Sveučilište J. J.

Strossmayera u Osijeku
Odjel za matematiku
Sveučilišni nastavnički studij matematike i informatike

Kristina Flanjak

Ekstremi funkcija više varijabli

- primjena

Diplomski rad

Osijek, 2012.
 Sveučilište J. J. Strossmayera u Osijeku
Odjel za matematiku
Sveučilišni nastavnički studij matematike i informatike

Kristina Flanjak

Ekstremi funkcija više varijabli

- primjena

Diplomski rad

Mentor: doc. dr. sc. Krešimir Burazin

Osijek, 2012.
Sadržaj
Uvod 4

1 Funkcije više varijabli 5

1.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Ekstremi funkcija više varijabli 11

2.1 Ekstremi funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Praktični optimizacijski problemi . . . . . . . . . . . . . . . . . . . . . 19
2.2.1 Ostvarivanje maksimalnog profita . . . . . . . . . . . . . . . . . 19
2.2.2 Problem minimalnog troška . . . . . . . . . . . . . . . . . . . . 22
2.2.3 Primjene u društvenim i humanističkim znanostima . . . . . . . 26
2.2.4 Primjena u matematici . . . . . . . . . . . . . . . . . . . . . . . 29

3 Uvjetni ekstremi 31
3.1 Lagrangeova metoda za odredivanje uvjetnih ekstrema . . . . . . . . . 31
3.2 Značajnost Lagrangeovih multiplikatora . . . . . . . . . . . . . . . . . 36
3.3 Primjena Lagrangeove metode . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.1 Funkcija proizvodnje . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.2 Problem minimalnog troška . . . . . . . . . . . . . . . . . . . . 42
3.3.3 Primjena u matematici . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.4 Ostale primjene . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

Literatura 51

Sažetak 53

Summary 54

Životopis 55
Uvod

U matematici minimum i maksimum, ili jednom riječju ekstrem, opisuju mini-

malnu, odnosno maksimalnu vrijednost neke funkcije. U ovom radu osvrnut ćemo se
na načine odredivanja ekstremnih vrijednosti funkcija s više varijabli i njihovu primjenu
u različitim znanostima, ali i svakodnevnom životu. Znamo da se problem odredivanja
ekstrema za funkcije jedne varijable rješava pomoću derivacija. U ovom radu ćemo
vidjeti da se analogan problem za funkcije više varijabli rješava pomoću parcijalnih
derivacija.
U prvom poglavlju navest ćemo osnovne pojmove koji su nam potrebni u radu. Na
samom početku uvodimo pojam funkcije više varijabli i njenu neprekidnost. Definirat
ćemo parcijalnu derivaciju i drugi diferencijal funkcije više varijabli pomoću čega ćemo
odredivati ekstreme funkcije. Takoder ćemo iskazati neke osnovne teoreme na koje
ćemo se pozivati u daljnjem radu.
U drugom poglavlju ćemo govoriti o ekstremima funkcija više varijabli, kao i o uvje-
tima za postojanje ekstrema. Vidjet ćemo da postoje dvije vrste uvjeta za postojanje
lokalnog ekstrema u nekoj točki: uvjet kojeg ispunjava svaka točka u kojoj funkcija ima
ekstrem i uvjet koji znači da funkcija u nekoj točki ima ekstrem čim je on ispunjen. Na
samom kraju poglavlja ćemo vidjeti kako primijeniti iskazane nužne i dovoljne uvjete
te pronaći ekstreme zadanih funkcija. Iako se sami postupci čine formalni, vidjet ćemo
da nam njihova upotreba daje vrlo korisne informacije u stvarnosti te da nam mate-
matički izvod jamči točnost zaključaka uz uvjet da su pretpostavke točne.
Ponekad je potrebno odrediti točku ekstrema neke funkcije uz neki uvjet kojim se
ograničava skup točaka domene koje želimo uzeti u obzir. Takve ekstreme nazivamo
uvjetnim ekstremima i o njima ćemo govoriti u trećem poglavlju. Uvjeti su obično dani
u obliku jednadžbe i u većini problema nije ih moguće riješiti supstitucijom. Uvodi se
tzv. Lagrangeova funkcija s pripadnim koeficijentom λ koji nazivamo Lagrangeov mul-
tiplikator. Mogući ekstremi polazne funkcije traže se medu stacionarnim točkama La-
grangeove funkcije. U navedenim primjenama vidjet ćemo da se karakter stacionarne
točke lako odreduje pomoću drugih parcijalnih derivacija Lagrangeove funkcije. Na
kraju poglavlja ćemo navesti korisne primjene traženja esktrema uz dano ograničenje.

4
1 FUNKCIJE VIŠE VARIJABLI 5

1 Funkcije više varijabli

1.1 Osnovni pojmovi

Prije proučavanja ekstrema funkcija više varijabli potrebno je definirati neke osnovne
pojmove koje ćemo koristiti, poput funkcije više varijabli, otvorenog skupa, neprekid-
nosti, itd.

Definicija 1.1 Svaku funkciju f : Ω → R, definiranu na domeni Ω ⊆ Rn , nazivamo

realna funkcija n nezavisnih varijabli.

Definicija 1.2 Norma na prostoru Rn je svaka funkcija || || : Rn → R koja zadovo-

ljava sljedeća svojstva:

(N1) ||P || ≥ 0, P ∈ Rn

(N2) ||P || = 0 ⇐⇒ P = 0

(N3) ||λP || = |λ| ||P ||, λ ∈ R, P ∈ Rn

(N4) ||P + Q|| ≤ ||P || + ||Q||, P, Q ∈ Rn .

Definicija 1.3 Za točku P0 ∈ Rn i r > 0 skup

n o
K(P0 , r) := P = (x1 , ..., xn ) : ||P − P0 || < r ⊆ Rn

zovemo otvorenom kuglom oko P0 radijusa r.

Definicija 1.4 Za skup Ω ⊆ Rn kažemo da je otvoren skup u Rn ako za svaku točku

P0 ∈ Ω postoji broj r > 0 takav da je K(P0 , r) ⊆ Ω.

Definicija 1.5 Neka je Ω otvoreni skup u Rn , za funkciju f : Ω → R kažemo da je

neprekidna u točki P0 ∈ Ω, ako

(∀ε > 0) (∃δ > 0) (∀P ∈ Ω) ||P − P0 || < δ ⇒ |f (P ) − f (P0 )| < ε .

Funkcija f neprekidna je na skupu Ω ako je neprekidna u svakoj točki iz Ω. Za funkciju

f kažemo da je klase C na Ω ako je ona neprekidna na Ω, pišemo f ∈ C(Ω).

U radu će se koristiti i pojam parcijalne derivacije funkcije više varijabli te ćemo i njih
definirati, no prije toga ćemo definirati limes funkcije više varijabli.
1 FUNKCIJE VIŠE VARIJABLI 6

Definicija 1.6 Neka je Ω otvoreni skup u Rn , točka P0 ∈ Rn te neka je f : Ω → R.

Za l ∈ R kažemo da je limes funkcije f u točki P0 ako vrijedi:

(∀ε > 0) (∃δ > 0) (∀P ∈ Ω) (0 < ||P − P0 || < δ ⇒ |f (P ) − l| < ε).

Pišemo: lim f (P ) = l.
P →P0

Definicija 1.7 Neka je Ω otvoreni skup u Rn , f : Ω → R i P0 = (x01 , ..., x0n ) ∈ Ω te

neka je i ∈ {1, ...., n}. Za fiksni i kažemo da funkcija f ima parcijalnu derivaciju po
i − toj varijabli ukoliko postoji

f (x01 , x02 , ..., x0i−1 , xi , x0i+1 ..., x0n ) − f (x01 , x02 , ..., x0i , ..., x0n )
lim 0 . (1)
xi →xi xi − x0i

Tada taj limes zovemo parcijalna derivacija funkcije f po i − toj varijabli u točki P0 i
∂f
označavamo s ∂x i
(P0 ), ∂xi f (P0 ), ∂i f (P0 ), fx0 i (P0 ).

Definicija 1.8 Neka je Ω ⊆ Rn otvoreni skup,a f : Ω → R i P0 = (x01 , ..., x0n ) ∈ Ω.

Kažemo da je funkcija f diferencijabilna u točki P0 ako postoji linearan operator
A : Rn → R takav da vrijedi

f (P0 + H) − f (P0 ) − A(H)

lim = 0.
H→0 ||H||

Linearni operator A tada zovemo diferencijal funkcije f u točki P0 i pišemo

A = Df (P0 ).
Preslikavanje f je diferencijabilno na Ω ako je diferencijabilno u svakoj točki P0 ∈ Ω.

Neka je Ω ⊆ Rn , a f : Ω → R preslikavanje diferencijabilno u točki P0 ∈ Ω. Za

diferencijal Df (P0 ) : Rn → R postoji jedinstveni vektor (a1 , ..., an ) ∈ Rn takav da je
n
X
Df (P0 )(H) = ai hi , H = (h1 , ..., hn ) ∈ Rn , (2)
i=1

pa su a1 , ..., an jedinstveno odredeni realni brojevi takvi da je

n
X
f (P0 + H) − f (P0 ) − ai hi
i=1
lim = 0.
H→0 ||H||

Specijalno, za H = hej , gdje su e1 , ..., en vektori standardne ortonormirane baze u Rn ,

vrijedi
f (P0 + hej ) − f (P0 ) − aj h
lim = 0,
h→0 |h|
1 FUNKCIJE VIŠE VARIJABLI 7

odakle, promatrajući jednostrane limese lim+ i lim− , zaključujemo da je

h→0 h→0

f (P0 + hej ) − f (P0 )

aj = lim ,
h→0 |h|
tj. koordinate vektora kojim je reprezentiran diferencijal Df (P0 ) su upravo parcijalne
derivacije ∂j f (P0 ) funkcije f u točki P0 .
Dakle, ako je funkcija f diferencijabilna u točki P0 ∈ Ω, onda postoje parcijalne deri-
vacije po svim varijablama i vrijedi
Xn
Df (P0 )(H) = ∂i f (P0 )hi , H ∈ Rn .
i=1

Napomena 1. Primijetimo da su brojevi (a1 , ..., an ) koji su jednoznačno odredeni

linearnim funkcionalom Rn → R kao u (2) zapravo vrijednosti tog funkcionala na
vektorima standardne baze u Rn , tj. u ovom slučaju vrijedi
∂j f (P0 ) = aj = Df (P0 )(ej ).

Neka je L(Rn , R) vektorski prostor linearnih funkcionala na Rn , tj. dualni prostor od

Rn , a dx1 , ..., dxn ∈ L(Rn , R) su vektori dualne baze s obzirom na standardnu bazu
e1 , ..., en . Dakle, dxi (H) = hi za svaku točku H = (h1 , ..., hn ). Tada za diferencijal
Df (P0 ) funkcije f : Ω → R imamo
n
X
Df (P0 ) = ∂i f (P0 )dxi . (3)
i=1

Budući da su vektorski prostori L(Rn , R) i Rn izomorfni, diferencijalu Df (P0 ) s obzi-

rom na standardnu bazu u Rn možemo pridružiti njegovu matricu, tj. vektor
(∂1 f (P0 ), ∂2 f (P0 ), ..., ∂n f (P0 )) koji se naziva gradijent funkcije f u točki P0 i
označava se s gradf (P0 ) ili ∇f (P0 ). Veza izmedu gradijenta i diferencijala funkcije
dana je s
Df (P0 )(H) = (∇f (P0 )|H), H ∈ Rn ,
gdje (·|·) označava standardni skalarni produkt na Rn .

Definicija 1.9 Neka je A ⊆ Ω skup svih točaka P ∈ Ω u kojima postoji parcijalna de-
rivacija fxi po varijabli xi . Funkciju fxi : A → R zovemo parcijalna derivacija funkcije
f u točki P0 i ta funkcija je opet funkcija od n varijabli koja može imati svoje par-
cijalne derivacije. Parcijalnu derivaciju po varijabli xj funkcije fxi zovemo parcijalna
derivacija drugog reda funkcije f u točki P0 po varijablama xi i xj i označavamo
∂ 2f
(P0 ).
∂xi ∂xj
Analogno se uvode i parcijalne derivacije višeg reda funkcije f .
1 FUNKCIJE VIŠE VARIJABLI 8

Za parcijalne derivacije drugog reda koristit ćemo i oznake: fx00i xj (P0 ), ∂i ∂j f (P0 ).

Definicija 1.10 Za preslikavanje f : Ω ⊆ Rn → R kažemo da je diferencijabilno klase

C m i pišemo f ∈ C m (Ω), ako postoje sve parcijalne derivacije reda ≤ m u svakoj točki
iz Ω i ukoliko su one neprekidne na Ω.

Ako je preslikavanje f : Ω ⊆ Rn → R diferencijabilno u svakoj točki iz skupa Ω, tada

Df možemo shvatiti kao preslikavanje Df : Ω → L(Rn , R). Ako je to preslikavanje dife-
rencijabilno u točki P0 , pripadni diferencijal D(Df )(P0 ) : Rn → L(Rn , R) označavamo
s D2 f (P0 ) i zovemo drugi diferencijal preslikavanja f u točki P0 ∈ Ω. Ako D2 f (P )
postoji za svaki P ∈ Ω, imamo preslikavanje D2 f : Ω → L(Rn , L(Rn , R)).

