3.4 Di erenzierbare Abbildungen ( )) 2
|
|
- Thilo Flater
- vor 5 Jahren
- Abrufe
Transkript
1 = X =1 Z 1 v u X t =1 ( () ( )) X =1 Z 1 = qed. Sei : IR eine stetig dierenzierbare Kurve und : eine bijektive stetig dierenzierbare Funktion mit () 6= 0für alle. Dannist 1 : ebenfalls stetig dierenzierbar. In diesem Fall nennen wir = eine Umparametrisierung von. Satz : Sei :[ ] IR stetig dierenzierbar und = eine Umparametrisierung von. Danngilt() =( ). Beweis: Wir betrachten zunächst den Fall () 0. Nunist auf einem kompakten Intervall =[ ] erklärt, denn ist das Bild von [ ] unter der stetigen Abbildung 1. Weil streng monoton wachsend und bijektiv ist, folgt () = und () =. Damit () = Z k()k = Z k(())k () = Z k ()k Den Fall () 0beweistmananalog.qed. Sei :[ ] IR stetig dierenzierbar. Dann heißt () = R k ()k, [ ], die Bogenlänge von. Wir nennen nach der Bogenlänge parametrisiert, wenn k()k =1 bzw. wenn () = für alle [ ]. Sei nun :[ ] IR stetig dierenzierbar und regulär, also () 6= 0für alle [ ]. Dann gibt es eine Umparametrisierung :[0()] IR von, sodaß nach der Bogenlänge parametrisiert ist. Sei nämlich () = R k()k, :[ ] [0()]. Dann ist () =k()k 0für alle [ ]. Daher ist bijektiv 1 und die Umkehrfunktion :[0()] [ ] ist stetig dierenzierbar mit () =. k (())k Damit folgt für =, k ()k = k(()) ()k = () k (())k =1. Satz 3: Sei :[ ] IR stetig mit () =, () =. Dann gilt () k k, also diegeradestreckeistkürzeste Verbindung von nach. Beweis: Für jedes eingeschriebene Sehnenpolygon bezüglich einer Unterteilung von [ ] gilt () k k nach der Dreiecksungleichung. Also gilt () =sup () k k. qed. 3.4 Dierenzierbare Abbildungen Im folgenden betrachten wir Abbildungen : IR,wobei oen ist. Wie im Falle = = 1 denieren wir Dierenzierbarkeit in als gute Approximierbarkeit von durch eine lineare Abbildung wie in der folgenden Denition. 6
2 Denition: Sei oen und : IR eine Abbildung. Dann heißt dierenzierbar im Punkte, wenn es eine lineare Abbildung Hom(IR IR )gibt mit ( + ) =()+ + () wobei der Rest die Eigenschaft () lim 0 kk =0 hat. Falls es eine solche lineare Abbildung gibt, dann ist sie eindeutig bestimmt und heißt das Dierential oder die Ableitung von in. Notation: = () = 0 (). Wir sagen, ist dierenzierbar, wenn in jedem dierenzierbar ist. Bemerkungen: 1. Die Abbildung hat Werte im IR und ist erklärt für alle IR mit +. Wichtig ist alleine das Verhalten von in der Nähe von 0; Notation: = (kk), () d.h., lim 0 =0. kk. dierenzierbar in stetig in. Beweis: Seien wie in der Denition. Als lineare Abbildung ist stetig auf IR, insbesondere in =0.Fernerist stetig in =0,denn = (kk). Also lim 0 ( + ) = lim 0 (()+ + ()) = (). qed. 3. Eindeutigkeit von : Seien Hom( )mit( + ) =()+ + () = () + + (), wobei = (kk) = (kk). Sei ein Vektor mit 6=.Danngilt:06= ( ) = () (). Für 0folgt damit 0 6= ()() ()() ()() =lim &0 = lim &0 = 0, Widerspruch. Also gilt =. 4. Wir stellen uns lineare Abbildungen IR IR gegeben durch Matrizen vor (bezüglich der Standardbasen). Entsprechend Hom(IR IR ) = Mat( IR) = IR. 5. ist dierenzierbar in genau dann, wenn es eine Abbildung : Hom(IR IR ) = IR gibt, die in stetig ist, so daß ( + ) =()+( + ) mit + Beweis: Gibt es eine solche Abbildung, so setze =(), () =(+)(). () Dann gilt (+) =()++() und ferner lim 0 = lim kk 0 ((+)()) = kk lim 0 (( + ) ()) = 0, denn lim kk 0 ( + ) =() und ist ein Einheitsvektor, hat also Komponenten vom Betrag 1. Falls umgekehrt und wie kk in der Denition sind, so denieren wir ( + ) = für = 0 und ( + ) = + () h i, 6= 0. Dann gilt ( + ) =()+( + ). Stetigkeit von in : kk für alle IR gilt lim 0 () kk h i = lim 0 () kk h kk 7 i =0,denn h kk i kk.
