SEMINAR Die konjugierte Funktion. Barbara Pisanec
|
|
- Steffen Reuter
- vor 7 Jahren
- Abrufe
Transkript
1 SEMINAR Die konugierte Funktion Barbara Pisanec 10. Mai 2006
2 Einleitung Mein Seminar handelt von der so genannten konugierten Funktion, ihren grundlegenden Eigenschaften und zugehörigen Rechenregeln (und zwar alles im Eindimensionalen). Die Nummerierung entspricht der des Buches Convex Analysis and Minimization Algorithms Band I von Jean-Baptiste Hiriart-Urruty und Claude Lemaréchal, aus dem auch die Grundlage des Textes sowie die Abbildungen und stammen. Vorab noch ein paar Definitionen und Bezeichnungen, die im Verlauf des Textes benötigt werden: Definitionsbereich von f: dom(f) := {x R : f(x) R} Inneres von dom(f): int(dom(f)) f konvex x, y, λ (0, 1) : f(λx + (1 λ)y) λf(x) + (1 λ)f(y) Graph von f: gr(f) := {(x, r) : x R und r = f(x)} Epigraph von f: epi(f) := {(x, r) : x R und r f(x)} Conv(R) = {f : epi(f) ist eine konvexe Menge über R R} f Conv(R), abgeschlossen lim inf x x0 f(x) f(x 0 ) x 0 R Conv(R) = {f : f ist abgeschlossen und konvex } Abschluss von f: cl(f) := sup s,r {sx r : sy r f(y) y R} Konvexe Hülle von f = co(f) g minorisiert f g(x) f(x) x R Involution = selbstinverse Abbildung (z.b. x x, x 1 x ) s Subgradient von f s f = {s : f(y) f(x) + s T (y x) y R} f 1-koerziv f(x) x + für x Infimalfaltung: (f 1 + f 2)(x) := inf{f 1 (x 1 ) + f 2 (x 2 ) : x 1 + x 2 = x} 1
3 6.0 Einführung in die Theorie der konugierten Funktionen DEFINITION Für s R wird die konugierte Funktion von f definiert durch s f (s) := sup {sx f(x) : x dom(f)}. (6.0.1) In der Literatur ist die Konugierte auch bekannt unter den Bezeichnungen Fenchel-Transformierte, (benannt nach dem deutschen Mathematiker Moritz Werner Fenchel ( 03. Mai 1905, 24. Januar 1988)), Legendre-Fenchel- Transformierte, Young-Fenchel-Transformierte, oder (etwas differenzierter) konugiert konvexe Funktion, konugiert konkave Funktion (f (x, s) = inf y {s T y f(x, y) : y R}) oder auch Polfunktion. Da sx eine endliche Zahl ist, kann x ganz R durchlaufen dadurch wird das Supremum nicht geändert; statt (6.0.1) kann man nun die wesentlich einfachere Form schreiben: f (s) = sup [sx f(x)]. (6.0.2) x R BEMERKUNG Man kann (6.0.2) auch noch weiter umformen, und gelangt so zum folgenden (gegenteiligen) Ausdruck: inf [f(x) sx], (6.0.3) x eine Zahl, die sicherlich nicht + ist. Folglich nimmt das Gegenteil f (s) Werte in R {+ } an. Außerdem wird f (s) als eine konvexe Funktion von s gesehen (dazu später mehr). In der Tat bedeuten (6.0.1), (6.0.2) - oder auch (6.0.3): f (s) = sup {sx r : (x, r) epi(f)}. (6.0.4) Diese letzte Schreibweise hat zwei Vorteile: Sie unterdrückt zum einen die f(x) Operation; und zum anderen (und sehr viel wichtiger): Sie interpretiert die Konugations Operation als das Supremum einer linearen Funktion [l s (x, r) := sx r] über einer abgeschlossen konvexen Menge im R 2. (6.0.4) zu berücksichtigen ist edoch ziemlich schwer; die Versionen (6.0.1) oder (6.0.2) werden im Allgemeinen vorgezogen. Von (6.0.4) kann man aber die geometrische Interpretation übernehmen. Dafür betrachtet man für gegebene s und r die affine Funktion a s,r, definiert durch x a s,r = sx r (x R), und die zugehörige Gerade gr(a s,r ) im R 2. Aufgrund der Geometrie eines Epigraphen gibt es zwei Arten von r für ein gegebenes s: Solche, die klein genug 2
4 sind, so dass a s,r f gilt; und ene, die so groß sind, dass a s,r (x) > f(x) für einige x gilt. Ihre gemeinsame Grenze ist das spezielle r = f (s), und zwar wenn die Gerade gr(a s,r ) über epi(f) liegt, oder epi(f) stützt. Ein Spezialfall ist s = 0; hier erhält man: f (0) = inf {f(x) : x R}. (6.0.5) Für ein Minimierungsproblem betrachtet man generell das Verhalten von f(x) für x, da dies auch wichtig für die Bestimmung von dom(f) ist. Seien x 0 dom(f) und s f(x 0 ); dann bildet die entsprechende optimale Gerade gr(f) eine Tangente an den Punkt (x 0, f(x 0 )), mit f (s) = sx 0 f(x 0 ) für das gegebene s BEISPIEL: exp(x) Um nun einen kleinen Eindruck von einer Funktion und ihrer Konugierten zu bekommen, hier ein Beispiel: f(x) = exp(x) f (s) = sup x [sx exp(x)] Definiere h(x) := sx exp(x). h (x) = s exp(x). h (x) =! 0 s = exp(x) ln( s ) = x. f (s) = s ln( s ) exp(ln( s )) = s ln( s ) s, d.h. s ln(s) s, s > 0, f (s) = 0, s = 0,, s < 0. ( dom(f) und dom(f ) müssen nicht unbedingt übereinstimmen.) 3
