8 Mehrdimensionale Differentialrechnung 1
|
|
- Elly Steinmann
- vor 5 Jahren
- Abrufe
Transkript
1 8 Mehrdimensionale Differentialrechnung 1 81 Matrizen und quadratische Formen 811 Definition: Matrizen a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A := a m,1 a m,2 a m,n ist eine m n-matrix mit a µ,ν IR m ist die Zahl der Zeilen: ( ) a µ,1 a µ,2 a µ,n ist eine 1 n-matrix n ist die Zahl der Spalten: a 1,ν a 2,ν a m,ν ist eine m 1-Matrix 812 Rechenregeln für Matrizen 1 Für C := A + B gilt: c µ,ν := a µ,ν + b µ,ν 2 Für C := λa gilt: c µ,ν := λa µ,ν 3 Sei A eine m n-matrix und B eine n p-matrix Dann ist C := A B eine m p-matrix mit c µ,ϱ = für µ = 1,, m und ϱ = 1,, p a µ,ν b ν,ϱ 813 Transponierte Matrizen Die Transponierte von A (siehe oben) ist a 1,1 a m,1 A T a 1,2 a m,2 := a 1,n a m,n Wenn x IR n ist, wird oft x T = (x 1,, x n ) 1 Version 184 vom 13 Februar
2 8 Mehrdimensionale Differentialrechnung geschrieben Dies ist als Spaltenvektor gemeint: 814 Skalarprodukt ist das Skalarprodukt im IR n 815 Matrizennorm x T y = (x 1,, x n ) x 1 x 2 x = x n y 1 y n = x 1 y x n y n = x y Sei A eine m n-matrix, n eine Norm im IR n und m eine Norm im IR m Dann ist A := sup{ A x m : x IR n, x n = 1} die von n und m erzeugte Matrixnorm Beachte: Ax m A x n für alle x IR n 816 Beispiele (1) Beidesmal die Euklidnorm: Zeige (als Aufgabe) A µ=1,,m,,n a 2 µ,ν (2) Beidesmal Maximumnorm: Für y = Ax ist Es gilt dann y µ = a µ,ν x ν y µ a µ,ν x ν }{{} x ( ) a µ,ν x Also ist ( ) m y max a µ,ν x µ=1 196
3 81 Matrizen und quadratische Formen Es ist damit Zeige, daß für ( ) Gleichheit gilt: Sei Setze Dann ist und damit A ( ) m max µ=1 x ν = m max µ=1 a µ,ν = a µ,ν a ϱ,ν { 1 wenn a ϱ,ν 0 1 wenn a ϱ,ν < 0 a ϱ,ν x ν = A a ϱ,ν x }{{} =1 a ϱ,ν Aus und ( ) folgt insgesamt die Gleichheit bei ( ) 817 Definition: Quadratische Formen Sei A eine symmetrische n n-matrix (A = A T, a µ,ν = a ν,µ ) Dann heißt Q A : IR n IR, Q A (x) := x T Ax = a µ,ν x µ x ν quadratische Form µ, 818 Bemerkung Wenn A T = A ist, sind alle Eigenwerte λ 1,, λ n reell Man kann die Eigenvektoren x (1),, x (n) orthonormal wählen, d h es gilt x (j) x (k) = x (1),, x (n) bilden eine Orthonormalbasis des IR n Sei nun x IR n Dann gilt: x = ξ j x (j) und Ax = j=1 { 1 j = k 0 j k ξ j λ j x (j) j=1 Damit ist x T Ax = x (Ax) = λ j ξj 2 j=1 197
4 8 Mehrdimensionale Differentialrechnung 819 Definition: positiv/negativ (semi-)definit A heißt positiv definit negativ definit positiv semidefinit negativ semidefinit indefinit > 0 für x 0 < 0 für x 0 x T Ax 0 für x 0 0 für x 0 sonst alle λ j > 0 alle λ j < 0 alle λ j 0 alle λ j 0 mind ein λ j > 0, ein λ j < Bemerkungen A ist positiv definit ( A > 0 ) a 11 a 1k > 0 für k = 1, 2,, n, a k1 a kk bzw negativ definit ( A < 0 ) a 11 a 1k ( 1) k > 0 für k = 1, 2,, n a k1 a kk Es gilt A > 0 ( A) < 0 Ohne Beweis Insbesondere ist die Matrix ( ) a b b c genau dann positiv definit, wenn a > 0 und ac > b 2, bzw genau dann negativ definit, wenn a < 0 und ac > b 2 ist 8111 Beispiele (1) 1 1 A = ist positiv semidefinit, d h A ( ) 2 x T Ax = x µ x ν = x µ x ν = x ν 0 µ, µ=1 = 0 x ν = 0 198
5 81 Matrizen und quadratische Formen (2) A = Q A (x) = x x x 2 3 2x 1 x 2 + 2x 2 x 3 = (x 1 x 2 ) 2 + x x x 2 x 3 = (x 1 x 2 ) 2 + (x 2 + x 3 ) 2 + 2x 2 3) 0 = 0 x 3 = 0 x 2 + x 3 = 0 x 1 x 2 = 0 x = 0 IR 3 A > Definition: Landau-Symbole Sei E IR n, ξ Häufungspunkt von E, ϕ: E IR m und ψ : E IR (a) ϕ(x) = O(ψ(x)) für x ξ bedeutet: Es gibt ein C > 0 und ein δ > 0 mit ϕ(x) Cψ(x) in x E, 0 < x ξ < δ (b) ϕ(x) = o(ψ(x)) für x ξ bedeutet: Zu jedem ε > 0 existiert ein δ > 0 mit ϕ(x) εψ(x) in x E, 0 < x ξ < δ 8113 Beispiele 1 Sei ϕ(x) = x T Ax Es gilt: φ(x) = O( x 2 ) für x 0 Äquivalent ist: x T Ax C x 2 für x < δ 2 Sei f : E IR m stetig in ξ E Zu ε > 0 ex ein δ > 0 mit x T Ax 2 = x (Ax) 2 CSU x 2 (Ax) 2 x 2 (C x 2 ) = C 2 x 4 x T Ax C x 2 für x IR n f(x) f(ξ) < ε für x ξ < δ, x E f(x) f(ξ) =: ϕ(x) mit ϕ(x) 0 für x ξ f(x) f(ξ) = o(1) für x ξ f(x) = f(ξ) + o(1) für x ξ 199
6 8 Mehrdimensionale Differentialrechnung 8114 Regeln für Landau-Symbole (Die Regeln unter (a) und (b) gelten sowohl für O als auch für o) (a) Sei ϕ j (x) = O(ψ(x)) für x ξ und j = 1,, k Dann ist k ϕ j (x) = O(ψ(x)) für x ξ j=1 Anwendungsbeispiel: Seien f 1 und f 2 stetig in ξ Dann ist f 1 + f 2 stetig in ξ, denn: f j (x) = f j (ξ) + o(1) für j = 1, 2 f 1 (x) + f 2 (x) = f 1 (ξ) + f 2 (ξ) + o(1) (b) Sei ϕ j (x) = O(ψ(x)) für x ξ und j = 1,, k Dann gilt ϕ(x) = k max 1 ϕ j (x) ϕ(x) = O(ψ(x)) für x ξ (c) Gilt ϕ(x) = o(ψ(x)) für x ξ, dann ist auch ϕ(x) = O(ψ(x)) für x ξ Dies gilt i A aber nicht umgekehrt 8115 Beispiel Sei f C k ( r, r) Dann ist für x 0 f(x) = k j=0 82 Differenzierbare Funktionen { f (j) (0) x j o( x k ), falls f C k ( r, r) + j! O( x k+1 ), falls f C k+1 ( r, r) Für diesen Abschnitt ist D IR n ein Gebiet Funktionen D IR m werden üblicherweise mit f, g, ψ, ϕ, bezeichnet Funktionen D IR werden üblicherweise mit u, v, w, bezeichnet ist die Euklidnorm 821 Definition: Differenzierbarkeit f : D IR m heißt differenzierbar in x D, wenn es eine m n-matrix A gibt mit Äquivalent hierzu ist: Interpretation: : Affine Funktion von h : Fehlerterm: < ε h für h < δ f(x + h) f(x) Ah = o( h ) für h 0 (h IR n ) f(x + h) f(x) A h lim = 0 h 0 h f(x + h) = f(x) + A h + o( h ) }{{}}{{} 200
