1.6 Stabilität von Gleichgewichtslagen
|
|
- Martina Tiedeman
- vor 6 Jahren
- Abrufe
Transkript
1 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 einer offenen Teilmenge D R 2, so ist das zugehörige Gradientenvektorfeld f gegeben durch g(x,y) f(x,y) =, wobei g(x,y) = h(x, y) x f(x,y) und h(x,y) = y f(x,y). Betrachten wir jetzt das um 90 Grad gedrehte Vektorfeld F(x,y) = h(x,y). g(x, y) Wenn wir zusätzlich annehmen, dass F keine Nullstellen in D hat, dann sind alle Trajektorien von F eindimensional und schneiden die Gradientenlinien jeweils senkrecht. Genauer handelt es sich gerade um die Zusammenhangskomponenten der Niveaulinien von f. Die Funktion f liefert also eine simultane Zerlegung von D in zwei Scharen von Kurven, die überall aufeinander senkrecht stehen. Die Trajektorien des Vektorfeldes F sind Lösungskurven der sogenannten exakten Differentialgleichung df = gdx+hdy. Dazu mehr in den Übungen. 1.6 Stabilität von Gleichgewichtslagen Hier ist eine Präzisierung der intuitiven Vorstellung von Stabilität einer Gleichgewichtslage Definition Sei Y X 0 eine Gleichgewichtslage der Differentialgleichung Y = F(Y) für ein stetig differenzierbares Vektorfeld F. Der Punkt X 0 heisst stabil, falls zu jedem ǫ > 0 ein δ > 0 existiert mit X X 0 < δ ϕ(t,x) X 0 < ǫ für alle t > 0, und andernfalls instabil. X 0 heisst Attraktor, falls ein δ > 0 existiert mit lim ϕ(t,x) = X 0 für alle X X 0 < δ. t X 0 heisst asymptotisch stabil, falls X 0 ein stabiler Attraktor ist. Es gibt folgendes Kriterium für Stabilität für lineare Vektorfelder: 1.52 Satz Sei A eine feste n n-matrix mit Eigenwerten λ 1,...,λ n. Wir setzen γ := max{re(λ j ) j = 1,...,n}. Ist γ < 0, so ist der Nullpunkt asymptotisch stabil für das durch A definierte dynamische System. Ist γ > 0, ist der Nullpunkt instabil.
2 1.6. Stabilität von Gleichgewichtslagen 41 Der Vergleich mit den Phasenbildern der ebenen linearen Vektorfelder zeigt, dass hier die intuitiv vorgenommene Einteilung mit der nun gegebenen Definition, sowie mit dem Kriterium für Stabilität übereinstimmt. Allgemeiner gilt folgendes Stabilitätskriterium für stationäre Punkte von stetig differenzierbaren Vektorfeldern (Prinzip der linearisierten Stabilität) Satz Sei F:D R n R n ein stetig differenzierbares Vektorfeld, und sei Y X 0 eine stationäre Lösung der Differentialgleichung Y = F(Y). Bezeichne weiter γ das Maximum der Realteile von Eigenwerten des Differentials DF(X 0 ) von F bei X 0. Entsprechend zu eben gilt: Ist γ < 0, so ist X 0 asymptotisch stabil für das durch F definierte dynamische System. Ist γ > 0, ist X 0 instabil Beispiel Wir betrachten die Differentialgleichung ẋ = x 2 λ (λ R). Die Gleichgewichtspunkte sind die Nullstellen der Funktion f(x) = x 2 λ, nämlich ± λ (falls λ 0). Der Phasenraum ist hier eindimensional, und im Phasenbild für λ > 0 gibt es die zwei Punkte ± λ. Im Komplement dieser beiden Punkte gibt es die drei Bahnen (, λ), ( λ, λ), ( λ, ). Das Differential von f lautet f (x) = 2x, und daher ist γ = ±2 λ. Der Punkt x = λ ist also stabil und der Punkt x = λ instabil. x(1+y) 1.55 Beispiel Das Vektorfeld F(x,y) = (für x,y R) hat zwei x y Nullstellen, nämlich den Nullpunkt und den Punkt p = ( 1, 1). Der entsprechende Fluss hat also zwei Gleichgewichtspunkte. ( Das) Differential des Vektorfeldes an (1+y) x einer Stelle(x,y)lautetDF (x,y) =. In den Gleichgewichtspunkten 1 1 haben wir also: DF (0,0) = und DF ( 1, 1) = Im Nullpunkt haben wir den doppelten Eigenwert 1, der Nullpunkt ist also asymptotisch stabil. Im Punkt p haben wir die Eigenwerte 1 2 (1± 5). Das ist ein positiver und ein negativer Eigenwert. Also ist der Punkt p instabil. Das Prinzip der linearisierten Stabilität lässt sich mithilfe einer Methode von Ljapunov beweisen Satz Sei F ein stetig differenzierbares Vektorfeld mit Nullstelle X 0 und V C 1 (D,R) mit V(X 0 ) = 0 und V(X) > 0 für alle X X Ist t V(ϕ(t,X)) monoton fallend für alle X D und t 0, so ist X 0 stabil. 2. Ist t V(ϕ(t,X)) sogar streng monoton fallend für alle X X 0 und t 0, so ist X 0 asymptotisch stabil.