5 Wird die Konugierte von f noch einmal konugiert, erhält man als Ergebnis die Bikonugierte von f: f (x) := (f ) (x) = sup {sx f (s) : s dom(f )}. Die Transformation f f ist die (eindimensionale Version der) so genannten Fenchel-Transformation, und ist eng verwandt mit der Legendre- Transformation (wofür allerdings die Differenzierbarkeit der Funktion vorausgesetzt wird). 4
6 6.1 Basis-Eigenschaften der Konugierten Die Definition (6.0.1) impliziert direkt die folgende Relation: sx f(x) + f (s) x dom(f), s dom(f ), (6.1.1) (auch Young-Fenchel-Ungleichung oder Fenchel-Young-Ungleichung genannt) SATZ Sei f Conv(R). Dann gilt: die Konugierte von f ist eine abgeschlossene konvexe Funktion (also f Conv(R)), die Bikonugierte von f bildet ihren Abschluss (d.h. f = cl(f)). BEWEIS Die Funktion f nimmt nach Konstruktion ihre Werte in R { } an. Der Definitionsbereich ist nicht leer. Um die Konvexität und Abgeschlossenheit zu zeigen, bastelt man sich am besten eine Familie (f ) J von abgeschlossenen konvexen Funktionen, so dass ein x 0 R mit sup J f (x 0 ) < + existiert. Dann gilt für f = sup J f : f Conv(R). Jetzt braucht man die Form (6.0.4) um f zu definieren: f (x) = sup s,r {sx r : r f (s)}. (6.1.2) Nach Definition von f bedeutet r f (s) das gleiche wie y dom(f) : r sy f(y) d.h. sy r f(y) Mit anderen Worten, (6.1.2) kann folgendermaßen geschrieben werden: f (x) = sup s,r was äquivalent zum Ausdruck cl(f) ist. {sx r : sy r f(y) y dom(f)} Wenn man eine Funktion f konugiert, betrachtet man die Menge aller affinen Funktionen, die sie minorisiert. Dies ist ebenso die Menge aller affinen Funktionen, die cl(f) minorisieren. Es folgt, dass f und cl(f) die gleiche Konugierte haben: Ab etzt gilt also, dass die konvexe Funktion f abgeschlossen ist. Dann zeigt die Beziehung f = f (auch bekannt unter dem Satz von Fenchel-Morau), dass die Legendre-Fenchel-Transformation eine Involution in Conv(R) ist (d.h. selbstinverse Abbildung: f 1 = f) SATZ Sei f Conv(R). Dann gilt: sx = f(x) + F (s) x dom(f), s f(x) (6.1.3) s f(x) x f (s) (6.1.4) 5
7 BEWEIS Es gilt: f (s) = inf {f(x) sx : x R} Definiert man sich eine Funktion g s : x f(x) sx aus ConvR, so hat diese ihr Infimum in x 0 g(x), d.h. f (s) = f(x) sx s f(x). Dies impliziert, dass s dom(f ) ist, und kann wie in (6.1.3) geschrieben werden. Wird das gleiche Ergebnis auf f (abgeschlossen) angewandt, erhält man was wieder (6.1.3) ergibt, da f = f. x f (s) sx = f (s) + f (s), Die Eigenschaft (6.1.3) besagt, dass die Paare (x, s) R 2, für welche die Ungleichung von Young-Fenchel (6.1.1) zur Gleichung wird, exakt den Graphen von f bilden. Im Hinblick auf (6.1.4) erhält man also die Abbildung f durch Invertieren von f, d.h. durch Spiegelung des Graphen an der Geraden s = x (siehe FIGUR (6.1.1)) BEMERKUNG Die obige Umkehr-Eigenschaft zeigt einen neuen und viel nützlicheren Weg auf, die Konugierte zu berechnen: Man differenziert f um f zu erhalten, invertiert dann das Ergebnis und integriert es, um f (bis auf eine additive Konstante) zu erhalten. Kurz gesagt: Df und Df sind zueinander invers. 6
