencijabilnu funkciju, njen Hessijan simetricna matrica.
Neka je sada M proizvoljna simetricna matrica reda nn. Za proizvoljnu
matricu vrstu x (mozemo reci i vektor x = (x1 , x2 , ..., xn )), definisimo funkciju
q : Rn R na sljedeci nacin
q(x) = xT Mx .
(2.6.6)
Funkcija q je polinom drugog reda po promjenljivima x1 , x2 , ..., xn i nazivamo

je kvadratna forma po promjenljivima x1 , x2 , ..., xn , a matricu M nazivamo
matrica kvadratne forme q.
58

Primjer 2.26. Neka je
M=
1 2
2 1
Kvadratnu formu dobijamo iz (2.6.6),

1 2
x1
x1
T
q2 (x) = x Mx = [x1 x2 ]
= [x1 +2x2 2x1 +x2 ]
= x21 +x22 +4x1 x2 .
2 1
x2
x2
Za matricu
kvadratna forma glasi
2 1 1
5 1 ,
M = 1
1
1 2
q3 (x) = 2x21 + 5x22 + 2x23 2x1 x2 + 2x1 x3 + 2x2 x3 .
Definicija 2.6.4
Za kvadratnu formu q(x) = xT Mx kazemo da je
pozitivno poludefinitna, ako je za svako x = (x1 , x2 , ..., xn ) Rn ,
zadovoljeno q(x) 0.
pozitivno definitna, ako je za svako x 6= 0, zadovoljeno q(x) > 0.
negativno poludefinitna, ako je za svako x Rn , zadovoljeno
q(x) 0.
negativno definitna, ako je za svako x 6= 0, zadovoljeno q(x) < 0.
indefinitna ili promjenljivog znaka, ako postoje x , x Rn , tako
da je q(x ) > 0 i q(x ) < 0.
Ako je q(x) = 0, cesto kazemo da je kvadratna forma nedefinitna u toj
tacki.
Primjer 2.27. Kvadratnu formu q2 iz gornjeg primjera gdje je

1 2
M=
,
2 1
59

mozemo zapisati
q2 (x) = (x1 + x2 )2 + 2x1 x2 ,
pa za x = (1, 0) imamo q2 (x) = 1 > 0, a za x = (1, 1) imamo q2 (x) = 2 <
0. Na osnovu definicije, kvadratna forma q2 je indefinitna.
Kvadratnu formu q3 mozemo nakon malo racuna zapisati sa
q3 (x) = (x1 + x2 + x3 )2 + (x1 2x2 )2 + x23 ,
pa je ocigledno ova kvadratna forma pozitivno definitna (kao suma kvadrata)
odnosno, za svako x = (x1 , x2 , x3 ) 6= 0 je q3 (x) > 0.
Kao sto cemo uskoro vidjeti, od velikog je interesa imati nacin odredivanja
definitnosti neke kvadratne forme. Najjednostavniji nacin bio bi obrazovati
tu kvadratnu formu, a onda je svesti na neki pogodan oblik iz koga lagano mozemo ocijeniti njenu definitnost (ovo smo primjenili u posljednjem
primjeru). Nadimo taj nacin u za nas vaznom slucaju 2 2 matrice. Neka
je zadata simetricna matrica

a b
M=
.
b c
Kvadratna forma odredena ovom matricom je

a b
x
q(x, y) = [x y]
= ax2 + 2bxy + cy 2 .
b c
y
Ako je a 6= 0, poznatim postupkom svodenja trinoma na kanonski oblik
dobijamo

2b
c 2
2
q(x, y) = a x + xy + y
a
a
!

2
b
b2 2 c 2
= a
x + y 2y + y
a
a
a

2
b
ac b2 2
= a x+ y +
y
a
a

2
b
det(M) 2
= a x+ y +
y .
a
a
Sada imamo diskusiju:
1. Ako je a > 0 i det(M) > 0, tada je za svako (x, y) 6= (0, 0), q(x, y) > 0,
tj. kvadratna forma je pozitivno definitna.
60

2. Ako je a < 0 i det(M) > 0, tada je za svako (x, y) 6= (0, 0), q(x, y) < 0,
tj. kvadratna forma je negativno definitna.
3. Ako je det(M) < 0, tada u tackama (x, y) = (1, 0) i (x, y) = ( ab , 1)
imamo razlicite znakove kvadratne forme, pa je ona indefinitna.
4. Ako je det(M) = 0, tada imamo

2
b
q(x, y) = a x + y
.
a
Ako je x = ab y, onda je q(x, y) = 0, a u svim ostalim slucajevima
ona uzima znak koga ima parametar a. Dakle, q(x, y) je ili pozitivno
ili negativno poludefinitan.
Jasno nam je da bi ovakav postupak odredivanja definitosti kvadratnih
formi, odredenih matrica visih dimenzija, bio poprilicno tezak posao. Zato
sljedecim teoremom dajemo veoma jednostavan kriterij za utvrdivanje definitnosti kvadratne forme.
Teorem 2.6.3: Sylvesterov kriterijum
Neka je
a11
a21
M =

an1
a12
a22
an2
a1n
a2n
,

ann
proizvoljna kvadratna matrica koja odreduje kvadratnu formu q : Rn

R. Oznacimo sa Ai (i = 1, 2, ..., n) glavne minore matrice M, tj.

a11 a12

, , An = det(M) .
A1 = a11 , A2 =
a21 a22
Kvadratna forma q je pozitivno definitna ako i samo ako su svi glavni
minori pozitivni, tj. ako vrijedi
A1 > 0 , A2 > 0 , , An > 0 .
Kvadratna forma je negativno definitna ako i samo ako su glavni minori
alternativnih znakova, tako da je A1 < 0, tj. ako vrijedi
A1 < 0 , A2 > 0 , A3 < 0 , A4 > 0 ,
61
2.7. Diferencijali viseg reda

Uobicajeno je i za matricu M reci da je pozitivno definitna, negativno
definitna ili indefinitna kad god je takva kvadratna forma koja je njome
odredena.
Primjer 2.28. Za matricu
2 1 1
5 1 ,
M = 1
1
1 2
glavni minori su A1 = 2 > 0, A2 = 9 > 0 i A3 = det(M) = 9 > 0, pa je

kvadratna forma odredena ovom matricom pozitivno definitna.
Za matricu

2
1
M=
,
1 4
glavni minori su A1 = 2 < 0 i A2 = det(M) = 7 > 0, pa je kvadratna forma
negativno definitna.
Za matricu

