Funkce Vic Promenny

Uvodn stranka
Rejstrk Obsah Verze k tisku
Zuzana Dosla, Roman Plch, Petr Sojka
Zpet Zavrt Konec Strana 1 z 424
DIFERENCIALNI POCET FUNKCI VICE PROMENNYCH S PROGRAMEM MAPLE V
Obsah
Predmluva Vyuzit poctace ve vy uce matematicke analy zy 1 2 Pojem funkce vce promenny ch Limita a spojitost funkce 2.1 Metricke vlastnosti Rn . 2.2 Limita funkce . . . . . . 2.3 Spojitost funkce . . . . . 2.4 Vety o spojity funkcch ch 5 8 18 32 33 34 45 48 54 55 60 65 69 74 75 83 85
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
Obsah
Parcialn derivace 3.1 Parcialn derivace 1. adu . . . . . . r 3.2 Derivace vyssch adu . . . . . . . . r 3.3 Smerove derivace . . . . . . . . . . 3.4 Lagrangeova veta o stredn hodnote
Diferencial funkce 4.1 Diferencovatelna funkce, diferencial . . . . . . . . . . . . . . . 4.2 Diferencialy vyssch adu . . . . . . . . . . . . . . . . . . . . . r 4.3 Kmenova funkce . . . . . . . . . . . . . . . . . . . . . . . . .
Derivace sl. funkce, Tayloruv vzorec 93 5.1 Parcialn derivace slozeny funkc . . . . . . . . . . . . . . . 93 ch 5.2 Taylorova veta . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Lokaln a absolutn extremy 117 6.1 Lokaln extremy . . . . . . . . . . . . . . . . . . . . . . . . . . 118 6.2 Absolutn extremy . . . . . . . . . . . . . . . . . . . . . . . . 132 Zobrazen mezi prostory vyssch dimenz 144 7.1 Zobrazen z R2 do R2 . . . . . . . . . . . . . . . . . . . . . . . 145 7.2 Zobrazen z Rn do Rm . . . . . . . . . . . . . . . . . . . . . . 152 7.3 Diferencialn operatory matematicke fyziky . . . . . . . . . . . 156 Funkce zadana implicitne 8.1 Implicitne zadana funkce jedne promenne . . . . . . . . . . . . 8.2 Implicitne zadana funkce vce promenny ch . . . . . . . . . . . 8.3 Implicitne zadane zobrazen mezi prostory vyssch dimenz . . . 163 164 175 179
Obsah
Vazane extremy 188 9.1 Metoda Lagrangeovy multiplikatoru . . . . . . . . . . . . . . 188 ch 9.2 Vazane extremy a nerovnosti . . . . . . . . . . . . . . . . . . . 202
Rejstrk Obsah
10 Generovan graky v Maplu 210 10.1 Graf funkce dvou promenny ch . . . . . . . . . . . . . . . . . . 210 10.2 Vrstevnice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 11 Vy ty limit v Maplu poc 237 11.1 Ilustracn graka . . . . . . . . . . . . . . . . . . . . . . . . . 238 11.2 Vy ty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 poc 12 Derivace funkce v Maplu 12.1 Parcialn derivace 1. adu . . . . . . . . . . . . . . . . . . . . . r Geometricky vy znam parcialnch derivac . . . . . . . . . . . . 12.2 Derivace vyssch adu . . . . . . . . . . . . . . . . . . . . . . . r 258 258 261 265
Verze k tisku
12.3 Smerove derivace . . . . . . . . . . . . . . . . . . . . . . . . . 269 12.4 Parcialn derivace slozeny funkc . . . . . . . . . . . . . . . 274 ch 13 Aproximace funkce v Maplu 13.1 Diferencovatelna funkce . . . . . . . . . 13.2 Tecna rovina ke grafu funkce . . . . . . . 13.3 Uzit diferencialu k priblizny vy tum m poc 13.4 Taylorova veta . . . . . . . . . . . . . . 13.5 Kmenova funkce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 287 303 313 316 325
14 Extremy funkce v Maplu 328 14.1 Lokaln extremy . . . . . . . . . . . . . . . . . . . . . . . . . . 328 14.2 Absolutn extremy . . . . . . . . . . . . . . . . . . . . . . . . 356 14.3 Vazane extremy . . . . . . . . . . . . . . . . . . . . . . . . . . 367 15 Funkce zadana implicitne v Maplu 373 15.1 Generovan PC-grafu funkce zadane implicitne . . . . . . . . . 373 15.2 Vy ty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378 poc Prlohy 391 P 1 Software pro podporu vy uky matematicke analy zy . . . . . . . 391 P 2 Materialy na Internetu . . . . . . . . . . . . . . . . . . . . . . . 398 Vy sledky cvicen kapitol 19 Pouzita literatura Rejstrk 404 417 421
Obsah
Predmluva
Tento CDROM je ucebnm textem noveho typu vyuzvajc moznost soucasne vypocetn techniky. Jde o modern zpusob vyuky matematicke analyzy, kdy pro strednictvm poctacovych technologi se student uc matematickou analy a nao zu pak. Podnetem k vytvoren vytvoren CDROMu byla potreba zvysit geometrickou predstavivost studentu a zmodernizovat vyuku vyuzitm modernch technologi. Jako prvn partie z matematicke analy byl vybran Diferencialn pocet funkc zy vce promennych a to z techto duvodu: problemy zde resene jsou vhodne pro poctacove zpracovan, vybrane tema vyzaduje dobrou geometrickou predstavi vost v prostoru a nedostatek zahranicnch materialu k tomuto tematu. Zakladem CDROMu byl ucebn text [D], prace [P3 ] a zkusenosti s prpravou CDROMu na Masarykove univerzite v Brne ([DKV, So]). K poctacove realizaci byl vybran program Maple V pro svoje snadne ovla eske republice. Vlastn text je dan a siroke rozsren na vysokych skolach v C ulozen ve formatu PDF (Portable Document Format), ktery se stava standardem pro elektronickou publikacn cinnost a je nezavisly na platforme. Krome jineho Predmluva
umoznuje prostrednictvm krzovych odkazu rychle vyhledavat souvislosti naprc celym textem. CDROM je urcen pro posluchace odborneho studia matematiky, fyziky, in formatiky a pro posluchace ucitelskeho studia matematiky a dale vsem zajemcum o vyuku matematicke analyzy s vyuzitm poctace a uzivatelum CAS systemu Maple. Materialy zde uvedene jsou koncipovany tak, aby uzivatele vedly k sa mostatnemu pouzit vypocetn techniky pri studiu diferencialnho poctu funkc vce promennych ci k prprave dalsch materialu pro podporu vyuky. Spojen textu, graky, poctacovych vstupu a vystupu by melo vytvorit prostred slouzc k maximalne efektivnmu zvladnut probrane problematiky. CDROM je rozdelen do dvou zakladnch cast na cast teoretickou a cast praktickou. Teoreticka cast je rozdelena do devti kapitol, v uvodu kazde kapitoly jsou pripomenuty prslusne pojmy z diferencialnho poctu funkc jedne promenne. Nove pojmy a tvrzen z diferencialnho poctu funkc vce promennych jsou nejprve formulovany pro funkce dvou promennych a teprve potom obecne pro funkce n promennych. Pouze v prpadech, kdy je situace zcela stejna pro dve a vce promenne, uvadme prmo denice a tvrzen pro n 2. Na konci kazde kapitoly jsou uvedena cvicen, jejichz vysledky lze najt na konci textu. Prakticka cast ilustruje vyuzit programu Maple V v diferencialnm poctu funkc vce promennych. K probrane problematice je zde systemem Maple vy tvorena ilustracn graka a ukazky poctacoveho resen prkladu. Teoreticka i prakticka cast jsou uzce svazany prostrednictvm krzovych odkazu (po sezna men s teoreticky pojmem si pouhym stiskem tlactka mysi muzeme prohlednout m jeho geometrickou interpretaci a muzeme se seznamit i se zpusobem, jakym byla ilustracn graka vygenerovana). Vsechny poctacove materialy jsou ulozeny na
Predmluva
CDROMu. Tedy uzivatel CDROMu muze snadno generovat podobne obrazky bez nutnosti studovan syntaxe prkazu Maplu. Zaverem bychom chteli podekovat doc. RNDr. J. Kubenovi, CSc. za vypraco A van obrazku v prvn casti textu, za pomoc pri psan v systemu LTEX a prevod prvn casti textu do formatu PDF. Tento CDROM vznikl za podpory Fondu rozvoje VS v ramci resen projektu c. 448/1999.
Predmluva Brno, prosinec 1999 Autori
Vyuzit poctace ve vy uce matematicke analy zy

Vyuzit poctace ve vyuce matematicke analyzy Rychly rozvoj vypocetn techniky v soucasnosti ovlivnuje temer vsechny ob lasti lidskeho zivota. Stranou nezustava ani proces vyuky na vysokych skolach. V nasich podmnkach bylo zatm pouzit poctace ve vyuce sps nahodile a bylo ponechavano na iniciative vyucujcch. Az v posledn dobe se tmto zpusobem vyuky zacna zabyvat vets pocet vyucujch, kter si sve zkusenosti sdeluj na konferencch poradanych Ceskym sdruzenm uzivatelu Maplu a na celostatnch seminarch kateder matematiky fakult pripravujcch ucitele matematiky (napr. Poctacem podporovana vyuka matematiky a prprava didaktickeho experimentu, Rybnk u Pobezovic, 8. 11. zar 1998). Otazky tohoto zpusobu vyuky vsak nejsou zatm souhrnne zpracovany a zod povezeny. Tato kapitola je proto venovana problematice vyuzit vy etn techniky poc ve vyuce matematicke analyzy. Jejm clem je ukazat moznosti tohoto zpusobu vyuky a najt odpoved na otazky: Kde, proc a jak pouzvat poctac pri vyuce
matematicke analyzy a zaroven upozornit i na uskal pouzvan poctacovych systemu ve vyuce. Vyuzit poctace ve vyuce matematicke analyzy muze byt na zaklade nasich zkusenost rozdeleno nasledujcm zpusobem: poctacova graka poctacove resen uloh Poctacova graka pod tmto termnem budeme v dalsm rozumet jakykoliv gracky vystup porzeny poctacem (obrazovka, tiskarna, ploter, . . . ). Graka muze byt staticka (graf funkce) nebo dynamicka (animace v CAS systemech). Poctacove resen uloh pod poctacovy esenm uloh rozumme vyuzit poctace m r pri resen zadaneho matematickeho problemu. lohy, pri kterych zskavame resen pouze pouzitm standardnho prkazu sysU temu, nebudeme uvazovat. V takovem prpade je pro nas poctac jakousi cernou skrnkou, ktera nam dava vysledek bez naseho prispen a bez pochopen, co se deje uvnitr. Nase pozornost bude soustredena na netrivialn a smysluplne pouzit poctace pri esen matematicky problemu, tj. tam, kde: r ch poctac pomaha pri rutinnch a zdlouhavych vypoctech (predpoklada se, ze dana technika vy tu byla jiz drve probrana) poc poctac pomaha pri opakovan a prohlouben probrane latky jinym, netradic nm postupem (uloha je formulovana tak, ze bez znalosti nezbytne teorie je poctacove neresitelna) poctac pomaha pri vysvetlen, objasnen daneho teoretickeho pojmu ci zavis losti (casto v uzkem spojen s poctacovou grakou)
Vyuzit poctace ve vyuce matematicke analyzy
Vedle techto dvou zakladnch zpusobu vyuzit poctace ve vyuce matematicke ana lyzy nekdy pouzvane i programu k testovan znalost. Tyto slouz k mechanickemu procvicovan a proveovan zskanych vedomost a dovednost. Protoze program r Maple V nen urcen k tvorbe takovych testu, uvadme pouze v kapitole 15.2 odkazy na testovac programy na Internetu. Pokusme se nyn nalezt odpovedi na otazky polozene v predchazejcm od stavci.
Kde
Kde, presneji ve ktere fazi a forme vyuky a vzdelavan v matematicke analyze, lze efektivne vyuzvat vypocetn techniku? Ze zskanych zkusenost plyne, ze vypocetn techniku lze pouzvat pri prednaskach cvicench samostatne prprave studentu. Pri prednaskach vyuzvame nejcasteji poctacove graky. Mene caste je pouzit poctacoveho resen uloh, ale i to nachaz pri prednaskach uplatnen a to zejmena pri usnadnen zdlouhavych vypoctu a pri upravach vyrazu. Testovacch programu pri prednaskach nevyuzvame. Pri cvicench hraje klcovou roli poctacove resen uloh, ktere doplnuj poc tacova graka a testovac programy (myslena jsou specialn cvicen v poctacove laboratori).
To same plat i pro samostatnou prpravu, pouze roste uloha testovacch pro gramu.
Proc
Proc vypocetn techniku, presneji vyse uvedenych zpusobu, ve vyuce matematicke analyzy vyuzvat? Geometricka predstavivost hraje v matematicke analyze vyznamnou ulohu (stu denti nekdy nemaj s danym matematicky pojmem spojenu konkretn geomet m rickou predstavu). K jejmu vytvaren vyznamnou merou prispva i poctacova graka. Ta nam umoznuje tuto geometrickou predstavu vytvaret i v prpadech, ktere jsou bez pouzit poctace jen tezko realizovatelne (viz napr. obr. 11.6). Pri resen prkladu si pak student muze vytvorit geometrickou predstavu o tom co ma poctat a muze zskane vysledky s poctacovou grakou konfrontovat (viz napr. prklad 14.4). Zjednodusen rutinnch vypoctu umozn studentum venovat vce casu vyberu metody resen a interpretaci vy sledku. V dusledku toho muzeme obohatit ruznoro dost typu, zvysit pocet a prohloubit narocnost problemu, ktere studenti samostatne res. Ilustrac takoveho prstupu je naprklad urcovan limity funkce dvou pro mennych (kapitola 11.2). Nezanedbatelny je i prspevek poctacoveho resen uloh k opakovan a prohlouben uciva. Ilustrujme tento prstup na hledan stacionarnch bodu funkce dvou promennych (prklad 14.1). Student mus nejdrve sam sestavit soustavu rovnic pro nalezen stacionarnch bodu. Poctace pak vyuzije k vypoctu odpovdajch parcialnch derivac a k vypoctu soustavy rovnic (pri resen postupuje stejne jako pri esen pomoc tuzky a papru, pouze vlastn zapis provad formou r prkazu zvoleneho poctacoveho systemu). Dalsm stupnem je pak automatizace
tohoto postupu pomoc programovacho jazyka zvoleneho systemu. Poctacove re sen uloh prispva i k objasnen teoretickych pojmu a prohlouben jejich pochopen (napr. znazornen geometrickeho vyznamu smerovych derivac, kapitola 12.1). Ve vsech uvedenych prpadech umoznuje studentum pouzit poctace soustredit se na podstatu problemu vce nez na mechanicke zvladnut vypoctu. Pouzit poctace ve vyuce ma vsak i sva uskal. Ne vzdy totiz poctacovym programem zskame vysledek, ktery odpovda skutecnosti. Pri vyuce studentu u poctace je proto treba klast duraz na interpretaci a kontrolu zskanych vysledku. Studenti maj casto tendenci pouzvat poctacovy program mechanicky, bez uva zovan. Uvedme si jeden ilustracn prklad: Prklad. Pomoc poctace nakreslete graf funkce f (x) = ex + ln |(4 x)| pro x 0, 5 . K esen byl pouzit system Maple. r
>
f:=x->E**x+ln(abs(4-x));
f := x E x + ln( |4 x| )
>
plot(f(x),x=0..5, labels=[x,y]);
Rada studentu se zde soustred predevsm na syntaxi prkazu a je se zskanym vysledkem spokojena (obr. 1). Podrobnejs analyzou zadane funkce ale zjistme, ze tato funkce f je v bode 4 nespojita a limx4 f (x) = . Gracky vystup proto pote upravme pridanm parametru discont=true a zvysenm poctu referencnch bodu (tj. bodu, ktere Maple pouzva k aproximaci zadane funkce). Pro vets nazornost volme x z intervalu 3.9, 4.1 (obr. 2).
> >
plot(f(x), x=3.9..4.1, y=47..58, numpoints=500, discont=true, labels=[x,y]);
58 140
56 120
100 54
80 y y 52 60
40
50
20 48
0 0
2 x
3.9
3.95
4 x
4.05
4.1
obr. 1
obr. 2
V dalsch castech prace prubezne upozornujeme na nebezpec bezmyslenkovi teho pouzit poctace. Budou uvedeny prklady, kdy poctac dava nespravne nebo neuplne vysledky (obr. 10.5, prklad 14.4, . . . ). Tyto jsou na druhou stranu dulezite z hlediska motivace. Ukazuj, ze poctac nen vsemocny a teprve porozumen probrane latce dela z poctace skutecne mocneho pomocnka.
Jak
Jak, presneji s jakym technickym vybavenm a pri jake organizaci vyuky (casove i obsahove), poctacem podporovanou vyuku realizovat? Zabyvejme se nejdrve podrobneji technickou realizac uvedenych zpusobu pouzit poctace ve vyuce matematicke analyzy. Pro vyuzit poctace pri prednaskach je nejvyhodnejs trvale instalovat v poslucharne poctac s projektorem, prpadne LCD panelem a promtacm platnem. Pri tomto usporadan muze projekcn platno
slouzit jako inteligentn tabule, kdy napr. muzeme zmenou parametru zadan jiz vyreseneho prkladu okamzite vyresit prklad modikovany Vyhodou tohoto . usporadan je tedy moznost dynamicke zmeny parametru (napr. oproti grackym vystupum pripravenym na tiskarne) a prme interakce vyucujcho s poctacovym programem. Prklady poctacoveho resen uloh by bez tohoto usporadan bylo jen obtzne mozno na prednaskach realizovat. Pokusy s konanm prednasek prmo v poctacove ucebne koncily vetsinou nezdarem. Studenti v tomto prpade venovali vets pozornost interakci s poctacem nez vykladu vyucujcho. Dals nevyhodou pak bylo ruzne tempo postupu. Studenti s mens znalost prace s poctacem nebyli schopni po urcite dobe vyklad sledovat. Dale se ukazalo, ze cvicen je optimaln provadet naproti tomu v poctacove ucebne a to tak, aby kazdy student pracoval u sveho poctace ci terminalu. Vy hodou je moznost individualnho postupu u kazdeho studenta. Nezbytnou je take podmnka volneho prstupu studentu do poctacove ucebny, protoze rada ukolu je urcena k samostatnemu resen behem tydne. Krome nezbytneho hardwaru je zapotreb i vhodny software. Pro matema tickou analyzu je nejvyhodnejs zajisten nektereho z CAS systemu, vyuku je vsak mozno realizovat i pomoc specializovanejsch public domain programu, ktere jsou volne prstupne na poctacove sti Internet. K vyuce nekterych parti je mozno vyuzvat take interaktivnch programu, prstupnych na Internetu. O techto moznostech bude podrobneji pojednano v casti 15.2. Druha otazka zaclenen poctacem podporovane vyuky do osnov zavis zejmena na typu (zameren) skoly. Idealn by bylo k soucasnym klasickym cvicenm pridat jeste dals hodiny poctacove vyuky. V USA v ramci projektu CALC (Calculus As a Laboratory Course) byla klasicka cvicen zrusena uplne, vypocetn operace a metody jsou procvicovany
v ramci poctacove vyuky. Dosavadn vysledky a hodnocen projektu ukazuj, ze studenti zahrnut do projektu dosahuj u zkousek lepsch vysledku a hlubsho pochopen latky nez studenti v tradicnch trdach, v techto trdach je ale na vyss urovni pocetn zrucnost. Informace o projektu je mozno nalezt na http://www.math.duke.edu/education/proj_calc/. Zaveden vyuky podobne projektu CALC vsak v nasich podmnkach naraz na temer nulovou moznost zvysen poctu hodin venovanych vyuce matematicke ana lyzy. Stavajc sylabus je dimenzovan tak, ze zaveden poctacove vyuky by bylo na ukor soucasneho obsahu uciva. Snzen poctu hodin klasickych cvicen na ukor poctacovych laborator by mohlo mt za nasledek snzen pocetnch schopnost studentu, coz je zejmena u studentu ucitelskeho studia jevem nezadoucm. Teziste vyuzit poctace je zde tedy predevsm pri prednaskach a jako doplnen klasickych cvicen (zejmena prklady ilustracn graky). Ukazkami ve vyuce a pri cvicench by meli byt studenti motivovani k samostatne praci a k experimentovan v poc tacove laboratori. (Predpokladem je opet volny prstup do poctacove laboratore vybavene vhodnym softwarem). Snazs je zaveden vyuky v poctacovych laboratorch na skolach, kde je matematika aplikovanou vedou, tj. zejmena na vysokych skolach technickeho smeru. Zde muzeme rozdelit cvicen na cast klasickou a poctacovou (napr. strdave po 14 dnech jako na strojn fakulte VUT v Brne). U techto oboru je vyhodne, aby po analyze problemu vlastn vypocet provedl poctac. (Nen zde kladen takovy duraz na pocetn zrucnost studentu).
Technicke poznamky V pocatecnch kapitolach poctacoveho zpracovan tematu je v textu resen pr kladu uvaden zapis ve dvoj podobe. Nejdrve je uveden obvykly matematicky A zapis (sazba je provedena systemem LTEX) a nasledne je uveden zapis vypoctu v Maplu. Pote, co si ctenar postupne zvykne na zapis v Maplu, je matematicky za pis vynechavan a uvadeny jsou jiz pouze prkazy Maplu. Mapleovske vstupy jsou v textu oznacovany > a zmenou typu psma na strojopisne. Vstup (zadan prkazu) je v Maplu ukoncovan pomoc znaku ; nebo:. Pokud je vstup zakoncen znakem ;, nasleduj ihned radky s vystupem, pri ukoncen pomoc : se adky r s vystupem nevypisuj na obrazovku a nejsou tedy uvedeny ani v textu. Vstupy a vystupy byly zskany exportem (automatickym prevedenm) Mapleovskych zapis nku do TEXu (v textu je vzdy uvedena uplna posloupnost prkazu). Vsechny pro ucely teto prace naprogramovane procedury jsou ulozeny v knihovne mvcalp. Pri programovan procedur byl kladen duraz na jednoduchost a matematickou spravnost vce nez na programatorskou efektivnost a uplnost tak, aby procedury nebyly zbytecne slozite a aby je byli schopni vytvaret i studenti bez hlubs zna losti programovacch jazyku. Knihovna mvcalp a vsechny Mapleovske zapisnky s ilustracnmi prklady jsou taktez ulozeny na CDROMu. Vsechny obrazky jsou ulozeny v postscriptu1 a jsou prstupne take prostrednictvm Internetu na: http://www.math.muni.cz/plch/difer/difer.html. Maple V R3 byl zvolen pro svoje snadne ovladan a pro svou dostupnost. Behem tvorby prace doslo k dalsmu vyvoji programu, proto se v praci vyskytuj i
1 Jeden z nejpouzvanejsch jazyku pro popis stranky (PDL), vyvinuty spolecnost Adobe Sys
tems.
odkazy na verzi Maple V R4 (verze Maple V R5 byl k dispozici teprve az v dobe zaverecneho zpracovan, proto na ni v textu neodkazujeme). Maple byl provozo van na poctaci s operacnm systemem Linux. Prechodem k jinemu operacnmu systemu (Windows 95) muze dojt ke zvyseni doby, potrebne k vypoctu (zejmena u generovan graky).
Kapitola 1
Pojem funkce vce promenny ch

Realna funkce jedne realne promenne, strucne funkce jedne promenne, je zobra n zen z R do R. Zobecnenm tohoto pojmu je zobrazen z R (n 2) do R, ktere se nazyva funkce vce promennych. Clem teto kapitoly je naucit se urcovat pro funkci dvou a vce promennych jej denicn obor a graf. Prestoze tato kapitola, jako jedina, neobsahuje zadnou 2 3 matematickou vetu, je svym zamerenm na geometrii v R a R fundamentaln. Denice 1.1. NechtM Rn , n 1, M = . Zobrazen f : M R se nazyva realna funkce n realnych promennych a mnozina M se nazyva denicn obor teto funkce a znac se D( f ).
Pojem funkce vce promennych
Z predchoz denice vyplyva, ze po formaln strance funkce f : M R je mnozina usporadanych dvojic [x, y] M R, x = [x1 , . . . , xn ] (tj. relace na M R), ktera ma nasledujc vlastnosti: 1. x M, y R. 2. Ke kazdemu bodu x = [x1 , . . . , xn ] M existuje prave jedno cslo y (bod prostoru R) tak, ze [x, y] f. Obraz bodu x = [x1 , . . . , xn ] M v zobrazen f , tj. realne cslo y takove, ze [x, y] f , oznacujeme f (x) nebo f (x1 , . . . , xn ) a nazyva se hodnota funkce f nebo take funkcn hodnota v bode x = [x1 , . . . , xn ]. Z denice funkce vce promennych vyplyva, ze tato funkce je jednoznacne urcena udanm jejho denicnho oboru D( f ) a predpisem, kterym je kazdemu bodu x = [x1 , . . . , xn ] D( f ) prirazena funkcn hodnota f (x). Pokud je predpis dan vzorcem a nen udany denicn obor funkce, pak denicnm oborem rozumme n mnozinu vsech bodu x R , pro nez ma tento vzorec smysl. Pro n = 2 budeme msto f (x1 , x2 ) psat f (x, y) a pro n = 3 msto f (x1 , x2 , x3 ) pseme f (x, y, z). Prklad 1.1. i) Zobrazte v rovine denicn obor funkce f (x, y) = x2 + (y 2)2 1 4 x 2 + y 2 6x .
Zpet Zavrt Konec
Resen. Vyraz pod odmocninou mus byt nezaporny, tj. mus byt splnena podmnka (y 2)2 + x2 1 4 x + y 6x 0.
2 2
Strana 19 z 424
To nastane prave kdyz (y 2)2 + x 2 1 0 a (x 2 + y 2 6x) 0 4 nebo (y 2)2 + x2 1 0 4

y
a (x 2 + y 2 6x) 0.
3 2 1 1 2 3 4 5 x Rejstrk Obsah Verze k tisku
obr. 1.1 Denicn obor funkce f
Rovnice (y2) + x 2 = 1 je rovnic elipsy se stredem v bode [0, 2] a poloosami 4 delek a = 1 a b = 2, rovnice x 2 + y 2 6x = 0 je rovnic kruznice se stredem v bode 2 2 [3, 0] a polomerem r = 3, nebottuto rovnici lze prevest na tvar (x 3) + y = 9. Mnozina vsech bodu [x, y] R2 splnujc vyse uvedene nerovnosti, tj. denicn 2 obor funkce f , je znazornena na obrazku 1.1. Je to uzavrena mnozina v R .
2
ii) Zobrazte v rovine denicn obor funkce f (x, y) = arccos(x 2 + y 2 1) + |x| + |y| 2.
Resen. Denicnm oborem funkce arccos je interval [1, 1], prvn sctanec je tedy denovan pro [x, y] splnujc nerovnosti 1 x 2 + y 2 1 1,
y 2
2 x
2 obr. 1.2 Zpet Zavrt Konec Strana 21 z 424
tj. coz je vnitrek a hranice kruhu se stredem v pocatku a polomerem r = 2. Denicnm oborem druheho sctance je mnozina bodu [x, y] splnujc nerovnost 0 x 2 + y 2 2,
|x| + |y| 2 0. Nacrtneme v rovine krivku danou rovnic |x| + = 2. |y| V prvnm kvadrantu je tato rovnice ekvivalentn rovnici x + y = 2, coz je rovnice prmky. Ve zbyvajcch kvadrantech postupujeme obdobne a obdrzme kosoctverec nacrtnuty na vedlejsm obrazku. Denicnm oborem funkce f je mnozina vysrafovana na obrazku 1.2. Tato mnozina je uzavrena v R2 . iii) Zobrazte v rovine denicn obor funkce f (x, y) = ln(y ln(y x)). Resen. Logaritmovany vyraz mus byt kladny, mus byt tedy splnena nerovnost y ln(y x) > 0, ktera je ekvivalentn dvojici nerovnost ln(y x) > 0, y > 0; ln(y x) < 0, y < 0, Pojem funkce vce promennych
ktere jsou dale ekvivalentn systemum nerovnost y > 0, y x > 1 a y < 0, y x < 1, y x > 0
(posledn nerovnost plyne z denicnho oboru funkce ln(y x)). Resenm techto dvou systemu nerovnost je mnozina nacrtnuta na obr. 1.3. Je to otevrena mnozina 2 vR . iv) Zobrazte denicn obor funkce f (x, y) = arcsin
x y2
+ arcsin(1 y).
Resen. Denicnm oborem funkce arcsin je interval [1, 1]. Proto mus byt spl neny podmnky: x 1 2 1, tj. y 2 x, y 2 x, y = 0 y a zaroven 1 1 y 1, tj. y [0, 2]. Celkem tedy D( f ) = {[x, y] : y 2 x, y 2 x, y (0, 2]},
tato mnozina je nacrtnuta na obr. 1.4. Je to mnozina, ktera nen ani otevrena ani 2 uzavrena v R (nebot[0, 0] D( f )). /
y = x +1 y=x
1 1 x
x = y 2
x = y2
x 2 obr. 1.3: z = ln(y ln(y x)) obr. 1.4: z = arcsin x2 + arcsin(1 y)

y
Denice 1.2. Necht f je funkce n promennych denovana na mnozine M Rn , n 2. Grafem funkce f nazyvame mnozinu bodu G( f ) = {[x, y] R
n+1
: x = [x1 , . . . , xn ] M, y = f (x)}.
Pro funkci dvou promennych, tj. n = 2, je grafem funkce mnozina bodu v trrozmernem prostoru. V prkladech, se kterymi se zde setkame, to bude vzdy
z yz x z y x y x obr. 1.5 Souradne steny x y , x z , yz
Pojem funkce vce promennych nejaka trrozmerna plocha. Pro zskan nazorne predstavy, jaky je tvar a prubeh teto plochy, nam pomohou rezy rovinami z = 0, y = 0, x = 0 (coz jsou rovnice souradnych sten x y , x z , yz , viz obr. 1.5) a rovinami s nimi rovnobeznymi. Denice 1.3. Necht M R a f : M R je funkce dvou promennych denovana na M, c R. Mnozinu
2
f c = {[x, y] M : f (x, y) = c} nazyvame vrstevnice funkce f na urovni c. Pojem vrstevnice funkce lze samozrejme analogicky denovat i pro funkce n promennych, n 3, zde vsak ztracme nazorny geogracky vyznam. Chapeme-li graf funkce dvou promennych jako relief krajiny, pak vrstevnice
funkce na urovni c je mnozina vsech bodu s nadmorskou vykou rovnou c, tj. s nas pojem vrstevnice je totozny s geograckym vyznamem tohoto slova. Prklad 1.2. i) Pomoc vrstevnic a rezu rovinami x z , yz zobrazte graf funkce 2 + y 2. f (x, y) = x Resen. Vrstevnice funkce na urovni k > 0 jsou dany rovnicemi k= x 2 + y2 tj. k 2 = x 2 + y 2, Pojem funkce vce promennych
coz jsou kruznice se stredem na ose z a polomerem k, viz obr. 1.6. ez rovinou yz tj. x = 0 dava z = y 2 = |y|. Rezem je lomena cara R s vrcholem v pocatku dana rovnic z = |y|. Podobne rez rovinou y = 0 dava z = |x|. V obou prpadech je ezem lomena cara s vrcholem v pocatku o rovnici r z = |y|, resp. z = |x|, viz obr. 1.7, 1.8. (V terminologii technickeho kreslen a zobrazovacch metod se vlastne jedna o prumet do svislych souradnych narysen, tj. narys a bokorys). Na zaklade zskanych vysledku jiz muzeme rci, ze grafem funkce z = 2 + y 2 je rotacn kuzel s vrcholem v pocatku a hlavn osou z, nachazejc x se v poloprostoru z 0, viz obr. 1.12. Na tomto obrazku je znazornen i doln kuzel, ktery je grafem funkce z = x 2 + y 2 . ii) Zobrazte v R3 graf funkce f (x, y) =
x2 a2
y2 , b2
a, b > 0.
Resen. Podobne jako v predchozm prkladu vrstevnice jsou dany rovnicemi k= x2 y2 + 2, a2 b tj. x2 y2 + 2 = 1, ka 2 kb
y z=1 z=2 x y obr. 1.8: Narys y=0 z z = |x| x=0 z z = |y|
x obr. 1.6: Pudorys obr. 1.7: Bokorys
coz jsou rovnice elipsy se stredem v pocatku a poloosami a k, b k, viz obr. 1.9. Rezy rovinami y = 0, x = 0 davaj x2 y2 z = 2, z = 2, a b coz jsou rovnice parabol s vrcholem v pocatku souradnych stenach x z a yz , viz obr. 1.10, 1.11. Celkem vidme, ze grafem je plocha, ktera se nazyva elipticky paraboloid. Tato plocha je prostorove v okol pocatku znazornena na obr. 1.13. iii) Zobrazte v R3 denicn obor funkce f (x, y, z) = ln(z 2 x 2 y 2 + 1). esen. Logaritmicka funkce je denovan jen pro kladna csla. Proto mus byt R z 2 x 2 y 2 + 1 > 0, tj. x 2 + y 2 + z 2 < 1 a tedy D( f ) = {[x, y, z] R3 : x 2 + y 2 + z 2 < 1}. V ezech rovinami z = 0, y = 0, x = 0 postupne dostavame x 2 + y 2 < 1, r 2 2 2 2 x + z < 1, y + z < 1, coz jsou body uvnitr kruznice se stredem v pocatku
b y
z=1
y=0 a x z
x2 z= 2 a
x obr. 1.9: Pudorys obr. 1.10: Bokorys
a polomeru r = 1, celkem je tedy denicnm oborem vnitrek koule se stredem 3 v bode [0, 0, 0] a polomerem r = 1, je to otevrena mnozina v R . Prklad 1.3. i) Nacrtnete v rovine vrstevnice funkce z = e x 2 +y 2 . Resen. Vrstevnice funkce maj rovnici c = e x 2 +y 2 a odtud ln c = Oznacme-li nyn ln c = k, postupnymi upravami dostavame k= x2 2x + y2 2 k(x 2 + y 2 ) = 2x x 2 x + y 2 = 0 k
2x 2x
x =0 z y obr. 1.11: Narys
y2 z= 2 b
2x . x 2 +y 2
z z
y x
obr. 1.12: z = x 2 + y2
y x
2 2 obr. 1.13: z = x 2 + y2 a b
a tedy pro k = 0 (tj. c = 1), 1 1 (x )2 + y 2 = 2 . k k Z posledn rovnice je jiz videt, ze vrstevnicemi dane funkce pro c = 1 jsou kruznice 1 1 1 1 se stredem S = [ k , 0] = [ ln c , 0] a polomerem r = |k| = | ln c| prochazejc pocatkem, avsak bez pocatku (nebot pro bod [0, 0] nen funkce denovana). Pro c = 1 dostavame 0 = x 22x 2 , tj. x = 0, vrstevnic dane funkce je pro c = 1 tedy +y osa y (bez pocatku). ii) Nacrtnete vrstevnice funkce z = |x| |y| + |x y|. Resen. Nejprve se zbavme ve vyjadren funkcn zavislosti absolutnch hodnot. Provedeme diskusi v jednotlivy kvadrantech. ch
c = 1 (k = 0) 1 c = (k = 1) e 1 c= 2 e
3/2 1/2
y c = e2
1/2 3/2
c = e (k = 1)
obr. 1.14
Ia) x 0, y 0, x y z = x y + x y = 2(x y). Ib) x 0, y 0, x < y z = x y x + y = 0. II) x < 0, y 0, (zde vzdy x y) z = x y x + y = 2x. Obdobnym zpusobem zskame vyjadren funkcn zavislosti bez absolutnch hodnot ve zbyvajcch dvou kvadrantech a jako vysledek obdrzme situaci zna zornenou na obr. 1.15. Protoze pro libovolna [x, y] R2 plat nerovnost |x y| |y||x| (zduvodnete proc), je vzdy f (x, y) 0, tj. pro c < 0 je f c = . Pro c 0 nacrtneme v jednotlivych sektorech krivku |x| |y| + |x y| = c a pro c = 0, 1, 2, 3 je vysledek znazornen na obr. 1.16.
Zpet
Cvicen. 1.1. Zobrazte v rovine denicn obory funkc: a) z = 1 x 2 4y 2 g) z =

2xx 2 y 2 x 2 +y 2 x
Zavrt Konec Strana 29 z 424
z = 2(y x)
obr. 1.15: z = |x y| + |x| |y|
z = 2x y z=0 y=x y c=0 z = 2(x y) x c=3 c=2 c=1 x z=0 z = 2x c=0 obr. 1.16: vrstevnice
x2 9
c=1 c=2 c=3
Rejstrk
b) z =
y2 4
h) z = arccos
x x+y
Obsah Verze k tisku
c) z = ln(x + y) d) z = (x 2 + y 2 1)(4 x 2 y 2 ) 1 e) z = arcsin x |y||x| y f) z = 1 x 2 + 1 y 2 1.2. Nacrtnete vrstevnice funkc: a) z = x 2 + y 2 b) z = x 2 y 2 c) z = x y , kde x > 0 d) z = x y
i) z = (x 2 + y)2 1 4xy 2 j) z = ln (1x 2 y 2 ) k) z = ln [x ln(y x)] l) z = (1 x 2 y 2 )( x4 + y 2 2y)

2
1.3. Pomoc vrstevnic a rezu rovinami x z , yz nacrtnete v prostoru grafy funkc: a) z = 2 x y 1 e) z = 2x 2 +3y 2 c) z = 1 x 2 y 2 b) z = x 2 + y 2 d) z = 1 (x 2 y 2 ) 2 f) z = 2 x 2 + y 2
1.4. Urcete denicn obory funkc: a) u = 1 + x 2 y2 z2 b) u = 1 x + y + 3 + z f) u = ln (x yz) g) u = 1

x2 a2
2
c) u = 1 + x 2 + y 2 z 2 z d) u = arccos 2 2
x +y
x z h) u = 1 a 2 c2 z i) u = arcsin x + arcsin y + arccos 3 y
y2 b2 y2 b2
z2 c2
2
e) u =
1+
x2 a2
y2 b2
z2 c2
j) u = ln (x 2 y 2 + 2z)
Vetsina ucitelu ztrac cas tm, ze klade otazky, jejichz clem je zjistit, co zak neum, zatmco prave umen tazat se spocva v tom, ze ma odhalit, co zak um nebo je schopen umet. (A. Einstein)
Kapitola 2
Limita a spojitost funkce

Pojem limity funkce patr k zakladnm pojmum diferencialnho poctu. Je to lokaln vlastnost funkce, popisujc chovan funkce v ryzm okol bodu, v nemz limitu urcujeme. (Ryzm okolm bodu rozumme okol krome tohoto bodu.) Skutecnost, ze jde o ryz okol znamena, ze limita nezavis na funkcn hodnote funkce v tomto bode funkcn hodnota se muze lisit od limity v tomto bode nebo funkce nemus byt v danem bode vubec denovana. Rovnez pojem spojitosti funkce vce promennych lze podobne jako pro funkce jedne promenne denovat pomoc limity funkce, proto zde najdeme radu tvrzen podobnych tem, se kterymi jsme se jiz setkali v diferencialnm poctu funkc jedne promenne. K denici limity, spojitosti a vsech dalsch pojmu diferencialnho poctu je treba na Rn zavest metriku. Proto pripomenme nekolik zakladnch pojmu z teorie metricky prostoru. ch
2.1. Metricke vlastnosti Rn

Pripomenme, ze -okol vlastnho bodu a R lze zapsat jako interval |x a| < , > 0. Okol O(a) bodu a Rn je denovano pomoc metriky v Rn jako mnozina O (a) = {x Rn : (x, a) < }. Nen-li polomer okol podstatny, budeme index vynechavat. Podle vyberu metriky dostavame ruzne typy okol. Napr. v R2 dostaneme kruhove okol, zvolme-li euklidovskou metriku 2 ([x1 , y1 ], [x2 , y2 ]) = (x1 x2 )2 + (y1 y2 )2 , Limita a spojitost funkce
ctvercove okol dostaneme volbou maximove metriky ([x1 , y1 ], [x2 , y2 ]) = max{|x1 x2 |, |y1 y2 |}, ci kosoctvercove okol, zvolme-li souctovou metriku 1 ([x1 , y1 ], [x2 , y2 ]) = |x1 x2 | + |y1 y2 |. Podstatna je ekvivalentnost techto metrik, ktera znamena, ze existence (neexis tence) limity nezalez na tom, kterou z techto ekvivalentnch metrik zvolme (viz [D-D]). Z duvodu formaln jednoduchosti zvolme v teto kapitole maximaln metriku, n ve ktere je okol bodu a = [a1 , . . . , an ] R kartezskym soucinem okol jednot livych souradnic a1 , . . . , an , tj. O (a) = {x = [x1 , . . . , xn ] R : max |xi ai | < }.
n 1in
Ryzm okolm bodu a rozumme mnozinu O(a)\{a}. Okol nevlastnch bodu v R2 jsou denovana v souladu s maximaln me trikou takto: Okolm nevlastnho bodu [, ] rozumme libovolnou mnozinu typu (a, ) (b, ), a, b R. Analogicky denujeme okol nevlastnho bodu [, ], [, ], [, ] a i okol bodu typu [a, ], [, a]. Okol nevlastnch bodu v prostorech vyssch dimenz jsou denovana analogicky. Mno zinu Rn spolu s nevlastnmi body budeme oznacovat (R )n . V denici limity vystupuj funkcn hodnoty funkce v ryzm (libovolne malem) okol bodu, v nemz limitu denujeme. Z tohoto duvodu lze limitu funkce vyset rovat jen v hromadnych bodech denicnho oboru. Proto, aniz bychom tento fakt stale zduraznovali, budeme ve vsech kapitolach, kde se vyskytuje limita funkce v danem bode, predpokladat, ze tento bod je hromadny bodem mnoziny D( f ) m (pripomenme, ze bod x D( f ) je hromadnym bodem mnoziny D( f ), jestlize kazde jeho ryz okol obsahuje alespon jeden bod teto mnoziny).
Rejstrk Obsah
2.2. Limita funkce

Denice 2.1. Rekneme, ze funkce f : Rn R (n 1) ma v bode a (R )n limitu L, L R , jestlize ke kazdemu okol O(L) bodu L existuje ryz okol O(a) bodu a takove, ze pro kazdy bod x O(a) D( f ) plat f (x) O(L). Pseme lim f (x) = L .
xa
Verze k tisku
Limita se nazyva vlastn, jestlize L R, v opacnem prpade (L = ) se n nazyva nevlastn limita. Bod a (R ) se nazyva limitn bod. Uvedena denice limity je univerzaln denic pro funkci jedne ci vce pro mennych, pro vlastn ci nevlastn limitu a pro vlastn i nevlastn limitn body. n Specikac okol pro vlastn limitn bod i limitu a R , L R dostavame tzv. denici vlastn limity ve vlastnm bode. Tuto denici zde zformulujeme pro funkci dvou promennych. Denice 2.2. Rekneme, ze funkce f : R2 R ma v bode [x0 , y0 ] R2 limitu L R, jestlize ke kazdemu > 0 existuje > 0 takove, ze pro kazdy bod [x, y] D( f ) splnujc |x x0 | < , |y y0 | < , [x, y] = [x0 , y0 ], plat | f (x, y) L| < . Pseme
(x,y)(x 0,y0 )
lim
f (x, y) = L .
Rejstrk Obsah
Zasadn rozdl mezi limitou funkce jedne promenne a limitou funkce dvou a vce promennych spocva v dimenzi okol limitnho bodu u funkce jedne promenne se k tomuto bodu muzeme blzit jen po prmce, tj. ze dvou stran (coz znamena, ze funkce ma limitu v bode, ma-li obe jednostranne limity a tyto se sobe rovnaj), zatmco u funkce vce promennych je techto moznost nekonecne mnoho; muzeme se blzit k danemu bodu po prmkach, po parabolach ci obecnych mnozinach. Existence limity v danem bode znamena, ze nezalez na ceste, po ktere se k danemu bodu blzme. Naopak, dostaneme-li ruzne hodnoty limity pro ruzne cesty, znamena to, ze limita v danem bode nemuze existovat.
Verze k tisku
Prklad 2.1. i) Pomoc konkretn specikace okol limitnho bodu a limity de nujte lim f (x, y) = .
(x,y)(1,0)
Resen. Vzhledem k tomu, ze okol bodu je tvaru ( A, ) a ryz -okol bodu [1, 0] je {(1 , 1 + ) (, )}\{[1, 0]}, dostavame tuto specikaci obecne Denice 2.1: limita lim(x,y)(1,0) f (x, y) = , jestlize ke kazdemu A R existuje > 0 takove, ze pro vsechna [x, y] D( f ) splnujc |x 1| < , |y| < , [x, y] = [1, 0] plat f (x, y) > A. z Limita a spojitost funkce
x ii) Dokazte, ze funkce f (x, y) =

1 x 2 +y 2
y ma v bode [0, 0] nevlastn limitu .

1 . 2|A|
Resen. Necht A R je libovolne. Polozme =
Pro |x| < , |y| < plat
1 x 2 + y 2 < 2 2 = |A| . Odtud pro [x, y] = [0, 0] plat x 2 +y 2 > |A| > A. Tedy 1 k A R libovolnemu jsme nasli > 0 takove, ze pro [x, y] = [0, 0] splnujc 1 |x| < , |y| < plat x 2 +y 2 > A, tj. podle denice limity lim(x,y)(0,0) x 2 +y 2 = . 1 1 Graf funkce z = x 2 +y 2 je znazornen na vedlejsm obrazku.
Podobne jako u funkce jedne promenne plat nasledujc vety o limitach funkc. Protoze denice limity funkce vce promennych pomoc okol bodu je stejna jako pro funkci jedne promenne, jsou i dukazy techto tvrzen stejne jako pro funkce jedne promenne a ctenari doporucujeme si je provest jako cvicen. Veta 2.1. Funkce f ma v bode [x0 , y0 ] nejvyse jednu limitu. Veta 2.2. Nechtlim(x,y)(x0,y0 ) f (x, y) = 0 a funkce g je ohranicena v nejakem ryzm okol bodu [x0 , y0 ] (tj. existuje konstanta K 0 takova, ze |g(x, y)| K v tomto ryzm okol). Pak
(x,y)(x 0,y0 )
lim
f (x, y)g(x, y) = 0.
Veta 2.3. Nechth(x, y) f (x, y) g(x, y) v nejakem ryzm okol bodu [x0 , y0 ] a plat lim h(x, y) = lim g(x, y) = L .
(x,y)(x 0,y0 ) (x,y)(x 0,y0 )
Pak
(x,y)(x 0,y0 )
lim
f (x, y) = L .
Veta 2.4. Necht

Zpet
(x,y)(x 0,y0 )
lim
f (x, y) = L 1 ,
(x,y)(x 0,y0 )
lim
g(x, y) = L 2
a L 1 , L 2 R. Pak pro kazde c, c1 , c2 R plat

(x,y)(x 0,y0 ) (x,y)(x 0,y0 )
lim
c f (x, y) = cL ,
lim
[c1 f (x, y) + c2 g(x, y)] = c1 L 1 + c2 L 2 , lim [ f (x, y)g(x, y)] = L 1 L 2 . f (x, y) L1 . = g(x, y) L2
(x,y)(x 0 ,y0 )
Je-li L 2 = 0, pak
(x,y)(x 0,y0 )
lim
Veta 2.5. Ma-li funkce f v bode [x0 , y0 ] (R )2 vlastn limitu, pak existuje ryz okol bodu [x0 , y0 ], v nemz je funkce f ohranicena.
Rejstrk
Poznamka 2.1. Poctan limit funkc dvou a vce promennych je casto obtznejs nez v prpade funkc jedne promenne, nebot k poctan tzv. neurcitych vyrazu (limity typu 0 , ) nemame k dispozici zadnou analogii lHospitalova pravidla. 0 Proto pri vypoctu limit tohoto typu pouzvame ruznych uprav funkce, jejz limitu poctame. Nejcasteji pouzvane upravy jsou ukazany v nasledujcch prkladech. Prklad 2.2. Vypoctete limity nasledujcch funkc i) f (x, y) =
x+y+1 x+y+3
Obsah Verze k tisku
v bode [1, 0].
Resen. Pokud muzeme souradnice limitnho bodu do prslusneho vyrazu dosadit (tj. po dosazen neobdrzme neurcity vyraz), je hodnota limity dane funkce rovna
funkcn hodnote v tomto bode. Plat tedy

(x,y)(1,0)
lim
x +y+1 1 = . x +y+3 2
ii) f (x, y) =
x 2 +y 2 x 2 +y 2 +1 1
v bode [0, 0].
Resen. Protoze bychom dosazenm souradnic limitnho bodu zskali neurcity vyraz typu 0 , najdeme hodnotu limity obratem typickym i pro funkce jedne pro 0 menne. Citatele i jmenovatele zlomku vynasobme vyrazem x 2 + y 2 + 1 + 1. Po teto uprave dostavame lim x 2 + y2 x 2 + y2 + 1 1 = lim = (x 2 + y 2 )( x 2 + y 2 + 1 + 1) = (x,y)(0,0) x 2 + y2 + 1 1 lim
(x,y)(0,0)
(x,y)(0,0) 1 x
( x 2 + y 2 + 1 + 1) = 2 .
1 y
iii) f (x, y) = (x + y) sin sin
v bode [0, 0].
Resen. Protoze lim(x,y)(0,0)(x + y) = 0 a | sin 1 sin 1 | 1 pro kazde [0, 0] = x y 1 1 2 [x, y] R , je podle Vety 2.2 lim(x,y)(0,0)(x + y) sin x sin y = 0. iv) f (x, y) =
cos y x+y
v bode (1, )
1 Resen. Nejprve ukazeme, ze lim(x,y)(1,) x+y = 0. Necht > 0 je libovolne. Musme najt > 0 a A R takova, ze pro x (1 , 1 + ) a y > A plat x+y < . Necht > 0 je libovolne a polozme A = 1 + 1. Pak pro 1
x (1 , 1 + ), y > A plat x + y > 1 + 1 + 1 = 1 , odtud Protoze funkce cos y je ohranicena, plat lim(x,y)(1,) cos y = 0. x+y v) f (x, y) = x y ln(x 2 + y 2 ) v bode [0, 0]. Resen. Z diferencialnho poctu funkc jedne promenne vme, ze
t 0+
1 x+y
< .
lim t ln t = 0
(to lze snadno spocst pomoc lHospitalova1 pravidla). Protoze plat nerovnost x 2 +y 2 2 |x y| 2 (ktera je ekvivalentn nerovnosti (x y) 0), plat 1 0 |x y ln(x 2 + y 2 )| (x 2 + y 2 ) ln(x 2 + y 2 ). 2 Polozme t = x 2 + y 2 . Je-li (x, y) (0, 0), je t 0+ a tedy
(x,y)(0,0)
lim
(x 2 + y 2 ) ln(x 2 + y 2 ) = lim t ln t = 0.
t 0
Nyn z nerovnosti (2.1) a Vety 2.1 plyne

(x,y)(0,0)
lim
x y ln(x 2 + y 2 ) = 0.
vi) f (x, y, z) =
sin(xy+z1) xy+z1
v bode [1, 1, 1].
Resen. Prklad vyresme metodou substituce. Polozme t = x y + z 1. Pro (x, y, z) (1, 1, 1) je t 0. Protoze limt 0 sin t = 1, k libovolnemu > 0 t
1 Guillaume de lHospital (16611704), francouzsky matematik.
existuje 1 > 0 takove, ze pro 0 < |t| < 1 je sin t 1 < . Polozme = 31 . Pak t 3 pro [x, y, z] R splnujc |x 1| < , |y 1| < , |z 1| < , x y + z 1 = 0 je 0 < |x y + z 1| < 1 a tedy sin(x y + z 1) 1 < x y+z1 sin(x y + z 1) = 1. (x,y,z)(1,1,1) x y+z1 lim
Rekli jsme, ze existence limity v danem bode znamena, ze nezalez na ceste, po ktere se k danemu bodu blzme. Naopak, dostaneme-li ruzne hodnoty limity pro ruzne cesty, znamena to, ze limita v danem bode nemuze existovat. Tohoto faktu uzvame pri dukazu neexistence limity funkce dvou promennych ve vlastnm bode [x0 , y0 ] zavedenm polarnch souradnic r, denovanych vztahy x x0 = r cos , y y0 = r sin ,
kde r 0 udava vzdalenost bodu [x0 , y0 ] a [x, y], [0, 2) je uhel, ktery svra spojnice techto bodu s kladnym smerem osy x. Jestlize hodnota limity funkce zavis na uhlu , znamena to, ze zavis na ceste, po ktere se blzme k danemu bodu, a proto funkce nema v tomto bode limitu. Prklad 2.3. Rozhodnete, zda existuje limita
(x,y)(0,0)
lim
x2
2x y . + y2
Resen. Zavedenm polarnch souradnic dostavame xy r 2 sin cos 1 lim = lim = sin 2. r0+ (x,y)(0,0) x 2 + y 2 r2 2
Protoze vysledek zavis na , tj. na ceste, po ktere se blzme k bodu [0, 0], uvedena limita neexistuje. Graf teto funkce viz obrazky 11.4 a 11.5. Poznamka 2.2. Zavedenm polarnch souradnic pri vypoctu limity vysetrujeme chovan funkce f v okol limitnho bodu [x0 , y0 ] na prmkach se smerovym vektorem (cos , sin ). Pokud limita vyjde nezavisle na uhlu , je to pouze nutna podmnka pro existenci limity v bode [x0 , y0 ], protoze pro jiny zpusob blzen, napr. po parabolach, muzeme obdrzet zcela odlisny vysledek. Jako prklad uvazujme funkci f : R2 R denovanou takto f (x, y) =
x2 y , x 4 +y 2
[x, y] = [0, 0], [x, y] = [0, 0].
0,
Po transformaci do polarnch souradnic dostavame r 3 cos2 sin r cos2 sin = lim 2 = 0, r0 r 2 (r 2 cos4 + sin2 ) r0 r cos4 + sin2 lim presto vsak limita funkce v bode [0, 0] neexistuje. Vskutku, polozme-li y = kx 2 , tj. k limitnmu bodu [0, 0] se blzme po parabolach, dostavame kx 4 k = , x0 x 4 + k 2 x 4 1 + k2 lim coz je vysledek zavisejc na konstante k, viz obrazek 11.6. Nasledujc veta udava podmnku, za ktere je nezavislost limity na po pre chodu k polarnm souradnicm i postacujc pro existenci limity.
Veta 2.6. Funkce f ma v bode [x0 , y0 ] limitu rovnu L, jestlize existuje nezaporna funkce g : [0, ) [0, ) splnujc limr0+ g(r) = 0 takova, ze | f (x0 + r cos , y0 + r sin ) L| < g(r) pro kazde [0, 2] a r > 0 dostatecne mala. Specialne, plat-li po transformaci do polarnch souradnic
(x,y)(x 0,y0 )
lim
f (x, y) = lim h(r)g()

r0+
kde limr0+ h(r) = 0 a funkce g() je ohranicena pro [0, 2), pak
(x,y)(x 0,y0 )
lim
f (x, y) = 0.
Dukaz. Protoze limr0+ g(r) = 0, ke kazdemu > 0 existuje > 0 tak, ze pro 0 < r < je g(r) < , tj. | f (x0 + r cos , y0 + r sin ) L| < g(r) < . To vsak znamena, ze pro [x, y] z ryzho kruhoveho -okol bodu [x0 , y0 ] je | f (x, y) L| < , coz je prave denice vztahu lim(x,y)(x0,y0 ) f (x, y) = L.
Zpet Zavrt
Prklad 2.4. Rozhodnete, zda existuj limity nasledujcch funkc, a v prpade, ze ano, vypoctejte je 3 3 i) f (x, y) = x 2 +y 2 v bode [0, 0]. x +y
Konec Strana 43 z 424
Resen. Vyuzijeme transformace do polarnch souradnic a tvrzen Vety 2.6. Po lozme x = r cos , y = r sin . Je-li (x, y) (0, 0), je r 0+ a tedy x 3 + y3 r 3 (sin3 + cos3 ) = lim 2 = lim r(sin3 + cos3 ) = 0, r0+ r (sin2 + cos2 ) r0+ (x,y)(0,0) x 2 + y 2 lim nebotfunkce g() = sin3 + cos3 je ohranicena. x 2 +(y1)2 y ii) f (x, y) = x 2 +(y1)2 v bode [0, 1]. Resen. Postupujeme podobne jako v predchazejcm prklade. Plat x 2 + (y 1)2 y lim = lim (1 + r sin3 ) = 1, r0+ (x,y)(0,1) x 2 + (y 1)2 cmz je splnena nutna podmnka pro existenci dane limity. Dale plat |(1 + r sin ) 1| = |r sin | r,
3 3
takze podle Vety 2.6 je splnena take postacujc podmnka a hodnota limity je rovna 1. Poznamka 2.3. Podobne jako transformaci do polarnch souradnic pri vypoctu limity funkce dvou promennych, pouzvame pri vypoctu limity funkce tr promen nych transformaci do sferickych souradnic x x0 = r cos sin , y y0 = r sin sin , z z 0 = r cos ,
kde r udava vzdalenost bodu [x0 , y0 , z 0 ] a [x, y, z], je uhel, ktery svra pruvodic (=spojnice techto bodu) s kladnym smerem osy z a je uhel, ktery svra prumet
pruvodice do podstavne roviny x y s kladnym smerem osy x. Zejmena, jestlize po zaveden sfericky souradnic vyjde vy zavisejc na nebo , limita neexistuje ch raz (toto odpovda skutecnosti, ze pri blzen po ruznych prmkach k limitnmu bodu dostaneme ruzne hodnoty). V nekterych specialnch prpadech je vhodna k vysetrovan existence limity nasledujc veta, ktera se nekdy v literature bere za denici limity (tzv. Heineho1 denice). Dukaz teto vety neuvadme, nebot je v podstate stejny jako pro analo gicke tvrzen tykajc se funkce jedne promenne, viz [N1 ], strana 189. Veta 2.7. Necht [x0 , y0 ] je hromadny bod denicnho oboru D( f ) funkce f : R2 R. Funkce f ma v tomto bode limitu L prave kdyz pro kazdou posloupnost bodu {[xn , yn ]}, kde [xn , yn ] = [x0 , y0 ] pro velka n, konvergujc k bodu [x0 , y0 ] ma posloupnost { f (xn , yn )} limitu L. Limita a spojitost funkce
2.3. Spojitost funkce

Denice 2.3. Rekneme, ze funkce f je spojita v bode [x0 , y0 ], jestlize ma v tomto bode vlastn limitu a plat
(x,y)(x 0,y0 )
lim
f (x, y) = f (x0 , y0 ).
Zpet Zavrt Konec
1 Heinrich Heine (18211881), nemecky matematik
Strana 45 z 424
Prklad 2.5. Pro funkci n promennych dostavame zcela stejnou denici spojitosti: Necht f je funkce n promennych, n 2. Rekneme, ze funkce f je spojita v bode x = [x1 , . . . , xn ], jestlize ma v tomto bode vlastn limitu a plat
xx
lim f (x) = f (x ).
Porovnejme tuto denici s denic spojitosti zobrazen mezi metricky pro mi story. Zobrazen f z prostoru (P, ) do prostoru (Q, ) je spojite v bode x P, jestlize ke kazdemu okol V bodu f (x ) Q existuje okol U bodu x takove, n ze pro kazde x U je f (x ) V. Je-li (P, ) prostor R s nekterou z vye s uvedenych ekvivalentnch metrik 1 , 2 , (viz odstavec 2.1.) a (Q, ) je R1 s metrikou (x, y) = |x y|, pak je denice spojiteho zobrazen stejna s denic spojite funkce n promennych v bode x . Vzhledem k tomu, ze spojitost funkce dvou a vce promennych se denuje pomoc pojmu limity funkce stejne jako pro funkci jedne promenne, obdobne plat veta, ze soucet, soucin a podl spojitych funkc je spojita funkce a dale plat veta o spojitosti slozene funkce. Veta 2.8. Jsou-li funkce f, g spojite v bode [x0 , y0 ] R2 , pak jsou v tomto bode spojite i funkce f + g, f g a je-li g(x0 , y0 ) = 0, je v tomto bode spojita take funkce f /g. Veta 2.9. Necht funkce g, h jsou spojite v bode [x0 , y0 ], u 0 = g(x0 , y0 ), v0 = h(x0 , y0 ) a funkce f je spojita v bode [u 0 , v0 ]. Pak je v bode [x0 , y0 ] spojita slozena funkce F(x, y) = f (g(x, y), h(x, y)).
Prkladem funkc spojitych v cele rovine jsou napr. polynomy ve dvou promen u nych, funkce sin u, cos u, e , kde u je polynom ve dvou promennych. Urcete body, v nichz nejsou nasledujc funkce spojite a) f (x, y) = 2x 5y 2 + y2 1 x b) f (x, y) = sin(x 2 y + x y 2 ) . cos(x y)
Resen. a) Funkce f 1 (x, y) = 2x 5y, f 2 (x, y) = x 2 + y 2 1 jsou polynomy ve dvou promennych a ty jsou spojite v cele rovine. Funkce f nen spojita v bodech, 2 2 ve ktery nen denovana, tj. kde x + y = 1. Body, v nichz funkce nen spojita ch tvor kruznici se stredem v pocatku a s polomerem 1. b) Funkce f 1 (x, y) = x 2 y + x y 2 , f 2 (x, y) = x y a sin u, cos u jsou spojite v cele rovine. Podle Vety 2.9 o podlu nen funkce f spojita v bodech, kde cos(x y) = 0, tj. y = x + (2k + 1) 2 k Z.
Prklad 2.6. Zjistete zda funkce f (x, y) denovana nasledujcm zpusobem je spojita v bode [0, 0]: f (x, y) =
x3y x 4 +y 4
pro [x, y] = [0, 0] pro [x, y] = [0, 0].