3 6. Sei in dierenzierbar, = (). Dann gilt für : () =()+( )+( ) () und lim = 0. Der Graph der anen Abbildung kk IR IR, 7 ()+( )istein-dimensionaler aner Unterraum von IR IR und heißt Tangentialraum an den Graphen von im Punkte ( ()). Regel 1: Seien : IR, : IR Abbildungen, IR oen. Dann ist die Abbildung () : IR IR, 7 (()()) genau dann in dierenzierbar, wenn und in dierenzierbar sind, und es gilt ()() =( ()()). Beweis: Seien in dierenzierbar und = (), = (), ( + ) =()+ + (), ( + ) =()+ + (). Dann ist ( ) :IR IR IR, 7 ( ), linear. Ferner gilt k(()())k = k()k + k()k (()()), also lim 0 =0.Nun kk (( + )( + )) = (()()) + ( )+(()()). Also ist () in dierenzierbar mit ()() =( ()()). Die Umkehrung ist analog. qed. Korollar: : IR ist dierenzierbar in genau dann, wenn die Komponentenfunktionen 1 in dierenzierbar sind. Regel : Seien : IR dierenzierbar in und seien IR. Dann ist + dierenzierbar in mit ( + )() =()+() Beweis: Seien = (), = (). Dann gilt ( +)(+) =(+)+(+) = ()++()+()++() =( +)()+(+)+(+)(). ()+() () Nun gilt lim 0 = lim kk 0 + lim kk 0 () =0.qed. kk Regel 3: (Kettenregel) Seien IR, IR oen, : IR und : IR Abbildungen mit ().Sei dierenzierbar in und in = ().Dann ist dierenzierbar in mit ( )() =() () Beweis: Wie in Bemerkung 5 schreiben wir ( + ) =() +( + ), ( + ) = ()+( + ), wobei stetig in, stetig in mit () = ()() =(). Dann ( + ) =(()+( + )) =()+( +( + ))( + ). Zuüberprüfen: Stetigkeit von 7 ( +( + ))( + ) in =0undWertin =0:Nunsind und stetig in bzw., also lim 0 ( +( + ))( + ) =()() =() (). qed. 8
4 3.5 Richtungsableitungen, partielle Ableitungen Sei : wie oben in dierenzierbar. Wir wollen () berechnen, IR.Für IR hinreichend klein ist dann + und ( + ) =()+ ()()+() Für 6= 0, 6= 0folgtdaher () = (+)() ± () kk, also kk ( + ) () () =lim 0 Denition: Sei : IR eine Abbildung, nicht notwendigerweise dierenzierbar in. Sei IR. Falls existent, so heißt () = lim 0 ( + ) () die Ableitung von in Richtung. Falls der -te Einheitsvektor ist, so nennen wir auch die -te partielle Ableitung von, () = (). Die Matrix mit Einträgen ( ()) =1 heißt Jacobi-Matrix von in. Beispiel: :IR IR, ( ) =. ( ) =, ( ) =. Wir haben schon gesehen, wenn die Ableitung von in existiert, so existieren auch die Richtungsableitungen, und es gilt: () = (). Insbesondere existieren die partiellen Ableitungen () = (), 1. Also: Satz 1: Sei IR oen und : IR in dierenzierbar. Dann ist die Matrix von () bezüglich der Standardbasen in IR IR gerade die Jacobi-Matrix. Im Fall = 1 nennen wir ( 1 () ()) auch den Gradienten von in, Bezeichnung: grad() IR.Bezüglich des Euklidischen Skalarproduktes gilt also (wenn in dierenzierbar ist): () = hgrad()i = kkkgrad()k cos, wobei der Winkel zwischen und grad() ist. Es folgt: der Gradient zeigt in die Richtung des stärksten Wachstums von. Beispiel: Partielle Dierenzierbarkeit impliziert nicht Dierenzierbarkeit. Sei nämlich : IR IR deniert durch ( 0 ( ) =(00) ( ) = sonst + Dann existieren die partiellen Ableitungen von in (0 0), (0 0) = 0 = (0 0). Aber ist nicht dierenzierbar in (0 0), denn ist nicht stetig in (0 0). 9
5 Satz : Sei IR oen, : IR und. Falls die partiellen Ableitungen von in einer Umgebung von existieren und in stetig sind, so ist in dierenzierbar. Beweis: Nach Regel 1 können wir = 1 annehmen. Wir schreiben IR als = P =1 =( 1 ). Dann gilt ( + ) () = P =1 [( ) ( )]. Nach dem Mittelwertsatz, angewendet auf die Funktion 7 ( ), gibt es (0 1) mit ( ) ( )= ( ). Nach Bemerkung 5 im vorherigen Kapitel ist dies aber genau die Behauptung, denn lim 0 ( )= (). qed. Beispiele: 1. :IR IR, () = 1 kk = 1 ( 1+ ). Die partiellen Ableitungen sind 1 ( 1 )= 1, ( 1 )=. Die partiellen Ableitungen sind stetig auf IR,daherist in allen IR dierenzierbar und grad() =.. :IR IR, ( ) =(cossin ). Partielle Ableitungen: Komponentenfunktionen sind 1 ( ) = cos sin, ( ) =.Dann 1 ( ) = sin sin, 1 ( ) =cos cos, ( ) =, ( ) =. Die partiellen Ableitungen sind stetig, also ist dierenzierbar und ( ) hat die Matrix à sin sin cos cos! ( ist eine Abbildung IR Hom(IR IR )). Seien endlichdimensionale Vektorräume über IR, oen. Dann heißt : dierenzierbar in, wenn es eine lineare Abbildung Hom()gibtmit(+) = () ()++(), wobei lim 0 =0.Diesistunabhängig von der gewählten Norm. Falls kk die Norm auf von einem Skalarprodukt h i herkommt und : IR dierenzierbar ist in, so gibt es genau einen Vektor mit () = h i. DiesenVektor nennen wir grad(). Der entsprechende Vektor im Dualraum ist (). 3.6 Mittelwert- und Schrankensätze Sei IR oen. Mittelwertsatz 1: Sei : IR dierenzierbar. Es seien Punkte mit [ ] ={ IR [0 1] : =(1 ) + }. Danngibtes [ ] mit () () = ()( ). Mittelwertsatz 1 : Sei : IR dierenzierbar und :[ ] dierenzierbar mit () =, () =. Danngibtes ( ) mit() () = (()) ()( ). Beweis: Deniere :[0 1] IR durch () =((1 ) +). Dann ist nach der Kettenregel dierenzierbar mit 0 () = ((1 ) + )( ). Nach dem Mittelwertsatz gibt es 30