7 82 Differenzierbare Funktionen 822 Bemerkungen (a) Sei n = m = 1: f(x + h) f(x) = a h + o( h ) f(x + h) f(x) lim = a =: f (x) h 0 h (b) Man nennt A die Ableitung von f und schreibt f (x) = A Andere Schreibweise: 823 Beispiele A = f x (1) Sei f(x) = c konstant mit c IR m Dann ist f (x) = 0 die m n-nullmatrix, denn f(x + h) f(x) 0 h = 0 = o( h ) (2) Sei f(x) = Ax mit einer m n-matrix A also ist f (x) = A für x IR n ist die Jacobi-Matrix f(x + h) f(x) = A h = A h + o( h ), (3) Sei f(x) = x T Ax mit einer symmetrischen n n-matrix A Es ist f : IR n IR Also ist f (x) eine 1 n-matrix, ein Zeilenvektor f(x + h) f(x) = (x + h) T A(x + h) x T Ax Da h T Ah = O( h 2 ) = o( h ) für h 0 ist, ist = x T Ah + h T Ax + h T Ah = (x T A)h + (x T A T )h + h T Ah = (x T A)h + (x T A)h + h T Ah f (x) = x T A + x T A = 2x T A = 2(Ax) T 824 Satz f = f 1 f m : D IR m ist genau dann in x differenzierbar, wenn alle f µ : D IR in x differenzierbar sind Es gilt: f 1 f (x) (x) = f m(x) 201
8 8 Mehrdimensionale Differentialrechnung Beweis: Sei A = f (x) und a µ := f µ(x) : f (x) existiere nach Voraussetzung Dann ist Also ist f µ(x) = a µ f µ (x + h) f µ (x) a µ h f(x + h) f(x) A h : f µ(x) = a µ existieren nach Voraussetzung Setze A = a 1 a m = o( h ) für h 0, µ = 1,, m ist m n Matrix Also ist f (x) = A f(x h) f(x) a h m f µ (x + h) f µ (x) a µ h }{{} =o( h ) µ=1 = o( h ) für h Satz: Die Ableitung ist eindeutig Die Ableitung ist eindeutig bestimmt Ist f differenzierbar in x, so ist f auch stetig in x Beweis: Eindeutigkeit: Sei Subtraktion der beiden Gleichungen liefert: f(x + h) = f(x) + A h + o( h ) f(x + h) = f(x) + B h + o( h ) IR m 0 = (A B) h + o( h ) für h 0, h IR n Folgt daraus A = B? Setze h = t e mit t IR, e IR n und e = 1 Es gilt: h 0 t 0 t(a b)e = o( t ) für t 0 Für t 0 gilt dann: Also ist A B = 0, d h A = B (A B)e = 1 o( t ) = o(1) für t 0 t (A B) e = 0 für alle e IR n mit e = 1 202
9 82 Differenzierbare Funktionen Stetigkeit: f(x + h) f(x) = A h + o( h ) Setze nun y = x + h Dann ist Also ist f stetig A h + ε h für h < δ bei vorgegebenem ε = const h für h < δ 826 Regeln für differenzierbare Funktionen f(y) f(x) const x y für x y < δ Sind f, g : D IR m differenzierbar in x, so auch f + g, λ f (λ IR) und f g : D IR (Skalarprodukt) Im Punkt x gilt: (f + g) = f + g (λf) = λf (f g) = f T g + g T f Vergleiche mit den eindimensionalen Regeln (413, Seite 70) Beweis: Als Aufgabe 827 Kettenregel für differenzierbare Funktionen Zur Wiederholung zuerst die Kettenregel im 1-dimensionalen: Seien f, g : IR IR Dann ist d dx f(g(x)) = f (g(x)) g (x) Sei nun g : D IR n G IR m differenzierbar in x D und f : G IR p sei differenzierbar in y = g(x) Dann ist f g : D IR p differenzierbar in x mit (f g) (x) = f (y) g (x) mit y = g(x) Beweis: Sei Φ = f g, B = g (x) und A = f (y) Dann ist g(x + h) = g(x) + B h + o( h ) für h 0 und f(y + k) = f(y) + A k + o( k ) für k 0 Es ist y = g(x), y + k = g(x + h), also k = g(x + h) g(x) Damit ist Φ(x + h) = f(g(x + h)) = f(y + k) = f(y) + A k + o( k ) für k 0 = f(g(x)) + A (g(x + h) g(x)) + o( g(x + h) g(x) ) für h 0 = Φ(x) + A (g(x + h) g(x)) + o( g(x + h) g(x) ) für h 0 Außerdem ist k = O( h ) für h 0 Dann gilt: Φ(x + h) = Φ(x) + A (B h + o( h )) + o(o( h )) = Φ(x) + A B h + o( h ) + o( h ) }{{} =o( h ) = Φ(x) + A B h + o( h ) = Φ(x) + f (y)g (x)h + o( h ) Also ist Φ (x) = f (y)g (x) mit y = g(x) 203
10 8 Mehrdimensionale Differentialrechnung 828 Mittelwertsatz I Sei u: D IR n IR und S sei eine Strecke in D mit Anfangspunkt a und Endpunkt b Ist u differenzierbar in D, so gibt es ein ξ S \ {a, b} mit u(b) u(a) = u (ξ)(b a) Beweis: Sei ϕ(t) := u(a + t (b a)) für 0 t 1 Nach dem 1-dimensionalen Mittelwertsatz (424, Seite 74) gibt es ein τ (0, 1) mit Mit der Kettenregel gilt dann: 829 Mittelwertsatz II ϕ(1) ϕ(0) = ϕ (τ)(1 0) u(b) u(a) = u (a + τ(b a) ) (b a) }{{} =:ξ Ist f : D IR m differenzierbar und sind a, b und S wie im MWS I, so gilt: f(b) f(a) = J(ξ 1,, ξ m ) (b a) Dabei ist J(ξ 1,, ξ m ) = f 1 (ξ1 ) f 2 (ξ2 ) f m(ξ m ) mit ξ1,, ξ m S \ {a, b} Beweis: Mittelwertsatz I anwenden auf f µ : Dabei ist ξ µ S \ {a, b} für µ = 1,, m Daraus folgt dann die Behauptung f µ (b) f µ (a) = f µ(ξ µ )(b a) 8210 Definition: Integrierbarkeit von Matrizen Seien a µ,ν : [0, 1] IR für µ = 1,, m und ν = 1,, n integrierbar und A(t) = (a µ,ν (t)) µ=1,,m Man setzt 1 0 A(t) dt := 1 0 a µ,ν (t) dt und nennt A integrierbar Das Ergebnis ist eine m n-matrix 8211 Mittelwertsatz III Ist f : D IR m differenzierbar, sind a, b und S wie im MWS I und ist f (a + t (b a)) integrierbar über [0, 1], dann gilt: f(b) f(a) = 1 0 f (a + t(b a)) dt (b a) } {{ } m n-matrix,,n 204