3 1
M=
,
1 2
glavni minori su A1 = 3 < 0 i A2 = det(M) = 7 < 0, pa je kvadratna
forma indefinitna.
2.7
Diferencijali viseg reda
Neka je u oblasti D definisana funkcija f (x1 , x2 , ..., xn ) koja ima neprekidne

parcijalne izvode do n-tog reda. Ranije smo vidjeli da totalni diferencijal ima
oblik
f
f
f
dx1 +
dx2 + ... +
dxn ,
df =
x1
x2
xn
gdje su dxi (i = 1, 2, ..., n) prirastaji, odnosno diferencijali nezavisnih promjenljivih. Totalni diferencijal drugog reda ili krace diferencijal drugog reda,
definise se kao diferencijal prvog diferencijala, tj. d2 f = d(df ).

f
f
f
2
d f =d
dx1 +
dx2 + ... +
dxn .
x1
x2
xn
Kako je d(dxi ) = 0 za svako i = 1, 2, ..., n, to sada imamo:

f
f
f
2
d f =d
dx1 + d
dx2 + ... + d
dxn ,
x1
x2
xn
62
2.7. Diferencijali viseg reda

odakle sada primjenjujuci formulu za diferencijal funkcije imamo
d2 f =
2f 2
2f
2f
2f 2
dx
+
...
+
dx
+
2
dx
dx
+
...
+
2
dxn1 dxn .
1
2
x21 1
x2n n
x1 x2
xn1 xn
Ovaj postupak mozemo generalizovati na diferencijale proizvoljnog reda, tj.

imamo
dn+1 f = d(dn f ) , n N .
Specijalno, za funkciju dvije varijable f (x, y), drugi diferencijal je dat sa
2f 2 2f 2
2f
2f
df=
dx + 2 dy +
dxdy +
dxdy .
x2
y
xy
yx
2
Primjer 2.29. Odrediti drugi diferencijal funkcije f (x, y) = x3 y 2 x2 y+2xy

3x + 4. Odredujemo prve parcijalne izvode:
f
f
= 3x2 y 2 2xy + 2y 3 ,
= 2x3 y x2 + 2x .
x
y
Drugi parcijalni izvodi su:
2f
2f
2f
2f
2
2
2
=
6xy
2y
,
=
6x
y2x+2
,
=
6x
y2x+2
,
= 2x3 .
x2
xy
yx
y 2
Konacno, izraz za drugi diferencijal je,
d2 f (x, y) = (6xy 2 2y)dx2 + 2(6x2 y 2x + 2)dxdy + 2x3 dy 2 .
Primjer 2.30. Odrediti drugi diferencijal funkcije g(x, y, z) = sin x + sin y +

sin z.
Prvi parcijalni izvodi su:
g
g
g
= cos x ,
= cos y ,
= cos z .
x
y
z
Drugi parcijalni izvodi su:
2g
2g
2g
=
sin
x
,
=
sin
y
,
= sin z
x2
y 2
z 2
2g
2g
2g
2g
2g
2g
=
=
=
=
=
=0.
xy
xz
yx
yz
zx
zy
Dakle, drugi diferencijal je
d2 g = sin xdx2 sin ydy 2 sin zdz 2 .
63
2.8. Ekstremumi funkcija vise promjenljivih
2.8
Ekstremumi funkcija vise promjenljivih
Sada cemo nas rad iz prethodnih sekcija primjeniti na problem nalazenja

minimalne i maksimalne vrijednosti funkcija vise varijabli. Primjetit cemo
da je tehnika odredivanja ekstremnih vrijednosti funkcije vise varijabli veoma
slicna tehnici koju smo izucavali kod funkcija jedne varijable.
Definicija 2.8.1
Neka je funkcija f : Rn R, definisana na skupu Df . Kazemo da
funkcija f ima maksimalnu vrijednost M u tacki X0 , ako je f (X0 ) = M
i za sve X Df vrijedi f (X) M.
Kazemo da funkcija f ima minimalnu vrijednost m u tacki X0 , ako je
f (X0 ) = m i za sve X Df , vrijedi f (X) m.
Cesto
maksimalnu i minimalnu vrijednost funkcije, uvedene gornjom definicijom, nazivamo globalni maksimum i globalni minimum, za razliku od pojmova
lokalni maksimum i minimum, koje uvodimo sljedecom definicijom.
Definicija 2.8.2
Neka je f : Rn R definisana na otvorenom skupu U. Kazemo da
funkcija f ima lokalnu maksimalnu vrijednost M u tacki X0 , ako je
f (X0 ) = M i za sve X B(X0 , r), za neko r > 0, vrijedi f (X) M.
Kazemo da funkcija f ima lokalnu minimalnu vrijednost m u tacki X0 ,
ako je f (X0 ) = m i za sve X B(X0 , r), za neko r > 0, vrijedi f (X)
m.
Cesto
cemo upotrebljavati i termin globalni ekstrem ili globalna ekstremna
vrijednost, bilo da govorimo o globalnom maksimumu ili globalnom minimumu, a takode i lokalni ekstrem ili lokalna ekstremna vrijednost, kada govorimo o lokalnom maksimumu ili minimumu.
Teorem 2.8.1: Teorem o ekstremnoj vrijednosti
Neka je funkcija f : Rn R neprekidna na nekom otvorenom skupu U.
Ako je D ogranicen i zatvoren podskup skupa U, tada funkcija f dostize
maksimalnu i minimalnu vrijednost na skupu D.
Sa gornjom teoremom imamo odlican rezultat koji nam govori o egzistenciji ekstremne vrijednosti funkcije, ali ne i kako locirati tu vrijednost.
64

Nas sljedeci posao je pronaci kriterije za lociranje tacaka koje su kandidati
u kojima ce se postizati ekstremne vrijednosti, a onda i kriterije za njihovu
klasifikaciju, tj. da li se u njima postize ili ne postize ekstrem i ako se postize,
koja je vrsta ekstrema, maksimum ili minimum.
Primjer 2.31. Ispitati postojanje i odrediti globalnu ekstremnu vrijednost
funkcije f (x, y) = x2 + y 2 na skupu D = {(x, y) R2 | x2 + 4y 2 4}.
Kako je skup D ogranicen i zatvoren, a funkcija f neprekidna na R2 , na
osnovu Teoreme 2.8.1 zakljucujemo da funkcija ima i maksimum i minimum
na skupu D.
2.8.1
Nala
zenje lokalnog ekstrema
Za pocetak, posmatrajmo funkciju f : Rn R koja je diferencijabilna na

