Wzór Taylora dla funkcji wielu zmiennych
Transkrypt
Wzór Taylora dla funkcji wielu zmiennych
Wzór Taylora dla funkcji wielu zmiennych Wzór Taylora Niech — zbiór otwarty. Niech te pochodne są ciągłe). Niech dla . — funkcja klasy (tzn. różniczkowalna razy i , przy czym niech będą takie, aby , Utwórzmy funkcję pomocniczą Z własności wynika, że jest ciągła na Policzmy kolejne pochodne tej funkcji. Napiszmy dla (tu oraz różniczkowalna razy w sposób ciągły na wzór Taylora dla przyrostu argumentu równego i z resztą w postaci Lagrange'a: ). Wstawiając otrzymane wyżej wzory na pochodne , otrzymujemy: . gdzie jest resztą tego rzędu: I to jest już kompletny wzór Taylora. Czasem może nam przyjść ochota na oszacowanie reszty. Podamy tu takie proste oszacowanie. Proste oszacowanie reszty Stwierdzenie Weźmy kulę domkniętą dla wszystkich , gdzie jest takie, że . Wtedy istnieje taka stała , że . Dowód Wiemy, że funkcje ciągłe na zbiorze zwartym są ograniczone; tak więc: dla wszystkich przez i pewnej dodatniej stałej . Tak więc resztę we wzorze (%i 3) szacujemy Uzasadnienie ostatniej nierówności: Przypomnijmy sobie nierówność Schwarza: Zapodaje ona, że więc mamy: Mamy więc i oznaczając: , otrzymujemy wzór (%i 3) czyli tezę. CBDO Morał Podsumujmy: Wzór Taylora możemy zapisać w postaci: gdzie — mała stopnia wyższego niż , tzn. spełniająca Wzór Taylora pozwala na przybliżenie skomplikowanych funkcji przez wielomiany, z którymi jest mieć do czynienia na ogół o wiele prościej. W zastosowaniach najczęściej spotyka się zastępowanie funkcji przez wielomian pierwszego lub drugiego stopnia, choć zdarza się też konieczność uwzględniania wyższych potęg. Przykł. Energia drga/n cząsteczki o dwu lub więcej atomach w pobliżu położenia równowagi: przybliżenie harmoniczne i czasem konieczność wyjścia poza to przybliżenie. Ekstrema i punkty stacjonarne Niech — zb. otwarty, niech , niech RYS. Maksimum Mówimy, że ma w maksimum, jeżeli Ścisłe maksimum Mówimy, że ma w ścisłe maksimum, jeżeli Maksimum lokalne Mówimy, że ma w maksimum lokalne, jeżeli Uwaga Analogicznie mówimy o minimum, minimum ścisłym, minimum lokalnym, jeśli zmienimy znaki nierówności w definicjach powyżej. Stwierdzenie Niech — zb. otwarty, niech lokalne. Wtedy , niech (tzn. wszystkie pochodne cząstkowe są równe zeru w . Niech ma w punkcie minimum ). Dowód Dla większej jasności zapiszmy tu jawnie współrzędne punktu : Warunek (%i 7) na maksimum lokalne można przeformułować mówiąc, że dla dowolnego wektora przyrostu . Skoro tak, to weźmy wektor przyrostu posiadający tylko pierwszą składową różną od zera, a wszystkie pozostałe równe zeru. W ten sposób, jest funkcją tylko jednej zmiennej jednej zmiennej mówiące, że jeżeli naszej wersji oznacza to, że Weźmy teraz wektor przyrostu . Przypomnijmy sobie teraz tw. dla funkcji posiada w maksimum lokalne, to .W . o niezerowej drugiej składowej, a wszystkich pozostałych równych zeru. Analogiczne rozumowanie prowadzi do wniosku, że otrzymujemy (%i 8). . Itd. W ten sposób CBDO Z teorii funkcji jednej zmiennej przypominamy sobie, że warunek był warunkiem koniecznym, ale nie dostatecznym na to, aby posiadała w punkcie maksimum. Analogicznie jest w przypadku funkcji wielu zmiennych: Warunek (%i 8) jest warunkiem koniecznym, aby w istniało maksimum (mówi o tym powyższe Stwierdzenie), ale implikacja: (%i 8) ( posiada maksimum w ) na ogół nie jest prawdziwa. Punkt krytyczny Niech , — zbiór otwarty w stacjonarnym), jeśli . Mówimy, że ma w punkt krytyczny (zwany też W przypadku funkcji jednej zmiennej można było podać kryterium na to, aby punkt krytyczny był maksimum (minimum); był to warunek, aby druga pochodna funkcji w punkcie krytycznym była mniejsza (większa) od zera[1]. W przypadku funkcji wielu zmiennych również można podać warunek dostateczny na to, aby punkt krytyczny był maksimum (minimum). Jest to jednak bardziej skomplikowane niż w przypadku funkcji jednej zmiennej, i aby ten warunek podać, przypomnimy najsampierw kilka faktów z zakresu teorii form kwadratowych. Forma kwadratowa Niech . Formą kwadratową na nazywamy funkcję Współczynniki występujące w powyższym wyrażeniu tworzą macierz formy kwadratowej: Dla macierzy formy kwadratowej (%i 11) zdefiniujmy następujące liczby . itd., Twierdzenie (Kryterium dodatniej/ujemnej określoności form kwadratowych) 1. Jeśli wszystkie są większe od zera: niezerowego wektora zachodzi: dla , to dla dowolnego (taką formę nazywamy ściśle dodatnią). 