11. Darstellung von Kurven und Flächen

Größe: px
Ab Seite anzeigen:

Download "11. Darstellung von Kurven und Flächen"

Transkript

1 H.J. Oberle Approximation WS 23/4. Darstellung von Kurven und Flächen Bézier Kurven. Unser Ziel ist es, polynomiale Kurven auf dem Rechner möglichst effizient darzustellen. Hierzu nutzen wir die Basisdarstellung mit Hilfe der Bernstein-Polynome aus; man vergleiche hierzu auch Abschnitt 4. Definition (.) Für n N sind die Bernstein Polynome vom Grad n definiert durch ( ) n B n (t) := t ( t) n, =,,..., n. Satz (.2) Die Bernstein-Polynome erfüllen die folgenden elementaren Eigenschaften a) B n (t) besitzt eine -fache Nullstelle in t = und eine (n )-fache Nullstelle in t =. Ferner hat man die Symmetrie B n (t) = B n n ( t), t R, =,,..., n. b) Die B n (t) sind auf dem Intervall [, ] nichtnegativ und haben in tn := /n ein strites globales Maximum (bezogen auf [, ]). c) Es gelten für t R = B n (t), t = n Bn (t), t 2 = ( ) n (n ) Bn (t). (.3) Insbesondere bilden die B n, =,..., n, eine Zerlegung der Eins. d) Die Bernstein-Polynome lassen sich reursiv über den folgenden Nevilleartigen Algorithmus auswerten B (t) :=, für m =,..., n B m (t) := Bm m (t) :=, B m end m. (t) := t Bm (t) + ( t) Bm (t), =,..., m, (.4) 25

2 e) Weierstraßscher Approximationmssatz: Für f C[, ] onvergieren die Bernstein-Approximationen B n (f)(t) := f( n ) Bn (t), t, für n gleichmäßig auf [, ] gegen die Funtion f. f) Die Bernstein-Polynome (B n,..., B n n) bilden eine Basis des Polynomraums Π n Abb.. Bernstein-Polynome B n für n = 4 und n = Definition (.5) Aufgrund des Satzes (.2) f) hat jedes Polynom p Π n eine eindeutig bestimmte Darstellung als Linearombination der Bernstein Polynome p(t) = a B n (t) (.6) Die Darstellung (.6) heißt die Bézier-Darstellung des Polynoms p. Die Koeffizienten a,..., a n heißen die Bèzier-Punte von p, das Polygon mit den Ecen (/n, a ), =,..., n, heißt das Bézier-Polygon zu p. Bemerung (.7) Für die Ableitung der Bernstein-Polynome ergibt sich aus (.) wobei wie in (.4) B n d d t Bn (t) := n (B n (t) Bn (t)), =,..., n, (.8) Pierre Etienne Bézier (9-999); Paris (t) := B n (t) := gesetzt wird. n 26

3 (/n,a ) p(t) Abb..2 Bézier-Polygon und zugehöriges Polynom Verwendet man die Beziehung (.8) zur Differentiation des Polynoms p(t), so ergibt sich p (t) := n n (a + a ) B n (t). (.9) An dieser Beziehung liest man ab, dass das Bézier-Polynom in den Randpunten t = und t = tangential am Bézier-Polygon verläuft, vgl. Abbildung.2. Weiterhin folgt aus der Bézier-Darstellung (.6) und den Eigenschaften B n(t) sowie n Bn (t) =, dass die Werte p(t) ganz in der onvexen Hülle der Bézier- Punte (a,..., a n ) verlaufen müssen: p(t) conv(a,..., a n ). (.) Bei Kenntnis der Bézier-Punte (a,..., a n ) ist damit der ungefähre Verlauf des Bézier-Polynoms einzuschätzen. Ferner lässt sich durch Veränderung einzelner Bézier-Punte gezielt Einfluß auf den Verlauf des Bézier-Polynoms nehmen. Man nennt die Bézier-Punte daher auch Kontrollpunte. Die genannten Eigenschaften von Bézier-Polynomen lassen sich unmittelbar auf den vetorwertigen Fall einer polynomialen Kurve p(t) R m übertragen. Die Bézier- Darstellung lautet dann p(t) = a B n (t), (.) wobei die Bézier-Punte nun Vetoren a R m sind. Das Bézier-Polygon lässt sich dann als ein Polygonzug im R m interpretieren mit den Ecen (a,..., a n ) und es gelten analog zum salaren Fall: p(t) conv(a,..., a n ). p () (a a ), p () (a n a n ). (.2) 27

