Kapitel 6 Vektoranalysis. 6.1 Glatte Kurven und Flächen in R 3

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Kapitel 6 Vektoranalysis. 6.1 Glatte Kurven und Flächen in R 3"

Transkript

1 Kapitel 6 Vektoranalysis 6. Glatte Kurven und Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden. Für n = ist das Bild von γ C := {γ(t) t I} R n eine ebene Kurve und für n = 3 ist es eine Kurve im Raum. 6.. Definition Wir bezeichnen C als glatte Kurve, falls C keine Selbstüberschneidungen hat, das heisst falls γ injektiv ist, und γ(t) 0 für alle t I. In diesem Fall gibt es zu jedem Punkt p = γ(t 0 ) auf C eine eindeutig bestimmte Tangente an C durch p, nämlich die Gerade durch p mit Richtungsvektor γ(t 0 ). Eine gewölbte Fläche im Raum hat zwei Freiheitsgrade, man benötigt daher für die Beschreibung zwei Parameter. Die Parametrisierung einer Fläche (oder eines Flächenstücks) ist also eine differenzierbare Abbildung ϕ:u R 3 von einer offenen Teilmenge U R nach R 3. Unter einer glatten Fläche im Raum wollen wir eine Teilmenge verstehen, die sich jeweils lokal parametrisieren lässt. Genauer: 6.. Definition Eine Teilmenge M R 3 bezeichnen wir als glatte Fläche in R 3, falls zu jedem Punkt p M eine offene Umgebung p U M und eine bijektive, differenzierbare Abbildung ϕ:u U von einer offenen Teilmenge U R auf U existiert mit Rangdϕ q = für alle q U. Die Abbildung ϕ bezeichnet man als lokale Parametrisierung, und die Umkehrabbildung ϕ :U U als Karte um p. Die Rangbedingung garantiert, dass M wirklich überall zweidimensional ist und weder Einschnürungen noch Falten hat. Schauen wir uns dazu einige Beispiele an Beispiel Seien r,l > 0 und ϕ(u,v) = (rcos(u),rsin(u),v) für u R und 0 < v < L. Das Bild M von ϕ in R 3 ist die Wand eines offenen Zylinders mit Durchmesser r und Höhe L. Als lokale Parametrisierung können wir jeweils eine passende Einschränkung von ϕ auf eine offene Teilmenge U R verwenden. Die Jacobimatrix der Abbildung ϕ an der Stelle q = (u,v) lautet: rsin(u) 0 J ϕ (u,v) = rcos(u) 0. 0 Die Spalten dieser Matrix sind (für alle u,v) linear unabhängig, der Rang von dϕ q ist also überall gleich.

2 6.. Glatte Kurven und Flächen in R 3 89 In den folgenden Beispielen ist die Rangbedingung nicht überall erfüllt Beispiele DieFunktionϕ:R R 3,definiertdurchϕ(u,v) = (u,u 3,v), ist injektiv und überall differenzierbar. Die Jacobimatrix von ϕ an der Stelle q = (u,v) ist hier J ϕ (u,v) = u 0 3u 0. 0 Der Rang dieser Matrix ist gleich, falls u 0 ist, und gleich, falls u = 0 ist. Tatsächlich ist das Bild von ϕ eine Fläche in R 3 mit einer Falte entlang der Linie {(0,v) v R}. Sei jetzt ϕ:( π, π) R R3 definiert durch ϕ(u,v) = (vcosu,vsinu,v ) für v 0 und durch ϕ(u,v) = ( vcosu, vsinu, v ) für v < 0. Wiederum ist ϕ injektiv und überall differenzierbar. Die Jacobimatrix lautet hier für v 0: J ϕ (u,v) = vsinu cosu vcosu sinu 0 v Der Rang dieser Matrix ist gleich, falls v 0, und gleich für v = 0. Das Bild von ϕ ist eine Fläche, die an einen in der Mitte zusammengeschnürten Vorhang erinnert. Der Teil der Fläche oberhalb der x-y-ebene ist ein halbiertes Paraboloid, und der Teil unterhalb der x-y-ebene ist das dazugehörige Spiegelbild, beide Teile berühren sich im Nullpunkt. Eine glatte Fläche M in R 3 im Sinne unserer Definition hat die Eigenschaft, dass es an jeder Stelle eine eindeutige Berührebene gibt. Betrachten wir dazu eine lokale Parametrisierung ϕ:u U und einen Punkt q = (u 0,v 0 ) U. Die ParametrisierungliefertauchgleichzeitigzweiScharenvonKurvenaufU,nämlichγ v (u) = ϕ(u,v) (für v fest) und δ u (v) = ϕ(u,v) (für u fest). Durch den Punkt p = ϕ(q) gehen zwei ausgezeichnete Kurven, nämlich γ u0 und δ v0. Die Geschwindigkeitsvektoren dieser beiden Kurven in p, nämlich γ v0 (q) = u ϕ(q) und δ u0 (q) = v ϕ(q), können wir auffassen als die Spalten der Jacobi-Matrix von ϕ, gebildet an der Stelle q. Weil der Rang dieser Matrix nach Voraussetzung gleich ist, sind die Geschwindigkeitsvektoren der beiden Kurven linear unabhängig. Also spannen sie eine Ebene auf, und dies ist gerade die Tangentialebene an die Fläche M im Punkt p. Verschiebt man diese Ebene parallel um p, so erhält man eine Ebene, die die Fläche M im Punkt p berührt Definition Die Tangentialebene einer glatten Fläche M im Punkt p ist definiert als T p M := Bild(dϕ q ) R 3, wobei ϕ eine lokale Parametrisierung um q ist und p = ϕ(q). Es handelt sich also um diejenige Ebene in R 3, die von den Vektoren u ϕ(q) und v ϕ(q) aufgespannt wird..

