Matematika A2a 2008/7. gyakorlat

A MathWikiből
(Változatok közti eltérés)
 
(egy szerkesztő 27 közbeeső változata nincs mutatva)
1. sor: 1. sor:
 
:''Ez az szócikk a [[Matematika A2a 2008]] alszócikke.''
 
:''Ez az szócikk a [[Matematika A2a 2008]] alszócikke.''
  
==Másodrendű parciális deriváltak==
+
'''1.'''
Ha ''f'' a ''H'' &sube; '''R'''<sup>2</sup> halmazon értelmezett '''R'''-be képező, az ''u'' &isin; ''H''-ban differenciálható függvény és a 
+
:<math>f(x,y)=xy\sin(x^2y)\,</math>
:<math>\mathrm{grad}\,f</math>
+
:''T'' = [0,1]&times;[0,&pi;/2]
gradiensfüggvény szintén differenciálható ''u''-ban, akkor ''f''-et ''u''-ban kétszer differenciálhatónak nevezzük és az ''f'' függény ''u''-beli '''másodrendű differenciálja''':
+
:<math>\mathrm{d}^2f(u):=\mathrm{d}(\mathrm{grad}\,f)(u)</math>  
+
Ennek Jacobi-mátrixa akkor is létezik, ha csak azt feltételezzük, hogy a parciális deriváltak léteznek az ''u'' egykörnyezetében, és ott differenciálhatóak. Ekkor a szóban forgó Jacobi-mátrix kvadratikus és 
+
:<math>H^f(u)=\begin{bmatrix}
+
\cfrac{\partial^2 f(u)}{\partial x^2} & \cfrac{\partial^2 f(u)}{\partial y\partial x}\\\\
+
\cfrac{\partial^2 f(u)}{\partial x\partial y} & \cfrac{\partial^2 f(u)}{\partial y^2}
+
\end{bmatrix}</math>
+
alakú, amit '''Hesse-féle mátrix'''nak nevezünk.
+
  
A vegyes másodrendű parciális deriváltakra vonatkozik a Young-tétel:
+
'''2.'''
 +
:<math>f(x,y)=2xy^2e^{x^2y}\,</math>
 +
:''T'' = [0,1]&times;[0,1]
 +
'''3.'''
 +
:<math>f(x,y)=x^7+\dfrac{\mathrm{arctg}(y)}{1+y^2}\,</math>
 +
:''T'' = [0,1]&times;[0,1]
  
'''Tétel''' (''Young'') Kétszer differenciálható függvény vegyes másodrendű parciális deriváltjai egyenlők.
+
'''4.'''
 +
:T = [-1,1] &times; [0,&pi;/4]
 +
:<math>f(x,y)=\sin(x^3)\frac{1}{\cos^2 y}</math>
  
(A tétel egy gyenge verziójának könnyen átlátható szemléletes bizonyítása megtalálható itt: [[User:Mozo/egyéb#Young-tétel]].)
+
'''5.'''
 +
:T = [-1,1] &times; [e,<math>e^2</math>]
 +
:<math>f(x,y)=\sin(x^3)\frac{\sin^{2017}(\mathrm{sh}(y))}{\mathrm{ln}\,y}</math>
  
A Young-tétel értelmében  a Hesse-mátrix szimmetrikus illetve a d<sup>2</sup>''f''(u) szimmetrikus tenzor
+
'''6.'''
:<math>H^f(u)=(H^f(u))^{\mathrm{T}}=\begin{bmatrix}
+
:T = [a,b] &times; [c,d]
\partial_{11} f(u) & \partial_{12} f(u)\\\\
+
:<math>f(x,y)=g(x)h(y)</math>
\partial_{12} f(u) & \partial_{22} f(u)\\
+
''téglalapon''  szeparálható integrandus integrálja szorzattá esik szét:
\end{bmatrix}</math>
+
  