Vektorski prostor L(Rn , L(Rn , R)) svih linearnih operatora s Rn u L(Rn , R) prirodno
je izomorfan vektorskom prostoru bilinearnih funkcionala BL(Rn × Rn , R), tj. prostoru
preslikavanja B : Rn ×Rn → R koja su linearna u svakoj varijabli. Taj prirodni izomor-
fizam definira se na sljedeći način: svakom linearnom operatoru b ∈ L(Rn , L(Rn , R))
pridružimo bilinearni operator B := β(b) : Rn × Rn → R definiran s

B(H, K) := (b(H))(K), H, K ∈ Rn .

Obratno, bilinearnom funkcionalu B ∈ BL(Rn × Rn , R) pridružit ćemo linearan ope-

rator λ(B) =: b ∈ L(Rn , L(Rn , R)) definiran s

(b(H))(K) := B(H, K), H, K ∈ Rn .

Lako se pokazuje da je β : L(Rn , L(Rn , R)) → BL(Rn × Rn , R) izomorfizam vektorskih

prostora s inverzom λ. Identificiramo li izomorfizmom β te vektorske prostore, možemo
drugi diferencijal interpretirati kao bilinearni funkcional.

Za preslikavanje f : Ω ⊆ Rn → R koje je diferencijabilno na Ω, prema formuli (3), je

Xn
Df (P0 ) = ∂i f (P0 )dx1 , P0 ∈ Ω, gdje su dxi ∈ L(Rn , R) vektori dualne baze prostora
i=1
Rn , stoga imamo:
n
X
2
D f (P0 )(H) = (D(Df )(P0 ))(H) = D(∂i f )(P0 )(H)dxi =
i=1
n X
X n 
= ∂j ∂i f (P0 )hj dxi , H ∈ Rn .
i=1 j=1

Ako funkcional D2 f (P0 )(H) ∈ L(Rn , R) primijenimo na K ∈ Rn , dobivamo

n X
X n
2
((D f )(P0 )(H))(K) = ∂j ∂i f (P0 )hj ki .
i=1 j=1
1 FUNKCIJE VIŠE VARIJABLI 9

Ako drugi diferencijal promatramo kao bilinearan funkcional, imamo:

n X
X n
2
D f (P0 )(H, K) = ∂j ∂i f (P0 )hj ki .
i=1 j=1

Teorem 1.1 (Schwarzov teorem) Neka je f : Ω ⊆ Rn → R funkcija klase C 2 na

Ω. Tada je
∂i ∂j f (P ) = ∂j ∂i f (P )
za sve i, j = 1, ..., n i P ∈ Ω.

Dakle, za f ∈ C 2 (Ω) drugi je diferencijal funkcije f simetričan bilinearan funkcional,

tj. vrijedi
D2 f (P )(H, K) = D2 f (P )(K, H), H, K ∈ Rn .

Sada ćemo opisati još jedan način gledanja na drugi diferencijal.

Neka je B : Rn × Rn → R bilinearan funkcional, tada je s

k(H) := B(H, H), H ∈ Rn

definirana neprekidna funkcija k : Rn → R za koju vrijedi

k(H + K) + k(H − K) = 2k(H) + 2k(K), H, K ∈ Rn . (4)

Za neprekidnu funkciju k za koju vrijedi (4) kažemo da je kvadratni funkcional na Rn .

Ako u (4) stavimo H = K = 0, možemo zaključiti da za svaki kvadratni funkcional
vrijedi
k(0) = 0.
Za H = 0 iz (4) imamo
k(−K) = k(K), K ∈ Rn .
Dakle, svakom je bilinearnom funkcionalu B : Rn × Rn → R pridružen kvadratni
funkcional κ(B) := k : Rn → R formulom

(κ(B))(H) := B(H, H). (5)

Prethodna razmatranja možemo primijeniti na drugi diferencijal funkcije f : Ω → R

klase C 2 . Prema Schwarzovom teoremu, drugi diferencijal D2 f (P0 ) : Rn × Rn → R je
simetričan bilineran funkcional. Pridruženi kvadratni funkcional je κ(D2 f (P0 )) kojeg
1 FUNKCIJE VIŠE VARIJABLI 10

ćemo takoder označavati s D2 f (P0 ). Tada je D2 f (P0 ) : Rn → R kvadratni funkcional,

a zbog (5) vrijedi
n
X
2
D f (P0 )(H) = ∂i ∂j f (P0 )hi hj , H ∈ Rn ,
i,j=1

tj. D2 f (P0 ) je (simetrična) kvadratna forma na Rn .

Označimo li s dxi ∈ L(Rn , R), i = 1, ..., n, linearne funkcionale definirane s dxi (H) = hi ,
možemo pisati
Xn
2
D f (P0 ) = ∂i ∂j f (P0 )dxi dxj
i,j=1

gdje je dxi dxj običan produkt realnih funkcija, tj.

dxi dxj (H) = dxi (H)dxj (H) = hi hj , H ∈ Rn .

Sada ćemo navesti još dva teorema koja će nam biti potrebna u daljnjem radu:

Teorem 1.2 (Taylorov teorem srednje vrijednosti) Neka je Ω ⊆ Rn otvoren

skup, f : Ω → R funkcija klase C k+1 (Ω) i [P0 , P ] ⊆ Ω. Tada postoji λ ∈ h0, 1i tako da
vrijedi
k
X 1 j 1
f (P ) = f (P0 ) + D f (P0 )(P − P0 ) + Dk+1 f (P0 + λ(P − P0 ))(P − P0 )
j=1
j! (k + 1)!

k
X 1 j
Polinom f (P0 ) + D f (P0 )(P − P0 ) zove se Taylorov polinom stupnja k funkcije
j=1
j!
f.

Teorem 1.3 (Teorem o implicitnoj funkciji) Neka je F : Ω → R realna funkcija

klase C 1 na otvorenom skupu Ω ⊆ Rn+1 = Rn × R a točka Q0 = (x01 , ..., x0n , y0 ) =
(P0 , y0 ) ⊆ Ω takva da je F (Q0 ) = 0 i ∂n+1 F (Q0 ) 6= 0. Tada postoji okolina U ⊆ Rn
oko točke P0 i postoji jedinstvena neprekidna funkcija f : U → R takva da je f (P0 ) = y0
i F (P, f (P )) = 0 za sve P ∈ U . Štoviše, funkcija f je diferencijabilna klase C 1 i vrijedi

∂i F (P, f (P ))
∂i f (P ) = − , P ∈ U, i = 1, ..., n.
∂n+1 F (P, f (P ))
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 11

2 Ekstremi funkcija više varijabli

2.1 Ekstremi funkcije

Prije samog opisivanja postupka pronalaženja ekstrema fukcija više varijabli definirat
ćemo pojmove lokalnog ekstrema i stacionarnih točaka i navesti nužan i dovoljan uvjet
za postojanje lokalnog ekstrema funkcije.

Definicija 2.1 Neka je Ω ⊆ Rn otvoren skup. Kažemo da funkcija f : Ω → R ima

lokalni minimum u točki P0 ∈ Ω ako postoji okolina K(P0 , r) ⊆ Ω takva da

(∀P ∈ K(P0 , r)\{P0 }) (f (P ) ≥ f (P0 )),

odnosno funkcija f u P0 ∈ Ω ima lokalni maksimum ako vrijedi:

(∀P ∈ K(P0 , r)\{P0 }) (f (P ) ≤ f (P0 )).

Vrijednosti f (P0 ) nazivamo minimumom, odnosno maksimumom funkcije f na skupu

Ω.

Ako u prethodnim definicijama vrijede stroge nejednakosti radi se o strogom lokalnom

minimumu, odnosno o strogom lokalnom maksimumu. Takoder, ukoliko u prethodnoj
definiciji vrijede sljedeće nejednakosti

f (P ) ≥ f (P0 ),

f (P ) ≤ f (P0 ),
za svaku točku P ∈ Ω, tada funkcija f u točki P0 ima globalni minimum, odnosno
globalni maksimum. Lokalne minimume i maksimume funkcije f nazivamo lokalni
ekstremi funkcije f , a globalne minimume i maksimume nazivamo globalni ekstremi
funkcije f .

Definicija 2.2 Neka je Ω ⊆ Rn otvoren skup i neka je f : Ω → R diferencijabilna

funkcija. Za točku P0 ∈ Ω kažemo da je stacionarna ili kritična točka funkcije f ako
vrijedi:
∂i f (P0 ) = 0, i = 1, 2, ..., n.
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 12

Teorem 2.1 (Nužan uvjet za postojanje lokalnog ekstrema)

Ako je P0 ∈ Ω ⊆ Rn točka lokalnog ekstrema diferencijabilne funkcije f : Ω → R, onda
je P0 stacionarna točka funkcije f , tj. vrijedi:

∂i f (P0 ) = 0, i = 1, 2, ..., n.

Dokaz:
Ako f ima u P0 lokalni minimum, onda ∀i = 1, 2, .., n i restrikcija

ϕi : xi 7→ f (x01 , x02 , ..., x0i−1 , xi , x0i+1 ..., x0n )

funkcije f na pravac kroz P0 odreden i − tim koordinatnim vektorom, ima u točki x0i
lokalni minumum. Kako je ϕi funkcija jedne varijable, vrijedi da je ϕ0i (x0i ) = 0. Ako za
neki indeks i postoji parcijalna derivacija od f po varijabli xi u točki P0 onda vrijedi
ϕ0i (x0i ) = ∂i f (P0 ). Zaključujemo

∂i f (P0 ) = 0, i = 1, 2, ..., n.

Analogno se zaključuje u slučaju lokalnog maksimuma. 

Napomena 2. Prilikom traženja lokalnog ekstrema funkcije prethodni teorem ćemo

koristiti ”unatrag”, tj. za pronalaženje ekstrema funkcije prvo ćemo odrediti staci-
onarne točke te funkcije.

Kod funkcija više varijabli ne mora se dogoditi da je svaka stacionarna točka ili lokalni
maksimum ili lokalni minimum, ona može biti i tzv. sedlasta točka (točka infleksije).
Stoga, da bismo odredili lokalni ekstrem funkcije više varijabli, nije dovoljno samo
naći stacionarne točke, potrebno je promatrati i drugi diferencijal. No prije definira-
nja dovoljnih uvjeta za postojanje ekstrema, definirat ćemo neke pojmove vezane za
kvadratne forme, tj. za funkcije q : Rn → R oblika
n
X
q(H) = aij hi hj , H ∈ Rn ,
i,j=1

gdje su aij ∈ R dani brojevi.

Definicija 2.3 Neka je q : Rn → R kvadratna forma.

(a) q je pozitivno definitna ako je q(H) > 0, za svaki H ∈ Rn \{0}.

q je negativno definitna ako je q(H) < 0, za svaki H ∈ Rn \{0}.
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 13

(b) q je pozitivno semidefinitna ako je q(H) ≥ 0, za sve H ∈ Rn .

q je negativno semidefinitna ako je q(H) ≤ 0, za sve H ∈ Rn .

(c) q je indefinitna ako nije niti pozitivno, niti negativno semidefinitna, tj. prima i
pozitivne i negativne vrijednosti.

Teorem 2.2 (Dovoljan uvjet za postojanje lokalnog ekstrema)

Neka je Ω ∈ Rn otvoren skup, f : Ω → R diferencijabilna funkcije klase C 2 i neka je
P0 ∈ Ω stacionarna točka funkcije f . Vrijedi:

(i) Ako je D2 f (P0 ) pozitivno definitna kvadratna forma, onda f ima u točki P0 strogi
lokalni minimum.

(ii) Ako je D2 f (P0 ) negativno definitna kvadratna forma, onda f ima u točki P0 strogi
lokalni maksimum.

(iii) Ako je D2 f (P0 ) indefinitna kvadratna forma, onda f u točki P0 nema lokalni
ekstrem, tj. P0 je sedlasta točka funkcije f .

Dokaz:
Kako je f ∈ C 2 (Ω) i Df (P0 ) = 0 po Taylorovu teoremu za svaki P iz neke okoline
točke P0 postoji ϑP ∈ h0, 1i takav da je
n
1X
f (P ) − f (P0 ) = ∂i ∂j f (P0 + ϑP (P − P0 ))(xi − x0i )(xj − x0j ), (6)
2 i,j=1

gdje su x0i komponente točke P0 , a xi komponente točke P = P0 + H.