2. Jeśli zachodzi: zachodzi: dla , to dla dowolnego niezerowego wektora (taką formę nazywamy ściśle ujemną). Dowodu nie będzie, bo był on już albo będzie niedługo w części 'algebraicznej' wykładu. Przykł. Niech . Forma ujemna, zaś forma jest ściśle dodatnia, forma nie jest ani dodatnia, ani ujemna. jest ściśle Postać kanoniczna formy kwadratowej Jest to taka forma, że macierz formy jest macierzą diagonalną z liczbami: Innymi słowy, na przekątnej. Twierdzenie Każdą formę kwadratową można przez liniową zamianę zmiennych doprowadzić do postaci kanonicznej, która jest jedyna z dokładnością do przenumerowania zmiennych (tzn. ilość plusów i minusów w postaci kanonicznej formy jest jednoznaczna). Dowód Bez dowodu — był on / będzie na części algebraicznej wykładu. Twierdzenie (warunek dostateczny istnienia ekstremum) Niech , — otwarty w . Niech — punkt krytyczny funkcji , tzn. . Niech dla . Wtedy ma w ścisłe minimum lokalne. Dowód Wypiszmy wzór Taylora dla Drugie pochodne takie, że . do 2. rzędu, uwzględniając, że jest punktem krytycznym: z założenia są ciągłe, a co za tym idzie — funkcje dla . Dla wszystkich też są ciągłe, więc istnieje — a więc w szczeg/olności dla CBDO Ekstrema związane (warunkowe) Rozwiązanie przez funkcje uwikłane Często w matematyce/fizyce mamy do czynienia z sytuacją, gdy musimy znaleźć ekstrema jakiejś funkcji przy nałożonym określonym warunku. Na przykład, chcemy znaleźć prostopadłościan o możliwie największej objętości przy warunku, że pole powierzchni tego prostopadłościanu jest ustalone. Niech przypadki, gdzie RYS. , — otwarty. Niech . (dalej zazwyczaj będziemy rozważać jest zadany jako poziomica pewnej różniczkowalnej funkcji ). Minimum lokalne Niech . Mówimy, że funkcja jeśli istnieje otoczenie punktu w ma w punkcie takie, że Rozpatrzmy konkretniej przypadek . Niech (tzn. funkcja minimum lokalne przy warunku, że , jest klasy , . Niech jest zadany jako zerowa poziomica ). Niech będzie dana . Szukamy ekstremów funkcji przy warunku, że . Sytuacja, gdy szukamy ekstremum funkcji bez żadnych warunków, na ogół różni się zasadniczo od tej, gdy szukamy ekstremów przy nałożeniu jakiegoś warunku. Przykł. . Gdy szukamy ekstremów ekstremów nie ma: jest jeden punkt krytyczny gdy szukamy ekstremów przy warunku biegunowych: , ; wtedy , który jest siodłem. Rozważmy teraz sytuację, . Sparametryzujmy okrąg przez kąt obcięta do okręgu jest dana równaniem: , i funkcja we wsp. ma cztery ekstrema: dwa maksima w , co odpowiada punktom na płaszczyźnie: jest równa 1; i dwa minima w . RYS. bez żadnego warunku, to tzn. ; w tych punktach wartość — w tych punktach wartość Wróćmy do og/olnego przypadku funkcji zależnej od dwóch zmiennych jest przy warunku . Rozwiązanie problemu znajdowania ekstremum warunkowego możemy znaleźć, posługując się niedawno udowodnionym twierdzeniem o funkcjach uwikłanych. Będziemy zakładać, że równanie: zrobić, gdy da się (przynajmniej lokalnie) rozwikłać do postaci . Wstawmy uzyskaną funkcję W ten sposób, badanie ekstremów funkcji badania ekstremów funkcji Funkcja posiada punkt ; da się tak do funkcji . Zdefiniujmy: przy warunku . podejrzany o ekstremum, gdy sprowadza się do . Policzmy pochodną funkcji . Mamy oraz Punkt (gdzie ) będzie podejrzany o ekstremum, gdy spełniona będzie równość Jest to jedno równanie na dwie liczby oraz . Pamiętajmy jednak, że mamy też drugie równanie Przeformułowanie — metoda mnożników Lagrange'a Wzór (%i 16) nie wygląda miło. Lagrange podał schemat, który w znacznie bardziej przejrzysty sposób pokazuje sposób