Sadr aj z

2.4 Diferencijabilnost funkcije vi e promjenljivih . . . . s 2.4.1 Izvod u pravcu . . . . . . . . . . . . . . . . . . 2.4.2 Parcijalni izvod i parcijalni diferencijal . . . . 2.4.3 Gradijent . . . . . . . . . . . . . . . . . . . . . 2.4.4 Diferencijabilnost funkcija vi e promjenljivih s 2.4.5 Pravila diferenciranja . . . . . . . . . . . . . . 2.4.6 Izvodi vi eg reda, Hesseova matrica . . . . . . s 2.4.7 Diferencijali vi eg reda . . . . . . . . . . . . . s 2.4.8 Teorem o ekstremnoj vrijednosti . . . . . . . . 2.4.9 Nala enje lokalnog ekstrema . . . . . . . . . . z 2.4.10Nala enje globalnog ekstrema . . . . . . . . . z 2.4.11Uslovni ekstrem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 38 40 46 47 58 58 68 69 70 76 79

2.4. Diferencijabilnost funkcije vi e promjenljivih s

2.4 Diferencijabilnost funkcije vie proms jenljivih

U ovoj glavi govorit cemo o drugoj va noj osobini proizvoljnog pres z likavanja, o diferencijabilnosti. Ovdje cemo pretpostavljati uvijek ako druga ije nije nagla eno, da svaka ta ka domena Df posmac s c tranog 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) re i cemo da je oblast c n u prostoru R .

2.4.1 Izvod u pravcu

Za funkciju : R R, izvod u ta ki x0 D denisali smo sa c (x0 + h) (x0 ) , (2.4.1) h0 h i geometrijski, predstavljao je nagib tangente (tj. najbolju linearnu aproksimaciju) na krivu u ta ki (x0 , (x0 )) ili trenutnu mjeru promc jene funkcije (x) u odnosu na varijablu x, kada je x = x0 . Kao uvod za nala enje ovakve najbolje linearne aproksimacije za funkciju z n f : R R, poku at cemo iskoristiti, tj. generalizovati (2.4.1) da s bi realizovali ideju nagiba i mjere promjene za ovakvo preslikavanje. Posmatrajmo funkciju f : R2 R, denisanu sa (x0 ) = lim f (x, y) = 4 2x2 y 2 , ciji je graf prikazan na slici (2.1). Ukoliko zelimo da vizualiziramo kretanje po ovom grafu (povr i), nagib puta po kome se kre emo s c ovisi od polazne ta ke ali i od pravca na eg kretanja. Naprimjer, c s neka je startna ta ka (1, 1, 1) na povr i i neka je pravac kretanja c s odredjen vektorom v = (1, 1, 3). Ovo ce uzrokovati kretanje di rektno ka vrhu grafa i jasno je da je mjera promjene rastu a. c Medjutim, ako se iz iste ta ke kre emo u pravcu vektora v , onda c c silazimo niz graf, tj. mjera promjene je opadaju a. Obje ove c mogu nosti nazna ene su na slici crvenom bojom. c c Ako iz iste ta ke krenemo u pravcu vektora w = (1, 2, 0), vidimo c da je putanja kretanja po elipsi 2x2 + y 2 = 3 , 38

2.4. Diferencijabilnost funkcije vi e promjenljivih s tj. obilazimo oko grafa, pa je nagib bez promjene, a time i mjera promjene je 0. Ova mogu nost kretanja je na slici prikazana zec lenom bojom. Dakle, govoriti o nagibu na graf funkcije f u ta ki, c zahtijeva specicirati pravac kretanja.

v x v c w w y

Slika 2.1: Izvod u pravcu Kretanju na grafu iz ta ke (1, 1, 1), u pravcu vektora v , odgoc vara kretanje u domenu funkcije, iz ta ke c u pravcu vektora v = c (1, 1). Analogno kretanju u pravcu vektora w , odgovara kretanje iz c u pravcu w = (1, 2). Dakle, ukoliko se kre emo iz ta ke c c c = (1, 1) u pravcu vektora u= tada izraz v 1 = (1, 1) , ||v|| 2

f (c + hu) f (c) , h za proizvoljno h > 0, ce predstavljati aproksimaciju nagiba na graf funkcije f u ta ki c, u pravcu u. Kao sto smo to radili sa funkcijama c jedne varijable, pu taju i sada da h te i ka 0, dobili bi smo egzaks c z

39

2.4. Diferencijabilnost funkcije vi e promjenljivih s tan nagib na graf, u ta ki c, u pravcu u. Uradimo malo ra una. c c f (c + hu) f (c) = f h h 1 ,1 f (1, 1) 2 2 2 2 h h 1 1 = 42 1 2 2 h2 = 3 3 1 2h + 2 2 3h 3h . =h 3 2 = 3 2h 2 2

Odavde je sada f (c + hu) f (c) 3h =3 2. = lim 3 2 h0 h0 h 2 c Dakle, na graf ima nagib od 3 2 ukoliko startujemo iz ta ke (1, 1), s u pravcu vektora u. Sli nim ra unom bi dobili da je u pravcu u c c 1 nagib 3 2, odnosno u pravcu vektora ||w = 5 (1, 2) nagib je 0. w|| lim Denicija 2.4.1. Neka je funkcija f : Rn R denisana u nekoj otvorenoj kugli oko take c. Za dati vektor u, izraz c Du f (c) = lim f (c + hu) f (c) , h0 h (2.4.2)

ukoliko limes postoji, nazivamo izvod u pravcu, funkcije f , u pravcu vektora u, u taki c. c 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 .

2.4.2 Parcijalni izvod i parcijalni diferencijal

Kao sto smo vidjeli iz gornjeg, za funkciju vi e varijabli ne mo emo s z jednostavno govoriti o izvodu te funkcije, tj. mo emo govoriti o z izvodu ali pri tome moramo znati pravac kretanja, i tada ustvari govorimo o izvodu u pravcu. Pravac u kome nalazimo izvod funkcije 40

2.4. Diferencijabilnost funkcije vi e promjenljivih s vi e varijabli mo e biti proizvoljan, ali pravci odredjeni baznim veks z torima prostora domena su od posebne va nosti. Neka su e1 , e2 , ..., en z standardni vektori baze prostora Rn , tj. 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 denisana u nekoj okolini UA ta ke A(a1 , a2 , ..., an ) Rn . Razc motrimo za trenutak funkciju g : R R, uvedenu na sljede i na in c c g(t) = f (t, x2 , x3 , ..., xn ) , tj. deni emo je preko funkcije f , tako sto po ev od druge, sve s c varijable dr imo ksnim (ne mjenjamo ih), a samo prvu shvatimo z kao varijablu. Dakle, tada je g funkcija jedne varijable pa na nju mo emo primjeniti jednakost (2.4.1), z g (x) = lim Ali tada imamo g (x1 ) = lim = = = = g(x1 + h) g(x1 ) 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 h0 h De1 f (X) .
h0

g(x + h) g(x) . h0 h

Vidimo da je izvod funkcije g u ta ki x1 u stvari izvod u pravcu, c funkcije f u ta ki X, u pravcu vektora e1 . c Na isti na in smo mogli ksirati proizvoljnu k-tu promjenljivu (k = c 1, 2, ..., n) funkcije f , tj. staviti da je g(t) = f (x1 , x2 , ..., xk1 , t, xk+1 , ..., xn ) i zaklju iti da bi vrijedilo c g (xk ) = Dek f (X) .

41

2.4. Diferencijabilnost funkcije vi e promjenljivih s Denicija 2.4.2. Neka je funkcija f : Rn R denisana u nekoj okolini take A i neka je ek (k {1, 2, ..., n}) k-ti vektor standardne c baze u Rn . Ukoliko postoji, izvod u pravcu Dek f (A) nazivamo parcijalni izvod funkcije f po promjenljivoj xk , u taki A. c Naravno da smo pojam parcijalnog izvoda mogli uvesti i na mnogo formalniji na in, uvode i pojmove prira taja. c c s Denicija 2.4.3. Neka je X(x1 , x2 , ..., xn ) proizvoljna taka iz okoline c UA take A(a1 , a2 , ..., an ). Razliku c xk = xk ak ; k = 1, 2, ..., n

nazivamo prira tajem varijable xk , a razliku s

xk f (X)

= f (x1 , ..., xk +

xk , ..., xn ) f (x1 , ..., xn )

nazivamo parcijalnim prira tajem funkcije f po promjenljivoj xk , u s taki X. Na isti nain deni emo parcijalni prira taj funkcije u proizvoljnoj c c s s taki A(a1 , ..., an ): c
xk f (A)

= f (a1 , ..., ak +

xk , ..., an ) f (a1 , ..., an )

Primje ujemo da parcijalni prira taj funkcije n promjenljivih doc s bijamo tako sto vr imo promjenu samo jedne varijable dok ostale s dr imo ksnim. z Denicija 2.4.4. Granina vrijednost c lim
xk f (A)

xk 0

xk

= lim

xk ak

f (a1 , ..., xk , ..., an ) f (a1 , ..., an ) , xk ak

naziva se parcijalnim izvodom funkcije f po promjenljivoj xk u taki c A. Na analogan na in deni emo parcijalni izvod u proizvoljnoj c s ta ki c lim
xk f (X) xk 0

xk

= lim

f (x1 , ..., xk +

xk 0

xk , ..., xn ) f (x1 , ..., xn ) . xk

U razli itim knjigama matemati ke analize nalazimo razne oznake c c za parcijalne izvode, kao npr. fxk ; fxk ; f i sl. . xk

42

2.4. Diferencijabilnost funkcije vi e promjenljivih s

f Mi cemo naj e ce koristiti oznaku xk , zato primjetimo da ovdje c s nismo koristili ozna avanje koje smo imali kod funkcije jedne promc df f jenljive, tj. oznaku dx . Razlog za to je cinjenica da izraz xk ni u kom slu aju ne mo emo shvatiti kao dijeljenje (f sa x) sto je bio slu aj c z c df sa dx (df = f (x)dx). Tehnika odredjivanja parcijalnog izvoda se ni u cemu ne raz likuje od tehnike izra unavanja izvoda funkcije jedne promjenljive. c Pri nala enju parcijalnog izvoda po promjenljivoj xk , sve ostale promz jenljive shvatamo kao konstante, a nalazimo izvod po xk , koriste i c pravila i tablicu izvoda funkcija jedne promjenljive.