otvorenom skupu U i koja ima ekstrem u tacki X0 . Neka je u proizvoljan
jedinicni vektor, tada ce ocigledno, funkcija : R R, definisana sa
(t) = f (X0 + tu) ,
takode imati ekstremnu vrijednost i to upravo za t = 0. Kako je funkcija
jedne varijable, to onda mora biti
(0) = 0 .
(2.8.1)
Ali u sekciji 2.1 smo vidjeli da ovaj izvod nije nista drugo do izvod funkcije
f u pravcu vektora u, tj.
(0) = Du f (X0 ) .
(2.8.2)
Zakljucujemo da vrijedi,
(0) = Du f (X0 ) = f (X0 ) u = 0 .
Skalarni produkt jednak je nuli ako je jedan od vektora tog produkta nulavektor ili ako su vektori ortogonalni. Ortogonalnost otpada jer gornje vrijedi
za proizvoljan jedinicni vektor u. Koristeci proizvoljnost vektora u, uzmimo
specijalno vektore baze. Tada imamo
f (X0 ) ei =
f
(X0 ) = 0 ,
xi
za i = 1, 2, ..., n. Ovo znaci da mora biti f (X0 ) = 0. Primjetimo da ovo

znaci i to da je nagib grafa funkcije f jednak 0 u tacki X0 , u pravcima svih
baznih vektora. Medutim, to znaci mnogo vise naime, nagib grafa je 0 u
svim pravcima u jer je Du f (X0 ) = f (X0 ) u. Ovo razmatranje sumiramo
teoremom.
65
Teorem 2.8.2
Neka je f : Rn R diferencijabilna na otvorenom skupu U i neka ima
lokalnu ekstremnu vrijednost u tacki X0 U, tada je f (X0 ) = 0.
Kako je totalni diferencijal funkcije jednak umnosku gradijenta i diferencijala
argumenta, tj.
df (X) =
f
f
f
(X)dx1 +
(X)dx2 +
(X)dxn = f (X) dX ,
x1
x2
xn
to onda za diferencijabilnu funkciju koja ima ekstremnu vrijednost u tacki

X0 , vrijedi
df (X0) = 0 ,
a takvu situaciju smo imali i kod funkcije jedne varijable jer je neophodan
uslov bio f (x) = 0, a vrijedilo je df (x) = f (x)dx. Teorem 2.8.2 nam daje
neke od tacaka koje su kandidati za ekstreme, ali ne i sve. Naime, vrijedi.
Teorem 2.8.3
[Potrebni uslovi za ekstrem] Ako funkcija f : Rn R ima ekstrem u
tacki X0 , tada vrijedi, ili je f (X0 ) = 0 ili prvi parcijalni izvodi funkcije
u tacki X0 ne postoje.
Dakle, kandidati za ekstremnu vrijednost su sve one tacke u kojima je gradijent jednak 0 i sve one u kojima funkcija nije diferencijabilna. Ovo nas
navodi da ove tacke definisemo precizno.
Definicija 2.8.3
Neka je f : Rn R diferencijabilna u tacki X0 i neka je f (X0 ) = 0.
Tada tacku X0 nazivamo stacionarnom tackom funkcije f .
Tacke u kojima funkcija f nije diferencijabilna, nazivamo singularnim
tackama funkcije f .
Cesto
se za obje gore pomenute vrste tacaka kaze da su kriticne tacke funkcije.
Primjer 2.32. Funkcija f (x, y) = x2 + y 2 je diferencijabilna funkcija na R2
i f (x, y) = (2x, 2y). Jedine kandidate za ekstremne vrijednosti dobijamo
66

rjesavanjem sistema
2x = 0
2y = 0
Dakle, jedina kriticna tacka je stacionarna tacka X0 (0, 0).
p
Primjer 2.33. Za funkciju f (x, y) = x2 + y 2 , gradijent je
f (x, y) = ( p
y
,p
).
x2 + y 2
x2 + y 2
x
Parcijalni izvodi ne postoje u tacki X0 (0, 0) i to je jedina kriticna tacka

funkcije f , i ona je singularna tacka.
Primjer 2.34. Funkcija f (x, y) = x2 y 2 ima gradijent f (x, y) = (2x, 2y),

pa je jedina kriticna tacka, stacionarna tacka X0 (0, 0).
Primjer 2.35. Funkcija f (x, y) = 1 x2 y 2 je diferencijabilna i f (x, y) =
(2x, 2y). Rjesavanjem sistema
2x = 0
2y = 0
dobijamo stacionarnu tacku X0 (0, 0).
z
f (x, y) = x2 + y 2
Minimum u (0,0)
f (0, 0) = (0, 0)
f (x, y) = 1 x2 y 2
Maksimum u (0,0)
f (0, 0) = (0, 0)
x
b
p
f (x, y) = x2 + y 2
Minimum u (0,0)
fx i fy ne postoje
f (x, y) = x2 y 2
Nema
ekstrema,
f (0, 0) = (0, 0)
Sada kada smo u mogucnosti utvrditi postojanje ekstremne vrijednosti

funkcije (Teorem 2.8.1) i identifikovati kandidate za te vrijednosti (Teorem
2.8.3) ostaje nam pronaci kriterije za utvrdivanje da li ti kandidati jesu ekstremi i klasificirati ih. Prisjetimo se opet funkcija jedne varijable, da je jedan
od kriterija za identifikaciju lokalnih ekstrema bio test drugog izvoda. Naime,
ako je c bila stacionarna tacka funkcije : R R, tada ako je (c) > 0,
funkcija je imala minimum u c, a ako je (c) < 0, funkcija je imala maksimum u tacki c. Taylorov polinom nam na najvidljiviji nacin pokazuje zasto
67

je to tako. Naprimjer, neka je c stacionarna tacka funkcije i neka je (c)
neprekidna na otvorenom intervalu koji sadrzi c, i neka je (c) > 0. Tada
za neko > 0, postoji interval I = (c , c + ) na kome je (c) neprekidna
i (t) > 0, za sve t I. Na osnovu Taylorove teoreme, za proizvoljno h,
takav da je |h| < , postoji s (c, c + h), takav da je
1
(c + h) = (c) + (c)h + (s)h2 .
2
(2.8.3)
Zbog stacionarnosti je (c) = 0. Takode smo imali (s) > 0, pa koristeci

