Matematika A2a 2008/6. gyakorlat

A MathWikiből
(Változatok közti eltérés)
(Példa)
(2. Példa)
109. sor: 109. sor:
 
tehát parciálisan differenciálható minden pontban és a Jacobi-mártix elemei a fentiek.
 
tehát parciálisan differenciálható minden pontban és a Jacobi-mártix elemei a fentiek.
 
====2. Példa====
 
====2. Példa====
 
+
Ha ''f''('''r''') = '''ar''', akkor
 +
:<math>[\mathrm{grad}\,f]_i=\partial_ia_kx_k\,=a_k\partial_ix_k=a_k\delta_{ik}\,=a_i=[\mathbf{a}]_i</math>
 +
====3. Példa====
 
Ha ''f''('''r''') = |'''r'''|<sup>&alpha;</sup>, akkor
 
Ha ''f''('''r''') = |'''r'''|<sup>&alpha;</sup>, akkor
 
:<math>[\mathrm{grad}\,f]_i=\partial_i(x_kx_k)^{\alpha/2}\,=\partial_i(x_k)^{\alpha}=\frac{\alpha}{2}(x_kx_k)^{\frac{\alpha}{2}-1}2\delta_{ik}x_k\,</math>
 
:<math>[\mathrm{grad}\,f]_i=\partial_i(x_kx_k)^{\alpha/2}\,=\partial_i(x_k)^{\alpha}=\frac{\alpha}{2}(x_kx_k)^{\frac{\alpha}{2}-1}2\delta_{ik}x_k\,</math>

A lap 2008. március 27., 21:40-kori változata

Ez az szócikk a Matematika A2a 2008 alszócikke.

Tartalomjegyzék

Teljes és parciális differenciálhatóság

Ha az f:Rn\to Rm függvény differenciálható az u pontban, akkor ott minden parciális deriváltja létezik és teljesül [(df(u))ej]i = ∂jfi(u). Azaz:

teljes differenciálhatóság \Longrightarrow parciális differenciálhatóság

de ez fordítva már nem igaz:

parciális differenciálhatóság \not\Rightarrow teljes differenciálhatóság

Erre vonatkozik a két alábbi példa.

Nem folytonos függvény létező parciális deriváltakkal

Tekintsük az

f(x,y)=\left\{\begin{matrix}\frac{xy}{x^2+y^2}& \mbox{, ha }&(x,y)\ne (0,0)\\
0&\mbox{, ha }&(x,y)=(0,0)\end{matrix}\right.
 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 colorbox splot x*y/(x*x+y*y)

(0,0)-ban a parciális függvények az azonosan 0 függvény, mely persze deriválható a 0-ban, de a függvény még csak nem is folytonos (0,0)-ban, mely szükséges feltétele a teljes differenciálhatóságnak.

Nem differenciálható de folytonos függvény létező parciális deriváltakkal

f(x,y)=\left\{\begin{matrix}\frac{xy}{\sqrt{x^2+y^2}}& \mbox{, ha }&(x,y)\ne (0,0)\\
0&\mbox{, ha }&(x,y)=(0,0)\end{matrix}\right.
 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 colorbox splot x*y/(sqrt(x*x+y*y))

Ekkor az iránymenti deriváltakat kell vizsgálnunk. Ha van differenciál a (0,0)-ban, akkor az csak az azonosan nulla leképezés lehet a parciális deriváltak miatt. Ám, polárkoordinátákra áttérve:

f(x(r,\varphi),y(r,\varphi))=\frac{r^2\cos\varphi\sin\varphi}{r}=r\cos\varphi\sin\varphi=r\cdot \frac{1}{2}\sin 2\varphi

φ = π/4-et és π + π/4-et véve a vetületfüggvény a

t\mapsto\frac{1}{2}|t|,

ami nem differenciálható a 0-ban.

További példa

f(x,y)=\sqrt[3]{x^3+y^3}

Folytonos parciális differenciálhatóság

Megfordításról a következő esetben beszélhetünk.