11 83 Partielle Ableitungen Beweis: Hier für m = 1 Sei u: D IR Setze ϕ(t) = u(a + (b a)t) Es ist ϕ (t) = u (a + t(b a)) (b a) Mit dem Hauptsatz gilt dann also 8212 Satz 1 ϕ(1) ϕ(0) = ϕ (t) dt, 0 1 u(b) u(a) = u (a + t(b a)) (b a) dt 0 Ist D IR n ein Gebiet und f : D IR m differenzierbar mit f (x) = 0 in D, so ist f konstant Beweis: Zuerst als Erinnerung für m = n = 1: f(y) f(x) = f (ξ)(y x) = 0 }{{} =0 Seien nun x, y D und sei s ein achsenparalleler Streckenzug in D von x nach y Die Ecken von s seien x = a 1, a 2,, a k = y Es gilt: Daraus folgt: Also ist f konstant f(a j f(a j 1 ) f(y) f(x) = f(a k ) f(a 1 ) = MWS II = J(ξ 1,, ξ m ) (a j a j 1 ) = 0 k f(a j ) f(a j 1 ) = 0 j=2 83 Partielle Ableitungen 831 Vorüberlegungen Sei u: D IR n IR differenzierbar in x Dann ist und mit h = h 1 h n u (x) = (a 1, a 2,, a n ) = a u(x + h) = u(x) + a h + o( h ) = u(x) + a 1 h a n h n + o( h ) Was ist dann a 1? 205
12 8 Mehrdimensionale Differentialrechnung Setze h = (t, 0,, 0) Dann gilt h 0 genau für t 0 Es ist u(x 1 + t, x 2,, x n ) u(x 1,, x n ) = a 1 t + o( t ) u(x 1 + t, x 2,, x n ) u(x 1,, x n ) = a 1 + o( t ) t t a 1 = u(x 1 + t, x 2,, x n ) u(x 1,, x n ) + o(1) für t 0 [ t ] u(x1 + t, x 2,, x n ) u(x 1,, x n ) a 1 = lim + o(1) t 0 t 832 Definition: Partielle Ableitung, Gradient Sei u: D IR, D IR n offen und x D Dann heißt u(x 1,, x ν 1, x ν + t, x ν+1,, x n ) u(x 1,, x n ) lim t 0 t partielle Ableitung von u nach x ν Sie wird bezeichnet mit Existieren alle partiellen Ableitungen, so heißt der Gradient von u D ν u(x) oder u x ν (x) oder u xν (x) grad u(x) := (u (x1 )(x),, u (xn)(x)) Bemerkung: Der Gradientenvektor ist ein Zeilenvektor 833 Satz Ist u differenzierbar in x, so ist u (x) = grad u(x) Beweis: Oben in Definition: Richtungsableitung Sei u: D IR, D IR n offen, x D und e IR n mit e = 1 Dann heißt die Richtungsableitung von u in Richtung e Spezialfall: Für e = e ν ist u e = u ν x ν 835 Satz u u(x + te) u(x) (x) := lim e t 0 t Ist u: D IR in x differenzierbar, so existieren alle Richtungsableitungen u e (x) und es ist u (x) = e grad u(x) e 206
13 83 Partielle Ableitungen Es gilt dann: grad u(x) u (x) grad u(x) e Falls grad u(x) 0 ist, so ist Gleichheit nur für grad u(x) e = ± grad u(x) Beweis: u ist differenzierbar Damit ist u(x + h) = u(x) + u (x) h + o( h ) für h 0 Setze h = t e mit e IR n, e = 1 und t IR Damit ist Beweis der Ungleichung: Falls grad u 0 ist, gilt: u(x + te) u(x) = tu (x)e + o( t ) für t 0 u(x + te) u(x) t = u (x) e + o(1) für t 0 u e (x) = u (x) e = grad u(x) e u e u e CSU = grad u e grad u e }{{} =1 CSU = grad u e grad u = grad u und e sind linear abhängig e = λ grad u mit λ IR Für positives λ liegt rechts, für negatives λ liegt links Gleichheit vor Es ist also λ = ± 1 grad u 836 Satz Ist f : D IR n IR m differenzierbar, so ist f grad f 1 (x) 1 f grad f 2 (x) (x) = = x 1 f m grad f m (x) x 1 f 1 x n f m x n Beweis: Ohne 837 Beispiele 1 Sei u(x, y) = e x cos(y x) Dann ist u x = e x cos(y x) + e x ( sin(y x)) ( 1) = e x (cos(y x) + sin(y x)) und Frage: Ist u nun differenzierbar? u y = e x sin(y x) 207
14 8 Mehrdimensionale Differentialrechnung 2 Sei u(x, y) = { x 2 y für y > x 2 0 sonst u und u sind unstetig in (0, 0) Alle Richtungsableitungen u e existieren in (0, 0) Es ist denn für e = (±1, 0) ist u (0, 0) = e und für e = (a, b) mit b 0 ist { 0 für e = (±1, 0) a 2 b für e = (a, b), a 2 + b 2 = 1, b 0, u(±t, 0) u(0, 0) t u(at, bt) u(0, 0) t = = 0 0 t a 2 t 2 bt 0 t = a2 b a2 b 0 für t 0 für kleines t für t 0 Zeige nun, daß u in (0, 0) nicht stetig ist: Es ist u(x, 0) = 0 und u(x, 2x 2 ) = x2 = 1 2x 2 2 Also ist u nicht stetig und damit nicht differenzierbar in (0, 0) 838 Satz Existiert grad u von u: D IR und sind u x1,, u xn im Punkt x stetig, so ist u in x differenzierbar Beweis: Sei h = (h 1,, h n ) und h ν = (h 1,, h ν, 0,, 0) Insbesondere sind dann: h 0 = (0,, 0) h 1 = (h 1, 0,, 0) h 2 = (h 1, h 2, 0,, 0) Es gilt dann: u(x + h) u(x) grad u(x) h = u(x + h ν ) u(x + h ν 1 ) u }{{} xν (x)h ν h νu xν (x+ξ ν) = h ν [u xν (x + ξ ν ) u xν (x)] Sei ε > 0 Dazu existiert (Stetigkeit des Gradienten) ein δ > 0 mit grad u(x) grad u(y) < ε für x y < δ Setze nun y = x + h mit h < δ Dann ist u(x + h) u(x) grad u(x) h CSU h n (u xν (x + ξ ν ) u xν (x)) 2 Also ist u (x) = grad u(x) < ε h für h < δ 208
15 84 Höhere Ableitungen 839 Bemerkungen Sei u: D IR n IR differenzierbar im Punkt x Dann gilt u(x + h) = u(x) + u (x) h + o( h ) Für n = 1 ist z = u(x) + u (x) t die Gleichung der Tangenten an den Graphen an der Stelle x Für n 2 ist z = u(a) + u (a) (x a) die Gleichung einer Hyperebene im IR n+1 = IR n IR T a := { (x, z) IR n IR: z = u(a) + u (a) (x a) } ist eine Tangentialhyperebene Für diese Ebene gilt Setze nun Für (x, z) T a gilt nun x 1 a 1 ν x n a n = 0, z u(a) (z u(a)) u (a) (x a) = 0 u x1 (a) ν = u xn (a) IRn+1 1 Also ist ν Normalenvektor zur Tangentialhyperebene 84 Höhere Ableitungen 841 Definition: Stetig differenzierbar ν ist orthogonal zu x 1 a 1 x n a n z u(a) Sei u: D IR mit D IR n offen, Gebiet u heißt stetig differenzierbar, wenn u x1,, u xn in D stetig sind: u C 1 (D) f : D IR m heißt stetig differenziervar, wenn f 1,, f m C 1 (D) sind: f C 1 (D, IR m ) 842 Definition: Mehrfach stetig differenzierbar u: D IR heißt k-mal stetig differenzierbar, geschrieben: u C k (D), wenn alle Ableitungen D j1 D j2 D jk u für j 1,, j k {1,, n} in D stetige Funktionen sind 843 Beispiele 1 Es ist z B D 1 D 2 u = (u x2 ) x1 =: u x2 x 1 und D 3 D 7 D 4 u = ((u x4 ) x7 ) x3 =: u x4 x 7 x 3 2 Sei u(x, y) = x 2 e xy Dann ist u x = 2x ye xy u xx = 2 y 2 e xy u y = xe xy u xy = e xy xye xy u yy = x 2 e xy u yx = e xy xye xy 209
