2 Stetigkeit und Differenzierbarkeit

Größe: px
Ab Seite anzeigen:

Download "2 Stetigkeit und Differenzierbarkeit"

Transkript

1 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, wenn ein ε > 0 existiert mit ]x 0 ε,x 0 + ε[ D. D 0 sei die Menge der inneren Punkte von D. c) D heißt offen, wenn D = D 0 ist. d) D heißt abgeschlossen, wenn R \ D offen ist. e) D = D D heißt Abschluss von D. f) D heißt beschränkt, falls C > 0 existiert mit D [ C,C]. g) E D heißt offen in E, wenn zu jedem x 0 E ein ε > 0 existiert mit ]x 0 ε,x 0 + ε[ D E. 2.2) Sei D R und f : D R eine Funktion. a) Wenn zu x 0 D ein y 0 R existiert, so dass für jede Folge x n ) n N mit x n D, x n x 0 und lim x n = x 0 die Folge f x n )) n N konvergiert mit lim f x n ) = y 0, dann heißt f x) n n konvergent für x x 0 gegen den Grenzwert y 0. Schreibweise: lim f x) = y 0. x x0 b) Einseitige Grenzwerte: lim 0 x x 0 für alle monoton steigenden Folgen x n ) aus D \ {x 0 } mit Grenzwert x 0 gilt lim f x n ) = y 0 n lim 0 x x 0 + für alle monoton fallenden Folgen x n ) aus D \ {x 0 } mit Grenzwert x 0 gilt lim f x n ) = y 0. n C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 5

2 2.3) Sei D R und f : D R eine Funktion. a) f heißt stetig ergänzbar in x 0 D, wenn lim x x0 f x) R existiert. b) f heißt stetig in x 0 D D, falls lim x x0 f x) = f x 0 ) ist. c) f heißt stetig, falls f stetig in allen Punkten x 0 D D ist. ) 2.4) lim f x) = f x 0 ) x x0 ε > 0 δ > 0 x D : x x 0 < δ = f x) f x 0 ) < ε. 2.5) f : [a,b] R sei stetig, und es gelte f a) < y < f b). Dann existiert x 0 ]a,b[ mit f x 0 ) = y. 2.6) f : D R heißt streng monoton wachsend, wenn für x,y D gilt: x < y = f x) < f y). Entsprechend: monoton wachsend x < y = f x) f y) monoton fallend x < y = f x) f x). 2.7) Sei f : [a, b] R streng monoton wachsend. Dann gilt: a) f 1 : [f a),f b)] R ist wohldefiniert und streng monoton wachsend. b) Wenn f stetig ist, dann ist auch f 1 stetig. 2.8) Sei f : [a,b] R stetig. Dann ist f [a,b]) beschränkt, und es existieren x 1,x 2 [a,b] mit f x 1 ) = min x [a,b] f x) f x 2) = max x [a,b] f x). C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 6

3 2.9) D R heißt kompakt, wenn D abgeschlossen und beschränkt ist. 2.10) f : D R heißt gleichmäßig stetig, wenn gilt: ) ε > 0 δ > 0 x,x 0 D : x x 0 < δ = f x) f x 0 ) < ε. 2.11) Sei D R kompakt und f : D R stetig. Dann ist f gleichmäßig stetig. 2.12) Sei D R und f : D R. Zu x 0 D D heißt f x) f x 0) Differenzenquotient. x x 0 f x) f x f heißt differenzierbar im Punkt x 0, wenn der Grenzwert lim 0 ) existiert. x x0 x x ) Sei f : D R differenzierbar im Punkt x 0. Dann ist f stetig in x ) Sei ϕ : D R, 0 D D, k N {0}. a) ϕh) = oh k ) lim h 0 ϕh) h k = 0 b) b) ϕh) = Oh k ) C > 0,h 0 > 0 mit ϕh) Ch k für h < h 0,h D Es gilt f x) f x 0 ) f x 0 )x x 0 ) = ox x 0 ). C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 7

4 2.15) Seien f,g : D R differenzierbar in x 0 D D. Dann gilt: a) Die Ableitung ist linear: αf + βg) x 0 ) = αf x 0 ) + βg x 0 ) b) f g ist differenzierbar in x 0 mit f g) x 0 ) = f x 0 )gx 0 ) + f x 0 )g x 0 ) Produktregel) c) Sei gx 0 ) 0. Dann ist f f ) x0 g differenzierbar in x 0 mit ) = f x 0 )gx 0 ) f x 0 )g x 0 ) g gx0 ) ) 2 Quotientenregel) 2.16) Seien f : D R,g : E R, x 0 D D mit y 0 = f x 0 ) E E. Sei f differenzierbar in x 0 und g differenzierbar in y 0. Dann gilt: a) g f : D R ist in x 0 differenzierbar in x 0 mit g f ) x 0 ) = g y 0 )f x 0 ). b) Sei zusätzlich f injektiv und f x 0 ) 0. Dann ist die Umkehrfunktion in y 0 differenzierbar mit f 1 ) y 0 ) = 1 f x 0 ). C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 8