liczenia ekstremów warunkowych. Uzyskuje się to wprowadzając dodatkową zmienną określoną jako: Równanie (%i 16) można wtedy zapisać jako: zaś definicję mnożnika Lagrange'a jako ( jest nazywane mnożnikiem Lagrange'a), (pamiętając, że cały czas mamy też trzeci warunek (%i 17)). Wprowadźmy teraz funkcję: Warunek konieczny istnienia ekstremum związanego możemy teraz zapisać jako Jest to układ 3 równa/n na 3 niewiadome; z tego rzadko potrzebujemy znać , rozwiązujemy więc go tak aby wyznaczyć tylko . Przykł. raz jeszcze. Mamy: . Warunek konieczny istnienia ekstremum jest: Mnożąc pierwsze z powyższych równa/n przez , co daje , drugie przez i odejmując stronami, otrzymamy: . Uwzględniając teraz trzecie równanie dostajemy: oraz — zgodnie z tym co dostaliśmy uprzednio. Badanie warunku dostatecznego W przypadku znajdowania ekstremów funkcji bez nałożonych żadnych warunków, po znalezieniu punktów krytycznych, jako podejrzanych o ekstrema, trzeba było je dodatkowo zbadać, aby zobaczyć, czy są ekstremami, czy nie. Gdy mamy kandydatów na ekstrema warunkowe, również powinno się przeprowadzić analogiczne badanie. Jest to zazwyczaj bardziej skomplikowane niż w przypadku kandydatów na ekstrema 'bezwarunkowe'. Są tu trzy zasadnicze sposoby postępowania. 1. Gdy zbiór, na którym szukamy ekstremów warunkowych, jest zwarty (tzn. domknięty i ograniczony), to możemy skorzystać z tw. Weierstrassa mówiącego, iż funkcja na zbiorze zwartym osiąga swoje kresy. W ten sposób, gdy z metody mnożników Lagrange'a znajdziemy punkty podejrzane o ekstrema warunkowe, to liczymy wartość funkcji w tych punktach; w ten sposób znajdujemy wartość największa i najmniejszą. Przykł. raz jeszcze: Poziomicą zerową funkcji zbiór zwarty. W znalezionych już punktach punktach minimami. i wynosi i wartość jest okrąg, więc wy nosi ,aw . Dwa pierwsze są więc maksimami, a dwa pozostałe — 2. Badamy kandydatów na ekstrema warunkowe, korzystając z teorii funkcji uwikłanych. 3. Wyznaczamy mnożniki Lagrange'a i liczymy drugą pochodną funkcji z uzyskanymi mnożnikami w znalezionych punktach krytycznych, a następnie badamy określoność tej formy kwadratowej ograniczonej do płaszczyzny stycznej do poziomicy . Dwie ostatnie recepty brzmią być może dość abstrakcyjnie; podam konkretniejsze przykłady w wolnej chwili. Przypadek gdy mamy warunków Może się wreszcie zdarzyć, że musimy znaleźć ekstremum funkcji warunkach. Sprecyzujmy to tak: Niech , niech . Niech przy nałożonym nie jednym, a i niech RYS. Podamy teraz (ale uzasadnienie sobie darujemy[2]) sposób, w jaki znajdujemy kandydatów na ekstrema w tym przypadku. (Tu również uzasadnienie — jako materiał nadobowiązkowy — planuję w wolnej chwili napisać.) Utwórzmy mianowicie funkcję występujące tu liczby następnie do zera pochodne: są parametrami, zwanymi mnożnikami Lagrange'a. Przyrównajmy (razem równa/n) oraz Razem mamy równa/n na dostaniemy zestaw oraz ten sposób mamy kandydatów na ekstrema. niewiadomych. Rozwiązując te równania (tych ostatnich zazwyczaj nie potrzebujemy). W Przykł. Na elipsie znaleźć punkty najmniej i najbardziej odległe od prostej Rozw. Niech należy do elipsy, zaś . — do prostej. Musimy znaleźć najmniejszą wartość odległości pomiędzy punktami i : przy warunkach, że należy do elipsy, zaś do prostej. łatwiej będzie rozwiązywąc równoważny problem badania kwadratu odległości. Musimy zatem znaleźć ekstrema funkcji , przy dwóch warunkach: . Postępując we wskazany wyżej sposób, tworzymy funkcję: ( — mnożniki Lagrange'a), liczymy jej pochodne, przyrównujemy do zera i rozwiązujemy powstały układ równa/n. Odp.: Punktem na elipsie najmniej odległym od prostej jest punktem najbardziej odległym jest , zaś . 1. ↑ Nie był to warunek najogólniejszy, ale tego ogólniejszego warunku nie będziemy tu przypominać, gdyż rozszerzenie go na przypadek funkcji wielu zmiennych wymaga znacznie bardziej zaawansowanej teorii 2. ↑ Podobnie jak w filmie 'Toy Story 2' bohater negatywny Al darował sobie prysznic przed wylotem do Tokio