4 a 2 a p(t) a a 3 Abb..3 Bézier-Polygon und zugehöriges Polynom im R 2 Der Algorithmus von de Casteljau 2. Der Wert p(t) eines Bézier-Polynoms (.6) lässt sich durch fortgesetzte lineare Interpolationen mit Hilfe eines Neville-artigen Algorithmus berechnen. Der Einfachheit halber betrachten wir hier wieder den salaren Fall und definieren in Verallgemeinerung von (.6) die folgenden Bézier-Polynome a m i (t) := a i+ B m (t), m =,..., n, i =,..., n m. (.3) Offensichtlich sind die a m i (t) Polynome aus Π m. Es gilt a i (t) = a i, i =,..., n, sowie a n (t) = p(t). Satz (.4) Die Bézier-Polynome a m i (t), t, lassen sich wie folgt reursiv berechnen: a i (t) := a i, i =,..., n, a m i (t) := ( t) a m i Damit ist p(t) = a n (t). (t) + t a m (t), m =,..., n, i =,..., n m. i+ Ferner gilt für die Ableitung des Bézier-Polynoms p (t) = n (a n (t) a n (t)). Beweis: Wir verwenden die Reursion (.4) für die Bernstein-Polynome: 2 Paul de Faget de Casteljau (geb. 93 in Besançon); Paris 28

5 a m i (t) = = = t = t a i+ B m (t) ( a i+ t B m (t) + ( t) Bm (t) ) m = t a m i+ a i+ B m (t) + ( t) m m a i++ B m (t) + ( t) (t) + ( t) am (t)). i a i+ B m (t)) a i+ B m (t)) Für die Ableitung des Bézier-Polynoms ergibt sich mit (.9) p (t) = n n (a + a ) B n (t) = n ( a n (t) a n (t) ). Tableau von de Casteljau (.5) a a a 2 a (t) a (t)..... a n (t) a n a n (t)... a n (t) a n (t) Konretes Zahlenbeispiel: (n = 3) p(t) = B(t) B(t) B3(t) 3 + B3(t) 3 = ( t) ( t) 2 t + 9 ( t) t 2 Für t =.4 (also t =.6) erhält man das Tableau: Somit ist p(.4) = 2.88 und p (, 4) = 3 ( ) =

6 Der de Casteljau Algorithmus in (.4) beschreibt in der Tat eine iterierte lineare Interpolation, wobei jeweils zwei bereits onstruierte benachbarte Punte im gleichen Verhältnis t unterteilt werden. a 2 a p(t) a a 3 Abb..4 Konstrution von de Casteljau für t =.4 Iteriert man diese Konstrution, wie in Abb..4 angedeutet, so erhält man einen Punt des Bézier-Polynoms und die Tangente in diesem Punt. Damit hat man nun einen sehr einfaches geometrisches Werzeug, um geeignete Kurven zu onstruieren. Diese Hilfmittel wird vielfach im Computer Aided Geometric Design (CAGD) eingesetzt. Bézier Flächen. Unter einer Parameterdarstellung einer Fläche im R 3 versteht man eine stetig differenzierbare Abbildung Φ : [, ] 2 R 3, (u, v) T x = Φ(u, v). Zur Approximation von Flächen verwendet man häufig omponentenweise und loal Polynomräume in zwei Variablen Π n,m := { p(u, v) = i= j= a ij u i v j : u, v R }. (.6) Offensichtlich ist Π n,m ein (n + ) (m + ) dimensionaler R Vetorraum und man sieht unmittelbar, dass die Produtpolynome eine Basis von Π n,m bilden. B n (u) B m l (v), n, l m, 3

