1
Memvisualisasikan Dimensi: Kurva Tingkat dan Permukaan
MATH006Lesson 14
00:00
Memvisualisasikan fungsi dengan beberapa variabel membutuhkan pergeseran kognitif dari garis 1D ke permukaan 2D dan volume 3D. Dengan menetapkan variabel tergantung menjadi konstanta $k$, kita mengurangi dimensi, menciptakan himpunan "tingkat" yang memetakan medan kompleks ke dalam sistem koordinat yang dapat dikelola.

1. Logika Kurva Tingkat

Fungsi dua variabel $f(x, y)$ memetakan titik pada bidang $\mathbb{R}^2$ ke tinggi $z$. Kita menginterpretasikannya melalui kurva tingkat, yang didefinisikan sebagai:

Kurva tingkat dari fungsi $f$ dua variabel adalah kurva-kurva dengan persamaan $f(x, y) = k$, di mana $k$ merupakan konstanta dalam daerah hasil $f$.

Model Produksi Cobb-Douglas
Dalam ekonomi, $P(L, K) = 1.01L^{0.75}K^{0.25}$ memodelkan produksi. Kurva tingkat di sini disebut isoquant, yang menunjukkan semua kombinasi tenaga kerja ($L$) dan modal ($K$) yang menghasilkan output $P$ yang sama.
Meteorologi: Indeks Angin Dingin
Indeks Angin Dingin $W = 13.12 + 0.6215T - 11.37v^{0.16} + 0.3965Tv^{0.16}$ menggunakan kurva tingkat (isoterm) untuk mewakili suhu "terasa" yang konstan di berbagai nilai $T$ dan kecepatan angin $v$.

2. Dimensi Lebih Tinggi: Permukaan Tingkat

Fungsi tiga variabel memberikan bilangan $z = f(x, y, z)$ kepada tripel terurut. Karena kita tidak bisa menggambar dalam 4D, kita menggunakan permukaan tingkat:

$$f(x, y, z) = k$$

Sebagai contoh, fungsi $f(x, y, z) = x^2 + y^2 + z^2$ menghasilkan keluarga bola-bola konsentris sebagai permukaan tingkatnya. Sebaliknya, perhatikan batasan Batasan Representasi: seluruh bola tidak bisa direpresentasikan oleh satu fungsi $x$ dan $y$. Kita harus menggunakan definisi parsial seperti $g(x, y) = \sqrt{9 - x^2 - y^2}$ (hemisfer atas) dan $h(x, y) = -\sqrt{9 - x^2 - y^2}$ (hemisfer bawah).

3. Struktur Visual Lanjutan

Visualisasi adalah dasar bagi operasi inti kalkulus multivariabel:

  • Linearisasi: Fungsi $L$ adalah linearisasi dari $f$ di titik $(a, b)$, dan perkiraan $f(x, y) \approx L(x, y)$ adalah interpretasi geometris dari bidang singgung.
  • Turunan Arah: Dinyatakan sebagai $D_{\mathbf{u}} f(x_0, y_0, z_0) = \lim_{h \to 0} \frac{f(x_0 + ha, y_0 + hb, z_0 + hc) - f(x_0, y_0, z_0)}{h}$. Ini adalah "gradien" permukaan dalam arah $\mathbf{u}$.
  • Gradien ($\nabla f$): Telah dibuktikan bahwa $D_{\mathbf{u}} f = \nabla f \cdot \mathbf{u} = |\nabla f| \cos \theta$. Gradien selalu tegak lurus terhadap kurva tingkat, mengarah ke arah kenaikan tercuram ($\theta=0$).
🎯 Wawasan Inti
  • Teorema Clairaut: Untuk turunan parsial campuran yang kontinu, $f_{xy} = f_{yx}$.
  • Persamaan Laplace: Permukaan suhu stabil memenuhi $u_{xx} + u_{yy} = 0$.
  • Optimisasi: Ekstrem sering terjadi di tempat kurva tingkat $f$ bersinggungan dengan kurva kendala $g$, diselesaikan melalui Multiplier Lagrange: $\nabla f = \lambda \nabla g$.