5 2.17) Sei f : D R, D R, x 0 D. a) x 0 ist ein globales Maximum von f in D, wenn f x) f x 0 ) für x D. b) x 0 ist ein strenges globales Maximum von f in D, wenn f x) < f x 0 ) für x D \ {x 0 }. c) x 0 ist ein lokales Maximum von f, wenn ein δ > 0 existiert mit f x) f x 0 ) für x D ]x 0 δ,x 0 + δ[. d) x 0 ist ein strenges lokales Maximum von f, wenn ein δ > 0 existiert mit f x) < f x 0 ) für x D ]x 0 δ,x 0 + δ[, x x 0. Analog werden Minimima definiert. Ein Extremum ist ein Minimum oder ein Maximum. 2.18) Sei f : [a,b] R, und sei x 0 ]a,b[ ein lokales Extremum. Dann gilt: Wenn f in x 0 differenzierbar ist, dann ist f x 0 ) = 0 notwendige Bedingung). 2.19) Sei f : [a, b] R stetig und differenzierbar in ]a, b[. a) Falls f a) = f b), dann existiert x 0 ]a,b[ mit f x 0 ) = 0 Satz von Rolle). b) Es existiert x 0 ]a,b[ mit f x 0 ) = f b) f a) b a Mittelwertsatz). 2.20) Sei f : [a,b] R zweimal stetig differenzierbar. Wenn für eine kritische Stelle x 0 ]a,b[ mit f x 0 ) = 0 zusätzlich f x 0 ) > 0 gilt, dann ist x 0 ein strenges lokales Minimum. C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 9

6 2.21) Seien f,g : ]a,b[ R differenzierbar, und für x 0 ]a,b[ gelte f x 0 ) = gx 0 ) = 0 und g x) 0 für x x 0. Dann gilt die Regel von l Hospital: f x) f x) Wenn der Grenzwert lim x x0 g existiert, dann ist lim x) x x 0 gx) = lim f x) x x 0 g x). 2.22) Sei f : [a, b] R eine Funktion. a) f heißt konvex, wenn für a x 1 < x x 2 b gilt f x) f x 1 ) + x x 1 x 2 x 1 f x2 ) f x) ). b) f heißt konkav, wenn f konvex ist. c) f heißt streng konvex, wenn für x 1 < x < x 2 gilt f x) < f x 1 ) + x x 1 x 2 x 1 f x2 ) f x 1 ) ). d) f heißt streng konkav, falls f streng konvex ist. 2.23) Sei f : [a,b] R eine konvexe Funktion, und sei x 0 [a,b] ein lokales Minimum. Dann ist x 0 ein globales Minimum. 2.24) Sei f : [a, b] R eine zweimal stetig differenzierbare Funktion. Dann gilt: a) f x) > 0 für x ]a,b[ = f x) streng konvex. b) f x) < 0 für x ]a,b[ = f x) streng konkav. 2.25) Sei f : [a,b] R eine Funktion und x 0 ]a,b[. Wenn ein ε > 0 existiert mit f konvex in ]x 0 ε,x 0 [ und f konkav in ]x 0,x 0 + ε[ oder umgekehrt), dann heißt x 0 Wendepunkt von f. 2.26) Sei f : [a, b] R zweimal stetig differenzierbar. Dann gilt: a) Wenn x 0 ]a,b[ ein Wendepunkt ist, dann gilt f x 0 ) = 0 notwendige Bedingung). b) Wenn zusätzlich f dreimal stetig differenzierbar ist, und wenn f x 0 ) 0 ist, dann ist x 0 ein Wendepunkt hinreichende Bedingung). C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 10