Označimo
aij := ∂i ∂j f (P0 ),
rij (P ) := ∂i ∂j f (P0 + ϑP (P − P0 )) − ∂i ∂j f (P0 ).
n
xi −x0i
X
Za P 6= P0 neka je yi := ||P −P0 ||
, i = 1, 2, ..., n. Tada je |yi | ≤ 1 i yi2 = 1.
i=1

Uvrstimo li to sve u (6) dobivamo

n n
||P − P0 ||2  X X 
f (P ) − f (P0 ) = aij yi yj + rij (P )yi yj . (7)
2 i,j=1 i,j=1
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 14

n
X
(i) Neka je D2 f (P0 ), tj. funkcija (y1 , ..., yn ) 7→ aij yi yj , pozitivno definitna kva-
i,j=1
dratna forma. To je neprekidna funkcija pa ona na jediničnoj sferi
n
X
Sn−1
:= {(y1 , ..., yn ) : yi2 = 1} poprima minimum. Označimo taj minimum s ε.
i=1
Zbog pozitivne definitnosti drugog diferencijala je ε > 0. Kako je f ∈ C 2 (Ω), to je
lim rij (P ) = 0 pa postoji okolina U oko P0 takva da je |rij (P )| < nε2 za sve P ∈ U .
P →P0

Zbog |yi | ≤ 1 za P ∈ U \{P0 }, vrijedi

n n n n
X X X X ε
| rij (P )yi yj | ≤ |rij (P )||yi ||yj | ≤ |rij (P )| < 2
= ε.
i,j=1 i,j=1 i,j=1 i,j=1
n

Sada iz (7) imamo da je izraz

n
X n
X
rij (P )yi yj + aij yi yj > 0,
i,j=1 i,j=1

pa za svaki P ∈ U \{P0 } vrijedi f (P ) > f (P0 ), tj. f ima u P0 strogi lokalni minumum.

(ii) Ako je drugi diferencijal D2 f (P0 ) negativno definitna kvadratna forma, tada je
−D2 f (P0 ) = D2 (−f )(P0 ) pozitivno definitna pa prema (i) zaključujemo da funkcija −f
ima u P0 strogi lokalni minimum, odakle slijedi da f ima u P0 strogi lokalni maksimum.

0 0 0
(iii) Neka je D2 f (P0 ) indefinitna Xkvadratna forma. XTada postoje vektori H = (h1 , ..., hn )
i H 00 = (h001 , ..., h00n ) takvi da je aij h0i h0j > 0 i aij h00i h00j < 0. Za t ∈ R neka je
i,j i,j

Pt0 = P0 + tH 0 , Pt00 = P0 + tH 00 .
th0i
Tada je, uz oznake kao na početku teorema, yi = |t|||H 0 ||
pa je yi0 yj0 = 1
h0 h0 .
||H 0 ||2 i j
Uvr-
stimo li to u (6) dobivamo

t2  X X 
f (Pt0 ) − f (P0 ) = aij h0i h0j + rij (Pt0 )h0i h0j . (8)
2 i,j i,j

Kako je lim rij (Pt0 ) = 0, to je za dovoljno malene t drugi sumand u zagradi po apsolutnoj
t→0
vrijednosti manji od prvog (koji je pozitivan realan broj neovisan o t) pa je f (Pt0 ) >
f (P0 ). Kako se za svaku okolinu U točke P0 može uzeti t tako malen da je Pt0 ∈ U ,
zaključujemo da f u P0 nema lokalni maksimum.
Analogno, polazeći od točke Pt00 , zaključujemo da f nema u P0 niti lokalni minimum,
čime je teorem dokazan. 
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 15

Slika 1: Graf funkcije f (x) = x2 + y 2 koja postiže

lokalni minimum u točki (0,0)

Slika 2: Graf funkcije f (x) = −x2 − y 2 koja postiže

lokalni maksimum u točki (0,0)

Slika 3: Graf funkcije f (x) = x2 − y 2

gdje je točka (0,0) sedlasta točka

Napomena 3. Primijetimo da teorem ništa ne govori o slučaju kada je D2 f (P0 ) samo

semidefinitna kvadratna forma. Tada drugi diferencijal ne daje dovoljno informacija pa
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 16

su potrebna druga sredstva kako bismo utvrdili je li stacionarna točka točka lokalnog
maksimuma ili minimuma. No tu je situacija složenija nego za funkcije jedne varijable
i tim metodama se u ovom radu nećemo baviti.

Da bi se Teorem 2.2. mogao upotrijebiti, potrebno je imati kriterij kako ustanoviti

kakva je kvadratna forma s obzirom na definitnost. Jedan od kriterija koji se može
koristiti dan je sljedećim teoremom:

Teorem 2.3 (Sylvesterov X kriterij)

Neka je q(t1 , ..., tn ) = aij ti tj (simetrična) kvadratna forma i označimo redom de-
i,j
terminante
 
   a11 . . . a1n 
a a 
 
α1 := a11 , α2 :=  11 12  , ..., αn :=  ... ..  .

a21 a22  . 
an1 . . . ann 

(i) q je pozitivno definitna kvadratna forma ako i samo ako je αi > 0 za sve i =
1, 2, ..., n.

(ii) q je negativno definitna kvadratna forma ako i samo ako je α1 < 0, α2 > 0,
α3 < 0, α4 > 0,...

(iii) q je indefinitna kvadratna forma ako su sve determinante αi različite od nule i

ne javlja se niti jedan od prethodna dva slučaja.

Dokaz:
Dokaz ćemo raditi za n=2, (simetrična) kvadratna forma dviju varijabli q : R2 → R je
oblika
q(x1 , x2 ) = a11 x21 + 2a12 x1 x2 + a22 x22 .
Neka je (O; e1 , e2 ) pravokutni koordinatni sustav u ravnini, a (e1 , e2 ) ortonormirana
baza, tada za kvadratnu formu vrijedi

q(x1 , x2 ) = Ax · x,

gdje je x = x1 e1 + x2 e2 , a linearni operator A u bazi (e1 , e2 ) zadan je matricom

 
a11 a12
A= .
a21 a22

Neka su λ1 , λ2 ∈ R svojstvene vrijednosti matrice A, tada vrijedi:

λ1 · λ2 = detA = a11 a22 − a212 i λ1 + λ2 = T rA = a11 + a22 .

2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 17

(i) Neka je q(x1 , x2 ) pozitivno definitna kvadratna forma, tj. q(x1 , x2 ) > 0 za svaki
(x1 , x2 ) ∈ R2 \{0, 0}.

Tada svojstvene vrijednosti matrice A, λ1 i λ2 moraju biti pozitivne, iz čega slijedi da

je detA > 0. Nadalje, iz toga slijedi

a11 a22 − a212 > 0 ⇒ a11 a22 > a212 ≥ 0, tj. a11 a22 > 0.

Sada imamo da su a11 i a22 različiti od nule i moraju biti istog predznaka. Taj predznak
iz
T rA = a11 + a22 = λ1 + λ2 > 0
mora biti pozitivan, konačno

α1 = a11 > 0 i α2 = detA > 0.

Obratno, ako je α1 = a11 > 0 i α2 = detA > 0 primijetimo da zbog detA > 0 vrijedi
a11 a22 > a212 ≥ 0, tj. a11 a22 > 0, što znači da su a11 i a22 istog predznaka. Kako je po
pretpostavci a11 > 0 slijedi da je i a22 > 0.

Zbog detA = λ1 · λ2 > 0 slijedi da su λ1 i λ2 različiti od nule te da su istog predznaka.

Taj predznak zbog
λ1 + λ2 = T rA = a11 + a22 > 0
mora biti pozitivan. Konačno, imamo da su svojstvene vrijednosti matrice A pozitivne
što znači da je matrica pozitivno definitna, kao i pridružena kvadratna forma q(y1 , y2 ).

(ii) Dokaz ove tvrdnje može se pokazati na sličan način kao u prethodnom slučaju.

(iii) U slučaju n=2, q je indefinitna kvadratna forma ako i samo ako je α2 = detA < 0.

Neka je q(x1 , x2 ) indefinitna kvadratna forma. Tada svojstvene vrijednosti pridružene

matrice A moraju biti različite od nule i suprotnog predznaka, iz čega zaključujemo da
je detA = λ1 λ2 < 0.

Obratno, neka je α2 = detA < 0. Iz detA = λ1 λ2 < 0 slijedi da λ1 i λ2 moraju biti

različiti od nule i suprotnog predznaka. Zaključujemo da je matrica A indefinitna kao
i pridružena kvadratna forma. 

Dovoljni uvjeti za postojanje lokalnog ekstrema funkcije više varijabli mogu se provje-
riti i preko Sylvesterovog kriterija. U slučaju funkcije s 2 ili 3 varijable relativno je
jednostavno prikazati drugi diferencijal kao kvadratnu formu, pridružiti mu simetričnu
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 18

matricu i odrediti sve subdeterminante, no u slučaju više varijabli postupak je teži i

kompliciraniji.

Postupak traženja ekstrema funkcije dvije varijable

Neka je f (x, y) funkcija dvije varijable klase C 2 , drugi diferencijal funkcije f možemo
promatrati kao kvadratnu formu i dovoljne uvjete provjeriti pomoću Sylvesterovog
kriterija, tada se postupak traženja ekstrema funkcije dvije varijable svodi na sljedeća
4 koraka:

1. Naći stacionarne točke zadane funkcije f (x, y), tj. uredene parove realnih brojeva
(x0 , y0 ) takve da je
fx0 = 0 i fy0 = 0.

2. Naći sljedeće parcijalne derivacije funkcije f (x, y):

00 00 00
fxx , fxy , fyy .

3. Izračunati vrijednost drugih parcijalnih derivacija u svakoj stacionarnoj točki

(x0 , y0 ).

4. Promatrati funkciju
00 00 00
d(x0 , y0 ) = fxx (x0 , y0 )fyy (x0 , y0 ) − [fxy (x0 , y0 )]2 .
00
i) Ako je d > 0 i fxx (x0 , y0 ) > 0, tada f u točki (x0 , y0 ) ima lokalni minimum.
00
ii) Ako je d > 0 i fxx (x0 , y0 ) < 0, tada f u točki (x0 , y0 ) ima lokalni maksimum.

iii) Ako je d < 0, tada je (x0 , y0 ) sedlasta točka.

iv) Ako je d = 0, tada je ovaj postupak nedostatan te točka (x0 , y0 ) može biti ili
točka lokalnog minimuma ili sedlasta točka. Za odluku o ekstremu za promatranu
točku treba vršiti posebna ispitivanja koja se u ovom radu ne spominju.

Prije nego prijedemo na samu primjenu postupka traženja ekstrema, osvrnut ćemo se
na moguće lokalne i globalne minimume, odnosno maksimume, tj. vezu medu njima.
Ako je skup Ω na kojemu promatramo danu funkciju zatvoren i ograničen i funkcija f
neprekidna, onda prema Weierstrassovom teoremu postoji globalni ekstrem P0 funkcije
f . Stoga imamo dva slučaja: ili je P0 u unutrašnjosti skupa S pa je on i lokalni
ekstrem, ili je P0 na rubu skupa S. Zato je, da bismo našli globalni ekstrem takve
funkcije, dovoljno provjeriti sve lokalne ekstreme i vidjeti što se dogada s funkcijom
na rubu skupa. Prema [13] lokalni ekstrem je ujedno i globalni, ako imamo jedan od
sljedeća dva slučaja:
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 19

1. Funkcija koju maksimiziramo je strogo konkavna, tj. vrijedi da je drugi difrencijal

u svakoj točki skupa Ω negativno definitna kvadratna forma.

2. Funkcija koju minimiziramo je strogo konveksna, tj. vrijedi da je drugi difrencijal

u svakoj točki skupa Ω pozitivno definitna kvadratna forma.

2.2 Praktični optimizacijski problemi

Na praktične optimizacijske probleme u kojima je potrebno odrediti minimum ili mak-

simum vrijednosti neke odredene funkcije nailazimo svakodnevno, posebno u ekonomiji.
Neki od problema su: ostvarivanje maksimalnog profita, minimalan utrošak resursa,
minimalan utrošak energije, problem minimalne udaljenosti, konstrukcije, itd. U ovom
poglavlju ćemo promotriti probleme u kojima rješenje nalazimo pomoću ispitivanja
predznaka druge derivacije, osvrnut ćemo se na neke od problema koji se često javljaju
u ekonomiji te u prirodnim i društvenim znanostima.

2.2.1 Ostvarivanje maksimalnog profita

U sljedeća dva primjera promotriti ćemo problem ostvarivanja maksimalnog profita.

Primjer 1. Formiranje cijena

Trgovina u ponudi ima 2 vrste likera od višnje. Jedna marka likera potječe od lokalnog
proizvodača i trgovac ju nabavlja po cijeni od 30 kuna po litri, dok drugu marku likera
proizvodi dobro poznati nacionalni proizvodač i nabavna cijena tog likera je 40 kuna
po litri. Potražnja jedne vrste likera ovisi o cijeni one druge vrste. Ako cijena likera
lokalnog proizvodača raste dok je cijena likera nacionalnog proizvodača konstantna,
smanjuje se potražnja za likerom lokalnog proizvodača, a potražnja za likerom nacional-
nog proizvodača se povećava. Slično, ako cijena likera nacionalnog proizvodača raste
dok je cijena likera lokalnog proizvodača konstantna, smanjuje se potražnja za likerom
nacionalnog proizvodača, a potražnja za likerom lokalnog proizvodača se povećava. Po-
tražnja jednog proizvoda često se modelira funkcijom f (x, y) = c + ax + by, gdje su x
i y cijene dva konkurentna proizvoda, c je očekivana prodaja proizvoda, dok su a i b
koeficijenti koji se odreduju iskustveno. Neka je x cijena likera lokalnog proizvodača i
y cijena likera nacionalnog proizvodača, tada trgovac u promatranoj trgovini na osnovi
dosadašnje prodaje procjenjuje da će potražnja likera lokalnog proizvodača biti

q1 (x, y) = 70 − 5x + 4y,
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 20

gdje q1 predstavlja broj prodanih boca likera lokalnog proizvodača u jednom tjednu.
Potražnju likera nacionalnog proizvodača trgovac procjenjuje s

q2 (x, y) = 80 + 6x − 7y,

gdje q2 predstavlja broj prodanih boca likera nacionalnog proizvodača u jednom tjednu.
Kako trgovac treba formirati cijene pojedine marke likera kako bi ostvario maksimalan
profit od prodaje likera od višnje?

