55 Lokale Extrema unter Nebenbedingungen

Größe: px
Ab Seite anzeigen:

Download "55 Lokale Extrema unter Nebenbedingungen"

Transkript

1 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 : O R m differenzierbar, dann suchen wir nach einer notwendigen Bedingung, dass f auf der Nullstellenmenge N = F 1 ({0}) = {p O : F (p) = 0} ein lokales Extemum besitzt. Hierzu definieren wir zunächst 55.1 Lokale Extrema unter Nebenbedingungen Sei O R n offen und f : O R. Sei F : O R m. Dann sagen wir f hat in p 0 O ein lokales Maximum (bzw. lokales Minimum) unter der Nebenbedingung F (x) = 0, wenn gilt p 0 gehört zur Nebenbedingungsmenge N = F 1 ({0}), und es eine Umgebung U von p 0 gibt, so dass f Maximum (bzw. Minimum) von f(u N) ist, also wenn gilt f f(p) (bzw. f f(p)) für alle p U N. Die Begriffe lokales Maximum und lokales Minimum unter Nebenbedingungen faßt man zum Begriff lokales Extremum unter Nebenbedingungen zusammen. Sei nun f : O R in p 0 O differenzierbar. F : O R m mit O R n m R m erfülle die Voraussetzungen des Satzes 53.8 über implizite Funktionen. Dann gilt nach 53.8 (ii) wenn p 0 = ( p 0, q 0 ) N = F 1 ({0}) ist, N (U 1 U 2 ) = {( p, ϕ( p)) : p U 1 } wobei U 1 Umgebung von p 0 und U 2 Umgebung von q 0 ist. Dann besitzt also f in p 0 ein lokales Extremum unter den Nebenbedingungen F = 0, genau dann, wenn h definiert durch h( p) = f( p, ϕ( p)), p U 1 ein lokales Extremum (ohne Nebenbedingungen) in p 0 besitzt. Dies führt zu 55.2 Lagrangesche Multiplikatorenregel Sei O offene Teilmenge des R n. Es sei f : O R im Punkte p 0 O differenzierbar. Ferner sei F := (F 1,..., F m ) : O R m stetig differenzierbar sowie m < n. Es sei rg(d p0 F ) = m. Es besitze f in p 0 ein lokales Extremum unter der Nebenbedingung F (x) = 0. Dann existieren λ 1,..., λ m R (Lagrangesche Multiplikatoren) mit f = m i=1 λ i F i. C 1 [55] 1

2 Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Beweis. Setze R n = R l R m mit l := n m > 0. Sei o.b.d.a. O = O 1 O 2 mit O 1 offen im R n m und O 2 offen im R m. Dann gilt (1) p 0 = ( p 0, q 0 ) mit p 0 O 1, q 0 O 2. Setze y i = x m m+i, also (x 1,..., x n m, y 1,..., y m ) = (x 1,..., x n ). Es gilt (2) m = rg(d p0 F ) = rg(j p0 F ) F 1 F 1 n = rg F m F n Wegen (2) sei o.b.d.a F 1 1 F 1 m (3) rg = m F m 1 F m Wegen (3) gibt es nach 53.8 (i) eine Umgebung U 1 von p 0 und eine Umgebung U 2 von q 0 mit U i O i und eine Funktion ϕ = (ϕ 1,..., ϕ m ) mit (4) ϕ : U 1 U 2 stetig differenzierbar, ϕ( p 0 ) = q 0. [ ] 1 (5) J p0 ϕ = F ( p 0, ϕ( p 0 )) F ( p 0, ϕ( p 0 )) sowie (6) N (U 1 U 2 ) = {( p, ϕ( p)) : p U 1 }. Besitzt daher F ein lokales Extremum in p 0 unter der Nebenbedingung F (x) = 0, so besitzt h( p) := f( p, ϕ( p)), p U 1 ein lokales Extemum in p 0 U 1. Da h als Komposition differenzierbarer Funktionen in p 0 differenzierbar ist (beachte (4)), folgt 0 = D p0 h, d.h. (7) grad p0 h = 0. Aus der Kettenregel zusammen mit folgt (8) grad p0 h = f ( ) En m J p0 ϕ wobei E n m die Einheitsmatrix des R n m ist. Aus (7), (8) folgt zusammen mit (5) ( ) (9) 0 = ( Setzt man n m m ) E n m ( F ) 1 F (λ 1,..., λ m ) := ( 1 m )( F ) 1 so gilt nach Definition (10) ( 1 m ) = (λ 1,..., λ m ) F. Andererseits folgt aus (9) [55] 2 C 1.

