1 Gradient og retningsaedede

Baseret pa opgave 2
f(x, y) = 13x
2
y
3
1.1 Gradienten
1.1.1 Partielle aedede
Den partielle aedede af funktionen f er:
f
x
(x, y) = 2 13xy
3
= 26xy
3
1.1.2 Beregning af gradienten
Beregn gradienten af funktionen f.
f(x, y) = (f
x
(x, y), f
y
(x, y))
f(x, y) = (f
x
(x, y), 39x
2
y
2
)
1.1.3 Beregning af gradient i punkt
Gradienten af f i punktet (1,-1)
f(1, 1) = (26y
3
, 39x
2
)
1.2 Retningsaedede
1.2.1 Enhedsvektoren
Enhedsvektoren u i retningen givet ved vektoren (6,6)
u =
1

6
2
+ 6
2
(6, 6) =
1

72
(6, 6)
Enhedsvektoren u i retningen givet ved vinklen
5
4
u = (cos(
5
4
), sin(
5
4
)) = (

2
2
,

2
2
) =

2
(1, 1) =
1

2
(1, 1)
1
1.2.2 Retningsaedede i punkt
Den retningsaedede D
u
f(1, 1) hvor u er enhedsvektoren.
D
u
f(x, y) = f(x, y) u
D
u
f(1, 1) = 26y
3

72
+ 39y
2

72
=
26y
3
6 + 39x
2
6

72
26y
3
6 + 39x
2
6

36
=
26y
3
6 + 39x
2
6

6
26y
3
+ 39x
2

2
=
26 (1)
3
+ 39 1
2

2
=
13

2
1.2.3 Strste og mindste retningsaedede i punkt
Den enhedsvektor v, der giver den strste retningsaedede (den der vokser hur-
tigst) er:
u =
f(x, y)
|f(x), y|
)
Den retning hvor f aftager hurtigst er:
u =
f(x, y)
|f(x, y)|
Den strste retningsaedede i punktet (1,-1) er:
v =
(26y
3
, 39x
2
)
_
(26y
3
)
2
+ (39x
2
)
2
v =
(26, 39)
_
(26)
2
+ (39)
2
v =
_
26
_
(26)
2
+ (39)
2
,
39
_
(26)
2
+ (39)
2
_
=
1

13
(2, 3)
1.2.4 Vrdien af den strste retningsaedede i punkt
Vrdien af den strste retningsaedede D
u
f(x) er |f(x)|
Vrdien af den strste retningsaedede af f i punktet (1,-1)
D
v
f(1, 1) =
_
(26y
3
)
2
+ (39x
2
)
2
D
v
f(1, 1) =
_
(26)
2
+ 39
2
) = 13

13
2
2 Egenvrdier og egenvektorer
Baseret pa opgave 2
A =
_
_
1 0 1
1 0 1
1 0 1
_
_
2.1 Egenvrdier
2.1.1 Det karakteristiske polynomium
Det karakteristiske polynomium P() for A er:
|AI| =

1 0 1
1 0 1
1 0 1

= ((1 ) () (1 )) ()
|AI| =
3
+ 2
2
2.1.2 Bestemmelse af egenvrdierne
Egenvrdierne for A er lsningerne til det karakteristiske polynomium:
solve(P(), )
For A bliver det:

1
= 0,
2
= 0,
3
= 2
2.2 Egenvektorer
Egenvektorer ndes ved (A I)u = 0 For vores matrix A med egenvrdien
2
bliver det:
_
_
1 0 0 1
1 0 0 1
1 0 1 0
_
_
u = 0
Hvis vi bringer matricen pa echelon form far vi:
_
x y z
_
=
_
_
1 0 1
0 0 0
0 0 0
_
_
u = 0
Vi kan se at der kun er 1 pivot, altsa den frste kolonne og der er 2 frie variable.
Derfor far vi 2 egenvektorer.
Den frste egenvektor nder vi ved at tage den frste frie variable, der er den
anden kolonne (eller y-variablerne) og ytter y over pa den anden side af lighed-
stegnet.
Hvis vi gr det for alle den frste og den anden rkke og stter u
y
= 1 far vi:
u
x
= x + z = 0
3
u
y
= 1
u
z
= 0 = 0
Og vi far saledes den frste egenvektor til at vre:
_
_
0
1
0
_
_
Det samme gr vi sa for den tredje kolonne altsa z.
v
x
= x = z
v
y
= 0 = 0
v
z
= 1
_
_
1
0
1
_
_
Det er sa de to egenvektorer.
2.2.1 Egenrum
Egenrummet udspndes af alle vektorer af formen t u hvor u er egenvektoren.
For vores matrix bliver det t(0, 1, 0) og t(1, 0, 1) Og vi far sa vores egenrum til
at blive:
span(
_
_
0
1
0
_
_
,
_
_
1
0
1
_
_
)
2.2.2 Beregning af vektor nar u er en egenvektor for matricen A
u er en egenvektor for matricen A hrende til egenvrdien
1
= 0. Sa kan vi
beregne flgende vektor:
100A
2
u + 50u =?u
Au = u
100
2
u + 50 =?u
100 0
2
u + 50u =?u
50u = 50u
4
3 Dobbeltintegraler
Baseret pa opgave 2
3.1 Partiel integration
For at beregne vrdien af det partielle integral
max
_
min
f(x)dx
Integrerer vi udtrykket og trkker den nedre grnse fra den vre grnse.
max
_
min
f(x)dx = [F(x)]
max
min
= F(max) F(min)
4