Rješenje:
Vrijedi:      
U kupan P rof it od prodaje P rof it od prodaje
= + .
prof it lokalnog proizvodaca nacionalnog proizvodaca

Ukupna tjedna zarada prodaje likera od višnje dana je funkcijom:

       
broj prodanih zarada po broj prodanih zarada po
 litara  
· litri   litara  
· litri 
f (x, y) =  + ,
 lokalnog   lokanog   nacionalnog   nacionalnog 
proizvodaca proizvodaca proizvodaca proizvodaca

iz čega slijedi:

f (x, y) = (70 − 5x + 4y) · (x − 30) + (80 + 6x − 7y) · (y − 40)

= −5x2 + 10xy − 20x − 7y 2 + 240y − 5300.

Parcijalne derivacije:

fx0 = −10x + 10y − 20 i fy0 = 10x − 14y + 240.

Izjednačimo parcijalne derivacije s nulom i dobijemo sustav jednadžbi:

−x + y = 2
5x − 7y = −120.

Rješenje gornjeg sustava jednadžbi je x = 53 i y = 55. Dakle, jedina stacionarna točka

je točka (53, 55).
Sada računamo druge parcijalne derivacije kako bismo odredili je li ta točka lokalni
ekstrem:
00
fxx (x, y) = −10,
00
fyy (x, y) = −14,
00
fxy (x, y) = 10.
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 21

Računamo vrijednost funkcije

00 00 00
d(x, y) = fxx (x, y)fyy (x, y) − [fxy (x, y)]2

u stacionarnoj točki. Slijedi

00
d(53, 55) = 40 > 0 i fxx (53, 55) = −10 < 0.

Dakle, točka (53, 55) je točka lokalnog maksimuma pa zaključujemo da trgovac os-
tvaruje maksimalan profit ako liker lokalnog proizvodača prodaje za 53 kune, a liker
nacionalnog proizvodača za 55 kuna po litri.

Zbog stroge konkavnosti promatrane funkcije točka (53,55) ujedno je i točka globalnog
maksimuma.

Primjer 2. Raspodjela troškova

Odredena tvrtka uvodi novi proizvod na tržište čija će prodajna cijena biti 150 kuna,
a trošak proizvodnje samog proizvoda je 50 kuna. Tvrtka će potrošiti x tisuća kuna na
razvoj i y tisuća kuna na promociju proizvoda. Dobit od prodaje proizvoda može se
izraziti kao funkcija dvije varijable f (x, y). U slučaju da nema ulaganja u razvoj i pro-
mociju proizvoda, tvrtka ne može očekivati dobit za proizvodnju novog proizvoda dok
rastom ulaganja u razvoj i promociju raste i dobit. Dobit tvrtke takoder ovisi o karak-
teristikama tržišta i potrošača te ona ne može rasti neograničeno. Konzultantska tvrtka
koja se bavi procjenom prodaje na temelju dosadašnjih iskustava u lansiranju novih
proizvoda procjenjuje da će tvrtka prodati 320y y+2
+ 160x
x+4
proizvoda. Koliko proizvodač
treba potrošiti na razvoj i promociju proizvoda da bi ostvario maksimalnu moguću
dobit?

Rješenje:
Vrijedi:
   
  Broj   Cijena razvoja
U kupan Cijena T rosak
=  prodanih  · − − i promocije .
prof it proizvoda proizvodnje
proizvoda proizvoda

320y 160x


f (x, y) = y+2
+ x+4
· (150 − 50) − (x + y)

3200y 1600x
= y+2
+ x+4
− x − y.

Parcijalne derivacije su:

6400 6400
fx0 = −1 i fy0 = − 1.
(x + 4)2 (y + 2)2
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 22

Izjednačimo parcijalne derivacije s nulom i dobijemo sustav jednadžbi:

(x + 4)2 = 6400
(y + 2)2 = 6400.
Rješenje gornjeg sustava jednadžbi je

x1 = 76, y1 = 78,

x2 = −84, y2 = −82.
Kako x i y predstavljaju potrošnju proizvodača na razvoj i promociju proizvoda, pro-
matramo samo njihove pozitivne vrijednosti.

Računamo druge parcijalne derivacije:

00 12800
fxx (x, y) = − ,
(x + 4)3

00 12800
fyy (x, y) = − ,
(y + 2)3
00
fxy (x, y) = 0.
Vrijednost funkcije d(x, y) u stacionarnoj točki je

128002 00 12800
d(76, 78) = > 0 i f xx (76, 78) = − < 0.
806 803
Točka (76,78) je točka lokalnog maksimuma pa zaključujemo da proizvodač treba po-
trošiti 76 000 kn na razvoj i 78 000 kn na promociju proizvoda kako bi ostvario mak-
simalnu dobit.
00
Druga parcijalna derivacija fxx (x, y) funkcije f uvijek će biti negativna jer je x uvijek
pozitivan, pa je funkcija f strogo konkavna te je lokalni maksimum ujedno i globalni.

2.2.2 Problem minimalnog troška

Primjer 1. Minimizacija potrošnje materijala - Konstrukcija

Kojih dimenzija treba biti pravokutna kutija volumena 32m2 da utrošak materijala za
njenu konstrukciju bude minimalan ako je poznato da se kutija radi od tri različita
materijala: cijena materijala za strane je 1 kn po m2 , za dno 3 kn po m2 , a za vrh 5
kn po m2 ?
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 23

Rješenje:
Promatramo kvadar dimenzija x, y, z

Cijenu izrade kutije dobit ćemo zbrajanjem cijena materijala za dno, bočne strane i
vrh. Cijena pojedinog dijela dobiva se množenjem njegove površine (u m2 ) s cijenom
po jedinici površine.
       
U kupni T rosak T rosak T rosak
= + + .
trosak strana dna vrha
 
U kupni
= Pdna · 3 kune + Pstrana · 1 kuna + Pvrha · 5 kuna,
trosak

iz čega dobivamo funkciju troška:

f (x, y, z) = 3xy + (2xy + 2yz) · 1 + 5xy.

Dobivena funkcija troška je funkcija tri varijable, no one nisu medusobno nezavisne,
ukoliko za duljinu i širinu baze izaberemo neke brojeve x i y, time je odredena i visina
kutije kako bi ona bila zadanog obujma. Budući da obujam iznosi 32m2 , iz xyz = 32m2
32
izrazimo z = xy i to uvrstimo u funkciju troška koja je sada funkcija dvije varijable i
glasi
64 64
f (x, y) = 8xy + + .
x y
Sada je naš zadatak odrediti minimum gornje funkcije, što radimo prema već odredenom
postupku za odredivanje ekstrema funkcije. Parcijalne derivacije su
64 64
fx0 = 8y − i fy0 = 8x − .
x2 y2
Parcijalne derivacije izjednačimo s nulom i dobijemo sustav jednadžbi s dvije nepozna-
nice
8y − x642 = 0
8x − y642 = 0
čije je rješenje: x0 = 2, y0 = 2 (promatramo samo pozitivna rješenja jer x i y
označavaju duljine dužina stranica kvadra).
Računamo druge parcijalne derivacije:
00 128
fxx (x, y) = ,
x3
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 24

00 128
fyy (x, y) = ,
y3
00
fxy (x, y) = 8,
Vrijednost funkcije d(x, y) u stacionarnoj točki je
00
d(2, 2) = 192 > 0 i fxx (2, 2) = 16 > 0.

Točka (2,2) je točka lokalnog minimuma, sada još trebamo izračunati vrijednost nepoz-
nanice z = 8.
Dakle, promatrani kvadar treba biti duljine i širine 2 m te visine 8 m.
Iz uvjeta zadatka rješenja x, y i z moraju biti pozitivna, pa je stoga promatrana funkcija
strogo konveksna te je točka (2,2) ujedno i točka globalnog minimuma.

Primjer 2. Problem minimalne udaljenosti

Vlasnik neke tvrtke želi sagraditi skladište tako da suma svih udaljenosti od skladišta
do 4 podružnice njegove tvrtke bude najmanja. Ako na mapu pravokutnog oblika
ucrtamo koordinatni sustav, točke (-5,0), (1,7), (9,0) i (0,-8) predstavljaju lokacije po-
družnica. U kojoj točki S(a,b) treba graditi skladište kako bi udaljenost do podružnica
bila minimalna?

Rješenje:
Suma udaljenosti od točke S do točaka A, B, C i D koje predstavljaju lokacije po-
družnica je dana s
p p p p
d = (a + 5)2 + b2 + (a − 1)2 + (b − 7)2 + (a − 9)2 + b2 + (a − 9)2 + b2 .

Minimizacija gornjeg izraza je komplicirana, stoga ćemo mi promatrati aproksimaciju

gornjeg izraza, tj. sumu kvadrata udaljenosti, pa je funkcija koju minimiziramo oblika

S(a, b) = [(a + 5)2 + b2 ] + [(a − 1)2 + (b − 7)2 ] + [(a − 9)2 + b2 ] + [(a − 9)2 + b2 ].

Parcijalne derivacije su

Sa0 = 8a − 10 i Sb0 = 8b + 2.

Parcijalne derivacije izjednačimo s nulom i dobijemo sustav jednadžbi s dvije nepozna-

nice
8a − 10 = 0
8b + 2 = 0,
5
čije je rješenje: a = 4
, b = − 14 .
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 25

Druge parcijalne derivacije su:

00
Saa (a, b) = 8,
00
Sbb (a, b) = 8,
00
Sab (a, b) = 0.
Vrijednost funkcije d(a, b) u stacionarnoj točki je
5 1 00 5 1
d( , − ) = 64 > 0 i Saa ( , − ) = 8 > 0.
4 4 4 4
Točka ( 4 , − 4 ) je točka lokalnog minimuma. Takoder, točka ( 54 , − 14 ) je i točka globalnog
5 1

minimuma zbog stroge konveksnosti promatrane funkcije.

Skladište treba graditi na lokaciji ( 54 , − 14 ) kako bi se postigla najmanja udaljenost do
podružnica i time ostvarili najmanji troškovi.

U zadatku smo pretpostavili da su sve podružnice jednako važne, no što ako jedna od
podružnica posluje bolje od drugih te je u tu podružnicu potrebno vršiti dostavu 4
puta dnevno, dok se u ostale podružnice dostava vrši jednom dnevno?

Pretpostavit ćemo da se dostava vrši 4 puta dnevno do podružnice B i funkciju S

definiramo na sljedeći način:
S(a, b) = [(a + 5)2 + b2 ] + 4 · [(a − 1)2 + (b − 7)2 ] + [(a − 9)2 + b2 ] + [a2 + (b + 8)2 ]
te sada treba minimizirati navedenu funkciju.
Parcijalne derivacije su:
Sa0 = 14a − 16 i Sb0 = 14b − 40.
Parcijalne derivacije izjednačimo s nulom i dobivamo sustav jednadžbi s dvije nepoz-
nanice čije je rješenje: a = 78 , b = 20
7
.

Druge parcijalne derivacije su:

00
Saa (a, b) = 14,
00
Sbb (a, b) = 14,
00
Sab (a, b) = 0.
Vrijednost funkcije d(a, b) u stacionarnoj točki je
8 20 160 00 8 20
d( , ) = > 0 i Saa ( , ) = 14 > 0.
7 7 49 7 7
Točka ( 7 , 7 ) je točka lokalnog minimuma. Takoder, točka ( 87 , 20
8 20
7
) je i točka globalnog
minimuma zbog stroge konveksnosti promatrane funkcije.
Dakle, ukoliko je podružnica B najvažnija za dostavu, skladište treba graditi na lokaciji
( 54 , − 14 ) kako bi se ostvarili najmanji troškovi.
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 26

2.2.3 Primjene u društvenim i humanističkim znanostima

Na primjene pronalaženja maksimalnih i najmanjih vrijednosti neke funkcije možemo

naići u svakodnevnim situacijama kada je potrebno odrediti socijalni učinak nekog
objekta, učinak raznih simulacija, rezultate nekih eksperimenata, itd. Primjer 1.

Primjena u biološkim znanostima

Genetika je znanost koja se bavi genima i varijacijama gena kod živih organizama. Ge-
netička struktura populacije odredena je udjelom alela1 u ukupnom genetičkom mate-
rijalu promatrane populacije. Većina organizama ima dva seta kromosoma, na svakom
kromosomu se nalazi kopija jednog gena i jednog alela. Ako su aleli jednaki, organizam
je homozigotan, a ako su aleli različiti, organizam je heterozigotan. Hardy-Weinbergov
genetički zakon ravnoteže predstavlja temeljni koncept populacijske genetike i pomoću
nje se odreduje očekivani broj homozigota i heterozigota na lokusu2 koji ima dva alela.
Na pojedinom lokusu može se realizirati samo jedan genotip3 . Ako promatramo ljudski
organizam i lokus za odredivanje krvne grupe pojedinca, imamo tri alela, označeni kao
A, B i O, koji odreduju četiri krvne grupe čovjeka: A, B, O i AB. Neka su p, q i
r omjeri, tj. frekvencije4 alela A, B i O. Tada je po Hardy-Weinbergovom zakonu
ravnoteže o učestalosti gena u populaciji omjer pojedinaca u populaciji koji nose 2
različita alela dan funkcijom P = 2pq + 2pr + 2rq. Koja je najveća vrijednost funkcije
P?