3 Lokale Extrema unter Newbenbedingungen (11) 0 = ( n m ) (λ 1,..., λ m ) F. Aus (11) und (10) ergibt sich also die Behauptung. (f) = (λ 1,..., λ m )( F, F ) = (λ 1,..., λ m )J p0 F = (λ 1,..., λ m ) = m i=1 λ i F i, ( ) gradp0 F 1 F m Sei f : O R differenzierbar und F : O R m stetig differenzierbar. Um die möglichen Stellen eines lokalen Extremums von f unter der Nebenbedingung F (x) = 0 zu bestimmen, geht man folgendermaßen vor: Man betrachtet das System der n m Gleichungen F (L) i (p) + λ 1 F 1 i (p) + λ 2 F 2 i (p) λ m m i (p) = 0 für i = 1,..., n F j (p) = 0 für j = 1,..., m. Setzt man G(p, λ 1,..., λ m ) = f(p) + m j=1 λ jf j (p), so ist die Bedingung (L) auch äquivalent zu dies folgt aus G λ j (p, λ 1,..., λ m ) = F j (p) (G) J (p0,λ 0 1,...,λ0 m) G = 0; G und i (p, λ 1,..., λ m ) = i (p) + m j=1 λ j F j i (p). Man versucht nun das Gleichungssystem (L) (oder (L) ) zu lösen. Jeder Punkt p 0 = (p 0 1,..., p0 n) der Anfang einer Lösung (p 0 1,..., p0 n, λ 0 1,..., λ0 n) von G ist und für den rgj p0 F = m ist, kann dann Stelle eines lokalen Extremums von f unter der Nebenbedingung F (x) = 0 sein. Die einzigen weiteren Stellen p 0 die sich ebenfalls als Stellen eines lokalen Extremuns erweisen konnten, sind die Punkte mit F = 0 und rg(d p0 F ) < m. Die beiden folgenden Bemerkungen helfen gelegentlich bei der Anwendung des Lagrangeschen Verfahrens. Ist n := {p O : F (p) = 0} kompakt, so besitzt f N nach eine Minimal- und Maximalstelle. Es besitzt also f unter der Nebenbedingung ein globales Minimum und Maximum. Der kleinste bzw. der größte der Werte f, die man mit Hilfe des obigen Verfahren erhält, ist dann das absolute Minimum bzw. Maximum von f unter der Nebenbedingung F (x) = 0. Vielfach sind Extremwertaufgaben mit Nebenbedingungen Abstandsaufgaben. Diese besitzen häufig aus anschaulichen Gründen eine Lösung. Manchmal kann die Existenz einer Lösung eines solchen Problems mit Hilfe des folgenden Satzes gezeigt werden Kompakte und abgeschlossene Mengen besitzen minimalen Abstand voneinander. Sei K R n kompakt und A R n abgeschlossen mit K und A. Dann gibt es ein k 0 K und a 0 A mit k 0 a 0 = inf{ k a : k K, a A}. C 1 [55] 3