Resen. Nejprve overme, zda existuje lim(x,y)(0,0) f (x, y). Zvolme-li y = kx, snadno vidme, ze vysledna hodnota zalez na k, neboli ze zalez na prmce, po ktere se k pocatku blzme. Proto uvedena limita neexistuje a dana funkce nemuze byt v pocatku spojita.
Poznamka 2.4. Je-li funkce f spojita v bode [x0 , y0 ] R2 , pak jsou spojite i funkce jedne promenne g(x) = f (x, y0 ) v bode x0 a h(y) = f (x0 , y) v bode y0 . Spojita funkce dvou promennych je tedy spojitou funkc promenne x pri konstantnm y a spojitou funkc y pri konstantnm x. Opacne tvrzen neplat! Ze spojitosti vzhledem k jednotlivym promennym neplyne spojitost jakozto funkce dvou promennych. Uvazujme funkci z predchozho prkladu. Nen obtzne overit, ze pro libovolna pevna x0 , y0 R jsou funkce f (x, y0 ), f (x0 , y) spojite v R, avsak funkce dvou promennych f nen spojita v bode [0, 0], nebotv tomto bode limita neexistuje. Limita a spojitost funkce
2.4. Vety o spojity funkcch ch

Stejne jako pro funkci jedne promenne, plat pro funkci n promennych Weier strassova1 a Bolzanova2 veta. Uvedeme obe vety pro funkci dvou promennych. Pripomenme, ze Weierstrassova veta pro funkce jedne promenne se ty funkc ka spojitych na uzavrenem a ohranicenem intervalu, pricemz spojitost na uzavrenem intervalu znamena spojitost zleva (zprava) v pravem (levem) krajnm bode a normaln spojitost ve vnitrnch bodech. Pro funkci dvou promennych denujeme spojitost na mnozine takto.
1 Karl T. W. Weierstrass (18151897), nemecky matematik 2 Bernard Bolzano (17811848), cesky matematik a losof
Denice 2.4. Rekneme, ze funkce f je spojita na mnozine M R2 , jestlize pro kazdy bod [x0 , y0 ] M plat
(x,y)(x 0,y0 ) (x,y)M
lim
f (x, y) = f (x0 , y0 ).
Limitn vztah chapeme takto: Ke kazdemu > 0 existuje > 0 takove, ze pro kazde [x, y] O ([x0 , y0 ]) M plat | f (x, y) f (x0 , y0 )| < . Veta 2.10. (Weierstrassova) Necht funkce f je spojita na kompaktn mnozine M R2 . Pak nabyva na M sve nejmens a nejvets hodnoty. Dukaz. Uvedena veta je dusledkem obecne vety z metricky prostoru: Je-li f ch spojite zobrazen mezi metricky prostory, pak obrazem kompaktn mnoziny mi je kompaktn mnozina. V Eukleidovsky prostorech je kompaktn mnozinou ch kazda ohranicena uzavrena mnozina. Odtud okamzite plyne ohranicenost mnoziny f (M). Protoze kazda neprazdna shora ohranicena mnozina ma supremum, existuje K = sup
(x,y)M
f (x, y).
Zbyva dokazat, ze existuje bod [x0 , y0 ] M takovy, ze f (x0 , y0 ) = K . Podle denice suprema existuje pro libovolne n N bod [xn , yn ] M tak, 1 ze f (xn , yn ) > K n . Posloupnost {[xn , yn ]} je ohranicena, proto existuje vybrana podposloupnost {[xnk , ynk ]} konvergujc k bodu [x0 , y0 ]. Vzhledem k uzavrenosti mnoziny M je [x0 , y0 ] M a ze spojitosti funkce f plyne, ze 1 { f (xnk , ynk )} f (x0 , y0 ). Ponevadz f (xnk , ynk ) > K nk pro vsechna k, je
limk f (xnk , ynk ) = f (x0 , y0 ) K . Z denice suprema plyne f (x0 , y0 ) K , a proto f (x0 , y0 ) = K . Podobne se dokaze tvrzen o nejmens hodnote funkce f .
Poznamka 2.5. Dusledkem teto vety je ohranicenost spojite funkce na kompaktn mnozine, coz byva nekdy spolu s Vetou 2.10 formulovano ve dvou vetach jako prvn a druha Weierstrassova veta. V nasledujc vete je treba predpokladat, ze mnozina M je souvisla. Pripo menme z teorie metricky prostoru, ze otevrena mnozina M E2 se nazyva ch souvisla, jestlize pro kazde dva body X, Y M existuje konecna posloupnost bodu X 1 , . . . , X n M, X 1 = X, X n = Y takova, ze vsechny usecky X i X i+1 jsou podmnozinami M. Veta 2.11. (Bolzanova) Nechtfunkce f je spojita na otevrene souvisle mnozine M R2 . Necht pro A, B M plat f ( A) = f (B). Pak ke kazdemu cslu c lezcm mezi hodnotami f ( A) a f (B) existuje C M tak, ze f (C) = c. Dukaz. Polozme g(x, y) = f (x, y)c. Ze souvislosti mnoziny M plyne existence konecne posloupnosti bodu X 1 , . . . , X n M, X 1 = X, X n = Y takove, ze vsechny usecky X i X i+1 jsou podmnozinami M. Uvazujeme-li hodnoty g(X i ), pak bud existuje index i takovy, ze g(X i ) = 0 nebo existuje j takove, ze g(X j ) < 0, (> 0), g(X j +1 ) > 0 (< 0). Oznacme-li X j = [x1 , y1 ], X j +1 = [x2 , y2 ], jsou parametricke rovnice usecky X j X j +1 x = x1 + (x2 x1 )t, y = y1 + (y2 y1 )t, t [0, 1]. Limita a spojitost funkce
Polozme G(t) = f (x1 + (x2 x1 )t, y1 + (y2 y1 )t), t [0, 1]. Pak G(0) = g(X j ) < 0 (> 0), G(1) = g(X j +1 ) > 0 (< 0) a G je spojita funkce na uzavrenem intervalu. Podle Bolzanovy vety pro funkci jedne promenne existuje t0 (0, 1) tak, ze G(t0 ) = 0. Zvolme-li C = [x1 + (x2 x1 )t0 , y1 + (y2 y1 )t0 ], dostaneme g(C) = 0, tj. f (C) = c.
Poznamka 2.6. Dusledkem teto vety je nasledujc tvrzen: Necht funkce f je 2 spojita na otevrene souvisle mnozine M R . Existuj-li A, B M takove, ze f (A) < 0, f (B) > 0, pak existuje C M tak, ze f (C) = 0 (tzv. prvn Bolzanova veta).
Cvicen. 2.1. Pomoc konkretn specikace okol limitnho bodu a limity denujte a)
(x,y)(1,2)
lim
f (x, y) =
b)
(x,y)(,1)
lim
f (x, y) =
2.2. Vypoctete limity nasledujcch funkc: a) b) c)

(x,y)(1,1)
lim
x+y
(x,y)(e2 ,1) ln (x+e y ) (x,y)(1,0)
lim
x 2 +y 2 ln x y x 2 +y 2
d) e)
(xy)2 9 2 2 (x,y)(4,1) x +y 2 lim x y cos x 1 2 y (x,y)(0,0)
lim
lim
2.3. Vypoctete limity nasledujcch funkc:
x 2 +y 2 (x,y)(0,0) x+y x 2 y 2 b) lim x 2 +y 2 (x,y)(0,0)
a)
lim
e) f) g)
2 y2
xy lim 2 2 (x,y)(,) x x y+y lim sin x y (x,y)(0,2) x x 2 +y 2 x 4 +y 4 (x,y)(,) xy lim e x1 (x,y)(0,2)
c) d)
(x,y)(0,0) (x,y)(0,0)
lim
x 2 y 2 +11 x 2 +y 2
lim
lim
(x 2 + y 2 )x
h)
2.4. Vypoctete limity nasledujcch funkc: a) b) c)

(x,y)(,)
lim
(x 2 + y 2 )e(x+y) 1+
1 x
x2 x+y
d) e) f)
x2 xy x 2 +y 2 (x,y)(,)
lim
(x,y)(,1)
lim
4 4 (x,y)(0,0) x +y
lim
x2 x 2 +y 2
1cos(x 2 +y 2 ) 2 2 2 2 (x,y)(0,0) (x +y )x y
lim
(x,y)(0,0)
lim
(1 + x 2 y 2 )
1 x 2 +y 2
2.5. Dokazte, ze funkce f (x, y) = a) z = b) z = c) z = d) z = sin
3y x 3 +y
nema v bode [0,0] limitu.
2.6. Urcete body nespojitosti funkc:

1 x 2 +y 2 x+y x 3 +y 3 xy x+y 1 xy 1 sin xsin y
e) z = f) z = ln |1 x 2 y 2 |
2.7. Urcete body nespojitosti funkc:
a) z = b) z = c) z =
x 2 +y 5 +x+3 x 4 +x y 3 x 2 +3y x 2 3y 1 e y 1
x
d) z = arccos e) z = x 1 yz f) z = ln
x y
1 (xa)2 +(yb)2 +(zc)2
2.8. Zjistete, zda funkce f je spojita v bode [0,0]: a) f (x, y) = b) f (x, y) =

x y2 x 2 +y 2
pro [x, y] = [0, 0] pro [x, y] = [0, 0] pro [x, y] = [0, 0] pro [x, y] = [0, 0]
0
x 2 y2 x 4 +y 4
Zpet
Ucitel by mel pusobit tak, ze to, co nabdne, je prijmano jako cenny dar, ne jako umorna povinnost. (A. Einstein)
Kapitola 3
Parcialn derivace
Derivace funkce je druhym zakladnm pojmem diferencialnho poctu. Clem teto kapitoly je zavest tento pojem pro funkci vce promennych a ukazat souvislost s limitou a spojitost funkce. Pripomenme denici a geometricky vyznam derivace funkce jedne promenne: derivace funkce f : R R v bode x0 je limita f (x0 ) = lim
xx 0
Parcialn derivace
f (x) f (x0 ) . x x0
(3.1)
Derivace funkce v bode udava smernici tecny ke krivce y = f (x) v bode [x0 , f (x0 )]. Ma-li funkce derivaci v bode x0 , je v tomto bode spojita a tudz zde existuje take limita funkce. Jak jsme jiz ukazali v predchazejc kapitole, je limita funkce dvou a vce pro mennych komplikovanejsm pojmem nez v prpade funkce jedne promenne, nebot
k bodu [x0 , y0 ] (v prpade dvou promennych) se muzeme blzit mnoha zpusoby. Zcela prirozene je zact zkoumat situaci, blzme-li se k bodu [x0 , y0 ] ve smeru souradnych os x a y. Tm se dostavame k pojmu parcialn derivace funkce dvou promennych. Pri parcialnm1 derivovan se vzdy na jednu z promennych x, y dvame jako na konstantu a podle druhe derivujeme. Blzme-li se k bodu [x0 , y0 ] ve smeru predem daneho vektoru u = (u 1 , u 2 ), jde o smerovou derivaci, ktera je prirozenym zobecnenm pojmu parcialn derivace. Pro funkci n promennych je situace analogicka.
3.1. Parcialn derivace 1. radu

Denice 3.1. Nechtfunkce f : R2 R je denovana v bode [x0 , y0 ] a nejakem jeho okol. Polozme (x) = f (x, y0 ). Ma-li funkce derivaci v bode x0 , nazyvame tuto derivaci parcialn derivac funkce f podle promenne x v bode f [x0 , y0 ] a oznacujeme f x (x0 , y0 ), event. x (x0 , y0 ), f x (x0 , y0 ). To znamena, ze f x (x0 , y0 ) = lim (x) (x0 ) f (x, y0 ) f (x0 , y0 ) = lim . xx 0 x x0 x x0
Parcialn derivace
xx 0
Podobne, ma-li funkce (y) = f (x0 , y) derivaci v bode y0 , nazyvame tuto deri vaci parcialn derivac funkce f podle promenne y v bode [x0 , y0 ] a oznacujeme f f y (x0 , y0 ) ( y (x0 , y0 ), f y (x0 , y0 )).
1 Doslovny cesky preklad slova parcialn je castecny.
Prklad 3.1. Poznamka 3.1. i) Ma-li funkce z = f (x, y) parcialn derivace ve vsech bodech mnoziny N D( f ), jsou tyto derivace funkcemi promennych x, y. Oznacujeme je f x (x, y), f y (x, y), popr. x f (x, y), y f (x, y), f x (x, y), f y (x, y), z x , z y , z x , z y . ii) Zcela analogicky se denuj parcialn derivace funkce n promennych. Je-li z = f (x1 , . . . , xn ) funkce n promennych, x = [x1 , . . . , xn ] Rn , denujeme f 1 (x ) = lim f (x1 , . . . , xi1 , xi + t, xi+1 , . . . , xn ) f (x1 , . . . , xn ) . t 0 t xi iii) Z denice parcialn derivace plyne, ze pri jejm vypoctu postupujeme tak, ze vsechny argumenty krome toho, podle nehoz derivujeme, povazujeme za konstanty. Protoze parcialn derivace f xi funkce n promennych je denovana jako oby cejna derivace podle promenne xi , plat pro poctan parcialnch derivac obvykla pravidla pro derivovan. Uvedeme je prmo pro funkci n promennych. Veta 3.1. Nechtfunkce f, g : Rn R maj parcialn derivaci podle promenne xi , i {1, . . . , n}, na otevrene mnozine M. Pak jejich soucet, rozdl, soucin a podl ma na M parcialn derivaci podle xi a plat f (x) g(x), [ f (x) g(x)] = xi xi xi [ f (x)g(x)] = f (x) g(x) + g(x) f (x), xi xi xi f (x) g(x) f (x) i g(x) f (x) x x = i , xi g(x) g 2 (x)
Parcialn derivace
pricemz tvrzen o podlu derivac plat za predpokladu, ze g(x) = 0. i) Vypoctete parcialn derivace funkce dvou promennych a) z = arctg
y x
b) z = x y , x > 0.
Resen. a) Pri vypoctu parcialn derivace podle promenne x povazujeme promen nou y za konstantu, tj. zx = Analogicky, zy = 1 1+
y2 x2
1 1+
y2 x2
y y = 2 . x2 x + y2 1 x x . + y2
Parcialn derivace
x2
b) Parcialn derivaci podle x urcme jako derivaci mocninne funkce a derivaci podle y jako derivaci exponencialn funkce se zakladem x, tj. z x = yx y1 , z y = x y ln x.
ii) Vypoctete parcialn derivace 1. radu funkce

Zpet
f (x1 , . . . , xn ) =
2 x1
+ +
2 2 2 xn ex1 ++xn .
Resen. Pri vypoctu parcialn derivace podle promenne xi povazujeme vsechny ostatn promenne za konstanty: xi
2 2 x1 + + xn ex1 ++xn =
2 2
xi
2 2 x1 + + xn
2 2 ex1 ++xn + 2xi x1 + + xn ex1 ++xn =

2 2 2 2
xi ex1 ++xn
2
2 2 x1 + + xn
2 2 1 + 2(x1 + + xn ) .
Parcialn derivace
Geometricky vy znam parcialnch derivac.

Nechtje dana funkce f : R2 R a G f je jej graf. Necht je rovina dana rovnic y = y0 .Za rozumnych predpokladu (napr. spojitost funkce f ) je pruseckem G f krivka v rovine a parcialn derivace f x (x0 , y0 ) udava smernici tecny t k teto krivce v bode Q 0 = [x0 , y0 , f (x0 , y0 )], viz vedlejs obrazek. (Pripomenme, ze smernice tecny t je tg ). Podobne, derivace f y (x0 , y0 ) udava smernici tecny ke krivce v bode Q 0 , ktera vznikne pruseckem plochy G f s rovinou x = x0 . Zatmco u funkc jedne promenne plyne z existence derivace v danem bode jej spojitost, u funkc vce promennych toto tvrzen neplat. Ma-li funkce f : R2 R parcialn derivace v bode [x0 , y0 ], nemus byt v tomto bode spojita, jak ukazuje nasledujc prklad.
z
z = f (x, y)
Q0 O t
Parcialn derivace y
x
s
(x0 , y0 , 0)
Prklad 3.2. Funkce denovana predpisem f (x, y) = 1 0 pro x = 0 nebo y = 0 jinak
ma v bode [0, 0] obe parcialn derivace (rovny nule) a nen zde spojita, nebot v tomto bode neexistuje limita (grafem funkce je podstavna rovina, z nz je vy zdvizen osovy krz). Skutecnost, ze z existence parcialnch derivac neplyne spojitost, je zcela prirozena, nebot parcialn derivace udavaj informaci pouze o chovan funkce ve
smerech rovnobeznych se souradnymi osami, pricemz v jinych smerech se funkce muze chovat velmi divoce.
3.2. Derivace vyssch radu

Denice 3.2. Necht [x0 , y0 ] D( f x ). Existuje-li parcialn derivace funkce f x (x, y) podle promenne x v bode [x0 , y0 ], nazyvame tuto derivaci parcialn derivac 2. radu podle x funkce f v bode [x0 , y0 ] a znacme f x x (x0 , y0 ) nebo 2 take x 2 (x0 , y0 ). f
Parcialn derivace
Existuje-li parcialn derivace funkce f x (x, y) podle promenne y v bode [x0 , y0 ], nazyvame tuto derivaci smsenou parcialn derivac 2. radu funkce f v bode 2 f [x0 , y0 ] a znacme f x y (x0 , y0 ) nebo take x y (x0 , y0 ).
Rejstrk Obsah
Obdobne denujeme parcialn derivace 2. radu f yx (x0 , y0 ) a f yy (x0 , y0 ). Parcialn derivace n-teho radu (n 3) denujeme jako parcialn derivace derivac (n 1)-teho radu. Prklad 3.3. i) Vypoctete derivace 2. radu obou funkc z Prkladu 3.1 i).
y y Resen. a) V prpade funkce z = arctg x jsme vypocetli z x = x 2 +y 2 , z y = Odtud 2x y y zx x = = 2 . 2 (z x ) = 2 x x x +y (x + y 2 )2 x . x 2 +y 2
Verze k tisku
Podobne zxy = z yx z yy x 2 + y 2 2y 2 y2 x 2 y = = 2 , 2 y x + y2 (x 2 + y 2 )2 (x + y 2 )2 x 2 + y 2 2x 2 y2 x 2 x = = = 2 , x x 2 + y2 (x 2 + y 2 )2 (x + y 2 )2 2x y x = 2 = . 2 + y2 y x (x + y 2 )2 Parcialn derivace
Pro funkci z = x y z casti b) je z x = yx y1 , z y = x y ln x. Odtud z x x =y(y 1)x y2 , z yx =yx y1 ln x + x y z x y = x y1 + yx y1 ln x, 1 = x y1 + yx y1 ln x, x

1 x 2 +y 2 +z 2
z yy = x y ln2 x.
ii) Ukazte, ze pro funkci u =
plat u x x + u yy + u zz = 0.1
Resen. Pri vypoctu parcialnch derivac vyuzijeme skutecnost, ze funkce u zavis na promennych x, y, z symetricky. Plat x ux = , 3 (x 2 + y 2 + z 2 ) 2 uxx (x 2 + y 2 + z 2 ) 2 3x 2 (x 2 + y 2 + z 2 ) 2 (x 2 + y 2 + z 2 ) 2 = = 1 3x 2 = 2 + x + y 2 + z 2 (x 2 + y 2 + z 2 )2
3 1 5
1 Uvedeny prklad hraje dulezitou roli ve fyzice; podrobneji viz prklad 5.3ii)
Ze symetricke zavislosti na zby cch promennych pak dostavame vaj u yy = u zz = 1 3y 2 + 2 , x 2 + y 2 + z 2 (x + y 2 + z 2 )2 1 3z 2 + 2 . x 2 + y 2 + z 2 (x + y 2 + z 2 )2
Odtud nyn snadno oveme platnost rovnice u x x + u yy + u zz = 0. r Vsimneme si, ze u obou funkc v casti i) predchazejcho prkladu vysla rovnost z x y = z yx . Nasledujc veta ukazuje, ze tyto rovnosti nejsou nahodne. Veta 3.2. (Schwarzova1 ) Nechtfunkce f ma spojite parcialn derivace f x y , f yx v bode [x0 , y0 ]. Pak jsou tyto derivace zamenne, tj. plat f x y (x0 , y0 ) = f yx (x0 , y0 ). (3.2) Parcialn derivace
Dukaz. Ze spojitosti funkc f x y a f yx v bode [x0 , y0 ] plyne existence -okol U = (x0 , x0 + ) (y0 , y0 + ) bodu [x0 , y0 ], v nemz jsou parcialn derivace f x y a f x y denovany. Pro 0 < h < polozme F(h) = f (x0 + h, y0 + h) f (x0 + h, y0 ) f (x0 , y0 + h)+ f (x0 , y0) h2 (3.3)
1 Karl Schwarz (18431921), nemecky matematik, zak K. Weierstrasse
a dale oznacme (y) = f (x0 + h, y) f (x0 , y), (x) = f (x, y0 + h) f (x, y0 ). Pak funkci F muzeme psat ve tvaru F(h) = 1 1 [(y0 + h) (y0 )] = 2 [(x0 + h) (x0 )] . 2 h h
Podle Lagrangeovy vety existuje 1 (0, 1) takove, ze (y0 + h) (y0 ) = h (y0 + 1 h) = = h f y (x0 + h, y0 + 1 h) f y (x0 , y0 + 1 h) . Oznacme jeste g(x) = f y (x, y0 + 1 h). Pak g (x) = f yx (x, y0 + 1 h) a rozdl v posledn hranate zavorce je (opet podle Lagrangeovy vety) g(x0 + h) g(x0) = g (x0 + 2 h) = f yx (x0 + 2 h, y0 + 1 h), kde 2 (0, 1). Dosadme-li odtud do (3.3), dostavame F(h) = f yx (x0 + 2 h, y0 + 1 h), 1 , 2 (0, 1). Parcialn derivace
Aplikujeme-li nyn uplne stejne uvahy na funkc , dostavame F(h) = f x y (x0 + 3 h, y0 + 4 h), 3 , 4 (0, 1).
Posledn dva vztahy a spojitost funkc f x y , f yx v bode [x0 , y0 ] implikuj

h0
lim F(h) = f yx (x0 , y0 )
a soucasne
h0
lim F(h) = f x y (x0 , y0 ),
tedy plat (3.2). Nasledujc prklad ukazuje, ze bez predpokladu spojitosti smsenych parcial nch derivac rovnost (3.2) obecne neplat (viz prklad 12.4).
Prklad 3.4. Nechtfunkce f je dana predpisem f (x, y) = x y pro |x| |y|, 0 pro |x| < |y|.
Pak pro y = 0 je f x (0, y) = 0 a pro y = 0 je podle denice parcialn derivace f x (0, 0) = lim f (h, 0) f (0, 0) 0h0 = lim = 0. h0 h h Parcialn derivace
h0
Pro x = 0 a h v absolutn hodnote dostatecne mala je f (x, h) = xh, tedy f y (x, 0) = lim a konecne f (x, h) f (x, 0) xh 0 = lim =x h0 h h
h0
Rejstrk
f (0, h) f (0, 0) 0 = lim = 0. h0 h h Vyuzitm techto vysledku plyne z denice parcialnch derivac 2. radu f y (0, 0) = lim
h0
Obsah Verze k tisku
f x (0, h) f x (0, 0) = lim 0 = 0, h0 h f y (h, 0) f y (0, 0) h0 f yx (0, 0) = lim = lim = 1. h0 h0 h h f x y (0, 0) = lim
h0
Matematickou indukc muzeme tvrzen Schwarzovy vety rozsrit pro derivace vyssch adu. r
Veta 3.3. Ma-li funkce f v bode [x0 , y0 ] a nejakem jeho okol spojite parcialn derivace az do radu n, pak hodnota parcialn derivace radu n v libovolnem bode z tohoto okol zavis pouze na tom, kolikrat se derivovalo podle promenne x a kolikrat podle promenne y, nikoliv na porad, v jakem se podle techto promennych derivovalo.
3.3. Smerove derivace

Parcialn derivace funkce f v bode x Rn jsou obycejne derivace, ktere zskame zuzenm denicnho oboru funkce f na prmku jdouc bodem x a rovnobeznou s i -tou souradnicovou osou. Zobecnenm parcialnch derivac jsou smerove derivace, ktere zskame zuzenm denicnho oboru funkce na prmku jdouc bodem x a majc smer daneho vektoru u Vn . To znamena, ze vysetrujeme funkci (t) = f (x + tu), ktera je jiz funkc jedne promenne, a pro ni je pojem derivace jiz dobre znam. Poznamenejme, ze Vn je standardn oznacen pro zameren n-rozmerneho euklidovskeho prostoru. Denice 3.3. Necht f je funkce n promennych, x je vnitrn bod D( f ), u n V . Polozme (t) = f (x + tu). Ma-li funkce derivaci v bode 0, nazyvame ji smerovou derivac funkce f v bode x (derivac f ve smeru vektoru u) a oznacujeme f u (x). To znamena, ze (t) (0) f (x + tu) f (x) f u (x) = lim = lim . t 0 t 0 t t Parcialn derivace
Poznamka 3.2. i) Necht (e1 , . . . , en ) je standardn baze v Vn (vektor ei ma na i-tem mste jednicku a na ostatnch mstech nuly). Pak f ei (x) = f xi (x), tj. smerova derivace podle vektoru ei je totozna s parcialn derivac podle promenne xi . ii) Jelikoz je smerova derivace obycejnou derivac funkce , plat pro poctan tato pravidla: Nechtexistuje f u , gu v bode x Rn . Pak a) pro vsechna c R existuje f cu (x) a plat f cu (x) = c f u (x) b) ( f g)u (x) = f u (x) gu (x) c) ( f g)u (x) = f u (x)g(x) + f (x)gu (x) d) Je-li g(x) = 0, pak f g f u (x)g(x) f (x)gu (x) (x) = . g 2 (x) u Parcialn derivace
iii) Naopak neplat aditivita smerovych derivac vzhledem ke smerum. Jestlize existuj f u , f v , nemus existovat f u+v a pokud existuje f u+v , muze byt f u + f v = f u+v , viz nasledujc prklad, cast ii). iv) V Prkladu 3.2 jsme ukazali, ze z existence parcialnch derivac funkce f v bode [x0 , y0 ] neplyne spojitost funkce. V casti iii) nasledujcho prkladu ukazeme, ze ani existence smerove derivace v bode [x0 , y0 ] ve smeru libovolneho 2 vektoru u V nen postacujc pro spojitost. Toto je na prvn pohled prekvapujc skutecnost, uvedomme-li si vsak, ze smerove derivace popisuj chovan funkce f , blzme-li se k bodu [x0 , y0 ] po prmkach, a denice limity (pomoc nz je denovana spojitost v bode [x0 , y0 ]) zachycuje vsechny zpusoby priblzen (napr. po parabolach), je toto zcela prirozene.
Prklad 3.5. i) Vypoctete smerovou derivaci funkce f (x, y) = arctg (x 2 + y 2 ) v bode [1, 1] ve smeru vektoru u = (1, 2). Resen. Prmym dosazenm do denice a vyuzitm lHospitalova pravidla dosta vame arctg[(1 + t)2 + (1 + 2t)2 ] arctg 2 t 0 t 2 arctg(2 2t + 5t ) arctg 2 2 + 10t 2 lim = . = lim t 0 t 0 1 + (2 2t + 5t 2 )2 t 5 f (1,2)(1, 1) = lim Parcialn derivace ii) Ukazte, ze pro funkci f (x, y) =
x y(x+y) x 2 +y 2
pro (x, y) = [0, 0] pro (x, y) = [0, 0]
a vektory u = (1, 0), v = (0, 1) existuj f u (0, 0), f v (0, 0), f u+v (0, 0), avsak f u+v (0, 0) = f u (0, 0) + f v (0, 0). Resen. Plat f u = f x , f v = f y . Protoze f (t, 0) = 0 = f (0, t), je f u (0, 0) = 0 = f v (0, 0). Pro derivaci ve smeru vektoru u + v = (1, 1) dostavame z denice smerove derivace 1 t 2 2t f u+v (0, 0) = lim [ f (0 + t, 0 + t) f (0, 0)] = lim = 1. t 0 t t 0 2t 3 Tedy 1 = f u+v (0, 0) = f u (0, 0) + f v (0, 0) = 0.
iii) Ukazte, ze funkce f denovana predpisem f (x, y) =

x 4 y2 , x 8 +y 4
pro (x, y) = [0, 0], pro (x, y) = [0, 0]
0,
ma v bode [0, 0] smerovou derivaci ve smeru libovolneho vektoru u V2 a presto nen v tomto bode spojita. Resen. Je-li 0 = u = (u 1 , u 2 ) V2 libovolny, podle denice smerove derivace plat 1 t 4u4 t 2u2 1 2 f u (0, 0) = lim [ f (0 + tu 1 , 0 + tu 2 ) f (0, 0)] = lim 8 8 = t 0 t t 0 t (t u + t 4 u 4 ) 1 2 = lim tu 4 u 2 1 = 0. t 0 t 4 u 8 + u 4 1 2 Parcialn derivace
Blzme-li se k bodu [0, 0] po parabolach y = kx 2 , dostavame

x0
lim
x 4 k2x 4 k2 = . x 8 + k4x 8 1 + k4
To vsak znamena, ze spojita.
(x,y)(0,0)
lim
f (x, y) neexistuje, tedy funkce f nen v bode [0, 0]

Zpet
Denujeme-li smerove derivace 2. radu vztahem f u (x + tv) f u (x ) f uv (x ) = lim , t 0 t plat analogicke tvrzen jako veta o zamennosti smsenych parcialnch derivac.
Veta 3.4. Necht u, v Vn , funkce f : Rn R ma v bode x spojite smerove derivace f uv a f vu . Pak jsou si tyto derivace rovny, tj. f uv (x ) = f vu (x ). Poznamka 3.3. Predpokladejme, ze funkce f ma v bode x spojite parcialn derivace 2. radu a oznacme f (x ) = ( f xi x j ), i, j = 1, . . . , n, matici parcialnch derivac druheho radu funkce f v bode x (tato matice se nekdy nazyva Hessova n matice funkce f v bode x ), pak pro libovolna u, v V existuje smsena smerova derivace f uv (x ) a plat f uv (x ) = f vu (x ) = f (x )u, v = f (x )v, u , kde , je obvykly skalarn soucin v Rn .
Rejstrk
Parcialn derivace
3.4. Lagrangeova veta o stredn hodnote

Jednm z dulezitych tvrzen diferencialnho poctu funkc jedne promenne je Lag rangeova1 veta o stredn hodnote. Tato veta ka, ze pro diferencovatelnou funkci r f : [a, b] R lze rozdl f (b) f (a) vyjadrit ve tvaru f (b) f (a) = f ( )(b a), kde (a, b). Jej analogi pro funkce dvou promennych jsou nasledujc dve tvrzen; prvn pro parcialn derivace, kdy body stredn hodnoty lez na hranici obdelnku urceneho danymi dvema body, a druhe tvrzen pro smerovou derivaci.
1 Joseph Louis Lagrange (17361813), francouzsky matematik
Obsah Verze k tisku
Veta 3.5. Predpokladejme, ze funkce f ma parcialn derivace f x a f y ve vsech 2 bodech nejakeho obdelnku M R a necht[x0 , y0 ], [x1 , y1 ] M. Pak existuj csla , lezc mezi x0 , x1 resp. y0 , y1 takova, ze f (x1 , y1 ) f (x0 , y0 ) = f x (, y1)(x1 x0 ) + f y (x0 , )(y1 y0 ). Dukaz. Plat f (x1 , y1 ) f (x0 , y0 ) = f (x1 , y1 ) f (x0 , y1 ) + f (x0 , y1 ) f (x0 , y0 ) = = f x (, y1 )(x1 x0 ) + f y (x0 , )(y1 y0 ). V posledn uprave jsme aplikovali Lagrangeovu vetu pro funkce jedne promenne na funkce (x) = f (x, y1 ) a (y) = f (x0 , y).
Rejstrk
Parcialn derivace
Poznamka 3.4. Body [, y1 ], [x0 , ] lez na sousednch stranach obdelnku se stranami rovnobeznymi se souradnymi osami, urceneho body [x0 , y0 ] a [x1 , y1 ] (nacrtnete si obrazek). Upravme-li si rozdl f (x1 , y1 ) f (x0 , y0 ) ponekud odlisne, a to f (x1 , y1 ) f (x0 , y0 ) = f (x1 , y1 ) f (x1 , y0 ) + f (x1 , y0 ) f (x0 , y0 ), dostavame nepatrne odlisne vyjadren f (x1 , y1 ) f (x0 , y0 ) = f x (1 , y0 )(x1 x0 ) + f y (x1 , 1 )(y1 y0 ). V tomto vyjadren body [1 , y0 ] a [x1 , 1 ] lez na zbyvajcch dvou stranach ob delnku.
Obsah Verze k tisku
Projdeme-li dukaz Vety 3.5, snadno zformulujeme analogickou vetu pro funkce n n promennych. Jsou-li x = [x1 , . . . , xn ], x = [x1 , . . . , xn ] R , existuj body z 1 , . . . , z n Rn lezc na hranach n-rozmerneho kvadru urceneho body x a x takove, ze n f f (x) f (x ) = (z k )(xk xk ). xk k=1 Aplikujeme-li Lagrangeovu vetu o stredn hodnote pro funkci jedne promenne na funkci (t) = f (x + tu), dostavame vetu o prrustku v nasledujcm tvaru. Veta 3.6. Necht f : Rn R ma derivaci ve smeru vektoru u Vn ve vsech bodech usecky {x + tu; t [0, 1]}. Pak existuje takove cslo (0, 1), ze plat f (x + u) f (x) = f u (x + u). Parcialn derivace
Rejstrk Obsah
Cvicen. 3.1. Vypoctete parcialn derivace 1. radu funkc: a) z = x 3 + 2x 2 y + 3x y 2 + 4x 5y + 100 b) z =

x 3 y3y x
Verze k tisku
h) z = arctg i) z =
cos x 2 y
xy 1+x y
c) z = x sin (x + 2y) y d) z = sin x cos x y e) u = x 1 y2
+ y 1
j) z = ln(x + x 2 + y 2 ) 2 k) u = ex (1yz) x2 z 1 x2 y2 l) z = arctg

x y
f) z = e y
x
g) z = ln ( x+4 ) y2
x 2 y 2 m) z = arcsin 2 2 x +y 1 x 2 +y 2 +z 2 n) u = ln
1+ x 2 +y 2 +z 2
3.2. Vypoctete parcialn derivace 1. radu funkc: a) z = x x y b) z = 2

1 x y 1+ x y
x
g) z = x y esin x y h) u = x z
y
Parcialn derivace
2
c) z = d) z = x y ln(x + y) e) z = (2x + y)2x+y f) z = 1

x+y 2 xy
(1)y 3
i) z = arctg (x y) j) u = sin(x 2 + y 2 + z 2 ) z k) u = x y
x+y xy
+ arcsin
3.3. Vypoctete parcialn derivace 1. radu nasledujcch funkc v danych bodech: a) z = y 2 + y 1 + x 2 y b) z = ln(x + 2x ) c) z =
xcos yycos x 1+sin x+sin y
v [2,5] v [1,2] v [0,0]

3.4. a) Vypoctete u z v bode [0,0, ], je-li u = sin2 x + sin2 y + sin2 z. 4 b) Vypoctete u x + u y + u z v bode [1,1,1], je-li u = ln(1 + x + y 2 + z 3 ). 3.5. Ovete rovnost z x y = z yx u funkc: r
a) z = x 2 2x y 3y 2 b) z = arccos x y 3.6. Najdete parcialn derivace 1. a 2. radu funkc: a) z = x 4 + y 4 4x 2 y 2 b) z = c) z = d) z = f) z =

x y+x y x y2 x x 2 +y 2
g) z = x (x+y) h) z = ln
x 2 +y 2 x x 2 +y 2 +x
i) z = ln(x + y 2 ) j) z = ln x 2 + y 2 k) z = arcsin
x
e) z = x sin(x + y)
cos x 2 y
Parcialn derivace
x 2 +y 2
l) z = (1 + x 2 ) y
Moudrost nen produktem vzdelan, ale celozivotnm usilm. (A. Einstein)
Kapitola 4
Diferencial funkce
Diferencialem funkce f jedne promenne v bode x0 rozumme prrustek funkce na tecne vedene ke grafu funkce v bode [x0 , f (x0 )]. V tomto prpade existence diferencialu neboli diferencovatelnost funkce je ekvivalentn existenci derivace v bode x0 . Pripomenme, ze f : R R je diferencovatelna v bode x0 , jestlize existuje realne cslo A takove, ze lim f (x0 + h) f (x0 ) Ah = 0. h
Diferencial funkce
h0
U funkce n promennych (n 2) je totaln diferencial denovan analogicky: je to prrustek funkce na tecne nadrovine vedene ke grafu funkce bodem x0 Rn . Presnou denici pojmu tecna nadrovina uvedeme pozdeji; v podstate je to nadrovina (tj. ann podprostor dimenze n 1), ktera ma s grafem funkce lokalne (tj. v okol bodu, kde tecnou nadrovinu sestrojujeme) spolecny prave jeden bod.
Se zavedenm techto pojmu okamzite vznikaj tyto otazky: Kdy v danem bode existuje tecna nadrovina ke grafu funkce neboli kdy je funkce diferencovatelna? Stac k tomu pouha existence parcialnch derivac jako u funkce jedne promenne? Odpovedi na tyto a dals podobne otazky jsou obsahem teto kapitoly.
4.1. Diferencovatelna funkce, diferencial

Nejdrve denujme pojem diferencovatelnosti a diferencialu pro funkce dvou promennych. Denice 4.1. Rekneme, ze funkce f : R2 R denovana v okol bodu [x0 , y0 ] je v tomto bode diferencovatelna, jestlize existuj realna csla A, B takova, ze plat
(h,k)(0,0)
Diferencial funkce
lim
f (x0 + h, y0 + k) f (x0 , y0 ) ( Ah + Bk) = 0. h2 + k2
(4.1)
Linearn funkce Ah + Bk promennych h, k se nazyva diferencial funkce v bode [x0 , y0 ] a znac se d f (x0 , y0 )(h, k), prp. d f (x0 , y0 ).
Zpet
Poznamka 4.1. i) Ekvivalentn zapis denice diferencovatelnosti funkce dvou promennych je tento: existuj A, B R a funkce : R2 R tak, ze plat f (x0 + h, y0 + k) f (x0 , y0 ) = Ah + Bk + (h, k) (4.2)
kde (h, k) = 0. (h,k)(0,0) h2 + k2 lim (4.3)
ii) Jmenovatel limity ve vyrazu (4.1) je velikost vektoru (h, k) v euklidovske metrice. V odstavci jsme zduraznili ekvivalentnost metrik 1 , 2 a . Proto 2.1 nahradme-li vyraz h 2 + k 2 vyrazem |h| + |k| (velikost (h, k) v metrice 1 ) nebo vyrazem max{|h|, |k|} (velikost (h, k) v metrice ), dostaneme denici ekvivalentn s Denic 4.1. V predchoz kapitole jsme ukazali, ze pro funkce dvou a vce promennych z existence parcialnch derivac ani smerovych derivac neplyne spojitost. Nasle dujc dve vety ukazuj, ze diferencovatelnost funkce je tou spravnou vlastnost, ktera implikuje spojitost a nektera dals vlastnosti funkce. Veta 4.1. Je-li funkce f diferencovatelna v bode [x0 , y0 ], pak je v tomto bode spojita. Dukaz. Z diferencovatelnosti funkce f v bode [x0 , y0 ] plyne
(h,k)(0,0)
Diferencial funkce
lim
[ f (x0 + h, y0 + k) f (x0 , y0 )] =
(h,k)(0,0)
lim
[Ah + Bk + (h, k)] = 0,

nebotpodle Poznamky 4.1.i) je lim(h,k)(0,0) (h, k) = 0. Odtud

(h,k)(0,0)
lim
f (x0 + h, y0 + k) = f (x0 , y0 ),
je tedy funkce f spojita v bode [x0 , y0 ].
Poznamka 4.2. Opak teto vety neplat. Je-li funkce spojita, nemus byt diferen 2 + y 2 v bode [0, 0]. covatelna, napr. f (x, y) = x Veta 4.2. Je-li funkce f diferencovatelna v bode [x0 , y0 ], pak ma v tomto bode parcialn derivace a plat A = f x (x0 , y0 ), B = f y (x0 , y0 ), tj. d f (x0 , y0 ) = f x (x0 , y0 )h + f y (x0 , y0 )k. Dukaz. Polozme v (4.1) k = 0. Pak limh0 lim
f (x 0 +h,y0 ) f (x 0 ,y0 )Ah |h|
(4.4) = 0, a proto Diferencial funkce
h0
f (x0 + h, y0 ) f (x0 , y0 ) Ah f (x0 + h, y0 ) f (x0 , y0 ) = lim A= h0 h h = f x (x0 , y0 ) A = 0,
tj. A = f x (x0 , y0 ). Stejnym obratem dokazeme rovnost f y (x0 , y0 ) = B.
Poznamka 4.3. i) Prrustky h, k nezavisle promennych x, y v denici diferencialu se casto znac dx, dy (predevsm ve stars literature a v literature s fyzikalnm zamerenm). ii) Je-li funkce f diferencovatelna v kazdem bode mnoziny M, ma v kaz dem bode teto mnoziny diferencial, ktery je funkc ctyr promennych: x, y, h, k. Oznacme-li dx = x x0 = h, dy = y y0 = k, dostavame, ze diferencial funkce f je d f (x, y) = f x (x, y)dx + f y (x, y)dy.
iii) Diferencial se pouzva k pribliznemu vypoctu funkcnch hodnot. Zanedba me-li funkci , z (4.2) plyne . f (x, y) = f (x0 , y0 ) + d f (x0 , y0 ). (4.5)
Geometricky vyznam totalnho diferencialu. Rovina v R3 o rovnici z = Ax + B y + C se nazyva tecnou rovinou ke grafu funkce z = f (x, y) v bode T = [x0 , y0 , f (x0 , y0 )], plat-li
(x,y)(x 0,y0 )
lim
f (x, y) Ax B y C (x x0 )2 + (y y0 )2
= 0.
Diferencial funkce
Ma-li tato rovina prochazet bodem T , mus tento bod vyhovovat rovnici roviny, tj. f (x0 , y0 ) = Ax0 + B y0 + C, odkud z = A(x x0 ) + B(y y0 ) + f (x0 , y0 ). Tato rovina je tecnou rovinou, jestlize existuje diferencial funkce v bode [x0 , y0 ], tj. podle Vety 4.2 je A = f x (x0 , y0 ), B = f y (x0 , y0 ). Rovnice tecne roviny ma tvar z = f (x0 , y0 ) + f x (x0 , y0 )(x x0 ) + f y (x0 , y0 )(y y0 ). (4.6)
Odtud je videt, ze diferencial funkce v danem bode je prrustek funkce na tecne rovine. Funkce (h, k) z Poznamky 4.1 urcuje rozdl mezi skutecnym prrustkem a prrustkem na tecne rovine. Rovnice tecne roviny je nejleps linearn aproximac funkce f (x, y) v okol bodu [x0 , y0 ]. Prklad 4.1. Z denice diferencialu urcete d f a funkci pro f (x, y) = x 2 + y 2 v obecnem bode [x, y].
Resen. Plat f (x + h, y + k) f (x, y) = (x + h)2 + (y + k)2 x 2 y 2 = 2xh + 2yk + h 2 + k 2 . Je tedy d f (x, y)(h, k) = 2xh + 2yk a (h, k) = h 2 + k 2 . Prklad 4.2. i) Pomoc totalnho diferencialu priblizne vypoctete a) 1, 042,02 b) (2, 98)2 + (4, 05)2 . Diferencial funkce
Resen. a) K vypoctu pouzijeme diferencial funkce f (x, y) = x y v bode [1, 2] s diferencemi dx = 0, 04, dy = 0, 02. Plat d f (x, y) = yx y1 dx + x y ln xdy, tj. d f (1, 2) = 2 dx + 0 dy = 2 dx a tedy podle (4.5) . 1, 042,02 = f (1, 04; 2, 02) = f (1, 2) + d f (1, 2) = 1, 08. b) K vypoctu pouzijeme diferencial funkce f (x, y) = s diferencemi dx = 0, 02, dy = 0, 05. Plat d f (x, y) = a dosazenm do (4.5) dostavame x dx x 2 + y2 + y dy x 2 + y2 x 2 + y 2 v bode [3, 4]
Zpet Zavrt Konec
1 . (2, 98)2 + (4, 05)2 = 5 + (3 0, 02 + 4 0, 05) = 5, 028 . 5
Strana 79 z 424
ii) Napiste rovnici tecne roviny grafu funkce z = x 2 + y 2 v bode [1, 1, ?]. Resen. Dosazenm do funkcnho predpisu najdeme z-ovou souradnici dotykoveho 2 2 bodu z = 1 + 1 = 2. Nyn prmym dosazenm do vzorce pro tecnou rovinu dostavame jej rovnici z = 2 + 2(x 1) + 2(y 1), tj. 2x + 2y z 2 = 0. Jak jiz vme, ze samotne existence parcialnch derivac funkce v bode [x0 , y0 ] neplyne diferencovatelnost (viz prklad 3.2). Jsou-li vsak tyto derivace v tomto bode spojite, je diferencovatelnost zarucena, jak ukazuje nasledujc veta. Veta 4.3. Ma-li funkce f v bode [x0 , y0 ] spojite parcialn derivace 1. radu, pak ma v tomto bode take diferencial. Dukaz. Ze spojitosti parcialnch derivac f x , f y v bode [x0 , y0 ] plyne jejich exis tence v jistem okol tohoto bodu. Podle Vety 3.5 plat f (x0 + h, y0 + k) f (x0 , y0 ) f x (x0 , y0 )h f y (x0 , y0 )k lim = (h,k)(0,0) h2 + k2 f x (x0 +1 h, y0 +k)h + f y (x0 , y0 +2 k)k f x (x0 , y0 )h f y (x0 , y0 )k = lim = (h,k)(0,0) h2 + k2 h = lim [ f x (x0 + 1 h, y0 + k) f x (x0 , y0 )] + 2 + k2 (h,k)(0,0) h k + lim f y (x0 , y0 + 2 k) f y (x0 , y0 ) = 0, (h,k)(0,0) h2 + k2
Diferencial funkce
nebotze spojitosti parcialnch derivac plyne, ze limity vyrazu v hranatych zavor kach jsou nulove, a plat h h2 + k2 1, k h2 + k2 1,
tj. podle Vety 2.2 je vysledna limita nulova. Dokazali jsme platnost (4.1). Prklady funkc, ktere jsou, resp. nejsou diferencovatelne v danem bode viz prklady 13.4, 13.5, 13.9. Obecne, funkce n promennych f : Rn R je diferencovatelna v bode x R , jestlize existuje a = (a1 , . . . , an ) Vn takove, ze pro h = (h 1 , . . . , h n ) Vn plat f (x + h) f (x ) a, h lim = 0, h0 ||h||
n
Diferencial funkce
kde ||h|| = h 2 + + h 2 a a, h = n ai h i je obvykly skalarn soucin v Rn . n 1 i=1 Diferencialem funkce f v bode x pak rozumme linearn funkci denovanou predpisem h a, h , tj. d f (x )(h) = a, h . Stejne jako ve Vetach 4.1 a 4.2, z existence diferencialu v bode x plyne spojitost funkce a existence parcialnch derivac v tomto bode a pro vektor techto parcialnch derivac f (x ) plat f (x ) = a, tj. xfi (x ) = ai , i = 1, . . . , n. Na zaver tohoto odstavce ukazme, ze z diferencovatelnosti funkce plyne krome spojitosti a existence parcialnch derivac take existence smerove derivace
d f (x )
ve smeru libovolneho vektoru. Ukazeme take, jak lze pomoc diferencialu tyto smerove derivace spoctat. Veta 4.4. Predpokladejme, ze funkce f : Rn R je diferencovatelna v bode x Rn a nechtu Vn . Pak existuje smerova derivace f u (x ) a plat
n
f u (x ) = f (x ), u =
k=1
f (x )u k . xk Diferencial funkce
Dukaz. Necht f je diferencovatelna v bode x . Z denice smerove derivace dostavame f u (x ) = lim f (x + tu) f (x ) d f (x )(tu) + (tu) = lim = t 0 t 0 t t (tu) = d f (x )(u) + ||u|| lim = d f (x )(u) = f (x ), u , t 0 ||tu||
(t u) ||t u||
nebotlimt 0
= 0.
Ve fyzikaln terminologii se vektor f (x ) nazyva gradient funkce f v bode x a znac se grad f (x ). Z linearn algebry vme, ze skalarn soucin grad f (x ), u nabyva pro vektory u dane konstantn delky nejvets hodnotu, jestlize jsou vektory grad f (x ) a u linearne zavisle. Protoze smerova derivace f u (x ) udava rychlost zmeny funkce f ve smeru vektoru u, je grad f (x ) smer, v nemz funkce f v bode x nejrychleji roste. Podobne, grad f (x ) je smer, v nemz funkce nejrychleji klesa.
Poznamka 4.4. Diferencial denovany v Denici 4.1 se nazyva take totaln nebo take Frechetuv a lze jej denovat i pro zobrazen mezi linearnmi normovanymi prostory, coz jsou vetsinou nekonecne dimenzionaln prostory. Krome toho exis tuj jine, obecnejs diferencialy, pouzvane casto v diferencialnm poctu v normo vanych linearnch prostorech, napr. slaby (G teauxuv) diferencial. Podrobnejs a informace o teto problematice lze nalezt ve skriptu [N2 ].
4.2. Diferencialy vyssch radu

V tomto odstavci zavedeme diferencialy vyssch radu pro funkce vce promennych. Pripomenme, ze diferencial m-teho radu funkce jedne promenne v bode x R je mocninna funkce m-teho stupne prrustku h d m f (x)(h) = f (m) (x)h m . Prrustek h se casto oznacuje take dx, tj. d m f (x) = f (m) (x)(dx)m , pricemz exis tence diferencialu m-teho radu je ekvivalentn existenci derivace f (m) (x). Pojem diferencialu m-teho radu funkce n promenny bychom mohli denovat ch pomoc jiste limity jako v Denici 4.1 pro diferencial prvnho adu a pak ukazat, ze r z existence m-teho diferencialu plyne existence parcialnch derivac m-teho radu, ktere jsou rovny jistym konstantam vystupujcm v limitnm vztahu denujcm m-ty diferencial (srovnej s Vetou 4.1 pro m = 1). Podrobne je tento postup uveden ve skriptu [N2 ]. Zde pro jednoduchost uvedeme pouze konecny vysledek, ktery nejprve zformulujeme pro funkci dvou promennych. Diferencial funkce
Denice 4.2. Necht funkce f : R2 R ma v bode [x0 , y0 ] spojite parcialn derivace az do radu m vcetne. Diferencialem m-teho radu funkce f v bode [x0 , y0 ] rozumme homogenn funkci m-teho stupne
m
d f (x0 , y0 )(h, k) =
m j =0
m m f (x0 , y0 )h j k m j . j x j y m j
Poznamka 4.5. Pro prpad m = 1 je vzorec pro d m f samozrejme totozny se vztahem (4.4). Pro m = 2, 3 dostavame diferencialy 2. a 3. radu d 2 f (x0 , y0 ) = f x x (x0 , y0 )h 2 + 2 f x y (x0 , y0 )hk + f yy (x0 , y0 )k 2 d 3 f (x0 , y0 ) = = f x x x (x0 , y0 )h + 3 f x x y (x0 , y0 )h k + 3 f x yy (x0 , y0 )hk + f yyy (x0 , y0 )k .
3 2 2 3
Diferencial funkce
Pro prpad n promennych je diferencial m-teho radu homogenn funkce n promennych h = (h 1 , . . . , h n ) d m f (x )(h) =
j1 ++ jn =m
m! m f j j (x )h 11 . . . h nn . j1 jn j1 ! . . . jn ! x1 . . . xn
Tento vztah se casto zapisuje pomoc formalnho umocnen takto: d m f (x ) = h1 + + hn x1 xn

m
f (x ),
pricemz po normalnm umocnen nahradme souciny f (x ) x1 cleny j1 f x1

j1
...
f (x ) xn jn f x nn
j
jn
(x ) . . . j1
(x ).
Napr. diferencial 2. radu funkce dvou promennych lze pomoc formalnho umoc nen zapsat takto: d 2 f (x0 , y0 ) = h+ k x y
2
Diferencial funkce
f (x0 , y0 ).
Rejstrk
4.3. Kmenova funkce

V tomto odstavci esme nasledujc ulohu: Je dana dvojice funkc dvou promenr nych P(x, y), Q(x, y) a mame rozhodnout, zda existuje funkce H (x, y) takova, ze Hx = P, Hy = Q. V kladnem prpade mame tuto funkci urcit. Funkce H se nazyva kmenova funkce funkc P, Q. Odpoved na otazku exis tence kmenove funkce dava nasledujc veta.
Obsah Verze k tisku
Veta 4.5. NechtP, Q jsou spojite funkce promennych x, y denovane na otevrene 1 2 jednoduse souvisle mnozine R , ktere maj na teto mnozine spojite parcialn derivace Py , Q x . Pak vyraz P(x, y)dx +Q(x, y)dy je diferencialem nejake funkce, prave kdyz plat Py (x, y) = Q x (x, y) pro kazde [x, y] . (4.7)
Dukaz. : Nechtplat (4.7) a [x0 , y0 ] H (x, y) = Pak Hx (x, y) = P(x, y) a Hy (x, y) = Q(x0 , y) +
x x0 x x0
je libovolne. Polozme
y y0
P(t, y) dt +
Q(x0 , t) dt.
Diferencial funkce
Py (t, y) dt = Q(x0 , y) +
x x0
Q x (t, y) dt =
= Q(x0 , y) + Q(t, y)|tt =x0 = Q(x, y). =x : Je-li vyraz P dx + Q dy diferencialem nejake kmenove funkce H , pak P = Hx , Q = Hy . Ze spojitosti parcialnch derivac Py , Q x plyne spojitost smsenych derivac Hx y a Hyx , ktere jsou si rovny (Schwarzova veta 3.2) a rovnost Hx y = Hyx je ekvivalentn rovnosti (4.7).
se nazyva jednoduse souvisla, jestlize libovolnou uzavrenou krivku lezc v spojite deformovat v do bodu.
1 Oblast
Zpet Zavrt
lze Konec Strana 86 z 424
Prklad 4.3. Rozhodnete, zda vyraz (x 2 y 2 )dx + (5 2x y)dy je diferencialem nejake funkce; v prpade, ze ano, urcete tuto (kmenovou) funkci. Resen. Nejprve overme, zda je uvedeny vyraz opravdu diferencialem. Plat (5 2x y) = 2y, x 2 (x y 2 ) = 2y, y
tj. podle Vety 4.5 je zadany vyraz diferencialem jiste kmenove funkce H . Dale plat x3 H (x, y) = (x 2 y 2 )dx = y 2 x + (y), 3 kde (y) hraje roli integracn konstanty, nebot jej derivace podle x je nulova. Derivovanm podle y a dosazenm do vztahu Hy = Q dostavame Hy = 2x y + (y) = 5 2x y, odkud (y) = 5, tj. (y) = 5y + c. Vypoctali jsme, ze zadany vyraz je diferen cialem funkce x3 H (x, y) = y 2 x + 5y + c, c R. 3 Poznamka 4.6. Pojem kmenove funkce take uzce souvis s tzv. exaktn diferenci aln rovnic. Uvazujme diferencialn rovnici (tj. rovnici, kde neznamou je funkce y = y(x), ktera v rovnici vystupuje spolu se svy derivacemi) mi y = a(x, y) . b(x, y) (4.8)
Diferencial funkce
Dosadme-li y =
dy dx
a vynasobme-li jmenovateli zlomku, dostavame rovnici a(x, y)dx b(x, y)dy = 0.
Tato rovnice se nazyva exaktn, je-li a y (x, y) = bx (x, y), tj. prave kdyz je vyraz na leve strane rovnice diferencialem. Je-li H prslusna kmenova funkce, je esen r y = f (x) rovnice (4.8) zadano rovnost H (x, y) = c, kde c R (rkame, ze funkce y = f (x) je zadana implicitne, viz Kapitola 8). Zcela analogicky problem muzeme resit pro funkce n promennych. Podobne jako v dukazu Vety 4.5 lze ukazat, ze v prpade n-tice funkc P1 , . . . , Pn : Rn R se spojitymi parcialnmi derivacemi prvnho radu je vyraz P1 (x)dx1 + + Pn (x)dxn diferencialem jiste kmenove funkce n promennych v bode x = [x1 , . . . , xn ], prave kdyz P j (x) = Pi (x), xi x j i, j = 1, . . . , n, i = j. Diferencial funkce
Prakticky postup pri urcovan kmenove funkce v prpade tr promennych je ilu strovan v nasledujcm prkladu. Prklad 4.4. Rozhodnete, zda je vyraz (y + z)dx + (x + z)dy + (x + y)dz diferencialem jiste funkce H (x, y, z). Pokud ano, tuto funkci urcete. Resen. Nejprve overme, zda je dany vyraz opravdu diferencialem: (y + z) = 1 = (x + z), (x + y) = 1 = (y + z), y x x z
(x + z) = 1 = (x + y). z y Kmenovou funkci urcme takto: H (x, y, z) = (y + z) dx = yx + zx + C(y, z),
kde funkce C(y, z) opet hraje roli integracn konstanty. Derivovanm podle y a z a porovnanm s funkcemi u dy, dz dostavame H (x, y, z) = x + C y (y, z) = x + z, tj. C y (y, z) = z y H (x, y, z) = x + C z (y, z) = x + y, tj. C z (y, z) = y. z Tm jsme dostali stejny problem jako v Prkladu 4.3, kdy je treba urcit funkci C(z, y), jestlize zname obe jej parcialn derivace. Stejny postupem jako v Pr m kladu 4.3 snadno zjistme, ze C(y, z) = yz + c, c R. Zadany vyraz je diferen cialem funkce H (x, y, z) = x y + yz + x z + c, c R. Poznamka 4.7. Skutecnost, zda je vyraz P(x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz
Zpet
Diferencial funkce
(4.9)
diferencialem jiste funkce, hraje fundamentaln roli v teorii krivkovych in tegralu a v jejich fyzikalnch aplikacch. Funkce P, Q, R muzeme chapat jako souradnice nejakeho siloveho pole v prostoru vektor F(x, y, z) =
(P(x, y, z), Q(x, y, z), R(x, y, z)) udava smer a velikost sly pusobc v bode [x, y, z]. Toto pole se nazyva konzervativn nebo take potencialove, jestlize se pri pohybu v tomto poli po libovolne uzavrene krivce nevykona zadna prace (tuto vlastnost ma naprklad pole gravitacn). Lze ukazat, ze pole F je konzervativn, prave kdyz je vyraz (4.9) diferencialem jiste funkce H . Tato funkce se ve fyzikaln terminologii nazyva potencial siloveho pole.
Cvicen. 4.1. Urcete diferencial funkce v danem bode, popr. v obecnem bode tam, kde nen konkretn bod specikovan: a) z = x y + x , [x0 , y0 ] = [1, 1] y y b) z = arctg x , [x0 , y0 ] = [1, 1] x+y c) z = arctg 1x y , [x0 , y0 ] = [ 3, 1] d) u = x , [x0 , y0 , z 0 ] = [2, 1, 1]
y z
Diferencial funkce
e) z = x 2 + y 2 , [x0 , y0 ] = [3, 4] f) z = arcsin x 2 , [x0 , y0 ] = [1, 3] 2 g) u = h) u =

z , x 2 +y 2 x y
1 z
[x0 , y0 , z 0 ] = [1, 0, 1]
x +y
4.2. Pomoc diferencialu vypoctete priblizne: a) arctg 1,02 0,95 b) arcsin

0,48 1,05 3
c)
(1, 02)3 + (1, 97)3
e) (1,03) 3 f) e0,05
0,98(1,05)4
3 0,02
d) ln(0, 972 + 0, 052 )
g) O kolik cm se zmen priblizne objem kuzele s polomerem podstavy r = 10cm a vyskou h=10cm zvetsme-li polomer podstavy o 5mm a vysku o 5mm zmensme.
h) O kolik priblizne musme zmenit vysku komoleho jehlanu se ctvercovou za kladnou s delkami hran a = 2m, b =1m a vyskou v =1m, jestlize a zvetsme o 7cm a b zmensme o 7cm chceme-li, aby objem zustal nezmenen. 4.3. Rozhodnete, zda funkce f je diferencovatelna v bode [0, 0]: x y , [x, y] = [0, 0] x 2 +y 2 a) f (x, y) = |x y| b) f (x, y) = 0 [x, y] = [0, 0] 1 [x, y] = [0, 0]. 4.4. Urcete rovnici tecne roviny ke grafu funkce v danem bode: 1 1 1 a) f (x, y) = 1 x 2 y 2 , [x0 , y0 , z 0 ] = [ 3 , 3 , 3 ] b) f (x, y) = x 2 + x y + 2y 2 , [x0 , y0 , z 0 ] = [1, 1, 4] y c) f (x, y) = arctg x , [x0 , y0 , z 0 ] = [1, 1, ?] 2 2 d) f (x, y) = ex +y , [x0 , y0 , z 0 ] = [0, 0, ?]. 4.5. Na grafu funkce f najdete bod, v nemz je tecna rovina (nadrovina) rovnobezna s danou rovinou (nadrovinou): a) f (x, y) = x 3 + y 3 , 12x + 3y z = 0 b) f (x, y) = 1 x 2 y 2 , ax + by z = 0 c) f (x, y) = x 2 y 2 , x + y + z = 0 d) f (x, y) = x y , x z = 0 e) f (x, y, z) = x z 2 + y 2 , x + y z u = 0 f) f (x) =
2 2 x1 + + xn , a1 x1 + + an xn + xn+1 = 0.
c) f (x, y) =
sin(x 2 +y 2 ) , x 2 +y 2
[x, y] = [0, 0] Diferencial funkce
4.6. Pomoc diferencialu vypoctete smerove derivace funkce f ve smeru vektoru u v danem bode:
a) f (x, y) = x y, u = (1, 2), [x0 , y0 ] = [1, 1] b) f (x, y, z) = x 2 + y 2 + z 2 , u = (1, 0, 1), [x0 , y0 , z 0 ] = [0, 1, 0]. 4.7. Vypoctete diferencialy vyssch radu zadanych funkc (v obecnem bode): a) z = x ln(x y), d 2 z =? b) z = x 3 + y 3 3x y(x y), d 2 z =? c) z = (x 2 + y 2 )ex+y , d n z =? d) z = ln(x + y), d n z =? e) z = x+y , d n z =? xy f) u = x yzex+y+z , d n u =?.
4.8. Zjistete, zda dane vyrazy jsou totalnmi diferencialy nejake funkce, a pokud ano, najdete je: a) (x + ln y) dx + ( x + sin y) dy y b) x sin 2y dx + x 2 cos 2y dy
d c) xx+y d2y 2
Diferencial funkce
d) (y 1) dx + (2x y + 3y) dy
x +y 2
4.9. Zjistete, zda dane vyrazy jsou totalnmi diferencialy nejake funkce, a pokud ano, najdete je: a) (3x 2 3x yz + 2)dx + (3y 2 3x z + ln y + 1)dy + (3z 2 3x y + 1)dz yz x x b) 1+x 2dyx z 2 + 1+xz2d y z 2 + 1+xy2d z z 2 2 y2 y2 Nikdy nepovazujte sve studium za povinnost, ale za zavidenhodnou prlezitost naucit se poznavat osvobozujc ucinky krasy ve sfere ducha, abyste z toho vy zskali osobn potesen, a spolecenstv, k nemuz budete pozdeji patrit, vyhody. (A. Einstein)
Kapitola 5
Derivace slozene funkce, Tayloruv vzorec

Stejne jako u funkce jedne promenne potrebujeme u funkc vce promennych urcit parcialn derivace slozene funkce. To je obsahem prvnho odstavce, kde take ukazeme pouzit odvozenych vzorcu. Druhy odstavec teto kapitoly je venovan Taylorovu vzorci pro funkci vce promennych. Podrobnejs srovnan s funkc jedne promenne provedeme v kazdem odstavci zvlast.
5.1. Parcialn derivace slozeny funkc ch