Tétel. Ha az f:Rn\to Rm függvény minden parciális deriváltfüggvénye létezik az u egy környezetében és u-ban a parciális deriváltak folytonosak, akkor u-ban f differenciálható. (Sőt, folytonosan differenciálható.)

Bizonyítás. Elegendő az m = 1 esetet vizsgálni. Továbbá a bizonyítás elve nem változik, ha csak az n = 2 esetet tekintjük. Legyen x az u mondott környezetéből vett pont, és x = (x1,x2), v=(u1,x2), u=(u1,u2) Ekkor az [x,v] szakaszon ∂1f-hez a Lagrange-féle középértéktétel miatt létezik olyan ξ(x1)∈[x1,u1] szám, és a [v,u] szakaszon ∂2f-hez ζ(x2)∈[x2,u2] szám, hogy

f(x)-f(u)=f(x)-f(v)+f(v)-f(u)=\,
=\partial_1 f(\xi(x_1),x_2)(x_1-u_1)+\partial_2 f(u_1,\zeta(x_2))(x_2-u_2)=
=\partial_1f(u)(x_1-u_1)+\partial_2f(u)(x_2-u_2)+
+(\partial_1 f(\xi(x_1),x_2)-\partial_1f(u))(x_1-u_1)+(\partial_2 f(u_1,\zeta(x_2))-\partial_2f(u))(x_2-u_2)

itt az

\varepsilon_1(x)=\partial_1 f(\xi(x_1),x_2)-\partial_1f(u) és \varepsilon_2(x)=\partial_2 f(x_1,\zeta(x_2))-\partial_2f(u)

függvények folytonosak u-ban (még ha a ξ, ζ függvények nem is azok), és értékük az u-ban 0. Világos, hogy ez azt jelenti, hogy f differenciálható u-ban.

Világos, hogy a parciális deriváltak folytonossága szükséges a fenti tételben. Az alábbi példában léteznek a parciális deriváltfüggvények az u egy környzetében, de az u-ban nem folytonosak.

Nem differenciálható, nem folytonosan parciálisan differenciálható függvény

f(x,y)=\left\{\begin{matrix}\frac{xy}{\sqrt{x^2+y^2}}& \mbox{, ha }&(x,y)\ne (0,0)\\
0&\mbox{, ha }&(x,y)=(0,0)\end{matrix}\right.

parciális deriváltfüggvényei léteznek:

\frac{\partial f(x,y)}{\partial x}=\frac{y}{\sqrt{x^2+y^2}}-\frac{x^2y}{\sqrt{(x^2+y^2)^3}}

a másik hasonlóan. A 0-ban 0 mindkettő, de az (0,1/n) mentén a 0-ba tartva az 1-hez tart, ami nem 0.

Differenciálható, de nem folytonosan parciálisan differenciálható

A differenciálhatóság azonban nem elég ahhoz, hogy a parciális deriváltak folytonosak legyenek.

Az

f(x,y)=\left\{\begin{matrix}(x^2+y^2)\sin\cfrac{1}{x^2+y^2}, & \mbox{ha} & (x,y)\ne (0,0)\\\\
0, & \mbox{ha} & (x,y) =(0,0)
\end{matrix}\right.

differenciálható, hiszen ez az

f(\mathbf{r})=\left\{\begin{matrix} \mathbf{r}^2\cdot\sin(|\mathbf{r}|^{-2}) & \mbox{ha} & \mathbf{r}\ne \mathbf{0}\\\\
\mathbf{0}, & \mbox{ha} & \mathbf{r}= \mathbf{0}\end{matrix}\right.

függvény és r0-ban:

\mathrm{grad}(f)=\sin(|\mathbf{r}|^{-2}).\mathrm{grad}\,\mathbf{r}^2+\mathbf{r}^2.\mathrm{grad}\,\sin(|\mathbf{r}|^{-2})=
=\sin(|\mathbf{r}|^{-2}).2\mathbf{r}+\mathbf{r}^2\cdot\cos(|\mathbf{r}|^{-2})\cdot(-2)|\mathbf{r}|^{-3}.\frac{\mathbf{r}}{|\mathbf{r}|}

és grad f nem korlátos. Ez persze a parciális deriváltakon is megátszik: azok sem korlátosak.

