Extrema von Funktionen in zwei Variablen

Größe: px
Ab Seite anzeigen:

Download "Extrema von Funktionen in zwei Variablen"

Transkript

1 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, Band 1, 17. Auflage, Sankt Gallen, Verlag Wilhelm Surbir Seiten

2 1 Einführung Zwei ökonomomische Prinzipien: 1. Maximiere den Erfolg bei gegebenen Mitteln. Erreiche einen gegebenen Erfolg mit minimalen Mitteln Allgemeines Vorgehen am Beispiel (Eindim.) Ökonomisches Problem: Wieviele Stück eines Gutes soll meine Firma produzieren, um maximalen Profit zu erreichen? Mathematische Modellierung: Kostenfunktion K(x), Erlösfunktion E(x) und Profitfunktion P(x) = E(x) K(x) Lösung des Problems: Maximiere die Funktion P(x) Grundlegende Begriffe Gegeben sei eine Funktion z = f(x, y) in zwei Variablen. Wie auch für Funktionen in einer Variablen ist es oft wichtig, lokale und globale Extremstellen (und auch Sattelpunkte) von f zu finden und deren Typ zu identifizieren. Wir unterscheiden zwei Typen von Extremwertaufgaben: Extremwertprobleme (ohne Nebenbedingungen) und Extremwertprobleme mit Nebenbedingungen: zusätzlich zur Funktion z = f(x, y) gibt es hier weitere Bedingungen an die Variablen x und y. Diese Bedingungen sollen stets Form einer (oder mehrerer) Gleichung(en) annehmen, also φ(x, y) =. Zunächst wollen wir einige wichtige Begriffe einführen. Ein Punkt (x, y ) heisst dann stationärer Punkt von f, falls dort beide partiellen Ableitungen verschwinden Der Punkt (x, y ) heisst lokales Maximum von f in der Menge S, wenn f(x, y) f(x, y ) für alle Paare (x, y) in S gilt, die hinreichend nahe an an (x, y ) liegen. Der Punkt (x, y ) heisst lokales Minimum von f in der Menge S, wenn f(x, y) f(x, y ) für alle Paare (x, y) in S gilt, die hinreichend nahe an an (x, y ) liegen. Ein stationärer Punkt (x, y ) von f, der weder ein lokales Maximum noch ein lokales Minimum ist, wird als Sattelpunkt bezeichnet.

3 3 Aufgabe 1.1 Wir betrachten die Funktion z = f(x, y) = x 4xy + y auf der Menge S = [ 3, 3] [ 3, 3]. Bestimmen Sie durch Rechnung die stationären Punkte von f in S. Kann man an der Skizze die globalen Extremwerte und Sattelpunkte ablesen? Es gilt f x (, ) = f y (, ) = 4 y 3 1 x 1 3

4 4

5 5 Lokale Extrema und Sattelpunkte auf Mengen ohne Randpunkte Sei f eine Funktion, die auf einer Menge S definiert ist, die keine Randpunkte enthält. Das wichtigste Beispiel ist hier natürlich S = R und wir wollen in diesem Abschnitt voraussetzen, dass die gegebenen Funktionen auf ganz R definiert sind. Die in diesem Abschnitt gemachten Aussagen treffen nur auf innere Punkte (x, y ) des Definitionsbereichs S von f zu. 1. Eine notwendige Bedingung für die Existenz eines lokalen Maximums oder Minimums im Punkt (x, y ) ist eine horizontale Tangentialebene, d.h. in diesem Punkt müssen beide partiellen Ableitungen verschwinden: f x (x, y ) = und f y (x, y ) =. Diese Bedingung ist aber nicht hinreichend! Beispiele: Wir betrachten das Rotationsparaboloid z = f(x, y) = 8 x y. Die Funktion hat im Punkt (, ) ein Maximum und tatsächlich gilt: f x (, ) = x (,) = f y (, ) = y (,) = x 1 y x 1 y 3