3 90 Kapitel 6. Vektoranalysis 6..6 Beispiel Ist M die Zylinderwand, parametrisiert wie oben und ausserdem p = (rcos(u 0 ),rsin(u 0 ),v 0 ), so sind die beiden ausgezeichneten Kurven durch p gerade die Kreislinie auf M in der zur x-y-ebene parallelen Ebene durch p und die vertikale Linie parallel zur z-achse. Die Tangentialebene wird also erzeugt von der Tangente an die Kreislinie und der z-achse, wie es der Anschauung entspricht: T p M = lin rsin(u 0) rcos(u 0 ), Satz Die Tangentialebene an M im Punkt p hängt nicht von der Wahl der lokalen Parametrisierung ϕ ab. Denn T p M stimmt überein mit der Menge der Geschwindigkeitsvektoren (bei p) sämtlicher glatter Kurven durch p, die ganz in M verlaufen: T p M = {w R 3 w = γ(0) für γ:( ǫ,ǫ) M mit γ(0) = p}. Beweis. Wählen wir eine lokale Parametrisierung ϕ:u U um p U und sei q = (u 0,v 0 ) das Parameterpaar aus U mit ϕ(q) = p. Sei zunächst w R und w = dϕ q (w ). Weil U R eine offene Umgebung von q ist, gibt es ein ǫ > 0 mit q +hw U für alle h ( ǫ,ǫ). Wir definieren nun eine Kurve γ:(ǫ,ǫ) U durch γ(h) = ϕ(q +hw ). Dann ist γ(0) = ϕ(q) = p und nach der Kettenregel γ(0) = dϕ q (w ) = w. Damitistgezeigt,dassjederVektorausdemBildvondϕ q alsgeschwindigkeitsvektor einer passenden Kurve vorkommt. Sei jetzt umgekehrt w = γ(0) für eine differenzierbare Kurve γ:( ǫ,ǫ) M mit γ(0) = p. Durch eventuelle Verkleinerung von ǫ können wir erreichen, dass die Kurve γ ganz in U verläuft. Weil ϕ bijektiv ist, existiert die Umkehrabbildung ϕ, und man kann damit die Kurve γ von U nach U transportieren: γ(t) := ϕ (γ(t)) für alle t ( ǫ,ǫ). Die Rangbedingung an dϕ garantiert, dass auch ϕ wiederum differenzierbar ist. Aus der Kettenregel folgt ähnlich wie eben: w = γ(0) = d dt (ϕ( γ(t)) t=0 = dϕ γ(0) γ(0). Nach Konstruktion ist γ(0) = ϕ (p) = q und γ(0) =: w R. Wir erhalten w = dϕ q (w ), der Tangentialvektor w liegt also wie behauptet im Bild von dϕ q. q.e.d. Auch die Funktionsgraphen differenzierbarer, reellwertiger Funktionen in zwei Variablen sind glatte Flächen im Sinne der Definition.

4 6.. Glatte Kurven und Flächen in R Satz Sei U R offen und f:u R differenzierbar. Dann ist der Graph M von f eine glatte Fläche in R 3 mit der Parametrisierung ϕ:u M, (x,y) (x,y,f(x,y)). Für den Tangentialraum an M in p = (x,y,f(x,y)) gilt hier: T p M = lin 0 x f(x,y), 0 y f(x,y). Beweis. Man sieht sofort, dass die Rangbedingung an ϕ hier immer automatisch erfüllt ist. q.e.d. Eine Fläche kann auch implizit als Nullstellenmenge einer differenzierbaren Funktion in drei Variablen beschrieben sein. Beispielsweise ist die Einheitssphäre S die Lösungsmenge der Gleichung und die Lösungsmenge der Gleichung ist ein Paraboloid. Es gilt folgender Satz: x +y +z = 0, x +y z = Satz Sei D R 3 eine offene Teilmenge und f:d R differenzierbar. Bezeichne M := {(x,y,z) D f(x,y,z) = 0} die Nullstellenmenge von f. Ist df p 0 für alle p M, so ist M eine glatte Fläche in R 3. Ausserdem gilt f(p) T p M für alle p M. Das Gradientenvektorfeld von f steht also an jeder Stelle von M senkrecht auf der Fläche. Aus Dimensionsgründen folgt nun: T p M := {w R 3 w f(p)}. Beweis. Sei p M. Dann ist nach Voraussetzung df p 0. Also gibt es ein j {,,3} mit j f(p) 0. Nach dem Satz über implizite Funktionen können wir deshalb die Gleichung f(x,x,x 3 ) = 0 lokal (in der Nähe von p) nach x j auflösen und erhalten so eine lokale Beschreibung von M als Graph einer differenzierbaren Funktion. Ist zum Beispiel j = 3 und nehmen wir an, p = (p,p,p 3 ), dann gibt es nach dem Satz über implizite Funktionen offene Umgebungen U R von (p,p ) und V R von p 3 mit U V D