6 (0 1) mit ()() =(1)(0) = 0 () = ()(), wobei =(1)+ [ ]. Betrachte :[ ] IR, () =(()). Dann ist dierenzierbar, nach dem alten Mittelwertsatz gibt es daher ein ( ) mit() () = 0 ()( ). qed. Mittelwertsatz : Sei : IR stetig dierenzierbar, d.h., die partiellen Ableitungen : IR sind stetig. Seien Punkte mit [ ]. Dann gilt μz 1 () () = ((1 ) + ) ( ) 0 Mittelwertsatz : Seien : IR, :[ ] IR stetig dierenzierbar mit () =, () =. Danngilt Z () () = (()) () Beweis: Es gilt ((1 ) + ) = ((1 ) + )( ), also () () = = = = Z 1 ((1 ) + ) 0 Z Ã 1 X 0 =1 X Z 1 =1 Z ((1 ) + )( ) ((1 ) + ) ( ) ((1 ) + ) ( )! Es gilt ( )() = (()) () und(()) (()) = R ( )(). qed. Schrankensatz: Sei : IR stetig dierenzierbar und konvex und kompakt. Dann ist auf Lipschitz-stetig. Genauer gilt: Wenn k ()k ist für alle, so ist eine Lipschitz-Konstante für auf. Hierbei ist k ()k := max{k ()k IR kk =1}. Beweis: Seien. k() ()k = k R 1 0 ((1 ) + )( ) k R 1 0 k (1 ) + )( )k R 1 0 k k = k k. qed. 3.7 Höhere Ableitungen Satz (H.A. Schwarz): Sei IR oen und : IR besitze die partiellen Ableitungen,, ( )=:. Weiterhin sei in stetig. Dann existiert in auch ( ), und es gilt: () = () 31
7 Beweis: Setze ( ) =( + + ). istineinerumgebungvon0 IR deniert,,, existieren, ist stetig in 0. Betrachte für 6= 0: ( ) := 1 (( ) (0)) (( 0) (0 0)) Für festes ist der Ausdruck (()(0))((0)(00)) Dierenzenquotient zur Funktion 7 ( ) (0). Nach dem Mittelwertsatz gibt es (0 1) mit (( ) (0)) (( 0) (0 0)) = ( ) (0) Nun ist ( ) = 1 ( ( ) (0) Dierenzenquotient bezüglich, alsogibtes (0 1) mit ( ) = ( ) (Beachte: sind von und abhängig.). Weil stetig in (0 0) ist, gibt es zu jedem 0ein0mit ( ) (0 0) für Außerdem gilt lim 0 ( ) = 1 ( (0) (0 0)). Es folgt (0) (0 0) (0 0) für Also existiert (0) (0 0) (0 0) = lim 0 und ist gleich (0 0). qed. Beispiel: Sei :IR IR, ( ) =( ). Frage: Gibt es :IR IR mit grad =? Für ein solches wäre ( ) = ( ) =, also ( ) =1, ( ) =1 (stetig!). Widerspruch zum Satz, also gibt es kein solches. Denition: : IR heißt -mal stetig dierenzierbar, wennalle-ten partiellen Ableitungen 1, 1 {1}, existieren und stetig sind. ( IR ):={ : IR -mal stetig dierenzierbar} () := ( IR) ( IR ):= \ =1 ( IR ) () := ( IR) Korollar aus dem Satz von Schwarz: Für ( IR )spieltin 1 die Reihenfolge der partiellen Ableitungen keine Rolle. 3
8 3.8 Das Taylorpolynom Sei IR oen, ( IR ). Für, IR,1 setzen wir () := X 1 =1 X =1 1 () 1 IR und 0 () 0 := () IR. Bemerkung: Seien 0 mit [ 0 ], := 0. Deniere :[0 1] IR durch () :=((1 ) 0 + ) =( 0 + ). Dann ist -mal stetig dierenzierbar: 0 () = 00 () = () () = X =1 X =1 =1 X ( 0 + ) = ( 0 + ) X 1 =1 =1 ( 0 + ) = ( 0 + ) X 1 1 = ( 0 + ) Beachte () =(1) = (0) + 0 (0)(1 0) (0)(1 0) + + 1! () (0)(1 0) + = P =0 1! ( 0 )( 0 ) +. Dadurch motiviert denieren wir 0 () := X =0 1! ( 0 )( 0 ) 0 heißt das Taylorpolynom vom Grad mit Entwicklungspunkt 0. Taylorformel 1: (Integralrestglied) Sei IR oen, +1 ( IR ), 0 mit [ 0 ], := 0. Dann gilt () = 0 ()+ 1! Z 1 0 (1 ) +1 ( 0 + ) +1 Beweis: Für =1 setze () := ( 0 + ), Taylorformel mit Integralrestglied an auf : :[0 1] IR. Wende die alte (1) = X =0 1! () (0)(1 0) + 1 Z 1 (1 ) (+1) () also! 0 qed. () = 0 ()+ 1! Z 1 0 (1 ) +1 ( 0 + ) +1 33
9 Taylorformel : (Lagrange-Restglied) Sei +1 (), 0 := 0.Danngibtes [ 0 ]mit mit [ 0 ], () = 0 ()+ 1 ( +1)! +1 () +1 Beweis: () :=( 0 + ). Die alte Taylorformel mit Lagrange-Restglied ergibt: (1) = für ein (0 1), also qed. X =0 1! () (0)(1 0) 1 + ( +1)! (+1) ()(1 0) +1 () = 1 0 ()+ ( +1)! +1 ( 0 + ) +1 {z } =: Qualitative Taylorformel: Sei ( IR ), 0. Danngilt: () 0 () k 0 k 0für 0 also () = 0 ()+(k 0 k )für 0. Beweis: Sei zunächst =1.Taylorformelfür 1statt ergibt () = 1 0 ()+ 1! ()( 0 ) = 0 ()+ 1! ( () ( 0 ))( 0 ) für ein [ 0 ]. Es folgt also () 0 () k 0 k () 0 () 1! X 1 () 1 ( 0 ) 1 =1 {z } 0 für 0 k 0 k 0für 0. Die Behauptung folgt für =1,dakk und kk äquivalent sind. Für allgemeines folgt die Behauptung aus k() 0 ()k 1 k 0 k = X =1 und der Äquivalenz von kk 1 und kk.qed. Beispiel: Sei :IR (IR {0}) IR, ( ) =. 34 () 0 () k 0 k 0
10 ( ) = 1, ( ) =, ( ) =0, ( ) = 1 = ( ), ( ) =. Das Taylorpolynom zweiten Grades mit Entwicklungspunkt ( )lautetalso: ( 0 0 )( ) = ( 0 ) 0 ( ) 1 ( 0 0 )( 0 ) 1 ( 0 0 )( 0 )+ 0 ( ) zum Beispiel (11) ( ) =1+(1) ( 1) ( 1)( 1) + ( 1).Bemerkung: ( ) = = =1 ( 1) + ( 1+(1) 1+(1) 1) +(1) ( 1)( 1)+ Terme höherer Ordnung. 3.9 Lokales Verhalten einer Funktion Sei IR und : IR eine Funktion. Dann heißt ein (lokales) Maximum von, wenn() () für alle (bzw. für alle in einer Umgebung von in ). Analog deniert man (lokale) Minima. Wir nennen ein (lokales) Extremum, wenn ein (lokales) Minimum oder Maximum ist. Satz 1: Sei ein innerer Punkt von. Falls ein lokales Extremum von ist und die partiellen Ableitungen von in existieren, so gilt 1 () == () =0. Beweis: O.B.d.A sei ein lokales Maximum. Wähle 0mit (). Dannist die Funktion ( ) IR, 7 ( 1 + ) = ( + ) deniert und in = 0 dierenzierbar. Weil diese Funktion dort ein lokales Maximum hat, gilt () = ( + ) =0 =0.qed. Sei nun IR und 1 (). Wir nennen einen kritischen Punkt von, wenn () = 0 ist. Dann heißt () auchkritischer Wert von. WirhabeninSatz1 festgestellt, daß lokale Extrema von kritische Punkt von sind. Beispiele: 1. :IR IR, ( ) = +.Dann ( ) =( ). Einziger kritischer Punkt: ( ) =(00). Dieser ist globales Minimum von.. :IR IR, ( ) =.Dann ( ) =( ). Einziger kritischer Punkt: ( ) =(00). Dieser ist kein lokales Extremum. (0 0) ist ein Sattelpunkt. Wir nehmen nun an, daß (). Dann heißt IR 3 7 () = X =1 () IR die Hesse-Form von in. Die Hesse-Form ist eine quadratische Form, und ihre Matrix bezüglich der Standardbasis ist die Hesse-Matrix () = 11 () 1 ().. 1 () () 35