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 (x, y + y) f (x, y) x(y + y) xy f (x, y) = lim = lim =x. y0 y0 y y y 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) . 43

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.4. Posmatrajmo funkciju f : R3 R, f (x, y, z) = ln(x + yz). f 1 1 (x, y, z) = ln(x + zy) = (x + zy) = , x x x + zy x x + yz f 1 z (x, y, z) = ln(x + yz) = (x + yz) = , y y x + yz y x + yz 1 y f (x, y, z) = ln(x + yz) = (x + yz) = . z z x + yz z x + yz Parcijalni izvodi u konkretnoj ta ki, npr. A(1, 1, 2) bili bi c f 1 (1, 1, 2) = , x 3 f 2 (1, 1, 2) = , y 3 1 f (1, 1, 2) = . z 3 Primjer 2.5. f (x, y) = x . y

y xx y y0 1 f = x 2 x = = , x y y2 y
y y x x y y f 0x x = = = 2 . y y2 y2 y

Kod funkcije jedne varijable y = f (x), ako je x = g(t), imali smo pravilo izvoda slo ene funkcije (pravilo kompozicije) y = f (g(t)), koje z glasi df df dx = . dt dx dt Pravilo kompozicije moramo takodje imati i kod funkcija vi e vars ijabli. Pokaza- emo to pravilo za funkciju dvije varijable, a ono se c lahko prenosi na funkcije sa n varijabli. 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: 44

2.4. Diferencijabilnost funkcije vi e promjenljivih s Ako su funkcije x(t) i y(t) diferencijabilne u t i ako je funkcija f diferencijabilna u ta ki (x(t), y(t)), tada vrijedi c z
z x z y

x
dx dt dy dt

z dx z dy dz = + . dt x dt y dt

t Primjer 2.6. Neka je f (x, y) = sin x + cos(xy) i neka su x = t2 i y = t3 . Tada prema pravilu kompozicije imamo df f dx f dy = + dt x dt y dt = (cos x sin(xy)y)2t + ( sin(xy)x)3t2 = (cos t2 t3 sin t5 )2t 3t4 sin t5 . 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 ta ki (t, s) c i ako je funkcija z = f (x, y) diferencijabilna u ta ki (x(t, s), y(t, s)), c tada vrijedi z
z x z y

z z x z y = + , t x t y t y
y s

x
x t

x s

y t

z z x z y = + . s x s y s

Pravilo kompozicije mo emo primjenjivati i u drugim situaciz jama. Npr. posmatrajmo semu otpornika u paralelnoj vezi. 45

2.4. Diferencijabilnost funkcije vi e promjenljivih s

R1 R2 R3 U

Ukupan otpor kola dat je sa 1 1 1 1 = + + . R R1 R2 R3 (2.4.3)

Dakle, ukupan otpor je funkcija tri varijable, R = R(R1 , R2 , R3 ). Ako sada ho emo na i parcijalne izvode po Ri (i = 1, 2, 3), onda c c to mo emo uraditi izra unavaju i otpor R eksplicitno iz formule z c c (2.4.3) R1 R2 R3 . R= R1 R2 + R1 R3 + R2 R3 Medjutim, ako lijevu stranu u (2.4.3) shvatimo kao kompoziciju 1 racionalne funkcije ( R ) i na e funkcije R, onda direktno imamo s
1 1 1 1 R1 R2 R3 d R R = + + , dR R1 R1 R1 R1

odakle je tj. R R2 = 2 . R1 R1 Analogno nalazimo parcijalne izvode po ostalim promjenljivima. 1 R 1 = 2 , R2 R1 R1

2.4.3 Gradijent
Denicija 2.4.5. Neka je funkcija f : Rn R denisana u okolini f UA take A i neka postoje xk (A) za sve k = 1, 2, ..., n. Vektor c f (A) = f f f (A), (A), ..., (A) x1 x2 xn ,

nazivamo gradijent funkcije f u taki A. c Primjer 2.7. Na osnovu Primjera 2.2, gradijent funkcije f (x, y) = xy je f (x, y) = (y, x) , 46

2.4. Diferencijabilnost funkcije vi e promjenljivih s odnosno u konkretnoj ta ki je, npr. c Primjer 2.8. Iz Primjera 2.4 imamo f (1, 1, 2) = Primjer 2.9. Za funkciju f (x, y) = 4 2x2 y 2 imamo f f (x, y) = 4x , (x, y) = 2y , x y pa je gradijent dat sa f (x, y) = (4x, 2y) . Konkretno u ta ki O(0, 0) je c f (0, 0) = (0, 0) . 1 2 1 , , 3 3 3 . f (2, 7) = (7, 2).

Korisno je primjetiti jednu stvar, a to je da za funkciju f : Rn R, njen gradijent je funkcija f : Rn Rn , tj. gradijent je funkcija ciji je ulaz n-dimenzionalna veli ina (vektor), a izlazna je takodje c n-dimenzionalni vektor. Ovakve funkcije uobi ajeno nazivamo vekc torsko polje, a sa cime cemo se susresti u narednim matemati kim c izu avanjima. c Nije te ko pokazati da za gradijent vrijede sljede a pravila: s c 1. 2. 3. 4. (kf ) = k f , (k = const. ). (f g) = f g f g.

(f g) = g f + f g. = g f f g . g2

2.4.4 Diferencijabilnost funkcija vie promjenljivih s

Neka je f : Rn R denisana u nekoj okolini UA ta ke A(a1 , a2 , ..., an ). c Samo postojanje parcijalnih izvoda ne obezbjedjuje neke bitne osobine posmatrane funkcije, sto vidimo iz sljede eg primjera. c

47

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.10. Posmatrajmo funkciju f : R2 R, zadatu sa f (x, y) =
xy x2 +y 2

; (x, y) = (0, 0) ; (x, y) = (0, 0)

Nije te ko pokazati da je f prekidna funkcija u ta ki (0, 0). S druge s c strane ona ima oba parcijalna izvoda u ta ki (0, 0): c 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 ta ki (0, 0). a funkcija ima prekid c u toj ta ki. c Jasno je dakle, da za razliku od funkcija jedne promjenljive, postojanje parcijalnih izvoda ne mo e garantovati odredjene liz jepe osobine funkcije, nego moramo posmatrati neka svojstva koja uzimaju u obzir pona anje funkcije u citavoj okolini posmatrane s ta ke. c Denicija 2.4.6. Razlika f = f (X) f (A) ; (X UA ) , naziva se totalni prira taj funkcije f u taki A. s c Totalni prira taj izra avamo preko prira taja nezavisnih proms z s jenljivih, tj. f = f (a1 + x1 , ..., an + xn ) f (a1 , ..., an ) , xn ) f (x1 , ..., xn ) .

ili za proizvoljnu ta ku X sa c f = f (x1 + x1 , ..., xn +

Za razliku od parcijalnog prira taja gdje jednu varijablu mijenjamo, s a sve druge dr imo ksnim, kod totalnog prira taja sve varijable z s istovremeno do ivljavaju neku promjenu. z Denicija 2.4.7. Za funkciju f (X) = f (x1 , ..., xn ) denisanu u okolini take A Rn , ka emo da je diferencijabilna u toj taki ako vrijedi c z c f = L(X) + (X)d(X, A) , 48

2.4. Diferencijabilnost funkcije vi e promjenljivih s gdje je L(X) =

k=1

pk (xk ak )

(2.4.4)

linearna funkcija prira taja nezavisnih promjenljivih, pk (k = 1, 2, ..., n) s su realni koecijenti, (X) neprekidna funkcija u taki A takva da je c
XA

lim (X) = (A) = 0

n
1 2

i d(X, A) =
k=1

(xk ak )2

rastojanje take X od take A. c c Denicija 2.4.8. Linearnu funkciju L(X) iz (2.4.4) nazivamo totalni diferencijal funkcije f (X) u taki A i oznaavamo ga sa c c
n

L(X) = df (X) =
k=1

pk xk .

Teorem 2.4.1. (Potrebni uslovi diferencijabilnosti) Neka je funkcija f (X) diferencijabilna u taki A. Tada vrijedi: c 1. Postoji parcijalni izvod po svakoj promjenljivoj u taki A. c 2. Koecijenti pk (k = 1, 2, ..., n) u izrazu za totalni diferencijal su parcijalni izvodi funkcije, tj. pk = f ; k = 1, 2, ..., n . xk

Dokaz : Ako je funkcija f diferencijabilna u ta ki A, tada po c Deniciji 2.4.7 vrijedi

n

f = f (x1 , x2 , ..., xn ) f (a1 , a2 , ..., an ) = Ako ksiramo n 1 promjenljivih

k=1

pk (xk ak ) + (X)d(X, A) .

x1 = a1 , ..., xk1 = ak1 , xk+1 = ak+1 , ..., xn = an , imamo f = f (a1 , ..., ak1 , xk , ak+1, ..., an )f (a1 , ..., ak , ..., an ) = pk (xk ak )+(X)|xk ak | , 49

2.4. Diferencijabilnost funkcije vi e promjenljivih s odakle je

xk ak

lim

Odavde vidimo da za proizvoljno k {1, 2, ..., n} vrijedi pk = f , xk

f = pk + sgn(xk ak ) lim (a1 , ..., ak1 , xk , ak+1, ..., an ) . xk ak xk ak

iz cega opet vidimo da parcijalni izvodi postoje i da su oni upravo koecijenti 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

ili izra eno vektorski z df (X) = f (X) dX ,

gdje je dX = (dx1 , dx2 , ..., dxn ), vektor prira taja nezavisnih varijabli. s Gornja veza nam ve pokazuje va nost gradijenta funkcije, tj. diferc z encijal funkcije se mo e prikazati kao skalarni produkt gradijenta z funkcije i vektora prira taja argumenata. U analogiji sa funkcis jom jedne varijable (df (x) = f (x)dx) vidimo da ulogu izvoda funkcije preuzima gradijent. Teorem 2.4.2. Ako je funkcija f (x1 , ..., xn ) diferencijabilna u taki A, c ona je i neprekidna u toj taki. c Dokaz : Iz diferencijabilnosti funkcije imamo f = f (X) f (A) = L(X) + (X)d(X, A) , a odavde onda imamo
XA

lim (f (X) f (A)) = lim L(X) + lim (X)d(X, A) = 0

XA XA

(jer je L(A) = 0). Ovo ne zna i ni ta drugo do c s

XA

lim f (X) = f (A) ,

tj. neprekidnost funkcije f u ta ki A. c Da neprekidnost ne povla i diferencijabilnost, vidimo iz sljede eg c c primjera. 50

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.11. Posmatrajmo funkciju f : R2 R, zadatu sa f (x, y) =
xy 2 x2 +y 2

; (x, y) = (0, 0) ; (x, y) = (0, 0)

Data funkcija je neprekidna u ta ki (0, 0) ( to je ostavljeno citaocu c s f f za vje bu) i ima parcijalne izvode x (0, 0) = y (0, 0) = 0. Medjutim, z f nije diferencijabilna u ta ki (0, 0). Zaista, ako bi bila diferencijac bilna imali bi smo f (0, 0) = f (x, y)f (0, 0) = f f (0, 0)x+ (0, 0)y+(x, y)d(X, O) , x y x2 + y 2 , xy 2 (x2 + y 2 ) 2
XO
3

odnosno, odavde je zbog d(X, O) = (x, y) =

Zbog osobine funkcije , moralo bi biti lim (X) = 0, tj. lim xy 2 (x2 + y 2 ) 2
3

x0,y0

=0,

sto nije ta no jer za x = y > 0 je c 1 = 2 2 (x2 + y 2 )

3 2

xy 2

0.