5 9 Kapitel 6. Vektoranalysis und eine differenzierbare Funktion g:u V mit g(p,p ) = p 3, so dass für alle (x,x,x 3 ) U V gilt: f(x,x,x 3 ) = 0 g(x,x ) = x 3. Also ist M (U V) der Graph der Funktion g. Die Fälle j = und j = sind entsprechend. Sei jetzt γ:( ǫ,ǫ) M eine Kurve in M mit γ(0) = p. Dann folgt f(γ(t)) = 0 für alle t. Daraus ergibt sich mit der Kettenregel df γ(0) γ(0) = f(p), γ(0) = 0, und das heisst f(p) T p M wie behauptet. Also ist die Tangentialebene im orthogonalen Komplement von f(p) = {w R 3 w f(p)} enthalten. Weil das orthogonale Komplement aber ebenfalls ein zweidimensionaler linearer Unterraum ist, stimmt es bereits mit der Tangentialebene überein. q.e.d Beispiel Als Karte für einen Punkt p = (x 0,y 0,z 0 ) mit z 0 > 0 auf der - Sphäre S R 3, gegeben durch die Gleichung f(x,y,z) = x + y + z = 0, können wir folgende Parametrisierung der Nordhalbkugel verwenden: ϕ:(u,v) (u,v, u v ) für u +v <. Durch diese Karte wird die Nordhalbkugel parametrisiert. Wir erhalten nun zwei Beschreibungen der Tangentialebene T p S. Einerseits handelt es sich um das orthogonale Komplement von f(p) = p, also T p S = {w R 3 w f(p)} = {w R 3 w p}. Andererseits lautet die Jacobimatrix von ϕ bei q = (x 0,y 0 ): 0 J ϕq = 0. x 0 z 0 y 0 z 0 x 0 z 0 y 0 z 0 Daraus können wir ablesen, dass die Tangentialebene T p S von den Vektoren w = 0 und w = 0 aufgespannt wird. Man kann sich leicht davon überzeugen, dass es sich jeweils um dieselbe Ebene handelt. 6.. Definition Unter einem Normalenvektor aneine Fläche M R 3 im Punkt p versteht man einen Vektor w R n, der auf allen Tangentialvektoren an M in p senkrecht steht: N p M := (T p M) = {w R n w v für alle v T p M}.

6 6.. Glatte Kurven und Flächen in R 3 93 Ist M eine Fläche in R 3, so ist der Normalenraum N p M an jedem Punkt eindimensional. Es gibt also genau zwei Vektoren der Länge, die an der Stelle p auf der Fläche senkrecht stehen. Unter einer Orientierung der Fläche versteht man eine konsistente Wahl eines solchen Einheitsnormalvektors, die dann eine Aussenseite und eine Innenseite der Fläche festlegt. 6.. Definition Eine Fläche M in R 3 heisst orientierbar, wenn es eine stetige Zuordnung M R 3 gibt, die jedem Punkt p einen Einheitsnormalenvektor n(p) N p M zuordnet. Die Wahl dieser Zuordnung bezeichnet man auch als Orientierung der Fläche, und es gibt dafür genau zwei Möglichkeiten (wenn sie überhaupt existiert). Aber nicht jede Fläche in R 3 ist orientierbar. Eine berühmte nichtorientierbare Fläche ist das Möbiusband Bemerkung Sei M definiert durch die Gleichung f(x,y,z) = 0, wobei f:d R 3 R stetig differenzierbar sei mit f(p) 0 für alle p M. Dann ist M eine orientierbare Fläche, und die Zuordnung ist eine Orientierung. p f(p) f(p) Das bedeutet also, dass das Möbiusband nicht durch eine einzige Gleichung global definiert werden kann. Für die implizite Beschreibung dieser Flächen braucht man auf jeden Fall mehrere Karten. Schauen wir uns nun Abbildungen zwischen Flächen genauer an Definition Sei M R 3 eine glatte Fläche, p M, und ϕ:u R M mit ϕ(q) = p eine lokale Parametrisierung. Eine Abbildung f:m N von M in eine Fläche N R 3 nennen wir differenzierbar bei p, wenn die Zusammensetzung f ϕ:u R 3 R 3 bei q differenzierbar ist. Diese Definition hängt nicht von der Wahl der lokalen Parametrisierung ab, denn jeder Wechsel der Parametrisierung ist wiederum in beiden Richtungen differenzierbar Bemerkung Ist F:R 3 R 3 eine differenzierbare Abbildung, so ist auch die Einschränkung von F auf jede glatte Fläche M R 3 als Funktion von M nach R 3 überall differenzierbar Definition Sei f: M N eine differenzierbare Abbildung zwischen glatten Flächen im R 3, und sei p M und q := f(p). Das Differential df p von f an der Stelle p M ist eine lineare Abbildung von T p M nach T q N. Und zwar setzen wir für jede differenzierbare Kurve γ:( ǫ,ǫ) M mit γ(0) = p fest: df p (γ (0)) := (f γ) (0).

