Höhere Mathematik III für Wirtschaftsinformatiker

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Höhere Mathematik III für Wirtschaftsinformatiker"

Transkript

1 TU Ilmenau Institut für Mathematik Prof. Dr. S. Vogel Höhere Mathematik III für Wirtschaftsinformatiker Funktionen von mehreren Variablen. Grenzwerte und Stetigkeit Betrachtet werden Funktionen f : D f R n R. Beispiele: a) n = 2, z = f(x, y) In diesem Fall ist eine Veranschaulichung im R 3 (z.b. 3D-Plots mittels Computer) oder mit Hilfe von ebenen Schnitten (insbesondere Höhenlinien) möglich..) z = x 2 + y 2 α) Schnitte mit den Ebenen z = c, c R (Höhenlinien, Niveaulinien) liefern x 2 + y 2 = c (c 0), also Kreise mit Radius c. β) Der Schnitt z. B. mit der Ebene x = 0 ergibt z = y 2, der Schnitt mit y = 0 ergibt z = x 2. Die Funktion beschreibt ein Rotationsparaboloid. 2.) z = x 2 + y 2 beschreibt einen Kegel. 3.) z = x2 a 2 + y2 stellt ein elliptisches Paraboloid dar. b2 Die Höhenlinien x2 a 2 + y2 b 2 = c (c 0) bzw. x 2 Ellipsen. (a c) 2 + y2 (b c) 2 = sind 4.) z = x y Die Betrachtung der Höhenlinien zeigt, dass im Nullpunkt ein sogenannter Sattelpunkt vorliegt.

2 5.) Als Cobb-Douglas-Funktion (im R 2 ) bezeichnet man die Funktion z = cx α y d 2, wobei z den Output (Wertschöpfung), x den Kapitaleinsatz und y den Arbeitseinsatz bezeichnen. b) Nun sei n beliebig und x = (x,..., x n ). Wichtige Funktionstypen sind.) lineare Funktionen y = f( x) = f(x,..., x n )= a o + a x +..., +a n x n und 2.) quadratische Funktionen y = f( x) = f(x,..., x n ) = a o + a x +... a n x n + a x a nnx 2 n +a 2 x x a n,n x n x n. Als Abstandsbegriff im R n wird in der Regel die Euklidische Norm. verwendet: Es seien x = (x,..., x n ), y = (y,..., y n ). Dann n x y = (x i y i ) 2. i= Bemerkung: Es gibt auch andere Abstandsbegriffe, z. B. die sogenannte Maximumnorm. M mit x y M := max i n x i y i. Analog zum Eindimensionalen definiert man eine ɛ-umgebung von x : U ɛ { x} := { y x y < ɛ}. Im Weiteren sei x k = (x (k),..., x(k) n ). Definition: Eine Folge ( x k ) k N heißt konvergent gegen x o, falls lim k x k x o = 0 erfüllt ist. (Schreibweise: lim k x k = x o ) Es gilt: lim x k = x o lim k k x(k) i = x (o) i i {,..., n} ɛ > 0 k o k k o : x k U ɛ { x o }. Definition: Die Zahl η heißt Grenzwert von f an der Stelle x o D f, wenn lim f( x k) = η für alle Folgen ( x k ) k N mit x k D f \ { x o } und lim x k = x o k k gilt. Schreibweise: lim x x o f( x) = η oder lim f(x,..., x n ) = η x x (o),...,x n x (o) n 2

3 Definition: f heißt stetig in x o, wenn lim x x o f( x) = f( x o ) gilt. f heißt stetig, wenn f in allen Punkten x o D f stetig ist. Für zwei im Punkt x o stetige Funktionen sind auch die Verknüpfungen f + g, αf (α R) und f g stetig in x o. Die Funktion f g ist stetig in x o, falls zusätzlich g( x o ) 0 gilt. Beispiele:.) Die Funktion f mit f(x, y) = x2 y 2 x 2 + y 2 ist stetig in allen Punkten (x, y) (0, 0). Weiterhin gilt wegen 0 x2 y 2 x 2 + y 2 y 2 die Beziehung lim x 2 y 2 x 0,y 0 x 2 = 0. Also kann die Funktion f im Nullpunkt + y2 stetig fortgesetzt werden zu der stetigen Funktion f mit f(x, y) = { f(x, y) (x, y) (0, 0) 0 (x, y) = (0, 0) 2.) Die Funktion f mit f(x, y) = x y x 2 + y 2 ist stetig in allen Punkten (x, y) (0, 0). Zur Untersuchung des Verhaltens in (0, 0) kann man verschiedene Folgen betrachten, die gegen (0, 0) konvergieren. ( ) α) Für die Folge ( x k ) k N mit x k = (x (k), y (k) ) = k, 0 ergibt sich lim f( x k) = 0. k ( β) Für die Folge ( x k ) k N mit x k = k, ) ergibt sich k k 2 2 k 2 = 2. lim f( x k) = lim k k Also existiert der Limes f kann nicht stetig fortgesetzt werden..2 Partielle Ableitungen. lim f(x, y) nicht, und die Funktion x 0,y 0 Es seien zunächst n = 2 und z = f(x, y). Für ein fest gewähltes y o wird die Funktion ϕ (yo) R R mit ϕ (y o) (x) := f(x, y o ) betrachtet. (Der Graph dieser Funktion kann als Schnittkurve der Fläche z = f(x, y) mit der Ebene y = y o aufgefasst werden.) 3

4 Definition: Ist ϕ (yo) in x o differenzierbar (d. h., existiert ϕ (yo) (x o + h) ϕ (yo) (x o ) f(x o + h, y o ) f(x o, y o ) lim = lim ), h 0 h h o h so heißt (ϕ (y o) ) (x o ) die partielle Ableitung von f nach x im Punkt (x o, y o ). Anstelle von ϕ (y o) (x o ) schreibt man f x (x o, y o ) oder auch f x (x o, y o ). f x (x o, y o ) beschreibt den Anstieg der Tangente an ϕ (y o) im Punkt x o oder, mit anderen Worten, den Anstieg der Tangente an f in (x o, y o ) in Richtung der x-achse. Es sei nun D x R 2 die Menge aller Punkte (x o, g o ), in denen f partiell nach x differenzierbar ist. Die partielle Ableitung nach x kann dann ihrerseits als Funktion aufgefasst werden: f x D x R. Analog zur obigen Herleitung werden durch Vertauschung der Rolle von x und y die Ableitung f y (x o, y o ) von f nach y im Punkt (x o, y o ) bzw. die partielle Ableitung f y D y R definiert. Beispiel: Es sei f(x, y) = x 2 y 2 + x. Dann ergeben sich f x (x, y) = 2xy 2 + und f y (x, y) = 2x 2 y sowie (zum Beispiel) f x (, 2) = 9, f y (, 2) = 4. Analog zum zweidimensionalen Fall wird für eine Funktion f D f R n R die partielle Ableitung f xi nach x i in folgender Weise erklärt: f(x (o) f xi ( x o ) := lim,..., x(o) i, x(o) i + h, x (o) i+,..., x(o) n ) f(x (o),..., x(o) n ). h o h (Dabei seien x = (x,..., x n ) und x o = (x (o),..., x(o) n ). Sind alle f xi, i =... n, stetige Funktionen, so heißt f stetig partiell differenzierbar. Satz: Wenn eine ɛ Umgebung U ɛ { x o } derart existiert, daß alle f xi, i =,..., n, auf U ɛ { x o } existieren und beschränkt sind, dann ist f stetig in x o. Höhere partielle Ableitungen Definition: Es sei f D f R n R partiell differenzierbar nach allen Variablen x,..., x n. Sind die Ableitungen f xi, i =,..., n, ihrerseits partiell differenzierbar, so heißt f zweimal partiell differenzierbar. 4

5 f xi ( x o ) wird mit f xi,x f j (x (o),..., x(o) n ) bezeichnet, d.h., nach der näher xj an f stehenden Variablen wird zuerst abgeleitet. Üblich ist auch die Schreibweise f(x (o) 2 f x j x,..., x(o) n ) für f xi,x j (x (o),..., x(o) n ). i Satz: (Vertauschungsregel) (für R 2, gilt im R n analog) Wenn f x und f y sowie f xy auf U ɛ {(x o, y o )} existieren und f xy in (x o, y o ) stetig ist, gilt f xy (x o, y o ) = f yx (x o, y o )..3 Ableitung mittelbarer Funktionen (verallgemeinerte Kettenregel) Gegeben seien eine Funktion f D f R n R sowie eine Parameterdarstellung für einen Weg im R n in der Gestalt x = g (t),..., x n = g n (t), t D g. Dabei wird vorausgesetzt, dass (g (t),..., g n (t)) für alle t D g zu D f gehört. Durch F (t) := f(g (t), g 2 (t),..., g n (t)) ist dann eine Funktion F D g R erklärt. Gesucht ist die Ableitung F. Satz (verallgemeinerte Kettenregel) Die Funktion f D f R n R sei stetig differenzierbar nach allen Variablen, und die Funktionen g i D g R, i =,..., n, seien differenzierbar. Dann ist die Funktion F differenzierbar, und es gilt F (t o ) = f x (g (t o ), g 2 (t o ),..., g n (t o ))g (t o )+...+f xn (g (t o ),..., g n (t o ))g n (t o ). Beispiel: Es seien f(x, y) = x 2 y + y, x(t) = g (t) = t 2, y(t) = g 2 (t) = 2t +. Dann kann die Ableitung von F einerseits nach Einsetzen der Parameterdarstellung gebildet werden: F (t) = ( (t 2 ) 2 (2t + ) + (2t + ) ) =... = 0t 4 + 4t Unter Ausnutzung des obigen Satzes erhält man andererseits F (t) = 2t 2 (2t + ) 2t + ((t 2 ) 2 + ) 2 = 4t 3 (2t + ) + 2t = 0t 4 + 4t Es sei nun insbesondere g (t) = x (o) + ta,..., g n (t) = x (o) n + ta n, wobei a 2 = angenommen wird. Weiterhin werden a = (a,..., a n ) T, x o = (x (o),..., x(o) n ) sowie t o = 0 gesetzt. Nach der verallgemeinerten Kettenregel erhält man F (0) = f x (x (o),..., x(o) n ) a f xn (x (o),..., x(o) n )a n. 5