Uslov diferencijabilnosti u gornjoj teoremi mo emo zamijeniti z ne to slabijim uslovima. Naime vrjedi s Teorem 2.4.3. Ako funkcija f (X) u nekoj oblasti D ima ograniene c parcijalne izvode po svakoj promjenljivoj, tada je ona neprekidna u toj oblasti. Sta vi e, sa jo bli im informacijama o parcijalnim izvodima s s z mo emo imati jo preciznije informacije o funkciji. Tako vrijedi z s 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. 51

2.4. Diferencijabilnost funkcije vi e promjenljivih s Sljede i teorem je analogon Lagrangeovoj teoremi za funkcije c jedne promjenljive. Teorem 2.4.5. (Lagrangeov teorem) Ako funkcija f (X) u okolini UA take A ima konane ili beskonane c c c parcijalne izvode po svakoj promjenljivoj, tada za proizvoljno X UA postoje take X1 , X2 , ..., Xn UA , takve da je c
n

f (X) f (A) =

k=1

f (Xk )(xk ak ) . xk

Iska imo sada i dovoljne uslove diferencijabilnosti. z Teorem 2.4.6. (Dovoljni uslovi diferencijabilnosti) Ako funkcija f (X) ima u okolini take A parcijalne izvode po svakoj c promjenljivoj i ako su ti parcijalni izvodi neprekidni u taki A, tada je c funkcija f (X) diferencijabilna u taki A. c Dokaz : Dokaz cemo jednostavnosti zapisa radi, dati za funkciju dvije promjenljive i on se lahko mo e prenijeti na funkcije sa n z promjenljivih. Na osnovu Lagrangeovog teorema, prira taj funkcije f (x, y) ima obs lik f f f (x, y) f (a, b) = (X1 )(x a) + (X2 )(y b) , (2.4.5) x y gdje su ta ke X(x, y), X1(1 , b) i X2 (a, 2 ) iz okoline UA ta ke A. Zbog c c pretpostavljene neprekidnosti parcijalnih izvoda, tj. neprekidnost c funkcija f (x, y) i f (x, y) u ta ki A(a, b), iz (2.4.5) imamo da vrijedi x y
xa yb

lim f (x, y) = f (a, b) ,

pa va i z 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 pomno imo sa x a i y b respekz tivno, i tako dobijene jednakosti saberemo, dobijamo f (x, y) f (a, b) = 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 52

2.4. Diferencijabilnost funkcije vi e promjenljivih s odnosno f = df + 1 (X)(x a) + 2 (X)(y b) , iz cega se, na osnovu Denicije 2.4.7, vidi da je funkcija f diferen cijabilna u ta ki A. c Za funkciju koja u nekoj ta ki ima neprekidne parcijalne izvode, c re i cemo da je neprekidno diferencijabilna u toj ta ki. Ako funkcija c c f zadovoljava taj uslov u svim ta kama nekog skupa D, onda ka emo c z da je f neprekidno diferencijabilna na D. Skup neprekidno diferencijabilnih funkcija na nekom skupu D ozna avamo sa C 1 (D). c Posmatrajmo sada f : R2 R i neka je f neprekidno diferencijabilna funkcija u nekoj okolini UA ta ke A(a1 , a2 ) R2 . Neka je c u = (u1 , u2 ) proizvoljan jedini ni vektor i nadjimo izvod u pravcu c Du f (A). Na osnovu denicije izvoda u pravcu imamo Du f (A) = lim 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

Za ksno h = 0, deni imo sada funkciju : R R, sa s (t) = f (a1 + hu1 , a2 + t) . Pretpostavka o diferencijabilnosti funkcije f daje nam diferencijabilnost funkcije , te imamo (t) = lim (t + s) (t) s0 s f (a1 + hu1 , a2 + t + s) f (a1 + hu1 , a2 + t) = lim s0 s f = (a1 + hu1 , a2 + t) . y

Neka je sada : R R, denisana sa (t) = (u2 t) = f (a1 + hu1 , a2 + tu2 ) . (2.4.6)

53

2.4. Diferencijabilnost funkcije vi e promjenljivih s je diferencijabilna i na osnovu izvoda slo ene funkcije imamo z (t) = u2 (t) = u2 f (a1 + hu1 , a2 + tu2 ) . y (2.4.7)

Na osnovu teorema o srednjoj vrijednosti funkcije jedne varijable, postoji (0, h), takav da vrijedi (h) (0) = () . h Stavljaju i sada (2.4.6) i (2.4.7) u gornju jednakost, dobijamo c f f (a1 + hu1 , a2 + hu2 ) f (a1 + hu1 , a2 ) = u2 (a1 + hu1 , a2 + u2) . h y (2.4.8) Na isti na in, posmatraju i funkciju : R R, zadatu sa c c (t) = f (a1 + tu1 , a2 ) , imamo da vrijedi f (a1 + tu1 , a2 ) , x i opet koriste i teorem o srdnjoj vrijednosti, zaklju ili bi da postoji c c (0, h), tako da je (t) = u1 (h) (0) f f (a1 + hu1 , a2 ) f (a1 , a2 ) = = () = u1 (a1 + u1 , a2 ) . h h x (2.4.9) Stavljaju i sada (2.4.8) i (2.4.9) u izraz za Du f (A), imamo c f f (a1 + hu1 , a2 + u2) + u1 (a1 + u1 , a2 ) . h0 y x (2.4.10) Kako su , (0, h), kada h 0, to onda i , 0. Iskoristiv i s denitivno i pretpostavku o neprekidnosti parcijalnih izvoda f i x f , ra unaju i limes u (2.4.10), dobijamo c c y Du f (A) = lim u2 Du f (A) = u1 f f (a1 , a2 ) + u2 (a1 , a2 ) . x y (2.4.11)

Generalizaciju tvrdnje iskazane u (2.4.11) iskazujemo za funkciju f : Rn R sljede om teoremom. c 54

2.4. Diferencijabilnost funkcije vi e promjenljivih s Teorem 2.4.7. Neka je f : Rn R neprekidno diferencijabilna u nekoj okolini take A Rn . Tada za proizvoljan jedinini vektor u, c c postoji Du f (A) i vrijedi Du f (A) = f (A) u .

Primjer 2.12. Neka je f : R2 R, zadata sa f (x, y) = 4 2x2 y 2 .

1 1 f (x, y) = (4x, 2y), pa za vektor u = 2 , 2

imamo =3 2,

Du f (1, 1) =

1 1 f (1, 1) u = (4, 2) , 2 2

sto mo emo potvrditi sa ranije uradjenim primjerom. Sada jednos z tavno ra unamo i c 1 1 Du f (1, 1) = f (1, 1) (u) = (4, 2) , = 3 2 . 2 2
1 2 Za vektor v = 5 , 5

imamo =0.

1 2 Dv f (1, 1) = (4, 2) , 5 5

Neka je sada u proizvoljan jedini ni vektor, f : Rn R i neka c n je A R . Koriste i Cauchy-Schwarzovu nejednakost, mo emo zac z klju iti sljede e, c c |Du f (A)| = | f (A) u| || f (A)|| ||u|| = || f (A)|| . (2.4.12)

Ovo nam govori, bukvalno citaju i, da je apsolutna vrijednost izvoda c funkcije u pravcu u u ta ki A, manja ili jednaka intenzitetu vekc tora gradijenta funkcije u toj ta ki. Ne to konkretnije, ovo zna i c s c da veli ina promjene rasta funkcije u nekoj ta ki u proizvoljnom c c pravcu nikad ne prelazi du inu vektora gradijenta u toj ta ki. Sta z c vi e, znaju i osobine Cauchy-Schwarzove nejednakosti, jednakost s c u (2.4.12) ce se posti i upravo u slu aju kada je vektor u kolinearan c c vektoru f (A). Zaista, ako je f (A) = 0, onda za vektor u= f (A) || f (A)|| 55

2.4. Diferencijabilnost funkcije vi e promjenljivih s imamo, Du f (A) = f (A) u = f (A) f (A) || f (A)||2 = = || f (A)|| . || f (A)|| || f (A)||

Sta vi e, vrijedi s

Gornju tvrdnju iskazujemo teoremom

Du f (A) = || f (A)|| .

Dakle, gradijentni vektor pokazuje pravac i smjer maksimalne promjene rasta funkcije, odnosno negativni gradijentni vektor pokazuje pravac i smjer maksimalne promjene opadanja funkcije. Sta vi e, s intenzitet gradijentnog vektora nam govori o veli ini rasta u smjeru c maksimalnog rasta, odnosno njegova negativna vrijednos govori o veli ini opadanja funkcije u smjeru maksimalnog opadanja. c Primjer 2.13. Posmatrajmo ponovo funkciju f : R2 R zadatu sa f (x, y) = 4 2x2 y 2 , za koju je Ukoliko se nalazimo u ta ki A(1, 1) (na grafu u ta ki (1, 1, 1)) i zelimo c c krenuti u smjeru najve eg rasta funkcije f , na osnovu gornje teoc reme, trebamo krenuti u pravcu vektora u= f (1, 1) = || f (1, 1)|| 1 2 , 5 5 . f (x, y) = (4x, 2y) .

Teorem 2.4.8. Neka je f : Rn R neprekidno diferencijabilna funkcija u nekoj otvorenoj kugli koja sadr i taku A. Tada Du f (A) ima maksiz c malnu 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).

Ako tra imo pravac najbr eg opadanja funkcije, onda ce to biti u z z pravcu vektora 2 1 u = , . 5 5 Sta vi e, veli ina promjene rasta u pravcu tog vektora je s c Du f (1, 1) = || f (1, 1)|| = 20 , a veli ina opadanja je c Du f (1, 1) = || f (1, 1)|| = 20 .

56

2.4. Diferencijabilnost funkcije vi e promjenljivih s Razmotrimo jo jedan va an fakat vezan za gradijent funkcije. s z Pokaza emo ga za funkciju dvije varijable, a isto rezonovanje imamo c za proizvoljnu funkciju f : Rn R. Dakle, neka je data funkcija z = f (x, y) ciji je graf povr G u pros s toru R3 . Posmatrajmo poizvoljnu ta ku P (x0 , y0 , f (x0 , y0 )) na grafu G c i neka je l nivo linija na grafu G koja prolazi kroz ta ku P . Kako je c za tu liniju zadovoljeno f (x, y) = k, za neko ksno k R, i kako je ona jednodimenzionalan objekat u prostoru, mo emo je parametriz zovati, tj. svaku ta ku linije l mo emo posmatrati kao vektorsku c z funkciju r(t) = (x(t), y(t)). Neka je t0 ona vrijednost parametra koja odgovara ta ki P . Kako je nivo linija l na povr i G, mora za svako t c s biti zadovoljena jedna ina c f (x(t), y(t)) = k . Diferenciranjem ove jednakosti po t, primjenom pravila kompozicije, imamo f dx f dy + =0. (2.4.13) x dt y dt Nije te ko vidjeti da se jednakost (2.4.13) mo e zapisati u veks z torskoj notaciji, f f , x y dx dy , dt dt = f r =0 .

Gornje ce vrijediti u proizvoljnoj ta ki nivo linije l, tj. c f (x0 , y0 ) r(t0 ) = 0 . Dakle, vrijedi vrdnja, Teorem 2.4.9. Gradijentni vektor funkcije z = f (x1 , x2 , ..., xn ) u svakoj taki nivo linije f (x1 , x2 , ..., xn ) = k, ortogonalan je na tu liniju. c Na sljede oj slici prikazano je nekoliko funkcija konturnim grafom c (pomo u nivo linija) i odgovaraju im vektorskim poljem (strelice c c na slici predstavljaju gradijentne vektore date funkcije u raznim ta kama). Strelice su usmjerene u pravcu najbr eg rasta funkcije, c z a i veli ina strelica odra ava brzinu promjene funkcije u tom pravcu. c z Takodje uo avamo ortogonalnost gradijentnih vektora na odgovaraju e c c nivo linije.

