Jena Research Papers in Business and Economics

Größe: px
Ab Seite anzeigen:

Download "Jena Research Papers in Business and Economics"

Transkript

1 Jen Reserch Ppers in Business nd Economics Einige Anmerkungen zur Verwendung des Erwrtungswertes Peter Kischk 1/28 Jener Schriften zur Wirtschftswissenschft Working nd Discussion Pper Series School of Economics nd Business Administrtion Friedrich-Schiller-University Jen ISSN Publisher: Wirtschftswissenschftliche Fkultät Friedrich-Schiller-Universität Jen Crl-Zeiß-Str. 3, D-7743 Jen Editor: Prof. Dr. Hns-Wlter Lorenz Prof. Dr. Armin Scholl

2 Einige Anmerkungen zur Verwendung des Erwrtungswertes Peter Kischk Friedrich-Schiller-Universität Jen Lehrstuhl für Wirtschfts- und Sozilsttistik Crl-Zeiß-Str. 3, 7743 Jen E-Mil: Abstrct Der Erwrtungswert spielt in den Wirtschftswissenschften bei vielen Problemen, in denen stochstische Einflüsse berücksichtigt werden, eine zentrle Rolle. Dies knn unmittelbr der Fll sein, indem der Erwrtungswert einer monetären Zielgröße optimiert wird, dies knn z. B. uch im Zusmmenhng mit einem Risikomß (men-devition-rules) oder uch in Form des Erwrtungsnutzens, d. h. des Erwrtungswerts des Nutzens, der Fll sein. In dieser Arbeit werden teilweise beknnte Einwendungen gegen die Verwendung des Erwrtungswerts beschrieben und Möglichkeiten ufgezeigt, diesen Rechnung zu trgen. Im Rhmen eines in der Betriebswirtschftslehre weit verbreiteten Entscheidungsszenrios (Newsvendor-Modell) werden weitere grundlegende Einwendungen gegen die Verwendung des Erwrtungswerts ufgezeigt. Keywords: Erwrtungswert, Gesetz der großen Zhlen, Newsvendor-Modell

3 Übersicht In Abschnitt 1 werden der Erwrtungswert kurz vorgestellt und nschließend vier Anwendungen des Erwrtungswerts beschrieben. Ds Newsvendor-Modell dient zur Illustrtion. Abschnitt 2 enthält einige Anmerkungen zur Anwendung des Erwrtungswerts ls Entscheidungskriterium, flls einmlige oder zhlreiche Konsequenzen mit dieser Entscheidung verknüpft sind. Im letzteren Fll knn ein Gesetz der großen Zhlen eine hinreichende Begründung für den Einstz eines Erwrtungswerts sein, im ersteren müssen zusätzliche Annhmen über die Verteilung vorliegen. Abschnitt 3 zeigt m Beispiel des Newsvendor-Modells eine nicht plusible Impliktion des Erwrtungswertkriteriums bzw. der dulen Nutzentheorie; begründet ist dies durch die Ttsche, dss die optimle Entscheidung nur von einem einzigen Wert der Verteilungsfunktion bhängig ist. Im nchfolgenden Abschnitt wird eine llgemeine Klsse von Entscheidungsproblemen definiert, die die gleiche Struktur wie ds Newsvendor-Modell ufweisen und dher uch der gleichen Kritik usgesetzt sind. Abschnitt 5 enthält Schlussfolgerungen und mögliche Alterntiven. 1. Sei X eine uf einem Whrscheinlichkeitsrum (Ω, Ε, P) definierte Zufllsvrible. Ist F die Verteilungsfunktion von X, so knn der Erwrtungswert berechnet werden ls E(X) = xdf(x). (1) Die beknnten Definitionen für diskrete und stetige Zufllsvriblen E(X) = x P(X = x ), E(X) = xf(x)dx i i i (1b) sind Spezilfälle von (1). Insbesondere die Drstellungen (1b) mchen deutlich, dss der Erwrtungswert ein gewichteter Mittelwert der möglichen Relistionen von X ist. Wir betrchten im Folgenden ein llgemeines Entscheidungsproblem: Sei A die Menge der möglichen Entscheidungen und sei X eine Zufllsvrible, die die stochstischen Einflüsse uf die Konsequenzen einer Entscheidung A enthält; sei g(,x) die Zufllsvrible, die die Konsequenzen beschreibt. Beispiel: Wir betrchten ds beknnte Newsvendor-Modell (vgl. z. B. Hopp/Spermn pp 46). Sei X die Nchfrge nch dem Produkt, p der Verkufspreis, c der Einkufspreis und z der Abverkufspreis. Der Profit bei der Entscheidung (= Bestellmenge) ist die Zufllsvrible g(, X) = p min (, X) c + z mx ( X, ) = (p c) (p z)( X) + (2) 1

4 Dbei ist A = [,b] mit einer mximl möglichen Nchfrge b. Ziel ist die Whl einer besten Entscheidung A, d. h. einer Entscheidung, die möglichst große Werte von g(,x) ls Konsequenz nch sich zieht. Diese Zielsetzung erfordert die Trnsformtion der Zufllsvriblen g(,x) in eine Größe, die optimiert werden knn. Eine Möglichkeit besteht drin, die unterschiedlichen Zufllsvriblen g(,x),, mittels ihres Erwrtungswertes zu vergleichen. Ist F die Verteilungsfunktion von g(,x), so gilt: E(g(,X)) = zdf (z) = g(, x)df(x) (3) und ds Entscheidungsproblem lutet: mx E(g(,X)). (4) Die Schreibweise unterstellt, dss eine optimle Entscheidung existiert: * : = rg mx E(g(,X)). (5) Anlog können beste Entscheidungen im Rhmen nderer Kriterien definiert werden, z. B.: Erwrtungswert-Vrinz-Kriterium mx [E(g(,X)) h Vr(g(,X))] (6) mit einer Konstnten h > ; Erwrtungsnutzenkriterium mx EU(g(,X)) = mx U(g(,x))dF(x) (7) mit einer Nutzenfunktion U; Dule Nutzentheorie mx g(, x))d(q o F)(x) (8) mit einer trnsformierten Verteilungsfunktion qo F. 2