11 Es gilt () = (). Das Taylor-Polynom. Ordnung von in ist dann () =()+ ()( )+( ) ()( ) Bemerkung: Wir können () auch als symmetrische Bilinearform auassen: ()( ) = X =1 () Sei allgemein :IR IR eine quadratische Form mit (symmetrischer) Matrix. Dann heißt positiv denit, falls() 0für alle IR 6= 0,Notation:0; negativ denit, falls () 0für alle IR 6= 0, Notation: 0; positiv semidenit, falls () 0für alle IR 6= 0,Notation: 0; negativ semidenit, falls() 0für alle IR 6= 0, Notation: 0; indenit, fallses IR gibt mit () 0und() 0; nicht ausgeartet, falls det 6= 0. Satz : Sei (), mit () =0.Dannist 1. ein isoliertes lokales Minimum, falls () 0;. ein isoliertes lokales Maximum, falls () 0; 3. kein lokales Extremum, wenn () indenit ist. Beweis: Sei () 0. Weil () =0,gilt ( + ) =()+ 1 () + () mit ()kk 0für 0. Die stetige Funktion () hat auf 1 = { IR kk =1} ein positives Minimum,. Damit () kk IR.Esgibt ein 0mit() 4 kk für alle IR mit kk.für diese folgt ( + ) ()+ kk +() ()+ 4 kk. Damit (1); () ist analog. Im Fall (3) gibt es IR mit () 0, () 0. Ferner gilt für die Funktionen 7 () :=( + ), die auf ( ) deniert ist für 0genügend klein, (0) 0 = () = () =0und 00 () = () 0. Also hat in = 0 ein isoliertes lokales Minimum. Entsprechend hat () =( + ),, ein isoliertes lokales Maximum in =0.qed. Bemerkungen: 36
12 1. Es gibt eine orthogonale Zerlegung IR = wobei () auf positiv denit, auf negativ denit und der Nullraum von () ist. Entsprechend gilt (siehe obigen Beweis), falls () =0: ({}+ ) hat in ein lokales Minimum, ({}+ ) hat in ein lokales Maximum, über ({}+) läßt sich allgemein nichts sagen, außer, daß ein kritischer Punkt ist.. Im Fall = und mit wie oben gilt 0 det 0 und 11 0, 0 det 0 und 11 0, indenit det 0. Ã! 0 Beispiele: ( ) = +, =(00), () = 0. 0 Ã! 0 ( ) =, =(00), (0) = indenit. 0 ( ) = Ã +! 3, ( ) =( 3 ), einziger kritischer Punkt ist =(00). Es gilt 0 () = 0. Aber ist kein lokales Extremum. 0 0 ( ) = 4 + 4, ( ) =( ), Ãeinziger! kritischer Punkt ist =(00). Dieser ist 0 0 ein globales Minimum, aber (0 0) =. 0 0 :IR IR, ( ) = + hat ein globales Minimum in =(00), aber ist nicht dierenzierbar in (0 0). Unsere Methoden können daher nicht angewendet werden. Betrachte jetzt die Menge = {( ) IR 0 }. ist beschränkt und abgeschlossen IR. Deniere : IR durch ( ) =sin +sin +sin( + ). Wir betrachten zunächst auf.nunist ( )und ( ) =cos +cos( + ), ( ) = cos +cos( + ). Falls ( ) kritischerpunktistin,sogilt cos = cos( + ) =cos. Wegen 3 0 also =. Ferner 0 1 cos = cos( + ) = cos() = 1 cos,alsocos = 1 und damit = = ImPunkte( )hat ein lokales Maximum mit Wert (man sieht sofort ( ) 0). Hat andere (lokale) Extrema auf?dieselie- 3 3 gen dann auf und sind natürlich lokale Extrema für. Oensichtlich hat in (0 0) ein globales Minimum. Betrachte jetzt 1 () =( 0) = sin, 0. 1 wächst streng monoton von 0 auf, 37
13 4 () =(0)=sin, 0 analog. Daher hat keine lokalen Extrema auf {( 0) 0 } bzw. {(0) 0 }. () =( )=1+sin +cos wächst streng monoton von auf 1 + auf[0 ]undfällt dann streng monoton auf. 4 3 () =( )=1+sin +cos analog. Die einzigen Kanidaten für weitere Extrema sind daher ( ), ( ) als lokales Maximum und ( ) als lokales Minimum. Nun bemerken wir: es gibt eine Funktion :IR IR mit 1 (IR ) und =, nämlich 4 4 ( ) =sin +sin +sin( + ). Nun gilt ( ) 0, ( ) 0. Daher hat keine 4 4 lokalen Extrema in ( 4 )und( ). Ferner gilt ( )= ( )=1. Aus Stetigkeitsgründen ist daher 4 ( ) ( ) 0 ( ) nahe genug an ( ). Nach dem ersten Mittelwertsatz gilt daher ( ) ( ) = ()( ) für ein geeigetes () zwischen( ) ( ). Nun ist 0, 0, also ( ) ( )für ( ) genügendnahean( ). Daher hat : IR in (0 0) ein globales Minimum, in ( ) 3 3 ein globales Maximum und in ( ) ein lokales Minimum Dierentation parameterabhängiger Integrale Satz: Sei IR oen, : [ ] C stetig und : C deniert durch () = Z ( ) Falls die partielle Ableitung : [ ] C existiert und stetig ist, so existiert und ist stetig, Z () = () Beweis: Sei und 0 vorgegeben. Setze ( ) = ( ) () Dann ist stetig auf [ ] und verschwindet auf {} [ ]. Also ist = {( ) [ ] ( ) } eine oene Umgebung von {} [ ] in [ ]. Nach dem Tubenlemma gibt es deshalb eine oene Umgebung von in IR (bzw. ), so daß [ ].Weil oen ist, gibt es ein 0mit + falls. Wir betrachten nun die Funktionen 7 ( + )bzw. 7 ( + ). Weil existiert und stetig ist, ist die zweite Funktion nach Denition stetig dierenzierbar. Nach dem (alten) Mittelwertsatz gibt es zu ein ( ) (0 1) mit ( + ) () = ( +() ). Seinun,also +(),daher( +() ).Also ( +() ) ( ) 38
14 Damit folgt Z Z ( + ) () Z () ( 1 (( + ) ()) ()) 1 (( + ) ( )) () Daher () = R ( ). Die Stetigkeit von : C folgt mit dem entsprechenden Ergebnis aus Abschnitt 3.1. qed. = 3.11 Reihen von Abbildungen Satz: Sei IR oen und : IR eine Folge von 1 -Abbildungen mit 1. P =1 konvergiert punktweise;. für jede kompakte Teilmenge konvergiert P =1 k k. Dann ist = P =1 : IR stetig dierenzierbar und () = P =1 (),. Beweis: Es genügt, den Fall = 1 zu betrachten. Wegen () ist = P =1 () ( ) wohldeniert. Wir wollen zeigen, daß das Dierential von in ist. Dazu wählen wir zunächst ein 0, so daß = (). Seinun0 vorgegeben. Dann gibt es ein mit P k k.für IR mit kk gilt k( + ) () X 1 ()k X =1 X k ( + ) () ()k + k ( + ) ()k + X =+1 =+1 k ()k Der dritte Term ist nach Wahl von kleiner als kk. Der zweite Term läßt sich nach dem Schrankensatz abschätzen durch P =+1 k k kk kk. Nun sind die stetig dierenzierbar, 1. Daherkannmanein0 nden mit, sodaß k ( + ) () ()k kk 1. Damit ist auch der erste Term kk, fallskk ist. Insgesamt ist die rechte Seite 3kk. Also () = P 1 (). Die Stetigkeit der Abbildung 7 () folgt, weil die Reihe von Abbildungen P 1 nach () auf kompakten Teilmengen von gleichmäßig konvergiert. qed. 39