7 2.29) Sei f : [a,b] R n-mal stetig differenzierbar, und sei x 0 ]a,b[. Dann existiert eine Darstellung f x) = T n x;x 0 ) + R n x;x 0 ) n mit dem Taylor-Polynom n-ten Grades T n x;x 0 ) = f k) x 0 ) k! 1 d k k! dx k f x 0)x x 0 ) k Restglied R n x;x 0 ) = o x x 0 ) n). Wenn f n + 1)-mal stetig differenzierbar ist, dann existiert zu jedem x [a,b] eine Zwischenstelle ξ = x 0 + θx x 0 ) mit 0 < θ < 1 und und dem 1 d k+1 R n x;x 0 ) = k + 1)! dx k+1 f ξ )x x 0) n ) cosx hat genau eine kleinste Nullstelle x 0 ]0, 6[. Wir definieren π = 2x ) Sei f : [a,b] R zweimal stetig differenzierbar, und sei x ]a,b[ eine Nullstelle von f mit f x ) 0. Dann konvergiert das Newton-Verfahren x n+1 = x n f x n )/f x n ) in der Nähe von x quadratisch, d.h. falls x 0 x klein genug, gilt x n+1 x < C x n x 2. C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 11

8 2.32) Zu a k ) k N {0} und x 0 sei f x) = a k x x 0 ) k die Potenzreihe um den Entwicklungspunkt x 0 mit den Koeffizienten a 0,a 1,a 2, ) Für eine Potenzreihe f x) = a k x x 0 ) k ist der Konvergenzradius r definiert durch: a) r = 0, falls die Reihe nur für x = x 0 konvergiert; b) r =, falls die Reihe für alle x konvergiert; c) falls die Reihe für ein x 1 absolut konvergiert und für ein x 2 divergiert, dann existiert r = sup{ρ > 0: die Reihe konvergiert absolut für alle x mit x x 0 < ρ}. 2.34) Für die Potenzreihe a) Wenn c = lim k a k+1 a k x x 0 ) k gilt: existiert, dann ist der Konvergenzradius r = a k k b) Wenn d = lim a k existiert, dann ist der Konvergenzradius r = k 0 c = 1 c c 0 c = 0 0 d = 1 d d 0 d = 0 C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 12

9 2.35) Sei D R und sei f n ) n N eine Funktionenfolge mit f n : D R. a) Wenn für alle x D der Grenzwert lim f n x) existiert, dann ist die Grenzfunktion n f x) = lim f n x) punktweise definiert punktweise Konvergenz). n b) Sei f = sup f x). Wenn zusätzlich lim f n f = 0 gilt, dann ist die Konvergenz x D n gleichmäßig auf D gleichmäßige Konvergenz). 2.36) Sei D R, f n : D R stetig für n N, und sei f x) = lim f n x) wohldefiniert. n Wenn f n f gleichmäßig konvergiert, dann ist f stetig. 2.37) Seien f k : D R stetig, D R, k N {0}) und sei s n x) = konvergent gegen f k x) für x D. Dann ist f k x) stetig. n f k x) gleichmäßig 2.38) Sei f x) = a k x x 0 ) k eine Potenzreihe mit Konvergenzradius r > 0. Dann ist f stetig für x x 0 r,x 0 + r), die abgeleitete Potenzreihe gx) = ka k x x 0 ) k 1 k=1 hat ebenfalls den Konvergenzradius r, und f ist differenzierbar mit f x) = gx). C. Wieners: Mathematik 2 für Studierende der Fachrichtung Informationswirtschaft 13

6.2 Die Regeln von de l Hospital. Ausgangsfrage: Wie berechnet man den Grenzwert. Beispiel: Sei f(x) = x 2 und g(x) = x. Dann gilt. lim.

6.2 Die Regeln von de l Hospital. Ausgangsfrage: Wie berechnet man den Grenzwert. Beispiel: Sei f(x) = x 2 und g(x) = x. Dann gilt. lim. 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert falls g(x), beide Funktionen gegen Null konvergieren, d.h. = g(x) = 0 beide Funktionen gegen Unendlich konvergieren, d.h.

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f. Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen

Mehr

Die Funktion f sei (zumindest) in einem Intervall I = [a, b] definiert und dort hinreichend oft differenzierbar. f(x 0 ) f(x)

Die Funktion f sei (zumindest) in einem Intervall I = [a, b] definiert und dort hinreichend oft differenzierbar. f(x 0 ) f(x) 3.2.4. Analyse von Funktionen Die Funktion f sei (zumindest) in einem Intervall I = [a, b] definiert und dort hinreichend oft differenzierbar. Begriffe: Die Funktion f hat in x 0 I eine stationäre Stelle,

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

Lösung der Prüfung Sommer 2009

Lösung der Prüfung Sommer 2009 Prof. D. Salamon Analysis I/II D-MATH, D-PHYS, D-CHAB ETH Zürich. Juni 9 Lösung der Prüfung Sommer 9. Berechnen Sie folgende Grenzwerte: (a) (b) Hinweis: Regel von de l Hospital. ( ( )) lim n n cos n lim

Mehr

g(x) = lim 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert Beispiel: Seif(x) = x 2 undg(x) = x.

