Matematika A2a 2008/5. gyakorlat
Differenciálhatóság
A többváltozós differenciálhatóságot az egyváltozós alábbi átfogalmazásából általánosítjuk:
Definíció. Legyen f: Rn Rm és u ∈ int Dom(f). Azt mondjuk, hogy f differenciálható az u pontban, ha létezik olyan A: Rn Rm lineáris leképezés, hogy
Ekkor A egyértelmű és az f leképezés u-bent beli differenciáljának nevezzük és df(u)-val vagy Df(u)-val jelöljük. Ezt a fogalmat néha teljes differenciálnak, totális differenciálnak vagy Fréchet-deriváltnak is mondjuk.
Megjegyzés. A fenti határérték 0 volta egyenértékű a következő kijelentéssel. Létezik A: Rn Rm lineáris leképezés és ε: Dom(f) Rm függvény, melyre:
- ε folytonos u-ban és ε(u)=0, továbbá
minden x ∈ Dom(f)-re:
Megjegyzés. Azt, hogy A egyértelmű, a következőkkel bizonyíthatjuk. Legyen A és B is a mondott tulajdonságú, azaz létezzenek ε és η az u-ban eltűnő és ott folytonos Dom(f)-en értelmezett függvények, melyekre teljesül, hogy minden x ∈ Dom(f)-re
ezeket kivonva egymásból és használva minden x-re:
így minden x = u + ty értékre is az azonosan nullát kapjuk, ha t pozitív szám, y pedig rögzített nemnulla vektor, azaz minden t-re
az azonosan 0 függény határértéke t 0 esetén szintén nulla:
hiszen t-t kiemelhetünk és egyszerűsíthetünk és t 0 esetén ε és η nullává válik. Ez viszont pont azt jelenti, hogy a két lineéris operátor azonosan egyenlő.
Jacobi-mátrix
A df(u) lineáris leképezés (e1,e2,...,en) szetenderd bázisbeli mátrixa legyen: [df(u)] = A. Vizsgáljuk mibe viszi a bázisokat df(u) leképezés!
Írjuk fel a definíciót, de az e1 egységvektor mentén tartsunk u-hoz: x = u + te1. Ekkor
ami azért hasznos, mert a
alakból kiemelhetó t:
azaz
vagyis f koordinátafüggvényeinek az első változó szerinti parciális deriváltja az u pontban. A többi oszlopvektor ugyanígy:
amelyet Jacobi-mátrixnak nevezünk.
Következmény. Tehát. ha f totálisan differenciálható, akkor parciálisan is differenciálható és a differenciál sztenderd bázisbeli mátrixa a Jacobi-mátrix.
Azaz:
- teljes differenciálhatóság parciális differenciálhatóság
de ez fordítva már nem igaz:
- parciális differenciálhatóság teljes differenciálhatóság
Erre vonatkozik a két alábbi példa.
Folytonosság és totális differenciálhatóság
Tekintsük az
Ekkor
Viszont g nem totálisan diffható, mert a (t,t) mentén a (0,0)-ba tartva:
ami nem létezik.
Megjegyzés. Itt persze g nem folytonos, és itt is igaz az, hogy ha totálisan differenciálható egy függvény, akkor folytonos is:
Tétel. Ha f differenciálható u-ban, akkor ott folytonos is, ugyanis minden x-re:
amely tagjai mind folytonosak u-ban.
Iránymenti deriválhatóság és differenciálhatóság
Példa.
Ekkor
Ha tehát differenciálható, akkor az iránymenti deriváltak (Gateau-deriváltak) is léteznek (e egységvektor):
Ám, polárkoordinátákra áttérve:
φ = π/4-et és π + π/4-et véve a vetületfüggvény a
- ,
ami nem differenciálható a 0-ban.
Megjegyzés. Persze abból, hogy az összes iránymenti derivált létezik, abból nem következik, hogy a függvény totálisan deriválható:
Egyváltozós illetve valós értékű függvény deriváltja
Ha f:Rn R, akkor a definíciót még így is ki szokás mondani:
f diffható r0-ban, ha létezik m vektor, hogy
Ekkor az m a gradiensvektor, melynek sztenderd bázisbeli koordinátamátrixa a Jacobi mátrix:
Ha f:R Rn, akkor a definíciót még így is ki szokás mondani:
és ekkor f'(t0) a t0-beli deriváltvektor (ha t az idő és r=f(t) a hely, akkor ez a sebeségvektor).
