Universitetseksamen etter tema
Øv på ett tema om gangen med oppgavene fra universitetseksamenene vi har lagt ut, foreløpig NTNU Matematikk 1, NTNU Matematikk 3, OsloMet Matte 2000 og OsloMet Matte 3000. Velg område og tema, så henter vi oppgavene fra alle settene. Prøv selv først – løsningen ligger under oppgaven når du står fast.
Område
Emne
topp- og bunnpunkter
Velger du flere tema, får du oppgavene som har alle sammen.
9 oppgaver i OsloMet Matte 2000 om topp- og bunnpunkter
Oppgavene
Oppgave 5
- Flere oppgaver om optimering,
- Flere oppgaver om partielle deriverte,
- Flere oppgaver om topp- og bunnpunkter
Det fiktive bilutleieselskapet SIVA har, i beste fall, dårlige rutiner for å kontrollere informasjonen de sender til kundene sine. Feilinformasjon påfører kundene ekstrautgifter – og gir selskapet ekstra-inntekter.
I forbindelse med en planlagt reklamekampanje med slagordet “vi prøver hardere når det gjelder kundebehandling” har de kommet fram til denne matematiske modellen for inntjeninga de venter seg i nær framtid:
Her er prosent-andelen av kundene som får feilinformasjon, og er hvor mange millioner kroner de vil investere i kampanjen. (Sammenhengen er ikke gyldig for alle verdier av og men vi kan legge til grunn at den er gyldig for moderate, positive verdier av variablene.) I modellen har de forsøkt å ta høyde for at informasjons-praksisen deres ikke kommuniserer så godt med budskapet i reklamen. Funksjonen er visualisert under – for både positive og negative og
Oppgave 5a)
Vis, ved regning, hvordan vi kan komme fram til at de partielle deriverte av første orden for er
og at Hesse-matrisen er
Vis løsningSkjul løsning på oppgave 5a
Svar
De partielle deriverte av første orden er:
Når vi deriverer med hensyn på \( x\text{,} \) er \( y \) en konstant, og omvendt. Leddet \( {(x - y)^2} \) deriverer vi med kjerneregelen. Hesse-matrisen samler de fire andrederiverte.
1. Deriver med hensyn på x
Når vi deriverer med hensyn på \( x\text{,} \) behandler vi \( y \) som en konstant, som i videoen Partiell derivasjon, intro med eksempler. Da blir \( {29y - y^3} \) borte, og \( {46x - x^3} \) derivert blir \( {46 - 3x^2}\text{.} \)
Leddet \( {(\textcolor{green}{x - y})^2} \) deriverer vi med kjerneregelen, med kjernen \( {\textcolor{green}{x - y}}\text{.} \) Vi deriverer kvadratet og ganger med den deriverte av kjernen, som i videoen Kjerneregelen:
\[ \dfrac{\partial}{\partial x}(\textcolor{green}{x - y})^2 = 2(\textcolor{green}{x - y}) \cdot \textcolor{green}{1} \]
Det gir oss:
\[ \dfrac{\partial f}{\partial x}(x, y) = 46 - 3x^2 + 2(x - y) \]
2. Deriver med hensyn på y
Nå er \( x \) konstant, så \( {46x - x^3} \) blir borte, og \( {29y - y^3} \) derivert blir \( {29 - 3y^2}\text{.} \) Den deriverte av kjernen \( {\textcolor{green}{x - y}} \) med hensyn på \( y \) er \( {\textcolor{green}{-1}}\text{:} \)
\[ \dfrac{\partial}{\partial y}(\textcolor{green}{x - y})^2 = 2(\textcolor{green}{x - y}) \cdot (\textcolor{green}{-1}) \]
Det gir oss:
\[ \dfrac{\partial f}{\partial y}(x, y) = 29 - 3y^2 - 2(x - y) \]
3. Finn de andrederiverte
Vi skriver \( f_x \) for \( \dfrac{\partial f}{\partial x} \) og ganger ut parentesene:
\[ \begin{aligned} f_x &= 46 - 3x^2 + 2x - 2y \\ f_y &= 29 - 3y^2 - 2x + 2y \end{aligned} \]
Hesse-matrisen har de andrederiverte som elementer:
\[ H = \begin{pmatrix} \textcolor{blue}{f_{xx}} & \textcolor{green}{f_{xy}} \\ \textcolor{green}{f_{yx}} & \textcolor{red}{f_{yy}} \end{pmatrix} \]
Vi deriverer \( f_x \) og \( f_y \) en gang til, med hensyn på hver av variablene, som i videoen Dobbel partiell derivert:
\[ \begin{aligned} \textcolor{blue}{f_{xx}} &= \textcolor{blue}{-6x + 2} & \textcolor{green}{f_{xy}} &= \textcolor{green}{-2} \\ \textcolor{green}{f_{yx}} &= \textcolor{green}{-2} & \textcolor{red}{f_{yy}} &= \textcolor{red}{-6y + 2} \end{aligned} \]
Plugger vi dette inn, får vi:
\[ H = \begin{pmatrix} \textcolor{blue}{-6x + 2} & \textcolor{green}{-2} \\ \textcolor{green}{-2} & \textcolor{red}{-6y + 2} \end{pmatrix} \]
Oppgave 5b)
Selskapet finner ut at de, om modellen er rett, bør sikte seg inn på og om de vil tjene mest mulig penger. Hvorfor det? Eller, sagt på en annen måte: Vis ved regning at dette er et (lokalt) maksimum for
Vi ber deg ikke vise hvordan vi kan komme fram til punktet
Vis løsningSkjul løsning på oppgave 5b
Svar
er et kritisk punkt, og dobbelt derivertes test gir:
Selv om du ikke fikk til a), kan du løse denne: de partielle deriverte og Hesse-matrisen står i oppgaveteksten i a).
Et lokalt maksimum er et kritisk punkt der dobbelt derivertes test gir \( {K > 0} \) og \( {f_{xx} < 0}\text{.} \) Vi sjekker begge deler i \( (4, 3)\text{.} \)
1. Sjekk at punktet er kritisk
Et kritisk punkt er der begge de partielle deriverte er \( 0\text{,} \) som i videoen Hva er et kritisk punkt. I oppgaveteksten til a) står det at:
\[ \begin{aligned} \dfrac{\partial f}{\partial x}(x, y) &= 46 - 3x^2 + 2(x - y) \\ \dfrac{\partial f}{\partial y}(x, y) &= 29 - 3y^2 - 2(x - y) \end{aligned} \]
Vi setter inn \( {x = 4} \) og \( {y = 3}\text{:} \)
\[ \begin{aligned} \dfrac{\partial f}{\partial x}(4, 3) &= 46 - 3 \cdot 4^2 + 2(4 - 3) \\ &= 46 - 48 + 2 = 0 \\ \dfrac{\partial f}{\partial y}(4, 3) &= 29 - 3 \cdot 3^2 - 2(4 - 3) \\ &= 29 - 27 - 2 = 0 \end{aligned} \]
2. Bruk dobbelt derivertes test
Dobbelt derivertes test forteller oss at vi regner ut:
\[ K = \textcolor{blue}{f_{xx}} \cdot \textcolor{red}{f_{yy}} - \textcolor{green}{f_{xy}} \cdot \textcolor{green}{f_{yx}} \]Er \( {K > 0} \) og \( {\textcolor{blue}{f_{xx}} < 0}\text{,} \) er punktet et lokalt maksimum. Du ser testen i videoen Dobbelt derivertes test, og hvordan vi skiller maksimum fra minimum i Dobbelt derivertes test.
Her er, fra Hesse-matrisen i a):
\[ \begin{aligned} \textcolor{blue}{f_{xx}(4, 3)} &= -6 \cdot 4 + 2 = \textcolor{blue}{-22} \\ \textcolor{red}{f_{yy}(4, 3)} &= -6 \cdot 3 + 2 = \textcolor{red}{-16} \\ \textcolor{green}{f_{xy}} &= \textcolor{green}{f_{yx}} = \textcolor{green}{-2} \end{aligned} \]
Plugger vi dette inn, får vi:
\[ \begin{aligned} K &= (\textcolor{blue}{-22}) \cdot (\textcolor{red}{-16}) - (\textcolor{green}{-2}) \cdot (\textcolor{green}{-2}) \\ &= 352 - 4 = 348 \end{aligned} \]
\( {K > 0} \) og \( {\textcolor{blue}{f_{xx}} < 0}\text{,} \) så \( (4, 3) \) er et lokalt maksimum. Der tjener selskapet mest, i alle fall sammenliknet med verdier i nærheten.
Oppgave 5c)
Vi lar nå og også ta negative verdier for funksjonen og ser bort fra tolkninga over. Videre tenker vi oss at vi, med utgangspunktet oppdaterer punktet etter disse kopla differens-likningene:
Her er parameteren et lite, positivt tall. Dersom verdien av denne parameteren er satt lavt nok, vil nærme seg et bestemt punkt når blir stor. Bruk figuren til å estimere hvilket punkt dette er.
Her krever vi ikke et veldig nøyaktig svar. Men husk å grunngi svaret.
Vis løsningSkjul løsning på oppgave 5c
Svar
Stegene ender i bunnen av dalen inne i nivåkurven
Selv om du ikke fikk til a), kan du løse denne: de partielle deriverte står i oppgaveteksten i a).
Hvert steg går motsatt vei av gradienten, altså nedover. Vi følger stegene fra origo til bunnen av dalen.
1. Se hvor stegene går
Gradienten samler de partielle deriverte:
\[ \textcolor{blue}{\nabla f} = \left(\dfrac{\partial f}{\partial x}, \dfrac{\partial f}{\partial y}\right) \]Du ser hva gradienten er i videoen Hva er en gradient?. Den peker dit \( f \) vokser raskest.
Skriver vi punktet som \( {\mathbf{x}_n = (x_n, y_n)}\text{,} \) trekker de kopla differenslikningene fra \( \gamma \) ganger gradienten:
\[ \mathbf{x}_{n+1} = \mathbf{x}_n - \gamma\textcolor{blue}{\nabla f(\mathbf{x}_n)} \]
Hvert steg går derfor nedover, og med lav nok \( \gamma \) blir \( f \) mindre for hvert steg. Punktet står bare stille der \( {\textcolor{blue}{\nabla f} = (0, 0)}\text{.} \) Det kan ikke ende i et toppunkt, siden \( f \) synker, og i et sadelpunkt bare fra helt spesielle startpunkter. Derfor ender det i bunnen av en dal, i et lokalt minimum.
