MATIKA Vsetko (Mendelu - matros.cz-1STf9)

Principy matematického uvažovánı́
Lenka Viskotová, David Hampel
Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 1 / 33

Obsah přednášky
1 Základy logické výstavby matematiky

2 Čı́selné množiny
3 Základnı́ pojmy z teorie množin

PRINCIPY MATEMATICKÉHO UVAŽOVÁNÍ
Základy logické výstavby matematiky

Výrokový počet
Výrokem rozumı́me každou výpověd’, o nı́ž má smysl řı́ci, že je
pravdivá (označı́me čı́slem 1) nebo nepravdivá (označı́me čı́slem 0).
Abychom mohli označit danou větu jako výrok, nenı́ důležité, zda je
v našich možnostech o pravdivosti rozhodnout nebo ne.
Přı́klad
Věta Praděd je nejvyššı́ hora na Moravě.“ je výrokem (pravdivým).
”
Věta Čı́slo 3 je sudé.“ je výrokem (nepravdivým).
”
Věta Čı́slo 67 je velké čı́slo.“ nenı́ výrokem, nebot’ sdělenı́ je nepřesné.
”
Nevı́me, co znamená velké“ čı́slo, nedává tedy dobrý smysl o pravdivosti
”
sdělenı́ uvažovat.
Z výroků můžeme pomocı́ tzv. logických spojek vytvářet složené

výroky.
Negace výroku
Negacı́ ¬p výroku p je výrok, který je pravdivý tehdy, jestliže výrok p

je nepravdivý, a naopak je nepravdivý tehdy, jestliže p je pravdivý.
Přı́klad
Výrok p:
Všechny židle v mı́stnosti jsou obsazeny.“

”
Negace ¬p:
Všechny židle v mı́stnosti nejsou obsazeny.“

”
neboli
Alespoň jedna židle v mı́stnosti je neobsazena.“
”

Složené výroky – konjunkce, disjunkce
Konjunkce p ∧ q je výrok, který je pravdivý tehdy, jsou-li oba výroky

p, q pravdivé, a nepravdivý, je-li alespoň jeden z nich nepravdivý.
Disjunkce p ∨ q je výrok, který je pravdivý tehdy, je-li alespoň jeden
z výroků p, q pravdivý, a je nepravdivý, jsou-li oba výroky nepravdivé.
Přı́klad
Konjunkce Čı́slo 12 je dělitelné třemi a zároveň je dělitelné čtyřmi.“ je
”
pravdivý výrok.
Konjunkce Čı́slo 14 je dělitelné jedenácti a zároveň je dělitelné sedmi.“ je
”
nepravdivý výrok.
Disjunkce Čı́slo 14 je dělitelné jedenácti nebo je dělitelné sedmi.“ je

”
pravdivý výrok.
Disjunkce Čı́slo 14 je dělitelné třemi nebo je dělitelné čtyřmi.“ je nepravdivý
”
výrok.

Složené výroky – implikace
Implikace p ⇒ q je výrok, který je nepravdivý tehdy, jestliže je výrok p

pravdivý a výrok q nepravdivý; v opačném přı́padě je pravdivý.
Složený výrok p ⇒ q čteme z p vyplývá q“, p implikuje q“,

” ”
jestliže p, potom q“ apod.
”
Přı́klad
Implikace x > 2 ⇒ x 2 > 4“ je pravdivý výrok.
”
Implikace Obrazec S je čtyřúhelnı́k. ⇒ Obrazec S je čtverec.“ je nepravdivý
”
výrok.

Složené výroky – ekvivalence
Ekvivalence p ⇔ q je výrok, který je pravdivý tehdy, jestliže výroky p,

q majı́ stejnou pravdivostnı́ hodnotu; v opačném přı́padě je
nepravdivý.
Složený výrok p ⇔ q čteme p platı́, právě když platı́ q“, p platı́

” ”
tehdy a jen tehdy, když platı́ q“, p je ekvivalentnı́ s q“ apod.
”
Pravdivost ekvivalence lze posoudit i dle toho, zda implikace platı́
z obou stran.
Přı́klad
Ekvivalence xy = 0 ⇔ (x = 0 ∨ y = 0)“ je pravdivý výrok.
”
Ekvivalence x > 2 ⇔ x 2 > 4“ je nepravdivý výrok. Implikace v opačném
”
směru je nepravdivá, např. pro x = −3.

Nutná vs. postačujı́cı́ podmı́nka
Předpokládejme, že platı́ implikace p ⇒ q.
Výrok q je tzv. nutnou podmı́nkou pro p.

Výrok p je tzv. postačujı́cı́ podmı́nkou pro q.
Přı́klad
Výrok p: Osoba je otcem.“
”
Výrok q: Osoba je muž.“
”
Implikace p ⇒ q zjevně platı́.
Být mužem je tedy nutnou (nikoliv však postačujı́cı́) podmı́nkou pro
otcovstvı́.
Otcovstvı́ je postačujı́cı́ (nikoliv nutnou) podmı́nkou pro skutečnost být
mužem.

Nutná a zároveň postačujı́cı́ podmı́nka
Předpokládejme, že platı́ ekvivalence p ⇔ q.
Potom q je tzv. nutnou a postačujı́cı́ podmı́nkou pro p, a naopak.
Přı́klad
Výrok p: Daný měsı́c je únor.“
”
Výrok q: Měsı́c má méně než 30 dnı́.“.
”
Ekvivalence p ⇔ q zjevně platı́.
Počet dnı́ menšı́ než 30 je nutnou a zároveň postačujı́cı́ podmı́nkou, aby
daný měsı́c byl únorem.
Skutečnost, že daný měsı́c je únor, je nutnou a zároveň postačujı́cı́
podmı́nkou pro fakt, že má méně než 30 dnı́.

Čı́selné množiny

Čı́selné množiny
Množina všech přirozených čı́sel N:
{1; 2; 3; 4; 5; . . .}
Množina všech přirozených čı́sel včetně nuly N0 :
{0; 1; 2; 3; . . .}
Množina všech celých čı́sel Z:
{. . . ; −3; −2; −1; 0; 1; 2; 3; . . .}
Množina všech racionálnı́ch čı́sel Q:

p
p ∈ Z, q ∈ N
q

Množina všech reálných čı́sel R.

Reálná čı́sla
Množina reálných čı́sel je tvořena racionálnı́mi a iracionálnı́mi čı́sly.
Každé racionálnı́ čı́slo lze vyjádřit konečným desetinným rozvojem
nebo nekonečným periodickým rozvojem, např.
1 −700 0 5
= 0,25; = −700; = 0; − = −0,078125;
4 1 6 64
1 250
= 0,333333333333 . . . ; = 22,727272727272727 . . .
3 11
Každé iracionálnı́ čı́slo lze vyjádřit nekonečným neperiodickým
desetinným rozvojem, např.
√
2 = 1,41421356237 . . . ; e = 2,71828182845 . . .
ln 3 = 1,09861228866 . . . ; π = 3,14159265359 . . .
Každé reálné čı́slo je vyjádřitelné desetinným rozvojem a lze mu

jednoznačně přiřadit bod čı́selné osy.
Rozšı́řená množina reálných čı́sel
V diferenciálnı́m a integrálnı́m počtu funkcı́ pracujeme s tzv.

rozšı́řenou množinou reálných čı́sel R∗ :
R∗ = R ∪ {−∞; +∞}.
Body ±∞ nazýváme nevlastnı́ body.
Body množiny R nazýváme vlastnı́ body.

Operace v R∗
V rozšı́řené množině reálných čı́sel definujeme následujı́cı́ operace:
Pro −∞ < k < ∞:
k + ∞ = ∞, k − ∞ = −∞, ∞ + ∞ = ∞, −∞ − ∞ = −∞,
k k
∞ · ∞ = −∞ · (−∞) = ∞, ∞ · (−∞) = −∞, = =0.
∞ −∞
Pro 0 < k < ∞: k · ∞ = ∞, k · (−∞) = −∞.
Pro −∞ < k < 0: k · ∞ = −∞, k · (−∞) = ∞.
Přı́klad
−1 e
1 3 − ∞ = −∞; −5 + ∞ = ∞; = 0; =0
∞ −∞
∞ 1 −∞ 1
2 (−5) · ∞ = −∞; √ = √ · ∞ = ∞; = · (−∞) = −∞
2 2 π π
Operace nedefinované v R∗
Na množině R∗ nejsou definovány operace (tuto skutečnost označı́me k k)

k
, kde k ∈ R∗ ,
0

±∞
, neboli +∞ , +∞ , −∞ , −∞ ,

±∞ +∞ −∞ +∞ −∞
k±∞ · 0k, neboli k+∞ · 0k, k−∞ · 0k,
k∞ − ∞k.

P
Sumačnı́ znak
P
Sumačnı́ znak se využı́vá k zápisu součtu velkého počtu sčı́tanců,
jedná se o velké řecké pı́smeno sigma.
Přı́klady zápisu:
7
X
x3 + x4 + x5 + x6 + x7 = xi
i=3
n
X
x0 + x1 + x2 + · · · + xn = xk
k=0
V uvedených přı́kladech sumačnı́ index i představuje celá čı́sla
z intervalu h3; 7i a sumačnı́ index k celá čı́sla z intervalu h0; ni.
V zápisu se sumačnı́m znakem lze vytknout přı́padnou konstantu:
3
X 3
X
axj = ax1 + ax2 + ax3 = a (x1 + x2 + x3 ) = a xj
j=1 j=1

Sumačnı́ znak – přı́klady
Přı́klad
Aritmetický průměr n čı́sel xj :
n
1X x1 + x2 + x3 + · · · + xn
xj = .
n n
j=1
Polynom n-tého stupně proměnné x:

n
X
ak x k = a0 x 0 + a1 x 1 + a2 x 2 + · · · + an x n
k=0
= a0 + a1 x + a2 x 2 + · · · + an x n

Sumačnı́ znak – indexová množina
Zápis sumace lze vyjádřit také pomocı́ tzv. indexové množiny:

X
f (x)
x∈I
Sumace se pak provádı́ pro všechny sumačnı́ indexy x, které jsou

prvky indexové množiny I .
Přı́klad
X
Rozepište sumu x, kde I je množina všech prvočı́sel:
x∈I
X
x = 2 + 3 + 5 + 7 + 11 + 13 + 17 + · · ·
x∈I

Q
Znak produktu
Q
Znak produktu se využı́vá k zápisu součinu velkého počtu činitelů,
jedná se o velké řecké pı́smeno pı́.
Princip zápisu produktu je analogiı́ zápisu sumy, např.
n
Y
xi = xm · xm+1 · xm+2 · . . . · xn .
i=m
Přı́klad
500
Y
2i = 2 · 4 · 6 · 8 · . . . · 1000
i=1
Geometrický průměr n čı́sel xj :

v
u n √
uY
tn
xj = n x1 · x2 · x3 · . . . · xn
j=1

Faktoriál a kombinačnı́ čı́slo
k-faktoriál, k ∈ N0 , definujeme jako
0! = 1;
k! = k · (k − 1) · . . . · 3 · 2 · 1.
m

Kombinačnı́ čı́slo k m ∈ N, k ∈ N0 definujeme jako

m m!
= .
k (m − k)!k!
Přı́klad
5! = 5 · 4 · 3 · 2 · 1 = 120

5 5! 5·4·3·2·1 5·4
= = = = 10
3 2! · 3! (2 · 1) · (3 · 2 · 1) 2

m m! m m!
= = 1; = =1
0 m! · 0! m 0! · m!

m m! m · (m − 1) · . . . · 3 · 2 · 1
= = =m
1 (m − 1)! · 1! (m − 1) · (m − 2) · . . . · 3 · 2 · 1
Binárnı́ operace na čı́selných množinách
Na čı́selných množinách provádı́me tzv. binárnı́ operace, které každé

uspořádané dvojici čı́sel (a; b) přiřadı́ nejvýše jedno čı́slo z téže
množiny.
Přı́klad
1 Na množině R uvažujme operaci sčı́tánı́.
Potom dvojici čı́sel (2; 7) přiřadı́me čı́slo 2 + 7 = 9.
2 Na množině Q uvažujme operaci dělenı́.
2
Potom dvojici čı́sel (2; 7) přiřadı́me čı́slo 2 : 7 = .
7
3 Na množině N uvažujme operaci odčı́tánı́.
Potom dvojici čı́sel (2; 7) nelze přiřadit přirozené čı́slo (2 − 7). Tato operace
je ale proveditelná na množině celých čı́sel Z, nebot’ 2 − 7 = −5.
4 Na množině N uvažujme operaci umocněnı́.
Potom dvojici čı́sel (2; 7) přiřadı́me čı́slo 27 = 128.

Komutativnı́, asociativnı́ a distributivnı́ zákon
Operaci nazýváme
komutativnı́ právě tehdy, když pro každé dva prvky a, b ∈ M platı́
a b = b a,
asociativnı́ právě tehdy, když pro každé prvky a, b, c ∈ M platı́
(a b) c = a (b c),
distributivnı́ k operaci ◦ právě tehdy, když pro každé prvky a, b, c ∈ M
platı́
a (b ◦ c) = (a b) ◦ (a c).
Přı́klad
Operace sčı́tánı́ a násobenı́ čı́sel jsou komutativnı́ a asociativnı́.
Operace odčı́tánı́, operace dělenı́ nebo operace umocněnı́ dvou čı́sel
nejsou ani komutativnı́ ani asociativnı́.
Operace násobenı́ je distributivnı́ vzhledem ke sčı́tánı́ čı́sel, např.
2 · (7 + 3) = (2 · 7) + (2 · 3).
Neutrálnı́ prvek vzhledem k binárnı́ operaci
Existuje-li v čı́selné množině takové čı́slo e, že pro každé čı́slo x dané
množiny platı́ rovnost
x e = e x = x,
nazývá se toto čı́slo neutrálnı́m prvkem vzhledem k operaci .

Přı́klad
Na množině reálných čı́sel je neutrálnı́m prvek vzhledem k operaci sčı́tánı́
čı́slo 0:
x +0=0+x =x
Na množině reálných čı́sel je neutrálnı́m prvek vzhledem k operaci násobenı́

čı́slo 1:
x ·1=1·x =x

Inverznı́ prvek vzhledem k binárnı́ operaci
Je-li e neutrálnı́ prvek vzhledem k operaci a existuje-li v dané
množině k čı́slu a čı́slo ā s vlastnostı́
a ā = ā a = e,
nazýváme čı́slo ā inverznı́ prvek k a.

Přı́klad
Na množině R je vzhledem k operaci sčı́tánı́ (s neutrálnı́m prvkem 0)
inverznı́m prvkem k danému čı́slu čı́slo opačné. Např. dvojice čı́sel 2 a (−2),
nebot’ 2 + (−2) = 0, anebo dvojice (−5) a 5, nebot’ (−5) + 5 = 0.
Na množině R je vzhledem k operaci násobenı́ (s neutrálnı́m prvkem 1)
inverznı́m prvkem k danému čı́slu čı́slo převrácené. Např.dvojice čı́sel 3 a 31 ,
nebot’ 3 · 31 = 1, anebo dvojice − 17 a (−7), nebot’ − 17 · (−7) = 1.
Vzhledem k operaci násobenı́ nenı́ definován inverznı́ prvek pro čı́slo 0.
V lineárnı́ algebře danou problematiku rozšı́řı́me o operace s maticemi.

Základnı́ pojmy z teorie množin

Množina
Množinou rozumı́me soubor navzájem odlišitelných objektů chápaný

jako samostatný celek. Tyto objekty nazýváme prvky množiny.
Objektem může být čı́slo, osoba, komodita atd., množinou pak např.
skupina studentů zapsaných do předmětu Matematika.
K zápisu skutečnosti, že prvek patřı́ či nepatřı́ do dané množiny,

použijeme modifikaci symbolu řeckého pı́smena (prvek – element):
b
prvek a je prvkem množiny M“: a ∈ M
” a
prvek b nenı́ prvkem množiny M“: b 6∈ M M
”
Množina, která neobsahuje žádný prvek, se nazývá prázdná množina

a značı́me ji ∅.

Zápis množin
Zápis množiny výčtem:
Nezáležı́ na pořadı́ jednotlivých prvků.
Např. zápis množiny přirozených čı́sel 2, 3, 4:
M = {2; 3; 4}
Zápis množiny popisem:
Popis množiny může být slovnı́, např. množina všech prvočı́sel:
P = {x | x je prvočı́slo}
Popis množiny může být také matematický, např. množina všech
racionálnı́ch čı́sel většı́ch než 2 a menšı́ch než 5:
R = {x ∈ Q | 2 < x < 5}
Intervalový zápis pro podmnožiny reálných čı́sel, např.

(0; 5), 10−6 ; 106 , h−2; 7), (−3; 3i

Základnı́ čı́selné množiny majı́ své vyhrazené symboly, např. R, N, . . .

Vztahy mezi množinami I.
Rovnost množin A, B.
Dvě množiny se rovnajı́, jestliže obsahujı́ stejné prvky.
Zápis vztahu: A = B.
Např. množiny A = {2; 7; a; f } a B = {f ; 2; a; 7} se rovnajı́.
Disjunktnı́ množiny.
Jedná se o množiny, které nemajı́ žádné společné prvky.
A
B
Přı́kladem dvojice disjunktnı́ch množin je množina přirozených čı́sel

a množina záporných celých čı́sel.

Vztahy mezi množinami II.
Množina A je podmnožinou množiny B.

Každý prvek z množiny A je zároveň prvkem množiny B.
A
B
Zápis vztahu: A ⊆ B.
Např. množina A = {3; 7} je podmnožinou množiny B = {1; 3; 5; 7; 9}.
Někdy se v přı́padě, že množina B obsahuje prvky, které do množiny

A nepatřı́, použı́vá pojem vlastnı́ podmnožina a tuto skutečnost
značı́me A ⊂ B.

Základnı́ operace s množinami I.
Sjednocenı́ A ∪ B množin A, B
Jedná se o množinu všech prvků, které patřı́ do množiny A nebo do
množiny B, nebo do obou množin zároveň.
A B
Pro A = {3; 5; 7}, B = {2; 3; 4; 8} platı́ A ∪ B = {2; 3; 4; 5; 7; 8}.
Průnik A ∩ B množin A, B
Jedná se o množinu prvků, které patřı́ jak do množiny A, tak do
množiny B.
A B
Pro A = {3; 5; 7}, B = {2; 3; 4; 8} platı́ A ∩ B = {3}.

Pro dvojici disjunktnı́ch množin A, B platı́ A ∩ B = ∅.

Základnı́ operace s množinami II.
Rozdı́l A \ B množin A, B
Jedná se o množinu právě těch prvků x ∈ A, pro které platı́ x 6∈ B.
A B
Pro A = {a; b; c}, B = {a; e} platı́ A \ B = {b; c}.
Komplement Ā množiny A
Pokud pracujeme pouze s prvky množiny Ω a s jejı́mi podmnožinami,
nazýváme množinu Ω základnı́m prostorem.
Komplementem množiny A je pak množina právě těch prvků x ∈ Ω,
pro které platı́ x 6∈ A.
Ω Ā
A
Pro Ω = {1; 2; 3; 4; 5; 6; 7}, A = {3; 6; 7} platı́ Ā = {1; 2; 4; 5}.

Reference
[1] MOUČKA, Jiřı́ a Petr RÁDL. Matematika pro studenty ekonomie. 2.,
upravené a doplněné vydánı́. Praha: Grada Publishing, 2015. Expert.
ISBN 978-80-247-5406-2.
[2] SYDSÆTER, Knut, Peter J. HAMMOND, Arne STRØM a Andrés
CARVAJAL. Essential mathematics for economic analysis. Fifth
edition. Harlow: Pearson, 2016. ISBN 978-1-292-07461-0.
[3] CHIANG, Alpha C. a Kevin WAINWRIGHT. Fundamental methods of
mathematical economics. 4. vyd. Boston, Mass.: McGraw-Hill/Irwin,
c2005. ISBN 007-123823-9.

Funkce jedné proměnné
Viskotová, Hampel (ÚSO MENDELU) Funkce jedné proměnné ZS 2020/21 1 / 101

1 Pojem funkce
2 Vlastnosti funkcı́
3 Vybrané základnı́ elementárnı́ funkce
4 Operace s funkcemi. Transformace grafu
5 Polynom a racionálnı́ funkce
6 Funkce použı́vané v ekonomii
7 Závěrečné shrnutı́

FUNKCE JEDNÉ PROMĚNNÉ
Pojem funkce

Motivace
Funkce jsou důležitým pojmem prakticky ve všech oblastech čisté

i aplikované matematiky, včetně matematiky aplikované v ekonomii.
V ekonomických analýzách se setkáváme s funkcemi poptávky

a nabı́dky, nákladovými funkcemi, produkčnı́mi funkcemi, spotřebnı́mi
funkcemi atd.
O funkci jedné proměnné hovořı́me vždy, když jedna proměnná je

jednoznačně určena jinou proměnnou.

Vyjádřenı́ funkce pomocı́ rovnice
Funkce často vyjadřujeme pomocı́ rovnic.
Přı́klad
1 Proměnná obsah kruhu V je funkcı́ proměnné r (poloměru), funkce je dána
vztahem
V = πr 2 .
2 Proměnná splatná částka S při spojitém úročenı́ s počátečnı́m vkladem S0

a nominálnı́ úrokovou mı́rou i je funkcı́ proměnné t (času), funkce je dána
vztahem
S = S0 eit .
S0 , i, e (e je tzv. Eulerovo čı́slo) představujı́ konstanty.

Vyjádřenı́ funkce pomocı́ tabulky
Skutečnost, že jedna proměnná je jednoznačně určena jinou

proměnnou, lze v některých přı́padech vyjádřit tabulkou.
Přı́klad
Plat úřednı́ků státnı́ a veřejné správy v 10. platové třı́dě (vysokoškolské
bakalářské nebo vyššı́ odborné vzdělánı́) lze chápat jakožto funkci vzhledem
k platovému stupni (délka praxe).
Daný vztah znázorňuje následujı́cı́ tabulka:

Platový 1 2 3 4 5 6 7 8 9 10 11 12
stupeň do 1 roku do 2 let do 4 let do 6 let do 9 let do 12 let do 15 let do 19 let do 23 let do 27 let do 32 let nad 32 let
Hrubá
mzda 21 260 22 010 22 800 23 610 24 440 25 290 26 200 27 120 28 100 29 090 30 150 31 240
Zdroj: NAŘÍZENÍ VLÁDY č. 300/2019 Sb.

Vyjádřenı́ funkce pomocı́ grafu
Vztah mezi dvěma proměnnými lze ilustrovat rovněž na grafu.
V mnohých situacı́ch je vyjádřenı́ funkce pomocı́ grafu vhodnějšı́.
Např. křivka EKG umožnı́ lékaři rychle porozumět charakteru

závislosti elektrické aktivity srdce na čase nežli je tomu v přı́padě
vyjádřenı́ téhož pomocı́ matematické rovnice.

Vyjádřenı́ funkce pomocı́ grafu – přı́klad
Přı́klad
Tzv. Lafferova křivka popisuje vztah celkové sumy vybraných danı́ na
mı́ře zdaněnı́. I bez znalostı́ dané teorie jsme z grafu schopni vyčı́st
základnı́ informace.
daňový výnos
mı́ra zdaněnı́
0 a 100
V extrémnı́m přı́padě 0% zdaněnı́ je daňový výnos nulový, u 100%
sazby se taktéž očekává téměř nulový přı́jem, nevyplatı́“ se totiž
”
pracovat. Maximálnı́ daňový výnos lze očekávat pro mı́ru zdaněnı́ a,
nad tuto hranici se dle této teorie projevı́ zvýšenı́ daňové sazby
poklesem daňového přı́jmu.
Definice funkce
Definice
Reálná funkce f na množině D ⊆ R je předpis, podle kterého je každému
x ∈ D přiřazeno právě jedno reálné čı́slo y .
Množina D se nazývá definičnı́ obor funkce f . Použı́vá se značenı́ Df .
Množina H všech reálných čı́sel y , která dostaneme pro všechna

x ∈ D, se nazývá obor hodnot funkce f . Použı́vá se také značenı́ Hf .
x se nazývá argument nebo také nezávisle proměnná.
y se nazývá funkčnı́ hodnota nebo také závisle proměnná.

Zápis funkcı́
V přı́padě funkce definované rovnicı́ použı́váme zápis
y = f (x).
Např. rovnicı́
y = 8x 2 + 3x + 2
je dána funkce jakožto pravidlo, které každému x přiřadı́ čı́slo
8x 2 + 3x + 2. Napřı́klad čı́slu x = 1 je přiřazeno čı́slo 13.
Funkci i jejı́ argument lze značit různými pı́smeny. Následujı́cı́ zápisy

vyjadřujı́ tutéž funkci:
f (x) = x 4 , g (t) = t 4 , ϕ(ξ) = ξ 4 .

Zápis funkcı́ – přı́klad 1
Přı́klad
Zapište funkci, která každému reálnému čı́slu přiřadı́ jeho třetı́ mocninu.
Řešenı́:
Označı́me-li tuto funkci f , můžeme psát f (x) = x 3 .
Např. f (0) = 03 = 0, f (3) = 33 = 27, f (−2) = (−2)3 = −8,

3
f 14 = 14 = 64 1

.
Ne vždy dosazujeme jen konkrétnı́ čı́sla:

pro x = a + 1 platı́
f (a + 1) = (a + 1)3 = a3 + 3a2 + 3a + 1.
Df = R, Hf = R.

Přı́klad (zdroj [2])

Celkové náklady na výrobu x jednotek (x ∈ N0 ) jistého zbožı́ jsou dány
vztahem √
C (x) = 100x x + 500.
Určete náklady na výrobu 16 jednotek zbožı́.

Předpokládejme, že firma vyrobı́ a jednotek zbožı́. Určete, jak se
změnı́ náklady při navýšenı́ množstvı́ zbožı́ o jednu jednotku.
Řešenı́:
√
C (16) = 100 · 16 16 + 500 = 100 · 16 · 4 + 500 = 6900
√ √
C (a + 1) − C
√(a) = 100(a + 1) a + 1 + 500 − (100a a + 500) =
√
100 (a + 1) a + 1 − a a

V ekonomických teoriı́ch se často vyskytujı́ parametry. Předchozı́ přı́klad
lze modifikovat následovně:
Celkové náklady na výrobu x jednotek (x ∈ N0 ) jistého zbožı́ jsou dány
vztahem √
C (x) = Ax x + B,
kde A a B jsou jisté konstanty.
Určete náklady na výrobu 0 jednotek, 10 jednotek a x + h jednotek.
Řešenı́:
√
C (0) = A · 0 0 + B = B; parametr B představuje fixnı́ náklady.
√
C (10) = A · 10 10 + B.
√
C (x + h) = A(x + h) x + h + B

Definičnı́ obor funkce
U funkcı́ zadaných matematickou rovnicı́ platı́ konvence, že definičnı́

obor, pokud nenı́ řečeno jinak, je tvořen všemi hodnotami nezávisle
proměnné, pro které je daný matematický výraz definován.
Přı́klad
Určete definičnı́ obor funkce:
1−x √ √
3
a) y = , b) y = x − 3, c) y = x + 1.
2+x
Řešenı́:
a) D = R \ {−2}, b) D = h3; ∞), c) D = R.

Definičnı́ obor funkce v ekonomických aplikacı́ch
V ekonomických aplikacı́ch často docházı́ k explicitnı́mu zúženı́“

”
definičnı́ho oboru (např. z množiny reálných čı́sel na množinou
kladných reálných čı́sel).
Přı́klad
V přı́kladu na slajdu 12 může být vhodnějšı́ namı́sto množiny N0 uvažovat
definičnı́ obor {0, 1, 2, . . . , x0 }, kde x0 je maximálnı́ množstvı́ jednotek, které
může firma vyrobit.
Pokud výstupem ve výrobě bude proměnná spojitého charakteru (v hornictvı́

např. hmotnost), bude definičnı́m oborem interval h0; x0 i.

Graf funkce
Definice
Graf funkce f je množina všech bodů v rovině o souřadnicı́ch [x; f (x)],
přičemž x ∈ Df .
Je obvyklé vykreslovat grafy funkcı́ v pravoúhlém souřadném systému

tak, že vodorovná osa představuje nezávisle proměnnou (argument)
funkce a svislé osa závisle proměnnou (funkčnı́ hodnotu).
Definičnı́ obor Df představuje průmět grafu na osu argumentů a obor
hodnot Hf je průmětem grafu funkce na osu funkčnı́ch hodnot.
y
f
Hf
0 Df x
Křivka v rovině jakožto graf funkce jedné proměnné
Libovolná rovnoběžka s osou funkčnı́ch hodnot protı́ná graf funkce
nejvýše v jednom bodě. V opačném přı́padě by byla narušena
požadovaná jednoznačnost v definici funkce jedné proměnné.
Přı́klad
křivka je grafem funkce křivka nenı́ grafem funkce
y y x =4
2
a m
b x 0 4 x
n
−2
D = ha; 0) ∪ (0; bi Např. přı́mka x = 4 protı́ná graf ve

H = (−∞; ni ∪ hm; +∞) dvou bodech [4; 2] a [4; −2].
Vlastnosti funkcı́

Monotónnost funkce
Definice
Řı́káme, že funkce f je na intervalu I , na kterém je definovaná:
rostoucı́, jestliže pro každé x1 < x2 , x1 , x2 ∈ I , je f (x1 ) < f (x2 ),
klesajı́cı́, jestliže pro každé x1 < x2 , x1 , x2 ∈ I , je f (x1 ) > f (x2 ),
neklesajı́cı́, jestliže pro každé x1 < x2 , x1 , x2 ∈ I , je f (x1 ) ≤ f (x2 ),
nerostoucı́, jestliže pro každé x1 < x2 , x1 , x2 ∈ I , je f (x1 ) ≥ (x2 ).
Má-li funkce některou z uvedených vlastnostı́, nazývá se monotónnı́.
Rostoucı́ a klesajı́cı́ funkce se nazývajı́ ryze monotónnı́.

Ryze monotónnı́ funkce – přı́klad
Přı́klad
Graf rostoucı́ funkce a graf klesajı́cı́ funkce:
y y
f (x2 ) f
f (x1 )
x1 x2
0 x2 x x1 0 x
f (x1 )
f f (x2 )
x1 < x2 ⇒ f (x1 ) < f (x2 ) x1 < x2 ⇒ f (x1 ) > f (x2 )

Neryze monotónnı́ funkce – přı́klad
Přı́klad
Graf neklesajı́cı́ funkce a graf nerostoucı́ funkce:
y y
f
f (x2 )
f (x1 )
x1 x2
0 x2 x x1 0 x
f (x1 )
f f (x2 )
x1 < x2 ⇒ f (x1 ) ≤ f (x2 ) x1 < x2 ⇒ f (x1 ) ≥ f (x2 )

Ohraničenost funkce
Definice
Řı́káme, že funkce f je na množině M, na které je definovaná:
ohraničená zdola, jestliže existuje čı́slo d takové, že pro každé x ∈ M
je f (x) ≥ d,
ohraničená shora, jestliže existuje čı́slo h takové, že pro každé x ∈ M
je f (x) ≤ h,
ohraničená, jestliže je na M ohraničená zdola i shora.
V literatuře se pro ohraničenost použı́vá také pojem omezenost.

Ohraničenost funkce – přı́klad
Přı́klad
f : y = sin x je ohraničená (je ohraničená shora i zdola),

g: y= x3 nenı́ ohraničená,
h: y = x2 je ohraničená zdola (nenı́ ale ohraničená).
y y y
f g h
0 x 0 x 0 x

Parita funkce
Definice
Necht’ definičnı́ obor funkce f obsahuje s každým bodem x také bod −x.
Funkce f se nazývá:
sudá, jestliže pro každé x ∈ Df platı́ f (−x) = f (x),
lichá, jestliže pro každé x ∈ Df platı́ f (−x) = −f (x).
Přı́klad
Funkce f (x) = x 2 je sudá, nebot’ x 2 = (−x)2 .
Funkce f (x) = x 3 je lichá, nebot’ x 3 = −(−x)3 .
Graf sudé funkce je souměrný podle osy y .
Graf liché funkce je souměrný podle počátku soustavy souřadnic [0; 0].

Grafy lichých a sudých funkcı́
Přı́klad
y y
0 x x
0
y y
0 x x
0

Periodická funkce
Definice
Necht’ definičnı́ obor funkce f obsahuje s každým bodem x také bod x + p,
kde p > 0.
Jestliže platı́ f (x + p) = f (x), nazývá se funkce f periodická s periodou p.
Přı́klad
Goniometrické funkce sinus a kosinus majı́ základnı́ periodu 2π.
y
1 y = sin x
−2π 0 π 3π 5π x
−π 2π 4π 6π
−1
základnı́ perioda
Prostá funkce
Definice
Funkce f se nazývá prostá na množině M, na které je definovaná, jestliže
pro každé x1 6= x2 ∈ M je f (x1 ) 6= f (x2 ).
U prosté funkce každá funkčnı́ hodnota odpovı́dá jednomu argumentu.
Přı́klad
Funkce y = x 3 je prostá na celém svém definičnı́m oboru.
Funkce y = x 2 nenı́ prostá na svém celém definičnı́m oboru.
Věta
Je-li funkce na množině M rostoucı́ nebo klesajı́cı́ (tj. ryze monotónnı́),
pak je zde prostá.

Graf prosté funkce
Graf prosté funkce y = f (x) protı́ná libovolná rovnoběžka s osou x
nejvýše v jednom bodě.
Přı́klad
y y
0 x 0 x
je prostá funkce nenı́ prostá funkce

Inverznı́ funkce – motivace (zdroj [2])
Uvažujme funkci poptávky D, kde poptávané množstvı́ Q daného

zbožı́ závisı́ na ceně P:
30
Q= √ 3
.
P
Např. pro cenu P = 27 dostáváme poptávané množstvı́
30 30
D(27) = √
3
= = 10.
27 3
Je zřejmé, že s rostoucı́ cenou klesá poptávané množstvı́, funkce D je

tedy klesajı́cı́.
V ekonomii je ale přirozené podı́vat se na problematiku z druhé

strany, tj. jaká má být cena v závislosti na poptávaném množstvı́.

Inverznı́ funkce – motivace
Uvažujeme tedy tzv. inverznı́ funkci, kde cena P závisı́ na množstvı́ Q:

30
Q= √3
P
√
3 30
P=
Q
27000
P=
Q3
Napřı́klad poptávanému množstvı́ Q = 10 odpovı́dá cena
27000
P= = 27.
103
30 27000
Řekneme, že obě funkce Q = √ aP= jsou vzájemně
3
P Q3
inverznı́ a nesou stejnou informaci, jen způsob vyjádřenı́ je odlišný.

Inverznı́ funkce
Definice
Necht’ f je prostá funkce.
Funkce f −1 , která každému y ∈ Hf přiřazuje právě to x ∈ Df , pro které
platı́ y = f (x), se nazývá funkce inverznı́ k funkci f.
Pro vzájemně inverznı́ funkce f a f −1 platı́ Df = Hf −1 a Df −1 = Hf .
Grafy vzájemně inverznı́ch funkcı́ jsou souměrné podle osy 1. a 3.

kvadrantu, tj. podle přı́mky y = x.
Je-li funkce f rostoucı́ (resp. klesajı́cı́, resp. lichá), má tutéž vlastnost
i funkce inverznı́ f −1 .
Přı́klad
Grafem inverznı́ funkce v předchozı́m přı́kladu na slajdu 30 je tedy opět
klesajı́cı́ křivka, což je v souladu s teoriı́ poptávky.

Grafy vzájemně inverznı́ch funkcı́ – přı́klad
Přı́klad
y
f
3
f −1
−3 3 x
y =x
−3
Df = h−3; ∞) = Hf −1 , Hf = h0; ∞) = Df −1 .
Obě křivky jsou rostoucı́.

Vybrané základnı́ elementárnı́ funkce

Konstantnı́ funkce
Definice
Funkce, která každému x ∈ R přiřazuje totéž reálné čı́slo k, se nazývá
konstantnı́ funkce. Zapisujeme ji y = k.
Grafem konstantnı́ funkce je přı́mka rovnoběžná s osou x.
Přı́klad
Graf funkce y = 7:
y
7
y =7
0 x

Mocninné funkce
Definice
Funkce a) y = x n Df = (−∞; ∞),
1
b) y = x −n = Df = (−∞; 0) ∪ (0; ∞),
xn
1 √
c) y = x r = r x Df = h0; ∞) pro r sudé,
Df = (−∞; ∞) pro r liché,
kde n ∈ N, r ∈ N \ {1}, se nazývajı́ mocninné funkce.
Přı́klad
y = x, y = x 2 , y = x 3 atd.
y = x1 , y = x12 atd.
1 √ 1 √
y = x 2 = x, y = x 3 = 3 x atd.

Graf mocninné funkce y = x n , n ∈ N
Pro n = 1 je grafem přı́mka (osa 1. a 3. kvadrantu).
Pro n > 1 jsou grafem paraboly lichého a sudého stupně.
Přı́klad
n liché n sudé
y y =x 3 y y =x 6
y =x 5
y =x y =x 4
y =x 2
1 3
x
−1 0 1 2
−1
1
x
−1 0 1

1
Graf mocninné funkce y = x −n = ,n∈N
xn
Grafem jsou hyperboly lichého a sudého stupně.
Přı́klad
n liché n sudé
y y
y = x1 y = 12
x
1
1
−1
0 1 x −1 0 1 x
−1

1 √
Graf mocninné funkce y = x n = n
x, n ∈ N
√
n
Funkce y = x se často označuje jako iracionálnı́ funkce.
√
Nejčastěji se ve výpočtech vyskytuje druhá odmocnina y = x,
grafem je tzv. odmocninná křivka.
Přı́klad
y
√
y= x
0 x
Exponenty v podobě zlomků se v ekonomii často vyskytujı́

u produkčnı́ch funkcı́, kdy pracujeme např. s matematickými výrazy
1 1
Y = K 2 L2 , Y = 2,262 · K 0,203 · L0,763 · (1,02)t apod.

Exponenciálnı́ funkce
Definice
Funkce y = ax , a > 0, a 6= 1, Df = (−∞; ∞) se nazývá exponenciálnı́
funkce o základu a.
0<a<1 a>1
y y
1
1
x x
0 0
Uvědomme si, že u mocninné funkce je argument funkce x v základu,
u exponenciálnı́ funkce je argument funkce v exponentu.
Exponenciálnı́ funkce – přı́klad
Částka, kterou zı́skáme spořenı́m z počátečnı́ho vkladu K za t let při
každoročnı́m úročenı́ s ročnı́ úrokovou mı́rou p %, je dána vztahem
p t
y =K 1+ .
100
Tudı́ž např. pro počátečnı́ vklad K = 1 Kč a úrokovou mı́ru p = 8 %
dostáváme exponenciálnı́ funkci f proměnné t
8 t

f (t) = 1 · 1 + = 1,08t
100
Základem exponenciálnı́ funkce f je a = 1,08 > 1, exponenciálnı́

funkce je tedy dle očekávánı́ rostoucı́:
t 1 2 5 10 20 30 50 100 200
1,08t 1, 08 1,17 1,47 2,16 4,66 10,06 46,90 2 199,76 4 838 949,60

Přirozeně exponenciálnı́ funkce
Důležitým přı́padem exponenciálnı́ funkce je tzv. přirozeně
exponenciálnı́ funkce
y = ex
a jejı́ varianta x
1 1
y= = x = e−x .
e e
y
y = e−x y = ex
1
0 x
Eulerovo čı́slo e je iracionálnı́ čı́slo, jehož přibližná hodnota je
.
e = 2, 718281828459045 . . .
Logaritmická funkce – motivačnı́ přı́klad
Uvažujme situaci v přı́kladu na slajdu 40 a úlohu obrat’me: Kolik let
v rámci daného spořenı́ potrvá, než zı́skáme 1 000 Kč?
Exponenciálnı́ funkce pro daný vklad má tvar f (t) = 1,08t .
Náš úkol je najı́t takové t, pro které platı́ vztah 1000 = 1,08t . Ptáme
se tedy, čı́m umocnit čı́slo 1,08, abychom dostali čı́slo 1000.
Funkci vyjadřujı́cı́ závislost proměnné t na částce u tak, aby platilo
u = 1,08t ,
nazveme logaritmickou funkcı́ a budeme ji značit
t = log1,08 u.
Výslednou hodnotu proměnné t z našeho přı́kladu tedy zapı́šeme jako

.
log1,08 1000 a vypočı́táme pomocı́ kalkulačky (t = 90).
Logaritmická funkce
Logaritmicku funkcı́ y = loga x nazveme funkci inverznı́

k exponenciálnı́ funkci y = ax , přičemž a > 0, a 6= 1.
Pro logaritmickou funkci y = loga x platı́, že Df = (0, ∞), Hf = R.

y
0<a<1 a>1 y = ax
y y =x
y =x
1
0 1 x
1 y = ax
y = loga x
0 1 x
y = loga x

Výpočetnı́ vztah mezi exponenciálnı́ a logaritmickou funkcı́
Věta
Logaritmická a exponenciálnı́ funkce o stejném základu a jsou vzájemně
inverznı́ a platı́ pro ně vztah
loga u = v
právě tehdy, když platı́ vztah

u = av .
Přı́klad
log2 8 = 3 ⇔ 23 = 8, log2 1
16 = −4 ⇔ 2−4 = 16
1
,
−2 3
log 1 9 = −2 ⇔ 13 1
= 3 ⇔ 31 = 271

= 9, log 1 27 ,
3 3
loga a = 1 ⇔ a1 = a, loga 1 = 0 ⇔ a0 = 1.
Z posledně uvedeného vztahu vyplývá, že logaritmus čı́sla 1 o libovolném

základu a se rovná 0.
Přirozeně logaritmická funkce
Logaritmická funkce o základu e se nazývá přirozeně logaritmická

funkce.
Pro přirozeně logaritmickou funkci nepoužı́váme zápis y = loge x, ale
pı́šeme
y = ln x.
Přı́klad
ln 1 = 0, ln e5 = 5,
ln e = 1, ln 1e = −1,
√
ln e2 = 2, ln e = 12 .
Základ přirozeného logaritmu (tj. Eulerovo čı́slo) je čı́slo většı́ než 1,

křivka přirozeného logaritmu je tedy rostoucı́.

Pravidla pro počı́tánı́ s logaritmy
Vzorce uvádı́me pro přirozený logaritmus, dajı́ se ale zobecnit na
logaritmus o libovolném přı́pustném základu:
ln(uv ) = ln u + ln v
u
ln = ln u − ln v
v
ln (u r ) = r · ln u, (u, v > 0)
Přı́klad
Rovnici ab x − c = 0 zlogaritmujeme následovně:
ab x = c
ln (ab x ) = ln c
ln a + ln b x = ln c
ln a + x ln b = ln c

Goniometrické funkce
Rozlišujeme čtyři goniometrické funkce:

funkce sinus y = sin x,
funkce kosinus y = cos x,
funkce tangens y = tan x (dle původnı́ normy y = tg x),
funkce kotangens y = cot x (dle původnı́ normy y = cotg x).
Základnı́ vztahy mezi goniometrickými funkcemi:
sin 2x = 2 · sin x · cos x, cos 2x = cos2 x − sin2 x
sin2 x + cos2 x = 1
sin x cos x
tan x = , cot x =
cos x sin x

Funkčnı́ hodnoty goniometrických funkcı́
π π π π
x 0 6 4 3 2
√ √
1 2 3
sin x 0 2 2 2 1
√ √
3 2 1
cos x 1 2 2 2 0
√
3
√
tan x 0 3 1 3 −
√ √
3
cot x − 3 1 3 0
Tabulkové hodnoty funkcı́ tangens a kotangens nenı́ nutné si

pamatovat, lze je odvodit pomocı́ předchozı́ch vzorců.
Přı́klad
√
sin π4 2 cos π3 1 √
3
tan π4 = = √2 =1 cot π3 = = √2 = √1 =
cos π4 2 sin π3 3 3 3
2 2

Goniometrická funkce y = sin x
y
y = sin x
1
−π − π2 3π
2 2π
0 π π x
2
−1
Vlastnosti:
Df = R, Hf = h1; 1i, lichá, ohraničená, periodická (perioda 2π).
Funkce nenı́ prostá na Df , prostá je např. na intervalu − π2 ; π2 .


Goniometrická funkce y = cos x
y
y = cos x
1
−π − π2 π
2 π
3π
2
0 2π x
−1
Vlastnosti:
Df = R, Hf = h1; 1i, sudá, ohraničená, periodická (perioda 2π).
Funkce nenı́ prostá na Df , prostá je např. na intervalu h0; πi.

Goniometrická funkce y = tan x
y
y = tan x
− 3π −π − π2 0 π π 3π x
2 2 2
Vlastnosti:
Df = R − {(2k + 1) π2 , k ∈ Z}, Hf = R, lichá, periodická (perioda π).
Funkce nenı́ prostá na Df , prostá je např. na intervalu − π2 ; π2 .


Goniometrická funkce y = cot x
y
y = cot x
− 3π −π − π2 0 π π 3π x
2 2 2
Vlastnosti:
Df = R − {kπ, k ∈ Z}, Hf = R, lichá, periodická (perioda π).
Funkce nenı́ prostá na Df , prostá je např. na intervalu (0; π).
Cyklometrické funkce
Cyklometrické funkce jsou definovány jakožto inverznı́ funkce
k funkcı́m goniometrickým.
V tomto okamžiku je ale nutné uvažovat goniometrické funkce pouze
na intervalech, na nichž jsou prosté (viz předchozı́ obrázky):
y = sin x, D = − π2 ; π2 , H = h−1; 1i

y = cos x, D = h0; πi, H = h−1; 1i

y = tan x, D = − π2 ; π2 , H = R

y = cot x, D = (0; π), H = R
Rozlišujeme čtyři cyklometrické funkce:

funkce arkussinus y = arcsin x , D = h−1; 1i, H = − π2 ; π2

funkce arkuskosinus y = arccos x , D = h−1; 1i, H = h0; πi
funkce arkustangens y = arctan x , D = R, H = − π2 ; π2 ,

funkce arkuskotangens y = arccot x , D = R, H = (0; π).

Výpočet hodnot cyklometrických funkcı́
Funkce y = arcsin x přiřazuje každému x ∈ D takové y ∈ H,
pro které platı́ sin y = x.
Funkce y = arccos x přiřazuje každému x ∈ D takové y ∈ H,
pro které platı́ cos y = x.
Funkce y = arctan x přiřazuje každému x ∈ D takové y ∈ H,
pro které platı́ tan y = x.
Funkce y = arccot x přiřazuje každému x ∈ D takové y ∈ H,
pro které platı́ cot y = x.
Přı́klad
Vypočtěte: 1 arcsin 12 , 2 arccot 1.
Řešenı́:
Hledáme takové y ∈ H = − π2 ; π2 , aby platilo sin y = 12 .

1
Protože sin π6 = 12 , potom y = arcsin 12 = π6 .

2 Hledáme takové y ∈ H = (0; π), aby platilo cot y = 1.
Protože cot π4 = 1, potom y = arccot 1 = π4 .
Cyklometrická funkce y = arcsin x
y =arcsin x
π
2
−π − π2 −1 2π
0 1 π π x
2
y =sin x
−1
y =x − π2
Vlastnosti:
Df = h−1; 1i, Hf = − π2 ; π2 .

Funkce je rostoucı́, lichá, ohraničená.

Cyklometrická funkce y = arccos x
π
y =arccos x
π
2
y =x
1
− π2 π
2 π
−1 0 1 x
y =cos x
−1
Vlastnosti:
Df = h−1; 1i, Hf = h0; πi.
Funkce je klesajı́cı́ a ohraničená.
Cyklometrická funkce y = arctan x
y =x
π
2
y =arctan x
− π2 0 π x
2
− π2
y =tan x
Vlastnosti:
Df = R, Hf = − π2 ; π2 .

Funkce je rostoucı́, lichá a ohraničená.

Cyklometrická funkce y = arccot x
π
2
y = arccot x
−π − π2 0 π π x
2
y =cot x
y =x
Vlastnosti:
Df = R, Hf = (0; π).
Funkce je klesajı́cı́ a ohraničená.
Operace s funkcemi. Transformace grafu

Složená funkce
Definice
Necht’ jsou dány funkce f a g . Funkce f ◦ g definovaná předpisem
(f ◦ g )(x) = f (g (x)) ,
jejı́ž definičnı́ obor tvořı́ všechna x ∈ Dg , pro která g (x) ∈ Df , se nazývá

složená funkce z funkcı́ g a f .
Funkce g se nazývá vnitřnı́ složka, funkce f vnějšı́ složka složené funkce
y = f (g (x)).
Přı́klad
√ √
1 h:y = ln x, vnitřnı́ složka g : u = ln x, vnějšı́ složka f : y = u.
2 h:y = sin x 3 , vnitřnı́ složka g : u = x 3, vnějšı́ složka f : y = sin u.
3
3 h : y = sin x, vnitřnı́ složka g : u = sin x, vnějšı́ složka f : y = u 3 .

Složené funkce – přı́klady
Je nutné odlišit, která složka je ve složené funkci vnitřnı́ a která vnějšı́.
Přı́klad
Pro funkce f , g dané předpisy f (x) = x 3 , g (x) = 2 − x 2 určete složené
funkce f ◦ g , g ◦ f , f ◦ f a g ◦ g .
Řešenı́:
3
f ◦ g = f (g (x)) = 2 − x 2
2
g ◦ f = g (f (x)) = 2 − x 3 = 2 − x 6 6= f ◦ g
3
f ◦ f = f (f (x)) = x 3 = x 9
2
g ◦ g = g (g (x)) = 2 − 2 − x 2 = −x 4 + 4x 2 − 2

Složená funkce tvořená vı́ce složkami
Přı́klad
√
Z funkcı́ f (x) = ln x, g (x) = x 2 , u(x) = cos x, v (x) = x sestavte funkci
f ◦ g ◦ u ◦ v.
Určete funkčnı́ hodnotu této složené funkce pro x = π 2 .
Řešenı́:
√ √ 2
y = ln cos2 x = ln cos
x
√ 2
(f ◦ g ◦ u ◦ v ) π 2 = ln cos π 2 = ln (cos π)2 = ln(−1)2 = ln 1 = 0


Skládánı́ vzájemně inverznı́ch funkcı́
Pro vzájemně inverznı́ funkce f a f −1 platı́:
1 f −1 (f (x)) = x pro každé x ∈ Df ,
f f −1 (x) = x pro každé x ∈ Df −1 .

2
Přı́klad
Pro všechna x, pro která majı́ uvedené operace smysl, platı́:
1 x = ln (ex ) = eln x ,
2 x = sin(arcsin x) = arcsin(sin x),
3 x = arctan(tan x) = tan(arctan x),
√ 2 √ 2
4 x= x = x .
Pro tzv. obecnou mocninu y = x r , r ∈ R, x ∈ (0, ∞) můžeme psát

r
x r = eln(x ) = er ln x .

Elementárnı́ funkce
Elementárnı́ funkce vznikajı́ z konečného počtu základnı́ch
elementárnı́ch funkcı́ konečným počtem operacı́ sčı́tánı́, odčı́tánı́,
násobenı́, dělenı́ a skládánı́ funkcı́:
(f + g )(x) = f (x) + g (x)
(f − g )(x) = f (x) − g (x)
(fg )(x) = f (x)g (x)

f f (x)
(x) =
g g (x)
Skládánı́ funkcı́.
Přı́klad
Uvažujme funkci TR(Q) celkových přı́jmů z prodeje Q jednotek zbožı́
a funkci TC (Q) celkových nákladů na výrobu Q jednotek (Q > 0). Funkce
zisku PR(Q) je pak dána rozdı́lem těchto funkcı́:
PR(Q) = TR(Q) − TC (Q).

Určovánı́ definičnı́ho oboru – shrnutı́
Při určovánı́ definičnı́ho oboru elementárnı́ch funkcı́ bereme na zřetel

následujı́cı́ omezenı́:
g (x)
y= ⇒ f (x) 6= 0
f (x)
p
2n
y= f (x), n ∈ N ⇒ f (x) ≥ 0
y = loga f (x), a > 0, a 6= 1 ⇒ f (x) > 0
y = arcsin f (x), y = arccos f (x) ⇒ −1 ≤ f (x) ≤ 1
π
y = tan f (x) ⇒ f (x) 6= (2k + 1) , k ∈ N
2
y = cot f (x) ⇒ f (x) 6= kπ, k ∈ N

Přı́klad
arccos(2x − 1)
Určete definičnı́ obor funkce f : y = .
x −1
Řešenı́:
Vzhledem k tomu, že cyklometrická funkce arkuskosinus je definována
na intervalu h−1; 1i a jmenovatel nesmı́ být roven 0, dostáváme
2x − 1 ≥ −1 ∧ 2x − 1 ≤ 1 ∧ x − 1 6= 0
2x ≥ 0 2x ≤ 2 x 6= 1
x ≥0 x ≤1
Df = h0; 1)

Vybrané transformace grafu funkce I.
Vynásobenı́ funkčnı́ hodnoty funkce y = f (x) čı́slem (−1):
y = −f (x)
Grafy funkcı́ y = −f (x) a y = f (x) jsou souměrné podle osy x.

Vynásobenı́ argumentu funkce y = f (x) čı́slem (−1):
y = f (−x)
Grafy funkcı́ y = f (−x) a y = f (x) jsou souměrné podle osy y .

Přı́klad
y √ y √
y= x y= x
√
y = −x
0 x 0 x
√
y =− x

Vybrané transformace grafu funkce II.
Přičtenı́ čı́sla n k funkčnı́ hodnotě funkce y = f (x):
y = f (x)+n
Graf funkce y = f (x) + n je posunutı́m grafu funkce y = f (x)

o hodnotu n ve směru osy y (n > 0 ↑, n < 0 ↓).
Přičtenı́ čı́sla m k argumentu funkce y = f (x):
y = f (x+m)
Graf funkce y = f (x + m) je posunutı́m grafu funkce y = f (x)

o hodnotu m ve směru osy x (m > 0 ←, m < 0 →).
V přı́padě, že posouváme graf funkce se změnou znaménka
argumentu, je nutné pro určenı́ směru posunutı́ podél osy x nejdřı́ve
toto znaménko −“ vytknout:
”
f (−x + m) = f [−(x−m)]
Přı́klad
Nakreslete graf funkce f : y = − ln(3 − x) − 1.
Řešenı́:
Stanovı́me výsledný tvar křivky:
y y y
0 1 x −1 0 x −1 0 x
y =ln x y =ln(−x) y =− ln(−x)
Pro určenı́ směru posunutı́ nejdřı́ve vytkneme v argumentu znaménko:

y = − ln (−(x − 3)) − 1, posunutı́ o 3 →, posuntı́ o 1 ↓.
Graf hledané funkce odpovı́dá posunutı́ o hodnotu 3 ve směru osy x
a o hodnotu (−1) ve směru osy y . y
[1;0]→[−1;0]→[−1;0]→[2;−1] 0 2 3 x
−1
f

Funkce definované po částech
V pravděpodobnostnı́m počtu, statistice i ekonomických aplikacı́ch se

setkáváme s tzv. funkcemi definovanými po částech.
Přı́klad

 −x pro x ≤ 0,
f (x) = x2 pro 0 < x ≤ 1,
 3
2 pro x > 1.
3
2
f (x) 1
0 1 x

Funkce definované po částech – přı́klady
Přı́klad
Absolutnı́ hodnotu |x| vyjádřı́me jako

−x pro x < 0,
f (x) =
x pro x ≥ 0,
y
f (x)
0 x
Progresivnı́ zdaněnı́ přı́jmů lze také chápat jako funkci definovanou po

částech.

Polynom a racionálnı́ funkce

Polynom – zavedenı́ pojmu
Definice
Funkce
y = Pn (x) = an x n + an−1 x n−1 + an−2 x n−2 + . . . + a2 x 2 + a1 x + a0 ,
kde a0 , a1 , . . . , an ∈ R, an 6= 0, n ∈ N0 , se nazývá polynom stupně n nebo

polynom n-tého stupně. Čı́sla a0 , . . . , an se nazývajı́ koeficienty polynomu.
Výraz an x n nazveme vedoucı́ člen polynomu.
Polynom stupně 0: konstantnı́ funkce P0 (x) = a0

Polynom stupně 1: lineárnı́ funkce P1 (x) = a1 x + a0
(grafem je přı́mka)
Polynom stupně 2: kvadratická funkce P2 (x) = a2 x 2 + a1 x + a0
(grafem je parabola)
Polynom stupně 3: kubická funkce P3 (x) = a3 x 3 + a2 x 2 + a1 x + a0
Polynom – přı́klady
Přı́klad
P4 (x) = x 4 − 9x 2 + 4x + 12
P5 (x) = x 5 + 2x + 7
P1 (x) = 2x + 1
P0 (x) = 3
P2 (x) = x 2 − 1
Křivka celkových nákladů TC (Q) = Q 3 − 6Q 2 + 30Q + 80 vzhledem
k počtu jednotek zbožı́ Q je polynomem 3. stupně.
Přı́klad
Přı́klad funkcı́, které nejsou polynomem:
1
y =5+ x2
1
y= x 3 −x+2

Kořen polynomu
Čı́slo c se nazývá kořen polynomu P(x), jestliže platı́ P(c) = 0. Jedná

se tedy o nulový bod funkce neboli bod, kde graf funkce protı́ná osu x.
Polynom stupně n má nejvýše n reálných kořenů, ale také nemusı́ mı́t
žádný reálný kořen (např. polynom y = x 100 + 1).
Polynom lichého stupně má vždy alespoň jeden reálný kořen.
Je-li c kořenem polynomu P(x), pak výraz (x − c) nazýváme

kořenový činitel polynomu P(x).
Každý polynom lze zapsat jako součin polynomů 1. stupně

(kořenových činitelů) a polynomů 2. stupně se záporným
diskriminantem. Tento součin pak nazýváme rozkladem na kořenové
činitele v R.

Rozklad na kořenové činitele – přı́klady
Přı́klad
1 Polynom P(x) = x 3 + x má jeden reálný kořen 0 a kořenový činitel
(x − 0) neboli x. Polynom lze vyjádřit jako součin
P(x) = x 3 + x = x · x 2 + 1 .

2 Polynom Q(x) = −x 3 + 4x 2 − x − 6 má tři reálné kořeny (−1), 2, 3

a tři kořenové činitele (x + 1), (x − 2), (x − 3). Polynom lze vyjádřit
jako součin
Q(x) = −x 3 + 4x 2 − x − 6 = − (x + 1) · (x − 2) · (x − 3).
3 Polynom S(x) = x 4 + 2x 3 + 3x 2 + 2x + 2 nemá žádné reálné kořeny.

Polynom lze vyjádřit jako součin
S(x) = x 4 + 2x 3 + 3x 2 + 2x + 2 = x 2 + 1 · x 2 + 2x + 2 .


Násobnost kořene
Jestliže se v rozkladu polynomu na kořenové činitele nacházı́ k-tá

mocnina kořenového činitele (x − c)k , k ∈ N, nazýváme čı́slo c
k-násobným kořenem polynomu.
Přı́klad
1 Polynom
P(x) = x 2 + 4x + 4 = (x + 2)2
má dvojnásobný kořen (−2).
2 Polynom
Q(x) = x 5 + 6x 4 + 13x 3 + 14x 2 + 12x + 8 = (x + 2)3 · (x 2 + 1)
má trojnásobný kořen (−2).