Vzorce pro parcialn derivace slozenych funkc jsou jednm z nejdulezitejsch nastroju resen rovnic matematicke fyziky. Tyto rovnice jsou tzv. parcialn di ferencialn rovnice to jsou rovnice, ktere obsahuj parcialn derivace nezname
funkce a jejichz resen jsou funkce dvou ci vce promennych. Odvozene vzorce jiz umme umoznuj transformovat tyto rovnice na jednoduss tvar, z nehoz bud najt resen nebo alespon muzeme vyvodit radu dulezitych vlastnost resen rov nice. Na uvod pripomenme, jak se derivuje slozena funkce jedne promenne. Necht funkce u = g(x) ma derivaci v bode x0 . Oznacme u 0 = g(x0 ). Ma-li funkce y = f (u) derivaci v bode u 0 , pak slozena funkce y = F(x) = f (g(x)) ma derivaci v bode x0 a plat: y (x0 ) = f (u 0 )g (x0 ). Nyn odvodme podobne vztahy pro parcialn derivace slozene funkce dvou promennych. Bude nas predevsm zajmat prpad, kdy vnejs funkce f nen expli citne zadana (obvykle je to hledane resen parcialn diferencialn rovnice). Veta 5.1. Nechtfunkce u = u(x, y), v = v(x, y) maj parcialn derivace prvnho radu v bode [x0 , y0 ], oznacme u 0 = u(x0 , y0 ), v0 = v(x0 , y0 ). Je-li funkce z = f (u, v) diferencovatelna v bode [u 0 , v0 ], pak slozena funkce z = F(x, y) = f (u(x, y), v(x, y)) ma parcialn derivace 1. radu v bode [x0 , y0 ] a plat: F f u f v (x0 , y0 ) = (u 0 , v0 ) (x0 , y0 ) + (u 0 , v0 ) (x0 , y0 ) x u x v x (5.1) F f u f v (x0 , y0 ) = (u 0 , v0 ) (x0 , y0 ) + (u 0 , v0 ) (x0 , y0 ). y u y v y Zkracene pseme z x = z u u x + z v vx , nebo take z z u z v = + , x u x v x z z u z v = + . y u y v y z y = zu u y + zv vy (5.2)
Zpet Zavrt Konec
(5.3)
Strana 94 z 424
Dukaz. Dokazeme pouze prvn vzorec v (5.1), druhy se dokaze zcela analogicky. Vyjdeme prmo z denice parcialn derivace. F F(x0 + t, y0 ) F(x0 , y0 ) (x0 , y0 ) = lim = t 0 x t f (u(x0 + t, y0 ), v(x0 + t, y0 )) f (u(x0 , y0 ), v(x0 , y0 )) = lim . t 0 t
(5.4)
Oznacme-li u(t) = u(x0 + t, y0 ), v(t) = v(x0 + t, y0 ), z diferencovatelnosti funkce f plyne existence funkce splnujc (4.3) takove, ze f (u(t), v(t)) f (u 0 , v0 ) = = f u (u 0 , v0 )(u(t) u 0 ) + f v (u 0 , v0 )(v(t) v0 ) + (u(t) u 0 , v(t) v0 ). Dosazenm tohoto vztahu do (5.4) dostavame F 1 (x0 , y0 ) = lim [ f u (u 0 , v0 )(u(t) u 0 ) + f v (u 0 , v0 )(v(t) v0 )+ t 0 t x u(x0 + t, y0 ) u(x0 , y0 ) + (u(t) u 0 , v(t) v0 )] = f u (u 0 , v0 ) lim + t 0 t v(x0 + t, y0 ) v(x0 , y0 ) (u(t) u 0 , v(t) v0 ) + f v (u 0 , v0 ) lim + lim = t 0 t 0 t t (u(t) u 0 , v(t) v0 ) = f u (u 0 , v0 )u x (x0 , y0 ) + f v (u 0 , v0 )vx (x0 , y0 ) + lim . t 0 t
K dokoncen dukazu nyn stac ukazat, ze posledn limita je nulova:

t 0
lim
(u(t) u 0 , v(t) v0 ) = lim t 0 t u(t) u 0 t

2
(u(t) u 0 , v(t) v0 ) (u(t) u 0 )2 + (v(t) v0 )2
v(t) v0 t
= (u(t) u 0 , v(t) v0 ) (u(t) u 0 )2 + (v(t) v0 )2 = 0. Derivace slozene funkce, Tayloruv vzorec
2 u 2 (x0 , y0 ) + vx (x0 , y0 ) lim x
t 0
V poslednm vypoctu jsme vyuzili faktu, ze limt 0 u(t) = u 0 , limt 0 v(t) = v0 , nebotfunkce u(t) = u(x0 + t, y0 ), v(t) = v(x0 + t, y0 ) jsou spojite v bode t = 0 to plyne z existenc parcialnch derivac funkc u, v v bode t = 0 a pro funkci jedne promenne plyne z existence derivace spojitost. Prklad 5.1. i) Je dana funkce z = eu sin v, kde u = x y a v = x + y. Vypoctete zx a z y. Resen. Protoze vnitrn i vnejs slozky maj spojite parcialn derivace v celem R2 , ma slozena funkce parcialn derivace v kazdem bode tohoto prostoru. Dosazenm do (5.2) dostavame z x = z u u x + z v vx = (eu sin v)y + (eu cos v), z y = z u u y + z v v y = (eu sin v)x + (eu cos v). Zbyva dosadit za u a v, u = x y a v = x + y a dostaneme z x = ex y (y sin(x + y) + cos(x + y)), z y = ex y (x sin(x + y) + cos(x + y)).
ii) Pomoc transformace do novy nezavisle promennych u = x + y, v = ch 2 x y najdete vsechny diferencovatelne funkce f : R R splnujc rovnost f x (x, y) + f y (x, y) = 0. (5.5)
Resen. Oznacme z = f (x, y). Pak z x = z u u x + z v vx = z u + z v , z y = z u u y + z v v y = z u z v . Dosazenm dostavame z u + z v + z u z v = 2z u = 0, tedy z u = 0. To znamena, ze funkce z = z(u, v) nezavis na promenne u a tedy z(u, v) = g(v), kde g je libovolna diferencovatelna funkce jedne promenne. Dosazenm za v vidme, ze vsechny diferencovatelne funkce dvou promennych, ktere splnuj (5.5) jsou tvaru f (x, y) = g(x y), kde g je libovolna diferencovatelna funkce jedne promenne. iii) Provedte totez jako v predchozm prklade zavedenm polarnch souradnic y = arctg x , r = x 2 + y 2 do rovnice y f x (x, y) x f y (x, y) = 0. Resen. Vypocteme nejprve parcialn derivace funkc r a . rx = x x 2 + y2 y x = 2 , x + y2 , ry = , x 2 + y2 x y = 2 . x + y2 y (5.6)
Oznacme-li opet z = f (x, y) a dosadme-li do vzorecku pro derivace slozene funkce prvnho radu, dostavame x y z x =zr z 2 , 2 + y2 x + y2 x y x z y =zr + z 2 , 2 + y2 x + y2 x coz po dosazen do (5.6) a uprave dava rovnici z = 0, a tedy z(r, ) = h(r). Vsechny funkce dvou promennych splnujc rovnici (5.6) jsou tedy tvaru 2 + y 2 ), kde h je libovolna diferencovatelna funkce jedne prof (x, y) = h( x menne. Na predchozch prkladech vidme, ze zavedenm novych nezavisle promen nych muzeme dosahnou znacneho zjednodusen dane parcialn diferencialn rov nice, coz se velmi casto vyuzva predevsm pri resen diferencialnch rovnic po pisujcch ruzne fyzikaln deje. Protoze tyto rovnice jsou vetsinou druheho radu (obsahuj parcialn derivace druheho radu nezname funkce), zvlaste dulezite jsou vzorce pro parcialn derivace 2. radu slozenych funkc. Drve nez si tyto vzorce pro parcialn derivace 2. radu uvedeme, pripomenme opet pro srovnan vzorec pro derivace 2. radu slozene funkce jedne promenne. Derivovanm rovnosti y = f (u(x))g (x) dostavame y = ( f (u)g (x)) = f (u)g 2 (x) + f (u)g (x). Veta 5.2. Nechtfunkce u = u(x, y), v = v(x, y) maj parcialn derivace 2. radu v bode [x0 , y0 ], oznacme u 0 = u(x0 , y0 ), v0 = v(x0 , y0 ). Ma-li funkce z =
f (u, v) spojite parcialn derivace 2. radu v bode [u 0 , v0 ], pak slozena funkce z = F(x, y) = f (u(x, y), v(x, y)) ma parcialn derivace 2. radu v bode [x0 , y0 ] a plat:
2 z x x =z uu u 2 + 2z uv u x vx + z vv vx + z u u x x + z v vx x x
z x y =z uu u x u y + z uv v y u x + z vu u y vx + z vv v y vx + z u u x y + z v vx y z yy =z uu u 2 y + 2z uv u y v y + z vv v 2 y + z u u yy + z v v yy .
(5.7)
Funkce z a jej parcialn derivace maj argument (u 0 , v0 ), funkce u, v a jejich parcialn derivace maj argument (x0 , y0 ). Dukaz. Dokazeme pouze rovnost pro z x x , dukaz zbyvajcch dvou vzorcu je zcela analogicky. Plat zx x = (z x ) = (z u u x + z v vx ) = (z u u x ) + (z v vx ) = x x x x = (z u )u x + z u u x x + (z v )vx + z v vx x = x x =(z uu u x + z uv vx )u x + z u u x x + (z vu u x + z vv vx )vx +
2 +z v vx x = z uu u 2 + z uv vx u x + z vv vx + z vu u x vx + z u u x x + z v vx x = x 2 =z uu u 2 + 2z uv u x vx + z vv vx + z u u x x + z v vx x . x
K vypoctu x z u a x z v jsme vyuzili skutecnosti, ze z u = z u (u(x, y), v(x, y)) a z v = z v (u(x, y), v(x, y)) jsou opet slozene funkce promennych x, y a proto muzeme k vypoctu jejich derivac vyuzt vztahu (5.1), ve kterych msto z dosadme z u resp. z v .
Poznamka 5.1. K zapamatovan vzorcu (5.7) muzeme pouzt formaln umoc nen, o kterem jsme se jiz zmnili u vypoctu diferencialu vyssch adu (Po r znamka 4.5). Naprklad, pro vy et z x x formalne umocnme pravou stranu rov poc 2 2 2 nosti z x = z u u x + z v vx . Dostaneme z u u 2 + 2z u z v u x vx + z v vx a nahradme-li x druhe mocniny resp. soucin prvnch derivac funkce z odpovdajcmi druhymi 2 derivacemi, obdrzme z uu u 2 + 2z uv u x vx + z vv vx , coz jsou prave prvn tri cleny x v (5.7). Prklad 5.2. i) Pomoc transformace do novy nezavisle promennych u = x + ch ay, v = x ay najdete obecne resen tzv. vlnove rovnice a z x x z yy = 0
2
(tato rovnice popisuje napr. chven struny na hudebnm nastroji, z(x, y) udava velikost vychylky struny ve vzdalenosti x od jednoho z bodu upevnen struny v case t = y). Resen. Vyuzitm vzorecku pro parcialn derivace 1. a 2. radu dostavame z x = z u u x + z v vx = z u + z v , z y = z u u y + z v v y = az u az v , z x x = z uu + 2z uv + z vv , z yy = a 2 z uu 2a 2 z uv + a 2 z vv . Dosazenm a upravou obdrzme rovnici z uv = 0, kterou resme takto: Oznacme-li z u (u, v) = w(u, v), pak resenm rovnice wv = 0 je libovolna funkce nezavisejc esen rovnice z u = w(u) je tvaru z(u, v) = w(u) du + na v, tedy w = w(u). R g(v) (podobne jako pri hledan kmenove funkce je integracn konstantou funkce g(v) promenne v, viz odst. 4.3). Oznacme-li f (u) = w(u) du, dostavame resen rovnice ve tvaru z(u, v) = f (u) + g(v) a po dosazen za u a v, z(x, y) = f (x + ay) + g(x ay),
kde f, g jsou libovolne funkce jedne promenne majc derivaci 2. radu. Je-li jeste zadana pocatecn poloha a rychlost chvejc se struny, tj. je dana dvojice funkc , jedne promenne popisujc pocatecn stav struny, pak dvojice pocatecnch podmnek z(x, 0) = (x), z y (x, 0) = (x),
urcuje jednoznacne funkc z(x, y) popisujc chven struny, viz napr. [T-S]. ii) Pomoc transformace nezavisle promennych u = x y, v = vsechny funkce dvou promennych splnujc rovnici x 2 z x x + y 2 z yy 2x yz x y + x z x + yz y = 0. Resen. Podobne jako v predchozm prkladu 1 x z x = z u u x + z v vx = z u y + z v , z y = z u u y + z v v y = z u x z v 2 , y y 1 x 1 z x x = y 2 z uu + 2z uv + z vv 2 , z x y = x yz uu 3 z vv + z u 2 z v , y y y 2 2 x x x z yy = x 2 z uu 2 2 z uv + 4 z vv + 2z v 3 . y y y Dosadme do rovnice a po uprave dostavame z uu (x 2 y 2 + x 2 y 2 2x 2 y 2 ) + z uv (2x 2 2x 2 ) + z vv ( x x x + 4 + 2 4) + y4 y y 2 x x x x x + z u (2x y + x y + x y) + z v ( + 2 ) = 4 2 z vv + z v = 0, y y y y y
2 2 2 x y
najdete Derivace slozene funkce, Tayloruv vzorec
(u) 1 odtud z vv + 2v z v = 0. Resenm teto rovnice je z v (u, v) = fv , kde f je libovolna (diferencovatelna) funkce jedne promenne a odtud z(u, v) = 2 f (u) v + g(u), kde g je libovolna funkce jedne promenne se spojitou druhou derivac, coz po dosazen za u, v dava
z(x, y) = 2 f (x y)
x + g(x y). y
Presvedcete se zkouskou, ze tato funkce je opravdu resenm dane rovnice. iii) Transformujte tzv. Laplaceovu rovnici1 v R2 z x x + z yy = 0 do polarnch souradnic x = r cos , y = r sin , za predpokladu, ze funkce z ma spojite parcialn derivace 2. radu. Resen. Podle (5.2) plat zr = z x xr + z y yr = z x cos + z y sin , z = z x x + z y y = z x r sin + z y r cos . Pro derivace 2. radu dostavame
2 2 zrr = z x x xr + 2z x y xr yr + z yy yr + z x xrr + z y yrr =
= z x x cos2 + z x y sin 2 + z yy sin2 ,

2 2 z = z x x x + 2z x y x y + z yy y + z x z + z y y =
= z x x r 2 sin2 z x y r 2 sin 2 + z yy r 2 cos2 z x r cos z y r sin .

1 Pierre Simon Laplace (17491827), francouzsky matematik, fyzik a astronom
Vynasobme-li vzorec pro zrr vyrazem r 2 a secteme se vzorcem pro z , dostavame r 2 zrr + z = r 2 z x x (cos2 + sin2 ) + r 2 z yy (cos2 + sin2 ) + + z x y (sin 2 sin 2) r[z x cos + z y sin ] = = r 2 (z x x + z yy ) r zr . Laplaceova rovnice v polarnch souradnicch ma tedy tvar r 2 zrr + z + r zr = 0. Poznamka 5.2. Ve vsech resenych prkladech, ktere jsme zde uvedli, byla trans formace do novych promennych dana jiz v zadan. V rovnicch matematicke fyziky se vysetruj rovnice typu a(x, y)z x x + 2b(x, y)z x y + c(x, y)z yy + f (x, y, z, z x , z y ) = 0. Chceme-li najt resen teto rovnice, je treba tuto rovnici vhodnou transformac do novych nezavisle promennych zjednodusit prevest na tzv. kanonicky tvar. Tuto vhodnou transformaci najdeme prostrednictvm resen obycejne diferencialn rovnice a(x, y)y 2 2b(x, y)y + c(x, y) = 0. Podrobnejs informace o tomto postupu lze nalezt naprklad v [T-S] Doposud jsme uvazovali pouze funkce dvou promennych, ale situace pro funkce vce promennych je zcela analogicka, vcetne dukazu nasledujcho tvrzen. Derivace slozene funkce, Tayloruv vzorec
Veta 5.3. Necht je dana funkce f : Rm R a m-tice funkc gi : n R R, ktere maj spojite parcialn derivace 2. radu. Oznacme u k = gk (x1 , . . . , xn ), k = 1, . . . , m, Pak slozena funkce F(x1 , . . . , xn ) = f (g1 (x1 . . . , xn ), . . . , gm (x1 , . . . , xn ) plat F(x1 . . . , xn ) = xi
m
k=1
f (u 1 , . . . , u m ) gk (x1 , . . . , xn ) u k xi
m
(5.8)
2 2 F(x1 , . . . , xn ) = f (u) gk (x) gl (x) + xi x j u k u l xi x j k,l=1

n
Derivace slozene funkce, Tayloruv vzorec (5.9)

+
k=1
2 f (u) gk (x), u k xi x j
kde i, j = 1, 2, . . . , n a ve vzorci (5.9) je u = (u 1 . . . , u n ), x = (x1 , . . . , xn ). Poznamka 5.3. i) Jsou-li funkce gi ve Vete 5.3 linearn, pak vsechny cleny v druhe sume v (5.9) jsou nulove (nebot druha derivace linearn funkce je nulova). Pak metoda formalnho vynasoben derivac prvnho radu a nasledna nahrada sou cinu prvnch derivac odpovdajcmi druhymi derivacemi dava prmo vztahy pro druhou derivaci. Takto je tomu napr. v Prkladu 5.2 i). ii) Uvedli jsme si zde pouze vzorce pro parcialn derivace slozene funkce 1. a 2. adu, ktere jsou potreba v rovnicch matematicke fyziky. Metodou stejnou jako r v dukazu Vety 5.2 lze odvodit vztahy pro tret a vyss derivace, nebudeme je zde vsak jiz uvadet, nebotjsou formalne pomerne slozite.
Prklad 5.3. i) Transformujte Laplaceovu rovnici v R3 u x x + u yy + u zz = 0 do sfericky souradnic x = r cos sin , y = r sin sin , z = r cos . ch Resen. Mohli bychom postupovat podobne jako pri esen Prkladu 5.2 iii), zde r vsak pro ilustraci ruznych moznych metod postupujeme odlisne. Vyjadrme nej prve r, , pomoc x, y, z. Jednoduchymi upravami dostavame r= y x 2 + y 2 + z 2 , = arctg , = arctg x x 2 + y2 . z Derivace slozene funkce, Tayloruv vzorec
Nyn vypocteme vsechny potrebne parcialn derivace funkc r, , . Plat x 2 + y2 + z2 1 x2 1 1 z2 y2 r x x = 3 , r yy = 3 , rzz = 3 , r r r r r r y x x = 2 , y = 2 , z = 0, x + y2 x + y2 2x y 2x y x x = 2 , yy = 2 , zz = 0, 2 )2 (x + y (x + y 2 )2 x 1 xz xz x = = , = x 2 +y 2 2 + y2 2 + y 2 (x 2 + y 2 + z 2 ) 2 x 2 + y2 x r 1 + z2 z x y = yz r 2 x 2 + y2 , z = 1 1+

x 2 +y 2 z2
rx =
x y z , r y = , rz = , r r r
x 2 + y2 x 2 + y2 = , z2 r2
x x = yy = zz =
z r 2 x 2 + y2 z r 2 x 2 + y2
2 2
x2z r 4 x 2 + y2 y2 z r 4 x 2 + y2
x2z r 2 (x 2 + y 2 ) 2 y2 z r 2 (x 2 + y 2 ) 2
3 3
, ,
2z x 2 + y 2 . r4 Podle vzorcu pro derivace slozene funkce x y xz u x = u r r x + u x + u x = u r + u 2 + u , 2 r x +y r x 2 + y2 y x yz u y = ur u 2 + u , 2 r x +y r x 2 + y2 u z = ur z u r x 2 + y2 , r
u x x = u rr
x2 y2 x 2 z2 + u 2 + u 4 2 + 2u r x yr(x 2 + y 2 ) + r2 (x + y 2 )2 r (x + y 2 ) 1 x2 x2z x yz + 2u r 2u + ur 3 r(x 2 + y 2 )3/2 r r r 2 x 2 + y2 2x y + u (x 2 + y 2 )2 z r 2 x 2 + y2 2 x2z r 4 x 2 + y2 x2z r 2 (x 2 + y 2 ) 2

3
Zpet
u yy
y2 x2 y2 z2 xy = u rr 2 + u 2 + u 4 2 2u r + r (x + y 2 )2 r (x + y 2 ) r(x 2 + y 2 )
+ 2u r u
y2z r 2 x 2 + y2
2u
x yz + ur 2 + y 2 )3/2 r(x z 2 y2 z
1 y2 3 r r
y2 z (x 2 + y 2 ) 2
3
2x y + u (x 2 + y 2 )2
r 2 x 2 + y2
r 4 x 2 + y2
u zz = u rr + ur Odtud
z2 x 2 + y2 z x 2 + y2 + u 2u r + r2 r2 r2 1 z2 2z x 2 + y 2 . 3 + u r r r4
+ +2
u r4
x 2 + y2 u rr 2 (x + y 2 + z 2 ) + u 2 + r2 (x + y 2 )2 x 2 z2 y2 z2 u r + 2 + (x 2 + y 2 ) + 2 2 (x y x y) + (x 2 + y 2 )2 (x + y 2 )2 r(x + y 2 ) u x x + u yy + u zz = x z x2 + y2
2
u r r2
y z x2 + y2
z x 2 + y2 + 2 +
u r 2 (x 2 + y 2 ) 2
3
(x yz x yz) +
+u r +u
3 x 2 + y2 + z2 r r3 2z x2 + y2 2z r4
u (2x y + 2x y) + (x 2 + y 2 )2 2z r4 x 2 + y2 z r2 x2 + y2 =
r2
x 2 + y2 +
2 1 1 cotg = u rr + u r + 2 2 u + 2 u + u . r r sin r r2
ii) Urcete resen Laplaceovy rovnice v R3 , ktere je sfericky symetricke, tj. zavis pouze na vzdalenosti od pocatku. Resen. Necht funkce u zavis pouze na promenne r = x 2 + y 2 + z 2 a nikoliv na promennych a , tj. u = u(r) (tento predpoklad je rozumny vzhledem k fyzikalnmu vyznamu Laplaceovy rovnice). Pak vsechny parcialn derivace podle , jsou rovny nule a dostavame rovnici 2 u rr + u r = 0. r Polozme-li u r = v, dostavame dale rovnici vr + 2 v = 0 a po uprave r 2 vr + r 2 esenm teto rovnice je napr. 2rv = 0, coz je ekvivalentn rovnici r (r v) = 0. R v(r) = r12 a tedy u = 1 , tj. r u(x, y, z) = 1 x2 + y2 + z2
je jednm z resen Laplaceovy rovnice (srov. Prklad 3.3 ii) ).
5.2. Taylorova veta

Nejprve pripomenme, co to je Tayloruv polynom a Taylorova veta1 pro funkci jedne promenne. Necht f : R R, x0 , x R a h = x x0 . Tayloruv polynom
1 Brook Taylor (16851731), anglicky matematik
(mnohoclen) stupne n N funkce f se stredem v bode x0 je polynom Tn (x; x0 ) = a0 + a1 (x x0 ) + + an (x x0 )n , ak = f (k) (x0 ) , k!
k = 0, . . . , n. Koecienty ak urcme z pozadavku, aby polynom Tn mel v bode x0 stejnou funkcn hodnotu a hodnotu prvnch n derivac jako funkce f . Tayloruv polynom pouzvame k pribliznemu vypoctu funkcnch hodnot funkce f v okol bodu x0 . Taylorova veta udava velikost chyby, ktere se dopustme, aproximujeme-li funkci Taylorovy polynomem. m Obdobne je tomu u funkce vce promennych. Tayloruv polynom funkce f : n R R je polynom vce promennych, ktery ma s funkc f v danem bode x = [x1 , . . . , xn ] Rn stejnou funkcn hodnotu a stejnou hodnotu vsech parcialnch derivac az do radu n, kde n je stupen polynomu. Pro funkce dvou promennych dostavame toto tvrzen. Veta 5.4. (Taylorova) Nechtfunkce f : R2 R ma v bode [x0 , y0 ] a nejakem jeho okol spojite parcialn derivace az do radu n + 1 vcetne. Pak pro kazdy bod [x, y] z tohoto okol plat f (x, y) = Tn (x, y) + Rn (x, y) (5.10)
kde Tn (x, y) = f (x0 , y0 ) + + + 1 2! 1 n! f f (x0 , y0 )k + (x0 , y0 )h + x y y
2 f 2 f 2 f (x0 , y0 )h 2 + 2 (x0 , y0 )hk + 2 (x0 , y0 )k 2 + + x2 x y y

n j =0
n n f (x0 , y0 )h n j k j , j x n j y j Derivace slozene funkce, Tayloruv vzorec
1 Rn (x, y) = (n + 1)!
n+1 j =0
n+1 n+1 f (x0 + h, y0 + k)h n+1 j k j j x n+1 j y j
a kde h = x x0 , k = y y0 , (0, 1). Poznamka 5.4. Vzorec (5.10) se nazyva Tayloruv vzorec, polynom Tn Tayloruv polynom a Rn zbytek v Taylorove vzorci. Tayloruv vzorec lze zapsat pomoc diferencialu takto 1 f (x, y) = f (x0 , y0 ) + d f (x0 , y0 )(h, k) + d 2 f (x0 , y0 )(h, k) + + 2 1 n 1 + d f (x0 , y0 )(h, k) + d n+1 f (x0 + h, y0 + k)(h, k). n! (n + 1)! Dukaz Vety 5.4. Zavedme pomocnou funkci jedne promenne F(t) = f (x0 + th, y0 + tk). Plat F(1) = F(x0 + h, y0 + k) = F(x, y), F(0) = f (x0 , y0 ).
Pomoc Taylorova vzorce pro funkci jedne promenne dostavame F(1) = F(0) + F (0) + 1 1 1 F (0) + + F (n) (0) + F (n+1) (), 2! n! (n + 1)!
kde (0, 1). Pro vypocet derivac funkce F vyuzijeme vztahu pro parcialn derivace slozenych funkc. Dostavame F (0) = d f (x0 + th, y0 + tk)|t =0 = f (x0 , y0 )h + f (x0 , y0 )k, dt x y Derivace slozene funkce, Tayloruv vzorec
d2 d2 F (0) = 2 F(t)|t =0 = 2 f (x0 + th, y0 + tk)|t =0 = dt dt = f x x (x0 , y0 )h 2 + 2 f x y (x0 , y0 )hk + f yy (x0 , y0 )k 2 a analogicky obdrzme
m
Rejstrk
(m)
(0) =
j =0
m m f (x0 , y0 )h m j k j . j x m j y j
Obsah Verze k tisku
Stejne postupujeme i pri vypoctu zbytku Rn . Prklad 5.4. i) Urcete Tayloruv polynom 2. stupne se stredem v bode [x0 , y0 ] = [1, 1] pro funkci f (x, y) = x . y Resen. Vypocteme nejprve vsechny potrebne parcialn derivace 1 x 1 2x f x = , f y = 2 , f x x = 0, f x y = 2 , f yy = 3 . y y y y
Podle Vety 5.4 T2 (x, y) = f (1, 1) + f x (1, 1)(x 1) + f y (1, 1)(y 1) + 1 + [ f x x (1, 1)(x 1)2 + 2 f x y (1, 1)(x 1)(y 1) + f yy (1, 1)(y 1)2 ] = 2 = 1 + (x 1) (y 1) (x 1)(y 1) (y 1)2 = = y 2 x y + 2x + 2y 1. ii) Pomoc Taylorova polynomu 2. stupne vypoctete priblizne a) (2, 98)2 + (4, 05)2 b) 1, 042,02 . Derivace slozene funkce, Tayloruv vzorec
Vysledek porovnejte s hodnotou zskanou pomoc diferencialu z Prkladu 4.2 ii). Resen. a) Pribliznou hodnotu vypocteme pomoc Taylorova polynomu 2. stupne 2 + y 2 v bode [x , y ] = [3, 4] a diferencemi h = funkce z = f (x, y) = x 0 0 0, 02, k = 0, 05. Parcialn derivace funkce z jsou zx = x x 2 + y2 zxy = , zy = y x 2 + y2 , zx x = y2 , (x 2 + y 2 )3/2
Zpet Zavrt Konec Strana 112 z 424 Rejstrk Obsah Verze k tisku
xy x2 , z yy = 2 , (x 2 + y 2 )3/2 (x + y 2 )3/2
Tayloruv polynom je roven T2 (x, y) = f (3, 4) + f x (3, 4)(x 3) + f y (3, 4)(y 4) + 1 + [ f x x (3, 4)(x 3)2 + 2 f x y (3, 4)(x 3(y 4) + f yy (3, 4)(y 4)2 ] = 2 1 1 = 5 + [3(x 3)+4(y 4)]+ [16(x 3)2 24(x 3)(y 4)+9(y 4)2 ]. 5 250 Odtud 1 . (2, 98)2 + (4, 05)2 = 5 + (0, 06 + 0, 2) + 5 + 1 (16 0, 0004 24 0, 001 + 9 0, 0025) = 5, 0281332. 250
. V prkladu 4.1 ii) jsme pomoc diferencialu dostali vysledek (2, 98)2 +(4, 05)2 = 5, 028. b) V Taylorove vzorci pro funkci z = x y polozme [x0 , y0 ] = [1, 2], h = 0, 04, k = 0, 02. Nejprve vypocteme vsechny potrebne parcialn derivace. Plat z x = yx y1 , z x (1, 2) = 2, z y = x y ln x, z y (1, 2) = 0, z x x = y(y 1)x y2 , z x x (1, 2) = 2, z x y = x y1 + yx y1 ln x = x y1 (1 + y ln x), z x y (1, 2) = 1, z yy = x y ln x ln x = x y ln2 x, z yy (1, 2) = 0. Pak T2 (x, y) = 1 + 2(x 1) + (x 1)2 + (x 1)(y 1)). Odtud . 1, 042,02 = 1 + 2 0, 04 + 0, 0016 + 0, 0008 = 1, 0824.
. V Prkladu 4.1 ii) jsme pomoc diferencialu obdrzeli priblizny vysledek 1, 042,02 = 1, 08. iii) Mnohoclen P(x, y) = x 3 + 3y 3 + x y 2 + 2x 2 + x y + x 2y napiste jako polynom v promennych u = x 1, v = y + 2. Resen. Necht T3 (x, y) Tayloruv polynom 3. stupne funkce P se stredem x0 = 1, y0 = 2. Pak ve zbytku R3 (x, y) vystupuj 4. derivace funkce P, ktere jsou vsak vsechny nulove, nebot P je polynom 3. stupne. Tedy T3 (x, y) = P(x, y) a stac nalezt urcit koecienty v T3 (x, y). Postupne dostavame P(1, 2) = 20 Px = 3x 2 +y 2 +4x +y+1, Px (1, 2) = 10, Py = 9y 2 +2x y+x 2, Py (1, 2) = 31, Px x = 6x + 4, Px x (1, 2) = 10, Px y = 2y + 1, Px y (1, 2) = 3, Pyy = 18y + 2x, Pyy (1, 2) = 34, Px x x = 6, Px x y = 0, Px yy = 2, Pyyy = 18, Odtud T3 (x, y) = 14 + 10(x 1) + 31(y + 2) + 5(x 1)2 3(x 1)(y + 2) 17(y + 2)2 + (x 1)3 + (x 1)(y + 2)2 + 3(y + 2)3 . Jestlize ve vysledku provedeme umocnen, po uprave samozrejme dostavame polynom P. Tuto kontrolu vysledku nechavame ctenari jako cvicen. Zformulujme na zaver kapitoly jeste Tayloruv vzorec pro obecny prpad funkc n promennych. Dukaz tohoto tvrzen neuvadme, nebot je v podstate stejny jako pro dve promenne.
Veta 5.5. Nechtfunkce f : Rn R ma v bode x = [x1 , . . . , xn ] a nejakem jeho okol spojite parcialn derivace az do radu m + 1. Pak pro h = [h 1 , . . . , h n ] plat
1 1 f (x + h) = f (x ) +d f (x )(h) + d 2 f (x )(h) + + d m f (x )(h) + Rm (x), 2 m!
kde Rm (x) =
1 d m+1 f (x + h)(h), (m + 1)!
(0, 1)
je zbytek v Taylorove vzorci a d k f (x )(h) =

j1 ++ jn =k
k! k f j j (x )h 11 . . . h nn j1 ! j2 ! . . . jn ! x1j1 . . . xnjn Derivace slozene funkce, Tayloruv vzorec
je k-ty diferencial funkce f v bode x .
Cvicen. 5.1. Vyuzitm uvedene substituce najdete vsechny funkce splnujc danou rovnost: 2 + y 2. a) yz x x z y = 0, u = x, v = x y b) x z x + yz y = 0, u = x, v = x . c) u x + u y + u z = 0, = x + y 2z, = x 2y + z, = z. 5.2. Diferencialn rovnice transformujte do novych promenny u, v. V prpadech, ch kdy po transformaci vyjde jednoduchy vysledek, pokuste se najt jejich resen: a) z x x yz yy 1 z y = 0, u = x 2 y, v = x + 2 y. 2 b) y 2 z x x + x 2 z yy 2x yz x y x z x yz y = 0, u = x 2 + y 2 , v = x y. c) x 2 z x x (x 2 + y 2 )z x y + y 2 z yy = 0, u = x + y, v = 1 + 1 . x y 1 d) z x x 2z x y + z yy = 0, u = x + y, v = xy . e) x yz x x (x 2 + y 2 )z x y + x yz yy + yz x + x z y = 0, u = 1 (x 2 + y 2 ), v = x y. 2 f) x z x x yz yy = 0, u = x + y, v = x y.
y g) x z x x + yz x y + z x = 0, u = x + y, v = x+y . h) x 2 z x x 2x yz x y + y 2 z yy + x z x + yz y = 0, u = x y, v = y. y i) x 2 z x x y 2 z yy = 0, u = x y, v = x .
5.3. Ukazte, ze dana transformace do novy promennych nemen tvar rovnice ch z x x + z yy = 0, x = (u, v), y = (u, v), kde , jsou funkce dvou promennych splnujc identity u = v , v = u . 5.4. Urcete Tayloruv polynom 2. stupne se stredem [x0 , y0 ] nasledujcch funkc: a) 1 x 2 y2, [x0 , y0 ] = [ 1 , 1 ] e) arcsin 2 2 [x0 , y0 ] = [0, 0] f) ln
y z
x , x 2 +y 2
[x0 , y0 ] = [0, 1] [x0 , y0 ] = [1, 1]
b) arctg 1+x+y , 1x+y c)

cos x , cos y y d) arctg x ,
x 2 + y 2,
[x0 , y0 ] = [0, 0] [x0 , y0 ] = [1, 1]
g) x , [x0 , y0 , z 0 ] = [1, 1, 1] h) sin x sin y, [x0 , y0 ] = [0, 0] .

5.5. Pomoc Taylorova polynomu 2. stupne vypoctete priblizne funkcn hodnoty: 1,04 a) arctg 0,98 , b) sin 29 tg 46 . Zkusenost nen to, co clovik potka, ale co clovek udela s tm, co ho potkalo. (A. Huxley)
Kapitola 6
Lokaln a absolutn extremy

Vysetrovan extremu funkc je jednou z nejdulezitejsch cast diferencialnho po ctu. Je tomu tak proto, ze v kazdodennm zivote se setkavame s resenm extremal nch uloh. Napr. kazde ekonomicke rozhodovan se rd pravidlem minimalizace nakladu a maximalizace zisku. Rovnez prrodovedne deje probhaj tak, ze jista velicina nabyva nejmens nebo nejvets hodnoty (spotrebovana energie, vykonana prace). Nejprve studujeme lokaln extremy. Zde vysetrujeme danou funkci pouze lokalne, tj. v okol nejakeho bodu. To je predmetem prvnho odstavce. Pokud je predepsana mnozina a mame najt bod teto mnoziny, v nemz funkce naby nejvets va resp. nejmens hodnoty, mluvme o absolutnch extremech. O nich pojednava druha cast teto kapitoly.
6.1. Lokaln extremy

Denice 6.1. Rekneme, ze funkce f : Rn R nabyva v bode x Rn lo kalnho maxima (minima), jestlize existuje okol O(x ) bodu x takove, ze pro kazde x O(x ) plat f (x) f (x ) ( f (x) f (x )). Jsou-li nerovnosti v techto vztazch pro x = x ostre, mluvme o ostrych lo kalnch maximech a minimech. Pro (ostra) lokaln minima a maxima budeme pozvat spolecny termn (ostre) lokaln extremy.
Prklad 6.1. i) Funkce f (x, y) = x 2 + y 2 ma v bode [x, y] = [0, 0] ostre lokaln minimum, nebot f (0, 0) = 0 a pro kazde [x, y] = [0, 0] je f (x, y) > 0. (Grafem funkce je kuzelova plocha, viz obr. 13.2.) ii) Funkce f : R2 R denovana predpisem x 2 + y 2 , pro [x, y] = [0, 0], f (x, y) = 1, pro [x, y] = [0, 0], ma v bode [0, 0] ostre lokaln maximum, nebot pro [x, y] = [0, 0] dostatecne blzko pocatku plat f (x, y) < f (0, 0) = 1. Uvedene prklady ilustruj skutecnost, ze pro existenci lokalnho extremu v ne jakem bode funkce nemus mt v tomto bode parcialn derivace, nemus zde byt dokonce ani spojita.
V nasledujcm odvodme nutne a postacujc podmnky pro existenci lokalnho extremu v prpade, ze ma funkce v danem bode parcialn derivace. Podobne jako u funkce jedne promenne, je nutna podmnka formulovana pomoc stacionarnho bodu a postacujc podmnka pomoc parcialnch derivac 2. radu. Denice 6.2. Necht f : Rn R. Rekneme, ze bod x Rn je stacionarn bod funkce f , jestlize v bode x existuj vsechny parcialn derivace funkce f a plat f (x ) = 0, xi i = 1, . . . , n. (6.1) Lokaln a absolutn extremy
Nasledujc veta, ktera prezentuje nutnou podmnku existence lokalnho ex tremu, byva v nektere literature citovana jako Fermatova veta.1
Rejstrk
Veta 6.1. Necht funkce f : R R ma v bode x R lokaln extrem a v tomto bode existuj vsechny parcialn derivace funkce f . Pak je bod x jejm stacionarnm bodem, tj. plat (6.1).
n n
Obsah Verze k tisku
Dukaz. Predpokladejme, ze nektera z parcialnch derivac funkce f v bode x je nenulova, tj. plat f xi (x ) = 0. To vzhledem k denici parcialn derivace znamena, ze funkce (t) = f (x + tei ), kde ei = (0, . . . , 0, 1, 0, . . . , 0), jednicka je na i-tem mste, ma nenulovou derivaci v bode t = 0 a tedy zde nemuze mt lokaln extrem. To vsak znamena, ze ani funkce f nemuze mt v bode x lokaln extrem.
Zpet Zavrt Konec
1 Pierre de Fermat (16011665), francouzsky matematik.
Strana 119 z 424
Poznamka 6.1. Funkce f : Rn R muze mt lokaln extrem pouze ve svem stacionarnm bode nebo v bode, kde alespon jedna z parcialnch derivac neexistuje. Zdurazneme, ze stacionarn bod nemus byt bodem lokalnho extremu, jak ukazuje obrazek, kde je znazornen graf funkce f (x, y) = f (x0 , y0 ) + (y y0 )2 (x x0 )2 , ktera ma stacionarn bod [x0 , y0 ], avsak v tomto bode nema lokaln extrem (takovy bod se nazyva sedlo, viz obr. 6.1). z
f (x0 , y0 )
Rejstrk Obsah O Verze k tisku
y x
obr. 6.1 Zavrt (x0 , y0 ) Zpet
V nasledujc vete odvodme postacujc podmnku, aby funkce mela ve staci onarnm bode lokaln extrem.
Pripomenme situaci pro funkci jedne promenne g : R R. Necht t0 R je stacionarn bod teto funkce. O tom, zda v tomto bode je nebo nen extrem, rozhodneme podle hodnot vyssch derivac funkce g v t0 . Specialne, je-li g (t0 ) > 0(< 0), ma funkce g v bode t0 ostre lokaln minimum (maximum). Toto tvrzen se dokaze pomoc Taylorova rozvoje funkce g v t0 . Plat 1 1 g(t) = g(t0 ) + g (t0 )(t t0 ) + g ( )(t t0 )2 = g(t0 ) + g ( )(t t0 )2 , 2 2 kde je cslo lezc mezi t a t0 . Je-li nyn funkce g spojita, pak g (t0 ) > 0 (g (t0 ) < 0) implikuje g ( ) > 0 (g ( ) < 0) pro dostatecne blzka t0 . Pak g ( )(t t0 )2 > 0 (g ( )(t t0 )2 < 0) a tedy g(t) > g(t0 ) (g(t) < g(t0 )) pro t dostatecne blzko t0 , tj. funkce g nabyva v t0 ostreho lokalnho minima (maxima). Analogicky postupujeme u funkc vce promennych. Zformulujme nejprve postacujc podmnku pro existenci lokalnho extremu pro funkci dvou promennych. Veta 6.2. Necht funkce f : R2 R ma v bode [x0 , y0 ] a nejakem jeho okol spojite parcialn derivace druheho radu a necht [x0 , y0 ] je jej stacionarn bod. Jestlize D(x0 , y0 ) = f x x (x0 , y0 ) f yy (x0 , y0 ) [ f x y (x0 , y0 )]2 > 0, (6.2) Lokaln a absolutn extremy
pak ma funkce f v [x0 , y0 ] ostry lokaln extrem. Je-li f x x (x0 , y0 ) > 0, jde o mini mum, je-li f x x (x0 , y0 ) < 0, jde o maximum. Jestlize D(x0 , y0 ) < 0, pak v bode [x0 , y0 ] lokaln extrem nenastava.
Dukaz. Necht D(x0 , y0 ) = 0. Ze spojitosti parcialnch derivac 2. adu funkce f r plyne spojitost funkce D(x, y) = f x x (x, y) f yy (x, y) [ f x y (x, y)]2 a funkce f x x v bode [x0 , y0 ]. Odtud plyne, ze pro [x, y] dostatecne blzka bodu [x0 , y0 ] plat sgn D(x, y) = sgn D(x0 , y0 ), sgn f x x (x, y) = sgn f x x (x0 , y0 ). Tayloruv vzorec pro n = 1 se stredem [x0 , y0 ] dava 1 f (x, y) = f (x0 , y0 ) + [ f x x (c1 , c2 )(x x0 )2 + 2 +2 f x y (c1 , c2 )(x x0 )(y y0 ) + f yy (c1 , c2 )(y y0 )2 ] (6.3) Lokaln a absolutn extremy
kde [c1 , c2 ] lez na usecce spojujc [x0 , y0 ] a [x, y]. Oznacme A = f x x (c1 , c2 ), B = f x y (c1 , c2 ), C = f yy (c1 , c2 ), h = x x0 , k = y y0 a uvazujme kvadraticky polynom dvou promennych P(h, k) = Ah + 2Bhk + Ck .
2 2
Pak vztah (6.3) muzeme psat ve tvaru f (x0 + h, y0 + k) = f (x0 , y0 ) + P(h, k). Vysetreme nyn znamenko polynomu P(h, k). Uvazujme dva prpady. I. D(x0 , y0 ) > 0. Pro k = 0 je P(h, 0) = Ah 2 , pricemz A = 0 (plyne ze vztahu AC B 2 > 0). Proto P(h, 0) > 0 pro A > 0, P(h, 0) < 0 pro A < 0. Pro k = 0 lze P(h, k) psat ve tvaru P(h, k) = k 2 A( h )2 + 2B h + C. Oznacme k k Q(t) = At 2 + 2Bt + C h kde, t = . k (6.4)
Jelikoz AC B 2 > 0, tj. Q ma zaporny diskriminant, je pro A > 0 polynom Q(t) > 0 pro vsechna t R a odtud P(h, k) > 0 pro vsechna h, k R. Podobne v prpade A < 0 je P(h, k) < 0. To podle (6.4) znamena, ze pro A > 0 ma funkce f v [x0 , y0 ] ostre lokaln minimum a pro A < 0 ostre lokaln maximum. II. D(x0 , y0 ) < 0, tj. diskriminant polynomu Q(t) je kladny. To znamena, ze existuj t1 , t2 R takova, ze Q(t1 ) > 0 a Q(t2 ) < 0. Polozme [h 1 , k1 ] = [t1 , ], [h 2 , k2 ] = [t2 , ], kde = 0. Pak P(h 1 , k1 ) = 2 Q(t1 ), P(h 2 , k2 ) = 2 Q(t2 ), Lokaln a absolutn extremy
tj. pro [x1 , y1 ] = [x0 + h 1 , y0 + k1 ], [x2 , y2 ] = [x0 + h 2 , y0 + k2 ] plat f (x1 , y1 ) > f (x0 , y0 ), f (x2 , y2 ) < f (x0 , y0 ). Protoze = 0 bylo libovolne, tj. [x1 , y1 ], [x2 , y2 ] mohou byt libovolne blzko [x0 , y0 ], v tomto bode extrem nenastava.
Prklad 6.2. Urcete lokaln extremy funkce z = x + y 3x y.

3 3
Resen. Funkce, jejz extremy hledame, je polynomem promennych x, y, a proto jsou jej parcialn derivace spojite v celem R2 . Proto lokaln extremy mohou nastat pouze ve stacionarnch bodech, ktere najdeme jako resen soustavy rovnic z x = 3x 2 3y = 0, z y = 3y 2 3x = 0.
Z prvn rovnice plyne y = x 2 a dosazenm do druhe rovnice dostavame x 4 x = x(x 1)(x 2 + x + 1) = 0,
odtud x1 = 0, x2 = 1 (kvadraticky trojclen x 2 + x + 1 ma zaporny diskriminant a je proto vzdy kladny). Existuj tedy dva stacionarn body P1 = [0, 0], P2 = [1, 1]. Dale plat z x x = 6x, z yy = 6y, z x y = 3. Odtud dostavame D(x, y) = 36x y 9, tj. D(P1 ) = 9 < 0, D(P2 ) = 36 9 = 27 > 0.
Podle Vety 6.2 v bode P1 extrem nenastava a v bode P2 nastava ostre lokaln minimum, nebot z x x (P1 ) = 6 > 0. Poznamka 6.2. V prpade, ze ve stacionarnm bode [x0 , y0 ] plat D(x0 , y0 ) = 0, o existenci extremu v tomto bode nelze na zaklade druhych derivac rozhodnout. Pro funkce jedne promenne mame k dispozici tvrzen, ktere rka, ze funkce f ma ve stacionarnm bode x0 , v nemz f (x0 ) = 0, lokaln extrem nebo inexn bod podle toho, je-li prvn nenulova derivace v x0 sudeho nebo licheho adu. U funkc r vce promennych nen vsak aparat vyssch derivac v praktickych prpadech prlis vhodny. V nekterych prkladech lze o existenci lokalnho extremu rozhodnout vysetrenm lokalnho chovan funkce v okol bodu [x0 , y0 ], bez poctan druhych derivac. Tento postup je ilustrovan na nasledujcch dvou prkladech. Prklad 6.3. i) Urcete lokaln extremy funkce f (x, y) = x 4 + y 4 x 2 2x y y 2 . Resen. Stacionarn body urcme jako resen soustavy rovnic z x = 4x 3 2x 2y = 0,
3 3
z y = 4y 3 2x 2y = 0.
Zpet
(6.5)
Odectenm rovnic dostavame x y = 0, odtud x = y a dosazenm do jedne z rovnic v (6.5) dostavame tri stacionarn body P1 = [0, 0], P2 = [1, 1], P3 = [1, 1].
Dale D(x, y) = f x x f yy [ f x y ]2 = (12x 2 2)(12y 2 2) 4. Protoze D(P2 ) = D(P3 ) = 96 > 0 a f x x (1, 1) = f x x (1, 1) = 10 > 0, ma funkce f v obou techto stacionarnch bodech ostre lokaln minimum. Ve stacionarnm bode P1 je vsak D(P1 ) = 0, proto o existenci extremu v tomto bode nelze takto rozhodnout. Zde postupujeme nasledujcm zpusobem: Funkci f muzeme upravit na tvar 4 4 2 4 f (x, y) = x + y (x + y) . Odtud f (x, x) = 2x > 0 pro x = 0. Na druhe strane f (x, 0) = x 4 x 2 = x 2 (1 x 2 ) < 0 pro x (1, 0) (0, 1). Tedy v libovolnem okol bodu [0, 0] funkce f nabyva jak kladnych tak zapornych hodnot, coz spolu s faktem, ze f (0, 0) = 0 znamena, ze v tomto bode lokaln extrem nenastava. ii) Urcete lokaln extremy funkce z = f (x, y) = x y ln(x 2 + y 2 ). Resen. Stacionarn body urcme jako resen soustavy rovnic z x = y ln(x 2 + y 2 ) + x y 2x 2x = 0, = y ln(x 2 + y 2 ) + 2 2 +y x + y2 2y 2y 2 z y = x ln(x 2 + y 2 ) + x y 2 = 0. = x ln(x 2 + y 2 ) + 2 x + y2 x + y2 x2
2
Jsou mozne ctyri prpady: a) [x, y] = [0, 0], v tomto bode vsak nen funkce denovana. b) x = 0, pak ln y 2 = 0, tj. y = 1. Oznacme P1,2 = [0, 1].
c) y = 0, ln x 2 = 0 , tj. x = 1. Oznacme P3,4 = [1, 0]. d) ln(x 2 + y 2 ) +

2x 2 x 2 +y 2
= 0,
ln(x 2 + y 2 ) +
2y 2 x 2 +y 2
= 0,
odtud x 2 = y 2 a soustave rovnic vyhovuje ctverice bodu P58 = [ 1 , 1 ]. 2e 2e O tom, v kterem z techto stacionarnch bodu nastava extrem, rozhodneme vysetre nm znamenka funkce f . Funkce f nabyva nulove hodnoty na souradnych osach (v pocatku ma limitu rovnu 0 viz prklad 2.2 v) a v bodech kruznice x 2 + y 2 = 1. Uvnitr jednotkove kruznice je funkce v I. a III. kvadrantu zaporna, ve II. a IV. je kladna. Vne jednotkove kruznice je tomu naopak (nacrtnete si obrazek). Odtud je zrejme, ze v bodech P1,2 = [0, 1], P3,4 = [1, 0] extrem nenastava, nebot funkcn hodnota je zde nulova a v libovolnem okol tohoto bodu naby va funkce jak kladnych tak zapornych hodnot. Dale je videt, ze v bode [ 1 , 1 ] (lezcm uvnitr jednotkove kruznice) je 2e 2e lokaln minimum, nebotna hranici mnoziny, ktera je tvorena souradny osami a mi jednotkovou kruznic a kde lez tento bod, je funkce nulova a uvnitr teto mnoziny je funkce f zaporna. Pak nutne v jedinem stacionarnm bode uvnitr teto mnoziny mus byt lokaln minimum. Stejnou uvahou zjistme, ze lokaln minimum je i 1 , 1 ] a ve zbyvajcch dvou bodech je lokaln maximum. Graf v bode [ 2e 2e 2 2 funkce z = x y ln(x + y ) a jej vrstevnice jsou znazorneny na obrazku 14.9 a 14.10. Na tomto znazornen je dobre videt charakter jednotlivych stacionarnch bodu. Poznamka 6.3. Je-li funkce f diferencovatelna v bode [x0 , y0 ] a f x (x0 , y0 ) = 0 = f y (x0 , y0 ), pak tecna rovina ke grafu funkce f v bode [x0 , y0 ] je vodorovna. Je-li vyraz D(x0 , y0 ) > 0 a f x x (x0 , y0 ) > 0 (< 0), pak je v bode [x0 , y0 ] lokaln
minimum (maximum), tj. v okol tohoto bodu lez graf funkce nad (pod) tecnou rovinou. Projdeme-li dukaz Vety 6.2, snadno zjistme, ze i v prpade, kdy [x0 , y0 ] nen stacionarn bod, jsou podmnky D(x0 , y0 ) > 0, f x x (x0 , y0 ) > 0 (< 0) dostatecne pro to, aby graf funkce f v okol bodu lezel nad (pod) tecnou rovinou v tomto bode. Prklad 6.4. Rozhodnete, zda graf funkce f (x, y) = x 3 + y 3 2x y lez v okol bodu [1, 1] nad nebo pod tecnou rovinou sestrojenou v tomto bode. Resen. Prmym vypoctem urcme parcialn derivace funkce f v bode [1, 1]: f x = 1, f y = 1, f x x = 6, f x y = 2, f yy = 6. Podle (4.6) ma tecna rovina ke grafu funkce v bode [1, 1] rovnici z = x + y 2. Vzhledem k tomu, ze D(1, 1) = 34 4 = 32 > 0, lez podle predchoz poznamky graf funkce v okol bodu [1, 1] nad tecnou rovinou sestrojenou v tomto bode. Pro funkce tr a vce promennych je situace podobna jako pro dve promenne. O existenci extremu ve stacionarnm bode rozhoduje kvadraticky polynom n promennych v Taylorove rozvoji. Pouze rozhodnout, kdy tento polynom nemen sve znamenko, je ponekud slozitejs. K tomu pripomenme nejprve nektere pojmy z linearn algebry.
Denice 6.3. Necht A = (ai j ), i, j = 1 . . . , n, je symetricka matice, h Rn . ekneme, ze kvadraticka forma P(h) = Ah, h = n j =1 ai j h i h j urcena matic R i, A je pozitivne (negativne) semidenitn, jestlize P(h) 0, (P(h) 0), pro kazde h Rn . (6.6)
Jestlize v (6.6) nastane rovnost pouze pro h = 0, rekneme, ze forma P je pozitivne Rn takova, ze P(h) < 0 a P(h) > 0, (negativne) denitn. Jestlize existuj h, h rekneme, ze kvadraticka forma P je indenitn. Casto msto o denitnosti resp. indenitnosti kvadraticke formy P mluvme o denitnosti resp. indenitnosti matice A. V nasledujcch uvahach pro funkci f : Rn R symbolem f znacme nrozmerny vektor, jehoz komponenty jsou parcialn derivace xfi a symbol f znac n n matici, jejz prvky jsou parcialn derivace 2. radu funkce f , tj. ( f )i j = 2 f , i, j = 1, . . . , n. xi x j Veta 6.3. Nechtx R je stacionarn bod funkce f a predpokladejme, ze f ma v bode x a nejakem jeho okol spojite parcialn derivace druheho radu. Polozme A = (ai j ) = f (x ), tj. ai j = f xi x j (x ). i) Je-li kvadraticka forma P(h) = Ah, h pozitivne (negativne) denitn, ma funkce f v bode x ostre lokaln minimum (maximum). ii) Je-li kvadraticka forma P indenitn, v bode x extrem nenastava. iii) Ma-li funkce f v bode x lokaln minimum (maximum), je kvadraticka forma P pozitivne (negativne) semidenitn.
n
Dukaz. Vzhledem k tomu, ze dukaz prvnch dvou tvrzen je zcela stejny jako pro dve promenne, dokazeme pouze tvrzen iii). Predpokladejme, ze funkce f ma v x napr. lokaln minimum a kvadraticka forma P nen pozitivne semidenitn, tj. existuje h Rn takove, ze P(h) < 0. Protoze pro pevne h Rn je kvadraticka forma P spojitou funkc koecientu teto formy ai j , existuje > 0 takove, ze je-li |ai j bi j | < , i, j = 1, . . . , n a B = (bi j ), plat B h, h < 0. To vzhledem ke spojitosti derivac druheho radu funkce f znamena, ze f (x)h, h < 0, je-li x dostatecne blzko x , tj. pro x splnujc x O (x ), kde > 0 je vhodne realne cslo. Nyn necht {n } je libovolna posloupnost kladnych realnych csel konvergujcch k nule a polozme xn = x +n h. Pak xn x , tedy pro dostatecne velka n je xn O (x ) a z Taylorova vzorce pro n = 1 dostavame
2 f (xn ) f (x ) = f (x ), n h, + f (yn )n h, n h = n f (yn )h, h < 0,
kde yn lez na usecce spojujc x a xn . Proto yn O (x ) pro n dostatecne velka a odtud f (xn ) < f (x ), coz je spor s tm, ze funkce f ma v x lokaln minimum.
Poznamka 6.4. Podle predchoz vety neumme o existenci lokalnho extremu v danem stacionarnm bode x rozhodnout v prpade, kdy je matice f (x ) pouze semidenitn. Analogicky jako u funkce jedne promenne (i kdyz podstatne kompli kovaneji), lze urcit postacujc podmnky pomoc denitnosti kubickych a vyssch forem, ktere odpovdaj diferencialum vyssch radu, viz [N2 ], str. 70. O tom, jak rozhodnout o denitnosti kvadraticke formy urcene danou symet rickou matic A, vypovda nasledujc veta.
Veta 6.4. i) Kvadraticka forma P urcena symetrickou matic A = (ai j ),

n
P(h) = Ah, h =
i, j =1
ai j h i h j
je pozitivne (negativne) denitn, prave kdyz vsechna vlastn csla matice A jsou kladna (zaporna). Forma P je pozitivne (negativne) semidenitn, prave kdyz vsechna vlastn csla jsou nezaporna (nekladna). ii) Kvadraticka forma P je pozitivne denitn, prave kdyz jsou vsechny hlavn minory matice A, tj. determinanty a11 a12 . . . a1n a11 a12 a13 a a . . . a2n a21 a22 a23 , . . . , 21 22 = det A ................. a31 a32 a33 an1 an2 . . . ann
a11 ,
a11 a12 , a21 a22
kladne. Kvadraticka forma P je negativne denitn, prave kdyz hlavn minory strdaj znamenko, pocnajc zapornym.
y Prklad 6.5. Urcete lokaln extremy funkce u = x + 4x + oktantu, tj. x > 0, y > 0, z > 0.
2
z2 y
+ 2 lezc v prvnm z
Resen. Nejprve urcme stacionarn body, tj. derivujeme a resme soustavu rovnic ux = 1 y2 =0 4x 2 y 2 = 0, 4x 2 y z2 uy = y 3 2x z 2 = 0, 2 =0 2x y 2z 2 uz = 2 = 0 z 3 y = 0. y z Lokaln a absolutn extremy
Z prvn rovnice plyne y = 2x, a protoze hledame pouze kladne esen, r uvazujeme pouze prpad y = 2x. Dosazenm do druhe rovnice dostavame 2x(4x 2 z 2 ) = 0, odtud z = 2x (prpad z = 2x opet neuvazujeme). Dosa zenm do tret rovnice obdrzme 8x 3 2x = 0 a tato rovnice ma kladne resen x = 1 , tedy na mnozine x > 0, y > 0, z > 0 ma soustava rovnic jedine resen 2 1 B = [ 2 , 1, 1]. Vypocteme druhe derivace uxx = y , 2x 3 uxy =
2
u yy = y , 2x 2
1 2z + 3, 2x y u x z = 0,
u zz = u yz
2 4 + 3, y z 2z = 2 y
a v bode B = [ 1 , 1, 1] : u x x = 4, u yy = 3, u zz = 6, u x y = 2, u x z = 0, u yz = 2. 2 Dale pouzijeme Vetu 6.3. Pro bod B = [ 1 , 1, 1] je 2 du = 4dx + 3dy + 6dz + 2dxdy 2dydz.
2 2 2 2
Tato forma je pozitivne denitn, nebotmatice teto formy je 4 1 0 1 3 1 0 1 6 a jej vsechny tri hlavn minory jsou kladne, jak zjistme snadnym vypoctem. Celkove ma dana funkce u v prvnm oktantu jediny lokaln extrem v bode B = 1 [ 2 , 1, 1], kde nastava ostre lokaln minimum.
6.2. Absolutn extremy

Denice 6.4. Necht f : Rn R, M D( f ). Rekneme, ze bod x M je bodem absolutnho minima (maxima) funkce f na M, jestlize f (x ) f (x) ( f (x ) f (x)) pro kazde x M. Jsou-li nerovnosti pro x = x ostre, mluvme o ostrych absolutnch extremech. Msto termnu absolutn extrem se pouzva casto pojem globaln extrem. Pripomenme, ze spojita funkce jedne promenne na uzavrenem a ohranicenem intervalu nabyva sve nejvets a nejmens hodnoty budv bode lokalnho extremu le zcm uvnitr intervalu nebo v jednom z krajnch bodu. Pro funkce vce promennych je situace podobna. Veta 6.5. Necht M R je kompaktn mnozina (tj. uzavrena a ohranicena) a funkce f : M R je spojita na M. Pak f nabyva svych absolutnch extremu bud v bodech lokalnho extremu lezcch uvnitr M nebo v nekterem hranicnm bode.
n
Dukaz. Tvrzen o existenci absolutnch extremu plyne ihned z Weierstrassovy vety (Veta 2.10). Zbyvajc tvrzen je trivialn, nebot jestlize bod absolutnho extremu nen hranicnm bodem (tj. je vnitrnm bodem M), mus byt i lokalnm extremem.
Predchoz veta dava prakticky navod, jak hledat absolutn extremy diferenco vatelnych funkc (s takovymi se v prakticky situacch setkavame nejcasteji) na ch kompaktnch mnozinach. Najdeme stacionarn body lezc uvnitr mnoziny a pak vysetrme danou funkci na hranici mnoziny. Vysetren funkce na hranici mnoziny n M R je obecne pomerne slozity problem a pojednava o nem devata kapitola. Pro funkce dvou promennych je vsak situace pomerne jednoducha. V tomto pr pade jsou velmi casto hranice nebo jej casti tvoreny grafy funkc jedne promenne. Vysetrit funkci na hranici pak znamena dosadit rovnici krivky, ktera tvor cast hra nice do funkce, jejz extremy hledame a vysetrovat extremy vznikle funkce jedne promenne. Tento postup je nejlepe srozumitelny na nasledujcch prkladech. Prklad 6.6. i) Urcete nejmens a nejvets hodnotu funkce z = f (x, y) = x y x 2 y 2 + x + y v trojuhelnku tvorenem souradnymi osami a tecnou ke grafu 4 funkce y = x v bode [2, 2]. Resen. Nejprve urceme rovnici tecny ke grafu funkce y = 4 . Plat y = x42 , tj. x 4 rovnice tecny je y 2 = 4 (x 2) = x + 2. Tedy mnozinou M, na nz hledame absolutn extremy je mnozina M = {[x, y] R2 : x 0, y 0, y 4 x}.
Urcme stacionarn body funkce z z x = y 2x + 1 = 0, z y = x 2y + 1 = 0,
odkud dostavame stacionarn bod [x, y] = [1, 1] M. Nyn vysetreme funkci f na hranici mnoziny M, ktera se sklada z usecek I. y = 0, x [0, 4] II. x = 0, y [0, 4] III. y = 4 x, x [0, 4]. Lokaln a absolutn extremy
I. y = 0, x [0, 4]. Dosazenm dostavame u = f (x, 0) = x 2 + x a hledame absolutn extremy teto funkce jedne promenne pro x [0, 4]. Plat u (x) = 2x + 1 = 0, odtud x = 1 . Funkcn hodnoty ve stacionarnm bode a 2 v krajnch bodech intervalu jsou u( 1 ) = 1 , u(0) = 0, u(4) = 12. 2 4 II. x = 0, y [0, 4]. Dosazenm dostavame v = f (0, y) = y 2 + y a stejne 1 1 jako v casti I v(0) = 0, v(4) = 12, v( 2 ) = 4 . III. y = 4 x, x [0, 4]. Dosazenm dostavame w = f (x, 4 x) = 2 2 2 x(4x)x (4y) +x +4x = 3x +12x 12. Plat w (x) = 6x +12 = 0, odtud x = 2, w(2) = 0. V krajnch bodech w(0) = 12, w(4) = 12. Porovnanm funkcnch hodnot funkce f na hranici (tj. hodnot funkc u, v, w v jejich stacionarnch bodech a v krajnch bodech intervalu, kde tyto funkce vysetrujeme) s funkcn hodnotou funkce f v jedinem stacionarnm bode [1, 1] vidme, ze f min = 12 pro [x, y] = [0, 4] a [x, y] = [4, 0], f max = 1 pro [x, y] = [1, 1]. Zaverem poznamenejme, ze algebraicke upravy spojene s vyjadrenm funkce f na hranici by nejcastejsm zdrojem numericky chyb. Mame vsak k dispozici vaj ch
pomerne dobrou prubeznou kontrolu. V bode [x, y] = [4, 0] se stykaj casti hranice I a III a tedy funkce u z I mus pro x = 4 nabyvat stejne funkcn hodnoty jako funkce w z III v x = 4. V nasem prpade je u(4) = 12 = w(4). Podobne v bode [0, 0] se stykaj casti I a II a v bode [0, 4] casti II a III. Take v techto bodech prubezna kontrola vychaz, nebot u(0) = 0 = v(0) a w(0) = v(4) = 12. Doporucujeme ctenari tuto kontrolu vzdy provest, nebot znacne minimalizuje moznost sen numericke chyby ve vypoctu. r ii) Urcete nejmens a nejvets hodnotu funkce z = (2x 2 + 3y 2 )ex mnozine M = {[x, y] R2 : x 2 + y 2 4}.
2 y 2
na Lokaln a absolutn extremy
Resen. Nejprve urcme stacionarn body lezc uvnitr mnoziny M, kterou je kruh o polomeru 2. Vypocteme parcialn derivace z x =4xex z y =6yex
2 y 2 2 y 2
2x(2x 2 + 3y 2 )ex 2y(2x 2 + 3y 2 )ex
2 y 2 2 y 2
= 2xex = 2yex
2 y 2 2 y 2
2x 2 + 3y 2 2 , 2x 2 + 3y 2 3 .
a polozme je rovny nule: xex yex

2 y 2 2 y 2
2x 2 + 3y 2 2 = 0, 2x 2 + 3y 2 3 = 0.
Odtud dostavame 4 moznosti: A) x = 0 = y f (0, 0) = 0. B) x = 0, 3y 2 = 3 y = 1, f (0, 1) = 3e1 . C) y = 0, 2x 2 = 2 x = 1, f (1, 0) = 2e1 . D) 2x 2 + 3y 2 2 = 0 a 2x 2 + 3y 2 3 = 0 tento system nema resen.
Nyn vysetreme funkci f na hranici mnoziny M. Tu si rozdelme na dve casti, horn a pulkruznici. doln I. y = 4 x 2 , x [2, 2], u = f (x, 4 x 2 ) = (2x 2 + 3(4 x 2 ))e4 = (12 x 2 )e4 . Najdeme nejvets a nejmens hodnotu funkce u na intervalu [2, 2]. Techto extremalnch hodnot je dosazeno bud v lokalnm extremu uvnitr intervalu [2, 2] nebo v nekterem z krajnch bodu x = 2. Plat u = 2xe4 = 0 x = 0. Odtud u(0) = e4 , u(2) = 8e4 . II. y = 4 x 2 , x [2, 2]. Zde je situace zcela stejna jako pro I, nebot f (x, y) = f (x, y). Porovnanm vsech vypoctenych hodnot vidme, ze f max = 3e1 , pro [x, y] = [0, 1], f min = 0, pro [x, y] = [0, 0].
Rejstrk
Graf vysetrovane funkce je znazornen na obr. 14.13 a 14.14; zde lze overit, ze vsechny stacionarn body lez uvnitr kruhu M. iii) Je dan drat delky l, tento drat je rozdelen na tri casti. Z jedne je vy tvoren kruh, z druhe ctverec a ze zbyle rovnostranny trojuhelnk. Urcete delky jednotlivych cast tak, aby plocha omezena temito obrazci byla minimaln resp. maximaln. Resen. Oznacme-li x delku strany ctverce, y polomer kruhu a z delku strany trojuhelnka, plat 4x + 2y + 3z = l, odtud z = l4x2y . Pro soucet obsahu 3 ctverce, kruhu a trojuhelnka plat 3 2 1 2 2 P = x + y + z = x 2 + y 2 + (l 4x 2y)2 4 12 3
Obsah Verze k tisku
a hledame absolutn extremy teto funkce na mnozine M = {[x, y] : x, y 0, 4x + 2y l, }. Nejprve vypocteme parcialn derivace a stacionarn body: Px = 2x Odtud 8 (l 4x 2y) = 0, 12 3 x= l Py = 2y 4 (l 4x 2y) = 0. 12 3
l , y= 4++3 3 8 + 2 + 6 3 a funkcn hodnota v tomto stacionarnm bode je P(x, y) = . 4(4 + + 3 3) l2
Nyn vysetreme funkci P na hranici mnoziny M. l I. y = 0, x [0, 4 ], oznacme (x) = P(x, 0) = x 2 + Pak (0) = (x) =
2 l , 12 3
Rejstrk
1 (l 12 3
4x) .
2
l ( 4 )
l2 , 16
Obsah Verze k tisku
(x) = 2x
8 (l 12 3
4x) = 0, tj. x = 4+l3 ,

