FUNKCIJE VIŠE VARIJABLI

U ovom poglavlju ispitani su temeljni koncepti i korisne metode pronalaženja minimuma

funkcija više varijabli koja je bazirana na funkcijama jedne varijable. Pomoću određenih
matematičkih izraza i računa ispituju se pitanja statike tj. Ispituju se uvjeti koji nam
omogućuju karakterizirati optimum. Pomoću tih uvjeta ispituje se postoji li minimum ili
maksimum, pri tome nas zanima samo da li rješavaju neograničeni višefunkcijski problem:

Minimum f ( x ) x ∈ R N

U nedostatku ograničenja na x, gdje je x vektor varijabli dimenzije N, a f je skalarna veličina.

Tipična pretpostavka je da xi ( za i=1,2,3....N) može poprimiti bilo koju vrijednost, iako u
mnogim primjerima mora biti odabran iz određenog skupa. Nadalje, često je lako
pretpostaviti da skalar f i njemu pripadajuće derivacije postoje i da su neprekinute, iako
znamo da se optimum može pojaviti u kritičnim točkama ili u gradijentu:

T
∂f ∂f ∂f ∂f
∇f=
[ , ,
∂ x 1 ∂ x 2 ∂ x3
,…,
∂ xN ]
Dobro je zapamtiti da f može poprimiti minimalnu vrijednost u točki x, pri čemu je f
neprekinuta ili f ne postoji. Potrebno je barem privremeno zaboraviti te faktore, kako bi se
mogli odrediti kriteriji optimalnosti. Često se moramo zadovoljiti lokalnim optimumima,
budući da skalar f često neće biti konveksan i multimodalan kao na slici 3.1., kontura
površine Himmelblauove funkcije:

2 2
f ( x )=[ x21 + x 2−11 ] + [ x 1 + x 22−7 ]
 Slika 1.1. Konture Himmelblauove funkcije:

Vidimo da ova funkcija ima četiri različita minimuma. Zatim ispitujemo dinamičko pitanje s
obzirom na x (0), točku koja ne zadovoljava gore navedene kriterije optimalnosti, koji je bolji
kriterij (1) rješenja x *? Upravo to dovodi do rasprave o nizu drugih načina o čemu će više
biti riječi kasnije.

KRITERIJ OPTIMALNOSTI

Razvijeni su kriteriji ili uvjeti koji omogućuju da karakteriziramo odnosno klasificiramo točke
u prostoru. Ispitujemo kriterije optimuma iz dva razloga:

1. Nužni su za prepoznavanje rješenja

2. Daju motivaciju za većinu korisnih metoda.

Uzmimo u obzir Taylorovo proširenje funkcije nekoliko varijabli:

f ( x )=f ( x́ )+ ∇ f ¿
x́ → točka proširenja u R N

∆ x=x −x́ → promjena u x

∇ f ( x́ )=N → komponenta vektora prve derivacije f(x) derivirano po x́

∇ 2 f ( x́ ) =H f ( x́ )=N × N → simetrična matrica druge parcijalne derivacije f(x) derivirano po x́

tzv. Hessian matrica. Element u i-tom redu i i-tom stupcu je ∂2 f /∂ x i ∂ x j.

O 3 (∆ x )→ svi uvjeti jednadžbe veći od 2 u ∆ x

Ne obaziremo se trenutno na izraze višeg reda ( O 3 ( ∆ x ) ¿ i ispitujemo promjene veličine f(x)

s obzirom na promjene x.

∆ f ( x ) =f ( x )−f ( x́ )=∇ f ¿

Prema definiciji koja govori da je minimalna točka takva, da sve ostale točke oko nje imaju
veće vrijednosti, proizlazi:

∆ f ( x ) =f ( x )−f ( x́ ) ≥0

Ako jednadžba vrijedi za x ∈ RN , točka x́ je globalni minimum i poprima oznaku x ¿∗¿ ¿, a ako
je za neke okolne točke δ, x takav da vrijedi ⌈ ⌈ x− x́ ⌉ ⌉ ≤ δ za δ >0, tada je točka x́lokalni
minimum. Kada je:

∆ f ( x ) =f ( x )−f ( x́ ) ≤0

tada je x́ maksimum, globalni ili lokalni kao i u slučaju za minimum.