3 42 Kapitel 1. Gewöhnliche Differentialgleichungen Beweis. Wir zeigen nur den ersten Teil. Wählen wir zunächst ǫ > 0 so klein, dass K ǫ (X 0 ) D. Auf dem kompakten Rand der Kugel nimmt die Funktion V ein positives Minimum c 0 > 0 an. Ausserdem ist V(X 0 ) = 0 < c 0. Also kann man δ > 0 finden, so dass V(X) < c 0 für alle X X 0 < δ. Sei jetzt X ein solcher Punkt mit X X 0 < δ. Weil nach Voraussetzung die Funktion V längs der Trajektorien monoton fallend ist, gilt V(ϕ(t,X)) < c 0 für alle t > 0. Die Trajektorie von X kann also die Kugel K ǫ (X 0 ) für positive Zeiten nicht verlassen, denn auf der Schnittstelle mit dem Rand müsste sie sonst einen Wert c 0 annehmen. q.e.d. Wenden wir diesen Satz von Ljapunov nun an, um zumindest in einem Spezialfall das Prinzip der linearisierten Stabilität zu beweisen Folgerung Sei F ein stetig differenzierbares Vektorfeld auf der offenen Teilmenge D R n mit Nullstelle X 0. Das Differential DF(X 0 ) von F bei X 0 sei diagonalisierbar mit reellen negativen Eigenwerten λ 1,...,λ n. Nach einem linearen Koordinatenwechsel kann man erreichen, dass die Jacobimatrix A von F bei X 0 Diagonalform hat. Wir wählen als Ljapunov-Funktion jetzt V(X) := X X 0 2 für X D und behaupten, dass V längs von Trajektorien von Punkten X X 0, die genügend nahe bei X 0 liegen, streng monoton fallend ist. Nach dem Stabilitätssatz von Ljapunov folgt also, dass X 0 asymptotisch stabil ist. Beweis. Zu zeigen ist, dass t V(ϕ(t,X)) streng monoton fallend ist für X nahe bei X 0. Dies ist nach der Kettenregel gleichbedeutend mit 0 > d V(ϕ(t,X)) = V(ϕ(t,X)),F(ϕ(t,X)) < 0. dt Einerseits ist hier V(X) = 2(X X 0 ).Andererseits liefert diedreigliedentwicklung von F folgende Zerlegung von F in ein lineares Vektorfeld und einen nichtlinearen Störterm: F(X 0 +Y) = AY +R(Y) Y, wobei lim Y 0 R(Y) = 0. Also gilt an der Stelle X 0 +Y = ϕ(t,x) d dt V(ϕ(t,X)) = V(X 0 +Y),F(X 0 +Y) = 2 Y,AY +R(Y) Y. Bezeichnet γ < 0 das Maximum der Eigenwerte von A, so gilt die Abschätzung Y,AY γ Y. Ausserdem ist nach der Cauchy-Schwarzschen Ungleichung Y,R(Y) Y R(Y). Weil lim Y 0 R(Y) = 0, kann man ein δ > 0 finden, so dass für alle Y < δ gilt: Y R(Y) < 1 2 γ.
