Professional Documents
Culture Documents
Strossmayera u Osijeku
Odjel za matematiku
Sveučilišni nastavnički studij matematike i informatike
Kristina Flanjak
Diplomski rad
Osijek, 2012.
Sveučilište J. J. Strossmayera u Osijeku
Odjel za matematiku
Sveučilišni nastavnički studij matematike i informatike
Kristina Flanjak
Diplomski rad
Osijek, 2012.
Sadržaj
Uvod 4
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
4
1 FUNKCIJE VIŠE VARIJABLI 5
Prije proučavanja ekstrema funkcija više varijabli potrebno je definirati neke osnovne
pojmove koje ćemo koristiti, poput funkcije više varijabli, otvorenog skupa, neprekid-
nosti, itd.
(N1) ||P || ≥ 0, P ∈ Rn
(N2) ||P || = 0 ⇐⇒ P = 0
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
(∀ε > 0) (∃δ > 0) (∀P ∈ Ω) (0 < ||P − P0 || < δ ⇒ |f (P ) − l| < ε).
Pišemo: lim f (P ) = l.
P →P0
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 1.9 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 ).
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 .
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
Sada ćemo navesti još dva teorema koja će nam biti potrebna u daljnjem radu:
k
X 1 j
Polinom f (P0 ) + D f (P0 )(P − P0 ) zove se Taylorov polinom stupnja k funkcije
j=1
j!
f.
∂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
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.
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 .
∂i f (P0 ) = 0, i = 1, 2, ..., n.
Dokaz:
Ako f ima u P0 lokalni minimum, onda ∀i = 1, 2, .., n i restrikcija
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.
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
(c) q je indefinitna ako nije niti pozitivno, niti negativno semidefinitna, tj. prima i
pozitivne i negativne vrijednosti.
(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
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
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
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
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.
(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,...
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,
(i) Neka je q(x1 , x2 ) pozitivno definitna kvadratna forma, tj. q(x1 , x2 ) > 0 za svaki
(x1 , x2 ) ∈ R2 \{0, 0}.
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
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.
(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.
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
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.
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.
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
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
iz čega slijedi:
Parcijalne derivacije:
−x + y = 2
5x − 7y = −120.
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.
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.
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.
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.
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
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.
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 .
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.
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?
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
Parcijalne derivacije su
čije je rješenje: p = q = 13 .
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
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:
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.
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 .
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 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
∇f (P0 ) = λ∇g(P0 ).
Dokaz
Dokaz ćemo raditi za n=2, na sličan način teorem se može dokazati i za n > 2.
Pritom je
gx0 (x, ϕ(x))
ϕ0 (x) = − , x ∈ I. (9)
gy0 (x, ϕ(x))
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
∇f (P0 ) = λ∇g(P0 ).
Problem traženja ekstrema funkcije uz dane uvjete najčešće se rješava uvodenjem La-
grangeove funkcije
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:
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
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 )
fy0 (x0 , y0 ) 00 00
− [g (x0 , y0 ) + 2gxy (x0 , y0 )ϕ0 (x0 ) + gyy
00
(x0 , y0 )ϕ0 (x0 )2 ].
gy0 (x0 , y0 ) xx
Poznavajući dovoljne uvjete ekstrema za funkciju jedne varijable, slijedi sljedeći teorem:
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.
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 ).
1. Riješiti jednadžbe
fx0 (x, y) = λgx0 (x, y),
fy0 (x, y) = λgy0 (x, y),
g(x, y) = 0.
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.
∇f (x0 , y0 ) = λ∇g(x0 , y0 ),
za neki skalar λ.
Neka je f (x, y), funkcija koju treba maksimizirati uz uvjet g(x, y) = k, te neka je
definirana Lagrangeova funkcija
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
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 ,
Rješenje:
Trebamo naći maksimum funkcije Q(L, K) = ALα K 1−α uz uvjet C(L, K) = mL +
nK = p. Definiramo Lagrangeovu funkciju
(1 − α)ALα K −α = λn,
mL + nK = p.
Iz prve dvije jednadžbe dobijemo da vrijedi
(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
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 .
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
(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
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
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,
Rješenje:
S P (x, y) ćemo označiti funkciju koju trebamo minimizirati s obzirom na uvjet g(x, y) =
3 UVJETNI EKSTREMI 43
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
12x = 24y,
3 UVJETNI EKSTREMI 44
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),
(s − c)(a − b) = 0.
3 UVJETNI EKSTREMI 45
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
2x = λ1 + 2xλ2 ,
2y = λ1 + 2yλ2 ,
2z = 2λ1 − λ2 ,
x + y + 2z = 2,
x2 + y 2 − z = 0.
λ1 = 2x(1 − λ2 ) i λ1 = 2y(1 − λ2 ).
(1 − λ2 )(2x − 2y) = 0.
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
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.
v2 sin θ1 = v1 sin θ2 ,
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
Rješenje:
Minimiziramo danu funkciju S(T,V) s obzirom na uvjet T + V = 160. Pripadna
Lagrangeova jednadžba je
V = 1, 6774T,
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:
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
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.
[10] S.T. TAN, Multivariable calculus, Brooks/Cole Cengage learning, Belmont, 2010.
[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
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