8 6.2 Differenzieren der Konugierten In diesem Abschnitt wird nun versucht, die folgende Frage zu beantworten: Welche Differentiationsmöglichkeiten können von f erwartet werden und braucht man dafür von f etwas mehr als nur Konvexität? Sei s 0 int(dom(f )). Betrachte die Aussage Nach SATZ bedeutet dies f ist differenzierbar in s 0. eindeutige Lösung für die Gleichheit (in x) : f(x) s 0, (6.2.1) was durch die Schlüsseleigenschaft f ist monoton wachsend im Definitionsbereich, (6.2.2) impliziert wird (in dem Sinne, dass f(x 1 ) < f(x 2 ) für x 1 < x 2 ). Diese letzte Eigenschaft ist äquivalent zu f ist streng konvex (6.2.3) Damit erhalten wir: SATZ Sei f streng konvex. Dann ist f differenzierbar im Inneren des Definitionsbereichs und s int(dom(f )) gilt: wobei x(s) die eindeutige Lösung von ist. BEWEIS Df (s) = x(s), s f(x) oder sx f(x) = f (s) oder min x [f(x) sx] Dass f differenzierbar in int(dom(f )) ist, folgt aus der obigen Aussage. Definiere nun g(x, s) := f(x) + f (s) sx und sei für beliebige x, s R : g(x, s) 0. Dann erhält man für gegebene x, s R mit sx = f(x) + f (s) (d.h. g(x, s) = 0) das Minimum von g. Fixiert man s = s 0, so ist g(x, s 0 ) nach x differenzierbar mit 0 = d dx g(x, s 0) = f (x) s, also ist s f(x). Analog für x: Sei f in s differenzierbar. Fixiert man nun x = x 0, dann ist g(x 0, s) nach s differenzierbar mit 0 = d ds g(x 0, s) = f (s) x, also ist x = f (s). 7
9 BEMERKUNG Die Umkehrung von SATZ gilt nicht, wenn f im Inneren des Definitionsbereichs differenzierbar ist, aber f nicht streng konvex. Ein Gegenbeispiel: { 1 f(x) := 2 x2, x 1 x 1, (6.2.4) 2, x 1 und ihre Konugierte: { 1 f (s) = 2 s2, s s2 + 1 [ 1,1] (s) = +, s > 1. Die einzige Erklärung dafür ist, dass (6.2.2) nicht aus (6.2.1) folgt. Genauer gesagt, verschiedene x 1 und x 2 dürfen einen nicht-leeren Durchschnitt f(x 1 ) f(x 2 ) s 0 haben, sofern s 0 Rand(dom(f )). Einige zusätzlichen Annahmen sind also notwendig, um einen solchen Fall auszuschließen SATZ Sei f : R R streng konvex, differenzierbar und 1-koerziv (d.h. f(x) x Dann gilt: (i) f besitzt die gleichen Eigenschaften, und s R: (ii) es existiert eine eindeutige Lösung der Gleichung Df(x) = s, (iii) f (s) = s(df) 1 (s) f((df) 1 s). + ). BEWEIS Als erstes fordert man, dass die 1-Koerzivität von f (welche äquivalent zu f (1) = f ( 1) = + mit f (d) f(x := lim 0+td) f(x 0) t + t ist) bedeutet: Tatsächlich gilt für x > 0: lim Df(x) = x + Df(x) lim x f(x) f(0). x Df(x) = + Für x + konvergiert die rechte Seite gegen f (1); f (1) = + impliziert also Df(x) +. Um die Umkehrung zu zeigen, sei x + in der Ungleichung Df(x) f(x + 1) f(x) f (1), welche aus der Eigenschaft der wachsenden Steigung stammt. Der gleiche Beweis funktioniert analog für x und begründet die obige Forderung. Aufgrund der Äquivalenz zwischen (6.2.2) und (6.2.3) sieht man, dass Df eine Biektion von R auf R ist; ihre Umkehrung (Df) 1 = Df ist ebenfalls eine. Damit folgt die Behauptung. 8
10 6.2.3 BEISPIEL: cosh(x) Die Funktion f(x) = cosh(x) erfüllt die Voraussetzungen von SATZ Die Inverse zu Df(x) = sinh(x) ist Df (s) = (sinh) 1 (s). Man erhält ohne weiteres eine Veranschaulichung von (iii): f (s) = s(sinh) 1 (s) 1 + s 2. Die 1-Koerzivität von f, die durch (i) impliziert wird, ist edoch auf den ersten Blick nicht sichtbar. Man betrachte nun das (komplexere) Problem der zweifachen Differentiation von f : BEISPIEL Die folgende Funktion ist konvex, 1-koerziv und überall zweimal differenzierbar: { 0, falls x 1, f(x) = 1 3 ( x 1)3, sonst. Dennoch existiert von f (s) = 2 3 s s in s = 0 noch nicht einmal die erste Ableitung. (Es existieren viele weitere Beispiele, die verdeutlichen können, dass sich die Differenzierbarkeit von f nicht immer auf f überträgt. Diese würden edoch den Rahmen dieses Seminars sprengen.) 9
11 Der tiefere Grund hierfür ist, dass das Konzept von f den gesamten Definitionsbereich von f betrachtet, also einen globalen Charakter hat. Daher ist die Glattheit von f eine trickreiche Angelegenheit SATZ Angenommen, f Conv(R) ist zweimal differenzierbar in x 0 mit D 2 f(x 0 ) > 0. Dann ist f ebenso zweimal differenzierbar in s 0 = Df(x 0 ) und es gilt: BEWEIS D 2 f (s 0 ) = 1 D 2 f(x 0 ). Als erstes fordert man, dass f differenzierbar in s 0 mit Ableitung x 0 ist. Tatsächlich ist x 0 f (s 0 ) nach (6.1.4). Bleibt noch für beliebiges x f (s) zu zeigen: x x 0 1 s s 0 D 2 f(x 0 ) > 0 für