2. Følg stegene fra origo
I oppgaveteksten til a) står det at:
\[ \begin{aligned} \dfrac{\partial f}{\partial x}(x, y) &= 46 - 3x^2 + 2(x - y) \\ \dfrac{\partial f}{\partial y}(x, y) &= 29 - 3y^2 - 2(x - y) \end{aligned} \]
I \( (0, 0) \) blir alle leddene med \( x \) og \( y \) lik \( 0\text{:} \)
\[ \textcolor{blue}{\nabla f(0, 0)} = \textcolor{blue}{(46, 29)} \]
Første steg går altså mot \( {-\textcolor{blue}{(46, 29)}}\text{,} \) ned og til venstre. I figuren går vi fra nivåkurven \( 0 \) gjennom origo mot \( {-75} \) og \( {-150}\text{.} \)
3. Les av bunnen av dalen
Nede til venstre er nivåkurvene \( {-75} \) og \( {-150} \) lukkede ringer, den ene inni den andre. Inne i ringen \( {-150} \) er \( f \) altså lavere enn \( {-150}\text{,} \) og det er ingen kurve for \( {-225} \) der. Når punktet først er innenfor ringen \( {-75}\text{,} \) kommer det ikke ut igjen, siden \( f \) bare synker. Bunnen av dalen ligger derfor inne i ringen \( {-150}\text{,} \) omtrent midt i:
\[ (x, y) \approx (-4, -3) \]
Kontroll: \( {\textcolor{blue}{\nabla f(-4, -3)} = \textcolor{blue}{(-4, 4)}} \) er mye kortere enn i origo. Der er \( {K = 26 \cdot 20 - (-2)^2 = 516} \) og \( {f_{xx} = 26}\text{,} \) begge positive, som i et minimum.
Oppgave 3
Figuren viser et plott av funksjonen
Oppgave 3a)
Vis at gradienten til i punktet er og bestem likningen for tangentplanet til i dette punktet.
Vis løsningSkjul løsning på oppgave 3a
Svar
Gradienten i punktet og tangentplanet er:
Vi skriver \( f \) som en potens av nevneren og deriverer med kjerneregelen. Gradienten i \( (0, 0) \) gir så normalvektoren til tangentplanet.
1. Skriv opp gradienten
Gradienten er vektoren med de partielle deriverte, som i videoen Hva er en gradient?:
\[ \nabla f = \left[\textcolor{blue}{\dfrac{\partial f}{\partial x}},\ \textcolor{red}{\dfrac{\partial f}{\partial y}}\right] \]
2. Deriver med kjerneregelen
Vi kaller nevneren \( \textcolor{green}{u}\text{,} \) så \( {f = \textcolor{green}{u}^{-1}}\text{:} \)
\[ \textcolor{green}{u} = x^2 - xy + 2y^2 + x + y + 1 \]
Den ytre deriverte er \( {(\textcolor{green}{u}^{-1})' = -\textcolor{green}{u}^{-2}}\text{,} \) så kjerneregelen, med \( \textcolor{green}{u} \) som kjerne, forteller oss at:
\[ \begin{aligned} \textcolor{blue}{\dfrac{\partial f}{\partial x}} &= -\textcolor{green}{u}^{-2} \cdot \textcolor{green}{\dfrac{\partial u}{\partial x}} \\ \textcolor{red}{\dfrac{\partial f}{\partial y}} &= -\textcolor{green}{u}^{-2} \cdot \textcolor{green}{\dfrac{\partial u}{\partial y}} \end{aligned} \]Hvis du er usikker på kjerneregelen, kan du se videoen Kjerneregelen.
Her deriverer vi \( \textcolor{green}{u} \) med \( y \) som konstant, og så med \( x \) som konstant:
\[ \begin{aligned} \textcolor{green}{\dfrac{\partial u}{\partial x}} &= \textcolor{green}{2x - y + 1} \\ \textcolor{green}{\dfrac{\partial u}{\partial y}} &= \textcolor{green}{-x + 4y + 1} \end{aligned} \]
Plugger vi dette inn, får vi:
\[ \begin{aligned} \textcolor{blue}{\dfrac{\partial f}{\partial x}} &= -\dfrac{\textcolor{green}{2x - y + 1}}{\textcolor{green}{u}^2} \\ \textcolor{red}{\dfrac{\partial f}{\partial y}} &= -\dfrac{\textcolor{green}{-x + 4y + 1}}{\textcolor{green}{u}^2} \end{aligned} \]
3. Sett inn punktet
I \( (0, 0) \) blir alle leddene med \( x \) eller \( y \) lik \( 0\text{:} \)
\[ \textcolor{green}{u} = 1, \qquad \textcolor{green}{\dfrac{\partial u}{\partial x}} = 1, \qquad \textcolor{green}{\dfrac{\partial u}{\partial y}} = 1 \]
Det gir oss:
\[ \begin{aligned} \nabla f(0, 0) &= \left[\textcolor{blue}{-\dfrac{1}{1^2}},\ \textcolor{red}{-\dfrac{1}{1^2}}\right] \\ &= [-1, -1] \end{aligned} \]
4. Finn tangentplanet
Planet gjennom \( (x_0, y_0, z_0) \) med normalvektor \( [a, b, c] \) er:
\[ \begin{aligned} \textcolor{blue}{a}(x - x_0) + \textcolor{red}{b}(y - y_0) &\\ {} + c(z - z_0) &= 0 \end{aligned} \]
Skriver vi flaten som \( {0 = f(x, y) - z}\text{,} \) er normalvektoren gradienten til \( {f(x, y) - z}\text{,} \) som i videoen Oppgave 3c - Tangentplan - Prøveeksamen 2020 (BYPE 2000):
\[ [\textcolor{blue}{a}, \textcolor{red}{b}, c] = \left[\textcolor{blue}{\dfrac{\partial f}{\partial x}},\ \textcolor{red}{\dfrac{\partial f}{\partial y}},\ -1\right] \]
Punktet på flaten har \( {z_0 = f(0, 0)}\text{,} \) så her er:
\[ \begin{aligned} [a, b, c] &= [\textcolor{blue}{-1},\ \textcolor{red}{-1},\ -1] \\ (x_0, y_0) &= (0, 0) \\ z_0 &= f(0, 0) = \dfrac{1}{1} = 1 \end{aligned} \]
Plugger vi dette inn, får vi:
\[ \begin{aligned} \textcolor{blue}{-1}(x - 0) + (\textcolor{red}{-1})(y - 0) &\\ {} + (-1)(z - 1) &= 0 \end{aligned} \]
Vi ganger ut og løser for \( z\text{:} \)
\[ \begin{aligned} -x - y - z + 1 &= 0 \\ z &= 1 - x - y \end{aligned} \]
Oppgave 3b)
Som figuren tyder på, har denne funksjonen bare ett ekstremalpunkt. Dette ekstremalpunktet er et globalt maksimalpunkt. Hvilket punkt er dette?
Vis løsningSkjul løsning på oppgave 3b
Svar
Vi bruker de partielle deriverte fra a).
Et ekstremalpunkt er et kritisk punkt, der gradienten er null. Vi setter de partielle deriverte lik null og løser likningssettet.
1. Sett gradienten lik null
I et ekstremalpunkt er gradienten null, som i videoen Hva er et kritisk punkt:
\[ \nabla f = [0, 0] \]
I a) fant vi de partielle deriverte, med nevneren \( \textcolor{green}{u}\text{:} \)
\[ \begin{aligned} \textcolor{blue}{\dfrac{\partial f}{\partial x}} &= -\dfrac{\textcolor{green}{2x - y + 1}}{\textcolor{green}{u}^2} \\ \textcolor{red}{\dfrac{\partial f}{\partial y}} &= -\dfrac{\textcolor{green}{-x + 4y + 1}}{\textcolor{green}{u}^2} \end{aligned} \]
En brøk er null bare når telleren er null, så vi får likningssettet:
\[ \begin{aligned} \textcolor{green}{2x - y + 1} &= 0 \\ \textcolor{green}{-x + 4y + 1} &= 0 \end{aligned} \]
2. Løs likningssettet
Den første likningen gir \( {y = 2x + 1}\text{.} \) Vi setter dette inn i den andre, som i videoen Likningssett: innsettingsmetoden og addisjonsmetoden:
\[ \begin{aligned} -x + 4(2x + 1) + 1 &= 0 \\ 7x + 5 &= 0 \\ x &= -\dfrac{5}{7} \end{aligned} \]
Det gir oss:
\[ y = 2 \cdot \left(-\dfrac{5}{7}\right) + 1 = -\dfrac{3}{7} \]
Dette er det eneste kritiske punktet, så det må være ekstremalpunktet. At det er et globalt maksimalpunkt, sier oppgaven.
Kontroll: \( {f\left(-\tfrac{5}{7}, -\tfrac{3}{7}\right) = \tfrac{7}{3}}\text{,} \) litt over \( 2\text{,} \) som toppen i figuren.
Oppgave 3
- Flere oppgaver om interpolasjon,
- Flere oppgaver om minste kvadraters metode,
- Flere oppgaver om partielle deriverte,
- Flere oppgaver om polynomer,
- Flere oppgaver om topp- og bunnpunkter
Disse tre punktene er gitte:
Figuren viser punktene sammen med et interpolerende polynom og ei regresjonslinje.
Oppgave 3a)
Bestem det polynomet av lavest mulig grad som interpolerer disse punktene.
Dersom du ikke lykkes i å bestemme selve polynomet, vil du likevel få uttelling for å stille opp likningene som bestemmer det.
Vis løsningSkjul løsning på oppgave 3a
Svar
Tre punkter som ikke ligger på én rett linje, trenger et andregradspolynom. Hvert punkt gir én likning for de tre koeffisientene.