15 Beispiel: Sei Mat() der Raum der -Matrizen mit reellen Einträgen ( = IR )und :Mat() Mat() () = Dann gilt () = Zum Beispiel gilt für =: ( + ) =( + )( + ) = = ()+ + () wobei :Mat() Mat() gegeben ist als = + ( ist linear) und () =, kk = kk 0für 0. Für IN beliebig gilt also k()k kk = k k kk kk ( + ) = ( + ) =( + ) ( + ) = = () μ μ mit () Summevon + + Termen ist, die jeweils Produkte von Faktoren und Faktoren sind mit. Ein solcher Term hat Norm kk kk. Für kk 1 ist damit jeder dieser Terme max{kk kk 3 1}kk.Seijetzt μ μ = + +.Dannist () max{kk }kk Damit folgt die Behauptung. Als Beispiel zu dem Satz oben betrachten wir die geometrische Reihe: sei dazu = { Mat() kk 1} und () = P 0.Falls kompaktist,sogibtesein0 mit kk 1 für alle. Dannistk P = k P = k k P = kk P =(1 ). Also konvergiert obige Reihe auf gleichmäßig. Für die Ableitung von () = gilt k ()k = k kkk 1 kk,alsok ()k kk 1 (1) 1 für. Also konvergiert P k k (weil k k (1) 1 ). Damit ist :Mat() Mat(), () = P =0 stetig dierenzierbar. Es folgt nun leicht: () =(1) 1,. Denn( )(1 ) = +1.Nunkk +1 0für. Sei nun ( IR) Mat() die Menge der invertierbaren Matrizen. Dann ist ( IR) oen. Sei ( IR) und :Mat() Mat() die ane Abbildung 7 1, :Mat() Mat() die lineare Abbildung 7 1.Sei die oene Menge aller ( IR) mit k 1 k 1, also 1. Die Abbildung : ( IR) ( IR), () = 1,istauf die Komposition, geometrische Reihe: () = 1, (()) = ( ()) 1 = 1, ( (()) = 1,daherist stetig dierenzierbar. Zur Berechnung des Dierentials benutzen wir Id()() = 1 =, ( IR). Mit der Produktregel folgt 0 = (Id) = Id + Id() = 1 +,damit =
16 3.1 Der Fixpunktsatz Eine Abbildung :, metrischer Raum, heißt Kontraktion, wenneseine Konstante 0 1 gibt mit (()()) ( ). Fixpunktsatz: Sei vollständiger metrischer Raum und : eine Kontraktion. Dann gibt es genau einen Punkt mit () = (einen Fixpunkt). Für jedes konvergiert die Folge ( ), rekursiv deniert durch 0 =, = ( 1 ), 1, gegen den Fixpunkt. Beweis: Sei ( ) wie oben und 1. Dann gilt Per Induktion folgt ( +1 )=(( 1 )( )) ( 1 ) ( +1 ) ( 0 1 )= ( ()) Nun ist [0 1), also konvergiert P 0.Nunist( ) ( ++ 1 )( ()),, alsoist( ) eine Cauchy-Folge. Weil vollständig ist, existiert lim =:. Weil stetig ist, folgt () =(lim ) = lim ( ) = lim +1 =, also ist ein Fixpunkt. Sei ein weiterer Fixpunkt. Dann gilt für wie oben: ( ) = (()()) (). Nun ist 1, also () = 0, also =. qed Der Umkehrsatz Es sei IR oen und : IR eine -Abbildung, 1. Umkehrsatz: Sei und () :IR IR ein Isomorphismus. Dann gibt es eine oene Umgebung von in und eine oene Umgebung von () inir,sodaß : ein -Dieomorphismus ist, d.h. es gibt eine -Abbildung : mit =Id, =Id. Beweis: Nach Übergang zu der Abbildung 7 ( + ) () können wir annehmen =0,() =0.Sei = (0) 1.NachÜbergang zu können wir annehmen (0) = Id. Schritt 1: Wir wollen die Gleichung = () für ein gegebenes lösen, zumindest für genügend klein. Dazu betrachten wir die Abbildung, deniert durch () = + () Fixpunkte von sind Lösungen der obigen Gleichung. Wähle nun 0, so daß kid ()k 1 für alle (0). Nun ist () =Id (). Mit dem Schrankensatz gilt daher für 1 (0): () k ( 1 ) ( )k 1 k 1 k 41
17 Für kk und kk gilt daher ( ) k ()k k () (0)k + k (0)k = k () (0)k + kk Daher bildet die Kugel (0)insichabundistnach() eine Kontraktion. Nun ist (0) abgeschlossen, also vollständig. Nach dem Fixpunktsatz hat genau einen Fixpunkt in (0), nach ( ) liegt dieser in (0). Zu jedem (0)gibtesalsogenau ein =: () (0) mit () =, also mit () =. Setze = (0) und = 1 ( ) (0). Nach Konstruktion ist : die Umkehrabbildung zu :. Schritt : Seien 1 und = ( ). Dann gilt also 1 = 0 ( ) 0 ( 1 )+( ) ( 1 ) k 1 k 1 k 1 k + k( ) ( 1 )k = 1 k 1 k + k 1 k Nun ist = ( ), also k( ) ( 1 )kk 1 k Also ist stetig (sogar Lipschitz-stetig mit Konstante ). Schritt 3: Wegen kid ()k 1 auf (0) gilt k ()k 1kk IR.Für diese gilt also k ()k 1 kk, und daher ist () 6= 0für 6= 0.Für alle ist daher () invertierbar. Schritt 4: Seien 0, = (), 0 = ( 0 ). Dann mit ( 0 )=()+ ()( 0 )+ ( 0 ): k( 0 ) () () 1 ( 0 )k = k 0 () 1 (( 0 ) ())k = k 0 () 1 ( ()( 0 )+( 0 ))k = k () 1 (( 0 ))k k () 1 kk( 0 )k Nun gilt k 0 k k 0 k, also( fest) k () 1 kk( 0 )k lim k () 1 k(( 0 ) ())k k lim =0 0 k 0 k 0 k( 0 ) ()k Daher () = () 1,also =Inv. Die letzte Gleichung impliziert: ist (boot strap). qed. Bemerkungen und Beispiele: 1. Für gilt (()) = () 1. 4