g(x) = lim 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert Beispiel: Seif(x) = x 2 undg(x) = x. 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert falls x x 0 g(x), beide Funktionen gegen Null konvergieren, d.h. x x 0 = x x 0 g(x) = 0 beide Funktionen gegen Unendlich

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

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

Analysis I. 11. Beispielklausur mit Lösungen

Analysis I. 11. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 11. Beispielklausur mit en Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Ein angeordneter Körper. ) Eine Folge in

Mehr

8 Konvergenzkriterien und Häufungswerte von Folgen in R

8 Konvergenzkriterien und Häufungswerte von Folgen in R 8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium

Mehr

27 Taylor-Formel und Taylor-Entwicklungen

27 Taylor-Formel und Taylor-Entwicklungen 136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen

Mehr

4 Reihen und Finanzmathematik

4 Reihen und Finanzmathematik 4 Reihen und Finanzmathematik 4. Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei

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

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const.

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const. Folgen und Reihen Folgen: Def.: Eine Abbildung a N K, n a(n) := a n (K = R C) wird Zahlenfolge genannt. Sie heißt reelle (komplexe) Zahlenfolge, falls K = R(C) ist. Symbole: a n K: Elemente der Folge,

Mehr

Analysis I. Vorlesung 16. Funktionenfolgen

Analysis I. Vorlesung 16. Funktionenfolgen Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis I Vorlesung 16 Funktionenfolgen Eine (vertikal gestauchte) Darstellung der ersten acht polynomialen Approximationen der reellen Exponentialfunktion

Mehr

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist

Mehr

Elemente der Analysis I: Zusammenfassung und Formelsammlung

Elemente der Analysis I: Zusammenfassung und Formelsammlung Elemente der Analysis I: Zusammenfassung und Formelsammlung B. Schuster/ L. Frerick 9. Februar 200 Inhaltsverzeichnis Grundlagen 5. Mengen und Zahlen................................ 5.. Mengen...................................

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

Taylorreihen - Uneigentlische Integrale

Taylorreihen - Uneigentlische Integrale Anlysis II für M, LG und Ph, WS 2006/07, Übung 2, Lösungsskizze Gruppenübung Tylorreihen - Uneigentlische Integrle G 5 Berechnen Sie die Tylorreihe mit der Entwicklungsmitte 0 von f (x) = log(x + ), f

Mehr

4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben.

4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben. 4 Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei (a k ) k N eine Folge. Wir definieren

Mehr

Differentialrechnung

Differentialrechnung Kapitel 7 Differentialrechnung Josef Leydold Mathematik für VW WS 205/6 7 Differentialrechnung / 56 Differenzenquotient Sei f : R R eine Funktion. Der Quotient f = f ( 0 + ) f ( 0 ) = f () f ( 0) 0 heißt

Mehr

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

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba. Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz

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

4 Konvergenz von Folgen und Reihen

4 Konvergenz von Folgen und Reihen 4 KONVERGENZ VON FOLGEN UND REIHEN 4 Konvergenz von Folgen und Reihen 4.1 Konvergenzkriterien für reelle Folgen Definition: Eine reelle Folge(a n ) n N heißt monoton wachsend streng monoton wachsend nach

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Informatier II (Sommersemester 00) Lösungen zu Aufgabenblatt

Mehr

Mathematik für Wirtschaftsinformatiker

Mathematik für Wirtschaftsinformatiker Mathematik für Wirtschaftsinformatiker Alfred Müller, Martin Rathgeb Universität Siegen Wintersemester 2008/09 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Zahlbereiche.................................... 1 1.2

Mehr

2.6 Stetigkeit und Grenzwerte

2.6 Stetigkeit und Grenzwerte 2.6 Stetigkeit und Grenzwerte Anschaulich gesprochen ist eine Funktion stetig, wenn ihr Graph sich zeichnen lässt, ohne den Stift abzusetzen. Das ist natürlich keine präzise mathematische Definition und

Mehr

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 203/4 Blatt 20.0.204 Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag 4. a) Für a R betrachten wir die Funktion

Mehr

Lösungshinweise zu den Hausaufgaben:

Lösungshinweise zu den Hausaufgaben: A. Kirchhoff, T. Pfrommer, M. Kutter, Dr. I. Rybak. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester Prof. Dr. M. Stroppel Prof. Dr. A. Sändig Lösungshinweise zu den Hausaufgaben: Aufgabe H.

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Differenzenquotient. f(x) Differenzialrechnung. Gegeben sei eine Funktion f(x). 197 Wegener Math/5_Differenzial Mittwoch 04.04.