1. Finn den laveste graden
En rett linje har samme stigning hele veien. Stigningen fra \( {(0, -2)} \) til \( (1, 0)\text{,} \) og fra \( (1, 0) \) til \( (3, 1)\text{,} \) er:
\[ \dfrac{0 - (-2)}{1 - 0} = 2, \qquad \dfrac{1 - 0}{3 - 1} = \dfrac{1}{2} \]
Stigningene er ulike, så ingen rett linje går gjennom alle tre punktene. Lavest mulig grad er derfor 2:
\[ p(x) = \textcolor{blue}{c_0} + \textcolor{red}{c_1}x + \textcolor{green}{c_2}x^2 \]
2. Sett opp likningene
Vi setter inn \( x \) og krever at \( p(x) \) blir \( y\text{,} \) som i videoen Polynom interpolasjon:
\[ \begin{aligned} p(0) &= \textcolor{blue}{c_0} = -2 & &\text{(I)} \\ p(1) &= \textcolor{blue}{c_0} + \textcolor{red}{c_1} + \textcolor{green}{c_2} = 0 & &\text{(II)} \\ p(3) &= \textcolor{blue}{c_0} + 3\textcolor{red}{c_1} + 9\textcolor{green}{c_2} = 1 & &\text{(III)} \end{aligned} \]
3. Løs likningssystemet
(I) gir \( {\textcolor{blue}{c_0} = -2}\text{.} \) Setter vi det inn i (II) og (III), får vi:
\[ \begin{aligned} \textcolor{red}{c_1} + \textcolor{green}{c_2} &= 2 \\ 3\textcolor{red}{c_1} + 9\textcolor{green}{c_2} &= 3 \end{aligned} \]
Vi deler den andre likningen på \( 3 \) og trekker fra den første:
\[ \begin{aligned} (\textcolor{red}{c_1} + 3\textcolor{green}{c_2}) - (\textcolor{red}{c_1} + \textcolor{green}{c_2}) &= 1 - 2 \\ 2\textcolor{green}{c_2} &= -1 \\ \textcolor{green}{c_2} &= -\dfrac{1}{2} \end{aligned} \]
Da er:
\[ \textcolor{red}{c_1} = 2 - \textcolor{green}{c_2} = 2 + \dfrac{1}{2} = \dfrac{5}{2} \]
Kontroll: \( {p(3) = -2 + \tfrac{15}{2} - \tfrac{9}{2} = 1}\text{.} \)
Oppgave 3b)
Vi kan bruke minste kvadraters metode til å bestemme likninga for ei regresjonslinje for disse punktene. Skriv opp de likningene vi får dersom vi gjør dette.
Her skal du ikke løse disse likningene, bare stille dem opp.
Vis løsningSkjul løsning på oppgave 3b
Svar
Med regresjonslinja er normallikningene:
Ingen rett linje går gjennom alle tre punktene. Vi setter opp likningssystemet likevel, og minste kvadraters metode gjør det om til normallikningene.
1. Sett opp likningssystemet
Vi skriver regresjonslinja som \( {y = \textcolor{blue}{a} + \textcolor{red}{b}x}\text{.} \) Skulle den gått gjennom alle punktene, måtte vi hatt:
\[ \begin{aligned} \textcolor{blue}{a} + 0 \cdot \textcolor{red}{b} &= -2 \\ \textcolor{blue}{a} + 1 \cdot \textcolor{red}{b} &= 0 \\ \textcolor{blue}{a} + 3 \cdot \textcolor{red}{b} &= 1 \end{aligned} \]
De to første gir \( {\textcolor{blue}{a} = -2} \) og \( {\textcolor{red}{b} = 2}\text{,} \) men da stemmer ikke den tredje:
\[ -2 + 3 \cdot 2 = 4 \neq 1 \]
Systemet har altså ingen løsning. På matriseform er det \( {A\mathbf{x} = \mathbf{y}}\text{:} \)
\[ \underbrace{\begin{pmatrix} 1 & 0 \\ 1 & 1 \\ 1 & 3 \end{pmatrix}}_{A}\begin{pmatrix} \textcolor{blue}{a} \\ \textcolor{red}{b} \end{pmatrix} = \underbrace{\begin{pmatrix} -2 \\ 0 \\ 1 \end{pmatrix}}_{\mathbf{y}} \]
2. Sett opp normallikningene
Minste kvadraters metode velger \( \textcolor{blue}{a} \) og \( \textcolor{red}{b} \) slik at summen av de kvadrerte avvikene blir minst mulig, og forteller oss at de løser normallikningene:
\[ A^T\!A \begin{pmatrix} \textcolor{blue}{a} \\ \textcolor{red}{b} \end{pmatrix} = A^T\mathbf{y} \]
\( A^T \) er den transponerte matrisen, der radene i \( A \) blir kolonner, som i videoen Ligning med matrise.
Vi ganger rad med kolonne, som i videoen Multiplikasjon:
\[ \begin{aligned} A^T\!A &= \begin{pmatrix} 1 & 1 & 1 \\ 0 & 1 & 3 \end{pmatrix}\begin{pmatrix} 1 & 0 \\ 1 & 1 \\ 1 & 3 \end{pmatrix} \\ &= \begin{pmatrix} 3 & 4 \\ 4 & 10 \end{pmatrix} \end{aligned} \]
\[ \begin{aligned} A^T\mathbf{y} &= \begin{pmatrix} 1 & 1 & 1 \\ 0 & 1 & 3 \end{pmatrix}\begin{pmatrix} -2 \\ 0 \\ 1 \end{pmatrix} \\ &= \begin{pmatrix} -1 \\ 3 \end{pmatrix} \end{aligned} \]
Skrevet ut gir det likningene:
\[ \begin{aligned} 3\textcolor{blue}{a} + 4\textcolor{red}{b} &= -1 \\ 4\textcolor{blue}{a} + 10\textcolor{red}{b} &= 3 \end{aligned} \]
Likningene vi er ute etter i deloppgave b) er bestemt ved at vi minimerer denne funksjonen:
der likninga for regresjonslinja er
Oppgave 3c 1)
Forklar hvordan vi med utgangspunkt i minste kvadraters metode kommer fram til dette funksjonsuttrykket.
Vis løsningSkjul løsning på oppgave 3c 1
Svar
er summen av de kvadrerte avvikene i de tre punktene:
Minste kvadraters metode gjør summen av de kvadrerte avvikene minst mulig. Vi skriver opp den summen for de tre punktene og ganger ut.
1. Skriv opp summen av kvadratene
Linja gir verdien \( {a + bx_i} \) i punktet \( x_i\text{,} \) så avviket fra den gitte \( y_i \) er:
\[ a + bx_i - y_i \]
Vi kvadrerer avvikene, så positive og negative ikke opphever hverandre, og legger dem sammen:
\[ S(a, b) = \sum_{i=1}^{3} \left(a + bx_i - y_i\right)^2 \]
2. Sett inn punktene
Punktene \( {\textcolor{blue}{(0, -2)}}\text{,} \) \( \textcolor{red}{(1, 0)} \) og \( \textcolor{green}{(3, 1)} \) gir hvert sitt kvadrat:
\[ \begin{aligned} S(a, b) &= \textcolor{blue}{(a + 2)^2} + \textcolor{red}{(a + b)^2} \\ &\quad + \textcolor{green}{(a + 3b - 1)^2} \end{aligned} \]
Vi ganger ut med kvadratsetningene, som i videoen Kvadratsetningene:
\[ (u \pm v)^2 = u^2 \pm 2uv + v^2 \]
I de to første er \( {u = a}\text{,} \) og \( v \) er \( 2 \) og \( b\text{:} \)
\[ \begin{aligned} \textcolor{blue}{(a + 2)^2} &= \textcolor{blue}{a^2 + 4a + 4} \\ \textcolor{red}{(a + b)^2} &= \textcolor{red}{a^2 + 2ab + b^2} \end{aligned} \]
I den siste er \( {u = a + 3b} \) og \( {v = 1}\text{:} \)
\[ \begin{aligned} &\textcolor{green}{(a + 3b - 1)^2} \\ &= (a + 3b)^2 - 2(a + 3b) + 1 \\ &= \textcolor{green}{a^2 + 6ab + 9b^2 - 2a - 6b + 1} \end{aligned} \]
3. Legg sammen
Vi samler ledd av samme slag. Hvert tall har fargen til kvadratet det kommer fra:
\[ \begin{aligned} S(a, b) &= (\textcolor{blue}{1} + \textcolor{red}{1} + \textcolor{green}{1})a^2 + (\textcolor{red}{2} + \textcolor{green}{6})ab \\ &\quad + (\textcolor{red}{1} + \textcolor{green}{9})b^2 + (\textcolor{blue}{4} \textcolor{green}{{}- 2})a \\ &\quad \textcolor{green}{{}- 6}b + (\textcolor{blue}{4} + \textcolor{green}{1}) \end{aligned} \]
Det gir funksjonsuttrykket i oppgaven:
\[ \begin{aligned} S(a, b) &= 3a^2 + 8ab + 10b^2 \\ &\quad + 2a - 6b + 5 \end{aligned} \]
Oppgave 3c 2)
Vis at er et stasjonært punkt for
Vis løsningSkjul løsning på oppgave 3c 2
Svar
Med og er:
Et stasjonært punkt er der begge de partielle deriverte er null. Vi deriverer \( S \) med hensyn på \( a \) og på \( b\text{,} \) og setter inn punktet.
1. Finn de partielle deriverte
Når vi deriverer partielt med hensyn på \( a\text{,} \) er \( b \) en konstant, og omvendt, som i videoen Partiell derivasjon, intro med eksempler. Leddet \( 8ab \) gir derfor \( 8b \) og \( 8a\text{:} \)
\[ \begin{aligned} \dfrac{\partial S}{\partial a} &= 6a + 8b + 2 \\ \dfrac{\partial S}{\partial b} &= 8a + 20b - 6 \end{aligned} \]
2. Sett inn punktet
Punktet er stasjonært når begge er null, som i videoen Hva er et kritisk punkt. Vi skriver \( {\textcolor{blue}{a = -\tfrac{11}{7} = -\tfrac{22}{14}}}\text{,} \) så alt får nevneren \( 14\text{,} \) og setter inn \( {\textcolor{red}{b = \tfrac{13}{14}}}\text{:} \)
\[ \begin{aligned} \dfrac{\partial S}{\partial a} &= 6 \cdot \left(\textcolor{blue}{-\dfrac{22}{14}}\right) + 8 \cdot \textcolor{red}{\dfrac{13}{14}} + 2 \\ &= \dfrac{-132 + 104 + 28}{14} = 0 \end{aligned} \]
\[ \begin{aligned} \dfrac{\partial S}{\partial b} &= 8 \cdot \left(\textcolor{blue}{-\dfrac{22}{14}}\right) + 20 \cdot \textcolor{red}{\dfrac{13}{14}} - 6 \\ &= \dfrac{-176 + 260 - 84}{14} = 0 \end{aligned} \]
Begge er null, så punktet er stasjonært.
Oppgave 3c 3)
Vis at dette punktet faktisk er et minimum.
I dette tilfellet har du ikke egentlig bruk for å vite hva det stasjonære punktet faktisk er for å avgjøre dette.
Vis løsningSkjul løsning på oppgave 3c 3
Svar
Den dobbelt derivertes test gir og
Vi bruker den dobbelt derivertes test, med de andrederiverte av \( S\text{.} \)
1. Skriv opp testen
Den dobbelt derivertes test forteller oss at vi regner ut:
\[ K = \textcolor{blue}{S_{aa}} \cdot \textcolor{red}{S_{bb}} - \left(\textcolor{green}{S_{ab}}\right)^2 \]Er \( {K > 0} \) og \( {\textcolor{blue}{S_{aa}} > 0}\text{,} \) er det stasjonære punktet et minimum. Dette ser du i videoen Dobbelt derivertes test.