57

2.4. Diferencijabilnost funkcije vi e promjenljivih s

5 4 3 2 1

5 4 3 2 1

5 4 3 2 1

5 4 3 2 1

-5

-4

-3

-2

-1 -1 -2 -3 -4 -5

-5

-4

-3

-2

-1 -1 -2 -3 -4 -5

-5

-4

-3

-2

-1 -1 -2 -3 -4 -5

-5

-4

-3

-2

-1 -1 -2 -3 -4 -5

f (x, y) = x2 + y 2

f (x, y) = 1 x2 y 2

f (x, y) =

x2 + y 2

f (x, y) = x2 y 2

Primjer 2.14.

2.4.5 Pravila diferenciranja

Kao sto smo ve mogli primjetiti, pravila nala enja diferencijala c z funkcija vi e varijabli ne e se razlikovati od tih pravila kod funkcije s c jedne varijabe. Teorem 2.4.10. Neka su funkcije f, g : D R (D Rn ) diferencijabilne u taki A D i neka su a, b R proizvoljni. Tada je i funkcija c af + bg diferencijabilna u taki A i vrijedi c d(af + bg)(A) = adf (A) + bdg(A) . Teorem 2.4.11. Neka su funkcije f, g : D R (D Rn ) diferencijaf bilne u taki A D. Tada su i funkcije f g i (posljednja uz uslov c g g(A) = 0) diferencijabilne u taki A i vrijedi c d(f g)(A) = g(A)df (A) + f (A)dg(A) , d f g (A) = g(A)df (A) f (A)dg(A) . (g(A))2

2.4.6 Izvodi vieg reda, Hesseova matrica s

Ukoliko funkcija f : Rn R ima parcijalne izvode koji postoje na f nekom otvorenom skupu U, tada za svako i {1, 2, ..., n}, xi je f takodje funkcija sama za sebe, tj. xi : Rn R. Parcijalni izvodi f funkcije xi , ukoliko postoje, nazivaju se parcijalni izvodi drugog reda funkcije f . Kao i za prve parcijalne izvode i za druge parcijalne izvode pos2f toje razne oznake kao naprimjer: xi xj , fxi xj , Dxi xj f ili jednostavno 58

2.4. Diferencijabilnost funkcije vi e promjenljivih s fxi xj . Mi cemo se slu iti uglavnom prvom navedenom notacijom, ali z po potrebi skra ivanja zapisa, cesto cemo upotrebljavati i posljedc nju navedenu notaciju. Tako za funkciju z = f (x, y) imamo sljede e c parcijalne izvode drugog reda, zapisane i sa prvom i sa posljednjom notacijom: fxx = fxy 2f 2f f f = = ; fyy = x x x2 y y y 2 f 2f 2f f = = = ; fyx = y x xy x y yx

Tehnika nala enja parcijalnih izvoda drugog reda sadr ana je z z u simboli kom zapisivanju tih izvoda. Naprimjer, fxy zna i da od c c izvoda fx (prvi 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 2.15. 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, koriste i gornje obja njenje. c s z z Za nala enje fxx , uzimamo x i od njega tra imo parcijalni izvod po z x. Tako dobijamo fxx = (2xy)x = 2y . Analogno, za fxy uzimamo prvi parcijalni izvod po x, pa od njega tra imo izvod po y z fxy = (2xy)x = 2x . Istu logiku koristimo kod nala enja ostala dva parcijalna izvoda z drugog reda, fyx = 2x ; fyy = 0 . Primjer 2.16. z = ex
2 +y 2

fx = 2xex fxx = 2e
x2 +y 2

2 +y 2

; fy = 2yex

2 +y 2

.
2 +y 2

+2x2xe

x2 +y 2

= 2e

x2 +y 2

(1+2x2 ) ; fxy = 2x2yex 59

= 4xyex

2 +y 2

2.4. Diferencijabilnost funkcije vi e promjenljivih s fyx = 2y2xex Za funkciju f : Rn R, parcijalne izvode fxi xj i fxj xi (i = j), nazivamo mje oviti parcijalni izvodi i na osnovu opisanog postupka, s jasna nam je razlika istaknuta poretkom indeksa. U pokazana dva primjera primije ujemo da su mje oviti parcijalni c s izvodi jednaki, fxy = fyx . Postavlja se pitanje da li je to tako u op tem slu aju? Kao sto cemo kasnije vidjeti taj uslov je veoma bis c tan, a ovdje cemo dati uslove pod kojima su ti parcijalni izvodi jed naki za funkciju dvije promjenljive. Prije toga, odgovor na postavljeno pitanje nam daje sljede i primjer. c Primjer 2.17. Posmatrajmo funkciju f : R2 R zadatu sa x2 y 2 xy 2 ; (x, y) = (0, 0) f (x, y) = x + y2 0 ; (x, y) = (0, 0) Tada je x4 y 4 + 4x2 y 2 f f (x, y) = y , (x, y) = (0, 0) ; (0, 0) = 0 . 2 + y 2 )2 x (x x Onda je 2f 1 (0, 0) = lim h0 h xy f f (0, h) (0, 0) x x = lim h = 1 . h0 h
2 +y 2

= 4xyex

2 +y 2

; fyy = 2ex

2 +y 2

+2y2yex

2 +y 2

= 2ex

2 +y 2

(1+2y 2) .

Na sli an na in odredjuju i, imamo da je c c c 2f (0, 0) = 1 , yx pa o igledno u op tem slu aju mje oviti izvodi nisu jednaki. c s c s Denicija 2.4.9. Za funkciju f : Rn R ka emo da je dva puta z neprekidno diferencijabilna na otvorenom skupu U Rn , i pi emo s f C 2 (U), ako su funkcije fxi xj neprekidne na U, za sve i, j {1, 2, ..., n}. Pod odredjenim uslovima koji su dati u narednoj teoremi, mje oviti s izvodi ce biti jednaki.

60

2.4. Diferencijabilnost funkcije vi e promjenljivih s Teorem 2.4.12. Neka je U Rn otvoren skup koji sadr i taku A i z c 2 neka je funkcija f C (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 mo emo pro iriti na parcijalne izvode tre eg, cetvrtog i vi eg reda, z s c s kao i na funkcije tri, cetiri i vi e promjenljivih. Za funkciju dvije s varijable, vidjeli smo, postoje cetiri parcijalna izvoda drugog reda. Prave i od njih ponovo parcijalne izvode, dobijamo parcijalne izvode c tre eg reda, kojih ce tada biti osam. Za funkciju tri varijable, parc cijalnih izvoda drugog reda ima devet, a tre eg reda 27. c n U op tem slu aju, funkcija f : R R ima n2 parcijalnih izvoda s c drugog reda, od kojih onda mo emo formirati kvadratnu matricu z reda n n. Denicija 2.4.10. Neka svi parcijalni izvodi drugog reda funkcije f : Rn R postoje u taki c Rn . Matricu reda n n c 2f 2f 2f 2f (c) x3 x1 (c) xn x1 (c) 2 (c) x2 x1 x1 2f 2f 2f 2f x x (c) (c) xn x2 (c) (c) x3 x2 x2 12 2 2 2f f 2f 2f (c) x2 x3 (c) (c) xn x3 (c) Hf (c) = x1 x3 (2.4.14) x2 3 . . . . .. . . . . . . . . . 2f 2f 2f 2f (c) (c) x2 xn (c) x3 xn (c) x1 xn x2
n

nazivamo Hesseova matrica ili Hessijan funkcije f u taki c. c

f , xi

Primjetimo da je i-ta kolona Hesseove matrice, gradijent funkcije tj. fxi (c). fxx (x, y) fyx (x, y) fxy (x, y) fyy (x, y) 2y 2x 2y 2x 2y 2x

Primjer 2.18. Neka je f (x, y) = x2 y xy 2 . Tada je Hf (x, y) = = .

Sada naprimjer, u ta ki A(2, 1), Hessijan glasi c Hf (2, 1) = 61 2 2 2 4 .

2.4. Diferencijabilnost funkcije vi e promjenljivih s 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. Deni imo novu funkciju : R R, na sljede i na in s c c (t) = f (A + th) . (Veli inu A + th shvatamo tako da se iz ta ke A pomjerimo u pravcu c c vektora h, za du inu t||h||) Funkcija je funkcija jedne varijable i z 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 (2.4.15)

gdje je (0, 1). Kako je d = df , koriste i pravilo izvoda kompozic cije, imamo (t) = f (A+th)h = fx (A+th)h1 +fy (A+th)h2 . (2.4.16) (jasno, u izrazu f (A + th) h imamo skalarno mno enje). Analogno z nalazimo i drugi izvod f (A+th) (t) = (h1 fx (A + th) + h2 fy (A + th)) h = (h1 fx (A + th) + h2 fy (A + th)) (h1 , h2 ) h1 fxx (A + th) fxy (A + th) . = [h1 h2 ] h2 fyx (A + th) fyy (A + th) (Zadnji zapis dobijamo nakon jednostavnog matri nog ra una). Koc c riste i sada oznake c h1 h= h2 i hT = [h1 h2 ] , posljednje mo emo zapisati sa z (t) = hT Hf (A + th)h . (2.4.17) d (A+th) = dt

Stavljaju i (2.4.16) i (2.4.17) u izraz (2.4.15), dobijamo sljede u c c 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 vi e s varijabli, koga generalizujemo sljede om teoremom c 62

2.4. Diferencijabilnost funkcije vi e promjenljivih s Teorem 2.4.13. 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 f (A + h) = f (A) + 1 f (A) h + hT Hf (A + h)h . 2 (2.4.18)

Uvedemo li oznake X = A + h i izra unamo li Hessijan u ta ki A, c c izraz (2.4.18) predstavlja polinomijalnu aproksimaciju funkcije f . Denicija 2.4.11. Neka je f : Rn R dva puta neprekidno diferencijabilna na nekoj otvorenoj kugli oko take A. Funkciju c P2 (X) = f (A) + 1 f (A)(X A) + (X A)T Hf (A)(X A) , 2

nazivamo Taylorov polinom drugog reda, funkcije f u taki A. c Primjer 2.19. Odredimo Taylorov polinom drugog reda za funkciju f (x, y) = e2x+y , u ta ki (0, 0). c Kao prvo, nalazimo f (x, y) = 2e2x+y , e2x+y odnosno f (0, 0) = (2, 1) , Hf (0, 0) = Sada imamo P2 (x, y) = f (0, 0) + = = = = i Hf (x, y) = 4e2x+y 2e2x+y 2e2x+y e2x+y 4 2 2 1 . ,

1 x 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 2 2x2 + y 2xy 2x + y + 1 . 2