Általában a deriváltmátrixok nem szimmetrikusak, ez egy különleges tulajdonsága a második differenciálnak. Sőt, általában az a kérdés, hogy mi a deriválttenzor szimmetrikus és antiszimmetrikus része.
+
:<math>\int\limits_{x=0}^b\int\limits_{y=c}^{d}g(x)h(y)\,\mathrm{d}x\,\mathrm{d}y=\int\limits_{x=a}^b g(x)\left(\int\limits_{y=c}^{d} h(y)\,\mathrm{d}y\right)\,\mathrm{d}x=\left(\int\limits_{x=a}^b g(x)\,\mathrm{d}x\right)\cdot\left(\int\limits_{y=c}^{d} h(y)\,\mathrm{d}y\right)</math>
  
'''Megjegyzés.''' Elvileg a
+
'''7.'''  
:<math>\{x\in \mathbf{R}^2\mid f\in\mathrm{Diff}(x)\}\rightarrow\mathrm{Lin}(\mathbf{R}^2;\mathbf{R});\quad x\mapsto \mathrm{d}f(x)</math>
+
:T = [1,e] &times; [1,2]
leképezésnek kellett volna a differenciálját venni az ''u'' pontban, és ezt tekinteni a differenciálnak. Ám ez nem '''R'''<sup>m</sup>-be, hanem egy általánosabb normált térbe, a '''R'''<sup>2</sup> <math>\to</math> '''R''' lináris leképezések terébe képez (az ún. kétváltozós lineáris funkcionálok terébe). Ebben a norma az operátornorma (az operátor minimális Lipschitz-konstansa), és a tér véges dimenziós. A differenciálhatóság pontosan ugyanúgy értelmezhető, mint a többváltozs esetben. Ekkor az ''f'' függvény ''u''-beli másodrendű differenciálja az
+
:<math>f(x,y)=\frac{\mathrm{ln}^9\,x}{xy}</math>
:<math>\mathrm{d}(\mathrm{d}f(.))(u)=\mathcal{A}:\mathbf{R}^2\rightarrow\mathrm{Lin(\mathbf{R}^2;\mathbf{R})} </math>
+
lineáris leképezés, melyre teljesül a
+
:<math>\lim\limits_{x\to u}\frac{\mathrm{d}f(x)-\mathrm{d}f(u)-\mathcal{A}(x-u)}{||x-u||}=0_{\mathrm{Lin(\mathbf{R}^2;\mathbf{R})}}</math>
+
A bázisvektorokon ''A'' a következőt veszi fel:
+
:<math>\lim\limits_{t\to 0}\frac{\mathrm{d}f(u+te_1)-\mathrm{d}f(u)}{t}=\mathcal{A}(e_1)</math>
+
ennek a mátrixa a sztenderd bázisban
+
:<math>\lim\limits_{t\to 0}\frac{[\partial_1 f(u+te_1)\quad\partial_2 f(u+te_1)]-[\partial_1 f(u)\quad\partial_2 f(u)]}{t}=[\mathcal{A}(e_1)]</math>
+
ami a kivonás és az osztást komponensenként elvégezve az parciális deriváltak első változó szerinti parciális deriváltjait adja:
+
:<math>[\mathcal{A}(e_1)]=[\partial_1(\partial_1 f)(u)\quad \partial_1(\partial_2 f)(u)]=[\partial_{11} f(u)\quad \partial_{12}f(u)]</math>
+
Az 1 bázisvektoron felvett érték tehát az a lineáris operártor, melyet a fenti sorvektorral való szorzás határoz meg. A másik bázisvektoron szintén felríható ez a mátrix, így világos, hogy d(df(.))(u) jellemezhető a d<sup>2</sup>f(u) mátrixával, így azonosítható vele.
+
==Többváltozós függvény szélsőértéke==
+
===Szélsőérték szükséges feltétele===
+
'''Tétel''' - ''Fermat-tétel'' - Legyen ''f'': '''R'''<sup>n</sup> <math>\supset\!\to</math> '''R''', ''u'' &isin; int Dom(''f''), ''f''  differenciálható ''u''-ban.
+
:Ha ''u''-ban ''f''-nek (lokális) szélsőértéke van, akkor
+
::<math>\mathrm{grad}\,f(u)=0_{\mathbf{R}^n}\,</math>
+
''U.is:'' minden ''i''-re az ''i''-edik parciális függvénynek szélsőértéke van ''u''<sub>i</sub>-ben, így az egyváltozós Fermat-tétel miatt ezeknek a deriváltja ''u''<sub>i</sub>-ben 0, így a gradiens értéke 0.
+
  