Rješenje:
Da bismo odredili maksimalnu vrijednost zadane funkcije moramo provjeriti ima li
funkcija maksimum za neke vrijednosti p, q i r.
Iz p + q + r = 1 ćemo izraziti r = 1 − p − q i tada imamo funkciju oblika

P (p, q) = 2p + 2q − 2p2 − 2pq − 2q 2 .

Parcijalne derivacije su

Pp0 = −4p − 2q + 2 i Pq0 = −4q − 2p + 2.

Parcijalne derivacije izjednačimo s nulom i dobivamo sustav jednadžbi s dvije nepoz-

nanice
−4p − 2q + 2 = 0
−4q − 2p + 2 = 0,
1
različite varijante gena
2
specifična lokacija gena na kromosomu
3
skup svih gena koji odreduju točno odredeno svojstvo nekog organizma
4
broj pojedinog alela/ ukupan broj alela, vrijedi da je suma svih frekvencija alela jednaka jedan
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 27

čije je rješenje: p = q = 13 .

Računamo druge parcijalne derivacije:

00
Ppp = −4,

00
Pqq = −4,
00
Ppq = −2.
Vrijednost funkcije d(p, q) u stacionarnoj točki je
1 1 00 1 1
d( , ) = 12 > 0 i Ppp ( , ) = −4 < 0.
3 3 3 3
Točka ( 31 , 13 ) je točka lokalnog maksimuma, a zbog stroge konkavnosti funkcije P to je
i točka globalnog maksimuma, što znači da ako je p = 13 i q = 31 imamo maksimalnu
vrijednost promatrane funkcije.
Računamo r = 31 i sada možemo izračunati maksimalnu vrijednost funkcije

2
P = 2pq + 2pr + 2rq = .
3
Zaključujemo da je maksimalan broj pojedinaca u populaciji koji nose dva različita
alela dvije trećine od ukupnog broja populacije.

Primjer 2.
Luka, Matej i Iva sudjeluju u štafetnoj utrci. Luka ide kroz gustu šumu do ruba
rijeke gdje će štafetnu palicu preuzeti Matej i veslati do suprotne obale. Na obali
palicu preuzima Iva koja trči cestom uz rijeku do cilja. Smjer trčanja prikazan je na
priloženoj slici. Timovi moraju početi na točki S i završiti na mjestu točke F , ali
članove tima mogu postaviti na bilo koje mjesto uz obalu rijeke i na bilo koje mjesto
√
na cesti uz rijeku. Pretpostavimo da Luka može ići kroz šumu brzinom 2 km/h, da
√
će Matej veslati brzinom 2 km/h i da će Iva trčati brzinom od 6 km/h. Na kojem
mjestu trebaju čekati Matej i Iva kako bi tim završio utrku u najkraćem vremenu?
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 28

Slika 4. Plan štafetne utrke

Rješenje:
Ovaj problem ćemo riješiti promatrajući kvadratnu udaljenost od početne do krajnje
točke i uzimajući u obzir brzinu kretanja pojedinog člana tima. Mjesta na kojima će
čekati Matej i Iva ćemo označiti s A i B. S obzirom na sliku priloženu uz zadatak koor-
dinate točke A su (x, 1.2), a točke B (x+y, 3.7). Kako bismo odredili koordinate točaka
A i B tako da utrka završi u najkraćem vremenu, funkciju koju trebamo minimizirati
ćemo definirati kao funkciju vremena
d2 (S, A) d2 (A, B) d2 (B, F )
T (x, y) = + + .
2 4 6
Uvrštavajući zadano imamo funkciju:

T (x, y) = 0.67x2 − 1.43x + 0.33xy + 0.42y 2 − 1.43y + 5.36.

Navedenu funkciju parcijalno deriviramo i parcijalne derivacije izjednačimo s nulom te

imamo sljedeći sustav jednadžbi
1.34x + 0.33y − 1.43 = 0
0.84y + 0.33x − 1.43 = 0,
čije je rješenje x = 0.71 i y = 1.44.

Računamo druge parcijalne derivacije:

00
Txx = 1.34,
00
Tyy = 0.84,
00
Txy = 0.33.
Vrijednost funkcije d(x, y) u stacionarnoj točki je
00
d(0.71, 1.44) = 1.02 > 0 i Txx (0.71, 1.44) = 1.34 > 0.
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 29

Točka (0.71, 1.44) je točka lokalnog minimuma pa uvrštavajući vrijednosti u funkciju

dobijemo da bi tim Luke, Mateja i Ive utrku mogao završiti za 3,83 sata ukoliko Matej
bude čekao na mjestu točke A s koordinatama (0.71, 1.2), a Iva na mjestu točke B s
koordinatama (2.15, 3.7).
Zbog stroge konveksnosti promatrane funkcije zaključujemo da je točka (0.71, 1.44)
ujedno i točka globalnog minimuma.

2.2.4 Primjena u matematici

Kroz dosad navedene primjere vidjeli smo primjenu matematike, tj. traženja ekstrema
funkcije, na rješavanje problema i procjene u raznim znanostima kao i svakodnevnom
životu. Isto naravno možemo primijeniti i unutar same matematike te ćemo se kratko
osvrnuti i na jedan od problemskih zadataka koji se rješavaju pronalaženjem esktrema
funkcije.

Primjer 1. Primjena u teoriji brojeva

Nadite tri pozitivna broja čija je suma jednaka 100 i čiji je produkt maksimalan.

Rješenje:
Brojeve koje tražimo označit ćemo sa x, y i z te ćemo definirati funkciju

f (x, y, z) = xyz.

Iz uvjeta je suma traženih brojeva jednaka sto, imamo x + y + z = 100 odakle ćemo
izraziti z = 100 − x − y.
Sada trebamo maksimizirati funkciju

f (x, y) = 100xy − x2 y − xy 2 .

Računamo parcijalne derivacije i izjednačimo ih s nulom te imamo sustav jednadžbi

100y − 2xy − y 2 = 0
100x − x2 − 2xy = 0,
čije je rješenje x1 = 40 i y1 = 20 te x2 = 0 i y2 = −100. U zadatku se traže pozitivni
brojevi, stoga ćemo uzeti u obzir samo rješenja x1 i y1 .

Druge parcijalne derivacije su:

00
fxx = −2y,
00
fyy = −2x,
2 EKSTREMI FUNKCIJA VIŠE VARIJABLI 30

00
fxy = 100 − 2x − 2y.
Vrijednost funkcije d(x, y) u stacionarnoj točki je

00
d(20, 40) = 2800 > 0 i fxx (20, 40) = −40 < 0.

Dakle, točka (20, 40) je točka lokalnog maksimuma, računamo vrijednost nepoznanice
z = 40.
Konačno, traženi brojevi su 20,40 i 40.
3 UVJETNI EKSTREMI 31

3 Uvjetni ekstremi

U ovom poglavlju ćemo promatrati odredivanje ekstrema funkcije uz dano ograničenje

ili uvjet, tj. tražit ćemo točku ekstrema funkcije uz neki uvjet (ili skup uvjeta) kojim se
ograničava skup točaka domene koje možemo uzeti u obzir. Prije svega ćemo definirati
pojam uvjetnog ekstrema te nakon toga opisati postupak traženja uvjetnog ekstrema
pomoću Lagrangeove metode.

Definicija 3.1 Neka je Ω ⊆ Rn otvoren skup i neka je f neprekidna na Ω te neka je

S ⊆ Ω. Ekstrem funkcije f|S : S → R nazivamo uvjetni ekstrem funkcije f s obzirom
na skup S.

Skup S često je zadan sa

n o
S = P ∈ Ω : g1 (P ) = 0, g2 (P ) = 0, ..., gm (P ) = 0 ,

gdje su gi ∈ C(Ω), i = 1, ..., m, m < n, dane funkcije. Tada govorimo o uvjetnom

ekstremu funkcije f uz uvjete g1 (P ) = 0, g2 (P ) = 0, ..., gm (P ) = 0.

3.1 Lagrangeova metoda za odredivanje uvjetnih ekstrema

U praksi mnogi optimizacijski problemi imaju zadana neka ograničenja ili uvjete na
vrijednosti koje se mogu koristiti kako bismo našli optimalno rješenje. Takvi uvjeti
često mogu zakomplicirati traženje optimalnog rješenja koje se može javiti na nekoj
od rubnih točaka domene funkcije. U nekima od prethodnih primjera takve smo pro-
bleme rješavali metodom supstitucije, odnosno eliminirali smo jednu od nepoznanica i
time polazni problem sveli na računanje bezuvjetnih ekstrema funkcije više varijabli.
Eliminacija jedne od nepoznanica može biti komplicirana ili čak nemoguća. Alterna-
tivnu metodu, koju ćemo proučiti u ovom poglavlju, nazivamo Lagrangeova metoda
ili metoda Lagrangeovih multiplikatora pomoću koje se takvi problemi mogu riješiti
bez eliminacije nepoznanica. Kao i za traženje ”običnih” (bezuvjetnih) ekstrema funk-
cija više varijabli potrebno je formulirati nužne i dovoljne uvjete za traženje uvjetnih
ekstrema funkcije više varijabli.
3 UVJETNI EKSTREMI 32

Teorem 3.1 (Nužni uvjeti u slučaju jednog uvjeta)

Neka je Ω ⊆ Rn otvoren skup, neka su f, g : Ω → R funkcije klase C 1 i neka je zadan
skup S = {P ∈ Ω : g(P ) = 0} te neka vrijedi ∇g(P ) 6= 0, za svaki P ∈ S. Ako je
P0 ∈ S točka lokalnog ekstrema za f|S , onda postoji λ ∈ R sa svojstvom:

∇f (P0 ) = λ∇g(P0 ).

Koordinatno zapisan, uvjet iz teorema glasi:

∂i f (P0 ) = λ∂i g(P0 ), i = 1, 2, ..., n.

Dokaz

Dokaz ćemo raditi za n=2, na sličan način teorem se može dokazati i za n > 2.

Kako je ∇g(x, y) 6= 0 bez smanjenja općenitosti smijemo pretpostaviti da je gy0 (P0 ) 6= 0,

P0 = (x0 , y0 ). Primjenom teorema o implicitnoj funkciji dobivamo otvoreni interval
I ⊆ R takav da je x0 ∈ I i diferencijabilnu funkciju ϕ : I → R sa svojstvima

ϕ(x0 ) = y0 , g(x, ϕ(x)) = 0, x ∈ I.

Pritom je
gx0 (x, ϕ(x))
ϕ0 (x) = − , x ∈ I. (9)
gy0 (x, ϕ(x))

Sada je jasno da je točka (x0 , y0 ) točka lokalnog uvjetnog ekstrema za funkciju f uz

uvjet g(x, y) = 0 ako i samo ako je x0 točka lokalnog ekstrema za funkciju f˜ : I → R
definiranu s f˜(x) = f (x, ϕ(x)).

Nadalje, kako je funkcija f funkcija klase C 1 , zaključujemo da i funkcija f˜ ima ne-

prekidnu prvu derivaciju na intervalu I. Upotrebom pravila za derivaciju kompozicije
funkcija više varijabli dobivamo da za sve x ∈ I vrijedi

f˜0 (x) = fx0 (x, ϕ(x)) + fy0 (x, ϕ(x))ϕ0 (x) = 0.

Ovu jednakost, uvažavajući formulu (9) i uvrštavajući x = x0 , možemo zapisati kao

gx0 (x0 , y0 )
fx0 (x0 , y0 ) − fy0 (x0 , y0 ) = 0.
gy0 (x0 , y0 )
fy0 (x0 ,y0 )
Ako realan broj λ definiramo sa λ := gy0 (x0 ,y0 )
, vrijedi

fx0 (x0 , y0 ) = λgx0 (x0 , y0 ).

3 UVJETNI EKSTREMI 33

Množeći gornju jednakost s gy0 (x0 , y0 ) dobivamo:

fx0 (x0 , y0 ) 0
fy0 (x0 , y0 ) = g (x0 , y0 ),
gx0 (x0 , y0 ) y
što je ekvivalentno jednakosti:

fy0 (x0 , y0 ) = λgy0 (x0 , y0 ).

Time smo dokazali da vrijedi

∇f (P0 ) = λ∇g(P0 ).

Problem traženja ekstrema funkcije uz dane uvjete najčešće se rješava uvodenjem La-
grangeove funkcije

F (x1 , x2 , ..., xn , λ) = f (x1 , x2 , ..., xn ) − λg(x1 , x2 , ..., xn ),

gdje je λ konstantna varijabla koju nazivamo Lagrangeovim multiplikatorom.

Deriviramo li parcijalno funkciju F po svim varijablama i parcijalne derivacije iz-

jednačimo s nulom, dobit ćemo nužne uvjete iz prethodnog teorema, pri čemu pos-
ljednja jednadžba dobivena izjednačavanjem s nulom parcijalne derivacije funkcije F
po varijabli λ daje uvjet g(x1 , ..., xn ) = 0.