16x
4
_
0
4y
3
dy = [x
4
]
4

16x
4
0
=
4
_
16 x
4
4
0
4
= 16 x
4
5
4 Overbestemte ligningssystemer
Baseret pa opgave 2
x -2 0 2 4
y 1 2 4 5
4.1 Opstilling af overbestemt ligningssystem
For at opstille et ligningssystem pa formen Ac=y til bestemmelse af vektoren
c = (c
0
, c
1
)
T
laver vi flgende matricer:
_
_
1 x
1
...
1 x
n
_
_
_
c
0
c
1
_
=
_
_
y
1
...
y
n
_
_
For den givne tabel bliver det:
_
_
_
_
1 2
1 0
1 2
1 4
_
_
_
_
_
c
0
c
1
_
=
_
_
_
_
1
2
4
5
_
_
_
_
4.2 Normalligningerne
For at udregne normalligningerne A
T
Ac = A
T
y er det lettest frst at nde A
T
og gange det ind pa A og y og til sidst fa en ligning pa formen:
A
T
A
_
c
0
c
1
_
= A
T
y
A
T
for den givne tabel er:
_
1 1 1 1
2 0 2 4
_
Sa kan vi nde A
T
AogA
T
y
A
T
A =
_
4 4
4 24
_
A
T
y =
_
12
26
_
Vi far sa normalligningen til:
_
4 4
4 24
__
c
0
c
1
_
=
_
12
26
_
For at nde c
0
og c
1
ved hjlp af normalligningerne lser vi de to ligninger:
4c
0
+ 4c
1
= 12
6
4c
0
+ 24c
1
= 26
c
0
=
23
10
, c
1
=
7
10
4.3 Afvigelsesvektoren
Afvigelsesvektoren ndes ved Ac y For vores tabel bliver det:
_
_
_
_
1 2
1 0
1 2
1 4
_
_
_
_
1
10
_
23
7
_

_
_
_
_
1
2
4
5
_
_
_
_
=
1
10
_
_
_
_
1
3
3
1
_
_
_
_
7
5 Second derivatives test
Baseret pa opgave 2
f(x, y) = 1 + 3x 2y x
3
+ y
2
5.1 Kritiske punkter
For at nde de kritiske punkter nder vi de partielle aedte og stter dem begge
lig med 0.
f
x
= 0
f
y
= 0
Og nder sa alle lsninger til ligningssystemet.
For funktionen f bliver det:
f
x
(x, y) = 3x
2
+ 3
f
y
(x, y) = 2y 2
3x
2
+ 3 = 0
2y 2 = 0
Sa far vi:
(1, 1), (1, 1)
5.2 Den kritiske vrdi
Den kritiske vrdi kan ndes ved at stte det kritiske punkt ind i funktionen.
For funktionen f bliver det:
f(1, 1) = 1 3 2 + 1 + 1 = 2
5.3 Second derivatives test
Man kan udregne teststrrelsen D i andenordenskriteriet ved at nde de dobbelt
aedte og stte dem ind i flgende ligning:
D = f
xx
(x, y)f
yy
(x, y) (f
xy
(x, y))
2
For funktionen f bliver det:
f
xx
= 6x
f
yy
= 2
f
xy
= 0
D = 6x 2 0 = 12x
8
5.4 Arten af det kritiske punkt
For at nde arten af det kritiske punkt kigger man pa dierential kvotienten og
f
xx
.
D f
xx
art
D > 0 f
xx
(x, y) > 0 f(x, y) er et lokalt minimum
D > 0 f
xx
(x, y) < 0 f(x.y) er et lokalt maksimum
D < 0 Irrelevant f(x, y) er et saddelpunkt
D = 0 Irrelevant Det er ikke til at sige ud fra denne test
9
6 Taylorrkker
Baseret pa opgave 8923
6.1 Taylorrkker
En taylor serie er deneret som:
f(x) =