5 Die Ansätze (4), (8) beruhen uf den Erwrtungswerten der Zufllsvriblen g(,x), (7) uf dem Erwrtungswert der Zufllsvriblen U(g(,X)), (6) uf Erwrtungswert und Vrinz von g(,x). 2. Betrchten wir zunächst den Anstz (4) und gehen wir von der Sitution einer Entscheidung für ein einmliges Ereignis us. Im Rhmen des Newsvendor-Modells bedeutet dies, dss sich die Bestellmenge uf eine einzige Verkufsperiode bezieht. Aus (3) ergibt sich, dss die Verwendung des Erwrtungswertes ls Entscheidungskriterium dnn sinnvoll verwendet werden knn, wenn die Verteilung von g(,x) sich um ihren Erwrtungswert konzentriert. Wenn mn dvon usgehen knn, dss die Relistion der Zufllsvriblen g(,x) mit großer Whrscheinlichkeit für lle nhe bei E(g(,X)) liegen wird, so ist die Mximierung des Erwrtungswerts nhe liegend. Im Allgemeinen ist jedoch der Erwrtungswert ls gewichtetes Mittel der Relistionen von X möglicherweise weit von jeder möglichen Relistion entfernt. Im Anstz (6) wird versucht, die mögliche Diskrepnz zwischen Erwrtungswert und den Relistionen der Zufllsvriblen mittels der Vrinz in die Entscheidungsfindung mit einzubeziehen. Der weit verbreitete Anstz (6) ht jedoch fundmentle Nchteile; so können leicht Beispiele konstruiert werden, in denen strikt dominierte Entscheidungen Lösungen von (6) sind (vgl. z. B. Müller/Stoyn, S. 274). Für die Ansätze (7) und (8) gelten grundsätzlich die gleichen Einwände wie für den Anstz (4). Liegen die Relistionen von U(g(,X)) nh bei EU(g(,X)), so ist die Verwendung des erwrteten Nutzens nhe liegend. Im nderen Fll lssen sich Beispiele konstruieren, die einem intuitiven Verständnis widersprechen. Ds gleiche gilt für den Anstz (8). Anders stellt sich die Sitution dr, wenn die Entscheidung nicht nur eine Relistion von X betrifft, sondern mit der Entscheidung wiederholte Relistionen von X und dmit von g(,x) verbunden sind; im Rhmen des Newsvendor-Modells bedeutet dies, dss sich die Bestellmenge uf eine Anzhl von Verkufsperioden bezieht oder regionl betrchtet in verschiedenen Regionen mit identischer Nchfrge, die Bestellmenge relisiert wird. Sind X 1,...,Xn unbhängige, identisch wie X verteilte Zufllsvriblen, so sind uch g(,x 1),...,g(,X n) unbhängig und identisch verteilt. Um den Wert einer Entscheidung zu messen, ist es nhe liegend, den Mittelwert der Zufllsvriblen g(,x i) zu betrchten. Ds Gesetz der großen Zhlen besgt, dss dieses intuitiv nhe liegende Vorgehen die Verwendung des Erwrtungswertes rechtfertigt. Betrchten wir wieder zunächst den Anstz (4). Für große n gilt (vgl. z. B. Rohtgi/Sleh, S. 274, 281): 1 n g(,x i) E(g(,X)), (9) n i = 1 d. h. die Zufllsvrible uf der linken Seite konvergiert für wchsendes n gegen den Erwrtungswert E(g(,X)). Bewertet mn lso die Konsequenz einer Entscheidung durch den Mittelwert der n sich ergebenden Relistionen g(, x 1),...,g(, x n), so ist der Erwrtungswert der Zufllsvriblen g(,x) die richtige Zielgröße (für große n). 3

6 Mn bechte jedoch, dss die Gültigkeit von (9) die Unbhängigkeit von Zufllsvriblen vorussetzt (in der schwchen Form des Gesetzes der großen Zhl muss nur die Unkorreliertheit vorusgesetzt werden); beschreiben, wie in obigem Beispiel, die X i die Nchfrgen in ufeinnder folgenden Perioden oder in unterschiedlichen Regionen, so ist diese Unbhängigkeitsforderung häufig eine strke Annhme. Auch für die Ansätze (7) und (8) ist unter nlogen Annhmen der Erwrtungswert die richtige Zielgröße. So gilt im Erwrtungsnutzennstz für große n X i 1 n U(g(,X i)) EU(g(,X)), (1) n i = 1 d. h. der Mittelwert der sich ergebenden Nutzen U(g(,x i)) (1 i n) ist ungefähr gleich dem erwrteten Nutzen. 3. Die nchfolgenden Überlegungen stellen den Erwrtungswert ls Lösungskonzept us völlig nderen Gründen in Frge. Für viele ökonomische Frgestellungen ist die Lösung (4) von der Form F(*) =γ. (11) Dbei ist γ ein exogener, modellprmeterbhängiger Wert. Existiert die Inverse von F n der 1 Stelle γ, so ist die optimle Entscheidung gegeben durch * = F ( γ ). Der stochstische Chrkter der Zufllsvriblen X bzw. ihrer Verteilungsfunktion F wird nur über einen 1 1 speziellen Wert genutzt, lle Verteilungsfunktionen G mit F ( γ ) = G ( γ) führen zur selben Entscheidung *. Betrchten wir zunächst die im Beispiel beschriebene Sitution im Newsvendor-Modell. Die optimle Lösung in den Lehrbüchern beruht uf der Anwendung des Erwrtungswertkriteriums (4) uf die Zufllsvriblen (2). Es gilt: + E(g(,X)) = (p c) (p z)e(( X) ) = (p c) (p z) F(x)dx (12) Der erwrtete Gewinn (12) ist eine konkve Funktion von und die Optimlitätsbedingung 1. Ordnung liefert unter der Annhme, dss die Inverse existiert, die Lösung 1 p c * = F p z (13) (vgl. z. B. Hopp/Spermn, S. 67). 4

7 Diese Lehrbuchlösung beinhltet lso, dss für lle Nchfrgefunktionen mit einer Verteilungsfunktion G mit F p c p c = G p z p z 1 1 dieselbe Bestellmenge * optiml ist. Betrchten wir etw die folgende Sitution 1 F G p c p z * x Es gilt: 1 G(x) > 1 F(x) für lle x *, d. h. für lle x * ist die Whrscheinlichkeit, dss die Nchfrge größer ls x ist, unter G größer ls unter F. Geht ein Mnger zunächst von F us und bestellt gemäß Lehrbuch die Menge * und wird ihm nschließend mitgeteilt, die Nchfrge sei sttt durch F nun durch G beschrieben, so gilt: 1 p c * G = p z Intuitiv nhe liegend, ber im Widerspruch zur Lehrbuchlösung, ist eine Erhöhung der Bestellmenge beim Übergng von F zu G; nders usgedrückt: Findet eine solche Erhöhung bei der Beurteilung der durch F und G beschriebenen Situtionen sttt, so wird nicht nch dem Erwrtungswertkriterium (4) vorgegngen. D ds Kriterium (8) sich von (4) nur durch die Trnsformtion q unterscheidet, gelten obige Einwendungen uch hierfür. Ntürlich gilt für die erwrteten Gewinne: E (g(*,x)) < E (g(*,x)) F G 5