2. Finn de andrederiverte
De partielle deriverte av \( S \) er:
\[ \begin{aligned} S_a &= 6a + 8b + 2 \\ S_b &= 8a + 20b - 6 \end{aligned} \]
Vi deriverer én gang til:
\[ \textcolor{blue}{S_{aa}} = \textcolor{blue}{6}, \qquad \textcolor{red}{S_{bb}} = \textcolor{red}{20}, \qquad \textcolor{green}{S_{ab}} = \textcolor{green}{8} \]
Ingen av dem inneholder \( a \) eller \( b\text{,} \) så de er de samme i alle punkter. Derfor trenger vi ikke å vite hva det stasjonære punktet er.
3. Bruk testen
Plugger vi dette inn, får vi:
\[ K = \textcolor{blue}{6} \cdot \textcolor{red}{20} - \textcolor{green}{8}^2 = 120 - 64 = 56 \]
Her er \( {K > 0} \) og \( {\textcolor{blue}{S_{aa}} = 6 > 0}\text{,} \) så det stasjonære punktet er et minimum.
Oppgave 4
Figuren nedenfor viser denne funksjonen av to variabler:
Oppgave 4a)
Vis at
Bruk gradienten over til å sette opp likningen for tangentplanet til i punktet
Vis løsningSkjul løsning på oppgave 4a
Svar
Gradienten og tangentplanet i er:
Vi deriverer partielt med hensyn på \( x \) og \( y \) hver for seg. I punktet gir gradienten de to første koordinatene i normalvektoren til flaten, og normalvektoren gir tangentplanet.
1. Deriver partielt
Gradienten er vektoren av de partielle deriverte, som i videoen Hva er en gradient?:
\[ \nabla f = \left[\dfrac{\partial f}{\partial x},\ \dfrac{\partial f}{\partial y}\right] \]
Når vi deriverer med hensyn på \( x\text{,} \) er \( y \) en konstant, og omvendt, som i videoen Partiell derivasjon, intro med eksempler. Ledd for ledd får vi:
\[ \begin{aligned} \dfrac{\partial f}{\partial x} &= \dfrac{1}{3} \cdot 3x^2 - y + 0 = x^2 - y \\ \dfrac{\partial f}{\partial y} &= 0 - x + 2y = 2y - x \end{aligned} \]
Det gir oss:
\[ \nabla f = [x^2 - y,\ 2y - x] \]
2. Regn ut verdiene i punktet
I \( (1, 1) \) er:
\[ \begin{aligned} \dfrac{\partial f}{\partial x}(1, 1) &= 1^2 - 1 = \textcolor{blue}{0} \\ \dfrac{\partial f}{\partial y}(1, 1) &= 2 \cdot 1 - 1 = \textcolor{red}{1} \\ f(1, 1) &= \dfrac{1}{3} - 1 + 1 = \textcolor{green}{\dfrac{1}{3}} \end{aligned} \]
Punktet på flaten er altså \( {\left(1, 1, \textcolor{green}{\tfrac{1}{3}}\right)}\text{.} \)
3. Sett inn i planformelen
Formelen for et plan gjennom \( (x_0, y_0, z_0) \) med normalvektor \( [a, b, c] \) er, som i videoen Oppgave 3c - Tangentplan - Prøveeksamen 2020 (BYPE 2000):
\[ \begin{aligned} &a(x - x_0) + b(y - y_0) \\ &+ c(z - z_0) = 0 \end{aligned} \]
Vi skriver flaten som \( {0 = f(x, y) - z}\text{,} \) slik videoen gjør. Den deriverte med hensyn på \( z \) er da \( {-1}\text{,} \) så normalvektoren er:
\[ \begin{aligned} [a, b, c] &= \left[\dfrac{\partial f}{\partial x},\ \dfrac{\partial f}{\partial y},\ -1\right] \\ &= [\textcolor{blue}{0},\ \textcolor{red}{1},\ -1] \end{aligned} \]
Plugger vi dette inn, får vi:
\[ \begin{aligned} &\textcolor{blue}{0}(x - 1) + \textcolor{red}{1}(y - 1) \\ &- \left(z - \textcolor{green}{\dfrac{1}{3}}\right) = 0 \end{aligned} \]
Vi ganger ut og løser for \( z\text{:} \)
\[ \begin{aligned} y - 1 - z + \dfrac{1}{3} &= 0 \\ z &= y - \dfrac{2}{3} \end{aligned} \]
Oppgave 4b)
Bestem og klassifiser alle kritiske/stasjonære punkter til
Vis løsningSkjul løsning på oppgave 4b
Svar
Funksjonen har to kritiske punkter:
Selv om du ikke fikk til a), kan du løse denne: gradienten står i oppgaveteksten.
Et kritisk punkt er der gradienten er null. Vi løser likningssystemet og avgjør typen med den dobbeltderivertes test.
1. Sett gradienten lik null
I et kritisk punkt er begge de partielle deriverte \( 0\text{,} \) som i videoen Hva er et kritisk punkt. Med gradienten fra a) får vi:
\[ \begin{aligned} x^2 - y &= 0 \\ 2y - x &= 0 \end{aligned} \]
Den andre likningen gir \( {y = \dfrac{x}{2}}\text{.} \) Setter vi det inn i den første, får vi:
\[ \begin{aligned} x^2 - \dfrac{x}{2} &= 0 \\ \textcolor{blue}{x}\left(\textcolor{red}{x - \dfrac{1}{2}}\right) &= 0 \end{aligned} \]
Et produkt er null bare når en av faktorene er null, så \( {\textcolor{blue}{x = 0}} \) eller \( {\textcolor{red}{x = \tfrac{1}{2}}}\text{.} \) Med \( {y = \dfrac{x}{2}} \) gir det punktene:
\[ \textcolor{blue}{(0, 0)} \quad \text{og} \quad \textcolor{red}{\left(\dfrac{1}{2}, \dfrac{1}{4}\right)} \]
2. Finn de andrederiverte
Vi deriverer komponentene i gradienten en gang til, som i videoen Dobbel partiell derivert:
\[ \begin{aligned} f_{xx} &= \dfrac{\partial}{\partial x}(x^2 - y) = 2x \\ f_{yy} &= \dfrac{\partial}{\partial y}(2y - x) = 2 \\ f_{xy} &= \dfrac{\partial}{\partial y}(x^2 - y) = -1 \\ f_{yx} &= \dfrac{\partial}{\partial x}(2y - x) = -1 \end{aligned} \]
3. Bruk den dobbeltderivertes test
Den dobbeltderivertes test forteller oss at:
\[ K = f_{xx} \cdot f_{yy} - f_{xy} \cdot f_{yx} \]\[ \begin{aligned} K &< 0 \ \Rightarrow \ \text{sadelpunkt} \\ K &> 0 \text{ og } f_{xx} > 0 \ \Rightarrow \ \text{minimum} \\ K &> 0 \text{ og } f_{xx} < 0 \ \Rightarrow \ \text{maksimum} \end{aligned} \]Testen ser du i videoen Dobbelt derivertes test.
Plugger vi inn de andrederiverte, får vi:
\[ K = 2x \cdot 2 - (-1) \cdot (-1) = 4x - 1 \]
I \( \textcolor{blue}{(0, 0)} \) er:
\[ K = 4 \cdot \textcolor{blue}{0} - 1 = -1 < 0 \]Punktet er derfor et sadelpunkt.
I \( {\textcolor{red}{\left(\tfrac{1}{2}, \tfrac{1}{4}\right)}} \) er:
\[ \begin{aligned} K &= 4 \cdot \textcolor{red}{\dfrac{1}{2}} - 1 = 1 > 0 \\ f_{xx} &= 2 \cdot \textcolor{red}{\dfrac{1}{2}} = 1 > 0 \end{aligned} \]Punktet er derfor et lokalt minimum.
Oppgave 2
La
Oppgave 2a)
I hvilken retning vokser raskest i punktet
Vis løsningSkjul løsning på oppgave 2a
Svar
vokser raskest i retningen til gradienten, altså i positiv
Gradienten peker i retningen der \( f \) vokser raskest. Vi finner derfor de partielle deriverte og setter inn punktet.
1. Deriver med hensyn på x
Når vi deriverer med hensyn på \( x\text{,} \) er \( y \) en konstant. Da er \( f \) konstanten \( y \) ganget med produktet \( {\textcolor{red}{x} \cdot \textcolor{blue}{e^{x - y^2}}}\text{,} \) og produktregelen forteller oss at:
\[ (\textcolor{red}{u} \cdot \textcolor{blue}{v})' = \textcolor{red}{u'} \cdot \textcolor{blue}{v} + \textcolor{red}{u} \cdot \textcolor{blue}{v'} \]Hvis du er usikker på produktregelen, kan du se videoen Produktregelen.