6 6 Wir betrachten das hyperbolische Paraboloid z = f(x, y) = y x. Die Funktion hat im Punkt (, ) einen Sattelpunkt, also kein lokales Extrema, und es gilt f x (, ) = x (,) = f y (, ) = y (,) =. y y x x

7 7. Für die Existenz eines lokalen Extremas an der Stelle (x, y ) ist zu fordern, dass die durch die Koordinatenachsen definierten Flächenkurven ind der Nähe des Punktes (x, y ) konkav (bzw. konvex) sind: (x, y ) lokales Maximum: f x (x, y ) =, f y (x, y ) = und f xx (x, y ) <, f yy (x, y ) < (x, y ) lokales Minimum: f x (x, y ) =, f y (x, y ) = und f xx (x, y ) >, f yy (x, y ) > Aber auch diese Bedingung ist nicht hinreichend! Beispiele: Wir betrachten wieder das hyperbolische Paraboloid z = f(x, y) = y x. Es gilt f x (, ) = x (,) = f y (, ) = y (,) = f xx (, ) = < f yy (, ) = > also hat die Funktion im Nullpunkt keine Extremstelle. y y x x

8 8 Wir betrachten die Funktion z = f(x, y) = x 4xy + y. Diese hat im Nullpunkt einen Sattel, aber es gilt f x (, ) = x 4y (,) = f y (, ) = y 4x (,) = f xx (, ) = > f yy (, ) = >. Unsere Kriterien genügen also noch nicht, um zwischen Extrema und Sattelpunkten zu unterscheiden. Insbesondere ist zu erkennen, dass es nicht genügt nur die Flächenkurvenanstiege in x- und y- Richtung zu untersuchen, auch die Zwischenrichtungen spielen eine Rolle. 4 4 y y 3 1 x x 3 4 y x

9 9 Letzendlich kommt man zu folgenden Resultaten: Satz.1 Maximum Minimum Sattelpunkt notwendige Bedingung f x = f y = f x = f y = f x = f y = hinreichende Bedingung f xx <, f yy < f xx >, f yy > f xx f yy f xy > f xx f yy f xy > f xx f yy f xy < Das notwendige Kriterium für das Vorliegen eines lokalen Extremwertes kann direkt auf Funktionen in mehreren Variablen verallgemeinert werden. Satz. Sei f eine Funktion in n reellen Variablen. Dann verschwinden in einem lokalen Extremalpunkt alle n partiellen Ableitungen.

10 Aufgabe.1 Bestimmen Sie die Extrema der Funktion f(x, y) = x + y + xy + x y. 1

11 Hausaufgabe.1 Bestimmen Sie die Extrema der Funktion f(x, y) = sin(x) cos(x) im Bereich x π, y π. 11

12 1 Hausaufgabe. Die Nachfragefunktionen für zwei Güter und die Kostenfunktion seien gegeben durch q 1 = 4 p 1 + p q = 13 + p 1 p C = q 1 + q 1 q + q. Für welche Menge (q 1, q ) erziehlt die Herstellerfirma den grössten Profit?

13 13 Aufgabe. Bestimmen Sie alle lokalen Extrema, deren Typ und alle Sattelpunkte der Funktion f(x, y) = 3x y + 4y 3 3x 1y + 1.

14 14 Aufgabe.3 Bestimmen Sie alle lokalen Extrema, deren Typ und alle Sattelpunkte der Funktion f(x, y) = x 4 + y 4 x y.