8 Im Flle der Entscheidungskriterien (6) und (7) ergeben sich i.. unterschiedliche Lösungen, je nchdem, ob die Verteilungsfunktion F oder G zugrunde gelegt werden. 4. Die im vorigen Abschnitt beschriebene, der Intuition widersprechende Sitution im Newsvendor-Modell ergibt sich in llen Entscheidungsproblemen, die die nchfolgend beschriebene Struktur ufweisen. O. B. d. A. sei F stetig mit einer Dichte f; es gelte F() = und F(M) = 1 für ein M>, sowie f() > für < < M. Weiter sei die Funktion g(,x) ls Funktion von x (d. h. bei festem ) für x differenzierbr. Unter diesen technischen Annhmen sind die folgenden Bedingungen hinreichend dfür, dss die Lösung von (3) die Form (11) besitzt; es gelte: ) g(,x) = x für x > (14) b) g(,x) =β> x für x < (14b) c) g(,) =α mit α> (14c) d) β >α (14d) Mit Hilfe prtieller Integrtion ergibt sich für jedes E(g(,X)) = g(,x)df(x) = M = g(,x)f(x)dx = g(,m)f(m) g(,)f() g(,x)f(x)dx x = g(, ) β F(x)dx (vgl.14, b) =α β F(x) dx (vgl. 14c) Drus ergibt sich M d E(g(,X)) =α β F() d d 2 E(g(, X)) = β f () < (vgl. 14b) 2 d 6

9 Wegen 14d ist * mit F(*) α = β die Lösung von (3). Im Newsvendor-Modell gilt: β= p z, α= p c. 5. Kritik n der Verwendung von Erwrtungswerten ist ntürlich nicht neu; schon 1972 wurde von mnchen der Erwrtungswert ls Beurteilungskriterium endgültig zu den Akten gelegt (Mellwig (1972)), d Kompenstionseffekte in den Erwrtungswert eingehen, die bei einmligen Konsequenzen keine Rolle spielen können. Wie in Abschnitt 2 beschrieben, ist dieser Einwnd grundsätzlich relevnt, knn jedoch unter den dort beschriebenen Annhmen (Konzentrtion der Verteilung um den Erwrtungswert, zhlreiche Konsequenzen einer Entscheidung) prtiell entkräftet werden. Schwieriger erscheint die in Abschnitt 3 im Rhmen des Newsvendor-Modells geschilderte Problemtik, die us der Mximierung des erwrteten Gewinns folgt. Ds Versgen des Erwrtungswertkriteriums beim Vergleich der durch F bzw. G gegebenen optimlen Bestellungen widerspricht der Intuition und wohl uch dem Verhlten der Entscheidungsträger. Im Rhmen der Erwrtungsnutzentheorie (und uch nderer entscheidungstheoretischer Ansätze) besteht die in Abschnitt 3 beschriebene Problemtik i.. nicht, d die gesmte Verteilung bei der Entscheidungsfindung berücksichtigt wird. Für den Anwender besteht dnn ntürlich die Schwierigkeit, seine zugrunde liegende Nutzenfunktion zu spezifizieren. Andere, prgmtisch begründete Vorgehensweisen, die nicht zu Lösungen der Form (11) bzw. (13) führen, sind möglich, z. B. die Verwendung eines reltiven Regret-Kriteriums (Vgl. Scholl, S. 12 ff.) Litertur Hopp, W. J., Spermn, M. L.: Fctory Physics, McGrw Hill, 21 Mellwig, W.: Flexibilität ls Aspekt unternehmerischen Hndelns, ZfbF, 1972 Müller, A., Stoyn, D.: Comprison Methods for Stochstic Models nd Risk, Wiley, 22 Rohtgi, V. K., Ehsnes Sleh, A. K.: An Introduction to Probbility nd Sttistics, Wiley,21 Scholl, A.: Robuste Plnung und Optimierung, Physic, 21 7

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable. Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X

Mehr

Resultat: Hauptsatz der Differential- und Integralrechnung

Resultat: Hauptsatz der Differential- und Integralrechnung 17 Der Huptstz der Differentil- und Integrlrechnung Lernziele: Konzept: Stmmfunktion Resultt: Huptstz der Differentil- und Integrlrechnung Methoden: prtielle Integrtion, Substitutionsregel Kompetenzen:

Mehr

F - 2 Unendliche Wahrscheinlichkeitsräume

F - 2 Unendliche Wahrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume F - Definition F.45 (Diskreter Whrscheinlichkeitsrum) Seien Ω eine höchstens bzählbre Menge und P : P(Ω) [0, ] eine Funktion. Dnn heißt

Mehr

Kapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35

Kapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35 Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion

Mehr

F - 2 Unendliche Wahrscheinlichkeitsräume

F - 2 Unendliche Wahrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume F - Definition F.45 (Diskreter Whrscheinlichkeitsrum) Seien Ω eine höchstens bzählbre Menge und P : P(Ω) [0, ] eine Funktion. Dnn heißt (Ω, P) ein diskreter Whrscheinlichkeitsrum,

Mehr

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m. Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn

Mehr

Kapitel 7. Integralrechnung für Funktionen einer Variablen

Kapitel 7. Integralrechnung für Funktionen einer Variablen Kpitel 7. Integrlrechnung für Funktionen einer Vriblen In diesem Kpitel sei stets D R, und I R ein Intervll. 7. Ds unbestimmte Integrl (Stmmfunktion) Es sei f : I R eine Funktion. Eine differenzierbre

Mehr

III. Optimale Portfolioselektion

III. Optimale Portfolioselektion III. Optimle Portfolioselektion Schon bei der Bewertung meriknischer Optionen hben wir gesehen, dss Optimierungsprobleme in der Finnzmthemtik eine wichtige Rolle spielen. Ein weiteres Optimierungsproblem

Mehr

Die Zufallsvariable und ihre Verteilung

Die Zufallsvariable und ihre Verteilung Die Zufllsvrible und ihre Verteilung Die Zufllsvrible In der Whrscheinlichkeitstheorie bzw. Sttistik betrchtet mn Zufllsvriblen. Eine Zufllsvrible ist eine Funktion, die Ergebnissen eines Zufllsexperimentes

Mehr

Infinitesimalrechnung, Mengenlehre und logische Verknüpfungen

Infinitesimalrechnung, Mengenlehre und logische Verknüpfungen Vorlesung 16 Infinitesimlrechnung, Mengenlehre und logische Verknüpfungen 16.1 Huptstz der Differentil- und Integrlrechnung Wir verknüpfen nun Differentil- mit Integrlrechnung. Definition 16.1.1. Eine

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulssungsprüfung Stochstik, 2.0.2 Wir gehen stets von einem Mßrum (Ω, A, µ) bzw. einem Whrscheinlichkeitsrum (Ω,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit

Mehr

Unbestimmtes Integral, Mittelwertsätze

Unbestimmtes Integral, Mittelwertsätze Unbestimmtes Integrl, Mittelwertsätze Ist f R-integrierbr, dnn knn f(x)dx einfch bestimmt werden, wenn eine Stmmfunktion F (x) von f existiert und beknnt ist. Wir wissen, dss dnn uch F (x) = F (x) + C

Mehr

Numerische Integration

Numerische Integration Kpitel 4 Numerische Integrtion Problem: Berechne für gegebene Funktion f :[, b] R ds Riemnn-Integrl I(f) := Oft ist nur eine numerische Näherung möglich. f(x)dx. Beispiel 9. (i) Rechteckregel: Wir pproximieren

Mehr

Numerische Integration durch Extrapolation

Numerische Integration durch Extrapolation Numerische Integrtion durch Extrpoltion Pblo Thiel Romberg-Verfhren Idee: Im Gegenstz zur numerischen Integrtion mit Hilfe der einfchen bzw. zusmmengesetzten Trpez-, Simpson-, 3/8- oder zum Beispiel der

Mehr

D-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9

D-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9 D-MAVT/D-MATL Anlysis I HS 26 Dr. Andres Steiger Lösung - Serie 9. MC-Aufgben (Online-Abgbe). Es sei f die Funktion f() = e + 7. Welche der folgenden Funktionen sind Stmmfunktionen von f? () g() = 2 2

Mehr

Zusatzunterlagen zur Vorlesung Analysis II Sommersemester 2014

Zusatzunterlagen zur Vorlesung Analysis II Sommersemester 2014 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Jörg Eschmeier M. Sc. Sebstin Lngendörfer e Integrlrechnung Zustzunterlgen zur Vorlesung Anlysis II Sommersemester 2014 Dieses Bltt enthält

Mehr

24 UNEIGENTLICHE INTEGRALE 146. F (x) F (x ) f(x, t) dt. 3(b a) (b a) + ɛ 3 + ɛ 3 = ɛ.

24 UNEIGENTLICHE INTEGRALE 146. F (x) F (x ) f(x, t) dt. 3(b a) (b a) + ɛ 3 + ɛ 3 = ɛ. 24 UNEIGENTLICHE INTEGRALE 146 für lle t [, b] und lle x D mit x x < δ. Für lle x D mit x x < δ gilt lso = F (x) F (x ) b f(x, t) dt b b f(x, t) dt + f(x, t) f(x, t) dt + ɛ 3(b ) (b ) + ɛ 3 + ɛ 3 = ɛ.

Mehr

(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)!

(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)! 0.. Lösung der Aufgbe. Wir schreiben f = sup{ f : [0, ]}. Für ξ ]0, [ und n N gibt es nch dem Stz von Tlor ein c ]ξ, [ so, dss: f = fξ + n ξ k f k ξ + k! k= Aus der Ttsche, dss f k 0 für lle k N ist, folgt

Mehr

Uneigentliche Riemann-Integrale

Uneigentliche Riemann-Integrale Uneigentliche iemnn-integrle Zweck dieses Abschnitts ist es, die Vorussetzungen zu lockern, die wir n die Funktion f : [, b] bei der Einführung des iemnn-integrls gestellt hben. Diese Vorussetzungen wren:

Mehr

Lösungshinweise zu den zusätzliche Übungsaufgaben

Lösungshinweise zu den zusätzliche Übungsaufgaben Lösungshinweise zu den zusätzliche Übungsufgben Aufgbe Z.1 (Mximin Regel [1]) Als Gleichgewicht ergibt sich, mit Auszhlungsvektor 5, 5. Aufgbe Z. (Dominnzüberlegungen und Nsh Gleichgewicht ) & b) [1]/

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

Ungleichungen. Jan Pöschko. 28. Mai Einführung Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................

Mehr

Lösungshinweise zu den zusätzlichen Übungsaufgaben

Lösungshinweise zu den zusätzlichen Übungsaufgaben Lösungshinweise zu den zusätzlichen Übungsufgben Aufgbe Z.1 Als Gleichgewicht ergibt sich, mit Auszhlungsvektor 5, 5. Aufgbe Z. Spieler 1: Zentrlbnk mit reinen und diskreten Strtegien 0 und 4. Spieler

Mehr

1 Differentialrechnung

1 Differentialrechnung 1 Differentilrechnung 1.1 Ableitungen und Ableitungsregeln Nützliche Ableitungen 1. ( ) 1 = 1 x x 2 = x 2 2. Trigonometrische Funktionen: ( x) = 1 2 x [sin(x)] = cos(x) [cos(x)] = sin(x) 3. f(x) = e x

Mehr

3. Seminar Statistik

3. Seminar Statistik Sndr Schlick Seite.Seminr05.doc. Seminr Sttistik 0 Kurztest 5 Präsenttion diskrete Verteilungen Puse 0 Üungen diskrete Verteilungen 5 Präsenttion stetige Verteilungen 0 Üungen stetige Verteilungen Husufgen:

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulssungsprüfung Stochstik, 05.05.2 Wir gehen stets von einem Mßrum, A, µ) bzw. einem Whrscheinlichkeitsrum,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit λ

Mehr

HM I Tutorium 14. Lucas Kunz. 9. Februar 2018

HM I Tutorium 14. Lucas Kunz. 9. Februar 2018 HM I Tutorium 14 Lucs Kunz 9. Februr 218 Inhltsverzeichnis 1 Theorie 2 1.1 Uneigentliche Integrle............................. 2 1.1.1 Typ 1.................................. 2 1.1.2 Typ 2..................................

Mehr

komplizierteren Funktionen versucht man, die Fläche durch mehrere Rechtecke anzunähern.

komplizierteren Funktionen versucht man, die Fläche durch mehrere Rechtecke anzunähern. Mthemtik für Nturwissenschftler I 4. 4 Integrlrechnung 4. Integrierbrkeit Die Grundidee der Integrlrechnung ist die Berechnung der Fläche zwischen dem Grphen einer Funktion und der x-achse. Recht einfch

Mehr

c a+ bzw. f(x) dx. c a bzw. 1 =

c a+ bzw. f(x) dx. c a bzw. 1 = 3. Uneigentliche Integrle Die Funktion f sei uf dem rechts oenen Intervll x < b erklrt und uf jedem bgeschlossenen Teilintervll [, c], c < b, stuckweise stetig, b R { }. Dnn der Integrlbegri erweitert

Mehr

Kapitel 9 Integralrechnung

Kapitel 9 Integralrechnung Kpitel 9 Integrlrechnung Kpitel 9 Integrlrechnung Mthemtischer Vorkurs TU Dortmund Seite 1 / 18 Kpitel 9 Integrlrechnung Definition 9.1 (Stmmfunktion) Es seien f, F : I R Funktionen. F heißt Stmmfunktion

Mehr

Crashkurs - Integration

Crashkurs - Integration Crshkurs - Integrtion emerkung. Wir setzen hier elementre Kenntnisse des Differenzierens sowie der Produktregel, Quotientenregel und Kettenregel vorus (diese werden später in der VO noch usführlich erklärt).