Kjernen \( {x - y^2} \) har derivert \( 1 \) med hensyn på \( x\text{,} \) så \( {e^{x - y^2}} \) derivert blir seg selv, som i videoen Kritisk punkt eksempel. Her er:
\[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{x} & \textcolor{red}{u'} &= \textcolor{red}{1} \\ \textcolor{blue}{v} &= \textcolor{blue}{e^{x - y^2}} & \textcolor{blue}{v'} &= \textcolor{blue}{e^{x - y^2}} \end{aligned} \]
Plugger vi dette inn og ganger med \( y\text{,} \) får vi:
\[ \begin{aligned} \dfrac{\partial f}{\partial x} &= y\left(\textcolor{red}{1} \cdot \textcolor{blue}{e^{x - y^2}} + \textcolor{red}{x} \cdot \textcolor{blue}{e^{x - y^2}}\right) \\ &= y(1 + x)e^{x - y^2} \end{aligned} \]
2. Deriver med hensyn på y
Nå er \( x \) en konstant, og vi bruker produktregelen på \( {\textcolor{red}{y} \cdot \textcolor{blue}{e^{x - y^2}}}\text{.} \) Kjernen har derivert \( {-2y} \) med hensyn på \( y\text{.} \) Her er:
\[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{y} & \textcolor{red}{u'} &= \textcolor{red}{1} \\ \textcolor{blue}{v} &= \textcolor{blue}{e^{x - y^2}} & \textcolor{blue}{v'} &= \textcolor{blue}{-2y\,e^{x - y^2}} \end{aligned} \]
Plugger vi dette inn og ganger med \( x\text{,} \) får vi:
\[ \begin{aligned} \dfrac{\partial f}{\partial y} &= x\left(\textcolor{red}{1} \cdot \textcolor{blue}{e^{x - y^2}} + \textcolor{red}{y} \cdot \textcolor{blue}{(-2y)e^{x - y^2}}\right) \\ &= x(1 - 2y^2)e^{x - y^2} \end{aligned} \]
3. Sett inn punktet
I \( (0, 1) \) er \( {e^{x - y^2} = e^{-1}}\text{,} \) så:
\[ \begin{aligned} \dfrac{\partial f}{\partial x}(0, 1) &= 1 \cdot (1 + 0)e^{-1} = \dfrac{1}{e} \\ \dfrac{\partial f}{\partial y}(0, 1) &= 0 \cdot (1 - 2)e^{-1} = 0 \end{aligned} \]
Gradienten består av de partielle deriverte, som i videoen Hva er en gradient?:
\[ \nabla f = \left(\dfrac{\partial f}{\partial x},\ \dfrac{\partial f}{\partial y}\right) \]
I punktet er den:
\[ \nabla f(0, 1) = \left(\dfrac{1}{e},\ 0\right) \]
4. Forklar retningen
Den retningsderiverte i retning \( \vec{v} \) er gradienten ganget med \( \vec{v} \) delt på lengden, som i videoen Oppgave 1B - Matte 2000 Eksamen Høst 2023 (OsloMet):
\[ R_D = \nabla f \cdot \dfrac{\vec{v}}{|\vec{v}|} \]
Skalarproduktet er lengdene ganget med \( \cos\theta\text{,} \) der \( \theta \) er vinkelen mellom vektorene, og \( \dfrac{\vec{v}}{|\vec{v}|} \) har lengde \( 1\text{.} \) Det gir oss:
\[ R_D = |\nabla f| \cdot 1 \cdot \cos\theta \]
\( \cos\theta \) er størst, lik \( 1\text{,} \) når \( {\theta = 0}\text{.} \) \( f \) vokser altså raskest når \( \vec{v} \) peker samme vei som gradienten:
\[ \left(\dfrac{1}{e},\ 0\right) = \dfrac{1}{e}\,(1, 0) \]
Oppgave 2b)
Finn de stasjonære punktene til ved regning.
Vis løsningSkjul løsning på oppgave 2b
Svar
har tre stasjonære punkter:
Vi bruker de partielle deriverte fra a).
I et stasjonært punkt er begge de partielle deriverte null. Vi setter dem lik null og bruker at \( {e^{x - y^2}} \) aldri er null.
1. Sett gradienten lik null
I a) fant vi de partielle deriverte:
\[ \begin{aligned} \dfrac{\partial f}{\partial x} &= y(1 + x)e^{x - y^2} \\ \dfrac{\partial f}{\partial y} &= x(1 - 2y^2)e^{x - y^2} \end{aligned} \]
I et stasjonært punkt er begge de partielle deriverte null, som i videoen Kritisk punkt eksempel:
\[ \dfrac{\partial f}{\partial x} = 0 \quad \text{og} \quad \dfrac{\partial f}{\partial y} = 0 \]
\( {e^{x - y^2}} \) er alltid positiv, så den blir aldri \( 0\text{.} \) Da må:
\[ \begin{aligned} \textcolor{darkorange}{y}(\textcolor{magenta}{1 + x}) &= 0 \\ x(1 - 2y^2) &= 0 \end{aligned} \]
Et produkt er null bare når en av faktorene er null. Den første likningen gir derfor to tilfeller:
\[ \textcolor{darkorange}{y = 0} \quad \text{eller} \quad \textcolor{magenta}{x = -1} \]
2. Løs de to tilfellene
Med \( {\textcolor{darkorange}{y = 0}} \) gir den andre likningen:
\[ x(1 - 2 \cdot \textcolor{darkorange}{0}^2) = x = 0 \]
Med \( {\textcolor{magenta}{x = -1}} \) gir den andre likningen:
\[ \begin{aligned} \textcolor{magenta}{-1} \cdot (1 - 2y^2) &= 0 \\ y^2 &= \dfrac{1}{2} \\ y &= \pm\dfrac{1}{\sqrt{2}} = \pm\dfrac{\sqrt{2}}{2} \end{aligned} \]
Oppgave 2c)
Figur 1 viser nivåkurver og gradienter til funksjonen Bruk Figur 1 til å klassifisere de stasjonære punktene til
Vis løsningSkjul løsning på oppgave 2c
Svar
Figur 1 viser at:
Vi bruker de stasjonære punktene fra b).
Gradienten peker dit \( f \) vokser raskest. Vi ser derfor om pilene rundt hvert punkt peker bort fra det, inn mot det eller begge deler.
1. Finn punktene i figuren
I b) fant vi de stasjonære punktene:
\[ (0, 0) \quad \text{og} \quad \left(-1, \pm\dfrac{\sqrt{2}}{2}\right) \]
Siden \( {\dfrac{\sqrt{2}}{2} \approx 0{,}71}\text{,} \) ligger de to punktene med \( {x = -1} \) ved \( {y \approx \pm 0{,}71}\text{:} \)
2. Les av pilene
Pilene i figuren er gradienten \( \textcolor{blue}{\nabla f}\text{.} \)
Rundt \( {\left(-1, \dfrac{\sqrt{2}}{2}\right)} \) går nivåkurvene i løkker, og pilene \( \textcolor{blue}{\nabla f} \) peker bort fra punktet. \( f \) vokser uansett hvilken vei vi går, så punktet er et lokalt minimum. Hvis du er usikker på hva det betyr, kan du se videoen Hva er et kritisk punkt.
Rundt \( {\left(-1, -\dfrac{\sqrt{2}}{2}\right)} \) går nivåkurvene også i løkker, men pilene peker inn mot punktet. \( f \) avtar uansett hvilken vei vi går, så punktet er et lokalt maksimum.
Rundt origo ligger nivåkurvene som hyperbler i hver kvadrant, og aksene, der \( {f = 0}\text{,} \) skiller dem. Pilene peker bort fra origo i første og tredje kvadrant og inn mot aksene i andre og fjerde. \( f \) vokser altså i noen retninger og avtar i andre, så origo er et sadelpunkt, som i videoen Hva er et Sadelpunkt?.
Kontroll: Verdiene passer: \( {f\left(-1, \dfrac{\sqrt{2}}{2}\right) = -\dfrac{\sqrt{2}}{2}e^{-3/2}} \) er negativ, og \( {f\left(-1, -\dfrac{\sqrt{2}}{2}\right) = \dfrac{\sqrt{2}}{2}e^{-3/2}} \) er positiv.
Oppgave 3
Funksjonen er definert ved uttrykket
Oppgave 3a)
Bestem de stasjonære punktene til
Vis løsningSkjul løsning på oppgave 3a
Svar
De stasjonære punktene er:
I et stasjonært punkt er begge de partielle deriverte null. Vi faktoriserer den ene likningen og deler opp i to tilfeller.
1. Finn de partielle deriverte
Vi deriverer med hensyn på én variabel og ser på den andre som en konstant. Hvis du er usikker på dette, kan du se videoen Partiell derivasjon, intro med eksempler.
\[ \begin{aligned} \textcolor{blue}{f_x} &= \textcolor{blue}{2xy - 4y} \\ \textcolor{red}{f_y} &= \textcolor{red}{x^2 - 4x - 2y} \end{aligned} \]
2. Sett begge lik null
I et stasjonært punkt er begge de partielle deriverte lik \( 0\text{,} \) som i videoen Oppgave 3d - Del 1 - Kritiske Stasjonære punkter - Prøveeksamen 2020 (BYPE 2000):
\[ \begin{aligned} \textcolor{blue}{2xy - 4y} &= 0 \\ \textcolor{red}{x^2 - 4x - 2y} &= 0 \end{aligned} \]
Vi faktoriserer den første likningen:
\[ 2y(x - 2) = 0 \]
Et produkt er null bare når en av faktorene er null, som i videoen Oppgave 3d - Del 1 - Kritiske Stasjonære punkter - Prøveeksamen 2020 (BYPE 2000). Det gir to tilfeller:
\[ y = 0 \quad \text{eller} \quad x = 2 \]
3. Løs de to tilfellene
\( {y = 0} \) i den andre likningen gir:
\[ \begin{aligned} x^2 - 4x &= 0 \\ x(x - 4) &= 0 \\ x = 0 \quad &\text{eller} \quad x = 4 \end{aligned} \]
\( {x = 2} \) i den andre likningen gir:
\[ \begin{aligned} 2^2 - 4 \cdot 2 - 2y &= 0 \\ -4 - 2y &= 0 \\ y &= -2 \end{aligned} \]
Oppgave 3b)
Karakteriser de stasjonære punktene.
Vis løsningSkjul løsning på oppgave 3b
Svar
Vi bruker de partielle deriverte og de stasjonære punktene fra a).
Vi bruker andrederiverttesten: fortegnet til \( {K = f_{xx}f_{yy} - f_{xy}^2} \) i hvert punkt avgjør om det er et maksimum, et minimum eller et sadelpunkt.
1. Skriv opp testen
Andrederiverttesten forteller oss at vi regner ut:
\[ K = \textcolor{blue}{f_{xx}}\,\textcolor{red}{f_{yy}} - \textcolor{green}{f_{xy}}^2 \]
I et stasjonært punkt gir fortegnet svaret:
\[ \begin{aligned} K < 0 &\text{: sadelpunkt} \\ K > 0,\ \textcolor{blue}{f_{xx}} < 0 &\text{: lokalt maksimum} \\ K > 0,\ \textcolor{blue}{f_{xx}} > 0 &\text{: lokalt minimum} \\ K = 0 &\text{: ingen konklusjon} \end{aligned} \]Hvis du er usikker på testen, kan du se videoen Dobbelt derivertes test.
2. Finn de andrederiverte
I a) fant vi:
\[ \begin{aligned} \textcolor{blue}{f_x} &= \textcolor{blue}{2xy - 4y} \\ \textcolor{red}{f_y} &= \textcolor{red}{x^2 - 4x - 2y} \end{aligned} \]
Vi deriverer dem én gang til:
\[ \begin{aligned} \textcolor{blue}{f_{xx}} &= \textcolor{blue}{2y} \\ \textcolor{red}{f_{yy}} &= \textcolor{red}{-2} \\ \textcolor{green}{f_{xy}} &= \textcolor{green}{2x - 4} \end{aligned} \]
Plugger vi dette inn i \( K\text{,} \) får vi:
\[ \begin{aligned} K &= \textcolor{blue}{2y} \cdot (\textcolor{red}{-2}) - (\textcolor{green}{2x - 4})^2 \\ &= -4y - (2x - 4)^2 \end{aligned} \]
3. Sjekk hvert punkt
I \( (0, 0) \) og \( (4, 0) \) er \( {y = 0} \) og \( {(2x - 4)^2 = 16}\text{:} \)
\[ K = 0 - 16 = -16 < 0 \]
Begge er sadelpunkter. Hvordan et sadelpunkt ser ut, ser du i videoen Hva er et Sadelpunkt?.