Svrha Taylorovog polinoma je da se funkcija njime dovoljno dobro aproksimira u okolini neke ta ke. Na slici (2.2) dat je prikaz c te aproksimacije iz dva ugla posmatranja, da bi se bolje uo ila isc taknuta aproksimacija u ta ki (0,0). c 63

2.4. Diferencijabilnost funkcije vi e promjenljivih s

z

x x y
2x+y

Slika 2.2: Aproksimacija funkcije f (x, y) = e (zelena) u ta ki c 1 2 2 (0,0), Taylorovim polinomom P2 (x, y) = 2x + 2 y 2xy 2y + y + 1 (crvena) U dijelu linearne algebre, koga smo izu avali ranije, upoznali c smo pojam simetrine matrice, tj. kvadratne matrice M = [aij ]nn za c koju vrijedi M = MT , ili za cije elemente vrijedi aij = aji. Primjer 2.20. Matrica 1 2 2 M = 2 5 0 , 2 0 3 1 2 3 4

primjer je simetri ne matrice, a matrica c M=

je primjer nesimetri ne matrice. c Ako je f C 2 , tada na osnovu Teorema (2.4.12), imamo da su mje oviti izvodi jednaki, tj. s 2f 2f = , xi xj xj xi a to ce onda na osnovu denicije Hessijana zna iti da je za svaku c dva puta neprekidno diferencijabilnu funkciju, njen Hessijan simetri na c matrica. 64

2.4. Diferencijabilnost funkcije vi e promjenljivih s Neka je sada M proizvoljna simetri na matrica reda n n. Za c proizvoljnu matricu vrstu x (mo emo re i i vektor x = (x1 , x2 , ..., xn )), z c deni imo funkciju q : Rn R na sljede i na in s c c q(x) = xT Mx . (2.4.19) 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. Primjer 2.21. Neka je M= 1 2 2 1 .

Kvadratnu formu dobijamo iz (2.4.19), q2 (x) = xT Mx = [x1 x2 ] Za matricu 1 2 2 1 x1 x2 = [x1 +2x2 2x1 +x2 ] x1 x2 = x2 +x2 +4x1 x2 . 1 2

kvadratna forma glasi

2 1 1 5 1 , M = 1 1 1 2

q3 (x) = 2x2 + 5x2 + 2x2 2x1 x2 + 2x1 x3 + 2x2 x3 . 1 2 3 Denicija 2.4.12. Za kvadratnu formu q(x) = xT Mx ka emo da je z pozitivno poludenitna, ako je za svako x = (x1 , x2 , ..., xn ) Rn , zadovoljeno q(x) 0. pozitivno denitna, ako je za svako x = 0, zadovoljeno q(x) > 0. negativno poludenitna, ako je za svako x Rn , zadovoljeno q(x) 0. negativno denitna, ako je za svako x = 0, zadovoljeno q(x) < 0. indenitna ili promjenljivog znaka, ako postoje x , x Rn , tako da je q(x ) > 0 i q(x ) < 0. Ako je q(x) = 0, cesto ka emo da je kvadratna forma nedenitna z u toj ta ki. c 65

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.22. Kvadratnu formu q2 iz gornjeg primjera mo emo zaz pisati 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 denicije, kvadratna forma q2 je indenitna. Kvadratnu formu q3 mo emo nakon malo ra una zapisati sa z c q3 (x) = (x1 + x2 + x3 )2 + (x1 2x2 )2 + x2 , 3 pa je o igledno ova kvadratna forma pozitivno denitna odnosno, c za svako x = (x1 , x2 , x3 ) = 0 je q3 (x) > 0. Kao sto cemo uskoro vidjeti, od velikog je interesa imati na in c odredjivanja denitnosti neke kvadratne forme. Najjednostavniji na in bio bi obrazovati tu kvadratnu formu, a onda je svesti na neki c pogodan oblik iz koga lagano mo emo ocijeniti njenu denitnost z (ovo smo primjenili u posljednjem primjeru). Nadjimo taj na in u c za nas va nom slu aju 2 2 matrice. Neka je z c M= a b b c ,

proizvoljna simetri na matrica. Kvadratna forma odredjena ovom c matricom je q(x, y) = [x y] a b b c x y = ax2 + 2bxy + cy 2 .

Ako je a = 0, poznatim postupkom svodjenja trinoma na kanonski oblik dobijamo q(x, y) = a x2 + = a 2b c xy + y 2 a a

2

b x+ y a
2

b2 2 c 2 y + y a2 a

b = a x+ y a b = a x+ y a Sada imamo diskusiju: 66

ac b2 2 y a det(M) 2 y . a

2.4. Diferencijabilnost funkcije vi e promjenljivih s 1. Ako je a > 0 i det(M) > 0, tada je za svako (x, y) = (0, 0), q(x, y) > 0, tj. kvadratna forma je pozitivno denitna. 2. Ako je a < 0 i det(M) > 0, tada je za svako (x, y) = (0, 0), q(x, y) < 0, tj. kvadratna forma je negativno denitna. 3. Ako je det(M) < 0, tada u ta kama (x, y) = (1, 0) i (x, y) = c b ( a , 1) imamo razli ite znakove kvadratne forme, pa je ona c indenitna. 4. Ako je det(M) = 0, tada imamo b q(x, y) = a x + y a
2

b c Ako je x = a y, onda je q(x, y) = 0, a u svim ostalim slu ajevima ona uzima znak koga ima parametar a. Dakle, q(x, y) je ili pozitivno ili negativno poludenitan.

Jasno nam je da bi ovakav postupak odredjivanja denitosti kvadratnih formi, odredjenih matrica vi ih dimenzija, bio poprili no s c te ak posao. Zato sljede im teoremom djemo veoma jednostavan z c kriterij za utvrdjivanje denitnosti kvadratne forme. Teorem 2.4.14. Sylvesterov kriterijum Neka je a11 a12 a1n a21 a22 a2n M = an1 an2 ann a11 a12 a21 a22

proizvoljna kvadratna matrica koja odredjuje kvadratnu formu q : Rn R. Oznaimo sa Ai (i = 1, 2, ..., n) glavne minore matrice M, tj. c A1 = a11 , A2 = , , An = det(M) .

Kvadratna forma q je pozitivno denitna ako i samo ako su svi glavni minori pozitivni, tj. ako vrijedi A1 > 0 , A2 > 0 , , An > 0 . Kvadratna forma je negativno denitna 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 , 67

2.4. Diferencijabilnost funkcije vi e promjenljivih s Uobi ajeno je i za matricu M re i da je pozitivno denitna, negc c ativno denitna ili indenitna kad god je takva kvadratna forma koja je njome odredjena. Primjer 2.23. 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 odredjena ovom matricom pozitivno denitna. Za matricu 2 1 , M= 1 4

glavni minori su A1 = 2 < 0 i A2 = det(M) = 7 > 0, pa je kvadratna forma negativno denitna. Za matricu 3 1 , M= 1 2 glavni minori su A1 = 3 < 0 i A2 = det(M) = 7 < 0, pa je kvadratna forma indenitna.

2.4.7 Diferencijali vieg reda s

Neka je u oblasti D denisana funkcija f (x1 , x2 , ..., xn ) koja ima neprekidne parcijalne izvode do n-tog reda. Ranije smo vidjeli da totalni diferencijal ima oblik df = f f f dx1 + dx2 + ... + dxn , x1 x2 xn

gdje su dxi (i = 1, 2, ..., n) prira taji, odnosno diferencijali nezavisnih s promjenljivih. Totalni diferencijal drugog reda ili kra e diferencijal drugog reda, c deni e se kao diferencijal prvog diferencijala, tj. s d2 f = d(df ) . Postupak odredjivanja tog diferencijala je analogan postupku za funkcije jedne varijable. d2 f = d f f f dx1 + dx2 + ... + dxn x1 x2 xn 68 .

2.4. Diferencijabilnost funkcije vi e promjenljivih s Kako je d(dxi ) = 0 za svako i = 1, 2, ..., n, to sada imamo: d2 f = d f x1 dx1 + d f x2 dx2 + ... + d f xn dxn ,

odakle sada primjenjuju i formulu za diferencijal funkcije imamo c d2 f = 2f 2 2f 2f 2f dx1 + ... + 2 dx2 + 2 dx1 dx2 + ... + 2 dxn1 dxn . x2 xn n x1 x2 xn1 xn 1

Ovaj postupak mo emo generalizovati na diferencijale proizvoljnog z reda, tj. imamo dn+1 f = d(dn f ) , n N . Na primjer, za funkciju f (x, y) drugi diferencijal je dat sa d2 f = 2f 2 2f 2 2f 2f dx + 2 dy + dxdy + dxdy . x2 y xy yx

2.4.8 Teorem o ekstremnoj vrijednosti

Sada cemo na rad iz prethodnih sekcija primjeniti na problem s nala enja minimalne i maksimalne vrijednosti funkcija vi e variz s jabli. Primjetit cemo da je tehnika odredjivanja ekstremnih vrijed nosti funkcije vi e varijabli veoma sli na tehnici koju smo izu avali s c c kod funkcija jedne varijable. Denicija 2.4.13. Neka je funkcija f : Rn R, denisana na skupu Df . Ka emo da funkcija f ima maksimalnu vrijednost M u taki X0 , z c ako je f (X0 ) = M i za sve X Df vrijedi f (X) M. Ka emo da funkcija f ima minimalnu vrijednost m u taki X0 , ako je z c f (X0 ) = m i za sve X Df , vrijedi f (X) m.

Cesto maksimalnu i minimalnu vrijednost funkcije, uvedene gornjom denicijom, nazivamo globalni maksimum i globalni minimum, za razliku od pojmova lokalni maksimum i minimum, koje uvodimo sljede om denicijom. c Denicija 2.4.14. Neka je f : Rn R denisana na otvorenom skupu U. Ka emo da funkcija f ima lokalnu maksimalnu vrijednost z M u taki X0 , ako je f (X0 ) = M i za sve X B(X0 , r), za neko r > 0, c vrijedi f (X) M. Ka emo da funkcija f ima lokalnu minimalnu vrijednost m u taki z c X0 , ako je f (X0 ) = m i za sve X B(X0 , r), za neko r > 0, vrijedi f (X) m. 69

2.4. Diferencijabilnost funkcije vi e promjenljivih s Cesto cemo upotrebljavati i termin globalni ekstrem ili globalna ekstremna vrijednost, bilo da govorimo o globalnom maksimumu ili globalnom minimumu, a takodje i lokalni ekstrem ili lokalna ekstremna vrijednost, kada govorimo o lokalnom maksimumu ili minimumu. Pozivaju i se na Teorem ?? i Teorem ?? sada kao direktnu c posljedicu imamo sljede i va an teorem. c z Teorem 2.4.15. Teorem o ekstremnoj vrijednosti Neka je funkcija f : Rn R neprekidna na nekom otvorenom skupu U. Ako je D ogranien i zatvoren podskup skupa U, tada funkcija f c dosti e maksimalnu i minimalnu vrijednost na skupu D. z Sa gornjom teoremom imamo odli an rezultat koji nam govori c o egzistenciji ekstremne vrijednosti funkcije, ali ne i kako locirati tu vrijednost. Na sljede i posao je prona i kriterije za lociranje s c c ta aka koje su kandidati u kojima ce se postizati ekstremne vric jednosti, a onda i kriterije za njihovu klasikaciju, tj. da li se u njima posti e ili ne posti e ekstrem i ako se posti e, koja je vrsta z z z ekstrema, maksimum ili minimum. Primjer 2.24. 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 ograni en i zatvoren, a funkcija f neprekidna c na R2 , na osnovu Teoreme 2.4.15 zaklju ujemo da funkcija ima i c maksimum i minimum na skupu D.