s s 0. Dazu benutzt man, dass aus s f(x) und mit Hilfe des Differenzenquotienten der zweiten Ableitung folgt: also: f(x + h) Df(x) h h 0 D 2 f(x), s s 0 x x 0 D 2 f(x 0 ). Mit x x 0 und D 2 f (s 0 ) = s s 0 folgt die Behauptung. Als Resultat lässt sich die folgende Vermutung aufstellen: f Conv(R) ist überall in int(dom(f)) zweimal differenzierbar mit D 2 f > 0. Dann besitzt f die gleichen Eigenschaften, edoch nur in der Bildmenge Df(int(dom(f)). Eine einseitige Version von SATZ kann ebenso wie in SATZ geschrieben werden. Die globale Version, die man durch die C 1 -Parametrisierung von SATZ 6.2.1: Df = (Df) 1, erhält, lautet: KOROLLAR Angenommen, f ist 1-koerziv, zweimal differenzierbar in R und überall gilt D 2 f > 0. Dann besitzt f die gleichen Eigenschaften und es gilt: D 2 f = 1 D 2 f (Df) 1 10
12 BEWEIS Der Beweis ist analog zum Beweis von SATZ Zur Illustration siehe BEISPIEL 6.2.3: D 2 f(x) = cosh(x) und D 2 f (s) = 1 + s 2. 11
13 6.3 Rechenregeln Der letzte Abschnitt befasst sich schließlich mit dem Effekt einiger Operationen auf die konugierte Funktionen genauer gesagt mit der Infimal-Faltung und der Abschluß-Konvexifizierung SATZ Seien f 1 und f 2 zwei (abgeschlossene) konvexe Funktionen, die von einer gemeinsamen affinen Funktion minorisiert werden. Dann gilt: BEWEIS Für s R gilt: BEMERKUNG (f 1 + f 2) = f 1 + f 2 (6.3.1) + (f 1 2) (s) = sup {sx inf 1(x 1 ) + f 2 (x 2 )]} x x 1+x 2=x = sup x 1+x 2=x [s(x 1 + x 2 ) f 1 (x 1 ) f 2 (x 2 )] = sup x 1,x 2 [s(x 1 + x 2 ) f 1 (x 1 ) f 2 (x 2 )] = sup x 1 [sx 1 f 1 (x 1 )] + sup x 2 [sx 2 f 2 (x 2 )] = f 1 (s) + f 2 (s) Ein weiteres Resultat ist: Wenn f 1 und f 2 zwei abgeschlossene konvexe Funktionen sind und in einem gemeinsamen Punkt endlich sind, dann gilt: (f 1 + f 2 ) = f 1 + f 2. (6.3.2) Um dies zu beweisen, überprüft man, ob die zwei Funktionen f 1 und f 2 die Voraussetzungen von SATZ erfüllen, und ob ihre Konugierten f 1 und f 2 sind; hieraus folgt dann: (f 1 + f 2 ) = f 1 + f 2. Berechnet man nun die Konugierte von beiden Seiten, bekommt man direkt (6.3.2), da die Infimal-Faltung (zumindest im Eindimensionalen) abgeschlossen ist. In höheren Dimensionen können edoch Schwierigkeiten bei der Ausführung von (6.3.2) auftreten, da dort die Abgeschlossenheit der Infimal-Faltung nicht mehr gewährleistet ist. Betrachtet man erneut den Spezialfall s = 0, so erhält man die folgende interessante Beziehung: inf [f 1(x1) + f 2 (x)] = (f 1 + f 2 ) (0) x R = inf s R [f 1 (s) + f 2 ( s)], 12
14 welche als (die eindimensionale Version von) Fenchel s Dualitäts-Theorem bekannt ist aber auch hier gilt dies nicht für mehrere Variablen. Die Formulierungen (6.3.1) und (6.3.2) zeigen, dass die Addition von Funktionen und ihre Infimal-Faltung zueinander duale Operationen sind. Die Supremums- Operation ist komplexer: Sie ist dual zu einer Operation, die bisher noch nicht vorgekommen ist, nämlich die Berechnung der abgeschlossenen konvexen Hülle einer nicht-konvexen Funktion. In der Tat ist die Konvexität von f keineswegs notwendig, um die Konugierte (6.0.1) zu definieren. Allerdings braucht man hierfür noch gewisse Voraussetzungen. Das Ergebnis ist sinnvoll, sobald gilt: (i) f ist nicht identisch + (sonst wäre f ) (ii) f wird minorisiert von einigen affinen Funktionen (sonst wäre f + ). Kurz gesagt: Die Konugations-Operation kann perfekt auf ede Funktion f angewendet werden, die die Bedingungen (i) und (ii) erfüllt. Betrachtet man nochmal den Beweis zu SATZ 6.1.1, sieht man, dass die Bikonugierte von f das punktweise Supremum von allen affinen Funktionen ist, die f minorisieren. Der Eipgraph von f erscheint als die konvexe Hülle von epi(f) (wie in FIGUR angedeutet). Im Hinblick auf diese Bemerkung kann nun eine bessere Notation benutzt werden: f = cl(co(f)) = cof. (6.3.3) Diese letzte Funktion erscheint als die Abschluss-Konvexifizierung von f, d.h. die größte abgeschlossene und konvexe Funktion, die f minorisiert (normalerweise gilt: cof f) SATZ Sei {f } J eine Folge von Funktionen nicht identisch +, die alle von einer gemeinsamen affinen Funktion minorisiert werden. Dann erfüllt die Funktion f := inf J f die Bedingungen (i) und (ii), und ihre Konugierte ist (inf f ) = sup(f ). (6.3.4) 13