16 8 Mehrdimensionale Differentialrechnung 844 Satz von H A Schwarz (1 Version) Sei D IR 2 offen, u: D IR, u C 1 (D) und u xy existiere in D und ist stetig in (a, b) D Dann existiert auch u yx (a, b) = u xy (a, b) Beweis: Für (a, b) = (0, 0): Es gilt Daraus folgt: Für y 0 ist damit R(x, y) := (u(x, y) u(x, 0)) (u(0, y) u(0, 0)) = x [u x (ξ, y) u x (ξ, 0)] mit ξ aus dem MWS zwischen 0 und x = x y u xy (ξ, η) mit η zwischen 0 und y (MWS) u xy (ξ, η) = = 1 x R(x, y) xy = u(x, y) u(x, 0) u(0, y) + u(0, 0) xy (u(x, y) u(x, 0)) (u(0, y) u(0, 0)) y 1 x (u y(x, 0) u y (0, 0)) und danach für x 0: u yx (0, 0) Dabei geht die linke Seite wegen der Stetigkeit von u x,y gegen u xy (0, 0) 845 Satz von H A Schwarz (2 Version) Ist u C k (D), so ist D j1 D j2 D jk u für j 1,, j k {1,, n} unabhängig von der Reihenfolge der Differentiation Beweis: Als Aufgabe 846 Definition und Regeln: Multiindex p IN n 0 heißt Multiindex Es gilt: p = (p 1, p 2,, p n ) mit p ν IN 0 p := p 1 + p p n ist die Länge von p p! := p 1! p 2! p n! Für x IR n gilt: x p := x p 1 1 xp 2 2 xpn n 210
17 84 Höhere Ableitungen 847 Definition: Polynom, Taylorpolynom a p x p mit festem k und a p = a p1,,p n p k ist ein Polynom in x IR n Z B ist für n = 2 a 00 + a 10 x 1 + a 01 x 2 + a 20 x a 11 x 1 x 2 + a 02 x 2 2 Sei nun u C k (D) und p IN n 0 mit der Länge p = k Dann bedeutet k u x p = k u x p 1 1 xp 2 2 xpn n differenziere p 1 -mal nach x 1, differenziere p 2 -mal nach x 2, differenziere p n -mal nach x n Sei nun u C k (D) und a D Dann ist mit das k-te Taylorpolynom von u an der Stelle a 848 Satz von Taylor Ist u C k (D) und ist a D, so gilt: für x a Beweis: Setze T k (x; a) := c p (x a) p p k c p := 1 p! p u x p (a) u(x) T k (x; a) = o( x a k ) Wähle r > 0 so, daß K(a, r) D ist Sei dann x K(a, r) ϕ(t) := u(a + t(x a)) für 0 t 1 Es ist ϕ C k ([0, 1]) Damit ist nach dem eindimensionalen Satz von Taylor (445, Seite 87): ϕ(1) = = k 1 l=0 k l=0 ϕ (l) (0) l! ϕ (l) (0) l! Mit Induktion (wird weiter unten gezeigt) gilt dann: 1 l + ϕ(k) (τ) 1 k mit 0 < τ < 1 k! + ϕ(k) (τ) ϕ (k) (0) k! ϕ (l) (t) = 1 l! p! l u x p (a + t(x a))(x a)p (81) p =l 211
18 8 Mehrdimensionale Differentialrechnung Wenn (81) gilt, dann folgt: Es gilt: weil k 1 u(x) = p! l u (a)(x a)p xp l=0 p =l + ( 1 k ) u p! x p (a + τ(x a)) k u x p (a) (x a) p p =k R k (x; a) = T k (x; a) + R k (x; a) p =k 1 p! k u x p (a + τ(x a)) k u x p (a) x a k, h p = h p 1 1 hpn n h p 1+p 2 + +p n = h p Sei nun ε > 0 Dazu existiert (wegen der Stetigkeit) ein δ > 0 mit Für x a < δ gilt dann: k u x p (a + h) k u x p (a) < ε für h < δ R k (x; a) ε x a l (#Anzahl der Summanden) Beweise nun die Gleichung (81): Hier für a = 0 l = 1: Es ist l l + 1 k: ϕ(t)! = u(tx) ( ϕ (l+1) (l + 1)! (t) = 1 ϕ (l) (t) l + 1 l! = 1 l + 1 = 1 l + 1 p =l 1 p! p =l ) 1 p! l u x ν x p (tx) x νx p l+1 u x p+eν (tx)x p+eν mit e ν, dem ν-ten Einheitsvektor Es gilt: p + e ν = p + 1 = l + 1 Sei nun q ein Multiindex der Länge l + 1 Dann ist M q := {p: p = l und q = p + e ν für ein ν} Mit 1 p! = p ν + 1 = q ν q! q! = 1 (l + 1) q! p M q q ν>0 q ν>0 212
19 84 Höhere Ableitungen gilt dann: ϕ (l+1) (l + 1)! (t) = 1 l + 1 = 1 l + 1 = q =l+1 1 q =l+1 p M q q =l+1 p! l+1 u x q (tx)xq 1 q! l+1 u x q (tx)xq (l + 1) 1 q! l+1 u x q (tx)xq 849 Spezialfall für den Satz von Taylor Sei u C 2 (D) und a D Dann ist u(x) =u(a) + u xν (a)(x ν a ν ) µ, + o( x a 2 ) u xνx µ (a)(x ν a ν )(x µ a µ ) 8410 Definition: Hesse-Matrix Für u C 2 (D) heißt H u (a) := u x1 x 1 u x1 x 2 u x1 x n (a) u xnx 1 u xnx 2 u xnx n Hesse-Matrix H u ist symmetrisch, da u xµx ν = u xνx µ Setze man Q u (h) := h T H u (a)h, dann gilt mit Taylor: u(a + h) = u(a) + u (a) h Q u(h) + o( h 2 ) 8411 Definition: Extremum Sei u: D IR a D IR n heißt Stelle eines Maximums bzw Minimums (zusammen: Extremums) der Funktion u, wenn u(x) u(a) bzw u(x) u(a) für alle x a < δ 8412 Satz Sei u: D IR und a D (1) Ist a Stelle eines Extremums und existiert u (a), so ist u (a) = 0 (2) Ist sogar u C 2 (D), so gilt im Falle eines Maximums bzw Minimums, daß H u (a) negativ bzw positiv semidefinit ist 213