1 (l 12 3
l2 . 4(4+3 3)
l II. x = 0, y [0, 2 ], oznacme (y) = P(0, y) = y 2 +
2y)2 .
Plat (0) =
l , 12 3
l ( 2 ) = l2
l2 , 4
(y) = 2y
2 (l 3 3
2y) = 0
l y = 2(+33 , (y) = 4(33+) . l III. y = l4x , x [0, 4 ], oznacme (x) = P(x, l4x ) = 2 2 l2 l l2 2 (0) = 4 , ( 4 ) = 16 , (x) = 2x (l 4x) = 0 l2 (x) = 4(4+) .
1 x 2 + 4 (l 4x)2 . l x = 4+ ,
Porovnanm vsech vypoctenych hodnot zjistme, ze nejvets obsah dostaneme, jestlize cely drat stocme do kruznice, tj. Pmax = l2 l pro [x, y] = 0, 4 2
l2 , 4(4++3 3)
a nejmens obsah Pmin = P(x, y) =
jestlize jej rozdelme takto: 4l
, 4++3 3 l cast na kruh . . . 2y = , 4++3 3 3 3l cast na trojuhelnk . . . 3z = . 4++3 3 Na zaver teto kapitoly si jeste ukazme metodu, jak lze resit ulohy na absolutn extremy v nekterych specialnch prpadech, napr. umme-li sestrojit vrstevnice funkce, jejz extremy hledame, a pokud mnozina, kde tyto extremy hledame, je dostatecne jednoducha. Cely postup je nejlepe srozumitelny na prkladech. Prklad 6.7. i) Najdete nejmens a nejvets hodnotu funkce f (x, y) = x 2 4x + y 2 4y + 10 na mnozine M : x 2 + y 2 1. Resen. Plat f (x, y) = (x 2)2 + (y 2)2 + 2. Protoze konstanta 2 nema vliv na to, v kterem bode nastavava abs. minimum a maximum (ma vliv pouze na hodnotu techto extremu), stac najt absolutn extremy funkce g(x, y) = (x 2)2 +(y 2)2 .
cast na ctverec . . . 4x =
Tato funkce vsak udava druhou mocninu vzdalenosti bodu [x, y] od bodu [2, 2]. lohu proto muzeme preformulovat takto: U V jednotkovem kruhu najdete bod, ktery je nejblze a nejdale od bodu [2, 2]. Geometricky je nyn esen ulohy zrejme. Sestrojme prmku y = x spojujc r pocatek s bodem [2, 2]. Prusecky teto prmky s kruznic x 2 + y 2 = 1 jsou resenm 1 nas ulohy, tj. 2x 2 = 1, odkud x = 2 . Minimu nastava v bode [ 2 , 2 ] a 1 1 1 1 maximum v bode [ 2 , 2 ] a extremaln hodnoty jsou f min = 114 2, f max = 11 + 4 2. Vsimneme si take, ze prusecky prmky y = x s jednotkovou kruznic jsou body, kde maj jednotkova kruznice a vrstevnice funkce f soustredne kruznice se stredem [2, 2] spolecnou tecnu. ii) Najdete nejmens a nejvets hodnotu funkce f (x, y) = x y na mnozine M : x 2 + y 2 1. Resen. Vrstevnice funkce f jsou prmky nacrtnute na obrazku 6.2. Nutnou pod mnkou (a zde i dostatecnou) pro to, aby hodnota c R byla hodnotou absolutnho maxima resp. minima funkce f je, ze prmka x y = c je tecnou ke kruznici x 2 + y 2 = 1. Vskutku, pokud prmka x y = c kruznici protne, znamena to, ze pro c dostatecne blzka c protne kruznici i prmka x y = c. To vsak znamena, ze funkce x y nabyva na M hodnot jak vetsch nez c (pro c > c) i mensch (pro c < c). Jestlize prmka x y = c kruznici vubec neprotne, znamena to, ze tyto body nelez v M a tedy nepripadaj v uvahu. Zbyva tedy pouze moznost, ze prmka x y = c je tecnou. 1 Z obrazku je nyn zrejme, ze maximum nastane v bode [ 2 , 2 ], jeho hod 1 1 1 nota je 2 a minimum je v bode [ 2 , 2 ], jeho hodnota je 2.
xy= 2
xy=
2 obr. 6.2 obr. 6.3
Rejstrk
iii) Najdete nejmens a nejvets hodnotu funkce f (x, y) = x y na mnozine M : |x| + |y| 1. Resen. Mnozina M a vrstevnice funkce f jsou nacrtnuty na obrazku 6.3 (vrstevni c cemi jsou grafy funkc x y = c, tj. rovnoose hyperboly y = x ). Stejnou uvahou jako v predchozm prkladu zjistme, ze funkce nabyva absolutnho maxima f max = 1 4 v bodech [ 1 , 1 ] a absolutnho minima f min = 1 v bodech [ 1 , 1 ]. 2 2 4 2 2
Obsah Verze k tisku
Zpet Zavrt
Cvicen. 6.1. Najdete lokaln extremy funkc:
a) z = x 2 + y 2 x y 2x + y b) z = x y(4 x y) c) z = 4(x y) x 2 y 2 d) z = x y +
50 x
f) z = x 2y+ln x 2 + y 2 +3 arctg g) z = y 1 + x + x 1 + y h) u = x 3 + y 2 + z 2 + 12x y + 2z i) u = x +

y2 4x
y x
20 y
z2 y
+ 2 , x, y, z > 0 z
a3 x
e) z = x 2 + x y + y 2 ln x ln y k) u = x yz(12 x 2y 3z)
j) z = x 2 + x y + y 2 +
a3 y
Lokaln a absolutn extremy +

2 , xn
2 n l) u = x1 x2 xn (1 x1 2x2 . . . nxn ), x1 , x1 , . . . , xn > 0
m) u = x1 +
x2 x1
x3 x2
+ +
xn x n1
x1 , . . . , xn > 0.
6.2. Udejte prklad funkce f : R2 R2 splnujc uvedene podmnky: a) f x (1, 1) = 0 = f y (1, 1), ale v bode [1, 1] nenastava lokaln extrem, b) f ma v bode [0, 1] ostre lokaln minimum a v bode [1, 0] ostre lokaln maxi mum. c) f ma v bode [1, 0] ostre lokaln minimum, v bode [0, 0] sedlo a v bode [1, 0] ostre lokaln maximum. 6.3. Pomoc vrstevnic funkce f urcete jej nejmens a nejvets hodnotu na mno zine M:
a) f (x, y) = x + y, M : |x| 1, |y| 1, b) f (x, y) = x 2 2x + y 2 2y + 3, M : x 0, y 0, x + y 1, c) f (x, y) = |x| + |y|, M : (x 1)2 + (y 1)2 1, d) f (x, y, z) = x + y + z, M : x 2 + y 2 1, 0 z 1, e) f (x, y, z) = x 2 + y 2 , M : x 2 + y 2 + z 2 1. 6.4. Urcete nejmens a nejvets hodnotu funkce f na mnozine M: a) f (x, y) = x +2x y +2y 3x 5y, M je trojuhelnk urceny body A = [0, 2], B = [3, 0], C = [0, 1].
2 2
b) f (x, y) = x 2 + y 2 + 3x y + 2, M je omezena grafy funkc y = |x| a y = 2. c) f (x, y) = x + y x y x y, M je trojuhelnk urceny body A = [1, 0], B = [1, 2], C = [3, 0].
2 2
d) f (x, y) = x 2 + y 2 x y 2, M = {[x, y] : x 2 + y 2 1, y |x| 1}. e) f (x, y) = 2x 2 + 4y 2 na M : {[x, y] : x 2 + y 2 9}, f) f (x, y) = x 2 + y 2 2x + 2y + 2 na M = {x 2 + y 2 1}. 6.5. Urcete absolutn extremy funkce f na mnozine M: a) f (x, y) = sin x sin y sin(x + y), M : 0 x, y , b) f (x, y) = x 2 x y + y 2 , M : |x| + |y| 1,
c) f (x, y, z) = x + 2y + 3z, M : x 2 + y 2 z 1,
x d) f (x1 , . . . , xn ) = (a+x1)(x11x2 ...xn n +b) , M : a x1 , . . . , xn b, 0 < a < b +x 2 )...(x (tzv. Huyghensova1 uloha), nejprve este ulohu pro n = 2. r
Vecnym zazrakem sveta je jeho pochopitelnost . . . To, ze je svet pochopitelny, je zazrak. (A. Einstein)
1 Christian Huyghens (16291695), nizozemsky matematik a fyzik
Kapitola 7
Zobrazen mezi prostory vyssch dimenz

V teto kapitole vyuzijeme vy sledku predchazejcch cast ke studiu vlastnost zobrazen mezi prostory vyssch dimenz. Vysledky, ktere zde odvodme hraj dulezitou roli mj. v teorii integralu funkc vce promennych, a to pri dukazu vety o substituci ve vcerozmernem integralu, viz [R2 ].
7.1. Zobrazen z R2 do R2
Denice 7.1. Necht jsou dany funkce f, g dvou promennych a D = D( f ) D(g). Dale nechtzobrazen F : D R2 je dano predpisem [x, y] [ f (x, y), g(x, y)]. Pak rekneme, ze zobrazen F je urceno funkcemi f, g, tyto funkce nazyvame slozky nebo take souradnicove funkce zobrazen F a pseme F = { f, g}.
F
Prklad 7.1. Vypiste slozky zobrazen pro stejnolehlost se stredem v pocatku soustavy souradnic, otocen o uhel a pro kruhovou inverzi urcenou jednotkovou kruznic. Resen. i) Stejnolehlost se stredem v pocatku. Je-li k koecient stejnolehlosti, pak [x, y] [kx, ky]. ii) Otocen o uhel [0, ] v kladnem smyslu. Pro odchylku dvou prmek prochazejcch pocatkem a bodem [x1 , y1 ], resp. [x2 , y2 ] plat cos = |x1 x2 + y1 y2 |
2 2 2 2 x1 + y1 x2 + y2 F
(kosinus uhlu je roven podlu skalarnho soucinu a soucinu velikost vektoru urcenych pocatkem a body [x1 , y1 ], resp. [x2 , y2 ]). Proto zobrazen F, ktere bodu
[x, y] prirad bod otocenm o uhel kolem pocatku v kladnem smyslu (tj. proti smeru otacen hodinovych rucicek) je tvaru [x, y] [x cos y sin , x sin + y cos ]. iii) Kruhova inverze urcena jednotkovou kruznic. Pri tomto zobrazen je bodu [x, y] prirazen bod [u, v] lezc na poloprmce urcene pocatkem a bodem [x, y] s vlastnost, ze soucin vzdalenost bodu [x, y] a [u, v] od pocatku je roven 1. Protoze [x, y] a [u, v] lez na stejne poloprmce, existuje realne > 0 takove, ze u = x, v = y. Z podmnky na vzdalenost bodu [x, y] [u, v] od pocatku dostavame x 2 + y 2 u 2 + v 2 = (x 2 + y 2 ) = 1, odtud = (x 2 + y 2 )1 . Toto zobrazen je proto tvaru [x, y] [
F F
x2
x y , ]. 2 x 2 + y2 +y
Rejstrk Obsah
Prklad 7.2. Zobrazen mnoziny komplexnch csel do sebe lze chapat take jako zobrazen z R2 do R2 . Naprklad zobrazen, ktere komplexnmu cslu z = x + i y prirad jeho druhou mocninu z 2 , denuje zobrazen [x, y] [x 2 y 2 , 2x y] nebot z 2 = (x + i y)2 = x 2 y 2 + 2i x y.
F
Verze k tisku
Denice 7.2. Rekneme, ze zobrazen F = { f, g} z R2 do R2 je spojite v bode [x0 , y0 ], jsou-li funkce f, g spojite v [x0 , y0 ]. Rekneme, ze F je diferencovatelne v bode [x0 , y0 ], jestlize kazda z funkc f, g je diferencovatelna v bode [x0 , y0 ]. Zobrazen d F(x0 , y0 ) : R2 R2 dane predpisem [h, k] [d f (x0 , y0 )(h, k), dg(x0 y0 )(h, k)] = = [ f x (x0 , y0 )h + f y (x0 , y0 )k, gx (x0 , y0 )h + g y (x0 , y0 )k] nazyvame diferencial zobrazen F v bode [x0 , y0 ] a znacme d F(x0 , y0 ) Podle teto denice je tedy diferencial zobrazen F linearn zobrazen z R2 do R2 . Protoze z linearn algebry vme, ze kazde linearn zobrazen mezi ko necnedimenzionalnmi prostory lze reprezentovat vhodnou matic, dostavame se k nasledujc denici. Denice 7.3. Nechtzobrazen F = { f, g} z R2 do R2 je diferencovatelne v bode [x0 , y0 ]. Matici typu 2 2 F (x0 , y0 ) = f x (x0 , y0 ) f y (x0 , y0 ) gx (x0 , y0 ) g y (x0 , y0 ) (7.1) Zobrazen mezi prostory vyssch dimenz
dF
nazyvame Jacobiho matice zobrazen F v bode [x0 , y0 ], determinant teto matice nazyvame jacobian zobrazen F v bode [x0 , y0 ].
Nejprve odvodme vzorec pro diferencial slozeneho zobrazen. Je zcela analo gicky vztahu pro derivaci slozene funkce jedne promenne, stac zapomenout, ze msto zobrazenmi mezi jednodimenzionalnm prostory se jedna o vcerozmerna zobrazen. Veta 7.1. Necht F = { f 1 , f 2 }, G = {g1 , g2 } jsou zobrazen z R2 do R2 . Pak pro Jacobiho1 matici slozeneho zobrazen H = F G plat H (x, y) = F (u, v)G (x, y), (7.2) Zobrazen mezi prostory vyssch dimenz
kde [u, v] = G(x, y), tj. u = g1 (x, y), v = g2 (x, y). Pro jejich jacobiany dosta vame det H (x, y) = det F (u, v) det G (x, y). Dukaz. Nechth 1 , h 2 jsou souradnicove funkce zobrazen H , tj. h 1 (x, y) = f 1 (g1 (x, y), g2 (x, y)), h 2 (x, y) = f 2 (g1 (x, y), g2 (x, y)). Aplikac Vety 5.1 dostavame h 1 (x, y) = f 1 (u, v) g1 (x, y) + f 1 (u, v) g2 (x, y) x u x v x a podle Denice 7.3 F (u, v) =
f1 (u, v) u f2 (u, v) u f1 (u, v) v f2 (u, v) v
Rejstrk
(7.3)
Obsah Verze k tisku
(7.4)
Zpet
, G (x, y) =
g1 (x, x g2 (x, x
y) y)
g1 (x, y g2 (x, y
y) y)
1 Carl Jacobi (18041851), nemecky matematik
Vynasobme-li tyto dve matice, vidme, ze prvek nachazejc se vlevo nahore je h 1 prave roven x (x, y), kde h 1 je dano v (7.3). Stejnym zpusobem overme, ze i ostatn prvky soucinu matic F G jsou totozne s vyrazy pro prvky matice H zskane pomoc (7.2), cmz je rovnost (7.2) dokazana. Vzorec pro jacobiany plyne z faktu, ze determinant soucinu dvou matic je roven soucinu determinantu. V diferencialnm poctu funkc jedne promenne jsme vysetrovali lokaln vlast nosti funkce (tj. v okol daneho bodu) pomoc derivace funkce v tomto bode (coz je pro funkci jedne promenne v podstate ekvivalentn diferencialu teto funkce, nebot funkce f : R R je v nejakem bode diferencovatelna, prave kdyz zde existuje konecna derivace f ). Podobne budeme postupovat v prpade zobrazen mezi prostory vyssch dimenz. Veta 7.2. Predpokladejme, ze slozky zobrazen F = { f, g} : R2 R2 maj v bode [x0 , y0 ] spojite parcialn derivace prvnho radu a Jacobiho matice F (x0 , y0 ) je regularn, tj. det F (x0 , y0 ) = 0. Pak existuje okol U bodu [x0 , y0 ] v nemz je zobrazen F proste a pro Jacobiho matici inverznho zobrazen F 1 v bode [u 0 , v0 ] = F(x0 , y0 ) plat (F 1 ) (u 0 , v0 ) = F (x0 , y0 )
1
(7.5)
Dukaz. Tvrzen zde nebudeme dokazovat se vsemi podrobnostmi (detailn dukaz je proveden v [R1 ]). Zdurazneme zde pouze hlavn myslenku dukazu. Diferencial d F(x0 , y0 ) zobrazen F : R2 R2 je nejleps linearn aproximace F v okol bodu [x0 , y0 ]. Je-li zobrazen d F(x0 , y0 ) proste to nastane prave kdyz je jeho matice F (x0 , y0 ) regularn je v jistem okol bodu [x0 , y0 ] proste i samo zobra zen F.
Vztah (7.5) dokazeme takto: Z denice inverznho zobrazen je F (F(x, y)) = [x, y]. Polozme [u, v] = F(x, y). Ze vztahu pro Jacobiho matici slozeneho zobrazen plyne (F 1 ) (u, v) F (x, y) = E jednotkova ma tice (nebot Jacobiho matice identickeho zobrazen je jednotkova matice) a odtud (F 1 ) (u, v) = [F (x, y)]1 .
1
Prklad 7.3. i) Rozhodnete, zda zobrazen F = { f, g} : R2 R2 se souradnico x vymi funkcemi f (x, y) = x y, g(x, y) = y je proste v okol bodu [x, y] = [2, 1], pokud ano, urcete Jacobiho matici inverznho zobrazen v bode [u, v] = F(2, 1). Resen. Jacobiho matice zobrazen F je F (x, y) = f x (x, y) f y (x, y) = gx (x, y) g y (x, y) y
1 y
x yx2
a pro bod [x, y] = [2, 1] je det F (2, 1) = 4, tedy F je proste v jistem okol bodu [2, 1]. Pro Jacobiho matici inverznho zobrazen F 1 v bode [2, 2] = F(2, 1) plat (F 1 ) (2, 2) = [F (2, 1)]1 = 1 2 1 2
1
1 2 1 4
1 4
1 2
ii) Urcete Jacobiho matici zobrazen F : R2 R2 , ktere je slozenm kruhove inverze, jejz rdc kruznice je jednotkova, a otocen o uhel v kladnem smyslu, 2 pricemz nejprve se provad kruhova inverze.
y x Resen. Kruhova inverze prirad bodu [x, y] bod [ x 2 +y 2 , x 2 +y 2 ] a otocen o uhel v kladnem smyslu prirad bodu [x, y] bod [y, x], viz prklad 7.1. Tedy slo 2 y x zene zobrazen prirad bodu [x, y] bod [ x 2 +y 2 , x 2 +y 2 ]. Jacobiho matice tohoto
zobrazen je F (x, y) =
y x 2 +y 2 x 2 +y 2 x
y y
y x 2 +y 2 x 2 +y 2 x
2x y (x 2 +y 2 )2 y 2 x 2 (x 2 +y 2 )2
y 2 x 2 (x 2 +y 2 )2 (x 22x y2 )2 +y
Poznamka 7.1. i) Jacobiho matici inverznho zobrazen v Prkladu 7.3, cast i) muzeme vypocst take prmo prostrednictvm explicitnho vyjadren inverznho zobrazen k F. Vypocteme-li z rovnic u = x y, v = x promenne x a y pomoc u a y v, dostavame u x = uv, y = v a vzhledem k tomu, ze hledame inverzn zobrazen v okol bodu [1, 1], bereme v obou rovnicch +. Pak (F
1
) (u, v) =
x u y u
x v y v
1 2
v u
1 2 uv
1 2 1 2
u v u v3
Rejstrk
Obsah Verze k tisku
Dosadme-li sem [u, v] = F(2, 1) = [2, 2], dostavame vskutku stejny vysledek jako v Prkladu 7.3. ii) Ze skutecnosti, ze det F (x0 , y0 ) = 0 pro nejake zobrazen F : R2 R2 jeste neplyne, ze F nen proste v okol bodu [x0 , y0 ], tj. podmnka det F (x0 , y0 ) = 0 je pouze dostatecna, nikoliv nutna, pro to, aby zobrazen F bylo proste v okol bodu [x0 , y0 ]. Naprklad zobrazen F dane predpisem [x, y] [x 3 , y 3 ] zobrazuje proste R2 na R2 , prestoze det F (0, 0) = 0.
F
7.2. Zobrazen z Rn do Rm
Pro zobrazen mezi prostory dimenz vyssch nez dve je situace zcela analogicka. Jsou-li n, m N a f 1 , . . . , f m : Rn R, pak prirazen [x1 , . . . , xn ] [ f 1 (x1 , . . . , xn ), . . . , f m (x1 , . . . , xn )] denuje zobrazen F : Rn Rm . Funkce f 1 , . . . , f m se nazyvaj slozky nebo sou radnicove funkce zobrazen F. Jsou-li vsechny slozky spojite v bode x , rekneme, ze F je spojite v bode x . Jsou-li f 1 , . . . , f n diferencovatelne v bode x Rn , rekneme, ze zobrazen F je diferencovatelne v bode x . Jeho diferencial d F(x ) n m denujeme jako linearn zobrazen z R do R dane predpisem h = [h 1 , . . . , h n ] [d f 1 (x )(h), . . . , d f m (x )(h)], kde d f 1 (x ), . . . , d fm (x ) jsou diferencialy souradnicovych funkc v bode x , tj.
n dF F
d f k (x )(h) = d f k (x )(h 1 , . . . , h n ) =
i=1
fk (x )h i . xi
Matice tohoto linearnho zobrazen (je to matice typu m n) f1 F (x ) =

x1
fm (x ) x1
(x ) . . . . . .
...
. . . fm (x ) xn
f1 (x ) xn (7.6)
se nazyva Jacobiho matice nebo take derivace zobrazen F a v prpade n = m se jej determinant nazy jacobian zobrazen F v bode x . V nektere stars literature va se jacobian znac D( f 1 , . . . , f n ) (x ) D(x1 , . . . , xn ) nebo ( f 1 , . . . , f n ) (x ). (x1 , . . . , xn )
Veta 7.3. Necht zobrazen G : Rn Rm je diferencovatelne v bode x Rn a zobrazen F : Rm Rk je diferencovatelne v bode y = G(x ). Pak slozene n k zobrazen H = F G : R R je diferencovatelne v bode x a plat H (x ) = F (y )G (x ) = F (G(x ))G (x ). (7.7)
Je-li n = m a det G (x ) = 0, existuje okol bodu x , v nemz je zobrazen G proste, tj. existuje zde inverzn zobrazen G 1 a pro jeho Jacobiho matici v bode y = G(x ) plat (G 1 ) (y ) = [G (x )]1 . (7.8)
Poznamka 7.2. Vzorce (7.7) a (7.8) pro Jacobiho matici slozeneho zobrazen a Jacobiho matici inverznho zobrazen jsou formalne zcela stejne jako vzorce pro derivaci slozene a inverzn funkce jedne promenne, zde vsak musme davat pozor na porad obou cinitelu, nebotnasoben matic nen komutativn operace. Matice F je typu k m, G je typu m n, nasoben techto matic je tedy mozne pouze v porad uvedenem v (7.7) (tmto zpusobem se take porad cinitelu nejlepe pamatuje).
Prklad 7.4. Vypoctete Jacobiho matici zobrazen F : R3 R3 , ktere bodu [x, y, z] prirad jeho sfericke souradnice y F [x, y, z] [ x 2 + y 2 + z 2 , arctg , arctg x Resen. Podle (7.6) plat x 2 + y2 + z2 x y arctg x F (x, y, z) = x x 2 +y 2 arctg x z x x 2 +y 2 +z 2 y x 2 +y 2 = xz
(x 2 +y 2 +z 2 ) x 2 +y 2
x 2 + y2 ]. z x 2 + y2 + z2 y arctg x = z 2 +y 2 x arctg z z z 0
y y
x 2 + y2 + z2 y arctg x y x 2 +y 2 arctg z
y x 2 +y 2 +z 2 x x 2 +y 2 yz
x 2 +y 2 +z 2
(x 2 +y 2 +z 2 )
x 2 +y 2
x 2 +y 2 (x 2 +y 2 +z 2 )
ii) Jak jsme jiz poznamenali v Prkladu 7.2, zobrazen F : C C mnoziny komplexnch csel do sebe muzeme chapat jako zobrazen z R2 do R2 , ktere komplexnmu cslu z = x + i y prirad cslo F(z) = f (x, y) + ig(x, y), kde f, g jsou realne funkce dvou promennych. Podobne jako v realnem oboru denujeme derivaci komplexn funkce F v csle z 0 = x0 + i y0 vztahem F (z 0 ) = lim
zz 0
F(z) F(z 0 ) , z z0
pricemz limita komplexn funkce v tomto vztahu se chape zcela analogicky jako v realnem oboru a znamena, ze ke kazdemu > 0 existuje > 0 takove, ze pro
vsechna z splnujc 0 < |z z 0 | < plat F(z) F(z 0 ) F (z 0 ) < . z z0 Dokazte toto tvrzen: Necht funkce f, g jsou diferencovatelne v bode [x0 , y0 ]. Pak komplexn funkce F ma v bode z 0 = x0 + i y0 derivaci, prave kdyz plat tzv. Cauchyovy-Riemannovy1 podmnky f g (x0 , y0 ) = (x0 , y0 ), x y f g (x0 , y0 ) = (x0 , y0 ). y x Zobrazen mezi prostory vyssch dimenz
1 Augustin Louis Cauchy (17891857), francouzsky matematik, Bernhard Riemann (1826
1866), nemecky matematik, oba jsou povazovani za spolutvurce modern matematiky. Rejstrk Obsah Verze k tisku
Resen. Oznacme F (z 0 ) = A + i B. Z diferencovatelnosti funkc f, g v bode [x0 , y0 ] plyne F(z) F(z 0 ) F (z 0 ) = zz 0 z z0 f (x, y) + ig(x, y) [ f (x0 , y0 ) + ig(x0 , y0 )] = lim ( A + i B) = (x,y)(x 0,y0 ) (x x0 ) + i(y y0 ) f (x, y) f (x0 , y0 ) A(x x0 ) + B(y y0 ) = lim + (x,y)(x 0,y0 ) (x x0 ) + i(y y0 ) g(x, y) g(x0 , y0 ) B(x x0 ) A(y y0 ) +i lim = (x,y)(x 0,y0 ) (x x0 ) + i(y y0 ) ( f x (x0 , y0 ) A)(x x0 ) + ( f y (x0 , y0 ) + B)(y y0 ) = lim + (x,y)(x 0,y0 ) (x x0 )2 + (y y0 )2 (gx (x0 , y0 ) B)(x x0 ) + (g y (x0 , y0 ) A)(y y0 ) +i lim . (x,y)(x 0,y0 ) (x x0 )2 + (y y0 )2 0 = lim Odtud f x (x0 , y0 ) = A = g y (x0 , y0 ), f y (x0 , y0 ) = B = gx (x0 , y0 ).
7.3. Diferencialn operatory matematicke fyziky

V odstavci 4.1 jsme uvedli, ze ve fyzikaln terminologii a take v nekterych odvet vch matematiky, napr. v numericky metodach, se vektor parcialnch derivac ch f funkce f nazyva gradient funkce a znac se grad f . Zobrazen F : R3 R3 se ve fyzikaln terminologii nazyva vektorove pole. Lze je chapat jako zobrazen, ktere bodu o souradnicch [x, y, z] prirad vektor
s pocatecnm bodem v pocatku a koncovym bodem F(x, y, z) = [P(x, y, z), Q(x, y, z), R(x, y, z)], kde P, Q, R jsou souradnicove funkce. Dulezitymi fyzikalnmi charakteristikami vektorovych pol jsou tzv. divergence vektoroveho pole div F(x, z, y) = Px (x, y, z) + Q y (x, y, z) + Rz (x, y, z) a rotace vektoroveho pole rot F(x, z, y) = [R y (x, y, z) Q z (x, y, z), Pz (x, y, z) Rx (x, y, z), Q x (x, y, z) Py (x, y, z)] (tedy divergence je skalarn velicina a rotace vektorova velicina). Prklad 7.5. Vypoctete divergenci a rotaci gravitacnho pole vytvorene hmotnym bodem o jednotkove hmotnosti umstenym v pocatku souradne soustavy. Resen. Z fyziky je znamo, ze dva hmotne body o hmotnostech m 1 , m 2 se navzajem m 1 m 2 11 2 pritahuj silou, jejz velikost je |F| = d 2 , kde = 6, 67 10 Nm /kg2 je Newtonova gravitacn konstanta a d je vzdalenost bodu. Tedy bod [x, y, z] s jednotkovou hmotnost bude pritahovan do pocatku silou, jejz smer je opacny nez smer vektoru s pocatkem v [0, 0, 0] a koncem v [x, y, z] a jehoz velikost |F| je rovna (x 2 + y 2 + z 2 )1 . Tedy F(x, y, z) = [x, y, z] a hodnotu skalaru urcme z podmnky pro velikost F, tj. x 2 + y 2 + z 2 = (x 2 + y 2 + z 2 )1 a 3 tedy = (x 2 + y 2 + z 2 ) 2 . Odtud x y z F(x, y, z) = [P(x, y, z), Q(x, y, z), R(x, y, z)] = 3 , 3 , 3 , r r r
kde r = x 2 + y 2 + z 2 . Nyn vypocteme vsechny parcialn derivace funkc P, Q, R potrebne k urcen div F a rot F. Px = 1 3x 2 + 5 r3 r , Qy = 1 3y 2 + 5 r3 r , Rz = 1 3z 2 + 5 , r3 r
odtud snadno overme, ze pro [x, y, z] = [0, 0, 0] je div F = 0. Podobne vypoc teme Py = Q x = a tedy i rot F = 0. Manipulace s diferencialnmi vyrazy obsahujc operatory rotace a divergence se podstatne usnadnuje zavedenm tzv. Hamiltonova nabla operatoru .1 Tento symbol je formalne denovan jako vektorovy operator predpisem := , , , x y z 3x y , r5 Pz = Rx = 3x z , r5 Q z = Ry = 3yz , r5 Zobrazen mezi prostory vyssch dimenz
tj. jako operator, ktery funkci f : R3 R prirazuje vektorove pole f = f f f , , x y z .
Toto je alternativn oznacen pro vektorove pole f , ktere diferencovatelne funkci f prirazuje jej derivaci. Operator lze s vy hodou pouzt i pri formalizaci operatoru
1 William Rowan Hamilton (18051865), irsky matematik. Termn nabla operator byl zaveden
prmo Hamiltonem, nabla oznacuje stary hudebn nastroj trojuhelnkoveho tvaru.
divergence a rotace. Uvazujme nejprve prpad divergencnho operatoru. Formalne muzeme aplikaci operatoru divergence na pole F zapsat takto divF = =
P x
,F = +
Q y
, , x y z R . z
, (P, Q, R) =
(7.9)
Podobne muzeme formalizovat operator rotace rot pomoc vektoroveho soucinu takto: R Q P R Q P rot F = F = , , . y z z x x y Pripomenme, ze vektorovy soucin u v dvou vektoru u = (u 1 , u 2 , u 3 ), v = (v1 , v2 , v3 ) je denovan jako vektor kolmy na linearn prostor generovany dvojic vektoru u, v, orientovany podle pravidla prave ruky, a delky ||u v|| = ||u|| ||v|| sin , kde je uhel mezi vektory u, v. Konkretne, souradnice vektoru u v jsou u v = (u 2 v3 u 3 v2 , u 2 v1 u 1 v3 , u 1 v2 v1 u 2 ). Zejmena, jsou-li vektory u, v linearne zavisle, pak u v = 0. Proto pro slozen operatoru rotace a gradientu plat rot grad f = f =0
pro libovolnou dostatecne hladkou funkci f . Podobne lze ukazat, ze div rotF = 0 pro libovolne dostatecne hladke vektorove pole F. Posledn identita plyne z faktu,
ze skalarn soucin u, u v = 0, nebotvektor u v je kolmy na kazdy z vektoru u, v. Proto div rot F = , F = 0. Obe vyse uvedene identity lze samozrejme dokazat i prmym derivovan, jejich overen tmto zpusobem je vsak pracnejs. Na zaver teto kapitoly pripomenme jeste pojem Laplaceova operatoru , ktery je denovan predpisem = 2 2 2 + 2 + 2. x2 y z Zobrazen mezi prostory vyssch dimenz
Parcialn diferencialn rovnice u = 0 se nazyva Laplaceova rovnice (viz za ver prvn casti Kapitoly 5) a jej resen se nazyvaj harmonicke funkce. Pomoc operatoru muzeme Laplaceuv operator denovat takto: u = div grad u = , u = 2u 2u 2u + 2 + 2. x2 y z
Cvicen. 7.1. Rozhodnete, zda zobrazen F = { f, g} je proste v okol bodu [x0 , y0 ]. Pokud ano, urcete Jacobiho matici inverznho zobrazen v bode [u 0 , v0 ] = F(x0 , y0 ). a) f (x, y) = x 2 + y 2 , g(x, y) = x y, [x0 , y0 ] = [0, 1],
b) f (x, y) = x 3 3x y 2 , g(x, y) = y 3 + 3x 2 y, [x0 , y0 ] = [1, 1],
c) f (x, y) = x y , g(x, y) = y x , [x0 , y0 ] = [1, 1]. 7.2. Urcete souradnicove funkce a Jacobiho matici uvedenych zobrazen. a) Osova soumernost podle prmky p jejz rovnice je ax + by + c = 0. b) Slozen osove soumernosti podle prmky y = x a projekce bodu na jednotkovou kruznici (bodu [x, y] = [0, 0] je prirazen bod na jednotkove kruznici, ktery je pruseckem kruznice s prmkou urcenou pocatkem a bodem [x, y]). c) Bodu [x, y, z] R3 je prirazen bod lezc na rovnku kulove plochy se stredem v pocatku prochazejc bodem [x, y, z], pricemz prirazeny bod lez na stejnem polednku. d) Elipticka inverze v R3 : Bodu [x, y, z] je prirazen bod lezc na poloprmce urcene pocatkem a bodem [x, y, z], pricemz soucin vzdalenosti vzoru a obrazu od pocatku je roven vzdalenosti od pocatku prusecku jejich spojnice s elipsoidem y2 x2 z2 + b2 + c2 = 1. a2 7.3. Je dana dvojice diferencovatelnych funkc R(r, ), (r, ), ktera denuje funkci F : C C predpisem z = re
i
R(r, )e
i (r,)
Vyuzitm vysledku Prkladu 7.4 ii) urcete nutnou podmnku, aby F mela derivaci. 7.4. Dokazte nasleduj identity (bud prmym derivovanm nebo pomoc operatoru ). V techto identitach f : R3 R a F, G : R3 R3 . 1. div( f F) = F, grad f + f div F, 2. rot( f F) = f rot F + grad f, F ,
3. div(F G) = rot A, B A, rot B , 4. rot(rot F) = grad div F F (vyraz F je treba chapat jako aplikaci opera toru na kazdou z komponent vektoroveho pole F).
Rejstrk Obsah
Dulezite je neprestat se ptat. Zvedavost existuje z dobreho duvodu. Nelze nez zasnout, rozvazujeme-li o tajemstvch vecnosti, zivota a uzasneho usporadan vec vezdejsch. Stac, kdyz se clovek snaz kazdy den porozumet alespon kousku tohoto tajemstv. Nikdy neztracejte zvedavost, tu posvatnou vlastnost. (A. Einstein)
Verze k tisku
Kapitola 8
Funkce zadana implicitne

Uvazujme tento problem: Necht F je funkce dvou promennych a oznacme mno zinu (krivku) M = {[x, y] D(F) : F(x, y) = 0}. Naprklad pro F(x, y) = x 2 + y 2 1 je krivka M jednotkova kruznice se stredem v pocatku. Zvolme libovolny bod na krivce M. Chceme vysetrit chovan krivky v okol tohoto bodu, zejmena urcit rovnici tecny v tomto bode a rozhodnout, zda krivka v okol tohoto bodu lez nad nebo pod tecnou. Jestlize krivka M je prmo grafem funkce jedne promenne y = f (x), tj. F(x, y) = y f (x) = 0, problem snadno vyresme vypoctem derivac f , f . Rovnez v jednoduchych prpadech, jako je rovnice kruznice, lze vyuzt metod diferencialnho poctu funkc jedne promenne, nebot z rovnice kruznice muzeme
snadno spoctat y jako funkci promenne x. Je-li vsak rovnice krivky kompliko 3 3 vanejs, napr. x + y 2x y = 0 a chceme urcit rovnici tecny ke krivce urcene touto rovnic v bode [x0 , y0 ] = [1, 1], predchoz postup selhava, protoze z rovnice krivky nelze y rozumne spoctat. V teto kapitole ukazeme, jak tuto nesnaz obejt. Budeme se nejprve zabyvat problemem, zda je krivka M v okol daneho bodu totozna s grafem nejake funkce jedne promenne, a pokud ano, jak spoctat jej derivace. V prvnm odstavci je tento problem vyresen pro funkci jedne promenne, v dru hem pro funkci n promennych a v tretm odstavci pro zobrazen mezi prostory vyssch dimenz.
8.1. Implicitne zadana funkce jedne promenne

Rejstrk
Denice 8.1. Necht F je funkce dvou promennych. Oznacme M = {[x, y] D(F) : F(x, y) = 0} a necht F(x0 , y0 ) = 0. Jestlize existuje okol U = {[x, y] D(F) : |x x0 | < , |y y0 | < } bodu [x0 , y0 ] takove, ze mnozina M U je totozna s grafem funkce y = f (x), |x x0 | < , rekneme, ze funkce f je v okol bodu [x0 , y0 ] denovana implicitne rovnic F(x, y) = 0. Jinymi slovy, funkce y = f (x) je v okol bodu [x0 , y0 ] zadana implicitne1 rovnic F(x, y) = 0, jestlize existuje > 0 takove, ze F(x, f (x)) = 0 pro x (x0 , x0 + ).
1 Doslovny cesky preklad slova implicitn je nerozvinuty, v necem obsazeny
Obsah Verze k tisku
V prpade rovnice kruznice x 2 + y 2 1 = 0 z obrazku vidme, ze v okol 2 2 libovolneho bodu P0 = [1, 0] teto kruznice je rovnic x + y 1 = 0 implicitne zadana funkce y = f (x) = 1 x 2 (znamenko + bereme, lez-li bod na horn pulkruznici a znamenko , je-li na doln pulkruznici).
y y0 + y0 y0 P0 R
x0 x0 x0 +
Rejstrk x Obsah Verze k tisku
Zpet obr. 8.1 Zavrt Konec
Dale vidme, ze v okol bodu [1, 0] nen rovnic zadana zadna funkce promenne x.
Strana 165 z 424
Jako jiny prklad uvazujme krivky dane rovnicemi F(x, y) := x y 2 = 0 F(x, y) := x 2 y 2 = 0 (parabola) (dvojice prmek y = x)
Je videt, ze v libovolnem okol pocatku nen rovnic F(x, y) = 0 urcena implicitne zadna funkce. Naopak, v dostatecne malem okol kazdeho jineho bodu techto krivek je rovnic F(x, y) = 0 denovana funkce y = f (x). V prvnm prpade to jsou funkce y = x nebo y = x, podle toho, lez-li bod v horn nebo doln polorovine urcene osou x, ve druhem prpade y = x nebo y = x podle toho, na ktere z dvojice prmek bod lez. V nasledujc Vete 8.1 je uvedena postacujc podmnka pro existenci funkce zadane implicitne v okol daneho bodu krivky a ve Vete 8.2 zpusob pro vypocet jej derivace. Veta 8.1. Nechtje funkce F spojita na ctverci R = {[x, y] D(F):|x x0 | < a, |yy0 | < a} a nechtF(x0 , y0 ) = 0. Dale predpokladejme, ze funkce F ma spojitou F parcialn derivaci y F(x, y) v bode [x0 , y0 ] a plat y (x0 , y0 ) = 0. Pak existuje okol bodu [x0 , y0 ], v nemz je rovnost F(x, y) = 0 implicitne denovana prave jedna funkce y = f (x), ktera je spojita. Dukaz. Existenci implicitne zadane funkce dokazeme pomoc Banachovy vety o pevnem bodu kontraktivnho zobrazen v uplnem metrickem prostoru, viz [D-D]. Necht, > 0 jsou realna csla, jejichz presnou hodnotu urcme pozdeji a oznacme I = [x0 , x0 + ]. Uvazujme prostor funkc P = {g C(I ) : g(x0 ) = y0 , |g(x) y0 | pro x I }.
To znamena, ze P je prostor spojitych funkc na I , jejichz grafy prochazej bodem [x0 , y0 ] a lez v - obdelnku kolem bodu [x0 , y0 ]. Na P uvazujme metriku stejnomerne konvergence ( f, g) = maxxI | f (x) g(x)|. Oznacme d = Fy (x0 , y0 ) = 0 a denujme na P zobrazen T : P C(I ) predpisem g(x) g(x)
T
F(x, g(x)) . d
Najdeme-li pevny bod f P zobrazen T , je tento bod hledanou implicitne zadanou funkc f . Vskutku, je-li f (x) = T ( f )(x) = f (x) d 1 F(x, f (x)), je d 1 F(x, f (x)) = 0 pro x I , coz podle Denice 8.1. znamena, ze funkce f je implicitne zadana rovnost F(x, y) = 0. Urcme nyn konstanty a tak, aby zobrazen T bylo kontrakc a zobrazovalo prostor P do sebe (coz jsou spolu s uplnost prostoru P predpoklady Banachovy vety). Necht f, g P. Vyuzitm Lagrangeovy vety o stredn hodnote pro funkci F dostavame |T ( f )(x)T (g)(x)| = max | f (x)d 1 F(x, f (x)) g(x) + d 1 F(x, g(x))| =
xI
Fy (x, )( f (x) g(x)) Fy (x, ) = | f (x) g(x) | = | f (x) g(x)| |1 |, d d kde = (x) lez mezi f (x) a g(x). Protoze funkce Fy je spojita v bode [x0 , y0 ] a Fy (x0 , y0 ) = d, existuj , 1 > 0 takova, ze |1 d 1 Fy (x, y)| < 1 pro 2 x (x0 1 , x0 + 1 ), y (y0 , y0 + ). Je-li 1 , pro takto zvolena , 1
plat (T ( f ), T (g)) = max | f (x) g(x)||1

xI
Fy (x, ) | d 1 1 max | f (x) g(x)| = ( f, g), 2 xI 2
tj. T je kontrakce s koecientem kontrakce q = 1 . Necht f P. Pak T ( f ) 2 je spojita funkce a T ( f )(x0 ) = f (x0 ) d 1 F(x0 , f (x0 )) = y0 . Odtud plyne existence 2 > 0 tak, ze pro x (x0 2 , x0 + 2 ) plat |T ( f )(x) y0 | . Polozme = min{1 , 2 }, pak pro takto urcena , je T kontraktivn zobrazen P do sebe, coz jsme potrebovali dokazat.
Rejstrk
Poznamka 8.1. i) Uvedomme si, ze rovnost F(x, y) = 0 muze byt v dostatecne velkem okol bodu [x0 , y0 ] zadana jedna ci vce spojitych nebo nespojitych funkc. Tuto skutecnost ilustruje nasledujc prklad. Uvazujme rovnici y(y 1) = 0. Touto rovnic je v okol bodu [0, 0] urcena spojita funkce y 0 a krome n take nespojita funkce (x) = 0, 1, pro x Q, pro x R Q.
Obsah Verze k tisku
ii) Podmnka Fy (x0 , y0 ) = 0 je pouze dostatecnou, nikoliv nutnou podmnkou pro existenci implicitne zadane funkce. V prpade rovnice y 3 x = 0 je Fy (0, 0) = 3y 2 | y=0 = 0 a presto je rovnic v okol pocatku implicitne urcena funkce y = 3 x.
Veta 8.2.
y
R (1, 0) O x x = (y)
Rejstrk Obsah obr. 8.2 Verze k tisku
iii) Na zadavajc rovnici F(x, y) = 0 se muzeme dvat take jako na rovnici denu jc funkci x = (y) promenne y. Snadno se vid na zaklade Vety 8.1, ze dostatec nou podmnkou pro existenci takto implicitne zadane funkce x = (y) v okol b. [x0 , y0 ] je Fx (x0 , y0 ) = 0. Na obrazku 8.2 je videt, ze rovnic x 2 + y 2 1 = 0 je v okol bodu [1, 0] implicitne urcena funkce x = (y) = 1 y 2 . Derivaci implicitne zadane funkce vypocteme podle nasledujc vety.
Nechtjsou splneny predpoklady Vety 8.1 a funkce F ma na R spojite parcialn derivace 1. radu. Pak ma funkce f , ktera je implicitne urcena v okol bodu [x0 , y0 ] rovnic F(x, y) = 0, derivaci v bode x0 a plat f (x0 ) = Fx (x0 , y0 ) . Fy (x0 , y0 ) (8.1)
Dukaz. Necht f je funkce implicitne urcena v okol bodu [x0 , y0 ] rovnic F(x, y) = 0, tj. existuje > 0 takove, ze pro x (x0 , x0 + ) plat F(x, f (x)) = 0. Dukaz existence derivace implicitne zadane funkce f zde nebudeme provadet (lze jej s podrobnostmi nalezt napr. v [N2 ]), zde se pouze zamerme na odvozen vzorce pro f . Derivovanm rovnosti F(x, f (x)) podle x dostavame Fx (x, f (x)) + Fy (x, f (x)) f (x) = 0, odkud Fx (x, f (x)) f (x) = . Fy (x, f (x))
Dosadme-li za x = x0 , pak ze skutecnosti, ze f (x0 ) = y0 , plyne dokazovane tvrzen. Prklad 8.1. i) Urcete rovnici tecny a normaly ke krivce dane rovnic x 3 + y 3 2x y = 0 v bode [1, 1] (viz uvodn komentar). Resen. Oznacme F(x, y) = x 3 + y 3 2x y. Plat Fy (x, y) = 3y 22x, Fy (1, 1) = 1 = 0, jsou tedy splneny vsechny predpoklady vety, tj. rovnost x 3 + y 3 2x y = 0
je v jistem okol bodu [1, 1] urcena implicitne funkce jedne promenne y = f (x), pro jejz derivaci v bode x = 1 dostavame f (1) = Fx (1, 1) 3x 2 2y = 2 |[x,y]=[1,1] = 1. Fy (1, 1) 3y 2x
Rovnice tecny t je y 1 = (x 1) x + y 2 = 0. Normala je prmka kolma k tecne a vzhledem k tomu, ze pro smernice k1 , k2 dvou navzajem kolmych prmek plat k1 k2 = 1, rovnice normaly n je y 1 = x 1 y = x. ii) Urcete, ve kterych bodech krivky x 2 + y 2 x y 1 = 0 je tecna rovnobezna s osou x, resp. y. Resen. Stejne jako v predchozm prkladu zjistme, ze ve vsech bodech, kde 2 2 2 2 [x + y x y 1] = 2y x = 0, je rovnic x + y x y 1 = 0 implicitne y urcena jista funkce promenne x. Pro jej derivaci plat y = 2x y . 2y x Funkce zadana implicitne
Tecna je rovnobezna s osou x v bodech, kde y = 0, mus proto platit 2x y = 0. 2 2 Protoze hledany bod lez na krivce x + y x y 1 = 0, dostavame system rovnic y = 2x, x 2 + y 2 x y 1 = 0.
[ 33 , 2 3 3 ]. 3 , 3 233,
Dosazenm z prvn rovnice do druhe snadno najdeme resen x =
y=
tedy tecna ke krivce je vodorovna v bodech Pri urcen bodu, kde je tecna rovnobezna s osou y postupujeme podobne. Tecna muze byt svisla pouze v bodech, kde je jmenovatel zlomku vyjadrujc y nulovy.
(Ke stejnemu vysledku dojdeme, jestlize se na rovnici x 2 + y 2 x y 1 = 0 dvame jako na rovnici urcujc implicitne x jako funkci promenne y.) Obdrzme system rovnic 2y x = 0, x 2 + y 2 x y 1 = 0, jehoz esenm je dvojice bodu [ 2 3 3 , r
3 ], 3
v nichz je tecna ke krivce svisla.
Poznamka 8.2. i) Pri vypoctu derivace funkce zadane rovnic F(x, y) = 0 vyu zvame casto msto vzorce (8.1) postupu uvedeneho pri jeho odvozen. Rovnici F(x, y) = 0 derivujeme podle x a na y se dvame jako na funkci promenne x. Pak dostavame Fx (x, y) + y Fy (x, y) = 0 a z teto rovnice vypocteme y . ii) Postup z predchoz poznamky je vhodny i pri vypoctu vyssch derivac funkce implicitne zadane rovnic F(x, y) = 0. Derivujeme-li rovnici (8.2) jeste jed nou podle x, dostavame Fx x (x, y) + (Fx y (x, y) + Fyx (x, y)) + Fyy (x, y)y ) + Fy (x, y)y = 0 a z teto rovnice vypocteme y . Dalsm derivovanm posledn rovnice odvodme vztah pro y atd. iii) Je-li c realna konstanta, je rovnic F(x, y) c = 0 urcena vrstevnice funkce F na urovni c viz Denice 1.3. Smernice tecny k vrstevnici v bode [x0 , y0 ] (pokud je funkce F diferencovatelna a tecna existuje) ma rovnici t: Fx (x0 , y0 ) y y0 = (x x0 ) Fy (x0 , y0 ) (8.2)
a odtud Fx (x0 , y0 )(x x0 ) + Fy (x0 , y0 )(y y0 ) = 0. To znamena, ze vektor u = (Fx (x0 , y0 ), Fy (x0 , y0 )) je normalovy vektor ke krivce F(x, y) c = 0 v bode [x0 , y0 ]. Prklad 8.2. i) Rozhodnete, zda krivka x 3 + y 3 2x y = 0 lez v okol bodu [1, 1] pod tecnou nebo nad tecnou. Resen. Rovnici tecny jsme vypoctali v Prkladu 8.1 i) podle vzorce o derivaci funkce dane implicitne. Nyn postupujme jako pri odvozen tohoto vzorce. Derivujeme-li rovnici x 3 + y 3 2x y = 0 podle x a uvazme-li, ze y je funkce promenne x, dostavame 2 2 3x + 3y y 2y 2x y = 0. Dalsm derivovanm podle x obdrzme 6x + 6y(y )2 + 3y 2 y 2y 2y 2x y = 0 a odtud 4y 6x 6y(y )2 y = . 3y 2 2x Dosadme-li do tohoto vztahu za x, y a y (tato hodnota je vypoctana pri vypoctu tecny), dostaneme y (1) = 16, coz znamena, ze krivka lez v okol bodu [1, 1] pod tecnou (nebot implicitne urcena funkce je v bode x = 1 konkavn). ii) Najdete lokaln extremy funkce zadane implicitne rovnost ln y x 2 + y 2 = arctg . x (8.3)
Zpet Zavrt
Resen. Derivovanm rovnosti implicitne zadavajc y jako funkci promenne x dostavame x + yy 1 yxy = . 2 + y2 y2 x x2 1+ 2
x
Odtud x + yy = y x y
e 4
y =
e 4
x+y . xy
Z podmnky y = 0 mame x = y a dosazenm do (8.3) dostavame ln
2x 2 = Funkce zadana implicitne
arctg(1) a odtud x = 2 , y = 2 . Nyn vypocteme y v nalezenych stacionarnch bodech. Derivujeme-li rovnici x + yy = y x y implicitne podle x (jina moznost, vedouc samozrejme ke stejnemu vysledku, je derivovat podle x zlomek x+y ), dostavame 1 + (y )2 + yy = y x + y y . Odtud yx 1 + (y )2 y = . xy Dosadme-li do teto rovnosti, vidme, ze y
4 4 ( e2
Rejstrk Obsah
Verze k tisku
) < 0, y
4 ( e2
) > 0, tedy
v bode x = e2 ma implicitne zadana funkce lokaln maximum a v bode

4 x = e2 lokaln minimum. (Geometricky se o spravnosti vypoctu muzeme presvedcit nacrtkem krivky, prejdeme-li v (8.3) k polarnm souradnicm x = r cos , y = r sin , pak pro ( , ) dostavame cast logaritmicke spiraly 2 2 r = e2 a pro ( , 3 ) krivku, ktera je stredove symetricka podle pocatku 2 2 s touto spiralou.
8.2. Implicitne zadana funkce vce promenny ch

V uvahach provadenych na zacatku predchozho odstavce se muzeme snadno posunout o dimenzi vyse. Uvazujme v R3 mnozinu M = {[x, y, z] R3 : F(x, y, z) = 0}, kde F je nejaka funkce tr promennych. Za celkem priroze nych predpokladu na funkci F (napr. diferencovatelnost) je M nejaka plocha v R3 a muzeme si klast otazku, jaka je rovnice tecne roviny k plose M v bode [x0 , y0 , z 0 ] M, popr. zda v okol tohoto bodu je plocha pod nebo nad tecnou rovinou. Lze-li z rovnice F(x, y, z) = 0 vypoctat promennou z, muzeme pou zt postup ze ctvrte kapitoly. Pokud toto nen mozne, zcela analogicky jako pro funkci dvou promennych muzeme odvodit podmnku, kdy je mnozina M v okol bodu [x0 , y0 , y0 ] totozna s grafem nejake funkce dvou promennych z = f (x, y), tj. v okol bodu [x0 , y0 , z 0 ] plat F(x, y, f (x, y)) = 0 a f (x0 , y0 ) = z 0 . Pokud takova funkce existuje, rekneme, ze je v okol bodu [x0 , y0 , z 0 ] implicitne zadana rovnic F(x, y, z) = 0. Zcela analogicka je situace, kdy je rovnic F(x1 , . . . , xn , y) = 0 v okol bodu [x , y] = [x1 , . . . , xn , y] implicitne urcena funkce n promennych y = f (x1 , . . . , xn ). Pristoupme proto k formulaci existencnho tvrzen prmo pro tento obecny prpad. Dukaz tvrzen neuvadme, protoze je v podstate totozny s prpadem, kdy je x skalarn promenna. Veta 8.3. Nechtfunkce F : Rn+1 R, M = {[x, y] = [x1 , . . . , xn , y] Rn+1 , F(x, y) = 0}, [x , y ] M a F je spojita na mnozine R = {[x, y] = [x1 , . . . , xn , y] : |xi xi | < a, i = 1, . . . , n, |y y | < a}. Dale predpokla dejme, ze F ma spojitou parcialn derivaci Fy v bode [x , y ] a F (x , y ) = 0. y
Pak existuje okol bodu [x , y ], v nemz je rovnic F(x, y) = F(x1 . . . , xn , y) = 0 implicitne urcena prave jedna spojita funkce y = f (x) = f (x1 , . . . , xn ). Ma-li navc funkce F v bode [x , y ] spojite parcialn derivace i F, ma x implicitne urcena funkce f v bode x = [x1 . . . , xn ] parcialn derivace a plat
F (x , y ) f x (x ) = Fi xi (x , y ) y
Prklad 8.3. i) Urcete rovnici tecne roviny v bode [1, 0, 1] k plose urcene rovnic x 3 + y 3 + z 3 3x yz x y z = 0. Resen. Urcme parcialn derivace implicitne zadane funkce z = z(x, y). Deri vovanm zadavajc rovnice podle x a podle y (uvazme pri tom, ze z je funkc promennych x a y) dostavame 3x 2 + 3z 2 z x 3yz 3x yz x 1 z x = 0, 3y 2 + 3z 2 z y 3x z 3x yz y 1 z y = 0. 3x 2 3yz 1 3y 2 3x z 1 , zy = . 3x y + 1 3z 2 3x y + 1 3z 2 Dosazenm x = 1, y = 0, z = 1 dostavame z x (1, 0) = 1, z y (1, 0) = 2 a tedy tecna rovina k dane plose v bode [1, 0, 1] ma podle (4.6) rovnici z 1 = (x 1) + 2y, po uprave x 2y + z 2 = 0. zx = ii) Rozhodnete, zda plocha v E dana rovnic x + y + z + z 4 = 0 lez v okol bodu [1, 1, 1] pod tecnou rovinou nebo nad tecnou rovinou sestrojenou v tomto bode.
3 2 3
Odtud
Resen. Postupem popsanym ve Vete 8.3 urcme parcialn derivace v bode [1, 1] funkce z = z(x, y). Dostavame zx = zx x = 6z 2 z x , 1 + 3z 2 1 , 1 + 3z 2 z yy = zy = 2 + 6z 2 z y 1 + 3z 2 , 2y , 1 + 3z 2 zxy = 6z x z y z , 1 + 3z 2
3 3 tedy v bode [1, 1, 1] plat z x = 1 , z y = 1 , z x x = 32 , z x y = 16 , z yy = 7 . 4 2 8 1 1 Tecna rovina v bode [1, 1, 1] ma rovnici z 1 = 4 (x 1) 2 (y 1). Nyn pouzijeme tvrzen uvedeneho v Poznamce 6.3. Plat 3 D(1, 1) = z x x (1, 1)z yy (1, 1) z 2 y (1, 1) = 32 x
7 8
3 2 16
12 162
>0
3 a z x x (1, 1) = 32 . Proto plocha urcena rovnic x + y 2 + z 3 + z 4 = 0 lez v okol bodu [1, 1, 1] pod tecnou rovinou v tomto bode.
iii) Urcete lokaln extremy funkce z = f (x, y) urcene implicitne rovnic 2 2 2 F(x, y, z) = x + y + z x z 2yz = 1. Resen. Derivovanm zadavajc rovnosti podle x a y dostavame 2x + 2zz x z x z x 2yz x = 0, 2y + 2zz y x z y 2z 2yz y = 0 odtud z 2x zx = , 2z x 2y 2z 2y zy = 2z x 2y
(8.4)
Stacionarn body urcme z podmnky z x = 0 = z y , tj. z = 2x = 2y, tedy y = 2x. Dosazenm do zadavajc rovnice obdrzme dvojici stacionarnch bodu P1 = [1, 2, 2], P2 = [1, 2, 2]. V techto bodech je Fz = 0, tedy v jejich okol je implicitne urcena jista funkce z = f (x, y). Derivovanm (8.4) vypocteme parcialn derivace 2. radu ve stacionarnch bodech zx x = 2 2z x 2y , z x y = 0, z yy = 2 2z x 2y .
V obou bodech P1,2 je D = z x x z yy z 2 y = 1 > 0, tj. v techto bodech nastavaj x lokaln extremy, a to maximum v bode P1 (nebot z x x = 2) a minimum v bode P2 (z x x = 2). Podobnym zpusobem jako v Poznamce 8.2 iii) lze dokazat nasledujc tvrzen. Veta 8.4. Predpokladejme, ze funkce F : Rn R ma spojite parcialn derivace n v bode x = [x1 , . . . , xn ] R a alespon jedna z techto parcialnch derivac je ne nulova. Pak lze k (n1)-rozmerne plose urcene rovnic F(x) = F(x1 , . . . , xn ) = 0 v bode x sestrojit tecnou nadrovinu a tato nadrovina ma rovnici
n
k=1
F (x )(xi xi ) = 0. xi
(8.5)
Ve vektorovem zapisu je uvedeny vztah F (x ), x x = 0,

F F ( ., . znac skalarn soucin v Rn ), tedy vektor F (x ) = ( x1 (x ), . . . , xn (x )) je normalovym vektorem v bode x k plose F(x) = 0.
Prklad 8.4. Urcete rovnici tecne nadroviny v bode [1, 1, . . . , 1] k (n 1)- roz 2 n merne plose dane rovnic x1 + x2 + + xn n = 0 n k1 k esen. Plat R xk k=1 x k = kx k . Odtud dosazenm do (8.5) dostavame rovnici tecne nadroviny
n
:
k=1
k(xk 1) = 0,
tj.
x1 + 2x2 + + nxn =
n(n + 1) . 2
Poznamka 8.3. Derivace vyssch radu funkce y = f (x1 , . . . , xn ) zadane im plicitne rovnic F(x1 , . . . , xn , y) = 0 vypocteme uplne stejne jako pro dve 2 promenne. Naprklad parcialn derivaci xi x j f (x) vypocteme tak, ze rovnici F(x1 , . . . , xn , y) = 0 derivujeme nejprve podle xi a pak podle x j (pritom vzdy bereme v uvahu, ze y je funkc vektorove promenne x = [x1 , . . . , xn ]).
8.3. Implicitne zadane zobrazen mezi prostory vyssch di menz

V tomto odstavci se zabyvame nejobecnejsm prpadem. Nechtje dano m funkc Fi , n + m promennych x = [x1 , . . . , xn ], y = [y1 , . . . , ym ], i = 1, . . . , m, a uvazujme system rovnic F1 (x1 , . . . , xn , y1 , . . . , ym ) =0 . . .
Zpet Zavrt
(8.6)
Fm (x1 , . . . , xn , y1 , . . . , ym ) = 0.
Na m-tici funkc F1 , . . . , Fm se muzeme dvat jako na zobrazen z Rn+m Rm , ktere oznacme F . Pak F1 , . . . , Fm jsou slozky tohoto zobrazen, tj. F = {F1 , . . . , Fm }. Podobne jako v predchozch dvou odstavcch oznacme M = {[x, y] Rn+m : F (x, y) = 0} a necht [x , y ] M. Jestlize existuje okol n+m m n bodu [x , y ] R O([x , y ]) = O(x ) O(y ) a zobrazen G : R R takove, ze pro kazde [x, y] O([x , y ]) je mnozina bodu [x, y] M totozna s mnozinou bodu [x, G(x)], x O(x ), rekneme, ze zobrazen G je v okol bodu [x , y ] implicitne urceno rovnic F (x, y) = 0. Hledame podmnky pro existenci implicitne zadaneho zobrazen. Jiny slovy, mi chceme v okol bodu [x , y ] ze systemu rovnic (8.6) jednoznacne urcit promenne y1 , . . . , ym v zavislosti na x1 , . . . , xn , neboli hledame podmnky, za kterych system m rovnic (8.6) urcuje v okol bodu [x , y ] M nejake spojite zobrazen G : R Rn . Soucasne odvodme vzorec pro Jacobiho matici tohoto implicitne urceneho zobrazen. Ctenari doporucujeme pri cten vysledku tohoto odstavce dosadit m = n = 1 (tj. vsechny matice a vektory se redukuj na skalarn hodnoty) a porovnat je s tvrzenmi z odstavce 8.1. Takto zjistme, ze kdyz zapomeneme, ze x, y jsou vektorove promenne, je tvrzen Vety 8.5 stejne jako ve Vetach 8.1, 8.2. Veta 8.5. NechtF = {F1 , . . . , Fm } je spojite zobrazen na mnozine R = {[x, y] Rn+m : [x, y] Oa (x ) Oa (y )}, nechtmatice F (x, y) . . . ym F1 (x, y) y1 1 . . F y (x, y) = . Fm (x, y) ym Fm (x, y) y1
je regularn v bode [x , y ] a jej prvky jsou spojite v tomto bode. Pak existuje okol O([x , y ]) = O(x ) O(y ) bodu [x , y ] takove, ze rovnic F (x, y) = 0 je v tomto okol bodu [x , y ] urceno jedine spojite zobrazen G : O(x ) O(y ), tj. pro x O(x ) je F (x, G(x)) = 0. Jsou-li navc v bode [x , y ] spojite prvky matice F (x, y) n F1 (x, y) x1 1 x . . Fx (x, y) = .
x1
Fn (x, y)
xn
Fn (x, y)
pak jsou prvky Jacobiho matice implicitne urceneho zobrazen G spojite v x a plat 1 G (x ) = F y (x , y ) Fx (x , y ). Dukaz. Oznacme-li d = det F y (x , y ) a budeme-li s maticemi F y , Fx mani pulovat v podstate stejne jako v dukazu Vet 8.1, 8.2, zjistme, ze dukaz techto vet projde i v maticovem prpade. Se vsemi technickymi podrobnostmi je tato myslenka realizovana ve skriptu [N2 ]. Nyn se budeme zabyvat denic tecneho a normaloveho prostoru k podmno n zinam v R denovanych jako mnozina resen jisteho systemu rovnic. Podrobne, necht F : Rn Rm , m < n, f i : Rn R, i = 1, . . . , m, jsou slozky tohoto zobrazen a oznacme M = F 1 (0) = {x = [x1 , . . . , xn ] Rn : F (x) = 0}, tj.