15 BEWEIS Zu (i): Zu (ii): f + J = inf f < +. Zu (6.3.4): J : f wird minorisiert von einer gemeinsamen affinen Funktion = inf f wird minorisiert von einer affinen Funktion. sup [f ] = sup = sup x = sup x = sup x = (inf [sup x [sup [sx + sup [sx inf [f ]) [sx f ]] [sx f ]] [ f ]] [f ]] KOROLLAR Sei {g } J eine Folge von Funktionen in Conv(R), und es werde angenommen, dass ein x 0 mit sup J g (x 0 ) < + existiert. Dann gilt: BEWEIS (sup g ) = co(inf g ) SATZ angewandt auf f = g ergibt (inf g ) = sup g = sup g. Die Behauptung folgt aus (6.3.3), wenn von beiden Seiten die Konugierte berechnet wird BEISPIEL: Minimierungsproblem Gegeben seien zwei beliebige Funktionen ϕ und c aus der gleichen beliebigen Menge Y aus R. Betrachte die (abgeschlossene und konvexe) Funktion R x g(x) := sup {xc(y) ϕ(y) : y Y }, (6.3.5) wobei angenommen wird, dass g(x 0 ) < + für einige x 0 R gilt. Mit Hilfe der Notation g y (x) := xc(y) ϕ(y) y Y, x R 14
16 kann SATZ anwendet werden, um g zu berechnen. Man erhält direkt g (s) = co [ inf y Y g y(s)], (6.3.6) so dass die Konugierte von eder Funktion g y einfach zu bestimmen ist: { gy(s) ϕ(y), s = c(y) = sup x [(s c(y))x + ϕ(y)] = +, sonst. Diese Berechnung ist in der Optimierung von Interesse: Betrachte das (abstrakte) Minimierungsproblem mit einer Nebenbedingung inf ϕ(y) c(y)=s, y Y (6.3.7) Hier ist die rechte Seite der Nebenbedigung durch s R parametrisiert. Der optimale Wert ist eine Funktion mit einem Parameter, etwa P (s) (gewöhnlich die Werte-Funktion oder auch Rand-Funktion genannt). Diese Funktion kann umgeschrieben werden: P (s) = inf {g y(s) : y Y }. Man bedenke, dass P keine spezielle Struktur besitzt, da keine Voraussetzungen an Y, ϕ, c gestellt wurden, außer dass g + (in (6.3.5)). Nichtsdestotrotz besagt (6.3.6), dass die abgeschlossene konvexe Hülle von P die Konugierte von g ist: g = co(p ). Insbesondere wenn P abgeschlossen und konvex ist, erhält man aus (6.0.5): In Anlehnung an (6.3.7) bedeutet dies: inf g = g (0) = P (0). sup inf [ϕ(y) xc(y)] = inf{ϕ(y) : c(y) = 0} x R y Y Die abgeschlossene konvexe Hülle einer Funktion ist ein wichtiges Obekt für die Optimierung, obwohl sie nicht einfach zu berechnen ist. Ein Grund dafür ist, dass die Minimierung von f bzw. die Minimierung von co(f) äquivalente Probleme sind im folgenden Sinne: x minimiert f [x minimiert co(f) und co(f(x)) = f(x)] Es kann sogar noch mehr gezeigt werden: THEOREM Sei f : R R eine differenzierbare Funktion mit Ableitung Df. Dann gilt: x minimiert f über R Df(x) = 0 und co(f(x)) = f(x), in diesem Falle ist co(f) differenzierbar und minimal in x. 15
17 BEWEIS Die Bedingung Df(x) = 0 ist bekanntlich notwendig, um die differenzierbare Funktion f zu minimieren. Mehr noch: Die (konstante) affine Funktion, definiert durch l(x) f(x), minimiert f (da l co(f(x))) und stimmt mit f in x überein (da l(x)) = co(f(x)). Umgekehrt: x erfülle Df(x) = 0 und co(f(x)) = f(x). Da co(f) f, gilt nun: co(f(x + h)) co(f(x)) h Sei h 0, dann erhält man: f(x + h) f(x) h h > 0. D + co(f(x)) Df(x) = 0 f(x) f(x (mit D + f(x 0 ) := lim 0) f(x) f(x x x0 x x 0 und D f(x 0 ) := lim 0) x x0 x x 0 ). Auf der anderen Seite erfüllt die konvexe Hülle co(f) die Bedingung D co(f) D + co(f); damit gilt Dco(f(x)) = 0 und cof ist minimal in x, ebenso wie f. Damit x (= stationärer Punkt von f) auch ein Minimum von f ist, muss co(f(x)) = f(x) erfüllt sein. Das Beispiel in FIGUR hilft beim Verstehen der letzten Eigenschaft: Die Funktion (x 2 1) hat die Minima ±1, und 0 ist ausgeschlossen. Es ist bemerkenswert, dass die Bedingung Df(x) = 0 rein lokal ist und keinen Hinweis zur Minimalität von x gibt, geschweige denn zur Maximalität. Angenommen, f habe nur eine einseitige Ableitung; wenn die stationäre Bedingung Df(x) = 0 ersetzt wird durch D f(x) 0 D + f(x), dann gilt THEOREM nicht mehr (siehe den rechten Teil von FIGUR 6.3.1). Im Gegensatz dazu hat die Bedingung co(f(x)) = f(x) globalen Charakter. 16