6 Im R 2 gibt F (0) den Anstieg der Tangenten im Punkt x o an die Fläche z = f(x, x 2 ) in Richtung a an. Definition: Die Zahl f a (x(o),..., x(o) n ) := n f xi (x (o),..., x(o) n )a i i= heißt Richtungsableitung von f an der Stelle x o in Richtung a. Definition: Der Vektor f( x o ) = f(x (o),..., x(o) n ) := (f x ( x o ),..., f xn ( x o )) T heißt Gradient von f im Punkt x o. (Für den Gradienten ist auch die Schreibweise grad f( x o ) üblich.) Für die Richtungsableitung gilt damit f a ( x o) = a T f( x o ). Das Skalarprodukt a T f( x o ) wird maximal für a = ( xo) ( x o ), d. h., f( x o) gibt die Richtung des steilsten Anstiegs und entsprechend f( x o ) die Richtung des steilsten Abstiegs einer Funktion an. Beispiel: Es seien z = x 2 + y 2, a = ( ) und a = ( ). 2 ( ) ( ) 2x 2 Dann erhält man f(x, y) =, f(, ) = sowie 2y 2 f (, ) = ( ) 2 ( 2) = 6 f, (, ) = ( ) 2 ( ) = 2 2. a a Die durch den Gradienten gegebene Richtung des steilsten Anstiegs stimmt f hier mit der durch a 2 gegebenen Richtung überein, d.h., (, ) ist der a 2 steilste Anstieg von f im Punkt (, )..4 Das totale Differential Betrachtet wird eine Funktion f D f R 2 R, die in einer ɛ Umgebung von (x o, y o ) stetig partiell differenzierbar ist. Der Wert f(x o, y o ) sei bekannt; gesucht ist (näherungsweise) der Wert f(x o + h, y o + k) für kleine Werte h und k. Bemerkung: Anstelle von h und k werden in der Regel die Schreibweisen dx und dy verwendet. Es gilt f(x o + dx, y o + dy) f(x o, y o ) = f x (x o, y o )dx + f y (x o, y o )dy +η(dx, dy). } {{ } =:df(x o,y o) 6

7 Der Wert η(dx, dy) gibt gerade die Differenz zwischen dem wahren Funktionswert an der Stelle (x o + dx, y + dy) und dem Funktionswert der Tangentialebene f(x o, y o ) + f x (x o, y o )dx + f y (x o, y o )dy an dieser Stelle an. Gilt für η die Beziehung η(dx, dy) lim (dx,dy) (0,0) (dx, dy) = 0, ( ) so heißt f im Punkt (x o, y o ) total (oder vollständig) differenzierbar, und df(x o, y o ) := f x (x o, y o )dx + f y (x o, y o )dy heißt totales (oder vollständiges) Differential von f an der Stelle (x o, y o ). Bemerkungen:. Die vorausgesetzte Stetigkeit der partiellen Ableitungen sichert die Gültigkeit von (*). 2. Eine in (x o, y o ) total differenzierbare Funktion f kann dort lokal durch die Tangentialebene angenähert werden. Für eine Funktion f D f R n R wird das totale Differential in analoger Weise erklärt: df(x (o),..., x(o) n ) = f x (x (o),..., x(o) n )dx + + f xn (x (o),..., x(o) n )dx n. Anwendungsbeispiele für das totale Differential:.) Fehlerrechnung: Zwei Einflussgrößen können jeweils nur bis auf einen Fehler dx bzw. dy genau angegeben werden. Mit welchem (näherungsweisen) Fehler ist bei der Angabe von z = f(x o, y o ) zu rechnen? Lösung: Es seien x = x o ± x, y = y o ± y, z = f(x o, y o ) ± f. Man verwendet den Näherungswert df(x o, y o ) für die wahre Abweichung f, wobei x mit dx und y mit dy identifiziert werden. 2.) Gegeben sei eine Outputfunktion der Gestalt f(x, y) = cx α y α 2, c > 0, α > 0, α 2 > 0. a) Wie verändert sich der Output, wenn sich die Produktionsfaktoren x und y um dx bzw. dy ändern (Ausgangspunkt (x o, y o ))? Lösung: Die Änderung ergibt sich näherungsweise zu df(x o, y o ) = cα x α o y α 2 o dx + cα 2 x α o y α 2 o dy. b) Der erste Produktionsfaktor ändert sich um dx. Um wieviel (dy) muss man den zweiten Produktionsfaktor ändern, damit das Ausgangsniveau des Outputs erhalten bleibt? 7

8 Lösung: Das Ausgangsniveau sei f(x o, y o ). Der Output soll sich nicht ändern, also muss df(x o, y o ) = 0 gelten. Daraus folgt 0 = f x (x o, y o )dx + f y (x o, y o )dy und schließlich dy = f x(x o, y o ) f y (x o, y o ) dx. Der Quotient f x(x o, y o ) heißt Substitutionsrate oder auch f y (x o, y o ) Grenzwert der Faktorsubstitution..5 Implizite Funktionen Gegeben sei die Gleichung F (x, y) = 0. Wann beschreibt die Lösungsmenge dieser Gleichung (lokal) eine Funktion? (Erinnerung: Funktionen wurden mit ihrem Graphen identifiziert.) Beispiele:.) Betrachtet wird die Gleichung x 2 + y 2 = 0. α) {(x, y) R 2 x 2 + y 2 = 0} stellt nicht den Graphen einer Funktion, sondern nur eine Relation dar. β) {(x, y) R [0, ) x 2 + y 2 = 0} stellt eine Funktion f mit der expliziten Form y = x 2, x, dar. γ) {(x, y) [0, ) R x 2 + y 2 = 0} stellt eine Funktion g mit der expliziten Form x = g(y) = y 2, y, dar. 2.) Gegeben sei die Relation x 3 + y 3 3xy = 0 (Kartesisches Blatt). In jeder Rechteckumgebung des Nullpunktes ist die Relation x 3 + y 3 3xy = 0 weder als Funktion von x noch als Funktion von y darstellbar. Betrachtet wird eine Rechteckumgebung R δ δ 2 (x o, y o ) := {(x, y) (x x o ) < δ, y y o < δ 2 } eines Punktes (x o, y o ). Eine Funktion y = f(x) bzw. x = g(y)) mit (x, y) R δ δ 2 (x o, y o ), die in der Form F (x, y) = F (x, f(x)) = 0 (bzw. F (x, y) = F (g(y), y) = 0) vorliegt, heißt implizit gegeben oder implizite Funktion. Satz: Die Funktion F sei auf einer Rechteckumgebung R δ δ 2 (x o, y o ) definiert, und die folgenden Bedingungen seien erfüllt:.) F (x o, y o ) = 0, 2.) F y existiert auf R δ δ 2 (x o, y o ) und ist dort stetig, und es gilt F y (x o, y o ) 0. 8

9 Dann existieren eine Rechteckumgebung R α α 2 (x o, y o ) und eine Funktion y = f(x) derart, dass für alle x (x o α, x o + α ) die Beziehungen F (x, f(x)) = 0 und f(x) y o < α 2 gelten. Sind darüber hinaus die Ableitungen F x und F y stetig auf R δ δ 2 (x o, y o ), so ist f in allen Punkten x (x o α, x o + α ) differenzierbar, und es gilt f (x) = dy dx = F x(x, f(x)) F y (x, f(x)). (*) Herleitung für (*): Aus F (x, f(x)) = 0 folgt F x (x, f(x)) + F y (x, f(x)) f (x) = 0. Bemerkungen:.) Eine analoge Aussage gilt im Fall F x (x o, y o ) 0: Ist Bedingung.) erfüllt und gilt Bedingung 2.) für F x, dann existieren eine Rechteckumgebung R α α 2 (x o, y o ) und eine Funktion x = g(y) derart, dass für y (y o α 2, y o + α 2 ) die Beziehungen F (g(y), y) = 0 und g(y) x o < α gelten. Sind darüber hinaus die Ableitungen F x und F y stetig auf R δ δ 2 (x o, y o ), so ist g in allen Punkten y (y o α 2, y o + α 2 ) differenzierbar, und es gilt g (y) = dx dy = F y(g(y), y) F x (g(y), y). 2.) Sind die Voraussetzungen des Satzes erfüllt, muss es nicht notwendig möglich sein, die Gleichung F (x, y) = 0 rechnerisch (in geschlossener Form) nach einer Variablen aufzulösen. Beispiel: Betrachtet wird das Kartesische Blatt in den Punkten (x o, y o ) = (0, 0) und (x, y ) = ( 3 2, 3 4). Es ergibt sich F x (x, y) = 3x 2 3y = 3(x 2 y), F x (0, 0) = 0, F x (x, x 2 ) = 3( ) = 0 und F y (x, y) = 3y 2 3x = 3(y 2 x), F y (0, 0) = 0, F y (x, x 2 ) = 3( ) > 0. Im Punkt (x o, y o ) sind die Voraussetzungen des Satzes nicht erfüllt. Im Punkt (x, y ) ist ein Auflösung in der Gestalt y = f(x) möglich. Wegen f (x ) = F x(x, y ) F y (x, y ) = 0 besitzt die durch x3 + y 3 3xy = 0 in einer Umgebung von (x, y ) gegebene Kurve in (x, y ) eine waagerechte Tangente..6 Extremwerte für Funktionen von mehreren Veränderlichen.6. Definitionen Betrachtet wird eine Funktion f D f R n R. 9