n=0
f
(n)
(a)
n!
(x a)
n
= f(a) +
f

(a)
1!
x +
f

(a)
2!
x
2
+ ...
6.2 Maclaurinrkken
En Maclaurin rkke er en taylor rkke hvor man tager f(0)
En Maclaurinrkke er deneret som:
f(x) =

n=0
f
(n)
(0)
n!
x
n
= f(0) +
f

(0)
1!
x +
f

(0)
2!
x
2
+ ...
For cos(x) er en Maclaurin rkke deneret som:

n=0
(1)
n
x
2n
(2n)!
= 1
x
2
2!
+
x
4
4!

x
6
6!
...
For sin(x) er en Maclaurin rkke deneret som:

n=0
(1)
n
x
2n+1
(2n + 1)!
= x
x
3
3!
+
x
5
5!

x
7
7!
...
6.3 Potensrkker
En potensrkker er deneret som:

n=0
C
n
(x a)
n
= C
0
+ C
1
(x a) + C
2
(x a)
2
+ ...
10
7 Lagrange ligninger
Baseret pa opgavest 7543
f(x, y) = x
2
+ y
2
xy, g(x, y) = e
x+y
7.1 Opstilling af Lagrange ligningen
For at opstille en Lagrange ligning med bibetingelsen g(x, y) = k i et punkt
(x
0
, y
0
) udnytter man at:
f(x, y) = g(x, y)
og
g(x, y) = k
Sa far man 3 ligninger:
f
x
= g
x
, f
y
= g
y
, g(x, y) = k
Hvis vi gr det for funktionen f far vi:
f = (2x y, 2y x), g = (e
x+y
, e
x+y
)
2x y = e
x+y
2y x = e
x+y
e
x+y
= k
Og det er sa vores tre Lagrange ligninger
7.2 Ekstemumspunkter
I de tre Lagrange ligninger er der 3 ubekendte, derfor kan man nde ekstremum-
spunkterne ved at nde alle lsninger til de 3 ligninger. Hvis vi gr dette for f
under bibetingelsen g(x, y) = e
2
far vi:
2x y = e
x+y
2y x = e
x+y
e
x+y
= e
2
Nar vi lser dette ligningssystem far vi punktet (1, 1) som er et muligt ek-
stremumspunkt
Vi kan se at det er et minimumspunkt da funktionen er uendeligt voksende og
derfor kun vil have et enkelt ekstremumspunkt som er et minimums punkt
11
8 Ortogonale projektioner
Baseret pa opgavest 4111
Flgende vektorer er i rummet
3
u = (1, 2, 2), x = (1, 3, 1)
8.1 Lngden af vektoren
Her bruger man blot Pythagoras stning:
||v|| =
_
v
2
x
+ v
2
y
+ v
2
z
For vektoren x bliver det:
||x|| =
_
1
2
+ 3
2
+ 1
2
=

11
8.2 Afstand mellem vektorer
Afstanden mellem to vektorer, givet to vektorer i rummet
3
u og v er deneret
som ||u v||:
||u v|| =
_
(u
x
v
x
)
2
+ (u
y
v
y
)
2
+ (u
z
v
z
)
2
For de givne vektorer x og u bliver det:
||u x|| =
_
(1 1)
2
+ (2 3)
2
+ (2 1)
2
8.3 Skalarprodukt
Skalarproduktet eller prikproduktet mellem to vektorer, givet to vektorer i rum-
met
3
u og v er deneret som:
u v = u
x
v
x
+ u
y
v
y
+ u
z
v
z
For de givne vektorer x og u bliver det:
u x = 1 1 + 2 3 + 2 1 = 9
8.4 Den ortogonale projektion
Den ortogonale projektion af p af vektoren pa underrummet U kan skrives
som den linearkombination hvor koecienterne er lsningen pa ligningssystemet.
Hvis underrummet har dimensionen 3 kan det skrives som:
p =
1
v
1
+
2
v
2
+
3
v
3
Hvilket kan skrives som formlen:
p = A(A
T
A)