to u (2.8.3) dobijamo da je za proizvoljno h, takav da je |h| < , zadovoljeno
(c + h) > (c) ,
a ovo znaci da je u tacki c lokalni minimum.
Veoma slicno razmatranje sada mozemo sprovesti i za funkciju f : Rn
R. Na osnovu Teorema 2.6.2 znamo da vrijedi formula
1
f (A + h) = f (A) + f (A) h + hT Hf (A + h)h ,
2
gdje je f dva puta neprekidno diferencijabilna funkcija u nekoj okolini tacke
A i (0, 1). Neka je sada A stacionarna tacka funkcije f i neka je Hesijan
Hf (X) pozitivno definitna matrica u nekoj kugli B(A, r). Tada je f (A) =
0, pa vrijedi
1
f (A + h) = f (A) + hT Hf (A + h)h ,
2
a kako je jos A + h B(A, r), to je kvadratna forma hT Hf (A + h)h > 0.
te imamo
f (A + h) > f (A) ,
za proizvoljno h, tako da je ||h|| < r. Ali ovo onda upravo znaci da funkcija
f ima lokalni minimum u tacki A.
Istim argumentima bi rezonovali da smo pretpostavili negativnu definitnost
Hesijana i naravno, zakljucili bi da funkcija ima lokalni maksimum u tacki
A.
Ako je Hesijan indefinitan, to bi znacilo da postoji proizvoljno malen h, tako
da je kvadratna forma
hT Hf (A + h)h > 0 ,
i takode proizvoljno malen h da je
hT Hf (A + h)h < 0 .
68

Ovo bi onda uzrokovalo da za neke proizvoljno malene h vrijedi f (A + h) >
f (A), a istovremeno za neke druge proizvoljno malene h je f (A + h) < f (A).
U ovom slucaju jasno je da u tacki A ne moze biti niti lokalni minimum niti
lokalni maksimum. Tada bi tacka A predstavljala takozvanu sedlastu tacku
funkcije f .
Na osnovu gornjeg, sada mozemo iskazati dovoljne uslove za ekstremnu
vrijednost funkcije f : Rn R.
Teorem 2.8.4: Test druge derivacije
Neka je f : Rn R i f C 2 (U), gdje je U otvoren skup. Ako je A U
stacionarna tacka funkcije f , tada je
1. f (A) lokalni minimum funkcije f , ako je Hf (A) pozitivno definitna
matrica.
2. f (A) lokalni maksimum funkcije f , ako je Hf (A) negativno definitna matrica.
3. tacka A sedlasta tacka funkcije f , ako je Hf (A) indefinitna matrica.
Ukoliko je Hf (A) nedefinitna matrica, potrebna su dodatna ispitivanja
za klasifikaciju tacke A.
Primjer 2.36. Odrediti lokalne ekstremne vrijednosti funkcije f (x, y) = xyex
Nalazimo prvo gradijent
f (x, y) = ex
2
2 y 2
(y 2x2 y, x 2xy 2) .
Kako je ex y > 0 za sve (x, y) R2 , cinjenica da je f (x, y) = (0, 0),

svodi se na sistem
y(1 2x2 ) = 0 ,
x(1 2y 2 ) = 0 .
Prva jednacina ce biti tacna ako je y = 0 ili x = 12 ili x = 12 . Ako je
y = 0, onda iz druge jednacine vidimo da mora biti i x = 0, a time smo dobili
prvu stacionarnu tacku M1 (0, 0). Ako je x = 12 , onda je druga jednacina
zadovoljena ako je 1 2y 2 = 0, odnosno ako je y = 12 ili y = 12 , pa na
taj nacin dobijamo jos cetiri stacionarne tacke: M2 ( 12 , 12 ), M3 ( 12 , 12 ),
M4 ( 12 , 12 ) i M5 ( 12 , 12 ).
69
2 y 2

Drugi korak u rjesavanju problema ovog tipa je odredivanje hesijana funkcije
x2 y 2
Hf (x, y) = e
4x3 y 6xy
4x2 y 2 2x2 2y 2 + 1
2 2
2
2
4x y 2x 2y + 1
4y 3yx 6xy
Sada nakon kraceg racuna dobijamo

1
Hf (M2 ) = Hf (M5 ) = e
2 0
0 2
Kako je A1 = 2e1 < 0 i

2e1
0
A2 = det
= 4e1 > 0 ,
0
2e1
na osnovu testa druge derivacuje zakljucujemo da funkcija u tackama M2 i
M5 ima lokalni maksimum, i pri tome je f (M2 ) = f (M5 ) = fmax = 21 e1 .
Dalje imamo

2 0
1
Hf (M3 ) = Hf (M4 ) = e
.
0 2
Sada je A1 = 2e1 > 0 i
A2 = det
2e1
0
0
2e1
= 4e1 > 0 ,
pa opet na osnovu testa druge derivacije zakljucujemo da funkcija u tackama

M3 i M4 ima lokalni minimum i pri tome je f (M3 ) = f (M4 ) = fmin = 12 e1 .
M1 (0, 0) u kojoj je
Ostala nam je jos taka

0 1
Hf (M1 ) =
.
1 0
Sada je A1 = 0 i A2 = 1, pa je Hesijan indefinitan, a to znaci da je tacka
M1 (0, 0) sedlasta tacka.
2.8.2
Nala
zenje globalnog ekstrema
Posmatrajmo funkciju f (x) = 2 x2 . Posmatramo li je na citavom R, ona

ima lokalni maksimum u tacki x = 0, koji je i globalni maksimum, a globalnog minimuma nema (slika lijevo). Ako je posmatramo na skupu [1, 2] i
dalje je globalni maksimum u x = 0, ali sada je globalni minimum u tacki
70

z
y
b
Slika 2.3: Graf funkcije f (x, y) = xyex
2 y 2
1
1
2
1
1
1
1
Slika 2.4: Globalni ekstrem funkcije jedne varijable

x = 2 (slika u sredini). Ako je posmatramo za vrijednosti iz [2, 1], njen
globalni minimum je u x = 2, a globalni maksimum je u x = 1 (slika
desno). Dakle, globalni ekstrem funkcije direktno zavisi od podrucja na kom
tu funkciju posmatramo.
Nesto slicno imamo i kod funkcija vise promjenljivih.
Primjer 2.37. Odrediti globalne ekstreme funkcije f (x, y) = x2 +y 2 na skupu

D = (x, y)| x2 + 4y 2 4 .
Skup D je zatvoren i ogranicen, pa na osnovu Teoreme 2.8.1, funkcija f

dostize svoju najmanju i najvecu vrijednost.
Kako je funkcija diferencijabilna (kao polinomijalna funkcija), njene jedine
kriticne tacke su stacionarne tacke, koje dobijamo iz uslova
f (x, y) = (2x, 2y) = 0 .
U tacki (0, 0) je moguc lokalni ekstrem funkcije ali moramo sada posmatrati
sta se dogada sa nasom funkcijom na rubu oblasti D, tj. na skupu