Sustav jednadžbi koji dobijemo parcijalnim deriviranjem funkcije F po svim varija-

blama i izjednačavanjem tih parcijalnih derivacija s nulom:
fx0 1 (x1 , x2 , ..., xn ) = λgx0 1 (x1 , x2 , ..., xn ),
..
.
fx0 n (x1 , x2 , ..., xn ) = λgx0 n (x1 , x2 , ..., xn ),
g(x1 , x2 , ..., xn ) = 0,
nazivamo Lagrangeov sustav jednadžbi.

U praksi se može dogoditi da je potrebno odrediti ekstrem funkcije uz više danih uvjeta
pa ćemo sljedećim teoremom iskazati nužne uvjete u tom slučaju:

Teorem 3.2 (Nužni uvjeti u slučaju više uvjeta)

Neka je Ω ⊆ Rn otvoren skup, neka su f, g1 , ..., gm : Ω → R funkcije klase C 1 , pri
čemu je m < n. Nadalje, neka je S = {P ∈ Ω : gi (P ) = 0, i = 1, ..., m} te neka
je {∇g1 (P ), ..., ∇gm (P )} linerano nezavisan skup za svaki P ∈ S. Ako je P0 točka
lokalnog ekstrema za f|S , onda postoje brojevi λ1 , ..., λm ∈ R takvi da vrijedi
m
X
∇f (P0 ) = λi ∇gi (P0 ).
i=1
3 UVJETNI EKSTREMI 34

I u ovom slučaju možemo definirati Lagrangeovu funkciju

m
X
F (x1 , x2 , ..., xn , λ1 , λ2 , ..., λm ) = f (x1 , x2 , ..., xn ) − λj gj (x1 , x2 , ..., xn ),
j=1

i nužne uvjete dobiti parcijalnim deriviranjem funkcije F po svim varijablama i iz-

jednačavajući sve parcijalne derivacije s nulom.

Rješavanjem sustava jednadžbi iz uvjeta Teorema 3.1. dobit ćemo točku koja može i
ne mora biti ekstrem funkcije f uz dano ograničenje g. Pomoću Lagrangeove funkcije
opisat ćemo postupak kako odrediti karakter te točke. Sljedeća razmatranja ćemo iz-
vesti u dimenziji n = 2. Pretpostavimo da su f, g : Ω ⊆ R2 → R funkcije klase C 2 ,
neka je S = {(x, y) ∈ Ω : g(x, y) = 0} te neka vrijedi ∇g(x, y) 6= 0, za svaki (x, y) ∈ S.
Tražimo lokalne ekstreme funkcije f uz uvjet g(x, y) = 0. Definiramo Lagrangeovu
funkciju
F (x, y, λ) = f (x, y) − λg(x, y).
Pretpostavimo da smo rješavanjem Lagrangeovog sustava jednadžbi

fx0 (x, y) = λgx0 (x, y),

fy0 (x, y) = λgy0 (x, y),

g(x, y) = 0,
dobili kritičnu točku (x0 , y0 ) ∈ S i neka je λ0 pripadna vrijednost Lagrangeovog mul-
tiplikatora. U dokazu Teorema 3.1. pokazali smo da je točka (x0 , y0 ) točka lokalnog
uvjetnog ekstrema za funkciju f uz uvjet g(x, y) = 0 ako i samo ako je x0 točka lokalnog
ekstrema za funkciju f˜ : I → R definiranu s f˜(x) = f (x, ϕ(x)). Sada, da bismo odredili
karakter kritične točke, preostaje izračunati f˜00 (x0 ), što možemo jer smo pretpostavili
da su f i g funkcije klase C 2 .

Prvo ćemo odrediti ϕ00 (x0 ). Iz Teorema 3.1. znamo da vrijedi

0 gx0 (x, ϕ(x))

ϕ (x) = − 0 ,
gy (x, ϕ(x))

odakle za x = x0 primjenom pravila za derivaciju kompozicije funkcija više varijabli

imamo:
3 UVJETNI EKSTREMI 35

00 00
[gxx (x0 , y0 ) + gxy (x0 , y0 )ϕ0 (x0 )]gy0 (x0 , y0 )−
ϕ00 (x0 ) = −
gy0 (x0 , y0 )2
−gx0 (x0 , y0 )[gyx
00
(x0 , y0 ) + gyy 00
(x0 , y0 )ϕ0 (x0 )]
,
gy0 (x0 , y0 )2
što se nakon sredivanja može zapisati kao
1 h i
ϕ00 (x0 ) = − 0 00
gxx 00
(x0 , y0 ) + 2gxy (x0 , y0 )ϕ0 (x0 ) + gyy
00
(x0 , y0 )ϕ0 (x0 )2 .
gy (x0 , y0 )

Iz Teorema 3.1. takoder znamo da vrijedi

f˜0 (x) = fx0 (x, ϕ(x)) + fy0 (x, ϕ(x))ϕ0 (x),

odakle se još jednim deriviranjem i uvrštavajući x = x0 dobiva:

f˜00 (x0 ) = fxx

00 00
(x0 , y0 ) + fxy (x0 , y0 )ϕ0 (x0 ) + fyx
00
(x0 , y0 )ϕ0 (x0 )+
00
+fyy (x0 , y0 )ϕ0 (x0 )2 + fy0 (x0 , y0 )ϕ00 (x0 ),
što se nakon sredivanja i uvrštavanjem izraza za ϕ00 (x0 ) može zapisati kao

f˜00 (x0 ) = fxx

00 00
(x0 , y0 ) + 2fxy (x0 , y0 )ϕ0 (x0 ) + fyy
00
(x0 , y0 )ϕ0 (x0 )2 −

fy0 (x0 , y0 ) 00 00
− [g (x0 , y0 ) + 2gxy (x0 , y0 )ϕ0 (x0 ) + gyy
00
(x0 , y0 )ϕ0 (x0 )2 ].
gy0 (x0 , y0 ) xx

Može se pokazati da vrijedi

0 0
 
 0 g x (x 0 , y0 ) g y (x 0 , y0 ) 
˜00 1  0 00 00

f (x0 ) = − 0 2
 gx (x0 , y0 ) Fxx (x0 , y0 , λ0 ) Fxy (x0 , y0 , λ0 ) . (10)
(gy (x0 , y0 ))  0
 00 00
gy (x0 , y0 ) Fyx (x0 , y0 , λ0 ) Fyy (x0 , y0 , λ0 )

Poznavajući dovoljne uvjete ekstrema za funkciju jedne varijable, slijedi sljedeći teorem:

Teorem 3.3 (Dovoljni uvjeti)

Neka je Ω ⊆ R2 otvoren skup, neka su f, g : Ω → R funkcije klase C 2 , i neka je
S = {P ∈ Ω : g(P ) = 0}. Dodatno neka je P0 = (x0 , y0 ) ∈ S rješenje Lagrangeovog
sustava jednadžbi i λ0 ∈ R vrijednost Lagrangeovog multiplikatora pripadne Lagrangeove
funkcije F (x, y, λ) = f (x, y) − λg(x, y). Ako za funkciju f˜00 (x0 ) danu izrazom (10)
vrijedi

a) f˜00 (x0 ) > 0, tada funkcija f(x,y) ima lokalni uvjetni minimim u točki P0 uz uvjet
g(x,y)=0;
3 UVJETNI EKSTREMI 36

b) f˜00 (x0 ) < 0, tada funkcija f(x,y) ima lokalni uvjetni maksimum u točki P0 uz uvjet
g(x,y)=0.

Napomena: Uočimo da je u izrazu (10) determinanta koju računamo determinanta

Hessove matrice drugih parcijalnih derivacija Lagrangeove funkcije. Ta je matrica po
Schwarzovom teoremu simetrična, što nas vodi do sljedeće, jednostavnije formulacije
dovoljnih uvjeta: neka trojka (x0 , y0 , λ0 ) zadovoljava uvjet Teorema 3.1. i neka je

gx0 (x0 , y0 ) gy0 (x0 , y0 )

 
0
H = gx0 (x0 , y0 ) Fxx00 00
(x0 , y0 , λ0 ) Fxy (x0 , y0 , λ0 ) . (11)
0 00 00
gy (x0 , y0 ) Fyx (x0 , y0 , λ0 ) Fyy (x0 , y0 , λ0 )

Ako je

1. det H > 0, funkcija f(x,y) ima lokalni uvjetni maksimum u točki (x0 , y0 ),

2. det H < 0, funkcija f(x,y) ima lokalni uvjetni minimum u točki (x0 , y0 ).

Lagrangeova metoda u slučaju funkcije s dvije varijable te jednim uvjetom

U ovom slučaju postupak traženja minimalne, tj. maksimalne vrijednosti funkcije

svodi se na sljedeća dva koraka:

1. Riješiti jednadžbe
fx0 (x, y) = λgx0 (x, y),
fy0 (x, y) = λgy0 (x, y),
g(x, y) = 0.

2. Izračunati vrijednosti det H u svim točkama nadenim u prvom koraku, gdje je

H definirana s (11).

3.2 Značajnost Lagrangeovih multiplikatora

U većini problemskih zadataka, traženje uvjetnog lokalnog ekstrema pomoću Lagran-

geove metode ne zahtijeva odredivanje vrijednosti Lagrangeovog multiplikatora λ. No
u nekim problemima je dobro izračunati vrijednost λ, koja ima korisnu interpretaciju,
pogotovo u ekonomiji.
3 UVJETNI EKSTREMI 37

Geometrijska interpretacija Lagrangeovog multiplikatora

Neka su dane funkcije f (x, y) i g(x, y), mi trebamo pronaći ekstremne vrijednosti funk-
cije f uz uvjet (ograničenje) oblika g(x, y) = k, gdje je k ∈ R konstanta. Drugim
riječima, tražimo ekstremne vrijednosti funkcije f (x, y) kada je točka (x, y) ograničena
uvjetom da leži na razini krivulje g(x, y) = k. Slika 5 prikazuje tu krivulju zajedno s
nekoliko nivo-krivulja f (x, y) = ci , i = 1, ..., 5.

Slika 5: Krivulje funkcija f (x, y) = c i g(x, y) = k

Da bismo pronašli maksimalnu vrijednost funkcije f uz uvjet g(x, y) = k, treba pronaći

najveću vrijednost od c takvu da nivo-krivulja f (x, y) = c siječe krivulju g(x, y) = k.
Iz Slike 5. vidimo da se to dogada kada se te dvije krivulje dodiruju, tj. kada imaju
zajedničku tangentu (u suprotnom bi se vrijednost od c i dalje povećavala). Dakle,
normale krivulja f (x, y) = c i g(x, y) = k u točki (x0 , y0 ) su identične, što znači da su
njihovi gradijent vektori paralelni, odnosno vrijedi

∇f (x0 , y0 ) = λ∇g(x0 , y0 ),

za neki skalar λ.

Lagrangeov multiplikator je prema tome faktor proporcionalnosti, odnosno stopa pro-

mjene optimalne vrijednosti s obzirom na promjene u ograničenju.

Ekonomska interpretacija Lagrangeovog multiplikatora

Neka je f (x, y), funkcija koju treba maksimizirati uz uvjet g(x, y) = k, te neka je
definirana Lagrangeova funkcija

F (x, y, λ) = f (x, y) − λ(g(x, y) − k).

3 UVJETNI EKSTREMI 38

Neka je f ∗ maksimum funkcije f (x, y) uz uvjet g(x, y) = k. Pokazat ćemo da vrijednost

Lagrangeovog multiplikatora predstavlja povećanje maksimalne vrijednosti promatrane
funkcije u odnosu na povećanje konstante k za jednu jedinicu, tj. da vrijedi:
df ∗
λ= .
dk
Točka uvjetnog ekstrema funkcije f uz uvjet g(x, y) = k može se zapisati u ovisnosti o
konstanti k kao x∗ (k) i y ∗ (k) pa se maksimalna vrijednost funkcije f (x, y) postiže kada
uvrstimo te vrijednosti:
f ∗ (k) = f (x∗ (k), y ∗ (k)).
Ako gornji izraz deriviramo po k dobivamo
df ∗ dx∗ dy ∗
= fx0 + fy0 .
dk dk dk
Parcijalno derivirajući Lagrangeovu funkciju F (x, y, λ) i izjednačavanjem tih parcijal-
nih derivacija s nulom, dobit ćemo sustav jednadžbi čija su rješenja x i y dana s

fx0 − λgx0 = 0,

fy0 − λgy0 = 0.
Rješavanjem nužnih uvjeta za fx i fy te uvrštavajući ta rješenja u gornju derivaciju
imamo
df ∗  dx∗ dy ∗ 
= λ gx0 + gy0 . (12)
dk dk dk
Takoder, znamo da uvjet mora zadovoljavati jednadžbu

g(x∗ (k), y ∗ (k)) = k.