Differenzenquotient. f(x) Differenzialrechnung. Gegeben sei eine Funktion f(x). 197 Wegener Math/5_Differenzial Mittwoch 04.04. Gegeben sei eine Funktion f(). Differenzialrechnung Differenzenquotient f() 197 Wegener Math/5_Differenzial Mittwoch 04.04.2007 18:38:45 1 Differenzenquotient Gesucht ist die Tangente an der Stelle, wobei

Mehr

1 Konvexe Funktionen. 1.1 Definition. 1.2 Bedingung 1.Ordnung. Konvexität und Operationen, die die Konvexität bewahren Seite 1

1 Konvexe Funktionen. 1.1 Definition. 1.2 Bedingung 1.Ordnung. Konvexität und Operationen, die die Konvexität bewahren Seite 1 Konvexität und Operationen, die die Konvexität bewahren Seite 1 1 Konvexe Funktionen 1.1 Definition Eine Funktion f heißt konvex, wenn domf eine konvexe Menge ist und x,y domf und 0 θ 1: f(θx + (1 θ)y)

Mehr

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n.

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n. Folgen Es sei X eine beliebige Menge. Eine Folge mit Werten in X ist eine Abbildung von N nach X. Es wird also jeder natürlichen Zahl n (dem Index) ein Element a n aus X zugeordnet (das n-te Folgenglied).

Mehr

Lösungshinweise zu den Hausaufgaben:

Lösungshinweise zu den Hausaufgaben: M. Boßle, B. Krinn Ü. Okur, M. Wied Blatt 4 Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 46. Konvergenz

Mehr

Kurvendiskussion Ganzrationale Funktion Aufgaben und Lösungen

Kurvendiskussion Ganzrationale Funktion Aufgaben und Lösungen Kurvendiskussion Ganzrationale Funktion Aufgaben und http://www.fersch.de Klemens Fersch 9. August 0 Inhaltsverzeichnis Ganzrationale Funktion Quadratische Funktionen f x) = ax + bx + c 8. Aufgaben...................................................

Mehr

Formelsammlung. Folgen und Reihen

Formelsammlung. Folgen und Reihen Lehrstuhl für BWL, insb. Mthemtik und Sttistik Dipl.-Mth. Mrie Hielscher Mthemtik für Betriebswirte II Formelsmmlung Folgen und Reihen en Folge n ) n N0 : D R, n n := n) mit D N 0 n-te Prtilsumme von n

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Kapitel 4. Reihen 4.1. Definition und Beispiele

Kapitel 4. Reihen 4.1. Definition und Beispiele Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um

Mehr

Numerisches Lösen von Gleichungen

Numerisches Lösen von Gleichungen Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:

Mehr

Funktion; trigonometrische Reihen; trigonometrische Polynome; gliedweise Integration; Integration und Grenzübergang; Fourier-

Funktion; trigonometrische Reihen; trigonometrische Polynome; gliedweise Integration; Integration und Grenzübergang; Fourier- Kapitel 26 Fourier-Reihen 26.1 Einführung (Spektrum; harmonische Analyse; Periode einer Funktion; trigonometrische Reihen; trigonometrische Polynome; gliedweise Integration; Integration und Grenzübergang;

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

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

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

1. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester 2013

1. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester 2013 O. Alaya, R. Bauer K. Sanei Kashani, F. Kissling, B. Krinn, J. Schmid, T. Vassias. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshinweise zu den

Mehr

PD Dr. R. Schätzle 1.11.1999. Maßtheoretische Methoden WS 1999/00

PD Dr. R. Schätzle 1.11.1999. Maßtheoretische Methoden WS 1999/00 ETH Zürich Departement für Mathematik PD Dr. R. Schätzle 1.11.1999 Maßtheoretische Methoden WS 1999/00 1.Übung AUFGABE 1: Es sei µ ein borelreguläres Maß auf einem metrischen Raum X und X = j=1 V j, wobei

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

Folgen und Grenzwerte

Folgen und Grenzwerte Wintersemester 2015/201 Folgen und Grenzwerte von Sven Grützmacher Dieser Vortrag wurde für den (von der Fachschaft organisierten) Vorkurs für die Studienanfänger an der Fakultät für Mathematik und Informatik

Mehr

Exkurs: Polnische Räume

Exkurs: Polnische Räume Ein normaler Hausdorff-Raum mit abzählbarer Basis kann auf viele Weisen metrisiert werden; man kann insbesondere eine einmal gewonnene Metrik in vielerlei Weise abändern, ohne die von ihr erzeugte Topologie