4 1.7. Vektorfelder auf Flächen und Eulercharakteristik 43 Zusammen folgt für alle Y < δ : d V(ϕ(t,X)) = 2( Y,AY + Y,R(Y) Y ) < γ Y < 0. dt q.e.d. Hier ist noch ein Anwendungsbeispiel der Ljapunov-Methode, bei dem das Prinzip der linearisierten Stabilität nicht funktioniert: y x Beispiel Das Vektorfeld F(x,y) = x y 3 auf R 2 hat eine Nullstelle im 0 1 Nullpunkt. Die Jacobimatrix im Nullpunkt lautet hier: A = und hat die 1 0 Eigenwerte ±i. In diesem Fall macht das Eigenwertstabilitätskriterium also keine Aussage. Aber mit der Ljapunov-Methode kommt man hier trotzdem zum Ziel. Als Ljapunov-Funktion wählen wir V(x,y) = x 2 + y 2. Die Positivität ist dann sicher gewährleistet. Ausserdem rechnet man nach d dt V(ϕ(t,x,y)) = V(x,y),F(x,y) = 2x( y x3 )+2y(x y 3 ) = 2x 4 2y 4 < 0 für alle (x,y) (0,0). Also ist der Nullpunkt sogar asymptotisch stabil. 1.7 Vektorfelder auf Flächen und Eulercharakteristik Ein stetiges Vektorfeld auf einer Fläche M ist definiert als eine stetige Zuordnung F:M TM mit der Eigenschaft, dass F(p) T p M für alle p M. Jedem Punkt der Fläche wird also auf stetige Art ein Tangentialvektor an dieser Stelle zugeordnet. Überträgt man mithilfe einer Kartenabbildung ein Teilstück der Fläche in eine flache offene Teilmenge von R 2, so kann man mit dem Differential der Kartenabbildung auch das Vektorfeld auf die Karte übertragen. Ist umgekehrt Φ:U V eine bijektive, differenzierbare Abbildung von einer offenen Teilmenge U R 2 auf ein Flächenstück V M, so liefert jedes Vektorfeld F auf U ein Vektorfeld F auf V, nämlich: F(Φ(a)) := DΦ a (F(a)) a U. Ist ein Vektorfeld auf M sogar stetig differenzierbar, dann definiert es auch einen Fluss auf M. Dies ergibt sich sofort aus der Beschreibung in den Karten. Während es zum Beispiel auf dem Torus stetige Vektorfelder gibt, die keine Nullstellen haben, existiert so etwas auf der Kugeloberfläche nicht. Genauer gilt folgendes: 1.59 Satz Jedes stetig differenzierbare Vektorfeld auf S 2 hat mindestens eine Nullstelle. Diese bemerkenswerte Aussage ist bekannt unter dem Namen Igelsatz. Es bedeutet nämlich, dass man einen (kugelförmigen, überall mit Stacheln besetzten)
5 44 Kapitel 1. Gewöhnliche Differentialgleichungen Igel nicht stetig kämmen kann. Wir werden diesen Satz am Ende des Paragraphen beweisen, treffen aber erst einige Vorbereitungen. Sei zunächst F:D R 2 ein stetig differenzierbares Vektorfeld auf einer offenen Teilmenge der Ebene Definition Sei γ:[a, b] D ein stetig differenzierbarer, geschlossener Weg auf D, auf dem keine Nullstellen von F liegen. Unter dem Index von γ bezogen auf F versteht man die orientierte Anzahl Umläufe, die das Vektorfeld F längs γ macht, oder anders gesagt, die Umlaufzahl von F γ um den Nullpunkt in R 2. Wenn wir hier R 2 mit der komplexen Zahlenebene identifizieren, können wir wie in der Funktionentheorie schreiben: index(γ,f) := ν F γ (0) = 1 2πi Hier sind einige wichtige Eigenschaften des Indexes Bemerkung Der Index hängt sowohl von γ als auch von F stetig ab. F γ dz z. Deformiert man den Weg γ, ohne dabei Nullstellen des Vektorfeldes F zu überqueren, dann ändert sich der Index nicht. Deformiert man das Vektorfeld F stetig, ohne dass während der Deformation längs γ Nullstellen entstehen, dann bleibt der Index von γ dabei unverändert. Ist γ der Rand einer