Mehr

2.6 Unendliche Reihen

2.6 Unendliche Reihen 2.6 Unendliche Reihen In normierten Räumen steht ds wichtige Werkzeug der Bildung von unendlichen Reihen zur Verfügung. Mn denke in diesem Zusmmenhng drn, dss mn in der Anlysis Potenz- und Fourierreihen

Mehr

7-1 Elementare Zahlentheorie. 1 a ist quadratischer Rest modulo p, 1 falls gilt a ist quadratischer Nichtrest modulo p, 0 p a. mod p, so ist.

7-1 Elementare Zahlentheorie. 1 a ist quadratischer Rest modulo p, 1 falls gilt a ist quadratischer Nichtrest modulo p, 0 p a. mod p, so ist. 7-1 Elementre Zhlentheorie 7 Ds udrtische Rezirozitätsgesetz 70 Erinnerung Sei eine ungerde Primzhl, sei Z In 114 wurde ds Legendre-Symbol eingeführt: 1 ist udrtischer Rest modulo, 1 flls gilt ist udrtischer

Mehr

Zum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2

Zum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2 Zum Stz von Tylor Klus-R. Loeffler Inhltsverzeichnis 1 Der verllgemeinerte Stz von Rolle 1 2 Der Stz von Tylor 2 3 Folgerungen, Anwendungen und Gegenbeispiele 4 3.1 Jede gnzrtionle Funktion ist ihr eigenes

Mehr

kann man das Riemannsche Unter- bzw. Oberintegral auch wie folgt definieren: xk+1 x k

kann man das Riemannsche Unter- bzw. Oberintegral auch wie folgt definieren: xk+1 x k Integrlrechnung Definition 1 (Treppenfunktion, Zerlegung eines Intervlls): Sei [, b] R ein Intervll. Eine Funktion g : [, b] R heißt Treppenfunktion, flls es eine Zerlegung := { =: 0 < 1

Mehr

Flächeninhalt unter dem Graphen. Ist nun die Kraft nicht mehr stückweise konstant, so wird man intuitiv immer noch den

Flächeninhalt unter dem Graphen. Ist nun die Kraft nicht mehr stückweise konstant, so wird man intuitiv immer noch den 19 REGELFUNKTIONEN 107 Kpitel 7: Integrtion Notwendigkeit des Integrlbegriffes und Hinweise zu seiner Präzisierung liegen uf der Hnd. Betrchten wir etw den physiklischen Begriff der Arbeit, die im einfchsten

Mehr

Mathematik Rechenfertigkeiten

Mathematik Rechenfertigkeiten 2 Mthemtik Rechenfertigkeiten Skript Freitg Dominik Tsndy, Mthemtik Institut, Universität Zürich Winterthurerstrsse 9, 857 Zürich Irmgrd Bühler (Überrbeitung: Dominik Tsndy) 9.August 2 Inhltsverzeichnis

Mehr

Einführung in die Integralrechnung

Einführung in die Integralrechnung Einführung in die Integrlrechnung Vorbereitung für ds Probestudium n der LMU München 3. bis 7. September von W. Frks und O. Forster Integrle ls Flächeninhlte. Motivtion Flächeninhlte von Rechtecken sind

Mehr

Differenzial- und Integralrechnung III

Differenzial- und Integralrechnung III Differenzil- und Integrlrechnung III Riner Huser April 2012 1 Einleitung 1.1 Polynome und Potenzfunktionen Die Polynome oder Polynomfunktionen lssen sich durch die endliche Anzhl von n+1 Prmetern i R in

Mehr

5.1 Charakterisierung relativ kompakter und kompakter

5.1 Charakterisierung relativ kompakter und kompakter Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine

Mehr

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 015/16 Bltt 4 09.11.015 Übungen zur Vorlesung Differentil und Integrlrechnung I Lösungsvorschlg 13. Zu betrchten ist die durch 0 = 1 und

Mehr

nennt man eine Zerlegung (Partition, Unterteilung) des Intervalls [a, b]. Die Feinheit der Zerlegung ist dabei

nennt man eine Zerlegung (Partition, Unterteilung) des Intervalls [a, b]. Die Feinheit der Zerlegung ist dabei Kpitel 8: Integrtion Erläuterung uf Folie 8.1 Ds bestimmte Integrl Sei f : [, b] R eine beschränkte Funktion uf einem (zunächst) kompkten Intervll [, b]. Definition: 1) Eine Menge der Form Z = { = x 0

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. r. H. Spohn r. M. Prähofer Zentrlübung TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik 14. Stetigkeit der Umkehrfunktion Mthemtik für Physiker 3 (Anlysis ) http://www-m5.m.tum.de/allgemeines/ma903

Mehr

Schriftliche Reifeprüfung aus Mathematik

Schriftliche Reifeprüfung aus Mathematik Schriftliche Reifeprüfung us Mthemtik 1) Linere Optimierung Ein Händler für Bürortikel füllt für den Schulnfng sein Lger mit Tschenrechnern des Typs Advnced und des Typs Bsic uf. Typ A kostet ihn im Einkuf

Mehr

Riemann-integrierbare Funktionen

Riemann-integrierbare Funktionen Kpitel VI Riemnn-integrierbre Funktionen 26 Ds Riemnn-Integrl ls Grenzwert von Zwischensummen 27 Der Huptstz der Differentil- und Integrlrechnung nebst Folgerungen 28 Äquivlente Definitionen des Riemnn-

Mehr

8.4 Integrationsmethoden

8.4 Integrationsmethoden 8.4 Integrtionsmethoden 33 8.4 Integrtionsmethoden Die Integrtion von Funktionen erweist sich in prktischen Fällen oftmls schwieriger ls die Differenzition. Während sich ds Differenzieren durch Anwendung

Mehr

4.4 Partielle Integration

4.4 Partielle Integration Mthemtik für Nturwissenschftler I 4.4 4.4 Prtielle Integrtion Zwei Integrtionsregeln kennen wir bereits: Stz 4.. und Stz 4..8. Stz 4.. sgt, dss mit zwei Funktionen uch deren Summe oder Differenz integrierbr

Mehr

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)

Mehr

Universität Ulm Abgabe: Freitag,

Universität Ulm Abgabe: Freitag, Universität Ulm Abgbe: Freitg, 19.06.2009 Prof. Dr. W. Arendt Robin Nittk Sommersemester 2009 Punktzhl: 38+7 13. Zeige: Lösungen Prtielle Differentilgleichungen: Bltt 5 Sei (, b) ein reelles Intervll.