Ha f:Rn Rn, akkor a differenciált deriválttenzornak is nevezik.
Példa.
Mi az
- ,
skalárfüggvény gradiense?
Válasszuk le a lineáris részét!
Itt az első tag a lineáris, a második a magasabbfokú. Tehát:
Lineáris és affin függvény deriváltja
Tétel. Az A : Rn Rm lineáris leképezés differenciálható és differenciálja minden pontban saját maga:
Ugyanis, legyen u ∈ Rn. Ekkor
Tétel. Az azonosan c konstans függény esetén az dc(u) 0 alkalmas differenciálnak, mert
Tétel. Ha f és g a H ⊆ Rn halmazon értelmezett Rm-be képező, az u ∈ H-ban differenciálható függvények, akkor minden λ számra
- is differenciálható u-ban és és
- is differenciálható u-ban és
Ugyanis, a mondott differenciálokkal és a
választással, ezek az u-ban folytonosak lesznek és a lineáris résszekel együtt ezek előállítják a skalárszoros és összegfüggvények megváltozásait.
Következmény. Tehát minden u ∈ Rn-re az affin c+A diffható és
Példa
Az A: x 2x1 + 3x2 - 4x3 lineáris leképezés differenciálja az u pontban az u-tól független
és Jacobi-mátrixa a konstans
mátrix.
Világos, hogy a
koordináta vagy projekciófüggvény lineáris, differenciálja minden u pontban saját maga és ennek mátrixa:
ahol az 1 az i-edik helyen áll. Másként
ahol
azaz a Kronecker-féle δ szimbólum.
Szélsőérték szükséges feltétele
Egyelőre állapodjunk meg abban, hogy gradiensnek nevezzük a következő többváltozós vektorértékű függvényt: ha f: Rn R parciálisan differenciálható, akkor
mely lényegében az f elsőrendű parciális deriváltjaiból képezett vektor.
Később a gradienst egy kissé másképp fogjuk értelmezni és amit most definiáltunk, az a gradiens sztenderd bázisbeli mátrixa lesz (adott pontra vonatkozóan).
Tétel - Fermat-tétel - Legyen f: Rn R, u ∈ int Dom(f), f parciálisan differenciálható u-ban.
- Ha u-ban f-nek (lokális) szélsőértéke van, akkor
U.is: minden i-re az i-edik parciális függvénynek szélsőértéke van ui-ben, így az egyváltozós Fermat-tétel miatt ezeknek a deriváltja ui-ben 0, így a gradiens értéke 0.
Példa
Ennek gradiense:
Az
egyenletrendszer megoldásai: x = 0, y tetszőleges ill. y = 0 és x tetszőleges. A szélsőértékek helyei csak ezek közül kerülhetnek ki és ezek valóban szélsőértékek is, mert ezeken a függvény 0-t vesz fel, ami a lehetséges legkisebb értéke.
set pm3d
set size 0.8,0.8 set xrange [-1:1] set yrange [-1:1] set zrange [-2:2] set view 50,30,1,1 unset xtics unset ytics unset ztics unset key unset colorboxsplot 5*x*x*y*y
Magasabbrendű parciális deriváltak
Ha f parciálisan deriválható, akkor ∂1f és ∂2f szintén kétváltozós függvények (a pontonként a deriváltak, mint függvényértékek értelmezésével) és érdeklődhetünk ezek parciális differenciálhatóságuk iránt. Például:
És valóban:
Tétel. (Young-tétel) Ha a másodrendű parciláis deriváltak léteznek az u egy környezetében és folytonosak az u pontban, akkor az u-beli vegyes másodrendű parciláis deriváltak egyenlőek:
Azaz az alábbi, úgy nevezett Hesse-mátrix szimmetrikus:
Feladat. Az a kitétel, hogy az u-ban a másodrenrű parciláis deriváltak folytonosak, nem hagyható el, ugyanis. Legyen
Ekkor a 0-ban nem egyenlő a két vegyes parciális derivált.
Tekintsük a parciális deriváltakat:
Ehhez tehát elegendő kiszámítani a következő föggvényeket: y (∂xf)(0,y), x (∂yf)(x,0). Ehhez a parciális deriváltak:
Megjegyezzük, hogy a g=(∂xf,∂yf) függvény (0,0)-beli parciális deriváltjai nem lehetnek folytonosak, mert ott a függvény nem totálisan diffható. Ugyanis a g Jacobi-mátrixa:
ami a 90˚-os forgatás. Ekkor a g-t a (t,0) vektorral közelítve a 0-ba:
márpedig ha g minden parciális deriváltja folytonos lenne a (0,0)-ban, akkor g totálisan is deriválható lenne.