Mehr

Kap. 6: Iterative Lösung von Gleichungssystemen

Kap. 6: Iterative Lösung von Gleichungssystemen Kap. 6: Iterative Lösung von Gleichungssystemen 6.1 Einleitung In vielen Anwendungen sind Gleichungssysteme zu lösen, in denen die Unbekannten nichtlinear auftreten. Beispiel: Der Betrag der Gravitationskraft

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

Analysis I. Vorlesung 9. Reihen

Analysis I. Vorlesung 9. Reihen Prof. Dr. H. Brenner Osnabrück WS 20/204 Analysis I Vorlesung 9 Reihen Wir haben in der siebten Vorlesung gesagt, dass man eine Dezimalentwicklung, also eine (unendliche) Ziffernfolge mit Ziffern zwischen

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

9 Das Riemannsche Integral

9 Das Riemannsche Integral 1 9 Ds Riemnnsche Integrl 9.1 Definition und Beispiele Sei I = [, ] R mit

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.

Mehr

Zusammenfassung - Mathematik

Zusammenfassung - Mathematik Mathematik Seite 1 Zusammenfassung - Mathematik 09 October 2014 08:29 Version: 1.0.0 Studium: 1. Semester, Bachelor in Wirtschaftsinformatik Schule: Hochschule Luzern - Wirtschaft Author: Janik von Rotz

Mehr

Vorlesung Mathematik 1 für Ingenieure (Sommersemester 2016)

Vorlesung Mathematik 1 für Ingenieure (Sommersemester 2016) 1 Vorlesung Mthemtik 1 für Ingenieure (Sommersemester 2016) Kpitel 10: Integrlrechnung einer Veränderlichen Prof. Miles Simon Nch Folienvorlge von Prof. Dr. Volker Kibel Otto-von-Guericke Universität Mgdeburg.

Mehr

Numerische Verfahren zur Lösung nichtlinearer Gleichungen

Numerische Verfahren zur Lösung nichtlinearer Gleichungen Kapitel 2 Numerische Verfahren zur Lösung nichtlinearer Gleichungen 21 Aufgabenstellung und Motivation Ist f eine in einem abgeschlossenen Intervall I = [a, b] stetige und reellwertige Funktion, so heißt

Mehr

Übungsaufgaben zu Analysis 2 Lösungen von Blatt V vom 07.05.15. f(x, y) = 2(x + y) + xy + 3x 2, g(x, y) = xy + e xy.

Übungsaufgaben zu Analysis 2 Lösungen von Blatt V vom 07.05.15. f(x, y) = 2(x + y) + xy + 3x 2, g(x, y) = xy + e xy. Prof. Dr. Moritz Kaßmann Fakultät für Matematik Sommersemester 015 Universität Bielefeld Übungsaufgaben zu Analysis Lösungen von Blatt V vom 07.05.15 Aufgabe V.1 + Punkte) Gegeben seien die Funktionen

Mehr

Kapitel 7. Reihen. Konvergenz unendlicher Reihen. Konvergenzkriterien. Potenzreihen und Taylorreihen. Anwendungen

Kapitel 7. Reihen. Konvergenz unendlicher Reihen. Konvergenzkriterien. Potenzreihen und Taylorreihen. Anwendungen Kapitel 7 Reihen Konvergenz unendlicher Reihen Konvergenzkriterien Potenzreihen und Taylorreihen Anwendungen Reihen Konvergenz unendlicher Reihen Konvergenz unendlicher Reihen Betrachtet man die unendliche

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

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Mathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem

Mathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem Mathematik für Wirtschaftswissenschaftler gehalten von Claus Diem Übungen Die Seminare / Übungsgruppen / Tutorien finden wöchentlich statt. Alle zwei Wochen am Montag wird ein Übungsblatt ausgegeben. Dies

Mehr

Unendliche Reihen. D.h. Die Summe einer unendlichen Reihe ist der Grenzwert der Folge der Partialsummen.

Unendliche Reihen. D.h. Die Summe einer unendlichen Reihe ist der Grenzwert der Folge der Partialsummen. Unendliche Reihen Wegen der elementaren Eigenschaften der Zahlen ist lar, was unter einer endlichen Summe von Zahlen a + a 2 +... + zu verstehen ist. Vorderhand ist noch nicht erlärt, was unter einer unendlichen

Mehr

8.3 Lösen von Gleichungen mit dem Newton-Verfahren

8.3 Lösen von Gleichungen mit dem Newton-Verfahren 09.2.202 8.3 Lösen von Gleichungen mit dem Newton-Verfahren Beispiel: + 2 e Diese Gleichung kann nicht nach aufgelöst werden, da die beiden nicht zusammengefasst werden können. e - - 2 0 Die gesuchten