10 Definition: Ein Punkt x o D f heißt lokale Maximalstelle (bzw. lokale Minimalstelle) und f( x o ) lokales Maximum (bzw. lokales Minimum) von f, falls eine ɛ-umgebung U ɛ { x o } derart existiert, dass f( x o ) f( x) x U ɛ { x o } (f( x o ) f( x) x U ɛ { x o }) gilt. Falls f( x o ) > f( x) x U ɛ { x o }\{ x o } erfüllt ist, nennt man f( x o ) auch isoliertes (oder eigentliches) lokales Maximum. Definition: Falls f( x o ) f( x) x M gilt, heißt f( x o ) globales Maximum von f über M. Entsprechend heißt f( x o ) globales Minimum von f über M, falls f( x o ) f( x) x M erfüllt ist. Beispiele:.) f(x, y) = x 2 + y 2 besitzt auf M = R 2 ein globales Minimum im Punkt (0, 0), aber kein lokales oder globales Maximum. 2.) f(x, y) = x 2 +y 2 besitzt auf [ 2, +2] [ 2, +2] ein globales Minimum im Punkt (0, 0) und globale Maxima in den Punkten (+2, +2), (+2, 2), ( 2, +2), ( 2, 2). Definition: a) Eine Menge M R n heißt beschränkt, wenn es eine Konstante K R mit x K x M gibt. b) Eine Menge M R n heißt abgeschlossen, wenn für alle Folgen ( x n ) n N mit x n M n N und lim = x o die Beziehung x o M gilt. n x n Beispiele: R n ist abgeschlossen, Q ist nicht abgeschlossen. Die Menge [a, b] [c, d] ist abgeschlossen, [a, b) [c, d] ist nicht abgeschlossen. Bemerkung: Sind Teilmengen des R n sowohl abgeschlossen als auch beschränkt, werden sie auch kompakte Mengen genannt. Satz: Stetige Funktionen f D f R n R nehmen auf einer beschränkten und abgeschlossenen Menge ihr globales Maximum und ihr globales Minimum an. 0

11 .6.2 Lokale Extrema Satz: f D f R n R sei auf einer ɛ-umgebung U ɛ { x o } erklärt, und es existieren alle partiellen Ableitungen. Wenn f in x o eine lokale Maximalstelle oder Minimalstelle besitzt, dann gilt f xi ( x o ) = 0 i {,..., n}. Beweis: Für i =,..., n sei g i (t) := f(x (o),..., x(o) i, t, x(o) i+,..., x(o) n ). g i, i {... n}, ist jeweils eine Funktion einer Veränderlichen, die in t = x (o) i differenzierbar ist und dort ein Extremum besitzt. Also gilt g i (x(o) i ) = 0 = f xi ( x o ). Punkte (x (o),..., x(o) n ) mit f xi (x (o),..., x(o) n ) = 0 i {,..., n} heißen stationäre Punkte. Sie sind extremwertverdächtig. Beispiele:.) Betrachtet wird die Funktion f(x, y) = x 2 y 2xy ey. Die partiellen Ableitungen haben die Gestalt f x (x, y) = 2xy 2y, f y (x, y) = x 2 2x ey. Die notwendigen Bedingungen für das Vorliegen eines Extremums lauten damit: f x (x, y) = 2xy 2y = 0 () f y (x, y) = x 2 2x ey = 0 (2). Aus () folgt x = y = 0. Für die Gleichung (2) ergeben sich folglich zwei Fälle: a) Für x = nimmt (2) die Gestalt 3 4 ey = an. Daraus erhält man y = ln 4 3. b) Für y = 0 nimmt (2) die Gestalt x 2 2x = 0 an. Diese Gleichung besitzt die Lösungen x,2 = ± 3 4. Damit sind alle Lösungen des Gleichungssystems ()+(2) gefunden. Es gibt 3 stationäre Punkte: P ( 2, 0), P 2( 3 2, 0), P 3(, ln 4 3 ). Diese stationären Punkte können z.b. unter Zuhilfenahme von Höhenlinien weiter untersucht werden. Hinreichende Bedingungen, die die zweiten partiellen Ableitungen nutzen, werden später angegeben. 2.) Für die Funktion f mit f(x, y) = xy gilt f x (0, 0) = 0 = f y (0, 0). Im Punkt (0, 0) liegt aber kein Extremum, sondern ein Sattelpunkt vor.

12 Definition: a) Eine Menge M R n heißt konvex, wenn aus x M und x 2 M auch λ x + ( λ) x 2 M λ [0, ] folgt. b) D R n sei eine konvexe Menge. Die Funktion f D R heißt konvex, (streng konvex) wenn f(λ x +( λ) x 2 ) λf( x )+( λ)f( x 2 ) x D, x 2 D, λ [0, ] (f(λ x + ( λ) x 2 ) < λf( x ) + ( λ)f( x 2 ) x D, x 2 D, λ (0, )) gilt. c) Eine Funktion f heißt konkav (streng konkav), wenn f konvex (streng konvex) ist. Beispiele: a) ɛ-umgebungen und Rechteckumgebungen im R 2 sind konvexe Mengen. b) f mit f(x, y) = x 2 + y 2 ist eine (streng) konvexe Funktion. c) f mit f(x, y) = (x 2 + y 2 ) ist eine (streng) konkave Funktion. Satz: f D R n R sei konvex (konkav) und stetig partiell differenzierbar. Gilt in x o D die Beziehung f( x o ) = 0, dann besitzt f in x o ein globales Minimum (Maximum). Zur Untersuchung, ob eine gegebene Funktion lokal, d.h. in einer ɛ-umgebung eines Punktes, konvexes oder konkaves Verhalten aufweist, kann die Hessematrix H( x o ) herangezogen werden: H( x o ) := fx x ( x o ) fx x 2 ( x o )... fx x n ( x o )... fx n x ( x o ) fx n x 2 ( x o )... fx n x n ( x o ) = ( 2 ) f ( x o ). x i x j i,j Falls f zweimal stetig differenzierbar ist, ist die Hessematrix symmetrisch. Satz: Eine Funktion f sei auf einer ɛ-umgebung U ɛ { x o } von x o zweimal stetig differenzierbar. Dann gilt a) f konvex auf U ɛ { x o } H( x o ) positiv semidefinit x o U ɛ { x o }. b) f streng konvex auf U ɛ { x o } H( x o ) positiv definit x U ɛ { x o }. Es sei nun f D f R 2 R zweimal stetig differenzierbar. Die Hessematrix im Punkt x o besitzt dann die Gestalt H f ( x o ) = 2 ( ) fxx ( x o ) f xy ( x o ). f xy ( x o ) f yy ( x o )

13 Die Hauptminoren der Hessematrix sind also f xx ( x o ) und det H f ( x o ). Aus dem Abschnitt über quadratische Formen ist bekannt, dass eine Matrix genau dann positiv definit (negativ definit) ist, wenn alle Hauptminoren positiv (positiv für gerade Zeilenzahl und negativ für ungerade Zeilenzahl) sind. Daraus ergibt sich, dass eine Hessematrix im vorliegenden zweidimensionalen Fall nur dann positiv definit oder negativ definit sein kann, wenn die sogenannte Diskriminante δ(x, y) := det(h f ( x o )) = f xx (x, y) f yy (x, y) (f xy (x, y)) 2 positiv ist. In Abhängigkeit vom Vorzeichen von f xx ( x o ) kann dann auf positive oder negative Definitheit geschlossen werden. Satz: f D f R 2 R sei in einer ɛ-umgebung U ɛ { x o } zweimal stetig differenzierbar, und es gelte f x (x o, y o ) = 0, f y (x o, y o ) = 0. a) Ist δ(x o, y o ) > 0, besitzt f an der Stelle (x o, y o ) ein lokales Extremum. Es handelt sich dabei um ein lokales Minimum, falls f xx (x o, y o ) > 0 gilt, und um ein lokales Maximum, falls f xx (x o, y o ) < 0 erfüllt ist. b) Gilt δ(x o, y o ) < 0, liegt an der Stelle x o kein Extremwert vor. c) Für δ(x o, y o ) = 0 ist eine Entscheidung ohne weitere Untersuchung nicht möglich. Zum Beweis von a): Es seien δ(x o, y o ) > 0 und f xx (x o, y o ) > 0. Wegen der Stetigkeit der 2. Ableitung gibt es eine ɛ-umgebung U ɛ {(x o, y o )}, so dass f xx (x, y) > 0 und δ(x, y) > 0 (x, y) U ɛ {(x o, y o )} gilt. Also ist f dort (streng) konvex. Somit liegt in (x o, y o ) ein lokales Minimum vor. Gilt δ(x o, y o ) > 0 und f xx (x o, y o ) < 0, sind die obigen Überlegungen für g(x, y) = f(x, y) durchführbar. f ist dann (streng) konkav, und in (x o, y o ) liegt ein lokales Maximum vor. Allgemeiner gilt für Funktionen f D f R n R, die zweimal stetig differenzierbar sind, die folgende Aussage: Es sei f( x o ) =0 erfüllt. Ist dann die Hessematrix H f ( x o ) positiv definit, liegt in x o ein lokales Minimum vor, negativ definit, liegt in x o ein lokales Maximum vor, indefinit, liegt in x o kein Extremun vor, positv semidefinit oder negativ semidefinit, ist eine Entscheidung ohne weitere Untersuchungen nicht möglich. Fortsetzung des Beispiels: Betrachtet wird die Funktion f mit f(x, y) = x 2 y 2xy+ 3 4 ey, für die die stationären Punkte ( 2, 0), ( 3 2, 0), (, ln 4 3 ) ermittelt wurden. 3