20 8 Mehrdimensionale Differentialrechnung Beweis: (1) ϕ(t) = u(a 1 +t, a 2,, a n ) hat Extremum für t = 0, d h ϕ (0) = 0 = u x1 (a), also ist u (a) = 0 (2) Gilt: Z B für das Minimum: Sei h δ: Minimum: ϕ (0) 0 u x1 x 1 (a) 0 Maximum: ϕ (0) 0 u x1 x 1 (a) 0? u(a) u(a + h) = u(a) + u (a) h + 1 }{{} 2 Q u(h) + o( h 2 ) =0 1 2 Q u(h) + o( h 2 ) 0 für h < δ Wähle nun e IR n und setze h = te mit kleinem t IR Dann ist o 1 ( ) 1 2 Q u(te) + o( te 2 ) = }{{} t 2 2 Q u(e) + o(1) >0 }{{} 0 für t 0 Für t 0 ist damit dann Q u (e) 0 für e IR n, d h Q u ist positiv semidefinit 8413 Satz Sei u C 2 (D), a D, u (a) = 0 und H u (a) positiv bzw negativ definit Dann ist a Stelle eines Minumums bzw Maximums Ist H u indefinit, so liegt in a weder ein Maximum noch ein Minimum Beweis: Sei Q u positiv definit Dann ist Also ist in a ein Minimum 8414 Beispiele u(a + h) u(a) = 1 2 Q u(h) + o( h 2 ) }{{}}{{} α h 2 < α 2 h 2 mit α>0 für h <δ ( α α ) h 2 > 0 für 0 < h < δ 2 (1) Sei u(x, y) = x 2 y 2 Dann ist u x = 2x und u y = 2y u = 0 gilt genau für (x, y) = (0, 0) Es ist u xx = 2, ( u xy = 0 ) = u yx und u yy = Also ist H u = H 0 2 u ist indefinit Also gibt es keine Extrema (2) Sei u(x, y) = xy(1 x xy) Dann ist u x = y(1 x y) + xy( 1) = y(1 2x y) und u y = x(1 2y x) u x = 0, u y = 0 (x, y) {(0, 0), (1, 0), (0, 1), ( 1 3, 1 3 )} Es ist u xx = 2y, u yy = 2x und u xy = u yx = 2x 2y 214
21 85 Implizite Funktionen und Umkehrfunktionen ( ) 0 1 H u (0, 0) = ist indefinit 1 0 ( ) 0 1 H u (1, 0) = ist indefinit 1 2 ( ) 2 1 H u (0, 1) = ist indefinit 1 0 ( H u ( 1 3, ) = 3 1 ) ist negativ definit, also liegt ein Maximum vor 3 (3) Sei u(x, y, z) = x 2 + y 2 xy x + z 2 z Es sind dann u x = 2x y 1 u y = 2y x y z = 2z 1 = 0 Es ist (u x, u y, u z ) = (0, 0, 0) für (x, y, z) = ( 2 3, 1 3, 1 ) und H u = ist positiv definit, also liegt in ( 2 3, 1 3, 2) 1 ein Minimum vor 85 Implizite Funktionen und Umkehrfunktionen 851 Beispiel Die Gleichung x y = y x hat für x, y > 0 z B folgende Lösungen: y = x x = 4, y = 2 y = 4, x = 2 Gibt es weitere Lösungen? 852 Schreibweisen Im Folgenden ist IR n+m := IR n IR m Für 853 Satz über implizit definierte Funktionen Es sei U = K(x 0, r) IR n und V = K(y 0, ϱ) IR m Außerdem sei f : U V IR m mit f(x 0, y 0 ) = 0 gegeben f sei stetig, f 1 f 1 y 1 y m f y := ( ) x oder (x, y) ist x IR n und y IR m y f m y 1 sei stetig und det f y (x 0, y 0 ) 0 Dann gibt es Kugeln U 0 = K(x 0, r 0 ) und V 0 = K(y 0, ϱ 0 ), sowie eine stetige Funktion g : U 0 V 0 mit {(x, y): x U 0, y V 0, f(x, y) = 0} = {(x, g(x)): x U 0 } f m y m 215
22 8 Mehrdimensionale Differentialrechnung Ist f x stetig, so ist g C 1 (U 0, IR m ) und in U 0 ist g (x) = (f y (x, g(x))) 1 f x (x, g(x)) Beweis: Sei OBdA x 0 = 0 IR n und y 0 = 0 IR m (sonst betrachte f(x 0 +x, y 0 +y) = f(x, y) = 0) Setze A := (f y (0, 0)) 1 Dann ist f(x, y) = 0 y = y Af(x, y) =: F (x, y) Beachte: Es ist F (0, 0) = 0 IR m und F y (0, 0) = 0 ist (m n)-nullmatrix Wähle nun U 0 und V 0 so, daß F (x, 0) < ϱ 0 /2 für x U 0 ist (dies ist wegen der Stetigkeit von F möglich), und daß F y (x, y) < 1 2 ist für (x, y) U 0, V 0 Eindeutigkeit von g: Zeige: Zu x U 0 gibt es höchstens ein y V 0 mit f(x, y) = 0 Annahme: Es gibt y, z V 0 mit f(x, y) = f(x, z) = 0 Es gilt dann: Nach Subtraktion gilt dann: y = F (x, y) z = F (x, z) y z = F (x, y) F (x, z) MWS III = 1 0 F y (x, ty + (1 t)z) dt (y z) Daraus folgt dann: y z 1 0 F y (x, ty + (1 t)z) dt }{{} y z < y z, 2 also ist y = z Existenz von g: Setze M = {u: u ist stetig in U 0, u: U 0 V 0, u(0) = 0} Definiere folgende Metrik auf M: d(u, v) := sup { u(x) v(x) : x U 0 } Anmerkung zur Definition dieser Norm: Sei B = {u C(u 0, IR m ): u(0) = 0} Auf B ist folgende Norm definiert: u := sup { u(x) : x U 0 } B ist ein Banachraum M ist abgeschlossene Teilmenge von B mit d(u, v) = u v 216
23 85 Implizite Funktionen und Umkehrfunktionen Also ist M vollständig Definiere nun eine Kontraktion T auf M: { u M T u T : (T u)(x) := F (x, u(x)) Zeige nun: 1 T : M M, T ist Selbstabbildung 2 d(t u, T v) 1 2d(u, v), T ist eine Kontraktion Dann gibt es nach dem Banachschen Fixpunktsatz (755, Seite 176) (genau) ein u M, stetig mit u = T u, d h u(x) = F (x, u(x)) = u(x) Af(x, u(x)) f(x, u(x)) = 0 in U 0 Setze dann g = u Beweise nun, daß T eine Selbstabbildung (1) und Kontraktion(2) ist: (1) ū(x) := (T u)(x) = F (x, u(x)) ist wohldefiniert, da u(x) < ϱ 0 ist, und da F in U 0 V 0 definiert ist Es gilt: ū(0) = F (0, 0) = 0 ū ist stetig Ist ū < ϱ 0, d h gilt ū: U 0 V 0? ū(x) F (x, 0) + F (x, u(x)) F (x, 0) < ϱ u(x) 0 < ϱ 0 (2) Beweis der Kontraktion: Seien u, v M, ū = T u und v = T v Dann ist für alle x U 0 Also ist d(ū, v) 1 2d(u, v) ū(x) v(x) = F (x, u(x)) F (x, v(x)) 1 2 u(x) f(x) 1 d(u, v) 2 Differenzierbarkeit von g (zunächst in x = 0) (Es ist F C 1 (U 0 V 0, IR m )) Es gilt die Approximation F (x, y) = F x (0, 0)x + o( (x, y) ) für (x, y) (0, 0) Beachte dabei, daß F y (0, 0) = 0 ist Insbesondere gilt: g(x) = F (x, g(x)) = F x (0, 0)x + o( (x, g(x)), also ist g(x) = O( x ) für x 0 Es ist dann g(x) F x (0, 0)x = o( (x, g(x)) ) = o( x ) für x 0 g(x) g(0) F x (0, 0)x = o( x ), 217