D = (x, y)| x2 + 4y 2 = 4 .
S obzirom da su na D nezavisne varijable vezane relacijom x2 + 4y 2 = 4,

uvodeci polarne koordinate, tj. smjene x(t) = 2 cos t i y(t) = sin t, gje je
71

t [0, 2], nasa funkcija f postaje funkcija jedne varijable
g(t) = f (x(t), y(t)) = f (2 cos t, sin t)
= 4 cos2 t + sin2 t
= 3 cos2 t + 1 ,
gdje je t [0, 2]. Ekstremne vrijednosti funkcije g ce biti i ekstremne
vrijednosti funkcije f . Zato posmatrajmo jednacinu
g (t) = 6 cos t sin t = 0 .
i t = 2. Dakle, pored
Stacionarne tacke ce biti t = 0, t = 2 , t = , t = 3
2
tacke (0, 0) imamo jos cetiri kandidata za globalni ekstrem, a to su tacke
(2, 0), (0, 1), (2, 0) i (0, 1), odredene gornjim vrijednostima za t.
Izracunavajuci sada vrijednost funkcije u svakoj od ovih pet tacaka, odredujemo
globalne ekstreme.
f (0, 0) = 0 , f (2, 0) = 4 , f (0, 1) = 1 , f (2, 0) = 4 , f (0, 1) = 1 .
Uporedujuci gornje vrijednosti, zakljucujemo da funkcija f ima globalnu
maksimalnu vrijednost 4 u tackama (2, 0) i (2, 0) i globalnu minimalnu
vrijednost 0 u tacki (0, 0).
Kao sto nam pokazuje upravo uradeni primjer, za funkciju zadatu na

zatvorenoj i ogranicenoj oblasti odredivanje globalnih ekstrema se svodi na
to da pronademo lokalne ekstreme i ekstreme funkcije na rubu te oblasti, a
onda odredujemo sta ce biti globalne ekstremne vrijednosti. Ako funkciju ne
posmatramo na zatvorenoj i ogranicenoj oblasti, onda se problem odredivanja
globalnih ekstrema svodi na to da pronademo lokalne ekstreme, a onda nekom
metodom ispitamo da li su oni ujedno i globalni ekstremi. Posmatrajmo
sljedeci primjer.
Primjer 2.38. U nekoj firmi zele da naprave pravougaonu posudu bez krova,
zapremine 500 m3 i da pritome utrose sto je manje moguce materijala.
Oznacimo sa x i y duzine stranica te posude u osnovi i sa z visinu te
posude (sve velicine su izrazene u metrima), tada u stvari treba pronaci
minimalnu vrijednost funkcije
M (x, y, z) = xy + 2xz + 2yz ,
pri cemu zapremina mora biti xyz = 500. Izrazavajuci z iz ove jednakosti i
uvrstavanjem u funkciju M , dobijamo funkciju
M(x, y) = xy +
72
1000 1000
+
,
y
x

kojoj treba odrediti minimalnu vrijednost na beskonacnom pravougaoniku
R = {(x, y)| x > 0 , y > 0} .
Rjesavanjem sistema
M
x
M
y
1000
=0
x2
1000
= x 2 =0
y
= y
dobijamo jedinu stacionarnu tacku A(10, 10).

Hesijan funkcije M glasi

2000
1
3
x
,
HM(x, y) =
1 2000
y3
odnosno
HM(10, 10) =
2 1
1 2
Kako je det(HM(10, 10)) = 3, zakljucujemo da je Hesijan pozitivno definitan,

a to znaci da funkcija M ima lokalni minimum u tacki A(10, 10) i pri tome
je
1000 1000
Mmin = M(10, 10) = 10 10 +
+
= 300 .
10
10
Ostaje nam ispitati da li je ovo i globalni minimum funkcije M?
Ako je bilo koja varijabla manja od jedan, tj. 0 < x < 1 ili 0 < y < 1, tada
je 1000
> 1000, odnosno 1000
> 1000, pa je ocigledno vrijednost funkcije M
x
y
veca od 300. Ako je sada x 400 i y 1, onda je xy 400, pa bi opet
vrijednosti nase funkcije bile vece od 300 (analogno i slucaj y 400 i x 1).
Dakle, ako posmatramo skup
D = {(x, y)| 1 x 400 , 1 y 400} ,
izvan skupa D vrijednosti funkcije M su vece od 300. Na skupu D nasa
funkcija ima globalni minimum u tacki (10, 10), pa je to onda ocigledno
globalni minimum funkcije na citavom skupu R.
Ostaje samo jos zakljuciti da je tada
z=
500
=5,
10 10
odnosno da posuda treba biti dimenzija 10105, da bi imala odgovarajucu

zapreminu i da bi imali minimalne troskove.
73
2.8.3
Uslovni ekstrem
Primjer 2.38 ima neke slicnosti sa Primjerom 2.37. Naime, u oba primjera
smo nalazili ekstremne vrijednosti funkcije pod restrikcijom na podskup koji
je manje dimenzije. U prvom primjeru smo ekstremizirali funkciju f (x, y) =
x2 + y 2 sa restrikcijom na jednodimenzionalnoj elipsi x2 + 4y 2 = 4. U drugom
primjeru smo ekstremizirali funkciju tri varijable M (x, y, z) = xy +2xz +2yz
sa restrikcijom na trodimenzionalnu povrs xyz = 500.
U prvom smo primjeru problem rijesili tako sto smo parametrizovali elipsu,
a zatim smo ekstremizirali funkciju jedne varijable. U drugom smo izrazili
z kao funkciju od x i y, a zatim smo ekstremizirali funkciju dvije varijable.
U ovoj sekciji cemo dati generalni metod za rjesavanje oba ova ali i drugih
slicnih problema.
U osnovnom slucaju ekstremizacija, zadata je neka (diferencijabilna) funkcija f : Rn R za koju zelimo naci ekstremne vrijednosti. Taj problem smo
rjesavali nalazenjem svih kriticnih tacaka funkcije, a onda testom druge derivacije ispitivali karakter tih tacaka. Medutim, kao sto smo vidjeli u Primjeru
2.38, nekada treba izvrsiti ekstremizaciju funkcije, pri cemu su nezavisne varijable te funkcije vezane nekim uslovom, tj. trazimo ekstremnu vrijednost
funkcije f (x1 , x2 , ..., xn ) = y, pri uslovu g(x1 , x2 , ..., xn ) = 0. Ovakvu vrstu
ekstremizacije nazivamo uslovna ekstremizacija.
Primjer 2.39. Neka treba odrediti minimum funkcije z = x2 + y 2 pri uslovu
x + y = 1, tj.
x2 + y 2 min
x+y1 =0 .
Ocigledni minimum funkcije, bez uslova , je u tacki (0, 0) i vidimo da ta
geometrijski predstavlja uslov u
tacka ne zadovoljava uslov x + y = 1. Sta
gornjem problemu?
Graf funkcije z = x2 + y 2 je paraboloid, a uslov x + y = 1 predstavlja
jednacinu ravni u R3 . Dakle, mi trazimo minimalnu vrijednost na paraboloidu ali samo u onim tackama u kojima se sijeku paraboloid (ciljna funkcija)
i ravan (uslovna funkcija). Sa slike vidimo da se trazi minimum funkcije
koja predstavlja parabolu u prostoru R3 . Zaista, koristeci uslovnu funkciju,
mozemo izraziti jednu varijablu, npr. y = 1 x, pa stavljajuci to u izraz
ciljne funkcije imamo,
z = x2 + (1 x)2 = 2x2 2x + 1 ,
a ovo je zaista jednacina parabole. Sada minimum ove funkcije nalazimo
kao problem ekstremizacije funkcije jedne vaerijable. z = 4x 2, pa imamo
74