====Példa====
+
'''8.'''
:<math>f(x,y)=x^2y^2\,</math>
+
:<math>T=\{(x,y)\mid 0\leq x\leq 1\;\wedge\;0\leq y\leq x^2\}</math>
Ennek gradiense:
+
:<math>f(x,y)=x^3\cos(xy)\,</math>
:<math>\mathrm{grad}\,f(x,y)=(2xy^2,2yx^2)</math>
+
Az
+
:<math>\left.
+
\begin{matrix}
+
\mathrm{I.} & 2xy^2 & = & 0\\
+
\mathrm{II.} & 2yx^2 & = & 0\\
+
\end{matrix}
+
\right\}</math>
+
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.
+
:<gnuplot>
+
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 5*x*x*y*y
+
</gnuplot>
+
===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 H<sup>f</sup>(u) az ''f'' Hesse-mátrixa
+
# ha det H<sup>f</sup>(u) > 0 és &part;<sub>11</sub>''f''(''u'') < 0, akkor ''f''-nek ''u''-ban '''maximuma''' van
+
# ha det H<sup>f</sup>(u) > 0 és &part;<sub>11</sub>''f''(''u'') > 0, akkor ''f''-nek ''u''-ban '''minimuma''' van
+
# ha det H<sup>f</sup>(u) < 0, akkor ''f''-nek biztosan nincs szélsőértéke, ún. '''nyeregpont'''ja van
+
# ha det H<sup>f</sup>(u) = 0, akkor a próba nem járt sikerrel, azaz további vizsgálatokat igényel annak eldöntése, hogy ''u'' szélsőérték hely-e.
+
  
''Megjegyzések.'' Mivel kétváltozós esetben
 
:<math>\mathrm{det}\,\mathrm{H}^f(u)=\partial_{11}f(u)\cdot \partial_{22}f(u)-(\partial_{12}f(u))^2</math>
 
ezért olyan eset nem létezik, hogy det H<sup>f</sup>(u) > 0 és &part;<sub>11</sub>''f''(''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).
+
'''9.'''
+
:<math>\int\limits_{y=0}^\pi\int\limits_{0}^{\cos y}x\sin y\;dxdy</math>
Ha tehát
+
:<math>\mathrm{H}^{f}(u)=\begin{pmatrix}
+
A & B \\
+
B & C
+
\end{pmatrix}</math>, akkor <math>\mathrm{det\,H}^{f}(u)=AC - B^2 </math>,
+
és így a tipikus példák a következők.
+
  
====Példák====
+
'''10.'''
 +
:<math>\int\limits_{\sqrt{\pi}}^{\sqrt{2\pi}}\int\limits_{0}^{x^3}\sin \frac{y}{x}\;dydx</math>
  
'''1.''' Ha B kicsi, azaz az AC-hez képest kis abszolútrétékű szám, akkor a szélsőérték irányába mozdul el a feladat.
+
'''11.'''
:<math>f(x,y)=x^2+xy+y^2\,</math>
+
:<math>\int\limits_{0}^{1}\int\limits_{y}^{1}e^{x^2}\;dxdy</math>
  
Ekkor grad ''f'' = ( 2x + y , 2y + x ) és 
+
'''12.'''
:<math>\mathrm{H}^{f}(x,y)=\begin{pmatrix}
+
:<math>\int\limits_{1}^{4}\int\limits_{\sqrt{y}}^{2}\sin\left(\frac{x^3}{3}-x\right)\;dxdy</math>
2 & 1 \\
+
1 & 2
+
\end{pmatrix}</math>
+
azaz 4 - 1 = 3 > 0 és 2 > 0 miatt minimum.
+
:<gnuplot>
+
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*x+x*y+y*y
+
</gnuplot>
+
  
'''2.''' Ha |B| nagy (azaz AC-hez képest nagy), akkor a bizonyosan nemszélsőérték irányába.
+
'''13.'''
:<math>f(x,y)=x^2-3xy+y^2\,</math>
+
:<math>\int\limits_{0}^{2}\int\limits_{1+y^2}^{5}y\cdot e^{(x-1)^2}\;dxdy</math>
  