4 Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Beweis. Setze a := inf{ k a : k K, a A}. Dann gibt es k n K und a n A mit (1) k n a n n α. Da K kompakt ist, gibt es eine Teilfolge k ϕ (n) von k n und ein k 0 K mit (2) k ϕ(n) n k 0. Aus (1) und (2) folgt dann (3) k 0 a ϕ(n) n α. Somit ist die Folge a ϕ(n) beschränkt, und es gibt daher eine weitere Teilfolge a ψ(n) die gegen ein Element a 0 konvergiert. Da A abgeschlossen ist, gilt a 0 A. Aus k 0 a ψ(n) α und a ψ(n) a 0 folgt somit α = k 0 a 0 mit k 0 K und a 0 A. Zum Abschluss dieses Pragrafen bringen wir zwei Beispiele. Das erste Beispiel benutzt den Satz 55.3, das zweite die Kompaktheit der Menge N Beispiel Gesucht sei derjenige Punkt au der Ebene F (x 1, x 2, x 3 ) = x 1 + x 2 x 3 = 0 der vom Punkt (1, 0, 0) den kleinsten Abstand hat. Es ist K = {(1, 0, 0)} kompakt und A = {p R 3 : F (p) = 0} abgeschlossen. Nach Satz 55.3 gibt es dann (mindestens) einen solchen Punkt. Zu minimieren ist also (1, 0, 0) (x 1, x 2, x 3 ) unter der Nebenbedingung F (x 1, x 2, x 3 ) = 0. Äquivalent hierzu ist es, die Funktion f(x 1, x 2, x 3 ) = (x 1 1) 2 +x 2 2 +x2 3 unter der Nebenbedingung zu minimieren. Da D p F = (1, 1, 1) maximalen Rang hat muss jeder gesuchte Punkt p 0 den Bedingungen (L) genügen. Also muss gelten i + λ F i = 0 für i = 1, 2, 3; F = 0. 2(p 1 0 1) + λ = 0 2p λ = 0 2p 3 0 λ = 0 p p2 0 p3 0 = 0. Aus Addition der zweiten und dritten Gleichung folgt p 2 0 = p3 0. Somit erhält man aus der vierten Gleichung p 2 0 = p1 0 2 und aus der zweiten daher λ = p 1 0. Daher folgt aus der ersten Gleichung p 1 0 = 2/3. Der einzig mögliche Punkt für ein Minimum ist daher (2/3, 1/3, 1/3). Da es nach Satz 55.3 aber ein solches Minimum geben muss, ist (2/3, 1/3, 1/3) der Punkt der Ebene der minimalen Abstand von Punkt (1, 0, 0) hat. Man könnte die Lösung einfacher erhalten, wenn man in der Funktion f(x 1, x 2, x 3 ) die Variable x 3 wegen der Nebenbedingung durch x 1 + x 2 ersetzt. Man hätte dann die Funktion f 0 (x 1, x 2 ) = f(x 1, x 2, x 1 + x 2 ) = (x 1 1) 2 + x (x 1 + x 2 ) 2 auf R 2 zu minimieren. Dies kann mit Hilfe von 52.6 (ii) geschehen Bestimmung der Extrema unter einer kompakten Nebenbedingung Man bestimme das absolute Minimum und Maximum der Funktion f(x 1, x 2, x 3 ) = 5x 1 + x 2 3x 3 auf dem Schnitt der Ebene x 1 + x 2 + x 3 = 0 mit der Kugeloberfläche x x x2 3 = 1. Die Nebenbedingungsmenge ist also kompakt und wird beschrieben durch [55] 4 C 1

5 Lokale Extrema unter Newbenbedingungen F 1 (x 1, x ( 2, x 3 ) = x 1 + x 2 + ) x 3 = 0 und F 2 (x 1, x 2, x 3 ) = x x2 2 + x2 3 1 = 0 Es ist 1, 1, 1 J p F =. Die Matrix ist auf der Nebenbedingungsmenge regulär. Die 2x 1, 2x 2, 2x 3 absoluten Extrema die ja auch relative Extrema sind, müssen sich also mit Hilfe der Lagrangeschen Multiplikatoren berechnen lassen. Es muss also für die absolute Maxima und Minima gelten 5 + λ + 2µ x 1 = λ + 2µ x 2 = λ + 2µ x 3 = 0 x 1 + x 2 + x 3 = 0 x x2 2 + x2 3 1 = 0. Addiert man die ersten drei Gleichungen, so erhält man wegen der vierten Gleichung 3 + 3λ = 0, d.h. λ = 1. Hiermit ergibt sich aus den ersten beiden Gleichungen 4 + 2µ x 1 = 0 und 2µ x 2 = 0. Es muss also µ 0 und daher x 2 = 0 sein. Aus den letzten beiden Gleichungen erhalten wir daher x 3 = x 1 und 2x 2 1 = 1, also x 1 = ± 1/ 2. Man rechnet nach, dass (1/ 2, 0, 1/ 2) zusammen mit λ 1 und µ = 2 2 sowie ( 1/ 2, 0, 1/ 2) zusammen mit λ 1 und µ = 2 2 das Lagrangesche Gleichungssystem erfüllen. Es gilt f(1/ 2, 0, 1/ 2) = 4 2 f( 1/ 2, 0, 1/ 2) = 4 2. Da also höchstens zwei relative Extrema existieren, anderseits aber ein absolutes Maximum und Minimum wegen der Kompaktheit von N existiert, muss 4 2 das absolute Maximum und 4 2 das absolute Minimum von f unter der Nebenbedingung N sein. C 1 [55] 5

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

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

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

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

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

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

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe

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

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

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

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

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

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

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

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

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

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

BERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften

BERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften Musterl osung BERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften Analysis II Klausur WS 211/212 Prof. Dr. Hartmut Pecher 3.2.212, 9:15 Uhr Name Matr.Nr. Studienfach Fachsemester

