Statička optimizacija u sluča-

ju funkcije više promenljivih

bez ograničenja
Anja Buljević
Aleksandra Mitrović
Smilja Stokanović
18. oktobar 2022.

Zadaci
1. Da li postoji optimum u stacionarnoj tački funkcije y(x) =
8x1 + x2 + 5x12 − 9x1 x2 + 2x22 ?
1. Potrebni uslovi
Prvo ćemo pronaći stacionarnu tačku1 . 1
Podsećanje sa predavanja: potreban
uslov za postojanje stacionarne tačke
∂y jeste da je priraštaj funkcije 5 f (x) = 0.
= 8 + 10x1 − 9x2 = 0 Karakter stacionarne tačke ispitujemo
∂x1
(1) na osnovu vrednosti funkcija viših
∂y izvoda.
= 1 − 9x1 + 4x2 = 0
∂x2

Rešavanjem sistema jednačina dobijamo sledeću stacionarnu

tačku: A(x1∗ = 1, x2∗ = 2)
2. Dovoljni uslovi
Nakon što smo odredili stacionarnu tačku, potrebno je da
odredimo njen karakter. Karakter stacionarne tačke možemo
odrediti pomoću:

• Silvesterove teoreme
• Svojstvenih vrednosti

(a) Silvesterova teorema2 2

U slučaju da postoje parcijalni izvodi
drugog reda funkcije y po svim pro-
 ∂2 y ∂2 y
 menljivama u okolini tačke x∗ i ako
Ä ∂y ä∗
∂x 2 ∂x1 ∂x2 važi ∂x = 0 onda tačka ekstremu-
H=  21
∂ y ∂2 y
 i
ma funkcije y u tački x ∗ zadovoljavaju
∂x1 ∂x2 ∂x2 2 sledeće uslove
ñ ô i. Za strogi lokalni minimum Di > 0
10 −9 za i = 1, 2
H= ii. Za strogi lokalni maksimum
−9 4
D1 < 0 D2 > 0
Odakle sledi da su glavni minori matrice H:
gde su
 
   ∂2 y ∂2 y 
 ∂2 y   ∂x2
 ∂x1 ∂x2

D1 =  ∂x2  D2 =  ∂2 y1 .

∂2 y

1 x=x∗  
 ∂x1 ∂x2 ∂x22
x=x∗

 statička optimizacija u slučaju funkcije više promenljivih 2

D1 = 10 > 0
D2 = 40 − 81 = −41 < 0.
Na osnovu dobijenih vrednosti glavnih minora, možemo da
zaključimo da tačka A nije optimum.
(b) Svojstvene vrednosti3 3
Sopstvene vrednosti i karakter ekstre-
ma Neka su λ1 , λ2 , . . . , λn sopstvene
  vrednosti Heseove matrice H, za matri-
λI − H  = 0
 
cu kažemo da je
i. pozitivno definitna ako su sve
  ñ ô vrednoti λi > 0 . . . i = 1, . . . , n
  λ 0  10 −9 ii. pozitivno semidefinitna ako su sve
λI − H  =  − =0
  
0 λ −9 4 vrednoti λi ≥ 0 i1 , . . . , n
  iii. negativno definitna ako su sve
  λ − 10 9  vrednoti λi < 0 i1 , . . . , n
λI − H  =  =0
  
iv. negativno semidefinitna ako su sve
 9 λ − 4
vrednoti λi ≤ 0 i1 , . . . , n
 
v. nedefinitna ukoliko sopstvene
λI − H  = (λ − 10)(λ − 4) − 81 = 0
 
vrednosti menjaju znak

Rešavanjem sistema jednačina dobijamo sledeće vrednosti Uslov ≤ i ≥ logički podrazumeva da

√ √ postoji barem jedna vrednost različita
λ : λ1 = 7 + 3 10 λ2 = 7 − 3 10 od nule.
Vrednosti λ koje su dobijene nisu istog znaka, te i na osnovu svojstve-
nih vrednosti možemo da zaključimo da tačka A nije optimum.