z
y
x
Slika 2.5: Uslovni ekstrem

jednu stacionarnu tacku x0 = 12 . Kako je z = 4, dakle pozitivan, to u tacki
x0 funkcija ima minimum. Izracunavajuci y0 = 1 x0 = 12 , zakljucujemo da
funkcija z = x2 + y 2 ima minimum u tacki ( 12 , 21 ), pri uslovu x + y = 1.
Gornji primjer nam daje jedan metod za rjesavanje problema uslovne ekstremizacije, ali jasno je da ce primjena ovog metoda biti kudikamo slozenija,
za malo slozenije uslovne funkcije. Zato nam je u interesu imati i neki drugi
metod, a najopstiji od svih je tzv. Lagrangeov metod, koga cemo sada izloziti.
ce biti motivacija za ovaj metod? Posmatrajmo ponovo gornji primjer
Sta
i konturnu sliku grafova ciljne i uslovne funkcije (slika 2.6).
Nivo linije funkcije z = x2 + y 2 predstavljaju koncentricne centralne
kruznice (x2 +y 2 = k), a uslovna funkcija zbog svog polozaja (ortogonalna na
xOy ravan), predstavljena je pravom linijom u xOy ravni. Na slici uocavamo
da prava neke od konturnih linija sijece, neke nivo linije nece uopste sjeci ali
da samo jednu nivo liniju dodiruje. Strelice na slici nam pokazuju pravce
rasta ciljne funkcije (gradijentni vektor u razlicitim tackama), a time je onda
odredeno da nivo linije paraboloida blize koordinatnom pocetku, odgovaraju manjim vrijednostima funkcije (u opstem slucaju ovo nije pravilo). Ovo
onda znaci da upravo ona nivo linija koja se dodiruje sa uslovnom funkcijom
predstavlja bitan momenat. Naime, tacke na onim nivo linijama koje se ne
sijeku sa uslovnom funkcijom i ne mogu biti kandidati za uslovne ekstreme,
a jasno je da od momenta kada prava presjece jednu od nivo linija, sjeci ce i
svaku vecu nivo liniju, pa dakle tu i nemozemo traziti konacnu ekstremnu
vrijednost.
Naravno, traziti nivo liniju zadate povrsi koja ce dodirivati uslovnu funkciju ne bi bio lagan posao. Zato se prisjetimo da je ugao izmedu dvije
krive koje se sijeku, jednak uglu izmedu njihovih tangenti u presjecnoj tacki.
Dakle, ako se dvije linije dodiruju, onda se njihove tangente u dodirnoj tacki
75

5
4
3
2
1
5
1
1
2
3
4
5
Slika 2.6: Nivo linije funkcije z = x2 + y 2 sa uslovnom funkcijom x + y = 1

poklapaju, ili drugacije iskazano, vektori normala na tim tangentama su paralelni. Kako je gradijentni vektor upravo onaj vektor koji je ortogonalan
na nivo liniju u proizvoljnoj tacki, a uslov paralelnosti vektora je uslov njihove kolinearnosti, zakljucujemo da mi treba da odredimo upravo one tacke
(x, y) R2 u kojima vrijedi
(x2 + y 2 ) = (x + y 1) .
Zbog paralelnog pomjeranja, takvih vektora bi bilo beskonacno mnogo. Medutim,
mi trazimo tacke na uslovnoj krivoj koje to zadovoljavaju, tj. nalazimo tacke
(x, y) koje zadovoljavaju
(x2 + y 2) = (x + y 1) i
x+y1 =0 .
Generalno, ako rjesavamo problem
f (X) ext
g(X) = 0 ,
rjesenje ce biti u onim tackama X(x1 , x2 , ..., xn ) u kojima su zadovoljeni uslovi
f (X) = g(X)
(2.8.4)
g(X) = 0 .
(2.8.5)
Izlozeni metod se naziva Lagrangeov metod, a nova varijabla R koja se

pojavljuje u uslovu (2.8.4), naziva se lagrangeov multiplikator. Ako uvedemo
funkciju
(X, ) = f (X) g(X) ,
(2.8.6)
76

koju nazivamo Lagrangeova funkcija ili lagranzijan, nije tesko uociti da su
uslovi (2.8.4) i (2.8.5), ekvivalentni uslovu
(X, ) = 0 .
(2.8.7)
Zaista, nalazeci parcijalne izvode po promjenljivima xi (i = 1, 2, ..., n) imamo

f
g
, i = 1, 2, ..., n .
xi
xi
xi
Sada zbog (2.8.7), zakljucujemo da je
g
f
=0,
xi
xi
za sve i {1, 2, ..., n}, tj. vrijedi uslov (2.8.4).
Kako je
= g(X) ,
opet zbog (2.8.7) imamo

g(X) = 0 ,
odnosno uslov (2.8.5).
Na ovaj nacin smo prakticno dali i opis postupka rjesavanja uslovne ekstremizacije oblika
f (X) ext
g(X) = 0 .
1. Prvo formiramo lagranzijan

(x1 , x2 , ..., xn , ) = f (x1 , x2 , ..., xn ) g(x1 , x2 , ..., xn ) ,
2. Odredujemo (x1 , x2 , ..., xn , ).
3. Rjesavamo jednacinu (x1 , x2 , ..., xn , ) = 0, tj. sistem
x1
x2
.....
xn
f
g
=0
x1
x1
f
g
=
=0
x2
x2
.. .............................
f
g
=
=0
xn
xn
=
= g(x1 , x2 , ..., xn ) = 0 .
77