Többváltozós függvény szélsőértéke
Másodikderivált próba
Kétszer differenciálható függvényre vonatkozóan megfogalmazhatjuk a lokális maximum és minimum létezésének elégséges feltételét. Csak a kétváltozós függvényekkel foglalkozunk. Tegyük fel, hogy grad f(u) = 0 és Hf(u) az f Hesse-mátrixa
- ha det Hf(u) > 0 és ∂11f(u) < 0, akkor f-nek u-ban maximuma van
- ha det Hf(u) > 0 és ∂11f(u) > 0, akkor f-nek u-ban minimuma van
- ha det Hf(u) < 0, akkor f-nek biztosan nincs szélsőértéke, ún. nyeregpontja van
- ha det Hf(u) = 0, akkor a próba nem járt sikerrel, azaz további vizsgálatokat igényel annak eldöntése, hogy u szélsőérték hely-e.
Megjegyzések. Mivel kétváltozós esetben
ezért olyan eset nem létezik, hogy det Hf(u) > 0 és ∂11f(u) = 0.
Világos, hogy a másodikderivált tipikusan azoknál a függvényeknél jár sikerrel, melyeket egy másodfokú függvény közelít a legjobban (aszimptotikusan másodfokúak). Ha a függvény ennél magasabb fokú, akkor a második deriváltak eltűnnek és a Hesse-mártix elfajul (vagy legalább is tipikusan elfajul).
Ha tehát
- , akkor ,
és így a tipikus példák a következők.
Példák
1. Ha B kicsi, azaz az AC-hez képest kis abszolútrétékű szám, akkor a szélsőérték irányába mozdul el a feladat.
Ekkor grad f = ( 2x + y , 2y + x ) és
azaz 4 - 1 = 3 > 0 és 2 > 0 miatt minimum.
set pm3d
set size 0.8,0.8 set xrange [-1:1] set yrange [-1:1] set zrange [-2:2] set view 50,30,1,1 unset xtics unset ytics unset ztics unset key unset colorboxsplot x*x+x*y+y*y
2. Ha |B| nagy (azaz AC-hez képest nagy), akkor a bizonyosan nemszélsőérték irányába.
Ekkor grad f = ( 2x + -3y , 2y + -3x ) és
azaz 4 - 9 = -5 < 0 miatt nincs szélsőérték: nyeregpont.
set pm3d
set size 0.8,0.8 set xrange [-1:1] set yrange [-1:1] set zrange [-2:2] set view 50,30,1,1 unset xtics unset ytics unset ztics unset key unset colorboxsplot x*x -3*x*y+y*y
3. Negatív A és C-re és kis B-re:
Ekkor grad f = ( -2x + 3y , -2y + 3x ) és
azaz 4 - 1 = 3 > 0 és -2 < 0 miatt maximum.
set pm3d
set size 0.8,0.8 set xrange [-1:1] set yrange [-1:1] set zrange [-2:2] set view 50,30,1,1 unset xtics unset ytics unset ztics unset key unset colorboxsplot -x*x +x*y-y*y
4. Ha A és C előjele ellenkező, akkor rögtön következik, hogy nincs sz.é.
Ekkor grad f = ( 2x + y , -2y + x ) és
azaz -4 - 1 = -5 < 0 azaz nyeregpont.
set pm3d
set size 0.8,0.8 set xrange [-1:1] set yrange [-1:1] set zrange [-2:2] set view 50,30,1,1 unset xtics unset ytics unset ztics unset key unset colorboxsplot x*x +x*y-y*y
5. Atipikus eset, ha AC = B2. Ekkor nem jár sikerrel a próba:
Ekkor grad f = ( 2x + 2y , 2y + 2x ) és
azaz 4 - 4 = 0, azaz határozatlan eset. De tudjuk, hogy
ami pontosan akkor minimális, ha x = -y, azaz ezeken a helyeken van szélsőérték.
set pm3d
set size 0.8,0.8 set xrange [-1:1] set yrange [-1:1] set zrange [-2:2] set view 50,30,1,1 unset xtics unset ytics unset ztics unset key unset colorboxsplot (x+y)*(x+y)
4. gyakorlat | 6. gyakorlat |