2. Naći stacionarne tačke i ispitati njihove karaktere za funkciju

f (x1 , x2 ) = x12 x2 + x23 x1 − x1 x2 .
1. Potrebni uslovi
Da bismo odredili potrebne uslove, potrebno je da odredimo
parcijalne izvode po svim promenljivim:

∂f
= 2x1 x2 + x23 − x2 = x2 (2x1 + x22 − 1) = 0
∂x1
(2)
∂f
= x12 + 3x22 x1 − x1 = x1 (x1 + 3x22 − 1) = 0
∂x2
Iz jednačine (2) možemo da zaključimo da ćemo imati četiri
slučaja kada su zadovoljeni potrebni uslovi:

x1 = 0, x2 = 0 → A(0, 0)
x2 = 0, x1 + 3x22 − 1 = 0 → B(1, 0)
x1 = 0, 2x1 + x22 − 1 = 0 → C(0, 1), D(0, −1)
2 1 2 1
x1 + 3x22 − 1 = 0, 2x1 + x22 − 1 = 0 → E( , √ ), F( , − √ )
5 5 5 5
 statička optimizacija u slučaju funkcije više promenljivih 3

2. Dovoljni uslovi
1. Silvesterova teorema
Upotrebom Silvestorove teoreme„ formiramo Heseovu matri-
cuna na osnovu koje ćemo zaključiti karakter dobijenih stacio-
narnih tačaka:
∂2 y ∂2 y
 
∂x 2 ∂x1 ∂x2
H=  21
∂ y ∂2 y

∂x1 ∂x2 ∂x2 2

ñ ô
2x2 2x1 + 3x22 − 1
H=
2x1 + 3x22 − 1 6x1 x2
Odakle sledi da su glavni minori matrice H:

D1 = 2x2
D2 = 12x22 x1 − (2x1 + 3x22 − 1)2 ;

2 1 2 1
A(0, 0) B(1, 0) C(0, 1) D(0, −1) E( , √ ) F( , − √ )
5 5 5 5
2 2
D1 0 0 2 −2 √ −√
5 5
4 4
D2 −1 −1 −4 −4
5 5
Karakter / / / / MINIMUM MAKSIMUM

Iz tabele glavnih minora dobijenih pomoću Silvesterove teo-

reme vidimo da su samo tačke E i F optimalne vrednosti, dok
ostale tačke ne predstavljaju optimume.
2. Svojstvene vrednosti
 
   λ − 2x2 −(2x1 + 3x22 − 1)
λI − H  =  =0
  
−(2x1 + 3x22 − 1) λ − 6x1 x2 

 
λI − H  = (λ − 2x2 )(λ − 6x1 x2 ) − (2x1 + 3x22 − 1)2 = 0
 

2 1 2 1
A(0, 0) B(1, 0) C(0, 1) D(0, −1) E( , √ ) F( , − √ )
5 5 5 5
√ √
λ1 1 1 1+ 5 −1 + 5 9.756 −0.082

√ √
λ2 −1 −1 1− 5 −1 − 5 0.082 −9.756

Karakter / / / / MINIMUM MAKSIMUM

 statička optimizacija u slučaju funkcije više promenljivih 4

Na osnovu dobijenih vrednosti λ1 i λ2 možemo da odredimo

karakter stacionarnih tački. Kao i na osnovu Silvesterove teore-
me, tako i pomoću svojstvenih vrednosti vidimo sad su samo
tačke E i F optimalne vrednosti, dok ostale tačke ne predsta-
vljaju optimume.
3. Ukupni nedeljni prihod radionice je P = −0.2x2 − 0.25y2 −
0.2xy + 200x + 160y. Gdje je x, broj završenih stolova, a y,
broj nezavršenih stolova. Ukupni nedeljni troškovi su T =
100x + 70y + 4000. Koliko stolova treba proizvesti nedeljno,
kako bi dobit bila najveća?
1. Potrebni uslovi
Ukupnu dobit možemo izračunati tako što ćemo od ukupnih
prihoda oduzeti troškove:

P = −0.2x2 − 0.25y2 − 0.2xy + 200x + 160y,

T = 100x + 70y + 4000,
D = P−T
D = −0.2x2 − 0.25y2 − 0.2xy + 200x + 160y − (100x + 70y + 4000)
D = −0.2x2 − 0.25y2 − 0.2xy + 100x + 90y − 4000

∂D
= −0.4x − 0.2y + 100 = 0
∂x
(3)
∂D
= −0.5y − 0.2x + 180 = 0
∂y

y = −0.4x + 0.08x − 36 + 100 = 0

−0.32x = −64 (4)
∗ ∗
x = 200, y = 100.
Nakon što smo pronašli stacionarnu tačku, potrebno je i da
proverimo da li za dobijene vrednosti x, y imamo maksimalnu
dobit proveravanjem dovoljnih uslova.
2. Dovoljni uslovi
Dovoljne uslove možemo odrediti upotrebom Silvesterove
teoreme, formiranjem Heseove matrice i računanjem glavnih
minora:
 2
∂2 D
 ñ
∂ D ô
∂x 2 ∂x1 ∂x2 − 0.4 0.2
H =  ∂2 D1 ∂2 D
=
∂x ∂x 2
−0.2 −0.5
1 2 ∂x2

D1 = −0.4
D2 = −0.2 − 0.04 = 0.16
Pošto je vrednost D1 < 0, a vrednost D2 > 0, možemo da
zaključimo da će ostvarena dobit biti maksimalna.
 statička optimizacija u slučaju funkcije više promenljivih 5

4. Šumar se nalazi u tački A i treba da prod̄e putem, šumom i

kroz šipražje, da bi došao do kuće. Kroz šiprag se kreće brzi-
nom 3 km km km
h , kroz šumu brzinom 4 h i putem 5 h . Kako treba da
se kreće šumar, kako bi najbrže stigao do kuće.
Kuca

Put
s3 y−x

Suma s2
x 1, 5km

Siprag s1 1km

Sumar
10km
U ovom slučaju, potrebno je da minimizujemo vreme kako bi
šumar za što kraće vreme stigao do kuće:

T = T1 + T2 + T3
s s2 s
T= 1 + + 3
V1 V2 V3
√ p
1 + x2 1.52 + (y − x)2 10 − y
T= + +
V1 V2 V3
Nakon što smo formirali kriterijum optimalnosti, potrebno je
da nad̄emo pparcijalni izvode po promenljivim x i y:

∂T 1 2x 1 −2(y − x)
= √ + p =0
∂x 3 2 1 + x2 4 2 1.52 + (y − x)2
∂T 1 2(y − x) 1
= p − =0
∂y 4 2 1.5 + (y − x)
2 2 5

Preostaje nam još da izračunamo vrednosti x i y:

1 (y − x) 1 x
p = √
4 1.5 + (y − x)
2 2 3 1 + x2
1 (y − x) 1
p =
4 1.52 + (y − x)2 5

1 x 1
√ =
3 1 + x2 5
p
5x = 3 1 + x2
3
x=±
4
Pošto je u pitanju fizička veličina, kao optimalnu vrednost x,
uzimamo x = 34 .
 statička optimizacija u slučaju funkcije više promenljivih 6

»
5(y − x) = 4 (y − x)2 + 1.52 /2
25(y − x)2 = 16((y − x)2 + 1.52 )
9(y − x)2 = 16 ∗ 1.52
4 ∗ 1.5
(y − x) = ±
3
4 ∗ 1.5
y = x±
3
3
y = ±2
4
∗ 11
y =
4