14 Mit den zweiten partiellen Ableitungen f xx (x, y) = 2y, f xy (x, y) = 2x 2 = f yx (x, y), f yy (x, y) = 3 4 ey erhält man δ(x, y) = 2y 2(x ) 3 2(x ) = 2y 3 4 ey 4(x ) 2. 4 ey Einsetzen der stationären Punkte ergibt nun δ( 2, 0) < 0 und δ( 3 2, 0) < 0, d.h., in den Punkten ( 2, 0) und ( 3 2, 0) liegen keine Extremwerte vor. Weiterhin ergibt sich für den dritten stationären Punkt δ(, ln 4 3 ) = 2 ln 4 3 > 0, d.h., hier liegt ein Extremwert vor. Wegen f xx (, ln 4 3 ) = 2 ln 4 3 > 0 handelt es sich dabei um ein Minimum..6.3 Die Methode der kleinsten Quadrate Aufgabenstellung: Gegeben seien Wertepaare (x i, y i ), i =..., n. Gesucht ist eine Funktion f, die möglichst gut den durch Wertpaare (x i, y i ) gegebenen Zusammenhang widerspiegelt (Regressionsanalyse). Vorgehen: Ausgangspunkt ist eine Vermutung über die Gestalt von f, die gewisse Parameter a,..., a p enthält (z.b. y = ax + b mit den Parametern a, b). Die Parameter werden durch Lösung der Optimierungsaufgabe min a,...,a p R p i= n (y i f(x i, a,..., a p )) 2 ( ) ermittelt. Die Berechnung der stationären Punkte der Extremwertaufgabe (*) führt im Allgemeinen auf ein nichtlineares Gleichungssystem. Im Folgenden soll der Spezialfall der einfachen linearen Regression betrachtet werden. Der vermutete lineare Zusammenhang lautet dabei y = ax + b. Gesucht sind die Minimalstellen der Funktion ϕ mit ϕ(a, b) := n (y i ax i b) 2, a R, b R. i= Das Gleichungssystem zur Bestimmung der stationären Punkte lautet: ϕ a (a, b) = n 2(y i ax i b)( x i ) = 0, () i= ϕ b (a, b) = n 2(y i ax i b)( ) = 0. (2) i= 4

15 Aus () ergibt sich aus (2) erhält man a n x 2 i + b n x i = n x i y i, i= i= i= a n x i + bn = n y i. i= i= Damit liegt ein lineares Gleichungssystem zur Bestimmung von a, b vor. Es kann in der Gestalt n ( ) a x i y i A = i= b n (*) y i i= n mit der Koeffizientenmatrix A = i= n x 2 i x i i= n x i i= n geschrieben werden. Es wird nun vorausgesetzt, dass mindestens 2 der x i -Werte verschieden sind (anderenfalls ist die Aufgabenstellung sinnlos). Dann folgt det A > 0. Das ergibt sich aus der folgenden Rechnung: n det A = n i= x 2 i n = n x 2 i 2 n i= = n (x i n i= ( ) 2 n x j j= ( n n n ) 2 x j + n x n 2 j j= i= n x j ) 2 > 0. x i i= j= Somit ist das lineare Gleichungssystem (*) eindeutig lösbar. Die Lösung kann z.b. mittels Cramerscher Regel angegeben werden: n n x i y i x i i= i= n y i n n n x i y i n n x i y j i= i= i= j= â = = det A n n x 2 i ( n, x j ) 2 i= j= n x 2 i xi y i i= n n n n x i y i x 2 i y i n n x i y i x j i= i= i= j= i= j= ˆb = = det A n n x 2 i ( n. x i ) 2 i= (â, ˆb) ist der einzige stationäre Punkt. (Die Entscheidung, ob es sich dabei um ein Minimalstelle handelt, wäre an dieser Stelle auch durch Betrachtung des Verhaltens von ϕ an den Rändern des Definitionsgebietes möglich.) Im Folgenden sollen die hinreichenden Bedingungen aus.6.2 angewandt werden. Die zweiten partiellen Ableitungen haben die Gestalt 5 i=

16 ϕ aa (a, b) = 2 n x 2 i, ϕ ab(a, b) = ϕ ba (a, b) = 2 n x i, ϕ bb (a, b) = 2n. i= i= 2 n x 2 i 2 n x i Damit ergibt sich δ(a, b) = i= i= 2 n = 4 det A > 0, x i 2n i= unabhängig von den Parameterwerten a, b. Somit ist die Funktion ϕ streng konvex. Außerdem gilt 2 n > 0, also liegt im stationären Punkt eine globale Minimalstelle vor. Als Ergebnis erhält man min ϕ(a, b) = n (a,b) R 2 y = âx + ˆb. i= x 2 i i= (y i âx i ˆb) 2, und die gesuchte Funktion lautet.6.4 Extremwerte mit Nebenbedingungen Es werden nur Punkte x R n, die den Bedingungen g i ( x) 0, i =,..., m, genügen, bei der Suche nach Extremwerten zugelassen. Es sei M := { x R n g i ( x) 0, i =,..., m} Definition: f D f R n R besitzt an der Stelle x o D f ein lokales Maximum (lokales Minimum) unter den Nebenbedingungen g i ( x) 0, i =,..., m, wenn x o M und f( x o ) f( x) x D f U ɛ { x o } M (f( x o ) f( x) x D f U ɛ { x o } M) für eine geeignete ɛ-umgebung U ɛ { x o } gilt. Im Folgenden wird nur der Spezialfall behandelt, dass alle Nebenbedingungen in Form von Gleichungsrestriktionen vorliegen. Beispiel: Gesucht sind die Extremwerte der Funktion f mit f(x, y) = x 2 +2y 2 unter der Nebenbedingung ϕ(x, y) = y x 2 + = 0. Durch Betrachtung der Höhenlinien der Funktion f kann man erkennen, dass in den Punkten (+ 2 3, 4 ) und ( 2 3, 4 ) jeweils lokale Minima und im Punkt (0, ) ein lokales Maximum vorliegt. Die Lösung kann aber auch gesucht werden, indem die Nebenbedingung in die Gleichung der Zielfunktion f eingesetzt wird: () Einsetzen von y = x 2 liefert die Funktion h mit h(x) := f(x, y(x)) = x 2 + 2(x 2 ) 2. Als notwendige Optimalitätsbedingung ergibt sich daher h (x) = 2x + 4(x 2 )2x = 2x(4x 2 3) = 0. 6

17 Extremwertverdächtig sind somit die Werte x E = 0 und x E2,3 = 2 3. Die zugehörigen y-werte berechnet man aus y = x 2. Aus h (x) = 2(4x 2 3) + 2x 8x erhält man h (0) < 0 und h (+ 2 3) > 0 sowie h ( 2 3) > 0, d.h., im Punkt (0, ) liegt ein lokales Maximum vor, und die Punkte (+ 2 3, 4 ) sowie ( 2 3, 4 ) sind jeweils lokale Minimalstellen. (2) Setzt man nun die Nebenbedingung in der Gestalt x 2 = y + in die Zielfunktion ein, erhält man die Funktion h mit h(y) = 2y 2 + y +. Aus der notwendigen Optimalitätsbedingung h (y) = 4y + = 0 ergibt sich nur die Lösung y E = 4, die unter Berücksichtigung der Nebenbedingung schließlich die Punkte (+ 2 3, 4 ) und ( 2 3, 4 ) liefert. Das lokale Maximum im Punkt (0, ) wird auf diesem Weg nicht gefunden. Der Grund dafür liegt darin, dass aus der Nebenbedingung y folgt und somit y = wie ein Randpunkt gesondert betrachtet werden muss. Dieser Effekt wiederum beruht darauf, dass die durch die Nebenbedingung gegebene Kurve in keiner Rechteckumgebung des Punktes (0, ) als Funktion von y darstellbar ist. Im Folgenden sollen die Extremwerte einer Funktion f D f R 2 R unter der Nebenbedingung ϕ(x, y) = 0 untersucht werden. Dabei wird vorausgesetzt, dass die Funktionen f und ϕ stetig partiell differenzierbar sind. Angenommen, es gelte ϕ y (x o, y o ) 0 für ein (x o, y o ) D f. Nach dem Hauptsatz über implizite Funktionen gibt es dann eine Rechteckumgebung R δ δ 2 (x o, y o ) und eine Funktion g derart, dass die Beziehung ϕ(x, y) = 0 auch in der Gestalt y = g(x) (x, y) R δ δ 2 (x o, y o ) angegeben werden kann. Es sei nun h(x) := f(x, g(x)). Wenn h ein Extremum bei x o besitzt, muss (mit y o = g(x o )) h (x o ) = f x (x o, y o ) + f y (x o, y o ) g (x o ) = 0 gelten. Mit g (x o ) = ϕ x(x o, y o ) ergibt sich f x (x o, y o ) f y(x o, y o ) ϕ y (x o, y o ) ϕ y (x o, y o ) ϕ x(x o, y o ) = 0. Setzt man nun λ o := f y(x o, y o ), so erhält man einerseits ϕ y (x o, y o ) f x (x o, y o ) + λ o ϕ x (x o, y o ) = 0 und andererseits durch Umstellen der Definitionsgleichung für λ o f y (x o, y o ) + λ o ϕ y (x o, y o ) = 0. Zusammenfassend kann man feststellen, dass (x o, y o ) und λ o die Bedingungen f x (x o, y o ) + λ o ϕ x (x o, y o ) = 0 f y (x o, y o ) + λ o ϕ y (x o, y o ) = 0 (*) ϕ(x o, y o ) = 0 erfüllen. 7