Mehr

Lösung 18: Reelle innere Produkte, Normen und Gram-Schmidt Orthogonalisierung

Lösung 18: Reelle innere Produkte, Normen und Gram-Schmidt Orthogonalisierung D-MATH Linere Algebr I/II HS 217/FS 218 Dr. Meike Akveld Lösung 18: Reelle innere Produkte, Normen und Grm-Schmidt Orthogonlisierung 1. Seien v (i) 1, v (i) 2, v (i) 3 R 3, sodss B i (v (i) 1, v (i) 2,

Mehr

Kapitel 1. Das Riemann-Integral. 1.1 *Motivation

Kapitel 1. Das Riemann-Integral. 1.1 *Motivation Kpitel Ds Riemnn-Integrl. *Motivtion Wir betrchten eine stetige Funktion f : [, b] R, wobei, b R und < b. Frge: Wie groß ist der Flächeninhlt zwischen dem Abschnitt [, b] uf der x-achse und dem Grph von

Mehr

Stammfunktionen, Hauptsätze, unbestimmtes Integral

Stammfunktionen, Hauptsätze, unbestimmtes Integral Stmmfunktionen, Huptsätze, unbestimmtes Integrl Sei I ein Intervll, f beschränkt uf I und R-integrierbr für jedes [, b] I, und I. Dnn heißt die Funktion F mit D(F ) = I und F () = f(t)dt Integrl von f

Mehr

a) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung)

a) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung) Definition 1.20 Ein metrischer Rum besteht us einer Menge X und einer Abbildung d : X X R, die jedem geordneten Pr von Elementen us X eine reelle Zhl zuordnet, d.h. (x,y) X X d(x,y) R. Diese Abbildung

Mehr

9.4 Integration rationaler Funktionen

9.4 Integration rationaler Funktionen 9.4 Integrtion rtionler Funktionen Ziel: Integrtion rtionler Funktionen R(x) = p(x) q(x) wobei p(x) = n k x k, q(x) = k=0 m b k x k. k=0 Methode: Prtilbruch-Zerlegung von rtionler Funktion R(x). Anstz:

Mehr

Grundlagen der Integralrechnung

Grundlagen der Integralrechnung Grundlgen der Integrlrechnung W. Kippels 0. April 2014 Inhltsverzeichnis 1 Ds unbestimmte Integrl 2 2 Ds bestimmte Integrl 4 Beispielufgben 7.1 Beispielufgbe 1............................... 7.2 Beispielufgbe

Mehr

1 Einleitung 3. 3 Die Methode der Pfadregeln Drei Pfadregeln Anwendungen von drei Pfadregeln... 6

1 Einleitung 3. 3 Die Methode der Pfadregeln Drei Pfadregeln Anwendungen von drei Pfadregeln... 6 Mrkow-Ketten JUAN LU AUSARBEITUNG ZUM VORTRAG IM Blockseminr Stochstik (WINTERSEMESTER 28/9, LEITUNG PD DR. GUDRUN THÄTER) Zusmmenfssung: Eine Mrkow-Kette ist eine spezielle Klsse von stochstischen Prozessen.

Mehr

Mathematischer Vorkurs NAT-ING1

Mathematischer Vorkurs NAT-ING1 Mthemtischer Vorkurs NAT-ING1 (02.09. 20.09.2013) Dr. Robert Strehl WS 2013-2014 Mthemtischer Vorkurs TU Dortmund Seite 1 / 20 Mthemtischer Vorkurs TU Dortmund Seite 2 / 20 Definition 9.1 (Stmmfunktion)

Mehr

Kapitel 8 Anwendungen der Di erentialrechnung

Kapitel 8 Anwendungen der Di erentialrechnung Kpitel 8 Anwendungen der Di erentilrechnung Kpitel 8 Anwendungen der Di erentilrechnung Mthemtischer Vorkurs TU Dortmund Seite 99 / 235 Kpitel 8 Anwendungen der Di erentilrechnung Stz 8.1 (Mittelwertstz

Mehr

Mathematik Rechenfertigkeiten

Mathematik Rechenfertigkeiten 27 Mthemtik Rechenfertigkeiten Skript Freitg Dr. Dominik Tsndy, Mthemtik Institut, Universität Zürich Winterthurerstrsse 9, 857 Zürich Skript: Dr. Irmgrd Bühler (Überrbeitung: Dr. Dominik Tsndy) 8. August

Mehr

Infinitesimalrechnung

Infinitesimalrechnung Vorlesung 17 Infinitesimlrechnung 17.1 Huptstz der Differentil- und Integrlrechnung Wir verknüpfen nun Differentil- mit Integrlrechnung. Definition 17.1.1. Eine differenzierbre Funktion F : I R heißt Stmmfunktion

Mehr

Doppel- und Dreifachintegrale

Doppel- und Dreifachintegrale KAPITEL 6 Doppel- und Dreifchintegrle 6. Doppelintegrle................................... 74 6.. Flächeninhlt ebener ereiche.......................... 74 6..2 Definition und Eigenschften des Doppelintegrls..............

Mehr

Thema 7 Konvergenzkriterien (uneigentliche Integrale)

Thema 7 Konvergenzkriterien (uneigentliche Integrale) Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe

Mehr

Doppel- und Dreifachintegrale

Doppel- und Dreifachintegrale Doppel- und Dreifchintegrle Sei [, b] ein Intervll des R 2 oder R 3 (lso ein Rechteck bzw. ein Quder), i.e. [, b] = [, b ] [ 2, b 2 ] oder [, b] = [, b ] [ 2, b 2 ] [ 3, b 3 ]. Für Intervlle des R 2 bzw.

Mehr

11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG

11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG 91 Dieses Skript ist ein Auszug mit Lücken us Einführung in die mthemtische Behndlung der Nturwissenschften I von Hns Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie ds Buch uch kufen und

Mehr

Rückblick auf die letzte Vorlesung

Rückblick auf die letzte Vorlesung Rückblick uf die letzte Vorlesung 1. Ljpunov-Funktion 2. Rndwertprobleme 3. Lösbrkeit und Eindeutigkeit Ausblick uf die heutige Vorlesung 1. Vritionsrechnung 2. Brchistochrone 3. Euler-Lgrnge Gleichung

Mehr

7.9A. Nullstellensuche nach Newton

7.9A. Nullstellensuche nach Newton 7.9A. Nullstellensuche nch Newton Wir hben früher bemerkt, dß zur Auffindung von Nullstellen einer gegebenen Funktion oft nur Näherungsverfhren helfen. Eine lte, ber wirkungsvolle Methode ist ds Newton-Verfhren

Mehr

Lösungsvorschläge zum 9. Übungsblatt.