24 8 Mehrdimensionale Differentialrechnung d h g (0) = +F x (0, 0) = Af x (0, 0) = (f y (0, g(0))) 1 f x (0, g(0)) Also gilt die Behauptung für x = 0 Differenzierbarkeit von g für ξ U 0 : Es ist zu zeigen: g (ξ) = (f y (ξ, g(ξ))) 1 f x (ξ, g(ξ)) für ξ U 0 Die Rolle, die (x 0, y 0 ) gespielt hat, kann jeder Punkt (ξ, g(ξ)) übernehmen 854 Beispiel Für n = 2 und m = 1 Die Gleichung sin(x + z) + sin(y + z) = z ist in einer Umgebung von (x, y) = (0, 0) in der Form z = g(x, y) aufzulösen, wobei g(0, 0) = 0 ist Überprüfe die Voraussetzungen: Es ist f(x, y, z) = sin(x + z) + sin(y + z) z f(0, 0, 0) = 0 Außerdem ist f z (x, y, z) = cos(x + z) + cos(y + z) 1 f z (0, 0, 0) = = 1 0 Also existiert eine Funktion g : U 0 V 0 mit g(0, 0) = 0 und f(x, y, g(x, y)) = 0 für alle (x, y) U 0 Dabei ist U 0 = K((0, 0), r 0 ) IR 2 und V 0 = ( ϱ, ϱ) Berechne nun g x (0, 0) und g y (0, 0): Es ist f(x, y, g(x, y)) = 0 in U 0 Differenziere nach x und y Dann ist f x + f z g x = 0 und f y + f z g y = 0 In (x, y) = (0, 0), z = 0 gilt dann: 1 g x (0, 0) = f x (0, 0, 0) = cos(0 + 0) = 1 1 g y (0, 0) = f y (0, 0, 0) = cos(0 + 0) = Satz über die Umkehrfunktion Sei f : D IR n, D IR n Gebiet, f C 1 (D, IR n ) Außerdem sei ξ D und det f (ξ) 0 Dann gibt es in einer Kugel V 0 = K(η, r) eine Umkehrfunktion g von f mit g(η) = ξ g ist dadurch eindeutig bestimmt und es gilt: g (y) = (f (x)) 1 x=g(y) 218
25 86 Extrema mit Nebenbedingungen Beweis: Setze F : D IR n IR n mit F (x, y) := f(x) y F C 1 (D IR n, IR n ) und F (ξ, η) = 0 F x (x, y) = f (x), also ist det F x (ξ, η) = det f (ξ) 0 Nach dem Satz über implizite Funktionen existiert V 0 sowie g C 1 (V 0, IR n ) mit und Es gilt: Daraus folgt die Behauptung für g (y) 856 Definition: Diffeomorphismus g(η) = ξ F (g(y), y) = 0 für alle y V 0 f(g(y)) y = 0, g = f 1 in V 0 f(g(y)) = y f (g(y)) g (y) = I = diag(1,, 1) Eine bijektive C 1 -Funktion f : D G mit f 1 C 1 (G, IR n ) heißt Diffeomorphismus 857 Satz über die Gebietstreue Ist f C 1 (D, IR n ) mit einem Gebiet D IR n und regulärem f (x) in D, so ist f(d) wieder ein Gebiet (f (x) ist regulär, wenn die Determinante ungleich Null ist) Beweis: G = f(d) ist zusammenhängend, weil D zusammenhängend und weil f stetig ist Sei nun η G = f(d) und η = f(ξ) Da det f (ξ) 0 ist, existiert eine Kugel V 0 = K(η, r 0 ) sowie f 1 : V 0 D Es gilt: V 0 f(d), η ist innerer Punkt, beliebig Also ist f(d) = G offen 86 Extrema mit Nebenbedingungen 861 Allgemeines Problem Sei D IR n ein Gebiet, f : D IR und g : D IR m mit m < n Gesucht sind Maxima bzw Minima von f auf M = {x: g(x) = 0} Extremum von f unter der Nebenbedingung g = Konkrete Probleme (a) A sei eine symmetrische n n-matrix Maximiere bzw Minimiere x T Ax auf der Menge {x: x = 1} Hier: f(x) = x T Ax, D = IR n, g(x) = x 2 1 (b) Maximiere x 1 x 2 x n unter der NB x x n = n, alle x ν > 0 Hier: f(x) = x 1 x n, g(x) = x x n n, D = {x: x 1 > 0,, x n > 0} 219
26 8 Mehrdimensionale Differentialrechnung 863 Lagrangesche Multiplikationsregel f C 1 (D) habe in ξ D ein Extremum unter der Nebenbedingung g(x) = 0, wobei g C 1 (D, IR m ) und rg g (ξ) = m, m < n Dann gibt es ein λ 0 IR m mit: Die Ableitung von H : D IR m IR verschwindet in (ξ, λ 0 ) λ 0 heißt Lagrangemultiplikator H(x, λ) := f(x) λ g(x) Beweis: Sei rg g (ξ) = m ( Dann enthält die m n-matrix eine reguläre m m-matrix Nach gµ Umnumerierung sei OBdA x ν )µ,,,m regulär Schreibe x = (y, z) und ξ = (η, ζ) Dabei ist y = (x 1,, x m ) IR m, z = (x m+1,, x n ) IR n m, η IR m und ζ IR n m Es ist g(y, z) = 0, g(η, ζ) = 0 und g y (η, ζ) regulär Nach dem Satz über implizite Funktionen gibt es eine Kugel U = (ζ, r) IR n m und h C 1 (U, IR m ) mit g(h(z), z) = 0 in U g(y, z) 0 für z U, y h(z) Φ(z) = f(h(z), z), definiert in U, hat Extremum in z = ζ U, also Φ (ζ) = 0 Es ist Φ (z) = f y (h(z), z) h (z) + f z (h(z), z) und g(h(z), z) = 0 in U g y (h(ζ), ζ) = g y (η, ζ) ist regulär Mit Einsetzen von (2) in (1) ergibt sich g y (h(z), z) }{{} h (z) }{{} +g z (h(z), z) = 0 m n-matrix m (n m) h (ζ) = (g y (η, ζ)) 1 g z (η, ζ) f y (η, ζ) (g y (η, ζ)) 1 g z (η, ζ) + f z (η, ζ) = 0 f y (ξ) (g y (ξ)) 1 g z (ξ) + f z (ξ) = 0 Setze (λ 0 ) T := f y (ξ) (g y (ξ)) 1 IR m Daraus folgt dann: f z + λ 0 g z = 0 in ξ f y + λ 0 g y = 0 in ξ 864 Beispiel Maximiere bzw Minimiere x T Ax unter der NB x 2 = 1 (1) S n 1 = { x 2 = 1} ist kompakt Also existieren Maximum und Minimum von x T Ax auf S n 1 220
27 86 Extrema mit Nebenbedingungen (2) Setze Es ist m = 1 < n, g(x) = x 2 1 = ( x 2 ν ) 1 g (x) = (2x 1, 2x 2,, 2x n ) 0 auf S n 1 und rg g (x) = 1 (3) Es ist (( H(x, λ) = a νν x µ x ν λ ν, x 2 ν ) ) 1 Dann ist H xϱ = H λ = a ϱν x ν + (( ) )! a µϱ x µ 2λx ϱ = 2 a ϱν x ν λx ϱ = 0 für ϱ = 1,, n µ=1 x 2 ν 1 =! 0 Ax λx = 0 und x 2 = 1 Minimum und Maximum von x T Ax werden nur in Eigenvektoren auf S n 1 angenommen Dabei ist λ der zugehörige Eigenwert min max Sn 1, S xt Ax { x T Ax: x S n 1, x Eigenvektor } n 1 max, min x T Ax =größter bzw kleinster Eigenwert 865 Praktisches Vorgehen Gesucht: Extremum von f(x) unter der NB g(x) = 0 1 Ansatz: H(x, λ) := f(x) + λg(x) 2 Ableitung berechnen und gleich 0 setzen: H x = f + λg! = 0 H λ = g! = 0 Dies sind n + m Gleichungen mit n + m Unbekannten 3 Auflösen nach (x, λ) λ nicht unbedingt explizit erforderlich: Lösungen (ξ, λ) 4 Ist rg g (ξ) = m? Hat f unter NB überhaupt Extrema? Wenn ja, suche unter den Werten f(ξ) 221