Konstantnı́ a lineárnı́ polynomy
Grafem konstantnı́ho polynomu y = a0 je přı́mka rovnoběžná s osou x
a grafem lineárnı́ho polynomu y = a1 x + a0 je přı́mka různoběžná od
souřadných os.
Oba typy přı́mek lze spojit v jediný typ nazývaný přı́mka se směrnicı́
y = kx + q, kde k, q ∈ R.
Čı́slo k se nazývá směrnice přı́mky, pro konstantnı́ polynom je k = 0.
Přı́klad
y y y
k <0 k=0
0 x 0 x 0 x
1
y= 2x +1 y= − 12 x +1 y =2
Přı́mky rovnoběžné s osou y označujeme jako přı́mky bez směrnice,

jejich rovnice má tvar x = konst.
Racionálnı́ funkce
Definice
Funkce
Pn (x) an x n + an−1 x n−1 + an−2 x n−2 + . . . + a1 x + a0
y = R(x) = =
Qm (x) bm x m + bm−1 x m−1 + bm−2 x m−2 + . . . + b1 x + b0
definovaná jako podı́l dvou polynomů pro ta čı́sla x, pro která Qm (x) 6= 0,
se nazývá racionálnı́ (lomená) funkce.
Je-li n < m, nazývá se ryze lomená racionálnı́ funkce.
Je-li n ≥ m, nazývá se neryze lomená racionálnı́ funkce.
Přı́klad
2x 3 + x 2 − 2 1
Ryze lomené racionálnı́ funkce: y = 4 3
, y= .
x − 2x x −1
x 4 + 6x 2 + x − 2 x2 − 1
Neryze lomené racionálnı́ funkce: y = , y = .
x 4 − 2x 3 x +3
Rozklad neryze lomené racionálnı́ funkce
Pomocı́ dělenı́ polynomů lze neryze lomenou racionálnı́ funkci rozložit

na součet polynomu a ryze lomené racionálnı́ funkce.
Přı́klad
Rozložte neryze lomenou racionálnı́ funkci
x 4 + 3x 2 − 4
y= .
x 2 + 2x
na součet polynomu a ryze lomené racionálnı́ funkce.
Řešenı́:

Rozklad zı́skáme dělenı́m x 4 + 3x 2 − 4 : x 2 + 2x .
−14x − 4 14x + 4
Výsledek: y = x 2 − 2x + 7 + = x 2 − 2x + 7 − 2 .
x 2 + 2x x + 2x
procvičovánı́ dělenı́ polynomů - učebnice matematiky pro SŠ.

Funkce použı́vané v ekonomii

Model poptávky v jistém tržnı́m prostředı́
Ve zjednodušeném modelu předpokládáme, že poptávané množstvı́
zbožı́ Q závisı́ pouze na jeho ceně P:
Q = f (P).
V ekonomické literatuře se proměnné cenové povahy nanášejı́ na
svislou osu a daný vztah se tudı́ž vyjadřuje pomocı́ inverznı́ funkce
(často značené D):
P = D(Q)
Graf funkce P = D(Q) se nazývá křivka poptávky.
Obvykle platı́ zákon klesajı́cı́ poptávky, neboli každá funkce poptávky
je klesajı́cı́.
Tı́m je existence inverznı́ funkce zaručena, nebot’ každá ryze
monotónnı́ (tedy i klesajı́cı́) funkce je prostá.
Monotónnost je u dvou vzájemně inverznı́ch funkcı́ zachována, tudı́ž
i pro funkce Q = f (P), P = D(Q).
Křivka poptávky
P∗
0 Q∗ Q
Bod [Q ∗ ; P ∗ ] nese informaci, že kupujı́cı́ jsou za cenu P ∗ ochotni

nakoupit zbožı́ v množstvı́ Q ∗ .

Lineárnı́ model poptávky
Nejjednoduššı́m modelem poptávky je model lineárnı́:
P = aQ + b.
Křivkou poptávky je přı́mka se zápornou směrnicı́ (a < 0) a zřejmě

b > 0.
P
0 − ba Q
Alternativnı́ vyjádřenı́ poptávky ve tvaru Q jako funkce P“:

”
1 b 1 b
Q = P − , kde < 0, − > 0.
a a a a
Model poptávky v podmı́nkách dokonalé konkurence
V podmı́nkách dokonalé konkurence má každý ze spotřebitelů

i výrobců zanedbatelný vliv na tržnı́ cenu, výrobce i spotřebitel
přebı́rajı́ pevnou tržnı́ cenu P ∗ .
Funkce poptávky je konstantnı́ tvaru P = P ∗ .

P
P = P∗
P∗
0 Q

Model nabı́dky
Ve zjednodušeném modelu předpokládáme, že nabı́zené množstvı́
zbožı́ Q závisı́ pouze na jeho ceně P:
Q = f (P).
Stejně jako v přı́padě poptávky se použı́vá vyjádřenı́ pomocı́ inverznı́
funkce (často značené S):
P = S(Q).
Graf funkce se nazývá křivka nabı́dky.
Obvykle platı́ zákon rostoucı́ nabı́dky, neboli každá funkce nabı́dky je
rostoucı́.
Tı́m je existence inverznı́ funkce zaručena, nebot’ každá ryze
monotónnı́ (tedy i rostoucı́) funkce je prostá.
Monotónnost je u dvou vzájemně inverznı́ch funkcı́ zachována, tudı́ž
i pro funkce Q = f (P), P = S(Q).
Křivky nabı́dky
P S
P∗
P0 S1
P1
0 Q ∗ Q1 Q
Pro funkci nabı́dky S bod [Q ∗ ; P ∗ ] určuje k zadané ceně P ∗

odpovı́dajı́cı́ množstvı́ Q ∗ , a naopak.
Body P0 a P1 odpovı́dajı́ faktu, že má-li výrobce vůbec nějaké zbožı́
vyrábět a nabı́zet (tj. Q > 0), musı́ to být za jistou minimálnı́ cenu
odpovı́dajı́cı́ reálným výrobnı́m nákladům.
V přı́padě křivky S1 je navı́c zachycena podmı́nka Q ≥ Q1 .
Lineárnı́ model nabı́dky
Nejjednoduššı́m modelem nabı́dky je model lineárnı́:
P = cQ + d.
Křivkou nabı́dky je přı́mka s kladnou směrnicı́ (c > 0) a zřejmě d > 0

(dalšı́ omezenı́ souvisı́ s minimálnı́ cenou).
P
− dc 0 Q
Alternativnı́ vyjádřenı́ nabı́dky ve tvaru Q jako funkce P“:
”
1 d 1 d
Q = P − , kde > 0, − < 0.
c c c c
Celkový přı́jem
Celkový přı́jem TR je součin množstvı́ Q a ceny za jednotku zbožı́ P:
TR(Q) = Q · P.
Jedná se o funkci popisujı́cı́ závislost celkového přı́jmu TR na

množstvı́ Q.
Podmı́nky dokonalé konkurence: P je konstantnı́.
Dalšı́ podmı́nky: závislost ceny a množstvı́ je dána funkcı́ poptávky

P = D(Q), tj.
TR(Q) = Q · D(Q).

Křivka celkového přı́jmu
V přı́padě lineárnı́ funkce poptávky P = aQ + b je celkový přı́jem

popsán kvadratickou funkcı́
TR = Q(aQ + b) = aQ 2 + bQ.
Grafem je vzhledem k a < 0 překlopená“ parabola (obrácené U)

”
procházejı́cı́ počátkem (kořenem tohoto kvadratického polynomu je
0).
Z obecné rovnice celkového přı́jmu plyne, že každá křivka celkového

přı́jmu procházı́ počátkem.
Kontrolnı́ přı́klad:
Načrtněte křivku celkového přı́jmu pro poptávku P = 12 − Q.

Celkové náklady v krátkém obdobı́
Celkové náklady TC jsou veškeré náklady, které je třeba vynaložit pro
realizaci Q jednotek.
Jedná se o funkci popisujı́cı́ závislost celkových nákladů na
množstvı́ Q:
TC (Q) = FC + TVC (Q),
přičemž FC jsou fixnı́ náklady a TVC (Q) jsou celkové variabilnı́
náklady.
Funkce celkových nákladů je pochopitelně rostoucı́.
Přı́klad
Křivka celkových nákladů typicky odpovı́dá kubickému polynomu, např.
TC = 80 + 30Q − 6Q 2 + Q 3 .
Křivka fixnı́ch nákladů je vzhledem k předchozı́mu daná předpisem FC = 80
(konstantnı́ polynom).
Křivka celkových variabilnı́ch nákladů odpovı́dá konstantnı́mu kubickému
polynomu TVC = 30Q − 6Q 2 + Q 3 a procházı́ počátkem.
Konstantnı́ variabilnı́ náklady na jednotku množstvı́
Nejjednoduššı́ model celkových nákladů dostáváme pro konstantnı́
variabilnı́ náklady VC0 na jednotku množstvı́, tj.
TVC (Q) = VC0 · Q
a platı́
TC = FC + VC0 · Q.
Křivkou celkových nákladů je v tomto přı́padě přı́mka, která protı́ná

svislou osu v bodě fixnı́ch nákladů a která má směrnici VC0 .
TC
FC
0 Q
Zisk
Zisk PR je rozdı́l celkového přı́jmu a celkových nákladů:
PR(Q) = TR(Q) − TC (Q).
Body zvratu/vyrovnánı́ jsou body, ve kterých docházı́ k rovnosti

celkového přı́jmu a celkových nákladů.
Body zvratu se najdou řešenı́m rovnice PR(Q) = 0.

Nejjednoduššı́ model přı́jmu a nákladů
Poptávka je lineárnı́ (celkový přı́jem TR je tedy funkce kvadratická),
náklady na jednotku produkce jsou konstantnı́ (celkové náklady TC
jsou tedy lineárnı́):
TR
zisk TC
0 QA Qmax QB Q
V bodech QA , QB docházı́ k vyrovnánı́ celkového přı́jmu a celkových
nákladů, firma se tedy nacházı́ na prahu rentability.
Pro Q < QA nebo Q > QB celkové náklady převyšujı́ celkový přı́jem a
tudı́ž firma se nacházı́ ve ztrátě.
Pro QA < Q < QB převyšuje celkový přı́jem celkové náklady, firma
vytvářı́ zisk.
V bodě Qmax , kde je vertikálnı́ vzdálenost mezi TR a TC největšı́,
dosahuje firma maxima zisku.
Nejjednoduššı́ model přı́jmu a nákladů – přı́klad

1 Jsou dány fixnı́ náklady FC = 4, celkové variabilnı́ náklady TVC = Q
a poptávka P = −2Q + 10. Určete funkci zisku a body zvratu.
2 Načrtněte do jednoho obrázku křivky TC a TR a do druhého obrázku
křivku PR. Vyznačte důležité body.
Řešenı́:
Celkové náklady: TC = FC + TVC ⇒ TC = 4 + Q
Celkové přı́jmy: TR = Q · (−2Q + 10) = −2Q 2 + 10Q
Zisk: PR = TR − TC = −2Q 2 + 10Q − (4 + Q) = −2Q 2 + 9Q − 4
Body zvratu: −2Q 2 + 9Q − 4 = 0 ⇒ Q1 = 12 , Q2 = 4

Nejjednoduššı́ model přı́jmu a nákladů – přı́klad
Přı́klad
Řešenı́ – pokrač.
TC = 4 + Q
PR = −2Q 2 + 9Q − 4
4 TR = −2Q 2 + 10Q
0 1 4 5 Q 0 1 4 Q
2 2

Model produkce v krátkém obdobı́
Produkčnı́ funkce v krátkém obdobı́ vyjadřuje závislost množstvı́

produkce Q na jednom výrobnı́m faktoru, kterým zpravidla bývá
práce L:
Q = f (L)
Práce L > 0 se měřı́ počtem pracovnı́ků nebo počtem pracovnı́ch

hodin, přı́padně náklady na pracovnı́ sı́lu.
Přı́klad
Produkčnı́ funkce Q = 90L2 − L3 (kubický polynom).
1
Produkčnı́ funkce Q = L 2 (odmocninná funkce).

Křivka produkce v krátkém obdobı́
Grafem funkce je tzv. křivka produkce.

Tvar typické křivky produkce:
Q f (L)
0 L1 L

Závěrečné shrnutı́

Funkce jedné proměnné
Funkce jedné proměnné jsou matematickým vyjádřenı́m vztahu mezi

dvěma veličinami, argumentem a funkčnı́ hodnotou. Dajı́ se vyjádřit
pomocı́ rovnic, tabulek, grafů, ale i slovnı́m popisem.
U funkcı́ je vždy důležitý definičnı́ obor a obor hodnot.
Mezi základnı́ vlastnosti funkcı́ patřı́ monotónnost, ohraničenost, přı́p.
parita nebo periodičnost.
Zásadnı́ význam majı́ prosté funkce, k nimž lze stanovit tzv. inverznı́
funkci jakožto alternativnı́ vyjádřenı́ vztahu mezi veličinami.
K základnı́m elementárnı́m funkcı́m řadı́me konstantnı́ funkce,
mocninné funkce, exponenciálnı́ a logaritmické funkce, goniometrické
a cyklometrické funkce.
Dalšı́ funkce lze zı́skat aritmetickými operacemi a tzv. skládánı́m.
Speciálnı́ typem jsou pak funkce definované po částech.
Významnou skupinou funkcı́ jsou také polynomy a racionálnı́ funkce.
Reference
ISBN 978-80-247-5406-2.
c2005. ISBN 007-123823-9.
[4] MEZNÍK, Ivan. Úvod do matematické ekonomie pro ekonomy. Brno:
Fakulta podnikatelská Vysokého učenı́ technického v Brně, 2011.
ISBN 978-80-214-4239-9.
Diferenciálnı́ počet funkcı́ jedné proměnné
Viskotová, Hampel (ÚSO MENDELU) Diferenciálnı́ počet funkcı́ jedné proměnné ZS 2020/21 1 / 64
1 Limita funkce
2 Spojitost funkce
3 Derivace funkce
4 L’Hospitalovo pravidlo
DIFERENCIÁLNÍ POČET FUNKCÍ JEDNÉ PROMĚNNÉ
Limita funkce
Limita – motivace
y
sin x 1
lim =1
x→0 x
sin x
y=
x
x
−3π −2π −π 0 π 2π 3π
x −0,3 −0,2 −0,15 −0,1 −0,05 0,05 0,1 0,15 0,2 0,3
sin x
x
0,985 0,993 0,996 0,998 0,9996 0,9996 0,998 0,996 0,993 0,985
Zdroj: [1]
Určovánı́ limity z grafu funkce
Jestliže umı́me nakreslit graf funkce, existenci a hodnotu limity
poznáme z tohoto grafu.
y
Df = R \ {−2, −1}
f (1) = 2
f (x) 3
2
1 lim f (x) = 0,
x→−∞
−2 −1 1 x lim f (x) = −∞,
x→+∞
lim f (x) = +∞, lim f (x) = 1, lim f (x) = 2,

x→−2− x→−1− x→1−
lim f (x) = +∞, lim f (x) = 1, lim f (x) = 3,
x→−2+ x→−1+ x→1+
lim f (x) = +∞, lim f (x) = 1, lim f (x) = neexistuje.
x→−2 x→−1 x→1
Okolı́ bodu
Okolı́ bodu x0 (δ-okolı́ bodu x0 ):
(x0 − δ; x0 + δ), kde δ > 0.
Značı́me ho O(x0 ).
x0 − δ x0 x0 + δ
Pro x ∈ O(x0 ) platı́

|x − x0 | < δ .
Pravé okolı́ bodu x0 :

x0 x0 + δ
Levé okolı́ bodu x0 :

x0 − δ x0
Ryzı́ okolı́ bodu
Ryzı́ okolı́ bodu x0 :
(x0 − δ; x0 ) ∪ (x0 ; x0 + δ).
x0 − δ x0 x0 + δ
Pro body x z ryzı́ho okolı́ platı́
0 < |x − x0 | < δ .
Pravé ryzı́ okolı́ bodu x0 :

x0 x0 + δ
Levé ryzı́ okolı́ bodu x0 :

x0 − δ x0
Pojem limita
Definice
Funkce y = f (x) má v bodě x0 limitu L, když ke každému > 0 existuje
δ > 0 tak, že pro všechna x z ryzı́ho δ-okolı́ bodu x0 platı́ |f (x) − L| < .
Pı́šeme
lim f (x) = L.
x→x0
L+
L y = f (x)
L−
x0 − δ x0 + δ
0 x0 x
Funkce má v daném bodě nejvýše jednu limitu.
Jednostranné limity
Jednostranné limity definujeme obdobně s tı́m rozdı́lem, že uvažujeme

pouze jednostranná ryzı́ okolı́ bodu x0 :
pro pravé ryzı́ δ-okolı́ limita zprava: lim+ f (x) = L

x→x0
pro levé ryzı́ δ-okolı́ limita zleva: lim f (x) = L

x→x0−
Věta
Funkce f má v bodě x0 limitu L, právě když
lim f (x) = lim+ f (x) = L.

x→x0− x→x0
Ilustrace definice v přı́padě různých jednostranných limit
Situace I.
Tato volba může vést k chybnému závěru, že funkce má limitu v bodě x0 .
Přı́klad
y
y =L+
K
y =L−
y = f (x)
x0 x
x0−δ x0+δ
Ilustrace definice v přı́padě různých jednostranných limit
Situace II.
Pro uvedené je dle definice zjevné, že funkce nemá limitu v bodě x0 .
Přı́klad
y
y =L+
L
y =L−
K
y = f (x)
x0 x
x0−δ x0+δ
Nevlastnı́ limita
Definice
a) V přı́padě, že v okolı́ bodu x0 roste funkce f nade všechny meze
(tj. když ke každému M > 0 existuje ryzı́ okolı́ bodu x0 tak, že
pro každé x z tohoto okolı́ je f (x) > M), řı́káme, že funkce f má
v bodě x0 nevlastnı́ limitu +∞. Pı́šeme lim f (x) = +∞.
x→x0
b) V přı́padě, že v okolı́ bodu x0 klesá funkce f pode všechny meze
(tj. když ke každému N < 0 existuje ryzı́ okolı́ bodu x0 tak, že
pro každé x z tohoto okolı́ je f (x) < N), řı́káme, že funkce f má
v bodě x0 nevlastnı́ limitu −∞. Pı́šeme lim f (x) = −∞.
x→x0
Podobně definujeme nevlastnı́ limity zprava a zleva, tj.

lim+f (x) = −∞, lim+f (x) = +∞, lim f (x) = −∞, lim f (x) = +∞.
x→x0 x→x0 x→x0− x→x0−
Ilustrace definice nevlastnı́ limity +∞
Přı́klad
y
y = f (x)
y =M
M
x0
x0−δ x0+δ x
x = x0
Nutná podmı́nka pro existenci limity v daném bodě
Aby existovala limita v bodě x0 ∈ R, nemusı́ být funkce f v bodě x0
definována, ale musı́ být definovaná v nějakém ryzı́m okolı́ (v přı́padě
jednostranné limity v jednostranném ryzı́m okolı́) bodu x0 .
Přı́klad
1
Limita lim existuje, i když tato funkce nenı́ definována v bodě 0,
x→0 x 2
definičnı́ obor funkce je (−∞; 0) ∪ (0; ∞).
√
Limita lim 1 − x nenı́ definována, definičnı́ obor funkce je (−∞; 1i.
x→2
Limita lim− lnx nenı́ definována, definičnı́ obor funkce je (0; ∞).
x→0
y y y
0 x 0 1 2 x 0 1 x
1 √
y= y = 1−x y =ln x
x2
Výpočet limity dosazenı́m
V přı́padě elementárnı́ch funkcı́ lze za předpokladu, že x0 ∈ Df ,
limitu lim f (x) určit přı́mým dosazenı́m hodnoty x0 do funkce.
x→x0
Přı́klad
√ √
1 lim x= 9=3
x→9
2x 2 + x − 3 2 · 12 + 1 − 3 0
2 lim 3
= = =0
x→1 x +4 13 + 4 4
3 lim 2 = 2
x→5
Věta
Je-li k ∈ R libovolná konstanta, platı́ lim k · f (x) = k · lim f (x).
x→x0 x→x0
Dalšı́ pravidla pro výpočet s limitami lze najı́t např. v [1].

Výpočet limity v nevlastnı́m bodě
Výpočet dosazenı́m je někdy možný i v přı́padě limity v nevlastnı́m
bodě ±∞.
Přı́klad
1 1
1 lim = =0
x→∞ x ∞
2 lim x 2 = (−∞) · (−∞) = +∞
x→−∞
Uvedené limity, ale i mnohé dalšı́ limity v nevlastnı́m bodě lze snadno
stanovit z grafu přı́slušné funkce.
Přı́klad
π
1 lim arctan x = 2, lim arctan x = − π2
x→∞ x→−∞
2 lim arccotx = 0, lim arccotx = π

x→∞ x→−∞
3 lim ex = ∞, lim ex = 0, lim ln x = ∞, lim log 12 x = −∞

x→∞ x→−∞ x→∞ x→∞
Limita polynomu a racionálnı́ funkce v nevlastnı́m bodě
Pro výpočet limity polynomu a racionálnı́ funkce v nevlastnı́m bodě stačı́
uvažovat pouze vedoucı́ členy polynomů:
lim (an x n + an−1 xn−1 + . . . + a1 x + a0 ) = lim an x n ,
x→±∞ x→±∞
an x n + an−1 xn−1 + . . . + a1 x + a0 an x n
lim = lim .
x→±∞ bm x m + bm−1 xm−1 + . . . + b1 x + b0 x→±∞ bm x m
Přı́klad
x 3 − 5x − 6 = lim x 3 = −∞

1 lim
x→−∞ x→−∞
2x 3 − x + 1 2x 3
2 lim = lim = lim 2x = ∞
x→∞ x 2 − 7x x→∞ x 2 x→∞
x 2 − 2x + 1 x2 1 1
3 lim 2
= lim = lim =
x→∞ 3x + x − 2 x→∞ 3x 2 x→∞ 3 3
x +1 x 1
4 lim = lim = lim =0
x→−∞ x 3 + x + 1 x→−∞ x 3 x→−∞ x 2
Dalšı́ přı́klady určovánı́ limit z grafu
Jestliže funkce f nenı́ definovaná v přı́slušném bodě x0 , ale je

definovaná v jeho ryzı́m okolı́, lze v některých přı́padech stanovit
limitu lim f (x) z grafu této funkce.
x→x0
Přı́klad
1 1 1
1 lim = −∞, lim = ∞, lim = neex.
x→0− x x→0+ x x→0 x
1
2 lim =∞
x→0 x 2
3 lim ln x = −∞, lim log 21 x = ∞

x→0+ x→0+
4 lim tan x = ∞, lim cot x = −∞

x→− π2 − x→0−
k
Výraz typu 0 , kde k 6= 0
Pokud při výpočtu dosazenı́m zı́skáme výraz k0 , kde k 6= 0, pak

jednostranné limity (přı́p. limita v nevlastnı́m bodě) existujı́ a jsou

nevlastnı́.
Uvedené tvrzenı́ neplatı́ pro neurčitý výraz 00 ! V takovém přı́padě,

např. pro lim sinx x , běžně použı́váme tzv. l’Hospitalovo pravidlo, které
x→0
bude vysvětleno později.
Přı́klad (1)

cos x 1
= lim + = ∞
lim+ √ =
x→0 x 0 x→0+ +
Přı́klad (2)

−∞
lim
ln x
=
= lim − = −∞
x→0+ x 0 x→0+ +
k
Přı́klad (3)

2 2
lim =
x→1 x − 1 0
y
y =x−1 +
lim = −∞
x→1− −
0 1 x
+
lim+ = +∞
x→1 +
Protože limity zleva a zprava nejsou stejné, oboustranná limita v bodě

x = 1 neexistuje.
k
Přı́klad (4)

x −1 −3
lim 2
=
0

x→−2 (x 2 − 4)
−
lim = −∞
x→−2− +
−
lim + = −∞
x→−2 +
Protože limity zleva a zprava jsou stejné, oboustranná limita v bodě
x = −2 existuje a platı́:
x −1
lim = −∞.
x→1 (x 2 − 4)2
k
Přı́klad (5)
2x 2 − 5x + 5

12
lim 2
=
x→−1 x − x − 2 0
Pro polynom x 2 − x − 2 ve jmenovateli máme kořeny x1 = 2, x2 = −1,

dostáváme tedy graf
y +
y =x 2 −x−2 lim = +∞
x→−1− +
+
−1 2 x lim + = −∞
x→−1 −
Protože limity zleva a zprava nejsou stejné, oboustranná limita v bodě

x = −1 neexistuje.
Limita složené funkce I.
Pokud je limita vnitřnı́ složky lim g (x) funkce y = f (g (x)) vlastnı́,

x→x0
aplikujeme na výsledek vnějšı́ složku:

lim f (g (x)) = f lim g (x) .
x→x0 x→x0
Přı́klad (1)

x −1 x −1
1 lim ln = ln lim = ln 1 = 0
x→∞ x +1 x→∞ x + 1

lim cos e−x = cos lim e−x = cos 0 = 1

2
x→∞ x→∞
lim arctan x π
3 lim earctan x = ex→−∞ = e− 2
x→−∞
Limita složené funkce II.

Pokud je limita vnitřnı́ složky nevlastnı́ nebo výraz f lim g (x) nenı́
x→x0
definován, použijeme substituci g (x) = t a přejdeme k limitě vnějšı́
složky.
Přı́klad

1 1
lim e t = 0

1 lim e = = t, t → −∞
x
= t→−∞
x→0 − x

1 1
2 lim+ ln = = t, t → ∞
lim ln t = ∞
= t→∞
x→0 x x
π
lim arctan e−x = e−x = t, t → ∞ = lim arctan t =

3
x→−∞ t→∞ 2
lim ln x 2 = x 2 = t, t → 0+ = lim+ ln t = −∞

4
x→0 t→0
k
Limita složené funkce v kombinaci s výrazem 0
Předchozı́ postupy můžeme kombinovat:
Přı́klad
y
y = x2
ln x 2

−∞
lim =

x→0 x2 0
0 x
Pro polynom x 2 ve jmenovateli dostáváme v okolı́ bodu 0 kladné hodnoty:

− −
lim = −∞, lim = −∞
x→0+ + x→0− +
Protože limity zleva a zprava jsou stejné, oboustranná limita v bodě x = 0
existuje a je rovna −∞.
Spojitost funkce
Spojitost funkce
Definice
Funkci y = f (x) nazveme spojitou v bodě x0 , jestliže:
1 je v bodě x0 definovaná,
2 limita v bodě x0 je rovna funkčnı́ hodnotě, tj. jestliže
lim f (x) = f (x0 ).

x→x0
Funkce y = f (x) je
spojitá zprava v bodě x0 ∈ Df , jestliže lim+ f (x) = f (x0 );
x→x0
spojitá zleva v bodě x0 ∈ Df , jestliže lim f (x) = f (x0 );
x→x0−
spojitá v intervalu (a; b), je-li spojitá v každém jeho vnitřnı́m bodě;
spojitá v intervalu ha; bi, je-li spojitá v každém jeho vnitřnı́m bodě,
v bodě a je spojitá zprava a v bodě b je spojitá zleva.
Spojitost a nespojitost funkcı́
Elementárnı́ funkce jsou spojité v každém bodě definičnı́ho oboru.
Bolzano zkonstruoval funkci, která je spojitá na R, ale jejı́ graf nelze

nakreslit. Tvrzenı́, že graf spojité funkce lze nakreslit jednı́m tahem,
tedy obecně neplatı́!
V aplikacı́ch narážı́me na funkce, které jsou spojité i nespojité.
Přı́klad
Cena jablek v maloobchodnı́ prodejně v závislosti na čase odpovı́dá nespojité
funkci.
Tělesná teplota člověka v závislosti na čase odpovı́dá spojité funkci.
Body, ve kterých nenı́ funkce spojitá, se nazývajı́ body nespojitosti.
Bod nespojitosti – přı́klad
Charakteristiky ve své podstatě spojité, jako např. výška, nemusı́ při
reálných měřenı́ch dát spojitou funkci. Uvažujme výšku letadla nad
zemským povrchem y v závislosti na vzdálenosti od mı́sta vzletu x.
} y
a
x
Zde vidı́me, že bod x = a, který odpovı́dá poloze nad nejzazšı́m mı́stem
skalnı́ho převisu, je tzv. bodem nespojitosti.
Vlastnosti spojitých funkcı́
Je-li funkce y = f (x) spojitá na uzavřeném intervalu ha; bi, pak:
1 je na něm ohraničená, tj. existujı́ čı́sla K , L taková, že pro každé
x ∈ ha; bi je K ≤ f (x) ≤ L;
2 nabývá v něm své nejmenšı́ a největšı́ hodnoty;
3 je-li f (a) · f (b) < 0, existuje alespoň jeden bod c ∈ (a; b) takový, že
f (c) = 0.
y
L y =L
max.
y = f (x)
f (a)
b
0 a c x
f (b)
min.
y =K
K
Limita a spojitost v pravděpodobnosti
Funkci F (x) nazveme distribučnı́ funkcı́ náhodné veličiny, jestliže má
následujı́cı́ vlastnosti:
1. F (x) je neklesajı́cı́, tedy ∀x1 , x2 ∈ R, x1 < x2 : F (x1 ) ≤ F (x2 ).
2. F (x) je zprava spojitá, tedy ∀x0 ∈ R : lim+ F (x) = F (x0 ).
x→x0
3. F (x) je normovaná, tedy lim F (x) = 0 ∧ lim F (x) = 1.
x→−∞ x→∞
Přı́klad
F (x ) F (x )
1,0 1,0
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0,0 0,0
1 2 3 4 x 1 2 3 4 x
Derivace funkce
Derivace – motivace
V této části se seznámı́me s tı́m, jak matematicky popsat rychlost

změny funkčnı́ hodnoty vzhledem k argumentu.
Např. budeme-li na túře uvažovat profil trasy jakožto graf funkce

nadmořské výšky v závislosti na vzdálenosti od mı́sta startu, nebude
zásadnı́ jen monotónnost, tj. zda jdeme do nebo z kopce, ale také
strmost kopců.
V přı́padě křivky produkčnı́ funkce budeme zajisté vnı́mat, jestli

navýšenı́m počtu pracovnı́ků množstvı́ produkce roste
pomalu/rychle“.
”
S ohledem na řečené je tedy zásadnı́ směrnice tečny v jednotlivých
bodech křivky. Dalšı́ výklad se tedy nejdřı́v zaměřı́ právě na hledánı́
této směrnice.
Směrnice přı́mky dané dvěma body
y
B y = kx + q
Je-li přı́mka (různoběžná od osy y ) y1
daná dvěma různými body A[x0 ; y0 ], y1 − y0
B[x1 ; y1 ], lze určit jejı́ směrnici kAB : A ϕ
y0
y1 − y0 x1 − x0
kAB = tan ϕ = .
x1 − x0
0 x0 x1 x
Přı́klad
Přı́mka určená body [0; 2], [1; 5]:
5−2
k= =3 ⇒ y = 3x + q
1−0
2=3·0+q nebo 5=3·1+q
q=2
⇒ y = 3x + 2
Směrnice tečny ke grafu funkce
y
t f (x)
B
f (x0 + h)
f (x0 + h) − f (x0 )
A ϕ
f (x0 )
h
0 x0 x0 + h x
f (x0 + h) − f (x0 )
Sečna AB má směrnici kAB = tan ϕ = .
h
Budeme-li přibližovat bod B k bodu A (B → A, tj. h → 0), bude
sečna AB se směrnicı́ kAB postupně přecházet v tečnu tA v bodě A se
směrnicı́ kt :
f (x0 + h) − f (x0 )
lim .
h→0 h
Sečny ke grafu funkce
y y y
t t t
B B B
A A A
h h h
x0 x0 +h x x0 x0 +h x x0 x0 +h x
y y y
t t t
B
B
A A A B
h h h
x0 x0 +h x x0 x0 +h x x0 x0 +h x
Derivace funkce v daném bodě
Definice
Existuje-li vlastnı́ limita
f (x0 + h) − f (x0 )
lim ,
h→0 h
nazýváme ji derivacı́ funkce f v bodě x0 a značı́me ji f 0 (x0 ).
Přı́klad (výpočet derivace z definice)

Derivace funkce f (x) = x 3 v bodě x0 = 1:
(1 + h)3 − 13 1 + 3h + 3h2 + h3 − 1
f 0 (1) = lim = lim = lim (3 + 3h + h2 ) = 3
h→0 h h→0 h h→0
Tečna ke grafu funkce f (x) = x 3 má v bodě x0 = 1 směrnici 3 a je tudı́ž

rostoucı́.
Tečna ke grafu funkce a derivace v přı́slušném bodě
Graf funkce f má v pevném bodě x0 tečnu se směrnicı́ právě tehdy,
když funkce f má v bodě x0 derivaci.
Tečna křivky y = f (x) v bodě A[x0 ; f (x0 )] má směrnici f 0 (x0 ).
Body, kde funkce nemá derivaci, mohou být body, kde je limita
uvedená v definici derivace nevlastnı́ (funkce má svislou tečnu) anebo
přı́slušná limita neexistuje.
Speciálnı́m přı́padem je situace, kdy jednostranné limity (tečny zleva
i zprava) existujı́, ale jsou různé.
Přı́klad
y t2 t1 t1 y t2
f
f
x 0 x
Derivace jakožto funkce
Necht’ má funkce f derivaci ve všech bodech otevřeného intervalu I .

Předpisem, který každému bodu x z tohoto intervalu přiřadı́ derivaci
funkce f v bodě x, je definována funkce, kterou nazýváme derivacı́
funkce f na intervalu I a značı́me f 0 (Lagrangeova notace).
V ekonomické literatuře se pro derivaci často použı́vá také Leibnizova

notace
df dy df (x) d
, , , f (x)
dx dx dx dx
dy
V tomto okamžiku budeme na označenı́ nazı́rat jako na symbol
0
dx
o stejném významu jako f (x), nikoliv jako na zlomek.
Přı́klad
dA
Pro funkci proměnné r danou rovnicı́ A = r 2 zapı́šeme derivaci jako .
dr
Souvislost derivace a spojitosti
Věta
Má-li funkce f v bodě x0 derivaci, pak je v bodě x0 spojitá.
Má-li funkce f na intervalu I derivaci, pak je na tomto intervalu
spojitá.
Obrácená věta neplatı́, tj. funkce spojitá v bodě x0 nemusı́ mı́t

v tomto bodě derivaci.
Přı́klad
t1 y t2
0 x
Pravidla pro derivovánı́
Majı́-li funkce y = u(x) a y = v (x) derivace, platı́ pravidla
P1 (derivace součinu konstanty a funkce) (ku)0 = ku 0 , k ∈ R
P2 (derivace součtu nebo rozdı́lu funkcı́) (u ± v )0 = u 0 ± v 0
P3 (derivace součinu funkcı́) (uv )0 = u 0 v + uv 0

u 0 u 0 v − uv 0
P4 (derivace podı́lu funkcı́) = , v (x) 6= 0
v v2
Uvedená pravidla platı́ pro ta x, pro která všechny funkce v nich

uvedené majı́ derivaci.
Pravidlo o derivovánı́ součinu můžeme rozšı́řit na součin konečného

počtu funkcı́. Napřı́klad pro derivaci třı́ funkcı́ platı́
(u v w )0 = u 0 v w + u v 0 w + u v w 0 .
Vzorce pro derivace základnı́ch elementárnı́ch funkcı́
Uvedené vzorce platı́ pro ty hodnoty x, pro které jsou funkce v nich
uvedené definovány.
(V1) k 0 = 0, kde k ∈ R
√ 0 1
(V2) (x n )0 = nx n−1 , kde n ∈ R; speciálně x = √
2 x
(V3) (ex )0 = ex (V4) (ax )0 = ax ln a, kde a > 0, a 6= 0
1 1
(V5) (ln x)0 = (V6) (loga x)0 =
x x ln a
(V7) (sin x)0 = cos x (V8) (cos x)0 = − sin x
1 1
(V9) (tan x)0 = (V10) (cot x)0 = − 2
cos2 x sin x
1 1
(V11) (arcsin x)0 = √ (V12) (arccos x)0 = − √
1 − x2 1 − x2
1 1
(V13) (arctan x)0 = (V14) (arccotx)0 = −
1 + x2 1 + x2
Derivace funkce – přı́klady
Přı́klad
Derivujte a upravte:
1 √
3 1
1 y = x 4 + 2x 2 − x 2 + x 2 + + 5
x
1 −1 2 −1
y = 4x + 4x − x 2 + x 3 + (−1)x −2 + 0 =
0 3
2 3
1 2 1
= 4x 3 + 4x − √ + √ 3
− 2
2 x 3 x x
5 x
2 y = x · e
0
y 0 = x 5 · ex + x 5 · (ex )0 = 5x 4 ex + x 5 ex = x 5 + 5x 4 ex

x2
3 y=
x +3
0
0 x 2 (x + 3) − x 2 (x + 3)0 2x(x + 3) − x 2 (1 + 0) x 2 + 6x
y = = =
(x + 3)2 (x + 3)2 (x + 3)2
Směrnice tečny ke grafu funkce – přı́klady
Přı́klad
Určete směrnici tečny (vypočtěte hodnotu derivace) v přı́slušném bodě x0 :
1 y = 4x 5 − 3x 4 + 5x − 8 v bodě x0 = −1
y 0 = 20x 4 − 12x 3 + 5 − 0
y 0 (−1) = 20 · (−1)4 − 12 · (−1)3 + 5 = 20 + 12 + 5 = 37
π
2 y = tan x v bodě x0 =
4
1
y0 =
cos2 x
π 1 1 1
y0 = 2 π
= √ 2 = 2 = 2
4 cos 4 2 4
2
Tečna ke grafu funkce – přı́klady
Přı́klad (1)
Určete rovnici tečny ke grafu funkce f : y = 2x − ln x v bodě T[1; ?].
Řešenı́:
Určı́me druhou souřadnici bodu dotyku:
f (1) = 2 − ln 1 = 2, T[1; 2]
Najdeme derivaci funkce pro x = 1 (tj. směrnici tečny):
1 1
f 0 (x) = 2 − , f 0 (1) = 2 − =1
x 1
Dosadı́me souřadnice bodu dotyku do předpokládaného tvaru tečny
y = 1 · x + q:
2=1·1+q ⇒ q =1
Rovnice tečny je y = x + 1.
Přı́klad (2, část 1/2)

Určete hodnotu bodu x0 , ve kterém je tečna ke grafu funkce
f : y = x 2 − x + 3 rovnoběžná s přı́mkou y = 3x + 1. Určete rovnici této
tečny.
Řešenı́:
Určı́me derivaci funkce f :
f 0 (x) = 2x − 1.
Směrnice rovnoběžných přı́mek jsou stejné, tudı́ž směrnice tečny je 3.
Najdeme takové x0 , ve kterém je derivace rovna požadované směrnici:
2x − 1 = 3 ⇒ x0 = 2, T[2; ?]

Určı́me druhou souřadnici bodu dotyku:
f (2) = 22 − 2 + 3 = 5, T[2; 5]
Dosadı́me souřadnice bodu dotyku do předpokládaného tvaru tečny

y = 3 · x + q:
5 = 3 · 2 + q ⇒ q = −1
Rovnice tečny je y = 3x − 1.
Derivace složených funkcı́
Věta
Má-li funkce g derivaci v bodě x0 a funkce f derivaci v bodě u0 = g (x0 ),
je derivace složené funkce (f ◦ g ) (x0 ) = f (g (x)) rovna součinu derivacı́
jejich jednotlivých složek, tj.
(f ◦ g )0 = f 0 g 0 .
Také derivace vı́cenásobně složené funkce y = f (g (ϕ(x))) je rovna

součinu derivacı́ jednotlivých složek:
y 0 = f 0 g 0 ϕ0
neboli podrobněji
y 0 = f 0 (g (ϕ(x))) · g 0 (ϕ(x)) · ϕ0 (x).
Derivace složené funkce – přı́klady
Přı́klad
1 y = arccot4x
1 4
y0 = − 2
·4=−
1 + (4x) 1 + 16x 2
1
2 y=√
2
x + 1
− 1 0

0 1 − 3 x
y = x 2 + 1 2 = − x 2 + 1 2 · (2x + 0) = − q
2
(x 2 + 1)3
q
3 y = cos (x 2 + 4x)
1
y0 = p · − sin x 2 + 4x · (2x + 4) =

2 cos (x 2 + 4x)
sin x 2 + 4x

= −(x + 2) p
cos (x 2 + 4x)
Derivace funkcı́ tvaru f g
Funkci f g vyjádřı́me pomocı́ exponenciálnı́ a logaritmické funkce:
g
f g = eln f = eg ·ln f
a derivujeme jako složenou funkci.
Přı́klad
Derivujte a upravte 1 y = xx, 2 y = (sin x)x .
Řešenı́:
x
1 y = x x = e ln x
= ex ln x
1
y 0 = ex ln x 1 · ln x + x · = x x (ln x + 1)
x
x
2 y = (sin x)x = e
ln(sin x)
= ex ln sin x
0 x ln sin x 1
y =e 1 · ln sin x + x · · cos x =
sin x
= (sin x)x (ln sin x + x cot x)
Veličiny v marginálnı́ analýze v modernı́ ekonomii
Derivace ekonomických funkcı́ (veličin) přibı́rajı́ do svých názvů

přı́vlastek meznı́“ , přı́p. marginálnı́“ , a značı́ se pı́smenem M.
” ”
Přitom výchozı́ ekonomické veličiny majı́ označenı́ celkový“ a značı́
”
se pı́smenem T .
Pro ucelenost výkladu ještě doplnı́me, že tzv. průměrné veličiny
(označ. A) jsou podı́lem veličiny celkového typu a nezávisle proměnné.
Přı́klad
Určete meznı́ a průměrný přı́jem, je-li funkce celkového přı́jmu
TR(Q) = −2Q 2 + 100Q.
Řešenı́:
dTR(Q)
Meznı́ přı́jem MR(Q) = = −4Q + 100
dQ
TR(Q)
Průměrný přı́jem AR(Q) = = −2Q + 100
Q
Ekonomická interpretace derivace
Derivace f 0 (x0 ) funkce y = f (x) v bodě x0 udává přibližnou změnu y ,

změnı́-li se x z hodnoty x0 na hodnotu x0 + 1:
f 0 (x0 ) ≈ f (x0 + 1) − f (x0 )
Např. pro celkové náklady TC (Q) je možné derivaci C 0 (Q) neboli

meznı́ náklady MC (Q) chápat jako přibližné navýšenı́ nákladů,
zvýšı́me-li produkci o jednu jednotku.
Přı́klad
Necht’ funkce C (x) představuje náklady v milionech korun na odstraněnı́
x % znečišt’ujı́cı́ch látek v Brněnské přehradě.
Potom rovnice C 0 (50) = 3 řı́ká, že pro odstraněnı́ 51 % nečistot z přehrady

namı́sto původnı́ch 50 % se náklady navýšı́ přibližně o 3 milióny korun.
Nepřesný koncept meznı́ch veličin
V elementárnı́ch ekonomických učebnicı́ch jsou často meznı́

ekonomické veličiny definovány jako rozdı́l přı́slušných funkčnı́ch
hodnot celkové veličiny, a to z důvodu neschopnosti čtenářů (a někdy
bohužel i autorů) použı́t diferenciálnı́ počet.
Napřı́klad meznı́ náklady jsou nepřesně uváděny jako
MC (Q) = TC (Q + 1) − TC (Q).
Derivace vyššı́ho řádu
Derivaci f 0 funkce f nazýváme derivacı́ 1. řádu (prvnı́ derivacı́)

funkce f .
Derivacı́ 2. řádu neboli druhou derivacı́ funkce f nazýváme

0
funkci f 0 , tj. derivaci prvnı́ derivace funkce f . Značı́me ji f 00 (x).
0
Derivace 3. řádu se definuje analogicky jako f 000 (x) = f 00 (x) .
V Lagrangeově notaci značı́me 1., 2. a 3. derivaci čárkami, 4. a vyššı́

derivaci označujeme arabskou čı́slicı́ v závorce, např. f (4) , f (5) atd.
Derivace n-tého řádu:

0
f (n) (x) = f (n−1) (x)
dn f d2 f
Leibnizova notace pro derivaci n-tého řádu: , např. apod.
dx n dx 2
Derivace vyššı́ho řádu – přı́klady
Přı́klad (1)
Uvažujme funkci f : y = x 5 + 2x 3 − 7x + 4.
1 Vypočtěte derivace vyššı́ch řádů této funkce.
2 Vypočtěte hodnotu derivace čtvrtého řádu funkce v bodě x0 = 3.
Řešenı́:
y 0 = 5x 4 + 6x 2 − 7
y 00 = 20x 3 + 12x
y 000 = 60x 2 + 12
y (4) = 120x ⇒ y (4) (3) = 120 · 3 = 360
y (5) = 120
y (6) = y (7) = y (8) = · · · = 0
Derivace vyššı́ho řádu – přı́klady
Přı́klad (2)
Pro funkci y = x ln x vypočtěte y 000 (1).
Řešenı́:
1
y 0 = 1 · ln x + x · = ln x + 1
x
1
y 00 =
x
1
y 000 = (−1)x −2 = − 2
x
1
y 000 (1) = − 2 = −1
1
L’Hospitalovo pravidlo
0 ∞
Neurčité výrazy typu 0 a ∞
Definice

f (x) 0
Řı́káme, že podı́l je pro x → x0 neurčitý výraz typu
0 , jestliže

g (x)
lim f (x) = lim g (x) = 0.

x→x0 x→x0
f (x) ∞
Řı́káme, že podı́l je pro x → x0 neurčitý výraz typu ,

g (x) ∞
jestliže
lim f (x) = ±∞, lim g (x) = ±∞.
x→x0 x→x0
Platı́ i pro limitnı́ přechody x → x0+ , x → x0− , x → +∞, x → −∞.
L’Hospitalovo pravidlo
Věta

f (x) 0
Je-li neurčitým výrazem typu 0 nebo neurčitým výrazem

g (x)
∞ f 0 (x) f (x)
typu a existuje-li lim 0 , pak existuje také lim a platı́

∞ x→x0 g (x) x→x0 g (x)
f (x) f 0 (x)
lim = lim 0 .
x→x0 g (x) x→x0 g (x)
f 0 (x) f (x)
Jestliže lim 0 neexistuje, může či nemusı́ lim existovat.
x→x0 (x)
g x→x0 g (x)
Přı́klad

sin x 0
= lim cos x = cos 0 = 1
1 lim =
x→0 x 0 x→0 1
∞ 1
ln x 1
lim = = lim x = =0
2

x→∞ x ∞ x→∞ 1 ∞
Opakované použitı́ l’Hospitalovo pravidla
Přı́klad
ex ∞ ex ∞ ex ∞
lim = = lim = = lim = =∞

x→∞ x 2 ∞ 2x ∞ 2 2

x→∞ x→∞
Přı́klad
Opakovaným použitı́m l’Hospitalova pravidla lze počı́tat racionálnı́ lomené
funkce v nevlastnı́m bodě. Často bývá ale mnohem rychlejšı́ tyto limity
určovat podle dřı́ve zmı́něného pravidla o limitě racionálnı́ lomené funkce v
nevlastnı́m bodě:
x 4 − 5x − 1 x4
lim = lim = lim x = −∞
x→−∞ x 3 + 2x + 7 x→−∞ x 3 x→−∞
Neurčitý výraz typu k0 · ∞k
∞
0
Převedeme na neurčitý výraz typu nebo
podle schématu

0 ∞
A B
A·B = 1
nebo A·B = 1
B A
a dále počı́táme s využitı́m l’Hospitalova pravidla.

Přı́klad
∞ 1
ln x x
lim (x ln x) = k0 · ∞k = lim+ = = lim+ 1 =

x→0+ x→0 1 ∞ x→0 − 2
x x
= lim+(−x) = 0
x→0
Diferenciálnı́ počet funkcı́ jedné proměnné
Při studiu funkcı́ se opı́ráme o diferenciálnı́ počet, který nám dává
pomocı́ derivace informaci o chovánı́ funkce na definičnı́m oboru.
Základnı́m pojmem, který umožňuje tento aparát vybudovat, je pojem
limita funkce.
V aplikacı́ch je podstatné rozlišit, zda pracujeme se spojitou funkcı́.
Spojitost je významná vlastnost těch funkcı́, u nichž malá změna
argumentu vyvolá relativně malou změnu funkčnı́ hodnoty. Derivace je
(poněkud jemněji) veličina, která vyjadřuje poměr těchto změn.
Derivaci funkce v přı́slušném bodě definujeme jakožto směrnici tečny
ke grafu funkce v tomto bodě.
Derivaci funkce chápeme také jako nově odvozenou funkci, kde každé
nezávisle proměnné přiřadı́me derivaci původnı́ funkce v odpovı́dajı́cı́m
bodě (tj. směrnici tečny v tomto bodě).
V ekonomii se pro derivace celkových veličin použı́vá označenı́ meznı́
veličina nebo také marginálnı́ veličina.
Reference
[1] MOUČKA, Jiřı́ a Petr RÁDL. Matematika pro studenty ekonomie.

2., upravené a doplněné vydánı́. Praha: Grada Publishing, 2015.
Expert. ISBN 978-80-247-5406-2.
c2005. ISBN 007-123823-9.
[4] VOSMANSKÁ, Gabriela. Matematika. Brno: Mendelova zemědělská
a lesnická univerzita v Brně, 2004. ISBN 80-7157-546-1.
Lineárnı́ algebra
Viskotová, Hampel (ÚSO MENDELU) Lineárnı́ algebra ZS 2020/21 1 / 134

1 Pojem matice
2 Základnı́ operace s maticemi
3 Součin matic
4 Hodnost matice
5 Determinant matice
6 Inverznı́ matice
7 Soustavy lineárnı́ch rovnic
8 Úloha matic v regresi

LINEÁRNÍ ALGEBRA
Pojem matice

Motivace
Uvažujme následujı́cı́ tabulku (zdroj [4]):
výrobek V1 výrobek V2 výrobek V3
surovina S1 5 3 4
surovina S2 8 7 6
surovina S3 2 3 3
surovina S4 6 − 5
Tabulka: Spotřeba jednotek surovin na zhotovenı́ jednotlivých výrobků
Tabulka se skládá ze 4 řádků a 3 sloupců (hlavičku tabulky

neuvažujeme) a lze ji zapsat jednodušeji jako skupinu 4 × 3 čı́sel
zapsaných do 4 řádků a 3 sloupců. Tı́m dostáváme tzv. matici:
 
5 3 4
8 7 6 
2 3 3  .
 
6 0 5
Definice matice
Definice
Uspořádané schéma tvořené m · n reálnými čı́sly aij tvaru
 
a11 a12 a13 . . . a1n
 a21 a22 a23 . . . a2n 
 
 .. .. .. .. .. 
 . . . . . 
am1 am2 am3 . . . amn
se nazývá matice typu m × n.
Matice značı́me velkými pı́smeny A , B , . . . , E , přičemž v přı́padě

potřeby značı́me dolnı́m indexem typ matice.
Jiný možný způsob zápisu je (aij ) nebo (aij )m×n .
Reálným čı́slům aij řı́káme prvky matice A .
Index i se nazývá řádkový index prvku aij a index j sloupcový index
prvku aij .
Typy matic
Přı́klad (matice různých typů)

 
    2
2 3 1 0 0 −4
A 3×2 =  6 0 , B 3×3 = 0 −1
  0, C 4×1 = 
0

−1 4 1 0 0
7

4 1 8 12 3 1
D 2×4 = , F 2×2 = , G 1×3 = 5 1 3
1 0 2 5 0 5
Např. a31 = −1, c21 = −4, d14 = 12.
Čtvercová matice řádu n je matice typu m × n, pro niž platı́ m = n.

V našem přı́kladu B je čtvercová matice řádu 3, F je čtvercová
matice řádu 2.

Vektor jakožto speciálnı́ přı́pad matice
Řádkovým (aritmetickým) vektorem dimenze n nazveme matici typu

1 × n (uspořádanou n-tici čı́sel).
Sloupcovým (aritmetickým) vektorem dimenze m nazveme matici

typu m × 1 (uspořádanou m-tici čı́sel).
Přı́klad
C 4×1 je sloupcový vektor dimenze 4.
G 1×3 je řádkový vektor dimenze 3.
Vektory většinou značı́me malým pı́smenem, např. a , b , . . . .
V zápisu řádkového vektoru prvky často oddělujeme čárkou nebo

střednı́kem.
Vektor jakožto řádek nebo sloupec matice
Jednotlivé řádky matice lze chápat jako řádkové vektory, jednotlivé
sloupce matice jako sloupcové vektory.
Přı́klad
Např. matice D 4×2 je tvořena dvěma řádkovými vektory dimenze 4

4 1 8 12 , 1 0 2 5
a stejně tak čtyřmi sloupcovými vektory dimenze 2

4 1 8 12
, , , .
1 0 2 5
Řádkové vektory budeme zapisovat také s využitı́m oddělovačů, např.

řádkové vektory z předchozı́ho přı́kladu zapı́šeme (4; 1; 8; 12), resp.
(1; 0; 2; 5).
Skalárnı́ součin vektorů
Skalárnı́m součinem vektorů

a = a1 a2 · · · an , b = b1 b2 · · · bn
stejné dimenze n (nerozlišujeme zde řádkové a sloupcové vektory)

rozumı́me čı́slo
a · b = a1 b1 + a2 b2 + . . . + an bn .
Přı́klad

a= 2 1 2 ,b= 1 −1 4 , a · b = 2 · 1 + 1 · (−1) + 2 · 4 = 9

Celkovou cenu za nákup n druhů zbožı́ v množstvı́ Q1 Q2 · · · Qn za
jednotkovou cenu P1 P2 · · · Pn lze vyjádřit jako skalárnı́ součin
Q1 P1 + Q2 P2 + · · · Qn Pn .

Hlavnı́ a vedlejšı́ diagonála matice
Uvažujme matici
 
a11 a12 a13 ... a1n
 a21 a22 a23 ... a2n 
.
 
 .. .. .. .. ..
 . . . . . 
am1 am2 am3 . . . amn
Prvky matice a11 , . . . , amm při m ≤ n, přı́padně prvky a11 , . . . , ann při
m ≥ n tvořı́ hlavnı́ diagonálu matice A .
Vedlejšı́ diagonálu při m ≤ n tvořı́ prvky a1,n , a2,n−1 , . . . , am,n−m+1
a při m ≥ n jsou to prvky a1,n , a2,n−1 , . . . , an,1 .
Přı́klad
 
3 0 −1 5
Hlavnı́ diagonálu matice  2 −1 0 −2  tvořı́ prvky 3, −1, 1
5 −6 1 0
a vedlejšı́ diagonálu prvky 5, 0, −6.
Speciálnı́ matice
Nulová matice je matice (aij ) typu m × n, pro jejı́ž všechny prvky platı́
aij = 0, kde i = 1, . . . , m, j = 1, . . . , n.
Přı́klad (nulová matice typu 2 × 5)

0 0 0 0 0
O=
0 0 0 0 0
Diagonálnı́ matice je čtvercová matice (aij ), pro jejı́ž prvky platı́

aij = 0 pro všechna i 6= j, neboli všechny prvky mimo hlavnı́ diagonálu
jsou nulové.
Přı́klad (diagonálnı́ matice)
 
  3 0 0 0
−2 0 0 0 −1 0 0 

0 8 0   0 0
0 0 0 0  0 0
0 0 −7
0 0 0 −2
Jednotková matice
Jednotková matice I n (taktéž E n ) řádu n je čtvercová matice řádu n,
která má všechny prvky v hlavnı́ diagonále rovny jedné a všechny
prvky ležı́cı́ mimo hlavnı́ diagonálu rovny nule.
 
1 0 0 ... 0 0
 0 1 0 ... 0 0 
 
 0 0 1 ... 0 0 
 
 .. .. .. . . .. .. 
 . . .
 . . .  
 0 0 0 ... 1 0 
0 0 0 ... 0 1
Přı́klad (jednotková matice řádu 2 a řádu 3)

 
1 0 0
1 0
I2 = I 3 = 0 1 0
0 1
0 0 1
Trojúhelnı́ková matice
Trojúhelnı́ková matice je matice (aij ) typu m × n, pro kterou platı́:
a) m ≤ n (tj. počet řádků nepřevyšuje počet sloupců)
6 0 pro i = 1, . . . , m (tj. hlavnı́ diagonálu tvořı́ nenulové prvky)
b) aii =
c) aij = 0 pro i > j, i = 1, . . . , m; j = 1, . . . , n
(tj. prvky pod hlavnı́ diagonálou jsou nulové)
 
a11 a12 . . . a1m . . . a1n
 0 a22 . . . a2m . . . a2n 
A=
 ... ...

... ... ... ... 
0 0 . . . amm . . . amn
Přı́klad (trojúhelnı́ková matice)

 
−1 0 2 −1 4
 0
 3 −4 0 1 

 0 0 −2 0 −1 
0 0 0 1 0
Základnı́ operace s maticemi

Transponovánı́ matice
Matice, která vznikne z matice A tak, že zaměnı́me řádky za sloupce,

přičemž zachováme jejich pořadı́, se nazývá matice transponovaná
k matici A a značı́ se AT .
Přı́klad (transponovaná matice)
 
  4 2 −3
4 3 0 4  3 0 2 
A= 2 0 −2 1  AT = 
 0 −2

1 
−3 2 1 −2 3×4
4 1 −2 4×3
Transponovánı́m matice typu m × n dostáváme matici typu n × m.

Transponovánı́m řádkového vektoru dostáváme sloupcový vektor,
a naopak, čehož se často využı́vá v zápisu v odborném textu.
AT )T = A .
Platı́ (A

Symetrická matice
Matice A se nazývá symetrická, platı́-li A T = A .

Symetrická matice je tvořená prvky souměrnými vzhledem k hlavnı́
diagonále.
Přı́klad
   
2 −3 1 2 −3 1
B =  −3 5 −1  B T =  −3 5 −1 
1 −1 0 1 −1 0
Dalšı́m přı́kladem symetrické matice je každá diagonálnı́ matice, tedy

i jednotková matice I libovolného řádu n:
IT
n = In

Submatice
Matice, která vznikne z matice A vynechánı́m některých řádků nebo

sloupců, se nazývá submatice matice A .
Přı́klad
 
5 2 3 −1 2
A =  −2 6 3 6 −3  .
3 1 −1 −2 1
Submatice B matice A , která vznikne vynechánı́m prvnı́ho a třetı́ho
sloupce a druhého řádku:

2 −1 2
B = .
1 −2 1

Rovnost matic
Matice A , B se rovnajı́, právě když jsou stejného typu (obecně typu

m × n) a pro každé i = 1, . . . , m a každé j = 1, . . . , n platı́
aij = bij .
Pı́šeme A = B .
Přı́klad

4 3 4 3 2 0
= 6=
2 0 2 0 4 3

x 7
Rovnost = znamená, že
y 4
x = 7, y = 4.

Součet matic
Necht’ A , B jsou matice téhož typu m × n. Matice C typu m × n,

pro jejı́ž prvky platı́
cij = aij + bij , i = 1, . . . , m, j = 1, . . . , n,
se nazývá součet matic A , B a značı́ se A + B

B.
Při sčı́tánı́ matic tedy sečteme prvky na odpovı́dajı́cı́ch pozicı́ch.
Přı́klad

  
3 2 1 −5 1 −2
A= 2 0 −1  , B =  1 −1 2 
1 −1 3 0 2 −3
   
3−5 2+1 1−2 −2 3 −1
A+B =  2+1 0−1 −1 + 2  =  3 −1 1 
1 + 0 −1 + 2 3−3 1 1 0

Rozdı́l matic
Pro rozdı́l dvou matic stejného typu platı́ obdobná úvaha, kdy
odečteme prvky na odpovı́dajı́cı́ch pozicı́ch.
Přı́klad

19 3 6 8 19 − 6 3 − 8 13 −5
− = =
2 0 1 3 2−1 0−3 1 −3
V ryze algebraickém pojetı́ je rozdı́l dvou matic A , B stejného typu

definován jako součet matice A a matice opačné k matici B :
A − B = A + (−1)B
B
Tı́m se dostáváme k operaci násobenı́ matice čı́slem (skalárem).