15 15 3 Globale Extrema Die Funktion f sei auf der abgeschlossenen und beschränkten Menge S definiert. Eine Menge S R heisst beschränkt, wenn sie ganz in einem Kreis enthalten ist. Aufgabe 3.1 Welche der folgenden Mengen sind beschränkt? 1. R. [, 1] 3. [, 1] (1, ) 4. { (x, y) R x + y 1 } 5. { (x, y) R x 1 }

16 16 Eine Menge S heisst abgeschlossen, wenn sie alle ihre Randpunkte enthält. abgeschlossen nicht abgeschlossen (nicht offen) nicht abgeschlossen (offen) Aufgabe 3. Welche der folgenden Mengen sind abgeschlossen? 1. [, 1). [, 1] (, 1) 3. { (x, y) R x + y 1 } 4. { (x, y) R x + y < 1 }

17 17 Satz 3.1 (Auffinden der (globalen) Extrema) Sei f eine differenzierbare Funktion auf der abgeschlossenen und beschränkten Menge S R. Wir suchen alle (globalen) Extrema von f auf S. Algorithmus: (I) Bestimmen Sie alle stationären Punkte von S im Inneren von S. (II) Bestimmen Sie den grössten und den kleinsten Wert von f auf dem Rand von S und die zugehörigen Punkte. Wenn es angebracht ist, den Rand in mehrere Teilstücke zu zerlegen, so bestimmen Sie den grössten und den kleinsten Wert auf jedem Teilstück. (III) Berechnen Sie die Werte der Funktion in allen Punkten, die Sie in (I) und (II) gefunden haben. Der grösste Funktionswert ist das (globale) Maximum von f auf S. Der kleinste Funktionswert ist das (globale) Minimum von f auf S.

18 Aufgabe 3.3 Bestimmen Sie (globalen) Extrema der Funktion f(x, y) = x + y + y 1 auf der Menge S = { (x, y) R x + y 1 } 18

19 19 4 Der Einhüllendensatz In vielen ökonomischen Problemen fällt auf, dass die zu optimierenden Funktionen nicht nur Variablen haben, über die zu maximieren oder minimieren ist, sondern auch (fest gegebene) Parameter wie z.b. Preise und Löhne. Obwohl diese Parameter meist als fest angenommen werden, kann man sich natürlich fragen, wie die berechneten Maxima bzw. Minima von der Wahl dieser Parameter abhängen. Beispiel: Nehmen wir an, dass eine Firma x Einheiten eines Gutes produziert und verkauft. Der Erlös ist dann eine Funktion des Preises p für eine Einheit des Gutes E(x) = p x und die Kosten seien durch die Kostenfunktion K(x) = x beschrieben. Hier ist p der Parameter. Der Gewinn wird dann durch die Funktion G(x) = G(x, p) = E(x) K(x) = p x x gegeben. Die Gewinnfunktion hat für x = p/ ein Maximum(prüfen Sie das nach!). Genau genommen ist x eine Funktion des Preises p, d.h. wir können x = x (p) = p/ schreiben. Auch der maximale Gewinn G = G (p) ist eine Funktion des Parameters p: G (p) = p x (x ) = p p p 4 = p 4.

20 Allgemein: Die Funktion f hänge von der (einzigen) Variablen x und einem Parameter p ab. Natürlich kann man p selbst als Variable betrachten und deshalb schreiben wir einfach f(x, p). In dieser Schreibweise ist ersichtlich, dass uns für die Untersuchung von f alle Möglichkeiten der Differentialrechnung für Funktionen in zwei Veränderlichen zur Verfügung stehen. Nun soll f bzgl. x maximiert (bzw. minimiert) werden und im Allgemeinen wird der Wert x, der f maximiert von p abhängen. Wir bezeichnen das durch x = x (p). Setzen wir x (p) in f(x, p) ein, so erhalten wir die so gemannte Optimalwertfunktion f (p) = f(x (p), p) Was geschieht mit dieser Funktion, wenn sich der Parameter p ändert? Mit der Kettenregel folgt: d dp f (p) = d dp f(x (p), p) = f 1 (x (p), p) dx (p) dp = f 1 (x (p), p) dx (p) dp + f (x (p), p) dp dp + f (x (p), p) Falls f nun ein (lokales) Extrema in einem inneren Punkt x (p) im Definitionsbereich der Variablen x hat, so gilt sicher f 1 (x (p), p) = und es folgt d dp f (p) = f (x (p), p)