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

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

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

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

0.1 Hauptsatz über implizite Funktionen

0.1 Hauptsatz über implizite Funktionen 0.1 Hauptsatz über implizite Funktionen 0.1 Hauptsatz über implizite Funktionen Ein lineares homogenes Gleichungssystem von q Gleichungen in r + q Unbekannten kann bekanntlich verwendet werden um q Unbekannte

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

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

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

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

9 Differentialrechnung für Funktionen in n Variablen

9 Differentialrechnung für Funktionen in n Variablen $Id: diff.tex,v.7 29/7/2 3:4:3 hk Exp $ $Id: ntaylor.tex,v.2 29/7/2 3:26:42 hk Exp $ 9 Differentialrechnung für Funktionen in n Variablen 9.6 Lagrange Multiplikatoren Die Berechnung von Maxima und Minima

Mehr

Der metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch

Der metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.

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

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

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

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

Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8. Übungsblatt. ). 12x 3 Die Hessematrix von f ist gegeben durch H f (x, y) =

Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8. Übungsblatt. ). 12x 3 Die Hessematrix von f ist gegeben durch H f (x, y) = Karlsruher Institut für Technologie (KIT Institut für Analysis Priv-Doz Dr P C Kunstmann Dipl-Math D Roth SS 0 7060 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8 Übungsblatt

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

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

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

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt

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

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

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

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

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

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

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II... ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

10. Übungsblatt zur Analysis II

10. Übungsblatt zur Analysis II Fachbereich Mathematik Prof. Dr. Steffen Roch Nada Sissouno WS 2009/2010 17.12.2009 10. Übungsblatt zur Analysis II Gruppenübung Aufgabe G1 Gegeben sei die Funktion g : R 2 R, g(x,y) = sin 2 y + x 3 1.

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

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige

Mehr

23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN

23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN 204 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch

Mehr

Musterlösung der 1. Klausur zur Vorlesung

Musterlösung der 1. Klausur zur Vorlesung Prof. Dr. M. Röger Dipl.-Math. C. Zwilling Fakultät für Mathematik TU Dortmund Musterlösung der. Klausur zur Vorlesung Analysis II 6.7.6) Sommersemester 6 Aufgabe. i) Die Folge f n ) n N konvergiert genau

Mehr

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion. Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.

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

Implizite Funktionen

Implizite Funktionen Implizite Funktionen Durch die Bedingung F (x, y) = C, C R wird eine bestimmte Teilmenge des R 2 festgelegt, zb durch die Bedingung x y = 4 Dabei können wir obda C = 0 annehmen, da wir stets zur Betrachtung

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

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

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C)

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C) Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, 14..009 (Version C Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen aus der Vorlesung

Mehr

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0. Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales

Mehr

(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

KAPITEL 10 DIE INNERE-PUNKTE-METHODE

KAPITEL 10 DIE INNERE-PUNKTE-METHODE KAPITEL DIE INNERE-PUNKTE-METHODE F. VALLENTIN, A. GUNDERT Vorteile: + Löst effizient lineare Programme (in Theorie und Praxis) + erweiterbar (zu einer größeren Klasse von Optimierungsproblemen) + einfach

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

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

Nachklausur Analysis 2

Nachklausur Analysis 2 Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,

Mehr

Lösungsvorschläge zum 7. Übungsblatt.

Lösungsvorschläge zum 7. Übungsblatt. Übung zur Analysis II SS Lösungsvorschläge zum 7 Übungsblatt Aufgabe 5 a) f : R R definiert durch fx, y) : x, y) und D : U, ) und D : U 4, ) \ U, ) b) f : R R definiert durch fx, y) : x ) cost) c) γ :

Mehr

Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung

Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung TU Bergakademie Freiberg Sommersemester Dr. Gunter Semmler Dr. Anja Kohl Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung Differentialrechnung für Funktionen

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

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

(a), für i = 1,..., n.

(a), für i = 1,..., n. .4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7

Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 7.1 (Herbst 2015, Thema 1, Aufgabe 4) Gegeben sei das Dreieck und die Funktion f : R mit Bestimmen Sie f(

Mehr

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

Mehrdimensionale Differentialrechnung Übersicht

Mehrdimensionale Differentialrechnung Übersicht Mehrdimensionale Differentialrechnung Übersicht Partielle und Totale Differenzierbarkeit Man kann sich mehrdimensionale Funktionen am Besten für den Fall f : R 2 M R vorstellen Dann lässt sich der Graph

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 16 : Differentialrechnung Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen

Mehr

Aufgabensammlung zur Analysis 1

Aufgabensammlung zur Analysis 1 Analysis 1 18.12.2017 Prof. Dr. H. Koch Dr. F. Gmeineder Abgabe: Keine Abgabe. Aufgabensammlung zur Analysis 1 Anmerkungen: Das vorliegende Blatt enthält eine Auswahl von Aufgaben, die auf Klausuren zur