Ukoliko gornji izraz deriviramo po k dobit ćemo

dx∗ dy ∗
gx0 + gy0 = 1.
dk dk
Uvrštavajući dobiveno rješenje u (12) imamo željeni rezultat:
df ∗
= λ.
dk

S ekonomske strane gledišta, uz pronalaženje optimalne vrijednosti promatranog pro-

blema uz dano ograničenje, bitno je i dobiti informacije o tome koliko se rješenja razli-
kuju kada se mijenjaju parametari promatranog problema. Dobiveni rezultat pokazuje
graničnu korisnost dodatne jedinice, tako se λ ekonomski interpretira kao granična ko-
risnost dohotka ili granična produktivnost i na taj način predstavlja mjeru vrijednosti
resursa u problemu maksimizacije uz ograničenje.
3 UVJETNI EKSTREMI 39

3.3 Primjena Lagrangeove metode

3.3.1 Funkcija proizvodnje

Primjer 1.
Funkcija proizvodnje nekog proizvoda pokazuje odnos količine utroška varijabilnog in-
puta i najveće moguće proizvodnje pri toj količini inputa pri čemu se pretpostavlja da
je utrošak svih ostalih inputa nepromijenjen. Količina proizvoda izravno je ovisna o
količini utroška inputa, najveća količina proizvoda koja se može dobiti utroškom pro-
matranog inputa, bez promjene ostalih inputa, naziva se maksimalni proizvod. Jedna
od vrlo važnih funkcija proizvodnje koja se javlja u ekonomiji je tzv. Cobb-Douglasova
funkcija proizvodnje. To je funkcija koja nam daje ovisnost količine proizvodnje nekog
proizvoda o uloženom radu i kapitalu. Ova funkcija je oblika

Q = Q(L, K) = A · Lα · K 1−α ,

gdje je A pozitivna konstanta koja označava tehnološki napredak, a 0 < α < 1 je

dani parametar, L označava uložene jedinice rada , a K uložene jedinice kapitala. Ako
trošak jedinice rada označimo s m, a trošak jedinice kapitala s n i proizvodač može
potrošiti p dolara na proizvodnju odredenog proizvoda, tada je trošak proizvodnje dan
funkcijom C(L, K) = mL + nK = p. Pokažimo da se maksimalna proizvodnja javlja
kada je
αp (1 − α)p
L= i K= .
m n

Rješenje:
Trebamo naći maksimum funkcije Q(L, K) = ALα K 1−α uz uvjet C(L, K) = mL +
nK = p. Definiramo Lagrangeovu funkciju

F (L, K, λ) = ALα K 1−α − λ(mL + nK − p).

Rješavamo Lagrangeov sustav jednadžbi pripadne Lagrangeove jednadžbe

αALα−1 K 1−α = λm,

(1 − α)ALα K −α = λn,
mL + nK = p.
Iz prve dvije jednadžbe dobijemo da vrijedi

αALα−1 K 1−α (1 − α)ALα K −α

λ= i λ= .
m n
3 UVJETNI EKSTREMI 40

Izjednačavajući ta dva izraza po K dobijemo:

(1 − α)m
K= .
nαL−1
Uvrštavajući dobiveno u treću jednadžbu imamo
αp
L= .
m
Sada, za K vrijedi
(1 − α)p
K= .
n
Potrebno je provjeriti je li dobivena točka točka maksimuma, pa računajući determi-
nantu matrice drugih parcijalnih derivacija Lagrangeove funkcije imamo

nm2 A  αn α
detH = ,
αp (1 − α)m

što je veće od nula s obzirom da su m, n, p, α i A pozitivni brojevi. Zaključujemo da

se maksimalna proizvodnja javlja kada je

αp (1 − α)p
L= i K= .
m n

Primjer 2.
Promatrat ćemo Cobb- Douglasovu funkciju proizodnje

Q(L, K) = A · Lα · K 1−α .

Pretpostavimo da je proizvodnja konstantna, tj. vrijedi A · Lα · K 1−α = Q, gdje je Q

konstanta. Koje vrijednosti od L i K minimiziraju funkciju troška

C(L, K) = mL + nK?

Rješenje:
Treba pronaći vrijednosti od L i K koje minimiziraju funkciju troška C(L, K) = mL +
nK uz uvjet ALα K 1−α = Q. Lagrangeov sustav jednadžbi glasi

m = λαALα−1 K 1−α ,

n = λ(1 − α)ALα K −α ,
ALα K 1−α = Q.
3 UVJETNI EKSTREMI 41

Iz prve dvije jednadžbe izrazimo λ i izjednačavajući ta dva izraza imamo

(1 − α)m
K= ,
αnL−1
nakon što dobiveni izraz za K uvrstimo u treću jednadžbu, dobijemo da vrijedi
Q  αn 1−α
L= .
A (1 − α)m

Sada, za K imamo da vrijedi

Q  (1 − α)m α
K= .
A αn
Računamo
2 (1 − α)A2 Q  αn 2α+1
detH = −(2α + 1) ,
m (1 − α)m
kako su m, n, p, α i A pozitivni, slijedi da je detH < 0, pa zaključujemo da se minimalna
vrijednost troška javlja kada vrijedi

Q  αn 1−α Q  (1 − α)m α
L= i K= .
A (1 − α)m A αn

Primjer 3.
Istraživački odjel neke tvrtke došao je do sljedeće Cobb-Douglasove funkcije proizvodnje
za odredeni proizvod
N (x, y) = 50x0.8 y 0.2 ,
gdje je x broj utrošenih jedinica rada i y broj utrošenih jedinica kapitala potrebnih
za proizvodnju N (x, y) jedinica proizvoda. Trošak za svaku jedinicu rada je 40 kuna,
a za svaku jedinicu kapitala 80 kuna. Ako je za proizvodnju proizvoda namijenjeno
400000 kuna, utvrdite kako taj iznos treba biti rasporeden izmedu rada i kapitala da
bi se ostvarila maksimalna proizvodnja i odredite maksimalnu proizvodnju. Utvrdite
graničnu produktivnost po osnovi novca za taj slučaj i procijenite povećanje proizvod-
nje slijedom povećanja iznosa sredstava za dodatnih 50000 kuna.

Rješenje:
Ukupni trošak korištenja x jedinica rada i y jedinica kapitala je 40x + 80y, pa je
ograničenje na iznos od 400000 kuna

40x + 80y = 400000.

3 UVJETNI EKSTREMI 42

Dakle, trebamo maksimizirati funkciju N (x, y) = 50x0.8 y 0.2 s obzirom na C(x, y) =

40x + 80y − 400000.
Kako smo u Primjeru 1. zaključili da se maksimalna proizvodnja javlja kada su
αp (1 − α)p
L= i K= ,
m n
lako ćemo odrediti vrijdnosti od x i y uvrštavajući zadane vrijednosti za m = 40,
n = 80, p = 400000 i α = 0.8.
αp
x= = 8000 i
m
(1 − α)p
y= = 1000.
n
Dakle, točka (8000, 1000) je točka lokalnog uvjetnog maksimuma funkcije N (x, y), a
maksimalna vrijednost te funkcije, odnosno maksimalna proizvodnja uz dane uvjete je
približno 263963.196 jedinica proizvoda.

Granična produktivnost po osnovi novca vrijednost je Lagrangeovog multiplikatora,

λ = 0.6598, koja nam govori o tome koliko se povećava produktivnost za svaku dodatnu
uloženu novčanu jedinicu. Povećanje sredstava za 50000 kn rezultiralo bi povećanjem
proizvodnje za približno 0.6598 · 50000 = 32990 jedinica.

3.3.2 Problem minimalnog troška

Primjer 1.
Neka tvrtka proizvodi dva proizvoda. Pretpostavimo da se proizvodnja može prikazati
funkcijom P (x, y). Tvrtka proizvodi x jedinica jednog proizvoda s troškom proizvodnje
c1 po jedinici proizvoda i y jedinica drugog proizvoda s troškom proizvodnje c2 po
jedinici proizvoda. Ograničenje budžeta je konstanta dana s

B = c1 x + c2 y,

te je potrebno odrediti minimalni trošak proizvodnje uz dano ograničenje budžeta.

Pomoću Lagrangeove metode pronaći ćemo vrijednost parametra λ u ovisnosti o Px0 ,
Py0 , c1 i c2 . Jednadžba koja se dobije kao rezultat vrijedi za svaku funkciju proizvodnje
P i naziva se zakon granične proizvodnje.

Rješenje:
S P (x, y) ćemo označiti funkciju koju trebamo minimizirati s obzirom na uvjet g(x, y) =
3 UVJETNI EKSTREMI 43

c1 x + c2 y − B. Pripadna Lagrangeova funkcija je

F (x, y, λ) = P (x, y) − λ(c1 x + c2 y − B).

Lagrangeov sustav jednadžbi je

Px0 = λc1 ,
Py0 = λc2 ,
c1 x + c2 y = B.
Iz prve dvije jednadžbe izrazimo λ, pa imamo
Px0 Py0
λ= = .
c1 c2
Zaključujemo da se minimalni trošak javlja kada vrijedi
Px0 Py0
= ,
c1 c2
te se navedena jednakost naziva zakon granične proizvodnje.

Primjer 2.
Tvrtka proizvodi x komada televizora modela A i y komada televizora modela B tjedno,
uz trošak (u kunama) od
C(x, y) = 6x2 + 12y 2 .
Ako je (slijedom troškova isporuke) x + y = 90, koliko televizora svakog modela treba
proizvesti tjedno kako bi se trošak minimizirao? Koliki je minimalni trošak?

Rješenje:
Trebamo minimizirati funkciju C(x, y) = 6x2 + 12y 2 uz uvjet g(x, y) = x + y − 90.
Pripadna Lagrangeova funkcija je

F (x, y, λ) = 6x2 + 12y 2 − λ(x + y − 90).

Lagrangeov sustav jednadžbi je

12x = λ,
24y = λ,
x + y = 90.

Iz prve dvije jednadžbe izrazimo λ, pa izjednačavajući dobivene izraze imamo

12x = 24y,
3 UVJETNI EKSTREMI 44

što uvrštavamo u treću jednadžbu i kao rezultat imamo x = 60 i y = 30. Računamo

det H:
detH = −36 < 0,
pa je točka (60, 30) točka lokalnog uvjetnog minimuma te je minimalan trošak pro-
izvodnje C(x, y) = 32400 kn uz proizvodnju 60 modela televizora modela A tjedno i
30 modela televizora modela B.

Vrijednost Lagrangeovog multiplikatora je λ = 720, što znači da bi se povećanjem

troškova isporuke televizora za jednu kunu, trošak proizvodnje povećao za 720 kuna.

3.3.3 Primjena u matematici

Primjer 1.
Dokažite da je trokut s maksimalnom površinom i danim opsegom O jednakostraničan.

Rješenje:
Neka je O dani opseg trokuta, za površinu trokuta ćemo koristiti Heronovu formulu :
p
P = s(s − a)(s − b)(s − c),

gdje je s poluopseg trokuta, s = O2 , a a, b i c su duljine stranica trokuta. Dakle,

tražimo vrijednosti duljina stranica trokuta za koje je površina P maksimalna uz uvjet
g(a, b, c) = a + b + c = O. Pripadna Lagrangeova funkcija je
p
F (a, b, c, λ) = s(s − a)(s − b)(s − c) − λ(a + b + c − O).

Lagrangeov sustav jednadžbi je

s(s − b)(s − c)
− p = λ,
2 s(s − a)(s − b)(s − c)
s(s − a)(s − c)
− p = λ,
2 s(s − a)(s − b)(s − c)
s(s − a)(s − b)
− p = λ,
2 s(s − a)(s − b)(s − c)
a + b + c = O.

Iz prve dvije jednadžbe dobit ćemo

(s − c)(a − b) = 0.
3 UVJETNI EKSTREMI 45

Ako je s − c = 0, tada je s = c i tada bi površina trokuta bila P = 0, što nije moguće,

pa je a − b = 0, odnosno a = b.

O
Analogno, iz druge i treće jednadžbe, dobit ćemo b = c. Dakle, vrijedi a = b = c = 3
,
čime smo dokazali da je trokut jednakostraničan. Vrijedi:
√
2 3
Pmax = s .
9

Primjer 2.
Ravnina x + y + 2z = 2 siječe paraboloid z = x2 + y 2 u elipsi. Pronadite točku na elipsi
koja je najdalja i točku koja je najbliža ishodištu.

Rješenje:
Jednadžba elipse glasi : x2 +y 2 +z 2 . Ovdje nam se javlja problem traženja minimuma,
odnosno maksimuma funkcije uz dva uvjeta, x + y + 2z = 2 i z = x2 + y 2 . Pripadna
Lagrangeova jednadžba je

F (x, y, z, λ1 , λ2 ) = x2 + y 2 + z 2 − λ1 (x + y + 2z − 2) − λ2 (x2 + y 2 − z).

Lagrangeov sustav jednadžbi je

2x = λ1 + 2xλ2 ,

2y = λ1 + 2yλ2 ,
2z = 2λ1 − λ2 ,
x + y + 2z = 2,
x2 + y 2 − z = 0.

Iz prve dvije jednadžbe imamo

λ1 = 2x(1 − λ2 ) i λ1 = 2y(1 − λ2 ).

Ako izjednačimo ta dva izraza imamo

(1 − λ2 )(2x − 2y) = 0.