Ekkor grad ''f'' = ( 2x + -3y , 2y + -3x ) és 
+
'''14.'''
:<math>\mathrm{H}^{f}(x,y)=\begin{pmatrix}
+
:<math>\iint\limits_{T_{x,y}} xy^7\;dxdy</math>
2 & -3 \\
+
:<math>T_{x,y}=\{(x,y)\mid x^2+y^2\leq 1,\quad x\geq 0, \quad y\geq 0\}</math>
-3 & 2
+
\end{pmatrix}</math>
+
azaz 4 - 9 = -5 < 0 miatt nincs szélsőérték: nyeregpont.
+
:<gnuplot>
+
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*x -3*x*y+y*y
+
</gnuplot>
+
  
'''3.''' Negatív A és C-re és kis B-re:
 
:<math>f(x,y)=-x^2+xy-y^2\,</math>
 
  
Ekkor grad ''f'' = ( -2x + 3y , -2y + 3x ) és 
+
'''15.'''
:<math>\mathrm{H}^{f}(x,y)=\begin{pmatrix}
+
:<math>\iiint\limits_{T_{x,y,z}} \sqrt{x^2+y^2}\cdot xy^2 z^2\;dxdydz</math>
-2 & 1 \\
+
:<math>T_{x,y,z}=\{(x,y)\mid x^2+y^2\leq 4,\quad x\geq 0, \quad 0\leq z\leq 3\}</math>
1 & -2
+
\end{pmatrix}</math>
+
azaz 4 - 1 = 3 > 0 és -2 < 0 miatt maximum.
+
:<gnuplot>
+
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*x +x*y-y*y
+
</gnuplot>
+
  
'''4.''' Ha A és C előjele ellenkező, akkor rögtön következik, hogy nincs sz.é.
 
:<math>f(x,y)=x^2+xy-y^2\,</math>
 
  
Ekkor grad ''f'' = ( 2x + y , -2y + x ) és 
 
:<math>\mathrm{H}^{f}(x,y)=\begin{pmatrix}
 
2 & 1 \\
 
1 & -2
 
\end{pmatrix}</math>
 
azaz -4 - 1 = -5 < 0 azaz nyeregpont.
 
:<gnuplot>
 
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*x +x*y-y*y
 
</gnuplot>
 
  
'''5.''' Atipikus eset, ha AC = B<sup>2</sup>. Ekkor nem jár sikerrel a próba:  
+
<!--Comment
:<math>f(x,y)=x^2+2xy+y^2\,</math>
+
 
 +
==Skalárfüggvények szorzata==
 +
&lambda;, &mu;: ''H'' <math>\to</math> '''R''', ahol ''H'' &sube; '''R'''<sup>n</sup> és az ''u'' &isin; ''H''-ban mindketten differenciálhatók, akkor &lambda;&mu; is és
 +
:<math>[\mathrm{d}(\lambda\mu)(u)]_{1j}=\partial_j(\lambda\mu)=\mu\partial_j\lambda+\lambda\partial_j\mu=[\mu(u).\mathrm{grad}\,\lambda(u)+\lambda(u).\mathrm{grad}\,\mu(u)]_{j}</math>
 +
azaz
 +
:<math>\mathrm{grad}(\lambda\mu)(u)=\mu(u).\mathrm{grad}\,\lambda(u)+\lambda(u).\mathrm{grad}\,\mu(u)</math>
 +
===Példa===
 +
Számoljuk ki '''r'''<sup>2</sup> deriváltját a szorzat szabálya szerint.
 +
 
 +
Egyrészt, ha '''r''' &ne; '''0''', akkor
 +
:<math>\mathrm{grad}\,\mathbf{r}^2=\mathrm{grad}\,|\mathbf{r}|\cdot|\mathbf{r}|=2|\mathbf{r}|.\mathrm{grad}|\mathbf{r}|=2|\mathbf{r}|.\frac{\mathbf{r}}{|\mathbf{r}| } =2\mathbf{r}\,</math>
 +
 
