Professional Documents
Culture Documents
FunkcijeViseVarijabli (Neprekidnostdiferencijabilnost) 2014 PDF
FunkcijeViseVarijabli (Neprekidnostdiferencijabilnost) 2014 PDF
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
1.1.2
Grani
cna vrijednost funkcije n varijabli . . . . .
12
1.2.1
1.2.2
23
Gm1 m2
, m1 , m2 , r > 0 ,
r2
1.1
1.1.1
(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
unutrasnjost domena
Df
rub domena
Primjer 1.2.
unutrasnjost domena
Za funkciju f : Df R,
f (x, y) = log (y x2 ) ,
Df
rub domena
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
z
Konturna linija
z
y
z=c
x
y
x
y
Nivo linija
(c) Nekoliko
sjeka
pre-
x
b
p
sin x2 + y 2
Slika 1.5: Nivo linije povrsi f (x, y) = p
.
x2 + y 2
3
0
30
20
0
0 0
40 50 653
60
0
30
400 0
500
y
x
2
5
0
-2
0
-5
-2
0
-4
-4
-2
(a)
-5
(b)
x2 y
x2 + y 2
0.5
0
0.0
-0.5
-2
0
-5
-4
0
-5
-6
-6
-4
-2
(a)
(b)
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
aplikata
b
apscisa
ordinata
b
x0
y0
y
sin r
.
r
10
2 2
x +y
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
11
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
Cinjenicu
da funkcija f ima u tacki A granicnu vrijednost jednaku L,
simbolicki zapisujemo sa
lim f (X) =
XA
lim
f (X) =
lim
x1 a1 ,...,xnan
f (x1 , x2 , ..., xn ) = L .
12
Definicija 1.2.2
Funkcija f u tacki A Rn ima granicnu vrijednost jednaku L ako vrijedi,
1 tacka A je tacka nagomilavanja domena funkcije f ,
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| < .
(x,y)(a,b)
(1.2.1)
X A
b
b+
b
b
b+
a+
XA
b
b
b
b
b
a+
x +
yb
f (x, y) = L ,
X
b
b+
b
b
b
b
b
XA
lim g(X) = 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
XA
XA
XA
XA
lim
xk = ak .
(x,y)(a,b)
f (x, y) =
lim
(x,y)(a,b)
x=a.
(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)
(x,y,z)(1,2,1)
xyz = 1 2 1 = 2 .
(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 .
XA
XA
lim
(x,y)(1,1)
e(x
3 y 2 +3x2 y)
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)
XA
(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
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
XA
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
lim
1 1
nn
1
n2
1
n2
lim
n 22
n
1
,
2
+
n1
n12
1
=
lim
= .
1
2
n
2
+ n2
n2
1.2.2
xa
xa
xa+
19
y
x a
a+ x
b
lim
xn a1 xn1 an1
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
xy
x2 +y 2
u tacki
ax
b
(x, y)
(x, y)
yb
yb
b
(a, b)
(a, b)
ax
yb xa
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
xa
yb xa
L12 6= L21
lim
x0
y +
x cos y = 0 .
22
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
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
L = lim
L = lim
iz cega je jasno da L ne postoji.
1.3
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
24
(x,y)(0,1)
f (x, y) =
lim
(x,y)(0,1)
(x,y)(x0 ,y0 )
Teorem 1.3.2
Ako je racionalna funkcija f definisana u tacki A, tada vrijedi
lim f (X) = f (A) ,
XA
(x,y)(1,1)
f (x, y) =
x+y
x2 +y 2
1+1
x+y
=
= 1 = f (1, 1) .
(x,y)(1,1) x2 + y 2
12 + 12
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 )
sin( x2 +y2 )
; (x, y) 6= (0, 0)
x2 +y 2
F (x, y) =
1
; (x, y) = (0, 0)
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.
Primjer 1.25. f (x, y) =
x2 + y 2 = 1.
ex + ey
. Linija prekida ove funkcije je kruznica
x2 + y 2 1
ln (4
x2
1
. Povrs prekida funkcije je
y2 z2)
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
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
2.8.2
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
(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
v~
b
~v
X
~
w
w
~
1
~v
= (1, 1) ,
||~v||
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
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)
2.2
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
g (x1 ) = lim
k = 1, 2, ..., n
32
33
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) .
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
,
=
.
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.
1
1
1
1
=
+ + . (2.2.1)
R R1 R2 R3
R3
U
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 .