21 1 Aufgabe 4.1 Überprüfen Sie diese Gleichung am vorhergehenden Beispiel. Warum,,Einhüllendensatz,,? Für feste Stückzahlen x betrachten wir die Kurven G = px x in der p-g-ebene y -1 p 1 - y -1 p

22 Diese Regel kann direkt verallgemeinert werden. Satz 4.1 Sei f(x,p) = f(x 1, x,...,x l, p 1, p,...,p m ) eine (stetig differenzierbare) Funktion, die von den Variablen x 1, x,...,x l und von den Parametern p 1, p,...,p m abhängt. Weiterhin seien wieder x (p) die Lösung des Maximierungsproblems f (p) = f(x (p),p) die Optimalwertfunktion. Dann gilt f p i (p) = f p i (x (p),p)

23 3 Aufgabe 4. Wir betrachten die Gewinnfunktion einer Firma G(K, A; p 1, p, p 3 ) = p 1 K 3/4 A 1/4 p K p 3 A wobei K und A Kapital- bzw. Arbeitsinput, p 1 der Stückpreis des produzierten Gutes und p und p 3 die Preise für Kapital und Arbeit sind. Was besagt der Einhüllendensatz, wenn Sie G bezüglich K und A maximieren?

24 4

25 Inhaltsverzeichnis 1 Einführung Lokale Extrema und Sattelpunkte auf Mengen ohne Randpunkte 5 3 Globale Extrema 15 4 Der Einhüllendensatz 19

Extrema (Funktionen mit zwei Variablen)

Extrema (Funktionen mit zwei Variablen) Extrema (Funktionen mit zwei Variablen) Vorzeigeaufgaben: WS04/05 Aufgabe 4 HS11 Aufgabe 4 a) + b) Empfohlene Bearbeitungsreihenfolge: WS05/06 Aufgabe 5 b) WS06/07 Aufgabe 4 HS10 Aufgabe 1 b) + c) HS1

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

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

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

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

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

Mengen, Funktionen und Logik

Mengen, Funktionen und Logik Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Aufgaben für die 6. Übung zur Vorlesung Mathematik 2 für Informatiker: Analysis Sommersemester 2010

Aufgaben für die 6. Übung zur Vorlesung Mathematik 2 für Informatiker: Analysis Sommersemester 2010 Aufgaben für die 6. Übung zur Vorlesung Mathematik für Informatiker: Analysis Sommersemester 00 6. Wie hat man eine reelle Zahl α > 0 so in a b 3 positive Summanden x, y, z zu zerlegen, damit fx, y x y

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

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

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

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

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

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

Z = 60! 29!31! 1,1 1017.

Z = 60! 29!31! 1,1 1017. Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der

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

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

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

Technische Universität München Zentrum Mathematik. Übungsblatt 4

Technische Universität München Zentrum Mathematik. Übungsblatt 4 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=

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

Finanzmathematik. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt

Finanzmathematik. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Finanzmathematik Literatur Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band 1, 17. Auflage,

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

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

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

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

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

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

Mathematik für Wirtschaftswissenschaftler Kapitel 4-6. Universität Trier Wintersemester 2013 / 2014

Mathematik für Wirtschaftswissenschaftler Kapitel 4-6. Universität Trier Wintersemester 2013 / 2014 Mathematik für Kapitel 4-6 Universität Trier Wintersemester 2013 / 2014 Kapitel 4 1. Extremwerte 2. Lokale Optimalpunkte 3. Wendepunkte 2 Kapitel 4.1 EXTREMWERTE 3 Extrempunkte und Extremwerte 4 Strikte

Mehr

Da der Nenner immer positiv ist, folgt. g (x) > 0 2x(2 x) > 0 0 < x < 2 g (x) < 0 2x(2 x) < 0 x < 0 oder x > 2