Násobenı́ matice skalárem
Necht’ r je reálné čı́slo, A matice typu m × n. Matice D typu m × n,
pro jejı́ž prvky platı́
dij = raij , i = 1, . . . , m, j = 1, . . . , n,
A.
se nazývá reálný násobek matice A a značı́ se rA
Přı́klad (základnı́ operace s maticemi)

3 2 1 −3 1 1
Jsou dány matice A = , B = .
2 0 −1 1 −1 1

9 6 3 −6 2 2 15 4 1
A − 2B
3A B = − =
6 0 −3 2 −2 2 4 2 −5
     
0 0 0 2 0 0 −2 0 0
O 3×3 − 2 I 3 =  0 0 0  −  0 2 0  =  0 −2 0 
0 0 0 0 0 2 0 0 −2
Zákony pro operace s maticemi
Necht’ A , B , C , O jsou matice téhož typu a r , s ∈ R libovolná reálná čı́sla.

Pak platı́:
Komutativnı́ zákon pro sčı́tánı́ matic: A + B = B + A .

B + C ) = (A
Asocitativnı́ zákon pro sčı́tánı́ matic: A + (B A + B) + C.
Existence neutrálnı́ho prvku vzhledem ke sčı́tánı́ matic: A + O = A.
Existence inverznı́ho prvku vzhledem ke sčı́tánı́ matic: A + (−AA) = O .
Komutativnı́ zákon pro násobenı́ matice skalárem: rA A = Ar .

A) = (rs)A
Asociativnı́ zákon pro násobenı́ matice skalárem: r (sA A.
A = rA
Prvnı́ distributivnı́ zákon: (r + s)A A + sA
A.
A + B ) = rA
Druhý distributivnı́ zákon: r (A A + rB
B.

Součin matic

Součin matic – předpoklady
Součin matic AB je definován právě tehdy, je-li počet sloupců matice
A m×n roven počtu řádků matice B p×q neboli n = p.
Výsledná matice AB je pak typu m × q, tj. počet řádků matice AB

odpovı́dá počtu řádků matice A a počet sloupců matice AB odpovı́dá
počtu sloupců matice B .
Přı́klad

b b12 b13
Součin A 1×2 · B 2×3 = a11 a12 · 11 je definován, nebot’
b21 b22 b23
počet sloupců matice A odpovı́dá počtu řádků matice B .
Výsledná matice C = AB je typu 1 × 3:

C = c11 c12 c13 .
Je zjevné, že součin B A nenı́ definován, nebot’ v tomto součinu má prvnı́
matice B tři sloupce a druhá matice A jeden řádek (3 6= 1).
Součin matic – odvozenı́ vzorce
Prvky cij v předchozı́m přı́kladu odpovı́dajı́ skalárnı́mu součinu i-tého
řádku matice A a j-tého sloupce matice B :
1. řádek matice A , 1. sloupec B:
b11 P2
c11 = a11 a12 = a11 b11 + a12 b21 = a1k bk1
b21 k=1
b12 P2
c12 = a11 a12 = a11 b12 + a12 b22 = a1k bk2
b22 k=1
b13 P2
c13 = a11 a12 = a11 b13 + a12 b23 = a1k bk3
b23 k=1
Souhrnně můžeme psát

2
b1j X
cij = ai1 ai2 = ai1 b1j +ai2 b2j = aik bkj pro i = 1, j = 1, 2, 3.
b2j
k=1

Součin matic – definice
Necht’ A je matice typu m × n a B matice typu n × p. Matice
n
P
C = AB typu m × p, pro jejı́ž prvky platı́ cij = aik b kj ,
k=1
i = 1, . . . , m, j = 1, . . . , p, se nazývá součin matic A a B .
Přı́klad
V následujı́cı́m přı́kladu součinu matic je barevně vyznačen skalárnı́
součin prvnı́ho řádku prvnı́ matice a prvnı́ho sloupce druhé matice:
     
1 3 1·5+3·9 32
5
2 8  · = 2 · 5 + 8 · 9 = 82
  
9 2×1
4 0 3×2 4·5+0·9 20 3×1
Uvedený součin je skutečně definován, nebot’ prvnı́ matice má stejný

počet sloupců jako druhá matice řádků.
Výsledná matice je typu 3 × 1, tj. má stejný počet řádků jako prvnı́
matice a stejný počet sloupců jako druhá matice.
Součin matic – přı́klady
Přı́klad
Vypočtěte součin matic AB a B A .
 
2 1
3 −1 1
A= , B = −1 −2
−2 1 −3
−4 0
Řešenı́:  
2 1
3 −1 1 3 5
AB = ·  −1 −2  =
−2 1 −3 2×3 7 −4 2×2
−4 0 3×2
   
2 1 4 −1 −1
3 −1 1
B A =  −1 −2  · = 1 −1 5 
−2 1 −3 2×3
−4 0 3×2
−12 4 −4 3×3

Součin matic – přı́klady
Přı́klad
Vypočtěte součin matic AB a B A .

−2 3 3 −1 0
A= ,B =
−1 −5 −1 −2 1
Řešenı́:
−2 3 3 −1 0 −9 −4 3
AB = · =
−1 −5 2×2 −1 −2 1 2×3 2 11 −5 2×3

3 −1 0 −2 3
BA = · nenı́ definován
−1 −2 1 2×3 −1 −5 2×2

Maticový zápis soustavy rovnic
Přı́klad (část 1/2)

Vypočtěte součin matic A · x a vyjádřete A · x = d .
     
6 3 1 x1 22
A = 1 4 −2 , x = x2  , d = 12
4 −1 5 x3 10
Řešenı́:
    
6 3 1 x1 6x1 + 3x2 + x3
A · x = 1 4 −2 x2  = x1 + 4x2 − 2x3 
4 −1 5 x3 4x1 − x2 + 5x3

Maticový zápis soustavy rovnic

Zápis rovnosti matic A · x = d neboli
   
6x1 + 3x2 + x3 22
x1 + 4x2 − 2x3  = 12
4x1 − x2 + 5x3 10
potom odpovı́dá zápisu soustavy lineárnı́ch rovnic
6x1 + 3x2 + x3 = 22
x1 + 4x2 − 2x3 = 12
4x1 − x2 + 5x3 = 10.
Vzhledem k vlastnostem součinu matic musı́ být v maticovém zápisu

soustavy rovnic vektor x sloupcovým vektorem!

Součin matic – aplikace

Uvažujme tabulku uvedenou na slajdu 4:
výrobek V1 výrobek V2 výrobek V3

surovina S1 5 3 4
surovina S2 8 7 6
surovina S3 2 3 3
surovina S4 6 − 5
1 Pomocı́ násobenı́ matic vypočtěte celkovou cenu za suroviny

pro jednotlivé výrobky, jestliže ceny za jednotku suroviny jsou dány
následovně: S1 25 Kč, S2 10 Kč, S3 15 Kč, S4 20 Kč.
2 Zákaznı́k objednal 400 kusů výrobku V1 , 800 kusů výrobku V2
a 500 kusů výrobku V3 . Spočtěte množstvı́ jednotlivých surovin,
které jsou třeba k realizaci objednávky.
Součin matic – aplikace
5 3 4
 8 7 6 
1 25 10 15 20 1×4 · 
 2
 = 355 190 305 1×3
3 3 
6 0 5 4×3
Cena za suroviny pro výrobek V1 je 355 Kč, výrobek V2 190 Kč
a výrobek V3 305 Kč.
   
5 3 4   6 400
 8 7 6  400  11 800 
2   ·  800  =  
 2 3 3   4 700 
500 3×1
6 0 5 4×3 4 900 4×1
K realizaci objednávky je zapotřebı́ 6400 jednotek suroviny S1 ,
11800 jednotek suroviny S2 , 4700 jednotek suroviny S3
a 4900 jednotek suroviny S4 .
Zákony pro součin matic
Komutativnı́ zákon pro násobenı́ matic obecně neplatı́:
Existujı́ matice A, B takové, že
AB 6= B A .
Asociativnı́ zákon pro násobenı́ matic:

Pro každé tři matice A typu m × n, B typu n × p a C typu p × q
můžeme psát:
B C ) = (A
A (B AB )C
C.
Distributivnı́ zákony pro operace sčı́tánı́ a násobenı́ matic:
Pro každé tři matice A typu m × n, B typu n × p a C typu n × p platı́
A(B
B + C ) = AB + AC .
Pro každé tři matice A typu n × p, B typu m × n a C typu m × n platı́
B + C )A
(B A = B A + C A.

Násobenı́ čtvercových matic stejného řádu
Neutrálnı́m prvkem vzhledem k operaci násobenı́ čtvercových matic

řádu n je jednotková matice I n , navı́c operace násobenı́ čtvercové
matice a matice jednotkové stejného řádu je komutativnı́:
A · I = I · A = A.
Přı́klad

7 4 1 0 7 4
· =
9 1 0 1 9 1
     
1 0 0 a11 a12 a13 a11 a12 a13
0 1 0 · a21 a22 a23  = a21 a22 a23 
0 0 1 a31 a32 a33 a31 a32 a33

Násobenı́ čtvercových matic stejného řádu
Inverznı́m prvkem ke čtvercové matici A řádu n vzhledem k operaci
násobenı́ je tzv. inverznı́ matice A −1 stejného řádu:
A · A −1 = A −1 · A = I n .
I v tomto speciálnı́m přı́padě je násobenı́ matic komutativnı́.
Přı́klad

4 −7 2 7
Matice A A−1 = je inverznı́ k matici A = , nebot’ platı́
−1 2 1 4

2 7 4 −7 4 −7 2 7 1 0
· = · = .
1 4 −1 2 −1 2 1 4 0 1
Inverznı́ matice k dané matici A existuje jen za jistých podmı́nek

(analogiı́ v množině reálných čı́sel je existence převrácené hodnoty
pouze pro nenulová čı́sla).
Výpočtem inverznı́ch matic se budeme zabývat později.
Součin třı́ matic – přı́klad

Uspořádejte matice tak, aby byl definován jejich součin, a vypočtěte jej.
   
−2 −1 0 5 3
5 0 0 6 2 5 0 −1 1
A =  , B = 
    , C =
0 −8 0 1 −5 0 3 1 −2
1 2 7 −3 0
Řešenı́:
Matice lze uspořádat celkem 3! = 6 (počet permutacı́ třı́prvkové množiny)
způsoby:
A, B , C ; A, C , B ; B , A, C ; B , C , A; C , A, B ; C , B , A.
Jediné možné uspořádánı́ matic je C 2×4 · B 4×4 · A 4×1 , přičemž výsledná

matice je typu 2 × 1.
Součin třı́ matic – přı́klad

Vzhledem k tomu, že násobenı́ matic je asociativnı́, je možné daný součin
třı́ matic počı́tat dvěma způsoby. Je však důležité zachovávat uspořádánı́
matic, nebot’ násobenı́ nenı́ obecně komutativnı́:
 
−2
5 7 21 20  5 45
C B )A
(C A= ·   =
−12 −14 25 1 2×4  0 −45 2×1
1 4×1
 
5
5 0 −1 1 2 45
B A) =
C (B ·   =
0 3 1 −2 2×4 11 −45 2×1
31 4×1
Je zjevné, že druhý přı́stup bude výhodnějšı́, nebot’ matice B A má 4 prvky,
zatı́mco matice C B počı́taná v prvnı́m způsobu má 8 prvků.
Součin třı́ matic – aplikace

Uvažujme přı́klad uvedený na slajdu 31. Vypočı́tejte cenu za veškeré
suroviny potřebné k realizaci objednávky.
5 3 4  
8 400
7 6
25 10 15 20 1×4 · 
2 ·  800 = 446500 1×1
3 3
500 3×1
6 0 5 4×3
Cena za veškeré suroviny potřebné k realizaci objednávky je
446 500 Kč.
Výsledná matice je typu 1 × 1, obsahuje tedy pouze jeden prvek.
Vzhledem k platnosti asociativnı́ho zákona pro operaci násobenı́ lze
výsledný součin vypočı́tat dvěma způsoby (jsou možné dva způsoby
ozávorkovánı́“ ).
”
Součin třı́ matic – aplikace

Poznámky:
Uvedená aplikace demonstruje, jak maticový výpočet jednoduchým
způsobem automatizuje výpočty.
V databázi jsou v tabulkách uvedeny potřebné čı́selné hodnoty, které
vyjadřujı́ množstvı́ a ceny. Vyjádřenı́m těchto hodnot v maticı́ch pak
zı́skáme možnost rychle vypočı́tat všechny zmiňované čı́selné údaje.
Při změně sazby za jednotku suroviny či množstvı́ objednaných
výrobků se způsob výpočtu zachovává, nastane pouze přepočet
s novými vstupnı́mi hodnotami.
Pro ilustraci se v přı́kladu pracovalo pouze s několika řádky a sloupci
tabulky, problematika se dá pochopitelně rozšı́řit na výrazně
rozměrnějšı́ matice.

Hodnost matice

Lineárnı́ kombinace vektorů
Definice
Řekneme, že vektor a je lineárnı́ kombinacı́ vektorů a 1 , a 2 , . . . , a k , jestliže
existujı́ reálná čı́sla c1 , c2 , . . . , ck taková, že platı́
k
X
a = c1a 1 + c2a 2 + . . . + ck a k = ci a i .
i=1
Čı́sla c1 , c2 , . . . , ck se nazývajı́ koeficienty lineárnı́ kombinace.
Přı́klad
Uvažujme vektory a 1 = (4; −5; 1), a 2 = (0; −8; 5), a 3 = (−3; 4; 2),
a 4 = (2; 3; 1) a reálná čı́sla c1 = 2, c2 = −1, c3 = 3, c4 = −2. Lineárnı́
kombinace a vektorů a 1 , a 2 , a 3 , a 4 s koeficienty c1 , c2 , c3 , c4 má tvar:
a = 2 · (4; −5; 1) + (−1) · (0; −8; 5) + 3 · (−3; 4; 2) + (−2) · (2; 3; 1) =

= (8 + 0 − 9 − 4; −10 + 8 + 12 − 6; 2 − 5 + 6 − 2) = (−5; 4; 1)
Lineárnı́ závislost a nezávislost vektorů
Nulový vektor o = (0; 0; . . . ; 0) je lineárnı́ kombinacı́ libovolné skupiny
vektorů a 1 , a 2 , . . . , a k stejné dimenze:
o = 0 · a1 + 0 · a2 + · · · + 0 · ak
Lineárnı́ kombinace vektorů, ve které jsou všechny koeficienty rovny

nule, se nazývá triviálnı́ lineárnı́ kombinace.
Řekneme, že vektory a 1 , a 2 , . . . , a k jsou lineárně závislé, právě když

existuje netriviálnı́ nulová lineárnı́ kombinace těchto vektorů.
Řekneme, že vektory a 1 , a 2 , . . . , a k jsou lineárně nezávislé, právě když
jediná nulová lineárnı́ kombinace těchto vekorů je triviálnı́.
Pro k > 1 lze tvrdit, že vektory jsou lineárně závislé právě tehdy, když
alespoň jeden z nich je lineárnı́ kombinacı́ ostatnı́ch. A naopak,
vektory jsou lineárně nezávislé právě tehdy, když žádný vektor nenı́
lineárnı́ kombinacı́ ostatnı́ch vektorů.
Lineárnı́ závislost a nezávislost vektorů – přı́klad
Přı́klad
Vektory a 1 = (2; −2; 0), a 2 = (0; −2; 1), a 3 = (2; 4; −3) jsou lineárně
závislé, protože existuje jejich netriviálnı́ nulová lineárnı́ kombinace
(alespoň jeden koeficient je nenulový)
1 · a 1 + (−3) · a 2 + (−1) · a 3 = o .
Vektory e 1 = (1; 0; 0), e 2 = (0; 1; 0), e 3 = (0; 0; 1) jsou lineárně

nezávislé, protože jediná nulová lineárnı́ kombinace je triviálnı́:
0 · e1 + 0 · e2 + 0 · e3 = o.
Vektory a 1 = (−3; 2; 1), a 2 = (5; −1; 2), a 3 = (2; 1; 3) jsou lineárně

závislé, nebot’ vektor a 3 je lineárnı́ kombinacı́ vektorů a 1 , a 2 :
a3 = a1 + a2

Lineárnı́ závislost a nezávislost vektorů – poznámky
Množina vektorů obsahujı́cı́ nulový vektor o~ je lineárně závislá.
Přı́klad
Vektory a 1 = (1; 2; 3; 4), a 2 = (2; 1; 4; 3), a 3 = (0; 0; 0; 0), a 4 = (3; 4; 7; 8)
jsou lineárně závislé, nebot’ vektor a 3 je lineárnı́ kombinacı́ zbývajı́cı́ch
vektorů:
a3 = 0 · a1 + 0 · a2 + 0 · a4
Je-li mezi vektory jeden vektor reálným násobkem jiného vektoru, jsou
tyto vektory lineárně závislé.
Přı́klad
Vektory a 1 = (−3; 2), a 2 = (−9; 6) jsou lineárně závislé, nebot’ a 2 = 3 · a 1 .
Vektory a 1 = (−3; 2), a 2 = (2; 6) jsou lineárně nezávislé, nebot’ ani jeden
vektor nenı́ reálným násobkem druhého vektoru.
Vektory a 1 = (−3; 2; 5), a 2 = (1; 2; 3), a 3 = (2; 4; 6) jsou lineárně závislé,
nebot’ vektor a 3 = 2aa 2 , tudı́ž můžeme psát a 3 = 0 · a 1 + 2aa 2 .
Hodnost matice
Hodnost h(A A) matice A je rovna maximálnı́mu počtu lineárně

Am×n ) ≤ m.
nezávislých řádků této matice. Tudı́ž h (A
Hodnost trojúhelnı́kové matice A typu m × n je rovna počtu řádků
A) = m.
této matice, tedy h(A
Přı́klad
 
1 2 −1
1 Matice  0 −3 1  má hodnost 2, protože
2 4 −2
vektory r 1 = (1; 2; −1), r 2 = (0; −3; 1) jsou lineárně nezávislé, ale
vektory r 1 = (1; 2; −1), r 2 = (0; −3; 1), r 3 = (2; 4; −2) jsou lineárně závislé,
nebot’ r 3 = 2rr 1 + 0rr 2 .
 
−1 5 2 0
2 Trojúhelnı́ková matice  0 2 2 −1 má hodnost 3 (počet řádků).
0 0 3 2

Hodnost transponované matice, matice plné hodnosti
Pro dvě navzájem transponované matice A, AT platı́ h(A

A) = h AT .

Přı́klad
 
  −1 0 0
−1 5 2 0 3 
 5 2 0 

h 0 2 2 −1 −1  = h
 2 2 3 

0 0 3 2 0  0 −1 2 
3 −1 0
Hodnost matice můžeme tedy definovat také jako maximálnı́ počet

lineárně nezávislých sloupců. Pro matici A typu m × n tudı́ž platı́
A) ≤ min{m, n}.
h(A
A) = min{m, n}, hovořı́me o matici plné hodnosti.

V přı́padě, že h(A

Ekvivalentnı́ řádkové úpravy matice
(U1) Záměna pořadı́ řádků matice.

(U2) Násobenı́ libovolného řádku matice nenulovým reálným čı́slem.
(U3) Přičtenı́ reálného násobku řádku k libovolnému řádku.
(U4) Vynechánı́ řádku, který je reálným násobkem jiného řádku.
Skutečnost, že matice B vznikla z matice A ekvivalentnı́ úpravou (tj.

úpravou zachovávajı́cı́ hodnost), značı́me A ∼ B a matice A , B
nazýváme ekvivalentnı́.
Vzhledem k tomu, že transponovánı́ zachovává hodnost matice, lze

při výpočtu hodnosti uvažovat také ekvivalentnı́ sloupcové úpravy.

Výpočet hodnosti
Výpočet hodnosti libovolné matice bude nynı́ spočı́vat v tom, že
pomocı́ ekvivalentnı́ch úprav převedeme zadanou matici na matici
v trojúhelnı́kovém tvaru, jejı́ž hodnost odpovı́dá počtu řádků.
Zadaná matice má pak vzhledem k výhradnı́mu použitı́ ekvivalentnı́ch
úprav stejnou hodnost jako výsledná trojúhelnı́ková matice.
Přı́klad
Určete hodnost matice A pomocı́ řádkových ekvivalentnı́ch úprav.
     
0 1 2 ← − 1 −2 3 ·(−2) 1 −2 3
 1 −2 3 ← − ∼ 0  1 2 ∼ 0 1 2 ·(−1)
2 −3 1 2 −3 1 ← −+ 0 1 −5 ← −+
 
1 −2 3
∼ 0 1 2 A) = 3
h(A
0 0 −7

Přı́klad
Určete hodnost matice B .
   
3 −2 1 0 1 ← − 1 2 0 −1 2 ·2 ·(−3)
 −2 8 −1 −1 3   −2 8 −1 −1 3 ←
 −+
  ∼
 1 2 0 −1 2 ← −  3 −2 1 0 1 ←−−−− +

−1 2 0 1 0 −1 2 0 1 0 ←−−−−−−−−− +
   
1 2 0 −1 2 1 2 0 −1 2
0 12 −1 −3 7 ←
− 0 4 0 0 2
 ·2 ·(−3)
∼  ∼
0 −8 1 3 −5 0 −8 1 3 −5 ←
−+
0 4 0 0 2 ← − 0 12 −1 −3 7 ←−−−− +
 
1 2 0 −1 2  
0 1 2 0 −1 2
4 0 0 2 

∼ ∼ 0 4 0 0 2 B) = 3
h(B
0 0 1 3 −1
0 0 1 3 −1
0 0 −1 −3 1

Hodnost matice a lineárnı́ závislost či nezávislost vektorů
Uvažujme m aritmetických vektorů dimenze n, které zapı́šeme do
řádků matice (označ. A ) typu m × n. Mohou nastat dva přı́pady:
A) = m
h(A ⇒ vektory jsou lineárně nezávislé,
A) < m
h(A ⇒ vektory jsou lineárně závislé.
V přı́padě, že počet vektorů m je většı́ než jejich dimenze n, musı́ pro
přı́slušnou matici A m×n platit h(AA) ≤ n < m. Vektory jsou tedy
lineárně závislé.
Přı́klad
Rozhodněte o lineárnı́ závislosti či nezávislosti vektorů
a 1 = (3; −1), a 2 = (−1; 3), a 3 = (3; 1).
3 −1
A) = h −1 3  ≤ 2, tj. h(A
h(A A) 6= 3. Vektory jsou lineárně závislé.
3 1

Lineárnı́ závislost či nezávislost vektorů – výpočet
Přı́klad
Rozhodněte o lineárnı́ závislosti či nezávislosti vektorů
1 a = (0; 0; 2; 1; −2), a = (3; 4; 5; 0; 1), a = (0; 1; 3; −2; −2),
1 2 3
a 4 = (0; 0; 0; 4; 3).
Řešenı́:
   
0 0 2 1 −2 3 4 5 0 1
 3 4 5 0 1   0 1
∼ 3 −2 −2 
A= 
 0 1 3 −2 −2   0 0 2 1 −2 
0 0 0 4 3 0 0 0 4 3
A) = 4, vektory jsou lineárně nezávislé.

h(A
2 a 1 = (1; 1; 1; 1), a 2 = (2; 1; −1; −1), a 3 = (0; 2; 1; 1),
a 4 = (3; 1; 2; 1).
Řešenı́ formou samostatné práce – přı́prava na cvičenı́.
Regulárnı́ a singulárnı́ matice
A) = n.
Čtvercová matice A n řádu n je regulárnı́, jestliže platı́ h(A
A) < n.
Čtvercová matice A n řádu n je singulárnı́, jestliže platı́ h(A
Přı́klad
Rozhodněte, zda jsou zadané matice singulárnı́ nebo regulárnı́:

2 −3 8 −12
a) b)
−6 −9 −2 3
Řešenı́: Vzhledem k tomu, že matice jsou druhého řádu, nenı́ nutné počı́tat
ekvivalentnı́ trojúhelnı́kovou matici, ale stačı́ přı́mo rozhodnout o lineárnı́
závislosti či nezávislosti řádků matice.
a) Řádky jsou lineárně nezávislé, hodnost matice je tedy 2 (maximálnı́
počet lineárně nezávislých řádků) a odpovı́dá řádu matice. Výsledná
čtvercová matice je regulárnı́.
b) Řádky r 1 , r 2 jsou lineárně závislé, nebot’ r 1 = (−4) · r 2 Hodnost
matice je tedy 1 a je menšı́ než řád matice. Matice je singulárnı́.
Determinant matice

Pojem determinant
Determinant čtvercové matice A n je čı́slo, které je jistým způsobem

k dané matici přiřazeno a které představuje zásadnı́ charakteristiku
přı́slušných (do řádků a sloupců uspořádaných) n2 prvků.

Determinant zapisujeme jako det A nebo A .
Determinant je definován pouze pro čtvercové matice.
Definice determinantu čtvercové matice A n přesahuje rámec

předmětu, lze ji nalézt např. v [1].

Determinant čtvercové matice 1. řádu

Determinantem čtvercové matice 1. řádu a11 je přı́mo prvek a11 :

a11 = a11 .
Je důležité rozlišit v přı́padě čtvercových matic 1. řádu značenı́

absolutnı́ hodnoty a determinantu.
Přı́klad

Pro čtvercovou matici 1. řádu A = −5 platı́

A = −5,
pro prvek matice a11 = −5 je
| − 5| = 5.

Determinant čtvercové matice 2. řádu určı́me pomocı́ tzv. křı́žového

pravidla, kdy od součinu prvků hlavnı́ diagonály odečteme součin
prvků vedlejšı́ diagonály:
a11 a12
a a
det 11 12 = a a = a11 a22 − a12 a21
a21 a22 21 22
− +
Přı́klad

10 4
1
8 5 = 10 · 5 − 4 · 8 = 50 − 32 = 18

2 6
2
8 24 = 2 · 24 − 6 · 8 = 48 − 48 = 0

Jak se dozvı́me později, lineárnı́ závislost či nezávislost řádků

a sloupců matice souvisı́ s nulovostı́ či nenulovostı́ determinantu.
Výpočet determinantu čtvercové matice 3. řádu provádı́me pomocı́

tzv. Sarrusova pravidla:
  a11 a12 a13

a11 a12 a13
det a21 a22 a23  = a21 a22 a23 =
a31 a32 a33
a31 a32 a33
− +
a11 a12 a13
− +
a21 a22 a23
− +
= a11 a22 a33 + a21 a32 a13 + a31 a12 a23

− (a13 a22 a31 + a23 a32 a11 + a33 a12 a21 )
Sarrusovo pravidlo lze použı́t pouze pro matice 3. řádu!

Determinant čtvercové matice 3. řádu - přı́klad
Přı́klad

−2 0 6

−1 1 3 = (−2) · 1 · 2 + (−1) · 1 · 6 + 5 · 0 · 3

5 1 2 − [6 · 1 · 5 + 3 · 1 · (−2) + 2 · 0 · (−1)] =
−2 0 6 = −4 − 6 + 0− (30 − 6 + 0) = −34
−1 1 3

Výpočet determinantů čtvercové matice libovolného řádu n
Uvažujme čtvercovou matici A řádu n ≥ 2, n ∈ N.
Symbolem A ij označme determinant takové matice řádu n − 1, která

vznikne z matice A vynechánı́m i-tého řádku a j-tého sloupce.
Algebraickým doplňkem prvku aij nazveme čı́slo A ∗ij = (−1)i+j A ij .
Věta (Laplaceova věta o rozvoji determinantu)

n
aik A ∗ik .
P
Rozvoj podle i-tého řádku (i = 1, . . . , n): det A =
k=1
n
akj A ∗kj .
P
Rozvoj podle j-tého sloupce (j = 1, . . . , n): det A =
k=1
Výsledný determinant lze tedy určit rozvojem dle libovolného řádku či
sloupce (2n možnostı́).
Laplaceův rozvoj – přı́klad
Přı́klad (Rozvoj podle 3. řádku)

5 6 4 5
5 4 5 3
= 3 · A ∗31 + 5 · A ∗32 + 7 · A ∗33 + 2 · A ∗34 =

det A =
3 5 2 7
7 6 7 3

6 5 4 5 5 4
= 3 · (−1)3+1 4 3 5 + 5 · (−1)3+2 5 3 5 +

6 3 7 7 3 7

5 6 4 5 6 5
+ 7 · (−1)3+3 5 4 5 + 2 · (−1)3+4 5 4 3 =

7 6 7 7 6 3
= 3 · 1 · 22 + 5 · (−1) · 6 + 7 · 1 · (−2) + 2 · (−1) · 16 =

= 66 − 30 − 14 − 32 = −10
Vlastnosti determinantu I.
Transponovánı́ matice zachovává hodnotu determinantu, tj.

T
A = A .
Přı́klad

2 −1 2 3
= =3
3 0 −1 0

5
1 0 5
−1 2

−1 4 3 = 1 4 0 = −15

2 0 −1 0 3 −1

Vlastnosti determinantu II.
Pro čtvercovou matici B , která vznikne záměnou dvou řádků (resp.

sloupců) v matici A , platı́

B = − A .
Přı́klad

a b c d

c = ad − bc, = cb − da = −(ad − bc)
d a b

0 1 3 3 1 0

2
5 7 = −26, 7
5 2 = 26

3 0 1 1 0 3

Vlastnosti determinantu III
Pro čtvercovou matici B , která vznikne vynásobenı́m řádku (resp.
sloupce) v matici A reálným čı́slem k, platı́

B = k · A .
Přı́klad

15a 7b 5a 7b 5a 7b

12c = 3 · = 3 · 2 · = 6 · (5ad − 14bc)
2d 4c 2d 2c d
Při výpočtu determinantů tedy vytýkáme“ z právě jednoho řádku

”
nebo právě jednoho sloupce.
Je nutné rozlišit mezi zápisem determinantů

ka kb
= k a b

c d c d
a zápisem matic
ka kb a b
=k .
kc kd c d
Vlastnosti determinantu IV.
Přičteme-li k jednomu řádku (resp. sloupci) matice A násobek jiného

řádku (resp. sloupce), bude mı́t výsledná matice stejnou hodnotu
determinantu jako matice A .
Přı́klad

a b ·k a b
= = a(d + kb) − b(c + ka) = ad − bc
c d ← −+ c + ka d + kb

2
1 −1 ·(−2) 2
1 −1
0 2 3 = 0 2 3 = 0

4 0 −5 ←−+ 0 −2 −3
Všimněme si, že druhý a třetı́ řádek jsou lineárně závislé a výsledný
determinant je nulový. Tı́m se dostáváme k dalšı́ důležité vlastnosti
determinantů.

Vlastnosti determinantu V.
Jestliže je některý řádek (resp. sloupec) čtvercové matice reálným
násobkem jiného řádku (resp. sloupce), potom je determinat této
matice nulový.
Z předchozı́ho tvrzenı́ tedy plyne, že determinant čtvercové matice,
která má dva stejné řádky (resp. sloupce), je nulový.
Dále lze tvrdit, že determinant čtvercové matice, která má v některém
řádku (resp. sloupci) samé nuly, je roven nule.
Přı́klad

2a 2b c c 0 5
a b = 0,
= 0, =0
d d 0 5
Uvedená vlastnost determinantu se dá zobecnit na jednoznačný vztah

mezi lineárnı́ závislostı́ řádků (sloupců) a nulovostı́ determinantu,
a taktéž na jednoznačný vztah mezi lineárnı́ nezávislostı́ řádků
(sloupců) a nenulovostı́ determinantu.
Vlastnosti regulárnı́ch a singulárnı́ch matic
Následujı́cı́ tvrzenı́ pro čtvercovou matici A řádu n jsou vzájemně

ekvivalentnı́:
Matice A je regulárnı́.
h(AA) = n.
Řádky
(sloupce) matice jsou lineárně nezávislé.
A 6= 0.
K matici A existuje tzv. inverznı́ matice A −1 , pro kterou platı́
A · A −1 = A −1 · A = I n .
Analogické ekvivalentnı́ výroky lze zapsat i v přı́padě singulárnı́ch

matic:
Matice A je singulárnı́.
h(AA) < n.
Řádky
(sloupce) matice jsou lineárně závislé.
A = 0.
K matici A neexistuje matice inverznı́.

Vlastnı́ čı́sla matice
Charakteristickou rovnicı́ čtvercové matice A řádu n nazveme rovnici
A − λII n ) = 0,
det (A
což můžeme rozepsat jako

a11 − λ a12 ... a1n

a21 a22 − λ ... a2n

... = 0.
... ... . . .
an1 an2 . . . ann − λ
Kořeny charakteristické rovnice se nazývajı́ vlastnı́ čı́sla matice.
Vlastnı́ čı́sla se využı́vajı́ napřı́klad v rámci tzv. analýzy hlavnı́ch

komponent, přı́mo s nimi budeme pracovat v ekonometrii při detekci
a řešenı́ problému multikolinearity.

Vlastnı́ čı́sla matice – přı́klad
Přı́klad (1)

−3 4
Určete vlastnı́ čı́sla matice A = .
2 −1
Řešenı́:
Z charakteristické rovnice vypočteme vlastnı́ čı́sla:

−3 − λ 4 = λ2 + 4λ − 5

A − λII ) =
det(A
2 −1 − λ
λ2 + 4λ − 5 = 0
tj.
λ1 = 1, λ2 = −5.

Přı́klad (2)
 
2 −3 1
Určete vlastnı́ čı́sla matice A =  1 −2 1  .
1 −3 2
Řešenı́: Charakteristická rovnice má tvar

2−λ −3 1

1
−2 − λ 1 = 0.

1 −3 2−λ
Dostaneme (2 − λ)(−2 − λ)(2 − λ) − 6 − (−2 − λ) + 6(2 − λ) = 0, t.j.
−λ(λ − 1)2 = 0.
Vlastnı́ čı́sla matice A jsou λ1 = 0, λ2 = λ3 = 1.

Přı́klad (3)

0 1
Určete vlastnı́ čı́sla matice A = .
−1 0
Řešenı́:
Vyjádřı́me levou stranu charakteristické rovnice:

0−λ 1
A − λII ) =
det(A = (−λ)(−λ) − 1(−1) = λ2 + 1
−1 0 − λ
Charakteristická rovnice
λ2 + 1 = 0
nemá reálné kořeny.
Tato matice tedy nemá reálná vlastnı́ čı́sla.

Inverznı́ matice

Inverznı́ matice
Inverznı́ matice A −1 ke čtvercové matici A řádu n je matice stejného

řádu, pro kterou platı́
A · A −1 = A −1 · A = I n .
Inverznı́ matice tedy představuje neutrálnı́ prvek vzhledem k násobenı́

čtvercových matic. Pro matice A m×n , kde m 6= n, nenı́ pojem inverznı́
matice definován.
Jak již bylo zmı́něno na slajdu 66, inverznı́ matice ke čtvercové
matici A existuje právě tehdy, když je matice A regulárnı́. Vzhledem
k uvedeným ekvivalencı́m lze podmı́nku regulárnosti matice nahradit
např. podmı́nkou nenulovosti determinantu.
Inverznı́ matice k regulárnı́ matici A je určena jednoznačně a platı́
−1
A −1 = A.

Výpočet inverznı́ matice pomocı́ řádkových úprav
Čtvercovou matici A řádu n rozšı́řı́me o sloupce jednotkové matice In
a upravı́me ekvivalentnı́mi řádkovými úpravami tak, aby na mı́stě
matice A vznikla jednotková matice I n .
Matice tvořená poslednı́mi n sloupci je pak inverznı́ matice A −1 .
A | I n ) ∼ · · · ∼ I n | A −1

(A
 
a11 a12 ... a1n 1 0 ... 0
 a21 a22 ... a2n 0 1 ... 0 
 ∼
 ... ... ... ... ... ... ... ... 
an1 an2 ... ann 0 0 ... 1
 
1 0 ... 0
 0 1 ... 0 −1
A

∼ ······ ∼  ... ...

... ... 
0 0 ... 1
Výpočet inverznı́ matice řádkovými úpravami – přı́klad
Přı́klad (1)

2 7
Najděte inverznı́ matici k matici A = .
1 4
Řešenı́:
2 7 1 0 ←− 1 4 0 1 ·(−2)
∼ ∼
1 4 0 1 ←
− 2 7 1 0 ←
− +

1 4 0 1 ←−+ 1 0 4 −7
∼ ∼ ∼
0 -1 1 −2 ·4 0 −1 1 −2 | · (−1)

1 0 4 −7 −1 4 −7
∼ , A =
0 1 −1 2 −1 2

Výpočet inverznı́ matice řádkovými úpravami – přı́klad
Přı́klad (2)
 
1 −1 2
Najděte inverznı́ matici k matici B =  −1 0 1 .
−2 1 2
Řešenı́: ! !
1 −1 2 1 0 0 ·2 1 −1 2 1 0 0 ←
−+
∼ ∼

−1 0 1 0 1 0 ←−+ 0 -1 3 1 1 0 ·(−1) ·(−1)
−2 1 2 0 0 1 ←−−−− + 0 −1 6 2 0 1 ←−−−−−−− +
! !
1 0 −1 0 −1 0 | ·3 3 0 −3 0 −3 0 ←−−−−−−− +
0 −1 3 1
1 0 ∼ 0 −1 3 1
1 0 ←−+ ∼
0 0 3 1 −1 1 0 0 3 1 −1 1 ·(−1)
 
1 − 34 1
1 | · 31 1 0 0

−4
3 0 0

1 3 3
0 −1 0 0 2 −1 | · (−1) ∼ 0 1 0 0 −2 1
0 0 3 −1 1 | · 13
1 1
0 0 1 3 − 31 1
3
 
1 −4 1
1
B −1 = 0 −6 3 
3 1 −1 1

Výpočet inverznı́ matice pomocı́ tzv. adjungované matice
Uvažujme čtvercovou regulárnı́ matici A řádu n ≥ 2, n ∈ N.
Symbolem A ∗ označme matici tvořenou algebraickými doplňky A ∗ij
prvků aij matice A .
A∗ )T .
Maticı́ adj A adjungovanou k matici A nazveme matici adj A = (A
Výpočet inverznı́ matice A −1 k matici A je dán vzorcem

1
A −1 = adj A ,
A
neboli
T
A ∗11 A ∗12 . . . A ∗1n A ∗11 A ∗21 . . . A ∗n1
  
1  A ∗21 A ∗22 . . . A ∗2n 
 = 1  A ∗12 A ∗22 . . . A ∗n2 
A −1

=  .
A  . . . . . . ... ...  A 
... ... ... ... 
A ∗n1 A ∗n2 ∗
. . . A nn A ∗1n A ∗2n . . . A ∗nn

Matice adjungovaná k čtvercové matici 2. řádu
Výpočet matice adjungované ke čtvercové matici 2. řádu lze přepsat
jako
a11 a12 a22 −a12
adj A = adj = ,
a21 a22 −a21 a11
tj. prohodı́me prvky hlavnı́ diagonály a u prvků vedlejšı́ diagonály
změnı́me znaménko.
Postup neplatı́ pro matice jiných řádů!
Přı́klad

3 2
Pro matici A = dostáváme
1 0

−1 1 1 0 −2 0 1
A = adj A = = 1
A (−2) −1 3 2 − 32

Výpočet inverznı́ matice pomocı́ determinantů
 
1 0 1
Určete inverznı́ matici k matici A = 2 1 0.
0 1 1
Řešenı́:
1 0 1

Determinant matice: A = 2 1 0 = 3 6= 0, A je regulárnı́

0 1 1
Algebraické doplňky:

1 0 1+2 2 0 1+3 2 1
A ∗11 = (−1)1+1 ∗ ∗

= 1, A 12 = (−1) = −2, A 13 = (−1) = 2,
1 1 0 1 0 1

0 1 2+2 1 1 2+3 1 0
A ∗21 = (−1)2+1 ∗ ∗

= 1, A 22 = (−1) = 1, A 23 = (−1) = −1,
1 1 0 1 0 1

0 1 3+2 1 1 3+3 1 0
A ∗31 = (−1)3+1 ∗ ∗

= −1, A 32 = (−1) = 2, A 33 = (−1) = 1.
1 0 2 0 2 1
Výpočet inverznı́ matice pomocı́ determinantů

Adjungovaná matice k matici A :
 T  
1 −2 2 1 1 −1
adj A =  1 1 −1  =  −2 1 2 
−1 2 1 2 −1 1
1
Inverznı́ matice A −1 = adj A :
A
1 1
− 31
 
  3 3
1 1 −1  
−1 1  2 1 2

A = −2 1 2 
 −3
= 3 3

3 
2 −1 1  
2
3 − 13 1
3

Výpočet vybraných prvků inverznı́ matice

Určete prvky x12 , x23 , x31 inverznı́ matice X = A −1 , jestliže
 
0 2 1
A = −1 2 −1
3 −1 1
Řešenı́:
Determinant matice:

0 2 1

A = −1 2 −1 = −9 6= 0

3 −1 1

Výpočet vybraných prvků inverznı́ matice

Algebraické doplňky:

∗ 2+1
2 1 1 1
A 21 = (−1)
−1 = −(2 + 1) = −3 ⇒ x12 = − (−3) =
1 9 3

0 1 1 1
A ∗32 = (−1)3+2 = −(0 + 1) = −1 ⇒ x23 = − (−1) =
−1 −1 9 9

−1 2 1 5
A ∗13 = (−1)1+3 = +(1 − 6) = −5 ⇒ x31 = − (−5) =
3 −1 9 9
Vybrané prvky inverznı́ matice:
 
1
3
A −1 =  1

9
5
9

Výpočet inverznı́ matice – shrnutı́
Použı́vané metody výpočtu inverznı́ matice A −1 k matici A :
transformace na jednotkovou matici pomocı́ řádkových ekvivalentnı́ch

úprav
A−1

A|E
(A E n ) ∼ · · · ∼ E n |A
výpočet pomocı́ determinantu a adjungované matice:

1
A −1 = adj A
A

Využitı́ inverznı́ matice v maticových rovnicı́ch – přı́klad
Přı́klad (1)
Necht’ A je regulárnı́ matice řádu n, B libovolná matice typu n × p.
Vyjádřete matici X z maticové rovnice A · X = B .
Řešenı́:
Operace dělenı́“ matic je nepřı́pustná, je nutné využı́t vztahu dvou
”
vzájemně inverznı́ch funkcı́ a neutrálnosti jednotkové matice I vzhledem
k operaci násobenı́ matic.
A ·X = B
A −1 · A · X = A −1 · B
I · X = A −1 · B
X = A −1 · B
Násobenı́ matic nenı́ obecně komutativnı́, vynásobenı́ rovnice inverznı́

maticı́ musı́ probı́hat na obou stranách ve stejném uspořádánı́, tj. zleva.
Využitı́ inverznı́ matice v maticových rovnicı́ch – přı́klad
Přı́klad (2)
Necht’ A je regulárnı́ matice řádu n, B libovolná matice typu m × n.
Vyjádřete matici X z maticové rovnice X · A = B .
Řešenı́:
Postup bude analogický předchozı́mu přı́kladu:
X ·A = B
X · A · A −1 = B · A −1
X · I = B · A −1
X = B · A −1
Vynásobenı́ rovnice inverznı́ maticı́ musı́ probı́hat na obou stranách rovnice

ve stejném uspořádánı́, v tomto přı́padě tedy zprava.

Soustavy lineárnı́ch rovnic

Soustavy lineárnı́ch rovnic – základnı́ pojmy
Soustava rovnic
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2 (1)
. . . . . . . . .. . . . . . . . .. . . . . .. . . . . . . . . . . .
am1 x1 + am2 x2 + · · · + amn xn = bm ,
kde aij , bi (i = 1, . . . , m; j = 1, . . . , n) jsou reálná čı́sla a xi jsou

neznámé, se nazývá soustava m lineárnı́ch rovnic o n neznámých,
stručně soustava lineárnı́ch rovnic.
Čı́sla aij nazýváme koeficienty soustavy, čı́sla bi absolutnı́mi členy.
Soustavu m lineárnı́ch rovnic o n neznámých tvaru (1) budeme

pro stručnost označovat S(m, n).

Matice soustavy lineárnı́ch rovnic
Matice  
a11 a12 ... a1n
 a21 a22 ... a2n 
A=
 ... ...

... ... 
am1 am2 ... amn
se nazývá matice soustavy S(m, n)
a matice (typu m × (n + 1))
 
a11 a12 ... a1n b1
 a21 a22 ... a2n b2 
Ar =  ... ...

... ... ... 
am1 am2 ... amn bm
je rozšı́řená matice soustavy S(m, n).
Vektor x = (x1 ; . . . ; xn ) se nazývá vektor řešenı́ soustavy S(m, n)
nebo stručněji řešenı́ soustavy S(m, n).
Vektor b = (b1 ; . . . ; bm ) se nazývá vektor absolutnı́ch členů.
Matice soustavy lineárnı́ch rovnic – přı́klad
Přı́klad
7x1 − x2 − 2x3 + 4x4 = 3
−x1 + 3x2 − x3 + 7x4 = 2
6x1 + 2x2 − x3 − 2x4 = 3
−2x1 + 6x2 + x4 = 1
 
7 −1 −2 4
 −1 3 −1 7 
matice soustavy A =  
 6 2 −1 −2 
−2 6 0 1
 
7 −1 −2 4 3
 −1 3 −1 7 2 
rozšı́řená matice soustavy A r =  
 6 2 −1 −2 3 
−2 6 0 1 1
vektor absolutnı́ch členů b = (3; 2; 3; 1)
Maticový zápis soustavy lineárnı́ch rovnic
Maticový zápis soustavy S(m, n):
   
a11 a12 . . . a1n   b1
  x1  
 a21 a22 . . . a2n  x2   b2 
   
 ·  ..  =  . 
     

. . . . . . . . . . . .   .   .. 
   
  xn  
n×1
am1 am2 . . . amn m×n bm m×1
V přı́padě, že vektor řešenı́ x a vektor absolutnı́ch členů b jsou

sloupcové vektory, lze stručně psát:
A · x = b.
V přı́padě, že vektor řešenı́ x a vektor absolutnı́ch členů b jsou
řádkové vektory, lze stručně psát:
A · x T = b T.
Homogennı́ soustava lineárnı́ch rovnic
Soustava lineárnı́ch rovnic S(m, n) se nazývá homogennı́, jestliže platı́
b1 = · · · = bm = 0.
Homogennı́ soustava má tedy na pravé straně rovnic samé nuly:
a11 x1 + a12 x2 + · · · + a1n xn = 0

a21 x1 + a22 x2 + · · · + a2n xn = 0
. . . . . . . . .. . . . . . . . .. . . . . .. . . . . . . . .. . .
am1 x1 + am2 x2 + · · · + amn xn = 0
Homogennı́ soustavu lineárnı́ch rovnic budeme značit S0 (m, n).

Ekvivalentnı́ úpravy soustavy lineárnı́ch rovnic
Ekvivalentnı́ úpravy zachovávajı́ množinu řešenı́ soustavy. Jejich výčet

je následujı́cı́:
(R1) záměna pořadı́ rovnic,
(R2) násobenı́ libovolné rovnice nenulovým reálným čı́slem,
(R3) přičtenı́ reálného násobku rovnice soustavy k jiné rovnici soustavy,
(R4) vynechánı́ rovnice, která je reálným násobkem jiné rovnice dané
soustavy,
(R5) záměna pořadı́ neznámých.
Uvedené úpravy (R1)–(R4) odpovı́dajı́ ekvivalentnı́m řádkovým

úpravám matic (U1)–(U4), tj. zachovávajı́ také hodnost matic
soustavy.
Úprava (R5) znamená záměnu pořadı́ sloupců (tj. neznámých)

v matici soustavy, nelze ji ale aplikovat na poslednı́ sloupec
v rozšı́řené matici soustavy (vektor absolutnı́ch členů).

Řešitelnost soustavy lineárnı́ch rovnic
Věta (Frobeniova)
Soustava lineárnı́ch rovnic S(m, n) má řešenı́ právě tehdy, když hodnost
matice soustavy A se rovná hodnosti rozšı́řené matice soustavy A r .
Přı́klad
Rozhodněte o řešitelnosti soustavy lineárnı́ch rovnic:
3x1 + 2x2 − x3 + x4 = 2
9x1 + 6x2 − 3x3 + 3x4 = 7
Řešenı́:

3 2 −1 1 3 2 −1 1 2
h = 1 6= h =2
9 6 −3 3 9 6 −3 3 7
Daná soustava nemá řešenı́.

Řešitelné soustavy lineárnı́ch rovnic
Uvažujme soustavu lineárnı́ch rovnic S(m, n), která má řešenı́ a jejı́ž
matice soustavy má hodnost h. Potom platı́:
a) Jestliže h = n, má soustava S(m, n) právě jedno řešenı́.
b) Jestliže h < n, má soustava S(m, n) nekonečně mnoho řešenı́ závislých

na (n − h) parametrech.
V přı́padě, že soustava má nekonečně mnoho řešenı́, často jako

parametry volı́me přı́mo některé neznámé. Těmto neznámým pak
řı́káme volné neznámé.

Řešitelné soustavy lineárnı́ch rovnic – přı́klad
Přı́klad
Rozhodněte o řešitelnosti homogennı́ soustavy lineárnı́ch rovnic:
2x1 + x2 + 5x3 = 0
−x1 − 2x3 = 0
x2 + x3 = 0
   
−1 0 −2 0 ·(2) −1 0 −2 0
−1 0 −2 0
 2 1 5 0 ←−
 + ∼  0 1 10 ∼

0 1 10
0 1 10 0 1 10

−1 0 −2 −1 0 −2 0
h =h = 2 ⇒ soustava má řešenı́
0 1 1 0 1 1 0
nekonečně mnoho řešenı́

A) < n
počet neznámých n = 3, h(A ⇒
závislých na 1 parametru
Typy řešenı́ soustavy lineárnı́ch rovnic
Uvažujme soustavu S(m, n), jejı́ matici A a jejı́ rozšı́řenou matici A r .

Necht’ h(A
A) = h(A
Ar ) < n (tj. soustava má nekonečně mnoho řešenı́), pak
vektor, který vyjadřuje pomocı́ volných neznámých všechna řešenı́

soustavy, nazýváme obecné řešenı́,
konkrétnı́ n-tici čı́sel (aritmetický vektor dimenze n), kterou zı́skáme

z obecného řešenı́ dosazenı́m reálných čı́sel za volné neznámé,
nazýváme partikulárnı́ řešenı́,
partikulárnı́ řešenı́, ve kterém jsou všechny volné neznámé rovny nule,

nazveme základnı́ řešenı́.

Obecné řešenı́ soustavy lineárnı́ch rovnic – přı́klad
Přı́klad
Určete obecné řešenı́ soustavy v přı́kladu na slajdu 94.
Řešenı́:
Z druhé rovnice vyjádřı́me x1 = −2x3 a z třetı́ rovnice x2 = −x3 .
Vzhledem k tomu, že řešitelnost byla již ověřena pomocı́ Frobeniovy
věty, nenı́ nutné dosazovat do prvnı́ rovnice soustavy. Dostáváme
obecné řešenı́ s volnou neznámou x3 :
x = (−2x3 ; −x3 ; x3 )
Vektor obecného řešenı́ generuje všechny trojice čı́sel, které vyhovujı́
všem rovnicı́m soustavy. Takových trojic je nekonečně mnoho, nebot’
možnostı́ dosadit reálné čı́slo za volnou neznámou x3 je nekonečně
mnoho.
Neznamená to ale, že libovolná trojice čı́sel je řešenı́m, volit můžeme
pouze jednu hodnotu (řešenı́ závisı́ na 1 parametru)!
Partikulárnı́ a základnı́ řešenı́ – přı́klad
Přı́klad
Určete partikulárnı́ a základnı́ řešenı́ soustavy v předchozı́m přı́kladu.
Řešenı́:
Budeme dosazovat reálná čı́sla za volnou neznámou x3 v obecném řešenı́:
Partikulárnı́ řešenı́: např. x = (−2; −1; 1), x = (6; 3; −3) atd.
Základnı́ řešenı́ (dosadı́me čı́slo 0): x = (0; 0; 0).
Je třeba si uvědomit, že jiná volba volné neznámé, např. x1 , vyjádřı́

obecné řešenı́ odlišným způsobem:

1 1
x = x1 ; x1 ; − x1 .
2 2
Dřı́ve uvedené partikulárnı́ řešenı́ x = (−2; −1; 1) , kdy jsme
dosazovali za volnou neznámou x3 čı́slo 1, nynı́ zı́skáme dosazenı́m
čı́sla (−2) za volnou neznámou x1 .
Řešitelnost homogennı́ch soustav lineárnı́ch rovnic
Homogennı́ soustava lineárnı́ch rovnic má vždy řešenı́.
Označı́me-li h hodnost matice soustavy a n počet neznámých, platı́:

a) Jestliže h = n, má homogennı́ soustava jediné řešenı́ x = (0; . . . ; 0).
b) Jestliže h < n, má homogennı́ soustava nekonečně mnoho řešenı́

závislých na (n − h) parametrech.
Existence řešenı́ u homogennı́ch soustav je evidentnı́ i z toho, že

ekvivalentnı́ řádkové úpravy matic neovlivnı́ nulovost poslednı́ho
sloupce rozšı́řené matice soustavy A r a musı́ tedy vždy platit
A) = h (A
h(A Ar ) .
Tı́m je zajištěno splněnı́ předpokladů Frobeniovy věty.

Řešitelnost soustav n rovnic o n neznámých
Jedná se o soustavy
Ax = b ,
kde A je čtvercová matice řádu n, x je sloupcový vektor neznámých
dimenze n a b je sloupcový vektor absolutnı́ch členů dimenze n.
Jestliže je matice A regulárnı́, soustava má právě 1 řešenı́.

Jestliže je matice A singulárnı́, soustava nemá řešenı́ nebo jich má
nekonečně mnoho.
Jak to bude u homogennı́ch soustav?
V aplikacı́ch často pracujeme se soustavami, jejichž matice je

čtvercová a kde vzhledem k ekonomické interpretaci očekáváme právě
jedno řešenı́.
Pro ověřenı́ požadované řešitelnosti těchto soustav lze využı́t

ekvivalencı́ uvedených na slajdu 66.
Řešitelnost soustav n rovnic o n neznámých – přı́klad
Přı́klad
Uvažujme model tržnı́ rovnováhy na dvoukomoditnı́m trhu daný soustavou
rovnic
4P1 −3P2 =60
P1 −2P2 = 5,
kde P1 je cena prvnı́ komodity (např. ropy) a P2 cena druhé komodity

(např. zemnı́ho plynu). Ověřte, že tato soustava má právě 1 řešenı́, což je
vzhledem k ekonomické podstatě oprávněný požadavek.
Řešenı́:
Regulárnost matice ověřı́me pomocı́ determinantu matice soustavy:

4 −3
1 −2 = 4 · (−2) − (−3) · 1 = −8 + 3 = −5 6= 0


Metoda řešenı́ soustav užitı́m inverznı́ matice
Soustavu n lineárnı́ch rovnic o n neznámých
Ax = b ,
kde A je regulárnı́ čtvercová matice, x je sloupcový vektor neznámých
dimenze n a b je sloupcový vektor absolutnı́ch členů dimenze n, lze
řešit jednoduše jakožto maticovou rovnici pomocı́ inverznı́ matice:
A ·x = b
−1
A · A · x = A −1 · b
I · x = A −1 · b
x = A −1 · b
Tento postup je výhodný, pokud v aplikacı́ch docházı́ ke změně
absolutnı́ch členů soustavy (vektoru b ). Pro výpočet nového vektoru x
stačı́ znovu vynásobit matice A −1 a b . Stanovenı́ inverznı́ matice,
které může být u rozměrných matic výpočetně náročné, nenı́ nutné
opakovat.
Metoda řešenı́ soustav užitı́m inverznı́ matice – přı́klad
Přı́klad
Užitı́m inverznı́ matice řešte soustavu x1 + 2x2 = 3

3x1 + 4x2 = 8.
Řešenı́:
1 2
A= ;
3 4

A = −2 6= 0, A je regulárnı́, soustavu lze řešit zadanou metodou;

−1 1 1 4 −2
A = · adj A = · ;
A (−2) −3 1

1 4 −2 3 3
x = A −1 ·b = · · = , tj. x1 = 3 a x2 = 0.
(−2) −3 1 9 0

Metoda řešenı́ soustav užitı́m inverznı́ matice – aplikace
Přı́klad (zdroj [3], část 1/2)
Jednoduchý rovnovážný model v makroekonomii (význam jednotlivých
proměnných bude vysvětlen v ekonomických předmětech) je zadán
soustavou lineárnı́ch rovnic s neznámými Y , C
Y =C +I +G
C = a + bY , kde I > 0, G > 0, a > 0, 0 < b < 1.
Vyjádřete řešenı́ této soustavy. (U rovnovážných modelů můžeme úlohu

formulovat jako nalezenı́ rovnovážných hodnot Y a C .)
Řešenı́: Nejdřı́ve si přepı́šeme zadanou soustavu na potřebný tvar

s ohledem na neznámé Y a C :
Y −C =I +G
−bY + C = a.
Metoda řešenı́ soustav užitı́m inverznı́ matice – aplikace

1 −1 Y I +G
A= ,x = ,b=
−b 1 C a

A = 1 − b. Matice soustavy A regulárnı́, nebot’ b < 1.

−1 1 1 1 1
A = · adj A = ·
A 1−b b 1

1 1 1 I +G 1 I +G +a
x = A −1b = · · = ·
1−b b 1 a 1−b b(I + G ) + a
I +G +a b(I + G ) + a
Rovnovážné hodnoty jsou Y = ,C= .
1−b 1−b

Cramerovo pravidlo pro řešenı́ soustav S(n, n)
Cramerovo pravidlo je opět metoda vhodná pouze pro soustavy,

jejichž matice je regulárnı́ a kde tedy soustava má právě jedno řešenı́
x = (x1 ; x2 ; . . . ; xn ).
Princip Cramerova pravidla spočı́vá ve výpočtu jednotlivých

neznámých xi pomocı́ determinantů, a to následujı́cı́m způsobem:

A i
xi = , i = 1, . . . , n,
A
přičemž A i je matice vzniklá z matice soustavy A výměnou jejı́ho

i-tého sloupce za sloupec pravých stran (absolutnı́ch členů) rovnic
soustavy.

Přı́klad (1 – Cramerovo pravidlo)

x1 + x2 − x3 = −2
1
1 −1
x1 − 4x2 + 2x3 = −1 A = 1 −4
2 = −4 6= 0
x1 − x2 + x3 = 0 1 −1 1

−2 1 −1

A1 4
A 1 = −1 −4 2 =4 x1 = = = −1

0 −1
A −4
1

1 −2 −1

A 2 −4
A 2 = 1 −1 2 = −4 x2 = = =1

1 A −4
0 1

1
1 −2
A 3
A 3 = 1 −4 −1 = −8 −8
x3 = = =2

1 −1
A −4
0
Vektor řešenı́ soustavy: x = (−1; 1; 2).