I \( {(2, -2)} \) er:
\[ \begin{aligned} K &= -4 \cdot (-2) - 0^2 = 8 > 0 \\ \textcolor{blue}{f_{xx}} &= 2 \cdot (-2) = -4 < 0 \end{aligned} \]
Det er et lokalt maksimum, altså et toppunkt, med verdien:
\[ \begin{aligned} f(2, -2) &= 2^2 \cdot (-2) - 4 \cdot 2 \cdot (-2) \\ &\quad - (-2)^2 \\ &= -8 + 16 - 4 = 4 \end{aligned} \]
Figur 1.1 viser nivåkurver til funksjonen
Oppgave 3c)
Lag en skisse som viser gradienter nær de stasjonære punktene til
Vis løsningSkjul løsning på oppgave 3c
Svar
Gradientene står vinkelrett på nivåkurvene, som skissen viser, og peker:
Vi bruker de partielle deriverte fra a) og typene til punktene fra b).
Gradienten peker dit \( f \) vokser raskest, og står vinkelrett på nivåkurvene. Vi regner den ut i noen punkter rundt hvert stasjonære punkt og tegner pilene.
1. Skriv opp gradienten
Gradienten er vektoren med de partielle deriverte, som i videoen Hva er en gradient?. Med de partielle deriverte fra a) er:
\[ \begin{aligned} \nabla f &= (\textcolor{blue}{f_x}, \textcolor{red}{f_y}) \\ \textcolor{blue}{f_x} &= \textcolor{blue}{2y(x - 2)} \\ \textcolor{red}{f_y} &= \textcolor{red}{x^2 - 4x - 2y} \end{aligned} \]
I de stasjonære punktene er gradienten null, så vi ser på punkter rett ved.
2. Se på toppunktet
Rundt \( {(2, -2)} \) tar vi ett punkt på hver side:
\[ \begin{aligned} \nabla f(1, -2) &= (\textcolor{blue}{4}, \textcolor{red}{1}) \\ \nabla f(3, -2) &= (\textcolor{blue}{-4}, \textcolor{red}{1}) \\ \nabla f(2, -1) &= (\textcolor{blue}{0}, \textcolor{red}{-2}) \\ \nabla f(2, -3) &= (\textcolor{blue}{0}, \textcolor{red}{2}) \end{aligned} \]
Alle fire peker inn mot toppunktet \( {(2, -2)}\text{.} \)
3. Se på sadelpunktene
Rundt \( (0, 0) \) tar vi ett punkt i hver kvadrant:
\[ \begin{aligned} \nabla f\big(\tfrac{1}{2}, \tfrac{1}{2}\big) &= \big(\textcolor{blue}{-\tfrac{3}{2}}, \textcolor{red}{-\tfrac{11}{4}}\big) \\ \nabla f\big(-\tfrac{1}{2}, -\tfrac{1}{2}\big) &= \big(\textcolor{blue}{\tfrac{5}{2}}, \textcolor{red}{\tfrac{13}{4}}\big) \\ \nabla f\big(\tfrac{1}{2}, -\tfrac{1}{2}\big) &= \big(\textcolor{blue}{\tfrac{3}{2}}, \textcolor{red}{-\tfrac{3}{4}}\big) \\ \nabla f\big(-\tfrac{1}{2}, \tfrac{1}{2}\big) &= \big(\textcolor{blue}{-\tfrac{5}{2}}, \textcolor{red}{\tfrac{5}{4}}\big) \end{aligned} \]
Oppe til høyre og nede til venstre peker gradienten inn mot \( (0, 0)\text{,} \) og i de to andre kvadrantene bort fra det. Slik ser det ut ved et sadelpunkt.
Rundt \( (4, 0) \) slipper vi å regne på nytt, for \( f \) er symmetrisk om linja \( {x = 2}\text{.} \) Vi skriver \( {f(x, y) = x(x - 4)\,y - y^2} \) og bytter \( x \) med \( {4 - x}\text{:} \)
\[ \begin{aligned} f(4 - x, y) &= (4 - x)(-x)\,y - y^2 \\ &= x(x - 4)\,y - y^2 \\ &= f(x, y) \end{aligned} \]
Gradientene rundt \( (4, 0) \) er derfor speilbildene av dem rundt \( (0, 0)\text{.} \)
4. Tegn skissen
Vi tegner pilene inn på nivåkurvene fra figur 1.1. Alle pilene har samme lengde og viser bare retningen:
Oppgave 2
- Flere oppgaver om derivasjon,
- Flere oppgaver om kjerneregelen,
- Flere oppgaver om partielle deriverte,
- Flere oppgaver om produktregelen,
- Flere oppgaver om topp- og bunnpunkter
Figur 1.1 viser nivåkurver til en funksjon av to variable. På nivåkurvene er det skrevet opp verdier av funksjonen.
Oppgave 2a)
Bruk figur 1.1 til å anslå koordinatene til de to stasjonære (kritiske) punktene til
Karakteriser punktene.
Vis løsningSkjul løsning på oppgave 2a
Svar
Anslått fra figuren er punktene:
Der nivåkurvene går i ringer rundt ett punkt, ligger et stasjonært punkt i midten. Om det er et toppunkt eller et bunnpunkt, ser vi av om verdiene øker eller avtar innover.
1. Les av sentrene
Til høyre for \( {y\text{-aksen}} \) ligger kurvene \( \textcolor{red}{0{,}1} \) til \( \textcolor{red}{0{,}4} \) i ringer rundt ett punkt, og til venstre ligger \( {\textcolor{green}{-0{,}1}} \) til \( {\textcolor{green}{-0{,}4}} \) på samme måte. Sentrene ligger på \( {x\text{-aksen,}} \) midt i de innerste ringene:
\[ \textcolor{red}{(0{,}7,\ 0)} \quad \text{og} \quad \textcolor{green}{(-0{,}7,\ 0)} \]
2. Karakteriser punktene
Rundt \( \textcolor{red}{(0{,}7,\ 0)} \) øker verdiene innover, så \( f \) er størst i midten:
\[ \textcolor{red}{0{,}1 < 0{,}2 < 0{,}3 < 0{,}4} \]Punktet er altså et lokalt maksimum, et toppunkt på flaten, som i videoen Hva er et kritisk punkt.
Rundt \( {\textcolor{green}{(-0{,}7,\ 0)}} \) avtar verdiene innover, så \( f \) er minst i midten:
\[ \textcolor{green}{-0{,}1 > -0{,}2 > -0{,}3 > -0{,}4} \]Punktet er altså et lokalt minimum, et bunnpunkt.
Oppgave 2b)
Lag en enkel skisse der du tegner inn noen gradienter rundt de stasjonære punktene. Skissen skal vise typiske trekk ved gradienter.
Vis løsningSkjul løsning på oppgave 2b
Svar
Gradientene står vinkelrett på nivåkurvene og peker dit øker, og skissen står i løsningen:
Vi bruker punktene fra a).
Gradienten står vinkelrett på nivåkurvene og peker dit \( f \) øker raskest. Vi tegner noen piler rundt hvert punkt som viser dette.
1. Finn trekkene ved gradienten
Gradienten er vektoren av de partielle deriverte, som i videoen Hva er en gradient?:
\[ \textcolor{blue}{\nabla f} = \left(\dfrac{\partial f}{\partial x},\ \dfrac{\partial f}{\partial y}\right) \]
Den retningsderiverte i retningen til en enhetsvektor \( \vec{u} \) er, som i videoen Oppgave 1B - Matte 2000 Eksamen Høst 2023 (OsloMet):
\[ R_D = \textcolor{blue}{\nabla f} \cdot \vec{u} \]
Langs en nivåkurve endrer ikke \( f \) seg, så for \( \vec{u} \) langs kurven er:
\[ \textcolor{blue}{\nabla f} \cdot \vec{u} = 0 \]Gradienten står altså vinkelrett på nivåkurvene.
Med \( \theta \) som vinkelen mellom \( \textcolor{blue}{\nabla f} \) og enhetsvektoren \( \vec{u} \) er:
\[ \textcolor{blue}{\nabla f} \cdot \vec{u} = |\textcolor{blue}{\nabla f}| \cos\theta \]Det er størst når \( {\theta = 0}\text{,} \) altså når \( \vec{u} \) peker samme vei som \( \textcolor{blue}{\nabla f}\text{.} \) Gradienten peker derfor dit \( f \) øker raskest, og den er lengst der nivåkurvene ligger tettest. I de stasjonære punktene er den null:
\[ \textcolor{blue}{\nabla f} = \vec{0} \]
2. Tegn gradientene
Rundt toppunktet \( \textcolor{red}{(0{,}7,\ 0)} \) peker gradientene innover, mot større verdier. Rundt bunnpunktet \( {\textcolor{green}{(-0{,}7,\ 0)}} \) peker de utover, og mellom punktene peker de fra bunnpunktet mot toppunktet:
Funksjonen vi har tegnet nivåkurvene til er definert ved uttrykket
Oppgave 2c)
Regn ut eksakte verdier for koordinatene til de stasjonære punktene.
Bestem fortegnet til i de stasjonære punktene.
Vis løsningSkjul løsning på oppgave 2c
Svar
De stasjonære punktene, med fortegnet til er:
I et stasjonært punkt er gradienten null. Vi deriverer med produktregelen og kjerneregelen, setter begge de partielle deriverte lik \( 0 \) og løser.
1. Finn de partielle deriverte
De stasjonære punktene finner vi ved å sette gradienten lik null, som i videoen Kritisk punkt eksempel:
\[ \nabla f = \left(\dfrac{\partial f}{\partial x},\ \dfrac{\partial f}{\partial y}\right) = (0,\ 0) \]
Funksjonen er et produkt, så vi bruker produktregelen. Den forteller oss at:
\[ (\textcolor{red}{u}\textcolor{blue}{v})' = \textcolor{red}{u'}\textcolor{blue}{v} + \textcolor{red}{u}\textcolor{blue}{v'} \]Hvis du er usikker på produktregelen, kan du se videoen Produktregelen.