28 8 Mehrdimensionale Differentialrechnung 866 Beispiele 1 Maximiere x 1 x 2 x n unter der NB x 1 + x x n = n (x 1,, x n > 0) Es ist f(x) = x 1 x n, g(x) = x x n n und D = {x: x ν > 0 für ν = 1,, n} Ansatz: H(x, λ) = x 1 x n + λ(x x n n) H xj = x 1 x n + λ =! 0 für alle j x j H λ = x x n n = 0 Also ist x 1 = x 2 = = x n = 1, da x x n = n ist und alle x ν gleich sein müssen Es ist ξ = (1,, 1) Ist f(ξ) = 1 1 = 1 = Maximum unter NB? Es ist g (x) = (1,, 1) 0 und rg g (x) = 1 = m Existenz des Maximums: {x: x x n = n, x 1,, x n > 0} ist kompakt Darauf hat f ein Maximum Es wird nicht angenommen, wenn ein x ν = 0, also angenommen, wo alle x ν > 0 sind, also in D 2 A sei eine n n-matrix mit µ, Gesucht ist A, so daß det A maximal wird a 2 µ,ν = n (a) {(a 11,, a 1n, a 21,, a 2n,, a n1,, a nn ): a µ, ν IR} = IR (n2 ) (b) {a µ,ν : a 2 µν = n} ist kompakt µ, (c) A det A ist stetig Somit existiert das Maximum (d) Es gilt det A = n a jk A jk (LaPlace scher Entwicklungssatz) k=1 (e) Setze f(a) = det A und g(a) = Ansatz: n µ, a 2 µν n H(A, λ) = det A + λ H a jl = k=1 = µ, a jk A jk + λ k=1 a 2 µν n µ, a 2 µν n a jk a jl A jk + 2λa jl = A jl + 2λa jl = 0 A jl = (2λ)a jl det A = a jl A jl = 2λ l=1 l=1 a 2 jl 222
29 86 Extrema mit Nebenbedingungen für j = 1,, n Dann ist n det A = 2λ a 2 jl = n( 2λ) l=1 j=1 det A = 2λ Es gilt: 1 det A 11 A n1 A 1n A nn = A 1 2λ det A AT = A 1 A 1 = A T A ist Orthogonalmatrix, also ist det A = Satz Unter allen n n-matrizen mit µ, a 2 µ,ν = n haben genau die Orthogonalen maximale Determinanten det A = 1 Hadamardsche Determinantengleichung: Sei A eine n n-matrix: (det A) 2 = genau dann, wenn n a jk a lk = 0 ist für j l k=1 Beweis: Ist ok, wenn det A = 0 ist Sei det A > 0 und setze Es ist S j > 0 Setze Dann ist j,k=1 S 2 j := n j=1 k=1 a 2 jk k=1 b jk = a jk x j a 2 jk b 2 jk = n (det B)2 1 (det A) 2 = s 2 1 x 2 n(det B) 2 x 2 1 s 2 n Gleichheit ist dabei genau für orthogonales B Rest als Aufgabe 223
30 8 Mehrdimensionale Differentialrechnung 224
Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrVorlesung Mathematik für Ingenieure II (Sommersemester 2008)
Vorlesung Mathematik für Ingenieure II (Sommersemester 8) Kapitel : Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 8. Mai 8) Differenzialrechnung R R 4
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f
MehrVorlesung Mathematik für Ingenieure 2 (Sommersemester 2009)
1 Vorlesung Mathematik für Ingenieure 2 (Sommersemester 2009) Kapitel 10: Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 27. März 2009) Differenzialrechnung
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrExtremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
Mehr6 Der Fixpunktsatz von Banach
6 Der Fixpunktsatz von Banach Es sei (V, ) ein vollständiger NLR Satz 24 (Fixpunktsatz von Banach) Ist A V abg und nicht leer, und g : A A eine Abbildung mit g(x) g(y) q x y (x, y V ) für ein 0 q < 1 Dann
MehrMehrdimensionale Differentialrechnung Übersicht
Mehrdimensionale Differentialrechnung Übersicht Partielle und Totale Differenzierbarkeit Man kann sich mehrdimensionale Funktionen am Besten für den Fall f : R 2 M R vorstellen Dann lässt sich der Graph
MehrDefinition: Differenzierbare Funktionen
Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
MehrThema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema
Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema In diesem Kapitel befassen wir uns mit der Ableitung von Funktionen f : R m R n. Allein die Schreibweise
MehrM U = {x U f 1 =... = f n k (x) = 0}, (1)
Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrD-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Übungsblatt 6. f(x, y, z) = xyz + 3e x y
D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler Übungsblatt 6 1. Es seien f : R 2 R 3 und g : R 3 R 3 die Funktionen definiert durch x cos(y) 2 y 2 f(x, y) = x sin(y) und g(x, y, z)
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex
MehrUNIVERSITÄT 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 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
MehrAnalysis II. Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag
Prof Dr H Garcke, D Depner SS 9 NWF I - Mathematik 1979 Universität Regensburg Aufgabe 1 Analysis II Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag i Erinnern Sie sich an die Konvergenzkriterien
Mehrf(x) f(a) f (a) := lim x a Es existiert ein Polynom ersten Grades l(x) = f(a) + c (x a) derart, dass gilt lim x a x a lim
A Analysis, Woche 8 Partielle Ableitungen A 8. Partielle Ableitungen Wir haben vorhin Existenzkriterien für Extrema betrachtet, aber wo liegen sie genau? Anders gesagt, wie berechnet man sie? In einer
MehrVorlesung Analysis I WS 07/08
Vorlesung Analysis I WS 07/08 Erich Ossa Vorläufige Version 07/12/04 Ausdruck 8. Januar 2008 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Elementare Logik.................................. 1 1.1.A Aussagenlogik................................
Mehr3. Mai Zusammenfassung. g x. x i (x).