Mehr

Ist die Funktion f : R R injektiv, hat den Definitionsbereich D und den Wertebereich W, so ist f : D W bijektiv. Dann heißt

Ist die Funktion f : R R injektiv, hat den Definitionsbereich D und den Wertebereich W, so ist f : D W bijektiv. Dann heißt Ist die Funktion f : R R injektiv, hat den Definitionsbereich D und den Wertebereich W, so ist f : D W bijektiv. Dann heißt f 1 : W D, y wobei D mit f() = y die Umkehrfunktion zu f. Der Graph G f 1 = {(y,

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

Überblick. Kapitel 7: Anwendungen der Differentialrechnung

Überblick. Kapitel 7: Anwendungen der Differentialrechnung Überblick Kapitel 7: Anwendungen der Differentialrechnung 1 Beispiel 1: Kapitel 7.1: Implizites Differenzieren 1 Beispiel 1: Steigung der Tangente Kapitel 7.1: Implizites Differenzieren 2 Beispiel 1: Steigung

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Zwischenwertsatz Gegeben: f : [a, b] R stetig Dann gilt: f(a) < f(b) y [f(a), f(b)] x [a, b] mit f(x) = y 9.1. Grundbegriffe

Mehr

Kurvendiskussion Gebrochenrationale Funktion Aufgaben und Lösungen

Kurvendiskussion Gebrochenrationale Funktion Aufgaben und Lösungen Kurvendiskussion Gebrochenrationale Funktion Aufgaben und http://www.fersch.de Klemens Fersch 7. September 0 Inhaltsverzeichnis Gebrochenrationale Funktion Gebrochen rationale Funktion Zählergrad < Nennergrad

Mehr

1 n 2 k 2. a n := b n+1 = b n 2 + 8

1 n 2 k 2. a n := b n+1 = b n 2 + 8 . a Bestimmen Sie den Grenzwert der Folge (a n n mit Folgengliedern a n : n k n k n. Verwenden sie dazu eine Interpretation der a n als Riemannsche Summen. b Zeigen Sie, dass die durch Rekursion gegebene

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Konvergenz. Kapitel 2. 1 Grenzwerte von Folgen. Definition 1.1 Eine Folge reeller Zahlen ist eine Abbildung

Konvergenz. Kapitel 2. 1 Grenzwerte von Folgen. Definition 1.1 Eine Folge reeller Zahlen ist eine Abbildung Kapitel 2 Konvergenz Grenzwerte von Folgen Definition. Eine Folge reeller Zahlen ist eine Abbildung N R, n a n. Die Zahl a n heißt das n-te Glied der Folge, die Folge insgesamt wird mit (a n ) n N bzw.

Mehr

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Reelle Zahlen sind ideale Objekte, die es uns ermöglichen, eine transparente und leistungsfähige Theorie aufzubauen. Ein Computer kann jedoch nur mit Approximationen

Mehr

Mathematik I. Vorlesung 25. Der große Umordnungssatz

Mathematik I. Vorlesung 25. Der große Umordnungssatz Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 5 Der große Umordnungssatz Satz 5.1. (Großer Umordnungssatz) Es sei a i, i I, eine summierbare Familie von komplexen Zahlen mit der Summe

Mehr

24.1 Überblick. 24.2 Beispiele. A. Bestimmen einer ganzrationalen Funktion. 24. Interpolation mit Ableitungen

24.1 Überblick. 24.2 Beispiele. A. Bestimmen einer ganzrationalen Funktion. 24. Interpolation mit Ableitungen 4. Interpolation mit Ableitungen 4. Interpolation mit Ableitungen 4.1 Überblick Die Interpolationsaufgabe haben wir bereits in Kapitel 7 (Band Analysis 1) untersucht. Als Auffrischung: Zu n vorgegebenen

Mehr

Näherungsverfahren zur Berechnung von Nullstellen. Das Newtonsche Iterationsverahren

Näherungsverfahren zur Berechnung von Nullstellen. Das Newtonsche Iterationsverahren Näherungsverfahren zur Berechnung von Nullstellen Das Newtonsche Iterationsverahren. Dieses Verfahren der Nullstellenanäherung macht von der Tatsache Gebrauch, dass der Funktionsgraph einer differenzierbaren

Mehr

f : x 2 x f : x 1 Exponentialfunktion zur Basis a. Für alle Exponentialfunktionen gelten die Gleichungen (1) a x a y = a x+y (2) ax a y = ax y

f : x 2 x f : x 1 Exponentialfunktion zur Basis a. Für alle Exponentialfunktionen gelten die Gleichungen (1) a x a y = a x+y (2) ax a y = ax y 5. Die natürliche Exponentialfunktion und natürliche Logarithmusfunktion ================================================================== 5.1 Die natürliche Exponentialfunktion f : x 2 x f : x 1 2 x