 +
Másrészt, ha '''r''' = '''0''', akkor
 +
:<math> \mathbf{r}^2=0+\mathbf{0}\cdot\mathbf{r}+|\mathbf{r}|\cdot |\mathbf{r}|\,</math>
 +
minden '''r'''-re fennáll, így grad('''id'''<sup>2</sup>)('''0''') = '''0''' alkalmas az &epsilon;('''r''')=|'''r'''|-rel, tehát '''r'''<sup>2</sup> differenciálható 0-ban is.
 +
==Függvénykompozíció differenciálja==
 +
'''Tétel. ''' Legyen ''g'': '''R'''<sup>n</sup> &sup;<math>\to</math> '''R'''<sup>m</sup>, az ''u''-ban differenciálható, ''f'': '''R'''<sup>m</sup> &sup;<math>\to</math> '''R'''<sup>k</sup> a ''g''(''u'')-ban differenciálható függvény, ''u'' &isin; int Dom(''f'' <math>\circ</math> ''g''). Ekkor az
 +
:<math>f\circ g</math> differenciálható ''u''-ban és
 +
:<math> \mathrm{d}(f\circ g)(u)=\mathrm{d}f(g(u))\circ\mathrm{d}g(u)</math>
 +
 
 +
''Bizonyítás. '' Alkalmas &epsilon;, ''A'' és &eta; ''B'' párral, minden ''x'' &isin; Dom(''f'' <math>\circ</math> ''g'')-re:
 +
:<math>f(g(x))=f(g(u))+\mathcal{A}(g(x)-g(u))+\varepsilon(g(x))||g(x)-g(u)||)=</math>
 +
::<math>=f(g(u))+\mathcal{A}(\mathcal{B}(x-u)+\eta(x)||x-u||)+\varepsilon(g(x))||g(x)-g(u)||)=</math>
 +
::<math>=f(g(u))+(\mathcal{A}\circ\mathcal{B})(x-u)+\mathcal{A}(\eta(x)||x-u||)+\varepsilon(g(x))||g(x)-g(u)||)=</math>
 +
::<math>=f(g(u))+(\mathcal{A}\circ\mathcal{B})(x-u)+(\mathcal{A}(\eta(x))+\varepsilon(g(x))||\mathcal{B}\frac{x-u}{||x-u||}+\eta(x)||)||x-u||</math>
 +
Innen leolvasható a differenciál és a másodrendben eltűnő mennyiség vektortényezője, az
 +
:<math>\varepsilon_{f\circ g}(x)=\mathcal{A}(\eta(x))+\varepsilon(g(x))||\mathcal{B}\frac{x-u}{||x-u||}+\eta(x)||</math>
 +
melyben az első tag a 0-hoz tart, mivel a lineáris leképezés a 0-ban folytonos, és &eta; a 0-hoz tart az ''u''-ban. A második tag nulla szor korlátos alakú, hiszen a lineáris leképezés Lipschitz-tuladonsága folytán ''B'' minden egységvektoron korlátos értéket vesz fel.
 +
 
 +
Ennek a tételnek a legegyszerűbb, de már vektorokat tartalmazó formáját írja át "fogyasztható" formába az alábbi
 +
 
 +
'''Következmény.''' Ha ''g'': '''R'''<sup>n</sup> &sup;<math>\to</math> '''R''', az ''u''-ban differenciálható, ''f'': '''R''' &sup;<math>\to</math> '''R''' a ''g''(''u'')-ban differenciálható függvény, ''u'' &isin; int Dom(''f'' <math>\circ</math> ''g''), akkor
 +
:<math>f\circ g</math> differenciálható ''u''-ban és
 +
:<math> \mathrm{grad}(f\circ g)(u)=f'(g(u)).\mathrm{grad}\,g(u)</math>
 +
Ahol . a skalárral való szorzást jelöli.
 +
 
 +
''Ugyanis,'' a deriváltak lineáris leképezések:
 +
:<math>v\mapsto (\mathrm{d}g(u))v=(\mathrm{grad}\,(u))\cdot v\,</math>
 +
:<math>w\mapsto (\mathrm{d}f(x))w=f'(x)\cdot w\,</math>
 +
Ezek kompozíciója (f-et az x=g(u)-ban felírva):
 +
:<math>(\mathrm{d}(f\circ g)(u))v=(\mathrm{d}f(g(u)))(\mathrm{d}g(u))v=f'(g(u)).(\mathrm{d}g(u))v=f'(g(u)).(\mathrm{grad}\,g(u))\cdot v\,</math>
 +
 