7 94 Kapitel 6. Vektoranalysis Beweis. Die so definierte Zuordnung zwischen den Tangentialräumen ist tatsächlich linear, denn wenn wir eine lokale Parametrisierung ϕ:u U von M in der Nähe vonpwählenmitϕ(a) = p,soistt p M = Bild(dϕ a ).Fürw R k undv = dϕ a (w)gilt df p (v) = d(f ϕ) a (w).alsolassensichdiebehauptungenaufdiekartezurückspielen. q.e.d Beispiel Sei M das Ellipsoid in R 3, definiert durch x +y +3z = und bezeichne S die Einheitskugeloberfläche in R 3. Dann ist die Abbildung f:m S, v v v differenzierbar, weil sie durch Einschränkung einer differenzierbaren Abbildung von R 3 \ {0} S R 3 definiert ist. Das Differential von f bildet jeweils die Tangentialvektoren an einem Punkt v auf dem Ellipsoid auf Tangentialvektoren am entsprechenden Punkt auf der Kugeloberfläche ab. 6. Extremwertaufgaben mit Nebenbedingung Betrachten wir jetzt eine differenzierbare Funktion f:u R n R (U offen in R n ). Ist n = 3 und M U eine glattefläche, dann definiert f durch Einschränkung auch eine differenzierbare Funktion auf M. Entsprechendes gilt für eine glatte Kurve M in U R. In diesem Abschnitt wird eine Methode dafür beschrieben, die lokalen Extrema von f auf M zu finden. Ist M implizit als Nullstellenmenge der Funktion g:u R n R beschrieben, so spricht man auch davon, Extremwerte von f:u R unter der Nebenbedingung g(x) = 0 (für x U) zu suchen. 6.. Definition Man sagt, f habe an der Stelle a U ein lokales Maximum (bzw. Minimum) unter der Nebenbedingung g(x) = 0, wenn es ein ǫ > 0 gibt, so dass K ǫ (a) U und f(v) f(a) (bzw.f(v) f(a)) für alle v K ǫ (a) M. 6.. Beispiel Die Funktion f:r R, gegeben durch f(x,y) = xy nimmt auf der Kreislinie K := {(x,y) R x +y = } ihr Maximum an bei x = y = und bei x = y =. Das Minimum wird bei x = y = ± angenommen. Diese vier Punkte sind gerade diejenigen, an denen die Niveaulinien von f den Kreis berühren, wo also der Gradient von f auf dem Kreis senkrecht steht. Auch für lokale Extrema unter Nebenbedingungen gibt es ein notwendiges Kriterium. Es gilt nämlich folgendes: 6..3 Satz Sei M := {x U R n g(x) = 0}, wobei U R n eine offene Teilmenge,g:U Rdifferenzierbarund g(x) 0seifürallex M.Seiausserdem f:u R differenzierbar. Hat f ein lokales Extremum auf M an der Stelle p, so existiert eine reelle Zahl λ (ein sogenannter Lagrange-Multiplikator) mit f(p) = λ g(p).