18 Ein analoges Vorgehen ist im Fall ϕ x (x o, y o ) 0 möglich. Unter Verwendung der sogenannten Lagrangefunktion L mit L(x, y, λ) := f(x, y) + λ(x, y) kann das System (*) in der folgenden Form geschrieben werden. λ heißt dabei Lagrangemultiplikator. L x (x o, y o, λ o ) = 0 L y (x o, y o, λ o ) = 0 L λ (x o, y o, λ o ) = 0 (**) Der folgende Satz fasst die obigen Überlegungen zusammen: Satz (Multiplikatorenregel von Lagrange): Die Funktion f D f R 2 R besitze an der Stelle (x o, y o ) D f ein lokales Extremum unter der Nebenbedingung ϕ(x, y) = 0. Die Funktionen f und ϕ seien in allen Punkten der Menge {(x, y) R 2 ϕ(x, y) = 0} stetig partiell differenzierbar, und es gelte ϕ x (x o, y o ) 0 ϕ y (x o, y o ) 0. Dann existiert ein λ o R derart, dass das Gleichungssystem (**) erfüllt ist. Beispiel: Für das oben betrachtete Beispiel hat die Lagrangefunktion die Gestalt L(x, y, λ) := x 2 + 2y 2 + λ(y x 2 + ). Daraus ergibt sich das Gleichungssystem L x (x, y, λ) = 2x 2xλ = 2x( λ) = 0 () L y (x, y, λ) = 4y + λ = 0 (2) F λ (x, y, λ) = y x 2 + = 0 (3). Aus (2) erhält man λ = 4y, was durch Einsetzen in () zu 2x( + 4y) = 0 führt. Diese Gleichung ist erfüllt für x = 0 (Fall ) oder y = 4 (Fall 2). Im Fall ergibt sich mit unter Ausnutzung von (3) y = ; im Fall 2 nimmt (3) die Gestalt x 2 = 3 4 an. Somit erhält man x,2 = ± 2 3. Die Lagrangesche Multiplikatorenregel ist nur ein notwendiges Kriterium, die weitere Untersuchung der gefundenen extremwertverdächtigen Punkte ist z. B. durch Betrachtung der Höhenlinien möglich. Für Funktionen f R n R, deren Extremwerte unter den m Gleichungsrestriktionen ϕ i (x,..., x n ) = 0, i =,..., m gesucht werden, kann man in ähnlicher Weise vorgehen. Die Lagrangefunktion hat die folgende Gestalt: L(x,..., x n, λ,..., λ m ) := f(x,..., x n ) + m λ i ϕ i (x,..., x n ). i= 8

19 Wenn f und alle ϕ i, i =,..., m, stetig partiell differenzierbar sind und δϕ ϕ x ( x o )... x n ( x o ) die Matrix.. den Rang m besitzt, dann ist die ϕ m ϕ x ( x o )... m x n ( x o ) Existenz reeller Zahlen λ (o),..., λ(o) m mit L xi (x (o),..., x(o) n, λ (o),..., λ(o) m ) = 0 i =,..., n, L λj (x (o),..., x(o) n, λ (o),..., λ(o) m ) = 0 j =,..., m, ( ϕ j (x (o),..., x(o) n ) = 0 j =,..., m) notwendig dafür, dass an der Stelle x o ein lokales Extremum der Funktion f unter den Nebenbedingungen ϕ i ( x) = 0, i =,... m, vorliegt. 2 Gewöhnliche Differenzengleichungen und Differentialgleichungen 2. Differentialgleichungen 2.. Einführung Gleichungen, in denen (eine oder mehrere) Ableitungen einer gesuchten Funktion einer Variablen enthalten sind, heißen gewöhnliche Differentialgleichungen: F (x, y, y,..., y (n) ) = 0 ist eine gewöhnliche Differentialgleichung der Ordnung n (in impliziter Form). Gesucht sind alle Funktionen y = ϕ(x), die der Differentialgleichung genügen (sogenannte allgemeine Lösung). Im Gegensatz zu den gewöhnlichen Differentialgleichungen kommen bei partiellen Differentialgleichungen partielle Ableitungen von Funktionen mehrerer Veränderlichen vor. Beispiel B: Wachstumsmodell des Volkseinkommens (nach Boulding) Es bezeichnen y(t) das Volkseinkommen zum Zeitpunkt t, c(t) den Konsum zum Zeitpunkt t, i(t) den Umfang der Investitionen zum Zeitpunkt t. Das Modell geht von folgenden Annahmen aus: y(t) = c(t) + i(t), c(t) = α + βy(t) (α 0, 0 < β < ), 9

20 y (t) = γi(t) (γ > 0). Daraus erhält man die Differentialgleichung y (t) = γ(y(t) c(t)) = γ(y(t) βy(t) α) = γ( β)y(t) αγ, in Kurzform y = γ( β)y αγ. Definition: Eine Differentialgleichung der Gestalt y (n) (x) + p n (x)y (n ) (x) + + p (x)y (x) + p o (x)y(x) = q(x) heißt lineare Differentialgleichung n-ter Ordnung. Ist q(x) 0, heißt die lineare Differentialgleichung homogen, anderenfalls inhomogen. Gilt p i (x) = a i, i = 0,..., n, spricht man von einer linearen Differentialgleichung mit konstanten Koeffizienten. Beispiele:.) y +x 2 y ln xy = 0 ist eine homogene lineare Differentialgleichung 3. Ordnung. 2.) Die Differentialgleichung aus Beispiel B y = γ( β)y αγ ist eine inhomogene lineare Differentialgleichung. Ordnung mit konstanten Koeffizienten. 2.2 Gewöhnliche Differentialgleichungen. Ordnung Beispiel: Die Differentialgleichung y = x besitzt die allgemeine Lösung y(x) = x2 2 + c, d.h., die Lösung stellt eine Kurvenschar dar. Will man aus der Kurvenschar einer allgemeinen Lösung eine Kurve auswählen, die durch einen vorgegebenen Punkt (x o, y o ) verläuft, kann dies durch Einsetzen des Punktes in die allgemeine Lösung geschehen (allerdings nur unter gewissen Existenz- und Eindeutigkeitsbedingungen). Der Punkt (x o, y o ) charakterisiert häufig einen Anfangszustand des jeweils beschriebenen Phänomens; entsprechend wird die Bedingung y(x o ) = y o dann Anfangsbedingung genannt. Im betrachteten Beispiel y = x ergibt y(x o ) = y o die Beziehung y o = x2 o 2 +c, damit c = y o x2 o 2 und schließlich die spezielle (oder partikuläre) Lösung y(x) = x2 2 + y o x2 o Die Methode der Trennung der Variablen Ausgangspunkt ist eine Differentialgleichung der Gestalt y = f(x) g(y) (Differentialgleichung mit trennbaren Variablen). Formal wird wie folgt vorgegangen: y = dy = f(x) g(y) dx 20

21 dy g(y) = f(x)dx dy g(y) = f(x)dx. Beispiel: Für die Differentialgleichung y = y 2x, x 0, ergibt sich mit dieser Regel (unter der Annahme, dass y 0) : y dy = 2x dx ln y + c = 2 ln x + c 2 ln y = 2 ln x + c 3 e ln y = e 2 ln x +c 3 = (e ln x ) 2 e c 3 }{{} =:c 4 >0 y = c 4 x. Für y > 0 folgt dann wegen y = y die Beziehung y = +c 4 x und für y < 0 erhält man y = c 4 x. Es bleibt noch die Frage zu klären, ob die beim obigen Vorgehen ausgeschlossene Funktion y 0 zur allgemeinen Lösung gehört. Einsetzen in die Differentialgleichung zeigt, daß y 0 ebenfalls Lösung ist. In zusammenfassender Form kann die allgemeine Lösung in der Gestalt y = c x, c R beliebig, angegeben werden. Bei Anwendungen in Ökonomie oder Technik sind zusätzliche Voraussetzungen über den Definitionsbereich, z. B. x > 0, häufig anzutreffen. Es soll nun die Frage behandelt werden, unter welchen Voraussetzungen durch einen vorgegebenen Punkt (x o, y o ) genau eine Kurve der Lösungskurvenschar verläuft. Satz: Gegeben sei die Differentialgleichung y = f(x, y). Ist die Funktion f auf einer Rechteckumgebung R ab (x o, y o ) eines Punktes (x o, y o ) stetig und erfüllt die Bedingung f(x, y ) f(x, y 2 ) k y y 2 für alle (x, y ), (x, y 2 ) R a,b (x o, y o ) (*), so hat die Differentialgleichung y = f(x, y) genau eine Lösung in R a,b (x o, y o ), welche die Anfangsbedingung y(x o ) = y o erfüllt. Bemerkung: Hinreichend für (*) ist die Stetigkeit von f y auf R a,b (x o, y o ) Fortsetzung des Beispiels B: Die Differentialgleichung y = γ( β)y αγ geht mit den Abkürzungen a := γ( β), b := αγ in die Form y = ay b über, die mit der Methode der Trennung der Variablen behandelt wer- 2