Da der Nenner immer positiv ist, folgt. g (x) > 0 2x(2 x) > 0 0 < x < 2 g (x) < 0 2x(2 x) < 0 x < 0 oder x > 2 Da der Nenner immer positiv ist, folgt g (x) > 0 x( x) > 0 0 < x < g (x) < 0 x( x) < 0 x < 0 oder x > Also ist g auf (0,) streng monoton wachsend sowie auf (,0) und auf (, ) strengmonotonfallend.außerdemistg

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

Prüfungsklausur Mathematik II für Wirtschaftsingenieure,

Prüfungsklausur Mathematik II für Wirtschaftsingenieure, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Wirtschaftsingenieure, 06.07.2015 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 5 6 7 8 gesamt erreichbare

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

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

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

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

Mathematik für Wirtschaftswissenschaftler II (Analysis) 2. Klausur Sommersemester

Mathematik für Wirtschaftswissenschaftler II (Analysis) 2. Klausur Sommersemester Mathematik für Wirtschaftswissenschaftler II (Analysis) 2. Klausur Sommersemester 2011 30.09.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................

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

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

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

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

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

Fehlerfortpflanzung & Extremwertbestimmung. Folie 1

Fehlerfortpflanzung & Extremwertbestimmung. Folie 1 Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit

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

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

Höhere Mathematik III für Wirtschaftsinformatiker

Höhere Mathematik III für Wirtschaftsinformatiker 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

Mehr

Folgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt

Folgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen Dr. Thomas Zehrt Folgen und Reihen Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band, 7. Auflage,

Mehr

Funktionen in zwei Variablen

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

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

Studiengang (Zutreffendes bitte ankreuzen):

Studiengang (Zutreffendes bitte ankreuzen): Prof. Dr. Ulrich Schwalbe Sommersemester 2006 Klausur Mikroökonomik Matrikelnummer: Studiengang (Zutreffendes bitte ankreuzen): SozÖk Sozma AÖ WiPäd Wiwi Prof. Dr. Ulrich Schwalbe Sommersemester 2006 Klausur

Mehr

Aufgabe des Monats Januar 2012

Aufgabe des Monats Januar 2012 Aufgabe des Monats Januar 2012 Ein Unternehmen stellt Kaffeemaschinen her, für die es jeweils einen Preis von 100 Euro (p = 100) verlangt. Die damit verbundene Kostenfunktion ist gegeben durch: C = 5q

Mehr

Aufgabe des Monats Mai

Aufgabe des Monats Mai Aufgabe des Monats Mai 2013 1 Ein Monopolist produziere mit folgender Kostenfunktion: K(x) = x 3 12x 2 + 60x + 98 und sehe sich der Nachfragefunktion (Preis-Absatz-Funktion) p(x) = 10, 5x + 120 gegenüber.

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung In der linearen

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

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

26. Höhere Ableitungen

26. Höhere Ableitungen 26. Höhere Ableitungen 331 26. Höhere Ableitungen Im letzten Kapitel haben wir gesehen, wie man für Abbildungen zwischen mehrdimensionalen Räumen das Konzept der Differenzierbarkeit definieren und für

Mehr

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Basiswissen Rheinland-Pfalz. Übungsbuch für den Grund- und Leistungskurs mit Tipps und Lösungen

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Basiswissen Rheinland-Pfalz. Übungsbuch für den Grund- und Leistungskurs mit Tipps und Lösungen H. Gruber, R. Neumann Erfolg im Mathe-Abi Basiswissen Rheinland-Pfalz Übungsbuch für den Grund- und Leistungskurs mit Tipps und Lösungen Vorwort Vorwort Erfolg von Anfang an Dieses Übungsbuch ist auf die

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren

Mehr

1 Maximierung ohne Nebenbedingungen

1 Maximierung ohne Nebenbedingungen VWL III 1-1 Prof. Ray Rees 1 Maximierung ohne Nebenbedingungen Literatur: Schulbücher zur Mathematik ab der 10. Klasse Hoy et.al. (2001), Chapter 4-6, 11, 12. Chiang (1984), Chapter 9-11. Binmore (1983),