Přı́klad (2 – Cramerovo pravidlo)
Cramerovým pravidlem řešte soustavu pro model tržnı́ rovnováhy uvedený
na slajdu 100.
Řešenı́:
4 −3 P1 60
Soustava má v maticovém vyjádřenı́ tvar · = .
1 −2 P2 5

4 −3
1 −2 = −5 6= 0, matice soustavy je regulárnı́.
A =

60 −3 A 1 −105
5 −2 = −120 − (−15) = −105
A 1 = P1 = = = 21
A −5

4 60 A 2 −40
1 5 = 20 − 60 = −40
A 2 = P2 = = =8
A −5
Vektor řešenı́ (21; 8), tj. rovnovážné ceny jednotlivých komodit, je dle
předpokladů tvořen kladnými čı́sly.
Gaussova eliminačnı́ metoda
V předchozı́ch metodách jsem se zabývali speciálnı́m přı́padem
soustav, jejichž matice je čtvercová, a navı́c regulárnı́.
Nynı́ si představı́me tzv. eliminačnı́ metody (Gaussovu a Jordanovu)
vhodné pro soustavy, jejichž matice je libovolného typu m × n.
Prvnı́ takovou metodou je Gaussova eliminačnı́ metoda, která se
skládá z následujı́cı́ch kroků:
1 Soustavě lineárnı́ch rovnic S(m, n) přiřadı́me jejı́ rozšı́řenou matici A r .
2 Rozšı́řenou matici soustavy převedeme ekvivalentnı́mi řádkovými
úpravami na trojúhelnı́kovou matici. Lze také využı́t úpravu (R5)
a změnit pořadı́ neznámých, tj. sloupců v matici soustavy. Tato úprava
ale nenı́ možná pro sloupec absolutnı́ch členů.
3 Na základě Frobeniovy věty rozhodneme o řešitelnosti soustavy
a přı́padně o počtu řešenı́ soustavy.
4 V přı́padě, že je soustava řešitelná, přiřadı́me trojúhelnı́kové matici
soustavu lineárnı́ch rovnic a zdola“ vyřešı́me.
”
Pro všechny matice vypočı́tané během Gaussovy eliminačnı́ metody
platı́, že přı́slušné soustavy rovnic majı́ stejné řešenı́.
Přı́klad (1, část 1/2 – Gaussova eliminačnı́ metoda)
 
2x1 − x2 + x3 − x4 = 1 2 −1 1 −1 1
2x1 − x2 − 3x4 = 2  2 −1 0 −3 2
  ∼
3x1 − x3 + x4 = −3  3 0 −1 1 −3| ·2
2x1 + 2x2 − 2x3 + 5x4 = −6 2 2 −2 5 −6
 
2 −1 1 −1 1 ·(−1) ·(−3) ·(−1)
 2 −1 0 −3 2←−
+
∼ ∼
6 0 −2 2 −6
←− −−−−− −+
2 2 −2 5 −6 ←−−−−−−−−−−−− +
   
2 −1 1 −1 1 2 −1 1 1 1
0 0 −1 −2 1 ←− ∼ 0
 3 −5 5 −9  ·(−1) ∼
∼
0 3 −5 5 −9←− 0 0 −1 −2 1
0 3 −3 6 −7 0 3 −3 6 −7 ←− +
   
2 −1 1 −1 1 2 −1 1 −1 1 I.
0 3 −5 5 −9 0 3 −5 5 −9
 II.
∼  ∼ 
0 0 −1 −2 1 ·(2)
0 0 −1 −2 1III.
0 0 2 1 2 ←− + 0 0 0 −3 4 IV.
A) = h(A
h(A Ar ) = 4 ⇒ soustava má řešenı́
A) = n ⇒ právě 1 řešenı́
počet neznámých n = 4, h(A
4
IV. − 3x4 = 4 ⇒ x4 = −
3
5
− x3 − 2x4 = 1 ⇒ −x3 − 2 − 34 = 1

III. ⇒ x3 =
3
5
+ 5 − 43 = −9 ⇒ x2 = 2

II. 3x2 − 5x3 + 5x4 = −9 ⇒ 3x2 − 5 · 3
5
− − 43 = 1 ⇒ x1 = 0

I. 2x1 − x2 + x3 − x4 = 1 ⇒ 2x1 − 2 + 3

5 4
Vektor řešenı́: x = 0; 2; ; − .
3 3

x1 − 2x2 + 3x3 = 2
3x1 − x2 + x3 = 0
3x1 + 4x2 − 7x3 = −6
5x2 − 8x3 = −6
   
1 −2 3 2 ·(−3) 1 −2 3 2
 3 −1 1 0←−
+ 0 5 −8 −6 
 ∼ ∼
3 4 −7 −6
← −−− +  0 10 −16 −12
0 5 −8 −6 0 5 −8 −6

1 −2 3 2 I.
∼
0 5 −8 −6 II.
A) = h(A
A) < n

volná neznámá: x3
6 8
II. 5x2 − 8x3 = −6 ⇒ x2 = − + x3
5 5

6 8
I. x1 − 2x2 + 3x3 = 2 ⇒ x1 − 2 − + x3 + 3x3 = 2 ⇒
5 5
2 1
⇒ x1 = − + x3
5 5

2 1 6 8
Obecné řešenı́: x = − + x3 ; − + x3 ; x3 .
5 5 5 5
Partikulárnı́ řešenı́: x = (−1; −6; −3) pro x3 = −3;
x = (1; 10; 7) pro x3 = 7 atd.
Základnı́ řešenı́: x = − 52 ; − 65 ; 0 .


2x1 + x2 − x3 − x4 + x5 = 1
x1 − x2 + x3 + x4 − 2x5 = 0
3x1 + 3x2 − 3x3 − 3x4 + 4x5 = 2
4x1 + 5x2 − 5x3 − 5x4 + 7x5 = 3
 
1 −1 1 1 −2 0 ·(−2) ·(−3) ·(−4)
2 1 −1 −1 1
1  +
←−
 ∼
3 3 −3 −3 4 2←−−−−−− +
4 5 −5 −5 7 3 ←−−−−−−−−−− +
 
1 −1 1 1 −2 0
0 3 −3 −3  ∼ 1 −1
5 1 1 1 −2 0 I.
∼0 6 −6 −6 10 2 0 3 −3 −3 5 1 II.
0 9 −9 −9 15 3
A) = h(A
A) < n
závislých na 3 parametrech
volné neznámé: x3 , x4 , x5
(přı́slušné sloupce ležı́ mimo hlavnı́ diagonálu“ trojúhelnı́kové matice)
”
1 5
II. 3x2 − 3x3 − 3x4 + 5x5 = 1 ⇒ x2 = + x3 + x4 − x5
3 3
I. x1 − x2 + x3 + x4 − 2x5 = 0 ⇒

1 5 1 1
⇒ x1 − + x3 + x4 − x5 + x3 + x4 − 2x5 = 0 ⇒ x1 = + x5
3 3 3 3

1 1 1 5
Obecné řešenı́: x = + x5 ; + x3 + x4 − x5 ; x3 ; x4 ; x5 .
3 3 3 3
Partikulárnı́ řešenı́: x = 31 ; 34 ; 1; 0; 0 pro x3 = 1, x4 = 0, x5 = 0;

x = (0; 5; 2; 1; −1) pro x3 = 2, x4 = 1, x5 = −1 atd.
Základnı́ řešenı́: x = 13 ; 13 ; 0; 0; 0 .


Jordanova metoda úplné eliminace pro řešenı́ soustav
Jordanova metoda úplné eliminace je užitečná zejména v přı́padě

soustav S(m, n), které majı́ nekonečně mnoho řešenı́ závislých na
parametrech (volných neznámých).
Neznámým, které nehrajı́ roli“ parametru, řı́káme bázické proměnné.

”
Jejich počet odpovı́dá hodnosti matice soustavy.
V ekonomických aplikacı́ch jsou důležitá základnı́ řešenı́.

Postup řešenı́ Jordanovou metodou
Postup pro zadanou množinu bázických proměnných:

1 Soustavě lineárnı́ch rovnic S(m, n) přiřadı́me jejı́ rozšı́řenou matici Ar .
2 Rozšı́řenou matici soustavy převedeme ekvivalentnı́mi řádkovými
úpravami (úpravu (R5) měnı́cı́ pořadı́ neznámých nebudeme
v Jordanově metodě uplatňovat) na takový tvar, kde sloupce přı́slušné
bázickým proměnným tvořı́ jednotkovou submatici.
3 Pomocı́ Frobeniovy věty ověřı́me řešitelnost soustavy a také
očekávaný počet bázických proměnných a parametrů.
4 Výsledné matici zpětně přiřadı́me soustavu, kterou již snadno
vyřešı́me. Jestliže sloupce odpovı́dajı́cı́ bázickým proměnným tvořı́
submatici, která nenı́ plné hodnosti, potom řešenı́ se zadanou
množinou bázických proměnných nelze stanovit.

Přı́klad (1, část 1/3 – Jordanova metoda úplné eliminace)
 
x1 − 2x2 + 3x3 − 4x4 = 4 1 −2 3 −4 4

x2 − x3 + x4 = −3 0 1 −1 1 −3 

2x3 − 4x4 = 12 0 0 2 −4 12
A) = h(A
h(A Ar ) = 3 ⇒
soustava má řešenı́
A) < n ⇒
počet neznámých n = 4, h(A
Řešenı́ s bázickými proměnnými {x1 , x2 , x3 }; tj. s volnou neznámou x4 :
 
1 −2 3 −4 4 ←− +
0 1 −1 1 −3
 ·(2) ∼
0 0 2 −4 12 | :2
   
1 0 1 −2 −2 ←−−−− + 1 0 0 0 −8
∼ 0 1 −1 1 −3 ←− + ∼ 0 1 0 −1 3
0 0 1 −2 6 ·(−1) 0 0 1 −2 6
Obecné řešenı́: x = (−8; 3 + x4 ; 6 + 2x4 ; x4 ).
Základnı́ řešenı́: x = (−8; 3; 6; 0).
bázickými proměnnými {x1 , x2 , x4 }; tj.
Řešenı́ s s volnou neznámou x3 :
1 0 0 0 −8
   
1 0 0 0 −8
1 − 21 0 0

0 1 0 −1 3 ←− + ∼ 0
0 0 1 −2 6 ·(− 21 ) | :(−2) 0 0 − 12 1 −3
Obecné řešenı́: x = −8; 12 x3 ; x3 ; −3 + 21 x3 .

Základnı́ řešenı́: x = (−8; 0; 0; −3).

 
1 0 0 0 −8 
1

0 0 0 −8

0 1 − 1 0 ·(−1) | ·(−2) ∼ 0
0 −2 1 0 0

 2
0 −1 0 1 −3

0 0 − 12 1 −3 ←− +
Obecné řešenı́: x = (−8; x2 ; 2x2 ; −3 + x2 ).
Základnı́ řešenı́: x = (−8; 0; 0; −3).

 
1 0 0 0 −8
0 −2 1 0 0

0 −1 0 1 −3
Přı́slušná submatice odpovı́dajı́cı́ neznámým x2 , x3 , x4 má hodnost menšı́

než 3 (prvnı́ řádek je nulový), nelze z nı́ tedy ekvivalentnı́mi úpravami
zı́skat matici jednotkovou, která má hodnost 3.
Řešenı́ s bázickými proměnnými {x2 , x3 , x4 } tedy neexistuje
(x1 = −8 nemůže být volnou neznámou).
Na závěr si všimněme, že základnı́ řešenı́ pro různé množiny bázických
proměnných nemusı́ být stejná. Pro množinu bázických proměnných
{x1 , x2 , x3 } je základnı́ řešenı́ (−8; 3; 6; 0) a pro množinu bázických
proměnných {x1 , x2 , x4 } je základnı́ řešenı́ (−8; 0; 0; −3).
Pro množinu bázických proměnných a) {x2 , x4 , x5 }, b) {x2 , x3 , x4 }
určete řešenı́ soustavy
2x1 − 2x2 − x3 + 2x4 − x5 = 2
x1 − 2x2 − x3 − 2x5 = −1
5x1 + 6x2 + 3x3 + 4x4 + 2x5 = 15
3x1 − 2x2 − x3 + 4x4 = 5.
 
2 −2 −1 2 −1 2 ·(−1) ·(3) ·(−1)
1 −2 −1 0 −2 −1 
 ←− +
a)  ∼
5 6 3 4 2 15 ←−−−−−−− +
3 −2 −1 4 0 5 ←−−−−−−−−−−− +
 
2 −2 −1 2 −1 2 ←− +
 −1 0 0 −2 −1 −3   ·(5)
∼ ∼
 11 0 0 10 −1 21 ←−−−− +
1 0 0 2 1 3

1 −2 −1 −2
 
0 −1

∼ −1 0 0 −2 −1 −3
∼
6 0 0 0 −6 6 | :(−6)
 
1 −2 −1 0 −2 −1 ←−−−− +
∼  −1 0 0 −2 −1 −3 ←− + ∼
−1 0 0 0 1 −1 ·(2)
 1
1 12 0 0 32
  
−1 −2 −1 0 0 −3 | :(−2)
2
∼ −2
 0 0 −2 0 −4 | :(−2) ∼ 1
0 0 1 0 2 
−1 0 0 0 1 −1 −1 0 0 0 1 −1
A) = h(A
A) < n ⇒
počet neznámých n = 5, h(A nekonečně mnoho řešenı́
závislých na 2 parametrech
Množina bázických proměnných {x2 , x4 , x5 } ⇒ volné neznámé: x1 , x3
Obecné řešenı́: x = x1 ; 23 − 12 x1 − 21 x3 ; x3 ; 2 − x1 ; −1 + x1 .

Základnı́ řešenı́: x = 0; 23 ; 0; 2; −1 .


b) Množina bázických proměnných {x2 , x3 , x4 }:
 1 1

0 32

2 1 2 0
 1 0 0 1 0 2 
−1 0 0 0 1 −1
Submatice odpovı́dajı́cı́ přı́slušným bázickým proměnným má hodnost

h < 3, tudı́ž ji nelze ekvivalentnı́mi úpravami převést na jednotkovou
matici 3. řádu (o hodnosti 3).
Řešenı́ s bázickými proměnnými x2 , x3 , x4 neexistuje
(dvojice neznámých x1 , x5 nemůže odpovı́dat parametrům - viz
předchozı́ obecné řešenı́).

Úloha matic v regresi

Regresnı́ analýza
Modelovánı́ závislosti
jedné veličiny na druhé,
popř. na vı́ce veličinách
Hledánı́ vhodné funkčnı́

formy
Testovánı́ významnosti
vztahu
Aplikace v Ekonometrii I

Maticový zápis regresnı́ho modelu
Y = Xβ + ε

  β0
  
Y1 1 X11 · · · X1k   ε1
 ..   .. .. ..  β1  +  .. 
 .  = . . .  . .
 .. 
Yn 1 Xn1 · · · Xnk εn
βk
Odhad parametrů:
−1
β = X TX
β̂ X TY
X T X musı́ být regulárnı́

je třeba ověřit, že X je plné hodnosti, tedy že sloupce matice X jsou
lineárně nezávislé
Maticový zápis regresnı́ho modelu
Y
Ŷ β
= X β̂
−1
= X X TX X TY
X matice plánu
−1 T
X X TX X projekčnı́ matice
−1
X TX

matice potřebná pro testy parametrů
ε̂ε = Y − Ŷ
Y vektor reziduı́

Maticový zápis regresnı́ho modelu – regresnı́ přı́mka
Y = β0 + β1 X + ε
Yi = β0 + β1 Xi + εi , i = 1, . . . , n
Y1 = β0 + β1 X1 + ε1
Y2 = β0 + β1 X2 + ε2
..
.
Yn = β0 + β1 Xn + εn
           
Y1 1 X1 ε1 1 X1 ε1
 ..   ..   ..   ..   .. ..  β0  .. 
 .  = β0  .  + β1  .  +  .  =  . .  + . 
β1
Yn 1 Xn εn 1 Xn εn
  −1  
1 X1 Y1
 1 ··· 1  .. ..  1 ··· 1  .. 
β=
β̂  . .   . 
X1 · · · Xn X1 · · · Xn
1 Xn Yn
P n n
P −1  P n 
1 Xi Yi
 i=1 i=1   i=1 
β=
β̂ P n n
 
  n


P 2 P
Xi Xi Xi Yi
i=1 i=1 i=1

   
1 12
1 13
   
2
x = 15
y =
 
3 16
5 21

  −1  
1 1 12
 1 1
 13
 1 1 1 1 1  1 1 1 1 1  
β = 
β̂  1 1 2 3 5 1
 2
 15
1 1 1 2 3 5  

 3 16
1 5 21
−1
5 12 77
=
12 40 208
5 3
!
− 14

7 77
= 3
− 14 5 208
56
73
!
7
= 29
14

73 29
Ŷ = + X
7 14


Lineárnı́ algebra
Lineárnı́ algebra je oblast matematiky, která se zabývá vektory
a maticemi představujı́cı́mi zobecněnı́ reálných čı́sel do vyššı́ch
dimenzı́.
Hlavnı́ motivacı́ pro vznik lineárnı́ algebry bylo nalézt účinné metody
řešenı́ soustav lineárnı́ch rovnic. Své důležité uplatněnı́ najde lineárnı́
algebra ve statistice a taktéž v mnoha dalšı́ch kvantitativně
orientovaných odvětvı́ch včetně ekonomie a informatiky.
Mezi nejdůležitějšı́ pojmy souvisejı́cı́mi s vektory patřı́ lineárnı́
kombinace vektorů a lineárnı́ závislost a nezávislost vektorů.
Matice je relativně komplikovaný objekt obsahujı́cı́ jisté množstvı́
čı́sel. Je tedy snahou charakterizovat ho jednı́m čı́slem, které jistým
způsobem nese informaci o tomto objektu. Z těchto charakteristik
mezi nejzásadnějšı́ patřı́ hodnost a determinant.
Operace s maticemi majı́ v porovnánı́ s reálnými čı́sly svá specifika
(např. násobenı́ matic), operace dělenı́ pak nenı́ definována vůbec a je
třeba obejı́t“ ji pomocı́ tzv. inverznı́ matice.
”
Reference
ISBN 978-80-247-5406-2.
c2005. ISBN 007-123823-9.
[4] MOUČKA, Jiřı́. Sbı́rka úloh z lineárnı́ algebry. VVŠ PV Vyškov, 2001.
ISBN 80-7231-081-X.

Integrálnı́ počet funkcı́ jedné proměnné
přednáška Matematika (EBC-MT)
Viskotová, Hampel (ÚSO MENDELU) Integrálnı́ počet funkcı́ jedné proměnné ZS 2020/21 1 / 85
1 Neurčitý integrál
2 Určitý integrál
3 Nevlastnı́ integrál
INTEGRÁLNÍ POČET FUNKCÍ JEDNÉ PROMĚNNÉ
Neurčitý integrál
Motivace
Předpokládejme, že neznáme funkci F , ale známe jejı́ derivaci
F 0 (x) = x 2 . Jaké vyjádřenı́ má tedy F ?
1 3 0

3 0 2
= x 2.

Vı́me, že x = 3x , tedy x
3
0
1 3
Stejně tak ale platı́ pro libovolnou konstantu C , že x + C = x 2.
3
Je tedy zřejmé, že odpověd’ na našı́ otázku nenı́ jednoznačná, danému
vztahu vyhovuje nekonečně mnoho takových funkcı́ a všechny se lišı́
pouze o aditivnı́ konstantu:
1 3
F (x) = x +2
3
1
F (x) = x 3 + 0,05
3
1
F (x) = x 3 − 1 apod.
3
Primitivnı́ funkce
Tı́m jsme se dostali k novému pojmu, k tzv. primitivnı́ funkci:

Definice
Jestliže pro funkce F a f definované na otevřeném intervalu I platı́
F 0 (x) = f (x)
pro každé x ∈ I , řı́káme, že F je primitivnı́ funkce k funkci f na I .
Věta
Je-li funkce f spojitá na I , pak k nı́ existuje na I funkce primitivnı́.
Bohužel, ne vždy primitivnı́ funkci dokážeme efektivně najı́t.

Na rozdı́l od derivace, kde úspěch spočı́vá ve správné aplikaci vzorců
a pravidel, je problém nalézt ve třı́dě elementárnı́ch funkcı́ primitivnı́
2
funkci i k funkci tak jednoduché, jako je např. y = e−x , neřešitelný.
Primitivnı́ funkce – přı́klad

Uvažujme meznı́ nákladovou funkci MC (Q) = 2Q 2 + 2Q + 5, přičemž pro
fixnı́ náklady platı́ FC = 100. Určete funkci celkových nákladů TC .
Řešenı́:
Snadnou úvahou lze ze znalostı́ vzorců pro výpočet derivace mocninné
2
funkce určit, že TC (Q) = Q 3 + Q 2 + 5Q + c, c ∈ R (lze ověřit
3
zpětným derivovánı́m).
Vzhledem k daným fixnı́m nákladům musı́ platit TC (0) = 100, tento
vztah dosadı́me do funkce celkových nákladů.
2
100 = · 03 + 02 + 5 · 0 + c ⇒ c = 100
3
Funkce celkových nákladů je tedy dána rovnicı́
2
TC (Q) = Q 3 + Q 2 + 5Q + 100.
3
Neurčitý integrál
Definice
Množinu všech primitivnı́ch funkcı́ F + C k funkci f definovaných na
otevřeném intervalu I nazýváme neurčitý integrál funkce f . Pı́šeme
Z
f (x) dx = F (x) + C
a nazýváme:
Z
integračnı́ znak,
f (x) integrand,
x integračnı́ proměnná,
dx diferenciál integračnı́ proměnné,
C integračnı́ konstanta.
Neurčitý integrál – poznámky k definici
Protože primitivnı́ funkce tvořı́ množinu, měl by zápis integrálu

správně vypadat takto:
Z
f (x) dx = {F (x) + C ; x ∈ I , C ∈ R}.
Je však zvykem použı́vat v definici uvedený jednoduššı́ zápis.

Přı́klad
Z
2 3
2x 2 + 2x + 5 dx = x + x 2 + 5x + C
3
Proces nalezenı́ primitivnı́ funkce nazýváme integrovánı́ a jedná se

tedy o proces opačný“ k derivovánı́.
”
Pravidla pro integrovánı́
Existujı́-li k funkcı́m f a g na I primitivnı́ funkce, platı́ pravidla:
P1 (integrace součinu konstanty a funkce)
Z Z
kf (x) dx = k f (x) dx, k ∈ R.
P2 (integrace součtu nebo rozdı́lu funkcı́)

Z Z Z
[f (x) ± g (x)] dx = f (x) dx ± g (x) dx.
Bohužel neexistujı́ podobné vzorce pro integrál složené funkce, podı́lu

nebo součinu.
Z Z Z
f (x)g (x) dx = f (x) dx · g (x) dx obecně neplatı́!
Vzorce pro integraci elementárnı́ch funkcı́ I.
Vzorce platı́ pro ty intervaly, na kterých jsou integrované funkce spojité.

Z Z
V1 0 dx = C , V2 1 dx = x + C ,
x n+1
Z Z
n 1
V3 x dx = + C, V4 dx = ln |x| + C ,
n+1 x
n 6= −1
Z Z
V5 sin x dx = − cos x + C , V6 cos x dx = sin x + C ,
ax
Z Z
x x
V7 e dx = e + C , V8 ax dx = + C,
ln a
a > 0, a 6= 1
Z Z
1 1
V9 dx = − cot x + C , V10 dx = tan x + C
sin2 x cos2 x
Vzorce pro integraci elementárnı́ch funkcı́ II.
Vzorce platı́ pro ty intervaly, na kterých jsou integrované funkce spojité.

Z
1 1 x
V11 dx = arctan + C , A 6= 0
A2 +x 2 A A
Z
1 1 A + x
V12 dx = ln + C, A 6= 0
A2 − x 2 2A A − x
Z
1 x
V13 √ dx = arcsin + C , A>0
A2 − x 2 A
Z
1 p
V14 √ dx = ln x + x 2 ± B + C , B∈R

2
x ±B
Vzorec V14 je často vhodné interpretovat jako ln |argument + jmenovatel|.
Přı́má integrace pomocı́ vzorců
Přı́klad
Z Z Z Z
3x 4 + 5x 2 + 2 dx = 3 x 4 dx + 5 x 2 dx + 2

1 1 dx
x5 x3 3 5
=3· +5· + 2x + C = x 5 + x 3 + 2x + C
5 3 5 3
Z
1 1 1 x x
2 +√ dx = arctan + arcsin + C
x2+9 9 − x2 3 3 3
Z
2 p
√ dx = 2 ln x + x 2 + 4 + C
3

2
x +4
3
r−2
Z Z
B − 52 2B
4 √ dr = B r dr = B · 3 = − √ + C
r 5 −2 3 r3
q2 q3
Z
1 1
a + bq + cq 2 dq = aq +b · +c · +C = aq + bq 2 + cq 3 +C

5
2 3 2 3
Vzorce pro integraci elementárnı́ch funkcı́ III.
Je-li v čitateli integrandu derivace jmenovatele, je neurčitý integrál

roven logaritmu absolutnı́ hodnoty jmenovatele:
f 0 (x)
Z
V15 dx = ln |f (x)| + C ,
f (x)
Přı́klad
Z Z
x 1 2x 1 2 + C = 1 ln x 2 + 5 + C

1 dx = dx = ln x + 5
x2 + 5 2 x2 + 5 2 2
Z Z
cos x
2 cot x dx = dx = ln |sin x| + C
sin x
Vzorce pro integraci elementárnı́ch funkcı́ IV.
Jestliže F je primitivnı́ funkce k funkci f , potom platı́
Z
1
V16 f (ax + b) dx = F (ax + b) + C , a ∈ R, b ∈ R.
a
Přı́klad
Z
1
1 cos(5 x − 3) dx = sin(5x − 3) + C
5
Z
1 1
2 dx = ln |4x + 7| + C
4x + 7 4
Z Z
1 1 1
3 dx = dx = tan(x + 2) + C =
cos2 (x + 2) cos2 (1·x + 2) 1
= tan(x + 2) + C
Z
3 1 −4x
4 − 8e−4x dx = 3 ln |x| − 8 e + C = 3 ln |x| + 2e−4x + C
x (−4)
1 (1 + t)6
Z
1
5 (1 + t)5 dt = · + C = (1 + t)6 + C
1 6 6
Úprava integrandu na součet funkcı́
Jestliže je integrand ve tvaru součinu nebo podı́lu, lze ho v některých
přı́padech upravit tak, aby bylo možné použı́t základnı́ vzorce a pravidla.
Přı́klad
x4 2 3 3 2
Z Z
x 3 + 2x 2 − 3x dx =

1 (x − 1)(x + 3)x dx = + x − x +C
4 3 2
(1 − x)2 1 − 2x + x 2
Z Z Z 3
1 1
2 √ dx = 3 dx = x − 2 − 2x − 2 + x 2 dx =
x x x2
1 1 3 √
x−2 x2 x2 2 √ 2 x3
= 1 − 2 1 + 3 + C = −√ − 4 x + +C
−2 2 2
x 3
sin2 x 1 − cos2 x
Z Z Z
2
3 tan x dx = dx = dx =
cos2 x cos2 x
Z
1
= − 1 dx = tan x − x + C
cos2 x
Úprava integrandu doplněnı́m kvadratického trojčlenu
na čtverec
Integrály typu Z
1
dx
ax 2 + bx + c
určujeme (po přı́padném doplněnı́ na čtverec“) pomocı́ vzorců V11
”
nebo V12 a přı́padně pomocı́ vzorce V16.
Integrály typu Z
1
√ dx
ax 2 + bx + c
určujeme (po přı́padném doplněnı́ na čtverec“) pomocı́ vzorců V13
”
nebo V14 a přı́padně pomocı́ vzorce V16.
Doplněnı́ na čtverec – přı́klady
Přı́klad
Z Z
1 1 1 x +1
1
2
dx = 2
dx = arctan + C V11, V16
x + 2x + 5 (x + 1) + 4 2 2
Z Z Z
1 1 1
2
2
dx = 2
dx = − 2
dx =
x + 8x − 9 (x + 4) − 25 − (x + 4)
25
1 5 + (x + 4)
+ C = − 1 ln 9 + x + C V12, V16

=− ln
2·5 5 − (x + 4) 10 1−x
Z Z
1 1
3 √ dx = p dx =
x 2 − 4x + 9 (x −2)2 + 5
p
2
= ln x − 2 + x − 4x + 9 + C V14, V16

Z Z
3 1
4 √ dx = 3 p dx =
8 − 2x − x 2 2
− (x + 2x + 1 − 1) + 8
Z
1 x +1
=3 p dx = 3 arcsin + C V13, V16
9 − (x + 1)2 3
Integrace neryze lomené racionálnı́ funkce
Pokud je integrand neryze lomenou racionálnı́ funkcı́, upravı́me ho na

součet polynomu a ryze lomené funkce.
Přı́klad
x4
Z Z
1
dx = |vydělı́me| = x2 − 1 + dx =
x2 + 1 2
x +1
x3
= − x + arctan x + C
3
P1 (x)
Integrace racionálnı́ funkce y =
Q2 (x)
V přı́padě racionálnı́ funkce s čitatelem 1. stupně a jmenovatelem

2. stupně použijeme úpravu, která vede na součet dvou zlomků, kde
v jednom čitateli je derivace jmenovatele a ve druhém čitateli
konstanta:
ax + b 2x + p 1
dx = k1 2 + k2 2 , k1 , k2 ∈ R.
x2 + px + q x + px + q x + px + q
V dalšı́m aplikujeme u prvnı́ho sčı́tance vzorec V15 a jmenovatel ve

druhém sčı́tanci doplnı́me na čtverec.
P1 (x)
Integrace racionálnı́ funkce y =
Q2 (x)
Přı́klad
Z
5x + 2
dx
x2
+ 2x + 10
Upravı́me na součet dvou zlomků,
0 kde v jednom čitateli je derivace
2
jmenovatele x + 2x + 10 = 2x + 2 a ve druhémkonstanta:
4 4
5x+2 5 2x+ 5 +2−2 5 2x+2 −2
x 2 +2x+10
= 2
2 x +2x+10 = 2 x 2 +2x+10
+ 2
5
x +2x+10
=
5 2x+2 5 − 56 5 2x+2 1
= 2 x 2 +2x+10 + 2 x 2 +2x+10 = 2 x 2 +2x+10 − 3 x 2 +2x+10
Výraz ve jmenovateli doplnı́me na čtverec:

x 2 + 2x + 10 = (x + 1)2 + 9.
Z Z Z
5x + 2 5 2x + 2 1
2
dx = 2
dx − 3 dx
x + 2x + 10 2 x + 2x + 10 (x + 1)2 + 9
5 x +1
= ln x 2 + 2x + 10 − arctan

+ C V15, V11, V16
2 3
Integrace substitucı́ 1. typu
V přı́padě, že integrand je tvořen součinem složené funkce f (g )
a derivace g 0 jejı́ vnitřnı́ složky, použı́váme metodu tzv. substituce
1. typu:
Z g (x) = t Z
f ((g (x)) · g 0 (x) dx = diferencujeme = f (t) dt =

g 0 (x) dx = dt
= F (t) + C = F (g (x)) + C .
Pro uplatněnı́ uvedené substituce musı́ mı́t funkce g (x) derivaci
a funkce f (t) musı́ být spojitá pro všechna t daná oborem hodnot
funkce g (x).
Přı́klad
51
Z 2 Z
= t 50 dt = t + C =
2
50 x + 10 = t
x + 10 2x dx =
2x dx = dt 51
1 51
= x 2 + 10 +C
51
Integrály vhodné k substituci 1. typu
Funkce dané schématem složená funkce“ · derivace vnitřnı́ složky“ ,
” ”
a to i v přı́padě, že se derivace vnitřnı́ složky lišı́ v konstantě:
Přı́klad

Z 2x − 3 = t Z
1
2 dx = dt = t −3 · 1 dt =

1 dx =
(2x − 3)3 2
dx = 12 dt
1 t −2 1
= · +C =− +C
2 (−2) 4 (2x − 3)2
Přı́klad lze alternativně řešit také pomocı́ vzorců V3 a V16.
1
x = t
Z 1 Z Z
ex 1 1
dx = e x · 2 dx = − x12 dx = dt = et (−1) dt =
2

x2 x
1
dx = x2
(−1) dt
1
= −et + C = −e x + C
Integrály vhodné k substituci 1. typu
Funkce R(sin x, cos x) , kde R je racionálnı́ lomená funkce:
Z Z
sin x = t
R(sin x) · cos x dx = = R(t) dt = · · ·
cos x dx = dt
Z Z
cos x = t
R(cos x) · sin x dx = = − R(t) dt = · · ·
− sin x dx = dt
Integrály vhodné k substituci 1. typu – přı́klad
Přı́klad
sin3 x sin2 x 1 − cos2 x

Z Z Z
dx = sin x dx = sin x dx =
2 + cos x 2 + cos x 2 + cos x

cos x = t Z
1 − t2
Z 2
t −1
= − sin x dx =
dt =
(− dt) = dt =
sin x dx = (−1) dt 2+t t +2
t2
Z
3
= |vydělı́me| = t −2+ dt = − 2x + 3 ln |t + 2| + C =
t +2 2
1
= cos2 x − 2 cos x + 3 ln (cos x + 2) + C
2
Integrály vhodné k substituci 1. typu – přı́klad
Přı́klad
cos3 x cos2 x
Z Z Z
3
cot x dx = dx = cos x dx =
sin3 x sin3 x
1 − sin2 x 2
Z
= 1 − t dt =
Z
sin x = t
cos x dx =
sin3 x cos x dx = dt t3
t2 t −2
Z Z
1 −3 1
= − dt = t − dt = − ln |t| + C =
t3 t3 t −2
1 1
=− − ln |t| + C = − − ln |sin x| + C
2t 2 2 sin2 x
Integrace substitucı́ 2. typu
Substitucı́ 2. typu budeme řešit integrály tvaru
√
Z
R x, x dx ,
√
kde funkce R vznikne z funkcı́ x a x konečným počtem operacı́
sčı́tánı́, odčı́tánı́, násobenı́ a dělenı́.
√
Použijeme substituci x=t
Odtud vypočteme x = t2
a tuto substitučnı́ rovnici diferencujeme dx = 2t dt.
V substitučnı́m předpisu při integrovánı́ substitucı́ 2. typu

diferencujeme – na rozdı́l od substituce 1. typu – až po vyjádřenı́
proměnné x.
Integrace substitucı́ 2. typu – přı́klad
Přı́klad
√
√

x = t
t2
Z Z Z
x t
= t2

√ dx = x = · 2t dt = −2 dt =
1− x dx
1−t t −1
= 2t dt
Z
1
= |vydělı́me| = −2 t +1+ dt =
t −1
t2 √ √

−2 + t + ln |t − 1| + C = −x − 2 x − 2 ln x − 1 + C
2
Metoda per partes
Majı́-li funkce u = u(x) a v = v (x) spojité derivace na intervalu I ,
pak na tomto intervalu platı́
Z Z
u 0 (x) · v (x) dx = u(x) · v (x) − u(x) · v 0 (x) dx,
zkráceně Z Z
u 0 v dx = uv − uv 0 dx.
Metodu per partes lze použı́t pouze pro součin dvou funkcı́, přičemž
v rámci metody jednu funkci derivujeme a druhou integrujeme.
Pravou stranu vzorce může slovně vyjádřit jako
Z
součin primitivnı́ch funkcı́“ − součin nových funkcı́“ dx .
” ”
Výraz nové funkce“ znamená, že v zı́skaném integrálu se vyskytujı́
”
pouze funkce nově odvozené derivacı́ a integracı́.
Integrály řešitelné metodou per partes
Metoda se použı́vá k výpočtu neurčitých integrálů zejména těchto typů:

Z
1 P(x) · (logaritmická funkce) dx
Z
P(x) · (cyklometrická funkce) dx
Z
volı́me u 0 = P(x), takže u = P(x) dx, tj. polynom P(x) integrujeme;
Z
2 P(x) · (goniometrická funkce) dx
Z
P(x) · (exponenciálnı́ funkce) dx
volı́me v = P(x), takže v 0 = P 0 (x), tj. polynom P(x) derivujeme.
Metoda per partes – přı́klady
Přı́klad
x2
u0 = x x2
Z 2
u=
Z
2 x 1
1 x · ln x dx = 0
ln x − = · dx =
v = ln x 2
v = x1 2 x
x2 x2
Z
1 1
= ln x − x dx = ln x − x 2 + C
2 2 2 4
2 Někdy je třeba metodu per partes opakovat vı́cekrát:
u 0 = sin x u = − cos x
Z
x 2 · sin x dx = =
v = x2 v 0 = 2x
Z Z
2 2
= −x cos x − (−2)x cos x dx = −x cos x + 2 x cos x dx =
u 0 = cos x
Z
u = sin x 2
= = −x cos x +2 x sin x − 1 · sin x dx =
v =x v0 = 1
= −x 2 cos x + 2x sin x + 2 cos x dx + C = 2x sin x + 2 − x 2 cos x + C

Metoda per partes – přı́klady
Přı́klad
u 0 = e3x−2 u = 13 e3x−2
Z
3 (5x + 3) · e3x−2 dx = =
v = 5x + 3 v 0 = 5
Z
1 3x−2 1
= e (5x + 3) − 5 · e3x−2 dx =
3 3
5 5 1 1
= xe3x−2 + e3x−2 − · e3x−2 + C = (15x + 4) e3x−2 + C
3 3 3 9
4 V
Z některých přı́padech si v integrandu k součinu dopomůžeme“:
”
u0 = 1
Z
u=x
arctan x dx = 1 · arctan x dx = =
v = arctan x v 0 = 1+x
1
2
Z Z
1 1 2x
= x arctan x − x · 2
dx = x arctan x − dx =
1+x 2 1 + x2
1
= x arctan x − ln x 2 + 1 + C

2
Určitý integrál
Určitý integrál – historická motivace
Obsah křivočarého lichoběžnı́ku“:

”
y
x =a x =b
y = f (x)
x
0 a b
Dělenı́ intervalu
Předpokládejme, že funkce f je definovaná a ohraničená na

uzavřeném intervalu ha; bi.
Interval ha; bi rozdělı́me na n dı́lků dělı́cı́mi body

a = x0 < x1 < · · · < xi−1 < xi < xi + 1 < · · · < xn−1 < xn = b.
Množinu D = {x0 , x1 , . . . , xn } nazýváme dělenı́ intervalu ha; bi.
Velikost každého dı́lku označme ∆xi = xi − xi−1 .
Normou ν(D) dělenı́ D rozumı́me maximálnı́ vzdálenost sousednı́ch

dělı́cı́ch bodů.
Uvnitř každého intervalu hxi−1 ; xi i zvolme bod ξi a určeme f (ξi ).
Integrálnı́ součet
Čı́slo
n
X
σ(f , D, R) = f (ξi )∆xi
i=1
nazýváme integrálnı́ součet funkce f přı́slušný dělenı́ D a volbě
bodů R = {ξ1 , ξ2 , . . . , ξn }.
y
[ξ2 ;f (ξ2 )]
[ξ1 ;f (ξ1 )]
y = f (x)
[ξn ;f (ξn )]
[ξi ;f (ξi )]
0 ξ1 ξ2 ξi ξi+1 ξn x
a =x0 ∆x1 x1 ∆x2 x2 ··· xi−1 ∆xi xi ∆xi+1 xi+1 ··· xn−1 ∆xn xn =b
b
Střednı́ integrálnı́ součet
Ležı́-li bod ξi uprostřed každého z dı́lků, hovořı́me o střednı́m

integrálnı́m součtu.
y x =a x =b
y = f (x)
[ξi ,f (ξi )]
∆xi x
0 a = x0 xi−1 ξi xi b = xn
Střednı́ integrálnı́ součet s rovnoměrným rozdělenı́m
Pro jednoduchost grafické interpretace našich úvah budeme předpokládat

střednı́ integrálnı́ součet, kdy dı́lky jsou stejně velké.
y
ξ1 ξ2 ξ3 ξ4 ξ5 ξ6 ξ7 ξ8 x
a = x0 x1 x2 x3 x4 x5 x6 x7 x8 = b
Střednı́ integrálnı́ součet (jemnějšı́ dělenı́)
ξ1 ξ2 ξ3 ξi ξn x
a=x0 x1 x2 x3 ··· xi−1 xi ··· xn−1 xn =b
Střednı́ integrálnı́ součet (ještě jemnějšı́ dělenı́)
x
a b
Určitý integrál
Definice
Předpokládejme, že funkce f je ohraničená na intervalu ha; bi.
Funkci f nazýváme Riemannovsky integrovatelnou na intervalu ha; bi,

jestliže existuje čı́slo I ∈ R s vlastnostı́
n
X
lim σ(f , Dn , Rn ) = lim f (ξi )∆xi = I
n→∞ n→∞
i=1
pro libovolnou posloupnost dělenı́ Dn splňujı́cı́ lim ν(Dn ) = 0

n−→∞
a pro libovolnou volbu reprezentantů Rn .
Čı́slo I se nazývá (Riemannův) určitý integrál funkce f na

intervalu ha; bi.
Určitý integrál – značenı́
Určitý integrál I z předchozı́ definice značı́me
Zb
f (x) dx.
a
a se nazývá dolnı́ mez.
b se nazývá hornı́ mez.

Zb
Znak f (x) dx čteme integrál od a do b f (x) dx“.
”
a
Poznámky k definici určitého integrálu a integrovatelnosti
Zatı́m jsme nadefinovali určitý integrál pro přı́pad a < b. Tuto

definice rozšı́řı́me na dalšı́ přı́pady.
Za
V přı́padě a = b položı́me f (x) dx = 0.
a
Zb Za
Je-li a > b, klademe f (x) dx = − f (x) dx.
a b
Věta
Je-li funkce f na intervalu ha; bi ohraničená a má-li zde konečný
počet bodů nespojitosti, pak je zde integrovatelná.
Je-li funkce f na intervalu ha; bi spojitá, pak je zde integrovatelná.
Vlastnosti Riemannova integrálu
Jsou-li přı́slušné funkce integrovatelné na intervalu ha; bi, platı́:
Zb Zb Zb
[f (x) ± g (x)] dx = f (x) dx ± g (x) dx
a a a
Zb Zb
kf (x) dx = k f (x) dx, kde k ∈ R
a a
Zb Zc Zb
f (x) dx = f (x) dx + f (x) dx, kde c ∈ (a; b)
a a c
y x =a x =c x =b
y = f (x)
0 x
a c b
Newtonova-Leibnizova věta
Při výpočtech určitého integrálu využı́váme tzv.
Newtonovu-Leibnizovu větu, která dává do souvislosti pojem určitého
a neurčitého integrálu:
Věta
Je-li funkce f spojitá na uzavřeném intervalu ha; bi a má-li na intervalu
(a; b) primitivnı́ funkci F , pak
Zb
f (x) dx = [F (x)]ba = F (b) − F (a).
a
Přı́klad
Z1
1 h x i1 1 0 π π
√ dx = arcsin = arcsin − arcsin = − 0 = .
4−x 2 2 0 2 2 6 6
0
Výpočet určitého integrálu – přı́klady
Přı́klad
Z1
1 h i1
1 dx = ln |x + 1| = ln |1 + 1| − ln |0 + 1| = ln 2
x +1 0
0
Z3 " 3 #3 3 3
1 2 x − 31 3 − 13 1 − 31

2 x− dx = = − =
3 3 3 3
1 1
23 43 − 1

83 − 23 56
= 4
= 4
=
3 3 9
Přı́klad
Z2
1
3 dx
x
−1
Je zde porušen předpoklad pro užitı́ Newtonova-Leibnizova vzorce, nebot’

1
funkce y = nenı́ spojitá ve vnitřnı́m bodě 0 intervalu h−1; 2i.
x
Navı́c, funkce nenı́ na daném intervalu ohraničená, tudı́ž ani Riemannovsky
integrovatelná. Vı́ce bude o této problematice pojednáno v kapitole
Nevlastnı́ integrál.
Přı́klad
Z2 " #2
2 −5x 1
25x 2 + 10x + 2 e−5x

4 x e dx = − =
125
−1 −1
1
25 · 22 + 10 · 2 + 2 e−5·2 − 25 · (−1)2 + 10 · (−1) + 2 e5

−
125
1
122e−10 − 17e5

=−
125
Primitivnı́ funkce v Newtonově-Leibnizově vzorci byla spočı́tána pomocı́
dvou opakovánı́ metody per partes:
1
u 0 = e−5x u = − e−5x
Z
x 2 e−5x dx = 5 =
v = x2 v 0 = 2x
Z Z
1 1 1 2
= − x 2 e−5x − − e−5x · 2x dx = − x 2 e−5x − xe−5x dx = · · ·
5 5 5 5
Přı́klad
Z1 " #1
5
5 5x sin 3x 2 dx = − cos 3x 2 =
6
0 0
5 5
cos 3 · 12 − cos 3 · 02 = (1 − cos 3)

=−
6 6
Primitivnı́ funkce v Newtonově-Leibnizově vzorci byla spočı́tána pomocı́
substituce:
3x 2 = t

Z Z
2

6x dx = dt
1 5
5x sin 3x dx = = 5· sin t dt = − cos 3x 2 + C

1 6 6
x dx = dt
6
V přı́padě výpočtu určitého integrálu metodou substituce se dá výpočet
zkrátit tzv. přepočı́távánı́m mezı́, viz napřı́klad [1].
Určitý integrál jakožto funkce hornı́ meze
Necht’ funkce f (x) je spojitá na intervalu I a necht’ a ∈ I .
Potom funkce F (x) definovaná na I vztahem

Z x
F (x) = f (t) dt
a
má na intervalu I derivaci a platı́ F 0 (x) = f (x).
Přı́klad
Pro funkci f (x) = x 2 např. platı́:
Z x 3 x
2 t x 3 03 x3
t dt = = − =
0 3 0 3 3 3
Skutečně se jedná o jednu z primitivnı́ch funkcı́ funkce f (x) = x 2 .
Určitý integrál jakožto obsah plochy
Z definice určitého integrálu plyne, že je-li přı́slušná funkce f na ha; bi
spojitá a nezáporná, tj. f (x) ≥ 0, vyjadřuje určitý integrál
Zb
f (x) dx = [F (x)]ba = F (b) − F (a)
a
obsah plochy omezené křivkou y = f (x), osou x a přı́mkami x = a, x = b.

Zπ y
1 y = sin x
S= sin x dx = [− cos x]π0 =
S x
0
0 π π 3π
= − cos π − (− cos 0) =
−1 2 2
= 1 + 1 = 2.
Podmı́nka nezápornosti
Přı́klad (část 1/2, zdroj [1])
Z2π
sin x dx = [− cos x]2π
0 = − cos 2π − (− cos 0) = −1 + 1 = 0
0
Protože funkce y = sin x je na intervalu h0; 2πi integrovatelná,

R2π
existuje určitý integrál sin x dx = 0.
0
Obsah vyznačené plochy však nenı́ roven 0. Je třeba si uvědomit, že
funkce y = sin x nenı́ nezáporná na celém intervalu h0; 2πi.
y
1 y = sin x
3π
S1
2 x
0 π π 2π
S2
−1 2
Podmı́nka nezápornosti

Plochu si rozdělı́me podle znaménka funkce na dvě části, výsledný
obsah spočı́táme jako součet obsahů těchto částı́.
2π
Zπ Z

S = S1 + S2 = sin x dx + sin x dx =

0 π
= [− cos x]π0 + [− cos x]2π

π =

= − cos π − (− cos 0) + |[− cos 2π − (− cos π)]| =
= 1 + 1 + | − 1 − 1| = 4.
Vzhledem k jisté symetrii funkce y = sin x bychom došli ke stejnému

závěru pomocı́ vzorce S = 2S1 nebo S = 2S2 .
Obsah rovinné plochy
y
Obsah plochy ohraničené dvěma křivkami
y = f (x) a y = g (x), viz obrázek, je dán y = f (x)
vzorcem
Zb S y = g (x)
S= f (x) − g (x) dx. a b x
a
Zde nenı́ podstatné, zda část plochy ležı́ nebo neležı́ pod osou x.
Uvedený vzorec má obecnou platnost.
Integračnı́ meze a, b jsou rovny x-ovým souřadnicı́m průsečı́ků daných
křivek. Určı́me je jako řešenı́ soustavy rovnic {y = f (x), y = g (x)}.
Vypočteme-li také y -ové souřadnice, zı́skáme průsečı́ky křivek.
Při kreslenı́ náčrtku zadané plochy vycházı́me ze znalosti grafů
(elementárnı́ch funkcı́). Vhodné je nejprve zobrazit průsečı́ky křivek,
které plochu ohraničujı́.
Obsah rovinné plochy – přı́klad
Přı́klad (1)
Obsah plochy ohraničené grafem funkce f : y = x 3 , přı́mkami x = 1,
x = 2 a osou x (tj. funkcı́ g : y = 0):
y
y = x3 Zb Z2
S= f (x) − g (x) dx = x 3 − 0 dx =
a 1
Z2 2
x4 24 14

3 15
= x dx = = − =
S 4 1 4 4 4
y =0 1
1 2 x
Obsah rovinné plochy – přı́klad
Přı́klad (2)
Obsah plochy ohraničené křivkami y = ex , y = e−x a přı́mkou x = 1:
x =1
1 S
x
y =e y = e−x
0 1 x
Z1
1 1
e x − e−x dx = ex − (−e−x ) 0 = ex + e−x 0 =

S=
0
1
= e + e−1 − e0 + e0 = e + − 2

e
Aplikace integrálnı́ho počtu v ekonomii – přı́klad
Přı́klad (část 1/3, zdroj [3])
Uvažujme meznı́ náklady MC (Q) = 3Q + 5, potom pro funkci
celkových nákladů platı́
Z
3
TC (Q) = (3Q + 5) dQ = Q 2 + 5Q + c.
2
Protože konstanta c ∈ R, nenı́ funkce TC určena jednoznačně.
Z pouhé informace o meznı́ch nákladech jsme tedy schopni určit
pouze celkové variabilnı́ náklady TVC , nikoliv fixnı́ náklady FC = c
Z Newtonova-Leibnizova vzorce vyplývá, že celkové variabilnı́ náklady
TVC na realizaci např. 10 jednotek odpovı́dajı́ obsahu přı́slušné
plochy pod křivkou“ MC (Q) = 3Q + 5:
”
Z10 10
3 2
(3Q + 5) dQ = Q + 5Q = TVC (10) − TVC (0) = 200
2 0
0

TC
Q=10
[ 23 Q 2 +5Q+c ]
TVC (10)
3 Q 2 +5Q+c
[ 2 ]
Q=0
FC = c
0 10 Q
Poznámka: MC
grafy nejsou
ve stejném měřı́tku.
S = TVC
0 10 Q

Pokud máme dalšı́ informaci (počátečnı́ podmı́nku), např.
TC (4) = 50, potom lze funkci celkových nákladů TC , a tedy i fixnı́
náklady FC = c, stanovit jednoznačně:
3 3
50 = · 42 + 5 · 4 + c ⇒ c = 6 ⇒ TC (Q) = Q 2 + 5Q + 6
2 2
Uvedený obrázek lze modifikovat pro obecnějšı́ vyjádřenı́
ZQ1
MC (Q) dQ,
Q0
kdy obsah plochy přı́slušné tomuto určitému integrálu vyjadřuje

navýšenı́ celkových variabilnı́ch nákladů TVC (a tedy i celkových
nákladů TC ) při změně z původnı́ch Q0 jednotek na Q1 jednotek.
Určitý integrál – přebytek spotřebitele
Přebytek spotřebitele je rozdı́l mezi cenou, jakou by byl spotřebitel

ochoten maximálně zaplatit, a cenou, kterou na trhu skutečně platı́.
[Holman: Mikroekonomie]
Uvažujme funkci poptávky individuálnı́ho spotřebitele P = D(Q),
potom přebytek spotřebitele CS je dán obsahem vyznačené plochy:
P
ZQ0
D(Q) dQ = CS + P0 Q0
CS 0
P0 ZQ0
P = D(Q) CS = D(Q) dQ − P0 Q0
0
0 Q0 Q
Hodnota P0 Q0 představuje výdaje spotřebitele pro hodnotu Q0
odpovı́dajı́cı́ tržnı́ ceně P0 .
Přebytek spotřebitele – přı́klad

Určete přebytek spotřebitele v přı́padě tržnı́ ceny P0 = 20, jestliže funkce
1
poptávky tohoto spotřebitele je dána vztahem D : P = 100 − Q.
2
Řešenı́:
1
Vypočı́táme množstvı́ Q0 : 20 = 100 − · Q0 ⇒ Q0 = 160
2
Určı́me výdaje spotřebitele Svyd : Svyd = P0 Q0 = 20 · 160 = 3200
Obsah plochy pod křivkou D(Q):
Z160
1 2 160

1
100 − Q dQ = 100Q − Q = 16000−6400−0 = 9600
2 4 0
0
Přebytek spotřebitele: CS = 9600 − 3200 = 6400.

Určitý integrál – přebytek výrobce
Přebytek výrobce je rozdı́l mezi cenou, za kterou výrobce dané zbožı́
na trhu skutečně prodává, a minimálnı́ cenou, za jakou by byl výrobce
toto zbožı́ ochoten vyrábět. [Besanko: Microeconomics]
Uvažujme funkci nabı́dky tohoto výrobce P = S(Q), potom přebytek

výrobce PS je dán obsahem vyznačené plochy:
P
S ZQ0
PS + S(Q) dQ = P0 Q0
P0
PS 0
ZQ0
PS = P0 Q0 − S(Q) dQ
0
0 Q0 Q
Hodnota P0 Q0 představuje celkový přı́jem výrobce pro hodnotu Q0
odpovı́dajı́cı́ tržnı́ ceně P0 .
Přebytek výrobce – přı́klad

Určete přebytek výrobce v přı́padě tržnı́ ceny P0 = 65, jestliže funkce
nabı́dky daného výrobce je dána vztahem S : P = 3Q + 5.
Řešenı́:
Vypočı́táme množstvı́ Q0 : 65 = 3Q0 + 5 ⇒ Q0 = 20
Určı́me celkový přı́jem výrobce pro Q0 = 20: P0 Q0 = 65 · 20 = 1300
Obsah plochy pod křivkou S(Q):
Z20 20
3 2
(3Q + 5) dQ = Q + 5Q = 600 + 100 = 700
2 0
0
Přebytek výrobce: PS = 1300 − 700 = 600.
Určitý integrál – současná hodnota důchodového toku
Znázorněme současnou hodnotu jednotlivé částky a při spojitém
diskontovánı́ s úrokovou mı́rou i:
y Velikost úsečky AB udává současnou hod-
notu y částky a obdržené v budoucnu
A v čase t1 při jednotlivé platbě. Suma“
y = a · e−it ”
všech takových úseček pod křivkou na in-
tervalu h0; t0 i představuje tok konstantnı́ch
přı́jmů velikosti a a odpovı́dá obsahu plochy
B Rt0
pod křivkou ae −it dt.
0 t1 t0 t 0
Nynı́ uvažujme spojitou (obecně nekonstantnı́) funkci času R(t)
představujı́cı́ tok důchodu během roku a úrokovou mı́ru i. Potom
současnou hodnotu důchodového toku za dobu t0 vyjádřı́me vzorcem
Zt0
PV = R(t)e −it dt.
0
Současná hodnota důchodového toku – přı́klad

Jaká bude současná hodnota přı́jmu za dobu 3 let, diskontuje-li firma
budoucı́ přı́jem spojitě s úrokovou mı́rou 10 %, tedy i = 0,1, a jejı́ ročnı́
přı́jem činı́ 100 mil. Kč?
Řešenı́:
Z3 3
−0,1t 1 −0,1t
PV = 100e dt = 100 e =
(−0,1) 0
0
.
= −1000 e−0,3 − e0 = 1000(1 − 0,74082) = 259,18
Současná hodnota přı́jmu je přibližně 259 mil. Kč.
Určitý integrál – Lorenzova křivka
Lorenzova křivka graficky znázorňuje rozdělenı́ důchodů (bohatstvı́)

ve společnosti.
100 % 100 %
Kumulované procento bohatstvı́

80 % 80 %
60 % 60 %
40 % 40 %
20 % 20 %
0% 0%
0% 20 % 40 % 60 % 80 % 100 % 0% 20 % 40 % 60 % 80 % 100 %
Kumulované procento populace Kumulované procento populace
Prvnı́ obrázek představuje absolutně rovnoměrné (ideálnı́) rozdělenı́

důchodů mezi obyvatelstvo, ve skutečných podmı́nkách se ale jedná
o konvexnı́ křivku (viz druhý obrázek).
Určitý integrál – Giniho koeficient
Giniho koeficient GC porovnává skutečnou Lorenzovu křivku L(x)
s ideálnı́ tı́m způsobem, že srovnává plochu pod ideálnı́ Lorenzovou
křivkou s plochou pod skutečnou Lorenzovou křivkou.
Vzorec pro výpočet Giniho koeficientu vyjadřuje podı́l plochy A
(odlišnosti od absolutnı́ rovnosti) vzhledem ke stavu absolutnı́
rovnosti (plocha A + B = 0,5).
100 %
A
GC = ∈ h0; 1i
80 % A+B
60 % L(x) 0,5 − B
GC = = 1 − 2B
40 % A 0,5
Z1
20 % B
GC = 1 − 2 L(x) dx
0%
0% 20 % 40 % 60 % 80 % 100 % 0
Kumulované procento populace
Giniho koeficient – přı́klad
Přı́klad
Vypočı́tejte Giniho koeficient, je-li skutečná Lorenzova křivka popsána
funkcı́
L(x) = x 2
Řešenı́:
Z1 1
x3

2 1 2 1
GC = 1 − 2 x dx = 1 − 2 =1−2 −0 =1− =
3 0 3 3 3
0
1
Výsledná hodnota Giniho koeficientu vypovı́dá o spı́še rovnoměrnějšı́m
3
rozdělenı́ důchodů.
Nevlastnı́ integrál
Pojem nevlastnı́ integrál
Definice
Integrál
Zb
f (x) dx
a
nazýváme nevlastnı́, pokud

alespoň jedna z integračnı́ch mezı́ a, b je rovna ±∞
nebo
funkce nenı́ ohraničená na uzavřeném intervalu ha; bi.
Singulárnı́ body jsou

body, ve kterých nenı́ funkce f ohraničená,
nevlastnı́ body ±∞.
Integrál nevlastnı́ vzhledem k hornı́ mezi
Definice
Je-li funkce f integrovatelná na každém intervalu ha; bi, kde a < b < ∞
a existuje-li vlastnı́ limita
Zb
lim f (x) dx,
b→∞
a
Z∞
řı́káme, že nevlastnı́ integrál f (x) dx konverguje a pı́šeme
a
Z∞ Zb
f (x) dx = lim f (x) dx.
b→∞
a a
Pokud přı́slušná vlastnı́ limita neex., řı́káme, že nevlastnı́ integrál diverguje.
Integrál nevlastnı́ vzhledem k dolnı́ mezi
Definice
Je-li funkce f integrovatelná na každém intervalu ha; bi, kde −∞ < a < b
a existuje-li vlastnı́ limita
Zb
lim f (x) dx,
a→−∞
a
Zb
−∞
Zb Zb
a→−∞
−∞ a
Geometrická interpretace
Konvergentnı́ nevlastnı́ integrál nezáporné funkce f :
y y
x =a x =b
y = f (x) y = f (x)
x x
a 0 −∞ ← a 0 b
b→∞
Z∞ Zb Zb Zb
f (x) dx = lim f (x) dx f (x) dx = lim f (x) dx
b→∞ a→−∞
a a −∞ a
Plocha útvaru je neomezená, ale jeho obsah může být konečný.
Nevlastnı́ integrál vzhledem k oběma mezı́m
Nenı́-li integračnı́ interval omezený zleva ani zprava, musı́me ho rozdělit

na dva intervaly tak, aby v každém byl pouze 1 singulárnı́ bod.
y x =c
y = f (x)
x
0 c
Z∞ Zc Z∞
f (x) dx = f (x) dx + f (x) dx, c ∈R
−∞ −∞ c
Nevlastnı́ integrál vzhledem k mezi – přı́klady
Přı́klad (nevlastnı́ integrál vzhledem k hornı́ mezi)

Z∞ Zb h ib
−x
e dx = lim e−x dx = lim − e−x = lim −e−b + e0 =
b→∞ b→∞ 0 b→∞
0 0
= 0 + 1 = 1, integrál konverguje
Přı́klad (nevlastnı́ integrál vzhledem k oběma mezı́m)

Z∞ Z0 Z∞ Z0 Zb
ex dx = ex dx + ex dx = lim ex dx + lim ex dx =
a→−∞ b→∞
−∞ −∞ 0 a 0
h i0 h ib
= lim ex + lim ex = lim e0 − ea + lim eb − e0 =

a→−∞ a b→∞ 0 a→−∞ b→∞
= (1 − 0) + (∞ − 1) = ∞, integrál diverguje
Z c Z ∞
Společný výpočet integrálů f (x) dx, f (x) dx
−∞ c
Věta
Je-li funkce f spojitá na R, pak
Z∞
f (x) dx = lim F (x) − lim F (x),
x→∞ x→−∞
−∞
kde F je funkce primitivnı́ k funkci f na R. Z∞

Pokud jsou obě limity vlastnı́, pak integrál f (x) dx konverguje.
−∞
Přı́klad
Z∞
1 π π
dx = lim arctan x − lim arctan x = − − =π
1 + x2 x→∞ x→−∞ 2 2
−∞
Integrál nevlastnı́ vzhledem k funkci
Definice (funkce neohraničená v hornı́ mezi)

Je-li funkce f integrovatelná na každém intervalu ha; mi, kde a < m < b,
neohraničená v každém levém okolı́ bodu b a existuje-li vlastnı́ limita
Zm
lim f (x) dx,
m→b −
a
Zb
a
Zb Zm
m→b −
a a
Integrál nevlastnı́ vzhledem k funkci
Definice (funkce neohraničená v dolnı́ mezi)

Je-li funkce f integrovatelná na každém intervalu hm; bi, kde a < m < b,
neohraničená v každém pravém okolı́ bodu a a existuje-li vlastnı́ limita
Zb
lim f (x) dx,
m→a+
m
Zb
a
Zb Zb
f (x) dx = lim+ f (x) dx.
m→a
a m
Zb Zm Zb Zb
a) f (x) dx = lim f (x) dx b) f (x) dx = lim+ f (x) dx
m→b − m→a
a a a m
y x =b x =a y
y = f (x) y = f (x)
x x
a 0 m b a m 0 b
Nevlastnı́ integrál vzhledem k funkci – přı́klad
Přı́klad (funkce neohraničená v dolnı́ mezi)

Z1 Z1 " #1
1 − 23 1
√ dx = lim x dx = lim+ − 2√ =
x x a→0+ a→0 x
0 a a

1 1 1
= −2 lim+ √ −√ = −2 1 −
0+ = −2 + ∞ = ∞

a→0 1 a
Integrál diverguje.
Funkce neohraničená ve vnitřnı́m bodě
Nenı́-li integrovaná funkce ohraničená v okolı́ vnitřnı́ho bodu c

integračnı́ho intervalu ha; bi, musı́me integračnı́ interval ha; bi rozdělit
na dva intervaly ha; c) a (c; bi, z nichž každý obsahuje pouze jeden
singulárnı́ bod. Potom
Zb Zc Zb
f (x) dx = f (x) dx + f (x) dx
a a c
Zc Zb
Konvergujı́-li dı́lčı́ integrály f (x) dx, f (x) dx, konverguje
a c
Zb
i integrál f (x) dx.
a
y y = f (x)
x =a x =b
x
a 0 c b
Funkce neohraničená ve vnitřnı́m bodě – přı́klad
Přı́klad
Z6 Z4 Z6
1 1 1
p dx = p dx + p dx =
3
(4 − x)2 3
(4 − x)2 3
(4 − x)2
2 2 4
Zb Z6
1 1
= lim p dx + lim+ p dx =
b→4− 3
(4 − x)2 a→4 3
(4 − x)2
2 a
h √ ib h √ i6
= lim − 3 3 4 − x + lim+ − 3 3 4 − x =
b→4− 2 a→4 a
√
3
√ √ √
= lim (−3 4 − b + 3 4 − 2) + lim+ (−3 4 − 6 + 3 3 4 − a) =
3 3
b→4− a→4
√
3
√
3
√
3
√
3

= 0 + 3 2 − 3 −2 + 0 = 3 2− −2 , integrál konverguje
Integrálnı́ počet funkcı́ jedné proměnné
Integrálnı́ počet je doplňkem počtu diferenciálnı́ho – integrovánı́ je

opačný proces k derivovánı́, kdy hledáme tzv. primitivnı́ funkci.
Nalezenı́ neurčitého integrálu, tj. množiny všech primitivnı́ch funkcı́,

může být velice obtı́žné. Pro nalezenı́ integrálu byla vyvinuta celá řada
metod, mezi nejznámějšı́ patřı́ metoda substituce a metoda per partes.
Určitý nebo také Riemannův integrál byl historicky odvozen jako

obsah plochy pod křivkou a zpravidla ho počı́táme pomocı́
Newtonovy-Leibnizovy věty s využitı́m neurčitého integrálu.
Nevlastnı́ integrál je rozšı́řenı́m pojmu Riemannův integrál o tzv.

singulárnı́ body.
Integrálnı́ počet má celou řadu aplikacı́ ve statistice i v ekonomii.
Reference

Expert. ISBN 978-80-247-5406-2.
[3] RENSHAW, Geoffrey. Maths for economics. Fourth edition. Oxford:
Oxford University Press, 2016. ISBN 978-0-19-870437-9.
Základy pravděpodobnosti
David Hampel, Lenka Viskotová
Hampel, Viskotová (ÚSO MENDELU) Základy pravděpodobnosti ZS 2020/21 1 / 47

Motivace
Teorie pravděpodobnosti se snažı́ matematicky popsat činnosti

( pokusy“), jejichž výsledek nenı́ předem jistý.
”
Ačkoliv nenı́ teorie pravděpodobnosti mnohdy přı́mo aplikovatelná,
pro dalšı́ studium předmětů jako jsou Statistika, Ekonometrie či
Kvantitativnı́ analýza rizika je jejı́ znalost nutná.
Na výsledcı́ch teorie pravděpodobnosti je založena tzv. matematická

statistika, která se zabývá mimo jiné odhady parametrů a testovánı́
hypotéz o nich na základě reálných dat.
Základy pravděpodobnosti dále formalizujeme s využitı́m konceptu

náhodné veličiny a náhodného vektoru.