7 Jedes Vetorpolynom p(u, v) R 3 besitzt daher eine eindeutig bestimmte Bézier- Darstellung p(u, v) = a ij Bi n (u) Bj m (v). (.7) i= j= Wiederum heißen die Koeffizienten a ij R 3 die Bézier-Punte von (.7) und die durch die Parameterdarstellung x = p(u, v) definierte Fläche heißt Bézier-Fläche u(x,y) y x.6.8 Abb..5 Biubische Bézier-Fläche im R 3 Die Berechnung der Flächenpunte p(u, v) bei vorgegebenen Parametern (u, v) erfolgt durch iterative Verwendung des Algorithmus von de Casteljau für den eindimensionalen Fall. Dazu schreibt man (.7) wie folgt um p i (v) = a ij Bj m (v), i =,..., n, p(u, v) = j= i= p i (v) B n i (u). (.8) Jeder dieser Ausdrüce ist ein eindimensionales Bézier-Polynom zu den Bézier- Punten a i,... a im, bzw. p (v),... p n (v). Es sind also zur Auswertung von (.7) jeweils (n+2) eindimensionale Bézier-Polynome im R 3 mittels (.4) zu berechnen. Im Folgenden gehen wir noch auf urz auf zwei wichtige Eigenschaften von Bézier- Flächen ein. Konvexe Hüllen Eigenschaft: Es gelten B n i (u) B m j (v) sowie Bi n (u) Bj m (v) =. i= j= 3

8 Damit ist p(u, v) = n i= j= a ij B n i (u) B m j (v) eine Konvexombination der Bézier- Punte a ij. Die Bézier-Fläche x = p(u, v) verläuft also ganz in der onvexen Hülle der Bézier-Punte. Partielle Ableitungen: Analog zum eindimensionalen Fall (vgl. Satz (.4)) lassen sich die partiellen Ableitungen der Bézier-Fläche sehr leicht mit Hilfe des Algorithmus von de Casteljau berechnen. Es gilt nämlich n u p(u, v) = n i= v p(u, v) = m i= (a i+,j a ij ) Bi n (u) Bj m (v) j= m (a i,j+ a ij ) Bi n (u) Bj m (v). j= (.9) Insbesondere lässt sich hiermit ein Einheits-Normalenvetor an die Bézier-Fläche wie folgt berechnen n(u, v) = p u(u, v) p v (u, v) p u (u, v) p v (u, v). (.2) B Spline Kurven und Flächen. Ganz ähnliche Darstellungen und Berechnungsmethoden erhält man, wenn man in den Gleichungen (.) und (.7) die Bernstein-Polynome durch B-Splines zu einem festen Gitter t m < t m+ <... < t <... < t n <... < t n+m ersetzt. Die zu (.) analoge Darstellung lautet dann p(t) = n j= m a j+m B mj (t). (.2) Wieder heißen die a,... a m+n Kontrolpunte (manchmal auch de Boor-Punte) der B-Spline Kurve (.2). Wegen B m,j (t) und n j= m B m,j (t) =, vgl. (5.25) und (5.26), erfüllen B-Spline Kurven (und analog B-Spline Flächen) ebenfalls die Konvexe Hüllen Eigenschaft p(t) conv(a,..., a m+n ). Die einfache Berechnung mit Hilfe des de Casteljau Algorithmus lässt sich ebenfalls auf B-Spline Kurven und Flächen übertragen. Anstelle der Dreiterm-Reursion (.4) für die Bernstein-Polynome verwendet man hierzu die Dreiterm-Reursion (5.23) für die B-Splines. 32

