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

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

4.3 Richtungsableitungen

4.3 Richtungsableitungen 4.3 Richtungsableitungen 4.3. Richtungsableitungen 73 Wenden wir uns jetzt Funktionen zu, die von mehreren Variablen abhängen. Sei also U R n offen und f:u R eine Funktion. Wählen wir einen Punkt p = (p

Mehr

Extremalprobleme mit Nebenbedingungen

Extremalprobleme 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

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

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

102 KAPITEL 14. FLÄCHEN

102 KAPITEL 14. FLÄCHEN 102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition

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

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

Analysis II. Vorlesung 47

Analysis II. Vorlesung 47 Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Zu einer reellwertigen Funktion Vorlesung 47 interessieren wir uns wie schon bei einem eindimensionalen Definitionsbereich für die Extrema, also Maxima

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

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

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

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

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

6.3 Umkehrbarkeit. D(f 1 ) f(p) = (Df) 1

6.3 Umkehrbarkeit. D(f 1 ) f(p) = (Df) 1 100 Kapitel 6 Ausbau der Differentialrechnung 63 Umkehrbarkeit In diesem Abschnitt soll die Frage untersucht werden, wann eine differenzierbare Funktion umkehrbar ist Einen ersten Hinweis gibt hier die

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

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

Teil IV : Integration über Untermannigfaltigkeiten. 9 Untermannigfaltigkeiten von R n

Teil IV : Integration über Untermannigfaltigkeiten. 9 Untermannigfaltigkeiten von R n Teil IV : Integration über Untermannigfaltigkeiten In der Analysis II haben wir bereits Kurven in R n eine Länge zugeordnet (also ein eindimensionales Volumen ) und Funktionen über Kurven integriert. In

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

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

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

1. Elementare Eigenschaften und Beispiele

1. Elementare Eigenschaften und Beispiele Kapitel XI. Untermannigfaltigkeiten 1. Elementare Eigenschaften und Beispiele In der Linearen Algebra werden insbesondere lineare und affine Unterräume des R n betrachtet. In Analysis II haben wir unter

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

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

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y

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

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

M U = {x U f 1 =... = f n k (x) = 0}, (1)

M U = {x U f 1 =... = f n k (x) = 0}, (1) Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit

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

MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE

MATHEMATIK 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

Mehr

Differentialgeometrie II (Flächentheorie) WS

Differentialgeometrie II (Flächentheorie) WS Differentialgeometrie II (Flächentheorie) WS 2013-2014 Lektion 9 18. Dezember 2013 c Daria Apushkinskaya 2013 () Flächentheorie: Lektion 9 18. Dezember 2013 1 / 17 9. Einführung in der innere Geometrie

Mehr

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in

Mehr

Aufgaben. f : R 2 R, f(x, y) := y.

Aufgaben. f : R 2 R, f(x, y) := y. 11. Übung zur Maß- und Integrationstheorie, Lösungsskizze A 63 Untermannigfaltigkeiten von R 2 ). Aufgaben Skizzieren Sie grob die folgenden Mengen und begründen Sie, welche davon 1-dimensionale Untermannigfaltigkeiten

Mehr

1 Übungsaufgaben zu Kapitel 1

1 Übungsaufgaben zu Kapitel 1 Übungsaufgaben zu Kapitel. Übungsaufgaben zu Abschnitt... Aufgabe. Untersuchen Sie die nachstehend definierten Folgen ( a k ) k und ( b k ) k auf Konvergenz und bestimmen Sie ggf. den jeweiligen Grenzwert:

Mehr

D-MAVT/D-MATL FS 2018 Dr. Andreas Steiger Analysis IILösung - Serie19. sind weder parallel noch stehen sie senkrecht aufeinander.

D-MAVT/D-MATL FS 2018 Dr. Andreas Steiger Analysis IILösung - Serie19. sind weder parallel noch stehen sie senkrecht aufeinander. -MAVT/-MATL FS 8 r. Andreas Steiger Analysis IILösung - Serie9. ie Fläche S sei einerseits durch die Parameterdarstellung (u, v) r(u, v) und andererseits durch die Gleichung f(x, y, z) = gegeben. Wir betrachten

Mehr

Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt

Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt 9 19.12.2012 Aufgabe 35: Thema: Differenzierbarkeit a) Was bedeutet für eine Funktion f : R n R, dass f an der Stelle x 0 R n differenzierbar ist?