Motivace
Pro naše potřeby teorii pravděpodobnosti značně zjednodušı́me.
Zaměřı́me se na praktické výpočty, které budou často založeny na

hernı́ch prvcı́ch – kostkách, kartách, ruletě, . . . .
Samozřejmě nenı́ našı́m cı́lem studovat pravděpodobnostnı́ podstatu

her, ale snadno představitelné přı́klady umožnı́ snazšı́ pochopenı́
probı́rané látky.

ZÁKLADY PRAVDĚPODOBNOSTI
Základnı́ pojmy

Teorie pravděpodobnosti
Teorie pravděpodobnosti je někdy označována jako matematika

náhody.
Popisuje náhodu“, tedy něco, co je neurčité, a tuto neurčitost

”
dokonce dokáže měřit.
Umı́ čı́selně popsat mı́ru naděje toho, že náhodou“ nějaký jev
”
nastane.
Tı́m nám umožňuje alespoň částečné poznánı́ něčeho, co by se na

prvnı́ pohled mohlo jevit jako zcela nepoznatelné.

Pokus
Pokusem rozumı́me jednorázové uskutečněnı́ určité činnosti za přesně

vymezeného souboru definičnı́ch podmı́nek.
Předpokládáme, že pokus můžeme mnohonásobně nezávisle opakovat
za dodrženı́ definičnı́ch podmı́nek (ostatnı́ podmı́nky se mohou měnit,
proto různá opakovánı́ pokusu mohou vést k různým výsledkům).
Deterministickým pokusem nazýváme takový pokus, jehož každé

opakovánı́ vede k jedinému možnému výsledku. (Např. zahřı́vánı́ vody
na 100 ◦ C při atmosférickém tlaku 1015 hPa vede k varu vody.)
Náhodným pokusem nazýváme takový pokus, jehož každé

opakovánı́ vede k právě jednomu z vı́ce možných výsledků, které
jsou vzájemně neslučitelné.

Základnı́ prostor
Definice
Neprázdnou množinu možných výsledků náhodného pokusu nazýváme
základnı́ prostor a značı́me ji Ω. Možné výsledky značı́me ω1 , ω2 , . . . .
Přı́klad (Hracı́ kostka)

Pomocı́ hracı́ kostky si budeme ilustro-
vat mnoho situacı́. Hracı́ kostkou bu-
deme rozumět pravidelnou šestistěnnou
hracı́ kostku.
Přı́klad
Hážeme jedenkrát jednou hracı́ kostkou. Základnı́m prostorem je množina
{ω1 , ω2 , ω3 , ω4 , ω5 , ω6 }, kde ωi znamená, že na kostce padlo i teček.

Náhodný jev
Definice (Náhodný jev – zjednodušená, ilustrativnı́)

Jevem nazveme podmnožinu prvků základnı́ho prostoru, kterou můžeme
přesně popsat.
Přı́klad
Hážeme jedenkrát hracı́ kostkou. Jevem je:
Padne pětka.
Padne jednička nebo dvojka.
Padne liché čı́slo.
Padne čı́slo vyššı́ nebo rovné třem.
Jevem nenı́:
Dva.
Padne vysoké čı́slo.

Náhodný jev
Definice (Jevové pole)

Soubor podmnožin základnı́ho prostoru Ω nazýváme jevové pole
(a značı́me A), jestliže splňuje následujı́cı́ požadavky:
Do souboru podmnožin patřı́ i celý základnı́ prostor.
Máme-li v souboru podmnožin podmnožiny Ai a Aj , pak v něm

musı́me mı́t i jejich rozdı́l Ai \Aj .
Máme-li v souboru podmnožin podmnožiny A1 , A2 , . . ., pak v něm

musı́me mı́t i sjednocenı́ těchto podmnožin.
Definice (Náhodný jev – exaktnějšı́, založená na jevovém poli)

Podmnožiny základnı́ho prostoru Ω, které náležı́ do daného jevového
pole A, nazýváme jevy (tohoto pole).

Náhodný jev – použı́vané termı́ny a symbolika
I . . . neprázdná indexová množina

ω ∈ A . . . výsledek ω je přı́znivý nastoupenı́ jevu A
A1 ⊆ A2 . . . jev A1 je součástı́ jevu A2 , neboli jev A1 má za důsledek
jev A2
T
Ai . . . společné nastoupenı́ všech jevů Ai , i ∈ I
i∈I
S
Ai . . . nastoupenı́ aspoň jednoho z jevů Ai , i ∈ I
i∈I
Āi = Ω \ A . . . jev opačný k jevu A
Ω . . . jev jistý
∅ . . . jev nemožný
A1 \ A2 . . . nastoupenı́ jevu A1 za současného nenastoupenı́ jevu A2
A1 ∩ A2 = ∅ . . . A1 a A2 jsou neslučitelné jevy

Náhodný jev
Zvláštnı́m přı́padem je jev nemožný – sice jsme přesně popsali

možný výsledek pokusu, ale tento výsledek nemůže nastat (nenı́
kombinacı́ prvků základnı́ho prostoru).
Přı́klad
Hážeme jedenkrát jednou hracı́ kostkou. Jev padne čı́slo devět“ je jevem
”
nemožným.

Náhodný jev
Přı́klad (Náhodný jev – ilustrace pojmů)

Náhodný pokus spočı́vá v jednom hodu hracı́ kostkou, kde základnı́ prostor
je Ω = {ω1 , . . . , ω6 }. Zavedeme indexovou množinu I = {1, 2, 3} a jevy
A1 = {ω2 }, A2 = {ω1 , ω2 } a A3 = {ω2 , ω4 , ω6 }.
ω1 ∈ A2 . . . padla jednička, což je přı́znivé nastoupenı́ jevu A2
A1 ⊆ A3 . . . padla dvojka, tedy padlo sudé čı́slo
T
Ai = A1 ∩ A2 ∩ A3 = {ω2 }
i∈I
S
Ai = A1 ∪ A2 ∪ A3 = {ω1 , ω2 , ω4 , ω6 }
i∈I
Ā2 = Ω \ A2 = {ω3 , ω4 , ω5 , ω6 }
A3 \ A2 = {ω4 , ω6 }
A1 ∩ Ā2 = ∅ . . . A1 a Ā2 jsou neslučitelné jevy

Přı́klad (Různá jevová pole pro daný základnı́ soubor)
Náhodný pokus spočı́vá v jednom hodu hracı́ kostkou, kde základnı́ prostor
je Ω = {ω1 , . . . , ω6 }. Pro tento pokus sestrojı́me tři různá jevová pole
v závislosti na tom, jak citlivý je pozorovatel pokusu.
a) Tupý pozorovatel: zajı́má jej jenom to, jestli padl počet teček od
jedné do šesti.
Amin = {Ω, ∅}
Tento pozorovatel je schopen rozlišit jenom jev jistý a jev nemožný.
b) Povrchnı́ pozorovatel: kromě jistého jevu se zajı́má také o padnutı́
sudého počtu teček.
A = {Ω, ∅, {ω2 , ω4 , ω6 }, {ω1 , ω3 , ω5 }}
c) Citlivý pozorovatel: zajı́majı́ ho všechny jevy, které lze pro tento pokus
uvažovat. Maximálnı́ jevové pole Amax = {A, A ⊆ Ω}, což je soubor
všech podmnožin základnı́ho prostoru Ω. Pro zajı́mavost: toto jevové
pole umožňuje rozlišenı́ 26 = 64 jevů.
Náhodný jev
Přı́klad (Maximálnı́ jevové pole pro jeden hod hracı́ kostkou)

Při konstrukci maximálnı́ho jevového pole vyjdeme z jevového pole
povrchnı́ho pozorovatele:
A = {Ω, ∅, {ω2 , ω4 , ω6 }, {ω1 , ω3 , ω5 }}
Do tohoto jevového pole přidáme jev padne jednička“ {ω1 }. Aby

”
však byly splněny požadavky na jevové pole dané jeho definicı́, musı́
nové jevové pole obsahovat také jevy {ω1 , ω3 , ω5 }\{ω1 }
a {ω1 } ∪ {ω2 , ω4 , ω6 }; pokud přidáme do jevového pole tyto jevy, pak
opět musı́me zkontrolovat vlastnosti jevového pole a přı́padně jevové
pole dále doplnit.
Jinou cestou je systematicky vybudovat jevové pole pomocı́ všech

prvků základnı́ho prostoru, poté všech dvojic, trojic atd.

Pravděpodobnost
Definice
Pravděpodobnostı́ P rozumı́me funkci, která každému jevu A z jevového
pole A přiřadı́ reálné čı́slo tak, aby platily následujı́cı́ podmı́nky:
P(A) ≥ 0,
Pokud pro ∀i, j, i 6= j platı́ P(Ai ∩ Aj ) = 0, pak
∞
[ ∞
X
P( Ai ) = P(Ai ),
i=1 i=1
P(Ω) = 1.
Věta
Z definice pravděpodobnosti lze odvodit dalšı́ vlastnosti pravděpodobnosti,
mimo jiné, že
0 ≤ P(A) ≤ 1.
Klasická pravděpodobnost
Definice (Klasická pravděpodobnost)
Označme m(Ω) počet všech možných výsledků a m(A) počet výsledků
přı́znivých nastoupenı́ jevu A. Pak funkci
m(A)
P(A) =
m(Ω)
nazveme klasickou pravděpodobnostı́. Předpokladem použitı́ klasické

pravděpodobnosti je, aby každý výsledek pokusu nastal se stejnou
pravděpodobnostı́.
Přı́klad
Hážeme jedenkrát jednou hracı́ kostkou. Dı́ky pravidelnosti kostky je
padnutı́ každého z čı́sel stejně pravděpodobné. Chceme spočı́tat
pravděpodobnost jevu A: padne sudé čı́slo. Máme m(Ω) = 6, m(A) = 3
m(A)
a P(A) = m(Ω) = 36 = 12 .
Klasická pravděpodobnost
Přı́klad
Jaká je pravděpodobnost, že při současném hodu třemi hracı́mi kostkami
padne
6·5·4 120
na každé kostce jiné čı́slo: P(A) = 3
= = 0,556
6 216
1 1
právě tři šestky: P(B) = 3 = = 0,000463
6 216
3·5 15
právě dvě šestky: P(C ) = 3 = = 0,0694
6 216
3

2 ·5·5 75
právě jedna šestka: P(D) = 3
= = 0,347
6 216
33 27
samá sudá čı́sla: P(E ) = 3 = = 0,125
6 216

Podmı́něná pravděpodobnost
Definice
Necht’ H je jev s nenulovou pravděpodobnostı́. Pak definujeme
podmı́něnou pravděpodobnost nastoupenı́ jevu A za podmı́nky H
vzorcem
P(A ∩ H)
P(A|H) = .
P(H)
Interpretace může být následujı́cı́: vı́me, že jev H již nastal, a ptáme se na
pravděpodobnost, s jakou za této podmı́nky nastane ještě jev A.
Věta
Důležitou aplikacı́ podmı́něné pravděpodobnosti je věta o násobenı́
pravděpodobnostı́: Za předpokladu, že P(A1 ∩ · · · ∩ An−1 ) 6= 0, platı́
n
!
\
P Ai = P(A1 ) · P(A2 |A1 ) · P(A3 |A1 ∩ A2 ) · · · · · P(An |A1 ∩ · · · ∩ An−1 ).
i=1

Podmı́něná pravděpodobnost
Přı́klad
Z 5 výrobků, mezi nimiž jsou 3 zmetky, vybı́ráme bez vracenı́ po jednom
výrobku. Označı́me
A1 : prvnı́ vybraný výrobek byl kvalitnı́,

A2 : druhý vybraný výrobek byl zmetek,
A3 : třetı́ vybraný výrobek byl zmetek.
Hledáme P(A1 ∩ A2 ∩ A3 ).
2 3 2
P(A1 ∩ A2 ∩ A3 ) = P(A1 ) · P(A2 |A1 ) · P(A3 |A1 ∩ A2 ) = · · = 0,2
5 4 3

Formule úplné pravděpodobnosti
Definice
Necht’ jsou dány jevy {Hi , i ∈ I } tak, že
S
Hi = Ω,
i∈I
Hi ∩ Hj = ∅ pro i 6= j a
P(Hi ) 6= 0 pro všechna i ∈ I .
Pak řekneme, že jevy {Hi , i ∈ I } tvořı́ úplný systém hypotéz.
Definice
Necht’ jevy {Hi , i ∈ I } tvořı́ úplný systém hypotéz. Potom pro libovolný jev
A platı́ formule úplné pravděpodobnosti
X
P(A) = P(Hi ) · P(A|Hi ).
i∈I

Formule úplné pravděpodobnosti
Přı́klad
V prvnı́ sadě výrobků je 12 výrobků, z toho 1 zmetek. Ve druhé sadě
výrobků je 10 výrobků, z toho 1 zmetek. Náhodně zvolený výrobek jsme
přemı́stili z prvnı́ sady do druhé. Poté jsme ze druhé sady náhodně vybrali
jeden výrobek. Jaká je pravděpodobnost, že to byl zmetek?
Označı́me
A: výrobek vybraný ze druhé sady byl zmetek
H1 : výrobek přemı́stěný z prvnı́ sady do druhé byl kvalitnı́
H2 : výrobek přemı́stěný z prvnı́ sady do druhé byl zmetek
Máme
11 1 1 2 13
P(A) = P(H1 ) · P(A|H1 ) + P(H2 ) · P(A|H2 ) = · + · = .
12 11 12 11 132

Bayesův vzorec
Věta
Necht’ je dán úplný systém hypotéz {Hi , i ∈ I }. Potom pro jev A
s nenulovou pravděpodobnostı́ a pro libovolný jev Hk platı́ tzv. I. Bayesův
vzorec
P(Hk ) · P(A|Hk )
P(Hk |A) = P .
P(Hi ) · P(A|Hi )
i∈I

Bayesův vzorec
Přı́klad
U jistého druhu elektrického spotřebiče se s pravděpodobnostı́ 0,1
vyskytuje výrobnı́ vada. U spotřebiče s touto výrobnı́ vadou docházı́
v záručnı́ lhůtě k poruše s pravděpodobnostı́ 0,5. Výrobky, které tuto vadu
nemajı́, se v záručnı́ lhůtě porouchajı́ s pravděpodobnostı́ 0,01. Jaká je
pravděpodobnost, že výrobek, který se v záručnı́ době porouchá, bude mı́t
dotyčnou výrobnı́ vadu?
Označı́me
A: výrobek se v záručnı́ době porouchá
H1 : výrobek má výrobnı́ vadu
H2 : výrobek nemá výrobnı́ vadu
P(H1 ) · P(A|H1 ) 0,1 · 0,5

P(H1 |A) = = = 0,847
P(H1 ) · P(A|H1 ) + P(H2 ) · P(A|H2 ) 0,059
Stochastická nezávislost
Definice
Řekneme, že jevy A1 , A2 , . . . , An jsou stochasticky nezávislé, právě když
platı́ vztahy
∀ i < j P(Ai ∩ Aj ) = P(Ai ) · P(Aj )
∀i <j <k P(Ai ∩ Aj ∩ Ak ) = P(Ai ) · P(Aj ) · P(Ak )
..
.
P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 ) · P(A2 ) · · · · · P(An )
Stochastické nezávislosti se využı́vá velmi často. Např. máme-li stanovit

pravděpodobnost nastoupenı́ alespoň jednoho z jevů A1 , A2 , . . . , An ,
využijeme tzv. de Morganova pravidla:
n
! n
! n
! n n
[ \ \ Y Y
P Ai =P Āi = 1−P Āi = 1− P(Āi ) = 1 − (1 − P(Ai ))
i=1 i=1 i=1 i=1 i=1

Přı́klad
Pravděpodobnost, že semı́nko slunečnice vyklı́čı́, je 0,5. Zasejeme-li 7
semı́nek, jaká je pravděpodobnost, že alespoň jedno vyklı́čı́?
Řešenı́:
Označı́me Ai , i = 1, . . . , 7: i-té semı́nko vyklı́čı́.

Jev A alespoň jedno semı́nko vyklı́čı́“ můžeme zapsat jako
”
7
[
A= Ai .
i=1
Pravděpodobnost tohoto jevu vypočteme následovně:

7 7
! 7
[ Y 1 127
P(A) = P Ai = · · · = 1 − (1 − P(Ai )) = 1 − =
2 128
i=1 i=1
Některé důsledky pro výpočet pravděpodobnostı́

Podmı́něná pravděpodobnost v různých situacı́ch
Předpokládejme, že P(H) 6= 0. Čemu je rovna pravděpodobnost P(A|H),

jsou-li jevy A a H
a) stochasticky nezávislé:
P(A ∩ H) P(A) · P(H)

P(A|H) = = = P(A)
P(H) P(H)
b) neslučitelné:
P(A ∩ H) P(∅)
P(A|H) = = =0
P(H) P(H)

Podmı́něná pravděpodobnost v různých situacı́ch
Předpokládejme, že P(H) 6= 0. Čemu je rovna pravděpodobnost P(A|H),

pokud
a) H má za důsledek A
P(A ∩ H) P(H)
P(A|H) = = =1
P(H) P(H)
b) A má za důsledek H
P(A ∩ H) P(A)
P(A|H) = =
P(H) P(H)

Nastoupenı́ alespoň jednoho z jevů
Vyjádřete pravděpodobnost nastoupenı́ alespoň jednoho z jevů A1 , . . . , An
n
!
[
P Ai
i=1
a) za předpokladu, že jevy A1 , . . . , An jsou neslučitelné

n n
!
[ X
P Ai = P(Ai )
i=1 i=1
b) za předpokladu, že jevy A1 , . . . , An jsou nezávislé

n n
!
[ Y
P Ai = 1 − (1 − P(Ai ))
i=1 i=1

Společné nastoupenı́ jevů
Vyjádřete pravděpodobnost společného nastoupenı́ jevů A1 , . . . , An
n
!
\
P Ai
i=1
a) za předpokladu, že jevy A1 , . . . , An jsou neslučitelné

n
!
\
P Ai = 0
i=1
b) za předpokladu, že jevy A1 , . . . , An jsou nezávislé

n n
!
\ Y
P Ai = P(Ai )
i=1 i=1

Aplikace pravděpodobnosti

Přı́klad o plachetnicı́ch
Firma se rozhoduje, zda vstoupit na trh s novým typem malé sportovnı́

plachetnice, což by se vyplatilo, kdyby ji aspoň 10 % koupěschopných
zákaznı́ků koupilo. Určitému počtu náhodně vylosovaných zákaznı́ků udělá
firma fiktivnı́ nabı́dku, v nı́ž požaduje zatrženı́ jedné ze čtyř možnostı́:
určitě bych koupil, zřejmě bych koupil, snad bych koupil, nekoupil bych.
Přitom z dřı́vějšı́ch zkušenostı́ je známo, kolik procent zákaznı́ků volı́cı́ch
jednotlivé odpovědi skutečně přistoupı́ ke koupi.

Přı́klad o plachetnicı́ch
odpověd’ % odpovědı́ % skutečných kupců

1. určitě bych koupil 12 % 40 %
2. zřejmě bych koupil 23 % 20 %
3. snad bych koupil 17 % 8%
4. nekoupil bych 48 % 1%
a) S jakou pravděpodobnostı́ koupı́ náhodně vybraný zákaznı́k lod’?

b) S jakou pravděpodobnostı́ ti, kteřı́ skutečně koupili, předtı́m zaškrtli
nekoupil bych“.
”

Přı́klad o plachetnicı́ch – řešenı́
A . . . náhodně vybraný zákaznı́k koupı́ plachetnici
Hi . . . náhodně vybraný zákaznı́k patřı́ do i-té skupiny, i = 1, . . . , 4.

P(H1 ) = 0,12 P(A|H1 ) = 0,4
P(H2 ) = 0,23 P(A|H2 ) = 0,2
P(H3 ) = 0,17 P(A|H3 ) = 0,08
P(H4 ) = 0,48 P(A|H4 ) = 0,01

Přı́klad o plachetnicı́ch – řešenı́
a)
4
X
P(A) = P(Hi )P(A|Hi )
i=1
= 0,12 · 0,4 + 0,23 · 0,2 + 0,17 · 0,08 + 0,48 · 0,01
= 0,1124 > 0,10
Firmě se s novou plachetnicı́ vyplatı́ vstoupit na trh.

b)
P(H4 )P(A|H4 ) 0,01 · 0,48
P(H4 |A) = = = 0,0427
P(A) 0,1124
Ti zákaznı́ci, kteřı́ skutečně plachetnici koupili, předtı́m zaškrtli
nekoupil bych“ s pravděpodobnostı́ 0,0427.
”

Zloději ve firmě
Firma pokládá náhodně vybraným zaměstnancům otázku: Odnesli jste si

”
během minulého roku některý z našich výrobků bez zaplacenı́?“ Aby je
ujistila o anonymitě dotaznı́ku, připojuje tuto instrukci: Hod’te si
v soukromı́ mincı́ a padne-li lı́c, odpovězte bez ohledu na skutečnost ano“,
”
jestliže padne rub odpovězte ve shodě se skutečnostı́ ano“, nebo ne“.
” ”
a) Zvolte matematický model.

b) Vypočtěte pravděpodobnost odpovědi ano“ a pravděpodobnost
”
vylosovánı́ zloděje.
c) Aproximujte pravděpodobnost vylosovánı́ zloděje, bylo-li dotázáno n
osob, z nichž a osob odpovědělo ano“.
”

Zloději ve firmě – řešenı́
a) Zvolte matematický model.
Náhodný pokus spočı́vá ve vylosovánı́ jedné osoby a v jednom hodu

mincı́.
L . . . padl lı́c
K . . . byl vylosován zloděj
A . . . vylosovaný odpovědel ano“
”

b) Vypočtěte pravděpodobnost odpovědi ano“ a pravděpodobnost

”
vylosovánı́ zloděje.
P(A) = P(L ∪ (L̄ ∩ K ))

= P(L) + P(L̄) · P(K )
1 1
= + P(K )
2 2
P(K ) = 2P(A) − 1

c) Aproximujte pravděpodobnost vylosovánı́ zloděje, bylo-li dotázáno n

osob, z nichž a osob odpovědělo ano“.
”
a
P(A) ≈
n
a
P(K ) ≈ 2 − 1
n

Antidrogový test
Jistá společnost podrobuje uchazeče o zaměstnánı́ antidrogovému testu.

Uchazeči pocházı́ z oblasti, kde pouze půl procenta obyvatel užı́vá drogy.
Citlivost (senzitivita) užı́vaného testu je 99 % (tzn., že u 99 % narkomanů
test vyjde pozitivně) a dále test je specifický také na 99 % (tzn., že test
vyjde negativně u 99 % ne-narkomanů“). Zdá se tedy, že test je relativně
”
přesný.
Určete pravděpodobnost, že osoba, jejı́ž výsledek testu je pozitivnı́,
skutečně užı́vá drogy.

Antidrogový test – řešenı́
P(A) . . . u náhodně vybraného uchazeče test vyjde pozitivně

P(H1 ) . . . uchazeč bere drogy
P(H2 ) . . . uchazeč nebere drogy
P(H1 ) = 0,005 P(A|H1 ) = 0,99

P(H2 ) = 0,995 P(A|H2 ) = 1 − P(Ā|H2 ) = 0,01

Antidrogový test – řešenı́
P(A) = P(H1 )P(A|H1 ) + P(H2 )P(A|H2 )

= 0,005 · 0,99 + 0,995 · 0,01
= 0,0149
P(H1 )P(A|H1 ) 0,005 · 0,99

P(H1 |A) = = = 0,3322
P(A) 0,0149
Pravděpodobnost, že uchazeč, jemuž vyšel test pozitivně, skutečně bere
drogy, je pouze 33,22 %. Je tedy vı́ce pravděpodobné, že drogy nebere!
Čı́m menšı́ je pravděpodobnost zkoumaného jevu (H1 ), tı́m většı́ je

pravděpodobnost, že test bude falešně“ pozitivnı́.
”
P(A ∩ H1 ) = 0,00495 < P(A ∩ H2 ) = 0,00995

Pravděpodobnostnı́ stromy
Přı́klad (Zdroj: Fotr a Souček (2015))

Farmaceutická společnost uvažuje o uvedenı́ nového medikamentu na trh.
Z dlouhodobých zkušenostı́ plyne, že vývoj medikamentu bude stát
820 mil. USD a bude úspěšný s pravděpodobnostı́ 0,5.
Pokud bude vývoj úspěšný, přistoupı́ se ke klinickému testovánı́, které
bude stát 450 mil. USD a bude úspěšné s pravděpodobnostı́ 0,75.
Pokud bude i to úspěšné, bude medikament uveden na trh, kde se
utká s konkurenčnı́mi produkty. S pravděpodobnostı́ 0,2 bude
konkurence slabá, a bude dosaženo volného peněžnı́ho toku
(zjednodušeně se jedná o rozdı́l mezi přı́jmy a výdaji za celou dobu
prodeje) ve výši 10000 mil. USD. Při středně silné konkurenci
(nastane s pravděpodobnostı́ 0,5) to bude 6250 mil. USD a při silné
konkurenci (nastane s pravděpodobnostı́ 0,3) 2500 mil. USD.
Prezentujte výše uvedené údaje pomocı́ pravděpodobnostnı́ho stromu.

Přı́klad (pokračovánı́)
0,5
úspěch
-820 mil.
vývoj
medikamentu
0,5
neúspěch
-820 mil.

0,75
úspěch
-450 mil.
0,5 klinické
úspěch
testy
-820 mil.
vývoj 0,25
neúspěch
medikamentu -450 mil.
0,5
neúspěch
-820 mil.

0,2
slabá
+10000umil.
0,5
střední
+6250umil.
0,75
úspěch konkurence
-450umil.
0,5 klinickéu 0,3

úspěch silná
testy
-820umil. +2500umil.
vývoju 0,25
neúspěch
medikamentu -450umil.
0,5
neúspěch
-820umil.

0,2 0,075
slabá
+10000omil. 8730omil.
0,5 0,1875
střední
+6250omil. 4980omil.
0,75
úspěch konkurence
-450omil.
0,5 klinickéo 0,3 0,1125

úspěch silná
testy 1230omil.
-820omil. +2500omil.
vývojo 0,25 0,125

neúspěch
medikamentu -450omil. -1270omil.
0,5 0,5
neúspěch
-820omil. -820omil.

Náhodné veličiny a vektory
David Hampel, Lenka Viskotová
Hampel, Viskotová (ÚSO MENDELU) Náhodné veličiny a vektory ZS 2020/21 1 / 85

Motivace
Aparát vybudovaný na základě pravděpodobnosti se vı́ce formalizuje

pomocı́ funkcı́, které
sloužı́ jako teoretický model chovánı́ náhodné veličiny a
umožňujı́ vyčı́slit teoretické vlastnosti náhodné veličiny.
Tyto funkce, rozdělenı́“ náhodných veličin, lze transformovat pro

”
různě upravené náhodné veličiny.
S rozdělenı́m“ souvisı́ pojem kvantilů, pomocı́ kterých se testujı́

”
hypotézy o parametrech těchto rozdělenı́“ .
”
Znalosti o náhodných veličinách jsou základem pro realizaci simulacı́,
kde ale nestačı́ jen slepě použı́vat vzorce rozdělenı́, ale v přı́padě
potřeby např. také vytvořit vlastnı́ rozdělenı́.

NÁHODNÉ VELIČINY A VEKTORY
Náhodná veličina

Definice
Náhodnou veličinu X definujeme jako zobrazenı́ X : Ω 7→ R, kde každý
vzor je jevem a obraz X (ω) se nazývá čı́selná realizace (obvykle se zapisuje
jen symbolem X ).
Náhodnou veličinu lze tedy vnı́mat jako pravidlo, které zobrazuje

základnı́ prostor možných výsledků do množiny reálných čı́sel.
Zavedenı́ náhodné veličiny sloužı́ zejména ke zkrácenı́ a zpřehledněnı́

zápisu pravděpodobnostı́. Např. pravděpodobnost, že se náhodná
veličina X realizuje v množině B zkrátı́me následovně:
P({ω ∈ Ω : X (ω) ∈ B}) ⇒ P(X ∈ B)
a pokud blı́že definujeme množinu B, tak:
P({ω ∈ Ω : X (ω) ∈ B, B = (−∞; xi}) ⇒ P(X ≤ x).

Náhodnou veličinu (pravidlo) značı́me velkými pı́smeny, např.

X , Y , Z , . . . a jejı́ čı́selné realizace obecně malými pı́smeny x, y , z, . . .,
nebo konkrétnı́mi čı́sly.
Zápis X = x budeme čı́st: náhodná veličina X se realizuje čı́slem x

(nebo také náhodná veličina X nabývá hodnoty x).
Zápis X ≤ x budeme čı́st: náhodná veličina X nepřekročı́ čı́slo x.
Z praktického hlediska nás zajı́majı́ pravděpodobnosti, s nimiž

náhodná veličina nabývá určité hodnoty, nebo je obsažena v určitých
intervalech hodnot.

Přı́klad (Tři hody mincı́)
Zajı́máme se o náhodnou veličinu X : počet lı́ců ve třech hodech mincı́.
Základnı́ prostor pro tento pokus:
Ω = {[LLL]; [LLR]; [LRL]; [RLL]; [LRR]; [RLR]; [RRL]; [RRR]}.

| {z } | {z } | {z } | {z } | {z } | {z } | {z } | {z }
ω1 ω2 ω3 ω4 ω5 ω6 ω7 ω8
K možnému výsledku nynı́ přiřadı́me čı́slo – odpovı́dajı́cı́ počet lı́ců.

možné výsledky základnı́ho souboru počet lı́ců x P(X = x)
1
[RRR] 0 8
3
[LRR]; [RLR]; [RRL] 1 8
3
[LLR]; [RLL]; [LRL] 2 8
1
[LLL] 3 8
Výrazem P(X = x) vyjadřujeme pravděpodobnost, že se náhodná
veličina X realizuje čı́slem x ∈ {0, 1, 2, 3}.
Diskrétnı́ a spojité náhodné veličiny
Diskrétnı́ náhodné veličiny se realizujı́ hodnotami konečné nebo
spočetné množiny. Např. počet teček při hodu kostkou nabývá
hodnoty z konečné množiny {1, 2, . . . , 6}. Počet transakcı́ na náhodně
zvolené pobočce dané banky, za předpokladu, že jejı́ provoz sledujeme
neomezenou dobu, nabývá hodnot z nekonečné množiny {0, 1, 2, . . . }.
Spojité náhodné veličiny se realizujı́ všemi hodnotami konečných

nebo nekonečných intervalů. Výška náhodně vybraného člověka,
pokud bychom měřili s přesnostı́ na nekonečně mnoho desetinných
mı́st, může nabývat libovolné hodnoty z intervalu h0; 3,1i metru.
Výrobnı́ čas náhodně vybraného kusu z produkce automatické linky
může nabývat libovolné hodnoty z intervalu (0; ∞).
Zjištěnı́ skutečných“ hodnot realizacı́ spojité náhodné veličiny nenı́

”
možné, jelikož nikdy nedosáhneme neomezené přesnosti měřenı́. Proto
u spojitých veličin majı́ věcný smysl jen intervaly hodnot, nikoliv
konkrétnı́ hodnoty.
Distribučnı́ funkce
Chovánı́ spojité i diskrétnı́ náhodné veličiny lze plně popsat pomocı́ jejı́
distribučnı́ funkce.
Definice
Distribučnı́ funkcı́ náhodné veličiny X rozumı́me takovou funkci F , která
je pro každé x ∈ R dána vztahem
F (x) = P(X ≤ x).
Tedy distribučnı́ funkce v bodě x je rovna pravděpodobnosti, že realizace

náhodné veličiny X nepřekročı́ čı́slo x.

Přı́klad (Pokračovánı́ – Tři hody mincı́)

Najděte distribučnı́ funkci F (x) náhodné veličiny X a nakreslete jejı́ graf.
Připomeňme, že P(X = 0) = 18 , P(X = 1) = 38 , P(X = 2) = 38 ,
P(X = 3) = 81 .
x ∈ (−∞; 0): F (x) = P(X ≤ x) = P(∅) = 0

1
x ∈ h0; 1): F (x) = P(X ≤ x) = P(X = 0) = 8
x ∈ h1; 2): F (x) = P(X ≤ x) = P[(X = 0) ∨ (X = 1)] =
= P(X = 0) + P(X = 1) = 18 + 38 = 12
x ∈ h2; 3): F (x) = P(X ≤ x) = P[(X = 0) ∨ (X = 1) ∨ (X = 2)] =
= P(X = 0) + P(X = 1) + P(X = 2) =
= 18 + 38 + 38 = 78

x ∈ h3; ∞): F (x) = P(X ≤ x) =
= P [(X = 0) ∨ (X = 1) ∨ (X = 2) ∨ (X = 3)] =
= P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) =
= P(Ω) = 18 + 38 + 38 + 18 = 1
 F (x)

 0 pro x < 0, 1
1
pro x ∈ h0; 1),

7

 8


4 8
F (x) = 8 pro x ∈ h1; 2),
4
7




 8 pro x ∈ h2; 3), 8

 1 pro x ≥ 3 1
8
0 1 2 3 x

Vlastnosti distribučnı́ funkce
Věta (Vlastnosti distribučnı́ funkce F (x) náhodné veličiny X )
1 F (x) je neklesajı́cı́, tedy ∀x1 , x2 ∈ R, x1 < x2 : F (x1 ) ≤ F (x2 );
2 F (x) je zprava spojitá, tedy ∀x0 ∈ R : lim+ F (x) = F (x0 );
x→x0
3 F (x) je normovaná, tedy lim F (x) = 0 ∧ lim F (x) = 1;

x→−∞ x→∞
4 P(a < X ≤ b) = F (b) − F (a) pro ∀a, b ∈ R, a < b;

5 P(X = x0 ) = F (x0 ) − lim F (x) pro libovolné pevně dané x0 ∈ R;
x→x0−
6 P(X > x) = 1 − P(X ≤ x) = 1 − F (x).
Věta
Má-li nějaká reálná funkce 1., 2. a 3. vlastnost uvedenou výše, pak se
jedná o distribučnı́ funkci nějaké náhodné veličiny.
Vlastnosti distribučnı́ funkce
Poznámka
Je-li distribučnı́ funkce jenom“ zprava spojitá a nenı́ spojitá zleva,
”
pak jejı́ graf bude mı́t schodovitý“ charakter a půjde o distribučnı́
”
funkci diskrétnı́ náhodné veličiny.
Je-li distribučnı́ funkce spojitá zprava a navı́c“ ještě spojitá zleva

”
(tedy je spojitá), pak jejı́m grafem je neklesajı́cı́ spojitá křivka, což
odpovı́dá spojité náhodné veličině.

Přı́klad
Rozhodněte a zdůvodněte, zda funkce

0 pro x < 0;
F (x) = 2x
2x+3 pro x ≥0
je distribučnı́ funkce.
Musı́me ověřit tři následujı́cı́ vlastnosti distribučnı́ funkce:
1 F (x) je neklesajı́cı́: pro x < 0 je funkce konstantnı́, a pro x ≥ 0 je
6
F 0 (x) = (2x+3)2 > 0, funkce má vždy rostoucı́ tečnu, je tedy rostoucı́.
2 F (x) je zprava spojitá: je všude spojitá.

2x 2x
3 F (x) je normovaná: lim 0 = 0, lim = lim = 1.
x→−∞ x→∞ 2x+3 x→∞ 2x
Ano, uvedená funkce je distribučnı́ funkcı́.

Přı́klad
Náhodná veličina X udává dobu bezporuchové činnosti přı́stroje po jeho
zapojenı́ a nabývá všech hodnot z intervalu (0; ∞). Máme důvody
předpokládat, že jejı́ distribučnı́ funkce má tvar
a + be −x pro x > 0,

F (x) =
0 pro x ≤ 0,
ale neznáme jejı́ parametry a a b. Určete konstanty a a b tak, aby F (x)

byla distribučnı́ funkcı́ náhodné veličiny X .
Dı́ky normovanosti distribučnı́ funkce dostaneme
0 = lim+ (a + be −x ) = a + b a 1 = lim (a + be −x ) = a
x→0 x→+∞
z čehož odvodı́me, že a = 1 a b = −1. Tato funkce je nezáporná, spojitá

a dı́ky kladné derivaci (1 − e −x )0 = e −x neklesajı́cı́. Celkově tedy máme
splněny pro a = 1 a b = −1 vlastnosti distribučnı́ funkce.
Pravděpodobnostnı́ funkce
Definice
Uvažujme diskrétnı́ náhodnou veličinu X . Pravděpodobnostnı́ funkcı́
náhodné veličiny X rozumı́me takovou funkci p, která je pro každé x ∈ R
dána vztahem
p(x) = P(X = x).
Tedy pravděpodobnostnı́ funkce v bodě x je rovna pravděpodobnosti, že
náhodná veličina X se realizuje hodnotou x.

Najděte pravděpodobnostnı́ funkci p(x) náhodné veličiny X a nakreslete
jejı́ graf.
Náhodná veličina X může s nenulovou pravděpodobnostı́ nabývat pouze

čtyř hodnot: x ∈ {0, 1, 2, 3}. Vı́me, že P(X = 0) = 18 , P(X = 1) = 38 ,
P(X = 2) = 38 a P(X = 3) = 81 . Pravděpodobnostnı́ funkce má tedy tvar
p(x)
3
1 8
pro x ∈ {0; 3},

 8
p(x) = 3
8 pro x ∈ {1; 2},

0 jinak 1
8
0 1 2 3 x
Věta (Vlastnosti pravděpodobnostnı́ funkce)

Pravděpodobnostnı́ funkce diskrétnı́ náhodné veličiny X má následujı́cı́
vlastnosti:
1 nezápornost
∀x ∈ R : p(x) ≥ 0
2 normovanost X
p(x) = 1,
x∈A
kde A je nejvýše spočetná množina bodů, ve kterých

pravděpodobnostnı́ funkce nabývá kladných hodnot,
A = {x ∈ R; p(x) > 0}.

Přı́klad (Pokračovánı́ – Uvedenı́ nového medikamentu na trh)
V rámci aplikace pravděpodobnosti jsme se seznámili s přı́kladem
o pravděpodobnostnı́ch stromech. Finančnı́ výsledek společnosti můžeme
považovat za náhodnou veličinu. Na základě sestaveného
pravděpodobnostnı́ho stromu určete přı́slušnou pravděpodobnostnı́ funkci
a ověřte jejı́ vlastnosti.
0,2 0,075
slabá
+10000omil. 8730omil.
0,5 0,1875
střední
+6250omil. 4980omil.
0,75
úspěch konkurence
-450omil.
0,5 klinickéo 0,3 0,1125

úspěch silná
testy 1230omil.
-820omil. +2500omil.
vývojo 0,25 0,125

neúspěch
medikamentu -450omil. -1270omil.
0,5 0,5
neúspěch
-820omil. -820omil.




 0,125 pro x = −1270 mil.



 0,5 pro x = −820 mil.
0,1125 pro x = 1230 mil.

p(x) =

 0,1875 pro x = 4980 mil.
0,075 pro x = 8730 mil.





0 jinak
Je zřejmé, že tato funkce je nezáporná.
Musı́me ještě ověřit, že součet kladných hodnot je roven jedné:

0,125 + 0,5 + 0,1125 + 0,1875 + 0,075 = 1.
Můžeme tedy konstatovat, že uvedená funkce je pravděpodobnostnı́

funkcı́.


Přı́klad
Čtyřikrát nezávisle na sobě házı́me mincı́. Náhodná veličina X je rovna
počtu padnutých lı́ců v těchto čtyřech hodech. Stanovte jejı́
pravděpodobnostnı́ a distribučnı́ funkci a nakreslete jejich grafy. Pomocı́
pravděpodobnostnı́ i distribučnı́ funkce určete pravděpodobnost jevu
X ∈ {2, 3}.

Přı́klad (Pokračovánı́)
Postupně zjistı́me, že m(Ω) = 16, m(0 lı́ců) = m(4 lı́ce) = 1,
m(1 lı́c) = m(3 lı́ce) = 4, m(3 lı́ce) = 6. Na základě toho sestavı́me
pravděpodobnostnı́ funkci:
p(x)
1
pro x ∈ {0; 4}


 16 6
4
pro x ∈ {1; 3}

 16
16
p(x) = 6 4


 16 pro x ∈ {2} 16

0 jinak
1
16
0 1 2 3 4 x

Distribučnı́ funkci sestrojı́me následovně:
x ∈ (−∞; 0): F (x) = P(X ≤ x) = P(∅) = 0
1
x ∈ h0; 1): F (x) = P(X ≤ x) = P(X = 0) = 16
x ∈ h1; 2): F (x) = P(X ≤ x) = P[(X = 0) ∨ (X = 1)] =
1 4 5
= P(X = 0) + P(X = 1) = 16 + 16 = 16
x ∈ h2; 3): F (x) = P(X ≤ x) = P[(X = 0) ∨ (X = 1) ∨ (X = 2)] =
= P(X = 0) + P(X = 1) + P(X = 2) =
1 4 6
= 16 + 16 + 16 = 11
16
x ∈ h3; 4): F (x) = P(X ≤ x) = P(X = 0) + P(X = 1) + P(X = 2)+
1 4 6 4 15
+P(X = 3) = 16 + 16 + 16 + 16 = 16
x ∈ h4; ∞): F (x) = P(X ≤ x) = P [(X = 0) ∨ (X = 1) ∨ (X = 2)∨
∨(X = 3) ∨ (X = 4)] = P(Ω) = 1
F (x)
1
 15
 0 pro x < 0, 16
1



 16 pro x ∈ h0; 1),
11

 5

pro x ∈ h1; 2),

16 16
F (x) = 11

 16 pro x ∈ h2; 3),

15 5
pro x ∈ h3; 4),


16


 16
pro x ≥ 4

1 1
16
0 1 2 3 4 x

P(X ∈ {2; 3}) pomocı́ pravděpodobnostnı́ funkce:
6 4 10 5
P(X ∈ {2; 3}) = p(2) + p(3) = + = =
16 16 16 8
P(X ∈ {2; 3}) pomocı́ distribučnı́ funkce:
P(X ∈ {2; 3}) = P(2 ≤ X ≤ 3) = P(1 < X ≤ 3) =
15 5 10 5
= F (3) − F (1) = − = =
16 16 16 8

Motivace zavedenı́ hustoty pravděpodobnosti
Jednotlivým realizacı́m spojité náhodné veličiny nelze přiřazovat

odpovı́dajı́cı́ pravděpodobnosti přı́mo tak, jako v diskrétnı́m přı́padě.
Můžeme však stanovit pravděpodobnost výskytu spojité náhodné

veličiny v nějakém, byt’ libovolně malém, intervalu se středem v bodě
x0 o délce ∆.
Potom přibližná pravděpodobnost realizace spojité náhodné veličiny X

v tomto intervalu je rovna součinu f (x0 ) · ∆.
Precizně řečeno, pravděpodobnost jevu, že náhodná veličina X se

realizuje v intervalu (a; b), je vyjádřena plochou pod funkcı́ f (x)
v mezı́ch od a do b.

Motivace zavedenı́ hustoty pravděpodobnosti
f (x)
p(x)
f (x0 ) p(x0 )
0 x0 x 0 x0 x
1
Hustota pravděpodobnosti
Definice
Uvažujme spojitou náhodnou veličinu X . Pravděpodobnost realizace X
v libovolném intervalu G se dá vyjádřit jako
Z
P(X ∈ G ) = f (x) dx
x∈G
pomocı́ vhodné nezáporné funkce f (x), která se nazývá hustota

pravděpodobnosti spojité náhodné veličiny X .
Věta
Hustota pravděpodobnosti spojité náhodné veličiny X má tyto vlastnosti:
1 nezápornost: ∀x ∈ R : f (x) ≥ 0, kladných hodnot nabývá alespoň na
nějakém nedegenerovaném intervalu;
R∞
2 normovanost: f (x) dx = 1.
−∞

Přı́klad
Najděte konstantu c tak, aby funkce
2
cx (1 − x) pro 0≤x <1
f (x) =
0 jinak
byla hustotou pravděpodobnosti spojité náhodné veličiny X a vypočtěte

pravděpodobnost, že se veličina X bude realizovat v intervalu h0,2; 0,8).

Aby funkce nebyla záporná, musı́ být c ≥ 0. Z normovanosti plyne:
Z∞ Z0 Z1 Z∞
1= f (x)dx = 0dx + cx 2 (1 − x)dx + 0dx =
−∞ −∞ 0 1
Z1 1
x3 x4

2 3 1 1 1
=0+c x − x dx + 0 = c − =c − =c ,
3 4 0 3 4 12
0
z čehož dostaneme, že c = 12.

Z Z0,8
P(X ∈ h0,2; 0,8)) = f (x)dx = 12x 2 (1 − x)dx =
X ∈h0,2;0,8) 0,2
Z0,8 3 0,8
x x4
= 12 x 2 − x 3 dx = 12 − =
3 4 0,2
0,2
0,83 0,84
3
0,24

0,2
= 12 − − − =
3 4 3 4

0,512 0,4096 0,008 0,0016
= 12 − − − = 0,792
3 4 3 4

Vztahy mezi pravděpodobnostnı́ a distribučnı́ funkcı́
Připomeňme, že
F (x) = P(X ≤ x).
Z tohoto vztahu odvodı́me následujı́cı́ dvě věty:
Věta
V diskrétnı́m přı́padě platı́ pro náhodou veličinu X vztahy
P
F (x) = P(X ≤ x) = p(t), kde A = {t ≤ x; p(t) > 0};
t∈A
p(x) = P(X = x);
je-li funkce p(t) nulová na otevřeném intervalu (z; x), pak platı́
p(x) = F (x) − F (z).

Vztahy mezi hustotou pravděpodobnosti a distribučnı́
funkcı́
Věta
Ve spojitém přı́padě platı́ pro náhodou veličinu X vztahy
Rx
F (x) = P(X ≤ x) = f (t) dt;
−∞
P(X = x) = 0;
je-li funkce f (t) v bodě x spojitá, pak platı́
dF (x)
f (x) = .
dx

Funkce popisujı́cı́ diskrétnı́ či spojité rozdělenı́
p(t) f (t)
0 x0 t 0 x0 t
1 1
F (x)
F (x)
1
1
F (x0 ) F (x0 )
0 x0 x 0 x0 x
Hampel, Viskotová (ÚSO MENDELU) Náhodné veličiny a vektory

1 ZS 2020/21 34 / 85
Přı́klad
Náhodná veličina X udává dobu bezporuchové činnosti přı́stroje po jeho
zapojenı́ a nabývá všech hodnot z intervalu (0, ∞). Již dřı́ve jsme odvodili
parametry jejı́ distribučnı́ funkce
1 − e −x pro x > 0,

F (x) =
0 pro x ≤ 0.
a) Určete hustotu pravděpodobnosti náhodné veličiny X .

b) Určete pravděpodobnost, že přı́stroj bude pracovat bez poruchy po
dobu delšı́ než jedna hodina a po dobu kratšı́ než dvě hodiny, a to jak
pomocı́ hustoty pravděpodobnosti, tak pomocı́ distribučnı́ funkce.

a) Protože (1 − e −x )0 = e −x , máme
−x
e pro x > 0,
f (x) =
0 pro x ≤ 0.
b) P(X ∈ (1; 2)) vypočı́táme pomocı́ hustoty

Z 2 2 1 1
e −x dx = −e −x 1 = −e −2 − (−e −1 ) = − 2

1 e e
a také pomocı́ distribučnı́ funkce

1 1
F (2) − F (1) = 1 − e −2 − (1 − e −1 ) = −e −2 + e −1 = − 2
e e

Zákon rozdělenı́ pravděpodobnosti
Náhodná veličina je z pravděpodobnostnı́ho hlediska zcela popsána,

známe-li pravidlo, které každé hodnotě diskrétnı́ náhodné veličiny
nebo každému intervalu spojité náhodné veličiny umı́ přiřadit
pravděpodobnost.
Známe-li tedy některou z funkcı́ p(x), f (x) nebo F (x), známe tzv.
zákon rozdělenı́ pravděpodobnosti dané náhodné veličiny.
Fakt, že náhodná veličina X má rozdělenı́ R s parametry s a t,

zapı́šeme jako
X ∼ R(s, t).

Přı́klad
Na automatické lince se plnı́ krabice mlékem, každá krabice má obsahovat
přesně jeden litr mléka, avšak působenı́m náhodných vlivů kolı́sá množstvı́
mléka v intervalu 0,98 až 1,02 litrů. Každé množstvı́ mléka v tomto
intervalu považujeme za stejně možné. Náhodná veličina X udává
množstvı́ mléka v náhodně vybrané krabici.
Najděte hustotu f (x), distribučnı́ funkci F (x), nakreslete grafy těchto

funkcı́ a vypočtěte pravděpodobnost, že X > 0,99 litru.

Náhodná veličina X je spojitá a jejı́ možné realizace náležı́ do intervalu
(0,98; 1,02).
1
f (x) = 1,02−0,98 = 25 pro x ∈ (0,98; 1,02);
0 jinak.
f (x) 6
25 d d
t t -
0,98 1,02 x


 0 pro x ≤ 0,98;
 Rx

Rx
F (x) = f (t) dt = 25 dt = 25x − 24,5 pro x ∈ (0,98; 1,02),

 0,98 0,98
pro x ≥ 1,02.

1
F (x) 6
1

-
0,98 1,02 x

P(X > 0,99) = P(0,99 < X ≤ 1,02) = F (1,02) − F (0,99) =
= 1 − (25 · 0,99 − 24,5) = 0,75.
Pravděpodobnost, že v krabici bude vı́ce než 0,99 litru mléka, je 0,75.

Transformovaná náhodná veličina
Přı́klad
Výše přı́jmu Y závisı́ u některých profesı́ na náhodné veličině věk X ,
kde s rostoucı́m věkem roste i přı́jem až do určitého maxima a poté
s blı́žı́cı́m se důchodovým věkem přı́jem klesá.
Vhodnou funkcı́ popisujı́cı́ závislost přı́jmu na věku může být

Y = aX 2 + bX + c, kde a, b a c jsou vhodné konstanty.
Je zřejmé, že Y je také náhodná veličina, která vznikla transformacı́

náhodné veličiny X .
Definice
Je-li X náhodná veličina a g reálná funkce, pak náhodnou veličinu
Y = g (X ) nazýváme transformovaná náhodná veličina.

Náhodný vektor

Náhodný vektor
Dosud jsme se zabývali jednou náhodnou veličinou a jejı́m rozdělenı́m

pravděpodobnosti. V ekonomických situacı́ch se ale velmi často setkáváme
s náhodnými pokusy, které popisujeme dvěma i vı́ce náhodnými veličinami.
Definice
Posloupnost náhodných veličin X1 , X2 , . . . , Xn (přı́slušných k uvažovanému
pokusu) nazýváme náhodný vektor.
Přı́klad (Obchodnı́ cestujı́cı́)

Obchodnı́ cestujı́cı́ nabı́zı́ potenciálnı́mu zákaznı́kovi nový výrobek a kartu
členských výhod. Náhodná veličina X udává, jestli náhodně vybraný
zákaznı́k výrobek koupı́ (X = 0 nekoupı́; X = 1 koupı́) a Y udává, jestli
má zájem o kartu členských výhod (Y = 0 nemá zájem; Y = 1 má zájem).

Náhodný vektor
Přı́klad (Pokračovánı́ – Obchodnı́ cestujı́cı́)

Je zřejmé, že tento náhodný pokus má čtyři možné výsledky: (0, 0), (0, 1),
(1, 0), (1, 1). Pravděpodobnosti těchto výsledků udává následujı́cı́ tabulka:
y
P(X = x ∧ Y = y )
0 1
0 0,15 0,10
x
1 0,50 0,25
Tedy napřı́klad pravděpodobnost, že zákaznı́k koupı́ výrobek a nemá zájem

o kartu, je 50 %, formálně P(X = 1 ∧ Y = 0) = 0,5.
Jelikož známe pravděpodobnosti všech čtyř možných výsledků, známe

rozdělenı́ pravděpodobnosti dvousložkového náhodného vektoru X , Y .

Simultánnı́ pravděpodobnostnı́ funkce a hustota
Definice
Uvažujme diskrétnı́ náhodné veličiny X a Y . Simultánnı́
pravděpodobnostnı́ funkcı́ náhodného vektoru (X , Y ) rozumı́me takovou
funkci p, která je pro každé (x, y ) ∈ R × R dána vztahem
p(x, y ) = P(X = x ∧ Y = y ).
Definice
Uvažujme spojité náhodné veličiny X a Y . Pravděpodobnost realizace
náhodného vektoru (X , Y ) v libovolné dvojrozměrné oblasti H vyjádřı́me
ZZ
P((X , Y ) ∈ H) = f (x, y ) dx dy
H
pomocı́ vhodné nezáporné funkce f (x, y ), která se nazývá simultánnı́

hustota pravděpodobnosti náhodného vektoru (X , Y ).
Distribučnı́ funkce náhodného vektoru
Definice
Distribučnı́ funkcı́ náhodného vektoru (X , Y ) rozumı́me takovou funkci
F , která je pro každé (x, y ) ∈ R × R dána vztahem
F (x, y ) = P(X ≤ x ∧ Y ≤ y ).
Distribučnı́ funkce v bodě (x, y ) je rovna pravděpodobnosti, že

realizace náhodné veličiny X nepřekročı́ čı́slo x a zároveň realizace
náhodné veličiny Y nepřekročı́ čı́slo y .
Předchozı́ tři definice lze rozšı́řit i na náhodný vektor s vı́ce než

dvěma složkami.

Náhodný vektor

Nynı́ nás bude zajı́mat rozdělenı́ pravděpodobnosti pro náhodnou veličinu
X . Pravděpodobnostnı́ funkci p1 (x) = P(X = x) náhodné veličiny X
určı́me z tabulky simultánnı́ch pravděpodobnostı́, kterou jsme prezentovali
již dřı́ve:
y
P(X = x ∧ Y = y )
0 1
0 0,15 0,10
x
1 0,50 0,25
Pravděpodobnost p1 (0), že zákaznı́k nekoupı́ výrobek, zı́skáme jako

součet simultánnı́ch pravděpodobnostı́ p(0, 0) + p(0, 1) = 0,25.
Pravděpodobnost p1 (1), že zákaznı́k koupı́ výrobek, zı́skáme jako

součet simultánnı́ch pravděpodobnostı́ p(1, 0) + p(1, 1) = 0,75.