Rjesenja posljednjeg sistema su stacionarne tacke lagranzijana i ostaje
nam jos samo utvrditi karakter tih tacaka.
Primjetimo odma, da ce u pronadenim stacionarnim tackama X , biti
(X , ) = f (X ) ,
(jer je g(X ) = 0) tj. ekstremi lagranzijana ujedno su i ekstremi nase ciljne
funkcije. Zato za ispitivanje karaktera tih tacaka mozemo primjeniti test
druge derivacije ili ispitivanjem drugog diferencijala ciljne funkcije. Naime,
ako je d2 f (X ) > 0, imamo minimum, a ako je d2 f (X ) < 0 imamo maksimum ciljne funkcije sa zadatim uslovom. Ako je d2 f (X ) = 0, potrebna su
dodatna ispitivanja za odredivanje karaktera te tacke.
Primjer 2.40. Rijesiti problem
f (x, y) = x2 + y 2 ext
x+y =1 .
Kao sto smo rekli, formiramo prvo lagranzijan
(x, y, ) = f (x, y) g(x, y) = x2 + y 2 (x + y 1) ,
gdje je sa g(x, y) = x + y 1 zadata uslovna funkcija.
U drugom koraku racunamo gradijent lagranzijana

(x, y, ) =
,
,
= (2x , 2y , x + y 1) .
x y
Sada rjesavamo sistem
2x = 0
2y = 0
x+y1 = 0 .
Iz prve dvije jednacine sistema imamo 2x = 2y, tj. x = y, pa uvrstavajuci to
u trecu jednacinu, dobijamo x = y = 12 i za ove vrijednosti je = 1. Dakle,
imamo jednu stacioarnu tacku X0 12 , 12 , 1 .
Posljedni korak je utvrdivanje karaktera tacke X0 . Racunajuci druge
parcijalne izvode, imamo
d2 f (X0 ) = 2dx2 + 2dy 2 ,
i vidimo da je d2 f (X0 ) > 0 (kao suma
kvadrata), te dakle imamo minimum
funkcije f , pri uslovu g, u tacki 21 , 12 , i on iznosi fmin = 12 .
78

Primjer 2.41. Odrediti na kruznici k : (x 1)2 + (y 2)2 = 1 najblizu i
najdalju tacku od koordinatnog pocetka.
X2
2
1
2
1
1
X1
b
Problem mozemo rijesiti jednostavno,

povlaceci pravu odredenu tackama (0, 0) i
(1, 2), i nalazeci njen presjek sa zadatom
kruznicom.
Rijesimo problem ipak na tezi nacin.
Razmisljajmo ovako: ako opisemo centralnu
kruznicu proizvoljnog poluprecnika r, onda
ona na sebi sadrzi sve one tacke koje su na
istom odstojanju r od koodinatnog pocetka.
Naduvajmo neku malu centralnu kruznicu, sve do momenta njenog dodira sa zadatom krucnicom k. Tacka dodira ce upravo biti najbliza tacka
koordinatnom pocetku. Ako nastavimo naduvavanje, kruznice ce sjeci
kruznicu k ali tu nemamo tacaka koje su najblize ili najdalje jer su sve
one dalje od prve dodirne tacke, a naduvavanjem dobijamo sve dalje i dalje
tacke. Ovo naravno vrijedi do momenta kada ponovo dobijemo kruznicu koja
dodirne kruznicu k (velika crvena kruznica).
Cijeli opisani postupak nas navodi da problem postavimo ovako: nadimo
minimum i maksimum funkcije f (x, y) = x2 + y 2 (to su centralne kruznice
cije poluprecnike trazimo) pri uslovu (x 1)2 + (y 2)2 = 1 (na ovoj kruznici
trazimo najblizu i najdalju tacku). Dakle, rjesavamo
x2 + y 2 ext
(x 1)2 + (y 2)2 = 1 .
Lagranzijan problema je (x, y, ) = x2 + y 2 ((x 1)2 + (y 2)2 1), a

njegov gradijent, = (2x2(x1), 2y 2(y 1), (x1)2 + (y 2)2 1).
Rjesavamo sistem
2x 2(x 1) = 0
2y 2(y 1) = 0
2
(x 1) + (y 2)2 1 = 0 .

Stacionarne tacke su X1 1 + 15 , 2 + 25 i X2 1 15 , 2 25 . Prostom provjerom zakljucujemo da funkcija u ovim tackama ima najvecu i najmanju vrijednost, odnosno da su to najdalja i najbliza tacka koordinatnom
pocetku, na kruznici k.
79

Vratimo se na opasku tezi nacin rjesavanja. Postavimo problem da na
proizvoljnoj liniji g(x, y) = 0 nademo najblizu ili najdalju tacku od koordinatnog pocetka. Sada onaj laksi nacin uopste nemozemo primjeniti, a
ovaj tezi funkcionise. Dakle, on je univerzalnijeg karaktera i kao takav
mnogo bolji nacin. Npr. naci na grafu funkcije y = x2 + x + 1 tacku najblizu
koordinatnom pocetku.
U prethodna dva primjera vidjeli smo kako funkcionise Lagrangeov metod,

pri cemu smo imali samo jedno oganicenje, a time i jednu dodatnu varijablu
problema. Naravno da ogranicenja moze biti i vise, medutim metod se bitno
nece mijenjati. Naime, neka je zadat problem sa dva ogranicenja.
f (x1 , x2 , ..., xn ) ext
h(x1 , x2 , ..., xn ) = 0 ,
g(x1 , x2 , ..., xn ) = 0 .
Formiramo lagranzijan, tako da svakom ogranicenju pridruzimo po jedan

lagrangeov multiplikator,
(x1 , x2 , ..., xn , , ) = f (x1 , x2 , ..., xn )h(x1 , x2 , ..., xn )g(x1 , x2 , ..., xn ) .
Nalazenjem gradijenta lagranzijana, postavljamo sistem
f
g
h
=
= 0 , i = 1, 2, ..., n
xi
xi
xi
xi
= g(x1 , x2 , ..., xn ) = 0
= h(x1 , x2 , ..., xn ) = 0 ,
cijim rjesavanjem dobijamo stacionarne tacke problema. Kao i u slucaju

jednog ogranicenja, nekim od poznatih postupaka odredimo karakter stacionarnih tacaka.
U opstem slucaju, ako imamo k ogranicenja gi (x1 , x2 , ..., xn ) = 0, postupak je isti, a lagranzijan je
(X, ) = f (X)
k
X
i gi (X) , = (1 , 2 , ..., k ) .
i=1
Primjer 2.42. Rijesimo problem

f (x, y, z) = 4y 2z ext
80

2x y z 2 = 0 ,
x2 + y 2 1 = 0 .
Za egzistenciju rjesenja gornjeg problema pozivamo se na Teorem 2.8.1.