 +
Hol diffható?
 +
:<math>\Phi(r)=|r|=\sqrt{r^2}\,</math>
 +
 
 +
(Útmutatás: abs'=sgn, a 0-án kívül.)
 +
 
 +
0-ban nem, mert a parciális deriváltak nem léteznek. Azon kívül:
 +
 
 +
Külső függvény:
 +
:<math>f(x)=\sqrt(x)\,</math>
 +
nemnulla x-re:
 +
:<math>f'(x)=\frac{1}{2}x^{-\frac{1}{2}}\,</math>
 +
 
 +
A belső:
 +
:<math>r^2\,</math>
 +
gradiense 2r.
 +
 
 +
Így:
 +
:<math>\mathrm{grad}\,\sqrt{r^2}=\frac{1}{2}\frac{1}{\sqrt{r^2}}. 2r=\frac{r}{|r|}</math>
 +
 
 +
 
 +
===Gömbszimmetrikus feldatok===
 +
 
 +
Mi az
 +
:<math>\Phi(r)=|r|^\alpha\quad\quad\alpha>0</math>
 +
függvény gradiense és differenciálja. Hol diffható?
 +
 
 +
0-ban &alpha;=1 vagy &alpha;<1 esetén biztosan nem diffható, mert a parciális deriváltak nem léteznek.
 +
 
 +
A külső függvény:
 +
:<math>\,f(x)=x^\alpha</math>
 +
:<math>\,f'(x)=\alpha x^{\alpha-1}</math>
 +
 
 +
A belső függvény:
 +
<math>\,f(x)=|r|</math>
 +
 
 +
Ez nem diffható 0-ban (mert a parciális deriváltjai nem léteznek), de máshol:
 +
 
 +
:<math>\mathrm{grad}\,|r|=\frac{r}{|r|}\,</math>
 +
 
 +
Ekkor  r&ne;0-ban:
 +
:<math>\mathrm{grad}\,\Phi(r)=\alpha |r|^{\alpha-1}.\frac{r}{|r|}=\alpha r |r|^{\alpha-2}</math>
 +
 
 +
Ha r=0 és &alpha;>1, akkor
 +
:<math>\frac{|r|^\alpha-0-0}{|r|}=|r|^{\alpha-1}\to 0</math>
 +
Tehát a derivált
 +
:<math>\mathrm{grad}\,\Phi(r)=\left\{\begin{matrix}0, &\mathrm{ha} & r=0\\\alpha r |r|^{\alpha-2}, &\mathrm{ha} & r\ne 0\end{matrix}\right.</math>
 +
 
 +
'''Példa.''' r<sup>3</sup>|r|<sup>&alpha;</sup> milyen &alpha;-ra diffható mindenhol és mi a deriváltja?
 +
 
 +
==Folytonos parciális differenciálhatóság==
 +
 
 +
Megfordításról a következő esetben beszélhetünk.
 +
 
 +
'''Tétel.''' Ha az ''f'':'''R'''<sup>n</sup> &sup;<math>\to</math> '''R'''<sup>m</sup> 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 = (<math>x_1</math>,<math>x_2</math>), v=(<math>u_1</math>,<math>x_2</math>), u=(<math>u_1</math>,<math>u_2</math>) Ekkor az [x,v] szakaszon &#8706;<sub>1</sub>f-hez a Lagrange-féle középértéktétel miatt létezik olyan &xi;(<math>x_1</math>)&isin;[<math>x_1</math>,<math>u_1</math>]  szám, és a [v,u] szakaszon &#8706;<sub>2</sub>f-hez &zeta;(<math>x_2</math>)&isin;[<math>x_2</math>,<math>u_2</math>] szám, hogy
 +
:<math>f(x)-f(u)=f(x)-f(v)+f(v)-f(u)=\,</math>
 +
:<math>=\partial_1 f(\xi(x_1),x_2)(x_1-u_1)+\partial_2 f(u_1,\zeta(x_2))(x_2-u_2)=</math>
 +
:<math>=\partial_1f(u)(x_1-u_1)+\partial_2f(u)(x_2-u_2)+</math>
 +
:<math>+(\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)</math>
 +
itt az
 +
:<math>\varepsilon_1(x)=\partial_1 f(\xi(x_1),x_2)-\partial_1f(u)</math> és <math>\varepsilon_2(x)=\partial_2 f(x_1,\zeta(x_2))-\partial_2f(u)</math>
 +
függvények folytonosak ''u''-ban (még ha a &xi;, &zeta; 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====
 +
 