9 Gegenüber den Bézier-Kurven und Fläche haben die B-Spline Kurven und Flächen einen wichtigen Vorteil, der sich aufgrund der ompaten Träger der B-Splines ergibt, vgl. (5.25): Fehler in einem Kontrolpunt a j+m beeinflussen die B-Spline Kurve p(t) nur loal, nämlich im Intervall t j t t j+m+, dem Träger von B m,j. 33

Polynome im Einsatz: Bézier-Kurven im CAD

Polynome im Einsatz: Bézier-Kurven im CAD Polynome im Einsatz: Bézier-Kurven im CAD Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 25 Kurven im Raum Eine Kurve im

Mehr

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe 5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an

Mehr

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J} 9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen

Mehr

Potenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt.

Potenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt. Potenzreihen Potenzreihen sind Funtionenreihen mit einer besonderen Gestalt. Definition. Ist (a ) eine Folge reeller (bzw. omplexer) Zahlen und x 0 R (bzw. z 0 C), dann heißt die Reihe a (x x 0 ) (bzw.

Mehr

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche Punkte mit inhomogenen K Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und

Mehr

Bernstein-Polynome. Autor: Johannes Erath. Schriftliche Ausarbeitung zum Vortrag vom

Bernstein-Polynome. Autor: Johannes Erath. Schriftliche Ausarbeitung zum Vortrag vom Bernstein-Polynome Autor: Johannes Erath Schriftliche Ausarbeitung zum Vortrag vom 07.04.2009 1 Inhaltsverzeichnis 1 Einleitung 3 2 Einführung 3 2.1 Etwas Geschichte........................... 3 2.2 Denition

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis I. 4. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein

Mehr

Mathematik für Naturwissenschaftler I WS 2009/2010

Mathematik für Naturwissenschaftler I WS 2009/2010 Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 18 8. Januar 2010 Kapitel 5. Funktionen mehrerer Veränderlicher, Stetigkeit und partielle Ableitungen 5.2. Partielle Ableitungen von Funktionen

Mehr

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter

Mehr

Mathematischer Vorkurs für Physiker WS 2012/13

Mathematischer Vorkurs für Physiker WS 2012/13 TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13 Übungsblatt 2 Wichtige Formeln aus der Vorlesung: Basisaufgaben Beispiel 1: 1 () grad () = 2 (). () () = ( 0 ) + grad ( 0 ) ( 0 )+

Mehr

Die projektive Ebene Was sind unendlich ferne Punkte?

Die projektive Ebene Was sind unendlich ferne Punkte? Die projektive Ebene Was sind unendlich ferne Punkte? Prof. Dr. Hans-Georg Rück Fachbereich Mathematik/Informatik Universität Kassel Heinrich-Plett-Str. 40 34132 Kassel Zusammenfassung: Wir konstruieren

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als

Mehr

6. Funktionen von mehreren Variablen

6. Funktionen von mehreren Variablen 6. Funktionen von mehreren Variablen Prof. Dr. Erich Walter Farkas 24.11.2011 Seite 1 Funktionen von mehreren Variablen n {1, 2, 3,...} =: N. R n := {(x 1,..., x n) x 1,..., x n R} = Menge aller n-tupel

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München WS /3 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Inf Dipl-Math Jürgen Bräckle Numerisches Programmieren Programmieraufgabe: Polnominterpolation,

Mehr

Polynominterpolation

Polynominterpolation Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

4.7 Der Taylorsche Satz

4.7 Der Taylorsche Satz 288 4 Differenziation 4.7 Der Taylorsche Satz Die Differenzierbarkeit, also die Existenz der ersten Ableitung einer Funktion, erlaubt bekanntlich, diese Funktion lokal durch eine affine Funktion näherungsweise

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 4

Technische Universität München Zentrum Mathematik. Übungsblatt 4 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=