18 . Seien IR, IR oen und : ein -Dieomorphismus mit 1. Dann folgt =. Dennsei = 1, =Id,also( )() = (())() nach der Kettenregel. Ebenso ( )() =(()) (), also (()) = () 1. Die lineare Abbildung () :IR IR ist daher invertierbar. Daher =. 3. Im Beweis des Umkehrsatzes erhalten wir eine explizite Beschreibung von, = (0) (unter den gegebenen Normalisierungen (0) = 0 und (0) = Id) und (0). 4. Polarkoordinaten: = cos, = sin. Setze( ) =(cos sin ), deniert auf (0 ) IR. Dann Ã! cos sin ( ) = sin cos also det ( ) = 6= 0.Für alle ( ) ist daher ( ) invertierbar. Zum Beispiel ist : ein -Dieomorphismus für =(0) ( ) IR {( ) 0 =0}. Die Umkehrabbildung ist ( ) =μ + sign()arccos( ) Über das Lösen von Gleichungen Sei IR + = IR IR = {( ) IR IR } oen, : IR eine -Abbildung. Für IR setzen wir ( ) := ( )( 0) und für 0 IR ( ) 0 := ( )(0 0 ). Also ( ) =( ( ) ( )) Satz über die impliziten Funktionen: Sei ( 0 0 ), 0 = ( 0 0 ). Sei ( 0 0 ) invertierbar. Dann gibt es eine Umgebung 0 00 von ( 0 0 )in und eine - Abbildung : 00 0 mit ( 0 )= 0,sodaßdieLösungen von ( ) = 0 mit ( ) 0 00 genau die Punkte (()) sind. Beweis: Die Abbildung : IR +, ( ) =(( ))istc und hat das Dierential Ã! ( ) ( ) = ( ) 0 Id IR also ist ( 0 0 ) invertierbar. Es gibt daher eine oene Umgebung von ( 0 0 )in, von ( 0 0 )inir +,sodaß : ein -Dieomorphismus ist. Wegen der besonderen Gestalt von hat die Umkehrabbildung 1 die Form 1 () =(( )), wobei : IR eine -Abbildung ist mit ( 0 0 )= 0.Für ( ) ist also (( )) die einzige Lösung von ( ) = mit IR -Koordinate und ( ). Sei nun 0 eine oene Umgebung von 0, 0 00 eine oene Umgebung von 0 mit und { 0 } 0 00.Weil stetig ist mit ( 0 0 )= 0 gibt es eine oene Umgebung von 0 mit ({ 0 } 00 ) 0. Setze nun = ( 0 ) : 00 0.Dannist(())= 0, und in 0 00 sind alle Lösungen von dieser Form. qed. 43
19 Bemerkungen: 1. Im letzten Schritt hätten wir noch ein besseres Resultat erzielen können: Es gibt oene Umgebungen von 0 in IR, 00 von 0 mit ( 00 ) 0.Dannist (())= und in 0 00 sind alle Lösungen von dieser Form. Damit beschreibt in 0 00 alle Lösungen der Gleichung ( ) = mit.. (())= Ableiten nach der Kettenregel ergibt dann 0= ( 0 0 )( 0 )+ ( 0 0 ) und damit: ( 0 )=( ( 0 0 )) 1 ( 0 0 ) - 3. Sei : eine dierenzierbare Kurve mit = const., : IR dierenzierbar. Dann ist grad(()) (), denn 0 = ( )() = (()) () = hgrad(()) ()i. 4. Bild zum Satz über die impliziten Funktionen: ( 0 0 ) 6= 0, = (), Lösungen (()) = 0 existieren im Kästchen. Beispiele: Wir diskutieren zunächst den Fall = 1 (in der Formulierung des Satzes über die impliziten Funktionen), also den Fall einer Funktion :IR 1+ IR ( IR IR IR). Dann ( ) = ( ), die partielle Ableitung nach. 1. :IR IR, ( ) = +. Wir betrachten die Gleichung ( ) =0.Nunist ( ) 6= 0, ( ) 6= 0,aberdieGleichunghatkeineLösung!. :IR IR, ( ) = +.Dannist ( ) =, ( ) =; grad( ) = ( ). In ( ) =(0 0) kann man den Satz über die impliziten Funktionen nicht anwenden. Wir betrachten die Gleichung ( ) =1. = ( ) 6= 0für 6= 0. Ist ( 0 0 )einelösung mit 0 6=0,danngibtesalso0, 0 und eine - Funktion :( ) ( ) mit + () =1und( 0 )= 0. Klar: () =sign( 0 ) :IR IR, ( ) =. Wir betrachten die Gleichung ( ) =0. ( ) =, ( ) =.grad( ) =0nurin(0 0). In der Nähe jeder Lösung ( 0 0 ) 6= 44
20 (0 0) können wir die Gleichung also nach = () bzw. = () auösen. In der 6 =0 - Nähe von (0 0) ist das nicht möglich. 4.DieMengeallerPunkteder( )-Ebene, für die das Produkt der Entfernungen zu (1 0) und (1 0) gleich 1 ist, nennt man die Lemniskate. Die Gleichung lautet (( 1) + )(( +1) + )=1bzw.( + ) ( ) = 0. Wir betrachten daher die Funktion :IR IR, ( ) =( + ) ( ) und die Gleichung ( ) = 0. Sei ( 0 0 )einelösung mit 0 6=0.Dannist ( 0 0 ) = 4( ) q 0 6=0.Alsokönnen wir lokal nach auösen, = () (Es gilt übrigens = ± ( +1) ) Nun berechnen wir () wie folgt: 0 = ( ()) = ( + () ) ( () ), also 0 = wegen ( ()) 6= 0folgt () = liefert Ableiten nach nach Division durch 4: ( ()) = ( ()) + ( ()) (), ( ())( ( ()))1. In unserem Beispiel () ( + () )( + () 0 ()) ( () 0 ()) = 0 Kritische Punkte von ( 0 () =0)lösen daher ( + () 1) = 0. Wegen 6= 0 (da 6= 0) erhalten wir + () = 1. Es folgt nun leicht aus der Denition von : = ± 3. Weiteres Ableiten von () ergibt eine Gleichung für 00,undmansieht,daß in den Punkten ± 3 Maxima oder Minima vorliegen sin(+) +3 cos =0.Für die entsprechende Funktion gilt in der Lösung (0 0): (0 0) = 0, (0 0) = (cos( + )sin(+) +sin) =0 =16= 0 =0 45
21 Nach dem Satz über die impliziten Funktionen gibt es 0, 0 und eine stetige Funktion :( ) ( ), so daß die Lösungen in ( ) ( ) gegeben sind durch {( ()) ( )}. 6. ( ) = 4 +cos +sin. Betrachte =0.Nunist(000) eine Lösung, (0 0 0) = cos 0 6= 0. Also gibt es eine oene Umgebung von (0 0) in IR und eine -Funktion : IR, so daß die Lösungen von =0lokalum(000) gegeben sind als {( ( )) ( ) }. Ã 7. ( ) = +! μ Ã = in (0 1 1). Nun ist () ( ) = invertierbar falls 6= 0. Man kann daher lokal um (0 1 1) dierenzierbar auösen: μ 0 = () = (), so daß die Lösungen von ( ) = lokal um (0 1 1) gegeben sind als ( ()()) Extrema unter Nebenbedingungen Problem: IR, : IR eine Funktion; 1 : IR Funktionen und = { () =01 }. WirsuchenPunkte 0 mit () ( 0 ) (bzw. () ( 0 )). Solche Punkte heißen Maxima oder Minima von unter der Nebenbedingung =0, =( 1 ). Multiplikatorregel von Lagrange: Sei oen, dierenzierbar und 1 (). Falls ein Extremum unter der Nebenbedingung = 0 ist und die Gradienten grad 1 ()grad () linear unabhängig sind, so gibt es 1 IR mit grad() = X =1 grad () Die Zahlen 1 heißen Lagrange-Multiplikatoren. Beweis: Die lineare Abbildung () hatrang. Nach eventueller Umnumerierung der Koordinaten können wir deshalb annehmen, daß ( 0 0 ) 6= 0 invertierbar ist, wobei wir Vektoren des IR schreiben als ( ) IR IR und =( 0 0 ). Es gibt also oene Umgebungen 0 von 0 in IR, 00 von 0 in IR und eine 1 -Funktion : 00 0, ( 0 )= 0,sodaß ( 0 00 )={(()) 00 } Nach Annahme hat die Funktion : 00 IR, () =(())in = 0 ein Extremum. Daher: () 0 = ( 0 )= ( 0 0 )( 0 )+ ( 0 0 ) = ( 0 0 ) ( 0 0 ) 1 ( 0 0 )+ ( 0 0 )! 46