Zaista, zbog drugog ogranicenja, ocigledno je da vrijedi 0 x, y 1, a iz
prvog ogranicenja onda zakljucujemo da je 3 z 0, pa je skup na kome
trazimo ekstremne vrijednosti funkcije ogranicen i zatvoren.
Lagranzijan glasi
(x, y, z, , ) = 4y 2z (2x y z 2) (x2 + y 2 1) .
Nalazimo parcijalne izvode lagranzijana
= 2 2x
= 4 2y
= 2
= 2x + y + z + 2
= x2 y 2 + 1 .
Sistem koga rjesavamo ima pet nepoznatih (x, y, z, , ) i pet jednacina

2 2x
4 + 2y
2 +
2x + y + z + 2
x2 y 2 + 1
=
=
=
=
=
0
0
0
0
0.
Iz trece jednacine direktno slijedi = 2. Ubacujuci to u prvu i drugu

jednacinu, dobijamo
2
3
x= , y= .
Stavljajuci ove rezultate u petu jednacinu, imamo
4
9
13
+
=
=
1
=
13 .
2 2
2
81
Sada imamo dva slucaja. Za = 13, x = 213 i y = 313 . Iskoristimo li i

cetvrtu jednacinu, dobijamo z = 2 713 . Time smo dobili prvu stacionarnu
tacku
2
3
7
X1 (x, y, z, , ) = X1 ( , , 2 , 2, 13) .
13 13
13
Analogno, za slucaj = 13, dobijamo stacionarnu tacku
2
3
7
X2 ( , , 2 + , 2, 13) .
13
13
13
Lahko se sada provjerava da u tacki X1 imamo maksimum
26
fmax = f (X1 ) = 4 + ,
13
a minimum u tacki X2
26
fmin = f (X2 ) = 4 .
13
82

FunkcijeViseVarijabli (Neprekidnostdiferencijabilnost) 2014 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

FunkcijeViseVarijabli (Neprekidnostdiferencijabilnost) 2014 PDF

Uploaded by

Copyright:

Available Formats

Nermin Okicic

Osnovni elementi preslikavanja . . . . . . . . . . .

Graficko predstavljanje funkcija . . . . . . . . . . .

Pojam granicne vrijednosti . . . . . . . . . . . . . 12

Simultana i uzastopna granicna vrijednost . . . . . 19

Neprekidnost funkcije n varijabli . . . . . . . . .

Notacija y = f (x), gdje je f : R R, sluzila nam je za iskazati da

gdje je G univerzalna gravitaciona konstanta.

1.1. Pojam funkcije vise promjenljivih

Pojam funkcije vise promjenljivih

Neka su SX Rn i SY Rm proizvoljni skupovi.

Osnovni elementi preslikavanja

U izrazu f : Df R, skup Df nazivamo domenom funkcije f i kao i kod

1.1. Pojam funkcije vise promjenljivih

(a) Otvorena jedinicna kugla, {(x, y) | x2 + y 2 < 1}

(b) Rub jedinicne kugle,

(c) Zatvorena jedinicna kugla, {(x, y) | x2 + y 2 1}

Slika 1.2: Unutrasnje i rubne tacke jedinicne kugle u ravni.

1.1. Pojam funkcije vise promjenljivih

x i y su nezavisne varijable, a domen

x i y su nezavisne varijable, a domen je

Kodomen funkcija vise varijabli je dio realne prave i naravno diktiran je

1.1. Pojam funkcije vise promjenljivih

U grafickom predstavljanju funkcija vise varijabli uobicajena su dva nacina,

(a) Presjek sa ravni z = c

(b) Pogled sa z-ose

Slika 1.3: Konturna linija grafa i njoj odgovarajuca nivo linija.

1.1. Pojam funkcije vise promjenljivih

(b) Nivo linije funkcije f (x, y) = 4 2x2 y 2 .

(a) Pogled sa z-ose

Slika 1.4: Formiranje konturne slike.

Za proizvoljnu tacku (x, y) na centralnoj kruznici x2 + y 2 = r 2 , poluprecnika

1.1. Pojam funkcije vise promjenljivih

Slika 1.6: Prikazivanje nadmorskih visina pomocu nivo linija.

Slika 1.7: Nivo povrsi funkcije f (x, y, z) = x2 + 2y 2 + 3z 2 (elipsoidi).

1.1. Pojam funkcije vise promjenljivih

Slika 1.8: Nivo linije (a) i graf (b) funkcije f (x, y) =

Slika 1.9: Nivo linije (a) i graf (b) funkcije f (x, y) =

1.1. Pojam funkcije vise promjenljivih

Na osnovu recenog zakljucujemo da je grafik funkcije slika njene oblasti

nazivamo graf funkcije f .

Primjetimo da je graf G funkcije f : Rn R u prostoru Rn+1 , pa kao

1.1. Pojam funkcije vise promjenljivih

Slika 1.11: Paraboloid; Graf funkcije z = 2x2 + y 2 .

mozemo se posluziti konturnim crtanjem i zakljuciti da graf funkcije osciluje

1.1. Pojam funkcije vise promjenljivih

Slika 1.12: Graf funkcije f (x, y) =

Slika 1.13: (lijevo) z = sin x, (desno) z = y 2 .

1.2. Granicna vrijednost funkcije n varijabli

Neka je data funkcija y = f (x1 , x2 , ..., xn ) i A(a1 , a2 , ..., an ) Rn . Sa UA

(x1 ,...,xn)(a1 ,..,an )

Posmatrani limes nazivamo simultani limes, a odgovarajucu granicnu

1.2. Granicna vrijednost funkcije n varijabli

Ukoliko koristimo kubne okoline, Definicija 1.2.1 izgleda ovako.

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

tumacimo na sljedeci nacin:

1.2. Granicna vrijednost funkcije n varijabli

(b) Kugla sa metrikom d2

(a) Kugla sa metrikom d

Primjer 1.9. Granicni proces

tumacimo na sljedeci nacin: Za proizvoljno > 0, postoje = () > 0 i

Kao i u prethodnom primjeru, za svako X iz pravougaonog pojasa (formalno

Tada postoje i granicne vrijednosti funkcija f (X) g(X), f (X) g(X),