Indexes deriválás

Most csak a sokféle szorzat deriváltjának értékét számítjuk ki. Minden esetben igazolható, hogy ha a formulákban szereplő összes derivált létezik, akkor a formula érvényes (sőt, ha a függvények az adott pontban differenciálhatók, akkor a szorzat is differenciálható az adott pontban). Az mátrixelemeket indexesen számítjuk.

Feltéve például, hogy az f többváltozós skalárfüggvény parciálisan differenciálható, a gradiens elemeit így nyerjük:

[\mathrm{grad}\,f]_i=\partial_if\,

1. Példa

Ha f(r) = r2, akkor

\mathbf{r}^2=\sum\limits_{k=1}^3 [\mathbf{r}]_k[\mathbf{r}]_k=\sum\limits_{k=1}^3 x_kx_k=[\mathrm{Einstein\;konv.}]\;x_kx_k
[\mathrm{grad}\,f]_i=\partial_ix_kx_k\,=x_k\partial_ix_k+x_k\partial_ix_k\,

de a koordinátafüggvények deriváltjairól tudjuk, hogy azoknak az értékét a Kronecker-delta adja:

 \partial_ix_k=\delta_{ik}=\left\{\begin{matrix}1,& \mathrm{ha} & i=k\\ 0,& \mathrm{ha} & i\ne k\end{matrix}\right.

azaz

[\mathrm{grad}\,f]_i=2x_k\delta_{ik}=2x_i=[2\mathbf{r}]_i\,

tehát parciálisan differenciálható minden pontban és a Jacobi-mártix elemei a fentiek.

2. Példa

Ha f(r) = ar, akkor

[\mathrm{grad}\,f]_i=\partial_ia_kx_k\,=a_k\partial_ix_k=a_k\delta_{ik}\,=a_i=[\mathbf{a}]_i

3. Példa

Ha f(r) = |r|α, akkor

[\mathrm{grad}\,f]_i=\partial_i(x_kx_k)^{\alpha/2}\,=\partial_i(x_k)^{\alpha}=\frac{\alpha}{2}(x_kx_k)^{\frac{\alpha}{2}-1}2\delta_{ik}x_k\,

itt ne feledjük, hogy k-ra szummázunk és hogy az összetett tényezőben a skaláris szorzat szerepel:

[\mathrm{grad}\,f]_i=\alpha(x_kx_k)^{\frac{\alpha}{2}-1}x_i\,=\left[\alpha|\mathbf{r}|^\alpha\frac{\mathbf{r}}{\mathbf{r}^2}\right]_i=\left[\alpha|\mathbf{r}|^{\alpha-1}\frac{\mathbf{r}}{|\mathbf{r}|}\right]_i

tehát parciálisan differenciálható minden pontban és a Jacobi-mártix elemei a fentiek.

Deriválttenzor és invariánsai

Ha A az f:Rn\to Rn leképezés differenciálja az u pontban, akkor A-t deriválttenzornak nevezzük. Minden tenzor egyértelműen előáll egy szimmetrikus és egy antiszimmetrikus tenzor összegeként:

\mathbf{A}=\mathbf{A}_{s}+\mathbf{A}_a\,

Ebből a szimmetrikus rész főátlbeli elemeinek összege minden bázisban ugyanaz a skaláris érték, melyet a tenzor nyomának, illetve a függvény divergenciájának nevezzük:

\mathrm{div}(f)(u)=\mathrm{trace}(\mathbf{A}) illetve \mathrm{div}(f)=\sum\limits_{i=1}^n\partial_i f_i=*\partial_i f_i*