M je mnozina resen systemu rovnic f 1 (x1 , . . . , xn ) = 0, . . .
f m (x1 , . . . , xn ) = 0.
Jako model uvazujme dvojici rovnic x 2 + y 2 + z 2 1 = 0, x + y + z = 0. Z geometrickeho vyznamu je zrejme, ze mnozinou M v R3 urcenou touto dvojic 2 2 2 rovnic je kruznice, ktera je pruseckem sfery x + y +z = 1 s rovinou x + y +z = 0. Je-li [x , y , z ] M, pak je prirozene smerovy vektor tecny ke kruznici v bode [x , y , z ] nazvat tecnym prostorem k M v bode [x , y , z ] a ortogonaln doplnek k tomuto jednorozmernemu podprostoru normalovym prostorem. Je zrejme, ze normalovy prostor k M v [x , y , z ] je linearn podprostor v R3 ktery je generovan normalovymi vektory ke kulove plose a k rovine. Z tohoto pohledu je prirozena nasledujc denice. Denice 8.2. NechtF = { f 1 , . . . , f m } : Rn Rm , m < n, M Rn jsou stejne jako vye a x = [x1 , . . . , xn ] M. Dale predpokladejme, ze funkce f i , i = s 1, . . . , m, maj na M spojite parcialn derivace a Jacobiho matice F (x ) zobra zen F v bode x ma hodnost m. Prostor N M (x ) = Lin{ f 1 (x ), . . . , f m (x )}, i f i (x ) = ( xfi1 (x ), . . . , xfn (x )), nazyvame normalovy prostor k M v bode x a jeho ortogonaln doplnek T M (x ) = [N (x )] se nazyva tecny prostor k M v bode x .
Zpet Zavrt
Poznamka 8.4. i) V literature venovane diferencialn geometrii a globaln analyze n (viz napr. [S]) byva tecny prostor k podmnozinam v R denovan ponekud odlisne,
pro mnoziny zadane systemem rovnic pri splnen predpokladu z predchoz denice je vsak tento objekt totozny s nami denovanym tecnym prostorem. Podrobneji o teto problematice pojednava skriptum [N2 ] a monograe [S]. ii) Predpoklad na hodnost matice F (x ) v Denici 8.2 nelze vypustit. Uva zujme v R2 mnozinu M = {[x, y] : f (x, y) = x 2 y 2 = 0, y 0}. Pak evidentne M je tvorena dvojic poloprmek y x = 0 a v pocatku (kde f x (0, 0) = 0 = f y (0, 0)) tecnu nelze sestrojit, nebotkrivka zde ma hrot. Prklad 8.5. i) Urcete parametrickou rovnici tecny v bode [x0 , y0 , z 0 ], z 0 > 0, k prostorove krivce, ktera je pruseckem kulove plochy x 2 + y 2 +z 2 = 4 s valcovou plochou x 2 + y 2 2x = 0 (tzv. Vivianiho krivka1 ). Resen. Normalove vektory k jednotlivym plocham v bode [x0 , y0 , z 0 ] jsou pro kouli n 1 = (2x0 , 2y0 , 2z 0 ) a n 2 = (2x0 2, 2y0 , 0) pro valec. Normalovy prostor ke krivce je generovan temito dvema vektory (vsimnete si, ze v bode [4,0,0] jsou linearne zavisle, zde ma krivka hrot nacrtnete si obrazek). Jejich vektorovy soucin u = (y0 z 0 , z 0 (x0 1), y0 ) je smerovym vektorem tecny, ktera ma tedy rovnici t : [x, y, z] = [x0 , y0 , z 0 ] + (y0 z 0 , z 0 (x0 1), y0 ), R. ii) Urcete Jacobiho matici zobrazen F : R2 R2 : u = u(x, y), v = v(x, y), ktere je v okol bodu [x , y , u , v ] = [1, 0, 1, 0] urceno implicitne dvojic rovnic x 2 + y 2 + u 2 + v 2 2 = 0, xu yv + euv 2 = 0
1 Vincenzo Viviani (16221703), italsky matematik, zak G. Galileiho
Zpet
(8.7)
Resen. Oznacme M mnozinu bodu v R4 , ktere vyhovuj zadavajc dvojici rovnic. Prmym dosazenm snadno overme, ze vskutku [x , y , u , v ] M a derivo vanm systemu rovnic podle x (s tm, ze u, v jsou funkce promennych x, y) dostavame (po jednoduche uprave) x + uu x + vvx = 0, (x + ve )u x + (y + ueuv )vx = u,
uv
odtud pomoc Cramerova pravidla (toto je pro linearn 2 2 systemy vetsinou nejrychlejs metoda resen) x v u y + ueuv u v uv x + ve y + ueuv u xv x + veuv u u v uv x + ve y + ueuv
ux =
vx =
.
Analogicky parcialnm derivovanm systemu (8.7) podle y obdrzme system dvou linearnch rovnic pro nezname u y , v y , jehoz resenm je (opet podle Cramerova pravidla) y v v y + ueuv u v x + veuv y + ueuv u x + veuv v v u v x + veuv y + ueuv
uy =
vy =
Dosazenm bodu [x , y , u , v ] do techto vyjadrenm vidme, ze system (8.7) denuje implicitne v okol bodu [x , y , u , v ] opravdu zobrazen G : [x, y]
[u, v] (nebot jmenovatel vsech zlomku je nenulovy) a plat u x = 1, vx = 0, u y = 0, v y = 0, tedy det G (x , y ) = 0.
Cvicen. 8.1. a) Najdete body krivky x 2 +2x yy 2 8 = 0, v nichz nejsou splneny predpoklady Vety 8.1 o existenci implicitn funkce y = f (x). b) Najdete body parabolicke valcove plochy z 2 2 px = 0, kde p > 0, v nichz nejsou splneny predpoklady Vety 8.3 o existenci implicitn funkce z = f (x, y). c) Ve kterych bodech jednodlneho hyperboloidu a 2 + b2 c2 = 1 nejsou splneny predpoklady predpoklady Vety 8.3 o existenci implicitn funkce z = f (x, y)? 8.2. Vypoctete y funkce y = f (x) zadanou implicitne rovnic: a) x y 2 = ln y b) x y = y x , kde x > 0, y > 0.
Zpet
x2 y2 z2
8.3. Urcete rovnici tecny ke kuzelosecce: a) 3x 2 + 7x y + 5y 2 + 4x + 5y + 1 = 0 b) 7x 2 2y 2 = 14 prochazejc pocatkem;
kolmou k prmce p : 2x + 4y 3 = 0.
8.4. Na elipse o rovnici x 2 + 3y 2 2x + 6y 8 = 0 najdete body, v nichz je normala rovnobezna s osou y. 8.5. Vypoctete y funkce y = f (x) zadanou implicitne rovnic y c sin y = x, c (0, 1) . 8.6. a) Urcete rovnici tecne roviny a normaly k plose 4 T = [2, 3 , 1].
2 2 2 x2 2
3y + 2z 2 = 0 v bode Funkce zadana implicitne
b) K elipsoidu x + 2y + 3z = 21 vedte tecne roviny rovnobezne s rovinou : x + 4y + 6z = 0. c) K elipsoidu o rovnici x 2 + 2y 2 + z 2 = 1 vedte tecne roviny rovnobezne s rovinou : x y + 2z = 0. 8.7. Urcete parcialn derivace 1. a 2. radu funkce z = z(x, y) dane implicitne rovnic: a) x + y + z = e(x+y+z) b) z = x 2 y 2 tg
z x 2 y 2
8.8. Najdete stacionarn body funkce y = y(x) dane implicitne rovnic 3x 2 + 2x y y 2 3y + x 5 =0 4

a zjistete, zda jsou v techto bodech lokaln extremy. 8.9. Najdete stacionarn body funkce z = f (x, y) a zjistete, zda jsou v techto bodech lokaln extremy:
a) x 2 + y 2 + z 2 2x + 2y 4z 10 = 0 b) 2x 2 + 2y 2 + z 2 + 8x z z + 8 = 0.
Nic na svete nemuze nahradit vytrvalost. Nenahrad ji ani talent; nic nen beznejs nez neuspesny clovek s talentem. Ani genialita; nedoceneny genius je temer prslovecny. Pouze vytrvalost a odhodlan jsou vsemocne. (C. Coolidge)
Kapitola 9
Vazane extremy
V uvodu Kapitoly 6 jsme zduraznili, ze vysetrovan extremu funkc je jednou z nejdulezitejsch cast diferencialnho poctu. V predchozch dvou kapitolach jsme si pripravili aparat k tomu, abychom mohli vysetrovat tzv. vazane extremy. Je to vlastne v jistem smyslu specialn prpad lokalnch extremu, avsak metody uvedene v Kapitole 6 zde nejsou vhodne. V prvnm odstavci vysvetlme tzv. metodu Lagrangeovych multiplikatoru, kde extremy puvodn funkce vysetrujeme pomoc prirazene, tzv. Lagrangeovy funkce. Ve druhem odstavci studujeme vazane extremy pomoc nerovnost mezi prumery csel.
Vazane extremy
Zpet
9.1. Metoda Lagrangeovy multiplikatoru ch

Zacneme nasledujc ulohou.
Urcete absolutn minimum a maximum funkce u = f (x, y, z) na mnozine 2 2 2 M : x + y + z 1, x, y, z 0 (konkretn tvar funkce f nen v tuto chvli podstatny). Vysetrujeme-li pri esen ulohy funkci f na casti hranice tvorene kulovou plo r chou, vyjadrme z = 1 x 2 y 2 a funkci f (x, y, 1 x 2 y 2 ) vysetrujeme na mnozine M : x 2 + y 2 1, x, y 0, tj. najdeme stacionarn body uvnitr M Provest toto na casti hranice tvorene a vysetrme funkci na hranici mnoz M. iny ctvrtkruznic znamena vyjadrit y = 1 x 2 a dosadit do f , tj. vysetrovat funkci f (x, 1 x 2 , 0) pro x [0, 1]. Tmto postupem prevedeme puvodn problem vysetren funkce na hranici na studium extremu funkce jedne promenne. Je zrejme, ze tato metoda je neprakticka zejmena pri vetsm poctu promennych. V tomto odstavci si popseme tzv. metodu Lagrangeovych multiplikatoru, ktera resen ulohy podstatne usnadn. Denice 9.1. Necht f je funkce n promennych, M D( f ), x = [x1 , . . . , xn ] M. Existuje-li okol O(x ) bodu x takove, ze pro vsechna x M O(x ) plat f (x) f (x ), ( f (x) f (x )) rkame, ze funkce f ma v bode A lokaln minimum (maximum) vzhledem k mnozine M. Jsou-li ne rovnosti pro x = x ostre, mluvme o ostrych lokalnch extremech vzhledem k M.
Vazane extremy
V teto kapitole se zabyvame prpadem, kdy mnozina M je zadana systemem rovnost g1 (x1 , . . . , xn ) = 0 g2 (x1 , . . . , xn ) = 0 . . . gm (x1 , . . . , xn ) = 0, kde 1 m < n. V tomto prpade se casto msto termnu lokaln extrem vzhledem k M pouzva termnu lokaln extrem vazany podmnkami (9.1) nebo proste vazany lokaln extrem. Nejprve zformulujme nutnou podmnku pro existenci vazaneho extremu. Veta 9.1. Necht funkce n promennych f, g1 , . . . , gm , 1 m < n, maj spojite parcialn derivace 1. radu v otevrene mnozine U Rn a necht v kazdem bode mnoziny U ma matice g1 g . . . x1 n x1 (9.2) . . . . . . . . . . . . . gm gm . . . xn x1 hodnost m. BudM mnozina vsech bodu [x1 , . . . , xn ], ktere vyhovuj rovnicm (9.1). Ma-li funkce f v bode a = [a1 , . . . , an ] M lokaln extrem vzhledem k M, existuj realna csla 1 , . . . , m tak, ze jsou splneny rovnosti f (a) x j
m
(9.1)
Vazane extremy
k
k=1
gk (a) = 0, x j
j = 1, . . . , n,
(9.3)
Poznamka 9.1. i) Drve nez pristoupme k dukazu tvrzen, objasneme si vyznam rovnosti (9.3). Zprvu uvazujme nejjednoduss prpad n = 2, m = 1. Pak M je krivka v R2 zadana rovnic g(x, y) = 0 (pseme x, y, [x , y ] a g msto x1 , x2 , a a g1 ). Rovnost (9.3) muzeme psat ve tvaru rovnosti dvou dvourozmernych vektoru ( f x (x , y ), f y (x , y )) = (gx (x , y ), g y (x , y )). Kdyz si uvedomme, ze vektor (gx (x , y ), g y (x , y )) je normalovym vektorem ke krivce g(x, y) = 0 v bode [x , y ] a vektor ( f x (x , y ), f y (x , y )) je nor malovym vektorem k vrstevnici funkce f na urovni c = f (x , y ), vztah (9.3) rka, ze vektory ( f x (x , y ), f y (x , y )) a (gx (x , y ), g y (x , y )) jsou linearne zavisle. Jinymi slovy, krivky g(x, y) = 0 a f (x, y) = f (x , y ) maj spolecnou tecnu v bode [x , y ]. Tato skutecnost je v plnem souladu s uvahami, ktere jsme pouzili pri resen Prkladu 6.6. ii) V obecnem prpade necht f , gk jsou vektory parcialnch derivac funkc f, gk , k = 1, . . . , m, a nechtM je mnozina urcena systemem (9.1). Pak v souladu s terminologi z kapitoly o implicitnch funkcch vztah (9.3) rka, ze f (a) N M (a), kde N M (a) je normalovy prostor k M v bode a. iii) Funkce
m
Vazane extremy
L(x, ) = L(x1 , . . . , xn , 1 , . . . , , m ) = f (x1 , . . . , xn )

k=1
k gk (x1 . . . , xn )
se nazyva Lagrangeova funkce a konstanty k Lagrangeovy multiplikatory. Princip metody Lagrangeovych multiplikatoru spocva v tom, ze do Lagrangeovy funkce jsou zabudovany vazebne podmnky a msto vysetrovani funkce f na M vyset rujeme Lagrangeovu funkci L bez omezujcch podmnek. Metodu multiplikatoru
lze pouzt i v prpade, kdy mnozina M je zadana nikoliv jen systemem rovnost, ale i systemem nerovnost. Dukaz Vety 9.1. Predpokladejme nejprve, ze funkce gk jsou ann, tj. gk (x) = u k , x + k , kde u k Rn , k R, k = 1, . . . , m. Predpokladejme, ze neexistuje m-tice multi plikatoru, pro nez plat (9.3), pak f (a) Lin{g1 (a), . . . , gm (a)}. To znamena, / ze existuje h Rn , h Lin{g1 (a), . . . , gm (a)} ( znac ortogonaln doplnek) takove, ze f (a), h = 0. Polozme y = a + h. Vzhledem k tomu, ze funkce gk jsou ann a h Lin{g1 (a), . . . , gm (a)} = Lin{u 1 , . . . , u m } , je gk (y) = u k , a + h + k = gk (a) + u k , h = 0, tedy y M. Z diferencovatelnosti funkce f dostavame f (y) = f (a) + f (a), h + (h) = f (a) + kde lim0
(h) .
Vazane extremy
Rejstrk Obsah
f (a), h +
(h) ,
Verze k tisku
Odtud f (y) f (a) (h) = f (a), h + .

Je-li nyn napr. f (a), h > 0, limitnm prechodem pro 0 vidme, ze pro || dostatecne mala je f (y) > f (a) pro > 0 a f (y) < f (a) pro < 0. To je ve sporu s tm, ze f ma v bode a lokaln extrem vzhledem k M.
Nyn vysetreme obecny prpad, kdy funkce gk nejsou ann. Pak bod y se strojeny v predchoz casti dukazu jiz nemus byt prvkem mnoziny M, proto msto tohoto bodu musme uvazovat jiny bod. Geometricky je jeho nalezen naznaceno na obrazku 9.1. Oznacme v1 , . . . , vnm bazi prostoru Lin{g1 (a), . . . , gm (a)} a uvazujme system rovnic gk (a + h + r) = 0, vk , r = 0, k = 1, . . . , m, k = 1, . . . , n m, (9.4)
g (a) v h a M obr. 9.1
r ()
Vazane extremy
kde r Rn . Pak jsou vzhledem k nezavislosti vektoru gk (a) a vyberu vektoru vk splneny predpoklady Vety 8.3 a system rovnic (9.4) urcuje implicitne v okol bodu [, r] = [0, 0] R Rn funkci r = r() : R Rn . Podle Vety 8.3 pro jej derivaci podle dostavame r ()|=0 = 0, coz podle lHospitalova pravidla znamena, ze r() = 0. 0 lim (9.5)
Nyn polozme y = a + h + r(). Podobne jako v prvn casti dukazu plat f (y) = f (a) + f (a), h + r() + (h) = r() (h) = f (a) + f (a), h + f (a), + a stejnou uvahou jako vye v libovolnem okol bodu a najdeme y , y M takova, s ze f (y) < f (a) i f (y) > f (a) spor. Vazane extremy
Denice 9.2. Nechtmnozina M Rn je dana systemem rovnic (9.1). Rekneme, ze bod a M je stacionarn bod funkce f na M, jestlize existuj Lagrangeovy multiplikatory 1 , . . . , m takove, ze plat (9.3). Veta 9.1 rka, ze v prpade diferencovatelnych funkc f a gk , lokaln extrem vzhledem k mnozine M muze nastat pouze ve stacionarnm bode. O tom, zda ve stacionarnm bode nastava nebo nenastava lokaln extrem rozhodneme pomoc vlastnost matice druhy derivac Lagrangeovy funkce L (x, ). ch Veta 9.2. Necht funkce f a gk , k = 1, . . . , m, maj spojite parcialn derivace druheho radu v bode a, ktery je stacionarnm bodem f na M a 1 , . . . , m jsou prslusne Lagrangeovy multiplikatory, tj. L (a, ) = 0. Dale necht matice (9.2) ma pro x = a hodnost m. Jestlize pro kazde 0 = h Lin{g1 (a), . . . , gm (a)} plat L (a)h, h > 0 (< 0), (9.6)
ma funkce f v bode a ostre lokaln minimum (maximum) vzhledem k M. Jestlize h Lin{g1 (a), . . . , gm (a)} takova, ze existuj h, L (a)h, h > 0, L (a)h, h < 0, (9.7)
v bode a lokaln extrem vzhledem k M nenastava. Dukaz. Predevsm si vsimneme, ze pro x M je f (x) = L(x), tj. x M je lokalnm extremem f vzhledem k M, prave kdyz je lokalnm extremem Lagran geovy funkce L. Podobne jako v dukazu Vety 9.1 muzeme body y M vyjadrit ve tvaru y = a + h + r(), kde h Lin{g1 (a), . . . , gm (a)} a r : R Rn splnuje (9.5). Pomoc Taylorova vzorce dostavame f (y) =L(y) = L(a) + L (a), h + r() + 2 (h + r() = f (a) + 2 1 L (a)(h + r(), 2 r() r() L (a) h + ,h + , (9.8)
Vazane extremy
kde a lez na usecce spojujc a a y, (vyuzili jsme faktu, ze a je stacionarn bod, tj. L (a) = 0). Predpokladejme, ze plat (9.6), pak vzhledem ke spojitosti druhych derivac funkce L stejne nerovnosti plat i pro a msto a, je-li || dostatecne male. Limitnm prechodem pro 0 v (9.8) dostavame pro || dostatecne male, sgn[ f (y) f (a)] = sgn L (a)h, h , tedy v bode a nastava lokaln extrem f vzhledem k M, a to minimum, je-li L (a)h, h > 0, a maximum, plat-li opacna nerovnost.
Nyn predpokladejme, ze existuj h, h Lin{g1 (a), . . . , gm (a)} takova, ze + r(), y2 = a + h + r(). Stejnym zpusobem plat (9.7). Polozme y1 = a + h jako v predchoz casti dukazu lze ukazat, ze pro || dostatecne mala plat f (y1 ) > f (a) a f (y2 ) < f (a), tj. v bode a lokaln extrem f vzhledem k M nenastava.
Nyn si shrnme tvrzen poslednch dvou vet do praktickeho navodu hledan vazanych extremu funkc se spojitymi druhymi derivacemi. 1. Vytvorme Lagrangeovu funkci L(x, ) = f (x) m k gk (x). k=1 2. Urcme stacionarn body f vzhledem k M, tj. urcme x1 , . . . , xn a 1 , . . . , m jako resen systemu n + m rovnic L(x, ) = 0, i = 1, . . . , n, xi g j (x) = 0, j = 1, . . . , m. Vazane extremy
Necht a M je takto vypocteny stacionarn bod f vzhledem k M a 1 , . . . , m jsou prslusejc multiplikatory. 3. Ze systemu m linearnch rovnic g1 g1 (a)h 1 + + (a)h n = 0, x1 xn . . . gm gm (a)h 1 + + (a)h n = 0 x1 xn pro promenne h 1 , . . . , h n vypocteme m promennych v zavislosti na n m zbyva n jcch. Takto vypoctene vektory h R jsou prvky tecneho prostoru k M v bode a,
T M (a) = Lin{g1 (a), . . . , gm (a)} . Tento vypocet je mozny, nebot podle predpo kladu ma matice (9.2) hodnost m. Pro urcitost predpokladejme, ze jsme vypocetli h 1 , . . . , h m v zavislosti na h m+1 , . . . , h n . 4. Urcme druhy diferencial Lagrangeovy funkce vzhledem k promennym x ve stacionarnm bode a d L(a, ) =
2
2L (a)h i h j = L (a)h, h , xi x j i, j =1 Vazane extremy
za 1 , . . . , m dosadme prslusejc multiplikatory a za h 1 , . . . , h m vyjadren z predchozho bodu. 5. Vysetrme denitnost vznikle kvadraticke formy n m promennych (je to 2 vlastne restrikce kvadraticke formy d L(a, ) na tecny prostor T M (a)). Je-li tato forma pozitivne (negativne) denitn, nastava v bode a ostre lokaln minimum (maximum) a je-li indenitn, v bode a vazany extrem nenastava. Prklad 9.1. i) Najdete lokaln extremy funkce u = 2 2 2 mnozine M : x + y + z = 1.
x2 a2
y2 b2
z2 , c2
a > b > c, na
Resen. Nejprve sestavme Lagrangeovu funkci ulohy a urcme stacionarn body. L(x, y, z, ) = x2 y2 z2 + 2 + 2 (x 2 + y 2 + z 2 1). a2 b c
Derivovanm a pridanm vazebne podmnky dostavame Lx = 2x 1 2x = 0 x = 0, 2 a a2 2y 1 L y = 2 2y = 0 y = 0, b b2 2y 1 L z = 2 2z = 0 z 2 = 0, c c 2 2 2 x + y + z = 1.
Vazane extremy
Z prvnch tr rovnic plyne, ze vzdy dve ze souradnic x, y, z mus byt nulove (nebot pouze jeden z vyrazu v zavorkach muze vzdy byt nulovy), dostavame sestici stacionarnch bodu a prslusejcch multiplikatoru P1,2 = [1, 0, 0], 1,2 = 1 , P3,4 = [0, 1, 0], 3,4 = b12 , P5,6 = [0, 0, 1], 56 = c12 . Urcme druhy a2 diferencial funkce L (uzijeme obvykleho zapisu s dx, dy, dz msto h 1 , h 2 , h 3 ), d 2 L(x, y, z, ) = 2 1 1 1 (dx)2 + 2 2 (dy)2 + 2 2 (dz)2 2 a b c
a diferencovanm vazebne podmnky dostavame 2x dx + 2y dy + 2z dz = 0. Odsud plyne, ze v bodech P1,2 je dx = 0, v bodech P3,4 je dy = 0 a v P5,6 je dz = 0. Vyuzitm teto skutecnosti vysetreme denitnost formy d 2 L na tecnem
prostoru v bodech P16 ke kouli x 2 + y 2 + z 2 = 1. 1 1 1 1 2 )(dy)2 + 2( 2 2 )(dz)2 , 2 b a c a 1 1 1 1 2 2 P3,4 : d L = 2( 2 2 )(dx) + 2( 2 2 )(dz)2 , a b c b 1 1 1 1 P5,6 : d 2 L = 2( 2 2 )(dx)2 + 2( 2 2 )(dz)2 . c b c b Protoze a > b > c, je kvadraticka forma v bodech P1,2 pozitivne denitn, v bodech P5,6 negativne denitn a v bodech P3,4 indenitn. To znamena, ze v P1,2 je ostre lokaln minimum (rovno a12 ), v P5,6 je ostre lokaln maximum 1 (rovno c2 ) a v bodech P3,4 extrem nenastava. P1,2 : d 2 L = 2(
ii) Odvodte vzorec pro vzdalenost bodu x = [x1 , . . . , xn ] od roviny a1 x1 + + an xn = b v prostoru En .
Vazane extremy
Resen. Oznacme a = [a1 , . . . , an ], x = [x1 , . . . , xn ]. Pak muzeme ulohu zapsat ve vektorovem tvaru x x , x x min, a, x = b.
Je-li x bodem minima teto ulohy, je take bodem minima ulohy 1 a, x = b x x , x x min, 2 (tato uvaha nam usnadn derivovan). Lagrangeova funkce teto ulohy je L(x, ) = 1 1 x x , x x ( a, x b) = 2 2
n (xk xk )2 ( k=1 k=1 n
Zpet Zavrt Konec
ak xk b).
Strana 199 z 424
Derivovanm dostavame (pouzvame pro strucnost vektoroveho zapisu) L x = x x a = 0, a, x = b.
Z prvn rovnice x = x + a a dosazenm do druhe rovnice a, x + a = b, odtud (b a, x ) b a, x = x x = a, ||a||2 ||a||2 tedy x x , x x =

|b a, x | |b a1 x1 . . . an xn | , = ||a|| a2 + + a2 1 n
Vazane extremy
coz je vzorec dobre znamy z linearn algebry. iii) Urcete obsah elipsy, ktera vznikne pri rezu elipsoidu + + =1 rovinou Ax + B y + C z = 0 (obsah elipsy je P = pq, kde p, q jsou delky poloos elipsy). Resen. K urcen obsahu elipsy potrebujeme urcit delky jejch poloos. To jsou vzdalenosti bodu lezcch zaroven na elipsoidu i v rezne rovine, ktere maj nejmens resp. nejvets vzdalenost od pocatku. Vzdalenost bodu [x, y, z] od pocatku je dana vztahem x 2 + y 2 + z 2 . Msto teto funkce budeme hledat extremy funkce u = x 2 + y 2 + z 2 , ktera se snaze derivuje a vypocteny vysledek odmocnme. esme tedy ulohu R u = x + y + z max(min),
2 2 2 x2 a2 y2 b2 z2 c2
x2 y2 z2 + 2 + 2 = 1, Ax + B y + C y = 0. a2 b c
y x z Lagrangeova funkce ulohy je L(x, y, z, , ) = x 2 + y 2 + z 2 ( a 2 + b2 + c2 1) ( Ax + B y + C y). Jejm derivovanm a pripojenm vazebnych podmnek dostavame system rovnic
2x 2y 2z A = 0, 2y 2 B = 0, 2z 2 C = 0, 2 a b c x2 y2 z2 + 2 + 2 = 1, Ax + B y + C z = 0. a2 b c Vynasobme-li prvn rovnici x, druhou y, tret z a secteme je, pak vyuzitm va zebnych podmnek dostavame rovnost x 2 + y 2 + z 2 = , tedy u max = max a u min = min . Vyjadrme-li z prvnch tr rovnic x, y, z a dosadme do rovnice roviny, obdrzme rovnici 2x A2 2 1+
a2
Vazane extremy
B2 2 1+
b2
C2 2 1+
c2
= 0.
Protoze = 0 (jinak x = y = z = 0 a tento bod nelez na elipsoidu), z teto rovnice vynasobenm jmenovateli zlomku dostavame A2 1 b2 1 c2 + B2 1 a2 1 b2 a2 1 c2 +
+C 2 1
= 0.
Tuto rovnici muzeme prepsat do tvaru kvadraticke rovnice 2 + K 1 + K 2 , kde a 2 b 2 c 2 ( A2 + B 2 + C 2 ) K2 = 2 2 , A a + B 2 b2 + C 2 c2
koecient K 1 muzeme take vyjadrit explicitne, jeho hodnota vsak nen podstatna, nebot rovnici nemusme resit. Nepotrebujeme totiz znat koreny rovnice 1,2, ny brz pouze jejich soucin 1 2 ve skutecnosti nepotrebujeme znat delky poloos, stac nam znat jejich soucin. Tento soucin je roven absolutnmu clenu K 2 v kva 2 2 draticke rovnici. Protoze jsme hledali extremy funkce x + y + z 2 msto funkce x 2 + y 2 + z 2 , je hledana plocha elipsy S = 1 2 = K 2 = abc A2 + B 2 + C 2 A2 a 2 + B 2 b 2 + C 2 c 2 . Vazane extremy
9.2. Vazane extremy a nerovnosti

V tomto odstavci si ukazeme, jak lze v nekterych specialnch (ale pomerne casto se vyskytujcch) prpadech hledat vazane extremy, aniz by bylo nutne pouzt aparatu Lagrangeovych multiplikatoru. I kdyz je tento postup ponekud vzdaleny od metod diferencialnho poctu, uvadme jej zde pro jeho vybornou praktickou pouzitelnost. tenari doporucujeme vsechny ulohy tohoto odstavce vyresit pro srovnan take C metodou Lagrangeovy multiplikatoru. ch Nejprve pripomenme pojem kvadratickeho, aritmetickeho, geometrickeho a harmonickeho prumeru n-tice csel. Necht x1 , . . . , xn jsou kladna realna csla, oznacme
2 2 2 x1 + x2 + + xn , n x1 + x2 + + xn An (x1 , x2 , . . . , xn ) = , n Gn (x1 , x2 , . . . , xn ) = n x1 x2 . . . xn , n Hn (x1 , x2 , . . . , xn ) = 1 . 1 + x2 + + x1n x1
Qn (x1 , x2 , . . . , xn ) =
Vazane extremy
Veta 9.3. Nechtx = [x1 , . . . , xn ] je n-tice kladnych csel. Plat nerovnosti Qn (x) An (x) Gn (x) Hn (x), pricemz rovnosti nastavaj prave kdyz x1 = x2 = = xn . Dukaz. Viz skriptum [H-K-S]. Krome nerovnost mezi prumery je ucinnym nastrojem i tzv. Cauchyova ne rovnost. Veta 9.4. Pro libovolne dve n-tice realnych csel x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) plat
n n
1 2
Zpet Zavrt Konec
n 2 yk k=1
1 2
|xk yk |
k=1 k=1
2 xk
Strana 203 z 424
pricemz rovnost nastane prave kdyz existuje realne t takove, ze yk = t xk , k = 1, . . . , n, tj. prave kdyz vektory x a y jsou linearne zavisle. Dukaz. Viz [H-K-S].
Prklad 9.2. i) Mezi vsemi trojuhelnky s konstantnm obvodem o urcete ten, ktery ma nejvets obsah. Resen. Vyjdeme z Heronova vzorce pro obsah trojuhelnka P= s(s a)(s b)s c), Vazane extremy
kde a, b, c jsou strany trojuhelnka a s = (a + b + c)/2 = o/2 je tzv. poloperimetr. Oznacme-li x = sa, y = sb, z = sc a uvazme-li, ze najt maximum funkce 1 2 P je totez jako najt maximum funkce P = s 3 P 3 , muzeme ulohu formulovat takto o P(x, y, z) = 3 x yz max, x + y + z = . 2 Vyuzitm nerovnosti mezi algebraickym a geometricky prumerem dostavame m P(x, y, z) (x + y + z)/3 = o/6, pricemz rovnost nastava prave kdyz x = y = z = o/2. Mame tedy system rovnic o o o sa = , sb = , sc = , 6 6 6 jehoz resenm je a = b = c = o/3. Tedy mezi vsemi trojuhelnky s danym obvodem o ma nejvets obsah rovnostranny trojuhelnk a tento maximaln obsah o2 je Pmax = 123 .
ii) Mezi vsemi trojicemi kladny csel x, y, z s konstantnm souctem a najdete ch ta, pro ktera je soucet prevracenych hodnot minimaln. Resen. Z nerovnosti mezi harmonickym a aritmeticky prumerem dostavame m 3
1 x
1 y
1 z
x+y+z a = , 3 3
pricemz rovnost nastane prave kdyz x = y = z = a/3. Odtud 1 + 1 + 1 x y z 9 9 = a . Tedy soucet prevracenych hodnot je minimaln jsou-li vsechna tri x+y+z csla stejna a rovna a . 3
y x z iii) Na elipsoidu a 2 + b2 + c2 = 1 najdete bod v prvnm oktantu s vlastnost, ze objem ctyrstenu tvoreneho souradnymi stenami a tecnou rovinou k elipsoidu v tomto bode je minimaln.
2 2 2
Vazane extremy
Resen. Nejprve pripomenme, ze objem ctyrstenu vypocteme podle vzorce V = 1 x0 y0 z 0 , kde [x0 , 0, 0], [0, y0 , 0], [0, 0, z 0 ] jsou prusecky tecne roviny se sourad 6 nymi osami (sestrojme-li trojboky hranol se zakladnou tvorenou trojuhelnkem s vrcholy [0, 0, 0], [x0 , 0, 0], [0, y0 , 0] a vyskou z 0 , jeho objem je 1 x0 y0 z 0 a je troj 2 nasobkem objemu naseho ctyrstenu). Vyjadrenm promenne z z rovnice elipsoidu nebo pomoc derivace implicitn funkce snadno oveme, ze rovnice tecne roviny r k elipsoidu v bode [x, y , z ] je zz yy xx + 2 + 2 = 1, c2 b a (9.9)
Odtud dostavame, ze useky vytate tecnou rovinou na souradnych osach jsou a2 b2 c2 x0 = x (polozme y = 0 = z v (9.9)), z 0 = y , z 0 = z . Resme tedy ulohu V = 1 a 2 b2 c2 min, 6 x yz y2 z2 x2 + 2 + 2 = 1, a2 b c
ktera je, pokud jde o extremaln bod, ekvivalentn uloze 1 3 xyz 1 V = (6V ) 3 = max, 3 abc a b c y2 z2 x2 + 2 + 2 = 1. a2 b c Vazane extremy
Z nerovnosti mezi kvadratickym a geometricky prumerem dostavame, ze V je m y x z maximaln, jestlize a = b = c , coz vzhledem k vazebne podmnce nastane, kdyz x = 3a, y = 3b, z = 3c a pro tyto hodnoty dostavame minimaln objem abc Vmin = 183 . iv) Na elipsoidu x 2 + x + y + z = 2 14.
y2 4
z2 9
= 1 najdete bod, ktery je nejblze rovine
Resen. Pro vzdalenost bodu [x0 , y0 , z 0 ] od roviny ax + by + cz = d plat vzorec (viz Prklad 9.1 ii)) |ax0 + by0 + cz 0 d| d= . a 2 + b2 + c2 Protoze elipsoid lez pod rovinou x + y + z = 2 14, budeme resit ulohu x + y + z 2 14 y2 z2 + = 1. (9.10) min, x 2 + 4 9 3
ktera je (pokud jde o bod, v nemz je dosazeno minima) ekvivalentn uloze x + y + z max, x2 + y2 z2 + = 1. 4 9
Tuto ulohu vyresme pomoc Cauchyovy nerovnosti. Plat y z x +y+z = x +2 +3 2 3 x2 + y2 z2 1 + 4 + 9 = 14, + 4 9 Vazane extremy
y z pricemz rovnost nastava prave kdyz jsou vektory (x, 2 , 3 ), (1, 2, 3) linearne y z zavisle, tj. existuje t R takove, ze x = t, 2 = 2t, 3 = 3t. Vezmeme-li v uvahu
vazebnou podmnku x 2 + v I. kvadrantu)
y2 4
+ z9 = 1, dostavame t = 1 , tj. (hledany bod lez 14 4 y= , 14

14 . 3
1 x= , 14
9 z= 14
a dosazenm do (9.10) dostavame dmin =
Cvicen. 9.1. Urcete vazane extremy funkce f na mnozine urcene rovnostmi: a) f (x, y, z) = x y 2 z 3 , x + 2y + 3z = a, a, x, y, z > 0 b) f (x, y, z) = sin x sin y sin z, x + y + z = 2 c) f (x, y, z) = x yz, x 2 + y 2 + z 2 = 1, x + y + z = 0
d) e) f) g)
f (x, y, z) = x y + yz, x 2 + y 2 = 2, y + z = 2, x, y, z > 0 x x 2 2 f (x1 , . . . , xn ) = x1 + + xn , a1 + + an = 1, ai > 0, i = 1, . . . , n n 1 n 1 f (x1 , . . . , xn ) = 1 +. . .+ n , 1 x1 + + n xn = 1, i , i , xi > 0, i = 1, . . . , n x x f (x1 , . . . , xn ) = x1 1 . . . xn n , x1 + + xn = 1, i > 0, i = 1, . . . , n.
9.2.
x a) Do elipsoidu a 2 + objem urcete.
2
y2 b2
z2 c2
= 1 vepiste hranol s maximalnm objemem. Tento

2
z x b) Do usece eliptickeho paraboloidu c = a 2 + malnm objemem. Tento objem urcete.
y2 , b2
z c, vepiste hranol s maxi
Vazane extremy
c) Do kuzele s polomerem podstavy r a vyskou h vepiste hranol s maximalnm objemem. Tento objem urcete. d) Mezi vsemi ctyrbokymi hranoly s konstantnm povrchem P najdete ten, ktery ma nejvets objem. Tento objem urcete.
y x e) Na elipse a 2 + b2 = 1 najdete bod s vlastnost, ze normala sestrojena v tomto bode ma nejvets vzdalenost od pocatku.
2 2
f) Na elipsoidu v prostoru jsou dany dva body A = [a1 , a2 , a3 ], B = [b1 , b2 , b3 ]. Urcete bod C na elipsoidu tak, aby vznikly trojuhelnk mel maximaln obsah. 9.3. Reste extremaln ulohy: a)
1 ||x||2 2
min,
u, x = , v, x = , x, u, v Rn , , R.
b) Ax, x min, u k , x = k , k = 1, . . . , n 1, x, u k Rn , k R, dim{Lin{u 1 , . . . , u n1 }} = n 1.
Vazane extremy
Zpet
Vsechny dobre zasady jsou jiz napsany. Nyn jeste zbyva je uskutecnit. (B. Pascal)
Kapitola 10
Generovan graky v Maplu

Zde se vyuzit poctace prmo nabz. Tato cast matematicke analyzy se probra v dobe, kdy nejsou probrany odpovdajc partie z geometrie (zimn semestr dru heho rocnku ucitelskeho studia). Studenti proto casto postradaj geometrickou predstavu v prostoru, a tak jsou visualizacn schopnosti poctacovych systemu velmi vtany.
10.1. Graf funkce dvou promenny ch

Vsimneme si podrobneji problematiky tvorby grafu realne funkce dvou realnych promennych pomoc programu Maple V. Zamerme se zejmena na prpady, kdy poctacem zskany vystup (v dalsm nazyvany PC-graf), neodpovda grafu funkce (Denice 1.2). Denujme funkci f (x, y) = sin(x) cos(y):
>
f:=(x,y)->sin(x)*cos(y);
f := ( x, y ) sin( x ) cos( y ) a sestrojme PC-graf funkce f (obr. 10.1):

>
plot3d(f, -Pi..Pi, -Pi..Pi);
Rejstrk Obsah Verze k tisku obr. 10.1
Stejne jednoduse je mozno zskat i PC-graf plochy dane parametricky, napr. x = sin u cos v, y = sin u sin v, z = cos u, u [0, ], v [0, 2] (obr. 10.2):
> > > >
with(plots): plot3d([sin(u)*cos(v),sin(u)*sin(v),cos(u)],u=0..Pi, v=0..2*Pi,style=patch, scaling=constrained, axes=framed, labels=[x,y,z]);
0.5
0.5
z 0
-0.5
-0.5
-1 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5
-1
-1 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5
-1
obr. 10.2
obr. 10.3
Parametrem scaling=constrained jsme dosahli stejneho mertka na osach vysledneho PC-grafu. Porovnejme PC-graf na obrazku 10.2 s PC-grafem na obrazku 10.3, na kterem je tataz koule generovana bez pouzit tohoto parametru:
> >
plot3d([sin(u)*cos(v),sin(u)*sin(v),cos(u)],u=0..Pi, v=0..2*Pi,style=patch, axes=framed, labels=[x,y,z]);
Jakym zpusobem probha konstrukce PC-grafu? Zadame funkcn predpis a mnozinu bodu [x, y], pro ktere chceme funkci zobrazit. Tato mnozina je typu xmin , xmax ymin , ymax . Na n pak program vytvor st, v jejichz uzlovych bo dech numericky spocta funkcn hodnoty (tyto jsou ulozeny do objektu PLOT3D). Hustotu ste regulujeme pomoc parametru grid=[m,n], kde m a n udava po cet uzlovych bodu ve smeru os x a y. Implicitn nastaven tohoto parametru je [25,25]. Funkcn hodnoty jsou pote podle interpolacnch pravidel pospojovany a PC-graf zobrazen na vystupnm zarzen.
Tento postup vsak zrejme muze vest k zavadejcm vysledkum. Pro ilustraci napr. vytvorme PC-graf funkce g(x, y) = sin(2x) sin(2y), pro x a y z intervalu 0, 25 beze zmeny implicitnho nastaven parametru:
> >
plot3d(sin(2*Pi*x)*sin(2*Pi*y), x=0..25, y=0..25, axes=boxed, labels=[x,y,z]);
Podrobnejs analyzou zadane funkce vsak zjistme, ze zskany PC-graf (obr. 10.4) neodpovda skutecnosti, funkce sin(2x) a sin(2y) jsou periodicke s periodou 1 a tomu PC-graf na obrazku 10.4 neodpovda. Zhustenm ste dostavame vysledek blizs skutecnemu chovan uvazovane funkce (obr. 10.5):
> >
plot3d(sin(2*Pi*x)*sin(2*Pi*y), x=0..25, y=0..25, axes=boxed, grid=[60,60], labels=[x,y,z]);
Rejstrk
1 1
Obsah Verze k tisku

0 5 10 y 15 20 25 25 20 15 x 10 5 0
0.5
0.5
-0.5
-0.5
-1 0 5 10 y 15 20 25 25 20 15 x 10 5 0
-1
obr. 10.4
obr. 10.5
Zpet Zavrt
Dals problemy vznikaj pri tvorbe grafu nespojitych funkc. Nejjednoduss situace nastava v prpade, kdy studovana funkce nen v bode [x0 , y0 ] spojita (viz
Denice 2.3), ale v tomto bode existuje konecna limita. Pak muzeme bud zmenit hustotu uzlovych bodu nebo funkci vhodnym zpusobem dodenovat. Prklad 10.1. Vytvorte PC-graf funkce f (x, y) = x2 y . x 2 + y2
Prkazem:
>
f:=(x,y)->(x2*y)/(x2+y2);
f := ( x, y ) zadame funkci a prkazem:

> >
x2 y x 2 + y2
plot3d(f, -3..3, -3..3, orientation=[-57,38], axes=framed, labels=[x,y,z]);
zskame PC-graf zobrazeny na obr. 10.6. Bod, ve kterem vysetrovana funkce nen spojita, je pri teto hustote ste totozny s uzlovym bodem a program v nem nemuze spoctat funkcn hodnotu. Pri zobra zovan na vystupnm zarzen je funkcn hodnota v bode nespojitosti vynechana a zobrazeny PC-graf neodpovda v okol bodu [0, 0] grafu funkce. Vsimneme si u tohoto prkladu podrobne struktury Mapleovske graky. Generujme graf zkou mane funkce pro x a y z intervalu 3, 3 pri hustote ste [7, 7] a podvejme se, jaka je struktura vytvoreneho objektu PLOT3D:
> >
p:=plot3d(f, -3..3, -3..3, orientation=[-57,38], axes=framed,grid=[7,7],color=black,labels=[x,y,z]);
>
p;
p := PLOT3D(GRID(3...3., 3...3., [[1.500000000000000, 1.384615384615385, .9000000000000000, 0, .9000000000000000, 1.384615384615385, 1.500000000000000] , [.9230769230769231, 1., .8000000000000000, 0, .8000000000000000, 1., .9230769230769231], [ .3000000000000000, .4000000000000000, .5000000000000000, 0, .5000000000000000, .4000000000000000, .3000000000000000], [ 0, 0, 0, FAIL, 0, 0, 0 ], [.3000000000000000, .4000000000000000, .5000000000000000, 0, .5000000000000000, .4000000000000000, .3000000000000000] , [.9230769230769231, 1., .8000000000000000, 0, .8000000000000000, 1., .9230769230769231], [ 1.500000000000000, 1.384615384615385, .9000000000000000, 0, .9000000000000000, 1.384615384615385, 1.500000000000000]], COLOR( RGB, 0, 0, 0 )), AXESLABELS( x, y, z ), TITLE( ), AXESSTYLE( FRAME ), PROJECTION( 57., 38., 1 )) V objektu PLOT3D jsou ulozeny funkcn hodnoty v uzlovych bodech ste, ktere jsou poctany numericky postupne po radach. Vsimneme si funkcnch hodnot pro body [0, 3], [0, 2], . . . . Zde skutecne vypocet funkcn hodnoty pro bod [0, 0] havaruje (FAIL). Nasledne je tento objekt pouzit pri zobrazovan na vystupnm zarzen a chybejc funkcn hodnota v bode [0, 0] je vynechana (obr. 10.7). Zmenme tedy hustotu uzlovych bodu tak, aby bod [0, 0] (bod nespojitosti) nebyl uzlovym bodem (obr. 10.8):
1.5 1 0.5 z 0 3 2 1 -2 -1 x 0 1 2 3 -3 -2 -1 0 y
1.5 1 0.5 z 0 3 2 1 -2 -1 x 0 1 2 3 -3 -2 -1 0 y
-0.5 -1 -1.5 -3
-0.5 -1 -1.5 -3
obr. 10.6
obr. 10.7
> >
plot3d(f, -3..3, -3..3, orientation=[-57,38], axes=framed, grid=[30,30], labels=[x,y,z]);
Jinou moznost je dodenovat funkcn hodnotu v bode [0, 0] tak, aby funkce f v tomto bode byla spojita. Pote generujme PC-graf zskane spojite funkce:
> > > >
g:=proc(x,y) if x=0 and y=0 then 0 else (x2*y)/(x2+y2) fi end: plot3d(g, -3..3, -3..3, orientation=[-57,38], axes=framed, labels=[x,y,z]);
Zpet Zavrt
Obdrzme vysledek znazorneny na obr. 10.9. Prklad 10.2. Funkce sin x y f (x, y) = xy
1.5 1 0.5 z 0 3 2 1 -2 -1 x 0 1 2 3 -3 -2 -1 0 y
1.5 1 0.5 z 0 3 2 1 -2 -1 x 0 1 2 3 -3 -2 -1 0 y
-0.5 -1 -1.5 -3
-0.5 -1 -1.5 -3
obr. 10.8
obr. 10.9
nen spojita v bodech lezcch na osach x a y, ale ma zde konecnou limitu rovnu jedne. Pri pokusu o tvorbu PC-grafu prkazem:
> > >
plot3d(sin(x*y)/(x*y), x=-3..3, y=-3..3, axes=framed, color=black, orientation=[150,50], labels=[x,y,z], tickmarks=[7,7,3]);
dostavame PC-graf na obrazku 10.10. Zde jsou opet patrne nespojene body, ve kterych vypocet funkcnch hodnot havaroval (body nespojitosti na osach x a y opet vychazej do uzlovych bodu ste). Vytvorme tedy PC-graf spojite funkce (obr. 10.11) (dodenujme funkci tak, aby byla spojita) 1 g(x, y) = f (x, y) pro x = 0 nebo y = 0 jinak.
> > > > >
g:=proc(x,y) if x=0 or y=0 then 1 else sin(x*y)/(x*y) fi end: plot3d(g, -3..3, -3..3, axes=framed, orientation=[150,50], color=black, labels=[x,y,z], tickmarks=[7,7,3]);
0.5 z
0.5 z
3 2 1 x 0 -1 -2 2 -3 3 1 -1 0 y -3 -2
3 2 1 x 0 -1 -2 2 -3 3 1 -1 0 y -3 -2
obr. 10.10
obr. 10.11
Jinou moznost je opet vhodne zmenit hustotu ste tak, aby body nespojitosti nebyly totozne s uzlovymi body ste. Pokud v bodech nespojitosti neexistuje konecna limita, je znazornen chovan takove funkce pomoc poctace obtznejs. Prklad 10.3. Generujte PC-graf funkce f (x, y) = 1/x.
Protoze lim x0+ 1/x = +, limx0 1/x = , nen funkce f na prmce x = 0 spojita. Prkazem:
> >
plot3d(1/x, x=-5..5, y=-5..5, orientation=[-63,73], axes=framed, labels=[x,y,z]);
dostavame PC-graf z obr. 10.12.
0 -2e+14 -4e+14 -6e+14 -8e+14 z -1e+15 -1.2e+15 -1.4e+15 -1.6e+15 4 -1.8e+15 -4 0 -2 0 x -2 2 4 -4 y 2
obr. 10.12
Vidme, ze PC-graf neodpovda grafu zkoumane funkce. Podvejme se opet na objekt PLOT3D, pro zjednodusen zvolme grid=[7,3] (obr. 10.13):
> >
p:=plot3d(1/x, x=-5..5,y=-5..5,orientation=[-63,73], axes=framed,grid=[7,3],color=black,labels=[x,y,z]);p;
p := PLOT3D(GRID(5...5., 5...5., [[.2000000000000000, .2000000000000000, .2000000000000000], [ .3000000000000000, .3000000000000000, .3000000000000000], [.5999999999999999, .5999999999999999, .5999999999999999], [ .2251799813685248 1016 , .2251799813685248 1016 , .2251799813685248 1016 ], [ .6000000000000002, .6000000000000002, .6000000000000002 ] , [ .3000000000000000, .3000000000000000, .3000000000000000 ] , [ .2000000000000000, .2000000000000000, .2000000000000000 ] ], COLOR( RGB, 0, 0, 0 )), AXESLABELS( x, y, z ), AXESSTYLE( FRAME ), TITLE( ), PROJECTION( 63., 73., 1 )) Maple vol rozsah zobrazovanych hodnot a mertka na osach sam tak, aby se vysledny PC-graf co nejlepe vesel na vystupn zarzen. To zejmena u funkc, jejichz limita v nekterem bode je rovna , zpusobuje problemy (odlisnost grafu a PC-grafu funkce). Z algoritmu realizace PC-grafu na vystupnm zarzen plyne i spojen tech funkcnch hodnot, ktere by nemely byt spojeny (v okol bodu ne spojitosti, body nespojitosti v tomto prpade nejsou totozne s uzlovymi body). Z objektu PLOT3D je take videt, ze pri teto hustote ste a stanovene presnosti aproximace jsou v PC-grafu potlaceny funkcn hodnoty blzke +. Stac vsak zmenit presnost aproximace (zmenou hodnoty promenne Digits, implicitn na staven je Digits:=9), a dostavame jinou st uzlovych bodu a take jiny PC -graf (obr. 10.14):
>
Digits:=18;
Digits := 18
> >
plot3d(1/x, x=-5..5, y=-5..5, orientation=[-63,73], axes=framed,grid=[7,3],color=black,labels=[x,y,z]);
1e+17
-5e+14
8e+16
6e+16 -1e+15 z z 4e+16 -1.5e+15 2e+16 -2e+15 4 2 -4 0 -2 0 x -2 2 4 -4 y 0 -4 0 -2 0 x -2 2 4 -4 y 2 4
Rejstrk Obsah
obr. 10.13
obr. 10.14
Verze k tisku
Omezme tedy rozsah zobrazovanych hodnot (view=-5..5) pri puvodn presnosti aproximace (obr. 10.15):
> > >
Digits:=9: plot3d(1/x, x=-5..5, y=-5..5, view=-5..5, orientation=[-63,73], axes=framed, labels=[x,y,z]);
Na PC-grafu je videt pozitivn vliv zmeny rozsahu zobrazovany hodnot, ch nadale vsak pretrvava spojovan i tech bodu PC-grafu, ktere spojeny byt nemely.
z 0
-2
-4 2 -4 0 -2 0 x -2 2 4 -4 y
obr. 10.15 Rejstrk Obsah
Skutecnosti odpovdajc PC-graf zskame nasledujcm zpusobem. Tvorbu PC -grafu rozdelme do dvou cast tm, ze denicn obor rozdelme na dve oblasti: 5, 0.001 3, 3 a 0.001, 5 3, 3 . Jednotlive samostatne vytvarene casti PC-grafu v zaveru interpretujeme v jedinem (obr. 10.16) pomoc prkazu display3d z knihovny plots:
> > > >
Verze k tisku
o1:=plot3d(1/x, x=-5..-0.001, y=-3..3, view=-5..5): o2:=plot3d(1/x, x=0.001..5, y=-3..3, view=-5..5): display3d({o1,o2}, orientation=[-63,73],axes=framed, labels=[x,y,z]);
z 0
-2

3 2 1 -4 0 -2 0 x -1 2 -2 4 -3 y
-4
obr. 10.16
Poznamka 10.1. Tvorba PC-grafu nespojite funkce jedne realne promenne je zjednodusena parametrem discont=true. Pri pouzit tohoto parametru pro gram nejprve urc body nespojitosti zadane funkce a pote rozdel horizontaln osu na intervaly, na ktery je tato funkce spojita, takze nedojde ke spojen tech bodu ch PC-grafu, ktere spojeny byt nemely. V nekterych prpadech je vhodnejs nezobrazovat funkci ve tvaru explicitnm, ale provest parametrizaci funkce (x = (u, v), y = (u, v), z = (u, v), kde u a v
jsou parametry). Vyhodne je to zejmena u funkc, ktere vykazuj stredovou nebo osovou symetrii. Prklad 10.4. Vytvorte PC-graf funkce f (x, y) = x2 2 . + y2 9
Denicnm oborem funkce f je mnozina R2 {[x, y] : x 2 + y 2 = 9}, tedy rovina x y krome bodu lezcch na kruznici se stredem v bode [0, 0] a polomerem r = 3. V techto bodech nen funkce spojita. Pokud se pokusme vytvorit PC-graf funkce jednoduchym prkazem:
>
f:=2/(x2+y2-9);
1 f := 2 2 x + y2 9
>
plot3d(f, x=-5..5, y=-5..5);
dostavame obr. 10.17. Zmena hustoty uzlovych bodu a omezen rozsahu zobrazo vanych hodnot v tomto prpade nepomaha (obr. 10.18):
>
plot3d(f, x=-5..5, y=-5..5, view=-5..5,grid=[30,40]);

2 u 2 9
Provedme nyn parametrizaci x = u cos v, y = u sin v, z = PC-graf (obr. 10.19) teto funkce:
> >
a generujme
plot3d([u*cos(v), u*sin(v), subs({x=u*cos(v), y=u*sin(v)}, f)], v=0..2*Pi, u=0..6, view=-5..5):
obr. 10.17
obr. 10.18
obr. 10.19
Zpet Zavrt
Vsimneme si rozdlu mezi PC-grafem funkce f (dane explicitne, obr. 10.17 a 10.18) a PC-grafem teze funkce dane parametricky (obr. 10.19) (graf by mel byt v obou prpadech stejny ).
Protoze zskany PC-graf stale neodpovda grafu funkce, rozdelme tvorbu PC -grafu opet do dvou cast, pricemz parametr u bude postupne nabyvat hodnot z intervalu 0, 2.999 a 3.001, 6 :
> > > > > > > >
s1:=plot3d([u*cos(v), u*sin(v), subs({x=u*cos(v), y=u*sin(v)}, f)], v=0..2*Pi, u=0..2.999): s2:=plot3d([u*cos(v), u*sin(v), subs({x=u*cos(v), y=u*sin(v)}, f)], v=0..2*Pi, u=3.001..6): display3d({s1,s2}, view=-8..8); display3d({s1,s2}, view=-8..8, orientation=[40,102]);
Z duvodu nazornosti je funkce zobrazena ze dvou ruznych pohledu (obr. 10.20 a obr. 10.21).
Zpet Zavrt obr. 10.20 obr. 10.21 Konec Strana 226 z 424
Vsimneme si nyn jeste nekterych parametru prkazu plot3d, kterymi mu zeme ovlivnit vzhled vysledneho PC-grafu. Doposud jsme generovali PC-graf vzdy nad ctvercovou nebo obdelnkovou oblast. Ale rozsah druheho parametru muze byt udan v zavislosti na prvnm. Naprklad pri generovan PC-grafu povrchu polokoule nad ctvercovym oborem:
> >
plot3d(sqrt(1-x2-y2), x=-1..1, y=-1..1, scaling=constrained);
dostavame PC-graf na obrazku 10.22. Zskany PC-graf neodpovda na okrajch oblasti grafu funkce (zubate okraje jsou opet zpusobeny spojovanm funkcnch hodnot v uzlovych bodech). Pri pouzit kruhove oblasti:
> >
plot3d(sqrt(1-x2-y2), x=-1..1, y=-sqrt(1-x2)..sqrt(1-x2), scaling=constrained);

(tj. promenneho rozsahu na ose y) dostavame PC-graf odpovdajc grafu funkce (obr. 10.23). Rozsah zobrazovanych hodnot ve smeru osy z menme volbou parametru view=[zmin..zmax]. Pokud tento parametr nezadame, vol Maple rozsah zobrazovany hodnot sam, coz opet muze vest k zavadejcm vysledkum (viz take ch komentar k prkladu 10.3). Porovnejme dva PC-grafy (obr. 10.24 a obr. 10.25), generovane prkazy:
> > > >
plot3d(1/(x2+y2), x=-1..1, y=-1..1, axes=boxed, color=black, labels=[x,y,z]); plot3d(1/(x2+y2), x=-1..1, y=-1..1, view=0..6, style=patch, axes=boxed, labels=[x,y,z]);
Pro zkoumanou funkci je lim(x,y)(0,0)1/(x 2 + y 2 ) = +, rozsah zobrazovanych hodnot a metka na osach v prvnm prpade Maple volil sam (+ apro r
obr. 10.22
obr. 10.23
Rejstrk
7e+31 6e+31 5e+31 4e+31 3e+31 2e+31 1e+31 0 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5 -1 2 1 0 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5 -1 z 6 5 4 3
Obsah Verze k tisku
obr. 10.24
obr. 10.25
Zpet Zavrt
ximoval hodnotou 7 1031 ). Vysledny PC-graf (obr. 10.24) pak neodpovda grafu
funkce. Obor zobrazovany hodnot tedy omezme parametrem view=0..6 na ch interval 0, 6 , zskany PC-graf je znazornen na obr. 10.25.
10.2. Vrstevnice
Pro vytvoren predstavy o tvaru a prubehu znazornovane plochy nam casto po mahaj vrstevnice (viz Denice 1.3) grafu funkce a ezy rovinami z = 0, y = 0, r x = 0, prp. rovinami s nimi rovnobeznymi. Maple nam tak muze pomoci pri vysvetlovan geometrickeho vyznamu pojmu vrstevnice funkce a pri jejich zna zornovan. Ukazme si nyn konstrukci vrstevnice funkce f (x, y) = x 2 + y 2 na hladine c = 6. Nejdrve generujme PC-graf funkce f a oznacme jej P1 (obr. 10.26). Pote vytvorme PC-graf roviny z = 6, oznacme jej P2, a interpretujme funkci i rovinu v jednom PC-grafu (obr. 10.27):
> > > > > > > > > >
with(plots): f := (x,y) -> x2+y2: P1 := plot3d(f(x,y), x=-3..3, y= -sqrt(9-x2)..sqrt(9-x2), axes=framed, tickmarks=[7,7,5], orientation=[45,60], labels=[x,y,z]): ; P2 := plot3d(6, x=-3..3, y= -3..3, style = patchnogrid): display3d({P1,P2}, axes=framed,tickmarks = [7,7,5], orientation=[45,60], labels=[x,y,z]);
Krivka, vznikla jako prusecnice grafu funkce f a roviny z = 6 je dana parametricky rovnicemi
6 z 4 z
0 -3 -2 -1 0 y 1 2 3 3 2 1 0 x -1 -2
-3
0 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2
-3
obr. 10.26
obr. 10.27
x=
6 cos t, y =
6 sin t, z=6
a predstavuje vrstevnici funkce f na hladine c = 6. Znazornen vrstevnice v ro vine zskame prumetem do roviny x y. Situaci znazornuj nasledujc dva obrazky (obr. 10.28, obr. 10.29). Pro vykreslen prostorove krivky jsme pouzili procedury spacecurve z knihovny plots:
> > > > > > > >
P3 := spacecurve([sqrt(6)*cos(t), sqrt(6)*sin(t),6], t=0..2*Pi, color=black, thickness=3): P4 := spacecurve([sqrt(6)*cos(t), sqrt(6)*sin(t),0], t=0..2*Pi, color=red, thickness=3): display3d({P1,P2,P3},tickmarks=[7,7,5], orientation = [40,120], axes=boxed, labels=[x,y,z]); display3d({P1,P2,P3,P4},tickmarks=[7,7,5], orientation =[40,120], axes=boxed, labels=[x,y,z]);
6 z 4 3 2 0 -1 0 -3 -2 y 2 1 2 1 x 0 -1 -2 -3 z
4 3 2 0 -1 0 -3 -2 y 2 1 2 1 x 0 -1 -2 -3
obr. 10.28
obr. 10.29
Podobnym zpusobem muzeme znazornit i rezy rovinami rovnobeznymi s ro vinami x z a yz. Napr. zobrazme prunik roviny x = 2 a grafu funkce f . Jako prusecnici zskame krivku, kterou muzeme popsat parametricky rovnicemi x = 2, y = t, z = f (2, t) = 4 + t .
2
Graf funkce, rovinu i jejich prusecnici interpretujme v jednom PC-grafu (obr. 10.30):
> > > > > > >
P1 := plot3d(f(x,y),x=-3..3,y=-3..3): P2 := implicitplot3d(x=2,x=-3..3,y=-3..3,z=0..20, style=patchnogrid): P3 := spacecurve([2,t,j(2,t)],t=-3..3,thickness=3, color=black): display3d({P1,P2,P3},tickmarks=[7,7,5], axes=framed, orientation=[40,120], labels=[x,y,z]);

20
15
z 10 3 5 1 0 -1 0 -3 -2 y 2 2 1 x 0 -1 -2 -3
obr. 10.30 Rejstrk
Pro prme znazornovan vrstevnic pouzvame prkaz contourplot (obr. 10.31):

> > > >
Obsah Verze k tisku
plots[contourplot](f(x,y), x=-3..3, y=-sqrt(9-x2)..sqrt(9-x2), axes=boxed, color=black, contours=10, numpoints=2500, scaling=constrained, tickmarks=[7,7,0]);

Parametr style=patchcontour prkazu plot3d slouz k zobrazen grafu funkce s vrstevnicemi (obr. 10.32) a pro zobrazen vrstevnice na dane hladine muzeme pouzt prkazu levelcurve z knihovny mvcalp (obr. 10.33):
> > >
plot3d(f(x,y), x=-3..3, y=-sqrt(9-x2)..sqrt(9-x2), style=patchcontour, axes=boxed, orientation=[40,120], tickmarks=[7,7,5], labels=[x,y,z]);
-3
-2
-1
x 0
3 3
0 y
-1
-2
Rejstrk
-3
Obsah Verze k tisku
obr. 10.31
> > >
with(mvcalp): levelcurve(f(x,y),6, x=-3..3, y=-3..3, color=black, scaling=constrained, tickmarks=[7,7]);

Protoze tvorba matematicke graky nen casto jednoduchou zalezitost a vzhled vysledneho PC-grafu muzeme ovlivnovat celou radou parametru, uva dme na zaver teto kapitoly i strucny prehled zakladnch pouzitych prkazu a jejich
2 y 8 1 6 z 4 3 2 0 -1 0 -3 -2 y 2 1 2 1 x 0 -1 -2 -3 -2 -1 -3 -2 -1 00 1 x 2 3
-3
obr. 10.32
obr. 10.33
parametru. Popis vsech prkazu ctenar najde bud v manualech [C-G1 ], [C-G2 ] a [C-G3 ] nebo prmo v systemu napovedy programu Maple V.
Rejstrk Obsah
Prehled pouzity prkazu ch

Generovan PC-grafu funkce dvou promennych: plot3d(f(x,y),x=a..b,y=c..d,volby); pro vyrazy a plot3d(f, a..b,c..d, volby); pro funkce. Volitelne parametry volby ovlivnuj vzhled vysledneho PC-grafu. Nejcasteji pouzvane parametry jsou popsany Tabulce 10.1. Generovan PC-grafu funkce dvou promennych dane parametricky (obr. 10.2): plot3d([f(s,t),g(s,t),h(s,t)],s=a..b,t=c..d, volby); K rozsren moznost prace s grakou slouz knihovna plots. Procedury teto
Verze k tisku
Volba scaling = UNCONSTRAINED CONSTRAINED view = zmin..zmax orientation = [theta,phi] style = POINT HIDDEN PATCH WIREFRAME CONTOUR LINE PATCHCONTOUR PATCHNOGRID axes = BOXED NORMAL FRAME NONE grid = [m,n] numpoints = n labels = [x,y,z] tickmarks = [n,m,p]
Efekt prkazu mertka na osach volba rozsahu zobrazovanych hodnot uhel pohledu zpusob vykreslen grafu
Generovan graky v Maplu znazornen os regulace hustoty ste alternativn zadan poctu bodu ste popis os pocet znacek na osach
Tab. 10.1
knihovny zprstupnme prkazem with(plots): Vykreslen prostorove krivky (obr. 10.28 a 10.29): spacecurve([f(t),g(t),h(t)],t=a..b,volby); Znazornen vrstevnic (obr. 10.31): contourplot(f(x,y),x=a..b,y=c..d,volby);
Znazornen vrstevnice na dane hladine (obr. 10.33): mvcalp[levelcurve](f(x,y), hladina, x=a..b, y=c..d); Generovan PC-grafu funkce dane implicitne (obr. 10.30 a viz take Kapitola 7): implicitplot3d(expr1, x=a..b, y=c..d, z=p..q, volby);
Kapitola 11
Vy ty limit v Maplu poc

Poctacoveho systemu v teto kapitole vyuzvame zejmena ke tvorbe ilustracn graky. Prmy vypocet limit funkce dvou promennych nen ve vetsine prpadu mozny, protoze neexistuje vhodny algoritmus. (Jina situace je u funkc jedne pro menne.) Presto nam muze byt poctac napomocen pri urcovan limit funkce dvou promennych a to zejmena jejich transformac do polarnch souradnic a naslednym vypoctem limity funkce jedne promenne. Podobne metody lze pouzt pri urcovan limit vzhledem k podmnozinam okol limitnho bodu. V teto souvislosti budeme za takove podmnoziny volit spojite krivky prochazejc limitnm bodem a mluvit o limitach zavislych na ceste, resp. o limite podel cesty.
Vypocty limit v Maplu
11.1. Ilustracn graka

Cyklus PC-grafu z teto casti je mozno vyuzt pri prednaskach k ilustraci probrane problematiky a v poctacove laboratori k samostatnemu experimentovan studentu. Pritom vetsinu zde uvedenych obrazku lze bez poctace realizovat jen velmi tezko. Prklad 11.1. Spojite funkce maj v libovolnem bode [a, b] limitu
(x,y)(a,b)
lim
f (x, y) = f (a, b). Vypocty limit v Maplu

3 2 3 2
Prkladem je napr. funkce f (x, y) = x x x y + x y (obr. 11.1):