Náhodný vektor

Analogicky bychom mohli určit pravděpodobnostnı́ funkci p2 (y ) pro
náhodnou veličinu Y . Pravděpodobnostnı́ funkce vztahujı́cı́ se
k jednotlivým složkám náhodného vektoru X , Y doplnı́me do tabulky
simultánnı́ch pravděpodobnostı́:
y
P(X = x ∧ Y = y ) p1 (x)
0 1
0 0,15 0,10 0,25
x
1 0,50 0,25 0,75
p2 (y ) 0,65 0,35 1
Hledané pravděpodobnostnı́ funkce p1 (x) a p2 (y ) jsou umı́stěny na kraji

tabulky a řı́káme jim marginálnı́ pravděpodobnosti.

Náhodný vektor
Věta
Marginálnı́ distribučnı́ funkce zı́skáme ze simultánnı́ch pomocı́ vztahů
F1 (x) = lim F (x, y ) a F2 (y ) = lim F (x, y ).

y →∞ x→∞
Marginálnı́ pravděpodobnostnı́ funkce zı́skáme ze simultánnı́ch jako

X X
p1 (x) = p(x, y ) a p2 (y ) = p(x, y ),
y ∈A2 x∈A1
kde A1 = {x ∈ R; p(x, y ) > 0} a A2 = {y ∈ R; p(x, y ) > 0}.

Marginálnı́ hustoty pravděpodobnosti zı́skáme ze simultánnı́ch pomocı́
vztahů
Z ∞ Z ∞
f1 (x) = f (x, y ) dy a f2 (y ) = f (x, y ) dx.
−∞ −∞

Stochastická nezávislost náhodných veličin
Definice
Řekneme, že náhodné veličiny X , Y jsou nezávislé, jestliže jsou nezávislé
jevy {X ≤ x} a {Y ≤ y }, a to pro všechny dvojice (x, y ) ∈ R × R.
Věta
Náhodné veličiny X a Y jsou stochasticky nezávislé právě tehdy, když pro
všechna (x, y ) z reálné roviny platı́:
F (x, y ) = F1 (x) · F2 (y ),
přı́padně
p(x, y ) = p1 (x) · p2 (y )
nebo
f (x, y ) = f1 (x) · f2 (y ).


Ověřı́me, jestli náhodné veličiny X koupě výrobku“ a Y zájem o kartu
” ”
členských výhod“ jsou nezávislé.
Simultánnı́ pravděpodobnostnı́ funkce p(x, y ) je nenulová pouze pro

čtyři dvojice (x, y ): (0, 0), (0, 1), (1, 0), (1, 1), proto při ověřovánı́
nezávislosti X a Y musı́me vztah p(x, y ) = p1 (x) · p2 (y ) ověřit
celkem čtyřikrát.
Pro (x, y ) = (0, 0) dostaneme
0,15 = p(0, 0) 6= p1 (0) · p2 (0) = 0,25 · 0,65 = 0,1625.
Jelikož rovnost neplatı́ již pro prvnı́ vztah, nenı́ potřeba zbylé tři
rovnosti ověřovat, náhodné veličiny X a Y nejsou nezávislé.

Přı́klad
Spojitý náhodný vektor (X , Y ) má hustotu
24x 2 y (1 − x) pro

0 ≤ x < 1, 0 ≤ y < 1,
f (x, y ) =
0 jinak.
Dokažte, že náhodné veličiny X a Y jsou stochasticky nezávislé.
Nejdřı́ve vypočı́táme marginálnı́ hustotu pro 0 ≤ x < 1

1 1
y2
Z
2 2
f (x) = 24x y (1 − x)dy = 24x (1 − x) = 12x 2 (1 − x)
0 2 0
a pro 0 ≤ y < 1
1 1
x3 x4
Z
2
f (y ) = 24x y (1 − x)dx = 24y − = 2y .
0 3 4 0
Celkově
12x 2 (1 − x)

pro 0≤x <1
f (x) =
0 jinak.
a
2y pro 0 ≤ y < 1,
f (y ) =
0 jinak.
protože pro 0 ≤ x < 1 a 0 ≤ y < 1 platı́
f (x, y ) = 24x 2 y (1 − x) = 12x 2 (1 − x) · 2y = f (x) · f (y ),
jsou náhodné veličiny X a Y stochasticky nezávislé.

Transformace náhodného vektoru
Definice
Uvažujme n-rozměrný náhodný vektor (X1 , . . . , Xn ) a funkci
g : Rn → R.
Potom náhodnou veličinu
Y = g (X1 , . . . , Xn )
nazýváme transformovaná náhodná veličina.
Přı́klad
Náhodný vektor (X , Y ) udává přı́jmy manželky a manžela. Potom přı́jem
domácnosti je zřejmě také náhodná veličina Z = X + Y a zı́skali jsme ji
transformacı́ vektoru (X , Y ).

Definice
Uvažujme n-rozměrný náhodný vektor (X1 , . . . , Xn ) a funkci
(g1 , . . . , gm ) : Rn → Rm . Potom m-rozměrný náhodný vektor
(Y1 , . . . , Ym ) = (g1 (X1 , . . . , Xn ), . . . , gm (X1 , . . . , Xn ))
nazýváme transformovaný náhodný vektor.
Přı́klad
Náhodný vektor (X , Y ) nadále udává přı́jmy manželů. Zavedeme si nové
náhodné veličiny Z1 , Z2 , Z3 , kde Z1 = X + Y je společný přı́jem
domácnosti, Z2 = Y X udává, kolikanásobně je přı́jem muže většı́ než přı́jem
ženy a Z3 = Y − X udává, o kolik je přı́jem muže většı́ než přı́jem ženy.
Trojrozměrný vektor (Z1 , Z2 , Z3 ) vznikl transformacı́ dvojrozměrného
vektoru (X , Y ).

Přı́klad (Čekánı́ zákaznı́ka před pokladnou)

Předpokládejme, že doba čekánı́ zákaznı́ka před pokladnou je náhodná
veličina, která se řı́dı́ exponenciálnı́m rozdělenı́m s parametrem λ. Náhodně
vybereme n zákaznı́ků. Jaká je pravděpodobnost, že nejdéle čekajı́cı́
zákaznı́k čekal méně než y sekund?
Exponenciálnı́ rozdělenı́ má hustotu
λe −λxi pro xi > 0, λ > 0

f (xi ) = i = 1, . . . , n
0 jinak
a distribučnı́ funkci
1 − e −λxi

pro xi > 0
F (xi ) = i = 1, . . . , n.
0 pro xi ≤ 0

Přı́klad (Pokračovánı́ – Čekánı́ zákaznı́ka před pokladnou)

Hledáme vlastně rozdělenı́ transformované náhodné veličiny
Y = max{X1 , . . . , Xn }.
FY (y ) = P(Y ≤ y ) = P(max{X1 , . . . , Xn } ≤ y ) =
= P(X1 ≤ y ∧ · · · ∧ Xn ≤ y ) =
= P(X1 ≤ y ) · · · P(Xn ≤ y ) =
= FX (y ) · · · FX (y ) =
= [FX (y )]n = (1 − e −λy )n
Nejdéle čekajı́cı́ zákaznı́k nečekal déle než y sekund s pravděpodobnostı́

(1 − e −λy )n .

Čı́selné charakteristiky náhodných veličin

Funkcionálnı́ a čı́selné charakteristiky
Doposud jsme popisovali chovánı́ náhodné veličiny pomocı́ funkcı́

F (x), p(x), f (x).
Tyto funkce reprezentujı́ funkcionálnı́ charakteristiky náhodné

veličiny a obsahujı́ veškerou informaci o jejı́m chovánı́.
Někdy nás však zajı́majı́ jen některé rysy tohoto chovánı́.
K tomu užı́váme různých čı́selných charakteristik, které mohou být

přehlednějšı́ než funkcionálnı́ charakteristiky, byt’ nesou méně
informacı́ o chovánı́ uvažované náhodné veličiny.

θ-kvantil spojité náhodné veličiny
Definice
θ-kvantilem spojité náhodné veličiny pro libovolné θ ∈ (0; 1) je takové
čı́slo Kθ (X ), pro které platı́
θ (X )
KZ
θ = P(X ≤ Kθ (X )) = f (x) dx = F (Kθ (X )).

−∞
f (x) 6
θ 1−θ
-
Kθ (x) x
θ-kvantil diskrétnı́ náhodné veličiny
Jednoznačný vztah mezi pravděpodobnostı́ θ a kvantilem Kθ (X ) platı́

jen tehdy, když je distribučnı́ funkce F (x) rostoucı́.
V přı́padě diskrétnı́ náhodné veličiny se schodovitou“ distribučnı́

”
funkcı́ ani neumı́me ke každému θ ∈ h0; 1i najı́t přesně odpovı́dajı́cı́
hodnotu θ-kvantilu.
Definice (Obecná definice θ-kvantilu)

θ-kvantil Kθ (X ) obecně definujeme jako čı́slo, které vyhovuje zároveň
vztahům
P(X ≤ Kθ (X )) ≥ θ a P(X < Kθ (X )) ≤ θ.
Ani tato obecná definice neurčuje θ-kvantil vždy jednoznačně.

θ-kvantil diskrétnı́ a spojité náhodné veličiny
F (x) 6 t F (x) 6
t d
θ 

t

t d θ

 

 
t d
  
 P(X ≤ Kθ (X ))
  


 

 P(X ≤ K (x)) =
P(X < Kθ (X )) 

≥θ θ

≤θ 



  P(X < Kθ (x))


  


  

  
d - -
Kθ (X ) x Kθ (x) x
Pro vybrané hodnoty θ ∈ (0, 1) použı́váme speciálnı́ názvy

odpovı́dajı́cı́ch θ-kvantilů, např. pro θ = 0,5 nazýváme kvantil
K0,5 (X ) medián.
Medián může fungovat jako ukazatel středu“ rozdělenı́.

”
Střednı́ hodnota diskrétnı́ náhodné veličiny
Definice
Střednı́ hodnota diskrétnı́ náhodné veličiny X s odpovı́dajı́cı́
pravděpodobnostnı́ funkcı́ p(x) je konstanta E (X ) definovaná vztahem
∞
X
E (X ) = x · p(x),
x=−∞
pokud nekonečná řada absolutně konverguje; jinak řekneme, že náhodná

veličina X nemá střednı́ hodnotu.

Střednı́ hodnota spojité náhodné veličiny
Definice
Střednı́ hodnota spojité náhodné veličiny X s odpovı́dajı́cı́ hustotou
pravděpodobnosti f (x) je konstanta E (X ) definovaná vztahem
Z∞
E (X ) = x · f (x) dx,
x=−∞
pokud nevlastnı́ integrál absolutně konverguje; jinak řekneme, že náhodná

veličina X nemá střednı́ hodnotu.

Střednı́ hodnota
Přı́klad (Diskrétnı́ náhodná veličina, která nemá střednı́ hodnotu)

Ověřte, že p(x) je pravděpodobnostnı́ funkce, a spočtěte střednı́ hodnotu
náhodné veličiny pro
1
x pro x = 21 , 22 , 23 , 24 , . . . ;
p(x) =
0 jinak.
Předpis p(x) je pravděpodobnostnı́ funkce, jelikož

1 p(x) ≥ 0 pro libovolné reálné x a dále
2 pomocı́ předpisu pro součet geometrické řady dostaneme
∞ 1
X 1 1 1
p(x) = + + + ... = 2 1
= 1.
x=−∞
2 4 8 1− 2

Střednı́ hodnota
Přı́klad (Diskrétnı́ náhodná veličina, která nemá střednı́ hodnotu)

Střednı́ hodnotu spočı́táme jako
1 1 1
E (X ) = 2 · + 4 · + 8 · + . . . = 1 + 1 + 1 + . . . = ∞.
2 4 8
Pro náhodnou veličinu s daným rozdělenı́m tedy neexistuje střednı́
hodnota.
Střednı́ hodnota i medián jsou čı́selné charakteristiky, které nás svojı́

čı́selnou hodnotou informujı́ o středu“, resp. o centrálnı́ poloze“
” ”
rozdělenı́ náhodné veličiny.
Dále se budeme zajı́mat o čı́slo, které nás svojı́ hodnotou bude

informovat o tom, jak moc je náhodná veličina variabilnı́.

Rozptyl
Definice
Rozptyl diskrétnı́ náhodné veličiny X s odpovı́dajı́cı́ pravděpodobnostnı́
funkcı́ p(x) je konstanta D(X ) definovaná vztahem
∞
X
2
D(X ) = E ([X − E (X )] ) = [x − E (X )]2 · p(x).
x=−∞
Rozptyl spojité náhodné veličiny X s odpovı́dajı́cı́ hustotou

pravděpodobnosti f (x) je konstanta D(X ) definovaná vztahem
Z∞
D(X ) = E ([X − E (X )]2 ) = [x − E (X )]2 · f (x) dx.
−∞
p
Čı́slo D(X ) nazýváme směrodatná odchylka náhodné veličiny X .

Střednı́ hodnota a rozptyl
Přı́klad (Zákaznı́k kupuje výrobek)
Náhodná veličina X udává, zda náhodně oslovený zákaznı́k koupı́ nabı́zený
výrobek (X = 0 znamená, že nekoupı́; X = 1 znamená, že koupı́).
Pravděpodobnost koupě je 0,75. Určete rozdělenı́ náhodné veličiny X , dále
vypočı́tejte střednı́ hodnotu E (X ) a rozptyl D(X ).

 0,25 pro x = 0,
X ∼ p(x) = 0,75 pro x = 1,
0 jinak.

∞
P
E (X ) = x · p(x) = 0 · 0,25 + 1 · 0,75 = 0,75
x=−∞
∞
[x − E (X )]2 · p(x) = (0 − 0,75)2 · 0,25 + (1 − 0,75)2 0,75 =
P
D(X ) =
x=−∞
3
= 16 = 0,1875.

Střednı́ hodnota transformované náhodné veličiny
Věta
Pro náhodné veličiny X a Y = g (X ) platı́
 ∞
P


 g (x) · p(x) pro diskrétnı́ X ,
x=−∞
E (Y ) = E (g (X )) = R∞


 g (x) · f (x) dx pro spojité X .
−∞
Věta
Pro náhodný vektor (X1 , X2 ) a veličinu Y = g (X1 , X2 ) platı́
 ∞ ∞
P P
 x =−∞ x =−∞ g (x1 , x2 ) · p(x1 , x2 ) diskrétnı́ (X1 , X2 ),



1 2
E (g (X1 , X2 )) = ∞ R
R ∞
g (x1 , x2 ) · f (x1 , x2 ) dx1 dx2 spojitý (X1 , X2 ).




−∞ −∞

Střednı́ hodnota transformované náhodné veličiny
Přı́klad (Pokračovánı́ – Zákaznı́k kupuje výrobek)

Představme si nynı́, že prodejce má z každého prodaného výrobku přı́jem
70 Kč, ale paušálnı́ náklady bez ohledu na to, jestli výrobek prodá nebo ne,
činı́ 15 Kč. Celkový zisk je tedy opět náhodná veličina a označı́me ji Y .
Jaká je jejı́ střednı́ hodnota?
Zřejmě Y je transformovaná náhodná veličina Y = 70X − 15. Tedy

∞
X ∞
X
E (Y ) = y · p∗ (y ) = (70x − 15) · p(x) =
y =−∞ x=−∞
= (70 · 0 − 15) · p(0) + (70 · 1 − 15) · p(1) = −15 · 0,25 + 55 · 0,75 = 37,5.
Kdyby tedy prodejce oslovil teoreticky nekonečně mnoho zákaznı́ků, tak by
měl na každého osloveného zákaznı́ka zisk průměrně“ 37,5 Kč.
”

Vlastnosti střednı́ hodnoty
X , X1 , . . . , Xn jsou náhodné veličiny a a, b jsou reálná čı́sla
1. E (a) = a
2. E (a + bX ) = a + bE (X )
3a. E (X1 + X2 ) = E (X1 ) + E (X2 )
3b. E (X1 + . . . + Xn ) = E (X1 ) + . . . + E (Xn )
4a. Jsou-li náhodné veličiny X1 , X2 stochasticky nezávislé, pak platı́

E (X1 · X2 ) = E (X1 ) · E (X2 ).
4b. Jsou-li náhodné veličiny X1 , . . . , Xn stochasticky nezávislé, pak

E (X1 · . . . · Xn ) = E (X1 ) · . . . · E (Xn ).

Vlastnosti rozptylu
X , X1 , . . . , Xn jsou náhodné veličiny a a, b jsou reálná čı́sla
D(X ) = E (X 2 ) − [E (X )]2
1. D(a) = 0
2. D(a + bX ) = b 2 D(X )
3a. Jsou-li náhodné veličiny X1 , X2 stochasticky nezávislé, pak platı́

D(X1 + X2 ) = D(X1 ) + D(X2 ).
3b. Jsou-li náhodné veličiny X1 , . . . Xn stochasticky nezávislé, pak platı́

D(X1 + . . . + Xn ) = D(X1 ) + . . . + D(Xn ).

Kovariance náhodných veličin
Definice (Kovariance diskrétnı́ch veličin)

Náhodné veličiny X a Y jsou diskrétnı́, p(x, y ) je jejich simultánnı́
pravděpodobnostnı́ funkce. Kovariance náhodných veličin X a Y je
konstanta C (X , Y ) definovaná vztahem
C (X , Y ) = E ([X − E (X )][Y − E (Y )]) =

∞ X
X ∞
= [x − E (X )][y − E (Y )] · p(x, y ).
−∞ −∞

Definice (Kovariance spojitých veličin)

Náhodné veličiny X a Y jsou spojité, f (x, y ) je jejich simultánnı́ hustota
pravděpodobnosti. Kovariance náhodných veličin X a Y je konstanta
C (X , Y ) definovaná vztahem
C (X , Y ) = E ([X − E (X )][Y − E (Y )]) =

Z∞ Z∞
= [x − E (X )][y − E (Y )] · f (x, y ) dx dy .
−∞ −∞
Poznámka
Je-li C (X , Y ) = 0, pak řı́káme, že náhodné veličiny X a Y jsou
nekorelované.

Přı́klad
Náhodná veličina X udává úroveň dosaženého vzdělánı́ náhodně vybraného
člověka. Hodnota X = 1 odpovı́dá základnı́mu vzdělánı́, X = 2
středoškolskému vzdělánı́ a X = 3 odpovı́dá vysokoškolskému vzdělánı́.
Náhodná veličina Y udává, jak se náhodně vylosovaný člověk cı́tı́ št’astný.
Hodnota Y = 0 odpovı́dá pocitu nešt’astný“, Y = 1 odpovı́dá pocitu
”
docela št’astný“, Y = 2 odpovı́dá pocitu št’astný“. Určete a interpretujte
” ”
kovarianci náhodných veličin X a Y , znáte-li simultánnı́
pravděpodobnostnı́ funkci náhodného vektoru X , Y :
y
p1 (x)
0 1 2
1 0, 02 0,08 0,05 0,15
x 2 0,02 0,28 0,25 0,55
3 0,01 0,13 0,16 0,30
p2 (y ) 0,05 0,49 0,46 1
3
X
E (X ) = x · p1 (x) = 1 · 0,15 + 2 · 0,55 + 3 · 0,30 = 2,15
x=1
X2
E (Y ) = y · p2 (y ) = 0 · 0,05 + 1 · 0,49 + 2 · 0,46 = 1,41
y =0
3 X
X 2
C (X , Y ) = [x − E (X )][y − E (Y )]p(x, y ) =
x=1 y =0
= (1 − 2,15) · (0 − 1,41) · 0,02 + . . . + (3 − 2,15) · (2 − 1,41) · 0,16 =

= 0,0585
Kovariance je sice kladná, ale je velmi blı́zká nule. Přı́mý vztah mezi
vzdělánı́m a prožı́vánı́m štěstı́ je tedy zřejmě zanedbatelný.
Vlastnosti kovariance
X , X1 , . . . Xn , Y1 , . . . Ym jsou náhodné veličiny a a1 , a2 , b1 , b2 jsou reálná
čı́sla
C (X , Y ) = E (X · Y ) − E (X ) · E (Y ).
1. C (X , Y ) = C (Y , X ).
2. C (X , X ) = D(X ).
3. C (a1 , Y ) = C (X , a2 ) = C (a1 , a2 ) = 0.
4. C (a1 + b1 X , a2 + b2 Y ) = b1 b2 C (X , Y ).
5. Jsou-li náhodné veličiny X , Y stochasticky nezávislé, pak
C (X , Y ) = 0. (Opačná implikace neplatı́!)
6a. C (X1 +X2 , Y1 +Y2 ) = C (X1 , Y1 )+C (X1 , Y2 )+C (X2 , Y1 )+C (X2 , Y2 ).
6b. C ( ni=1 Xi , m
P P Pn Pm
j=1 Yj ) = i=1 j=1 C (Xi , Yj ).
7a. D(X ± Y ) = D(X ) + D(Y ) ± 2C (X , Y ).
7b. D( ni=1 Xi ) = ni=1 D(Xi ) + 2 i=1
P P Pn−1 Pn
j=i+1 C (Xi , Xj ).
Přı́klad
Pomocı́ D(X ), D(Y ), C (X , Y ) vyjádřete
a) D(2X + 3Y − 1),
b) C (2X + 1, 3X − Y ).
D(2X + 3Y − 1) = D(2X + 3Y ) = D(2X ) + D(3Y ) + 2C (2X , 3Y ) =

= 4D(X ) + 9D(Y ) + 2 · 2 · 3C (X , Y )
C (2X + 1, 3X − Y ) = C (2X , 3X − Y ) = C (2X , 3X ) + C (2X , −Y ) =

= 2 · 3 · C (X , X ) + 2 · (−1)C (X , Y ) = 6D(X ) − 2C (X , Y )

Koeficient korelace
Hodnoty kovariance se (až na znaménko) špatně interpretujı́. Je-li

C (X , Y ) 6= 0, pak můžeme usuzovat na nějakou vazbu mezi X a Y , ale
nevı́me, jak silná je tato vazba.
Definice
Koeficient korelace náhodných veličin X a Y je konstanta definovaná
vztahem
!
X − E (X ) Y − E (Y ) C (X , Y )
R(X , Y ) = E p · p =p p .
D(X ) D(Y ) D(X ) · D(Y )
Korelačnı́ koeficient má smysl tehdy, když jsou obě směrodatné odchylky
nenulové.

Vlastnosti koeficientu korelace
Poznámka
Koeficient korelace nabývá hodnot pouze z intervalu h−1, 1i.
Čı́m vı́c se hodnota korelačnı́ho koeficientu blı́žı́ k 1 (resp. −1), tı́m

těsnějšı́ je lineárnı́ vztah mezi X a Y .
Naopak pro hodnoty blı́žı́cı́ se nule tento lineárnı́ vztah slábne.
Pozor, je-li R(X , Y ) = 0, ještě to neznamená, že X a Y jsou

nezávislé! Mezi X a Y může existovat jiná než lineárnı́ závislost.

Vlastnosti koeficientu korelace
a1 , a2 , b1 , b2 jsou reálná čı́sla a X , Y jsou náhodné veličiny
1 −1 ≤ R(X , Y ) ≤ 1
2 Pokud R(X , Y ) = 1, pak existujı́ konstanty a, b ∈ R, b > 0 takové, že
P(Y = a + bX ) = 1, pokud R(X , Y ) = −1, pak existujı́ konstanty
a, b ∈ R, b < 0 takové, že P(Y = a + bX ) = 1.
3 R(a1 + b1 X , a2 + b2 Y ) = sgn(b1 b2 )R(X , Y ) (Znaménková funkce
sgn(x) přiřazuje výrazu x hodnotu +1 je-li x kladné, −1 je-li x
záporné a hodnotu 0 pokud x = 0.)
4 Jsou-li náhodné veličiny X , Y stochasticky nezávislé, pak
R(X , Y ) = 0. Opačná implikace neplatı́!

Čı́selné charakteristiky náhodných vektorů
Definice

  
X1 Y1
Necht’ X =  ... , Y =  ..  jsou náhodné vektory.
  
. 
Xn Ym
Vektor reálných čı́sel

 
E (X1 )
E (X) =  ..
 nazýváme vektor střednı́ch hodnot.
 
.
E (Xn )

Definice (Pokračovánı́)
Reálnou čtvercovou symetrickou matici
 
D(X1 ) C (X1 , X2 ) · · · C (X1 , Xn )
var(X) = 
 .
. .. .. 
. . . 
C (Xn , X1 ) C (Xn , X2 ) · · · D(Xn )
nazýváme variančnı́ matice.
Reálnou čtvercovou symetrickou matici

 
1 R(X1 , X2 ) · · · R(X1 , Xn )
cor(X) = 
 .
. .. .. 
. . . 
R(Xn , X1 ) R(Xn , X2 ) · · · 1
nazýváme korelačnı́ matice.

Definice (Pokračovánı́)
Reálnou matici
 
C (X1 , Y1 ) C (X1 , Y2 ) · · · C (X1 , Ym )
cov(X, Y) = 
 .. .. .. 
. . . 
C (Xn , Y1 ) C (Xn , Y2 ) · · · C (Xn , Ym )
nazýváme kovariančnı́ matice vektorů X a Y.

Aplikace diferenciálnı́ho počtu funkce jedné proměnné
Viskotová, Hampel (ÚSO MENDELU) Aplikace diferenciálnı́ho počtu ZS 2020/21 1 / 113

1 Asymptoty grafu funkce

2 Monotónnost a extrémy funkce
3 Konvexnost, konkávnost a inflexnı́ body
4 Analýza průběhu funkce
5 Extremálnı́ úlohy
6 Pojem elasticita

APLIKACE DIFERENCIÁLNÍHO POČTU FUNKCÍ JEDNÉ PROMĚNNÉ
Asymptoty grafu funkce

Asymptota bez směrnice (ABS)
Definice
Řı́káme, že přı́mka x = x0 je asymptotou bez směrnice grafu funkce
y = f (x), jestliže v bodě x0 nastane některý z přı́padů:
lim f (x) = +∞, lim+f (x) = −∞, lim f (x) = +∞, lim f (x) = −∞.
x→x0+ x→x0 x→x0− x→x0−
Asymptoty bez směrnice jsou tedy přı́mky rovnoběžné s osou y .
Nacházı́ se v bodech nespojitosti nebo v krajnı́ch“ vlastnı́ch bodech

”
definičnı́ho oboru.
+ +
Symbolický zápis: např. x = 1 −| , x =0 − |− , x = −5 |

Asymptota bez směrnice – přı́klad

ln x
Zjistěte, zda má funkce f : y = asymptoty bez směrnice.
x
Řešenı́:
Df = (0; ∞), podezřelým bodem je x0 = 0
Určujeme pouze limitu zprava (v levém okolı́ bodu x0 = 0 nenı́ funkce

definována):
ln x −∞
lim = +
= −∞
x→0+ x 0
Asymptota bez směrnice: x = 0 |−

Přı́klad (1, část 2/2 – graf ilustrujı́cı́ situaci)
x
0 1
ln x
y=
x

1
Zjistěte, zda má funkce f : y = e x asymptoty bez směrnice.
Řešenı́:
Df = (−∞; 0) ∪ (0; ∞), podezřelým bodem je x0 = 0
Vzhledem k definičnı́mu oboru počı́táme limity z obou stran:

1
lim e x = lim et = 0 ∈ R
x→0− t→−∞
1
lim+ e x = lim et = +∞
x→0 t→+∞
Asymptota bez směrnice: x = 0 |+
Vzhledem k tomu, že limita zleva je vlastnı́, funkce nemá v levém

okolı́ bodu x0 = 0 asymptotu.
1
y = ex
0 x

x
Zjistěte, zda má funkce f : y = arctan asymptoty bez směrnice.
2−x
Řešenı́:
Df = (−∞; 2) ∪ (2; ∞), podezřelým bodem je x0 = 2

x π
lim arctan = lim arctan t =
x→2− 2−x t→+∞ 2
x π
= lim arctan t = −
lim+ arctan
x→2 2−x t→−∞ 2
Vzhledem k tomu, že obě jednostranné limity jsou vlastnı́, funkce
nemá okolı́ bodu x0 = 2 asymptotu.
Závěr: funkce nemá žádné asymptoty bez směrnice.

π
2
x
0 2
x
− π2 y =arctan 2−x

Asymptota se směrnicı́ (ASS)
Definice
Řı́káme, že přı́mka y = kx + q je asymptotou se směrnicı́ grafu funkce
y = f (x), jestliže platı́
f (x)
k= lim ∈ R, q= lim (f (x) − kx) ∈ R
x−>+∞ x x−>+∞
nebo
f (x)
k= lim ∈ R, q= lim (f (x) − kx) ∈ R.
x−>−∞ x x−>−∞
Asymptoty se směrnicı́ jsou přı́mky různoběžné od osy y .
Hodnoty k a q se pro x → ∞ a x → −∞ nemusı́, ale mohou sobě

rovnat, funkce tedy může mı́t dvě různé asymptoty se směrnicı́.
Jestliže k nebo q je nevlastnı́, asymptota se směrnicı́ neexistuje.

Asymptoty bez směrnice i se směrnicı́ – přı́klad
x 2 + 2x + 1
Určete asymptoty grafu funkce f : y = .
x
Řešenı́:
Df = (−∞; 0) ∪ (0; ∞)
Asymptoty bez směrnice:
Podezřelým bodem je bod x0 = 0.
x 2 + 2x + 1

1
= −∞
lim− =
x→0 x 0−
x 2 + 2x + 1

1
lim+ = = +∞
x→0 x 0+
+
Asymptota bez směrnice: x = 0 −|


Asymptoty se směrnicı́ y = kx + q:
Vzhledem k definičnı́mu oboru uvažujeme oba nevlastnı́ body +∞
a −∞.
x 2 +2x+1
x x 2 + 2x + 1 x2
k = lim = lim = lim =1
x→±∞ x x→±∞ x2 x→±∞ x 2
2
x 2 + 2x + 1 − x 2

x + 2x + 1
q = lim − 1 · x = lim =
x→±∞ x x→±∞ x
2x + 1 2x
= lim = lim =2
x→±∞ x x→±∞ x
Asymptota se směrnicı́: y = x + 2 pro x → ±∞


y
−2 x
0
2 +2x+1
y= x x


ln x
Určete asymptoty grafu funkce f : y = .
ln(x − 1)
Řešenı́:
Df = (1; 2) ∪ (2; ∞)
Podezřelými body jsou body x0 = 1, x1 = 2.
Vzhledem k definičnı́mu oboru počı́táme limitu zprava pro x0 = 1
ln x 0
a limity z obou stran pro x1 = 2: lim+ = =0
x→1 ln(x − 1) −∞

ln x ln 2 ln x ln 2
lim = − = −∞,
lim = +
= +∞
x→2− ln(x − 1) 0 x→2+ ln(x − 1) 0
+


Asymptoty se směrnicı́ y = kx + q:
Vzhledem k definičnı́mu oboru uvažujeme pouze nevlastnı́ body +∞.
ln x ∞
ln(x−1) ln x
k = lim = lim = =

x→∞ x x→∞ x ln(x − 1) ∞
1
x 0
= lim x = =0
x→∞ ln(x − 1) + x−1 ∞+1
∞ 1
ln x x x −1
q = lim −0·x = = lim = lim =1

x→∞ ln(x − 1) ∞ x→∞ 1 x→∞ x
x−1
Asymptota se směrnicı́: y = 1 pro x → +∞


y
x
0 1 2
ln x
y = ln(x−1)


x
Určete asymptoty grafu funkce f : y = + arccot x.
2
Řešenı́:
Df = R
Funkce nemá vzhledem k definičnı́mu oboru žádné podezřelé body
a tudı́ž nemá žádné asymptoty bez směrnice.
Asymptoty se směrnicı́:
Vzhledem k definičnı́mu oboru uvažujeme oba nevlastnı́ body +∞
a −∞.

Výpočet v +∞ se lišı́ od výpočtu v −∞:
x
− + arccot x
2 1 arccot x 1 π 1
k = lim = lim + = + =
x→−∞ x x→−∞ 2 x 2 (−∞) 2

x 1
q − = lim + arccot x − · x = lim arccot x = π
x→−∞ 2 2 x→−∞
x
+ arccot x 1 arccot x 1 0 1
k + = lim 2 = lim + = + =
x→+∞ x x→+∞ 2 x 2 (+∞) 2

x 1
q + = lim + arccot x − · x = lim arccot x = 0
x→+∞ 2 2 x→+∞
Asymptota se směrnicı́ y = kx + q:
1 1
y= x + π pro x → −∞, y= x pro x → +∞
2 2
π
y = x2 +π
y = x2 +arccot x
y = x2
x
0


Určete asymptoty grafu funkce celkových nákladů
Q(Q + b)
TC (Q) = A · + d; A, b, c, d > 0; Q ≥ 0.
Q +c
Řešenı́:
Výraz nenı́ definován pro Q0 = −c, to však vzhledem k uvedeným
podmı́nkám nikdy nenastane.
Funkce nemá vzhledem k definičnı́mu oboru žádné podezřelé body
a tudı́ž nemá žádné asymptoty bez směrnice.
Asymptoty se směrnicı́:
Vzhledem k definičnı́mu oboru uvažujeme pouze nevlastnı́ bod +∞.

Q(Q+b)
A· +d

Q+c Q +b d
k = lim A· = lim
+ =
Q→∞ Q Q→∞ Q +c Q

Q d d
= lim A · + =A+ =A
Q→∞ Q Q ∞

Q(Q + b)
q = lim A · + d − AQ =
Q→∞ Q +c
AQ 2 + AbQ − AQ 2 − AcQ

= lim +d =
Q→∞ Q +c

A(b − c)Q A(b − c)Q
= lim + d = lim + d = A(b − c) + d
Q→∞ Q +c Q→∞ Q
Asymptota se směrnicı́ y = kQ + q:
y = AQ + A(b − c) + d pro Q → ∞
Monotónnost a extrémy funkce

Určovánı́ znaménka funkce v jejı́m definičnı́m oboru
Nejdřı́ve určı́me nulové body funkce a body nespojitosti.
Tyto body nám rozdělı́ definičnı́ obor na několik intervalů, uvnitř
kterých se znaménko funkce neměnı́.
Znaménko v jednotlivých intervalech můžeme určit např. dosazenı́m
libovolného vnitřnı́ho bodu intervalu do předpisu funkce.
y
y = f (x)
− + − + + +
x1 x2 x3 x4 x5 x
Určovánı́ znaménka funkce je zapotřebı́ také pro hledánı́ intervalů

monotónnosti a intervalů konvexnosti či konkávnosti.
Určovánı́ znaménka funkce – přı́klad

2x − 1
Určete znaménko funkce f : y = a jejı́ průsečı́k s osou y .
(x − 1)3
Řešenı́:
Df = R \ {1}
Nulové body (kořeny, průsečı́ky s osou x) funkce:
y =0
1
2x − 1 = 0 ⇒ x =
2
Na čı́selné ose vyznačı́me bod nespojitosti a nulový bod funkce:
1
2 1

Vypočı́táme znaménka funkčnı́ch hodnot v libovolných (ale výhodně
zvolených) bodech ze všech vyznačených intervalů, např.
2·0−1 −
f (0) = 3
= =+
(0 − 1) −
2· 3 −1 +
f 34 = 3 4 3 = =−
( 4 − 1) −
2·2−1 +
f (2) = 3
= =+
(2 − 1) +
Doplnı́me znaménka do čı́selné osy:

+ − +
1
1 2
2·0−1
Průsečı́k s osou y (x = 0): y = =1
(0 − 1)3

Přı́klad (část 3/3 – závěr)

1 1
Funkce je kladná na −∞; a (1; ∞); záporná na ;1 .
2 2

1
; 0 je průsečı́k s osou x; [0; 1] je průsečı́k s osou y .
2
y
2x − 1
y=
(x − 1)3
1
1
2 1
0 x

Vztah mezi znaménkem derivace a monotónnostı́
Věta
Necht’ funkce f je spojitá na intervalu I a má v každém jeho vnitřnı́m bodě
derivaci.
Jestliže ve všech vnitřnı́ch bodech intervalu I platı́ f 0 (x) > 0, pak je
funkce f na intervalu I rostoucı́,
jestliže ve všech vnitřnı́ch bodech intervalu I platı́ f 0 (x) < 0, pak je
funkce f na intervalu I klesajı́cı́.
Obrácená implikace neplatı́!

Např. funkce f : y = x 3 je všude rostoucı́ (tedy i pro x0 = 0), ale
derivace v bodě x0 = 0 nenı́ kladná (f 0 (0) = 3 · 02 = 0), tečna je zde
rovnoběžná s osou x.

Vztah mezi znaménkem derivace, směrnicı́ tečny
a monotónnostı́
Grafická interpretace předchozı́ věty:
π y π
0<ϕ< ⇒ tan ϕ > 0 < ψ < π ⇒ tan ψ < 0
2 t1 2
t2
y = f (x)
ϕ ψ
a b 0 c d x

Lokálnı́ extrémy funkce
Definice
Řı́káme, že funkce y = f (x) má v bodě x0 , ve kterém je definována:
ostré lokálnı́ maximum, jestliže existuje ryzı́ okolı́ bodu x0 tak, že
pro všechny body x z tohoto okolı́ platı́ f (x0 ) > f (x),
ostré lokálnı́ minimum, jestliže existuje ryzı́ okolı́ bodu x0 tak, že
pro všechny body x z tohoto okolı́ platı́ f (x0 ) < f (x).
Pro lokálnı́ maximum a lokálnı́ minimum užı́váme společný název lokálnı́

extrémy.

Existence lokálnı́ch extrémů funkce
Lokálnı́ extrém nenastává v bodech, kde f nenı́ definována, ani

v hraničnı́ch bodech intervalů, které tvořı́ definičnı́ obor funkce f
(funkce musı́ být v přı́padě lokálnı́ extrému definována v levém
i pravém okolı́ tohoto bodu).
Funkce y = f (x) může mı́t lokálnı́ extrém pouze v takovém bodě x0 ,

kde f 0 (x) = 0 nebo kde f 0 (x) neexistuje (ale funkce je v něm
definována).

Body podezřelé z lokálnı́ho extrému
Stacionárnı́ bod – bod x0 , ve kterém f 0 (x0 ) = 0 neboli ve kterém je

tečna ke grafu funkce rovnoběžná s osou x.
Úhlový bod – bod x0 , ve kterém existujı́ navzájem různé

jednostranné“ vlastnı́ derivace f−0 (x0 ) a f+0 (x0 ), které určujı́ v bodě x0
”
dvě různé polotečny“ ke grafu funkce f .
”
Bod vratu – různé jednostranné“ nevlastnı́ derivace určujı́ v tomto
”
bodě dvě k ose x kolmé splývajı́cı́ polotečny“ (bez směrnice) ke
”
grafu funkce f .
V přı́padě úhlových bodů a bodů vratu se jedná o body, ve kterých

neexistuje derivace (tedy nenı́ jednoznačně daná tečna se směrnicı́).

Body podezřelé z lokálnı́ho extrému – grafická interpretace
y
t2 t1
V1
U1
t S1 t1
t1 = t2
y = f (x)
U2 t
S2
x
t2
t1 = t2 V2
S1 , S2 – stacionárnı́ body
U1 , U2 – úhlové body
V1 , V2 – body vratu
Existence lokálnı́ho extrému v podezřelém bodě“
”
Věta
Necht’ je funkce v bodě x0 spojitá a necht’ f 0 (x0 ) = 0 nebo f 0 (x0 )
neexistuje. Předpokládejme, že funkce f má derivaci v jistém ryzı́m okolı́
bodu x0 .
Existuje-li pravé ryzı́ okolı́ bodu x0 tak, že funkce f 0 v něm má jiné
znaménko než v jistém levém ryzı́m okolı́ bodu x0 , pak má funkce f v bodě
x0 lokálnı́ extrém.

Určete intervaly monotónnosti a vypočtěte lokálnı́ extrémy funkce
x3
f :y = .
x −1
Řešenı́:
x 2 (2x − 3)
Df = R \ {1}, y 0 =
(x − 1)2
Nulové body derivace funkce (stacionárnı́ body):
y0 = 0
3
x 2 (2x − 3) = 0 ⇒ x1,2 = 0, x3 =
2
Na čı́selné ose vyznačı́me definičnı́ obor (tj. bod nespojitosti) a nulové
body derivace funkce:
0 1 3
2

Vypočı́táme znaménko derivace v libovolných (ale výhodně zvolených)
bodech ze všech vyznačených intervalů. Stačı́ dosadit pouze do výrazu
(2x − 3), který jako jediný má vliv na znaménko derivace y 0 .
Dosazujeme např. hodnoty (−1), 12 , 54 a 2. Znaménka derivace lze
také odvodit z tvaru přı́mky dané rovnicı́ y = 2x − 3.
Vypočı́taná znaménka zakreslı́me do čı́selné osy a zaznačı́me
odpovı́dajı́cı́ monotónnost:
− − − +
0 1 3
2
V bodě x = 0 lokálnı́ extrém nenastává, nebot’ se v jeho okolı́ neměnı́

znaménko derivace, tj. monotónnost. V bodě x = 32 nastává lokálnı́
minimum.
3 3

3 2
= 27

Určı́me hodnotu lokálnı́ho minima: f 2 = 3 4
2 − 1

Přı́klad (1, část 3/3 – závěr)

3 3
Funkce je rostoucı́ na ; ∞ ; klesajı́cı́ na (−∞; 1) a 1; .
2 2

3 27
Bod ; je bodem lokálnı́ho minima.
2 4
y
27
4
0 1 x
3
2

Určete intervaly monotónnosti a vypočtěte lokálnı́ extrémy funkce
f : y = x ln x.
Řešenı́:
Df = (0; ∞), y 0 = ln x + 1
Nulové body derivace funkce (stacionárnı́ body):
y0 = 0
1
ln x = −1 ⇒ x = e−1 =
e
Na čı́selné ose vyznačı́me definičnı́ obor a nulové body derivace
funkce:
0 e−1

Vypočı́táme znaménko derivace v libovolných (ale výhodně zvolených)
bodech ze všech vyznačených intervalů. Dosazujeme např. hodnoty
e −2 , 1. Znaménka derivace lze také odvodit z tvaru logaritmické
křivky dané rovnicı́ y = ln x + 1.
odpovı́dajı́cı́ monotónnost:
− +
0 −1
e
V bodě x = e−1 nastává lokálnı́ minimum.
Určı́me hodnotu lokálnı́ho minima: f e−1 = e−1 · ln e−1 = −e−1


Funkce je rostoucı́ na e−1 ; ∞ ; klesajı́cı́ na 0; e−1 .

Bod e−1 ; −e−1 je bodem lokálnı́ho minima.

1
0 e x
− 1e

Určovánı́ lokálnı́ch extrémů pomocı́ derivacı́ vyššı́ch řádů
Věta
Necht’
f 0 (x0 ) = f 00 (x0 ) = f 000 (x0 ) = . . . = f (n−1) (x0 ) = 0
a f (n) (x0 ) 6= 0.
Je-li n sudé a f (n) (x0 ) > 0, má funkce f v bodě x0 lokálnı́ minimum.
Je-li n sudé a f (n) (x0 ) < 0, má funkce f v bodě x0 lokálnı́ maximum.
Je-li n liché, nemá funkce v bodě x0 lokálnı́ extrém.

Výpočet pomocı́ derivacı́ vyššı́ch řádů – přı́klad

Pomocı́ derivacı́ vyššı́ch řádů určete lokálnı́ extrémy funkce
f : y = 3x 4 − 4x 3 .
Řešenı́:
Df = R
y 0 = 12x 3 − 12x 2
Stacionárnı́ body:
y0 = 0
12x 2 (x − 1) = 0 ⇒ x1,2 = 0, x3 = 1

Jako kritérium použijeme derivaci 2. (tedy sudého) řádu:
y 00 = 36x 2 − 24x
y 00 (0) = 36 · 0 − 24 · 0 = 0 ⇒ O bodě x = 0 nelze zatı́m rozhodnout.
y 00 (1) = 36 · 1 − 24 · 1 > 0 ⇒ V bodě x = 1 nastává lok. mimnimum.
Jako kritérium použijeme derivaci 3. (tedy lichého) řádu:
y 000 = 72x − 24
y 000 (0) = 72 · 0 − 24 = −24 6= 0
⇒ V bodě x = 0 lok. extrém nenastává.
Určı́me hodnotu lokálnı́ho extrému v bodě x = 1:
f (1) = 3 · 1 − 4 · 1 = −1

Bod [1, −1] je bodem lokálnı́ho minima.
y
1 x
0
−1

Absolutnı́ extrémy
Definice
Řı́káme, že funkce f má na intervalu I ⊆ Df
absolutnı́ maximum v bodě x0 ∈ I , jestliže nerovnost f (x0 ) ≥ f (x)
platı́ pro každý bod x ∈ I ;
absolutnı́ minimum v bodě x0 ∈ I , jestliže nerovnost f (x0 ) ≤ f (x)
platı́ pro každý bod x ∈ I .
Pro absolutnı́ maximum a absolutnı́ minimum užı́váme společný název
absolutnı́ extrémy.
Je-li funkce na uzavřeném intervalu ha, bi spojitá, má zde absolutnı́

extrémy.
Absolutnı́ extrém nastane bud’ v bodě lokálnı́ho extrému, který ležı́
uvnitř zadaného intervalu, nebo v hraničnı́m bodě intervalu.
Na otevřeném intervalu nebo na intervalu, kde nenı́ uvažovaná funkce
spojitá, nemusı́ absolutnı́ extrém nastat.
Určete absolutnı́ extrémy funkce f : y = x 2 − 4x + 5 na intervalu
a) I1 = h1; 4i, b) I2 = h3; 4i.
Řešenı́:
Df = R
y 0 = 2x − 4
Stacionárnı́ body: y 0 = 0
2x − 4 = 0 ⇒ x = 2 ∈ I1 , resp. ∈
/ I2
Určı́me hodnoty v podezřelých“ bodech, tj. v krajnı́ch bodech

” I ještě ve stacionárnı́m bodě:
intervalů a v přı́padě 1
f (1) = 2
ad a) f (4) = 5 absolutnı́ maximum
f (2) = 1 absolutnı́ minimum
f (3) = 2 absolutnı́ minimum
ad b)
f (4) = 5 absolutnı́ maximum

Na intervalu I1 je bodem absolutnı́ho minima [2; 1] a bodem
absolutnı́ho maxima [4; 5].
Na intervalu I2 je bodem absolutnı́ho minima [3; 2] a bodem
absolutnı́ho maxima [4; 5].
y y
5 5
2 2
1 1
x x
1 2 4 2 3 4
I1 = h1; 4i I2 = h3; 4i

Konvexnost, konkávnost a inflexnı́ body

Konvexnost a konkávnost
Definice
Řı́káme, že funkce y = f (x) je v bodě x0 , ve kterém má derivaci
konvexnı́, jestliže pro všechna x z nějakého ryzı́ho okolı́ bodu x0 ležı́
body grafu funkce nad tečnou grafu v bodě x0 ,
konkávnı́, jestliže pro všechna x z nějakého ryzı́ho okolı́ bodu x0 ležı́
body grafu funkce pod tečnou grafu v bodě x0 .
y y
y = f (x)
t
y = f (x)
t
x x
x0 −δ x0 x0 +δ x0 −δ x0 x0 +δ
Funkce je konvexnı́ (konkávnı́) v intervalu (a, b), je-li konvexnı́ (konkávnı́)
v každém jeho vnitřnı́m bodě.
Vztah mezi znaménkem derivace 2. řádu a konvexnostı́
a konkávnostı́
Věta
Necht’ funkce y = f (x) je spojitá v otevřeném intevalu I a má v každém
jeho bodě druhou derivaci. Jestliže ve všech bodech intervalu I platı́:
f 00 (x) > 0, pak je funkce f na I konvexnı́,
f 00 (x) < 0, pak je funkce f na I konkávnı́.
Obrácená věta neplatı́.

Např. funkce f : y = x 4 je všude konvexnı́ (tedy i pro x0 = 0), ale
derivace 2. řádu v bodě x0 = 0 nenı́ kladná (f 00 (0) = 12 · 02 = 0).

Inflexnı́ bod
Definice
Bod x0 , ve kterém existuje ke grafu funkce právě jedna tečna a v němž
přecházı́ graf funkce z konvexnosti do konkávnosti (nebo naopak), tedy
z jedné strany tečny na druhou, se nazývá inflexnı́ bod.
y t y t
IB IB
y = f (x)
y = f (x)
x x

Existence inflexnı́ho bodu v podezřelém“ bodě
”
Funkce f může mı́t inflexnı́ bod v takovém bodě x0 , kde f 00 (x0 ) = 0

nebo kde f 00 (x0 ) neexistuje.
Věta
Necht’ funkce f má v bodě x0 spojitou prvnı́ derivaci a necht’ f 00 (x0 ) = 0
nebo f 00 (x0 ) neexistuje.
Existuje-li pravé ryzı́ okolı́ bodu x0 tak, že funkce f 00 v něm má jiné
znaménko než v levém ryzı́m okolı́ bodu x0 , má funkce f v bodě x0 inflexnı́
bod.

Určete, na kterých intervalech je funkce
1
f : y = ex
konvexnı́, kde je konkávnı́ a vypočtěte inflexnı́ body.
Řešenı́:
Df = R \ {0}

1 1 1 + 2x 1
y = − 2 · e x , y 00 =
0
· ex
x x4
Nulové body derivace 2. řádu:
y 00 = 0
1
1 + 2x = 0 ⇒ x = −
2

Na čı́selné ose vyznačı́me definičnı́ obor (tj. bod nespojitosti) a nulový
bod derivace 2. řádu:
− 12 0
Vypočı́táme znaménko derivace 2. řádu v libovolných (ale výhodně

zvolených) bodech ze všech vyznačených intervalů. Stačı́ dosadit
pouze do výrazu (1 + 2x), který jako jediný má vliv na znaménko
derivace y 00 . Dosazujeme např. hodnoty (−1), − 41 a 1. Znaménka
derivace lze také odvodit z tvaru přı́mky dané rovnicı́ y = 1 + 2x.
odpovı́dajı́cı́ konvexnost a konkávnost:
− + +
\ [ [
− 12 0

Bod x = − 12 je inflexnı́m bodem, nebot’ se v jeho okolı́ měnı́
znaménko derivace 2. řádu, tj. konkávnost se měnı́ v konvexnost.
Určı́me hodnotu inflexnı́ho bodu: f − 12 = e−2 .

Funkce je konvexnı́ na − 21 ; 0 a (0; ∞), konkávnı́ na −∞; − 21 .

0
− 21 x

Určete, na kterých intervalech je funkce
4
f :y =x+
x +1
konvexnı́, kde je konkávnı́ a vypočtěte inflexnı́ body.
Řešenı́:
Df = R \ {−1}
4 8
y0 = 1 − , y 00 =
(x + 1)2 (x + 1)3
y 00 = 0
8
= 0 ⇒ Rovnice nemá řešenı́.
(x + 1)3

Na čı́selné ose vyznačı́me definičnı́ obor (tj. bod nespojitosti):
−1
Vypočı́táme znaménko derivace 2. řádu v libovolných (ale výhodně
zvolených) bodech ze všech vyznačených intervalů. Stačı́ dosadit
pouze do výrazu (x + 1), který o znaménku derivace y 00 rozhoduje.
Dosazujeme např. hodnoty (−2) a 0. Znaménka derivace lze také
odvodit z tvaru přı́mky dané rovnicı́ y = x + 1.
odpovı́dajı́cı́ konvexnost a konkávnost:
− +
\ [
−1

Funkce je konvexnı́ na (−1; ∞) a konkávnı́ na (−∞; −1).
Funkce nemá inflexnı́ body.
y
x
−1

Určovánı́ inflexnı́ch bodů pomocı́ derivacı́ vyššı́ch řádů
Věta
Necht’ f 00 (x0 ) = f 000 (x0 ) = . . . = f (n−1) (x0 ) = 0 a f (n) (x0 ) 6= 0.
Je-li čı́slo n liché, má funkce f v bodě x0 inflexnı́ bod.
Je-li čı́slo n sudé, nemá funkce f v bodě x0 inflexnı́ bod.

Pomocı́ derivacı́ vyššı́ch řádů určete inflexnı́ body funkce
1
f : y = x 5 − x 4 + 3.
5
Řešenı́:
Df = R
y 0 = x 4 − 4x 3 , y 00 = 4x 3 − 12x 2

y 00 = 0
4x 2 (x − 3) = 0 ⇒ x1,2 = 0, x3 = 3
Jako kritérium použijeme derivaci 3. (tedy lichého) řádu:
y 000 = 12x 2 − 24x

y 000 (0) = 12 · 0 − 24 · 0 = 0 ⇒ O bodě x = 0 nelze zatı́m rozhodnout.
y 000 (3) = 12 · 32 − 24 · 3 6= 0 ⇒ Bod x = 3 je inflexnı́m bodem.
Jako kritérium použijeme derivaci 4. (tedy sudého) řádu:
y (4) = 24x − 24
y (4) (0) = 24 · 0 − 24 = −24 6= 0
⇒ Bod x = 0 nenı́ bodem inflexnı́m.

Určı́me hodnotu inflexnı́ho bodu x = 3:
1 5 147
f (3) = · 3 − 34 + 3 = −
5 5
y
3
3 x
0
− 147
5

Analýza průběhu funkce

Průběh funkce
Postup při vyšetřovánı́ průběhu funkce:

1 Určı́me definičnı́ obor.
2 Určı́me znaménko funkce a průsečı́ky grafu funkce se souřadnicovými
osami.
3 Určı́me znaménko prvnı́ derivace a z něho intervaly monotónnosti
a lokálnı́ extrémy.
4 Určı́me znaménko druhé derivace a z něho intervaly konvexnosti
a konkávnosti a inflexnı́ body.
5 Určı́m asymptoty a přı́p. limity v krajnı́ch bodech definičnı́ho oboru.
6 Nakreslı́me graf funkce tak, že
a) nakreslı́me souřadnicové osy a zvolı́me vhodné měřı́tko,
b) nakreslı́me asymptoty,
c) vyznačı́me průsečı́ky s osami, lokálnı́ extrémy a inflexnı́ body,
d) nakreslı́me vlastnı́ graf s využitı́m předchozı́ch výsledků.

ex
Vyšetřete průběh funkce f : y = .
x
Řešenı́:
1 Df = R \ {0}
2 • Nulové body (kořeny, průsečı́ky s osou x) funkce:
y =0
ex = 0 ⇒ Rovnice nemá řešenı́.
• Na čı́selné ose vyznačı́me definičnı́ obor (tj. bod nespojitosti),

vypočı́táme znaménka funkčnı́ch hodnot v libovolných (ale výhodně
zvolených) bodech ze všech vyznačených intervalů a doplnı́me
znaménka do čı́selné osy:
− +
y:
0
• Průsečı́k s osou x: neexistuje
• Průsečı́k s osou y (x = 0): neexistuje (0 ∈ / Df )
x −1 x
3 • y0 = ·e
x2
• Stacionárnı́ body: y0 = 0
x −1=0 ⇒ x =1
• Vypočı́táme znaménko derivace v libovolných bodech ze všech

vyznačených intervalů. Stačı́ dosadit pouze do výrazu (x − 1), který
jako jediný má vliv na znaménko derivace y 0 . Dosazujeme např.
hodnoty (−1), 21 a 2. Znaménka derivace lze také odvodit z tvaru
přı́mky dané rovnicı́ y = x − 1. Vypočı́taná znaménka zakreslı́me do
čı́selné osy a zaznačı́me monotónnost:
− − +
y0 :
0 1
• V bodě x = 1 nastává lokálnı́ minimimum.

e1
• Určı́me hodnotu lokálnı́ho minima: f (1) = = e.
1

x 2 − 2x + 2 x
4 • y 00 = ·e
x3
• Nulové body derivace 2. řádu:
y 00 = 0
x 2 − 2x + 2 = 0 ⇒ Rovnice nemá řešenı́.
• Vypočı́táme znaménko derivace 2. řádu v libovolných bodech ze všech

vyznačených intervalů. Dosazujeme např. hodnoty (−1) a 1.
konvexnost a konkávnost:
− +
y 00 : \ [
0
• Funkce nemá inflexnı́ body.

ex

1
5 • lim 0− = −∞
=
x→0− x
ex

1
lim+ =
0+ = +∞

x→0 x
+
ex
ex 0
• k − = lim x
= lim
= =0
x
x→−∞ x→−∞x 2 ∞
x
e 0
q − = lim −0·x = =0
x→−∞ x −∞
x
e
ex ∞
k + = lim x = lim 2 = = · · · = +∞ ∈
/R

x→+∞ x x→+∞ x ∞
Asymptota se směrnicı́: y = 0 pro x → −∞
ex ∞
• Funkce pro x− > +∞: lim = = · · · = +∞

x→+∞ x ∞

6
y
x
0 1

ln x
Vyšetřete průběh funkce f : y = √ .
x
Řešenı́:
1 Df = (0; ∞)
y =0
ln x = 0 ⇒ x = 1
• Na čı́selné ose vyznačı́me definičnı́ obor a nulový bod funkce

a vypočı́táme znaménka funkčnı́ch hodnot v libovolných bodech ze
všech vyznačených intervalů. Stačı́ dosadit pouze do výrazu ln x, který
jako jediný má vliv na znaménko funkce. Dosazujeme např. hodnoty
e−1 a e. Znaménka derivace lze také odvodit z tvaru logaritmické
křivky y = ln x. Znaménka doplnı́me do čı́selné osy:
− +
y:
0 1
• Průsečı́k s osou x: [1; 0]
• Průsečı́k s osou y (x = 0): neexistuje (0 ∈ / Df )
2 − ln x
3 • y0 = √
2x x
2 − ln x = 0 ⇒ x = e2

vyznačených intervalů. Stačı́ dosadit pouze do výrazu (2 − ln x), který
hodnoty e−1 a e3 . Vypočı́taná znaménka zakreslı́me do čı́selné osy
a zaznačı́me monotónnost:
+ −
y0 :
0 e2
• V bodě x = e2 nastává lokálnı́ maximum.

ln e2 2
• Určı́me hodnotu lokálnı́ho maxima: f (e2 ) = √ = .
e2 e

√
00(3 ln x − 8) x
4 • y =
4x 3
y 00 = 0
8
3 ln x − 8 = 0 ⇒ x = e 3

vyznačených intervalů. Stačı́ dosadit pouze do výrazu (3 ln x − 8), který
hodnoty 1 a e3 . Vypočı́taná znaménka zakreslı́me do čı́selné osy
a zaznačı́me konvexnost a konkávnost:
− +
y 00 : \ [
0 8
e3
8
• Funkce má inflexnı́ bod pro x = e 3 .
8
8 ln e 3 8
• Určı́me hodnotu inflexnı́ho bodu: f (e 3 ) = p 8 = 4 .
e3 3e 3


ln x −∞
5 • lim √ == +
= −∞
x→0− x 0
Asymptota bez směrnice: x = 0 |+
ln
√x ∞
x ln x
• k = lim = lim = = ··· = 0

3
x→∞x x→∞ x 2 ∞

ln x ∞
q = lim √ − 0 · x = = ··· = 0
x→∞ x ∞

6
y
2
e
0 x
2 8
1 e e 3

8 8
Inflexnı́ bod: e ; 4
3
3e 3

x
Vyšetřete průběh funkce f : y = x 2 · e− 2 .
Řešenı́:
1 Df = R
y =0
x2 = 0 ⇒ x = 0
• Na čı́selné ose vyznačı́me nulový bod funkce, vypočı́táme znaménka

funkčnı́ch hodnot v libovolných bodech ze všech vyznačených intervalů
a doplnı́me znaménka do čı́selné osy:
+ +
y:
0
• Průsečı́k s osou x: [0; 0]
• Průsečı́k s osou y (x = 0): [0; 0]

x
• y 0 = 2x − 12 x 2 · e− 2

3
x 2 − 12 x = 0 ⇒ x1 = 0, x2 = 4


vyznačených intervalů. Stačı́ dosadit pouze do výrazu 2x − 12 x 2 ,
který jako jediný má vliv na znaménko derivace y 0 . Dosazujeme např.
hodnoty (−1), 1 a 5. Znaménka derivace lze také odvodit z tvaru
paraboly dané rovnicı́ y = 2x − 21 x 2 . Vypočı́taná znaménka zakreslı́me
do čı́selné osy a zaznačı́me monotónnost:
− + −
y0 :
0 4
• V bodě x = 0 nastává lokálnı́ minimimum, v bodě x = 4 lokálnı́

maximum.
• Určı́me hodnoty lokálnı́ch extrémů:
0 4
f (0) = 02 · e− 2 = 0, f (4) = 42 · e− 2 = 16
e2 .

x
• y 00 = 14 x 2 − 2x + 2 · e− 2

4

y 00 = 0
1 2
√
4x − 2x + 2 = 0 ⇒ x1,2 = 4 ± 2 2

vyznačených intervalů. Stačı́ dosadit pouze do výrazu 14 x 2 − 2x + 2 ,

který jako jediný má vliv na znaménko derivace y 00 . Dosazujeme např.

hodnoty 0, 4 a 8. Znaménka derivace lze také odvodit z tvaru paraboly
dané rovnicı́ y = 14 x 2 − 2x + 2. Vypočı́taná znaménka zakreslı́me do
čı́selné osy a zaznačı́me konvexnost a konkávnost:
+ − +
y 00 : [ √ \ √ [
4−2 2 4+2 2
√ √
• Funkce má inflexnı́ body pro x = 4 − 2 2 a x = 4 + 2 2.
• Funkčnı́ hodnoty inflexnı́ch bodů vypočı́táme dosazenı́m do funkčnı́ho
předpisu.