Kreisscheibe K r (p) D um eine Nichtnullstelle p, die keine Nullstellen von F enthält, dann ist index(γ,f) = Lemma Ist p eine Nichtnullstelle des Vektorfeldes F, dann kann man F in der Nähe von p stetig in ein konstantes Vektorfeld deformieren, ohne dass dabei unterwegs Nullstellen entstehen. Beweis. Weil das Vektorfeld F stetig ist und nach Voraussetzung F(p) 0, können wir eine positive Zahl M und eine Kreisscheibe K um p finden, so dass F(q) > M und F(q) F(p) < M/2 für alle q K. Nun definieren eine stetige Familie von Vektorfeldern F s (mit 0 s 1) auf K durch F s (q) := F(p)+s(F(q) F(p)) für q K. Offenbar ist F 0 ein konstantes Vektorfeld und F 1 = F. Ausserdem hat F s keine Nullstellen auf K (für jedes s), denn F s (q) = F(p)+s(F(q) F(p)) F(p) s F(q) F(p) M M/2 = M/2 > 0. q.e.d. Wir können nun auch jeder isolierten Nullstelle des Vektorfeldes einen Index zuordnen Definition Ist p eine isolierte Nullstelle von F, dann setzt man index(p,f) := index(γ r,f), wobei γ r (t) = p+re it (fürt [0,2π])denpositivorientierten Randeiner Scheibe von Radius r um p bezeichnet, die so klein gewählt ist, dass sie keine weiteren Nullstellen von F ausser p enthält. Wie eben bemerkt, hängt der Index nicht von der genauen Wahl von r ab, der Index von p ist also wohldefiniert.
6 1.7. Vektorfelder auf Flächen und Eulercharakteristik Beispiele Ist F(v) = v für alle v R 2, so ist index(0,f) = 1. Fassen wir dagegen die komplexe Abbildung G(z) = z n ( z C, n Z fest) als ebenes Vektorfeld auf, so ist index(0,g) = n. Auf ähnliche Art, wie man den Residuensatz beweist, kann man folgendes zeigen: 1.65 Satz Sei D R 2 ein sternförmiges offenes Gebiet und F:D R 2 ein stetig differenzierbares Vektorfeld mit nur endlich vielen Nullstellen. Ist γ eine einfach geschlossene, positiv orientierte Kurve in D, so gilt index(γ,f) = r index(p k,f), wobei p 1,...,p r diejenigen Nullstellen von F bezeichnet, die im Innern von γ liegen Folgerung Ist der Index einer einfach geschlossenen Kurve bezogen auf F ungleich 0, so enthält γ im Innern mindestens eine Nullstelle von F. Betrachten wir nun Vektorfelder auf der 2-Sphäre Satz Ist F ein stetig differenzierbares Vektorfeld auf S 2 mit nur endlich vielen Nullstellen p 1,...,p n, dann gilt: n index(p k,f) = 2. InsbesonderehatjedesstetigdifferenzierbareVektorfeldaufS 2 mindestens einenullstelle. Die Summe des Indizes sämtlicher Nullstellen ist also unabhängig von der Wahl des Vektorfeldes. Sie stimmt überein mit der sogenannten Eulercharakteristik der 2-Sphäre. Allgemeiner gilt folgendes: 1.68 Satz Ist M eine geschlossene glatte Fläche und F ein stetig differenzierbares Vektorfeld auf M mit nur endlich vielen Nullstellen p 1,...,p n, dann ist n index(p k,f) = χ(m). Dabei ist χ(m) eine Zahl, die nur von M abhängt. Man nennt diese Zahl die Eulercharakteristik von M. Zum Beispiel ist die Eulercharakteristik des Torus gleich 0. Bevor wir den Satz über Vektorfelder auf der Kugeloberfläche beweisen, schauen wir uns zwei Beispiele genauer an Beispiele Sei zuerst F ein Vektorfeld auf S 2, dessen Flusslinien die Längengrade sind und mit zwei Nullstellen im Nord- und im Südpol. Wenn mandas Vektorfeld jeweils in Karten um die Pole anschaut, stellt man fest, dass die beiden Indizes jeweils gleich 1 sind. In der Summe kommen wir also wie behauptet auf 2.