8 6.. Extremwertaufgaben mit Nebenbedingung 95 Beweis. Wir beschränken uns hier auf die Fälle n = oder n = 3. Nehmen wir an, die Funktion f habe an der Stelle p M ein lokales Extremum. Zu jedem w T p M gibt es eine Kurve γ:( ǫ,ǫ) M mit γ(0) = p und γ(0) = w. Und die Funktion, definiert durch f(γ(t)) für ǫ < t < ǫ, hat dann bei t = 0 ein lokales Extremum. Daraus folgt nach dem Kriterium für Funktionen in einer Variablen: 0 = d dt f(γ(t)) t=0 = df γ(0) ( γ(0)) = f(p),w. Das heisst, dass f(p) ein Normalenvektor an M in p ist. Die Voraussetzung an g, nämlich g(p) 0, garantiert, dass M auch an der Stelle p glatt ist. D.h. der Normalenraum N p M ist eindimensional und wird von g(p) erzeugt. Also ist f(p) ein skalares Vielfaches von g(p), wie behauptet. q.e.d. Kehren wir nochmals zu Beispiel 6.. zurück Beispiel Die Kreislinie K ist die Nullstellenmenge der Funktion g(x, y) = x +y. Der Gradient von g verschwindet nur im Nullpunkt, der ja nicht auf K liegt, also ist die Voraussetzung an g erfüllt. Der Lagrangeansatz zur Bestimmung der lokalen Extrema von f(x,y) = xy auf K lautet hier: f(p) = ( y x ) = λ g(p) = λ ( x y Darausfolgt y = 4λ y.wäre y = 0, folgteauch x = 0, der Nullpunkt liegt aber nicht auf K. Also ergibt sich λ = ± und daraus x = ±y. Setzen wir dies wiederum in die definierende Gleichung für M ein, erhalten wir dieselben vier Punkte, die wir bereits auf geometrische Art gefunden hatten, nämlich x = y = ± und x = y = ±. ). Hier ein Beispiel für Extrema einer Funktion auf einer Fläche: 6..5 Beispiel Sei M = S. Auf der kompakten Kugeloberfläche nimmt jede stetige Funktion sowohl Maximum als auch Minimum an. Um das Maximum der Funktion f(x,y,z) = x + y z auf der Einheitskugeloberfläche S, definiert durch g(x,y,z) = x +y +z = 0, zu finden, machen wir den Ansatz: f(x,y,z) = = λ g(x,y,z) = λ Da λ 0 sein muss, ist dies äquivalent zu x y =. λ z x y z Ein solcher Punkt liegt nur dann auf der -Sphäre, wenn λ = 3 ist, das heisst, λ = ± 6/. Die Funktion f nimmt also ihr Maximum entweder an im Punkt p = 6 (,, ) oder im Punkt p = 6 (,, ). Durch Einsetzen in f stellen wir fest, dass der Wert bei p maximal ist, nämlich f(p ) = 6, während f bei p den minimalen Wert annimmt, und zwar f(p ) = 6..

9 96 Kapitel 6. Vektoranalysis Die folgende geometrische Extremwertaufgabe lässt sich mit derselben Methode lösen Beispiel Sei E die Ellipse in R, definiert durch die Gleichung g(x,y) = x +4y 4 = 0 ( x ) +y =. Gesucht sind diejenigen Punkte q auf der Ellipse E, die den kleinsten Abstand zum Punkt p = (,0) haben. Der Abstand eines Punktes (x,y) R zu p beträgt f(x,y) = (x,y) p = (x ) +y. Gesucht sind also die Punkte auf E, in denen die Funktion f:e R ihr Minimum annimmt. (Solche Punkte gibt es, weil f stetig und E kompakt ist, und jede stetige Funktion auf einer kompakten Menge sowohl Maximum als auch Minimum annimmt.) Der Lagrange-Ansatz lautet hier: f(x,y) = (x ) +y ( ) (x ) = λ g(x,y) = λ y ( ) x. 8y Dies ist äquivalent zu dem folgenden Gleichungssystem für (x,y) E, λ R : x = λf(x,y)x y = λf(x,y)8y Falls y 0, folgt λ = und daraus x = 4. Auf der Ellipse E gibt es zwei 8f(x,y) 3 Punkte mit diesem x-wert, nämlich q = ( 4, 5 ) und q 3 3 = ( 4 3, 5). Ausserdem 3 gibt es auf E auch zwei Punkte mit y = 0, nämlich (±,0). Da x 0, können wir hier λ = (x ) wählen. Wir haben also insgesamt vier Kandidaten für die xf(x,y) gesuchten Punkte mit minimalem Abstand. Um festzustellen, welches die richtigen Punkte sind, reicht es, die Werte von f an diesen Stellen zu vergleichen. Es sind ( ) 4 5 f(,0) = 3, f(,0) =, f 3,± = = 3. Die Funktion f nimmt also auf E ihr Maximum an im Punkt (,0), und ihr Minimum in den Punkten q und q. An der Stelle (,0) liegt ein lokales Maximum vor, das aber kein absolutes Maximum ist.

Kapitel 6 Vektoranalysis. 6.1 Glatte Kurven und Flächen in R 3

Kapitel 6 Vektoranalysis. 6.1 Glatte Kurven und Flächen in R 3 Kapitel 6 Vektoranalysis 6. Glatte Kurven und Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.

Mehr

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3 Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.

Mehr

6.2 Extremwertaufgaben mit Nebenbedingung

6.2 Extremwertaufgaben mit Nebenbedingung 6.. Extremwertaufgaben mit Nebenbedingung 87 6. Extremwertaufgaben mit Nebenbedingung Betrachten wir jetzt eine differenzierbare Funktion f:u R n R U offen in R n. Ist n = 3 und U eine glatte Fläche, dann

Mehr

1.6 Implizite Funktionen

1.6 Implizite Funktionen 1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man

Mehr

2.2. Die Tangentialebene. Definition 2.12 (Tangentialebene). Sei S eine reguläre Fläche, sei p S. Dann heißt

2.2. Die Tangentialebene. Definition 2.12 (Tangentialebene). Sei S eine reguläre Fläche, sei p S. Dann heißt 2.2. Die Tangentialebene. Definition 2.12 (Tangentialebene). Sei S eine reguläre Fläche, sei p S. Dann heißt { } T p S = X R 3 es gibt ein ε > 0 und eine glatte parametrisierte Kurve c : ( ε,ε) S mit c(0)