5 • Funkce nemá asymptoty bez směrnice (Df = R).
x
x 2 e− 2 x
• k − = lim = lim xe− 2 = (−∞) · ∞ = −∞ ∈
/R
x→−∞ x x→−∞
x
x 2 e− 2 x x
+
k = lim = lim xe− 2 = k∞ · 0k = lim x = · · · = 0
x→+∞ x x→∞ x→∞ e 2
x x2
q + = lim x 2 e− 2 − 0 · x = k∞ · 0k = lim x = · · · = 0

x→+∞ x→∞ e 2
x
• Funkce pro x → −∞: lim x 2 e− 2 = ∞ · ∞ = ∞
x→−∞

6
y
16
e2
√ √
0 4−2 2 4 4+2 2 x
Inflexnı́ body:
h √ √ √ i h √ √ √ i
4 − 2 2; 24 − 16 2 e 2−2 , 4 + 2 2; 24 + 16 2 e− 2−2

Průběh funkce – celkové, průměrné a meznı́ náklady

Uvažujme tzv. nákladovou křivku v dlouhém obdobı́
TC (Q) = 1000Q − 30Q 2 + Q 3
vzhledem k produkci Q, Q > 0. Vyšetřete průběh křivek celkových,

průměrných a meznı́ch nákladů.
Řešenı́:
TC
Průměrné náklady: AC (Q) = = 1000 − 30Q + Q 2
Q
dTC
Meznı́ náklady: MC (Q) = = 1000 − 60Q + 3Q 2
dQ
Funkce odpovı́dajı́cı́ přı́slušným křivkám jsou polynomy, tudı́ž nemajı́
asymptoty.

Křivka celkových nákladů:
kladná na (0; ∞);
rostoucı́ na (0; ∞);
konkávnı́ na (0; 10), konvexnı́ na (10; ∞), inflexnı́ bod B = [10; 8000].
Křivka průměrných nákladů:

klesajı́cı́ na (0; 15), rostoucı́ na (15; ∞), lok. minimum B1 = [15; 775];
konvexnı́ na (0; ∞).
Křivka meznı́ch nákladů:

klesajı́cı́ na (0; 10), rostoucı́ na (10; ∞), lok. minimum C1 = [10; 700];
konvexnı́ na (0; ∞).

Přı́klad (část 3/3 – závěr – grafy funkcı́)
TC
Inflexnı́ bod B na křivce

celkových nákladů TC C
odpovı́dá lokálnı́mu A B
minimu B1 na křivce
meznı́ch nákladů MC .
0 Q
MC AC
A2
A1
C1
B1
0 10 15 Q
Extremálnı́ úlohy

Odvozovánı́ ekonomických principů
Přı́klad
Dokažte, že v bodě maxima zisku se meznı́ přı́jem (MR) rovná meznı́m
nákladům (MC ).
Řešenı́:
Uvažujme zisk PR(Q) = TR(Q) − TC (Q).
Maximalizace zisku PR nastává ve stacionárnı́m bodě:
dPR
=0
dQ
dTR dTC
− =0
dQ dQ
dTR dTC
=
dQ dQ
MR = MC

Maximalizace zisku – přı́klad

Poptávková křivka jistého zbožı́ na domácı́m trhu je dána vztahem
Q = 21 − 0,1P a na zahraničnı́m trhu Q = 50 − 0,4P. Celkové náklady na
výrobu odpovı́dajı́ funkci TC = 2000 + 10Q. Určete cenu zbožı́ tak, aby
výrobce dosáhl maximálnı́ho zisku, přičemž
a) ceny jsou na obou trzı́ch různé;
b) ceny jsou na obou trzı́ch stejné.
Porovnejte výsledný zisk pro jednotlivé přı́pady.
Řešenı́:
Meznı́ náklady:
dTC (Q) d
MC (Q) = = (2000 + 10Q) = 10
dQ dQ


ad a) Domácı́ trh
dTR1
P = 210 − 10Q, TR1 = P · Q, MR1 = = 210 − 20Q
dQ
MC = MR1 =⇒ Q = 10
Ověřenı́ maxima pomocı́ derivace druhého řádu:
dMR1 dMC d2 PR dMR1 dMC

= −20, = 0, 2
= − = −20 < 0
dQ dQ dQ dQ dQ
Výrobce dosáhne na domácı́m trhu maximálnı́ho zisku pro cenu
P1 = 210 − 10 · 10 = 110.


ad a) Zahraničnı́ trh
dTR2
P = 125 − 2,5Q, TR2 = P · Q, MR2 = = 125 − 5Q
dQ
MC = MR2 =⇒ Q = 23
dMR2 dMC d2 PR dMR2 dMC

= −5, = 0, 2
= − = −5 < 0
dQ dQ dQ dQ dQ
Výrobce dosáhne na zahraničnı́m trhu maximálnı́ho zisku pro cenu
P2 = 125 − 2,5 · 23 = 67,5.

ad b) Stejná cena na obou trzı́ch
Funkce poptávky: Q = 21 − 0,1P + 50 − 0,4P = 71 − 0,5P
dTR
P = 142−2Q, TR = P·Q = 142Q−2Q 2 , MR = = 142−4Q
dQ
MC = MR =⇒ Q = 33
dMR dMC d2 PR dMR dMC

= −4, = 0, = − = −4 < 0
dQ dQ dQ 2 dQ dQ
Výrobce dosáhne maximálnı́ho zisku pro cenu
P0 = 142 − 2 · 33 = 76 ∈ (P2 ; P1 ).

Výsledný zisk:
a) Zisk v přı́padě různých cen P1 = 110 a P2 = 67,5:
Q = 10 + 23 = 33
PRa (33) = TR1 (10) + TR2 (23) − TC (33)

= 110 · 10 + 67,5 · 23 − (2000 + 10 · 33) = 322,50
b) Zisk v přı́padě stejné ceny P = 76:
PRb (33) = TR(33) − TC (33)

= 76 · 33 − (2000 + 10 · 33) = 178

Optimalizace načasovánı́ prodeje – přı́klad
Budoucı́ hodnota zrajı́cı́ho sýru v čase t je dána vztahem
√
t
V = 1400 · 1,25 .
Stanovte optimálnı́ dobu zránı́ sýru, předpokládáme-li nulové náklady na

jeho skladovánı́ během zrajı́cı́ho procesu. Uvažujme úrokovou mı́ru
9 % p.a.
Řešenı́:
Pro spojité úročenı́ platı́ P = V · e−rt , přičemž P je tzv. současná
hodnota.
V našem přı́padě hledáme maximum P, přičemž r = 0,09:
√
P(t) = 1400 · 1,25 t · e−0,09t
√
ln P(t) = ln 1400 + t ln 1,25 − 0,09t

Označme novou funkci P1 (t) = ln P(t), neboli
√
P1 (t) = ln 1400 + t ln 1,25 − 0,09t.
1
Potom platı́: P10 (t) = √ ln 1,25 − 0,09
2 t
Stacionárnı́ bod:
P10 (t) = 0
√ ln 1,25
2 t=
0,09
t ≈ 1,54


Ověřı́me, zda je stacionárnı́ bod lokálnı́m extrémem pomocı́ derivacı́
vyššı́ch řádů:
1
P100 (t) = − √ ln 1,25
4 t3
1
P100 (1, 54) = − p ln 1,25 < 0
4 (1,54)3
Jelikož se jedná o derivaci sudého řádu, nastává ve stacionárnı́m bodě

lokálnı́ extrém a vzhledem ke znaménku derivace 2. řádu je to lokálnı́
maximum.
Logaritmická funkce zachovává monotónnost i lokálnı́ extrémy, tudı́ž
lokálnı́ maximum funkce P(t) nastává ve stejném bodě t jako lokálnı́
maximum funkce P1 (t) = ln P(t). Optimálnı́ doba zránı́ sýru je tedy
přibližně 1,5 roku.

Optimalizace rozměrů – přı́klad
Určete rozměry válcové konzervy s pevně daným objemem V = 2 l tak,
aby se na jejı́ výrobu spotřebovalo co nejméně materiálu.
Řešenı́:
Pro objem V = 2 a povrch S válce s poloměrem podstavy r > 0
a výškou válce v platı́
V = πr 2 v ⇒ 2 = πr 2 v (1)
2
S = 2πr + 2πrv (2)
2
Dosazenı́m za výšku v = 2 z rovnice (1) do rovnice (2) vyjádřı́me
πr
povrch S pouze v závislosti na poloměru r :
2 4
S = 2πr 2 + 2πr 2
= 2πr 2 +
πr r
Optimalizace rozměrů – přı́klad

4
Určı́me lokálnı́ extrémy funkce S dané rovnicı́ S(r ) = 2πr 2 + :
r
dS 4 1
= 4πr − 2 = 0 ⇒ r= √
3
dr r π
d2 S 8
2
= 4π + 3 > 0 ⇒ lokálnı́ minimum
dr r
2 2 2
Dopočı́táme výšku válce: v = = 2 = √
πr 2 3
π

1
π √
3π
Na válcovou konzervu o objemu 2 l (dm3 ) spotřebujeme nejméně

1 2
materiálu, bude-li poloměr podstavy r = √
3 π dm a výška válce √
3 π dm.

Pojem elasticita

Elasticita – motivace
Pokud budeme zkoumat, jak se změnı́ poptávané množstvı́ (měřeno
v přı́slušných jednotkách) po jistém statku (např. káva v kg )
v přı́padě zvýšenı́ ceny o jednotku, zı́skáme konkrétnı́ čı́slo závislé na
zvolených jednotkách.
Takové čı́slo nemusı́ mı́t plně vypovı́dajı́cı́ hodnotu. Např. navýšenı́
ceny o 1 euro za kilo kávy je významné, zatı́mco to stejné cenové
navýšenı́ v přı́padě automobilu je zanedbatelné.
Z tohoto důvodu se často použı́vá vyjádřenı́ pomocı́ tzv. relativnı́ch
změn, kdy se stanovuje procentuálnı́ změna poptávaného množstvı́
vzhledem k 1% navýšenı́ ceny. Takové čı́slo je pak na zvolených
jednotkách pro množstvı́ i cenu nezávislé a je přibližným vyjádřenı́m
toho, co ekonomové nazývajı́ cenová elasticita poptávky.
Je-li cenová elasticita poptávky po daném statku −1, znamená to, že
1% navýšenı́ ceny způsobı́ přibližně 1% pokles poptávaného zbožı́,
zůstanou-li ostatnı́ faktory majı́cı́ vliv na poptávku beze změny.
Relativnı́ změna
Relativnı́ (poměrnou, proporcionálnı́) změnou je podı́l změny
k výchozı́ hodnotě.
∆x
Uvažujme funkci y = f (x). Relativnı́ změnou x nazveme výraz
x
∆y f (x + ∆x) − f (x)
a relativnı́ změnou y výraz = .
y f (x)
y
B f (x)
f (x0 + ∆x)
∆y = f (x0 + ∆x) − f (x0 )
A
f (x0 )
∆x
0 x0 x0 + ∆x x
Relativnı́ změna – přı́klad
Přı́klad
Mějme dánu funkci f (x) = x 2 y
a x = 2, ∆x = 3. B
25
relativnı́ změna x:
∆x 3 ∆y = 21
= , y = x2
x 2
relativnı́ změna y :
∆y f (2 + 3) − f (2) A
= 4
y f (2) ∆x = 3
5 − 22
2 21 0 2 5 x
= 2
= .
2 4

Je relativnı́ změna vždy smysluplná?
Vhodnost použitı́ budeme demonstrovat v souvislosti s proměnnou
času t, která se v ekonomii hojně použı́vá.
Budeme-li chtı́t vyjádřit zpožděnı́ schůzky (v 18:00 namı́sto 16:00),
zajı́má nás absolutnı́ změna, tedy 2 hodiny. Nenı́ vhodné použı́t
2
relativnı́ změnu 16 = 81 neboli 12,5 %. Dané čı́slo nemá vypovı́dajı́cı́
hodnotu a je závislé na počátku“.
”
Např. pro 12-hodinový cyklus (schůzka v 6 hod. namı́sto ve 4 hod.
odpoledne) by vyčı́slenı́ relativnı́ změny dalo 42 = 12 neboli 50 %.
V přı́padě 24-hodinového cyklu je totiž počátkem půlnoc, ve
12-hodinovém cyklu poledne.
Jiná bude situace, kdy čas t měřı́ uplynulou dobu. Jestliže se doba
trvánı́ jı́zdy vlakem prodloužı́ z původnı́ch 2 hodin na 3 hodiny, je
smysluplné relativnı́ změnu 12 neboli 50 % uvažovat.
Relativnı́ změnu nelze vyčı́slit v přı́padě, že původnı́ hodnota
proměnné je nulová.
Elasticita funkce
Přibližné vyjádřenı́ elasticity:
∆y
y ∆y x
E= ∆x
=
x
∆x y
V ekonomických aplikacı́ch je toto přibližné vyjádřenı́ interpretováno

užitı́m procentnı́ch změn:
∆y
y ∆y %
E= ∆x
=
x
∆x%
V limitnı́m přı́padě pro ∆x → 0 dostáváme přesné vyjádřenı́:

dy x x f 0 (x)
(x) = lim E = = f 0 (x) = f (x)
∆x→0 dx y f (x)
x
Důležitou vlastnostı́ elasticity je, že se jedná o veličinu nezávislou na

jednotkách měřenı́ přı́slušných proměnných.
Elasticita funkce – grafická interpretace
df (x)
Mf dx
Elasticita funkce f (x) je dána vztahem (x) = neboli
f (x)
=
Af
x
vyjadřuje poměr meznı́ a průměrné veličiny v přı́slušném bodě.
y f (x)
0 x
Hodnota meznı́ veličiny Mf : graficky se jedná o směrnici tečny
v přı́slušném bodě křivky f .
Hodnota průměrné veličiny Af : graficky se jedná o směrnici paprsku
v přı́slušném bodě křivky f .
Klasifikace funkcı́ vzhledem k elasticitě
V závislosti na hodnotě elasticity funkce v daném bodě rozlišujeme:
dokonale neelastická funkce: = 0;
neelastická funkce: || < 1;
jednotkově elastická funkce: || = 1;
elastická funkce: || > 1;
dokonale elastická funkce: || = ∞.
Elasticita lineárnı́ funkce
Elasticita lineárnı́ funkce f : y = ax + b je dána vztahem
x ax
(x) = a · = .
ax + b ax + b
Přı́klad
−2x
Elasticita funkce f : y = −2x + 50 je dána vztahem (x) = .
−2x + 50
1 2
(0) = 0, (1) = − , (10) = − , (30) = 6 apod.
24 3
2
Interpretace: Např. vztah (10) = − řı́ká, že nárůst x v bodě x = 10 o 1 %
3
2
(∆x% = 1) vede k poklesu y přibližně o %, tj. funkce nenı́ elastická.
3
V přı́padě lineárnı́ch funkcı́ (přı́mek) lze slovo přibližně“ vynechat.

”
Elasticita lineárnı́ funkce se měnı́ s hodnotou x, zatı́mco derivace
lineárnı́ funkce je konstantnı́.
Cenová elasticita poptávky
Uvažujme poptávku D jakožto funkci vyjadřujı́cı́ závislost
poptávaného množstvı́ Q na ceně P:
Q = D(P).
Cenová elasticita poptávky je dána vztahem

dQ P
= · .
dP Q(P)
V závislosti na hodnotě elasticity poptávky rozlišujeme (viz slajd 101):
dokonale neelastická poptávka: = 0;
neelastická poptávka: ∈ (−1, 0);
jednotkově elastická poptávka: = −1;
elastická poptávka: ∈ (−∞, −1);
dokonale elastická poptávka: = −∞.
Cenová elasticita poptávky je záporná, nebot’ s rostoucı́ cenou

poptávka klesá.
Cenová elasticita poptávky – přı́klad
Určete cenovou elasticitu poptávky dané funkcı́ P = 50 − 2Q.
Řešenı́:
Vyjádřı́me poptávané množstvı́ Q jako funkci proměnné P:
Q = 25 − 0,5P
dQ
= −0,5
dP
P P
Cenová elasticita poptávky: = −0,5 · =
25 − 0,5P P − 50
(0) = 0, (10) = − 14 , (25) = −1, (40) = −4 apod.
V interpretaci např. (40) = −4 znamená, že jestliže se cena zvýšı́
o 1% (z hodnoty 40 na 40 · 1,01 = 40,4), pak poptávané množstvı́ se
snı́žı́ o 4% (z hodnoty Q(40) = 5 na hodnotu 5 · 0,96 = 4,8).
Cenová elasticita poptávky – přı́klad
Přı́klad (část 2/2 – grafické znázorněnı́)
Protože graf je vytvořen tak, že proměnná P se nanášı́ na svislou osu,
neplatı́ kritérium pro odhad elasticity pomocı́ směrnic tečny a paprsku.
P
50 =−∞
40
<−1
25 =−1
>−1
=0
0 5 12,5 25 Q
Elasticita mocninné funkce
Elasticita mocninné funkce f : y = ax n je dána vztahem

x
(x) = a · n · x n−1 · = n.
ax n
Mocninná funkce y = ax n má elasticitu konstantnı́, kdežto derivace
mocninné funkce konstantnı́ nenı́.
Uvažujme poptávku D jakožto funkci vyjadřujı́cı́ závislost poptávaného
množstvı́ Q na ceně P:
8000
D(P) = √ .
P3
Určete elasticitu funkce D(P) a určete přesnou procentnı́ změnu
poptávaného množstvı́ vzhledem k 1% nárůstu ceny pro P = 4.
Elasticita mocninné funkce – přı́klad
Řešenı́:
Elasticita poptávky je konstantnı́: (P) = − 32 (funkce je elastická)
Jednoprocentnı́ nárůst ceny způsobı́ přibližně 1,5% pokles
poptávaného množstvı́.
8000 8000
Poptávané množstvı́ pro P = 4: D(4) = √ = = 1000
3
4 8

4 8000
Poptávané množstvı́ pro 1% nárůst ceny: D 4 + =p
100 (4,04)3
Změna poptávaného množstvı́:
∆D = D(4,04) − D(4) = 8000 · 4,04−1,5 − 1000 = −14,81
−14,81
Procentnı́ změna poptávaného množstvı́: · 100 = −1,481 %
1000
Elasticita funkce celkové přı́jmu
Uvažujme celkový přı́jem
TR(P) = P · Q
jakožto funkci vyjadřujı́cı́ závislost na proměnné P.
Je-li funkce poptávky Q = D(P), můžeme psát
TR(P) = P · D(P)
Elasticita TR funkce celkového přı́jmu:

d P 1
TR = (P · D(P))· = D(P) + P · D 0 (P) · = 1+D ,
dP P · D(P) D(P)
kde D je cenová elasticita poptávky.
Vztah mezi elasticitou poptávky D a celkového přı́jmu TR
Z matematického vztahu
TR = 1 + D
vyplývá:
Je-li poptávka jednotkově elastická (D = −1), malá změna ceny P

má zanedbatelný vliv na celkový přı́jem (TR = 0).
dTR
Je-li poptávka neelastická (D > −1), pak je meznı́ přı́jem
dP
vzhledem k ceně P kladný (TR > 0). S poklesem ceny celkový přı́jem
klesá a s růstem ceny celkový přı́jem roste.
dTR
Je-li poptávka elastická (D < −1), pak je meznı́ přı́jem
dP
vzhledem k ceně P záporný (TR < 0). S poklesem ceny celkový
přı́jem roste a s růstem ceny celkový přı́jem klesá.
Elasticita – celkové, průměrné a meznı́ náklady
Přı́klad
Na obrázku na slajdu 81 je znázorněn bod A, ve kterém je směrnice
paprsku většı́ než směrnice tečny, tzn. AC (Q) > MC (Q). To
odpovı́dá faktu, že přı́slušný bod A1 na křivce meznı́ch nákladů je
umı́stěn pod bodem A2 ležı́cı́m na křivce průměrných nákladů.
MC
Pro elasticitu v bodě A platı́ = < 1, tudı́ž křivka celkových
AC
nákladů je v bodě A neelastická.
V bodě C paprsek splývá s tečnou, tj. meznı́ a průměrné náklady se

rovnajı́ (MC = AC ), a křivka TC je v tomto bodě jednotkově
MC
elastická, tj. = = 1.
AC
V odpovı́dajı́cı́m bodě C1 v dolnı́m grafu se křivky meznı́ch
a průměrných nákladů protı́najı́.
Elasticita – maximalizace zisku
Přı́klad
V přı́kladu na slajdu 84 byla v přı́padě a) diskutována situace
s různými cenami na zahraničnı́m a domácı́m trhu.
Na obrázku jsou znázorněny křivky cenové elasticity poptávky, kdy
nižšı́ ceny na zahraničnı́m trhu odpovı́dajı́ elastičtějšı́ poptávce oproti
vyššı́m cenám na domácı́m trhu s méně elastickou poptávkou.

0 50 100 P
−1 1
2
APLIKACE DIFERENCIÁLNÍHO POČTU FUNKCÍ JEDNÉ PROMĚNNÉÉ
APLIKACE DIFERENCIÁLNÍHO POČTU FUNKCÍ JEDNÉ
PROMĚNNÉ
Diferenciálnı́ počet funkcı́ jedné proměnné má celou řadu aplikacı́
v kvantitativnı́ch oblastech ekonomie.
Mezi základnı́ aplikaci patřı́ vyšetřovánı́ průběhu funkce. Pro

stanovenı́ monotónnosti, konvexnosti a konkávnosti funkce a pro
nalezenı́ lokálnı́ch extrémů, absolutnı́ch extrémů či inflexnı́ch bodů
využı́váme problematiku derivacı́. Výpočet asymptot se zase opı́rá
o teorii limity funkce.
Postupy pro hledánı́ extrémů funkce jedné proměnné majı́ své

uplatněnı́ v nejrůznějšı́ch optimalizačnı́ch úlohách a v modernı́
ekonomii sloužı́ jako nástroj pro odvozovánı́ ekonomických principů
jako je např. maximalizace zisku.
Zásadnı́m pojmem typickým pro ekonomii je tzv. elasticita, která je

definována pomocı́ relativnı́ch změn proměnných.
Diferenciálnı́ počet funkcı́ vı́ce proměnných
Viskotová, Hampel (ÚSO MENDELU) Diferenciálnı́ počet funkcı́ vı́ce proměnných ZS 2020/21 1 / 111
1 Definice funkce dvou proměnných

2 Parciálnı́ derivace
3 Lokálnı́ extrémy
4 Vázané lokálnı́ extrémy
5 Absolutnı́ extrémy
DIFERENCIÁLNÍ POČET FUNKCÍ VÍCE PROMĚNNÝCH
Definice funkce dvou proměnných
Funkce vı́ce proměnných – motivace
Dosud jsme se zabývali problematikou funkce jedné proměnné (kde

obvykle x značı́ argument funkce, y funkčnı́ hodnotu). V ekonomii je
ale běžné, že sledovaná proměnná závisı́ na dvou či vı́ce dalšı́ch
proměnných.
Jako přı́klad uved’me funkci poptávky po zmrzlině. Tu můžeme

chápat jako funkci, kde poptávané množstvı́ nezávisı́ jen na ceně, ale
také např. na teplotě venkovnı́ho vzduchu.
V přı́padě funkcı́ dvou proměnných se nejčastěji použı́vá značenı́

z = f (x, y ), kde z je závisle proměnná (funkčnı́ hodnota) a x, y jsou
argumenty funkce f . U ekonomických funkcı́ se proměnné, stejně jako
v přı́padě funkcı́ jedné proměnné, označujı́ podle významu.
Např. produkčnı́ funkci dvou proměnných zapı́šeme Q = f (L, K ), kde

Q je množstvı́ produkce, L práce a K kapitál.
Kartézská souřadnicová soustava v rovině
Kartézská souřadnicová soustava v rovině je tvořena dvěma navzájem
kolmými přı́mkami: vodorovnou, kterou obvykle nazýváme osou x,
a svislou, obvykle nazývanou osou y .
Průsečı́k těchto přı́mek označı́me jako počátek souřadnicové soustavy.

Na obou osách většinou zvolı́me stejnou jednotku délky.
Každému bodu P v rovině pak přiřazujeme v kartézské souřadnicové

soustavě uspořádanou dvojici reálných čı́sel, tzv. kartézských
souřadnic [xP ; yP ].
y
y P
P
0 xP x
Množinu všech uspořádaných dvojic reálných čı́sel [x; y ] budeme
nazývat dvojrozměrným prostorem nebo také rovinou xy .
Kartézská souřadnicová soustava v prostoru
Kartézská souřadnicová soustava v prostoru je tvořena třemi
navzájem kolmými osami x, y , z. Jejich společný bod nazveme
počátkem souřadnicové soustavy. Na všech osách obvykle zvolı́me
stejnou jednotku délky.
Každé dvě ze souřadnicových os tvořı́ jednu ze třı́ souřadnicových
rovin, a to xy , yz, xz dané rovnicemi z = 0, x = 0, y = 0.
Každému bodu P v prostoru přiřazujeme v kartézské souřadnicové
soustavě uspořádanou trojici reálných čı́sel, tzv. kartézských souřadnic
[xP ; yP ; zP ]. z
zP
P[xP ;yP ;zP ]
0 yP
y
xP
x
Množinu všech uspořádaných trojic reálných čı́sel [x; y ; z] budeme
nazývat trojrozměrným prostorem.
Metrický prostor, metrika
Analogicky předchozı́mu (ale bez grafické představy), množinu všech
uspořádaných n-tic reálných čı́sel [x1 ; x2 ; . . . ; xn ] nazveme
n-rozměrným prostorem.
Definice
Je-li v n-rozměrném prostoru přiřazena každým dvěma bodům A, B jejich
vzdálenost ρ(A, B), pro kterou platı́:
1 ρ(A, B) ≥ 0,
2 ρ(A, B) = 0, právě když A = B,
3 ρ(A, B) = ρ(B, A),
4 ρ(A, B) ≤ ρ(A, C) + ρ(B, C) (tzv. trojúhelnı́ková nerovnost),
pak se tento n-rozměrný prostor nazývá metrický prostor a funkce ρ

metrika.
Metrika v dvojrozměrném prostoru – přı́klady
Přı́klad (eukleidovská metrika)
y
yB B
ρ yB − yA ρ(A, B)2 = (xB − xA )2 + (yB − yA )2
yA A
xB − xA q
ρ(A, B) = (xB − xA )2 + (yB − yA )2
0 xA xB x
Přı́klad (tzv. manhattanská metrika)

y
yB B
ρ(A, B) = |xB − xA | + |yB − yA |

yA
A x
0 xA xB
Euklidovský prostor
Pokud je v dvojrozměrném metrickém prostoru vzdálenost bodů
A[xA ; yA ], B[xB ; yB ] definována speciálně vztahem
q
ρ(A, B) = (xB − xA )2 + (yB − yA )2 ,
nazýváme tento dvojrozměrný metrický prostor dvojrozměrným
euklidovským prostorem a značı́me jej E2 .
Pokud je v trojrozměrném metrickém prostoru vzdálenost bodů
A[xA ; yA ; zA ], B[xB ; yB ; zA ] definována speciálně vztahem
q
ρ(A, B) = (xB − xA )2 + (yB − yA )2 + (zB − zA )2 ,
nazýváme tento trojrozměrný metrický prostor trojrozměrným
euklidovským prostorem a značı́me jej E3 .
Zobecněnı́m je euklidovský n-rozměrný prostor En , kde n ∈ N.
Vzdálenost bodů X[x1 ; x2 ; . . . ; xn ], Y[y1 ; y2 ; . . . ; yn ] definujeme jako
q
ρ(X, Y) = (y1 − x1 )2 + (y2 − x2 )2 + · · · + (yn − xn )2 .
Okolı́ bodu
Množinu všech bodů X v prostoru En , jejichž vzdálenost od daného

bodu A je menšı́ než zvolené čı́slo δ > 0, nazýváme δ-okolı́ bodu A.
Značı́me jej O(A, δ) nebo O(A).
Okolı́ bodu A, z něhož vyloučı́me bod A, nazveme ryzı́m δ-okolı́m

bodu A a značı́me jej Õ(A, δ) nebo Õ(A).
Přı́klad (okolı́ a ryzı́ okolı́ v E2 )

y y
δ δ
A A
0 x 0 x
Vnitřnı́ a hraničnı́ body
Bod A ∈ M ⊆ En se nazývá vnitřnı́ bod množiny M, jestliže existuje
okolı́ O(A), které celé patřı́ do množiny M (tedy O(A) ⊆ M).
Bod B se nazývá hraničnı́ bod množiny M, jestliže v každém jeho
okolı́ O(B) ležı́ aspoň jeden bod z množiny M a zároveň aspoň jeden
bod, který do množiny M nepatřı́.
Hraničnı́ bod množiny M přitom nemusı́ do množiny M patřit.
Přı́klad (pro E2 )
A M B
Množina všech vnitřnı́ch bodů množiny M se nazývá vnitřkem

množiny M.
Množina všech hraničnı́ch bodů množiny M se nazývá hranicı́
množiny M.
Omezená a neomezená množina
Množina M ⊆ En se nazývá
omezená, jestliže existuje čı́slo m > 0 tak, že pro všechny souřadnice
xk libovolného bodu X ∈ M platı́ |xk | < m.
neomezená v opačném přı́padě.
y y
M M
0 x 0 x
Otevřená a uzavřená množina
otevřená, jestliže každý jejı́ bod je vnitřnı́,
uzavřená, jestliže obsahuje hranici množiny M.
y y
M M
0 x 0 x
Souvislá množina
souvislá, jestliže každé dva jejı́ body můžeme spojit lomenou čarou,
která celá ležı́ v množině M.
y
A M
0 x
Oblast, uzavřená oblast
Otevřená a souvislá množina M se nazývá oblast.
Uzavřená a souvislá množina M se nazývá uzavřená oblast.
y y y
M
M M
B
A
0 x 0 x 0 x
omezená otevřená omezená uzavřená omezená otevřená

souvislá množina souvislá množina nesouvislá množina
oblast uzavřená oblast nenı́ oblast!
Funkce dvou proměnných
Definice
Je-li každému bodu [x; y ] z množiny M ⊆ E2 jistým pravidlem přiřazeno
právě jedno reálné čı́slo z, řı́káme, že v množině M je definována funkce
dvou proměnných x, y a pı́šeme z = f (x, y ).
Proměnné x, y se nazývajı́ nezávisle proměnné, z se nazývá závisle
proměnná. Množina M se nazývá definičnı́ obor funkce z = f (x, y ).
Přı́klad
Uvažujme funkci f (x, y ) = 2x + x 2 y 3 . Potom
f (1, 0) = 2 · 1 + 12 · 03 = 2
f (0, 1) = 2 · 0 + 02 · 13 = 0
f (−2, 3) = 2 · (−2) + (−2)2 · 33 = −4 + 4 · 27 = 104
f (a + 1, b) = 2 · (a + 1) + (a + 1)2 · b 3
Funkce dvou proměnných – přı́klad
Přı́klad
Model poptávky po mléce byl odhadnut jako
M 2,08
Q =A· ,
P 1,5
přičemž Q je poptávané množstvı́ mléka, P je relativnı́ cena mléka,
M je důchod domácnostı́ a A je kladná konstanta.
Uvedená rovnice definuje funkci D vyjadřujı́cı́ závislost proměnné Q
na proměnných P a M:
Q = D(P, M)
Matematický výraz odpovı́dá očekávanému faktu, že s rostoucı́m

důchodem M se navyšuje poptávané množstvı́ mléka Q a že
s rostoucı́ cenou mléka P se množstvı́ Q snižuje.
Ekonomická interpretace zápisu funkce – přı́klad
Přı́klad (1)
Mějme produkčnı́ funkci
f : Q = ALα K β , (1)
kde A, α, β jsou kladné konstanty a kde nezávisle proměnné L > 0,

resp. K > 0 představujı́ práci, resp. kapitál.
Funkce daná vztahem (1) má v teorii produkčnı́ch funkcı́ zásadnı́

význam a nazývá se Cobbova-Douglasova produkčnı́ funkce.
Nynı́ uvažujme, že platı́
f (2L, 2K ) = A(2L)α (2K )β = 2α 2β ALα K β = 2α+β f (L, K ). (2)
Výraz lze interpretovat tak, že při zdvojnásobenı́ vstupů produkce se

výstup navýšı́ 2α+β -krát.
Ekonomická interpretace zápisu funkce – přı́klad
Přı́klad (pokrač.)
Např. pro α + β = 1 můžeme předchozı́ tvrzenı́ upřesnit:
zdvojnásobenı́ obou vstupů zdvojnásobı́ výstup produkce.
Stejnou úvahu jako ve (2) lze v přı́padě Cobbovy-Douglasovy funkce

zobecnit pro r > 0:
f (rL, rK ) = A(rL)α (rK )β = r α r β ALα K β = r α+β f (L, K ).

Poznámka:
Funkce, pro které platı́
f (rx, ry ) = r k f (x, y ),
se v matematické i ekonomické literatuře označujı́ jako funkce

homogennı́ stupně k.
Definičnı́ obor funkce dvou proměnných
Stejně jako v přı́padě funkce jedné proměnné platı́, že definičnı́m
oborem Df funkce z = f (x, y ), pokud nenı́ pro danou funkci
předepsán, rozumı́me množinu všech bodů [x; y ] v rovině, pro něž je
daný výraz f (x, y ) definován.
Přehled omezenı́:
h(x, y )
z= ⇒ g (x, y ) 6= 0
g (x, y )
p
z = 2n g (x, y ), n ∈ N ⇒ g (x, y ) ≥ 0
z = loga g (x, y ) ⇒ g (x, y ) > 0
z = arcsin g (x, y ), z = arccos g (x, y ) ⇒ −1 ≤ g (x, y ) ≤ 1
z = tan g (x, y ) ⇒ g (x, y ) 6= (2k + 1) π2 , k ∈ N
z = cot g (x, y ) ⇒ g (x, y ) 6= kπ, k ∈ N
V ekonomických aplikacı́ch pochopitelně často docházı́ k zúženı́“

”
definičnı́ho oboru, např. produkčnı́ funkce f (L, K ) se uvažuje pouze
pro nezáporné argumenty (L, K ≥ 0).
Definičnı́ obor – přı́klady
Definičnı́ obor funkce dvou proměnných je tvořen uspořádanými dvojicemi

hodnot nezávisle proměnných [x; y ], tudı́ž při jeho grafickém vyjádřenı́ se
jedná o množinu bodů v rovině.
Přı́klad
3
1 z = x 3 + 2xy 3 + 4x 2 + y 2 5 z = 32x−y
5 −7xy +2
2 z = (x + y )2 6 z = e4x
z = arctan 2x − 3y 2

3 z = sin(3x + 7y ) 7
z = cos4 x 3 + 2xy + y 2 + 10

z = arccot 1 + 3y − 4x 2 y

4 8
z = sin2 2x 2 + 5y − arccot 2xy cos x 2 + 5xy − 1

9
Přı́klad (definičnı́ obor funkce dvou proměnných)
y −1
p p
z = arcsin z= x2 − 4 + 9 − y2
x
y
y
y =−x+1 y =x+1
y =3
1
x −2 0 2 x
0
y =−3
x=−2 x=2
2
q
z=p + 9 − (x 2 + y 2 ) 1
z = arctan p
x + y2 − 4
2
x − y2
y y
x 2 +y 2 =9
x=y 2
x 2 +y 2 =4
−3 −2 0 2 3 x
0 x
z = ln[x ln(y − x)] y
z = arcsin + arcsin(1 − x)
x2
y y =x+1 y
y =x
y =x 2
1
0 2 x
0 x
y =−x 2
x=0 x=0 x=2
Graf funkce dvou proměnných
Definice
Grafem funkce z = f (x, y ) nazýváme množinu všech bodů [x; y ; f (x, y )]
v prostoru E3 , přičemž [x; y ] ∈ Df .
Je-li [x0 ; y0 ] bodem definičnı́ho oboru Df , potom f (x0 ; y0 ) je výškou“

”
funkce f v bodě [x0 ; y0 ], což na grafu odpovı́dá právě bodu
[x0 ; y0 ; f (x0 , y0 )].
V přı́padě hezkých“ funkcı́ představuje graf funkce dvou proměnných

”
plochu v E3 .
Pravoúhlým průmětem plochy z = f (x, y ) do (horizontálnı́) roviny xy

je definičnı́ obor funkce Df .
Graf funkce dvou proměnných – přı́klad
Grafy vybraných funkcı́ dvou proměnných – I.
p
z = x2 + y2 z = −x 2 − y 2 z= x2 + y2
Grafy vybraných funkcı́ dvou proměnných – II.
1
z = x3 + y3
p
z= 4 − x2 − y2 z=
x2 + y2
Grafy vybraných funkcı́ dvou proměnných – III.
2 −y 2 2 −y 2
z = ln (x 2 + y 2 ) z = e−x z = x e−x
Řezy plochy rovinou
Řezem ϕ(x) grafu funkce z = f (x, y ) rovinou y = y0 (rovnoběžnou
s rovinou xz) nazveme společné body roviny a grafu funkce.
Analogicky mluvı́me o řezu ψ(x) grafu funkce z = f (x, y ) rovinou
x = x0 (rovnoběžnou s rovinou yz).
V přı́padě hezkých“ funkcı́ se jedná o křivku na ploše.
”
Vrstevnice
Protože trojrozměrná grafická reprezentace funkce dvou proměnných

má svá úskalı́, použı́vá se často znázorněnı́ pomocı́ tzv. vrstevnic.
Vrstevnice jsou řezy grafu funkce z = f (x, y ) rovinami z = z0

(rovinami kolmými na osu z, tj. rovnoběžnými s horizontálnı́
rovinou xy ).
Pro přı́pustná reálná čı́sla c je každá vrstevnice dána rovnicı́
f (x, y ) = c.
Výsledná vizualizace grafu funkce spočı́vá v projekci vybraných

vrstevnic do horizontálnı́ roviny xy .
Vrstevnice – obrázek
Prvnı́ obrázek znázorňuje zkoumanou plochu spolu s křivkami, které

odpovı́dajı́ řezům rovinami x = x0 a y = y0 .
Na druhém obrázku je vykreslena plocha s vyznačenými vrstevnicemi

neboli řezy rovinami z = z0 .
Třetı́ obrázek představuje výslednou dvojrozměrnou vizualizaci grafu

pomocı́ vrstevnic (v tomto přı́padě včetně barevného rozlišenı́).
Vrstevnice – přı́klad
Přı́klad (1)
x2 y2
Určete vrstevnice funkce z = 8 − − (rotačnı́ paraboloid).
2 2
x2 y2
Řešenı́: c = 8 − − ⇒ x 2 + y 2 = 16 − 2c, c ∈ (−∞; 8i
2 2
y
[0;0] (c=8)
0 2 4 x
x 2 +y 2 =4 (c=6)
x 2 +y 2 =8 (c=4)
x 2 +y 2 =12 (c=2)
x 2 +y 2 =16 (c=0)
x 2 +y 2 =20 (c=−2)
atd.
√
Vrstevnice jsou tedy kružnice o středu [0; 0] a poloměru 16 − 2c.
Na obrázku je vykresleno několik vrstevnic funkce z = f (x, y ).
1 Najděte řešenı́ rovnice f (3, y ) = 4.
2 Najděte řešenı́ rovnice f (x, 4) = 6.
3 Jaká je maximálnı́ funkčnı́ hodnota f (x, y ) pro x = 2 a pro jaké y lze
této maximálnı́ hodnoty dosáhnout?
y
5
z=2
4 z=4
3 z=6
z=8
2
0 1 2 3 4 5 6 x

Řešenı́:
1 Řešenı́m je y = 1 a y = 4, nebot’ přı́mka x = 3 protı́ná vrstevnici
f (x, y ) = 4 v bodech [3; 1] a [3; 4].
2 Rovnice nemá řešenı́, nebo přı́mka y = 4 nemá s vrstevnici
f (x, y ) = 6 žádné společné body.
3 Maximálnı́ hodnotou c, pro kterou má vrstevnice f (x, y ) = c společný
bod s přı́mkou x = 2, je c = 6. Hodnota maxima funkce f (x, y ) pro
x = 2 je tedy 6.
Této maximálnı́ hodnoty je dosaženo pro y ≈ 2.
Vrstevnice – produkčnı́ funkce
Uvažujme produkčnı́ funkci Q = f (L, K ), kde L, resp. K představuje
práci, resp. kapitál.
Vrstevnice f (L, K ) = Q0 , kde Q0 je konstanta, ležı́cı́ v rovině LK se
v přı́padě produkčnı́ch funkcı́ označujı́ jako izokvanty.
Přı́klad
Vrstevnice (izokvanty) Cobbovy-Douglasovy produkčnı́ funkce
f (L, K ) = ALα K β , A > 0, přičemž α + β < 1:
K
A
KA
Q=c3
B
KB Q=c2
Q=c1
0 LA LB L
V obrázku lze vysledovat, že pro dvojici bodů A, B (tj. pro dvě různé
kombinace množstvı́ vstupů L a K ) je dosaženo téže produkce Q = c1 .
Funkce vı́ce proměnných
Analogicky definici funkce dvou proměnných můžeme definovat na
množině M ⊆ En funkci n proměnných
z = f (x1 , x2 , . . . , xn )
jako předpis, který každému bodu [x1 ; x2 ; . . . ; xn ] ∈ M přiřadı́ právě

jedno reálné čı́slo z.

Model poptávky po cukru v USA v obdobı́ 1929–1935 byl odhadnut funkcı́
třı́ proměnných p, w , t jako
x = 108,83 − 6,0294p + 0,164w − 0,4217t,
kde x je poptávané množstvı́, p je jeho cena, w je index produkce a t je

rok (přičemž t = 0 odpovı́dá roku 1929).
DIFERENCIÁLNÍ POČET FUNKCÍ DVOU PROMĚNNÝCH
Parciálnı́ derivace
Uplatnitelnost pojmu limita funkce dvou proměnných
Zatı́mco v diferenciálnı́m počtu funkcı́ jedné proměnné je limita zcela
zásadnı́m běžně použı́vaným pojmem, v diferenciálnı́m počtu funkcı́
dvou proměnných je limita pojem nepoměrně složitějšı́.
Důvodem je skutečnost, že z
zatı́mco k bodu na přı́mce

(ose nezávisle proměnné) se
můžeme blı́žit jenom dvěma 0
y
způsoby (zprava a zleva), v ro-
vině existuje možnostı́ blı́žit
P0
se k danému bodu nepoměrně 
vı́ce. x
Proto se limita funkce dvou proměnných použı́vá poměrně zřı́dka.

Např. derivace funkce dvou proměnných nenı́ definována pomocı́
limity funkce dvou proměnných, ale pouze pomocı́ limity funkce jedné
proměnné.
Pojmy limita a spojitost
Definice
Necht’ funkce z = f (x, y ) je definovaná v ryzı́m okolı́ Õ(P0 )
bodu P0 [x0 ; y0 ]. Řı́káme, že funkce z = f (x, y ) má v bodě [x0 ; y0 ] limitu L,
jestliže k libovolnému čı́slu > 0 existuje čı́slo δ > 0 tak, že pro všechny
body X = [x; y ] ∈ Õ(P0 , δ) platı́ |f (x, y ) − L| < .
Pı́šeme lim f (x, y ) = L nebo lim f (X ) = L.

(x,y )→(x0 ,y0 ) X →P0
Definice
Funkce z = f (x, y ) se nazývá spojitá v bodě [x0 ; y0 ], jestliže
1 je v bodě [x0 ; y0 ] definovaná,
2 platı́
lim f (x, y ) = f (x0 , y0 ).
(x,y )→(x0 ,y0 )
Vlastnosti spojitých funkcı́ dvou proměnných
Funkce dvou proměnných se nazývá spojitá na otevřené množině M,

je-li spojitá v každém bodě této množiny M.
Spojité funkce jsou do jisté mı́ry pěkné“. Zjednodušeně řečeno, malá

”
změna nezávisle proměnných vyvolá pouze malou změnu funkčnı́
hodnoty.
Všechny funkce f (x, y ), které zı́skáme konečným počtem sčı́tánı́,

odčı́tánı́, násobenı́, dělenı́ a skládánı́ ze spojitých funkcı́ jedné
proměnné (at’ už vzhledem k x nebo y ), jsou spojité v každém bodě
svého definičnı́ho oboru.
Pojmy limita a spojitost se dajı́ rozšı́řit na funkce vı́ce proměnných.
Parciálnı́ derivace – motivace
V přı́padě funkce jedné proměnné y = f (x) derivace f 0 (x)

charakterizuje, jak rychle se měnı́ funkčnı́ hodnoty y v souladu se
změnou argumentu x.
Stejně tak u funkcı́ dvou proměnných z = f (x, y ) potřebujeme určit

rychlost změny závisle proměnné z vzhledem ke změnám hodnot
nezávisle proměnných.
Např. představuje-li funkce z = f (x, y ) funkci zisku vzhledem ke

dvěma různým vstupům x a y , pak nás zajı́má, jak moc se zisk zvýšı́
a zda-li vůbec v přı́padě změny x a y .
V následujı́cı́m se zaměřı́me v souvislosti s derivacemi pouze na dvě

situace, kdy zkoumáme změnu hodnot funkce pouze vzhledem k jedné
ze dvou nezávislých proměnných. Takové derivace se pak označujı́
jako parciálnı́.
Parciálnı́ derivace – princip výpočtu
Parciálnı́ derivaci funkce z = f (x, y ) podle proměnné x vypočı́táme

jakožto derivaci funkce f (x, y ) vzhledem k proměnné x, přičemž y
považujeme za konstantu.
∂z ∂f 0 0 ∂f
Značenı́: , ale také , zx , fx (x, y ), f10 (x, y ), (x, y ), . . .
∂x ∂x ∂x
Parciálnı́ derivaci funkce z = f (x, y ) podle proměnné y vypočı́táme

jakožto derivaci funkce f (x, y ) vzhledem k proměnné y , přičemž x
považujeme za konstantu.
∂z ∂f 0 0 ∂f
Značenı́: , ale také , z , f (x, y ), f20 (x, y ), (x, y ), . . .
∂y ∂y y y ∂y
Volba značenı́ nemá zásadnı́ význam, značenı́ bude v následujı́cı́m

textu použı́váno různorodě.
Parciálnı́ derivace – přı́klad
Přı́klad
Určete obě parciálnı́ derivace funkce f (x, y ) = x 3 y + x 2 y 2 + x + y 2 .
Dále vyjádřete fx0 (0, 0), fx0 (0, 0), fx0 (−1, 2), fy0 (−1, 2), fx0 (a, b).
Řešenı́:
∂f ∂f
= 3x 2 y + 2xy 2 + 1, = x 3 + 2x 2 y + 2y
∂x ∂y
fx0 (0, 0) = 1, fy0 (0, 0) = 0
fx0 (−1, 2) = 3 · (−1)2 · 2 + 2 · (−1) · 22 + 1 = −1
fy0 (−1, 2) = (−1)3 + 2 · (−1)2 · 2 + 2 · 2 = 7
fx0 (a, b) = 3a2 b + 2ab 2 + 1
Znaménko parciálnı́ derivace
Z vlastnostı́ derivace funkce jedné proměnné lze obdobné závěry odvodit
také pro parciálnı́ derivace. Např. parciálnı́ derivace fx0 (x, y ) > 0 řı́ká, že
malé navýšenı́ proměnné x vede ke zvýšenı́ funkčnı́ hodnoty f (x, y ).
Přı́klad
M 2,08
Uvažujme model poptávky Q = A · 1,5 , A > 0, P > 0, M > 0 uvedený
P
na slajdu 17. Určete obě parciálnı́ derivace a diskutuje jejich znaménka
v souvislosti s již dřı́ve odvozenými závěry tohoto přı́kladu.
Řešenı́:
∂Q M 2,08
= A · M 2,08 · (−1,5) · P −2,5 = −1,5A · 2,5 < 0
∂P P
∂Q 1 M 1,08
= A · 2,08 · M 1,08 1,5 = 2,08A · 1,5 > 0
∂M P P
Znaménka parciálnı́ derivacı́ odpovı́dajı́ již dřı́ve uvedenému faktu, že
s rostoucı́ cenou P se snižuje množstvı́ Q a že s rostoucı́m důchodem
M se navyšuje množstvı́ Q.
Definice parciálnı́ derivace
Definice
Řekneme, že funkce f (x, y ) má v bodě (x, y ) parciálnı́ derivaci podle
proměnné x rovnu čı́slu fx0 (x, y ), jestliže existuje vlastnı́ limita
f (x + h, y ) − f (x, y )
fx0 (x, y ) = lim ,
h→0 h
Řekneme, že funkce f (x, y ) má v bodě (x, y ) parciálnı́ derivaci podle
proměnné y rovnu čı́slu fy0 (x, y ), jestliže existuje vlastnı́ limita
f (x, y + h) − f (x, y )
fy0 (x, y ) = lim ,
h→0 h
Řekneme, že funkce má na otevřené množině M parciálnı́ derivaci

podle proměnné x, resp. y , jestliže má v každém bodě množiny M
parciálnı́ derivaci podle x, resp. y . Tı́m zı́skáme předpis pro funkci
nazvanou parciálnı́ derivace podle x, resp. y .
Ekonomická interpretace parciálnı́ derivace
Parciálnı́ derivace fx0 (x0 , y0 ) funkce z = f (x, y ) v bodě [x0 ; y0 ] udává

přibližnou změnu z, změnı́-li se x z hodnoty x0 na hodnotu x0 + 1 při
pevném y = y0 .
Parciálnı́ derivace fy0 (x0 , y0 ) funkce z = f (x, y ) v bodě [x0 ; y0 ] udává

přibližnou změnu z, změnı́-li se y z hodnoty y0 na hodnotu y0 + 1 při
pevném x = x0 .
Přı́klad
Uvažujme produkčnı́ funkci Q = f (L, K ), kde Q je množstvı́
produkce, L práce a K kapitál.
Potom např. parciálnı́ derivace fK0 (50, 100) = 5 řı́ká, že navýšenı́
kapitálu K = 100 o jednotku zvýšı́ produkci přibližně o 5 jednotek
(pro pevně danou práci L = 50) .
Parciálnı́ derivace ekonomických veličin
V předchozı́m přı́kladu jsme uvažovali produkčnı́ funkci Q = f (L, K ).
Přı́slušné meznı́ veličiny odpovı́dajı́ parciálnı́m derivacı́m:
Meznı́ produkt práce MPL je parciálnı́ derivace produkce podle práce:
∂Q
MPL = .
∂L
Meznı́ produkt kapitálu MPK je parciálnı́ derivace podle kapitálu:
∂Q
MPK = .
∂K
Přı́klad
Meznı́ produkt práce a kapitálu Cobbovy-Douglasovy produkčnı́ funkce
Q = ALα K β , kde A, α, β > 0, má tvar
MPL = AαLα−1 K β , MPK = AβLα K β−1 .
Protože K , L > 0, jsou oba meznı́ produkty kladné, tj. s růstem množstvı́
práce nebo kapitálu se navyšuje objem produkce.
Geometrický význam parciálnı́ derivace funkce z = f (x, y )
Pro pevně dané y = y0 tvořı́ body [x; y ; f (x, y )] v této rovině (modrá
barva) křivku ϕ(x). Parciálnı́ derivace fx0 (x0 , y0 ) je tedy směrnicı́
tečny t1 křivky ϕ(x) v bodě x0 .
Pro pevně dané x = x0 tvořı́ body [x; y ; f (x, y )] v této rovině (zelená
barva) křivku ψ(x). Parciálnı́ derivace fy0 (x0 , y0 ) je tedy směrnicı́
tečny t2 křivky ψ(x) v bodě y0 .
z
t1
ϕ(x)
t2
ψ(y )
P[x0 , y0 , z0 ]
0 y0 y
z = f (x, y )
x0 β
P0
α
x
Parciálnı́ derivace a vrstevnice funkce – přı́klad
Přı́klad
1 Určete znaménka parciálnı́ch derivacı́ fx0 (x, y ) a fy0 (x, y ) funkce
z = f (x, y ) v bodech P a Q.
2 Odhadněte hodnotu fx0 (3, 1).
y
5 z=0
P z=2
4 z=4
3 z=6
z=8
2
Q
1
0 1 2 3 4 5 6 x
Přı́klad
Řešenı́:
1 Bod P ležı́ na vrstevnici f (x, y ) = 2. Jestliže se vydáme“ podél
”
přı́mky y = 4 v kladném směru osy x, bude se plocha před námi
zvedat“, nebot’ nejbližšı́ vykreslená vrstevnice odpovı́dá většı́ funkčnı́
”
hodnotě. Tudı́ž fx0 (P) > 0.
Jestliže se vydáme“ v bodě P podél přı́mky x = 2 v kladném směru
”
osy y , bude plocha před námi klesat“, nebot’ nejbližšı́ vykreslená
”
vrstevnice odpovı́dá menšı́ funkčnı́ hodnotě. Tudı́ž fy0 (P) < 0.
Analogicky, fx0 (Q) < 0, fy0 (Q) > 0.
Přı́klad
Řešenı́ – pokrač.:
2 fx0 (3, 1) ≈ f (4, 1) − f (3, 1) = 2 − 4 = −2.
Je zjevné, že tato aproximace je v opačném směru zcela nepřesná, což
může být v ekonomických aplikacı́ch zavádějı́cı́ a je nutné brát tuto
skutečnost na zřetel.
Když otočı́me směr pohledu v bodě Q a snı́žı́me x o jednotku, potom
f (2, 1) ≈ 4 a dle aproximace fx0 (3, 1) ≈ 4 − 4 = 0. Vykreslenı́
vrstevnic v okolı́ bodu Q nenı́ dostatečně jemně odstupňované.
Parciálnı́ derivace druhého řádu
∂f ∂f
Parciálnı́ derivace ∂x a ∂y funkce z = f (x, y ) nazýváme parciálnı́mi
derivacemi 1. řádu funkce f .
Parciálnı́mi derivacemi 2. řádu funkce f nazýváme parciálnı́ derivace

parciálnı́ch derivacı́ 1. řádu podle x, resp. podle y :
∂2f

∂ ∂f
= = fxx00 (x, y ) = f11
00
(x, y )
∂x ∂x ∂x 2
∂2f

∂ ∂f
= = fxy00 (x, y ) = f12
00
(x, y )
∂x ∂y ∂x∂y
∂2f

∂ ∂f
= = fyx00 (x, y ) = f21
00
(x, y )
∂y ∂x ∂y ∂x
∂2f

∂ ∂f
= = fyy00 (x, y ) = f22
00
(x, y )
∂y ∂y ∂y 2
Smı́šené parciálnı́ derivace 2. řádu
Přı́klad
Určete parciálnı́ derivace 2. řádu funkce ze slajdu 44.
Řešenı́:
∂2f 2 ∂2f
= 6xy + 2y , = 3x 2 + 4xy ,
∂x 2 ∂y ∂x
∂2f ∂2f
= 3x 2 + 4xy , = 2x 2 + 2
∂x∂y ∂y 2
Předchozı́ přı́klad ilustruje důležitý fakt, že tzv. smı́šené parciálnı́ derivace
jsou většinou totožné:
Věta (Schwarzova)
Jestliže jsou smı́šené parciálnı́ derivace fxy00 , fyx00 funkce z = f (x, y )
definované a spojité na otevřené množině M, pak platı́
fxy00 (x, y ) = fyx00 (y , x).