Lösungsvorschläge zum 9. Übungsblatt. Übung zur Anlysis II SS 1 Lösungsvorschläge zum 9. Übungsbltt. Aufgbe 33 () A : {(x, y) R : x [ 1, 1] und y oder x und y [ 1, 1]}. (b) A : {(x, y) R : x < y < 1 + x }. (c) A : {(x, y) R : x < y < 1 + x

Mehr

Fourierreihen. Timo Dimitriadis

Fourierreihen. Timo Dimitriadis Fourierreihen Timo Dimitridis 4.5.9 In diesem Vortrg geht es im prktischen Sinne um die Anlyse von Schwingungsvorgängen, wie sie zum Beispiel in der Physik häufig vorkommen. Oft mg es nützlich sein, diese

Mehr

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen) VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmnn W Wu Herbstsemester 206 Linere Algebr und Numerische Mthemtik für D-BAUG Beispiellösung für Serie 5 ETH Zürich D-MATH Aufgbe 5 5) Seien u und v Lösungen des LGS Ax = b mit n Unbeknnten

Mehr

VI. Das Riemann-Stieltjes Integral.

VI. Das Riemann-Stieltjes Integral. VI. Ds Riemnn-Stieltjes Integrl. Es stellt sich herus, dss der hier entwickelte Integrlbegriff strk von der Ordnungsstruktur von R bhängt. Definition. Sei [, b] ein Intervll in R. Unter einer Prtition

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Anlysis Vorlesungssript Enno Lenzmnn, Universität Bsel 7. November 213 5 Konvergenz- und Approximtionssätze 5.1 Monotone und Dominierte Konvergenz Wir strten mit einem grundlegenden Stz der Integrtionstheorie,

Mehr

Kapitel 9. Integration. Josef Leydold Auffrischungskurs Mathematik WS 2017/18 9 Integration 1 / 36

Kapitel 9. Integration. Josef Leydold Auffrischungskurs Mathematik WS 2017/18 9 Integration 1 / 36 Kpitel 9 Integrtion Josef Leydold Auffrischungskurs Mthemtik WS 207/8 9 Integrtion / 36 Stmmfunktion Eine Funktion F(x) heißt Stmmfunktion einer Funktion f (x), flls F (x) = f (x) Berechnung: Vermuten

Mehr

4. Das quadratische Reziprozitätsgesetz.

4. Das quadratische Reziprozitätsgesetz. 4-1 Elementre Zhlentheorie 4 Ds udrtische Rezirozitätsgesetz Sei eine ungerde Primzhl, sei Z mit, 1 Frge: Wnn gibt es x Z mit x mod? Gibt es ein derrtiges x, so nennt mn einen udrtischen Rest modulo Legendre

Mehr

Anwendungen der Integralrechnung

Anwendungen der Integralrechnung Anwendungen der Integrlrechnung 8. Flächeninhlt und Flächenschwerpunkt............... 4 8. Kurvenlänge............................. 7 8. Rottionskörper........................... 9 8.3 Whrscheinlichkeitsverteilungen

Mehr

1 Differenzen- und Differentialquotient 2. 2 Differentiationsregeln 5. 3 Ableitung spezieller Funktionen 6. 4 Unbestimmtes und bestimmtes Integral 7

1 Differenzen- und Differentialquotient 2. 2 Differentiationsregeln 5. 3 Ableitung spezieller Funktionen 6. 4 Unbestimmtes und bestimmtes Integral 7 Universität Bsel Wirtschftswissenschftliches Zentrum Abteilung Quntittive Methoden Mthemtischer Vorkurs Dr. Thoms Zehrt Differentil- und Integrlrechnung Inhltsverzeichnis 1 Differenzen- und Differentilquotient

Mehr

6. Integration 6.1 Das Riemann-Integral

6. Integration 6.1 Das Riemann-Integral 6. Integrtion 6. Ds Riemnn-Integrl 6. Integrtion 6. Ds Riemnn-Integrl Mthemtik für Chemiker 6. Integrtion 6. Ds Riemnn-Integrl Flächenberechnung: Problemstellung und Lösungsidee Sei f : [, b] [0, ) eine

Mehr

10 Integrationstechniken

10 Integrationstechniken Integrtionstechniken. Wichtige Stmmfunktionen α d = α + α+, d = log e d = e cos d = sin sin d = cos d = rcsin d = rctn + cosh d = sinh sinh d = cosh + d = sinh d = cosh α R, α. Linerität der Integrtion

Mehr

Lösungsvorschlag zu den Präsenzaufgaben der 13. Übung

Lösungsvorschlag zu den Präsenzaufgaben der 13. Übung FAKULTÄT FÜR MATHEMATIK Prof. Dr. Ptrizio Neff Christin Thiel 07.07.04 Lösungsvorschlg zu den Präsenzufgben der 3. Übung Präsenzufgbe : Wir hben die Determinnte bisher ls Kriterium zur Invertierbrkeit

Mehr

Integrationsmethoden

Integrationsmethoden Universität Perborn Dezember 8 Institut für Mthemtik C. Kiser Integrtionsmethoen Prtielle Integrtion (Prouktintegrtion) Unbestimmte Integrtion er Prouktregel (u v) () = u ()v() + u()v () liefert (u v)()

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mthemtik für Wirtschftsinformtik Wintersemester 202/3 Stefn Etschberger Hochschule Augsburg Existenz von bestimmten Integrlen Mthemtik 2 Stefn Etschberger Gegeben: Reelle Funktion f : [, b] R. Dnn gilt:

Mehr

2.4 Elementare Substitution

2.4 Elementare Substitution .4 Elementre Substitution 7.4 Elementre Substitution Im Übungsteil finden Sie folgende Aufgben zum Trining der in diesem Abschnitt behndelten Themen: Linere Substitution (LSub): Aufgbe 4.5 (S.4) und Aufgbe

Mehr

Kurvenintegrale. 17. Juli 2006 (Korrigierte 2. Version) 1 Kurvenintegrale 1. Art (d.h. f ist Zahl, kein Vektor)

Kurvenintegrale. 17. Juli 2006 (Korrigierte 2. Version) 1 Kurvenintegrale 1. Art (d.h. f ist Zahl, kein Vektor) Kurvenintegrle Christin Mosch, Theoretische Chemie, Universität Ulm, christin.mosch@uni-ulm.de 7. Juli 26 (Korrigierte 2. Version Kurvenintegrle. Art (d.h. f ist Zhl, kein Vektor Bei Kurvenintegrlen. Art