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

Lagrange-Multiplikatoren

Lagrange-Multiplikatoren Lagrange-Multiplikatoren Ist x eine lokale Extremstelle der skalaren Funktion f unter den Nebenbedingungen g i (x) = 0, dann existieren Lagrange-Multiplikatoren λ i, so dass grad f (x ) = λ i grad g i

Mehr

4.5 Lokale Extrema und die Hessesche Form

4.5 Lokale Extrema und die Hessesche Form 80 Kapitel 4. Differentialrechnung in mehreren Variablen 4.5 Lokale Extrema und die Hessesche Form Sei ab jetzt U R n offen und f:u R eine Funktion. Unter einem lokalen Extremum der Funktion f verstehen

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

4.4 Lokale Extrema und die Hessesche Form

4.4 Lokale Extrema und die Hessesche Form 74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen

Mehr

2 Extrema unter Nebenbedingungen

2 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

Mehr

Mathematik für Anwender II

Mathematik für Anwender II Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen

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

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker (Analysis ) MA90 http://www-m5matumde/allgemeines/ma90 06S Sommersem 06 Lösungsblatt (606) Zentralübung Z

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

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

Wenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }

Wenn 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

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

1 Umkehrfunktionen und implizite Funktionen

1 Umkehrfunktionen und implizite Funktionen Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13

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

Tangentialebene. Sei f eine stetig differenzierbare Funktion und p = (p 1,..., p n ) die Koordinaten eines Punktes P auf der durch

Tangentialebene. Sei f eine stetig differenzierbare Funktion und p = (p 1,..., p n ) die Koordinaten eines Punktes P auf der durch Tangentialebene Sei f eine stetig differenzierbare Funktion und p = (p 1,..., p n ) die Koordinaten eines Punktes P auf der durch implizit definierten Fläche. f (x 1,..., x n ) = c Tangentialebene 1-1

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

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

Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen)

Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen) Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen) Fachbereich Mathematik Wintersemester 0/0 Prof. Dr. Burkhard Kümmerer./3. November 0 Andreas Gärtner Walter Reußwig

Mehr

Analysis II. Vorlesung 52. Diffeomorphismen

Analysis II. Vorlesung 52. Diffeomorphismen Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 52 Diffeomorphismen Der Satz über die lokale Umkehrbarkeit gibt Anlass zu folgender Definition. Definition 52.1. EsseienV 1 undv 2 endlichdimensionalereellevektorräume

Mehr

Differentialgeometrie von Kurven und Flächen

Differentialgeometrie von Kurven und Flächen Differentialgeometrie von Kurven und Flächen Inhaltsverzeichnis:. Hilfsmittel Fritzsche 2. Parametrisierte Kurven Ballnus, 29.0. 3. Ebene Krümmung Ballnus, 05.. 4. Raumkurven Stergiou, 2.. 5. Globale Eigenschaften

Mehr

42 Lokale Extrema mit Nebenbedingungen

42 Lokale Extrema mit Nebenbedingungen 4 Lokale Extrema mit Nebenbedingungen 09 4 Lokale Extrema mit Nebenbedingungen Lernziele: Resultate: Kriterien für lokale Extrema mit Nebenbedingungen Methoden: Lagrange-Multiplikatoren Kompetenzen: Bestimmung

Mehr

Kuhn-Tucker-Bedingung

Kuhn-Tucker-Bedingung Kuhn-Tucker-Bedingung Ist x ein lokales Minimum einer skalaren Funktion f unter den Nebenbedingungen g i (x) 0 und sind die Gradienten der aktiven Gleichungen g i (x ) = 0, i I, linear unabhängig, dann

Mehr

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,

Mehr

1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve.

1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve. 1 Ableitungen Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen γ 1 (t) γ(t) = γ n (t) Bild(γ) = {γ(t) t I} heißt auch die Spur der Kurve Beispiel:1)

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

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt

Mehr

Mathematik II. Vorlesung 46. Der Gradient

Mathematik II. Vorlesung 46. Der Gradient Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen

Mehr

7.11. Extrema unter Nebenbedingungen

7.11. Extrema unter Nebenbedingungen 7.11. Extrema unter Nebenbedingungen Randextrema Wir haben schon bemerkt, daß die üblichen Tests mit Hilfe von (eventuell höheren) Ableitungen nur Kriterien für (lokale) Extrema im Inneren des Definitionsgebietes

Mehr

3 Funktionen in mehreren Variablen

3 Funktionen in mehreren Variablen 3 Funktionen in mehreren Variablen Funktionen in mehreren Variablen Wir betrachten nun Abbildungen / Funktionen in mehreren Variablen. Dies sind Funktionen von einer Teilmenge des R d nach R. f : D f R,

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen 11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des

Mehr

i j m f(y )h i h j h m

i 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

Mehr

3. Mai Zusammenfassung. g x. x i (x).

3. Mai Zusammenfassung. g x. x i (x). 3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von

Mehr

Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester

Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik

Mehr

Übungen zum Ferienkurs Analysis II 2014

Übungen zum Ferienkurs Analysis II 2014 Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben

Mehr

10 Differentialrechnung für Funktionen in mehreren Variablen

10 Differentialrechnung für Funktionen in mehreren Variablen 6 Differentialrechnung für Funktionen in mehreren Variablen Die meisten Funktionen in den Naturwissenschaften hängen von mehreren Variablen ab. In diesem Kapitel behandeln wir deshalb Methoden zur Untersuchung

Mehr

2 Implizite Funktionen

2 Implizite Funktionen 2 Implizite Funktionen Wir betrachten jetzt den Fall eines unterbestimmten Systems, wenn es also weniger Gleichungen gibt als Unbekannte. Wir können die Funktion dann wie folgt schreiben, indem wir die

Mehr

1.6 Stabilität von Gleichgewichtslagen

1.6 Stabilität von Gleichgewichtslagen 40 Kapitel 1. Gewöhnliche Differentialgleichungen Schauen wir uns Gradientenvektorfelder noch einmal genauer an. Ist f:d R eine zweimal stetig differenzierbare Funktion in zwei Variablen, definiert auf

Mehr

Analysis II 14. Übungsblatt

Analysis 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

Mehr

3.2 Implizite Funktionen

3.2 Implizite Funktionen 3.2 Implizite Funktionen Funktionen können explizit als y = f(x 1, x 2,..., x n ) oder implizit als F(x 1, x 2,..., x n ;y) = 0 gegeben sein. Offensichtlich kann man die explizite Form immer in die implizite

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

Mehr

INGENIEURMATHEMATIK. 11. Differentialgeometrie. Sommersemester Prof. Dr. Gunar Matthies

INGENIEURMATHEMATIK. 11. Differentialgeometrie. Sommersemester Prof. Dr. Gunar Matthies Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 11. Differentialgeometrie Prof. Dr. Gunar Matthies Sommersemester 2016 G. Matthies Ingenieurmathematik

Mehr

Rückblick auf die letzte Vorlesung

Rückblick auf die letzte Vorlesung Rückblick auf die letzte Vorlesung 1. Anwendungen des Satzes über implizite Funktionen 2. Stationäre Punkte implizit definierter Funktionen 3. Reguläre Punkte 4. Singuläre Punkte Ausblick auf die heutige

Mehr

Extremwerte von Funktionen mehrerer reeller Variabler

Extremwerte von Funktionen mehrerer reeller Variabler Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein

Mehr

Parametrisierung und Integralsätze

Parametrisierung und Integralsätze Parametrisierung und Integralsätze 2. März 2 Integration in der Ebene. Defintion: eien w,..., w n stückweise reguläre, einfach geschlossene Kurven in R 2, seien W,..., W n die von diesen Wegen umschlossene

Mehr

Inhaltsverzeichnis Differentialgeometrie 3 Klassische Flächentheorie Jürgen Roth Differentialgeometrie 3.1

Inhaltsverzeichnis Differentialgeometrie 3 Klassische Flächentheorie Jürgen Roth Differentialgeometrie 3.1 Differentialgeometrie 3.1 Inhaltsverzeichnis Differentialgeometrie 1 Euklidische Geometrie 2 Kurventheorie 3 Klassische Flächentheorie 4 Innere Geometrie von Flächen 5 Geometrie und Topologie Differentialgeometrie

Mehr

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3 Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare

Mehr

Heinrich-Hertz-Oberschule, Berlin

Heinrich-Hertz-Oberschule, Berlin Reellwertige Funktionen mehrerer Variabler Teilnehmer: Maximilian Ringleb Jakob Napiontek Kay Makowsky Mallku Schlagowski Trung Duc Nguyen Alexander Reinecke Herder-Oberschule, Berlin Heinrich-Hertz-Oberschule,

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

1.3 Flüsse. Y (t) = f(y(t))

1.3 Flüsse. Y (t) = f(y(t)) 18 Kapitel 1. Gewöhnliche Differentialgleichungen 1.3 Flüsse Sei jetzt F:D R n R n ein stetig differenzierbares Vektorfeld. Dann erfüllt F die Voraussetzungen des Existenz- und Eindeutigkeitssatzes. Das

Mehr

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr.

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

(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,

Mehr

Vorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung

Vorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung Vorlesungsfolien Mathematik 3 WS 2010/11 Dr. Leonhard Wieser UMIT Einleitung Begriff Vektoranalysis: Kombination aus Linearer Algebra/Vektorrechnung mit Differential- und Integralrechnung Inhaltsangabe:

Mehr

Vorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient

Vorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung

Mehr

ÜBUNGSBLATT 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 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

Mehr

Optimierung unter Nebenbedingungen

Optimierung unter Nebenbedingungen Optimierung unter Nebenbedingungen Kapitel 7: Optimierung unter Nebenbedingungen Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 1. Juli 2009 1 / 18 7.1 Bemerkung

Mehr

Analysis I. 1. Beispielklausur mit Lösungen

Analysis I. 1. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge

Mehr

Analysis II. 8. Klausur mit Lösungen

Analysis II. 8. Klausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge

Mehr

7.4. Gradient, Niveau und Tangentialebenen

7.4. Gradient, Niveau und Tangentialebenen 7.4. Gradient Niveau und Tangentialebenen Wieder sei f eine differenzierbare Funktion von einer Teilmenge A der Ebene R -dimensionalen Raumes R n ) nach R. (oder des n Der Anstieg von f in einem Punkt

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

Serie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0.