Ako je (1−λ2 ) = 0, tada je λ2 = 1 i λ1 = 0, uvrštavanjem dobivenog u treću jednadžbu

slijedi da je z = − 21 , što ne može biti jer iz uvjeta z = x2 + y 2 , z mora biti pozitivan.
Stoga je (2x − 2y) = 0, odakle imamo x = y.
3 UVJETNI EKSTREMI 46

Uvrštavanjem x = y u četvrtu i petu jednadžbu imamo sustav od dvije jednadžbe s

dvije nepoznanice
2x + 2z = 2,
2x2 − z = 0.
Rješavanjem gornjeg sustava jednadžbi imamo x1 = 12 i x2 = −1. Računanjem vrijed-
nosti za y i z dobit ćemo dvije točke: 12 , 12 , 21 i (−1, −1, 2).

Kako smo tražili ekstrem funkcije na zatvorenom i ograničenom skupu te je funkcija

f (x, y, z) = x2 + y 2 + z 2 neprekidna na tom skupu, znamo da ta funkcija f mora
postići svoj minimum i maksimum, stoga je dovoljno izračunati vrijednost funkcije
f u dobivenim točkama kako bismo odredili koja
 je od te dvije točke lokalni uvjetni
maksimum, a koja minimum. Za točku 2 , 2 , 2 , vrijednost funkcije je f (x, y, z) = 34 ,
1 1 1

 je u točki (−1, −1, 2) vrijednost funkcije f (x, y, z) = 6. Zaključujemo da je točka

dok
1 1 1
, ,
2 2 2
točka lokalnog uvjetnog minimuma, odnosno ta je točka najbliža ishodištu,
a točka (−1, −1, 2) je točka lokalnog uvjetnog maksimuma te je ona najudaljenija od
ishodišta.

3.3.4 Ostale primjene

Primjer 1.
Geometrijska optika je grana fizike koja proučava zakone širenja i odbijanja svjetlosti.
Jedan od osnovnih predmeta proučavanja geometrijske optike je lom ili refrakcija svje-
tlosti do koje dolazi kada zraka svjetlosti prelazi iz jednog sredstva u drugo. Prema
Fermatovom principu refleskije svjetlost ide od jedne točke do druge putem za koji je
potrebno najkraće vrijeme. Uvažavajući taj princip, pokažite da vrijedi Snellov zakon
loma svjetlosti koji glasi
v1 v2
= ,
sin θ1 sin θ2
gdje je θ1 kut upada, θ2 kut refleksije, a v1 i v2 brzine svjetlosti u prvom i drugom
sredstvu kroz koje prolazi svjetlost.
3 UVJETNI EKSTREMI 47

Slika 6. Lom svjetlosti

Rješenje:
Neka zraka svjetlosti putuje iz točke A u točku B kao na Slici 6. Vrijedi d(A, B) =
d(A, O) + d(O, B). Iz trigonometrije pravokutnog trokuta znamo da vrijedi
a b
d(A, O) = i d(O, B) = .
cos θ1 cos θ2
Vremena t1 i t2 kojima zraka svjetlosti putuje iz točke A u točku O, i iz točke O u
točku B su
d(A, O) a d(O, B) b
t1 = = i t2 = = .
v1 v1 cos θ1 v2 v2 cos θ2
Ukupno vrijeme koje je potrebno da zraka svjetlosti dode iz točke A u točku B je
a b
t= + .
v1 cos θ1 v2 cos θ2
Takoder, sa slike možemo izračunati i vrijednost konstante k:

k = a tg θ1 + b tg θ2 .
a b
Dakle, trebamo minimizirati funkciju t(θ1 , θ2 ) = v1 cos θ1
+ v2 cos θ2
s obzirom na uvjet
g(θ1 , θ2 ) = a tg θ1 + b tg θ2 − k.

Pripadna Lagrangeova funkcija je

a b
F (θ1 , θ2 ) = + − λ(a tg θ1 + b tg θ2 − k).
v1 cos θ1 v2 cos θ2
Lagrangeov sustav jednadžbi je
a sin θ1 aλ
2
= ,
v1 cos θ1 cos2 θ1
b sin θ2 bλ
2
= ,
v2 cos θ2 cos2 θ2
a tg θ1 + b tg θ2 = k.
3 UVJETNI EKSTREMI 48

Iz prve dvije jednadžbe računamo λ pa imamo

sin θ1 sin θ2
λ= i λ= .
v1 v2
Izjednačavanjem ta dva izraza dobivamo

v2 sin θ1 = v1 sin θ2 ,

čime smo pokazali da vrijedi Snellov zakon loma svjetlosti.

Primjer 2.
U psihologiji i medicini površina tijela je izmjerena ili izračunata površina ljudskog
tijela. Površina tijela jedno je od češće korištenih mjerila u medicini za odredivanje
terapija, doza lijekova, itd. Jedna od formula za izračunavanje površine tijela je

S(T, V ) = 0.0072T 0.425 V 0.725 ,

gdje je T težina u kilogramima, a V visina u centimetrima. Pretpostavimo da se u

kratkom vremenskom periodu Marijina težina prilagodava njenom rastu, tako da je
T + V = 160. S ovim uvjetom, koja težina i visina će maksimizirati površinu Marijinog
tijela?

Rješenje:
Minimiziramo danu funkciju S(T,V) s obzirom na uvjet T + V = 160. Pripadna
Lagrangeova jednadžba je

F (T, V, λ) = 0.0072T 0.425 V 0.725 − λ(T + V − 160).

Lagrangeov sustav jednadžbi glasi

0, 0031T −0.575 V 0.725 = λ,

0, 0031T 0.425 V −0.275 = λ,

T + V = 160.
Izjednačavanjem prve dvije jednadžbe dobijemo

V = 1, 6774T,

i uvrštavanjem dobivenog u treću jednadžbu imamo T = 59, 7595 ≈ 60 i V = 100, 2405 ≈

100.
3 UVJETNI EKSTREMI 49

Kako bismo provjerili je li dobiveno rješenje maksimum računamo determinantu ma-

trice drugih parcijalnih derivacija Lagrangeove funkcije,

detH = 0, 0121 > 0.

Dakle, dobiveno rješenje je lokalni uvjetni maksimum i maksimalna površina tijela je

1, 563m2 .
Uz dani uvjet, Marija bi trebala imati 60 kg i biti visoka 100 cm kako bi se površina
njenog tijela maksimizirala.

Primjer 3.
Poštanski ured zahtijeva da zbroj dužine i bočnog opsega pravokutne kutije za slanje
paketa ne prelazi 108 inča. Koje su dimenzije (po volumenu) najveće kutije koje
zadovoljavaju postavljena ograničenja?

Rješenje:

Slika 7. Pravokutna kutija

Poštanski paket možemo prikazati pomoću kvadra, kao na Slici 7., gdje x označava
duljinu paketa, a y i z označavaju širinu i visinu paketa. Prema tome, opseg paketa je
2y + 2z, dok je volumen V = xyz = 108 te se problem zadatka svodi na minimizaciju
funkcije f (x, y, z) = xyz uz uvjet g(x, y, z) = x + 2y + 2z − 108. Pripadna Lagrangeova
funkcija je
F (x, y, z, λ) = xyz − λ(x + 2y + 2z − 108).
Lagrangeov sustav jednadžbi je
yz = λ,
xz = 2λ,
xy = 2λ,
x + 2y + 2z = 108.
3 UVJETNI EKSTREMI 50

Iz prve dvije jednadžbe imamo λ = yz, uvrštavajući to u drugu i treću jednadžbu

imamo
xz = 2yz
xy = 2yz.
Kako su po uvjetima zadatka y i z pozitivni brojevi, gornje dvije jednadžbe možemo
dijeliti sa z, odnosno s y, odakle imamo x = 2y i x = 2z. Izjednačavajući dobiveno
imamo y = z, uvrštavajući to u x + 2y + 2z = 108 dobijemo z = 18 = y. Sada
možemo izračunati i vrijednost treće varijable, x = 36. Da bismo provjerili je li to
točka maksimuma računamo det H:

detH = 576 > 0,

pa je točka (36, 18, 18) točka lokalnog uvjetnog maksimuma.

LITERATURA 51

Literatura
[1] Š. UNGAR, Matematička analiza u Rn , Tehnička knjiga, Zagreb, 2005.

[2] L.D. HOFFMAN, G.L. BRADLEY, Calculus for business, economics and the
social and life sciences, McGraw-Hill companies, 2004.

[3] T.M. APOSTOL, Calculus, Multi Variable Calculus and Linear Algebra, with
Applications to Differential Equations and Probability, Xerox corporation, USA,
1969.

[4] S.O. HOCKETT, M. STERNSTEIN, Applied calculus agoals approach, D. Van

Nostrand company

[5] T. SENBA, T. SUZUKI, Applied Analysis - Mathematical Methods in Natural

Science, Imperial College Press, London, 2004.

[6] R.A. BARNETT, M.R. ZIEGLER, K.E. BYLEEN, Primjenjena matematika za

poslovanje, ekonomiju, znanosti o živom svijeru i humanističke znanosti, MATE
d.o.o., Zagreb, 2006.

[7] M.L. BITTINGER,D.J. ELLENBIGEN, S.A. SURGENT, Calculus and its

applications, Thomson Brooks/Cole, Belmont, 2008.

[8] J. STEWART, Calculus - early transcendentals, Pearson Education, Inc., Boston,

2008.

[9] R. LARSON, B.H. EDWARDS, Multivariable calculus, Brooks/Cole Cengage

learning, Belmont, 2010.

[10] S.T. TAN, Multivariable calculus, Brooks/Cole Cengage learning, Belmont, 2010.

[11] S. WANER, S.R. COSTENOBLE, Finite Mathematics and Applied Calculus,

Brooks/Cole Cengage learning, Boston, 2011.
LITERATURA 52

[12] Funkcija više variabli, V.V.R, Ekonomski fakultet, Zagreb

http://web.efzg.hr/dok//mat/svlah//difrac2.pdf,

[13] A. Weerapana, Multivariate static optimization

http://www.wellesley.edu/Economics/weerapana/econ300/econ300pdf/lecture 300-08.pdf

[14] A. Belullo, Mikroekonomski temelji makroekonomije

http://www.scribd.com/doc/73675467/8/Lokalna-i-globalna-rješenja,

[15] I. SLAPNIČAR, Matematika 2, Split, 2008

http://lavica.fesb.hr/mat2/PDF/predavanja.pdf

[16] B. Jadrijević, Funkcije više varijabli III (ekstremi)

http://www.fesb.hr/ borka/files/m2-pred12.pdf

[17] B.A. McCarl, T.H. Spreen, Applied mathematical programming using algebraic
systems, Chapter 12
http://agecon2.tamu.edu/people/faculty/mccarl-bruce/mccspr/new12.pdf

[18] S. Suljagić, Ekstremi funkcija više varijabli

http://www.grad.unizg.hr/nastava/matematika/mat2/node8.html

[19] R. Scitovski, I. Kuzmanović, Z. Tomljanović, Linearni operatori u ravnini

http://www.mathos.hr/geometrija/Materijali/Geo 2.pdf

[20] J. Šohinger, Maksimizacija korisnosti i funkcija potražnje

web.efzg.hr/dok//EPO/jsohinger//Predavanje 3.ppt

[21] R. Gil, Optimization

http://people.ucsc.edu/ rgil/Optimization.pdf
Sažetak
Problemi minimizacije i maksimizacije spadaju u najvažnije praktične i teoretske pro-
bleme. Smisao je da se odrede vrijednosti argumenata u kojima neka funkcija postiže
svoju najmanju ili najveću vrijednost (lokalno ili globalno). U prvom poglavlju na-
veli smo osnovne pojmove koje smo koristili u radu. O samom postupku pronalaženja
ekstrema funkcija više varijabli govorili smo u drugom poglavlju. U trećem poglavlju
vidjeli smo da lako možemo odrediti i ekstrem funkcije uz dane uvjete, i takav ekstrem
nazivamo uvjetnim ekstremom. Kroz drugo i treće poglavlje vidjeli smo i korisne pri-
mjene traženja ekstrema u ekonomiji, svakodnevnom životu te u nekim humanističkim
i društvenim znanostima.

53
Summary
Minimization and maximization problems are some of the most important practical
and theoretical problems. The goal is to find the values of inputs in which a function
achieves its minimum or maximum value (locally or globally). In the first chapter
we have listed the basic definitions and concepts that we used in this paper. In the
second chapter we have seen the procedure of finding (local) extremes of functions
of several variables. In the third chapter we have seen that we can easily determine
the extreme of the function under given conditions, and such an extreme is called the
constrained extreme. Through the second and the third chapter we have also seen
some useful applications of finding the extremes in the economy, the daily life and in
some humanities and social sciences.

54
Životopis
Rodena sam 7. kolovoza 1985. godine u Osijeku. Osnovnu školu ”Retfala” u Osijeku
upisala sam u rujnu 1992. godine. U rujnu 2000. godine upisala sam I. gimnaziju u
Osijeku. U srpnju 2004. godine upisujem preddiplomski studij matematike na Odjelu
za matematiku, a sveučilišni nastavnički studij matematike i informatike upisujem u
listopadu 2008. godine.
Od svibnja 2005. godine do lipnja 2006. godine radila sam u restoranu brze prehrane
McDonalds, a od lipnja 2006. godine do listopada 2011. godine u Kontaktnom centru
T-coma u Osijeku.

55