> >
plot3d(x-x3-x*y2+x3*y2,x=-1.4..1.4,y=-1.4..1.4, view=-1..1, style=patch, labels=[x,y,z]);

x2 y f (x, y) = 2 x + y2 nen v bode [0, 0] denovana, ale ma v tomto bode limitu rovnu nule (podle Vety 2.6). Pokud se k limitnmu bodu blzme podel jakekoli cesty, funkcn hodnoty se blz nule (obr. 11.2). (Existence limity nezavis na funkcn hodnote v limitnm bode.) Aby byla funkce f v bode [0, 0] spojita, denujeme f (0, 0) = 0 a generujeme PC-graf vysetrovane funkce:
> > > >
Prklad 11.2. Funkce
f:=proc(x,y) if x=0 and y=0 then 0 else (x2*y)/(x2+y2) fi end: plot3d(f, -3..3, -3..3, orientation=[-57,38], axes=framed, style=patch, labels=[x,y,z]);
1 0.5 z 0
-0.5 -1 -1 -0.5 x 0 0.5 1 -1 -0.5 0 y 0.5 1
obr. 11.1
Nasledujc prklady ilustruj jev, kdy hodnota limity funkce zavis na ceste, po ktere se k limitnmu bodu blzme tj. funkce nema v danem bode limitu. Prklad 11.3. Funkce f (x, y) =
Zpet
x y x 2 + y2
2 2
1.5 1 0.5 z 0 3 2 1 -2 -1 x 0 1 2 3 -3 -2 -1 0 y
-0.5 -1 -1.5 -3
obr. 11.2
nema v bode [0, 0] limitu. Jestlize se k bodu [0, 0] blzme po prmkach y = x dostavame
x0
lim f (x, x) = 0,
Zpet Zavrt Konec
ale po osach x a y dostavame

x0
lim f (x, 0) = 1,
y0
lim f (0, y) = 1.
Strana 240 z 424
Protoze hodnota limity zavis na ceste, po ktere se k bodu [0, 0] blzme, limita lim(x,y)(0,0) f (x, y) neexistuje. Uvedena situace je dobre viditelna na obr. 11.3.
1 0.8 0.6 z 0.4 0.2 0 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2

-3
obr. 11.3
> > >
f:=(x,y)->((x2-y2)/(x2+y2))2: plot3d(f(x,y),x=-3..3,y=-3..3,grid=[51,49], axes=framed, style=patch, labels=[x,y,z]);

Prklad 11.4. Funkce
xy f (x, y) = 2 x + y2
nema v bode [0, 0] limitu: pokud se k limitnmu bodu blzme po prmkach y = kx, dostavame vysledek zavisejc na konstante k
(x,y)(0,0) x 2 y=kx
lim
xy k = . 2 +y 1 + k2
Situace je znazornena na obr. 11.4 a obr. 11.5. Pro vets nazornost je zde funkce zobrazena z ruznych uhlu pohledu. Vypocty limit v Maplu
0.4 0.2 z 0 -0.5 -0.2 0 -0.4 -1 -0.5 0 y 0.5 1 1 0.5 x
0.4 -1 z 0.2 0 0.5 -0.2 -0.4 -1 -0.5 0 x 0.5 1 -1 -0.5 0 y 1
obr. 11.4
obr. 11.5
PC-grafy byly vytvoreny nasledujc posloupnost prkazu:

>
f:=(x,y)->x*y/(x2+y2);
xy f := ( x, y ) 2 x + y2
> > > > > >
z:=subs(x=r*cos(phi), y=r*sin(phi), f(x,y)): p:=plot3d([r*cos(phi),r*sin(phi),simplify(z)],r=0..1, phi=-Pi..Pi, grid=[15,45], axes=framed, style=patch): with(plots): display3d(p,orientation=[15,45],labels=[x,y,z]); display3d(p,orientation=[-69,38],labels=[x,y,z]);
Prklad 11.5. Funkce f (x, y) =

x2 y , x 4 +y 2
[x, y] = [0, 0], [x, y] = [0, 0]
0,
nema v bode [0, 0] limitu. V tomto prpade jsou vsechny limity po prmkach y = kx k bodu [0, 0] rovny 0, avsak po parabolach y = kx 2 hodnota limity zalez na konstante k (viz Poznamka 2.2). Bez pouzit poctace je velmi obtzne nakreslit graf funkce a studenti casto ne maj s touto funkc spojenu konkretn geometrickou predstavu (PC-graf obr. 11.6):
> > > > >
f:=proc(x,y) if x=0 and y=0 then 0 else x2*y/(x4+y2) fi end: plot3d(f, -2..2, -2..2, grid=[100,100], style=patchcontour, orientation=[-46,35], contours=12, axes=boxed, labels=[x,y,z]);
Zpet Zavrt Konec
Prklad 11.6. Funkce
1 f (x, y) = 2 x + y2
Strana 243 z 424
0.4 0.2 z 0
-0.2 -0.4 -2 -1 0 1 2 -2 -1 0 y 1 2
obr. 11.6
ma v bode [0, 0] nevlastn limitu (viz prklad 2.1-ii)). PC-graf funkce je uveden na obrazku 10.25. Prklad 11.7. Funkce f (x, y) = x2
Zpet
2 . + y2 9
nen denovana na mnozine K = {[x, y] : x 2 + y 2 = 9}, coz je kruznice se stredem v bode [0, 0] a polomerem r = 3, a nema v zadnem bode teto mnoziny limitu. Necht [x0 , y0 ] K . Jestlize se k bodu [x0 , y0 ] blzme po libovolne ceste L 1 lezc vne kruznice K , pak dostavame
(x,y)(x 0 ,y0 ) x 2 (x,y)L 1
lim
2 2 = + = +. 29 +y 0 Vypocty limit v Maplu
Jestlize se k bodu [0, 0] blzme po libovolne ceste L 2 lezc uvnitr teto kruznice, dostavame 2 2 lim = = . 2 + y2 9 (x,y)(x 0 ,y0 ) x 0
(x,y)L 2
Odtud plyne, ze limita lim(x,y)(x0,y0 ) f (x, y) neexistuje. Existuj pouze limity po cestach lezcch uvnitr a vne kruznice K . PC-graf funkce f je uveden na obrazcch 10.20 a 10.21.
11.2. Vy ty poc
Maplu muzeme pouzt i pri urcovan existence, resp. neexistence limity funkce dvou promennych. Nasledujc prklady ilustruj moznosti Maplu pri procvicovan nekterych me tod urcovan limit funkce. Napr. u funkce dvou promennych se k limitnmu bodu muzeme blzit nekonecne mnoho zpusoby: po prmkach, parabolach ci obecnych mnozinach. K dukazu neexistence limity pritom stac najt dve ruzne hodnoty
limit vzhledem k ruznym mnozinam. Maple nam zde pomaha pri vypoctu vol bou y = (x) (pro vhodne ) zskanych limit funkce jedne promenne (pr. 2.1 a pr. 2.2). Maple nam muze asistovat i pri dukazu neexistence a prp. i existence limity funkce dvou promennych ve vlastnm bode [x0 , y0 ] zavedenm polarnch souradnic (pr. 2.3 a pr. 2.4). Jinou moznost resen limit funkc dvou promennych je nejdrve urcit graf funkce, podle grafu vyslovit hypotezu o existenci, resp. neexistenci a tuto dokazat (pr. 2.5). K tomu lze efektivne, ale s jistou opatrnost, vyuzt PC-grafu uvazovany ch funkc. Nektere prklady z teto casti jiz byly pouzity v casti Ilustrace, zde je vsak na rozdl od predchazejc casti kladen duraz na vypocetn aspekt problemu. Prklad 11.8. Urcete x 2 y2 . (x,y)(0,0) x 2 + y 2 lim
Zkoumanou funkci oznacme g(x, y). Za mnoziny, vzhledem k nimz budeme limity poctat, zvolme prmky. Pokud se k limitnmu bodu [0, 0] blzme po prmce y = 0, dostavame x2 L 1 = lim g(x, 0) = lim 2 = 1, x0 x0 x ale pokud se k limitnmu bodu blzme podel prmky y = x L 2 = lim g(x, x) = lim
x0
x2 x2 = 0. x0 x 2 x 2
Tedy L 1 = L 2 , t.j. vysledek zavis na ceste, po ktere se blzme k limitnmu bodu, a proto uvazovana funkce g nema v bode [0, 0] limitu. Pritom bylo pouzito nasledujcch prkazu:
>
g:=(x,y)->(x2-y2)/(x2+y2);
g := ( x, y )
>
x 2 y2 x 2 + y2
L1:=Limit(g(x,0), x=0)=limit(g(x,0),x=0);
L1 := lim 1 = 1
x0 >
L2:=Limit(g(x,x), x=0)=limit(g(x,x),x=0);
L2 := lim 0 = 0
x0
Rejstrk Obsah
Poznamka 11.1. Pozor na nespravne pouzit Maplu pri vypoctech limit! Prkazem:
>
Verze k tisku
limit(limit(g(x,y), y=0), x=0);
1 nepoctame limitu dane funkce v bode [0, 0], ale pouze limitu podel osy x. Spravne pouzit prkazu limit k vypoctu hledane limity je:
>
limit(g(x,y), {x=0,y=0});
undened
Zde tedy dostavame, ze limita neexistuje. U vsech dalsch prkladu uvedenych v teto casti vsak Maple nen prmym vypoctem schopen o existenci limity rozhod nout. Prklad 11.9. Urcete limitu funkce f (x, y) = v bode [0, 0]. Budeme-li se k bodu [0, 0] blzit po prmkach y = kx, dostavame k2x 3 k2x = lim = 0. x0 x 2 + k 4 x 4 x0 1 + k 4 x 2 lim
Rejstrk
x y2 x 2 + y4 Vypocty limit v Maplu
Vysledek nezavis na k, pro jakoukoli prmku dostavame stejny vysledek. To vsak k existenci limity nestac. Polozme x = ky 2 . Dostavame ky 4 k lim 2 4 = 2 , 4 y0 k y + y k +1 coz je vysledek zavisejc na konstante k. Limita tedy neexistuje, pro ruzne cesty dostavame ruzne vysledky. Realizace v Maplu:
>
Obsah Verze k tisku
Zpet Zavrt
f:=(x,y)->x*y2/(x2+y4);
f := ( x, y )
x y2 x 2 + y4
>
Limit(f(x,k*x), x=0)=limit(f(x,k*x),x=0);
x 3 k2 =0 x0 x 2 + k 4 x 4 lim
>
Limit(f(k*y2,y),y=0)=limit(f(k*y2,y),y=0);
k y4 k = 2 , 2 y4 + y4 y0 k k +1 lim Prklad 11.10. Rozhodnete, zda existuje limita

(x,y)(0,0) x 2
lim
2x y . + y2
Zavedenm polarnch souradnic dostavame 2x y 2r 2 sin() cos() lim = lim = sin(2). r0+ (x,y)(0,0) x 2 + y 2 r2 Protoze vysledek zavis na , tj. na smeru, ve kterem se blzme k bodu [0, 0], uvedena limita neexistuje. Vypocet:
>
f:=(x,y)->(2*x*y)/(x2+y2);
f := ( x, y ) 2
xy 2 + y2 x
> > >
Limit(subs(x=r*cos(phi), y=r*sin(phi), f(x,y)), r=0, right)= limit(simplify(subs(x=r*cos(phi), y=r*sin(phi), f(x,y))), r=0, right);
r0+
lim 2
r 2 cos( ) sin( ) = 2 cos( ) sin( ) r 2 cos( )2 + r 2 sin( )2 x 3 + y3 x 2 + y2
Prklad 11.11. Rozhodnete, zda existuje limita funkce f (x, y) = Vypocty limit v Maplu
v bode [0, 0]. Transformac do polarnch souradnic dostavame x 3 + y3 r 3 (sin3 + cos3 ) = lim 2 = lim r(sin3 + cos3 ) = 0. r0+ r (sin2 + cos2 ) r0+ (x,y)(0,0) x 2 + y 2 lim Vypocet:
>
f:=(x,y)->(x3+y3)/(x2+y2);
f := ( x, y )
> > >
x 3 + y3 x 2 + y2
Limit(subs(x=r*cos(phi), y=r*sin(phi), f(x,y)), r=0, right)= limit(simplify(subs(x=r*cos(phi), y=r*sin(phi), f(x,y))), r=0, right);
r 3 cos( )3 + r 3 sin( )3 lim 2 =0 r0+ r cos( )2 + r 2 sin( )2
a protoze funkce g() = sin3 () + cos3 () je ohranicena (obr. 11.7), je podle Vety 2.6 hodnota limity rovna nule.
1
0.5
-6
-4
-2
0 0
2 phi
-0.5
Rejstrk Obsah
-1
Verze k tisku
obr. 11.7
Prklad 11.12. Urcete
x2 y . (x,y)(0,0) x 2 + y 2 lim
Generujme PC-graf funkce (obr. 11.2) a zkoumejme chovan funkce v okol limit
nho bodu (obr. 11.8), (zskany PC-graf se temer nelis od PC-grafu na obr. 11.2, vsimneme si ale rozdlu v oblasti, nad kterou PC-graf vytvarme).
0.0015 0.001 0.0005 z 0 0.003 0.002 0.001 -0.002 -0.001 x 0 0.001 0.002 0.003 -0.003 -0.002 0 y -0.001
-0.0005 -0.001 -0.0015 -0.003
obr. 11.8
> > >
g:=(x,y)->x2*y/(x2+y2); plot3d(g, -0.003..0.003, -0.003..0.003, orientation=[-57,38], axes=framed, labels=[x,y,z]);

Z toho, ze funkcn hodnoty se blz nule, lze usoudit, ze limita funkce v bode [0, 0] patrne existuje a je rovna nule. Tuto hypotezu dale podporme vypoctem limit po prmkach y = kx a parabolach y = kx 2 : x2 y g := ( x, y ) 2 x + y2
>
L1:=limit(g(x,k*x), x=0);
L1 := 0
>
L2:=limit(g(x,k*x2),x=0);
L2 := 0 Jestlize tedy limita existuje, mus byt rovna 0. Provedme transformaci do polar nch souradnic a existenci limity overme podle stejne vety jako v predchazejcm prklade: x2 y r 2 cos2 ()r sin() = lim = lim r(cos2 () sin()) = 0 r0+ r0+ (x,y)(0,0) x 2 + y 2 r2 lim a protoze funkce cos2 () sin() je ohranicena, je hodnota limity rovna nule.
> > >
Limit(subs(x=r*cos(phi), y=r*sin(phi), g(x,y)), r=0, right)= limit(subs(x=r*cos(phi), y=r*sin(phi), g(x,y)), r=0, right);
r 3 cos( )2 sin( ) =0 r0+ r 2 cos( )2 + r 2 sin( )2 lim Prklad 11.13. Urcete sin(x + y) . (x,y)(0,0) x+y lim sin( x + y ) f := ( x, y ) x+y
>
f:=(x,y)->sin(x+y)/(x+y);x1:=0:y1:=0:
> >
Limit(f(x,y1+k*(x-x1)),x=x1)= limit(f(x,y1+k*(x-x1)),x=x1);
sin( x + k x ) =1 x +kx Vsimneme si, ze f je slozena z funkc F a G, kde:

x0
lim
>
F:=(x,y)->x+y;G:=t->sin(t)/t;
F := ( x, y ) x + y sin( t ) G := t t
>
(G@F)(x,y);
Rejstrk
sin( x + y ) x+y
>
Obsah Verze k tisku
Limit(G(t),t=0)=limit(G(t),t=0);
t 0
sin( t ) =1 t V nasem prpade limity funkc F a G existuj a tedy podle vety o limite slozene funkce je limita rovna jedne. lim
> > >
plot3d(f(x,y), x=-2*Pi..2*Pi, y=-2*Pi..2*Pi, orientation=[162,36], axes=framed, style=patch, labels=[x,y,z], tickmarks=[7,7,3]);
0.5 z
6 4 2 x 0 -2 -4 -4 2 -6 4 6 -2 0 y
-6
obr. 11.9
Prklad 11.14. Urcete x 2 + y 2 2x 2y . (x,y)(1,1) x 2 + y 2 2x + 2y + 2 lim

> >
Zpet Zavrt
f:=(x,y)->(x2+y2-2*x-2*y)/(x2+y2-2*x+2*y+2); x1:=1:y1:=-1:
f := ( x, y )
> >
x 2 + y2 2 x 2 y x 2 + y2 2 x + 2 y + 2
Limit(f(x,y1+k*(x-x1)),x=x1)= limit(f(x,y1+k*(x-x1)),x=x1);
x 2 + ( 1 + k ( x 1 ) )2 2 x + 2 2 k ( x 1 ) = 2 + ( 1 + k ( x 1 ) )2 2 x + 2 k ( x 1 ) x1 x signum( 1 + k 2 ) Z toho plyne, ze pokud se k limitnmu bodu blzme po prmkach, dostavame limitu rovnu , nebot sgn(1 + k 2 ) = 1. K dukazu existence limity vyuzijeme vety o limite soucinu funkc: lim
>
Cit:=numer(f(x,y));
Cit := x 2 + y 2 2 x 2 y
>
Rejstrk Obsah
Ijmen:=1/denom(f(x,y));
1 Ijmen := 2 x + y2 2 x + 2 y + 2
>
Verze k tisku
(x-1)2+(y-1)2=expand((x-1)2+(y+1)2);
( x 1 )2 + ( y 1 )2 = x 2 + y 2 2 x + 2 y + 2 Jmenovatel denom(f(x,y)) je vzdy kladny a 1 = , (x,y)(1,1) x 2 + y 2 2x + 2y + 2 lim
lim(x,y)(1,1) x 2 + y 2 2x 2y = 2 a tedy soucin je roven (obr. 11.10).

> > >
plot3d(f(x,y), x=0.5..1.5, y=-1.7..-0.5,view=-1..200, style=patchcontour, grid=[50,50], axes=boxed, labels=[x,y,z], tickmarks=[5,6,2]);
200

z
Rejstrk
0 -1.6 -1.4 -1.2 y 1 -1 -0.8 -0.6 1.4 1.2 x 0.8 0.6
Obsah Verze k tisku
obr. 11.10 Zpet Zavrt Konec Strana 257 z 424
Kapitola 12
Derivace funkce v Maplu

V teto kapitole je z vypocetnho hlediska velmi efektivn pouzit poctacoveho systemu k prmym vypoctum parcialnch derivac, zejmena pri kontrole vysledku narocnejsch vypoctu. Pomoc PC-grafu muzeme take znazornovat geometricky vyznam parcialnch a smerovych derivac.
12.1. Parcialn derivace 1. radu

Pomoc Maplu lze Denici 3.1 zapsat nasledujcm zpusobem:
> >
Diff(f(x[0],y[0]),x)= Limit((f(x,y[0])-f(x[0],y[0]))/(x-x[0]), x=x[0]);
f (x, y0 ) f (x0 , y0 ) f (x0 , y0 ) = lim xx 0 x x x0
> >
Diff(f(x[0],y[0]),y)= Limit((f(x[0],y)-f(x[0],y[0]))/(y-y[0]), y=y[0]);
f (x0 , y) f (x0 , y0 ) f (x0 , y0 ) = lim yy0 y y y0 Oznacmeli x x0 = h a y y0 = k, muzeme pouzt analogickeho zapisu:
> >
Diff(f(x[0],y[0]),x)= Limit((f(x[0]+h,y[0])-f(x[0],y[0]))/h, h=0);
f (x0 + h, y0 ) f (x0 , y0 ) f (x0 , y0 ) = lim h0 x h

> >
Diff(f(x[0],y[0]),y)= Limit((f(x[0],y[0]+k)-f(x[0],y[0]))/k, k=0);
f (x0 , y0 + k) f (x0 , y0 ) f (x0 , y0 ) = lim k0 y k Prklad 12.1. Urcete parcialn derivace funkce f (x, y) = x 4 y 2 x y + 7 v obec nem bode [x, y] i) podle denice.
>
f:=(x,y)->x4*y2-x*y+7;
Zpet Zavrt Konec
f := ( x, y ) x 4 y 2 x y + 7
>
Limit((f(x+h,y)-f(x,y))/h, h=0):=value();
Strana 259 z 424
( x + h )4 y 2 ( x + h ) y x 4 y 2 + x y = y ( 4 y x3 1 ) h0 h lim
>
Limit((f(x,y+k)-f(x,y))/k, k=0):=value();
k0
lim
x 4 ( y + k )2 x ( y + k ) x 4 y 2 + x y = x ( 2 y x3 1 ) k f (x, y) = y(4yx 3 1) x f (x, y) = x(2yx 3 1). y

Tedy
ii) Vyuzitm prkazu diff. Maple umoznuje i prmy vypocet parcialnch de rivac. Ten vyuzvame tehdy, pokud je parcialn derivovan dostatecne procviceno a rutinnmi vypocty se nechceme dale zdrzovat, prpadne ke kontrole spravnosti vypoctu. K symbolickemu derivovan pouzvame prkazu diff pro vyrazy a funkcnho operatoru D pro funkce1 :
>
Diff(f(x,y),x):=value();
( x 4 y2 x y + 7 ) = 4 x 3 y2 y x
>
factor();
1 vyraz a funkce ve smyslu zakladnch datovych struktur Maplu
( x 4 y2 x y + 7 ) = y ( 4 y x 3 1 ) x
>
Diff(f(x,y),y):=factor(value());
( x 4 y2 x y + 7 ) = x ( 2 y x 3 1 ) y
>
D[1](f);
( x, y ) 4 x 3 y 2 y
>
factor(D[1](f)(x,y));
y ( 4 y x3 1 )
>
Rejstrk Obsah
factor(D[2](f)(x,y));
Verze k tisku
3
x (2 y x 1)
Geometricky vy znam parcialnch derivac

Grackych moznost Maplu vyuzijeme nyn i k znazornen geometrickeho vy znamu parcialnch derivac. PC-grafem znazornme geometricky vyznam parcialn derivace funkce f (x, y) = x + y 2 x 3 y podle x v bode [1, 2]. Generujme postupne PC-graf funkce f (p1), rovinu : y = 2 (p2, za vyuzit prkazu drawplane z knihovny mvcalp), krivku, ktera je prusecnic roviny
s grafem funkce f (p3) a konecne tecnu k teto krivce v bode [1, 2] (p4), lezc v rovine . Parcialn derivace funkce f podle x udava smernici teto tecny (smerx). Jednotlive PC-grafy nevykreslujeme na obrazovku, v zaveru je pomoc prkazu display3d slozme do vysledneho PC-grafu (obr. 12.1):
>
f:=(x,y)->x+y2-x3*y;
f := ( x, y ) x + y 2 x 3 y
>
bod:=[1,2];
bod := [ 1, 2 ]
> > > > > > > > >
p1:=plot3d(f(x,y),x=-2..2,y=-3..3,axes=framed): with(mvcalp): with(plots): p2:=drawplane(y=bod[2],x=-2..2, z=-10..20, axes=framed): p3:=plot3d([x,bod[2],f(x,bod[2])],x=-2..2,y=-3..3, axes=framed, thickness=3, color=black): smerx:=limit((f(bod[1]+h,bod[2])-f(bod[1],bod[2]))/h, h=0);
smerx := 5
> > >
Zpet Zavrt
p4:=spacecurve(evalm([bod[1],bod[2], f(bod[1],bod[2])]+t*[1,0,smerx]), t=-3..1, color=black, thickness=3):
>
display3d({p1,p2,p3,p4}, labels=[x,y,z]);
30 20 z 10 0 -10 -3 -2 -1 -1 y 0 1 1 2 3 2 0 x -2
-10 0 z 10 20 30 3 2 1 y 0 -1 -2 -3 2 1 0 x -1 -2
obr. 12.1
obr. 12.2 Rejstrk Obsah Verze k tisku
Obdobne generujme i PC-graf znazornujc parcialn derivaci podle y. Zkou mana funkce je zde uvedena z jineho uhlu pohledu (obr. 12.2):
> > > > >
g2:=drawplane(x=bod[1],y=-3..3,z=-10..20): g3:=plot3d([bod[1],y,f(bod[1],y)], x=-2..2, y=-3..3, thickness=3, color=black): smery:=limit((f(bod[1],bod[2]+h)-f(bod[1],bod[2]))/h, h=0);
smery := 3
> > >
Zpet Zavrt
g4:=spacecurve(evalm([bod[1],bod[2],f(bod[1],bod[2])] +t*[0,1,smery]), t=-4..1, color=black, thickness=3): display3d({p1,g2,g3,g4}, labels=[x,y,z],
>
orientation=[129,-131]);
Uvedene postupy jsou univerzaln a umoznuj generovat tento PC-graf pro libovolnou funkci, ktera ma v zadanem bode parcialn derivace pouze zmenou zadan funkce a souradnic bodu, ve kterem parcialn derivace poctame. Samo statne generovan techto PC-grafu studenty v poctacove laboratori je vhodnym cvicenm na pochopen geometrickeho vyznamu parcialnch derivac. Skutecnost, ze z existence parcialnch derivac funkce f (x, y) v bode [x0 , y0 ] neplyne spojitost v tomto bode, ilustruje nasledujc prklad: Prklad 12.2. Funkce f (x, y) =
x 4 y2 x 8 +y 4
Derivace funkce v Maplu pro (x, y) = (0, 0) pro (x, y) = (0, 0)

> >
f:=(x,y)->if (x=0 and y=0) then 0 else (x4*y2)/(x8+y4) fi: limit((f(x,0)-f(0,0))/(x-0), x=0);
ma v bode [0, 0] obe parcialn derivace (rovny nule):

>
0
Zpet
>
limit((f(0,y)-f(0,0))/(y-0), x=0);
a nen zde spojita, nebot blzmeli se k bodu [0, 0] po parabolach y = kx 2 , dostavame:

>
Limit(f(x, k*x2), x=0)=limit(f(x, k*x2), x=0);
x 8 k2 k2 = x0 x 8 + k 4 x 8 1 + k4 To vsak znamena, ze lim(x,y)(0,0) f (x, y) neexistuje a tedy funkce f nen v bode [0, 0] spojita (obr. 12.3). lim
> > >
plot3d(f, -1..1, -1..1, style=patchcontour, axes=boxed, grid=[100,100], orientation=[-45,35], contours=7, labels=[x,y,z]);
12.2. Derivace vyssch radu

K vypoctu derivac vyssch radu se pouzva stejneho prkazu jako pro derivaci prvnho radu, navc pouze zadame, kolikrat podle ktere promenne derivujeme. Efektivnost vypoctu ilustrujme na nasledujcm prklade: Prklad 12.3. Ukazte, ze pro funkci u= plat u x x + u yy + u zz = 0.
>
1 x 2 + y2 + z2
Zpet Zavrt Konec
u:=(x,y,z)->1/sqrt(x2+y2+z2);
1 u := ( x, y, z ) sqrt( x 2 + y 2 + z 2 )
Strana 265 z 424
0.5 0.4 0.3 z 0.2 0.1 0 -1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
obr. 12.3
> > >
st := time(): diff(u(x,y,z),x$2)+diff(u(x,y,z),y$2)+ diff(u(x,y,z),z$2);

x2 1 y2 3 2 3 2 +3 2 + ( x + y 2 + z 2 )5/2 ( x + y 2 + z 2 )3/2 ( x + y 2 + z 2 )5/2 z2 3 2 ( x + y 2 + z 2 )5/2
>
simplify();
0 Tm je zkoumana rovnost overena. Dobu vy tu v sekundach urcme prkazem: poc

>
time() - st;
.050 Nasledujc prklad ukazuje, ze bez predpokladu spojitosti smsenych parcial nch derivac f x y , f yx v bode [x0 , y0 ] rovnost f x y (x0 , y0 ) = f yx (x0 , y0 ) obecne neplat. Prklad 12.4. Nechtje funkce f dana predpisem f (x, y) =
x y 3 x 3 y x 2 +y 2
pro (x, y) = (0, 0), pro (x, y) = (0, 0).
Ukazte, ze pro tuto funkci je f x y (0, 0) = f yx (0, 0). Poctejme postupne parcialn derivace 1. radu f x (x, y) =
y 3 3x 2 y x 2 +y 2
2x(x y 3 x 3 y) , (x 2 +y 2 )2
(x, y) = (0, 0), (x, y) = (0, 0).

Pro vypocet f x (0, 0) jsme pouzili denice f x (0, 0) = limh0 f (h,0) f (0,0) . Ob h dobne 2 x 3 3x 3 y) 3x y 2y(x y , (x, y) = (0, 0), 2 2 (x 2 +y 2 )2 f y (x, y) = x +y 0 (x, y) = (0, 0).
Vyuzitm techto vysledku plyne z denice parcialnch derivac 2. radu f x (0, h) f x (0, 0) h0 = lim = 1, h0 h h f y (h, 0) f y (0, 0) h 0 f yx (0, 0) = lim = lim = 1. h0 h0 h h f x y (0, 0) = lim
h0
Tedy pro tuto funkci je f x y (0, 0) = f yx (0, 0). Vypocet:

> > >
f:=(x,y)->if (x=0 and y=0) then 0 else (x*y3-x3*y)/(x2+y2) fi: D[1](f)(x,y);
y3 3 x 2 y ( x y3 x 3 y ) x 2 x 2 + y2 ( x 2 + y 2 )2
>
D[2](f)(x,y);
3 x y2 x 3 ( x y3 x 3 y ) y 2 x 2 + y2 ( x 2 + y 2 )2
>
fx0:=limit((f(h,0)-f(0,0))/h, h=0);
fx0 := 0
>
Zpet Zavrt
fy0:=limit((f(0,h)-f(0,0))/h, h=0);
fy0 := 0
>
limit((D[1](f)(0,h)-fx0)/h, h=0);
1
>
limit((D[2](f)(h,0)-fy0)/h, h=0);
1 Poctacem generujme PC-graf funkce, kterou si jinak umme jen velmi obtzne predstavit. Tento PC-graf je zajmavy i tm, ze z nej nen videt, ze smsene parcialn derivace nejsou zamenne (obr. 12.4):
> >
plot3d(f, -3..3, -3..3, style=patch, axes=boxed, labels=[x,y,z]);

Rejstrk
12.3. Smerove derivace

Na rozdl od parcialnch derivac nemame v Maplu k dispozici prmy prkaz k vypoctu smerovych derivac. K vypoctu tedy pouzvame prmo Denice 3.3. V Maplu zapis vypada takto:
> >
Obsah Verze k tisku
Limit((f(x[0]+t*u[1], y[0]+t*u[2])-f(x[0],y[0]))/t, t=0);
f (x0 + t u 1 , y0 + t u 2 ) f (x0 , y0 ) lim t 0 t
2 1 z 0 -1 -2 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 -3
obr. 12.4
Prklad 12.5. Urcete smerovou derivaci funkce g(x, y) = x 2 + y 2 x cos(y) y sin(x) v bode [1, 2] ve smeru vektoru u = (2/ (5), 1/ (5)). Nejdrve denujme funkci g(x, y):
>
g:=(x,y)->x2+y2-x*cos(Pi*y)-y*sin(Pi*x);
g := ( x, y ) x 2 + y 2 x cos( y ) y sin( x )
a nyn aplikujme denici:

> >
Dg(-1,2):=limit((g(-1+t*2/sqrt(5), 2+t*1/sqrt(5))-g(-1,2))/t, t=0);
Dg( 1, 2 ) :=
2 4 5+ 5 5 5
Ke znazornen geometrickeho vy znamu smerovy derivac pouzijeme podobneho ch postupu jako u derivac parcialnch. Generovan tohoto PC-grafu je opet vhodnym cvicenm na pochopen geometrickeho vyznamu a denice smerovych derivac. PC-grafem znazornme smerovou derivaci funkce f (x, y) = x 2 + y 2 ve smeru vektoru u = (1, 1) v bode [1, 1]. Tvorbu rozdelme do nekolika cast, postupne generujme PC-graf funkce f (s1), rovinu y = x (s2, znazornuje smer vektoru u, v tomto prpade ji zadavame parametricky), krivku, ktera je prusecnic roviny s grafem funkce (s3, tedy funkci jedne promenne (t), jejz derivaci hledame) a konecne tecnu k (t) v bode [1, 1] (s4). Vysledny PC-graf je znazornen na obrazku 12.5.
>
f:=(x,y)->x2+y2;
f := ( x, y ) x 2 + y 2
>
bod:=[1,1];
bod := [ 1, 1 ]
>
Zpet Zavrt
u:=[1,1];
Konec
u := [ 1, 1 ]
Strana 271 z 424
-5 0 z 5 10 15 -3 -2 -1 0 y 1 2 3 -3 -2 -1 1 0 x 2 3
obr. 12.5
> > > > >
s1:=plot3d(f(x,y), x=-3..3, y=-3..3): s2:=plot3d([bod[1]+u[1]*t, bod[2]+u[2]*t,z], t=-4..2, z=-5..18, grid=[5,5]): with(plots): s3:=spacecurve([bod[1]+u[1]*t, bod[2]+u[2]*t,
> > > >
f(bod[1]+u[1]*t, bod[2]+u[2]*t)], t=-4..2, thickness=3, color=black): smer:=limit((f(bod[1]+t*u[1], bod[2]+t*u[2])-f(bod[1], bod[2]))/t, t=0);
smer := 4
> > > >
s4:=spacecurve(evalm([bod[1],bod[2], f(bod[1], bod[2])]+t*[u[1],u[2],smer]), t=-2..2, thickness=3): display3d({s1,s2,s3,s4}, scaling=constrained, orientation=[-28,-170], labels=[x,y,z], axes=framed);
Zmenou zadan funkce, bodu (bod) a vektoru u (u) muzeme generovat dals PC-grafy. V prkladu 12.2 jsme ukazali, ze z existence parcialnch derivac funkce f v bode [x0 , y0 ] neplyne spojitost funkce v tomto bode. Nyn na stejne funkci ukazeme, ze ani existence smerove derivace v bode [x0 , y0 ] ve smeru libovolneho vektoru u nen postacujc pro spojitost. Prklad 12.6. Ukazte, ze funkce f denovana predpisem f (x, y) =
x 4 y2 x 8 +y 4
pro (x, y) = [0, 0] pro (x, y) = [0, 0]

ma v bode [0, 0] smerovou derivaci ve smeru libovolneho vektoru u V2 a presto nen v tomto bode spojita. (V2 je oznacen pro zameren 2-rozmerneho euklidovskeho prostoru.)
Jeli 0 = u = (u 1 , u 2 ) V2 libovolny vektor, pak podle denice smerove derivace plat 1 t 4u4 t 2u2 1 2 f u (0, 0) = lim [ f (0 + tu 1 , 0 + tu 2 ) f (0, 0)] = lim 8 8 = t 0 t t 0 t (t u + t 4 u 4 ) 1 2 = lim tu 4 u 2 1 = 0. t 0 t 4 u 8 + u 4 1 2 Derivace funkce v Maplu
> > > >
f:=(x,y)->if (x=0 and y=0) then 0 else (x4*y2)/(x8+y4) fi: Limit((f(0+t*u[1], 0+t*u[2])-f(0,0))/t, t=0)= limit((f(0+t*u[1], 0+t*u[2])-f(0,0))/t, t=0);
t 5 u14 u22 =0 t 0 t 8 u 1 8 + t 4 u 2 4 Pritom v prkladu 12.2 jsem ukazali, ze funkce f nen v bode [0, 0] spojita, viz take prklad 3.5 a obr. 12.3. lim
12.4. Parcialn derivace slozeny funkc ch

Vypocty parcialnch derivac slozene funkce dvou promennych jsou ukolem po merne pocetne narocnym, v ucitelskem studiu dnes probrame pouze vypocet parcialn derivace slozene funkce prvnho radu. Ukazeme zde moznost, jak tyto vypocty znacne zjednodusit za pomoci poctace.
Pomoc Maplu lze vzorce pro parcialn derivace 1. radu slozene funkce dvou promennych v obecnem bode [u, v] (Veta 5.1) zapsat takto:
> >
dFdx:=Diff(f(u,v),u)*Diff(u(x,y),x)+ Diff(f(u,v),v)*Diff(v(x,y),x);
dFdx :=
> >
f( u, v ) u
u( x, y ) + x
f( u, v ) v
v( x, y ) x
dFdy:=Diff(f(u,v),u)*Diff(u(x,y),y)+ Diff(f(u,v),v)*Diff(v(x,y),y);
dFdy := f( u, v ) u( x, y ) + f( u, v ) v( x, y ) u y v y Ukolem pro studenty do poctacove laboratore je vyuzit techto vzorcu v procedu rach pro vypocet parcialnch derivac slozenych funkc:
> > > > > >
dzd1:=proc(z,uu,vv,u,v,x,y) diff(z,u)*diff(uu,x)+diff(z,v)*diff(vv,x); end: dzd2:=proc(z,uu,vv,u,v,x,y) diff(z,u)*diff(uu,y)+diff(z,v)*diff(vv,y); end:
Procedury dzd1 a dzd2 urcuj parcialn derivaci 1. radu slozene funkce dvou promennych. Parametry procedury jsou: z je funkce z = f (u, v), uu je funkce u(x, y), vv je funkce v(x, y) a u, v, x a y jsou promenne, ve ktery jsou funkce ch zapsany (muzeme pouzt libovolne oznacen promennych, viz prklad 12.8). Pro cedury muzeme pouzt i obecne na funkce z(u, v), u(x, y) a v(x, y), pricemz
dzd1 pocta parcialn derivaci podle prvn promenne (zde podle x) a dzd2 podle 2. promenne (y):
>
dzd1(z(u,v), u(x,y), v(x,y), u,v,x,y);
z( u, v ) u
>
u( x, y ) + x
z( u, v ) v
v( x, y ) x
dzd2(z(u,v), u(x,y), v(x,y), u,v,x,y);
z( u, v ) u
u( x, y ) + y
z( u, v ) v
v( x, y ) y
Prklad 12.7. Je dana funkce z = eu sin v, kde u = x y a v = x + y. Urcete z x a zy. Pouzitm procedur dzd1 a dzd2 dostavame:
>
zx:=dzd1(exp(u)*sin(v), x*y, x+y, u,v,x,y );
zx := eu sin( v ) y + eu cos( v )
>
zy:=dzd2(exp(u)*sin(v), x*y, x+y, u,v,x,y );

zy := eu sin( v ) x + eu cos( v ) Dosazenm za u a v dostavame:

>
zx:=subs(u=x*y, v=x+y, zx);
zx := e( x y ) sin( x + y ) y + e( x y ) cos( x + y )
>
zy:=subs(u=x*y, v=x+y, zy);
zy := e( x y ) sin( x + y ) x + e( x y ) cos( x + y ) Poznamka 12.1. Pro resen prkladu 12.7 muzeme pouzt i prmeho vypoctu:
>
u:=(x,y)->x*y;v:=(x.y)->x+y;
u := ( x, y ) x y v := x.y x + y
>
vyraz:=exp(u(x,y))*sin(v(x,y));
vyraz := e( x y ) sin( x + y )
>
Rejstrk Obsah
zx:=diff(vyraz,x);
zx := y e( x y ) sin( x + y ) + e( x y ) cos( x + y )
>
Verze k tisku
zy:=diff(vyraz,y);
zy := x e( x y ) sin( x + y ) + e( x y ) cos( x + y ) V tomto prpade jsou vsak vzorce pro vypocet parcialnch derivac slozene funkce skryty a tento postup je vhodny pouze pro kontrolu spravnosti vypoctu.
Prklad 12.8. Transformujte rovnici y f x (x, y) x f y (x, y) = 0

y do polarnch souradnic = arctan x , r = x 2 + y 2 . Oznacme z = f (x, y) a dosadme do vzorcu pro derivace prvnho radu: >
alias(z=z(r,phi));
I, z (oznacen z=z(r,phi) bylo pouzito pro zjednodusen Mapleovskeho vystupu) Derivace funkce v Maplu
>
zx:=dzd1(z, sqrt(x2+y2), arctan(y/x), r,phi,x,y);
zx :=
z r x2 +
x y2
x2
z y
y2 1+ 2 x
>
zy:=dzd2(z, sqrt(x2+y2), arctan(y/x), r,phi,x,y);
zy := Coz po uprave dava rovnici:

>
z r x2 +
y y2
+ x
z y2 x2
1+
simplify(y*zx-x*zy=0);
z =0
Poznamka 12.2. Resen prkladu 12.8 opet za pouzit prmeho vypoctu:

>
vyraz:=z(sqrt(x2+y2),arctan(y/x));
vyraz := z
>
x 2 + y 2 , arctan y x
y x x 2 + y 2 , arctan x2 1+ y2 x2 y x y x y
zx:=diff(vyraz,x);
zx :=
D1 ( z )
x 2 + y 2 , arctan x 2 + y2
D2 ( z )
>
zy:=diff(vyraz,y);
zy :=
D1 ( z )
x 2 + y 2 , arctan x 2 + y2
y x
D2 ( z )
x 2 + y 2 , arctan x y2 1+ 2 x
Rejstrk Obsah
Oznacme-li D1 ( z ) y x 2 + y 2 , arctan x z = a D2 ( z ) r y x 2 + y 2 , arctan x z =
Verze k tisku
dostavame:
> >
zx:=subs({op(1,op(1,zy))= Diff(z,r),op(1,op(2,zy))=Diff(z,phi)}, zx);
Zpet Zavrt
zx :=
z r x2 +
x y2
x2
z y
y2 1+ 2 x
> >
zy:=subs({op(1,op(1,zy))= Diff(z,r),op(1,op(2,zy))=Diff(z,phi)}, zy);
zy :=
z r x2 +
y y2
+ x
z y2 x2
1+
>
simplify(y*zx-x*zy=0);
z =0
Podobnym zpusobem je mozno naprogramovat i procedury pro vypocet par cialnch derivac druheho radu:
> > > > > > > > > > > >
dzdd1:=proc(z,uu,vv,u,v,x,y) diff(z,u,u)*diff(uu,x)2+2*diff(z,u,v)*diff(vv,x)* diff(uu,x)+diff(z,v,v)*diff(vv,x)2+diff(z,u)* diff(uu,x,x)+diff(z,v)*diff(vv,x,x); end: dzdd2:=proc(z,uu,vv,u,v,x,y) diff(z,u,u)*diff(uu,y)2+2*diff(z,u,v)*diff(vv,y)* diff(uu,y)+diff(z,v,v)*diff(vv,y)2+diff(z,u)* diff(uu,y,y)+diff(z,v)*diff(vv,y,y); end: dzdd12:=proc(z,uu,vv,u,v,x,y) diff(z,u,u)*diff(uu,x)*diff(uu,y)+diff(z,u,v)*
Konec Strana 280 z 424 Zpet Zavrt
> > > >
diff(vv,y)*diff(uu,x)+diff(z,u,v)*diff(vv,x)* diff(uu,y)+diff(z,v,v)*diff(vv,x)*diff(vv,y)+ diff(z,u)*diff(uu,x,y)+diff(z,v)*diff(vv,x,y); end:
Zde dzdd1 je procedura pro vypocet druhe parcialn derivace podle 1. promenne, dzdd2 pro vypocet druhe parcialn derivace podle druhe promenne a dzdd12 pro vypocet smsene parcialn derivace, pricemz vyznam parametru procedur je stejny jako u procedur pro vypocet prvnch derivac. Nyn si pomoc techto procedur pripomenme vzorce pro parcialn derivace slozene funkce 2. radu v obecnem bode [u, v] (Veta 5.2):
>
alias(z=z(u,v));
I, z
Rejstrk
>
dzdd1(z, u(x,y), v(x,y), u,v,x,y);

Obsah
2 z u 2 + +
>
u( x, y ) x 2 z v 2 z v
+2
2 z u v
2
v( x, y ) x 2 u( x, y ) x2
u( x, y ) x
Verze k tisku
v( x, y ) x 2 v( x, y ) x2
z u
Zpet Zavrt

2 z u 2 + +
>
u( x, y ) y 2 z v 2 z v
+2
2 z u v
2
v( x, y ) y 2 u( x, y ) y2
u( x, y ) y
v( x, y ) y 2 v( x, y ) y2
z u
u( x, y ) u( x, y ) x y 2 + z v( x, y ) u( x, y ) u v y x 2 + z v( x, y ) u( x, y ) u v x y 2 2 + z v( x, y ) v( x, y ) + z u( x, y ) v 2 x y u y x 2 + z v( x, y ) v y x Moznosti novych procedur ilustrujeme na nasledujcch prkladech. Prklad 12.9. Transformujte do novych nezavisle promennych u = x + ay, v = x ay rovnici a 2 z x x z yy = 0.
2 z u 2
Vyuzitm procedur dzdd1 a dzdd2 dostavame:

>
alias(z=z(u,v));
I, z
>
zxx:=dzdd1(z, x+a*y, x-a*y, u,v,x,y);
zxx :=
>
2 z +2 u 2
2 z + u v
2 z v 2 Derivace funkce v Maplu a2

Rejstrk Obsah
zyy:=dzdd2(z, x+a*y, x-a*y, u,v,x,y);
zyy :=
>
2 z u 2
a2 2
2 z u v
a2 +
2 z v 2
simplify(a2*zxx-zyy=0);
2 z u v
a2 = 0
Verze k tisku
Prklad 12.10. Transformujte rovnici x 2 z x x + y 2 z yy 2x yz x y + x z x + yz y = 0 do nezavisle promennych u = x y a v = x/y.

>
Zpet Zavrt
v
zx:=dzd1(z, x*y,x/y,u,v,x,y);
zx :=
z u
y+
>
zy:=dzd2(z, x*y,x/y,u,v,x,y);
zy :=
>
z u
z x y2
zxx:=dzdd1(z, x*y,x/y,u,v,x,y);
zxx :=
>
2 z u 2
y +2
2
2 2 z z + v 2 v u y

v
zyy:=dzdd2(z, x*y,x/y,u,v,x,y);
zyy :=
>
2 z u 2
x 2
2
2 v u
z x2
y2
2 v 2
z x2 y4
+2
z x y3
Rejstrk Obsah
zxy:=dzdd12(z, x*y,x/y,u,v,x,y);
zxy :=
> >
z u 2
2
yx
2 v 2
Verze k tisku
z x
y3
z z 2 u y
Zpet Zavrt
tr:=expand(simplify(x2*zxx+y2*zyy2*x*y*zxy+x*zx+y*zy=0));
tr := 4 Dalsmi upravami dostavame:
x2
2 v 2
y2
+4
=0
>
tr:=factor(student[powsubs](x/y=v,tr));
tr := 4 v
>
2 z v 2
v+
z v
=0
tr/(4*v);
2 z v 2
v+
z =0 v Derivace funkce v Maplu
Prklad 12.11. Transformujte rovnici z x x + z yy = 0 do polarnch souradnic x = r cos , y = r sin za predpokladu, ze funkce z ma spojite parcialn derivace 2. radu.
>
Rejstrk Obsah
alias(z=z(x,y));
I, z
>
Verze k tisku
zr:=dzd1(z, r*cos(phi), r*sin(phi), x,y,r,phi);
zr :=
>
z x
cos( ) +
z y
sin( )
Zpet Zavrt
zrr:=dzdd1(z, r*cos(phi), r*sin(phi), x,y,r,phi);
zrr :=
2 z x2
cos( ) + 2
2
2 z y x
sin( ) cos( ) +
2 z y2
Konec
sin( )
Strana 285 z 424
>
zff:=dzdd2(z, r*cos(phi), r*sin(phi), x,y,r,phi);
2 2 z r 2 sin( )2 2 z r 2 cos( ) sin( ) x2 y x 2 + z r 2 cos( )2 z r cos( ) z r sin( ) 2 y x y Vynasobme-li vzorec pro zrr vyrazem r 2 a secteme se vzorcem pro z , dosta vame: zff :=
> >
r2:=r2*Diff(z,r,r)+Diff(z,phi,phi)= simplify(r2*zrr+zff);
2 2 z + z = r 2 f 2 2 2 r2 z + z r2 z 2 2 y x x Dosazenm a upravami dale dostavame: r2 := r 2

> >
Rejstrk
r cos( )
z y
r sin( )
Obsah Verze k tisku
r2:=simplify(r2, [diff(z,x,x)+diff(z,y,y)=0, Diff(z,r)]=zr);
r2 := r 2
>
2 z + r 2
2 z = r 2
z r
Zpet Zavrt
lhs(r2)-rhs(r2)=0;
r2
2 z + r 2
2 z +r 2
z =0 r
Kapitola 13
Aproximace funkce v Maplu

V teto kapitole se opet nabz bohate vyuzit jak grackych, tak i vy etnch moz poc nost poctacoveho systemu. Postupne si vsimneme zejmena grackych moznost pri ilustraci pojmu diferencovatelna funkce a tecna rovina, vypocetnch moznost pri urcovan diferencialu a pri pribliznych vypoctech pomoc diferencialu. Na zaver pouzijeme poctace pri hledan kmenove funkce.
13.1. Diferencovatelna funkce

Pomoc poctacove graky nyn ilustrujme pojem diferencovatelna funkce a vztahy mezi diferencovatelnost, spojitost a existenc parcialnch derivac. Prklad 13.1. Funkce f (x, y) = arctan(x y)
je diferencovatelna v bode [0, 0] (obr. 13.1), protoze ma v tomto bode spojite parcialn derivace (Veta 4.3).
1.5 1 0.5 z 0
-0.5 -1 3 -1.5 -3 -2 -1 x 0 1 2 3 -3 -2 -1 0 y 1 2
obr. 13.1
Oveme spojitost parcialnch derivac: r

> > > >
f:=(x,y) -> arctan(x*y); plot3d(f(x,y),x=-3..3,y=-3..3,axes=framed, grid=[20,20],orientation=[-50,40],labels=[x,y,z], style=patch);
f := ( x, y ) arctan( x y )
>
Zpet Zavrt
dx:=D[1](f);
y dx := ( x, y ) 1 + x 2 y2
>
dx(0,0);
0
>
dy:=D[2](f);
dy := ( x, y )
>
x 1 + x 2 y2 Aproximace funkce v Maplu
dy(0,0);
0 Limity mitnho bodu:

> y lim(x,y)(0,0) 1+x 2 y 2 x a lim(x,y)(0,0) 1+x 2 y 2 urcme dosazenm souradnic li
limit(dx(x,y),{x=0,y=0});
0
>
limit(dy(x,y),{x=0,y=0});
0 tedy limita parcialnch derivac v bode [0, 0] je rovna jejich funkcn hodnote v tomto bode a parcialn derivace jsou v bode [0, 0] spojite. Ze samotne existence parcialnch derivac funkce v bode [x0 , y0 ] vsak dife rencovatelnost neplyne.

x2 y , x 2 +y 2
[x, y] = [0, 0] [x, y] = [0, 0]
0,
nen v bode [0, 0] diferencovatelna (PC-graf obr. 11.2), i kdyz ma v bode [0, 0] obe parcialn derivace (rovny nule). Tuto skutecnost ukazeme pomoc denice. Zjisteme nejprve, zda existuj parcialn derivace funkce f v bode [0, 0]:
> > >
f:=(x,y)->if x=0 and y=0 then 0 else (x2*y)/(x2+y2) fi: A:=subs(x=0,y=0,diff(f(x,y),x));
A := 0
Rejstrk
>
B:=subs(x=0,y=0,diff(f(x,y),y));
Obsah Verze k tisku
B := 0 To znamena, ze obe vysetrovane parcialn derivace existuj a jsou rovny nule. Ma-li byt funkce f diferencovatelna v bode [0, 0], mus podle denice platit
(h,k)(0,0)
lim
f (h, k) f (0, 0) (0h + 0k) = 0. h2 + k2
Vypocteme limitu na leve strane teto rovnosti:

>
l:=(f(h,k)-f(0,0)-(A*h+B*k))/(sqrt(h2+k2));
h2 k l := 2 ( h + k 2 )3/2
Transformac do polarnch souradnic dostavame:

> > >
Limit(subs(h=r*cos(phi), k=r*sin(phi), l), r=0, right)=simplify(limit(subs(h=r*cos(phi), k=r*sin(phi), l), r=0, right));
= cos( )2 sin( ) 3/2 r 2 cos( )2 + r 2 sin( )2 Vysledek zavis na , tedy dana limita neexistuje, a proto funkce f nen v bode [0, 0] diferencovatelna.
r0+
lim
r 3 cos( )2 sin( )
Jeli funkce f (x, y) v bode [x0 , y0 ] spojita, nemus byt v tomto bode di ferencovatelna (ze spojitosti v bode [x0 , y0 ] neplyne diferencovatelnost v tomto bode). Prklad 13.3. Funkce f (x, y) = x2 + y2 je v bode [0, 0] spojita, ale nen v tomto bode diferencovatelna, protoze v tomto bode neexistuj parcialn derivace (obr. 13.2).
> > > >
f:=(x,y)->sqrt(x2+y2): plot3d([r*cos(u), r*sin(u), r], r=0..3, u=0..2*Pi, axes = framed,orientation=[45,60],shading=none, tickmarks=[7,7,4],labels=[x,y,z]);
Zpet Zavrt
Oveme spojitost: plat r

(x,y)(0,0)
lim
x2
y2
=0
a f (0, 0) = 0, tj. funkce f je v bode [0, 0] spojita.
2 z 1
0 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2
-3
obr. 13.2 Rejstrk
Ukazme, ze neexistuj parcialn derivace v bode [0, 0]. Funkce f je symetricka vzhledem k promennym x a y, proto stac vysetrit jen parcialn derivaci podle x. Podle denice plat:
> >
Obsah Verze k tisku
Limit((f(x,0)-f(0,0))/(x-0), x=0, left)= limit((f(x,0)-f(0,0))/(x-0), x=0, left);
x0
lim
x2 = 1 x
> >
Limit((f(x,0)-f(0,0))/(x-0), x=0, right)= limit((f(x,0)-f(0,0))/(x-0), x=0, right);
x2 =1 x0+ x Jednostranne limity jsou ruzne, tedy parcialn derivace podle x a y v bode [0, 0] neexistuj a funkce f nen v tomto bode diferencovatelna. lim Prklad 13.4. Funkce f (x, y) = cos y |x| nen diferencovatelna v bodech [0, y] (obr. 13.3).
>
f:=(x,y)->cos(y)-abs(x);
f := ( x, y ) cos( y ) |x|
> > >
plot3d(f(x,y),x=-5..5,y=-5..5,axes=framed, grid=[31,29],orientation=[60,60],style=patch, labels=[x,y,z]); Limit((f(x,y0)-f(0,y0))/x, x=0, left) = limit((f(x,y0)-f(0,y0))/x, x=0, left);
Ukazme, ze v bodech [0, y] neexistuj parcialn derivace podle x:

> >
x0 > >
lim
|x| =1 x
Limit((f(x,y0)-f(0,y0))/x, x=0, right) = limit((f(x,y0)-f(0,y0))/x, x=0, right);
|x| lim = 1 x0+ x
1 0 -1 -2 z -3 -4 -5 -6 -4 -2 y 0 -2 2 4 2 4 0 x -4
obr. 13.3
Rejstrk Obsah
Limita zleva se nerovna limite zprava a tedy parcialn derivace podle x v bodech [0, y] neexistuj. Prklad 13.5. Funkce f (x, y) = |x y| je diferencovatelna v R2 s vyjimkou bodu osoveho krze, tj. bodu [x, y], kde x = 0 nebo y = 0 (obr. 13.4).
>
Verze k tisku
f:=(x,y)->sqrt(abs(x*y));
f := ( x, y ) sqrt( |x y| )
> > >
plot3d(f(x,y), x=-3..3, y=-3..3, axes=framed, style=patch, orientation=[70,55], tickmarks=[7,7,4], labels=[x,y,z]);
2 z 1
0 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 -3
obr. 13.4 Zpet
Najdeme body, ve kterych existuj a jsou spojite obe parcialn derivace f x a f y . Podle Vety 4.3 je v takovych bodech funkce diferencovatelna. Prmym
derivovanm dostaneme fx = 1 sgn x |y| , 2 |x| fy = 1 sgn y |x| . 2 |y|
Tyto derivace jsou spojite na R2 krome obou os x = 0 a y = 0, ktere je treba vysetrit zvlast. Nejprve vysetrme parcialn derivace podle x v bodech lezcch na ose y krome pocatku [0, 0]. Uvazujme proto body [0, y0 ], y0 = 0 libovolne. Podle denice derivace je:
> >
Limit((f(x,y[0])-f(0,y[0]))/x, x=0, left)= limit((f(x,y[0])-f(0,y[0]))/x, x=0, left);
x0
lim
|x y0 | = x
> >
Limit((f(x,y[0])-f(0,y[0]))/x, x=0, right)= limit((f(x,y[0])-f(0,y[0]))/x, x=0, right);
|x y0 | = x Jednostranne limity se nerovnaj, ve vysetrovanych bodech neexistuje parcialn derivace podle x. Ze symetrie funkce f vzhledem k x a y plyne stejny vysledek pro parcialn derivaci f y (x0 , 0), x0 = 0. To znamena, ze na osach x, y krome bodu [0, 0] nen funkce f (x, y) diferencovatelna. Zbyva vysetrit diferencovatelnost v bode [0, 0]. Opet nejprve vypocteme par cialn derivace:
x0+
lim
>
A:=limit((f(x,0)-f(0,0))/x, x=0);
A := 0
>
B:=limit((f(0,y)-f(0,0))/y, y=0);
B := 0 tj. v bode [0, 0] obe parcialn derivace existuj a jsou rovny nule. Podle denice diferencovatelnosti mus platit
(h,k)(0,0)
lim
f (h, k) f (0, 0) (0h + 0k) = 0. h2 + k2
Vysetreme limitu na leve strane rovnosti. Prechodem k polarnm souradnicm dostavame:

>
l:=(f(h,k)-f(0,0)-(A*h+B*k))/(sqrt(h2+k2));
|h k| l := 2 + k2 h
Limit(subs(h=r*cos(phi), k=r*sin(phi), l), r=0, right)=simplify(limit(subs(h=r*cos(phi), k=r*sin(phi), l), r=0, right));
> > >
= |cos( )| |sin( )| r 2 cos( )2 + r 2 sin( )2 Vysledek zavis na a uvazovana limita tedy neexistuje, proto f nen v bode [0, 0] diferencovatelna.
r0+
lim
r 2 cos( ) sin( )

xy , x 2 +y 2
[x, y] = [0, 0] [x, y] = [0, 0]
0,
ma v bode [0, 0] obe parcialn derivace rovny nule, nebot

> > >
f:=(x,y)-> if x=0 and y=0 then 0 else x*y/(x2+y2) fi: limit((f(x,0)-f(0,0))/(x-0), x=0);
0
>
limit((f(0,y)-f(0,0))/(y-0), y=0);
0 Jak jsme ukazali v kapitole Limita funkce, f nema v bode [0, 0] limitu, a proto zde nemuze byt diferencovatelna (obr. 11.4). Opet musme davat pozor na nespravnou interpretaci PC-grafu! Generujme PC-graf funkce 5 f (x, y) = . 2 + 6y 2 1+x
Zpet
>
f:=(x,y)->5/(1+x2+6*y2);
Zavrt
f := ( x, y ) 5
1+
x2
1 + 6 y2
> >
plot3d(f(x,y), x=-2..2, y=-2..2, orientation=[13,66], axes=framed, shading=none, labels=[x,y,z]);
Zskany PC-graf (obr. 13.5) svad k domnence, ze funkce f nen v bode [0, 0] diferencovatelna. Oveme spojitost parcialnch derivac v bode [0, 0]: r
>
fx:=D[1](f);
fx := ( x, y ) 10
>
(1 +
x2
x + 6 y 2 )2 Aproximace funkce v Maplu
fx(0,0);
0
>
limit(fx(x,y), {x=0, y=0});
0
>
fy:=D[2](f);
fy := ( x, y ) 60
>
(1 +
x2
y + 6 y 2 )2
Zpet
fy(0,0);
0
>
limit(fy(x,y), {x=0,y=0});
Funkcn hodnota v bode [0, 0] funkce f x (x, y) je rovna limite f x v bode [0, 0], tedy parcialn derivace f x v bode [0, 0] je spojita. Totez plat i pro f y . Obe parcialn derivace jsou v bode [0, 0] spojite a funkce f (x, y) je tedy v tomto bode diferencovatelna. Generujme znovu PC-graf funkce f , tentokrat ale pro x 0.1, 0.1 , y 0.1, 0.1 :
> > >
plot3d(f(x,y), x=-0.1..0.1, y=-0.1..0.1, grid=[21,19], orientation=[13,66], axes=framed, shading=none, labels=[x,y,z]);
Vysledny PC-graf (obr. 13.6) lepe ilustruje chovan funkce f v okol bodu [0, 0].
4.95 4 4.9 3 z 2 -2 4.75 1 -1 0 x -2 1 -1 0 y 1 2 2 4.7 -0.1 -0.05 0 x 0.05 -0.05 0 y 0.05 0.1 0.1 4.85 z 4.8 -0.1
obr. 13.5
obr. 13.6 Zpet Zavrt Konec Strana 300 z 424
Diferencial
Pri procvicovan vypoctu diferencialu muzeme vyuzt i vypocetnch a programo vacch moznost Maplu. Techto vyuzijeme zejmena pri vypoctech diferencialu vyssch adu. r Prklad 13.7. Napiste proceduru, ktera pro zadanou funkci spocta jej diferencial. Pomoc teto procedury urcete diferencial funkce f (x, y) = x 3 + ln(x y) nejprve v obecnem bode a pote v bode [1, 3] s diferencemi h = 0.2, k = 0.01.
> > > > > > > > > > > > > > > > >
difer:=proc() local derx,dery,dif; if nargs=1 then print(diff(args[1],x)*h+diff(args[1],y)*k); fi; if nargs=5 then derx:=subs(x=args[2],y=args[3],diff(args[1],x)); dery:=subs(x=args[2],y=args[3],diff(args[1],y)); dif:=derx*args[4]+dery*args[5]; RETURN(dif); fi; if nargs<>1 and nargs <>5 then print (Spatne_zadano) fi; end:
Procedura difer ma promenlivy pocet argumentu. Prkaz difer(f(x,y)); urcuje totaln diferencial zadane funkce v obecnem bode, prkaz difer(f(x,
y),x0,y0,h,k); totaln diferencial dane funkce v bode [x0 , y0 ] s diferencemi h, k:

>
f:=(x,y)->x3+ln(x*y);
f := ( x, y ) x 3 + ln( x y )
>
difer(f(x,y));
3 x2 +
>
1 x
h+
k y
difer (f(x,y),1,3,0.2,-0.01);
.7966666667 Prklad 13.8. Napiste proceduru, ktera pocta diferencial mteho adu funkce f . r Pomoc teto procedury pote urcete d 2 f pro f (x, y) = y/x a obecne diferencial 3. adu libovolne funkce f . r
> > > > > >
difern:=proc(funkce,m) local j; RETURN(sum(binomial(m,j)* diff(funkce, x$j,y$(m-j))*hj*k(m-j), j=0..m)); end: difern(y/x,2);
Zpet
2
>
hk y h2 +2 3 x2 x
difern(f(x,y),3);
3 3 f( x, y ) k 3 + 3 f( x, y ) y3 y2 x 3 + f( x, y ) h 3 x3
h k2 + 3
3 f( x, y ) y x2
h2 k
13.2. Tecna rovina ke grafu funkce

V teto casti vyuzijeme gracke i vypocetn moznosti Maplu k ilustraci geometric keho vyznamu totalnho diferencialu. Vlastn generovan PC-grafu je opet vhod nym cvicenm, zde uvadme dve resen postupna (student prklad res stejne jako pomoc tuzky a papru, jen k zapisu a vypoctum pouzva prostred Maplu) a nove naprogramovanou funkci GraphTan. Uvadme take dva prstupy ke konstrukci tecne roviny, prklad 13.9 ilustruje spse analyticky a prklad 13.10 spse geomet ricky prstup ke konstrukci. Prklad 13.9. Urcete rovnici tecne roviny funkce f (x, y) = 4 x 2 y 2 v bode [3, 2]. Tecnou rovinu a funkci zakreslete do jednoho PC-grafu. Rovnice tecne roviny funkce z = f (x, y) v bode [x0 , y0 ] ma tvar z = f (x0 , y0 ) + f x (x0 , y0 )(x x0 ) + f y (x0 , y0 )(y y0 ). Dosadme do tohoto vztahu:
>
f:=(x,y)->4-x2-y2;
f := ( x, y ) 4 x 2 y 2
>
fx(3,2):=subs(x=3,y=2, diff(f(x,y),x));
fx( 3, 2 ) := 6
>
fy(3,2):=subs(x=3,y=2, diff(f(x,y),y));
fy( 3, 2 ) := 4
>
TRovina:=(x,y)->f(3,2)+fx(3,2)*(x-3)+fy(3,2)*(y-2);
TRovina := ( x, y ) f( 3, 2 ) + fx( 3, 2 ) ( x 3 ) + fy( 3, 2 ) ( y 2 )

>
TRovina(x,y);
17 6 x 4 y Nyn do jednoho PC-grafu umstme spolecne funkci f a jej tecnou rovinu:

> > > > >
P1:=plot3d(f(x,y), x=-4..4, y=-4..4, style=patch): P2:=plot3d(TRovina(x,y), x=-2..2,y=-2..3): with(plots): display3d({P1,P2}, axes=boxed, view=-20..30, labels=[x,y,z]);
Na zaklade predchozho postupu je mozno resit ulohu: Najdete rovnici tecne roviny pro danou funkci a dany bod a zobrazte do jednoho PC-grafu tecnou rovinu spolecne s funkc pomoc Mapleovskeho programovacho jazyku.
>
GraphTan := proc(f,xrange,yrange,pt)
5 0 -5 z -10 -15 -20 -4 -2 y 0 2 4 4 2 0 x -2
-4
obr. 13.7
> > > > > > > > >
#definice lokalnich promennych local xmin,xmax,ymin,ymax,x0,y0,z0,dx,dy,xsour,ysour, tanfunc,gpha,gphb,tanpt,optio,rovnice; #Vyvolani nekterych prikazu zknihovny plots with(plots,pointplot): with(plots,display):
> > > > > > > > > > > > > > > > > > > > > > > > > > > > > > >
#Ziskani ruznych promennych ze vstupu #Souradnice bodu dotyku x0 := op(2,pt)[1]: y0 := op(2,pt)[2]: #Rozsah souradnic pro vykresleni grafu xmin := op(1,op(2,xrange)): xmax := op(2,op(2,xrange)): ymin := op(1,op(2,yrange)): ymax := op(2,op(2,yrange)): #Parametry pro vykresleni grafu optio:=args[5..nargs]; #Vypocet parcialnich derivaci podle x a y #v bode (x0,y0) dx := subs(x=x0,y=y0,diff(f,x)): dy := subs(x=x0,y=y0,diff(f,y)): #Vypocet treti souradnice bodu dotyku z0 := subs(x=x0,y=y0,f): #Dosazeni do rovnice pro tecnou rovinu tanfunc:=z0+dx*(x-x0)+dy*(y-y0): #Pojmenovani grafu bodu dotyku jako tanpt, #grafu funkce jako gpha a #grafu tecne roviny jako gphb tanpt:=pointplot({[x0,y0,z0]},color=red): gpha := plot3d(f,xrange,yrange,optio): xsour:=abs(xmax-xmin)/4; ysour:=abs(ymax-ymin)/4; gphb:=plot3d(tanfunc,x=x0-xsour..x0+xsour,
> > > > > > > > > >
y=y0-ysour..y0+ysour,optio): #Vypis vysledku rovnice:=z=tanfunc: print(Tecna rovina ma rovnici ); print(rovnice); #Zobrazeni grafu plochy, tecne roviny a bodu dotyku display ([gpha, gphb,tanpt]); end:
Proceduru volame prkazem: GraphTan(funkce, x=a..b, y=c..d, bod=[x0,y0], volitelne_parametry); kde [x0 , y0 ] jsou souradnice bodu, ve kterem tecnou rovinu poctame (funkce mus byt v tomto bode diferen covatelna). Nyn esme predchazej prklad pomoc teto nove procedury: r
> > >
with(mvcalp): GraphTan(f(x,y),x=-4..4,y=-4..4,bod=[3,2],axes=boxed, labels=[x,y,z]);
Tecna rovina ma rovnici z = 17 6 x 4 y Jiny prstup ke konstrukci tecne roviny (s vyuzitm normaly) ilustruje nasle dujc prklad: Prklad 13.10. Uvazujte funkci f (x, y) = (x 2 + y 2 ) a urcete rovnici tecne roviny v bode [1, 1].
10
0 z-10
-20
-4 -2 y 0 2 2 4 4 0 x -2
-4
obr. 13.8
>
f:=(x,y)->-(x2+y2);
f := ( x, y ) x 2 y 2
>
Zpet
a:=1; b:=1;
a := 1 b := 1
> >
K:=plot3d(f(x,y),x=-2..2,y=-2..2,axes=boxed, color=blue):
Sestrojme prmky L1 a L2, ktere jsou tecnami ke grafu funkce v bode [1, 1] (obr. 13.9):
> >
with(plots): dfdx:=subs({x=a,y=b},diff(f(x,y),x));
dfdx := 2
>
L1:=t->[a+t,b,f(a,b)+t*dfdx];
L1 := t [ a + t, b, f( a, b ) + t dfdx ]
Rejstrk
> > >
J1:=spacecurve(L1(t),t=-3/2..1,axes=boxed, color=black): dfdy:=subs({x=a,y=b},diff(f(x,y),y));
Obsah Verze k tisku
dfdy := 2
>
L2:=t->[a,b+t,f(a,b)+t*dfdy];
L2 := t [ a, b + t, f( a, b ) + t dfdy ]
> > >
Zpet Zavrt
J2:=spacecurve(L2(t),t=-3/2..1,axes=NORMAL, color=black): display3d({J1,J2,K},orientation=[10,80],
>
scaling=constrained, view=-4..0, labels=[x,y,z]);
Normalovy vektor v bode [1, 1] urcme jako vektorovy soucin smerovych vek toru prmek L1 a L2 (obr. 13.10):
> >
with(linalg): N:=crossprod(L1(1)-L1(0),L2(1)-L2(0));
N := [ 2 2 1 ]
>
PL:=t->[a+t*N[1], b+t*N[2], f(a,b)+t*N[3]];
PL := t [a + t N1 , b + t N2 , f( a, b ) + t N3 ]
> > >
NL:=spacecurve(PL(t),t=-3/2..1,color=black): display({J1,J2,K,NL}, orientation=[10,80],axes=boxed, scaling=constrained, view=-4..0, labels=[x,y,z]);

Skutecnost, ze normalovy vektor je kolmy na obe prmky, oveme pomoc r skalarnho soucinu:
>
dotprod(L1(t)-L1(0),N); dotprod(L2(t)-L2(0),N);
0 0 Rovnici tecne roviny dostavame tak, ze polozme skalarn soucin vektoru [x a, y b, z f (a, b)] a normaloveho vektoru N roven nule (obr. 13.11).
>
tangenteqn:=dotprod([x-a,y-b,z-f(a,b)],N)=0;
tangenteqn := 2 x 2 + 2 y + z = 0
0 0
-1
-1
z-2
z -2
-3
-3 -2 -2 -1 0 x 0 1 x -2 -1 0 y 2 1 2 3 3 -1
-4
-2
-1
1 0 y 1 2 2
-4
obr. 13.9
obr. 13.10
>
Rejstrk
Z:=solve(tangenteqn,z);
Z := 2 x + 2 2 y
> > > >
Obsah Verze k tisku
Plane:=plot3d(Z,x=a-1/2..a+1/2,y=b-1/2..b+1/2, axes=boxed,color=RED,style=PATCH): display({Plane,K},orientation=[10,80], labels=[x,y,z]);
Poznamka 13.1. Pomoc Maplu muzeme konstruovat tecne roviny i k plocham danym parametricky a implicitne. Pro generovan PC-grafu pouzijeme naprogra movanych procedur ParamTan a ImplicitTan. Obe procedury jsou ulozeny v knihovne mvcalp:
-2
z -4

-6 -2 -1 -8 -2 -1 0 y 1 2 2 0 1 x
obr. 13.11
> > > > >
ParamTan([(3+cos(s))*cos(t), (3+cos(s))*sin(t), sin(s)], s=0..2*Pi, t=0..2*Pi, point=[1,2]); ImplicitTan(x2+y2+z2=2, x=-2..2, y=-2..2, z=-2..2, point=[1,1,0], style=patch, orientation=[-121,53], scaling=constrained, labels=[x,y,z]);
Na obrazku 13.12 je anuloid dany parametricky rovnicemi x = (3 + cos s) cos t, y = (3 + cos s) sin t, z = sin s a jeho tecna rovina v bode [1, 2],
1 1 0.5 z 0 -1 -0.5 -1 -4 -2 0 y 2 2 4 4 -2 -2 0 -2 2 x y 0 -1 -1 0 x 1 -2 2 -4 1 z 0
obr. 13.12
obr. 13.13
na obrazku 13.13 koule dana implicitne rovnic x 2 + y 2 + z 2 = 2 a jej tecna rovina v bode [1, 1].
Rejstrk Obsah
13.3. Uzit diferencialu k priblizny vy tum m poc

Nyn pouzijeme poctacoveho systemu i k procvicovan pribliznych vypoctu po moc totalnho diferencialu. Rovnice tecne roviny je nejleps linearn aproximac funkce f (x, y) v okol bodu [x0 , y0 ]. Uvazujme chybu teto aproximace | f (x, y) T Rovina(x, y)|. Necht f (x, y) = 4 x 2 y 2 (prklad 4.9) a necht[x, y] nabyva postupne hodnot [4, 3], [3.8, 2.8], [3.6, 2.6], [3.4, 2.4], [3.2, 2.2] a [3, 2].
Verze k tisku
Pomoc prkazu seq pozorujeme, jak se chyba aproximace zmensuje s hod notami blzcmi se bodu [3, 2]:
> >
seq(evalf(abs(f(4-i/5, 3-i/5)TRovina(4-i/5, 3-i/5))), i=0..5);
2., 1.280000000, .7200000000, .3200000000, .08000000000, 0 Jiny zpusob resen je mozny pomoc prkazu zip:
> >
zip((x,y)->abs(f(x,y)-TRovina(x,y)), [4,3.8,3.6,3.4,3.2,3], [3,2.8,2.6,2.4,2.2,2]);
[ 2, 1.28, .72, .32, .08, 0 ] K nalezen linearn aproximace funkce je mozno pouzt i Taylorova polynomu, nebot diferencial funkce je Taylorovy polynomem stupne 1 (Tayloruv poly m nom viz. kapitola Derivace slozene funkce, Tayloruv vzorec). Nasledujc prkazy ilustruj pouzit prkazu mtaylor k nalezen linearn aproximace:
> readlib(mtaylor); proc() ... end >
mtaylor(f(x,y), [x=3,y=2], 2);
17 6 x 4 y Prklad 13.11. Pomoc totalnho diferencialu priblizne vypoctete ln(2.12 + 0.92 ). Urcme bod [x0 , y0 ], diference dx a dy a najdeme funkci f (x, y) takovou, aby . ln(2.12 +0.92 ) = f (x0 +dx, y0 +dy) = f (x0 , y0 )+ f x (x0 , y0 ) dx + f y (x0 , y0 ) dy. K vypoctu tedy pouzijeme funkci f (x, y) = ln(x 2 + y 2 ), bod [2, 1] a diference dx = 0.1, dy = 0.1:
>
f:=(x,y)->ln(x2+y2);
f := ( x, y ) ln( x 2 + y 2 )
>
x0:=2:y0:=1:dx:=1/10:dy:=-1/10: A:=D[1](f);
Spocteme diferencial funkce f (x, y):

>
A := ( x, y ) 2
>
x2
x + y2
B:=D[2](f);
B := ( x, y ) 2
>
x2
y + y2
df:=(x,y)->A(x,y)*dx+B(x,y)*dy;
df := ( x, y ) A( x, y ) dx + B( x, y ) dy
>
priblizna_hodnota:=f(x0,y0)+df(x0,y0);
priblizna hodnota := ln( 5 ) +

>
1 25
evalf(priblizna_hodnota);
1.649437912 Predchoz vysledek nyn overme prmym vypoctem (Maple umoznuje provadet vypocty v oboru realnych csel s temer libovolnou presnost):
>
funkcni_hodnota:=f(x0+dx,y0+dy);
funkcni hodnota := ln
>
261 50
evalf(funkcni_hodnota);
1.652497402 K vypoctu muzeme pouzt i procedury difer:

> >
with(mvcalp): f(x0,y0)+difer(f(x,y),x0,y0,dx,dy);
ln( 5 ) +
>
1 25
Rejstrk
evalf();
1.649437912
Obsah Verze k tisku
13.4. Taylorova veta

K hledan Taylorova polynomu funkce dvou promennych pouzvame v Maplu proceduru mtaylor. Prklad 13.12. Najdete Tayloruv polynom 2. stupne se stredem v bode [0, 0] pro funkci f (x, y) = sin x cos y.
Proceduru mtaylor si zprstupnme pomoc readlib:

>
readlib(mtaylor): f:=(x,y)->sin(x)*sin(y);
Denujme funkci f a Tayloruv polynom 2. stupne ulozme do promenne f 2:

>
f := ( x, y ) sin( x ) sin( y )
>
f2:=mtaylor(f(x,y), [x=0,y=0], 3);
f2 := x y Nyn zkonvertujme f 2 na funkci pomoc prkazu unapply:

>
f2:=unapply(f2,x,y);
f2 := ( x, y ) x y a generujme postupne PC-grafy pro funkci f (obr. 13.14), jej Tayloruv polynom 2. stupne (obr. 13.15), vrstevnice funkce f (obr. 13.16) a vrstevnice T2 (x, y) (obr. 13.17).
> > > > > > > >
P1:=plot3d(f(x,y), x=-Pi..Pi, y=-Pi..Pi, orientation=[45,60], style=patchcontour):; P2:=plot3d(f2(x,y), x=-Pi..Pi, y=-Pi..Pi, orientation=[45,60], style=patchcontour):; plot3d(f(x,y), x=-Pi..Pi, y=-Pi..Pi, orientation=[270,0], axes=normal, style=contour); plot3d(f2(x,y), x=-Pi..Pi, y=-Pi..Pi, orientation=[270,0], axes=normal, style=contour);
obr. 13.14
obr. 13.15
Rejstrk
2 2 1 1
Obsah
0 x 1 2 3
-3
-2
-1
y 0
0 x
-3
-2
-1
y 0
Verze k tisku
-1
-1
-2
-2
-3
-3
obr. 13.16
obr. 13.17
Zpet Zavrt
Dals PC-grafy znaroznuj funkci a jej Tayloruv polynom nad ctvercem [0.5, 0.5] [0.5, 0.5], tedy v blzkem okol bodu [0, 0] (obr. 13.18) a nad ctvercem [, ] [, ] (obr. 13.19).
> > > >
plots[display]({P1,P2}, axes=framed, view=[-.5..0.5,-.5..0.5,-1..1], labels=[x,y,z]); plots[display]({P1,P2},orientation=[71,63], axes=framed, labels=[x,y,z]);
Vsimneme si, ze v blzkem okol bodu [0, 0] se Tayloruv polynom T2 (x, y) temer shoduje s funkc f (obr. 13.18).
10
5 1
0.5
0 -5
-0.5
-1 -0.4 -0.2 y 0 0.2 0.4 0.4 0.2 0 x -0.2 -0.4
-10 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 -3
obr. 13.18
obr. 13.19
Tuto skutecnost ilustrujme dale PC-grafy (obr. 13.20 a 13.21) znazornujcmi zavislost chyby, ktere se dopustme pri aproximaci funkce f v okol bodu [0, 0] Taylorovym polynomem 2. stupne, na vzdalenosti od tohoto bodu:
> > > >
plot3d(f(x,y)-f2(x,y),x=-.5..0.5,y=-.5..0.5, axes=framed,shading=zhue,labels=[x,y,z]); plot3d(f(x,y)-f2(x,y), x=-1..1, y=-1..1, axes=framed, shading=zhue,labels=[x,y,z]);
0.3 0.2
0.02
0.01 0.1 z 0 z 0
-0.1 -0.01 -0.2 -0.3 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5 -0.02 -1 -0.4 -0.2 y 0 0.2 0.4 0.4 0.2 0 x -0.2 -0.4
obr. 13.20
obr. 13.21
Na obrazku 13.20 je chyba znazornena nad ctvercem [0.5, 0.5][0.5, 0.5] a na obrazku 13.21 nad ctvercem [1, 1] [1, 1]. Z PC-grafu je videt, ze pokud zvetsujeme vzdalenost od bodu [0, 0], zvetsuje se i chyba aproximace. Pri pouzit procedury mtaylor vsak zustava Tayloruv vzorec skryt uvnitr procedury. Maplu proto pouzijeme nyn i k procvicovan vypoctu Taylorova po lynomu a dale k pribliznym vypoctum funkcnch hodnot funkc dvou promennych. Prklad 13.13. Urcete Tayloruv polynom 2. stupne se stredem v bode [x0 , y0 ] = [1, 1] pro funkci f (x, y) = x/y. Prklad resme postupne. Maple nam nejdrve pouze asistuje pri vypoctu parcialnch derivac a vysledek az nakonec overme pomoc procedury mtaylor.
Spocteme tedy vsechny potrebne parcialn derivace:

>
f:=(x,y)->x/y;
f := ( x, y )
>
x y
fx:=D[1](f);fy:=D[2](f);
fx := ( x, y )
1 y Aproximace funkce v Maplu
x fy := ( x, y ) 2 y
>
fxx:=D[1,1](f);fxy:=D[1,2](f);fyy:=D[2,2](f);
fxx := 0 fxy := ( x, y ) fyy := ( x, y ) 2 Podle Vety 5.4 plat:

> > >
Rejstrk Obsah
1 y2 x y3
Verze k tisku
T2:=f(1,1)+fx(1,1)*(x-1)+fy(1,1)*(y-1)+ (1/2)*((fxx(1,1)*(x-1)2+2*fxy(1,1)*(x-1)*(y-1)+ fyy(1,1)*(y-1)2));
T2 := 1 + x y ( y 1 ) ( x 1 ) + ( y 1 )
>
T2:=expand(T2);
T2 := 1 + 2 x 2 y y x + y 2 Nyn overme vysledek pomoc procedury mtaylor:

> >
readlib(mtaylor): T2:=mtaylor(f(x,y), [x=1,y=1],3);
T2 := 1 + x y ( y 1 ) ( x 1 ) + ( y 1 )2
>
T2:=expand();
T2 := 1 + 2 x 2 y y x + y 2 V obou prpadech jsme dostali stejny vysledek, T2 (x, y) = 1 + 2x 2y x y + y 2 . Prklad 13.14. Pomoc Taylorova polynomu 2. stupne urcete priblizne (2.98)2 + (4.05)2 . K vypoctu vyuzijme Taylorova polynomu 2. stupne funkce f (x, y) = v bode [x0 , y0 ] = [3, 4]:
>
x 2 + y2
f:=(x,y)->sqrt(x2+y2);
f := ( x, y ) sqrt( x 2 + y 2 )
>
Zpet Zavrt
f2:=mtaylor(f(x,y), [x=3,y=4], 3);
3 12 4 8 9 f2 := x + y + ( x 3 )2 ( y 4)(x 3) + ( y 4 )2 5 5 125 125 250
>
f2:=unapply(f2,x,y);
f2 := ( x, y ) 3 12 4 8 9 x+ y+ ( x 3 )2 ( y 4)(x 3) + ( y 4 )2 5 5 125 125 250

>
aprox2:=f2(2.98,4.05);
aprox2 := 5.028211600 Funkcn hodnotu muzeme v Maplu urcit i prmym vypoctem:

>
sk:=f(2.98,4.05);
sk := 5.028210417 Zaverem urceme chybu aproximace:

>
chyba:=sk-aprox2;
.1183 105 K aproximaci pouzijme nyn Taylorova polynomu 6. stupne a opet urceme chybu aproximace:
> >
f6:=mtaylor(f(x,y), [x=3,y=4], 7): f6:=unapply(f6,x,y): aprox6:=f6(2.98,4.05);
aprox6 := 5.02821042
>
Zpet Zavrt
sk:=f(2.98,4.05);
sk := 5.02821042
>
chyba2:=sk-aprox6;
chyba2 := 0 Standardn nastaven presnosti aproximativn aritmetiky v Maplu je na 9 platnych mst. Protoze rozdl je az v radu 1015 , dostavame pri teto presnosti vypoctu chybu rovnu nule. Zvysme tedy presnost aproximativn aritmetiky a vypocet provedme znovu.
>
Digits:=17;
Digits := 17
>
aprox6:=f6(2.98,4.05);
aprox6 := 5.0282104172359360
>
Rejstrk Obsah
sk:=f(2.98,4.05);
sk := 5.0282104172359374
>
Verze k tisku
chyba2:=sk-aprox6;
chyba2 := .14 1014 Z vysledku je videt, ze s rostoucm stupnem Taylorova polynomu se zmensuje chyba aproximace.
13.5. Kmenova funkce

Hledat kmenovou funkci muzeme taktez pomoc prkazu Maplu. Uvadme nejdrve resen postupne po jednotlivych krocch, v zaveru je pak prklad resen pomoc Mapleovskeho programovacho jazyka. Prklad 13.15. Rozhodnete, zda je vyraz (1 + ex y y + y cos(x y)) dx + (1 + ex y x + x cos(x y)) dy diferencialem nejake funkce; v prpade ze ano, urcete tuto funkci.
>
m:=(x,y)->-1+exp(x*y)*y+y*cos(x*y);
m := ( x, y ) 1 + e( x y ) y + y cos( x y )
>
Rejstrk Obsah
n:=(x,y)->1+exp(x*y)*x+x*cos(x*y);
Verze k tisku
n := ( x, y ) 1 + e
>
(x y)
x + x cos( x y )
m(x,y)*dx+n(x,y)*dy;
( 1 + e( x y ) y + y cos( x y ) ) dx + ( 1 + x e( x y ) + x cos( x y ) ) dy Nejprve overme, zda je zadany vyraz opravdu diferencialem:

>
testeq(diff(m(x,y),y)=diff(n(x,y),x));
true
Plat
m(x, y) n(x, y) = , y x tj. zadany vyraz je diferencialem jiste kmenove funkce H . Dale plat:
>
k1:=integrate(m(x,y),x);
k1 := x + e( x y ) + sin( x y ) Integracn konstantu oznacme g(y) (jej derivace podle x je nulova). Derivovanm podle y:
>
k2:=diff(k1+g(y),y);
k2 := x e( x y ) + x cos( x y ) + a dosazenm do vztahu Hy = n(x, y) dostavame:

>
g( y ) y
k3:=solve(k2=n(x,y), diff(g(y),y));
k3 := 1 Odtud g (y) = 1 a g(y) = y + c.

>
k4:=integrate(k3,y);
k4 := y
>
reseni:=k1+k4;
reseni := x + e( x y ) + sin( x y ) + y Zadany vyraz je tedy diferencialem funkce H (x, y) = ex y x + y + sin(x y) + c, c R.
Prklad 13.16. Napiste proceduru, ktera urc, zda je zadany vyraz diferencialem nejake funkce a v prpade, ze ano, tuto funkci urc.
> > > > > > > >
kmen:=proc(m,n) if diff(m,y)=diff(n,x) then simplify(integrate(m,x)+ integrate(n-diff(integrate(m,x),y),y)); else print(Zadany vyraz neni diferencialem zadne funkce); fi end:
Pomoc teto procedury nyn urceme kmenovou funkci pro vyraz (x 2 y 2 ) dx + (5 2x y) dy:
>
n:=(x,y)->5-2*x*y;
n := ( x, y ) 5 2 x y
>
m:=(x,y)->x2-y2;
m := ( x, y ) x 2 y 2
>
kmen(m(x,y),n(x,y));
1 3 x y2 x + 5 y 3 Vypoctali jsme, ze zadany vyraz je diferencialem funkce H (x, y) = x3 y 2 x + 5y + c, 3 c R.
Prklad 14.1.
Kapitola 14
Extremy funkce v Maplu

Extremy funkce v Maplu Tato cast je pro poctacem podporovanou vyuku velmi vhodna. S vyuzitm gra ckych i vypocetnch moznost Maplu hledame nejdrve lokaln extremy funkce dvou promennych. Volbou prkladu ukazujeme i na nebezpec bezmyslenkovi teho pouzit poctace k vypoctum, tj. zamerujeme se na prklady, pri jejichz resen asto se opakujc popomoc Maplu dostavame neuplne nebo nepresne vysledky. C stupy pote automatizujeme pomoc Mapleovskeho programovacho jazyka v pro cedurach. Obdobne postupujeme i pri hledan absolutnch extremu funkce dvou promennych.
14.1. Lokaln extremy

Pomoc grackych a vypocetnch moznost Maplu budeme nyn ilustrovat proble matiku lokalnch extremu funkce dvou promennych.
Uvazujme funkci f (x, y) = x ye(

>
x 2 +y 2 2 )
f := (x,y) -> x*y*exp(-(x2+y2)/2);

2 2
f := (x, y) x y e(1/2 x 1/2 y ) Generujme PC-graf funkce f (obr. 14.1) a PC-graf, znazornujc vrstevnice funkce f (obr. 14.2):
> > > > > >
plot3d(f(x,y),x=-3..3,y=-3..3,style =patch, orientation=[70,65], axes=FRAMED, grid=[40,30], labels=[x,y,z]); with(plots): contourplot(f(x,y),x=-3..3,y=-3..3, grid=[50,50], axes=boxed);
Z uvedenych PC-grafu usuzujeme na lokaln extremy v kazdem ze ctyr kvad rantu, a to na lokaln maxima v prvnm a tretm kvadrantu a na lokaln minima v druhem a ctvrtem kvadrantu. Tuto uvahu overme nyn vypoctem. Stacionarn body najdeme resenm soustavy rovnic (viz Denice 6.2) f =0 x f = 0. y
> >
Zpet Zavrt Konec
cp:=solve({diff(f(x,y),x)=0, diff(f(x,y),y)=0}, {x,y});
Strana 329 z 424
-3
-2
-1
x 0
3 3
0.3 0.2 0.1 z 0
-0.1 -0.2 -0.3 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 -3
0 y
-1
-2
-3
obr. 14.1
obr. 14.2
cp := { x = 0, y = 0 }, { y = 1, x = 1 }, { y = 1, x = 1 }, { x = 1, y = 1 }, { x = 1, y = 1 } Tedy, podle predchoz uvahy patrne v bodech [1, 1] a [1, 1] nastava lo kaln maximum, v bodech [1, 1], [1, 1] lokaln minimum a bod [0, 0] je sed lovym bodem. Tuto domnenku podporme nejdrve generovanm PC-grafu funkce f v blzkem okol stacionarnch bodu:
> > > > > >
plot3d(f(x,y),x=-0.1..0.1,y=-0.1..0.1, orientation = [70,65], style=patchcontour); plot3d(f(x,y),x=0.9..1.1,y=0.9..1.1, orientation = [70,65], style=patchcontour); plot3d(f(x,y),x=0.9..1.1,y=-1.1..-0.9, orientation = [70,65], style=patchcontour);
0.01
0.368 0.367 -0.361 -0.362 -0.363 -0.364 -0.365 -0.366 -0.367 -0.368 -1.1 0.95 y 0 -0.1 0.05 0.1 0.1 0.05 0 x -0.05 1.05 1.1 1.1 1.05 1 x 0.95 y 1 0.9 -0.95 -0.9 1.1 1.05 1 x 0.95 -1.05 y -1 0.9
0.005
0.366 0.365
0.364 0.363
-0.005
0.362 0.361
-0.01 -0.1 -0.05
0.9
obr. 14.3
obr. 14.4
obr. 14.5
Na obrazku 14.3 je okol bodu [0, 0], jedna se tedy o sedlovy bod, obr. 14.4 znazornuje okol bodu [1, 1] (lokaln maximum) a obr. 14.5 znazornuje okol bodu [1, 1] (lokaln minimum). Tyto uvahy podporme opet vypoctem. Plat:
>
fxx := factor(diff(f(x,y),x,x));
fxx := x y e( 1/2 x
>
21/2 y 2 )
( 3 + x 2 )
Rejstrk Obsah
fxy := factor(diff(f(x,y),x,y));
Verze k tisku
fxy := e
>
( 1/2 x 21/2 y 2 )
( y 1)( y + 1)(x 1)(x + 1)
fyy := factor(diff(f(x,y),y,y));
fyy := x y e( 1/2 x
>
21/2 y 2 )
( 3 + y 2 )
Delta:=factor(fxx*fyy-fxy2);
:= ( e( 1/2 x
21/2 y 2 )
)2
( 5 x 2 y 2 + y 4 x 2 + x 4 y 2 + 1 2 x 2 2 y 2 + x 4 + y 4 )
>
eval(subs(x=0,y=0,Delta));
1 V souladu s dobre znamou postacujc podmnkou existence a charakteru extremu ve stacionarnm bode (Veta 6.2) v bode [0, 0] extrem nenastava, jde o tzv. sedlovy bod (obr. 14.3). V bode [1, 1] nastava ostre lokaln maximum (obr. 14.4), nebot:
>
subs(x=1,y=1,[Delta,fxx]);
4 ( e( 1 ) )2 , 2 e( 1 ) Obdobne prokazeme, ze v bode [1, 1] a [1, 1] nastavaj ostra lokaln minima a v bode [1, 1] ostre lokaln maximum:
>
subs(x=-1,y=1,[Delta,fxx]);
4(e
> >
( 1 ) 2
) ,2e
( 1 )
subs(x=-1,y=-1,[Delta,fxx]); subs(x=1,y=-1,[Delta,fxx]);
4 ( e( 1 ) )2 , 2 e( 1 ) 4 ( e( 1 ) )2 , 2 e( 1 ) Zaverem urceme funkcn hodnoty v bodech extremu:
>
zip(f,[1,-1,-1,1],[1,1,-1,-1]);
[ e( 1 ) , e( 1 ) , e( 1 ), e( 1 ) ] V bodech [1, 1] a [1, 1] je tedy lokaln maximum f (1, 1) = f (1, 1) = 1/e a v bodech [1, 1] a [1, 1] lokaln minimum f (1, 1) = f (1, 1) = 1/e. Predchoz prklad lze charakterizovat jako standardn. Nasledujc prklady vsak poukazuj na problemy, ktere pri urcovan lokalnch extremu funkc dvou promen nych pomoc Maplu mohou vzniknout. Prklad 14.2. Urcete lokaln extremy funkce f (x, y) = x 4 3x 2 y + 3y y 3 .
>
f:= (x,y) -> x4 - 3*x2*y + 3*y - y3;
f := ( x, y ) x 4 3 x 2 y + 3 y y 3
>
Rejstrk Obsah
fx := D[1](f);fy := D[2](f);
Verze k tisku
fx := ( x, y ) 4 x 6 x y
3
fy := ( x, y ) 3 x 2 + 3 3 y 2 Parcialn derivace polozme rovny nule a pomoc Maplu resme zskanou soustavu rovnic:
>
cp := solve ({fx(x,y)=0, fy(x,y)=0}, {x,y});
cp := { y = 1, x = 0 }, { y = 1, x = 0 }, 1 x = RootOf( 4 Z2 3 ), y = , { x = RootOf( Z2 + 3 ), y = 2 } 2 Prvn dve resen jsme schopni snadno interpretovat, u druhych dvou je situace obtznejs. Prevedme proto resen na snadneji interpretovatelny tvar:
>
cp := map (allvalues, {cp});
cp :=
1 1 1 1 3, y = 3, y = , x= , x = I 3, y = 2 , 2 2 2 2 x = I 3, y = 2 , { y = 1, x = 0 }, { y = 1, x = 0 } x=
Nyn je videt, ze uvedena soustava rovnic ma 6 resen, dve z resen jsou vsak komplexn csla. Protoze v cele praci pracujeme v realnem oboru, komplexn ko reny odltrujeme pomoc procedury takereal (procedura je ulozena v knihovne mvcalp):
> >
with(mvcalp): cp := takereal (cp);
cp :=
x=
1 1 1 1 3, y = 3, y = , x = , { y = 1, x = 0 }, 2 2 2 2
Zpet
[ 23 , 1 ] 2 [ 23 , 1 ]. 2
{ y = 1, x = 0 } Zskali jsme tedy ctyri stacionarn body [0, 1], [0, 1], a
Dale rozhodneme jiz standardnm zpusobem, zda ma funkce f v zskanych stacionarnch bodech extremy. Spocteme druhe parcialn derivace funkce f :
> > >
fxx := D[1](fx); fyy := D[2](fy); fxy := D[2](fx);
fxx := ( x, y ) 12 x 2 6 y fyy := ( x, y ) 6 y fxy := ( x, y ) 6 x (x, y) = f x x f yy [ f x y ]2 ve stacionarnch bodech:

a urceme hodnotu
>
Delta:=fxx(x,y)*fyy(x,y)-fxy(x,y)2;
:= 6 ( 12 x 2 6 y ) y 36 x 2
> > >
for i from 1 to nops(cp) do cp[i],simplify(subs(cp[i], [Delta, fxx(x,y)])); od;
x=
1 1 3, y = , [ 45, 6 ] 2 2 1 1 3, y = , [ 45, 6 ] 2 2
x =
{ x = 0, y = 1 }, [ 36, 6 ]
{ x = 0, y = 1 }, [ 36, 6 ] Podle zskanych hodnot ma funkce f lokaln minimum v bode [0, 1] a lokaln maximum v bode [0, 1], zbyvajc body jsou sedlove. Generujme nyn PC-graf funkce f s vyznacenymi stacionarnmi body (obr. 14.6) a vrstevnice f (obr. 14.7).
-1.5 -1 -0.5 x 0 0.5 1 1.5 1.5
14 12 10 8 z 6 4 2 0 -2 -4 -1.5 -1 -0.5 y 0 0.5 1 1.5 1.5 1 0.5 -1.5 0 x -0.5 -1 -1 -1.5 -0.5 0 y 0.5
obr. 14.6
obr. 14.7
V praci pouzvana verze Maple V R3 neumoznuje gracke zvyraznen vybra neho bodu v PC-grafu. Zvy raznen bodu o souradnicch [x, y, f (x, y)] dosahneme pridanm bodu [x, y, f (x, y) + 0, 01] a [x, y, f (x, y) 0, 01] do PC-grafu:
> > > >
plt1 := plot3d (f(x,y), x=-1.5..1.5, y=-1.5..1.5): pts := {seq (subs (op(i, cp), [x,y,f(x,y)]), i=1..nops(cp)), seq (subs (op(i, cp), [x,y,f(x,y)+0.01]),
> > > > > > > >
i=1..nops(cp)), seq (subs (op(i, cp), [x,y,f(x,y)-0.01]), i=1..nops(cp))}: display3d ({plt1, pointplot (pts, symbol=circle, color=black)}, axes=framed, labels=[x,y,z]); contourplot(f(x,y), x=-1.5..1.5, y=-1.5..1.5, axes=boxed, grid=[50,50], contours=20);
Poznamka 14.1. K vypoctu muzeme pouzt i prkazu hessian(f(x,y), [x,y]);, kterym spocteme matici
2 f (x,y) x2 2 f (x,y) x y 2 f (x,y) x y 2 f (x,y) . y2
Odpovdajc cast vypoctu pak vypada takto:

> >
Rejstrk Obsah
with(linalg): h:=hessian(f(x,y), [x,y]);fxx:=D[1,1](f);
h :=
12 x 2 6 y 6 x 6 x 6 y
Verze k tisku
fxx := ( x, y ) 12 x 2 6 y
>
Zpet Zavrt Konec
Delta:=det(h);
:= 72 x 2 y + 36 y 2 36 x 2
Strana 337 z 424
> > >
for i from 1 to nops(cp) do cp[i],simplify(subs(cp[i], [Delta, fxx(x,y)])); od;
{ x = 0, y = 1 }, [ 36, 6 ] { x = 0, y = 1 }, [ 36, 6 ] 1 1 y = ,x = 3 , [ 45, 6 ] 2 2 1 1 y = ,x = 3 , [ 45, 6 ] 2 2 Prklad 14.3. Urcete lokaln extremy funkce z = 1
>
x 2 + y 2.
z:=(x,y)->1-sqrt(x2+y2);
z := ( x, y ) 1 sqrt( x 2 + y 2 )
> >
Zpet
plot3d(z(x,y),x=-3..3,y=-3..3,axes=boxed, labels=[x,y,z],style=patch); cp:=solve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y});
Vysledek vidme na obr. 14.8.

> >
1 0 z -1 -2 -3 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 -3
obr. 14.8
cp := Dana funkce nema stacionarn body, nemuzeme tedy pouzt drve uvedeny postup. Protoze podle Poznamky 6.1 funkce f : R2 R muze mt lokaln extrem pouze ve svem stacionarnm bode nebo v bode, kde alespon jedna z parcialnch derivac neexistuje, hledame body, ve kterych neexistuj parcialn derivace:
>
Zpet Zavrt Konec
diff(z(x,y),x);diff(z(x,y),y);
x x2 + y2
Strana 339 z 424

>
y x 2 + y2
D[1](z)(0,0); Error, (in unknown) division by zero
V bode [0, 0] neexistuj parcialn derivace prvnho radu, bod [0, 0] je bodem mozneho extremu. Prrustek funkce z v tomto bode z(x, y)z(0, 0) = x 2 + y 2 je zaporny, tedy podle denice v bode [0, 0] ma funkce z maximum z max = 1. Prklad 14.4. Urcete lokaln extremy funkce z = x y ln(x 2 + y 2 ).
>
z:=(x,y)->x*y*ln(x2+y2);
z := ( x, y ) x y ln( x 2 + y 2 )
> > > > >
Rejstrk Obsah
plot3d(z(x,y),x=-1.1..1.1, y=-1.1..1.1, axes=framed, orientation=[-23,52], style=patch, labels=[x,y,z]); contourplot(z(x,y), x=-1.1..1.1, y=-1.1..1.1, contours=25,numpoints=3000,color=black,axes=boxed); r1:=diff(z(x,y),x)=0;
Verze k tisku
x2 y r1 := y ln( x + y ) + 2 2 =0 x + y2
2 2 >
Zpet Zavrt Konec
r2:=diff(z(x,y),y)=0;
Strana 340 z 424
-1
-0.5
x 0
0.5
1 1
0.5
0.5
-0.5
0 y
-1 -1 -0.5 -0.5 x 0 1 0.5 1 -0.5 -1 0 y 0.5 -1
obr. 14.9
obr. 14.10
r2 := x ln( x 2 + y 2 ) + 2 Resme zskanou soustavu:

>
x y2 =0 x 2 + y2
cp1:=solve({r1,r2}, {x,y});
cp1 := { x = 0, y = 1 }, { y = 1, x = 0 }, { y = 0, x = 1 }, { x = 1, y = 0 } Pri presentovanych vypoctech pouzvana verze Maple V R3 v tomto prpade nen schopna symbolicky nalezt vsechna resen. Vypoctane stacionarn body jsou jen [0, 1] a [1, 0]. Pomoc PC-grafu funkce z (obr. 14.9) a vrstevnic z (obr. 14.10) vsak usuzujeme, ze v nalezenych stacionarnch bodech extrem nenastava a do konce, ze uvazovana funkce ma dals ctyri stacionarn body. Stejny ukol nyn resme s pouzitm numerickeho resen dane soustavy:
> >
cp2:=fsolve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y}, {x=0..1, y=-1..0});
cp2 := { y = .4288819425, x = .4288819425 }

> >
cp3:=fsolve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y}, {x=0..1, y=0..1});
cp3 := { x = .4288819425, y = .4288819425 }

> >
cp4:=fsolve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y}, {x=-1..0, y=-1..0});
cp4 := { y = .4288819425, x = .4288819425 }

> >
cp5:=fsolve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y}, {x=-1..0, y=0..1});
cp5 := { y = .4288819425, x = .4288819425 }

>
cp:={cp1,cp2,cp3,cp4,cp5};
cp := {{ x = 0, y = 1 }, { y = 1, x = 0 }, { y = 0, x = 1 }, { x = 1, y = 0 }, { y = .4288819425, x = .4288819425 }, { y = .4288819425, x = .4288819425 }, { x = .4288819425, y = .4288819425 }, { y = .4288819425, x = .4288819425 }}
> > > > >
fxx := D[1,1](z):fyy := D[2,2](z): fxy := D[1,2](z): Delta:=fxx(x,y)*fyy(x,y)-fxy(x,y)2: for i from 1 to nops(cp) do cp[i],simplify(subs(cp[i], [Delta, fxx(x,y)])); od;
{ x = 0, y = 1 }, [ 4, 0 ] { y = 1, x = 0 }, [ 4, 0 ] { y = 0, x = 1 }, [ 4, 0 ] { x = 1, y = 0 }, [ 4, 0 ]
Rejstrk
{ y = .4288819425, x = .4288819425 }, [ 4., 2. ] { y = .4288819425, x = .4288819425 }, [ 4., 2. ] { x = .4288819425, y = .4288819425 }, [ 4., 2. ] { y = .4288819425, x = .4288819425 }, [ 4., 2. ] Numericky vypocet potvrzuje, ze v bodech [0, 1] a [1, 0] extrem nenastava 1 1 a navc, ze v bodech [ 1 , 1 ] a [ 2e , 2e ] je lokaln minimum a v bodech 2e 2e
1 1 [ 1 , 2e ] a [ 2e , 1 ] lokaln maximum (viz prklad 6.3-ii)). 2e 2e
Obsah Verze k tisku
Poznamka 14.2. Verze Maple V R4 jiz symbolicky res i soustavu pro zskan vsech stacionarnch bodu spravne:
>
z:=(x,y)->x*y*ln(x2+y2);
z := (x, y) x y ln(x 2 + y 2 )
> >
cp1:=solve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y});
cp1 := {x = 0, y = 1}, {x = 0, y = 1}, {y = 0, x = 1}, {y = 0, x = 1}, {y = %1, x = %1}, {y = %1, x = %1} %1 := RootOf(e(1) + 2 Z2 )
>
cp1:=map(allvalues,{cp1});
cp1 := {{y = 0, x = 1}, {y = 0, x = 1}, {x = 0, y = 1}, {x = 0, y = 1}, {y = %2, x = %2}, {y = %1, x = %1}, {y = %2, x = %1}, {x = %2, y = %1}} 1 (1) %1 := 2 e 2 1 (1) %2 := 2 e 2 Prklad 14.5. Najdete lokaln extremy funkce z = (x 2 + y 2 )e(x esenm systemu R z x =(2x 2x(x 2 + y 2 ))e(x z y =(2y 2y(x 2 + y 2 ))e(x
2 +y 2 ) 2 +y 2 ) 2 +y 2 )
.
=0 =0
zskavame mnozinu stacionarnch bodu, ktera se sklada z bodu [0, 0] a bodu 2 2 kruznice x + y = 1:
>
z:=(x,y)->(x2+y2)*exp(-(x2+y2));
z := ( x, y ) ( x 2 + y 2 ) e( x
> >
2 y 2 )
cp:={solve({diff(z(x,y),x)=0, diff(z(x,y),y)=0}, {x,y})};
cp := { x = 0, y = 1 }, { y = 1, x = 0 }, { y = 0, x = 1 }, { x = 1, y = 0 }, y = y, x =
> >
1 y 2 , y = y, x = 1 y 2 , { y = 0, x = 0 }
fxx := D[1,1](z):fyy := D[2,2](z): fxy := D[1,2](z): Delta:=fxx(x,y)*fyy(x,y)-fxy(x,y)2: for i from 1 to nops(cp) do cp[i],simplify(subs(cp[i], [Delta, fxx(x,y)])); od;
Protoze:
> > >
{ y = 0, x = 1 }, [ 0, 4 e( 1 ) ] { y = 0, x = 1 }, [ 0, 4 e( 1 ) ] x = x, y = 1 x 2 , [ 0, 4 x 2 e( 1 ) ]
x = x, y = 1 x 2 , [ 0, 4 x 2 e( 1 ) ] { y = 0, x = 0 }, [ 4, 2 ] { x = 0, y = 1 }, [ 0, 0 ] { x = 0, y = 1 }, [ 0, 0 ] nastava v bode [0, 0] lokaln minimum (obr. 14.12). O existenci extremu v bo dech kruznice nemuzeme tmto zpusobem rozhodnout ( je v bodech kruznice 2 2 x + y = 1 rovno nule). Pro overen dostatecne podmnky v bodech lezcch na kruznici x 2 + y 2 = 1, 2 budeme funkci z povazovat za funkci jedne promenne t = x + y 2 : z = tet , pro kterou je bod t = 1 stacionarnm bodem. Protoze z = (t 2)et je pro t = 1 zaporna, ma zde funkce z maximum. Tedy funkce z(x, y) ma neostre maximum z max = e1 v bodech kruznice x 2 + y 2 = 1 (obr. 14.11).
> > > > > >
plot3d(z(x,y), x=-3..3, y=-3..3, axes=boxed, grid=[50,50], style=hidden, labels=[x,y,z], color=black); plot3d(z(x,y), x=-1..3, y=-1..3, axes=boxed, grid=[40,40], style=hidden, orientation=[-69,47], labels=[x,y,z], color=black);
Zpet Zavrt
Poznamka 14.3. Funkce

Konec
f (x, y) = (2x + 3y )e
2 2
(x 2 +y 2 )
Strana 346 z 424
0.35 0.3 0.25 0.2 z 0.15 0.1 z 0.05 0 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 -3 0.35 0.3 0.25 0.2 3
0.15 0.1 0.05 1 0 -1 0 1 x 2 3 -1 0 y 2
obr. 14.11
obr. 14.12
ma ostre lokaln minimum v bode [0, 0], ostre lokaln maximum v bode [0, 1] a sedlove body v bodech [1, 0]. Absolutn extrem teto funkce na kruhu M = {[x, y] R2 : x 2 + y 2 4} byl resen v prkladu 6.6-ii). Casto opakovane postupy pri hledan lokalnch extremu funkce dvou promen nych je mozne opet automatizovat pomoc Mapleovskeho programovacho jazyka. Ukazkou mozneho resen jsou procedury sing a mvextrem, jedinymi parame try techto procedur jsou funkce, jejz stacionarn body, resp. lokaln extremy, urcujeme.
> > > > >
sing:= proc( f) local cp; cp:={solve( { diff(f,x)=0, diff(f,y)=0}, { x, y})}; RETURN(cp) end: mvextrem:= proc( f) local zxx,zyy,zxy,D,i,p2,pom;
1 0.8 1 0.6 z 0.8 0.4 0.2 0 -3 -2 -1 y 0 1 2 3 3 2 1 0 x -1 -2 z 0.6 0.4 -3 0.2 0 -1.5 1 0.5y -1 0 -0.5 0 x 0.5 -0.5 1 1.5 2 -1 1.5 2
obr. 14.13
obr. 14.14
> > > > > > > > > > > > > > > >
zxx:= diff( f, x, x); zyy:= diff( f, y, y); zxy:= diff( f, x, y); pom:=map(allvalues,sing(f)); pom:=takereal(pom); for i from 1 to nops(pom) do p2:=op(i, pom); D:= evalf(subs(p2,zxx)*subs(p2,zyy)-subs(p2,zxy)2); if D=0 then print( p2, nelze rozhodnout ); elif D<0 then print( p2, extrem nenastava ); else if evalf(subs( p2, zxx )) > 0 then print( p2, lokalni minimum ); else print( p2, lokalni maximum); fi;
> > >
fi; od; end:
Prklad 14.6. Urcete lokaln extremy funkce z = x 4 + y 4 x 2 2x y y 2 . K esen pouzijeme pripravenych procedur: r
>
mvextrem( x4+ y4- x2-2*x*y-y2);
{ x = 0, y = 0 }, nelze rozhodnout { y = 1, x = 1 }, lokalni minimum { y = 1, x = 1 }, lokalni minimum Ve stacionarnm bode [0, 0] je = 0, proto o existenci extremu v tomto bode nelze standardnm zpusobem rozhodnout. Resen vsak muzeme zskat nasledujcm zpusobem: funkci z upravme na tvar z(x, y) = x 4 + y 4 (x + y)2 . Odtud z(x, x) = 2x 4 > 0 pro x = 0. Na druhe strane z(x, 0) = x 4 x 2 = x 2 (1 x 2 ) < 0 pro x (1, 0) (0, 1). Tedy v libovolne malem okol bodu [0, 0] funkce z nabyva jak kladnych, tak zapornych hodnot, coz spolu s faktem, ze z(0, 0) = 0 znamena, ze v tomto bode lokaln extrem nenastava (obr. 14.15 a 14.16).
> > > > >
plot3d(z(x,y), x=-2..2, y=-2..2, view=-3..5, axes=boxed, style=patch, labels=[x,y,z], orientation=[-64,51]); contourplot(z(x,y), x=-2..2, y=-2..2, axes=boxed, grid=[100,100], color=black, contours=20);
-2
-1
x 0
2 2
1 5 4 3 0 y 2 z 1 0 -1 -2 -3 -2 -1 0 x -1 1 2 -2 -2 0 y 1 -1 2
obr. 14.15
obr. 14.16
Nasledujc prklad ilustruje situaci, kdy je matice druhy derivac dane ch funkce ve stacionarnm bode pouze semidenitn. V tomto prpade je f (0, 0) = 0. Proto zde muze i nemus nastat lokaln extrem, viz Poznamka 6.4. Prklad 14.7. Rozhodnete, zda funkce f (x, y) = x 3 + y 2 a g(x, y) = x 2 + y 4 maj v bode [0, 0] extrem.
>
f:=(x,y)->x3+y2;
f := ( x, y ) x 3 + y 2 Oveme, ze bod [0, 0] je stacionarnm bodem: r

>
cp:=sing(f(x,y));
cp := { { y = 0, x = 0 } }
Dale:
> >
fxx:=D[1,1](f):fxy:=D[1,2](f):fyy:=D[2,2](f): Delta:=unapply(fxx(x,y)*fyy(x,y)-(fxy(x,y))2,x,y);
:= ( x, y ) 12 x
>
subs(cp[1], Delta(x,y));
0 Protoze = 0, nemuzeme tmto zpusobem o existenci extremu rozhodnout. Generujme vsak PC-grafy uvazovane funkce a jejich vrstevnic (obr. 14.17 a 14.18).
> > > >
plot3d(f(x,y), x=-2..2, y=-2..2, axes=framed, orientation=[80,80], style=patch, labels=[x,y,z]); contourplot(f(x,y), x=-2..2, y=-2..2, axes=boxed, grid=[100,100], contours=20, color=black);
Podle PC-grafu predpokladame, ze v bode [0, 0] extrem nenastava. Tuto hypo 2 tezu nyn overme vypoctem. Plat f (0, x) = x > 0 pro x = 0, ale zaroven plat f (x, 0) = x 3 < 0 pro x (, 0). Tedy v libovolnem okol bodu [0, 0] funkce f nabyva jak kladnych, tak zapornych hodnot, coz spolu s faktem, ze f (0, 0) = 0 znamena, ze v tomto bode lokaln extrem nenastava. Analogicky:
>
Zpet Zavrt
g:=(x,y)->x2+y4;
g := ( x, y ) x + y
2
-2 12 10 8 6 4 z 2 0 -2 -4 -6 -8 -2 -1 y 0 1 2 2 1 0 x -1 -2
-1
x 0
2 2
0 y
-1
-2
obr. 14.17
obr. 14.18
> > > > >
plot3d(g(x,y), x=-2..2, y=-2..2, axes=framed, orientation=[60,70], style=patch, labels=[x,y,z]); contourplot(g(x,y), x=-2..2, y=-2..2, axes=boxed, grid=[100,100], contours=20, color=black); cp:=sing(g(x,y));
cp := { { y = 0, x = 0 } }
>
subs(cp[1], Delta(x,y));
0 4 Prrustek funkce g(x, y) g(0, 0) = x + y 2 > 0, tedy g ma v bode [0, 0] lokaln minimum.
-2
-1
x 0
2 2
20
1 15
z 10 0 y
-1 0 -2 -1 y 0 1 1 2 2 0 x -2 -1 -2
obr. 14.19
obr. 14.20
Zaverem si ukazeme jednu z moznost, jak pomoc Maplu generovat vets mnozstv prkladu k ilustraci problematiky lokalnch extremu funkce dvou pro mennych. Vyuzijeme k tomu symbolickeho zapisu funkce dvou promennych s parametry, konkretne v nasem prkladu se tremi parametry:
>
ff:=(a,b,c)->c*exp(-(x-a)2-(y-b)2);
2 2 ff := ( a, b, c ) c e(( xa ) ( yb ) )
>
z1:=ff(2,3,1)+ff(2,-3,2)+ff(0,-2,2)+ff(-2,1,3);
2 2 2 2 2 2 z1 := e(( x2 ) ( y3 ) ) + 2 e(( x2 ) ( y+3 ) ) + 2 e(x ( y+2 ) ) 2 2 + 3 e(( x+2 ) ( y1 ) )
Zpet Zavrt Konec
>
plot3d(z1, x=-4..4, y=-4..4, axes=boxed, color=black,
Strana 353 z 424
2 z 0 z 1 -1 0 -4 -2 y 0 2 4 4 2 0 x -2
-4 -2 -4 -2 0 x 2 4 -4 -2 0 y 2 4
obr. 14.21
obr. 14.22
> > >
grid=[40,40], labels=[x,y,z], style=hidden, tickmarks=[5,5,4]); z2:=ff(1,1,-2)+ff(-1,-1,2);

2 2 2 2 z2 := 2 e(( x1 ) ( y1 ) ) + 2 e(( x+1 ) ( y+1 ) )
> > >
plot3d(z2, x=-4..4, y=-4..4, axes=boxed, color=black, grid=[40,40], orientation=[-35,70], labels=[x,y,z], style=hidden);

Takto generovane PC-grafy jsou nazornejs nez u prozatm casteji k demonstra cm vlastnost funkc dvou promennych pouzvanych kvadraticky a kubickych ch funkc. Srovnejme proto predchazejc dva PC-grafy (obr. 14.21 a 14.22) napr. 3 2 3 s PC-grafem funkce z = x 3x + y 3y + 1:
>
z:=x3-3*x2+y3-3*y+1;
z := x 3 3 x 2 + y 3 3 y + 1
> > > > > >
plot3d(z, x=-3..3, y=-3..3, style=patchcontour, axes=boxed, orientation=[-122,-150], labels=[x,y,z]); plot3d(z, x=-3..3, y=-3..3, view=-6..4, style=patchcontour, axes=boxed, orientation=[-122,-150], labels=[x,y,z]);
-6 -50 z 0 -3 -2 -1 x 0 1 2 3 3 2 1 x 0 y -1 -2 -3 z 0 2 4 -3 -2 -1 0 1 2 3 3 2 1 0 y -1 -2 -4 -2 -3
obr. 14.23
obr. 14.24 Zpet
Z PC-grafu na obr. 14.23 nen patrne, ze uvazovana kubicka funkce z ma dva sedlove body a jedno lokaln maximum a jedno lokaln minimum. Az po dalsm zjemnen rozsahu zobrazovany hodnot dostavame PC-graf (obr. 14.24), ktery ch lepe ilustruje problematiku lokalnch extremu.
Z prkladu uvedenych v teto casti tedy mimo jine plyne, ze pro nazornejs demonstraci lokalnch vlastnost funkc dvou promennych pomoc PC-grafu jsou vyhodnejs exponencialn funkce, na rozdl od prkladu slouzcch k pocetnmu hledan lokalnch extremu, kde se naopak vce hod polynomialn funkce.
14.2. Absolutn extremy

Ukazeme si opet nekolik moznost, jak pomoc Maplu hledat absolutn extremy funkc dvou promennych. Prklad 14.8. Urcete nejmens a nejvets hodnotu funkce z = f (x, y) = x 2 2 y + 4 na mnozine M = {[x, y] R : x 2 + y 2 1}. Denujme nejdrve funkci f a mnozinu M a pote generujme jejich PC-grafy s clem demonstrovat PC-graf funkce f na mnozine M:
2 >
f:=(x,y)->x2-y2+4;
f := ( x, y ) x 2 y 2 + 4
>
M:=x2+y2=1;
M := x 2 + y 2 = 1
> > > >
p1:=plot3d(f(x,y), x=-1.2..1.2, y=-1.2..1.2, axes=framed, orientation=[31,56]): p2:=spacecurve([cos(t), sin(t), f(cos(t), sin(t))], t=0..2*Pi, color=black, thickness=3,
> > > > > > > >
orientation=[31,56]): p3:=spacecurve([cos(t), sin(t), 0], t=0..2*Pi, color=black, thickness=3, orientation=[31,56]): display3d({p1,p2,p3}, labels=[x,y,z]); p4:=spacecurve([cos(t),sin(t),f(cos(t),sin(t))+0.01], t=0..2*Pi, color=black, thickness=3, orientation=[31,56]): display3d({p1,p3,p4}, labels=[x,y,z]);

5 4 z 3 2 1 0 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5 -1 z 5 4 3 2 1 0 -1 -0.5 y 0 0.5 1 1 0.5 0 x -0.5 -1
obr. 14.25
obr. 14.26
Poznamka 14.4. Vsimneme si rozdlu u techto dvou PC-grafu. Problemem je poctacove znazornen krivky tvorc hranici obrazu mnoziny M na plose PC -grafu funkce f (p3, obr. 14.25). Aby byla situace nazornejs, dopustme se maleho podvodu a PC-graf krivky posuneme kousek nad PC-graf funkce f (p4, obr. 14.26).
Prejdeme nyn ke standardnmu postupu hledan absolutnch extremu funkce f . Urceme nejdrve stacionarn body lezc uvnitr M:
> >
with(mvcalp): sing(f(x,y));
{ { x = 0, y = 0 } } Dostavame stacionarn bod [0, 0] M.