Mehr

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 10. dt. Welche der folgenden Aussagen ist richtig? t3 + 2

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 10. dt. Welche der folgenden Aussagen ist richtig? t3 + 2 D-MAVT/D-MATL Anlysis I HS 7 Dr. Andres Steiger Lösung - Serie.. Sei f(x) : () f() . x (c) f( ) . Die Funktion g : t t + ist, dss ds Integrl b dt. Welche der folgenden Aussgen

Mehr

Integration. Kapitel Newton-Cotes-Formeln

Integration. Kapitel Newton-Cotes-Formeln Kpitel 4 Integrtion Die Integrtion von Funktionen ist eine elementre mthemtische Opertion, die in vielen Formeln benötigt wird. Im Gegenstz zur Ableitung, die für prktisch lle mthemtischen Funktionen explizit

Mehr

Numerische Mathematik Sommersemester 2013

Numerische Mathematik Sommersemester 2013 TU Chemnitz 5. Februr 2014 Professur Numerische Mthemtik Prof. Dr. Oliver Ernst Dipl.-Mth. Ingolf Busch Dipl.-Mth. techn. Tommy Etling Numerische Mthemtik Sommersemester 2013 Musterlösungen zu nicht behndelten

Mehr

b) Dasselbe System, die Unbekannten sind diesmal durchnummeriert:

b) Dasselbe System, die Unbekannten sind diesmal durchnummeriert: 1 Linere Gleichungssysteme 1. Begriffe Bspl.: ) 2 x - 3 y + z = 1 3 x - 2 z = 0 Dies ist ein Gleichungssystem mit 3 Unbeknnten ( Vriblen ) und 2 Gleichungen. Die Zhlen vor den Unbeknnten heißen Koeffizienten.

Mehr

21. Das bestimmte Integral

21. Das bestimmte Integral 1. Ds bestimmte Integrl Wir betrchten eine Kurve y = f(x) mit f(x) 0 uf dem Intervll [, b]. Obwohl der Flächeninhlt eines Rechteces (und in weiterer Folge eines Dreieces und nderer elementrer geometrischer

Mehr

Lösung 4: Reelle innere Produkte, Normen und Gram-Schmidt Orthogonalisierung

Lösung 4: Reelle innere Produkte, Normen und Gram-Schmidt Orthogonalisierung D-MATH Linere Algebr II FS 217 Dr. Meike Akveld Lösung 4: Reelle innere Produkte, Normen und Grm-Schmidt Orthogonlisierung 1. Seien v (i) 1, v (i) 2, v (i) 3 R 3, sodss B i = (v (i) 1, v (i) 2, v (i) 3

Mehr

Bericht zur Mathematischen Zulassungsprüfung im Mai 2011

Bericht zur Mathematischen Zulassungsprüfung im Mai 2011 Bericht zur Mthemtischen Zulssungsprüfung im Mi Heinz-Willi Goelden, Wolfgng Luf, Mrtin Pohl Am 4. Mi fnd die Mthemtische Zulssungsprüfung sttt. Die Prüfung bestnd us einer 9-minütigen Klusur, in der 5

Mehr

Technische Universität München SS 2006 Fakultät für Informatik Übungsblatt 5 Prof. Dr. A. Knoll 30. Juni 2006

Technische Universität München SS 2006 Fakultät für Informatik Übungsblatt 5 Prof. Dr. A. Knoll 30. Juni 2006 Technische Universität München SS 26 Fkultät für Informtik Übungsbltt 5 Prof. Dr. A. Knoll 3. Juni 26 Übungen zu Einführung in die Informtik II Aufgbe 5 Kleidung ) Wir definieren zunächst die Aktionenmenge

Mehr

Integration von Funktionen einer Variablen

Integration von Funktionen einer Variablen Integrtion von Funktionen einer Vriblen Ds Riemnnintegrl Motivtion: Wie knn mn den Weg w berechnen, den ein Fhrzeug zwischen den Zeitpunkten und b zurückgelegt ht, wenn mn seine Geschwindigkeit v(t) für

Mehr

Kapitel 1: Integration

Kapitel 1: Integration Kpitel 1: Integrtion Vorbemerkungen: Wnn bruchen wir numerische Integrtion? nicht bei nlytisch integrierbren Funktionen, sondern bei nlytisch gegebenen, ber nicht nlytisch integrierbren Funktionen, bei

Mehr

Lineare Algebra I 5. Tutorium mit Lösungshinweisen

Lineare Algebra I 5. Tutorium mit Lösungshinweisen Fchbereich Mthemtik Prof Dr JH Bruinier Mrtin Fuchssteiner Ky Schwieger TECHNISCHE UNIVERSITÄT DARMSTADT AWS 07/08 0607 (T ) Linere Algebr I 5 Tutorium mit Lösungshinweisen Welche Gruppen kennen Sie? Welche

Mehr

Hilfsblätter Folgen und Reihen

Hilfsblätter Folgen und Reihen Hilfsblätter Folgen und Reihen Sebstin Suchnek unter Mithilfe von Klus Flittner Steffen Hofmnn Mtthis Stb c 2002 by Sebstin Suchnek Printed with L A TEX Inhltsverzeichnis 1 Folgen 1 1.1 Definition.........................................

Mehr

Multiplikative Inverse

Multiplikative Inverse Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll

Mehr

4. Der Cauchysche Integralsatz

4. Der Cauchysche Integralsatz 22 Andres Gthmnn 4. Der Cuchysche Integrlstz Es seien D C offen und f : D C eine stetige Funktion. Ht f in D eine Stmmfunktion, so hben wir im letzten Kpitel gesehen, dss Kurvenintegrle über f in D nur

Mehr

Antworten auf Anfragen von Kursteilnehmern. Zu folgender Aussage aus den Multiple-Choice-Aufgaben: f (n) (a) (x a) n n! n=0

Antworten auf Anfragen von Kursteilnehmern. Zu folgender Aussage aus den Multiple-Choice-Aufgaben: f (n) (a) (x a) n n! n=0 Ferienkurs Anlysis 1 WS 11/12 Florin Drechsler Antworten uf Anfrgen von Kursteilnehmern Zu Tylorreihen Zu folgender Aussge us den Multiple-Choice-Aufgben: Es gibt Funktionen f C (R) mit konvergenter Tylorreihe

Mehr

1.2 Eigenschaften der reellen Zahlen

1.2 Eigenschaften der reellen Zahlen 12 Kpitel 1 Mthemtisches Hndwerkszeug 12 Eigenschften der reellen Zhlen Alle Rechenregeln der Grundrechenrten der reellen Zhlen lssen sich uf einige wenige Rechengesetze zurückführen, die in der folgenden

Mehr

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis

Mehr