Mehr

Probestudium der Physik 2011/12

Probestudium der Physik 2011/12 Probestudium der Physik 2011/12 1 Schwingungen und Wellen: Einführung in die mathematischen Grundlagen 1.1 Die Sinus- und die Kosinusfunktion Die Sinusfunktion lässt sich genauso wie die Kosinusfunktion

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

Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29

Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29 Dynamische Systeme und Zeitreihenanalyse Komplexe Zahlen Kapitel 3 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.0/29 Motivation Für die

Mehr

5.10. Mehrdimensionale Extrema und Sattelpunkte

5.10. 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(

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

2. Stetige lineare Funktionale

2. Stetige lineare Funktionale -21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn

Mehr

1 Zahlenmengen und einige mathematische Symbole

1 Zahlenmengen und einige mathematische Symbole 1 Zahlenmengen und einige mathematische Symbole Inhalt 1.1 Vorbemerkung................................................... 3 1.2 Zahlenmengen................................................... 4 1.3 Summenzeichen..................................................

Mehr

31 Polynomringe Motivation Definition: Polynomringe

31 Polynomringe Motivation Definition: Polynomringe 31 Polynomringe 31.1 Motivation Polynome spielen eine wichtige Rolle in vielen Berechnungen, einerseits weil oftmals funktionale Zusammenhänge durch Polynome beschrieben werden, andererseits weil Polynome

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung

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

Linearisierung einer Funktion Tangente, Normale

Linearisierung einer Funktion Tangente, Normale Linearisierung einer Funktion Tangente, Normale 1 E Linearisierung einer Funktion Abb. 1 1: Die Gerade T ist die Tangente der Funktion y = f (x) im Punkt P Eine im Punkt x = a differenzierbare Funktion

Mehr

Splines. Bézier-Kurven. Beispiel zur Approximation. Interpolation & Approximation. Schiffbau Automobilbau Architektur. f(x) f(x) =

Splines. Bézier-Kurven. Beispiel zur Approximation. Interpolation & Approximation. Schiffbau Automobilbau Architektur. f(x) f(x) = Institut für Geometrie Abteilung für Geometrie im Bauwesen und im Scientific Computing Prof. Dr. H. Pottmann Interpolation & Approximation Splines Geg: Menge von Punkten Ges: Kurve, welche die Punkte interpoliert

Mehr

Die Taylorreihe einer Funktion

Die Taylorreihe einer Funktion Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist

Mehr

Leitfaden a tx t

Leitfaden a tx t Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und

Mehr

Damit läßt sich die Aufgabe durch einfaches Rechnen zeigen: k=1

Damit läßt sich die Aufgabe durch einfaches Rechnen zeigen: k=1 Aufgabe (4 Punte) Sei A eine n m-matrix Die Matrix A T ist die m n-matrix, die durch Vertauschen der Zeilen und Spalten aus A hervorgeht (dh: aus Zeilen werden Spalten, und umgeehrt) Die Matrix A T heißt

Mehr

Bezier-Kurven. Hamid Fetouaki, Emma Skopin. 28. Januar 2009. Universität Kassel FB Mathematik/Informatik

Bezier-Kurven. Hamid Fetouaki, Emma Skopin. 28. Januar 2009. Universität Kassel FB Mathematik/Informatik Ableitungen von Universität Kassel FB Mathematik/Informatik 28. Januar 2009 Ableitungen von Motivation Bis in den späten 50er Jahren: Zeichnung der Kurven am Papier Fertigung der Modelle aus Holz und Ton

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 5

Technische Universität München Zentrum Mathematik. Übungsblatt 5 Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 5 Hausaufgaben Aufgabe 5. Bestimmen Sie folgende Grenzwerte. Benutzen

Mehr

19.3 Oberflächenintegrale

19.3 Oberflächenintegrale 19.3 Oberflächenintegrale Definition: Sei D R 2 ein Gebiet und p : D R 3 eine C 1 -Abbildung x = p(u) mit x R 3 und u = (u 1, u 2 ) T D R 2 Sind für alle u D die beiden Vektoren und u 1 linear unabhängig,