Faktoren \( {e^{-x^2 - y^2}} \) deriverer vi med kjerneregelen, som i videoen Kritisk punkt eksempel:
\[ \left(e^{\textcolor{green}{w}}\right)' = e^{\textcolor{green}{w}} \cdot \textcolor{green}{w'} \]Kjernen er \( {\textcolor{green}{w = -x^2 - y^2}}\text{,} \) og med hensyn på \( x \) er \( {\textcolor{green}{w' = -2x}}\text{.} \)
Her er:
\[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{x} \\ \textcolor{red}{u'} &= \textcolor{red}{1} \\ \textcolor{blue}{v} &= \textcolor{blue}{e^{-x^2 - y^2}} \\ \textcolor{blue}{v'} &= \textcolor{blue}{e^{-x^2 - y^2} \cdot (\textcolor{green}{-2x})} \end{aligned} \]
Plugger vi dette inn i produktregelen, får vi:
\[ \begin{aligned} \dfrac{\partial f}{\partial x} &= \textcolor{red}{1} \cdot \textcolor{blue}{e^{-x^2 - y^2}} \\ &\quad + \textcolor{red}{x} \cdot \textcolor{blue}{e^{-x^2 - y^2} \cdot (\textcolor{green}{-2x})} \\ &= (1 - 2x^2)\,e^{-x^2 - y^2} \end{aligned} \]
Med hensyn på \( y \) er faktoren \( x \) en konstant, så vi deriverer bare \( e^{\textcolor{green}{w}}\text{.} \) Nå er \( {\textcolor{green}{w' = -2y}}\text{:} \)
\[ \begin{aligned} \dfrac{\partial f}{\partial y} &= x\,e^{-x^2 - y^2} \cdot (\textcolor{green}{-2y}) \\ &= -2xy\,e^{-x^2 - y^2} \end{aligned} \]
2. Løs likningene
\( {e^{-x^2 - y^2}} \) er alltid positiv, så den blir aldri \( 0\text{.} \) Gradienten er derfor null når:
\[ \begin{aligned} 1 - 2x^2 &= 0 \\ -2xy &= 0 \end{aligned} \]
Den første likningen gir:
\[ x^2 = \dfrac{1}{2} \quad \Rightarrow \quad x = \pm\dfrac{1}{\sqrt{2}} = \pm\dfrac{\sqrt{2}}{2} \]
Da er \( {x \neq 0}\text{,} \) så den andre likningen gir \( {y = 0}\text{.} \) De stasjonære punktene er:
\[ \left(\dfrac{\sqrt{2}}{2},\ 0\right) \quad \text{og} \quad \left(-\dfrac{\sqrt{2}}{2},\ 0\right) \]
Kontroll: \( {\dfrac{\sqrt{2}}{2} \approx 0{,}71}\text{,} \) som stemmer med anslaget \( 0{,}7 \) fra figuren i a).
3. Bestem fortegnet til den dobbeltderiverte
Vi deriverer \( \dfrac{\partial f}{\partial x} \) én gang til med hensyn på \( x\text{,} \) igjen med produktregelen, som i videoen Dobbelt derivertes test. Her er:
\[ \begin{aligned} \textcolor{red}{u} &= \textcolor{red}{1 - 2x^2} \\ \textcolor{red}{u'} &= \textcolor{red}{-4x} \\ \textcolor{blue}{v} &= \textcolor{blue}{e^{-x^2 - y^2}} \\ \textcolor{blue}{v'} &= \textcolor{blue}{e^{-x^2 - y^2} \cdot (\textcolor{green}{-2x})} \end{aligned} \]
Plugger vi dette inn, og setter \( {e^{-x^2 - y^2}} \) utenfor, får vi:
\[ \begin{aligned} f_{xx} &= \textcolor{red}{-4x} \cdot \textcolor{blue}{e^{-x^2 - y^2}} \\ &\quad + \textcolor{red}{(1 - 2x^2)} \cdot \textcolor{blue}{e^{-x^2 - y^2} \cdot (-2x)} \\ &= (-4x - 2x + 4x^3)\,e^{-x^2 - y^2} \\ &= 2x(2x^2 - 3)\,e^{-x^2 - y^2} \end{aligned} \]
I begge punktene er \( {x^2 = \dfrac{1}{2}} \) og \( {y = 0}\text{,} \) så:
\[ \begin{aligned} f_{xx} &= 2x \left(2 \cdot \dfrac{1}{2} - 3\right) e^{-\tfrac{1}{2}} \\ &= -4x\,e^{-\tfrac{1}{2}} \end{aligned} \]
\( {e^{-\tfrac{1}{2}}} \) er positiv, så \( f_{xx} \) har motsatt fortegn av \( x\text{:} \)
\[ \begin{aligned} f_{xx}\left(\dfrac{\sqrt{2}}{2},\ 0\right) &= -2\sqrt{2}\,e^{-\tfrac{1}{2}} < 0 \\ f_{xx}\left(-\dfrac{\sqrt{2}}{2},\ 0\right) &= 2\sqrt{2}\,e^{-\tfrac{1}{2}} > 0 \end{aligned} \]
I a) fant vi et toppunkt i \( (0{,}7,\ 0) \) og et bunnpunkt i \( {(-0{,}7,\ 0)}\text{,} \) og det passer: \( f_{xx} \) er negativ i toppunktet og positiv i bunnpunktet.
Oppgave 2
Funksjonen er definert ved uttrykket
Oppgave 2a)
Vis at punktet ligger på grafen til
I hvilken retning fra er det brattest?
Vis løsningSkjul løsning på oppgave 2a
Svar
ligger på grafen, og det er brattest oppover i retningen til gradienten, med stigningen
\( P \) ligger på grafen når \( {f(2, 1) = 2}\text{.} \) Det er brattest i retningen til gradienten, så vi regner ut \( \nabla f(2, 1)\text{.} \)
1. Sjekk at punktet ligger på grafen
Grafen til \( f \) er punktene \( (x, y, z) \) der \( {z = f(x, y)}\text{.} \) Vi setter inn \( {x = 2} \) og \( {y = 1}\text{:} \)
\[ \begin{aligned} f(2, 1) &= 4 \cdot 2^2 - 8 \cdot 2 \cdot 1 + 2 \cdot 1^2 \\ &= 16 - 16 + 2 = 2 \end{aligned} \]
Det er \( {z\text{-koordinaten}} \) til \( P\text{,} \) så \( P \) ligger på grafen.
2. Regn ut gradienten
Gradienten er vektoren av de partiellderiverte, som i videoen Hva er en gradient?:
\[ \nabla f = (\textcolor{blue}{f_x},\ \textcolor{red}{f_y}) \]
Vi deriverer med hensyn på én variabel om gangen og holder den andre konstant:
\[ \begin{aligned} \textcolor{blue}{f_x} &= \textcolor{blue}{8x - 8y + y^2} \\ \textcolor{red}{f_y} &= \textcolor{red}{-8x + 2xy} \end{aligned} \]
I punktet \( (2, 1) \) er:
\[ \begin{aligned} \textcolor{blue}{f_x(2, 1)} &= 8 \cdot 2 - 8 \cdot 1 + 1^2 = \textcolor{blue}{9} \\ \textcolor{red}{f_y(2, 1)} &= -8 \cdot 2 + 2 \cdot 2 \cdot 1 = \textcolor{red}{-12} \end{aligned} \]
3. Finn retningen som er brattest
Stigningen i retningen til en enhetsvektor \( \vec{u} \) er den retningsderiverte, som i videoen Oppgave 3b - Retningsderiverte - Prøveeksamen 2020 (BYPE 2000):
\[ R_D = \nabla f \cdot \vec{u} \]
Skalarproduktet er lengdene ganget med cosinus til vinkelen \( \theta \) mellom vektorene, som i videoen Oppgave 4C - Del 1 - R1 Eksamen Høst 2025. Siden \( {|\vec{u}| = 1}\text{,} \) får vi:
\[ R_D = |\nabla f| \cdot |\vec{u}| \cos\theta = |\nabla f| \cos\theta \]
Det er størst når \( {\cos\theta = 1}\text{,} \) altså når \( \vec{u} \) peker samme vei som gradienten. Da er stigningen:
\[ \begin{aligned} |\nabla f(2, 1)| &= \sqrt{\textcolor{blue}{9}^2 + (\textcolor{red}{-12})^2} \\ &= \sqrt{225} = 15 \end{aligned} \]
Enhetsvektoren i den retningen er:
\[ \vec{u} = \dfrac{(\textcolor{blue}{9},\ \textcolor{red}{-12})}{15} = \left(\dfrac{3}{5},\ -\dfrac{4}{5}\right) \]
I motsatt retning, \( {-\nabla f(2, 1) = (-9, 12)}\text{,} \) går det like bratt nedover.
Oppgave 2b)
Forklar hvorfor løsningen av likningen gir oss de stasjonære punktene til Du skal ikke løse likningen.
Vis løsningSkjul løsning på oppgave 2b
Svar
I et stasjonært punkt er for alle retninger og det skjer nøyaktig når:
I et stasjonært punkt er grafen flat i alle retninger. Vi ser hva det betyr for den retningsderiverte, og dermed for gradienten.
1. Bruk den retningsderiverte
I et stasjonært punkt er tangentplanet vannrett: grafen verken stiger eller synker, uansett hvilken vei vi går. Den retningsderiverte er altså null for hver enhetsvektor \( \vec{u}\text{:} \)
\[ \nabla f \cdot \vec{u} = 0 \]
2. Velg to retninger
Med \( {\vec{u} = (1, 0)} \) og \( {\vec{u} = (0, 1)} \) får vi hver av de partiellderiverte:
\[ \begin{aligned} \nabla f \cdot (1, 0) &= \textcolor{blue}{f_x} = 0 \\ \nabla f \cdot (0, 1) &= \textcolor{red}{f_y} = 0 \end{aligned} \]
Altså er:
\[ \nabla f = (\textcolor{blue}{f_x},\ \textcolor{red}{f_y}) = (0, 0) \]
3. Sjekk den andre veien
Er \( {\nabla f = (0, 0)}\text{,} \) blir \( {\nabla f \cdot \vec{u} = 0} \) for alle retninger \( \vec{u}\text{,} \) så punktet er stasjonært.
Likningen \( {\nabla f = 0} \) har derfor nøyaktig de stasjonære punktene som løsninger. Det er slik vi finner de kritiske punktene i videoen Hva er et kritisk punkt, og her er de det samme som de stasjonære.
Oppgave 2c)
Et av de stasjonære punktene til er punktet
Karakteriser dette stasjonære punktet.
Vis løsningSkjul løsning på oppgave 2c
Svar
Punktet er et bunnpunkt, med funksjonsverdien
Vi bruker de partiellderiverte \( f_x \) og \( f_y \) fra a).
Vi bruker andrederiverttesten. Fortegnet til \( K \) og til \( f_{xx} \) i punktet avgjør om det er et toppunkt, et bunnpunkt eller et sadelpunkt.
