Hladanie extremov funkcii je jednou z klucovych uloh matematickej analyzy s rozsiahlou aplikaciou v technickej praxi. Ci uz ide o hladanie maximalnej unosnosti konstrukcie alebo minimalizáciu nakladov na material, optimalizacia je základom inzinierskeho navrhovania.
V tejto správe sa zameriame na analýzu lokálnych a globálnych extrémov. Pomocou prvej a druhej derivácie identifikujeme stacionárne body a určíme charakteristiku týchto extrémov. Cieľom projektu je demonštrovať matematický postup riešenia a jeho následnú vizualizáciu v prostredí R, čo umožňuje lepšiu interpretáciu správania funkcií.
Teoretické pozadie
Pre určenie lokalnych extremov funkcie \(f(x)\) vyuzivame nastroje diferencialneho poctu. Proces analyzy pozostáva z dvoch hlavnych krokov:
Nutná podmienka existencie extrému
Bod \(x_0\), v ktorom má funkcia lokálny extrém, musí byť stacionárnym bodom. To znamená, že prvá derivácia funkcie v tomto bode je rovná nule. Definujeme ho v Rovnica 1: \[f'(x_0) = 0 \tag{1}\]
Postačujúca podmienka (druhá derivácia)
Na overenie charakteru extrému využívame druhú deriváciu \(f''(x_0)\):
Ak \(f''(x_0) > 0\), potom v bode \(x_0\) nastava lokalne minimum
Ak \(f''(x_0) < 0\), potom v bode \(x_0\) nastava lokalne maximum
Tento matematicky aparat nam umoznuje presne urcit optimalne hodnoty bez nutnosti manualneho prekreslovania grafu.
Viazané extrémy a Lagrangeova funkcia
V inžinierskej praxi často nehľadáme extrém na celej oblasti definície, ale pri dodržaní určitých podmienok (väzieb). Ak máme funkciu \(f(x, y)\) a väzbu \(g(x, y) = 0\), hľadáme tzv. viazaný extrém.
Podľa Lagrangeovej metódy zostavíme pomocnú funkciu uvedenej v Rovnica 2: \[L(x, y, \lambda) = f(x, y) + \lambda g(x, y) \tag{2}\]
V tejto časti analyzujeme kvadratickú funkciu \(f(x) = x(10-x)\). Ide o konvexnú funkciu, u ktorej očakávame existenciu globálneho minima. Naším cieľom je nájsť jej minimum pomocou výpočtov v jazyku R.
Definícia funkcie a výpočet derivácie
V jazyku R definujeme funkciu a jej deriváciu. Na nájdenie presného bodu extrému využijeme funkciu uniroot.
# 1. Definicia funkcie plochyf_plocha <-function(x) { x * (10- x) }# 2. Automaticke hladanie maximares <-optimize(f_plocha, interval =c(0, 10), maximum =TRUE)x_opt <- res$maximumy_opt <- res$objective# 3. Priprava dat pre vizualizaciux_hodnoty <-seq(0, 10, length.out =100)y_hodnoty <-f_plocha(x_hodnoty)# 4. Kreslenie grafuplot(x_hodnoty, y_hodnoty, type ="l", col ="blue", lwd =2,xlab ="Strana x (m)", ylab ="Plocha (m2)", main ="Hladanie maximalnej plochy obdlznika")# Pridanie bodu maxima do grafupoints(x_opt, y_opt, col ="red", pch =19, cex =1.5)grid()
Priebeh funkcie plochy s vyznacenym maximom
Interaktívna 3D analýza komplexných extrémov
V tejto časti rozšírime naše skúmanie na funkcie dvoch premenných. Na demonštráciu viacerých lokálnych a globálnych extrémov využijeme funkciu \(f(x, y) = \sin(x) \cdot \cos(y)\). Tento model nám umožňuje interaktívne skúmať povrch a identifikovať jednotlivé kritické body.
library(plotly)# 1. Definicia funkcie f_3d <-function(x, y) { sin(x) *cos(y) }# 2. Priprava dat (interval od 0 po 2*PI)x_seq <-seq(0, 6.28, length.out =50)y_seq <-seq(0, 6.28, length.out =50)z_matrix <-outer(x_seq, y_seq, f_3d)# 3. Tvorba interaktívneho grafu so skaloufig <-plot_ly(x =~x_seq, y =~y_seq, z =~z_matrix, type ="surface",colorbar =list(title ="Hodnota Z"),colorscale ="Viridis")fig <-layout(fig,scene =list(xaxis =list(title ="Os X"),yaxis =list(title ="Os Y"),zaxis =list(title ="f(x,y)") ))fig
Zaver
V praktickej časti sme analyzovali kvadratickú funkciu plochy \(f(x) = x(10-x)\). Pomocou analytických výpočtov a ich následnej implementácie v systéme R sme potvrdili, že maximálna plocha obdĺžnika pri pevnom obvode 20 m sa dosiahne pri rozmere strany \(x = 5\) m. Tento výsledok korešponduje s matematickým predpokladom, že spomedzi všetkých pravouhlých štvoruholníkov s rovnakým obvodom má práve štvorec najväčší obsah.
Možno konštatovať, že prepojenie teoretických vedomostí o deriváciách s programovacím jazykom R poskytuje efektívny a presný nástroj na riešenie optimalizačných úloh. Dosiahnuté výsledky v plnej miere potvrdili teoretické predpoklady a demonštrovali dôležitosť matematického modelovania pri technickom rozhodovaní.
Literatura
STEWART, James. Calculus: Early Transcendentals. 8. vyd. Boston: Cengage Learning, 2015. ISBN 978-1285741550.