7 46 Kapitel 1. Gewöhnliche Differentialgleichungen Gehen wir jetzt von einem konstanten Vektorfeld auf der Ebene aus. Die Flusslinien sind also parallele Geraden. Durch Umkehrung der stereographischen Projektion wird daraus ein Vektorfeld auf S 2. Die Flusslinien dieses Vektorfeldes bilden eine Schar von Kreisen, die sich alle im Nordpol berühren. Hier haben wir nur eine Nullstelle, nämlich den Nordpol, und der Index dieser Nullstelle ist gleich 2. Hier nun der angekündigte Beweis von Satz 1.45: Beweis. Nehmen wir an, das Vektorfeld F auf S 2 habe nur endlich viele Nullstellen. Ohne Einschränkung können wir annehmen, dass der Südpol keine Nullstelle ist. Also können wir (nach dem obigen Lemma) F in einer kleinen Umgebung um den Südpol herum so deformieren, dass F in einer passenden Karte des Südpols als konstantes, nichtverschwindendes Vektorfeld erscheint. Die Fortsetzung dieses konstanten Vektorfeldes auf die gesamte Ebene liefert auf S 2 ein Vektorfeld, das wir F nennen wollen. Sei jetzt γ ein positiv orientierter Kreis in dieser kleinen Südpolumgebung. Zeichnen wir diesen Kreis in der Nordpolkarte, enthält er dort sämtliche Nullstellen p 1,...,p n von F. Nach dem oben angegebenen Satz gilt für den Index von γ bezogen auf F in der Nordpolkarte: index(γ,f) = n index(p k,f). Andererseits ist, wie im obigen Beispiel gezeigt, wiederum in der Nordpolkarte index(γ, F) = 2. Weil längs γ das Vektorfeld F mit F übereinstimmt, müssen auch die Indizes übereinstimmen, und daraus folgt die Behauptung. q.e.d Folgerung Sei f:s 2 R eine zweimal stetig differenzierbare Funktion mit nur endlich vielen kritischen Punkten. An jeder kritischen Stelle p sei die Hessesche Matrix der entsprechenden Funktion auf einer Karte um p regulär. Dann gilt: { 1 falls f bei p ein lokales Extremum hat index(p, f) = 1 falls f bei p einen Sattelpunkt hat Bezeichnen m 1,m 2 und m 3 jeweils die Anzahlen der lokalen Maxima, der lokalen Minima und der Sattelpunkte von f, dann ist: m 1 +m 2 m 3 = 2. Beweis. Siehe Übungsaufgabe. q.e.d.
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
Mehr4.5 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
MehrKapitel 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.
MehrKapitel 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.
Mehr1.3 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
MehrMathematik 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
MehrKapitel 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.
Mehr6.1 Holomorphe Funktionen und Potenzreihen. n=0 α n (z z 0 ) n mit Konvergenzradius größer oder gleich r existiert und
Funktionentheorie, Woche 6 Analytische Funktionen 6. Holomorphe Funktionen und Potenzreihen Definition 6. Eine Funktion f : U C C nennt man analytisch in z 0 U, wenn es r > 0 gibt mit B r (z 0 ) U derart,
Mehrf(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
Mehr1 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
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
Mehr16. FUNKTIONEN VON MEHREREN VARIABLEN
16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1
MehrDas dynamische System bzw. der Fluss eines Vektorfeldes hat eine Reihe bemerkenswerter
22 Kapitel 1. Gewöhnliche Differentialgleichungen Das dynamische System bzw. der Fluss eines Vektorfeldes hat eine Reihe bemerkenswerter Eigenschaften. 1.22 Satz Der Fluss ϕ:g R D D R n ist stetig. Ist
Mehr1.6 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
MehrTopologie 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
Mehr6.2 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
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
Mehr6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
MehrDifferentialgleichungen für Ingenieure WS 06/07
Differentialgleichungen für Ingenieure WS 6/7 7. Vorlesung Michael Karow Themen heute:. Die rechte Seite einer DGL als Vektorfeld.. Stabilität Die Ableitung einer Kurve Sei J R ein Intervall und y : J
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
MehrExtremwerte 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
MehrDer Fundamentalsatz der Algebra
Der Fundamentalsatz der Algebra Vortragsausarbeitung im Rahmen des Proseminars Differentialtopologie Benjamin Lehning 17. Februar 2014 Für den hier dargelegten Beweis des Fundamentalsatzes der Algebra
MehrKapitel 1. Holomorphe Funktionen
Kapitel 1 Holomorphe Funktionen Zur Erinnerung: I IR sei ein offenes Intervall, und sei z 0 I. Eine Funktion f : I IR heißt differenzierbar in z 0, falls der Limes fz fz 0 lim =: f z 0 z z 0 z z 0 existiert.