18 Inhaltsverzeichnis 6.0 Einführung in die Theorie der konugierten Funktionen BEMERKUNG BEISPIEL: exp(x) Basis-Eigenschaften der Konugierten SATZ SATZ BEMERKUNG Differenzieren der Konugierten SATZ SATZ BEISPIEL: cosh(x) BEISPIEL SATZ KOROLLAR Rechenregeln SATZ SATZ KOROLLAR BEISPIEL: Minimierungsproblem THEOREM
Konvexe Mengen und Funktionen
Konvexe Mengen und Funktionen von Corinna Alber Seminararbeit Leiter: Prof. Jarre im Rahmen des Seminars Optimierung III am Lehrstuhl für Mathematische Optimierung an der Heinrich-Heine-Universität Düsseldorf
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
Mehr12. Trennungssätze für konvexe Mengen 83
12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 4
D-MATH, D-PHYS, D-CHAB Analysis I HS 017 Prof. Manfred Einsiedler Lösung 4 Hinweise 1. Zeigen Sie, dass inf X die kleinste obere Schranke von X ist.. Dass z 1, z Lösungen sind, kann man durch Einsetzen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrMathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript
Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,
MehrÜbungen zu Einführung in die Analysis
Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrVorlesung Analysis I WS 07/08
Vorlesung Analysis I WS 07/08 Erich Ossa Vorläufige Version 07/12/04 Ausdruck 8. Januar 2008 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Elementare Logik.................................. 1 1.1.A Aussagenlogik................................
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
MehrWie in der reellen Analysis üblich notiert man Folgen f in der Form
2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches
Mehr16. Differentialquotient, Mittelwertsatz
16. Differentialquotient, Mittelwertsatz Gegeben sei eine stetige Funktion f : R R. Wir suchen die Gleichung der Tangente t an die Kurve y = f(x) im Punkt (x, f(x ), x R. Das Problem dabei ist, dass vorderhand
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+
D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger Lösung - Serie 6 1. MC-Aufgaben (Online-Abgabe) 1. Für alle ganzen Zahlen n 1 gilt... (a) e 1/x = o(x n ) für x 0 + (b) e 1/x = o(x n ) für x 0 + (c)
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
Mehr1 0, x C X (A). = 1 χ A(x).
Aufgabe 1 a) Wir müssen nur zeigen, dass χ A B (x) = χ A (x) χ B (x) für alle x X gilt. (Dass χ A χ B Abbildung von X in {0, 1} ist, ist klar.) Sei also x X beliebig. Fall 1: x A B. Dies bedeutet x A und
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrUnivariate Analysis. Analysis und nichtlineare Modelle Sommersemester
Analysis und nichtlineare Modelle Sommersemester 9 5 Univariate Analysis C. Berechnen Sie ohne Taschenrechner(!). Runden Sie die Ergebnisse auf ganze Zahlen. (a) 7 :, (b) 795 :.. Berechnen Sie ohne Taschenrechner(!):
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrThema 5 Differentiation
Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt
MehrKompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung:
16 Mittelwertsätze und Anwendungen 71 16 Mittelwertsätze und Anwendungen Lernziele: Konzepte: Konvexität und Konkavität Resultate: Mittelwertsätze der Differentialrechnung Methoden: Regeln von de l Hospital
MehrAnalysis I. Guofang Wang , Universität Freiburg
Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x
MehrZusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit
Zusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit Mirko Getzin Universität Bielefeld Fakultät für Mathematik 01. Februar 2014 Keine Gewähr auf vollständige Richtigkeit und
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
Mehr(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.