22 den kann. Die Annahme, dass das Volkseinkommen zum Ausgangszeitpunkt t = 0 den Wert y o besitzt, erfasst man mit der Anfangsbedingung y(0) = y o. Die Lösung kann wie folgt ermittelt werden: dy ay b = dx (y b a ) a ln y b a = t + c ln y b a = ta + c 2 y b a = eat c 3. Schließlich ergibt sich y b a = c 4e at, wobei c 4 > 0 oder c 4 < 0 gilt. Da y = b a ebenfalls Lösung ist, lautet die allgemeine Lösung y = ceat + b a, c R beliebig. Ersetzt man die Abkürzungen wieder durch die Originalsymbole, erhält man y = ce γ( β)t + α β, c R. Wegen y(0) = c + α β = y o folgt c = y o α β, also y(t) = (y o α β )eγ( β)t + α β Lineare Differentialgleichungen. Ordnung Gegeben sei eine Differentialgleichung der Form y + p(x)y = q(x). Die zugehörige homogene Differentialgleichung y + p(x)y = 0 kann stets durch Trennung der Variablen gelöst werden: y = p(x)y dy y = p(x)dx y 0 ln y = p(x)dx + c. Die allgemeine Lösung der homogenen linearen Differentialgleichung. Ordnung lautet somit y h = ce p(x)dx =: cϕ(x), c R, beliebig. Die Struktur der allgemeinen Lösung der (inhomogenen) Ausgangsdifferentialgleichung beschreibt der folgende Satz: Satz: Es seien y s eine (spezielle) Lösung der inhomogenen linearen Differentialgleichung y + p(x)y = q(x) und y h die allgemeine Lösung der zugehörigen homogenen Differentialgleichung. Dann ist y a := y h + y s die allgemeine Lösung der inhomogenen linearen Differentialgleichung. Beweis:.) Es wird zunächst gezeigt, dass jede Funktion y a der angegebenen Gestalt die Differentialgleichung erfüllt: 22

23 y a(x) = y h (x) + y s(x) = p(x)y h (x) p(x)y s (x) + q(x) = p(x)(y h (x) + y s (x)) + q(x) = p(x)y a (x) + q(x). 2.) Es sei ỹ eine spezielle Lösung der inhomogenen Differentialgleichung. Es wird gezeigt, dass dann die Funktion ỹ y s die homogene Differentialgleichung erfüllt. (ỹ(x) y s (x)) = ỹ (x) y s(x) = p(x)ỹ(x) + q(x) + p(x)y s (x) q(x) = p(x)(ỹ(x) y s (x)). Damit werden die folgenden Schritte zur Lösung einer inhomogenen linearen Differentialgleichung nahe gelegt:.) Bestimmung der allgemeinen Lösung y h der homogenen Differentialgleichung, 2.) Bestimmung einer speziellen Lösung y s der inhomogenen Differentialgleichung, 3.) Angabe der allgemeinen Lösung gemäß y a := y h + y s. Bestimmung einer speziellen Lösung einer inhomogenen linearen Differentialgleichung Ein Verfahren, das stets angewendet werden kann (sofern es möglich ist, die Integrale in geschlossener Form auszuwerten), ist die Methode der Variation der Konstanten (J. Bernoulli): Dazu wird ein spezieller Ansatz für die Gestalt von y s gemacht: Ansatz: y s (x) = c(x) ϕ(x), wobei ϕ eine Lösung der zugehörigen homogenen Differentialgleichung und c eine zu bestimmende Funktion von x bezeichnen. Einsetzen des Ansatzes in die Differentialgleichung ergibt c (x)ϕ(x) + c(x)ϕ (x) + p(x)(c(x) ϕ(x)) = q(x) c (x)ϕ(x) + c(x)[ϕ (x) + p(x)ϕ(x)] = q(x). Da ϕ Lösung der homogenen Differenentialgleichung ist, muss ϕ (x)+p(x)ϕ(x) = 0 gelten. Somit erhält man c (x) ϕ(x) = q(x) und daraus c (x) = q(x), also eine Bestimmungsgleichung für c(x). ϕ(x) Die allgemeine Lösung der inhomogenen Differentialgleichung lautet dann: y a (x) = c ϕ(x) + c(x) ϕ(x). Beispiel: Gegeben sei die Differentialgleichung y + y x = x 2 +, x > 0..) Im ersten Schritt wird die allgemeine Lösung der homogenen linearen Differentialgleichung bestimmt: 23

24 y = y x dy dx y = y 0 x ln y = ln x + c (Wegen x > 0 gilt x = x). y = e c e ln x = c 2 e ln x = c 2 x y h = c x, c R. 2.) Im zweiten Schritt wird eine spezielle Lösung der inhomogenen linearen Differentialgleichung mittels Variation der Konstanten bestimmt. Ansatz: y s = c(x) x Einsetzen in die Differentialgleichung liefert: c x c x 2 + c x 2 = x 2 + c = x x 2 + c(x) = x x 2 + dx = 2 t 2 dt = t 3 2 = 3 (x2 + ) K. Da nur eine spezielle Lösung benötigt wird, kann K = 0 gewählt werden. Somit ergibt sich y s = x 3 (x2 + ) ) Die allgemeine Lösung der Differentialgleichung lautet nun y a = c x + x 3 (x2 + ) 3 2 = x (c + 3 (x2 + ) 3 2 ). Eine Probe kann durch Einsetzen in die Differentialgleichung erfolgen. 2.3 Lineare Differentialgleichungen höherer Ordnung 2.3. Allgemeine Eigenschaften Gegeben sei eine lineare Differentialgleichung n-ter Ordnung in der allgemeinen Gestalt : y (n) + p n (x)y (n ) + + p (x)y + p o (x)y = q(x). () Gesucht ist eine n-mal differenzierbare Funktion y, die die Differentialgleichung () und außerdem die Beziehungen y(x o ) = η o, y (x o ) = η,..., y (n ) (x o ) = η n (2) erfüllt (Anfangswertaufgabe (AWA). Satz: Wenn die Funktionen p o,..., p n ; q stetig auf dem Intervall [a, b] mit x o (a, b) sind, dann besitzt die Differentialgleichung () genau eine Lösung y, welche die Bedingungen (2) erfüllt. Wie für lineare Differentialgleichung. Ordnung kann man zeigen, dass y a = y h + y s gilt, wobei y a die allgemeine Lösung der Differentialgleichung, 24

25 y h die allgemeine Lösung der homogenen Differentialgleichung und y s eine spezielle Lösung der inhomogenen Differentialgleichung bezeichnen. Definition: Die Funktionen ϕ, ϕ 2,..., ϕ n heißen im Intervall [a, b] linear unabhängig, wenn aus der Beziehung c ϕ (x) c n ϕ n (x) = 0 x [a, b] stets c = c 2 =... = c n = 0 folgt. Anderenfalls (d.h., wenn c ϕ (x) + + c n ϕ n (x) = 0 x [a, b]) c i 0) heißen die Funktionen linear abhängig. Beispiele:.) Die Funktionen ϕ (x) =, ϕ 2 (x) = x, ϕ 3 (x) = x 2 sind im Intervall [a, b] linear unabhängig. Das ergibt sich aus den folgenden Überlegungen: Es gelte c + c 2 x + c 3 x 2 = 0 x [a, b]. Einsetzen von drei x-werten x, x 2, x 3 [a, b], x i x j, i j, führt auf eine homogenes lineares Gleichungssystem zur Bestimmung von c, c 2, c 3, das nur die triviale Lösung c = c 2 = c 3 = 0 besitzt. (Die Koeffizientendeterminante ist eine sogenannte Vandermondesche Determinante, die unter den getroffenen Annahmen stets von Null verschieden ist.) 2.) Die Funktionen ϕ (x) =, ϕ 2 (x) = x, ϕ 3 (x) = 5x + 6 sind linear abhängig im Intervall [a, b], denn es gilt 6ϕ (x) 5ϕ 2 (x) + ϕ 3 (x) = 0 x [a, b]. Definition: Ist jede der n Funktionen ϕ,..., ϕ n mindestens (n )-mal differenzierbar, so heißt ϕ (x) ϕ 2 (x)... ϕ n (x) ϕ W ϕ,...,ϕ n (x) := (x) ϕ 2 (x)... ϕ n(x)... ϕ (n ) (x) ϕ (n ) 2 (x)... ϕ (n ) n (x) die Wronskische Determinante des Funktionensystems ϕ,..., ϕ n. Satz: Sind die Funktionen ϕ,..., ϕ n linear abhängig in [a, b] und (n )- mal differenzierbar, so gilt W ϕ,...,ϕ n (x) = 0 x [a, b]. Äquivalent dazu ist die folgende Aussage: Gilt W ϕ,...,ϕ n (x) 0 für mindestens ein x [a, b], so sind die Funktionen ϕ,..., ϕ n linear unabhängig in [a, b]. Die Umkehrung gilt im Allgemeinen nicht. 25

26 Definition: Jedes System von n linear unabhängigen Lösungen einer homogenen linearen Differentialgleichung n-ter Ordnung heißt Fundamentalsystem (FS) von Lösungen der Differentialgleichung. Satz: Die Lösungen ϕ,..., ϕ n einer linearen homogenen Differentialgleichung n-ter Ordnung bilden genau dann ein Fundamentalsystem, wenn die Wronskische Determinante die Beziehung W ϕ,...,ϕ n (x) 0 erfüllt. Bemerkung: Für Lösungen einer homogenen linearen Differentialgleichung n-ter Ordnung gilt (für ein Intervall [a, b] aus dem gemeinsamen Definitionsbereich der Lösungen) entweder W ϕ,...,ϕ n (x) 0 x [a, b] oder W ϕ,...,ϕ n (x) = 0 x [a, b]. Satz: Gegeben sei die homogene lineare Differentialgleichung n-ter Ordnung y (n) + p n (x)y (n ) p o (x)y = 0 mit auf [a, b] stetigen Funktionen p k, k = 0,..., n. Dann besitzt die allgemeine Lösung dieser Differentialgleichung die Gestalt y(x) = c ϕ (x) c n ϕ n (x), wobei {ϕ,..., ϕ n } ein Fundamentalsystem von Lösungen der Differentialgleichung und c,..., c n beliebige reelle Konstanten bezeichnen Fundamentalsysteme für homogene lineare Differentialgleichungen mit konstanten Koeffizienten Gegeben sei die Differentialgleichung y (n) + a n y (n ) a y + a o y = 0 (3) mit den konstanten Koeffizienten a i, i = 0,..., n. Die Funktionen des Fundamentalsystems werden mit dem Ansatz: y(x) = e x gesucht. Einsetzen des Ansatzes in die Differentialgleichung ergibt dann λ n e λx + a n λ n e λx a λe λx + a o e λx = 0 und weiter }{{} e λx (λ n + a n λ n + + a λ + a o ) = 0. 0 x λ Die enstandene Gleichung λ n + a n λ n a λ + a o = 0 (4) heißt charakteristische Gleichung der Differentialgleichung. P n (λ) := λ n + a n λ n a λ + a o wird auch charakteristisches Polynom genannt. (4) besitzt n (ggf. komplexe) Lösungen λ i, i =,..., n. 26