Az utóbbi írásmód a koordinátás alakban az úgy nevezett Einstein-féle jelölési konvenció, amelynek elve, hogy a kétszer stereplő indexekre automatikusan szumma értendő. f:R3\to R3 esetben a tenzor antiszimmetrikus részéhez egyértelműen létezik egy olyan a vektor, hogy minden r-re:

\mathbf{A}_a\mathbf{r}=\mathbf{a}\times\mathbf{r}

mely vektort az f rotációjának nevezzük:

\mathrm{rot}f(u)\, és [\mathrm{rot}f(u)]_i=\sum\limits_{j,k=1}^3\varepsilon_{ijk}\partial_j f_k=*\varepsilon_{ijk}\partial_j f_k*

ahol

\varepsilon_{ijk}=\left\{\begin{matrix}
1, & \mbox{ha} & (ijk)\in\{(123),(231),(312)\} \\
-1, & \mbox{ha} & (ijk)\in\{(321),(213),(132)\} \\
0, & \mbox{egyebkent}
\end{matrix}\right.

a Levi-Civita-szimbólum.

Skalárfüggvénnyel való szorzás

λ: H \to R, f:H \to Rm, ahol HRn és az uH-ban mindketten differenciálhatók, akkor λ.f is és

[\mathrm{d}(\lambda.f)(u)]_{ij}=\partial_j(\lambda.f)=\partial_j\lambda f_i=f_i\partial_j\lambda+\lambda \partial_jf_i

azaz

\mathrm{d}(\lambda.f)(u)=f(u)\scriptstyle{\otimes}\mathrm{grad}\lambda(u)+\lambda(u).\mathrm{d}f(u)\,

ahol \scriptstyle{\otimes} a diadikus szorzat, melynek koordinátamátrixa egy oszlopvektor (balról) és egy sorvektor (jobbról) mátrixszorzatából adódik. Ez ritkán kell teljes egészében, a két invariáns (rot-nál csak 3×3-as esetben) a gyakoribb.

\mathrm{div}(\lambda.f)(u)=f(u)\cdot \mathrm{grad}\lambda(u)+\lambda(u)\cdot \mathrm{div}f(u)
[\mathrm{rot}(\lambda.f)(u)]_i=\varepsilon_{ijk}\partial_j\lambda f_k=\varepsilon_{ijk}(\partial_j\lambda)f_k+\lambda\varepsilon_{ijk}\partial_jf_k=
=[\mathrm{grad}\lambda(u)\times f(u)+\lambda(u).\mathrm{rot}f(u)]_i

Vektorfüggvények skaláris szorzata

f,g:H \to Rm, ahol HRn és az uH-ban mindketten differenciálhatók, akkor f\cdotg is és

[\mathrm{d}(f\cdot g)(u)]_{1j}=\partial_j(f\cdot g)=\partial_j f_kg_k=f_k\partial_j g_k+g_k \partial_j f_k

azaz

\mathrm{d}(f\cdot g)(u)=(f(u)\cdot)\circ \mathrm{d}g(u)+(g(u)\cdot)\circ \mathrm{d}f(u)

illetve a Jacobi-mátrixszal:

\mathbf{J}^{f\cdot g}(u)=[f(u)]^\mathrm{T}\cdot \mathbf{J}^g(u) +
[g(u)]^\mathrm{T}\cdot \mathbf{J}^f(u)

ahol [.]T az oszlopvektor transzponáltját, (v\cdot) pedig a v vektorral történő skaláris szorzás operátorát jelöli.

Házi feladat

  • f_n(x,y)=\frac{x^ny}{x^2+y^2}\quad f_n(0,0)=0 függvényosztály folytonossága parciális és totális deifferenciálhatósága, folytonos parciális és totális differenciálhatósága


5. gyakorlat 7. gyakorlat
Személyes eszközök