 +
:<math>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.</math>
 +
parciális deriváltfüggvényei léteznek:
 +
:<math>\frac{\partial f(x,y)}{\partial x}=\frac{y}{\sqrt{x^2+y^2}}-\frac{x^2y}{\sqrt{(x^2+y^2)^3}}</math>
 +
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.
 +
 
 +
:<math>f(x,y)=\left\{\begin{matrix}
 +
0,& \mbox{ ha }(x,y)=(0,0)\\
 +
\frac{xy(x^2-y^2)}{x^2+y^2},& \mbox{ ha }(x,y)\ne(0,0)
 +
\end{matrix}\right.</math>
 +
A Young-tételnél beláttuk, hogy ekkor a 0-ban nem egyenlő a két vegyes parciális derivált. Most már azt is tudjuk miért. A függvény gradiense nem differenciálható totálisan a 0-ban. Ehhez elevenítsük föl, hogy
 +
 
 +
:<math>J^g(0,0)=H^f(0,0)=\begin{bmatrix}
 +
0 & -1\\
 +
1 & 0
 +
\end{bmatrix}</math>
 +
ami a 90˚-os forgatás.
 +
 
 +
Számoljuk ki g értékét a (x,x) alakú pontokban:
 +
 
 +
:<math>\partial_1f(x,x)=\lim\limits_{t\to 0}\frac{f(x+t,x)-f(0,0)}{t}=\lim\limits_{t\to 0}\frac{(x+t)x((x+t)^2-x^2)}{t((x+t)^2+x^2)}=</math>
 +
:<math>\lim\limits_{t\to 0}\frac{(x+t)x(2tx+t^2)}{t(2x^2+2tx+t^2)}=\lim\limits_{t\to 0}\frac{(x+t)x(2x+t)}{2x^2+2tx+t^2}=\lim\limits_{t\to 0}=x</math>
 +
:<math>\partial_2f(x,x)=\lim\limits_{t\to 0}\frac{f(x,x+t)-f(0,0)}{t}=\lim\limits_{t\to 0}\frac{x(x+t)(x^2-(x+t)^2)}{t(x^2+(x+t)^2)}=</math>
 +
:<math>\lim\limits_{t\to 0}\frac{x(x+t)(-2tx-t^2)}{t(2x^2+2tx+t^2)}=-x</math>
 +
 
 +
Tehát g(t,t)=(t,-t), és emiatt
 +
 
 +
:<math>\lim\limits_{t\to 0}\frac{g(t,t)-g(0,0)-J^g(0,0)\cdot (t,t)}{|t|}=\lim\limits_{t\to 0}\frac{(t,-t)-(-t,t)}{|t|}=\lim\limits_{t\to 0}\frac{(2t,-2t)}{|t|}=\lim\limits_{t\to 0}(2\mathrm{sgn}(t),-2\mathrm{sgn}(t))\ne (0,0)\,</math>
 +
márpedig ha g minden parciális deriváltja folytonos lenne a (0,0)-ban, akkor g totálisan is deriválható lenne.
 +
 
 +
====Differenciálható, de nem folytonosan parciálisan differenciálható====
 +
A differenciálhatóság azonban nem elég ahhoz, hogy a parciális deriváltak folytonosak legyenek.
 +
 
 +
Az
 +
:<math>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.
 +
</math>
 +
differenciálható, hiszen ez az
 +
:<math>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.
 +
</math>
 +
függvény és '''r''' &ne; '''0'''-ban:
 +
:<math>\mathrm{grad}(f)=\sin(|\mathbf{r}|^{-2}).\mathrm{grad}\,\mathbf{r}^2+\mathbf{r}^2.\mathrm{grad}\,\sin(|\mathbf{r}|^{-2})=</math>
 +
:<math>=\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}|}</math>
 +
és grad f nem korlátos. Ez persze a parciális deriváltakon is megátszik: azok sem korlátosak.
  