2.4.9 Nalaenje lokalnog ekstrema z

Za po etak, posmatrajmo funkciju f : Rn R koja je diferencijac bilna na otvorenom skupu U i koja ima ekstrem u ta ki X0 . Neka je c u proizvoljan jedini ni vektor, tada ce o igledno, funkcija : R R, c c denisana sa (t) = f (X0 + tu) , takodje imati ekstremnu vrijednost i to upravo za t = 0. Kako je funkcija jedne varijable, to onda mora biti (0) = 0 . (2.4.20)

Ali u sekciji 2.4.1 smo vidjeli da ovaj izvod nije ni ta drugo do izvod s funkcije f u pravcu vektora u, tj. (0) = Du f (X0 ) . 70 (2.4.21)

2.4. Diferencijabilnost funkcije vi e promjenljivih s Zaklju ujemo da vrijedi, c (0) = Du f (X0 ) = f (X0 ) u = 0 .

Skalarni produkt jednak je nuli ako je jedan od vektora tog produkta nula-vektor ili ako su vektori ortogonalni. Ortogonalnost otpada jer gornje vrijedi za proizvoljan jedini ni vektor u. Koriste i c c proizvoljnost vektora u, uzmimo specijalno vektore baze. Tada imamo f f (X0 ) ei = (X0 ) = 0 , xi za i = 1, 2, ..., n. Ovo zna i da mora biti f (X0 ) = 0. Primjetimo c da ovo zna i i to da je nagib grafa funkcije f jednak 0 u ta ki X0 , c c u pravcima svih baznih vektora. Medjutim, to zna i mnogo vi e c s naime, nagib grafa je 0 u svim pravcima u jer je Du f (X0 ) = f (X0 )u. Ovo razmatranje sumiramo teoremom. Teorem 2.4.16. Neka je f : Rn R diferencijabilna na otvorenom skupu U i neka ima lokalnu ekstremnu vrijednost u taki X0 U, c tada je f (X0 ) = 0. Kako je totalni diferencijal funkcije jednak umno ku gradijenta s i diferencijala argumenta, tj. df (X) = f f f (X)dx1 + (X)dx2 + (X)dxn = x1 x2 xn f (X) dX ,

to onda za diferencijabilnu funkciju koja ima ekstremnu vrijednost u ta ki X0 , vrijedi c 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 2.4.16 nam daje neke od ta aka koje su kandidati za ekstreme, ali c ne i sve. Naime, vrijedi. Teorem 2.4.17. (Potrebni uslovi za ekstrem) Ako funkcija f : Rn R ima ekstrem u taki X0 , tada vrijedi, ili je c f (X0 ) = 0 ili prvi parcijalni izvodi funkcije u taki X0 ne postoje. c Dakle, kandidati za ekstremnu vrijednost su sve one ta ke u c kojima je gradijent jednak 0 i sve one u kojima funkcija nije diferencijabilna. Ovo nas navodi da ove ta ke deni emo precizno. c s 71

2.4. Diferencijabilnost funkcije vi e promjenljivih s Denicija 2.4.15. Neka je f : Rn R diferencijabilna u taki X0 i c neka je f (X0 ) = 0. Tada taku X0 nazivamo stacionarnom takom c c funkcije f . Take u kojima funkcija f nije diferencijabilna, nazivamo singularnim c takama funkcije f . c Cesto se za obje gore pomenute vrste ta aka ka e da su kritine c z c take funkcije. c Primjer 2.25. Funkcija f (x, y) = x2 +y 2 je diferencijabilna funkcija na R2 i f (x, y) = (2x, 2y). Jedine kandidate za ekstremne vrijednosti dobijamo rje avanjem sistema s 2x = 0 2y = 0 Dakle, jedina kriti na ta ka je stacionarna ta ka X0 (0, 0). c c c Primjer 2.26. Funkcija f (x, y) = 1x2 y 2 je diferencijabilna i (2x, 2y). Rje avanjem sistema s 2x = 0 2y = 0 dobijamo stacionarnu ta ku X0 (0, 0). c
z z z z

f (x, y) =

x x y x y x y

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)

f (x, y) =

x2 + y 2

Minimum u (0,0) fx i fy ne postoje

f (x, y) = x2 y 2 Nema lokalnog ekstrema, f (0, 0) = (0, 0)

Primjer 2.27. Za funkciju f (x, y) = x2 + y 2, gradijent je f (x, y) = x y ( , ). Parcijalni izvodi ne postoje u ta ki X0 (0, 0) i to c 2 + y2 2 + y2 x x je jedina kriti na ta ka funkcije f , i ona je singularna ta ka. c c c 72

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.28. Funkcija f (x, y) = x2 y 2 ima gradijent f (x, y) = (2x, 2y), pa je jedina kriti na ta ka, stacionarna ta ka X0 (0, 0). c c c Sada kada smo u mogu nosti utvrditi postojanje ekstremne vric jednosti funkcije (Teorem 2.4.15) i identikovati kandidate za te vrijednosti (Teorem 2.4.17) ostaje nam prona i kriterije za utvrdc jivanje da li ti kandidati jesu ekstremi i klasicirati ih. Prisjetimo se opet funkcija jedne varijable, da je jedan od kriterija za identikaciju lokalnih ekstrema bio test drugog izvoda. Naime, ako je c bila stacionarna ta ka funkcije : R R, tada ako je (c) > 0, c funkcija je imala minimum u c, a ako je (c) < 0, funkcija je imala maksimum u ta ki c. Taylorov polinom nam na najvidljiviji na in c c pokazuje za to je to tako. Naprimjer, neka je c stacionarna ta ka s c funkcije i neka je (c) neprekidna na otvorenom intervalu koji sadr i c, i neka je (c) > 0. Tada za neko > 0, postoji interval z 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 (2.4.22)

Zbog stacionarnosti je (c) = 0. Takodje smo imali (s) > 0, pa koriste i to u (2.4.22) dobijamo da je za proizvoljno h, takav da je c |h| < , zadovoljeno (c + h) > (c) , a ovo zna i da je u ta ki c lokalni minimum. c c Veoma sli no razmatranje sada mo emo sprovesti i za funkciju c z n f : R R. Na osnovu Teorema 2.4.13 znamo da vrijedi formula f (A + h) = f (A) + 1 f (A) h + hT Hf (A + h)h , 2

gdje je f dva puta neprekidno diferencijabilna funkcija u nekoj okolini ta ke A i (0, 1). Neka je sada A stacionarna ta ka c c funkcije f i neka je Hesijan Hf (X) pozitivno denitna 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 jo A + h B(A, r), to je kvadratna forma hT Hf (A + h)h > s 0. te imamo f (A + h) > f (A) , 73

2.4. Diferencijabilnost funkcije vi e promjenljivih s za proizvoljno h, tako da je ||h|| < r. Ali ovo onda upravo zna i da c funkcija f ima lokalni minimum u ta ki A. c Istim argumentima bi rezonovali da smo pretpostavili negativnu denitnost Hesijana i naravno, zaklju ili bi da funkcija ima lokalni c maksimum u ta ki A. c Ako je Hesijan indenitan, to bi zna ilo da postoji proizvoljno malen c h, tako da je kvadratna forma hT Hf (A + h)h > 0 , i takodje proizvoljno malen h da je hT Hf (A + h)h < 0 . 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 slu aju jasno je da u ta ki A ne mo e c c z biti niti lokalni minimum niti lokalni maksimum. Tada bi ta ka A c predstavljala takozvanu sedlastu taku funkcije f . c Na osnovu gornjeg, sada mo emo iskazati dovoljne uslove za z ekstremnu vrijednost funkcije f : Rn R. Teorem 2.4.18. (Test druge derivacije) Neka je f : Rn R i f C 2 (U), gdje je U otvoren skup. Ako je A U stacionarna taka funkcije f , tada je c 1. f (A) lokalni minimum funkcije f , ako je Hf (A) pozitivno denitna matrica. 2. f (A) lokalni maksimum funkcije f , ako je Hf (A) negativno denitna matrica. 3. taka A sedlasta taka funkcije f , ako je Hf (A) indenitna mac c trica. Ukoliko je Hf (A) nedenitna matrica, potrebna su dodatna ispitivanja za klasikaciju take A. c Primjer 2.29. Odrediti lokalne ekstremne vrijednosti funkcije f (x, y) = 2 2 xyex y . Nalazimo prvo gradijent f (x, y) = ex
2 y 2

(y 2x2 y, x 2xy 2 ) . 74

2.4. Diferencijabilnost funkcije vi e promjenljivih s Kako je ex y > 0 za sve (x, y) R2 , cinjenica da je svodi se na sistem y(1 2x2 ) = 0 , x(1 2y 2 ) = 0 .
1 1 Prva jedna ina ce biti ta na ako je y = 0 ili x = 2 ili x = 2 . Ako c c je y = 0, onda iz druge jedna ine vidimo da mora biti i x = 0, a time c 1 smo dobili prvu stacionarnu ta ku M1 (0, 0). Ako je x = 2 , onda c je druga jedna ina zadovoljena ako je 1 2y 2 = 0, odnosno ako je c 1 1 y = 2 ili y = 2 , pa na taj na in dobijamo jo cetiri stacionarne c s 1 1 1 1 1 1 1 1 ta ke: M2 ( 2 , 2 ), M3 ( 2 , 2 ), M4 ( 2 , 2 ) i M5 ( 2 , 2 ). c Drugi korak u rje avanju problema ovog tipa je odredjivanje s hesijana funkcije
2 2

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

Hf (x, y) = ex

2 y 2

4x3 y 6xy 4x2 y 2 2x2 2y 2 + 1 4x2 y 2 2x2 2y 2 + 1 4y 3 yx 6xy 2 0 0 2

Sada nakon kra eg ra una dobijamo c c Hf (M2 ) = Hf (M5 ) = e1 Kako je A1 = 2e1 < 0 i A2 = det 2e1 0 0 2e1 = 4e1 > 0 , .

na osnovu testa druge derivacuje zaklju ujemo da funkcija u ta kama c c M2 i M5 ima lokalni maksimum, i pri tome je f (M2 ) = f (M5 ) = fmax = 1 1 e . 2 Dalje imamo Hf (M3 ) = Hf (M4 ) = e1 Sada je A1 = 2e1 > 0 i A2 = det 2e1 0 0 2e1 = 4e1 > 0 , 2 0 0 2 .

pa opet na osnovu testa druge derivacije zaklju ujemo da funkcija c u ta kama M3 i M4 ima lokalni minimum i pri tome je f (M3 ) = c 1 f (M4 ) = fmin = 2 e1 . 75