27 Satz: a) Besitzt die charakteristische Gleichung (4) n verschiedene reelle Lösungen λ,..., λ n (λ i R, λ i λ j, i j), dann ist ϕ (x) = e λ x, ϕ 2 (x) = e λ 2x,..., ϕ n (x) = e λnx ein Fundamentalsystem für (3). b) Besitzt (4) nur reelle Lösungen, wobei gewisse Lösungen mehrfach auftreten, so werden jeder k-fachen Nullstelle λ i die k Funktionen ϕ i (x) = e λ ix, ϕ i2 (x) = xe λ ix,..., ϕ i,k (x) = x k e λ ix zugeordnet. Beispiel: Gegeben sei die Differentialgleichung y 3y 2y = 0. Die charakteristische Gleichung für diese Differentialgleichung lautet λ 3 3λ 2 = 0. Sie besitzt die Nullstellen λ = 2, λ 2,3 =. Damit ist e 2x, e x, xe x ein Fundamentalsystem von Lösungen für die gegebene Diffrentialgleichung und die allgemeine Lösung der Differentialgleichung lautet y = c e 2x + c 2 e x + c 3 xe x. Um auch dann ein Fundamentalsystem von Lösungen angeben zu können, wenn nicht alle Nullstellen der charakteristischen Gleichung reell sind, werden Grundkenntnisse über komplexe Zahlen benötigt. Deshalb wird im Folgenden ein kurzer Abschnitt zu komplexen Zahlen eingefügt Komplexe Zahlen Komplexe Zahlen wurden bereits zu Beginn des 6. Jahrhunderts eingeführt. Ausgangspunkt der Überlegungen war der Wunsch, den Zahlenbereich so zu erweitern, dass auch z.b. die Gleichung x 2 + = 0 eine Lösung besitzt. Mit der imaginären Einheit i, die durch i 2 = definiert ist, lautet die algebraische Form einer komplexen Zahl: z = α + iβ, α R, β R. α heißt dann Realteil von z (α = Re(z)), und β heißt Imaginärteil von z (β = Im(z)). Ist α = 0, spricht man von einer imaginären Zahl. Ist β = 0, stellt z eine reelle Zahl dar.(mit der Einführung der komplexen Zahlen wurde also eine Erweiterung des Zahlenbereiches vorgenommen.) Die komplexen Zahlen können in der sogenannten Gaußschen Zahlenebene dargestellt werden. 27

28 Die trigonometrische Form einer komplexen Zahl z = α + iβ lautet z = r(cos ϕ + i sin ϕ), 0 r, π < ϕ π. r = α 2 + β 2 =: z heißt Betrag von z; ϕ =: arg z heißt Argument von z. Aus den Beziehungen α = r cos ϕ und β = r sin ϕ erhält man tan ϕ = β α und damit (unter Beachtung des Vorzeichens von α und β) eine Möglichkeit, bei Kenntnis von α und β den Wert ϕ zu bestimmen. Es gilt die Eulersche Formel: e α+iβ = e α (cos β + i sin β). Rechenregeln für komplexe Zahlen: Es seien z = α + iβ, z 2 = α 2 + iβ 2. (a) z = z 2 = α = α 2 β = β 2 (b) (α + β ) ± (α 2 + iβ 2 ) = α ± α 2 + i(β ± β 2 ) (c) (α + iβ ) (α 2 + iβ 2 ) = (α α 2 β β 2 ) + i(α β 2 + β α 2 ) (d) α +iβ α 2 +iβ 2 = (α +iβ )(α 2 iβ 2 ) (α 2 +iβ 2 )(α 2 iβ 2 ) = α α 2 +β β 2 + i β α 2 α β α 2 2 +β2 2 α 2 2 +β2 2 Die Paare z = α + iβ, z 2 = α iβ heißen (zueinander) konjugiert komplexe Zahlen (Schreibweise: z 2 = z ). Für ein Paar zueinander konjugiert komplexer Zahlen z = α+iβ, z = α iβ gilt z + z = 2α, z z = α 2 + β 2. Daraus ergibt sich (x z)(x z) = x 2 2αx+α 2 +β 2. Setzt man nun 2α =: p und α 2 +β 2 =: q sowie (ohne Beschränkung der Allgemeinheit) β > 0, so erhält man α = p 2, β = q α 2 = q ( p 2 ( 2) mit q p 2 2) > 0. z = α + iβ und z mit α = p 2 und β = q ( p) 2 2 sind daher Lösungen der Gleichung x 2 + px + q = 0, p R, q R, falls die sogenannte Diskriminante D := p2 2 q negativ ist. Beispiel: Gegeben sei die Gleichung λ 2 + 2λ + 3 = 0. Es gilt D = ( ) 2 3 = 2 < 0. Also lauten die beiden Nullstellen λ,2 = ± i D = ± i 2. Ein Polynom n-ten Grades x n + a n x n a x + a o läßt sich stets in folgender Weise darstellen: k l P n (x) = (x x i ) (x 2 + p j x + q j ), i= j=k+ wobei 2(l k) + k = n, x i, p j, q j R, und die quadratischen Ausdrücke 28

29 x 2 + p j x + q j, j = k +,..., l, keine reellen Nullstellen besitzen Fundamentalsystem einer homogenen linearen Differentialgleichung bei komplexen Nullstellen des charakteristischen Polynoms Die Ableitung einer komplexwertigen Funktion einer reellen Variablen ist durch (z(x)) = (u(x) + iv(x)) = u (x) + iv (x) definiert. Es sei λ = α + iβ. Dann gilt (e λx ) = d dx (eλx ) = [e αx (cos(βx) + i sin(βx))] =(e αx cos(βx)) + i(e αx sin(βx)) = e αx ( β sin(βx) + iβ cos(βx)) +αe αx (cos(βx) + i sin(βx)) = e αx [sin(βx) (iα β) + cos(βx)(α + iβ)] } {{ } i(α+iβ) = (α + iβ)e αx (cos(βx) + i sin(βx)) = λe λx, d.h., die Rechenregel gilt wie im Reellen. Bemerkung: Für e λ mit λ = α + iβ gelten auch die aus dem Reellen bekannten Potenzgesetze; insbesondere ist (e λ ) p q = e p q λ. Ist e λx, λ komplex, Lösung einer homogenen linearen Differentialgleichung mit konstanten Koeffizienten, so sind sowohl Realteil als auch Imaginärteil Lösungen. Darüber hinaus sind Realteil und Imaginärteil linear unabhängig. Satz: a) Besitzt die charakteristische Gleichung (4) einer homogenen linearen Differentialgleichung mit konstanten Koeffizienten auch komplexe Lösungen α ± iβ, so sind die beiden Funktionen ϕ (x) = e αx cos(βx), ϕ 2 (x) = e αx sin(βx) linear unbhängige Lösungen der Differentialgleichung (). b) Tritt ein Paar α ± iβ k-fach auf, so werden ihm die Funktionen ϕ (x) = e αx cos(βx), ϕ 2 (x) = e αx sin(βx), ϕ 3 (x) = xe αx cos(βx), ϕ 4 (x) = xe αx sin(βx),. ϕ 2k (x) = x k e αx cos(βx), ϕ 2k (x) = x k e αx sin(βx) zugeordnet. Beispiel: Die Nullstellen des charakteristischen Polynoms seien λ,2 = 0, λ 3 = 4, λ 4,5 = + 3i, λ 6,7 = 3i. 29

30 Dann ergibt sich das Fundamentalsystem, x, e 4x, e x cos(3x), e x sin(3x); xe x cos(3x), xe x sin(3x) Bestimmung einer speziellen Lösung einer inhomogenen linearen Differentialgleichung mit konstanten Koeffizienten Bei linearen Differentialgleichungen mit konstanten Koeffizienten und spezieller Gestalt der Störfunktion q(x) kann man y s in Form eines (an q(x) orientierten) Ansatzes suchen: q(x) besitze die Gestalt q(x) = e x [Q m (x) cos(βx) + Q r (x) sin(βx)], (5) wobei α und β reelle Parameter, Q m ein Polynom vom Grad m 0 und Q r ein Polynom vom Grad r 0 bezeichnen. Wichtige Spezialfälle von (5) sind die folgenden: a) α = 0, β = 0 : q(x) = Q m (x), b) β = 0 : q(x) = e αx Q m (x), c) α = 0, Q m (x) = 0 : q(x) = Q r (x) sin(βx). Für die weiteren Betrachtungen seien α, β aus (5) festgelegt. Weiterhin sei u := max{m, r}. Fall : Ist α + iβ keine Nullstelle des charakteristischen Polynoms der homogenen Differentialgleichung, wählt man den Ansatz y s = e x [R u (x) cos(βx) + R u (x) sin(βx)], wobei R u, R u Polynome vom Grade u mit noch zu bestimmenden Koeffizienten bezeichnen. Fall 2: Ist α + iβ k-fache Nullstelle des charakteristischen Polynoms der homogenen Differentialgleichung (d.h., q(x) ist Lösung der homogenen Differentialgleichung, Resonanzfall) wählt man den Ansatz y s = x k e x [R u (x) cos(βx) + R u (x) sin(βx)]. Bemerkung: Gilt q(x) = q (x) q l (x), wobei die q i in der Form (5) darstellbar sind, so ist der Ansatz y s = y s () y s (l) möglich, wobei y s (i) einen zu q i gehörenden Ansatz bezeichnet. Beispiele:.) Gegeben sei die Differentialgleichung y + 2y = 24x

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Multivariate Analysis

Multivariate Analysis Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

5.10. Mehrdimensionale Extrema und Sattelpunkte

5.10. Mehrdimensionale Extrema und Sattelpunkte 5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(

Mehr

Vorkurs Mathematik Übungen zu Differentialgleichungen

Vorkurs Mathematik Übungen zu Differentialgleichungen Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)

Mehr

Ü b u n g s b l a t t 11

Ü b u n g s b l a t t 11 Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Lösungen zu Mathematik I/II

Lösungen 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

Mehr

8 Extremwerte reellwertiger Funktionen

8 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

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik 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

Mehr

Extrema von Funktionen mit zwei Variablen

Extrema von Funktionen mit zwei Variablen Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser

Mehr

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des

Mehr

Serie 13: Online Test

Serie 13: Online Test D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 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.