3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von
Mehr9 Höhere partielle Ableitungen und die Taylorformel
Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,
MehrThema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
Mehr2 Funktionen in mehreren Variablen: Differentiation
Satz 2. (Richtungsableitung) Für jede auf der offenen Menge D R n total differenzierbaren Funktion f (insbesondere für f C 1 (D, R) und für jeden Vektor v R n, v 0, gilt: n v f(x) = f(x) v = f xi (x)v
Mehr1.6 Implizite Funktionen
1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man
MehrKapitel 6 Differential- und Integralrechnung in mehreren Variablen
Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 009 Institut für Mathematik 060009 Prof Dr R Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil (a) Wie lauten die Voraussetzungen
MehrÜbungsaufgaben zu den mathematischen Grundlagen von KM
TUM, Institut für Informatik WS 2003/2004 Prof Dr Thomas Huckle Andreas Krahnke, MSc Dipl-Inf Markus Pögl Übungsaufgaben zu den mathematischen Grundlagen von KM 1 Bestimmen Sie die Darstellung von 1 4
MehrFormelsammlung Analysis I & II
Formelsammlung Analysis I & II Wichtige eindimensionale Integrale: { x s dx = s+ xs+ + C falls s log x + C falls s = exp(x dx = exp(x + C cos(x dx = sin(x + C sin(x dx = cos(x + C sinh(x dx = cosh(x +
Mehr10 Differenzierbare Funktionen
10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/4) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung
Mehr10 Ableitungen höherer Ordnung
Mathematik für Ingenieure II, SS 9 Freitag 47 $Id: ntaylortex,v 3 9/7/4 8:6:56 hk Exp $ Ableitungen höherer Ordnung Partielle Ableitungen beliebiger Ordnung Nachdem wir das letzte Mal einige Beispiele
MehrStaatsexamen Herbst 2017 Differential- und Integralrechnung, Thema I
Staatsexamen Herbst 17 Differential- und Integralrechnung, Thema I 1. a) Die Aussage ist wahr! Sei s R der Reihenwert der Reihe k=1 Da a n = s n s n 1 für n, ist also b) Die Aussage ist falsch! a k, also
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 (Analysis 2) MA923 http://wwwm5matumde/allgemeines/ma923_26s Sommersem 26 Probeklausur (4726) Krümmung
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
MehrAnalysis I. Guofang Wang , Universität Freiburg
Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker (Analysis ) MA90 http://www-m5matumde/allgemeines/ma90 06S Sommersem 06 Lösungsblatt (606) Zentralübung Z
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y
Mehr6 Implizite Funktionen
Oft ist eine Funktion g : R! R nicht explizit in der Form y = g(x) gegeben, sondern nur implizit durch eine Gleichung der Form F (x, g(x)) = 0 mit F : R 2! R, (x, y) 7! F (x, y) bestimmt. Man möchte dann
MehrLösungsvorschlag Klausur MA9802
Lehrstuhl für Numerische Mathematik Garching, den 3.8.22 Prof. Dr. Herbert Egger Dr. Matthias Schlottbom Lösungsvorschlag Klausur MA982 Aufgabe [3 + 3 Punkte] Berechnen Sie, falls existent, die folgenden
MehrNachklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe
Mehr26. Höhere Ableitungen
26. Höhere Ableitungen 331 26. Höhere Ableitungen Im letzten Kapitel haben wir gesehen, wie man für Abbildungen zwischen mehrdimensionalen Räumen das Konzept der Differenzierbarkeit definieren und für
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 14
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 03.02.2019 Dr. Markus Lange Analysis 1 Aufgabenzettel 14 Dieser Zettel wird in der letzten Übung des Semesters am 08.02.2019 besprochen Aufgabe
Mehr0.1 Hauptsatz über implizite Funktionen
0.1 Hauptsatz über implizite Funktionen 0.1 Hauptsatz über implizite Funktionen Ein lineares homogenes Gleichungssystem von q Gleichungen in r + q Unbekannten kann bekanntlich verwendet werden um q Unbekannte
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrTopologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte
Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt
Mehr4.4 Lokale Extrema und die Hessesche Form
74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Gliederung 1 : Einführung 2 Differenzieren 2 3 Deskriptive 4 Wahrscheinlichkeitstheorie
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrAnalysis II 13. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 22/3 F. Stoffers 28. Januar 23 Analysis II 3. Übungsblatt. Aufgabe 4322 Punte a Sei U R n offen und f : R n R m eine stetig Fréchet-differenzierbare Abbildung.
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Differentialrechnung für Funktionen mehrerer
MehrRandwertprobleme. Kapitel 7. Randwertprobleme für lineare Differentialgleichungen 2. Ordnung
Kapitel 7 Randwertprobleme Anwendungsbeispiel: Temperaturverteilung in einem dünnen Stab mit isolierter Oberfläche. u(x) : Temperatur im Stab an der Stelle x, x ; L. Im Gleichgewichtszustand genügt u der
MehrTechnische Universität München. Probeklausur Lösung SS 2012
Technische Universität München Andreas Wörfel & Carla Zensen Ferienkurs Analysis für Physiker Probeklausur Lösung SS Aufgabe Differenzierbarkeit / Punkte: [4,, 3, 4] Es sei f(x, y) = sin(x3 + y 3 ) x +
MehrExtrema multivariater Funktionen
Extrema multivariater Funktionen Ist f (x ) ein Minimum (Maximum) einer stetig differenzierbaren skalaren Funktion f auf einer Umgebung U von x, so gilt grad f (x ) = (0,..., 0) t. Extrema multivariater
Mehr28 Taylor-Formel, lokale Extrema
VII. Differentialrechnung in mehreren Variablen 458 28 Taylor-Formel, lokale Extrema Wir erinnern an den Mittelwertsatz für differenzierbare Funktionen f : D R (D R n offen) (vgl. 26.1): Sind a,b D Punkte,
MehrBerechnung von Extrema
KAPITEL 2 Berechnung von Extrema 1. Partielle Ableitungen Definition 2.1 (partielle Ableitung). Sei U R n offen und e j der j-te Einheitsvektor. Eine Funktion f : U R ist in x u partiell differenzierbar
Mehr1 Übungsaufgaben zu Kapitel 1
Übungsaufgaben zu Kapitel. Übungsaufgaben zu Abschnitt... Aufgabe. Untersuchen Sie die nachstehend definierten Folgen ( a k ) k und ( b k ) k auf Konvergenz und bestimmen Sie ggf. den jeweiligen Grenzwert:
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
MehrHöhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung
TU Bergakademie Freiberg Sommersemester Dr. Gunter Semmler Dr. Anja Kohl Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung Differentialrechnung für Funktionen
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
MehrProbeklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen
MehrGrundlagen der Mathematik 2 Nachklausur
Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
MehrNachklausur Analysis 2
Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,
MehrÜbungen zu Analysis, SS 2015
Übungen zu Analysis, SS 215 Ulisse Stefanelli 15. Juni 215 1 Wiederholung 1. Untersuchen Sie das Verhalten der folgenden Folgen a n = n 2 cosh(1/n), b n = ln(ln(n))/n, c n = (2 n n 2 )/n!, 2. Stellen Sie
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
MehrAufgabe V1. Ermitteln Sie, ob folgende Grenzwerte existieren und berechnen Sie diese gegebenenfalls. n 2n n 3 b) lim. n n 7 c) lim 1 1 ) 3n.
Blatt 1 V 1 Grenzwerte von Folgen Aufgabe V1 Ermitteln Sie, ob folgende Grenzwerte existieren und berechnen Sie diese gegebenenfalls. n 2 ( n! a) lim n 2n n 3 b) lim n n 7 c) lim 1 1 ) 3n n n Marco Boßle
MehrKarlsruher Institut für Technologie (KIT) SS 2013 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie KIT SS 2013 Institut für Analysis 06.05.2013 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik II für die Fachrichtung Physik 4. Übungsblatt Aufgabe 1 Bestimmen
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
Mehr39 Differenzierbare Funktionen und Kettenregel
192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:
MehrÜbungen zur Ingenieur-Mathematik III WS 2012/13 Blatt
Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt 9 19.12.2012 Aufgabe 35: Thema: Differenzierbarkeit a) Was bedeutet für eine Funktion f : R n R, dass f an der Stelle x 0 R n differenzierbar ist?
Mehr9 Differentialrechnung für Funktionen in n Variablen
$Id: diff.tex,v.7 29/7/2 3:4:3 hk Exp $ $Id: ntaylor.tex,v.2 29/7/2 3:26:42 hk Exp $ 9 Differentialrechnung für Funktionen in n Variablen 9.6 Lagrange Multiplikatoren Die Berechnung von Maxima und Minima
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
Mehr4 Differenzierbarkeit
4 Differenzierbarkeit 16 4 Differenzierbarkeit Wir wollen nun Differenzierbarkeit von Funktionen mehrerer Veränderlicher definieren Dazu führen wir zunächst den Begriff der partiellen Ableitung ein Definition
Mehr15 Differentialrechnung in R n
36 15 Differentialrechnung in R n 15.1 Lineare Abbilungen Eine Abbilung A : R n R m heißt linear falls A(αx + βy) = αa(x) + βa(y) für alle x, y R n un alle α, β R. Man schreibt oft Ax statt A(x) un spricht
MehrDer metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch
TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrProbeklausur. 1 Stetigkeit [7 Punkte] 2 Differenzierbarkeit [10 Punkte] Ferienkurs Analysis 2 für Physiker SS Karolina Stoiber Aileen Wolf
Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 26 A Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar
MehrLösungen zu Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx
Mehr7 Differentialrechnung mehrerer Variablen
Inhaltsverzeichnis 7 Differentialrechnung mehrerer Variablen 1 71 Partielle Ableitungen 1 72 Gemischte Ableitungen 3 73 Änderung der C 1 -Funktionen 4 74 Differenzierbarkeit 6 75 Stetigkeit und Differenzierbarkeit
Mehr