22 Setze nun = ( 0 0 ) ( 0 0 ) 1 :IR IR mit Matrix ( 1 ). Per Denition gilt ( 0 0 )= ( 0 0 ) und nach (): qed. Beispiele: ( 0 0 )= ( 0 0 ) 1. Betrachte die Ebene = +, also( ) = +! = 0, und den Punkt =(1 0 0). Zu minimieren unter der Nebenbedingung =0sei ( ) = =( 1) + + Es gilt grad( ) =(( 1) ), grad( ) =(111). Wir müssen lösen (1) = = = + =0.Esfolgt =, also = und daher ( 1) =, also =,damit( ) 3 =(11 ). Dieser Punkt ist also das Minimum unter der Nebenbedingung, falls es überhaupt ein Minimum gibt, was man sich aber leicht überlegen kann.. Sei : IR IR linear und symmetrisch, d.h. h i = h i IR, () :=h i die zugehörige quadratische Form. Wir wollen auf 1 maximieren, d.h. die Nebenbedingung lautet () :=kk 1 = 0. Es gilt grad() =, grad() =. Also gilt in jedem Maximum 1 von auf 1 : 1 = 1 für ein IR, d.h. 1 isteineigenvektorvon. Da orthogonale Komplemente -invarianter Unterräume wieder -invariant sind, folgt induktiv: Es gibt eine Orthonormalbasis aus Eigenvektoren. 4 Dierentialgleichungen (gewöhnliche) Sei IR oen. Ein Vektorfeld ist eine Abbildung : IR. Veranschaulichung: An jedes den Vektor () dranhängen. Eine Integral- oderlösungskurve zu ist eine dierenzierbare Abbildung : mit () =(()). Falls stetig, so ist dies äquivalent zu () =(0) + R 0 (()). Speziell interessieren wir uns für Lösungskurven mit einer Anfangsbedingung (0) = 0 (d.h. 0, 0 ), und allgemeiner für einen lokalen Fluß :, wobei IR oen mit 0 und oen mit 0,sodaßfür jedes die Kurve ( )Lösungskurve zu mit Anfangsbedingung (0)= ist. 47
f 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
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
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
MehrWann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge
1 1 Check-Liste Analysis 1.1 Mengen und Abbildungen Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? kompakt? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge von R? Was
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrAnalysis II. Vorlesung 47
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Zu einer reellwertigen Funktion Vorlesung 47 interessieren wir uns wie schon bei einem eindimensionalen Definitionsbereich für die Extrema, also Maxima
MehrAnalysis 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
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
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen
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
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,
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
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
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
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
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
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
Mehr10 Der Satz über implizite Funktionen und Umkehrfunktionen
Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Der Satz über implizite Funktionen und Umkehrfunktionen Motivation: Sei F : U R R eine differenzierbare Funktion
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
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
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
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
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
MehrMathematik II. Vorlesung 46. Der Gradient
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen
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
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:
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
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
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
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
Mehr(1 + z 2j ) = 1 z2n+2. 1 z. (1 + z)(1 z) 1 z. 1 z. (1 + z 2j ) = 1 z. 1 z 1 z
Aufgabe Zeigen Sie mit vollständiger Induktion: Für alle n N gilt (8 Punkte) n ( + z 2j ) = 2n+, wobei z C, z, eine komplexe Zahl ist Lösung [8 Punkte] Induktionsanfang: n = : ( + z 2j ) = ( + z 2 ) =
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
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
MehrMusterlösung der 1. Klausur zur Vorlesung
Prof. Dr. M. Röger Dipl.-Math. C. Zwilling Fakultät für Mathematik TU Dortmund Musterlösung der. Klausur zur Vorlesung Analysis II 6.7.6) Sommersemester 6 Aufgabe. i) Die Folge f n ) n N konvergiert genau
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
MehrAnalysis I & II Lösung zur Basisprüfung
FS 6 Aufgabe. [8 Punkte] (a) Bestimmen Sie den Grenzwert ( lim x x ). [ Punkte] log x (b) Beweisen Sie, dass folgende Reihe divergiert. n= + n + n + sin(n) n 3 + [ Punkte] (c) Finden Sie heraus, ob die
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.