Parciálnı́ derivace vyššı́ch řádů – přı́klad

Smı́šené parciálnı́ derivace Cobbovy-Douglasovy produkčnı́ funkce
Q = ALα K β , A, α, β > 0:
∂2Q ∂2Q
= = AαβLα−1 K β−1
∂L∂K ∂K ∂L
Vzhledem k tomu, že L, K > 0, jsou smı́šené parciálnı́ derivace
kladné, tj. navýšenı́ jednoho vstupu představuje navýšenı́ meznı́ho
produktu druhého vstupu.
Parciálnı́ derivace vyššı́ch řádů – přı́klad

Pro α < 1, resp. β < 1 jsou parciálnı́ derivace 2. řádu
∂2Q ∂MPL
= = Aα(α − 1)Lα−2 K β
∂L2 ∂L
∂2Q ∂MPK
resp. = = Aβ(β − 1)Lα K β−2
∂K 2 ∂K
záporné a platı́ tedy zákon klesajı́cı́ch výnosů.
Např. malé navýšenı́ kapitálu vede k poklesu meznı́ho produktu

kapitálu.
Parciálnı́ derivace funkce vı́ce proměnných
Koncept parciálnı́ch derivacı́ funkce dvou proměnných lze rozšı́řit na

funkce n proměnných z = f (x1 , x2 , . . . , xn ).
∂f
Parciálnı́ derivaci , i = 1, 2, . . . , n, funkce f podle proměnné xi
∂xi
vypočı́táme jakožto derivaci funkce f (x1 , x2 , . . . , xn ) vzhledem
k proměnné xi , přičemž ostatnı́ proměnné xj považujeme za konstantu
(j 6= i).
Opět lze použı́vat také značenı́ fi 0 .
Přı́klad
Určete parciálnı́ derivace funkce třı́ proměnných
f (x1 , x2 , x3 ) = 5x12 + x1 x23 − x22 x32 + x33 .
Řešenı́: f10 = 10x1 + x23 , f20 = 3x1 x22 − 2x2 x32 , f30 = −2x22 x3 + 3x32
Diferencovatelnost funkce vı́ce proměnných
Definice
Funkce z = f (x1 , x2 , . . . , xn ) se nazývá
diferencovatelná v bodě P0 [x1 ; x2 ; . . . ; xn ], existujı́-li v okolı́ O(P0 )

všechny parciálnı́ derivace fi 0 , i = 1, 2, . . . n.
Jsou-li tyto derivace v bodě P0 navı́c spojité, nazývá se funkce spojitě

diferencovatelná v bodě P0 ;
diferencovatelná v oblasti M, je-li diferencovatelná v každém bodě

oblasti M;
spojitě diferencovatelná v oblasti M, je-li spojitě diferencovatelná

v každém bodě oblasti M.
Lokálnı́ extrémy
Definice lokálnı́ho extrému funkce dvou proměnných
Definice
Řekneme, že funkce z = f (x, y ) má v bodě [x0 ; y0 ], ve kterém je
definována,
1 lokálnı́ maximum, jestliže existuje okolı́ bodu [x0 ; y0 ] tak, že
pro všechny body [x; y ] z tohoto okolı́ platı́ f (x0 , y0 ) ≥ f (x, y );
2 lokálnı́ minimum, jestliže existuje okolı́ bodu [x0 ; y0 ] tak, že
pro všechny body [x; y ] z tohoto okolı́ platı́ f (x0 , y0 ) ≤ f (x, y ).
Lokálnı́ maxima a minima nazýváme souhrnně lokálnı́ extrémy.
Platı́-li v uvedené definici v nějakém ryzı́m okolı́ bodu [x0 ; y0 ] ostré

nerovnosti, mluvı́me o ostrém lokálnı́m maximu, přı́padně ostrém
lokálnı́m minimu.
Geometrická interpretace lokálnı́ho extrému
Ostré lokálnı́ maximum je takové mı́sto na grafu funkce, které má

nejvyššı́“ funkčnı́ hodnotu ve srovnánı́ s body z nejbližšı́ho okolı́.
”
Ostré lokálnı́ minimum je takové mı́sto na grafu funkce, které má

nejnižšı́“ funkčnı́ hodnotu ve srovnánı́ s body z nejbližšı́ho okolı́.
”
Fermatova věta
Věta
Jestliže funkce z = f (x, y ) má v bodě P0 [x0 ; y0 ] lokálnı́ extrém (ostrý nebo
neostrý), pak každá parciálnı́ derivace, která v tomto bodě existuje, je
nulová.
Pokud tedy existuje tečná rovina ke grafu funkce z = f (x, y ) v bodě,
v němž má tato funkce lokálnı́ extrém, pak je rovnoběžná
s rovinou xy .
Stacionárnı́ bod a sedlový bod
Bod [x0 ; y0 ], v němž je funkce z = f (x, y ) diferencovatelná a který
vyhovuje rovnicı́m
fx0 (x0 , y0 ) = 0, fy0 (x0 , y0 ) = 0,
se nazývá stacionárnı́m bodem funkce z = f (x, y ).
Stacionárnı́ bod [x0 ; y0 ] funkce z = f (x, y ) nazveme sedlovým bodem,
jestliže v každém jeho okolı́ existujı́ takové body [x; y ], pro které platı́
f (x, y ) < f (x0 , y0 ), a zároveň takové body [x; y ], pro které platı́
f (x, y ) > f (x0 , y0 ).
Sedlový bod – přı́klad
Přı́klad
Uvažujme funkci f (x, y ) = x 2 − y 2 , Df = R × R.
Parciálnı́ derivace: fx0 (x, y ) = 2x, fy0 (x, y ) = −2y
Stacionárnı́ bod: 2x = 0, −2y = 0 ⇒ [x; y ] = [0; 0]
Hodnota funkce ve stacionárnı́m bodě: f (0, 0) = 0
Řez rovinou y = 0 pro x 6= 0: f (x, 0) = x 2 > 0
Řez rovinou x = 0 pro y 6= 0: f (0, y ) = −y 2 < 0
Funkce nemá v bodě [0; 0] lokálnı́

extrém, nebot’ v každém jeho okolı́
existujı́ body, pro které f (x, y ) > 0,
a jiné, ve kterých platı́ f (x, y ) < 0.
Body podezřelé“ z lokálnı́ho extrému
”
Funkce z = f (x, y ) může mı́t lokálnı́ extrém pouze
1 ve stacionárnı́ch bodech;
2 v bodech, v nichž
obě parciálnı́ derivace neexistujı́ nebo
jedna z parciálnı́ch derivacı́ neexistuje a druhá je rovna nule.
Postačujı́cı́ podmı́nky pro lokálnı́ extrém
Necht’ [x0 ; y0 ] je stacionárnı́m bodem funkce z = f (x, y ), která má

v okolı́ tohoto bodu spojité všechny parciálnı́ derivace druhého řádu.
Označme symbolem H determinant

00
fxx (x0 , y0 ) fxy00 (x0 , y0 )

H(x0 , y0 ) =
00 00

f (x0 , y0 ) f (x0 , y0 )
yx yy
a nazvěme ho Hessián funkce f v bodě [x0 ; y0 ].
Potom nastává právě jeden z následujı́cı́ch přı́padů:

H > 0, fxx00 > 0. Potom má funkce f v bodě [x0 ; y0 ] lokálnı́ minimum.
H > 0, fxx00 < 0. Potom má funkce f v bodě [x0 ; y0 ] lokálnı́ maximum.
H < 0. Potom funkce f nemá v bodě [x0 ; y0 ] lokálnı́ extrém.
H = 0. Pomocı́ Hessiánu nelze o existenci lokálnı́ho extrému
rozhodnout.
Postup při vyšetřovánı́ lokálnı́ch extrémů
1 Určı́me definičnı́ obor funkce z = f (x, y ).
2 Vypočı́táme parciálnı́ derivace fx0 , fy0 a položı́me je rovny nule.
3 Řešenı́m vzniklých rovnic určı́me stacionárnı́ body Pi a ověřı́me, zda

jsou vnitřnı́mi body definičnı́ho oboru funkce z = f (x, y ).
4 Vypočı́táme parciálnı́ derivace fxx00 , fxy00 , fyy00 a hodnoty těchto derivacı́
ve stacionárnı́ch bodech Pi .
5 Pro každý stacionárnı́ bod Pi určı́me hodnotu Hessiánu H(Pi ) a při
H(Pi ) 6= 0 rozhodneme o existenci lokálnı́ch extrémů.
6 Podle znaménka výrazu fxx00 (Pi ) určı́me typ lokálnı́ho extrému.
7 Vyšetřı́me chovánı́ funkce v okolı́ stacionárnı́ch bodů, ve kterých je
přı́slušný Hessián roven nule, a v okolı́ bodů, v nichž parciálnı́ derivace
fx0 , fy0 nejsou definovány.
Přı́klad (1)
Určete lokálnı́ extrémy funkce z = x 3 + y 3 − 3xy .
Stacionárnı́ body P1 [0; 0], P2 [1; 1].
V bodě P1 [0; 0] funkce lokálnı́ extrém nemá.

V bodě P2 [1; 1] má funkce lokálnı́ minimum.
Přı́klad (2)
Určete lokálnı́ extrémy funkce z = x 2 + y 2 − 2 ln x .
Stacionárnı́ bod P[1; 0].
V bodě P[1; 0] má funkce lokálnı́ minimum.
Přı́klad (3)
Určete lokálnı́ extrémy funkce z = −3x 4 − 5y 4 .
Stacionárnı́ bod P[0; 0].

Hessián H(P) = 0.
f (x, y ) = −3x 4 − 5y 4 < 0 pro všechny

body z ryzı́ho okolı́ bodu P[0; 0].
Přitom f (0, 0) = 0.
V bodě P[0; 0] má funkce lokálnı́ maximum.
Přı́klad (4)
p
Určete lokálnı́ extrémy funkce f (x, y ) = x 2 + y 2 , Df = R × R.
x 
fx0 (x, y ) = p =0
x2 + y2


y ⇒ rovnice nemajı́ řešenı́ (x 6= 0 ∧ y 6= 0)
fy0 (x, y ) = p =0 
x2 + y2

Funkce nemá stacionárnı́ body.

Parciálnı́ derivace fx0 , fy0 nejsou defi-
novány v bodě [0; 0].
f (x, y ) > 0 pro všechny body z ryzı́ho
okolı́ bodu [0; 0] a přitom f (0, 0) = 0.
Funkce má v bodě [0; 0] lokálnı́ minimum.

Postup při vyšetřovánı́ lokálnı́ch extrémů – úlohy v praxi
V aplikacı́ch, a nejen ekonomických, často poznáme z povahy úlohy,

že ve stacionárnı́m bodě je lokálnı́ extrém a jakého typu.
Napřı́klad pokud je z formulace úlohy zřejmé, že funkce má nějaké

lokálnı́ minimum, a pokud při výpočtu dospějeme k jedinému
stacionárnı́mu bodu, je evidentnı́, že lokálnı́ minimum se nacházı́
právě v tomto bodě.
Tohoto zkráceného postupu“ bez ověřenı́ postačujı́cı́ch podmı́nek

”
využijeme při odvozovánı́ vzorců pro metodu nejmenšı́ch čtverců.
Metoda nejmenšı́ch čtverců – motivace
V předmětu Ekonometrie I se budeme zabývat odhadem parametrů

regresnı́ přı́mky.
K dispozici bude n pozorovánı́ proměnných Y a X , můžeme je označit

jako
[Xi ; Yi ], i = 1, . . . , n.
Budeme chtı́t modelovat proměnnou Y pomocı́ proměnné X a jako
funkčnı́ vztah vybereme přı́mku. Napřı́klad může jı́t o modelovánı́
ceny bytu pomocı́ jeho výměry.
Našı́m cı́lem bude odhadnout parametry přı́mky
yi = a + bXi , i = 1, . . . , n,
kde yi jsou odhady Yi .
Metoda nejmenšı́ch čtverců – idea
Budeme požadovat, aby odhady yi byly co nejblı́že skutečným
hodnotám Yi , a to pro všechna pozorovánı́.
Tento požadavek můžeme vyjádřit jako
n
X
f (a, b) = (Yi − yi )2 → min .
i=1
yi
Yi
Xi x
Metoda nejmenšı́ch čtverců – funkce dvou proměnných
Budeme tedy hledat extrém funkce dvou proměnných f (a, b).
Je známo, že extrém je právě jeden a že se jedná o absolutnı́

minimum; obojı́ je přı́padně možné ověřit výpočty.
Do funkce f (a, b) dosadı́me za yi a rozepı́šeme sumu:

n
X n
X
f (a, b) = (Yi − yi )2 = (Yi − a − bXi )2 =
i=1 i=1
= (Y1 − a − bX1 )2 + (Y2 − a − bX2 )2 + · · · + (Yn − a − bXn )2 .
Metoda nejmenšı́ch čtverců – parciálnı́ derivace
Nynı́ postupně spočı́táme obě parciálnı́ derivace:

Parciálnı́ derivace podle proměnné a má tvar
fa0 = 2(Y1 − a − bX1 )(−1) + · · · + 2(Yn − a − bXn )(−1) =

Xn X n
=2 (Yi − a − bXi )(−1) = −2 (Yi − a − bXi ).
i=1 i=1
Dále vyjádřı́me sumu pomocı́ třı́ dı́lčı́ch sum:
n
" n n n
#
X X X X
fa0 = −2 (Yi − a − bXi ) = −2 Yi − a− bXi =
i=1 i=1 i=1 i=1
" n n
#
X X
= −2 Yi − na − b Xi .
i=1 i=1
Metoda nejmenšı́ch čtverců – parciálnı́ derivace
Parciálnı́ derivaci podle proměnné b spočı́táme následovně:
fb0 = 2(Y1 − a − bX1 )(−X1 ) + · · · + 2(Yn − a − bXn )(−Xn ) =

Xn
= −2 (Yi − a − bXi )Xi =
i=1
n
X
Yi Xi − aXi − bXi2 =

= −2
i=1
n n n
" #
X X X
= −2 Yi Xi − aXi − bXi2 =
i=1 i=1 i=1
n n n
" #
X X X
= −2 Yi Xi − a Xi − b Xi2 .
i=1 i=1 i=1
Metoda nejmenšı́ch čtverců – stacionárnı́ bod
Nynı́ obě parciálnı́ derivace položı́me rovny nule:

" n n
#
X X
−2 Yi − na − b Xi = 0
i=1 i=1
n n n
" #
X X X
−2 Yi Xi − a Xi − b Xi2 = 0
i=1 i=1 i=1
a obě podělı́me 2:
n
X n
X
Yi − na − b Xi = 0
i=1 i=1
n
X n
X Xn
Yi Xi − a Xi − b Xi2 = 0
i=1 i=1 i=1
Metoda nejmenšı́ch čtverců – soustava lineárnı́ch rovnic
n
X n
X n
X n
X
Je třeba mı́t na zřeteli, že n, Yi , Xi , Yi Xi a Xi2 jsou
i=1 i=1 i=1 i=1
čı́sla.
Výslednou soustavou rovnic je soustava dvou lineárnı́ch rovnic o dvou

neznámých a, b,
n
X n
X
na + b Xi = Yi
i=1 i=1
n
X n
X n
X
a Xi + b Xi2 = Yi Xi
i=1 i=1 i=1
kterou lze snadno vyřešit.
Přı́slušnou soustavu označujeme jako normálnı́ systém rovnic.
Lokálnı́ extrémy – ekonomické aplikace
Zisk, který vznikne výrobou a prodejem Q1 jednotek výrobku A
a Q2 jednotek výrobku B, je odhadnut modelem
PR(Q1 , Q2 ) = 64Q1 − 2Q12 + 4Q1 Q2 − 4Q22 + 32Q2 − 14.
Najděte množstvı́ jednotek Q1 a Q2 , které maximalizuje zisk.

Řešenı́:
Uvažujeme pouze Q1 > 0, Q2 > 0, tj. DPR = R+ × R+ .
Parciálnı́ derivace: PRQ0 1 = 64 − 4Q1 + 4Q2 , PRQ0 2 = 4Q1 − 8Q2 + 32
Stacionárnı́ bod vyhovuje podmı́nkám úlohy:
4Q1 −4Q2 = 64 ⇒ Q1 − Q2 = 16 ⇒ P[40; 24]

4Q1 −8Q2 =−32 Q1 −2Q2 =−8
Lokálnı́ extrémy – ekonomické aplikace

Parciálnı́ derivace druhého řádu:
PRQ00 1 Q1 = −4, PRQ00 2 Q2 = −8, PRQ00 1 Q2 = 4

−4 4
Hessián H(40, 24) = = 32 − 16 > 0.
4 −8
Ve stacionárnı́m bodě [40; 24] nastává lokálnı́ extrém.
Protože PRQ00 1 Q1 (40, 24) = −4 < 0, jedná se o lokálnı́ maximum.
Hodnota lokálnı́ maxima:

PR(40, 24) = 64 · 40 − 2 · 402 + 4 · 40 · 24 − 4 · 242 + 32 · 24 − 14 = 1650
Maximálnı́ho zisku PR = 1650 je dosaženo pro Q1 = 40 a Q2 = 24.
Lokálnı́ extrémy funkce třı́ proměnných
Obdobným způsobem jako lokálnı́ extrémy funkcı́ dvou proměnných
definujeme extrémy funkce třı́ proměnných.
Definice
Řekneme, že funkce u = f (x, y , z) má v bodě [x0 ; y0 ; z0 ], ve kterém je
definována,
1 lokálnı́ maximum, jestliže existuje okolı́ bodu [x0 ; y0 ; z0 ] tak, že pro všechny
body [x; y ; z] z tohoto okolı́ platı́ f (x0 , y0 , z0 ) ≥ f (x, y , z);
2 lokálnı́ minimum, jestliže existuje okolı́ bodu [x0 ; y0 ; z0 ] tak, že pro všechny
body [x; y ] z tohoto okolı́ platı́ f (x0 , y0 , z0 ) ≤ f (x, y , z).
Bod [x0 ; y0 ; z0 ], ve kterém platı́

fx0 (x0 , y0 , z0 ) = 0, fy0 (x0 , y0 , z0 ) = 0, fz0 (x0 , y0 , z0 ) = 0,
nazýváme stacionárnı́m bodem funkce f .
Lokálnı́ extrémy funkce třı́ proměnných – výpočet
Necht’ funkce f (x, y , z) má spojité všechny parciálnı́ derivace 2. řádu

v okolı́ stacionárnı́ho bodu P0 [x0 ; y0 ; z0 ]. Označme
00
fxx (P0 ) fxy00 (P0 )

00
H1 (P0 ) = fxx (P0 ), H2 (P0 ) = 00
fyx (P0 ) fyy00 (P0 )

00
fxx (P0 ) fxy00 (P0 ) fxz00 (P0 )

H3 (P0 ) = fyx (P0 ) fyy00 (P0 ) fyz00 (P0 )

00
f 00 (P0 ) f 00 (P0 ) f 00 (P0 )
zx zy zz
Platı́:
Jestliže H2 (P0 ) > 0, H1 (P0 ) > 0, H3 (P0 ) > 0, potom má funkce f
ve stacionárnı́m bodě P0 lokálnı́ minimum.
Jestliže H2 (P0 ) > 0, H1 (P0 ) < 0, H3 (P0 ) < 0, potom má funkce f
ve stacionárnı́m bodě P0 lokálnı́ maximum.
Jestliže H2 (P0 ) < 0, potom nemá funkce f ve stacionárnı́m bodě P0
lokálnı́ extrém.
Lokálnı́ extrémy funkce třı́ proměnných – přı́klad

Určete lokálnı́ extrémy funkce f (x, y , z) = 2x 2 + xy + 4y 2 + xz + z 2 + 2.
Řešenı́:
Df = R × R × R.
Parciálnı́ derivace: fx0 = 4x + y + z, fy0 = x + 8y , fz0 = x + 2z
Stacionárnı́ bod je dán soustavou rovnic:
4x + y + z = 0
x + 8y =0
x + 2z = 0
Protože se jedná o homogennı́ soustavu lineárnı́ch rovnic a matice
A| = 54 6= 0), dostáváme jediné řešenı́
soustavy A je regulárnı́ (|A
x = y = z = 0. Stacionárnı́ bod má tedy souřadnice P[0; 0; 0].
Lokálnı́ extrémy funkce třı́ proměnných – přı́klad

Parciálnı́ derivace druhého řádu:
fxx00 = 4, fxy00 = 1, fxz00 = 1, fyy00 = 8, fyz00 = 0, fzz00 = 2

4 1
H1 (0, 0, 0) = 4 > 0, H2 (0, 0, 0) = = 32 − 1 > 0
1 8

4 1 1

H3 (0, 0, 0) = 1 8 0 = 54 > 0
1 0 2
Ve stacionárnı́m bodě [0; 0; 0] nastává lokálnı́ minimum.
Hodnota lokálnı́ minima:
f (0, 0, 0) = 2 · 02 + 0 · 0 + 4 · 02 + 0 · 0 + 02 + 2 = 2
Vázané lokálnı́ extrémy
Definice vázaného lokálnı́ho extrému
Definice
Uvažujme předem zadanou spojitou funkci dvou proměnných g (x, y ).
Potom vrstevnici g (x, y ) = 0 grafu této funkce nazveme vazebnı́
podmı́nkou.
Dále mějme funkci z = f (x, y ) a bod P0 [x0 ; y0 ], ve kterém je funkce f
definována a který splňuje vazebnı́ podmı́nku g (x0 , y0 ) = 0.
Řı́káme, že funkce f má v bodě P0 vázané lokálnı́ maximum, resp.

vázané lokálnı́ minimum, vzhledem k vazebnı́ podmı́nce g (x, y ) = 0,
platı́-li nerovnost
f (x, y ) ≤ f (x0 , y0 ), resp. f (x, y ) ≥ f (x0 , y0 )
pro všechna [x; y ] z nějaké okolı́ bodu O(P0 ) bodu P0 .

Vázanému lokálnı́mu maximu a vázanému lokálnı́mu minimu stručně
řı́káme vázaný lokálnı́ extrém.
Geometrická interpretace vázaného lokálnı́ho extrému
Body, které ležı́ v definičnı́m oboru funkce z = f (x, y ) a vyhovujı́
rovnici g (x, y ) = 0, vytvářı́ za vhodných předpokladů na grafu
funkce f křivku k.
Vázaný lokálnı́ extrém při vazebnı́ podmı́nce g (x, y ) = 0 je pak
takové mı́sto na grafu funkce z = f (x, y ), které má nejvyššı́“ nebo
”
nejnižšı́“ funkčnı́ hodnotu ve srovnánı́ s těmi body z nejbližšı́ho okolı́,
”
které ležı́ na uvažované křivce k.
z
z = f (x,y )
k
0
y
g (x,y ) = 0
Postup při vyšetřovánı́ vázaných lokálnı́ch extrémů
Při vyšetřovánı́ vázaných lokálnı́ch extrémů mohou nastat dva přı́pady:

a) Pokud rovnice g (x, y ) = 0 určuje implicitně funkci
h i
y = ϕ(x), x = ψ(y )
převede se úloha vázaného extrému na úlohu určenı́ extrému funkce

h i
z = f (x, ϕ(x)) z = f (ψ(y ), y )
jedné proměnné.
b) Uvedený postup však nenı́ možný, pokud žádnou z proměnných x, y

nelze z podmı́nky g (x, y ) = 0 vyjádřit. V tom přı́padě použı́váme
tzv. Lagrangeovu metodu neurčitých multiplikátorů.
Lagrangeova metoda pro výpočet vázaných extrémů
Pro nalezenı́ vázaného lokálnı́ho extrému funkce f (x, y ) vázaného
podmı́nkou g (x, y ) = 0 sestavı́me tzv. Lagrangeovu funkci třı́
proměnných
L(x, y , λ) = f (x, y ) + λg (x, y ),
kde λ je nová“ proměnná, tzv. Lagrangeův multiplikátor.
”
Nynı́ najdeme stacionárnı́ body [x0 ; y0 ] podezřelé z vázaného extrému
funkce f a k nim přı́slušnou hodnotu Lagrangeova multiplikátoru λ0
jakožto řešenı́ soustavy L0x = 0, L0y = 0, L0λ = 0:
fx0 + λgx0 = 0
fy0 + λgy0 = 0
g (x, y ) = 0
V ekonomických aplikacı́ch, stejně jako v přı́padě lokálnı́ch extrémů,
často poznáme z povahy úlohy (tj. bez ověřenı́ postačujı́cı́ch
podmı́nek), zda ve stacionárnı́m bodě existuje vázaný lokálnı́ extrém
a jeho přı́padný typ.
Postačujı́cı́ podmı́nky pro existenci vázaného extrému
Položme
00
Lxx (x0 , y0 , λ0 ) L00xy (x0 , y0 , λ0 ) gx0 (x0 , y0 , λ0 )

DL (x0 , y0 , λ0 ) = − L00yx (x0 , y0 , λ0 ) L00yy (x0 , y0 , λ0 ) gy0 (x0 , y0 , λ0 ) .

g 0 (x0 , y0 , λ0 ) g 0 (x0 , y0 , λ0 ) 0
x y
O existenci a charakteru vázaného extrému rozhodnou postačujı́cı́

podmı́nky:
Je-li DL (x0 , y0 , λ0 ) > 0, má funkce f v bodě [x0 ; y0 ] vázané lokálnı́

minimum.
Je-li DL (x0 , y0 , λ0 ) < 0, má funkce f v bodě [x0 ; y0 ] vázané lokálnı́

maximum.
Lagrangeova metoda neurčitých multiplikátorů – přı́klad
Najděte extrémy funkce f (x, y ) = xy vázané podmı́nkou x + y = 6.
Řešenı́:
Df = R × R
g (x, y ) = 6 − (x + y ), L(x, y , λ) = xy + λ(6 − x − y )
V přı́padě, že bychom zapsali g (x, y ) = (x + y ) − 6, došli bychom
taktéž ke správným závěrům.
Z hlediska ekonomických aplikacı́ volı́me ale tvar
g (x, y ) = c − h(x, y ),
kdy přı́slušná interpretace Lagrangeova multiplikátoru se vztahuje

ke konstantě c a udává, o kolik se přibližně změnı́ hodnota extrému,
navýšı́-li se c o jednotku.

Řešenı́m soustavy L0x = 0, L0y = 0, L0λ = 0 určı́me stacionárnı́ body:
y −λ=0
x −λ=0
6−x −y =0
⇒ x = y = λ = 3, tj. P[3; 3; 3]
Parciálnı́ derivace 2. řádu Lagrangeovy funkce:
L00xx = 0, L00yy = 0, L00xy = 1
Parciálnı́ derivace vazebnı́ podmı́nky g (x, y ):
gx0 = −1, gy0 = −1

Pro stacionárnı́ bod P[3; 3; 3] platı́

0
1 −1
DL (3, 3, 3) = − 1 0 −1 =
−1 −1 0
= − [(0 + 1 + 1) − (0 + 0 + 0)] = −2 < 0
V bodě [3; 3] má funkce f lokálnı́ vázané maximum, jehož hodnota je

f (3, 3) = 3 · 3 = 9.
Bodu extrému [3; 3] odpovı́dal Lagrangeův multiplikátor λ = 3, což

interpretujeme následovně:
Jestliže se konstanta c = 6 ve vazebnı́ podmı́nce x + y = 6 navýšı́
o jednotku, potom se hodnota vázaného extrému navýšı́ přibližně
o 3 jednotky.
Lagrangeova metoda neurčitých multiplikátorů – aplikace

Určete množstvı́ jednotek práce L a kapitálu K tak, aby se maximalizovalo
množstvı́ Q vyrobených jednotek daného produktu, jestliže Q = 120KL
a množstvı́ celkových nákladů vyhrazených na výrobu daného produktu je
m. Cena jednotky práce je 5 a cena jednotky kapitálu je 2. Jak se změnı́
výše maximálnı́ho objemu výroby, jestliže náklady navýšı́me o 1 jednotku?
Řešenı́:
Df = R+ × R+
Vazebnı́ podmı́nka (celkové náklady): 2K + 5L = m
f (K , L) = 120KL, g (K , L) = m − (2K + 5L)
Lagrangeova funkce L(K , L, λ) = 120KL + λ(m − 2K − 5L)

Řešenı́m soustavy L0K = 0, L0L = 0, L0λ = 0 určı́me stacionárnı́ body:
120L − 2λ = 0
120K − 5λ = 0
m m
m − 2K − 5L = 0, ⇒ K= , L = , λ = 6m
4 10
Parciálnı́ derivace 2. řádu Lagrangeovy funkce:
L00KK = 0, L00LL = 0, L00KL = 120
Parciálnı́ derivace vazebnı́ podmı́nky g (x, y ):
gK0 = −2, gL0 = −5

hm m i
Pro stacionárnı́ bod ; ; 6m platı́
4 10

0 120 −2
m m

DL 4 , 10 , 6m = − 120
0 −5 =
−2 −5 0
= − [(0 + 1200 + 1200) − (0 + 0 + 0)] = −2400 < 0
m m
Pro množstvı́ jednotek kapitálu K = a jednotek práce L =
4 10
dosahuje funkce f maximálnı́ch hodnot, přičemž množstvı́ vyrobených
jednotek odpovı́dá
m m m m
f , = 120 · · = 3m2 .
4 10 4 10

V bodě extrému m4 ; 10
m
odpovı́dal Lagrangeův multiplikátor λ
hodnotě 6m, což interpretujeme následovně:
Jestliže se množstvı́ celkových nákladů m navýšı́ o jednotku, potom se
maximálnı́ vyrobené množstvı́ daného produktu zvýšı́ přibližně
o 6m jednotek.
Budeme-li maximálnı́ množstvı́ vyrobených jednotek Q chápat jakožto

funkci jedné proměnné Q(m) vzhledem k množstvı́ celkových
nákladů m, potom
dQ d
= 3m2 = 6m.
dm dm
což je v souladu s interpretacı́ Lagrangeova multiplikátoru λ = 6m.
Přı́klad (3)
2 −y
Určete vázané lokálnı́ extrémy funkce z = ex (1 − 2x + y ) vzhledem
k vazebnı́ podmı́nce y = x 2 − x.
V bodě P1 [2; 2] má funkce vázané lokálnı́ minimum, v bodě P2 [−1; 2] má
funkce vázané lokálnı́ maximum.
Přı́klad (4)
p
Určete vázané lokálnı́ extrémy funkce z = 4 − x 2 + y 2 + 1 vzhledem
k vazebnı́ podmı́nce x + y = 5.

5 5
V bodě P ; má funkce vázané lokálnı́ maximum.
2 2
Absolutnı́ extrémy
Definice absolutnı́ho extrému
Definice
Řı́káme, že funkce z = f (x, y ) má v bodě P0 [x0 ; y0 ] ∈ M
absolutnı́ maximum na množině M ⊆ D(f ), jestliže nerovnost
f (x, y ) ≤ f (x0 , y0 )
platı́ pro každý bod [x; y ] ∈ M;

absolutnı́ minimum na množině M ⊆ D(f ), jestliže nerovnost
f (x, y ) ≥ f (x0 , y0 )
platı́ pro každý bod [x; y ] ∈ M.
Věta
Spojitá funkce má na uzavřené omezené oblasti absolutnı́ maximum
a absolutnı́ minimum.
Geometrická interpretace absolutnı́ho extrému
Mějme dánu funkci z = f (x, y ) a uzavřenou omezenou oblast M.
Uvažujme jenom tu část grafu, jejı́mž kolmým průmětem do

horizontálnı́ roviny z = 0 je právě množina M.
Napřı́klad absolutnı́ maximum na množině M odpovı́dá bodu, který

má nejvyššı́ funkčnı́ hodnotu ve srovnánı́ se všemi ostatnı́mi body
uvažované části grafu (tj. nad množinou M).
Funkce dvou proměnných může nabývat svých absolutnı́ch extrémů

na množině M bud’ v bodech lokálnı́ch extrémů ležı́cı́ch uvnitř
množiny M nebo v některém hraničnı́m bodě množiny M.
Postup při vyšetřovánı́ absolutnı́ch extrémů
Při vyšetřovánı́ absolutnı́ch extrémů funkce z = f (x, y ) spojité v uzavřené

a omezené oblasti M postupujeme tak, že postupně vytvářı́me ze třı́
kategoriı́ seznam kandidátů“ na absolutnı́ extrém:
”
1 Vyšetřı́me vnitřek množiny M. Určı́me stacionárnı́ body funkce
z = f (x, y ) a ověřı́me, zda ležı́ uvnitř množiny M.

2 Vyšetřı́me hranici množiny M. Většinou si musı́me hranici rozdělit
na několik částı́ a každou vyjádřit rovnicı́, která pak představuje
vazebnı́ podmı́nku pro vázané extrémy funkce z = f (x, y ). Do
seznamu podezřelých“ bodů přidáváme pouze takové stacionárnı́
”
body, které ležı́ na množině M.
3Jestliže jsme hranici množiny M rozdělili na vı́ce částı́, zařadı́me mezi
kandidáty“ průsečı́ky hraničnı́ch křivek množiny M.
”
Porovnánı́m funkčnı́ch hodnot ve všech bodech, které zı́skáme popsaným
postupem, určı́me, ve kterých z nich nabývá daná funkce svých
absolutnı́ch extrémů.
Absolutnı́ extrémy – podezřelé“ body
”
1 – lokálnı́ extrémy
2 – vázané extrémy na hraničnı́ch křivkách
3 – průsečı́ky hraničnı́ch křivek
Přı́klad (1)
Určete absolutnı́ extrémy funkce f : z = ln(y − 1) − ln x 2 + 3

na trojúhelnı́ku omezeném přı́mkami x = 0, y = 6, y = x + 2.
y
y =x +2
6
y =6
2 Df
1 x
0 4
Závěr: Absolutnı́ minimum nastává v bodě [4; 6].

Absolutnı́ maximum nastává v bodě [0; 6].
Určete absolutnı́ extrémy funkce f : z = x 2 − y 2 na kruhu x 2 + y 2 ≤ 4.
y
2 P2
B 0 A x
−2 P1 2
−2 P3
y
2 2 √
f : z = x2 − y2 x +y =4 2 y = 4−x 2
y2 = 4 − x2 0 x
2 2
M :x +y ≤4 p −2 2
√
y = ± 4 − x2 y =− 4−x 2
−2
Postup: Df = R × R
1. krok: zx0 = 2x, zy0 = −2y , stacionárnı́ bod [0; 0] ∈ M
p
2. krok: y = p 4 − x 2 , z = 2x 2 − 4, z 0 = 4x, stac. bod [0; 2] ∈ M
y = − 4 − x 2 , z = 2x 2 − 4, z 0 = 4x, stac. bod [0; −2] ∈ M
3. krok: průsečı́ky hraničnı́ch křivek [2; 0], [−2; 0]
4. krok: f (0, 0) = 0
f (0, 2) = f (0, −2) = −4
f (2, 0) = f (−2, 0) = 4
Závěr: Absolutnı́ minimum nastává v bodech [0; 2], [0; −2].

Absolutnı́ maximum nastává v bodech [2; 0], [−2; 0].
Diferenciálnı́ počet funkcı́ vı́ce proměnných
Ačkoliv základnı́ matematické kurzy věnujı́ svou pozornost převážně

funkcı́m jedné proměnné, v ekonomii je k popisu reálných jevů často
zapotřebı́ vı́ce nezávisle proměnných. Uvažujeme-li základnı́ vlastnosti
funkcı́ jedné proměnné, běžně pro ekonomické analýzy postačı́ pouze
jejich rozšı́řenı́ na vı́ce proměnných. Každopádně i modifikace na
pouhé dvě proměnné přinášı́ celou řadu těžkostı́.
Graf funkce dvou proměnných je tvořen body v trojrozměrném

prostoru. Lze ho vyjádřit s jistými omezenı́mi také v dvojrozměrném
prostoru pomocı́ vrstevnic.
Analogiı́ pojmu derivace funkce jedné proměnné jsou u funkcı́ vı́ce

proměnných tzv. parciálnı́ derivace (prvnı́ho řádu i vyššı́ch řádů).
Extremálnı́ úlohy vycházejı́cı́ z pojmů lokálnı́ extrém, vázaný extrém

a absolutnı́ extrém majı́ své důležité ekonomické aplikace.
Reference

Expert. ISBN 978-80-247-5406-2.
c2005. ISBN 007-123823-9.
[4] DOWLING, Edward T. Introduction to mathematical economics. 3rd
ed. New York, N.Y.: McGraw-Hill, c2012. Schaum’s outline series.
ISBN 978-0-07-176251-9.
Diferenciálnı́ a diferenčnı́ rovnice
Viskotová, Hampel (ÚSO MENDELU) Diferenciálnı́ a diferenčnı́ rovnice ZS 2020/21 1 / 44

1 Diferenciálnı́ rovnice – základnı́ pojmy

2 Diferenciálnı́ rovnice 1. řádu
Diferenciálnı́ rovnice typu y 0 = f (x)
Diferenciálnı́ rovnice se separovatelnými proměnnými
Lineárnı́ diferenciálnı́ rovnice 1. řádu
3 Úvod do problematiky diferenčnı́ch rovnic

DIFERENCIÁLNÍ A DIFERENČNÍ ROVNICE
Diferenciálnı́ rovnice – základnı́ pojmy

Obyčejná diferenciálnı́ rovnice
Obyčejnou diferenciálnı́ rovnicı́ rozumı́me rovnici, ve které se vyskytujı́

derivace hledané funkce y = f (x) jedné proměnné.
Řádem diferenciálnı́ rovnice nazýváme řád nejvyššı́ derivace hledané

funkce v uvažované rovnici.
Přı́klad
obyčejná diferenciálnı́ rovnice 2. řádu:
d2 y dy
y 00 − 2xy 0 − 2y = 2x, 2
+4 + 4y = 0
dx dx
obyčejná diferenciálnı́ rovnice 4. řádu:
d4 y
y (4) − y = 4 sin x − 8e−x , −y =0
dx 4

Parciálnı́ diferenciálnı́ rovnice
Parciálnı́ diferenciálnı́ rovnice jsou rovnice, v nichž se vyskytujı́

parciálnı́ derivace hledané funkce dvou nebo i vı́ce proměnných.
Přı́klad
parciálnı́ diferenciálnı́ rovnice 1. řádu:
∂z ∂z
3zx0 − 2zy0 = 0, neboli 3 −2 =0
∂x ∂y
parciálnı́ diferenciálnı́ rovnice 2. řádu:
00 00 ∂2z ∂2z
zxx + x · zxy = 1, neboli + x · =1
∂x 2 ∂x∂y

Řešenı́ diferenciálnı́ rovnice n-tého řádu
Definice
Řešenı́m nebo integrálem diferenciálnı́ rovnice n-tého řádu rozumı́me
každou funkci jedné proměnné y = y (x) definovanou na určitém intervalu,
která má derivaci až do řádu n a po dosazenı́ do dané diferenciálnı́ rovnice
ji převádı́ na tomto intervalu na identickou rovnost.
Rozlišujeme tři druhy řešenı́ diferenciálnı́ rovnice n-tého řádu:

a) obecné řešenı́ obyčejné diferenciálnı́ rovnice řádu n má tvar
y = y (x, C1 , C2 , . . . , Cn ), kde Ci jsou konstanty,
b) partikulárnı́ řešenı́ je řešenı́, které můžeme dostat z obecného řešenı́
vhodnou volbou konstant,
c) singulárnı́ řešenı́ je řešenı́, které nenı́ možné zı́skat z obecného řešenı́
žádnou volbou konstant.

Řešenı́ diferenciálnı́ rovnice – přı́klad
Přı́klad (1)
Řešenı́m diferenciálnı́ rovnice y 00 + y = 0 jsou např.
y = cos x [y 0 = − sin x]: − cos x + cos x = 0
0=0
0
y = 3 cos x − 5 sin x [y = −3 sin x − 5 cos x]:
(−3 cos x + 5 sin x) + (3 cos x − 5 sin x) = 0
0=0
y = C1 cos x + C2 sin x, C1 , C2 ∈ R [y 0 = −C1 sin x + C2 cos x]:

(−C1 cos x − C2 sin x) + (C1 cos x + C2 sin x) = 0
0=0
Funkce y = C1 cos x + C2 sin x je obecným řešenı́m diferenciálnı́ rovnice,

funkce y = cos x je partikulárnı́m řešenı́m pro C1 = 1, C2 = 0 a funkce
y = 3 cos x − 5 sin x je partikulárnı́m řešenı́m pro C1 = 3, C2 = −5.
Řešenı́ diferenciálnı́ rovnice – přı́klad
Přı́klad (2)
Rovnice 1. řádu
y = xy 0 − 2y 02 + y 0
má obecné řešenı́
y = Cx − 2C 2 + C , C ∈ R
a singulárnı́ řešenı́
1 2
y= x + 2x + 1 .
8

Počátečnı́ podmı́nky
V praktických úlohách je často potřebné nalézt takové řešenı́

diferenciálnı́ rovnice, které splňuje určité předem dané podmı́nky.
Nejčastěji pracujeme s tzv. počátečnı́mi podmı́nkami.
U diferenciálnı́ch rovnic 1. řádu majı́ počátečnı́ podmı́nky tvar
y (x0 ) = y0 .
Graf přı́slušného partikulárnı́ho nebo singulárnı́ho řešenı́ se nazývá

integrálnı́ křivka a procházı́ bodem [x0 ; y0 ].

Systém integrálnı́ch křivek diferenciálnı́ rovnice – přı́klad
Přı́klad (zdroj[1])
p Singulárnı́ řešenı́: y = 0
y0 = 3 3 y2 Obecné řešenı́: y = (x + C )3 , C ∈ R
Pro hodnotu C = −2 dostáváme partikulárnı́ řešenı́: y = (x − 2)3
Pro počátečnı́ podm. y (0) = 1 dostáváme partikulárnı́ řešenı́: y = (x + 1)3
y C = −2
2
1
y =0
−4 −3 −2 −1 0 1 2 3 4 x
−1
−2

Diferenciálnı́ rovnice 1. řádu

Přı́klad
Určete obecné řešenı́ rovnice y 0 = e1−2x .
Řešenı́:
Z
1
y= e1−2x dx = − e1−2x + C , C ∈ R
2
Neurčitý integrál k dané funkci f (x) představuje obecné řešenı́

diferenciálnı́ rovnice 1. řádu y 0 = f (x).
Přı́klad
Z
1
Výpočtem cos 2xdx = sin 2x + C tedy zjistı́me, že obecné řešenı́
2
1
diferenciálnı́ rovnice 1. řádu y 0 = cos 2x je y = sin 2x + C , C ∈ R.
2
Přı́klad (zdroj[1])
Určete partikulárnı́ řešenı́ rovnice y 0 = 2x − 2 splňujı́cı́ počátečnı́
podmı́nku y (2) = 3.
y C =3
C =2
4 C =1
3 C =0
2 C = −1
1
−1 1 2 3 x
−1

DIFERENICÁLNÍ ROVNICE 1. ŘÁDU
Diferenciálnı́ rovnice se separovatelnými

proměnnými

Diferenciálnı́ rovnice se separovatelnými proměnnými
Diferenciálnı́mi rovnicemi se separovatelnými proměnnými se nazývajı́
rovnice, které se dajı́ upravit na tvar g (y )dy = h(x)dx, kde g (y )
a h(x) jsou funkce spojité v určitých otevřených intervalech.
Při jejı́m řešenı́ derivaci y 0 formálně nahradı́me podı́lem
dy
diferenciálů a rovnici upravı́me na tvar
dx
g (y )dy = h(x)dx.
Tuto rovnici nazýváme diferenciálnı́ rovnicı́ se separovanými
proměnnými.
V rámci úprav předpokládáme, že výrazy, kterými dělı́me, jsou
nenulové. Bodům, kde jsou tyto výrazy rovny nule, mohou někdy
odpovı́dat singulárnı́ řešenı́.
Z Z
Obecné řešenı́ potom odpovı́dá vztahu g (y )dy = h(x)dx, přičemž
integračnı́ konstantu přidáváme jen na jednu stranu rovnice. Toto
řešenı́ dál dle možnostı́ upravı́me.
Rovnice se separovatelnými proměnnými – přı́klad

p
Řešte diferenciálnı́ rovnici cos2 x · y 0 = 1 + cos2 x 1 − y 2.
Řešenı́:
Odseparujeme proměnné x a y , přičemž nalezneme i konstantnı́ řešenı́:
p
cos2 x · y 0 = 1 + cos2 x 1 − y2
dy p
cos2 x · = 1 + cos2 x 1 − y2
dx
1 1 + cos2 x
dy = dx, y 6= ±1
cos2 x
p
1 − y2
1 1
p dy = 2x
+ 1dx
1−y 2 cos

Rovnice se separovatelnými proměnnými – přı́klad

Obě strany rovnice zintegrujeme:
arcsin y = tan x + x + C , C ∈ R
y = sin(tan x + x + C )
Obecné řešenı́: y = sin(tan x + x + C ), C ∈ R
Separacı́ proměnných jsme došli k řešenı́ v podobě konstantnı́ch funkcı́

y = 1, y = −1. V obecném řešenı́ nelze ale najı́t takové reálné čı́slo
C , které by uvedená konstantnı́ řešenı́ vyjádřilo. Proto funkce y = 1,
y = −1 označı́me jako řešenı́ singulárnı́.

Rovnice se separovatelnými proměnnými – aplikace

Částka 1000 Eur je uložena do banky s ročnı́ úrokovou sazbou 10%. Jaká
bude výše částky po 5 letech, uvažujeme-li spojité úročenı́?
Řešenı́:
Označme y (t) výši částky v čase t, t ≥ 0.
Dále uvažujme ročnı́ úrokovou mı́ru i ve tvaru desetinného čı́sla

a počátečnı́ vklad PV .
Hledaná funkce y (t), tj. výše částky v čase t, musı́ splňovat

diferenciálnı́ rovnici 1. řádu
y0 = i y
s počátečnı́ podmı́nkou y (0) = PV (hodnota počátečnı́ho vkladu).


Separace proměnných vede na konstantnı́ řešenı́ y = 0, které ale
nevyhovuje počátečnı́ podmı́nce:
dy
=iy
dt
dy
= i dt, y 6= 0
y
Zintegrujeme obě strany rovnice
Z Z
dy
= i dt,
y
ln |y | = i t + C1 , C1 ∈ R


Obecné řešenı́ upravı́me:
|y | = eit+C1
|y | = eit · eC1
y = C2 · eit , C2 = ±eC1 ∈ R \ {0}
y = C · eit , C ∈ R (včetně konstantnı́ho řešenı́ y = 0)
Partikulárnı́ řešenı́ vyhovujı́cı́ počátečnı́ podmı́nce y (0) = PV :
PV = C · e0 ⇒ C = PV
y = PV · eit (obecný vzorec pro spojité úročenı́)


Do obecného vzorce nynı́ dosadı́me PV = 1000, i = 0,1 a t = 5:
y = 1000 · e0,1·5
y = 1000 · e0,5
.
y = 1648,72
Vložı́me-li do banky 1000 Eur s ročnı́ úrokovou sazbou 10%, budeme

mı́t za 5 let na účtu asi 1649 Eur.

Úpravy při řešenı́ diferenciálnı́ch rovnic
Po zintegrovánı́ rovnice použı́váme při úpravě často pravidel pro

výpočet logaritmů:
ln A + ln B = ln(A · B)
A
ln A − ln B = ln
B
k ln A = ln Ak
Tyto úpravy lze zobecnit na logaritmy o libovolném základu

z ∈ R+ \ {1}.
V rámci úprav obecného řešenı́ diferenciálnı́ rovnice využijeme také

vlastnostı́ dvou vzájemně inverznı́ch funkcı́:
ln A = K ⇔ eK = A

DIFERENICÁLNÍ ROVNICE 1. ŘÁDU

Definice
Lineárnı́ diferenciálnı́ rovnice 1. řádu je rovnice tvaru
y 0 + a(x)y = b(x),
kde a, b jsou funkce spojité na určitém intervalu I .

Je-li b(x) ≡ 0 na intervalu I , nazývá se rovnice zkrácená, v opačném
přı́padě jde o rovnici úplnou.
Přı́klad
y 0 + y tan x = 0
2
(x + 1)y 0 − 2y = (x + 1)4 ⇒ y0 − y = (x + 1)3
x +1
1
y0 + y = x2
x
Vzorec pro výpočet lineárnı́ch rovnic 1. řádu
Výpočet rovnice y 0 + a(x)y = b(x) lze shrnout do vzorce

R
Z R

− a(x)dx a(x)dx
y =e b(x)e dx + C , C ∈ R. (1)
Pro zkrácenou rovnici platı́ b(x) = 0, tudı́ž lze jejı́ řešenı́ zapsat jako
R
y = C e− a(x)dx
, C ∈ R.
Při výpočtech neurčitých integrálů zapisujeme primitivnı́ funkce bez

integračnı́ konstanty.
Zkrácenou lineárnı́ diferenciálnı́ rovnici lze řešit také separacı́

proměnných.

Lineárnı́ diferenciálnı́ rovnice 1. řádu – přı́klady

Řešte rovnici 2
1 + x 2 y 0 − 2xy = 1 + x 2 .

Řešenı́:
Zadanou rovnici upravı́me do požadovaného tvaru:
2x
y0 − · y = 1 + x2
1 + x2
2x
a(x) = − , b(x) = 1 + x 2
1 + x2
Z Z Z
2x 2x
a(x)dx = − dx = − dx =
1 + x2 1 + x2
= − ln 1 + x 2 = − ln 1 + x 2



Dosadı́me do vzorce (1) ze slajdu 25:
Z
ln(1+x 2 ) 2 − ln(1+x 2 )

y =e 1+x e dx + C =
Z
−1
ln(1+x 2 ) 2 ln(1+x 2 )

=e 1+x
dx + C = e
Z
1
= 1 + x2 1 + x2

dx + C =
1 + x2
Z
2
1dx + C = 1 + x 2 (x + C ) = x 3 +x+C 1 + x 2

= 1+x
Obecné řešenı́: y = x 3 + x + C 1 + x 2 , C ∈ R



Vzhledem k počátečnı́ podmı́nce y (1) = 2 řešte rovnici
y
xy 0 − = x.
x +1
Řešenı́:
Zadanou rovnici upravı́me do požadovaného tvaru:
1
y0 − ·y =1
x2 +x
1
a(x) = − 2 , b(x) = 1
x +x
Z Z
1 1 1 + x 1 + x
a(x)dx = − 2 dx = ln = ln

x + 12 − 14 2 · 12 −x x


Vzhledem k charakteru řešenı́ lineárnı́ diferenciálnı́ rovnice budeme
uvažovat pouze interval, kde je výraz 1+x x nezáporný:
Z
1 + x 1+x
a(x)dx = ln = ln
x x
Dosadı́me do vzorce (1) ze slajdu 25:

Z
− ln( 1+x
x )
ln( 1+x
x )
y =e 1·e dx + C =
Z Z
x 1+x x 1
= dx + C = + 1 dx + C =
1+x x 1+x x
x
= (ln |x| + x + C )
1+x
x
Obecné řešenı́: y = (ln |x| + x + C ) , C ∈ R
1+x
Počátečnı́ podmı́nka y (1) = 2:
1
2= (ln |1| + 1 + C )
1+1
1
2 = (1 + C )
2
4=1+C
C =3
Partikulárnı́ řešenı́ vyhovujı́cı́ zadané počátečnı́ podmı́nce:

x
y= (ln |x| + x + 3)
1+x
Úvod do problematiky diferenčnı́ch rovnic

Pojem posloupnost
Definice
Posloupnost je funkce y = a(n) definovaná na množině N všech
přirozených čı́sel, přı́padně na jejı́ch podmnožinách.
V některých situacı́ch je vhodnějšı́ definovat posloupnost na množině
N0 = {0, 1, 2, . . .}.

Posloupnost daná funkcı́ a(n)
Jestliže je každému n přiřazena právě jedna hodnota a(n), potom

funkčnı́ hodnoty přiřazené jednotlivým čı́slům 1, 2, 3, . . . značı́me
a1 , a2 , a3 , . . . a nazýváme je členy posloupnosti.
Značenı́ posloupnosti: (an )
Grafem posloupnosti je množina izolovaných bodů:

y
y = a(n)
3
1
n
−2 −1 0 1 2 3 4 5 6 7
−1

Možnosti zadánı́ posloupnosti
Výčtem členů. Napřı́klad (an ) = {1; 2; −1; 3}
Rekurentně. Je zadán prvnı́ člen nebo několik prvnı́ch členů a vzorec,

pomocı́ něhož lze určit dalšı́ členy.
Napřı́klad a1 = 1, a2 = 2, an+2 = an+1 + an je rekurentnı́ zadánı́ tzv.
Fibonacciho posloupnosti {1; 2; 3; 5; 8; 13; 21; 34; . . .}.
Vzorcem pro n-tý člen. Napřı́klad vzorec an = 2n − 1, pomocı́ něhož

určı́me libolné členy posloupnosti (a1 = 2 · 1 − 1 = 1,
a15 = 2 · 15 − 1 = 29 apod.)
Rekurentnı́ zadánı́ posloupnost lépe charakterizuje“. Jeho nevýhodou je

”
však to, že libovolný člen posloupnosti můžeme určit jen tehdy, když
známe předcházejı́cı́ členy. Pro výpočty je vhodnějšı́ vyjádřenı́ posloupnosti
vzorcem pro n-tý člen.

Geometrická posloupnost
Definice
Posloupnost (an ) se nazývá geometrická, jestliže existuje takové reálné
nenulové čı́slo q, že pro každé n ∈ N platı́ an+1 = an q.
an+1
Čı́slo q = se nazývá kvocient geometrické posloupnosti.
an
Vzorec pro n-tý člen geometrické posloupnosti:
an = a1 q n−1
Grafem geometrické posloupnosti s kladným kvocientem q jsou body

ležı́cı́ na exponenciálnı́ křivce o základu q. Proto se někdy v souvislosti
s geometrickou posloupnostı́, kde q > 1, mluvı́ o exponenciálnı́m
růstu.

Diferenčnı́ rovnice
Diferenčnı́ rovnice popisuje vztah udávajı́cı́ souvislost mezi několika po

sobě jdoucı́mi členy posloupnosti. Řešit diferenčnı́ rovnici pak
znamená najı́t vzorec pro n-tý člen této posloupnosti.
Obecné řešenı́ vyjadřuje všechna řešenı́ diferenčnı́ rovnice. Přı́slušný

vzorec obsahuje nezávislé obecné konstanty.
Partikulárnı́ řešenı́ vyjádřı́me z obecného řešenı́ tak, že za konstanty

dosadı́me libovolná reálná čı́sla nebo že tyto konstanty vypočteme
z tzv. počátečnı́ch podmı́nek.
Je-li (an ) posloupnost, nazýváme čı́slo ∆an = an+1 − an diference

posloupnosti (an ) v bodě n. Odtud tedy název diferenčnı́ rovnice.

Řešenı́ diferenčnı́ rovnice – přı́klad

C
Ověřte, že posloupnost yn = , C ∈ R, n ∈ N0 je řešenı́m rovnice
n+1
n+1
yn+1 = yn
n+2
a určete partikulárnı́ řešenı́ vzhledem k počátečnı́ podmı́nce y4 = −5.
Řešenı́:
Dosadı́me zadanou posloupnost do obou stran diferenčnı́ rovnice:
C C
L= =
(n + 1) − 1 n+2
n+1 C C
P= · = ⇒ L=P
n+2 n+1 n+2
Řešenı́ diferenčnı́ rovnice – přı́klad

Do posloupnosti, která představuje obecné řešenı́ rovnice, dosadı́me
počátečnı́ podmı́nky:
C
yn =
n+1
C
−5 = ⇒ C = −25
4+1
Partikulárnı́ řešenı́ vyhovujı́cı́ počátečnı́m podmı́nkám:
25
Yn = −
n+1
Prvnı́ch několik členů posloupnosti
−25; − 25 25 25 25 25

2 ; − 3 ; − 4 ; −5; − 6 ; − 7 ; · · ·

Zkrácená lineárnı́ diferenčnı́ rovnice 1. řádu
Zkrácená lineárnı́ diferenčnı́ rovnice 1. řádu s konstantnı́mi koeficienty
má tvar
yn+1 + pyn = 0 p ∈ R \ {0}.
Obecnému řešenı́ odpovı́dajı́ geometrické posloupnosti
s kvocientem (−p):
yn = C (−p)n , C ∈R
Přı́klad
Řešte rovnici 2yn+1 − 3yn = 0.
Řešenı́:
3
Rovnici přepı́šeme do požadovaného tvaru: yn+1 − yn = 0.
2
Obecné řešenı́: n
3
yn = C , C ∈R
2
Zkrácená lineárnı́ diferenčnı́ rovnice 1. řádu – přı́klad
Přı́klad
Vzhledem k počátečnı́ podmı́nce y1 = 1 řešte rovnici
yn+1 − yn = 0.
Řešenı́:
Obecné řešenı́: yn = C · 1n = C ; C ∈ R
Počátečnı́ podmı́nky: y1 = 1 ⇒ 1 = C
Partikulárnı́ řešenı́ vyhovujı́cı́ počátečnı́m podmı́nkám:
Yn = 1
Jedná se tedy o konstantnı́ posloupnost.

Zkrácená lineárnı́ diferenčnı́ rovnice 1. řádu – aplikace
Přı́klad
Jakou částku bude mı́t pan Sedláček na účtu za 6 let při úrokové sazbě
1,5 % p.a. s ročnı́m připisovánı́m úroků a počátečnı́m vkladem 120 000 Kč?
Řešenı́:
Model úročenı́ zapı́šeme pomocı́ zkrácené diferenčnı́ rovnice 1. řádu:
yn+1 = yn + 0,015yn .
Počátečnı́ podmı́nky jsou dány počátečnı́m vkladem: y0 = 120 000.

Diferenčnı́ rovnice v základnı́m tvaru: yn+1 − 1,015yn = 0.
Obecné řešenı́: yn = C · (1,015)n ; C ∈ R
Počátečnı́ podmı́nky: 120 000 = C (1,015)0 ⇒ C = 120 000

Partikulárnı́ řešenı́ : Yn = 120 000 · (1,015)n
.
Pro n = 6 dostáváme částku Y6 = 120 000 · (1,015)6 = 131 213 Kč.

Diferenciálnı́ a diferenčnı́ rovnice
Diferenciálnı́ i diferenčnı́ rovnice jsou podstatnou součástı́

teoretického základu, který matematicky popisuje ekonomické a často
i společenské jevy, zákony a zákonitosti.
I když z matematického hlediska se oba druhy rovnic týkajı́ odlišných

objektů (řešenı́m diferenciálnı́ rovnice je funkce, zatı́mco řešenı́m
diferenčnı́ rovnice je posloupnost), při studiu obou druhů rovnic se
použı́vajı́ podobné postupy, myšlenky a techniky a také formulace
základnı́ch výsledků je do jisté mı́ry analogická.
Mezi základnı́ diferenciálnı́ rovnice 1. řádu, které je možno řešit

analytickou cestou, patřı́ rovnice se separovatelnými proměnnými
a lineárnı́ diferenciálnı́ rovnice.

Reference

Expert. ISBN 978-80-247-5406-2.

MATIKA Vsetko (Mendelu - matros.cz-1STf9)

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

MATIKA Vsetko (Mendelu - matros.cz-1STf9)

Uploaded by

Copyright:

Available Formats

Principy matematického uvažovánı́

Lenka Viskotová, David Hampel

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 1 / 33

1 Základy logické výstavby matematiky

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 2 / 33

Základy logické výstavby matematiky

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 3 / 33

Z výroků můžeme pomocı́ tzv. logických spojek vytvářet složené

Negacı́ ¬p výroku p je výrok, který je pravdivý tehdy, jestliže výrok p

Všechny židle v mı́stnosti jsou obsazeny.“

Všechny židle v mı́stnosti nejsou obsazeny.“

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 5 / 33

Konjunkce p ∧ q je výrok, který je pravdivý tehdy, jsou-li oba výroky

Disjunkce Čı́slo 14 je dělitelné jedenácti nebo je dělitelné sedmi.“ je

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 6 / 33

Implikace p ⇒ q je výrok, který je nepravdivý tehdy, jestliže je výrok p

Složený výrok p ⇒ q čteme z p vyplývá q“, p implikuje q“,

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 7 / 33

Ekvivalence p ⇔ q je výrok, který je pravdivý tehdy, jestliže výroky p,

Složený výrok p ⇔ q čteme p platı́, právě když platı́ q“, p platı́

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 8 / 33

Předpokládejme, že platı́ implikace p ⇒ q.

Výrok q je tzv. nutnou podmı́nkou pro p.

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 9 / 33

Předpokládejme, že platı́ ekvivalence p ⇔ q.

Potom q je tzv. nutnou a postačujı́cı́ podmı́nkou pro p, a naopak.

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 10 / 33

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 11 / 33

Množina všech přirozených čı́sel včetně nuly N0 :

Množina všech celých čı́sel Z:

{. . . ; −3; −2; −1; 0; 1; 2; 3; . . .}

Množina všech racionálnı́ch čı́sel Q:

Množina všech reálných čı́sel R.

Každé reálné čı́slo je vyjádřitelné desetinným rozvojem a lze mu

V diferenciálnı́m a integrálnı́m počtu funkcı́ pracujeme s tzv.

Body ±∞ nazýváme nevlastnı́ body.

Body množiny R nazýváme vlastnı́ body.

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 14 / 33

Pro −∞ < k < 0: k · ∞ = −∞, k · (−∞) = ∞.

Na množině R∗ nejsou definovány operace (tuto skutečnost označı́me k k)

k±∞ · 0k, neboli k+∞ · 0k, k−∞ · 0k,

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 16 / 33

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 17 / 33

Polynom n-tého stupně proměnné x:

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 18 / 33

Zápis sumace lze vyjádřit také pomocı́ tzv. indexové množiny:

Sumace se pak provádı́ pro všechny sumačnı́ indexy x, které jsou

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 19 / 33

Geometrický průměr n čı́sel xj :

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 20 / 33

Na čı́selných množinách provádı́me tzv. binárnı́ operace, které každé

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 22 / 33

nazývá se toto čı́slo neutrálnı́m prvkem vzhledem k operaci .

Na množině reálných čı́sel je neutrálnı́m prvek vzhledem k operaci násobenı́

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 24 / 33

nazýváme čı́slo ā inverznı́ prvek k a.

V lineárnı́ algebře danou problematiku rozšı́řı́me o operace s maticemi.

Základnı́ pojmy z teorie množin

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 26 / 33

Množinou rozumı́me soubor navzájem odlišitelných objektů chápaný

K zápisu skutečnosti, že prvek patřı́ či nepatřı́ do dané množiny,

Množina, která neobsahuje žádný prvek, se nazývá prázdná množina

Viskotová, Hampel (ÚSO MENDELU) Principy matematického uvažovánı́ ZS 2020/21 27 / 33