2.4. Diferencijabilnost funkcije vi e promjenljivih s Ostala nam je jo taka M1 (0, 0) u kojoj je s Hf (M1 ) = 0 1 1 0 .

Sada je A1 = 0 i A2 = 1, pa je Hesijan indenitan, a to zna i da je c ta ka M1 (0, 0) sedlasta ta ka. c c z y

Slika 2.3: Graf funkcije f (x, y) = xyex

2 y 2

2.4.10 Nalaenje globalnog ekstrema z

Posmatrajmo funkciju f (x) = 2 x2 . Posmatramo li je na citavom R, ona ima lokalni maksimum u ta ki x = 0, koji je i globalni makc simum, 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 ta ki x = 2 (slika u sredini). Ako je c 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 podru ja na kom tu c funkciju posmatramo.
2 1 -2 -1 -1 -2 1 2 -2 -1 -1 -2 2 1 1 2 -2 -1 -1 -2 2 1 1 2

Slika 2.4: Globalni ekstrem funkcije jedne varijable Ne to sli no imamo i kod funkcija vi e promjenljivih. s c s 76

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.30. Odrediti globalne ekstreme funkcije f (x, y) = x2 + y 2 na skupu D = (x, y)| x2 + 4y 2 4 . Skup D je zatvoren i ograni en, pa na osnovu Teoreme 2.4.15, c funkcija f dosti e svoju najmanju i najve u vrijednost. z c Kako je funkcija diferencijabilna (kao polinomijalna funkcija), njene jedine kriti ne ta ke su stacionarne ta ke, koje dobijamo iz uslova c c c f (x, y) = (2x, 2y) = 0 . U ta ki (0, 0) je mogu lokalni ekstrem funkcije ali moramo sada c c posmatrati sta se dogadja sa na om funkcijom na rubu oblasti D, s tj. na skupu D = (x, y)| x2 + 4y 2 = 4 . S obzirom da su na D nezavisne varijable vezane relacijom x2 + 4y 2 = 4, uvode i polarne koordinate, tj. smjene x(t) = 2 cos t i y(t) = c sin t, gje je t [0, 2], na a funkcija f postaje funkcija jedne varijable s 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 ek stremne vrijednosti funkcije f . Zato posmatrajmo jedna inu c g (t) = 6 cos t sin t = 0 . Stacionarne ta ke ce biti t = 0, t = , t = , t = 3 i t = 2. Dakle, c 2 2 pored ta ke (0, 0) imamo jo cetiri kandidata za globalni ekstrem, c s a to su ta ke (2, 0), (0, 1), (2, 0) i (0, 1), odredjene gornjim vrijedc nostima za t. Izra unavaju i sada vrijednost funkcije u svakoj od ovih pet ta aka, c c c odredjujemo globalne ekstreme. f (0, 0) = 0 , f (2, 0) = 4 , f (0, 1) = 1 , f (2, 0) = 4 , f (0, 1) = 1 . Uporedjuju i gornje vrijednosti, zaklju ujemo da funkcija f ima c c globalnu maksimalnu vrijednost 4 u ta kama (2, 0) i (2, 0) i globc alnu minimalnu vrijednost 0 u ta ki (0, 0). c

77

2.4. Diferencijabilnost funkcije vi e promjenljivih s Kao sto nam pokazuje upravo uradjeni primjer, za funkciju za datu na zatvorenoj i ograni enoj oblasti odredjivanje globalnih ekc strema se svodi na to da pronadjemo lokalne ekstreme i ekstreme funkcije na rubu te oblasti, a onda odredjujemo sta ce biti globalne ekstremne vrijednosti. Ako funkciju ne posmatramo na zatvorenoj i ograni enoj oblasti, onda se problem odredjivanja globalnih ekc strema svodi na to da pronadjemo lokalne ekstreme, a onda nekom metodom ispitamo da li su oni ujedno i globalni ekstremi. Posmatrajmo sljede i primjer. c Primjer 2.31. U nekoj rmi zele da naprave pravougaonu posudu bez krova, zapremine 500 m3 i da pritome utro e sto je manje s mogu e materijala. c Ozna imo sa x i y du ine stranica te posude u osnovi i sa z c z visinu te posude (sve veli ine su izra ene u metrima), tada u stvari c z treba prona i minimalnu vrijednost funkcije c M (x, y, z) = xy + 2xz + 2yz , pri cemu zapremina mora biti xyz = 500. Izra avaju i z iz ove jed z c nakosti i uvr tavanjem u funkciju M , dobijamo funkciju s M(x, y) = xy + 1000 1000 + , y x

kojoj treba odrediti minimalnu vrijednost na beskona nom pravougaoniku c R = {(x, y)| x > 0 , y > 0} . Rje avanjem sistema s M x M y = y 1000 =0 x2 1000 = x 2 =0 y

dobijamo jedinu stacionarnu ta ku A(10, 10). c Hesijan funkcije M glasi HM(x, y) = odnosno HM(10, 10) = 78
2000 x3

1
2000 y3

2 1 1 2

2.4. Diferencijabilnost funkcije vi e promjenljivih s Kako je det(HM(10, 10)) = 3, zaklju ujemo da je Hesijan pozitivno c denitan, a to zna i da funkcija M ima lokalni minimum u ta ki c c A(10, 10) i pri tome je Mmin = M(10, 10) = 10 10 + 1000 1000 + = 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, c tada je 1000 > 1000, odnosno 1000 > 1000, pa je o igledno vrijednost x y funkcije M ve a od 300. Ako je sada x 400 i y 1, onda je xy c 400, pa bi opet vrijednosti na e funkcije bile ve e od 300 (analogno s c i slu aj y 400 i x 1). Dakle, ako posmatramo skup c D = {(x, y)| 1 x 400 , 1 y 400} , izvan skupa D vrijednosti funkcije M su ve e od 300. Na skupu D c na a funkcija ima globalni minimum u ta ki (10, 10), pa je to onda s c o igledno globalni minimum funkcije na citavom skupu R. c Ostaje samo jo zaklju iti da je tada s c z= 500 =5, 10 10

odnosno da posuda treba biti dimenzija 10 10 5, da bi imala odgovaraju u zapreminu i da bi imali minimalne tro kove. c s

2.4.11 Uslovni ekstrem

Primjer 2.31 ima neke sli nosti sa Primjerom 2.30. Naime, u oba c 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 povr xyz = 500. s U prvom smo primjeru problem rije ili tako sto smo parametrizos vali 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 rje avanje oba ova ali i drugih sli nih problema. s c

79

2.4. Diferencijabilnost funkcije vi e promjenljivih s U osnovnom slu aju ekstremizacija, zadata je neka (diferencic jabilna) funkcija f : Rn R za koju zelimo na i ekstremne vrijed c nosti. Taj problem smo rje avali nala enjem svih kriti nih ta aka s z c c funkcije, a onda testom druge derivacije ispitivali karakter tih ta aka. c Medjutim, kao sto smo vidjeli u Primjeru 2.31, nekada treba izvr iti s ekstremizaciju funkcije, pri cemu su nezavisne varijable te funkcije vezane nekim uslovom, tj. tra imo ekstremnu vrijednost funkcije z f (x1 , x2 , ..., xn ) = y, pri uslovu g(x1 , x2 , ..., xn ) = 0. Ovakvu vrstu ekstremizacije nazivamo uslovna ekstremizacija. Primjer 2.32. Neka treba odrediti minimum funkcije z = x2 + y 2 pri uslovu x + y = 1, tj. x2 + y 2 min x+y1=0 . O igledni minimum funkcije, bez uslova , je u ta ki (0, 0) i vidimo c c da ta ta ka ne zadovoljava uslov x + y = 1. Sta geometrijski predc stavlja uslov u gornjem problemu?
z

y x

Slika 2.5: Uslovni ekstrem Graf funkcije z = x2 + y 2 je paraboloid, a uslov x + y = 1 predstavlja jedna inu ravni u R3 . Dakle, mi tra imo minimalnu vric z jednost na paraboloidu ali samo u onim ta kama u kojima se sic jeku paraboloid (ciljna funkcija) i ravan (uslovna funkcija). Sa slike vidimo da se tra i minimum funkcije koja predstavlja parabolu u z 3 prostoru R . Zaista, koriste i uslovnu funkciju, mo emo izraziti c z jednu varijablu, npr. y = 1 x, pa stavljaju i to u izraz ciljne c funkcije imamo, z = x2 + (1 x)2 = 2x2 2x + 1 , 80

2.4. Diferencijabilnost funkcije vi e promjenljivih s a ovo je zaista jedna ina parabole. Sada minimum ove funkcije c nalazimo kao problem ekstremizacije funkcije jedne vaerijable. z = 1 4x 2, pa imamo jednu stacionarnu ta ku x0 = 2 . Kako je z = 4, c dakle pozitivan, to u ta ki x0 funkcija ima minimum. Izra unavaju i c c c 1 y0 = 1 x0 = 2 , zaklju ujemo da funkcija z = x2 + y 2 ima minimum c 1 1 u ta ki ( 2 , 2 ), pri uslovu x + y = 1. c Gornji primjer nam daje jedan metod za rje avanje problema s uslovne ekstremizacije, ali jasno je da ce primjena ovog metoda biti kudikamo slo enija, za malo slo enije uslovne funkcije. Zato nam z z je u interesu imati i neki drugi metod, a najop tiji od svih je tzv. s Lagrangeov metod, koga cemo sada izlo iti. z Sta ce biti motivacija za ovaj metod? Posmatrajmo ponovo gornji primjer i konturnu sliku grafova ciljne i uslovne funkcije (slika 2.6). Nivo linije funkcije z = x2 + y 2 predstavljaju koncentri ne cenc 2 2 tralne kru nice (x + y = k), a uslovna funkcija zbog svog polo aja z z (ortogonalna na xOy ravan), predstavljena je pravom linijom u xOy ravni. Na slici uo avamo da prava neke od konturnih linija sije e, c c neke nivo linije ne e uop te sje i ali da samo jednu nivo liniju c s c dodiruje. Strelice na slici nam pokazuju pravce rasta ciljne funkcije (gradijentni vektor u razli itim ta kama), a time je onda odredjeno c c da nivo linije paraboloida bli e koordinatnom po etku, odgovaraju z c manjim vrijednostima funkcije (u op tem slu aju ovo nije pravs c ilo). Ovo onda zna i da upravo ona nivo linija koja se dodiruje c sa uslovnom funkcijom predstavlja bitan momenat. Naime, ta ke c 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 presje e jednu od nivo linija, sje i ce i svaku ve u nivo c c c liniju, pa dakle tu i nemo emo tra iti kona nu ekstremnu vrijedz z c nost. Naravno, tra iti nivo liniju zadate povr i koja ce dodirivati uslovnu z s funkciju ne bi bio lagan posao. Zato se prisjetimo da je ugao izmedju dvije krive koje se sijeku, jednak uglu izmedju njihovih tangenti u presje noj ta ki. Dakle, ako se dvije linije dodiruju, c c onda se njihove tangente u dodirnoj ta ki poklapaju, ili druga ije c c iskazano, vektori normala na tim tangentama su paralelni. Kako je gradijentni vektor upravo onaj vektor koji je ortogonalan na nivo liniju u proizvoljnoj ta ki, a uslov paralelnosti vektora je uslov njic hove kolinearnosti, zaklju ujemo da mi treba da odredimo upravo c