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

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

Differentialrechnung

Differentialrechnung Dr. Heidemarie Borgwadt Differentialrechnung Springer Fachmedien Wiesbaden 1994 Ursprünglich erschienen bei Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1994. Lektorat: Annegret Dorn

Mehr

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015 Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum

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

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt: Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

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

Mehr

Mathematik für Ökonomen 1

Mathematik für Ökonomen 1 Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen

Mehr

B.7 Kurzzusammenfassung zum Thema Kurvendiskussion

B.7 Kurzzusammenfassung zum Thema Kurvendiskussion B.7 Kurzzusammenfassung zum Thema Kurvendiskussion B.7.a Übersicht Charakteristische Punkte/Verläufe einer Kurve Eine Funktion bzw. Gleichung wird üblicherweise auf folgende charakteristische Punkte analysiert:

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

Lösungen der Probe-Vorklausur 1. Lösungen der Probe-Vorklausur 2

Lösungen der Probe-Vorklausur 1. Lösungen der Probe-Vorklausur 2 Bei allen Aufgaben muss der Rechenweg erkennbar sein (auch beim Bruchrechnen mindestens Zwischenschritt). Ohne Rechnung gibt es auch bei richtigem Ergebnis keine Punkte. Lösungen der Probe-Vorklausur Aufgabe

Mehr

LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 13. Übung/Lösung Mathematik für Studierende der Biologie

LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 13. Übung/Lösung Mathematik für Studierende der Biologie LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Andreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.de Department Biologie II Telefon: 89-8-748 Großhadernerstr. Fax:

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

Das Optimierungsverfahren mit Lagrange-Multiplikatoren. Robert Koschig (www.massmatics.de), 09/2012

Das Optimierungsverfahren mit Lagrange-Multiplikatoren. Robert Koschig (www.massmatics.de), 09/2012 Das Optimierungsverfahren mit Lagrange-Multiplikatoren Robert Koschig www.massmatics.de, 9/ Inhaltsverzeichnis Motivation. Wo taucht so etwas auf?...................................... Was ist das Problem?......................................

Mehr

Übungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 2: Analysis. Sommersemester

Übungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 2: Analysis. Sommersemester Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil 2: Analysis Sommersemester Folgen und Reihen Aufgabe 1 Ein Betrieb erreiche im ersten Jahr einen Umsatz von 120 Mio e. Der

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

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

Mathematik I für Wirtschaftswissenschaftler Klausur am 08.06.2004, 15.45 17.45.

Mathematik I für Wirtschaftswissenschaftler Klausur am 08.06.2004, 15.45 17.45. Mathematik I für Wirtschaftswissenschaftler Klausur am 8.6.4, 5.45 7.45. Bitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben. b) Lösungswege und Begründungen sind anzugeben. Die

Mehr

6 Übungsaufgaben. 6.1 Übungsaufgaben zu Kapitel ÜBUNGSAUFGABEN

6 Übungsaufgaben. 6.1 Übungsaufgaben zu Kapitel ÜBUNGSAUFGABEN 0 6 ÜBUNGSAUFGABEN 6 Übungsaufgaben In diesem Kapitel sind Übungsaufgaben zusammengestellt, die den Stoff der Vorlesung vertiefen und die für Prüfungen erforderliche Praxis und Schnelligkeit vermitteln

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

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

Übungsserie 11: bedingte Extremwerte

Übungsserie 11: bedingte Extremwerte HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Wirtschaftsmathematik II Funktionen mit mehreren Variablen Mathematik für Wirtschaftsingenieure - Übungsaufgaben Übungsserie 11: bedingte Extremwerte

Mehr

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass

Mehr

Mathematik-Klausur vom 28.01.2008

Mathematik-Klausur vom 28.01.2008 Mathematik-Klausur vom 28.01.2008 Studiengang BWL PO 1997: Aufgaben 1,2,3,4 Dauer der Klausur: 90 Min Studiengang B&FI PO 2001: Aufgaben 1,2,3,4 Dauer der Klausur: 90 Min Studiengang BWL PO 2003: Aufgaben