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

3 Optimierung mehrdimensionaler Funktionen f : R n R

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

Mehr

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2 Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob 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

5 Stetigkeit und Differenzierbarkeit

5 Stetigkeit und Differenzierbarkeit 5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.

Mehr

Extrema von Funktionen mit Nebenbedingung

Extrema von Funktionen mit Nebenbedingung Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen mit Nebenbedingung Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 6.5 (das agraökonomische Schaf )

Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 6.5 (das agraökonomische Schaf ) Mathematische Grundlagen für Wirtschaftswissenschaftler Leseprobe - Abschnitt 65 (das agraökonomische Schaf ) Sascha Kurz Jörg Rambau 25 November 2009 2 66 Die Karush-Kuhn-Tucker-Methode Die Erkenntnisse

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale (Wiederholung) HÖHERE MATHEMATIK 3 für Chemieingenieurwesen

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale (Wiederholung) HÖHERE MATHEMATIK 3 für Chemieingenieurwesen ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

19.2 Mittelwertsatz der Differentialrechnung

19.2 Mittelwertsatz der Differentialrechnung 19 Mittelwertsätze der Differentialrechnung mit Anwendungen 19.1 Satz von Rolle 19.2 Mittelwertsatz der Differentialrechnung 19.4 Globaler Wachstumssatz 19.6 Verallgemeinerter Mittelwertsatz der Differentialrechnung

Mehr

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R

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

Mehr

D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Übungsblatt 6. f(x, y, z) = xyz + 3e x y

D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Übungsblatt 6. f(x, y, z) = xyz + 3e x y D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler Übungsblatt 6 1. Es seien f : R 2 R 3 und g : R 3 R 3 die Funktionen definiert durch x cos(y) 2 y 2 f(x, y) = x sin(y) und g(x, y, z)

Mehr

Extremwertrechnung in mehreren Veränderlichen

Extremwertrechnung in mehreren Veränderlichen KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 2014 14.05.2014 Höhere Mathematik II für die Fachrichtung Informatik 3. Saalübung (14.05.2014) Extremwertrechnung

Mehr

6 Weiterer Ausbau der Differentialrechnung

6 Weiterer Ausbau der Differentialrechnung 6 Weiterer Ausbau der Differentialrechnung 6.1 Mittelwertsätze, Extremwerte, Satz von Taylor Motivation: Wie wählt man Höhe und Durchmesser einer Konservendose, so dass bei festem Volumen V möglichst wenig

Mehr

Musterlösung Klausur zu Analysis II. Verständnisteil

Musterlösung Klausur zu Analysis II. Verständnisteil Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex

Mehr

10. Übung zur Linearen Algebra I -

10. Übung zur Linearen Algebra I - . Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@FU-Berlin.de FU Berlin. WS 29-. Aufgabe 37 i Für welche α R besitzt das lineare Gleichungssystem 4 αx + αx 2 = 4x + α + 2x 2 = α genau eine,

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

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

Vorlesung: Analysis I für Ingenieure

Vorlesung: Analysis I für Ingenieure Vorlesung: Analysis I für Ingenieure Michael Karow Thema: Satz von Taylor Die Taylor-Entwicklung I Satz von Taylor. Sei f : R D R an der Stelle x n-mal differenzierbar. Dann gilt für x D, n f (k) (x )

Mehr

Kapitel 12. Lagrange-Funktion. Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28. f (x, y) g(x, y) = c. f (x, y) = x y 2

Kapitel 12. Lagrange-Funktion. Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28. f (x, y) g(x, y) = c. f (x, y) = x y 2 Kapitel 12 Lagrange-Funktion Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28 Optimierung unter Nebenbedingungen Aufgabe: Berechne die Extrema der Funktion unter der Nebenbedingung

Mehr

9 Höhere partielle Ableitungen und die Taylorformel

9 Höhere partielle Ableitungen und die Taylorformel Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,

Mehr

Berechnung von Extrema

Berechnung von Extrema KAPITEL 2 Berechnung von Extrema 1. Partielle Ableitungen Definition 2.1 (partielle Ableitung). Sei U R n offen und e j der j-te Einheitsvektor. Eine Funktion f : U R ist in x u partiell differenzierbar

Mehr

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 009 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe

Mehr

Konvexe Optimierungsprobleme

Konvexe Optimierungsprobleme von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel

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

AM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:

AM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man: AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f

Mehr