1A
T

12
Hvor A = (v
1
, v
2
, v
3
) og v
n
er basisvektorer for underrummet.
Den ortogonale projektion v af vektoren x pa underrummet U udspndt af
vektoren u kan da ndes ved:
u(u
T
u)
1
u
t
x =
_
_
_
_
1
2
2
_
_
_
_
Da A = U = span(u) = u
8.5 Den mindste afstand til et underrum
Givet projektionen p af vektorn v pa underrummet U er den mindste afstand:
||v p||
For den givne vektor x med projektionen p pa underrummet U bliver det:
||x p||
_
(1 1)
2
+ (3 2)
2
+ (1 2)
2
=
_
(2)
13
9 Dierential ligningssystemer
Baseret pa Opgaveste 7543
y

1
= ay
1
+ y
2
y

2
= ay
1
+ y
2
u
1
=
_
_
1
1
_
_
u
2
=
_
_
1
a
_
_

1
= a + 1,
2
= 1
9.1 Lsning af systemer pa formen x

= A x
Hvis et ligningssystem har form x

= Ax er lsningen:
x(t) = Ce
At

n
og v
n
er henholdsvist systemets egenvrdier og egenvektorer. Vi kan sa nde
den fuldstndige lsning ved:
x(t) = C
1
e

1
t
v
1
+ C
2
e

2
t
v
2
+ ...
Vi kan se at det givne ligningssystem kan skrives som:
_
_
y

1
(t)
y

2
(t)
_
_
=
_
_
a 1
a 1
_
_
_
_
y
1
(t)
y
2
(t)
_
_
Hvilket passer pa y

= A y
Vi kan sa nde den fuldstndige lsning til ligningssystemet:
y(t) = C
1
e
(1+a)t
u
1
+ C
2
e
1t
u
2
9.2 Linearkombinationer
Opgave 4111 7.5
En vektor der kan skrives pa formen x
1
v
1
+ x
2
v
2
med x
1
, x
2
kaldes en
linearkombination af vektorerne v
1
og v
2
.
Mngden af alle linearkombinationerne af v
1
og v
2
betegnes med span(v
1
, v
2
)
Hvis vi har givet i linearkombinationen: v = C
1
u
1
+ C
2
u
2
har givet vektorerne
v, u
1
og u
2
kan vi nde C
1
og C
2
som to ligninger med to ubekendte
14
10 Polre koordinater
Baseret pa opgave 7543
D = sin(x
2
+ y
2
)
10.1 Omradet D i polre koordinater
Nar man skal beskrive et omrade i polrekoordinater bruger man formen:
{(r, )|u v, R
1
r R
2
}
Hvor u er den mindste vinkel (i radianer) og v er den strste. R
1
er den mindste
radius og R
2
er den frste.
For D bliver det:
{(r, )|0 2, 1 r 3}
15
11 Matrix regning
11.1 Matrix multiplikation (A B)
For at gange to matricer sammen skal man gange rkker med sjler. Man tager
det frste tal i den frste rkke i den frste matrix og ganger det ind pa det
frste tal i den frste kolonne i den anden matrix og lgger det sammen med
det andet tal i den frste rkke i den frste matrix og lgger det sammen med
det andet tal i den anden kolonne i den anden matrix for at nde det andet tal
i anden kolonne i frste rkke.
Altsa:
1. rkke * 1. sjle = 1.tal i 1. rkke.
2. rkke * 1. sjle = 1.tal i 2. rkke.
1. rkke * 2. sjle = 2.tal i 1. rkke.
3. rkke * 2. sjle = 2.tal i 3. rkke.
11.2 Transponering (A
T
)
Nar man transponerer en matrix spejlvender og roterer man den. Dvs.
_
_
_
_
1 2
3 4
5 6
_
_
_
_
T

_
_
_
_
2 1
4 3
6 5
_
_
_
_

_
_
1 3 5
2 4 6
_
_
Note: A B = A
T
B
16
12 Pensum
[L] 5 Projektioner og ortogonalitet
[L] 6 Egenvrdier og egenvektorer
[S] 8.5 Potensrkker
[S] 8.6 Represntation af funktioner ved potensrkker
[S] 8.7 Taylor- og Maclaurin rkker
[S] 11.6 Retningsaedet og gradient vektoren
[S] 11.7 Maksimums- og minimumsvrdier
[S] 12.3 Dobbeltintegraler over generelle omrader
[S] 12.4 Dobbeltintegraler i polre koordinater
17