Mehr5 Die Picardschen Sätze
03 5 Die Picardschen Sätze Für eine zweimal stetig differenzierbare reell- oder komplexwertige Funktion f auf einem Gebiet G C ist der Laplace-Operator definiert durch Behauptung: = 4 Beweis: Daraus folgt:
Mehr8 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
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrTECHNISCHE 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
MehrFolgerungen 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
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
Mehr12 Extremwerte und Monotonie
5 II. Differentialrechnung 1 Extremwerte und Monotonie Lernziele: Resultate: Existenz von Maxima und Minima stetiger Funktionen auf kompakten Intervallen, Monotoniesatz Kompetenzen: Bestimmung lokaler
Mehr4 Anwendungen des Cauchyschen Integralsatzes
4 Anwendungen des Cauchyschen Integralsatzes Satz 4. (Cauchysche Integralformel) Es sei f : U C komplex differenzierbar und a {z C; z z 0 r} U. Dann gilt f(a) = z z 0 =r z a dz. a z 0 9 Beweis. Aus dem
MehrAnwendungen 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
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrThema14 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.
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
MehrMusterlösung. 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
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrRückblick 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
MehrHöhere Mathematik II für die Fachrichtung Physik. Modulprüfung
Institut für Analysis SS7 PD Dr. Peer Christian Kunstmann 8.9.7 Höhere Mathematik II für die Fachrichtung Physik Modulprüfung Aufgabe [5+5= Punkte] (a) Zeigen Sie, dass die Matrix α A α =, α. genau dann
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrDifferentialgleichungen I
Differentialgleichungen I Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 5. Januar 2009 Beachtenswertes Die Veranstaltung
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
MehrDie Tangentialebene. {(x, y, z) z = f(x 0, y 0 )+ f x (x 0, y 0 )(x x 0 )+ f. y (x 0, y 0 )(y y 0 )}
Die Tangentialebene Der Graph der linearen Approximation ist Tangentialebene an den Graph der Funktion. In Symbolen: Es sei D R 2. Es sei f : D R, (x, y) f(x, y) differenzierbar. Dann ist {(x, y, z) z
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
MehrKarlsruher 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
MehrSeite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx
Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
Mehr2.2. 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)
Mehr3. 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
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrThema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema
Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema In diesem Kapitel befassen wir uns mit der Ableitung von Funktionen f : R m R n. Allein die Schreibweise
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrUnkämmbarkeit der Sphäre
Unkämmbarkeit der Sphäre Michela Riganti März 2010 1 2 BEISPIELE 1 Einführung In diesem Text geht es darum, folgenden Satz zu beweisen: Satz 1. Jedes glatte Vektorfeld auf einer Sphäre S n gerader Dimension
Mehr16. Differentialquotient, Mittelwertsatz
16. Differentialquotient, Mittelwertsatz Gegeben sei eine stetige Funktion f : R R. Wir suchen die Gleichung der Tangente t an die Kurve y = f(x) im Punkt (x, f(x ), x R. Das Problem dabei ist, dass vorderhand
MehrDie Lösungen der Gleichung b x = log b (x)
Die Lösungen der Gleichung b = log b () wgnedin@math.uni-koeln.de 17. Januar 2014 In der ersten Vorlesung des Wintersemesters wurde folgende Frage gestellt: Wieviele Lösungen hat die Gleichung ( ) 1 =
MehrRückblick 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
Mehr2. Stetigkeit und Differenzierbarkeit
2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,
MehrMathematik 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
Mehr2. Klausur zur Funktionentheorie SS 2009