>
f(0,0);
4 Nakonec vysetreme chovan funkce f na hranici mnoziny M. Tuto hranici tvorenou kruznic x 2 +y 2 = 1 si rozdelme na dve casti, na horn a doln pulkruznici:
> >
with(student): r:=isolate(M,y);
Rejstrk Obsah
2 2
r := y = RootOf( Z 1 + x )
>
Verze k tisku
r:=allvalues(r);
r := y = 1 x 2 , y = 1 x 2 Dosazenm techto hodnot do vzorce denujcho funkci f , dostaneme funkci jedne realne promenne:
>
u1:=unapply(subs(r[1], f(x,y)), x);
u1 := x 2 x 2 + 3
Ta popisuje projekci uvazovane mnoziny do roviny x y (viz. obrazek 14.26). Hle dejme nyn absolutn extremy takto konstruovane funkce jedne promenne pro x [1, 1]:
>
solve(diff(u1(x), x)=0, x);
0
>
u1(0);
3 Extremy funkce v Maplu

>
u1(-1);u1(1);
5
Rejstrk
5 Pro druhy prpad, kdy y = 1 x 2 , x [1, 1] je situace stejna, nebot f (x, y) = f (x, y). Porovnanm funkcnch hodnot funkce f na hranici mnoziny M s funkcn hodnotou funkce f v jejm jedinem stacionarnm bode [0, 0] dojdeme k zaveru, ze f min = 3 pro [x, y] = [0, 1] f max = 5 pro [x, y] = [1, 0]. Poznamka 14.5. K vypoctu extremu funkce f na hranici mnoziny M muzeme take pouzt prmo prkazu extrema(expr,constraints,<vars>,s). Naprklad pro predchoz situaci:
Obsah Verze k tisku
>
extrema(f(x,y), M, {x,y}, body);
{ 3, 5 }
>
body;
{ { y = 0, x = 1 }, { y = 0, x = 1 }, { x = 0, y = 1 }, { x = 0, y = 1 } } Prkaz extrema dava na vystupu maximaln a minimaln hodnotu funkce f na hranici mnoziny M a do promenne s uklada souradnice bodu, ve ktery ch maximum a minimum nastava. Vyuzva k tzv. hledan vazanych extremu zname metody Lagrangeovych multiplikatoru (Veta 9.1). Prkaz extrema ale vetsinou pouzvame pouze ke kontrole vypoctu, protoze podstata metody Langrangeovych multiplikatoru pri jeho pouzit zustava skryta (viz prklad 14.12). Pri resen dalsho prkladu budeme ilustrovat postup stejny jako pri vypoctu pomoc tuzky a papru, pouze zapis budeme provadet formou Mapleovskych prkazu. Prklad 14.9. Najdete absolutn extremy funkce z = x 2 + 2x y 4x + 8y v ob delnku urcenem prmkami y = 0, x = 0, x = 1 a y = 2.
>
z:=(x,y)->x2+2*x*y-4*x+8*y;
z := ( x, y ) x 2 + 2 x y 4 x + 8 y Urceme stacionarn body funkce z:

> >
with(mvcalp): sing(z(x,y));
{ { x = 4, y = 6 } } Zskany bod [4, 6] vsak nepatr do vysetrovaneho obdelnku. Vysetreme nyn funkci z na hranici obdelnku, tj. na useckach y = 0, x [0, 1], x = 0, y [0, 2], y = 2, x [0, 1] a x = 1, y [0, 2]. Dosazenm dostavame:
>
u1:=unapply(subs(y=0, z(x,y)), x);
u1 := x x 2 4 x a hledame absolutn extremy teto funkce jedne promenne na intervalu [0, 1]:
>
2 Ani tento stacionarn bod nepatr do intervalu [0, 1] a vysetrme tedy pouze funkcn hodnoty v krajnch bodech intervalu:
>
Rejstrk Obsah
u1(0);u1(1);
0 3 Obdobne postupujeme i na zbyvajcch useckach:

>
Verze k tisku
u2:=unapply(subs(x=0, z(x,y)), y);
u2 := y 8 y
> >
solve(diff(u2(y), y)=0, y); u2(0);u2(2);
0 16
>
u3:=unapply(subs(y=2, z(x,y)), x);
u3 := x x 2 + 16
>
0
>
u3(0);u3(1);
Rejstrk
16 17
>
Obsah Verze k tisku
u4:=unapply(subs(x=1, z(x,y)), y);
u4 := y 3 + 10 y
Zpet
> >
solve(diff(u4(y), y)=0, y); u4(0);u4(2);
17 Porovnanm zskanych funkcnch hodnot funkce z na hranici vidme, ze f min = 3 pro [x, y] = [1, 0] f max = 17 pro [x, y] = [1, 2]. Gracky je prklad znazornen na obr. 14.27. Gracke znazornen zde slouz pro kontrolu zskanych vysledku.
> > >
plot3d(z(x,y), x=0..1, y=0..2, axes=boxed, orientation=[-21,3], color=black, tickmarks=[2,5,6], scaling=constrained, labels=[x,y,z]);
Zaverem si jeste ukazme metodu, jak lze resit ulohy na absolutn extremy v ne kterych specialnch prpadech, napr. umme-li sestrojit vrstevnice funkce, jejz extremy hledame, a pokud mnozina, kde tyto extremy hledame je dostatecne jednoducha. Prklad 14.10. Najdete nejmens a nejvets hodnotu funkce f (x, y) = x y na 2 2 mnozine M : x + y 1. Generujme PC-grafy funkce f a vrstevnic funkce f spolu s mnozinou M:
>
f:=(x,y)->x-y;
Zpet
f := ( x, y ) x y
> >
v1:=plot3d(f(x,y), x=-3..3, y=-3..3, style=patchcontour, axes=boxed, contours=20):
16 14 12 10 8 z 6 4 2 0 -2 0 2 1.5 x 1 y 0.5 1 0
Rejstrk Obsah
obr. 14.27 Verze k tisku

> > > > > > > >
v2:=spacecurve([cos(t), sin(t), f(cos(t), sin(t))], t=0..2*Pi, color=black, thickness=3): v3:=spacecurve([cos(t), sin(t), -6],t=0..2*Pi, color=black, thickness=3): display3d({v1,v2,v3}, axes=boxed, labels=[x,y,z], scaling=constrained, orientation=[19,31]); v4:=plot3d(f(x,y), x=-3..3, y=-3..3, style=contour, axes=boxed, contours=20, grid=[100,100]):
> > >
display3d({v2,v4}, orientation=[0,0], scaling=constrained); f(1/sqrt(2),-1/sqrt(2));f(-1/sqrt(2),1/sqrt(2));
2 Vrstevnice funkce f jsou prmky x y = c (viz ilustrace na obr. 14.28). Z PC -grafu na obrazku 14.29 (vrstevnice osa x je zde svisla, y vodorovna) je take videt, ze podmnkou pro to, aby hodnota c R byla hodnotou absolutnho maxima resp. minima funkce f je, ze prmka x y = c je tecnou ke kruznici x 2 + y 2 = 1. 1 1 Z PC-grafu je zrejme, ze maximum nastane v bode [ 2 , 2 ], jeho hodnota je 2 a minimum je v bode [ 2 , 2 ], jeho hodnota je 2 (viz prklad 6.7-ii)). 1 1
-3 -2 -1 0 1 2 3 -3
Rejstrk Obsah
-2
Verze k tisku
-1 6 4 0 2 z 0 -2 -4 -6 -3 -3 -2 -1 0 x 1 -2 -1 0 y 2 1 2 3 3 3 2
obr. 14.28
obr. 14.29
Prklad 14.11. Najdete nejmens a nejvets hodnotu funkce z = f (x, y) = 2x 2 + 2 2 2 4y na mnozine M : x + y 9. Postupujme stejne jako v predchazejcm prklade:
>
z:=(x,y)->2*x2+4*y2;
z := ( x, y ) 2 x 2 + 4 y 2
> > > > > > > > > > > > >
o1:=plot3d(z(x,y), x=-3.2..3.2, y=-3.2..3.2, style=patchcontour): o2:=spacecurve([3*cos(t), 3*sin(t), z(3*cos(t), 3*sin(t))+0.1], t=0..2*Pi, color=black, thickness=3): o3:=spacecurve([3*cos(t), 3*sin(t), 0], t=0..2*Pi, color=black, thickness=2): o4:=plot3d(z(x,y),x=-3.2..3.2,y=-3.2..3.2, style=contour, axes=normal): display3d({o1,o2,o3},orientation=[49,53], axes=boxed, labels=[x,y,z]); display3d({o4,o2}, orientation=[0,0], scaling=constrained, axes=framed, labels=[x,y,z]); z(0,0);z(0,3);z(0,-3);
0 36 36
-3
-2
-1
y 0
3 -3
-2 60 50 40 z 30 20 10 0 -3 -2 -1 y 0 1 2 3 3 2 1 -1 0 x 3 -2 -3 2 1 0 x
-1
obr. 14.30
obr. 14.31
S pomoc PC-grafu (obr. 14.30 a obr. 14.31) nen obtzne urcit, ze z min = 0 pro [x, y] =[0, 0] z max = 36 pro [x, y] =[0, 3].
14.3. Vazane extremy

V nasledujcm prklade hledame extremy na hranici mnoziny M metodou Lan grangeovy multiplikatoru bez pouzit prkazu extrema. ch Prklad 14.12. Urcete nejvets a nejmens hodnotu funkce z = f (x, y) = 2x 2 2x y + y 2 na mnozine M = {[x, y] R2 : x 2 + y 2 1}.
-1 2.5 2 1.5 z 1 0.5 0.5 0 -1 -0.5 0 x -0.5
Rejstrk
0 y 0.5 1 1
Obsah Verze k tisku
obr. 14.32
>
f := (x,y) -> 2*x2 - 2*x*y + y2;
f := ( x, y ) 2 x 2 2 x y + y 2
Zpet
>
g:=(x,y)->x2+y2-1;
g := ( x, y ) x 2 + y 2 1 Nejdrve opet generujme PC-graf funkce f na mnozine M (obr. 14.32):
> > > > > > >
g1:=cylinderplot([r,theta,f(r*cos(theta), r*sin(theta))], r=0..1, theta=0..2*Pi, scaling=constrained): g2:=spacecurve([cos(t), sin(t), 0], t=0..2*Pi, color=black, scaling=constrained): display3d({g1,g2}, axes=framed, orientation=[9,30], scaling=constrained, labels=[x,y,z]); sing(f(x,y));
Dale urceme stacionarn body funkce f lezc uvnitr mnoziny M:

>
{ { x = 0, y = 0 } }
>
f(0,0);
0 Na zaver, k urcen extremu funkce f na hranici mnoziny M pouzijeme metodu Lagrangeovych multiplikatoru. Sestavme Lagrangeovu funkci ulohy:
>
F:=unapply(f(x,y)-lambda*g(x,y),x,y,lambda);
F := ( x, y, ) 2 x 2 2 x y + y 2 ( x 2 + y 2 1 ) V souladu se standardnm postupem vytvorme (s pouzitm parcialnho derivovan Lagrangeovy funkce F podle vsech promennych) pomocny system podmnek pro stacionarn body nas ulohy:
>
eq1:=diff(F(x,y,lambda),x)=0;
eq1 := 4 x 2 y 2 x = 0
>
eq2:=diff(F(x,y,lambda),y)=0;
eq2 := 2 x + 2 y 2 y = 0
>
eq3:=g(x,y)=0;
eq3 := x 2 + y 2 1 = 0 Symbolicke resen teto soustavy rovnic:

>
solve({eq1,eq2,eq3}, {x,y,lambda});
{y = RootOf( 5 Z2 4 + %1 ), x = RootOf( 5 Z2 4 + %1 ) %1 RootOf( 5 Z2 4 + %1 ), = %1} %1 := RootOf( 1 3 Z + Z2 ) vsak nen vhodne pro dals vypocty (opet se jen tezko interpretuje), pouzijeme proto resen numericke:
>
sol:=fsolve({eq1,eq2,eq3},{x,y,lambda}, maxsols=10);
sol := { y = .8506508084, = .3819660113, x = .5257311121 }, { = .3819660113, x = .5257311121, y = .8506508084 }, { y = .5257311121, = 2.618033989, x = .8506508084 }, { = 2.618033989, y = .5257311121, x = .8506508084 } Pro takto zskane hodnoty x, y, dopoctejme funkcn hodnoty funkce f :
> > >
for i from 1 to nops([sol]) do subs(op(i,[sol]), [x,y]); subs(op(i, [sol]), f(x,y)) od;
[ .5257311121, .8506508084 ] .3819660112 [ .5257311121, .8506508084 ] .3819660112 [ .8506508084, .5257311121 ] 2.618033989 [ .8506508084, .5257311121 ] 2.618033989 Vysledek znazorneme na PC-grafu funkce f (obr. 14.33):
> > > > >
pts:=pointplot({seq(subs(op(i,[sol]), [x,y,f(x,y)]), i=1..nops([sol]))}, color=black, symbol=box): display3d({g1,g2,pts}, axes=framed, orientation=[135,70], scaling=constrained, labels=[x,y,z]);
2.5
1.5 z 1

0.5
0 1 0.5 0 x -0.5 -1 1 0.5 0 y -0.5
Rejstrk
-1
Obsah Verze k tisku
obr. 14.33
Porovnanm zskanych funkcnch hodnot s funkcn hodnotou ve stacionarnm bode dostavame, ze f min = 0 pro [x, y] = [0, 0] . . . f max = 2.618 pro [x, y] = [0.851, 0.526] a [x, y] = [0.851, 0.526].
Kapitola 15
Funkce zadana implicitne v Maplu

V prvn casti teto kapitoly si vsimneme problemu spojenych s generovanm PC -grafu funkce dane implicitne, v druhe pak pouzijeme Maplu pri vypoctech derivac implicitne dane funkce.
15.1. Generovan PC-grafu funkce zadane implicitne

Ke generovan PC-grafu funkce dane implicitne pouzvame prkazu z knihovny plots: implicitplot a implicitplot3d. Pro ilustraci generujme PC-grafy krivky urcene implicitne rovnic x 3 + y 3 5x y + 1 = 0 (obr. 15.1) a plochy 5 urcene implicitne rovnic cosh z = x 2 + y 2 (obr. 15.2).
> >
with(plots): implicitplot(x3+y3-5*x*y+1/5=0, x=-3..3, y=-3..3,
y 1
x -3 -2 -1 0 0 1 2
-1
-2
-3
obr. 15.1
obr. 15.2
> > > >
grid=[50,50]); implicitplot3d(cosh(z)=sqrt(x2+y2),x=-3..3,y=-3..3, z=-2..2, grid=[15,15,20], style=patchcontour, orientation=[30,70]);
Pri generovan PC-grafu krivek danych implicitne prkazem implicitplot nen mozno zarucit, ze PC-graf bude odpovdat grafu krivky dane implicitne. Maple ma pri tvorbe PC-grafu problemy s body [x, y], lezcmi na krivce F(x, y) = 0, pro ktere je F (x, y) = 0 a zaroven F (x, y) = 0. Typic y x kym prkladem je krivka 2x 4 + y 4 3x 2 y 2y 3 + y 2 = 0 (obr. 15.3). Plat Fy = 4y 3 3x 2 6y 2 + 2y, Fy (0, 0) = 0, Fy (0, 1) = 0 a Fx = 8x 2 6x y, Fx (0, 0) = 0, Fx (0, 1) = 0. Ani zhusten ste v tomto prpade nevede v okol bodu [0, 0] a [0, 1] k uspokojivym vysledkum (obr. 15.4):
>
implicitplot(2*x4+y4-3*x2*y-2*y3+y2,
> > >
x=-5/2..5/2, y=-5/2..5/2); implicitplot(2*x4+y4-3*x2*y-2*y3+y2, x=-5/2..5/2, y=-5/2..5/2, grid=[100,100]);
1.8
1.6 1.5 1.4
1.2 y 1 y 1
0.8
0.6 0.5 0.4

0.5 x 1 1.5
0.2 -1.5 -1 -0.5 0 0
-1.5
-1
-0.5
0.5 x
1.5
obr. 15.3
obr. 15.4
Rejstrk Obsah
V tomto prpade je nejlepsm resenm parametrizace zkoumane krivky:

> >
Verze k tisku
factor(subs(x=r*cos(phi), y=r*sin(phi), 2*x4+y4-3*x2*y-2*y3+y2));
r 2 2 r 2 cos( )4 + r 2 sin( )4 3 r cos( )2 sin( ) 2 r sin( )3 + sin( )2

Zpet
>
eqn:=op(2,);
2 4 2 4 2 3
eqn := 2 r cos( ) + r sin( ) 3 r cos( ) sin( ) 2 r sin( ) + sin( )2
> > >
sols:=map(simplify, {solve(eqn,r)}, {sin(phi)2+cos(phi)2=1}, [cos(phi), sin(phi)]): sols:=map(unapply, sols, phi);
sols := sin( )3 + 3 sin( ) 11 sin( )6 + 10 sin( )4 + sin( )2 , 6 sin( )4 8 sin( )2 + 4
sin( )3 + 3 sin( ) + 11 sin( )6 + 10 sin( )4 + sin( )2 6 sin( )4 8 sin( )2 + 4

> >
polarplot(sols, 0..2*Pi, view=[-5/2..5/2, 0..9/4], scaling=constrained, color=black, labels=[x,y]);

2
1.5
y 1
0.5
Zpet
-2 -1 0 0 1 x 2
obr. 15.5
Pri pokusu o generovan PC-grafu pro krivku urcenou implicitne rovnic 9x 2 + 2 16y 24x y 8y + 6x + 1 = 0 dostavame prazdny PC-graf a ani zhusten ste opet nepomaha. Pokusme se problem vyresit jinym zpusobem (obr. 15.6):
>
Eq:= 9*x2+16*y2-24*x*y-8*y+6*x+1=0;
Eq := 9 x 2 + 16 y 2 24 x y 8 y + 6 x + 1 = 0
>
student[completesquare](Eq, x );
9
>
4 1 y+ 3 3
=0
s:=solve( , {y} );
s := y =
> >
3 1 3 1 x+ , y= x+ 4 4 4 4
assign(s); plot(y, x=-5..5, labels=[x,y]);
Zaverem ukazme efekt zmeny presnosti aproximativn aritmetiky a hustoty 3x y ste na PC-graf pro krivku danou implicitne rovnic 1 = x 3 +y 3 (obr. 15.715.9).
> >
eq:= 1=(3*x*y)/(x3+y3):
implicitplot(eq,x=-4..4,y=-4..4); Error, (in plot/iplot2d/levelcurve) 1st index, 1251, larger than upper array bound 1250
y 2
-4
-2
0 0
2 x
-1
-2
-3
obr. 15.6
> > > >
Digits := 80: implicitplot(eq,x=-4..4,y=-4..4,grid=[30,30]); implicitplot(eq,x=-4..4,y=-4..4,grid=[40,40]); implicitplot(eq,x=-4..4,y=-4..4,grid=[50,50]);
Z obrazku 15.715.9 je videt, ze algoritmus Maplu pro generovan PC-grafu krivky dane implicitne nen dostatecny pro generovan PC-grafu odpovdajcho grafu takto zadane krivky.
Zpet
15.2. Vy ty poc
Pri vypoctu derivace funkce dane implicitne rovnic F(x, y) = 0 pomoc poctaco veho systemu pouzvame nasledujcho postupu. Rovnici F(x, y) = 0 derivujeme
y 2
y 2
y 2
-4
-2
0 0
2 x
-4
-2
0 0
2 x
-4
-2
0 0
2 x
-2
-2
-2
-4
-4
-4
obr. 15.7
obr. 15.8
obr. 15.9
podle x a na y se dvame jako na funkci promenne x. Pak dostavame Fx (x, y) + y Fy (x, y) = 0 a z teto rovnice vypocteme y . Stejny postup je vhodny i pri vypoctu vyssch derivac. (Postacujc podmnku pro existenci funkce zadane implicitne v okol daneho bodu krivky udava Veta 8.1.) Prklad 15.1. Urcete rovnici tecny ke krivce dane rovnic y 3 x y = 6 v bode [7, 2].
>
eqn:=y(x)3-x*y(x)=-6;
eqn := y( x )3 x y( x ) = 6
>
Zpet Zavrt
deqn:=diff(eqn,x);
deqn := 3 y( x )
y( x ) y( x ) x x
y( x ) = 0 x
>
dydx:=solve(deqn, diff(y(x), x));
dydx :=
>
y( x ) 3 y( x )2 x
k:=eval(subs({y=2,x=7}, dydx));
2 5 Rovnice tecny t je y 2 = 2 (x 7) tj. prmka 5y 2x + 4 = 0. 5 k :=

> > >
p1:=plot(2/5*x-4/5, x=-10..10): p2:=implicitplot(eqn,x=-10..10,y=-4..4,grid=[50,50]): display({p1,p2});
Rejstrk
3
Obsah
2 y 1 x 5
Verze k tisku
0 0 10
-10
-5
-1
-2
Zpet
-3 -4
Zavrt Konec
obr. 15.10 Strana 380 z 424
Poznamka 15.1. V novejsch verzch Maplu (od verze R4) mame k dispozici proceduru implicitdiff, ktera pocta derivaci funkce dane implicitne rovnic:
>
dydx:=implicitdiff(y3-x*y, y, x);
y 3 y 2 + x Tato procedura je vsak vhodna spse pro kontrolu zskanych vysledku nez pro vlastn procvicovan derivovan funkce dane implicitne. dydx := Vhodnym cvicenm do poctacove laboratore vyzadujcm jak znalost nezbytne teorie, tak zakladn znalost programovan v Maplu je: napiste proceduru, ktera urc derivaci funkce dane implicitne, prpadne jej hodnotu v zadanem bode:
> > > > > > >
implicitdiff := proc(g) local tmp,DIFFg,DIFFy,DIFFy0,p1: DIFFg:= diff(g,x): DIFFy:= simplify(solve(subs(diff(y(x),x)=p1,DIFFg)=0,p1)); end: implicitdiff(y(x)3-x*y(x)+6);
> > > > >
y( x ) 3 y( x )2 + x
implicitdiffb := proc(x0,y0,g) local tmp,DIFFg,DIFFy,DIFFy0,p1: tmp:=subs(y(x)=y0,g): if (simplify(subs(x=x0,tmp)) <> 0) then ERROR( x0,y0 appear not to be on the curve):
> > > > > > > >
fi: DIFFg:= diff(g,x): DIFFy:=simplify(solve(subs(diff(y(x),x)= p1,DIFFg)=0,p1)): DIFFy0:= simplify(subs(x=x0,y(x0)=y0,DIFFy)): DIFFy0 end: implicitdiffb(7,2,y(x)3-x*y(x)+6);
2 5 Vystupem dals uvedene procedury je prmo rovnice tecny ke krivce dane impli citne v danem bode a PC-graf (obr. 15.11):
> > > > > > > > > > > > > > > > >
graf_t:=proc() local a,b,c,u,v,k; a:=diff(args[1],x); b:=diff(args[1],y); u:=op(1,args[2]); v:=op(2,args[2]); c:=eval(subs({x=u,y=v},args[1])); if c=0 then k:=(subs({x=u,y=v},a)*(x-u)+subs({x=u,y=v},b)* (y-v)); print(Rovnice tecny vbode,args[2],je ,k=0); if nargs(graf_t)=6 then RETURN (plots[implicitplot]({args[1],k}, x=args[3]..args[4],y=args[5]..args[6])); fi; fi; if c<>0 then print(Bod,args[2],nelezi na krivce ,args[1]=0);
> > > >
fi; end; graf_t(y3-x*y+6, [7, 2], -10,10,-4,4 );
Rovnice tecny v bode, [ 7, 2 ], je , 2 x + 4 + 5 y = 0

3
2 y 1 x 5
-10
-5 0
10
-1
-2
-3
-4
obr. 15.11
>
graf_t(y3-x*y+6, [1, 1]);
Bod, [ 1, 1 ], nelezi na krivce , y 3 x y + 6 = 0 Prklad 15.2. Rozhodnete, zda krivka x 3 + y 3 2x y = 0 lez v okol bodu [1, 1] pod tecnou nebo nad tecnou.
>
alias(y=y(x));
I, y
>
eq:=x3+y3-2*x*y=0;
eq := x 3 + y 3 2 x y = 0 Derivujme rovnici x 3 + y 3 2x y = 0 podle x za predpokladu, ze y je funkce promenne x:

>
diff(eq,x);
3 x 2 + 3 y2
>
y 2y 2x x
y x
=0
dydx:=solve(, diff(y,x));
dydx := Dalsm derivovanm podle x obdrzme:

>
3 x2 2 y 3 y2 2 x
diff(eq, x$2);
6x +6y
>
y x
+ 3 y2
2 y 4 x2
y 2x x
2 y x2
=0
Zpet Zavrt
solve(, diff(y,x$2));
6x +6y 3
x y2
y 4 2x
>
d2ydx2:=normal(subs(diff(y,x)=dydx, ));
d2ydx2 := 2 Dosazenm dostaneme:

>
y x ( 27 y 3 54 x y + 27 x 3 + 8 ) ( 3 y 2 + 2 x )3
subs({x=1,y=1}, d2ydx2);
16 coz znamena, ze krivka lez v okol bodu [1, 1] pod tecnou. Analogicky postupujeme v prpade implicitne zadane funkce vce promennych. Prklad 15.3. Urcete rovnici tecne roviny v bode [1, 0, 1] k plose urcene rovnic x 3 + y 3 + z 3 3x yz x y z = 0. Derivujme danou rovnici podle x a podle y, pricemz z chapeme jakozto funkci promennych x a y.
> >
alias(z=z(x,y)): rov:=x3+y3+z3-3*x*y*z-x-y-z=0;
rov := x 3 + y 3 + z 3 3 x y z x y z = 0
>
Zpet
diff(rov, x);
3x +3z
2
z 3y z 3x y x
z 1 x
z =0 x
>
dzdx:=solve(, diff(z,x));
dzdx :=
>
3 x2 3 y z 1 3 z2 3 x y 1
diff(rov,y);
3 y2 + 3 z2
>
z 3x z 3x y y
z 1 y
z =0 y
dzdy:=solve(, diff(z,y));
3 y2 3 x z 1 3 z2 3 x y 1 Dosazenm x = 1, y = 0 a z = 1 dostavame: dzdy :=

>
subs({x=1,y=0,z=1}, dzdx);
1
>
subs({x=1,y=0,z=1}, dzdy);
2 Plat z x (1, 0) = 1, z y (1, 0) = 2 a tedy tecna rovina k dane plose v bode [1, 0, 1] ma rovnici z 1 = (x 1) + 2y, po uprave x 2y + z 2 = 0. Prklad 15.4. Urcete lokaln extremy funkce z = f (x, y) urcene implicitne rov nic F(x, y, z) = x 2 + y 2 + z 2 x z 2yz = 1
.
> >
alias(z=z(x,y)): F:=x2+y2+z2-x*z-sqrt(2)*y*z=1;
F := x 2 + y 2 + z 2 x z 2 y z = 1 Derivovanm zadavajc rovnosti podle x a y dostavame:

>
diff(F,x);
2x +2z
>
z zx x
z 2y x
z =0 x
dzdx:=solve(, diff(z,x));
dzdx :=
>
2x z 2z x 2y z =0 y
Rejstrk Obsah
diff(F,y);
2y +2z
>
z x y
z 2z 2y y
Verze k tisku
dzdy:=solve(, diff(z,y));
2z 2z x 2 y Stacionarn body urcme z podmnky z x = 0 = z y : dzdy :=

>
2y
s:=solve({dzdx=0, dzdy=0, F},{x,y,z});
s := x = 1, z = 2, y =
>
2 , x = 1, z = 2, y = 2
Vypocteme dale parcialn derivace 2. radu ve stacionarnch bodech:

diff(F,x,x);
2+2
z x
+2z
2 z 2 x2
z x x
2 z x2 2y
2 z =0 x2
>
dzdxx:=solve (, diff(z,x,x));
dzdxx :=
>
2+2
2 x z 2z x 2y z
Rejstrk Obsah
zxxP:=subs(diff(z,x)=0, dzdxx);
zxxP := 2
>
1 2z x
Verze k tisku
2y
diff(F,y,y);
2+2
z y
+2z
2 z x y2
2 z 2 2 2 y
z y 2 2y z =0 y2
>
dzdyy:=solve (, diff(z,y,y));
dzdyy :=
>
2+2
2 2 2z x 2y
y 2
zyyP:=subs(diff(z,y)=0, dzdyy);
zyyP := 2
>
1 2z x
2y
diff(F,x,y);
z y
z +2z x
2 2 z z x z y x y y x 2 2 z 2y z =0 x y x
>
dzdxy:=solve (, diff(z,x,y));
dzdxy :=
>
z 2z x 2y
z
zxyP:=subs({diff(z,y)=0,diff(z,x)=0}, dzdxy);
Urceme hodnotu
= z x x z yy
z2y x
zxyP := 0 ve stacionarnch bodech:
>
Delta:=zxxP*zyyP-(zxyP)2;
:= 4
1 2z x
2y
>
subs(s[1], Delta);subs(s[1], zxxP);
4 2
>
subs(s[2], Delta);subs(s[2], zxxP);
4
Rejstrk
2 Protoze v obou bodech je = 4 > 0, nastavaj v techto bodech lokaln ex tremy, to maximum v bode [1, 2, 2] (nebot z x x = 2) a minimum v bode a [1, 2, 2] (z x x = 2).
Obsah Verze k tisku
Prlohy
P 1. Software pro podporu vy uky matematicke analy zy
Tato kapitola uvad strucny prehled programoveho vybaven (software) pouzitel neho pri vyuce matematicke analyzy. Clem je seznamit ctenae jak s komercnmi r produkty, tak s archivy verejne prstupnych programu, kterymi lze v nekterych prpadech komercn produkty nahradit. U vsech programu jsou uvedeny adresy na sti Internet, na kterych je mozno zskat dals informace. Prlohy
Systemy poctacove algebry

V teto casti si strucne predstavme system Maple a uvedeme odkazy na dals systemy poctacove algebry. Maple V (Release 5) projekt Maple se vyvj od 80. let v Maple Waterloo Software a da se rci, ze je prvnm z modernch systemu, ktery v sobe krome roz sahlych algebraicky manipulac obsahuje i implementace numerickych metod, ch knihovny specialnch funkc a v neposledn rade take velmi propracovanou gra
ku. Navc je dusledne oddeleno uzivatelske rozhran od vlastnho jadra systemu. Uzivatel ma take moznost tvorit tzv. zapisnky, kde lze kombinovat text, vstupy, vystupy i graku. Z techto duvodu je vhodny jak pro zpracovan ukolu, tak pro vy tvaren protokolu (podporovana je i konverze do formatu LTEX). Posledn verze A 1 Maplu prinas i moznosti hypertextoveho propojovan jednotlivych zapisnku, pouzvan zalozek pro rychle odkazovan a export do jazyka HTML2 (podrobnejs informace spolu s vysvetlenm techto termnu najdeme napr. v [Hea]). Dalsmi vy hodami Maplu jsou jeho dostupnost pro prakticky vsechny bezne uzvane operacn systemy (MS DOS, MS WINDOWS, SCO UNIX, BSD UNIX, SUN Solaris, Ma cintosh, Silicon Graphics, Next, . . . ), pomerne nzke naroky na hardware (26 MB RAM, 10 MB msta na disku) a jasne a dobre denovana syntaxe. Shrnme si do nekolika bodu zakladn moznosti systemu Maple (ty jsou vlastn i ostatnm CAS systemum). Maple um pracovat s temer libovolne velkymi celymi csly. Radove lze pou zvat csla s deseti tisci ciframi. Jednoduchym zpusobem lze denovat vy razy jako funkcn zavislosti, seznamy, mnoziny atd. Ruznymi zpusoby lze interaktivne zobrazovat bodova data, krivky, plochy (zadane prmo ci implicitne), sdruzovat nekolik grak, animovat apod.
1 Text, ktery lze zpracovavat i jinym nez pouze sekvencnm zpusobem. Obsahuje odkazy, obrazky
Prlohy
atd.
2 Hypertext MarkUp Language, jazyk, ktery popisuje hypertextovou stranku. Vyuzva se pro
WWW.
Maple ovlada veskere standardn procedury diferencialnho a integralnho poctu, um resit systemy linearnch, algebraicky i diferencialnch rovnic, vse ch analyticky i numericky, v rozsahu prevysujcm zakladn vyuku pro studenty odborne matematiky. Jsou implementovany numericke metody, ktere lze automaticky (a se zvolenou presnost) aplikovat, kdykoliv analyticke procedury nevedou k cli. Maple obsahuje velice bohaty programovac jazyk se syntax blzkou Pascalu. Lze v nem velice snadno denovat funkce, procedury i cele programove sys temy. Tyto jsou pak plne prenositelne mezi vsemi implementacemi systemu Maple. Soucast Maplu je rozsahla hypertextova a kontextova napoveda. Ke kazdemu mapleovskemu prkazu ci knihovne je uvedeno nejen jejich podrobne vysvet len, ale i rada ilustracnch prkladu. Domovska stranka vyrobcu Maplu Maple Waterloo Software na Internetu je na http://www.maplesoft.com. Domovska stranka Maplu je http:// daisy.uwaterloo.ca/. Zde najdeme vse tykajc se Maplu (seznamy litera tury, ukazkove zapisnky, oznamen o konferencch, atd.). K nejlepsm mstum na Internetu venovanym problematice Maplu patr i Maple bilingual na: http:// sunsite.informatik.rwth-aachen.de/maple/maplev.html. Dals zdroje informac o Maplu je mozno nalezt napr. na: http://www2.ncsu.edu/math/Projects/MapleArchive/Page1. html,
Prlohy
http://web.mit.edu/afs/athena.mit.edu/software/maple/ www/home.html, http://www.indiana.edu/statmath/math/maple, http://SymbolicNet.mcs.kent.edu/. Problematice Maplu je venovana moderovana diskusn skupina MUG, (Maple User Group). Skupina ma vce nez 1000 ucastnku z celeho sveta. Administrativn adresa skupiny je mailto:majordomo@daisy. uwaterloo.ca. Pro prihlasen zasleme e-mail na vyse uvedenou adresu s textem subscribe maple-list. Vlastn prspevky pak poslame na ad resu mailto:maple-list@daisy.uwaterloo.ca. Prohledavatelny ar chiv teto diskusn skupiny se nachaz na http://www-math.math.rwth aachen.de/MapleAnswers/index.html. Dals uzitecne informace po skytuje i skupina Netnews news:sci.math.symbolic. Domovska stranka ceskeho Klubu uzivatelu Maplu se nachaz na: http:// www.fi.muni.cz/hrebicek/maple/. Mathematica (v. 2.2.3) rmy Wolfram Research Inc. (http://www. wolfram.com/) je zatm asi nejpouzvanejsm CAS systemem (dky velice agresivn obchodn politice a designu vyhovujcmu plne inzenyrskym potre bam). Vetsina materialu projektu CALC je take urcena pro tento system. Moz nosti jsou obdobne jako u systemu Maple. Domovska stranka archivu programu a doplnujcch materialu Mathsource je na http://mathsource.wri.com/ mathsource/. Derive (3.0) rmy Soft Warehause je jednoduchym programem pro symbo licke vypocty, ovladany pomoc systemu menu. Jeho jednoduchost a nzke hardwa rove pozadavky ho umoznuj pouzvat prakticky na jakemkoliv poctaci PC ihned
Prlohy
pouze po kratkem zaskolen (512 kB RAM, jedna disketova mechanika, gra cka karta CGA a vyss). Domovska stranka jehttp://www.derive.com/ derive.htm a problematikou Derivu se zaby diskusn skupina mailto: va derive-news@mailbase.ac.uk. Mezi dals obecne CAS systemy patr napr. Axiom (http://www. nag.co.uk:70/1h/symbolic/AX.html}, Mupad (http://mathwww.uni-paderborn.de/MuPAD/) a Reduce (http://www.rrz.unikoeln.de/REDUCE/). Mupad je mozno dokonce po vyplnen licencnho ujednan zskat zdarma (informace na domovske strance). Kompletn pre hled CAS systemu je mozno najt na http://www.can.nl/Systems_ and_Packages/Per_Purpose/General/index.html nebo na http: //math-www.uni-paderborn.de/CAIN/SYSPACK/index.html.
Prlohy
Rejstrk
Public-domain programy
Obsah
Msto obecneho CAS systemu je mozno pouzt i mensch, specializovany pro ch gramu, ktere jsou vetsinou volne prstupne prostrednictvm ste Internet. Mathematics Archives. Jeden z nejvetsch archivu matematicky materialu a ch odkazu se nachaz na katedre matematiky Univerzity v Tennessee, Knoxville. Archiv je prstupny pomoc: 1. WWW http://archives.math.utk.edu
Verze k tisku
Zpet Zavrt
2. Gopheru gopher://archives.math.utk.edu 3. anonymnho FTP ftp://archives.math.utk.edu
4. e-mailu mailto:help@archives.math.utk.edu Clem tohoto archivu je organizovat a umoznit prstup k public domain softwaru, sharewaru a materialum, ktere jsou prstupne prostrednictvm ste Internet a mo hou byt vyuzity ve vyuce matematiky. Krome toho obsahuje bohatou kolekci odkazu na msta se vztahem k matematice (elektronicke casopisy, preprintovy servis, informace o grantech, tvurci matematickeho software, matematicka nakla datelstv atd.) Obsah je neustale obnovovan a doplnovan (polozka Whats new on the Mathematics Archives z domovske stranky). Pravidelne mescn zpravy o no vych prrustcch a zmenach jsou zaslany do skupin News news:sci.math.*. Materialy jsou zde rozdeleny do ctyr zakladnch skupin: 1. Software, recenze a abstrakta 2. Vyukove materialy
Rejstrk
Prlohy
3. Ostatn sluzby 4. Odkazy Vetsinou mame k dispozici i vyhledavac nastroje pro jednotlive casti archivu. Vsimneme si podrobneji prvn skupiny. Materialy z teto skupiny jsou cleneny ctyrmi rozdlnymi zpusoby: 1. Podle platformy a pote podle subjektu. V soucasnosti jsou zde dve kategorie software pro Macintosh a pro MSDOS (vcetne Windows a Windows 95). V clenen podle subjektu najdeme nej vce vhodnych programu pro kurz matematicke analyzy pod hesly Advanced Calculus, Advanced Differential Equations, Calculus, Graphing Programs a Differential Equations.
Obsah Verze k tisku
2. Interaktivn texty Interaktivn text je poctacovy dokument, ze ktereho mohou byt prmo pouzity symbolicke, numericke a gracke prostredky. Vysledky vy tu mohou byt poc taktez zacleneny do dokumentu. K vytvaren matematicky interaktivnch ch textu se v soucasnosti nejcasteji pouzva CAS systemu Maple a Mathematica a systemu MathCad a MathKit. Materialy a odkazy zde prstupne jsou cleneny opet podle platformy a subjektu. 3. Podle softwaroveho balku Jedna se vetsinou o odkazy na pripravene materialy pro nektery z komercnch produktu (Mathematica, Maple, Matlab), nezavisle na operacnm systemu. 4. Podle subjektu V soucasnosti jsou zde pouze materialy tykajc se prrodnch ved.
Rejstrk
Prlohy
Pokud se hledany program nenachaz prmo v Mathematics Archives, muzeme pouzt vyhledavan v ostatnch svetovych archivech matematic keho softwaru (http://archives.math.utk.edu/other_software. html). Pro usnadnen vyhledavan je pripraven specialn formular, kterym speci kujeme platformu, urcen a typ softwaru, ktery hledame. Na vystupu pak zskame kolekci odkazu, vyhovujcch zadanym pozadavkum. GAMS. (Guide to Available Math Software.) Projekt snadneho prstupu k matematickemu softwaru. Jedna se o jakesi virtualn skladiste matematicky programu, vybavene ruznymi vyhledavacmi prostredky. ch Vyhledavat muzeme podle problemu, ktery chceme esit r
Obsah Verze k tisku
podle nazvu programu, balku podle nazvu modulu podle textu v abstraktu programu, modulu Tyto sluzby jsou prstupne pomoc www na http://gams.nist.gov/.
P 2. Materialy na Internetu
V teto casti jsou uvedeny odkazy na archivy materialu, urcenych k podpore vyuky matematicke analyzy. Nejdrve jsou uvedeny odkazy na nejvets archivy materialu pro poctacem podporovanou vyuku matematicke analyzy, v casti Dals zdroje jsou uvedeny adresy dalsch WWW stranek, ktere se zabyvaj zkoumanou pro blematikou. Techto stranek je obrovske mnozstv (vce nez sto tisc odkazu) a nemohly zde by vsechny uvedeny mimo jine i proto, ze jejich pocet, umsten a t obsah se teme kazdym dnem men. Uvedeny byly proto jen ty adresy, u nichz je r mozno predpokladat pomerne velkou stabilitu, (presto nemus byt vsechny odkazy v dobe uverejnen prace platne). Zaverem take poznamenejme, ze ne vse, co na Internetu nalezneme, muzeme okamzite pouzt ve vyuce. Nektere materialy neod povdaj nasim osnovam, napr. jsou zalozeny na jine koncepci vykladu. Odkazy na materialy, prmo pouzite pri tvorbe teto prace, jsou uvedeny v casti Literatura. Prlohy
Calculus Internet Resource Library (CIRL)

Na adrese http://www.calculus.net/ se nachaz jeden z nejvetsch ar chivu materialu a odkazu k poctacem podporovane vyuce matematicke analyzy na
Internetu. Archiv je prstupny pomoc WWW, k efektivnmu vyuzit vsech sluzeb potrebujeme prohlzec Netscape verze 3.0. Jedna se v podstate o metatext (urceny pro ruzne platformy, ruzne technologie a vytvareny mnoha autory, prma interakce s ctenarem), obsahujc materialy k vyuce matematicke analyzy pro studenty a vyucujc. Material je neustale ve vyvoji a v soucasnosti se del na cast pro samo statnou praci studentu (http://homework.calculus.net), materialy do poctacove laboratore pro studenty a vyucujc (http://labs.calculus. net) a cast virtualn realita ve vy uce MA (http://vrml.calculus.net). Obsah je delen i podle urcen pro studenty nebo pro vyucujc. Odkazy na dals zajmava msta jsou shrnuty pod polozkou Top 20 Calculus Sites on the World -Wide-Web.
Prlohy
Calculus & Mathematica

Rejstrk
Jeden z kurzu matematicke analyzy vyuzvajcch programu Mathematica najdeme na http://www-cm.math.uiuc.edu/. Tento kurz je zalozen predevsm na ulohach z praxe (populacn rust, ulohy nancn matematiky, . . . ). Predstavu o jeho obsahu si muzeme udelat z obrazku P.1, zachycujcho jednu z webovskych stranek tohoto kurzu. Zajmavost je opet system zadavan a nasledneho resen ukolu v elektronicke podobe. Kurz je mozno absolvovat i v ramci distancnho stu dia pouze prostrednictvm Internetu na http://www-cm.math.uiuc.edu/ dep/.
Obsah Verze k tisku
Prlohy
Zpet obr. P.1 Sylabus kurzu Calculus & Mathematica Zavrt Konec Strana 400 z 424
Visual Calculus
V jiz drve zmnenem archivu Mathematics Archives se nachaz cast na zvana Visual Calculus (http://archives.math.utk.edu/visual. calculus/). Zde se nachaz kolekce materialu k vyuce matematicke analyzy s vyuzitm poctace, pricemz duraz je kladen na matematickou graku. Zajmavost jsou detailn navody pro tvorbu graky v jednotlivy programech (komercnch i ch public domain). Konstrukce je popisovana krok za krokem, takze i uzivatel, ktery nema s danym programem zkusenosti, muze ilustracn graku pripravovat.
Calculus Resources On-line

Velmi podrobny seznam Internetovsky zdroju pro vyuku matematicke analyzy ch s pomoc poctace je na temze archivu na http://archives.math.utk. edu/calculus/crol.html. Seznam je clenen podle vypocetn platformy nebo podle geogracke polohy zdroje a je prubezne aktualizovan.
Prlohy
Multivariable Calculus
Poslednm odkazem z Mathematics Archives je kolekce odkazu na ruzne zdroje prmo pro diferencialn pocet funkc vce promennych: http://archives. math.utk.edu/topics/multivariableCalculus.html.
The Connected Curriculum Project (CCP)

Materialy vznikle v ramci projektu CALC, o nemz je zmnka v uvodn casti, jsou prstupne na adrese: http://www.math.duke.edu/modules/. Prozatm
vsak cast venovana diferencialnmu poctu funkc vce promennych neobsahuje zadne odkazy.
Dals zdroje
Interaktivn text Calculus & Differential Equations with Maple V. Au tory textu a Mapleovskych zapisnku jsou J. Marlin, H. Kim a E. Bur niston. http://www2.ncsu.edu/eos/info/math/maple_info/ www/index.html JPCalculus interaktivn ucebnice, vyuzva moznost WWW a zejmena ja zyka JAVA k vyuce diferencialnho a integralnho poctu funkce jedne pro menne. Autory jsou B. Flagg a G. Ramani. http://www.usm.maine. edu/flagg/jpc/ Interaktivn ucebnice diferencialnho poctu vce promennych, k vypoctum a generovan matematicke graky je tentokrat vyuzvan program Mathe matica. Doplnkem kurzu je interaktivn kvz, na kterem si studenti mo hou otestovat sve znalosti pred zkouskou. Autorem kurzu i kvzu je Dr. Rukmini Sriranganathan. http://www.math.vt.edu/people/ srirang/m2224s97/lec2224/2224lec.html Laboratory manual for Calculus obsahuje ukoly z matematicke analyzy, ur cene k resen v poctacove laboratori za pomoci programu Mathcad a Maple V. Autory jsou P. Bogacki, G. Melrose a P. R. Wohl. http://www.math. odu.edu:80/bogacki/labman/ Prlohy
Velka kolekce odkazu na pouzit Maplu ve vede a vyuce, navody na pouzvan Maplu. http://www.indiana.edu/statmath/math/maple/ Matthias Kawskis Maple resources and activities, dals velka kolekce od kazu, materialu a clanku o uzvan Maplu ve vyuce matematicke analyzy. http://math.la.asu.edu/kawski/maple.html
Prlohy
Vy sledky cvicen kapitol 19

Vysledky cvicen kapitol 19
Obrazky ke cvicenm Kapitoly 1 jsou uvedeny na zaver.
KAPITOLA 2
2.1 a) Ke A R > 0 takove, ze pro [x, y], pro nez 0 < |x + 1| < , 0 < |y 2| < plat f (x, y) > A. b) Ke A R > 0, B R takova, ze pro x > B, |y 1| < je f (x, y) < A. 2.2 a) 2 b) 2 c) ln 2 d) 0 e) 0. 2.3 a) neexistuje b) neexistuje c) 0 d) 1 e) 0 f) 2 g) 0 h) 2. 2.4 a) 0 b) e c) neexistuje d) 0 e) 0 f) 1. 2.6 a) f je spojita v R2 \[0, 0]
b) {[x, y] : x = y} c) {[x, y] : x = y} d) {[x, y] : x = 0 nebo y = 0} e) {[x, y] : x = k, y = k, k N} f) {[x, y] : x 2 + y 2 = 1}. 2.7 2 a) {[x, y] : x = y nebo x = 0} b) {[x, y] : y = x3 } c) {[x, y] : x = 0, y = 0} d) {[x, y] : y = 0} e) {[x, y, z] : x = 0 nebo y = 0 nebo z = 0} f) {[x, y, z] = [a, b, c]}. 2.8 a) je spojita b) nen spojita.
KAPITOLA 3
3.1 a) z x = 3x 2 + 4x y + 3y 2 + 4, z y = 2x 2 + 6x y 5 b) z x = zy =
x 3 6 y xy 1 y 5x 3 y+3y , x3
c) z x = sin(x + 2y) + x cos(x + 2y), z y = 2x cos(x + 2y)

y + xy2 x xy 1x 2 y y y sin x sin x , z y = yx2 cos x cos x 1 sin x sin x y y x y + x z2 2 , u y = x y 2 + 1 x 2 + yz2 2 ,
d) z x = e) u x = h) z x =
1 , x 2 +y 2
cos x cos y
1 y2
uz = 1 x 2 y2
1 , 1+x 2
f)
y
1x y x z x = 1 e y , y
zy =
1 z y = 1+y 2 x 2 +y 2 x x 2 +y 2
i) z x =
x e y2 2 2x sin x , y
1y x y
1x y
g) z x = zy =
1 , x+4 cos x 2 y2
2 z y = |y|
j) z x =
x 2 (1yz)
zy =
x 2 +y 2 +x
k) u x = 2xe m) z x =
x 2 (1yz) 2x y
, u y = u z = e , zy = 2
y
l) z x = n)
ux x
3.2 a) z x = yx (1 + ln y), z y = x x y+1 ln x y)

x , c) z x = 1 ( 1 ) y 3 x yx 2 y 2 (1+ x y) y x + x+y ], z y = x[ln(x + y) + x+y ]
x y
y , zy = x 2 +y 2 uy = uzz = r(r 221) , y xy
kde r =
(x 2 +y 2 ) x 2 y 2 + y 2 + z 2. x
2x 2 (x 2 +y 2 ) x 2 y 2
Zpet
b) z x =
x 1 ( ) y2 3
x y
, x yx 2 y 2 (1+ x y)
zy =
ln 3, z y =
ln 3
d) z x = y[ln(x +
e) z x = 2(2x + y)(2x+y)[ln(2x + y) + 1],
z y = (2x + y)(2x+y)[ln(2x + y) + 1] f) z x = x12 x yxy , z y = y12 x yxy x y+x+y x y+x+y g) z x = yesin x y (1 + x y cos x y), z y = xesin x y (1 + x y cos x y) h) u x = y y y ( y 1) 2(xy) 2(xy) x z , u y = 1 x z ln x, u z = zy2 x z ln x i) z x = 1+(xy)4 , z y = 1+(xy)4 z z z z u j) uxx = yy = uzz = 2 cos(x 2 + y 2 + z 2 ) k) u x = y z x y 1 , u y = x y zy z1 ln x, z u z = x y y z ln x ln y. 3.3 a) z x = 2 5, z y = 10 + 5 b) z x = 0, z y = 1 4 2 3 2 2 c) z x = 1, z y = 1. 3.4 a) 2 b) 2 . 3.6 a) z x x = 12x 8y , z x y = 16x y, z yy = 12y 2 8x 2 b) z x x = 0, z x y = 1 y12 , z yy = 2x c) z x x = 0, z x y = y23 , y3 z yy =
6x y4
d) z x x =
3x y 2
5 (x 2 +y 2 ) 2
, zxy =
y(2x 2 y 2 )
5 (x 2 +y 2 ) 2
, z yy = x(x
2 2y 2 )
2 cos(x + y) x sin(x + y), z x y = cos(x + y) x sin(x + y), z yy = x sin(x + y) 2 2 2 2 2 f) z x x = 2 sin x +4x cos x , z x y = 2x sin x , z yy = 2 cos x g) z x x = x (x+y) [(ln x + y y2 y3 x+y 2 ) + 1 xy2 ], z x y = x (x+y) [ln2 x + x+y ln x + 1 ], z yy = x (x+y) ln2 x h) z x x = x x x x
2x
3 (x 2 +y 2 ) 2
5 (x 2 +y 2 ) 2
e) z x x =
, zxy =
2(xy 2 ) (x+y 2 )2
2y
3 (x 2 +y 2 ) 2
, z yy = 2x(x
2+2y 2 ) 3
z yy =
j) z x x =
(x 2x|y| )2 , z x y = 2 +y 2 2 2x y + 1), z x y =
y 2 x 2 , z x y = (x 22x y2 )2 , z yy (x 2 +y 2 )2 +y (x 2 y 2 ) sgn y 2x|y| , z yy = (x 2 +y 2 )2 l) z x x = (x 2 +y 2 )2 2 y1 2x(1 + x ) [1 + y ln(1 + x 2 )], z yy =
y 2 (x 2 +y 2 ) 2
2y 1 i) z x x = (x+y 2)2 , z x y = (x+y 2)2 ,
2y(1 + x ) (x 2 + (1 + x 2 ) y ln2 (1 + x 2 ).
x 2 y 2 k) (x 2 +y 2 )2 2 y2
zx x =
KAPITOLA 4
4.1 a) 2dx b) 1 dx 1 dy c) 1 dx 1 dy d) dx + 2 ln 2dy 2 ln 2dz 2 2 4 2 e) 3 dx + 4 dy f) d f = 43 dx 1 dy g) d f = 2dx + dz h) du = 5 5 4
x y
1 z
dx x
dy y
dz z2
ln
x y
4.2 a)
+ 0, 035
b)
0,09 3
c) 2, 95
d) 0, 06
. . e) 1 f) 1, 13 g) d V = 50 cm3 h) dh = 1 cm. 4.3 a) nen diferenco 3 vatelna, napr. pro u = (1, 1) neexistuje smerova derivace f u (0, 0) b) nen diferencovatelna, nebot f (1,1)(0, 0) neexistuje c) ano d f (0, 0) = 0 4.4 a) x + y + z = 3 b) 3x + 5y z = 4 c) z 0 = , x + y 2z = d) z 0 = 4 2 4.5 a) [2, 1], [2, 1] b) a2 2 , b2 2 c) [1/2, 1/2] 1+a +b 1+a +b 1 1 1 1 d) [1, 1] e) [ 2, 2 , 2 ], [ 2, 2 , 2 ] f) tecna existuje 2 2 a1 + + an = 1; pak [x1 , . . . , xn ] = [a1 , . . . , an ]. 4.6 a) f (1,2)(1, 1) = 3 2 x)2 b) f (1,0,1)(0, 1, 0) = 0. 4.7 a) d 2 z = (dx + 2d x d y (dyy) b) d 2 z = 6(x 2 y y)(dx)2 + 12(y x)dxdy + 6(x y)(dy)2 c) d n z = ex+y n =0 n [n 2 + 2 j 2 j j 1, z = 1. 2n j n+x 2 +y 2 +2x j +2(n j )y](dx) j (dy)n j d) d n z = (1) (n1)! (dx+dy)n (x+y)n 2 e) d n z = (x+y)n+1 n =0 (1) j n [(n j )x + j y] (dx) j (dy)n j f) d n u = j j
n1
n!ex+y+z
2
i+ j +k=n
b) x2 sin 2y + C z 3 3x yz + 2x + y ln y + z
2 (x+i)(y+ j )(z+k) (dx)i (dy) j (dz)k . 4.8 a) x2 +x ln y cos y +C, i! j !k! c) x 2 + y 2 + C d) x y 2 x + 3 y 2 + C. 4.9 a) x 3 + y 3 + 2
b) arctg x yz.
KAPITOLA 5
y c) u(x, y, z) = f (x + 5.1 a) z(x, y) = f ( x 2 + y 2 ) b) z(x, y) = f x y 2z, x 2y + z). 5.2 a) z uv = 0, z(x, y) = f (x 2 y) + g(x + 2 y) b) z vv 0, z(x, y) = f ( x 2 + y 2 ) + x yg( x 2 + y 2 ) c) u(4 uv)z uv 2z v = 0 d) z vv + 2v 3 z v = 0 e) (u 2 v 2 )z uv vz u = 0 f) (u 2 v 2 )z uv + vz u uz v = 0 g) uz uu x z uv + z u = 0. h) vz vv + z v = 0, z(x, y) = f (x ln y + g(x y). i) z uv = y) y 1 z v , z(x, y) = x y f ( x )g(x y). 5.4 a) T2 (x, y) = 22 + 22 [(x 1 ) + (y 1 )] 2u 2 2
c) T2 (x, y) = 1 1 1) + 2 (y 1) + 4 (x 1)2 1 (y 1)2 4 e) T2 (x, y) = x x(y1) f) T2 (x, y) = ln 2 + 1 [(x 1)+(y1)] 1 (x 1)(y1) 2 2 2 g) T2 (x, y, z) = 1+ (x 1) + (x 1)(y 1) (x 1)(z 1). 5.5 a) +0, 0297 4 2 b) 1 + 22 3 180 + 2 64 31 21802 . 2 2
2 1 1 [(x 1 )2 +2(x 1 )(y 2 )+(y 2 )2 ] 4 2 2 2 2 1 x2 + y2 d) T2 (x, y) = 1 (x 4 2
b) T2 (x, y) = +x x2y 4
KAPITOLA 6
6.1 a) z min = 1 v bode [1, 0] b) z max = 64 v [ 4 , 4 ], ve stacionarnch bodech 27 3 3 [0, 0], [0, 4], [4, 0] extrem nenastava c) z max = 16 v [2, 2] d) z min = 30 v [5, 2] e) z min = 3 + ln 3 v [1, 1], f) V jedinem stacionarnm bode [1, 1] extrem 4 nenastava g) z min = 33 v [ 2 , 2 ] h) u min = 6913 v [24, 144, 1] 3 3 a a i) u min = 4 v [ 1 , 1, 1] j) z min = 3 3 3a 2 v [ , ] k) u max = 27 , v [3, 3 , 1] 3 3 2 2 2
3 3
l) u max =
1 n+1
2 n 2 +n+2
n 2 +n+2 2 2 n+1
v x1 = = xn =
n n+1
2 n 2 +n+2
m) u min = (n + 1)2
1 n+1
v x1 = 2 , x2 = 2 , . . . xn = 2 . 6.3 a) f min = 2 v [1, 1], f max = 2 1 1 v [1, 1] b) f min = 3 v [ 1 , 1 ], f max = 3 v [0, 0], c) fmin = 2 2 v [1 2 , 1 2 ], 2 2 2 1 1 1 1 f max = 2 + 2 v [1 + 2 , 1 + 2 ] d) f min = 2 v [ 2 , 2 , 0], f max = 1 1 2 + 1 v [ 2 , 2 , 1] e) f min = 0 v [0, 0, 0], f max = 1 v bodech [x, y, 0], kde x 2 +y 2 = 1. 6.4 a) f max = 7 v [0, 1], fmin = 4 v [1, 1] b) f max = 22 v [2, 2], f min = 2 v [2, 2] c) f max = 6 v [3, 0], f min = 1 v [1, 1] d) f max = 1 2 1 1 v [ 2 , 2 ], f min = 2 v [0, 0]. e) f min = 0 v [0, 0], f max = 12 v bodech [0, 3]. 1 1 1 f) f min = 3 2 2 v bode [ 2 , 2 , f max = 3 + 2 2 v bode [ 2 , 2 . 6.5 1 a) f max =
3 3 8
v [ , ], f min = 3 3
383
v [ 2 , 2 ] b) f max = 1 v [1, 0] a [0, 1], 3 3
3 1 2 5 5 f min = 0 v [0, 0] c) f max = 3 + 5 v [ 5 , 5 , 1], f min = 12 v [ 1 , 1 , 36 ] 6 3 d) Csla a, x1 , x2 , . . . , xn , b tvor geometrickou posloupnost s kvocientem q =
n+1
b . a
KAPITOLA 7
7.1 a) (F 1 ) (1, 0) = 0 1 1 0 b) (F 1 ) (2, 4)
x(b2 a 2 )2a(by+c) a 2 +b2 x F
= ,
1 6
a 2 +b2
1 6
1 6
0 Vysledky cvicen kapitol 19
F 1 0 c) (F 1 ) (1, 2) = 7.2 a) [x, y] 0 1
y(a 2 b2 )2b(ax+c)
b) [x, y]
F
y x 2 +y
, 2
x x 2 +y 2
c) [x, y, z]
x2 2 2 x2 2 2 +y +z , y +y +z , 0
x 2 +y 2 x 2 +y 2 x2 a2
d) [x, y, z] rxR , ryR , rzR , kde r = x 2 + y 2 + z 2 , R = 7.3 r R (r, ) = R(r, ) (r, ), R (r, ) = r R(r, ) (r, ) r r
y2 b2
z2 . c2
KAPITOLA 8
8.1 a) [2, 2], [2, 2] b) body osy y c) body roviny z = 0 lezc na elipse y2 y y 2 (1ln x) x2 + b2 = 1. 8.2 a) y = 1+2y 2 b) y = x 2 (1ln y) . 8.3a) 5y + 2x = 0, y = a2 2x b) 2x y + 1 = 0, 2x y 1. 8.4 [1, 1], [1, 3] 8.5 y = (1 c cos y)3 c sin y. 8.6 a) tecna rovina: x 3y 4z 4 = 0, normala: x = 2 + 1 t, y = 4 3 t, z = 1t, t R b) x +4y +6z21 = 0, x +4y +6z+21 = 0 2 3 4 c) x y + 2z b) z x =
xz , x 2 y 2 11 2
= 0.
8.7 a) z x = z y = 1, z x x = z x y = z yy = 0 zx x =
2 (x 2y z2 )2 , y
zy =
x 2yz 2 , y
zxy =
x yz , (x 2 y 2 )2
z yy =
2 (x 2x z2 )2 . y
8.8 ymin = 0, 5 v x = 0, ymax = 2 v x = 0, 5. 8.9 a) z min = 2 v [1, 1], z max = 6 v [1, 1] b) z min = 1 v [2, 0], z max = 8 v [ 16 , 0]. 7 7
KAPITOLA 9
9.1 a) f max =
a6 66
b) f max =
1 8
v [, , ] 6 6 6
1 3 6
n 2 1 pro xi = k=1 ak 1 n i k k k=1 i 2a 2b 2c g) f max nastava pro xi = ni k . 9.2 a) Delky hran hranolu: 3 , 3 , 3 , Vmax = k=1 8 c abc b) Rozmery kvadru a, b, 2 , Vmax = abc c) Vyska hranolu vhr = 1 h, 2 3 3 3 2 2 8 2 P PP hrana zakladny a = 3 R, Vmax = 27 R h d) a = b = c = 6 , Vmax = 6 6 b e) [x, y] = a aa+b b a+b , f) Normala k elipsoidu v hledanem bode mus , ||vu||2 byt kolma na prmku spojujc zadane dva body. 9.3 a) f min = 2(||u||2 ||v||2 u,v 2 ) b) Necht B = (u 1 , . . . , u n1 ), je matice sestavena z vektoru u 1 , . . . , u n1 , = (1 , . . . , n1 ), f min = (B T B)1 , pro x = B(B T B)1 . 2 1 1 [ 6 , 6 , 6 ] d) f max = 2 v [1, 1, 1] e) f min = 2 n n 2 1 ai1 f) f min = k k pro xi = k=1 ak k=1
1 2 1 2 1 1 [ 6 , 6 , 6 ], [ 6 , 6 , 6 ], f max =
1 1 2 1 2 1 v [ 6 , 6 , 6 ], [ 6 , 6 , 6 ],
1 1 1 2 c) f min = 36 v [ 6 , 6 , 6 ],
y = x y2 x2 + 1 9 4 3 x 2 obr. P.3:
y 1/2 1 1/2
x 2 + 4y 2 1 1 x 3
2 y
obr. P.2:
obr. P.4:
Rejstrk 2 y x 2 + y2 = 4 y y=x Obsah Verze k tisku
1 1 2 x x Zpet x 2 + y2 = 1 obr. P.5: obr. P.6: y = x Zavrt Konec Strana 411 z 424
x = 1
x =1 y=1
2 2 y x +y =x

x 1/2 2 x y = 1 obr. P.7: obr. P.8: y = 2x y y 1 y = 1 x2 1 x 1 x y = x y = 1 x 2 obr. P.10: obr. P.9:
x 2 + y 2 = 2x
x 2 + y2 = 1 1
y y 2 = 4x y 1 1 x 1 1 1 x obr. P.11: obr. P.12:
y = x +1 y=x

y 1 2 2 x x 2 + y2 = 1 1 obr. P.13:
x2 + (y 1)2 = 1 4
c < 0 zc =
y
c=3
c = 2 c = 1 1
y
c=1 c=2 1
c=0
1 1
x
obr. P.14:
obr. P.15:
c = e2 c=e c=1
Vysledky cvicen kapitol 19 x y

z c = pro c < 0 c=2 c=1 c=1 c=2 Rejstrk Obsah Verze k tisku
c=
1 e
1 c= 2 e
obr. P.16:
obr. P.17:
Pouzita literatura
[Be] [B-F] [De] [D-D] [D] Berman G. N.: Sbornik zadac po kursu matematiceskogo analiza, Nauka, Moskva, 1971. Budak B. M. Fomin S. V.: Multiple Integrals, Field Theory and Series, Mir, Moskva, 1973. Demidovic B. P.: Sbornik zadac i upraznenij po matematiceskomu ana lizu, Nauka, Moskva, 1964. Dosla Z. Dosly O.: Metricke prostory, teorie a prklady, skriptum Masarykovy univerzity, Brno, 1991. Dosla Z. Dosly O.: Diferencialn pocet funkc vce promennych, skrip tum Masarykovy univerzity, Brno, 1999. Pouzita literatura
[DKV] Dosla Z., Kuben J., Vosmansky J.: Equadiff 9 CDROM, Masarykova univerzita, Brno, 1998. [F] Fuchsova L.: Diferencialn pocet funkc jedne promenne, skriptum Ma sarykovy univerzity, Brno, 1993.
[Hea] [Hec]
Heal K. M., Hansen M. L., Rickard K. M.: Maple V Learning Guide, Springer-Verlag, New York, 1998. Heck A.: Introduction to Maple, Springer-Verlag, New York, 1993.
[H-K-S] Herman J. Kucera R. Simsa J.: Metody resen matematickych uloh I, SPN Praha, 1990. [Her] [C-G1 ] Herod J.: Vector calculus home page, http://www.math.gatech. edu/harrell/calc/, 1998. Char B. W., Geddes K. O., Gonnet G. H., Leong B. L., Monagan M. B., Watt S. M.: Maple V Language Reference Manual, Springer-Verlag, Berlin, 1991. Char B. W., Geddes K. O., Gonnet G. H., Leong B. L., Monagan M. B., Watt S. M.: First Leaves: A Tutorial Introduction to Maple V, Springer-Verlag, Berlin, 1991. Char B. W., Geddes K. O., Gonnet G. H., Leong B. L., Monagan M. B., Watt S. M.: First Leaves: Maple V Library Reference Manual, Springer-Verlag, Berlin, 1991. Janyska J., Sekaninova A.: Analyticka teorie kuzelosecek a kvadrik, skriptum MU, Brno, 1996. Jarnk V.: Diferencialn pocet I a II, Academia, Praha, 1974. Jobakova D.: Praktikum z poctacu ve vyuce matematiky, diplomova prace MU, Brno, 1997.
Pouzita literatura
[C-G2 ]
[C-G3 ]
[J-S] [J] [Jo]
[Kad] [Ka1 ] [Ka2 ] [Kl1 ] [Kl2 ] [Ma] [N1 ] [N2 ] [P1 ] [P2 ] [P3 ]
Kadlckova S.: Vysetrovan prubehu funkc dvou promennych, diplo mova prace MU, Brno, 1994. Kawski M.: An introduction to practical Maple 3D-graphics, http:/ /math.la.asu.edu/kawski/maple.html, 1995. Kawski M.: ASU Calculus Home Page, http://calculus.la. asu.edu/, 1998. Klotz E., Magness E.: Limits, http://forum.swarthmore.edu/ ethan/klotz/Limits/Limits.html, 1995. Klotz E., Magness E.: Tangent planes, http://forum. swarthmore.edu/ethan/klotz/TangentPl.html, 1995. Marlin J.A.: Calculus III with Maple V, http://www2.ncsu.edu/ eos/info/maple_info/www/MA242Contents.html, 1997. Novak V.: Diferencialn pocet v R, skriptum Univerzity J. E. Purkyne, SPN Praha, 1985. Novak V.: Diferencialn pocet funkc vce promennych, skriptum Uni verzity J. E. Purkyne, Brno, 1983. Plch R.: O jednom vyuzit poctace ve vyuce matematicke analyzy, Po kroky matematiky, fyziky a astronomie, rocnk 42, c. 1, 1997. Plch R.: Internet pro ucitele matematiky, Prometheus, Praha, 1997. Plch R.: Diferencialn pocet funkc vce promennych s programem Ma ple V, disertacn prace, Brno, 1998. Pouzita literatura
[Pu] [R1 ] [R2 ] [Ro] [S] [So] [T-S] [V]
Putz J.F.: The CAS in Multivariable Calculus, http://archives. math.utk.edu/ICTCM/EP-8/C16/html/paper.html, 1998. Rab M.: Komplexn csla a jejich uzit v elementarn matematice, skrip tum Univerzity J. E. Purkyne, Brno, 1990. Rab M.: Riemannuv integral v En , skriptum Univerzity J. E. Purkyne, Brno, 1985. Rodriguez C.: Multivariate Calculus With Maple, http://omega.albany.edu:8008/calculus3, 1997. Sikorski R.: Diferencialn a integraln pocet. Funkce vce promennych, Praha 1973 (preklad z polstiny). Sojka P. a kol.: CDROM k 5. vyroc zalozen Fakulty informatiky MU, Masarykova univerzita, Brno, 1999. Tichonov A. N. Samarskij A. A.: Rovnice matematicke fyziky, Nakla datelstv CSAV, Praha, 1955 (preklad z rustiny). Vogel T.: Gallery of Calculus Pathologies, http://www.math. tamu.edu/tom.vogel/gallery/gallery.html, 1997. Pouzita literatura
Rejstrk
bod limitn, 35 stacionarn, 119, 194 Bolzano Bernard, 48 Cauchy Augustin Louis, 155 Cauchyova nerovnost, 203 Coolidge Calvin, 187 denicn obor funkce, 18 derivace implicitn funkce, 166 parcialn, 55 2. radu, 60 geometricky vyznam, 58 smsene, 60 slozenych funkc, 93 smerova, 65 derivace zobrazen, 153 determinant matice, 130 diferencial, 75 2. radu, 84 Frechetuv, 83 G teauxuv, 83 a m-teho adu, 84 r totaln, 74, 78 divergence vektoroveho pole, 157 Einstein Albert, 31, 53, 73, 92, 143, 162 extrem absolutn (globaln), 132 lokaln, 118 Rejstrk
lokaln vazany podmnkami, 190 vazany, 189 vazany lokaln, 190 Fermat Pierre, 119 funkce, 18 diferencovatelna, 75 implicitne zadana, 163 kmenova, 85 Lagrangeova, 191 souradnicove, 145 spojita na mnozine, 49 v bode, 45 Galileo, 183 gradient funkce, 82, 156 graf funkce, 23 Hamilton William Rowan, 158 Heine Heinrich, 45 Hessova matice, 69 hodnost matice, 183 Huxley Aldous Leonard, 116 Huyghens Christian, 143
implicitne zadana funkce, 164, 175 zadane zobrazen, 180 Jacobi Carl, 148 Jacobiho matice, 147, 149, 150, 153, 181 inverznho zobrazen, 153 slozeneho zobrazen, 153 jacobian, 147 zobrazen, 153 koecient stejnolehlosti, 145 kruhova inverze, 145 kvadraticka forma denitn, 128 indenitn, 128 semidenitn, 128 Lagrange Joseph Louis, 69 Lagrangeova funkce, 196 Lagrangeuv multiplikator, 191 Laplace Pierre Simon, 102 limita funkce nevlastn, 35, 36 vlastn, 35 matice
Rejstrk
denitn, 128 Hessova, 69 indenitn, 128 Jacobiho, 147, 149, 153 jednotkova, 150 linearnho zobrazen, 152 regularn, 149 metrika Euklidovska, 33 maximova, 33 v Rn , 33 minor matice, 130 multiplikator Lagrangeuv, 191 normalovy prostor, 182 obrazek, 13, 20, 21, 24, 29, 120, 140, 165, 169, 193, 211, 212, 213, 216, 217, 218, 219, 221, 222, 223, 225, 226, 228, 230, 231, 232, 233, 234, 235, 239, 240, 241, 242, 244, 251, 252, 255, 257, 263, 266, 270, 272, 288, 292, 294, 295, 300, 305, 308, 311, 312, 313, 318, 319, 320, 330,
331, 336, 339, 341, 347, 348, 350, 352, 353, 354, 355, 357, 364, 365, 367, 368, 372, 374, 375, 376, 378, 379, 380, 383, 400 okol bodu, 34 operator Hamiltonuv, 158 nabla, 158 Pascal Blaise, 209 pole vektorove, 156 prumer aritmeticky, 202 geometricky 202 , harmonicky, 202 Riemann Bernhard, 155 rotace vektoroveho pole, 157 rovnice diferencialn exaktn, 87 parcialn, 93 Laplaceova, 102, 105 vlnova, 100 Schwarz Karl, 62 sedlo, 120 Rejstrk
slozky zobrazen, 145 soucin skalarn, 69 vektorovy, 159 souradnice polarn, 41, 102 sfericke, 44, 105 souradnicove funkce, 145 stacionarn bod, 194 Taylor Brook, 108 Tayloruv vzorec, 110 tecna nadrovina, 74 tecna rovina, 78 tecny prostor, 182
vektorovy soucin, 159 Viviani Vincenzo, 183 Vivianiho krivka, 183 vrstevnice funkce, 24 veta Bolzanova, 50 Lagrangeova, 63, 69, 70, 71 prvn Bolzanova, 51 Schwarzova, 62 Taylorova, 109 Weierstrassova, 49 Weierstrass Karl, 48, 62 zobrazen, 145, 152 diferencovatelne, 147
Rejstrk

Funkce Vic Promenny

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Funkce Vic Promenny

Uploaded by

Copyright:

Available Formats

Uvodn stranka

Rejstrk Obsah Verze k tisku

Zuzana Dosla, Roman Plch, Petr Sojka

Zpet Zavrt Konec Strana 1 z 424

DIFERENCIALNI POCET FUNKCI VICE PROMENNYCH S PROGRAMEM MAPLE V

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 2 z 424

Zpet Zavrt Konec Strana 3 z 424

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 4 z 424

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 5 z 424

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 6 z 424

Predmluva Brno, prosinec 1999 Autori

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 7 z 424

Vyuzit poctace ve vy uce matematicke analy zy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 8 z 424

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 10 z 424

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 11 z 424

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 12 z 424

plot(f(x), x=3.9..4.1, y=47..58, numpoints=500, discont=true, labels=[x,y]);

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 14 z 424

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 15 z 424

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 16 z 424

Vyuzit poctace ve vyuce matematicke analyzy

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 17 z 424

Pojem funkce vce promenny ch

Pojem funkce vce promennych

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec Strana 18 z 424

Pojem funkce vce promennych

Rejstrk Obsah Verze k tisku

Zpet Zavrt Konec

To nastane prave kdyz (y 2)2 + x 2 1 0 a (x 2 + y 2 6x) 0 4 nebo (y 2)2 + x2 1 0 4

Pojem funkce vce promennych

3 2 1 1 2 3 4 5 x Rejstrk Obsah Verze k tisku

obr. 1.1 Denicn obor funkce f

Zpet Zavrt Konec Strana 20 z 424

Pojem funkce vce promennych

Rejstrk Obsah Verze k tisku

2 obr. 1.2 Zpet Zavrt Konec Strana 21 z 424

Zpet Zavrt Konec Strana 22 z 424

Pojem funkce vce promennych