Mehr

Analysis II WS 11/12 Serie 9 Musterlösung

Analysis II WS 11/12 Serie 9 Musterlösung Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei

Mehr

Ferientutorium 14-21.Februar 2013 - Analysis 1. Franz X. Gmeineder - LMU München

Ferientutorium 14-21.Februar 2013 - Analysis 1. Franz X. Gmeineder - LMU München Ferientutorium 14-21.Februar 2013 - Analysis 1 Franz X. Gmeineder - LMU München 1 2 Vorwort Dies ist ein Skript zum Ferienkurs Analysis 1. Der Kurs soll vor allem auf die Klausur zur Vorlesung Analysis

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2000 2004

Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2000 2004 Höhere Mathεmatik für Informatiker Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2 24 ii Inhaltsverzeichnis I Eindimensionale

Mehr

Differentialrechnung

Differentialrechnung Kapitel 6 Differentialrechnung Der Ableitungsbegriff Ableitung elementarer Funktionen und höhere Ableitungen Ableitungstechniken Extrema und Kurvendiskussion Numerische Lösung nichtlinearer Gleichungen

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

KAPITEL 6. Nichtlineare Ausgleichsrechnung

KAPITEL 6. Nichtlineare Ausgleichsrechnung KAPITEL 6 Nichtlineare Ausgleichsrechnung Beispiel 61 Gedämpfte Schwingung: u + b m u + D m u = 0, Lösungen haben die Form: u(t) = u 0 e δt sin(ω d t + ϕ 0 ) Modell einer gedämpften Schwingung y(t; x 1,

Mehr

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es

Mehr

11 Stochastisches Integral und Itô-Formel

11 Stochastisches Integral und Itô-Formel 11 Stochastisches Integral und Itô-Formel Im diskreten Finanzmodell bei selbstfinanzierender Strategie ϑ = {ϑ n n=,...,n mit Anfangswert V gilt : Ṽ n ϑ = V + n ϑ T j S j. j=1 Dieser diskontierte Wertprozess

Mehr

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens

Mehr

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum

Mehr

Kapitel II. Konvergenz von Folgen und Reihen

Kapitel II. Konvergenz von Folgen und Reihen Kapitel II Konvergenz von Folgen und Reihen 7 Einführende Beispiele und Rechenregeln für konvergente Folgen 8 Konvergenzkriterien und Häufungswerte von Folgen in R 9 Konvergenz und absolute Konvergenz

Mehr

1 Allgemeines, Verfahrensweisen

1 Allgemeines, Verfahrensweisen 1 Allgemeines, Verfahrensweisen 1.1 Allgemeines Definition einer Funktion Eine Funktion f ist eine eindeutige Zuordnung, die jedem x-wert genau einen y-wert zuordnet. Dem y-wert, welchem ein x-wert zugeordnet

Mehr

Ableitung einer Betragsfunktion Differenzierbarkeit

Ableitung einer Betragsfunktion Differenzierbarkeit Ableitung einer Betragsfunktion Differenzierbarkeit 1-E Differenzierbarkeit einer Funktion Eine Funktion y = f (x) heißt an der Stelle x differenzierbar, wenn der Grenzwert f ' ( x) = lim Δ x 0 Δ y Δ x

Mehr

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

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

Mehr

Funktionen und Stetigkeit

Funktionen und Stetigkeit Kapitel 4 Funktionen und Stetigkeit 4.1 Funktionen Definition 4.1: Eine Funktion f : D C ist eine Zuordnung f : z f(z) einer Zahl z D C zu einem Bildwert f(z) C. Der Punkt z heißt auch Urbild von f(z).

Mehr

Das Mathematikabitur. Abiturvorbereitung Infini. Autor: Claus Deser Abiturvorbereitung Mathematik 1

Das Mathematikabitur. Abiturvorbereitung Infini. Autor: Claus Deser Abiturvorbereitung Mathematik 1 Das Mathematikabitur Abiturvorbereitung Infini Autor: Claus Deser Abiturvorbereitung Mathematik 1 Gliederung Was ist eine Funktion? Welche Funktionen kennen wir? Welche Eigenschaften von Funktionen sind

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

74 Gewöhnliche Differentialgleichungen / Sommersemester 2008

74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 15 Flüsse Bisher wurde im wesentlichen die Abhängigkeit der Lösungen autonomer Systeme von der Zeit bei festem Anfangswert untersucht. Nun wird

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