81

2.4. Diferencijabilnost funkcije vi e promjenljivih s

5 4 3 2 1

-5

-4

-3

-2

-1 -1 -2 -3 -4 -5

Slika 2.6: Nivo linije funkcije z = x2 + y 2 sa uslovnom funkcijom x + y = 1 one ta ke (x, y) R2 u kojima vrijedi c (x2 + y 2 ) = (x + y 1) . Zbog paralelnog pomjeranja, takvih vektora bi bilo beskona no mnogo. c Medjutim, mi tra imo ta ke na uslovnoj krivoj koje to zadovolz c javaju, tj. nalazimo ta ke (x, y) koje zadovoljavaju c (x2 + y 2 ) = (x + y 1) i Generalno, ako rje avamo problem s x+y1=0 .

f (X) ext g(X) = 0 , rje enje ce biti u onim ta kama X(x1 , x2 , ..., xn ) u kojima su zadovols c jeni uslovi f (X) = g(X) (2.4.23) g(X) = 0 . (2.4.24) Izlo eni metod se naziva Lagrangeov metod, a nova varijabla z R koja se pojavljuje u uslovu (2.4.23), naziva se lagrangeov multiplikator. Ako uvedemo funkciju (X, ) = f (X) g(X) , (2.4.25)

koju nazivamo Lagrangeova funkcija ili lagran ijan, nije te ko uo iti z s c da su uslovi (2.4.23) i (2.4.24), ekvivalentni uslovu (X, ) = 0 . 82 (2.4.26)

2.4. Diferencijabilnost funkcije vi e promjenljivih s Zaista, nalaze i parcijalne izvode po promjenljivima xi (i = 1, 2, ..., n) c imamo f g = , i = 1, 2, ..., n . xi xi xi Sada zbog (2.4.26), zaklju ujemo da je c f g =0, xi xi za sve i {1, 2, ..., n}, tj. vrijedi uslov (2.4.23). Kako je = g(X) , opet zbog (2.4.26) imamo g(X) = 0 , odnosno uslov (2.4.24). Na ovaj na in smo prakti no dali i opis postupka rje avanja c c s uslovne ekstremizacije oblika f (X) ext g(X) = 0 . 1. Prvo formiramo lagran ijan z (x1 , x2 , ..., xn , ) = f (x1 , x2 , ..., xn ) g(x1 , x2 , ..., xn ) , 2. Odredjujemo (x1 , x2 , ..., xn , ). (x1 , x2 , ..., xn , ) = 0, tj. sistem f g =0 x1 x1 f g = =0 x2 x2 .. ............................. f g = =0 xn xn = = g(x1 , x2 , ..., xn ) = 0 . 83

3. Rje avamo jedna inu s c x1 x2 ..... xn

2.4. Diferencijabilnost funkcije vi e promjenljivih s Rje enja posljednjeg sistema su stacionarne ta ke lagran ijana s c z i ostaje nam jo samo utvrditi karakter tih ta aka. s c Primjetimo odma, da ce u pronadjenim stacionarnim ta kama c X , biti (X , ) = f (X ) , (jer je g(X ) = 0) tj. ekstremi lagran ijana ujedno su i ekstremi na e z s ciljne funkcije. Zato za ispitivanje karaktera tih ta aka mo emo c z 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 odredjivanje karaktera te ta ke. c Primjer 2.33. Rije iti problem s f (x, y) = x2 + y 2 ext x+y =1 . Kao sto smo rekli, formiramo prvo lagran ijan z (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 ra unamo gradijent lagran ijana c z (x, y, ) = , , x y = (2x , 2y , x + y 1) .

Sada rje avamo sistem s 2x = 0 2y = 0 x+y1 = 0 . Iz prve dvije jedna ine sistema imamo 2x = 2y, tj. x = y, pa c 1 uvr tavaju i to u tre u jedna inu, dobijamo x = y = 2 i za ove vris c c c 1 jednosti je = 1. Dakle, imamo jednu stacioarnu ta ku X0 2 , 1 , 1 . c 2 Posljedni korak je utvrdjivanje karaktera ta ke X0 . Ra unaju i c c c druge parcijalne izvode, imamo d2 f (X0 ) = 2dx2 + 2dy 2 , i vidimo da je d2 f (X0 ) > 0 (kao suma kvadrata), te dakle imamo 1 1 minimum funkcije f , pri uslovu g, u ta ki 2 , 1 , i on iznosi fmin = 2 . c 2 84

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.34. Odrediti na kru nici k : (x 1)2 + (y 2)2 = 1 najbli u z z i najdalju ta ku od koordinatnog po etka. c c Problem mo emo rije iti jednostavno, z s povla e i pravu odredjenu ta kama c c c (0, 0) i (1, 2), i nalaze i njen presjek sa c 2 zadatom kru nicom. z X1 Rije imo problem ipak na te i na in. s z c 1 Razmi ljajmo ovako: s ako opi emo s centralnu kru nicu z proizvoljnog polupre nika r, onda ona na sebi c -2 -1 1 2 3 sadr i sve one ta ke koje su na istom z c -1 odstojanju r od koodinatnog po etka. c Naduvajmo neku malu centralnu kru nicu, sve do momenta z njenog dodira sa zadatom kru nicom k. Ta ka dodira ce upravo c c biti najbli a ta ka koordinatnom po etku. Ako nastavimo naduz c c vavanje, kru nice ce sje i kru nicu k ali tu nemamo ta aka koje z c z c su najbli e ili najdalje jer su sve one dalje od prve dodirne ta ke, z c a naduvavanjem dobijamo sve dalje i dalje ta ke. Ovo naravno c vrijedi do momenta kada ponovo dobijemo kru nicu koja dodirne z kru nicu k (velika crvena kru nica). z z Cijeli opisani postupak nas navodi da problem postavimo ovako: nadjimo minimum i maksimum funkcije f (x, y) = x2 + y 2 (to su centralne kru nice cije polupre nike tra imo) pri uslovu (x 1)2 + z c z 2 (y 2) = 1 (na ovoj kru nici tra imo najbli u i najdalju ta ku). z z z c Dakle, rje avamo s x2 + y 2 ext 3 X2 Lagran ijan problema je (x, y, ) = x2 +y 2 ((x1)2 +(y2)2 1), a z njegov gradijent, = (2x2(x1), 2y2(y1), (x1)2 +(y2)2 1). Rje avamo sistem s 2x 2(x 1) = 0 2y 2(y 1) = 0 2 (x 1) + (y 2)2 1 = 0 .
2 2 1 1 Stacionarne ta ke su X1 1 + 5 , 2 + 5 i X2 1 5 , 2 5 . Prosc tom provjerom zaklju ujemo da funkcija u ovim ta kama ima nac c jve u i najmanju vrijednost, odnosno da su to najdalja i najbli a c z ta ka koordinatnom po etku, na kru nici k. c c z

(x 1)2 + (y 2)2 = 1 .

85

2.4. Diferencijabilnost funkcije vi e promjenljivih s Vratimo se na opasku te i na in rje avanja. Postavimo probz c s lem da na proizvoljnoj liniji g(x, y) = 0 nadjemo najbli u ili najdalju z ta ku od koordinatnog po etka. Sada onaj lak i na in uop te c c s c s nemo emo primjeniti, a ovaj te i funkcioni e. Dakle, on je uniz z s verzalnijeg karaktera i kao takav mnogo bolji na in. Npr. na i na c c 2 grafu funkcije y = x + x + 1 ta ku najbli u koordinatnom po etku. c z c U prethodna dva primjera vidjeli smo kako funkcioni e Lagrangeov s metod, pri cemu smo imali samo jedno ogani enje, a time i jednu c dodatnu varijablu problema. Naravno da ograni enja mo e biti i c z vi e, medjutim metod se bitno ne e mijenjati. Naime, neka je zadat s c problem sa dva ograni enja. c f (x1 , x2 , ..., xn ) ext h(x1 , x2 , ..., xn ) = 0 , g(x1 , x2 , ..., xn ) = 0 . Formiramo lagran ijan, tako da svakom ograni enju pridru imo z c z po jedan lagrangeov multiplikator, (x1 , x2 , ..., xn , , ) = f (x1 , x2 , ..., xn )h(x1 , x2 , ..., xn )g(x1 , x2 , ..., xn ) . Nala enjem gradijenta lagran ijana, postavljamo sistem z z f g h = = 0 , i = 1, 2, ..., n xi xi xi xi = g(x1 , x2 , ..., xn ) = 0 = h(x1 , x2 , ..., xn ) = 0 , cijim rje avanjem dobijamo stacionarne ta ke problema. Kao i u s c slu aju jednog ograni enja, nekim od poznatih postupaka odredc c imo karakter stacionarnih ta aka. c U op tem slu aju, ako imamo k ograni enja gi (x1 , x2 , ..., xn ) = 0, s c c postupak je isti, a lagran ijan je z
k

(X, ) = f (X)

i gi (X) , = (1 , 2 , ..., k ) .
i=1

86

2.4. Diferencijabilnost funkcije vi e promjenljivih s Primjer 2.35. Rije imo problem s f (x, y, z) = 4y 2z ext 2x y z 2 = 0 , x2 + y 2 1 = 0 . Za egzistenciju rje enja gornjeg problema pozivamo se na Teos rem 2.4.15. Zaista, zbog drugog ograni enja, o igledno je da vric c jedi 0 x, y 1, a iz prvog ograni enja onda zaklju ujemo da je c c 3 z 0, pa je skup na kome tra imo ekstremne vrijednosti z funkcije ograni en i zatvoren. c Lagran ijan glasi z (x, y, z, , ) = 4y 2z (2x y z 2) (x2 + y 2 1) . Nalazimo parcijalne izvode lagran ijana z x y z = 2 2x = 4 2y = 2 = 2x + y + z + 2 = x2 y 2 + 1 .

Sistem koga rje avamo ima pet nepoznatih (x, y, z, , ) i pet jedna ina s c 2 2x 4 + 2y 2 + 2x + y + z + 2 x2 y 2 + 1 = = = = = 0 0 0 0 0.

Iz tre e jedna ine direktno slijedi = 2. Ubacuju i to u prvu i c c c drugu jedna inu, dobijamo c x= 2 3 , y= . 87

2.4. Diferencijabilnost funkcije vi e promjenljivih s Stavljaju i ove rezultate u petu jedna inu, imamo c c 4 9 13 + 2 = 2 = 1 = = 13 . 2 Sada imamo dva slu aja. Za = 13, x = 2 i y = 3 . Iskorisc 13 13 timo li i cetvrtu jedna inu, dobijamo z = 2 7 . Time smo dobili c 13 prvu stacionarnu ta ku c 3 7 2 X1 (x, y, z, , ) = X1 ( , , 2 , 2, 13) . 13 13 13 Analogno, za slu aj = 13, dobijamo stacionarnu ta ku c c 3 7 2 X2 ( , , 2 + , 2, 13) . 13 13 13 Lahko se sada provjerava da u ta ki X1 imamo maksimum c 26 fmax = f (X1 ) = 4 + , 13 a minimum u ta ki X2 c 26 fmin = f (X2 ) = 4 . 13

88