1. Regn ut de andrederiverte
Vi deriverer \( {f_x = 8x - 8y + y^2} \) og \( {f_y = -8x + 2xy} \) én gang til, som i videoen Dobbel partiell derivert:
\[ \begin{aligned} f_{xx} &= \dfrac{\partial}{\partial x}(8x - 8y + y^2) = 8 \\ f_{yy} &= \dfrac{\partial}{\partial y}(-8x + 2xy) = 2x \\ f_{xy} &= \dfrac{\partial}{\partial y}(8x - 8y + y^2) = -8 + 2y \end{aligned} \]
Den blandede andrederiverte \( f_{yx} \) blir den samme som \( f_{xy}\text{:} \)
\[ f_{yx} = \dfrac{\partial}{\partial x}(-8x + 2xy) = -8 + 2y \]
I punktet \( (2, 4) \) er:
\[ \begin{aligned} \textcolor{blue}{f_{xx}} &= \textcolor{blue}{8} \\ \textcolor{red}{f_{yy}} &= 2 \cdot 2 = \textcolor{red}{4} \\ \textcolor{green}{f_{xy}} = \textcolor{green}{f_{yx}} &= -8 + 2 \cdot 4 = \textcolor{green}{0} \end{aligned} \]
2. Bruk andrederiverttesten
Andrederiverttesten bruker tallet \( K\text{:} \)
\[ K = \textcolor{blue}{f_{xx}} \cdot \textcolor{red}{f_{yy}} - \textcolor{green}{f_{xy}} \cdot \textcolor{green}{f_{yx}} \]
Punktet er et toppunkt eller et bunnpunkt når \( {K > 0}\text{,} \) og et sadelpunkt når \( {K < 0}\text{.} \) Når \( {K = 0}\text{,} \) gir testen ikke svar. Hvis du er usikker på testen, kan du se videoen Dobbelt derivertes test.
Plugger vi inn verdiene, får vi:
\[ K = \textcolor{blue}{8} \cdot \textcolor{red}{4} - \textcolor{green}{0} \cdot \textcolor{green}{0} = 32 > 0 \]
3. Avgjør hva slags punkt det er
Når \( {K > 0}\text{,} \) er det et bunnpunkt hvis \( {f_{xx} > 0} \) og et toppunkt hvis \( {f_{xx} < 0}\text{,} \) som i videoen Dobbelt derivertes test. Her er \( {\textcolor{blue}{f_{xx} = 8} > 0}\text{,} \) så punktet er et bunnpunkt, et lokalt minimum.
Funksjonsverdien der er:
\[ \begin{aligned} f(2, 4) &= 4 \cdot 2^2 - 8 \cdot 2 \cdot 4 + 2 \cdot 4^2 \\ &= 16 - 64 + 32 = -16 \end{aligned} \]
Oppgave 2
Funksjonen er definert ved uttrykket
Grafen til er en flate som vi kaller
Oppgave 2a)
Vis at punktet ligger på flaten
Regn ut alle de partielt deriverte av første og andre orden.
Vis løsningSkjul løsning på oppgave 2a
Svar
så ligger på De partielt deriverte er:
Punktet ligger på flaten når \( {f(3, 0) = -6}\text{.} \) Så deriverer vi ledd for ledd, først med hensyn på \( x \) og så på \( y\text{,} \) og deretter én gang til.
1. Sjekk at punktet ligger på flaten
\( P \) ligger på \( G \) når \( {z\text{-koordinaten}} \) er funksjonsverdien i \( (3, 0)\text{.} \) Med \( {y = 0} \) blir alle leddene med \( y \) borte:
\[ \begin{aligned} f(3, 0) &= 3 - \dfrac{1}{3} \cdot 3^3 \\ &= 3 - 9 = -6 \end{aligned} \]
Det er \( {z\text{-koordinaten}} \) til \( P\text{,} \) så \( P \) ligger på \( G\text{.} \)
2. Deriver én gang
Når vi deriverer med hensyn på \( x\text{,} \) er \( y \) en konstant, som i videoen Partiell derivasjon, intro med eksempler. Vi deriverer ledd for ledd, og leddene uten \( x \) blir \( 0\text{:} \)
\[ \begin{aligned} \textcolor{blue}{f_x} &= 1 + 0 - x^2 - 2xy - 2y^2 - 0 \\ &= 1 - x^2 - 2xy - 2y^2 \end{aligned} \]
Med hensyn på \( y \) er \( x \) en konstant, og leddene uten \( y \) blir \( 0\text{:} \)
\[ \begin{aligned} \textcolor{red}{f_y} &= 0 + 1 - 0 - x^2 - 4xy - 4y^2 \\ &= 1 - x^2 - 4xy - 4y^2 \end{aligned} \]
3. Deriver én gang til
De andre ordens deriverte får vi ved å derivere \( \textcolor{blue}{f_x} \) og \( \textcolor{red}{f_y} \) én gang til, med hensyn på \( x \) og på \( y\text{,} \) som i videoen Dobbel partiell derivert. Fra \( \textcolor{blue}{f_x} \) får vi:
\[ \begin{aligned} \textcolor{blue}{f_{xx}} &= -2x - 2y \\ \textcolor{blue}{f_{xy}} &= -2x - 4y \end{aligned} \]
Fra \( \textcolor{red}{f_y} \) får vi:
\[ \begin{aligned} \textcolor{red}{f_{yx}} &= -2x - 4y \\ \textcolor{red}{f_{yy}} &= -4x - 8y \end{aligned} \]
De to blandede er like, \( {f_{xy} = f_{yx}}\text{,} \) slik de skal være.
Oppgave 2b)
Vis at punktet er et stasjonært punkt til
Karakteriser dette stasjonære punktet.
Vis løsningSkjul løsning på oppgave 2b
Svar
Begge de første ordens deriverte er i og testen med de andre ordens deriverte gir et lokalt minimum:
Vi bruker de partielt deriverte fra a).
Et punkt er stasjonært når begge de første ordens partielt deriverte er \( 0\text{.} \) Hva slags punkt det er, finner vi med testen med de andre ordens deriverte.
1. Sett inn i de første deriverte
I a) fant vi:
\[ \begin{aligned} \textcolor{blue}{f_x} &= 1 - x^2 - 2xy - 2y^2 \\ \textcolor{red}{f_y} &= 1 - x^2 - 4xy - 4y^2 \\ \textcolor{blue}{f_{xx}} &= -2x - 2y \\ \textcolor{red}{f_{yy}} &= -4x - 8y \\ \textcolor{blue}{f_{xy}} &= \textcolor{red}{f_{yx}} = -2x - 4y \end{aligned} \]
Et punkt er stasjonært når begge er \( 0\text{,} \) som i videoen Kritisk punkt eksempel. I \( {(-1, 0)} \) blir alle leddene med \( y \) borte:
\[ \begin{aligned} \textcolor{blue}{f_x(-1, 0)} &= 1 - (-1)^2 = 0 \\ \textcolor{red}{f_y(-1, 0)} &= 1 - (-1)^2 = 0 \end{aligned} \]
Begge er \( 0\text{,} \) så \( {(-1, 0)} \) er et stasjonært punkt.
2. Bruk testen med de andre deriverte
Den dobbelt derivertes test forteller oss at vi regner ut:
\[ K = \textcolor{blue}{f_{xx}} \cdot \textcolor{red}{f_{yy}} - \textcolor{blue}{f_{xy}} \cdot \textcolor{red}{f_{yx}} \]Er \( {K > 0} \) og \( {f_{xx} > 0}\text{,} \) er punktet et lokalt minimum, og er \( {K > 0} \) og \( {f_{xx} < 0}\text{,} \) et lokalt maksimum. Er \( {K < 0}\text{,} \) er det et sadelpunkt, og er \( {K = 0}\text{,} \) sier testen ingenting. Hvis du er usikker på testen, kan du se videoen Dobbelt derivertes test.
Her er, i \( {(-1, 0)}\text{:} \)
\[ \begin{aligned} \textcolor{blue}{f_{xx}} &= -2 \cdot (-1) - 2 \cdot 0 = \textcolor{blue}{2} \\ \textcolor{red}{f_{yy}} &= -4 \cdot (-1) - 8 \cdot 0 = \textcolor{red}{4} \\ \textcolor{blue}{f_{xy}} &= \textcolor{red}{f_{yx}} = -2 \cdot (-1) - 4 \cdot 0 = 2 \end{aligned} \]
Plugger vi dette inn, får vi:
\[ K = \textcolor{blue}{2} \cdot \textcolor{red}{4} - \textcolor{blue}{2} \cdot \textcolor{red}{2} = 8 - 4 = 4 \]
Begge vilkårene for et lokalt minimum holder:
\[ K = 4 > 0 \quad \text{og} \quad f_{xx} = 2 > 0 \]
Funksjonsverdien der er:
\[ \begin{aligned} f(-1, 0) &= -1 - \dfrac{1}{3}(-1)^3 \\ &= -1 + \dfrac{1}{3} = -\dfrac{2}{3} \end{aligned} \]
Punktet er et lokalt minimum, ikke et globalt: i a) så vi at \( {f(3, 0) = -6}\text{,} \) som er mindre.
Oppgave 2c)
Forklar hva verdien av forteller oss.
Vis løsningSkjul løsning på oppgave 2c
Svar
er stigningstallet til i i med holdt fast:
Vi bruker \( f_x \) og punktet \( P \) fra a).
\( f_x \) er stigningstallet til flaten i \( {x\text{-retningen.}} \) Vi regner ut \( f_x(3, 0) \) og tolker det i punktet \( {P = (3, 0, -6)}\text{.} \)
1. Regn ut verdien
I a) fant vi:
\[ \textcolor{blue}{f_x} = 1 - x^2 - 2xy - 2y^2 \]
I \( (3, 0) \) får vi:
\[ \textcolor{blue}{f_x(3, 0)} = 1 - 3^2 - 0 - 0 = \textcolor{blue}{-8} \]
2. Tolk verdien
Holder vi \( {y = 0} \) fast, skjærer planet \( {y = 0} \) flaten \( G \) i en kurve, som i videoen Partiell derivasjon, hvordan ser det ut??:
\[ z = f(x, 0) = x - \dfrac{1}{3}x^3 \]
Kurven går gjennom \( P\text{,} \) og \( \textcolor{blue}{f_x(3, 0)} \) er stigningstallet til tangenten til kurven der, den blå linjen:
Stigningstallet er negativt. Går vi et lite stykke \( \Delta x \) ut fra \( P \) i positiv \( {x\text{-retning}} \) og holder \( {y = 0}\text{,} \) synker flaten omtrent åtte ganger så mye:
\[ \Delta z \approx \textcolor{blue}{f_x(3, 0)} \cdot \Delta x = \textcolor{blue}{-8}\,\Delta x \]