Mehr

4.1.0 Extremwerte: Absolute und relative Maxima und Minima

4.1.0 Extremwerte: Absolute und relative Maxima und Minima FHW, ZSEBY, ANALYSIS - 8-4. Optimierung 4.0 Beispiele 4.0.1 Lagerhaltung Die Firma Blattlaus benötigt pro Jahr 36000 Blautannen, die sie bisher in 6 Lieferungen a 6000 Tannen bezieht und lagert. Die Kosten

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

Wurzelfunktionen Aufgaben

Wurzelfunktionen Aufgaben Wurzelfunktionen Aufgaben. Für jedes k (k > 0) ist die Funktion f k (x) = 8 (x k ) kx, 0 x gegeben. a) Untersuchen Sie die Funktion f k auf Nullstellen und Extrema. Ermitteln Sie lim f k(x) sowie für 0

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

3 Optimierung mehrdimensionaler Funktionen f : R n R

3 Optimierung mehrdimensionaler Funktionen f : R n R 3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)

Mehr

Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011

Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011 Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011 Studiengang BWL DPO 2003: Aufgaben 2,3,4 Dauer der Klausur: 60 Min Studiengang B&FI DPO 2003: Aufgaben 2,3,4 Dauer der Klausur:

Mehr

Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker

Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker Übungsblatt Musterlösung Fachbereich Rechts- und Wirtschaftswissenschaften Wintersemester 06/7 Aufgabe (Definitionsbereiche) Bestimme

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

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

Formelsammlung Wirtschaftsmathematik

Formelsammlung Wirtschaftsmathematik Formelsammlung Wirtschaftsmathematik Strobel Stefan 29. Januar 2006 Inhaltsverzeichnis I. Mathematik 2 1. Umrechnung von Dezimalzahlen in Brüche 2 2. Differentiationsregeln 2 2.1. Summenregel..................................

Mehr

Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang:

Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Bitte bearbeiten Sie alle zehn

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

Mehr

Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung

Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung Jörn Loviscach Versionsstand: 29. Juni 2009, 18:41 1 Partielle Ableitungen, Gradient Die Ableitung einer Funktion f an einer

Mehr

Differenzial- und Integralrechnung II

Differenzial- und Integralrechnung II Differenzial- und Integralrechnung II Rainer Hauser Dezember 011 1 Einleitung 1.1 Ableitung Die Ableitung einer Funktion f: R R, x f(x) ist definiert als f (x) = df(x) dx = d f(x + h) f(x) f(x) = lim dx

Mehr

(Unvollständige) Zusammenfassung Analysis Grundkurs

(Unvollständige) Zusammenfassung Analysis Grundkurs (Unvollständige) Zusammenfassung Analysis Grundkurs. Ableitungs und Integrationsregeln (Folgende 0 Funktionen sind alles Funktionen aus dem Zentralabitur Grundkurs.) a) f(t) = 0,0t e 0,t b) f(t) = t 3

Mehr

Mathemathik-Prüfungen

Mathemathik-Prüfungen M. Arend Stand Juni 2005 Seite 1 1980: Mathemathik-Prüfungen 1980-2005 1. Eine zur y-achse symmetrische Parabel 4.Ordnung geht durch P 1 (0 4) und hat in P 2 (-1 1) einen Wendepunkt. 2. Diskutieren Sie

Mehr

Mathematik-Klausur vom 08.02.2012 Finanzmathematik-Klausur vom 01.02.2012

Mathematik-Klausur vom 08.02.2012 Finanzmathematik-Klausur vom 01.02.2012 Mathematik-Klausur vom 08.02.2012 Finanzmathematik-Klausur vom 01.02.2012 Studiengang BWL DPO 2003: Aufgaben 2,3, Dauer der Klausur: 60 Min Studiengang B&FI DPO 2003: Aufgaben 2,3, Dauer der Klausur: 60

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