4m
x - duzina pravougaonika
y - sirina pravougaonika
P - povrsina pravougaonika
t - vrijeme
P
6m
3m
36
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
= 2x cos + 2y sin
x y
= 2(cos2 sin2 ) = 2 cos 2 ,
f
f x f y
=
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
, ,
= 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) ,
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
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
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.
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)
XA
i
d(X, A) =
n
X
k=1
(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
(3.04)2 + (3.98)2 5 +
3
4
0.04 + (0.02) = 5.008 .
5
5
f
(A) ; k = 1, 2, ..., n .
xk
n
X
k=1
pk xk + (X)d(X, A) .
xk ak
f (A)
= pk + sgn(xk ak ) lim (a1 , ..., ak1 , xk , ak+1 , ..., an ) .
xk ak
xk
f
(A) ,
xk
f
f
f
(X)dx1 +
(X)dx2 + ... +
(X)dxn ,
x1
x2
xn
(2.4.3)
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
XA
(x, y) =
xy 2
(x2 + y 2) 2
lim
x0,y0
xy 2
3
(x2 + y 2 ) 2
44
=0,
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
45
f
f
(X1 )(x a) +
(X2 )(y b) ,
x
y
(2.4.4)
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
Du f (A) = lim
(t) = lim
s0
(2.4.5)
f
(a1 + hu1 , a2 + tu2 ) .
y
(2.4.6)
f
(a1 + tu1 , a2 ) ,
x
f
f
(a1 , a2 ) + u2 (a1 , a2 ) .
x
y
(2.4.10)
1
1
Du f (1, 1) = f (1, 1) u = (4, 2) ,
=3 2,
2
2
48
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.
(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)||
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
(2.4.12)
,
= 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
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
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
; fyy = 2e
x2+y 2
+2y2ye
2 +y 2
x2 +y 2
= 2e
= 4xyex
2 +y 2
(1+2y 2) .
x2 y 2
; (x, y) 6= (0, 0)
xy 2
f (x, y) =
x + y2
0
; (x, y) = (0, 0)
53
f
f
(0, h)
(0, 0)
x
x
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
fxi (c).
f
,
xi
tj.
55
(2.6.2)
(t) = f (A+th)
hT = [h1 h2 ] ,
posljednje mozemo zapisati sa
(t) = hT Hf (A + th)h .
(2.6.4)
(2.6.5)
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
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
x
x
e2x+y
1 2 2
0 ,
M = 2 5
2 0
3
(2.6.6)
58
1 2
2 1
2 1 1
5 1 ,
M = 1
1
1 2
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
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
a11
a21
M =
an1
a12
a22
an2
a1n
a2n
,
ann
2 1 1
5 1 ,
M = 1
1
1 2
2.7
2f 2
2f
2f
2f 2
dx
+
...
+
dx
+
2
dx
dx
+
...
+
2
dxn1 dxn .
1
2
x21 1
x2n n
x1 x2
xn1 xn
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
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
2.8.1
Nala
zenje lokalnog ekstrema
(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
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
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
y
,p
).
x2 + y 2
x2 + y 2
x
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)
(2.8.3)
68
2 y 2
(y 2x2 y, x 2xy 2) .
2 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
Hf (M2 ) = Hf (M5 ) = e
2 0
0 2
2e1
0
0
2e1
= 4e1 > 0 ,
2.8.2
Nala
zenje globalnog ekstrema
2 y 2
1
1
2
1
1
1
1
1000 1000
+
,
y
x
1000
=0
x2
1000
= x 2 =0
y
= y
2 1
1 2
500
=5,
10 10
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
y
x
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
1
1
2
3
4
5
(2.8.4)
g(X) = 0 .
(2.8.5)
(2.8.7)
, 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) ,
x1
x2
.....
xn
f
g
=0
x1
x1
f
g
=
=0
x2
x2
.. .............................
f
g
=
=0
xn
xn
=
= g(x1 , x2 , ..., xn ) = 0 .
77
2
1
2
1
1
X1
b
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 .
f
g
h
=
= 0 , i = 1, 2, ..., n
xi
xi
xi
xi
= g(x1 , x2 , ..., xn ) = 0
= h(x1 , x2 , ..., xn ) = 0 ,
k
X
i gi (X) , = (1 , 2 , ..., k ) .
i=1
= 2 2x
= 4 2y
= 2
= 2x + y + z + 2
= x2 y 2 + 1 .
=
=
=
=
=
0
0
0
0
0.
4
9
13
+
=
=
1
=
13 .
2 2
2
81
2
3
7
X1 (x, y, z, , ) = X1 ( , , 2 , 2, 13) .
13 13
13
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