Mehr

01. Differentialrechnung in mehreren Variablen - 2. Teil

01. Differentialrechnung in mehreren Variablen - 2. Teil 01. Differentialrechnung in mehreren Variablen - 2. Teil Im folgenden werden die meisten Konzepte für Funktionen von 2 Variablen erklärt. In manchen Fällen können diese Konzepte unmittelbar auf Funktionen

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. M. Wolf Dr. M. Prähofer TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 Analysis MA93 http://www-m5.ma.tum.de/allgemeines/ma93 8S Sommersem. 8 Lösungsblatt 9.6.8 Zentralübung

Mehr

Teil 6. Differentialrechnung mehrerer Veränderlicher

Teil 6. Differentialrechnung mehrerer Veränderlicher Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält

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

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

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

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

4 Differenzierbarkeit

4 Differenzierbarkeit 4 Differenzierbarkeit 16 4 Differenzierbarkeit Wir wollen nun Differenzierbarkeit von Funktionen mehrerer Veränderlicher definieren Dazu führen wir zunächst den Begriff der partiellen Ableitung ein Definition

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

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

2 Extrema unter Nebenbedingungen

2 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

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

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

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

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

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

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

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

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

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

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

Musterlösungen Serie 1

Musterlösungen Serie 1 D-MAVT D-MATL Analysis II FS 03 Prof. Dr. P. Biran Musterlösungen Serie. Frage Wie lautet der Gradient der Funktionf : R R,(x,y x y +y? f(x,y = x +xy +. f(x,y = ( xy x + f(x,y = ( x + xy Der Gradient vonf

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

Technische Universität München. Probeklausur Lösung SS 2012

Technische Universität München. Probeklausur Lösung SS 2012 Technische Universität München Andreas Wörfel & Carla Zensen Ferienkurs Analysis für Physiker Probeklausur Lösung SS Aufgabe Differenzierbarkeit / Punkte: [4,, 3, 4] Es sei f(x, y) = sin(x3 + y 3 ) x +

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

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

Äußere Geometrie von Flächen

Äußere Geometrie von Flächen Äußere Geometrie von Flächen Bezeichnungen und Wiederholung der Analysis II. Auf der übernächsten Folie werden wir definieren, was ein (parametrisiertes) Flächenstück ist. Als mathematisches Objekt ist

Mehr

Nachklausur zur Analysis 2, SoSe 2017

Nachklausur zur Analysis 2, SoSe 2017 BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe

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

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

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

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

2 Funktionen in mehreren Variablen: Differentiation

2 Funktionen in mehreren Variablen: Differentiation Satz 2. (Richtungsableitung) Für jede auf der offenen Menge D R n total differenzierbaren Funktion f (insbesondere für f C 1 (D, R) und für jeden Vektor v R n, v 0, gilt: n v f(x) = f(x) v = f xi (x)v

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

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

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.3 2014/04/17 18:51:19 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d Am Ende der letzten Sitzung hatten wir begonnen eindimensionale Untermannigfaltigkeiten des R d zu untersuchen.

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

Mathematik II Lösung 9. Lösung zu Serie 9

Mathematik II Lösung 9. Lösung zu Serie 9 D-EDW, D-HEST, D-USYS Dr. Ana annas 5. April 6 Lösung zu Serie 9. Überprüfung des Satzes von Green Für die Kreisscheibe mit adius a um Null gilt, dass die äußere Einheitsnormalen in einem Punkt (x, y auf

Mehr

Probeklausur. 1 Stetigkeit [7 Punkte] 2 Differenzierbarkeit [10 Punkte] Ferienkurs Analysis 2 für Physiker SS Karolina Stoiber Aileen Wolf

Probeklausur. 1 Stetigkeit [7 Punkte] 2 Differenzierbarkeit [10 Punkte] Ferienkurs Analysis 2 für Physiker SS Karolina Stoiber Aileen Wolf Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 26 A Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar

Mehr

Probeklausur zur Analysis 2, SoSe 2017

Probeklausur 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

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

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

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw. Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen

Mehr

Höhere Mathematik II für die Fachrichtung Physik. Übungs- und Scheinklausur

Höhere Mathematik II für die Fachrichtung Physik. Übungs- und Scheinklausur Institut für Analysis SS17 PD Dr. Peer Christian Kunstmann 15.7.17 Dipl.-Math. Leonid Chaichenets, Johanna Richter, M.Sc., Tobias Ried, M.Sc., Tobias Schmid, M.Sc. Höhere Mathematik II für die Fachrichtung

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

Wiederhole die Themen der Analysis aus diesem Semester, wir stellen Fragen im Testat! Richtungsableitungen & partielle Differenzierbarkeit

Wiederhole die Themen der Analysis aus diesem Semester, wir stellen Fragen im Testat! Richtungsableitungen & partielle Differenzierbarkeit ÜBUNG [00]: Wiederholung: Analysis II Wiederhole die Themen der Analysis aus diesem Semester, wir stellen Fragen im Testat! Differentation im restart; with(plots): Richtungsableitungen & partielle Differenzierbarkeit

Mehr

Schwerpunkte des Kapitels Differentialrechnung für skalare Felder Integralrechnung für skalare Felder Kurvenintegrale. Aufgabe 9.2 Aufgabe 9.

Schwerpunkte des Kapitels Differentialrechnung für skalare Felder Integralrechnung für skalare Felder Kurvenintegrale. Aufgabe 9.2 Aufgabe 9. 9. Mehrdimensionale Analysis 1/42 9. Mehrdimensionale Analysis Differentialrechnung für skalare Felder 2/42 Schwerpunkte des Kapitels Differentialrechnung für skalare Felder Integralrechnung für skalare

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

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

Kapitel 6 Differential- und Integralrechnung in mehreren Variablen

Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...

Mehr

Mathematischer Vorkurs NAT-ING II

Mathematischer 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

Mehr