Ekkor grad ''f'' = ( 2x + 2y , 2y + 2x ) és 
+
===Nevezetes függvénysorozat===
:<math>\mathrm{H}^{f}(x,y)=\begin{pmatrix}
+
* <math>f_n(x,y)=\frac{x^ny}{x^2+y^2}\quad f_n(0,0)=0</math> függvényosztály folytonossága parciális és totális deifferenciálhatósága, folytonos parciális és totális differenciálhatósága
2 & 2 \\
+
2 & 2
+
\end{pmatrix}</math>
+
azaz 4 - 4 = 0, azaz határozatlan eset.
+
De tudjuk, hogy
+
:<math>f(x,y)=(x+y)^2\,</math>
+
ami pontosan akkor minimális, ha x = -y, azaz ezeken a helyeken van szélsőérték.
+
:<gnuplot>
+
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+y)
+
</gnuplot>
+
  
 +
-->
  
  

A lap jelenlegi, 2017. március 20., 12:58-kori változata

Ez az szócikk a Matematika A2a 2008 alszócikke.

1.

f(x,y)=xy\sin(x^2y)\,
T = [0,1]×[0,π/2]

2.

f(x,y)=2xy^2e^{x^2y}\,
T = [0,1]×[0,1]

3.

f(x,y)=x^7+\dfrac{\mathrm{arctg}(y)}{1+y^2}\,
T = [0,1]×[0,1]

4.

T = [-1,1] × [0,π/4]
f(x,y)=\sin(x^3)\frac{1}{\cos^2 y}

5.

T = [-1,1] × [e,e2]
f(x,y)=\sin(x^3)\frac{\sin^{2017}(\mathrm{sh}(y))}{\mathrm{ln}\,y}

6.

T = [a,b] × [c,d]
f(x,y) = g(x)h(y)

téglalapon szeparálható integrandus integrálja szorzattá esik szét:

\int\limits_{x=0}^b\int\limits_{y=c}^{d}g(x)h(y)\,\mathrm{d}x\,\mathrm{d}y=\int\limits_{x=a}^b g(x)\left(\int\limits_{y=c}^{d} h(y)\,\mathrm{d}y\right)\,\mathrm{d}x=\left(\int\limits_{x=a}^b g(x)\,\mathrm{d}x\right)\cdot\left(\int\limits_{y=c}^{d} h(y)\,\mathrm{d}y\right)

7.

T = [1,e] × [1,2]
f(x,y)=\frac{\mathrm{ln}^9\,x}{xy}

8.

T=\{(x,y)\mid 0\leq x\leq 1\;\wedge\;0\leq y\leq x^2\}
f(x,y)=x^3\cos(xy)\,


9.

\int\limits_{y=0}^\pi\int\limits_{0}^{\cos y}x\sin y\;dxdy

10.

\int\limits_{\sqrt{\pi}}^{\sqrt{2\pi}}\int\limits_{0}^{x^3}\sin \frac{y}{x}\;dydx

11.

\int\limits_{0}^{1}\int\limits_{y}^{1}e^{x^2}\;dxdy

12.

\int\limits_{1}^{4}\int\limits_{\sqrt{y}}^{2}\sin\left(\frac{x^3}{3}-x\right)\;dxdy

13.

\int\limits_{0}^{2}\int\limits_{1+y^2}^{5}y\cdot e^{(x-1)^2}\;dxdy

14.

\iint\limits_{T_{x,y}} xy^7\;dxdy
T_{x,y}=\{(x,y)\mid x^2+y^2\leq 1,\quad x\geq 0, \quad y\geq 0\}


15.

\iiint\limits_{T_{x,y,z}} \sqrt{x^2+y^2}\cdot xy^2 z^2\;dxdydz
T_{x,y,z}=\{(x,y)\mid x^2+y^2\leq 4,\quad x\geq 0, \quad 0\leq z\leq 3\}



6. gyakorlat 8. gyakorlat
Személyes eszközök