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
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
Mehr102 KAPITEL 14. FLÄCHEN
102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition
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,
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
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
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
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
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
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
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
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
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
MehrMusterlösung Serie 12
Prof. D. Salamon Analysis II MATH, PHYS, CHAB FS 05 Musterlösung Serie. Es sei wie in der Aufgabenstellung M R n eine C -Untermannigfaltigkeit und B M eine kompakte Teilmenge. Des weiteren nehmen wir an,
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
MehrUniversität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.
Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor
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?
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
MehrMathematik für Anwender I. Klausur
Fachbereich Mathematik/Informatik 27. März 2012 Prof. Dr. H. Brenner Mathematik für Anwender I Klausur Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
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.
MehrTopologie metrischer Räume
Technische Universität München Christoph Niehoff Ferienkurs Analysis für Physiker Vorlesung Montag SS 11 In diesem Teil des Ferienkurses beschäftigen wir uns mit drei Themengebieten. Zuerst wird die Topologie
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
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
MehrMathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript
Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,
MehrStetigkeit und Dierenzierbarkeit im R n
Stetigkeit und Dierenzierbarkeit im R n 1 Stetigkeit Wir übertragen den Stetigkeitsbegri auf mehrstellige reellwertige Funktionen. Denition 1. Sei M R n. Eine Funktion f : M R heiÿt stetig in a M gdw.
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
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
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:
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrHM I Tutorium 9. Lucas Kunz. 19. Dezember 2018
HM I Tutorium 9 Lucas Kunz 19. Dezember 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Definition der Ableitung............................ 2 1.2 Ableitungsregeln................................ 2 1.2.1 Linearität................................
MehrLösung zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim
Lösung zur Serie 8 Aufgabe 40 Wir zeigen in dieser Aufgabe, dass die Voraussetzung dass die Funktion in einer kleinen Umgebung injektiv sein muss, beim Satz über die Umkehrfunktion notwendig ist. Hierzu
Mehr3. Approximation von Funktionen und Extremwertprobleme im R n
3. Approximation von Funktionen und Extremwertprobleme im R n Wie in D ist es wichtig Funktionen mit mehreren Variablen durch Polynome lokal approximieren zu können. Polynome lassen sich im Gegensatz zu
MehrWiederholungsklausur zur Analysis II
Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
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
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die
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
MehrH.J. Oberle Analysis III WS 2012/ Differentiation
H.J. Oberle Analysis III WS 2012/13 13. Differentiation 13.1 Das Differential einer Abbildung Gegeben: f : R n D R m, also eine vektorwertige Funktion von n Variablen x = (x 1,..., x n ) T, wobei D wiederum
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 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
MehrKonvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.
Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,
MehrAnalysis II. Vorlesung 37. Differenzierbare Kurven
Prof. Dr. H. Brenner Osnabrück SS 2015 Analysis II Vorlesung 37 Differenzierbare Kurven Eine Animation des Graphen der trigonometrischen Parametrisierung des Einheitskreises. Die grünen Punkte sind Punkte
MehrMathematischer Vorkurs NAT-ING II
Mathematischer Vorkurs NAT-ING II (02.09.2013 20.09.2013) Dr. Jörg Horst WS 2013-2014 Mathematischer Vorkurs TU Dortmund Seite 1 / 252 Kapitel 7 Differenzierbarkeit Mathematischer Vorkurs TU Dortmund Seite
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 39 Definitheit von Bilinearformen Wir möchten die symmetrischen Bilinearformen über den reellen Zahlen klassifizieren.
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
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................................
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema
Vorlesung: Analysis II für Ingenieure Wintersemester 09/10 Michael Karow Themen: Taylor-Entwicklung und lokale Extrema Motivierendes Beispiel: die Funktion f(x, y) = x(x 1) 2 2 y 2. Dieselbe Funktion von
MehrSeminar Gewöhnliche Dierentialgleichungen
Seminar Gewöhnliche Dierentialgleichungen Dynamische Systeme II Valentin Jonas 8. 6. 215 1 Einleitung In dem letzten Kapitel "Dynamische Systeme I" ging es vor allem um in t glatte, autonome, dynamische
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
MehrAnalysis I. 8. Übungsstunde. Steven Battilana. battilana.uk/teaching
Analysis I 8. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 9, 207 Grenzwerte Korollar 5.2.2 (Bernoulli-de l Hôpital) Seien f, g : [a, b] R stetig und differenzierbar
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
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,
MehrLösungen zur Analysis-Prüfung Sommer 2017
Lösungen zur Analysis-Prüfung Sommer 27. Teil: Rechnungen. a) [ Punkt] Berechnen Sie das Integral x dx. x 2 + Es gilt x x 2 + dx = = 2 arsinh(). x 2 + dx = [arsinh(x)] b) [ Punkt] Berechnen Sie das Integral
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
Mehr16. FUNKTIONEN VON MEHREREN VARIABLEN
16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1
Mehr