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

Mathematik 3 für Informatik

Mathematik 3 für Informatik Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4

Mehr

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................

Mehr

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen

Mehr

Outline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel

Outline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6

Mehr

Die reellen Lösungen der kubischen Gleichung

Die reellen Lösungen der kubischen Gleichung Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick 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

Mehr

Analysis1-Klausuren in den ET-Studiengängen (Ba) ab 2007

Analysis1-Klausuren in den ET-Studiengängen (Ba) ab 2007 Analysis-Klausuren in den ET-Studiengängen (Ba) ab 7 Im Folgenden finden Sie die Aufgabenstellungen der bisherigen Klausuren Analysis im Bachelorstudium der ET-Studiengänge sowie knapp gehaltene Ergebnisangaben.

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3

Mehr

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum. Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit

Mehr

Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann

Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann Abiturvorbereitung Mathematik -Dierentialrechnungc Max Hoffmann 1 Ganzrationale Funktionen Im Folgenden wollen wir uns mit ganzrationale Funktionen und der Untersuchung solcher beschäftigen. Dabei werden

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen 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

Mehr

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes

Mehr

Skalare Differentialgleichungen

Skalare Differentialgleichungen Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen

Mehr

Funktionen mehrerer Variabler

Funktionen mehrerer Variabler Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen

Mehr

HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.

HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx. HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden

Mehr

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.

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

Mehr

Klausur Mathematik 2

Klausur Mathematik 2 Mathematik für Ökonomen WS 2014/15 Campus Duisburg PD Dr. V. Krätschmer, Fakultät für Mathematik Klausur Mathematik 2 17.02.2015, 12:30-14:30 Uhr (120 Minuten) Erlaubte Hilfsmittel: Nur reine Schreib-

Mehr

Funktionen mehrerer Variabler

Funktionen mehrerer Variabler Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:

Mehr

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0. Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7

Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 7.1 (Herbst 2015, Thema 1, Aufgabe 4) Gegeben sei das Dreieck und die Funktion f : R mit Bestimmen Sie f(

Mehr

10 Extremwerte mit Nebenbedingungen

10 Extremwerte mit Nebenbedingungen 10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

B Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,

B Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R, B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,

Mehr

Klausur zu Analysis II - Lösungen

Klausur 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.

Mehr

18.2 Implizit definierte Funktionen

18.2 Implizit definierte Funktionen 18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Musterlösungen Aufgabenblatt 2

Musterlösungen Aufgabenblatt 2 Jonas Kindervater Ferienkurs - Höhere Mathematik III für Physiker Musterlösungen Aufgabenblatt Dienstag 17. Februar 009 Aufgabe 1 (Implizite Funktionen) f(x, y) = x 1 xy 1 y4 = 0 Man bestimme die lokale

Mehr

8 Blockbild und Hohenlinien

8 Blockbild und Hohenlinien Mathematik fur Ingenieure Institut fur Algebra, Zahlentheorie und Diskrete Mathematik Dr. Dirk Windelberg Universitat Hannover Stand: 18. August 008 http://www.iazd.uni-hannover.de/windelberg/teach/ing

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

Prüfung zur Vorlesung Mathematik I/II

Prüfung zur Vorlesung Mathematik I/II Dr. A. Caspar ETH Zürich, August 2011 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total Vollständigkeit

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II... ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik

Mehr

Höhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2

Höhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2 Höhere Mathematik III WS 5/6 Lösungshinweis Aufgabe G 11 Blatt Die zu optimierende Zielfunktion ist der Abstand zum Ursprung. Ein bekannter Trick (Vereinfachung der Rechnung) besteht darin, das Quadrat

Mehr

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene

Mehr

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall 4. Lösung einer Differentialgleichung. Ordnung mit konstanten Koeffizienten a) Homogene Differentialgleichungen y'' + a y' + b y = 0 (**) Ansatz: y = e µx, also y' = µ e µx und y'' = µ e µx eingesetzt

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Mathematik 2 für Wirtschaftsinformatik

Mathematik 2 für Wirtschaftsinformatik für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Hinreichende Bedingung für lokale Extrema Voraussetzungen Satz D R n konvex und offen Funktion f : D R zweimal stetig partiell differenzierbar

Mehr

Übungen zu Funktionen mehrerer Veränderlicher. Lösungen zu Übung Betrachten Sie die durch. y 1 + x 2. z = gegebene Fläche.

Übungen zu Funktionen mehrerer Veränderlicher. Lösungen zu Übung Betrachten Sie die durch. y 1 + x 2. z = gegebene Fläche. Übungen zu Funktionen mehrerer Veränderlicher 5.1 Betrachten Sie die durch Lösungen zu Übung 5 gegebene Fläche. z = y 1 + x 2 (a) Zeichnen Sie die Höhenlinien in ein Koordinatensystem. (b) Veranschaulichen

Mehr

Mathematik Abitur Zusammenfassung Marius Buila

Mathematik Abitur Zusammenfassung Marius Buila Mathematik Abitur Zusammenfassung Marius Buila 1.Analysis 1.1 Grundlagen: Ableitung f (u) ist Steigung in Punkt P (u/f(u)) auf K f(x) = a * x r f (x) = a * r * x r-1 Tangentengleichung: y= f (u) * (x-u)

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Musterlösung 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

Mehr

16. FUNKTIONEN VON MEHREREN VARIABLEN

16. 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

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

2 Stetigkeit und Differenzierbarkeit

2 Stetigkeit und Differenzierbarkeit 2.1) Sei D R. a) x 0 R heißt Häufungspunkt von D, wenn eine Folge x n ) n N existiert mit x n D,x n x 0 und lim n x n = x 0. D sei die Menge der Häufungspunkte von D. b) x 0 D heißt innerer Punkt von D,

Mehr

1.6 Implizite Funktionen

1.6 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

Mehr

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema

Prof. 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

Mehr

1 Einführung, Terminologie und Einteilung

1 Einführung, Terminologie und Einteilung Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

Technische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras

Technische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,

Mehr

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

8. Übung zur Vorlesung Mathematisches Modellieren Lösung Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ

Mehr

Selbsteinschätzungstest Auswertung und Lösung

Selbsteinschätzungstest Auswertung und Lösung Selbsteinschätzungstest Auswertung und Lösung Abgaben: 46 / 587 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: Durchschnitt: 7 Frage (Diese Frage haben ca. 0% nicht beantwortet.) Welcher Vektor

Mehr

Lösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)

Lösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis) Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Extrema mit Nebenbedingungen

Extrema mit Nebenbedingungen Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst

Mehr

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,

Mehr

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Aufgabe 98 12.12.2012 Untersuchen Sie die Funktion f W R! R mit f.x/

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

y hom (x) = C e p(x) dx

y hom (x) = C e p(x) dx Gewöhnliche Differentialgleichungen F (x, y, y,..., y n ) = 0 Gleichung, die die Veränderliche x sowie die Funktion y = y(x) und ihre Ableitungen y,..., y n beinhaltet. Klassifiaktion: implizit F (...)

Mehr

Mathematik I für Wirtschaftswissenschaftler

Mathematik I für Wirtschaftswissenschaftler 1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den

Mehr

Kleine Formelsammlung zu Mathematik für Ingenieure IIA

Kleine 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..................................

Mehr

ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld

ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld Bitte wenden! 1. Die unten stehende Figur wird beschrieben durch... (a) { (x, y) R 2 x + y 1 }. Richtig! (b) { (x,

Mehr

Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher

Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher Technische Universität Chemnitz 1. Juli 20 Fakultät für Mathematik Höhere Mathematik I.2 Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher 1. Durch ein

Mehr

6 Gewöhnliche Differentialgleichungen

6 Gewöhnliche Differentialgleichungen 6 Gewöhnliche Differentialgleichungen Differentialgleichungen sind Gleichungen in denen nicht nur eine Funktion selbst sondern auch ihre Ableitungen vorkommen. Im einfachsten Fall gibt es eine unabhängige

Mehr

55 Lokale Extrema unter Nebenbedingungen

55 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 :

Mehr

Einfache Differentialgleichungen

Einfache Differentialgleichungen Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine

Mehr

Extremwertaufgaben. 3. Beziehung zwischen den Variablen in Form einer Gleichung aufstellen (Nebenbedingung),

Extremwertaufgaben. 3. Beziehung zwischen den Variablen in Form einer Gleichung aufstellen (Nebenbedingung), Extremwertaufgaben x. Ein Landwirt will an einer Mauer einen rechteckigen Hühnerhof mit Maschendraht abgrenzen. 0 Meter Maschendraht stehen zur Verfügung. Wie groß müssen die Rechteckseiten gewählt werden,

Mehr