Serie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0. Analysis D-BAUG Dr Cornelia Busch FS 2016 Serie 3 1 a) Zeigen Sie, dass der Graph von f(x, y) = 9 (x 2) 2 (y 3) 2 eine Halbkugel beschreibt und bestimmen Sie ihren Radius und ihr Zentrum z = f(x, y) =

Mehr

10 Der Satz über implizite Funktionen und Umkehrfunktionen

10 Der Satz über implizite Funktionen und Umkehrfunktionen Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Der Satz über implizite Funktionen und Umkehrfunktionen Motivation: Sei F : U R R eine differenzierbare Funktion

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Vektoranalysis Orientierte Flächenintegrale, Satz von Gauß, Satz von Stokes

Vektoranalysis Orientierte Flächenintegrale, Satz von Gauß, Satz von Stokes Vektoranalysis Orientierte Flächenintegrale, Satz von Gauß, Satz von Stokes Themen des Tutoriums am 03.06.2015: Wiederholung: Ein glattes Flächenstück ist eine Menge M R 3, die eine reguläre Parametrisierung

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

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

Mehr

18.2 Implizit definierte Funktionen

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

Mehr

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

Flächen und ihre Krümmungen

Flächen und ihre Krümmungen Flächen und ihre Krümmungen Teilnehmer: Levi Borodenko Anna Heinrich Jochen Jacobs Robert Jendersie Tanja Lappe Manuel Radatz Maximilian Rogge Käthe-Kollwitz-Oberschule, Berlin Käthe-Kollwitz-Oberschule,

Mehr

39 Differenzierbare Funktionen und Kettenregel

39 Differenzierbare Funktionen und Kettenregel 192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:

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

Monotonie, Konkavität und Extrema

Monotonie, 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

Mehr

C. Eicher Analysis Study Center ETH Zürich HS Extremwerte

C. Eicher Analysis Study Center ETH Zürich HS Extremwerte C. Eicher Analysis Study Center ETH Zürich HS 05 Extremwerte Gelöste Aufgabenbeispiele:. Bestimme die lokalen und globalen Extrema der Funktion f(x) = x x + x auf dem Intervall [ 4, ]. a. Bestimmung 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

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle

Mehr

Übungen zur Analysis II Blatt 27 - Lösungen

Übungen zur Analysis II Blatt 27 - Lösungen Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R

Mehr

Musterlösung zu Blatt 1

Musterlösung 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

Mehr

Serie 4: Gradient und Linearisierung

Serie 4: Gradient und Linearisierung D-ERDW, D-HEST, D-USYS Mathematik II FS 5 Dr. Ana Cannas Serie 4: Gradient und Linearisierung Bemerkungen: Die Aufgaben der Serie 4 bilden den Fokus der Übungsgruppen vom 7./9. März.. Wir betrachten die

Mehr

6.5. Satz von Gauss 107

6.5. Satz von Gauss 107 6.5. Satz von Gauss 7 6.5 Satz von Gauss nter einem Vektorfeld F, definiert auf einer offenen Teilmenge D R n, versteht man eine Zuordnung, die jedem Punkt p D einen Vektor F(p) R n zuordnet. Das Vektorfeld

Mehr

Wiederholungsklausur zur Analysis II

Wiederholungsklausur zur Analysis II Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. 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,

Mehr

4 Affine Koordinatensysteme

4 Affine Koordinatensysteme 4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner

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

Stroppel Musterlösung , 180min. Aufgabe 1 (7 Punkte) Gegeben seien folgende Potenzreihen: ( 2) n n xn,

Stroppel Musterlösung , 180min. Aufgabe 1 (7 Punkte) Gegeben seien folgende Potenzreihen: ( 2) n n xn, Stroppel Musterlösung 0. 09. 03, 80min Aufgabe 7 Punkte) Gegeben seien folgende Potenzreihen: ) n fx) = n xn, gx) = n= + ) n n x+) n. 3 n= a) Bestimmen Sie jeweils den Konvergenzradius und den Entwicklungspunkt.

Mehr

13 Partielle Ableitung und Richtungsableitung

13 Partielle Ableitung und Richtungsableitung 3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)

Mehr

1. und 2. Fundamentalform

1. und 2. Fundamentalform 1. und 2. Fundamentalform regulärer Flächen Proseminar Differentialgeometrie Von Daniel Schliebner Herausgabe: 05. Dezember 2007 Daniel Schliebner 1. und 2. Fundamentalform regulärer Flächen Seite 1 6.1

Mehr

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

Klausur zu Analysis II - Lösungen

Klausur zu Analysis II - Lösungen Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.

Mehr

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

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

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion

Mehr

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen. Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6

Klausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem

Mehr