8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 25.06.2018 20. Juni 2018 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler 20. Juni 2018 Konvergenz
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrAufgabensammlung zur Analysis 1
Analysis 1 18.12.2017 Prof. Dr. H. Koch Dr. F. Gmeineder Abgabe: Keine Abgabe. Aufgabensammlung zur Analysis 1 Anmerkungen: Das vorliegende Blatt enthält eine Auswahl von Aufgaben, die auf Klausuren zur
Mehr2. Stetige lineare Funktionale
-21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
MehrExtremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
MehrKAPITEL 3. Konvexe Funktionen
KAPITEL 3 Konvexe Funktionen Sei F R n ein Definitionsbereich und f : F R eine Funktion. Unter dem Epigraphen von f versteht man die Menge epif = {(x, z) R n+1 x F, z R, z f(x)}. Man nennt f konvex, wenn
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrKonvexe Mengen und konvexe Funktionen
Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl I: Analysis Ausarbeitung Analysis III Seminar Konvexe Mengen und konvexe Funktionen Name: Jessica Prang Datum: 14.04.2015 Seminarleiter:
Mehr([0, 1]) und int K = p 1
126 III. Der Satz von Hahn-Banach und seine Konsequenzen wie man durch Einsetzen unmittelbar erkennt. Zeigen wir noch die Halbstetigkeit von f: Sei(x n ) eine Folge in L p (R) mitx n x in L p (R) und f(x
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
Mehrb liegt zwischen a und c.
2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
Mehr5 Differenzialrechnung für Funktionen einer Variablen
5 Differenzialrechnung für Funktionen einer Variablen Ist f eine ökonomische Funktion, so ist oft wichtig zu wissen, wie sich die Funktion bei kleinen Änderungen verhält. Beschreibt etwa f einen Wachstumsprozess,
Mehr2.4 Verallgemeinerte Ungleichungen
2.4 Verallgemeinerte Ungleichungen 2.4.1 Eigentliche Kegel und verallgemeinerte Ungleichungen Ein Kegel K R heißt eigentlicher Kegel, wenn er die folgenden Bedingungen erfüllt: K ist konvex K ist abgeschlossen
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/4) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung
Mehr9. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 9. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 8./9. Dezember 2009 Gruppenübung
Mehr23 Konvexe Funktionen und Ungleichungen
23 Konvexe Funktionen und Ungleichungen 231 Konvexe Funktionen 232 Kriterien für Konvexität 233 Streng konvexe Funktionen 235 Wendepunkte 237 Ungleichung von Jensen 2310 Höldersche Ungleichung 2311 Minkowskische
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik
MehrProbeklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrDifferentialrechnung. Mathematik W14. Christina Sickinger. Berufsreifeprüfung. v 1 Christina Sickinger Mathematik W14 1 / 79
Mathematik W14 Christina Sickinger Berufsreifeprüfung v 1 Christina Sickinger Mathematik W14 1 / 79 Die Steigung einer Funktion Wir haben bereits die Steigung einer linearen Funktion kennen gelernt! Eine
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Differential und Integralrechnung 3 3. (Herbst 20, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende
MehrOperations Research. Konvexe Funktionen. konvexe Funktionen. konvexe Funktionen. Rainer Schrader. 4. Juni Gliederung
Operations Research Rainer Schrader Konvexe Funktionen Zentrum für Angewandte Informatik Köln 4. Juni 2007 1 / 84 2 / 84 wir haben uns bereits mit linearen Optimierungsproblemen beschäftigt wir werden
Mehrdifferenzierbare Funktionen
Kapitel IV Differenzierbare Funktionen 18 Differenzierbarkeit und Rechenregeln für differenzierbare Funktionen 19 Mittelwertsätze der Differentialrechnung mit Anwendungen 20 Gleichmäßige Konvergenz von
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrTeil I Auswahlfragen
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Grundlagen der Analysis Sommersemester 010 Klausur vom 07.09.010 Teil I Auswahlfragen Name: Hinweise: Bei den folgenden Auswahlfragen
Mehr30 Die Gammafunktion und die Stirlingsche Formel
3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Differentialrechnung für Funktionen mehrerer
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 14
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 03.02.2019 Dr. Markus Lange Analysis 1 Aufgabenzettel 14 Dieser Zettel wird in der letzten Übung des Semesters am 08.02.2019 besprochen Aufgabe
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
Mehrf(x) f(a) f (a) := lim x a Es existiert ein Polynom ersten Grades l(x) = f(a) + c (x a) derart, dass gilt lim x a x a lim
A Analysis, Woche 8 Partielle Ableitungen A 8. Partielle Ableitungen Wir haben vorhin Existenzkriterien für Extrema betrachtet, aber wo liegen sie genau? Anders gesagt, wie berechnet man sie? In einer
Mehr16. FUNKTIONEN VON MEHREREN VARIABLEN
