📈 Μέγιστα και ελάχιστα με παραγώγους — Από τα βαρέλια του Kepler στο κριτήριο της δεύτερης παραγώγου

Το 1615, ο Johannes Kepler ασχολήθηκε με ένα πολύ πρακτικό πρόβλημα: πώς μπορεί κανείς να εκτιμήσει σωστά τον όγκο ενός βαρελιού κρασιού;

Η αφορμή ήταν ο τρόπος με τον οποίο οι έμποροι μετρούσαν τα βαρέλια: έβαζαν μια ράβδο μέσα από μια οπή, μετρούσαν ένα μήκος και από αυτό εκτιμούσαν πόσο κρασί περιείχε το βαρέλι.

Ο Kepler παρατήρησε ότι διαφορετικά σχήματα βαρελιών μπορούσαν να δώσουν παρόμοια μέτρηση αλλά διαφορετικούς όγκους. Η μελέτη αυτού του προβλήματος τον οδήγησε σε ερωτήματα βελτιστοποίησης: ποιο σχήμα δίνει τον μεγαλύτερο δυνατό όγκο; :chatgpt-content-reference{index="1"}

🎯 Τι είναι ένα ακρότατο;

Για μια συνάρτηση \(f(x)\), ένα σημείο μπορεί να είναι:

• τοπικό μέγιστο, αν η τιμή της συνάρτησης είναι μεγαλύτερη από τις κοντινές τιμές,
• τοπικό ελάχιστο, αν είναι μικρότερη από τις κοντινές τιμές.

Γεωμετρικά, αυτά είναι συχνά σημεία όπου η καμπύλη «σταματά» στιγμιαία να ανεβαίνει ή να κατεβαίνει.

➖ Η πρώτη παράγωγος

Αν η \(f\) είναι παραγωγίσιμη και έχει τοπικό ακρότατο σε εσωτερικό σημείο \(x_0\), τότε συνήθως αναζητούμε σημεία όπου

\[ \boxed{f'(x_0)=0}. \]

Αυτά ονομάζονται κρίσιμα σημεία.

Όμως η εξίσωση \(f'(x)=0\) από μόνη της δεν μας λέει αν έχουμε μέγιστο, ελάχιστο ή κάτι άλλο.

Το \(f'(x_0)=0\) εντοπίζει έναν υποψήφιο.
Δεν αποφασίζει ακόμη τι είδους σημείο είναι.

🔎 Το κριτήριο της δεύτερης παραγώγου

Εδώ μπαίνει η δεύτερη παράγωγος.

Αν

\[ f'(x_0)=0, \]

τότε:

Αν \[ f''(x_0)>0, \] η καμπύλη είναι τοπικά «κοίλη προς τα πάνω» και το \(x_0\) είναι τοπικό ελάχιστο.

Αν \[ f''(x_0)<0 strong="" x_0="">τοπικό μέγιστο

.

Αν \[ f''(x_0)=0, \] το κριτήριο δεν αρκεί για να αποφασίσουμε.

📌 Ένα απλό παράδειγμα

Έστω

\[ f(x)=x^2-4x+5. \]

Τότε

\[ f'(x)=2x-4. \]

Άρα

\[ f'(x)=0 \quad\Longrightarrow\quad x=2. \]

Η δεύτερη παράγωγος είναι

\[ f''(x)=2>0. \]

Επομένως στο \(x=2\) έχουμε τοπικό ελάχιστο.

\[ f(2)=1. \]

🧠 Γιατί η δεύτερη παράγωγος δουλεύει;

Η πρώτη παράγωγος περιγράφει την κλίση. Η δεύτερη παράγωγος περιγράφει το πώς αλλάζει αυτή η κλίση.

Αν η δεύτερη παράγωγος είναι θετική, οι κλίσεις αυξάνονται και η γραφική τείνει να σχηματίζει «λεκάνη». Αν είναι αρνητική, σχηματίζει «κορυφή».

Η πρώτη παράγωγος βρίσκει πού μπορεί να βρίσκεται το ακρότατο.
Η δεύτερη μας βοηθά να καταλάβουμε τι είδους ακρότατο είναι.

🍷 Η παρατήρηση του Kepler

Το ιδιαίτερα ενδιαφέρον σημείο στην ιστορία του Kepler είναι ότι παρατήρησε κάτι που σήμερα είναι θεμελιώδες στη βελτιστοποίηση: κοντά σε ένα βέλτιστο σημείο, μικρές μεταβολές μπορούν να προκαλούν πολύ μικρές αλλαγές στην τιμή της συνάρτησης. :chatgpt-content-reference{index="2"}

Αυτό εξηγεί γιατί ένα σχεδόν βέλτιστο σχήμα μπορεί να είναι πρακτικά εξίσου καλό με το θεωρητικά τέλειο. Η ίδια ιδέα εμφανίζεται σήμερα στη στατιστική, στη βελτιστοποίηση και σε πλήθος εφαρμογών.

Στα μαθηματικά, το «καλύτερο δυνατό» συχνά κρύβεται ακριβώς εκεί όπου η μεταβολή μηδενίζεται.

📚

Έρχεται το πολλαπλό βιβλίο ΝΕΟ — βρες όλες τις επιλογές εδώΠολλαπλό βιβλίο ΝΕΟ — 437 βιβλία σε PDF

PDF & Ψηφιακά Μαθησιακά Αντικείμενα — χωρίς εγγραφή • Portify

📚 437 βιβλία🎬 22.000+ Ψηφιακά Μαθησιακά Αντικείμενα

Δες τα βιβλία →