Aufgabe : Finden Sie ein Beispiel für eine meromorphe Funktion f M(C), die auf den Kreisringen A 0, (0) und A,2 (0) unterschiedliche Laurentreihenentwicklungen besitzt. Beweisen Sie, dass Ihr Beispiel
Mehr11 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
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
Mehr7 Der Gaußsche Integralsatz
7 Der Gaußsche Integralsatz Im Folgenden sei eine k-dimensionale Untermannigfaltigkeit des R n und a. 7.1 Tangentialvektoren. Ein Vektor v R n heißt Tangentialvektor an in a, falls es eine stetig differenzierbare
MehrH.J. Oberle Differentialgleichungen I WiSe 2012/ Stabilität. Wir betrachten ein allgemeines DGL-System erster Ordnung:
H.J. Oberle Differentialgleichungen I WiSe 2012/13 A. Allgemeines. 8. Stabilität Wir betrachten ein allgemeines DGL-System erster Ordnung: y (t) = f(t, y(t)) (8.1) mit y(t) R n, hinreichend glatter rechter
Mehr10 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) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)
27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.
MehrAnalysis I. 2. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Die Produktmenge aus zwei Mengen L und M.
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
MehrFerienkurs Analysis 3. Ari Wugalter März 2011
Ari Wugalter 07. - 08. März 2011 1 1 Hilberträume Im ersten Kapitel wollen wir uns mit den grundlegenden Eigenschaften von Hilberträumen beschäfitgen. Hilberträume habe die herausragende Eigenschaft, dass
Mehr6.1 Komplexe Funktionen
118 6 Funktionentheorie 6.1 Komplexe Funktionen Wir kennen die komplexen Zahlen als Erweiterung des Körpers der reellen Zahlen. Man postuliert die Existenz einer imaginären Größe i mit der Eigenschaft
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
Mehr3 Differenzierbarkeit und Ableitung (Differentialrechnung I)
3 Differenzierbarkeit und Ableitung (Differentialrechnung I) 31 Differenzierbarkeit und Ableitung von Funktionen einer Variablen Definition 31 Es sei M R, f : M R und a M Wenn der Funktionsgrenzwert f(x)
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
Mehrf 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
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
Mehr8 KAPITEL 1. GRUNDLAGEN
8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt
MehrAlgebraische Kurven - Vorlesung 29. Projektion weg von einem Punkt
Algebraische Kurven - Vorlesung 29 Definition 1. Die Abbildung P n K Projektion weg von einem Punkt {(1, 0,..., 0)} Pn 1 K, (x 0, x 1...,x n ) (x 1,..., x n ), heißt die Projektion weg vom Punkt (1, 0,...,
Mehr3 Topologische Gruppen
$Id: topgr.tex,v 1.4 2010/05/31 08:41:53 hk Exp hk $ 3 Topologische Gruppen Nachdem wir jetzt gezeigt haben das Quotienten G/H topologischer Gruppen wieder topologische Gruppen sind, wollen wir das Ergebnis
Mehr10 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
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrExtrema 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
MehrFolgen und Reihen. Thomas Blasi
Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................
Mehr15 Differentialrechnung in R n
36 15 Differentialrechnung in R n 15.1 Lineare Abbilungen Eine Abbilung A : R n R m heißt linear falls A(αx + βy) = αa(x) + βa(y) für alle x, y R n un alle α, β R. Man schreibt oft Ax statt A(x) un spricht
MehrDifferentialgeometrie 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
MehrAnalysis I. Vorlesung 13. Gleichmäßige Stetigkeit
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrHeinrich-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,
Mehr8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN
8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es
Mehr7.11. 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
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrKonvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.
Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
Mehr4.2 Die adjungierte Abbildung
4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,
Mehr