16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1
Mehr6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
MehrKapitel 7. Differentialrechnung. Josef Leydold Mathematik für VW WS 2017/18 7 Differentialrechnung 1 / 56
Kapitel 7 Differentialrechnung Josef Leydold Mathematik für VW WS 2017/18 7 Differentialrechnung 1 / 56 Differenzenquotient Sei f : R R eine Funktion. Der Quotient f x = f (x 0 + x) f (x 0 ) x = f (x)
MehrProjektionen auf abgeschlossene konvexe Mengen
Projektionen auf abgeschlossene konvexe Mengen Seminarvortrag von Veronika Pick Seminar Optimierung bei Herrn Prof. Dr. F. Jarre Heinrich-Heine-Universität Düsseldorf SS 2006 1 Vorbemerkung Das Seminarthema
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 25/6): Differential und Integralrechnung 3 3. (Herbst 2, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende Tatsachen
Mehr13. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
Mehr3.1 Sukzessive Minima und reduzierte Basen: Resultate
Gitter und Codes c Rudolf Scharlau 4. Juni 2009 202 3.1 Sukzessive Minima und reduzierte Basen: Resultate In diesem Abschnitt behandeln wir die Existenz von kurzen Basen, das sind Basen eines Gitters,
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrange.tex,v 1.6 2012/11/06 14:26:21 hk Exp hk $ 2 Extrema unter Nebenbedingungen 2.1 Restringierte Optimierungsaufgaben Nachdem wir jetzt die bereits bekannten Techniken zur Bestimmung der lokalen
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrMathematischer Vorkurs NAT-ING II
Mathematischer Vorkurs NAT-ING II (02.09.2013 20.09.2013) Dr. Jörg Horst WS 2013-2014 Mathematischer Vorkurs TU Dortmund Seite 1 / 252 Kapitel 7 Differenzierbarkeit Mathematischer Vorkurs TU Dortmund Seite
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure (Wintersemester 2008/09) Kapitel 6: Differenzialrechnung einer Veränderlichen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 9. November 2008) Die
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrHM I Tutorium 2. Lucas Kunz. 3. November 2016
HM I Tutorium 2 Lucas Kunz 3. November 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Reelle Zahlen.................................. 2 1.2 Intervalle..................................... 2 1.3 Beträge.....................................
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Serie 6
D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger Serie 6 Die erste Aufgabe ist eine Multiple-Choice-Aufgabe (MC-Aufgabe), die online gelöst wird. Bitte schicken Sie Ihre Lösungen zu den Online MC-Fragen
Mehrzul. Kurve g 1 C zul dθ (0) y = dϕ dθ (0) =
2. Grundlagen der nicht-linearen konvexen Optimierung 2.1. Die Karush-Kuhn-Tucker Bedingungen. Unser Basisproblem (NLO) sei geben durch min f(x) NLO g i (x) 0, i I = {1,..., m} x R n f, g i stetig differenzierbar.
Mehr3. Übungsblatt - Lösungsskizzen. so, dass f tatsächlich eine Wahrscheinlichkeitsdichte
Einführung in die Wahrscheinlichkeitstheorie und Statistik Prof. Dr. Jan Johannes Sandra Schluttenhofer Wintersemester 208/9 3. Übungsblatt - Lösungsskizzen Aufgabe 9 Stetige Verteilungen, 4 =.5 +.5 +
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 5. x 1 2x 3 = lim 6x
D-MAVT/D-MATL Analysis I HS 07 Dr. Andreas Steiger Lösung - Serie 5. MC-Aufgaben Online-Abgabe. Durch zweifache Anwendung der Regel von Bernoulli-de l Hôpital folgt Stimmt diese Überlegung? lim x x 3 +
Mehr3 Folgen, Reihen und stetige Funktionen
Höhere Mathematik 101 3 Folgen, Reihen und stetige Funktionen 3.1 Folgen und Reihen: Definitionen und Beispiele Eine reelle oder komplexe Zahlenfolge ist eine Abbildung, die jeder natürlichen Zahl n eine
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 (Analysis 2) MA923 http://wwwm5matumde/allgemeines/ma923_26s Sommersem 26 Probeklausur (4726) Krümmung
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
Mehr1 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)
MehrKonvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.
Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,
MehrL 2 -Theorie und Plancherel-Theorem
L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation
MehrMathematik I. Vorlesung 27. Differenzierbare Funktionen. In diesem Abschnitt betrachten wir Funktionen f :D K, wobei D K eine offene Menge in K ist.
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 27 Differenzierbare Funktionen In diesem Abschnitt betrachten wir Funktionen, wobei D K eine offene Menge in K ist. Definition 27.1. Sei
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die
Mehr9 Differentialrechnung für Funktionen in n Variablen
$Id: diff.tex,v.7 29/7/2 3:4:3 hk Exp $ $Id: ntaylor.tex,v.2 29/7/2 3:26:42 hk Exp $ 9 Differentialrechnung für Funktionen in n Variablen 9.6 Lagrange Multiplikatoren Die Berechnung von Maxima und Minima
Mehr