Uge 2: Forberedelse#
Læsestof#
Vi anbefaler at du læser i bogen. At se YouTube-videoer om ugens emner kan være nyttigt, men det er ikke noget vi specielt anbefaler, og det bør ikke træde i stedet for egentlig forberedelse til ugens program.
Du skal læse og studere:
Store Dag: Resten af Kapitel 3
Lille Dag: Tema 1: Gradientmetoden
Python demo for Uge 2
Nøglebegreber#
Når du har læst bør du kunne forklare følgende nøglebegreber:
Vektor-funktioner af flere variable
Retningsafledte
Differentiabilitet
Jacobi-matricen (eller under tiden blot jacobianten, engelsk: the jacobian (matrix))
Gradientvektoren
Kædereglen
Hesse-matricen (engelsk: the hessian)
I ugens program arbejder vi videre med nøglebegreberne – vi forventer altså ikke at du kender alle detaljer om disse begreber, men vi forventer at du har stiftet bekendtskab med dem inden forelæsning.
Forberedelsesopgaver#
I: En sammensat funktion#
Lad \(g : \mathbb{R}^2 \to \mathbb{R}\) være givet ved
og lad \(\pmb{f} : \mathbb{R} \to \mathbb{R}^2\) være givet ved
Spørgsmål a#
Find den sammensatte funktion \(g \circ \pmb{f}\)
Hint
Find først udtrykket for den sammensatte funktion \((g \circ \pmb{f})(t)\)
Hint
Sæt \((x,y) := \pmb{f}(t) = (t^2, \sin(t))\) og indsæt udtrykket for \(x\) og \(y\) i \(g(x,y)\).
Hint
Bestem herefter definitionsmængden og dispositionsmængden for den sammensatte funktion.
Svar
\(g \circ \pmb{f}: \mathbb{R} \to \mathbb{R}\) er givet ved \((g \circ \pmb{f})(t) = g(t^2, \sin(t)) = e^{2t^2 + \sin(t)}\) for \(t \in \mathbb{R}\).
Spørgsmål b#
Beregn den afledte
Hint
Det nemmeste er blot at differentiere udtrykket \(e^{2t^2 + \sin(t)}\) m.h.t. \(t\), men du kan også bruge kædereglen.
Svar
Spørgsmål c#
Er den sammensatte funktion \(\pmb{f} \circ g\) veldefineret?
Svar
Ja, i dette tilfælde er den. Det er en funktion af formen \(\pmb{f} \circ g: \mathbb{R}^2 \to \mathbb{R}^2\). Prøv selv at finde funktionsudtrykket.
II: Partielle afledte og retningsafledte#
Lad \(f : \mathbb{R}^2 \to \mathbb{R}\) være givet ved
Spørgsmål a#
Udregn de partielle afledte \(\frac{\partial f}{\partial x}\) og \(\frac{\partial f}{\partial y}\) i punktet \((1,2)\).
Hint
Differentier \(f\) med hensyn til \(x\) og \(y\) separat, hvor du hhv. opfatter \(y\) og \(x\) som en konstant.
Svar
I punktet \((1,2)\):
Spørgsmål b#
Bestem gradientvektoren \(\nabla f(x,y)\) og angiv \(\nabla f(1,2)\).
Hint
Gradienten af en funktion \(f\) er en vektor bestående af dens partielle afledte.
Hint
For en funktion af to variable er gradienten \(\nabla f(x,y) = \left( \frac{\partial f}{\partial x}(x,y), \frac{\partial f}{\partial y}(x,y) \right)\).
Svar
Fra forrige opgave haves: \(\nabla f(x,y) = (2xy, x^2 + 3y^2)\) og \(\nabla f(1,2) = (4, 13)\).
Spørgsmål c#
Udregn den retningsafledte i retning \(\pmb{e}_1=[1,0]^T\) i punktet \((1,2)\). Udregn også den retningsafledte i retning \(\pmb{e}_2=[0,1]^T\) i punktet \((1,2)\).
Hint
Den retningsafledte i en “standardretning” svarer til de partielle afledte.
Svar
I punktet \((1,2)\) er den retningsafledte i retning \(\pmb{e}_1\) er \(4\), og i retning \(\pmb{e}_2\) er den \(13\).
Spørgsmål d#
Hvad har svarene i spørgsmål b og c med hinanden at gøre?
Svar
De partielle afledte er retningsafledte i “standardretningerne” \(\pmb{e}_1\) og \(\pmb{e}_2\).
III: En vektorfunktion af 3 variable#
Lad \(\pmb{f} : \mathbb{R}^3 \to \mathbb{R}^2\) være givet ved
Spørgsmål a#
Beregn \(\pmb{f}(1,2,3)\).
Hint
Indsæt \((x,y,z) = (1,2,3)\) i udtrykket for \(\pmb{f}\).
Svar
Spørgsmål b#
Find Jacobi-matricen \(\pmb{J}_{\pmb{f}}(x,y,z)\). Beregn \(\pmb{J}_{\pmb{f}}(1,2,3)\).
Hint
Jacobi-matricen er en matrix der indeholder alle de partielle afledte af alle koordinatfunktionerne. Vektorfunktionen \(\pmb{f}=(f_1,f_2)\) har to koordinatfunktioner, så hvad er størrelsen på Jacobi-matricen?
Hint
Jacobi-matricen er af størrelse: \(\pmb{J}_{\pmb{f}}(x,y,z) \in \mathbb{R}^{2 \times 3}\); husk at \(n=3\) er antallet af input-variable og \(k=2\) er antallet af “output” koordinatfunktioner.
Svar
Jacobi-matricen \(\pmb{J}_{\pmb{f}}(x,y,z)\) er:
I punktet \((x,y,z)=(1,2,3)\):