Mehr

Differenzengleichungen. und Polynome

Differenzengleichungen. und Polynome Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen

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

Multiplikation und Division in Polarform

Multiplikation und Division in Polarform Multiplikation und Division in Polarform 1-E1 1-E Multiplikation und Division in Polarform: Mathematisches Rüstzeug n m b b = b n+m bn bm = bn m ( b n )m = b n m Additionstheoreme: cos 1 = cos 1 cos sin

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

Flächen und ihre Krümmungen

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

Mehr

Division mit Rest - der heimliche Hauptsatz der Algebra

Division mit Rest - der heimliche Hauptsatz der Algebra Division mit Rest - der heimliche Hauptsatz der Algebra Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 3. Juni 2004 Einleitung

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

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Stefan Ruzika. 24. April 2016

Stefan Ruzika. 24. April 2016 Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 2: Körper 24. April 2016 1 / 21 Gliederung 1 1 Schulstoff 2 Körper Definition eines Körpers

Mehr

2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n

2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n 2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Mathematik für Bauingenieure

Mathematik für Bauingenieure Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.

Mehr

3 Nichtlineare Gleichungssysteme

3 Nichtlineare Gleichungssysteme 3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

Sie braucht weniger Speicherplatz als das Polygon und

Sie braucht weniger Speicherplatz als das Polygon und Kapitel 7 Kurven Die bisher besprochenen 2D-Objekte haben bis auf den Kreis den Nachteil, daß sie im weitesten Sinne eckig sind. Wenn ein Objekt mit runder Form verlangt wird, z.b. ein Herz, ein Schiffsrumpf,

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

Übungsaufgaben zur Analysis

Übungsaufgaben zur Analysis Serie Übungsaufgaben zur Analysis. Multiplizieren Sie folgende Klammern aus: ( + 3y)( + 4a + 4b) (a b )( + 3y 4) (3 + )(7 + y) + (a + b)(3 + ). Multiplizieren Sie folgende Klammern aus: 6a( 3a + 5b c)

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

Lineare Differenzengleichungen und Polynome. Franz Pauer

Lineare Differenzengleichungen und Polynome. Franz Pauer Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-600 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim ÖMG-LehrerInnenfortbildungstag

Mehr

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

3.3 Das Abtasttheorem

3.3 Das Abtasttheorem 17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

Mehr

1 Potenzen und Polynome

1 Potenzen und Polynome 1 Potenzen und Polynome Für eine reelle Zahl x R und eine natürliche Zahl n N definieren wir x n := x x x... x }{{} n-mal Einschub über die bisher aufgetretenen mathematischen Symbole: Definition mittels

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Interpolation und Approximation

Interpolation und Approximation Interpolation und Approximation Fakultät Grundlagen Mai 2006 Fakultät Grundlagen Interpolation und Approximation Übersicht 1 Problemstellung Polynominterpolation 2 Kubische Fakultät Grundlagen Interpolation

Mehr

Überblick. Kapitel 7: Anwendungen der Differentialrechnung

Überblick. Kapitel 7: Anwendungen der Differentialrechnung Überblick Kapitel 7: Anwendungen der Differentialrechnung 1 Beispiel 1: Kapitel 7.1: Implizites Differenzieren 1 Beispiel 1: Steigung der Tangente Kapitel 7.1: Implizites Differenzieren 2 Beispiel 1: Steigung

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 2. Ordnung Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

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

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

Rechne die Lösung im 2. Quadranten ohne Verwendung der speziellen TI 92- Funktionen auf die Polarform um.

Rechne die Lösung im 2. Quadranten ohne Verwendung der speziellen TI 92- Funktionen auf die Polarform um. 1.Schularbeit 7b Klasse 1a) Gegeben ist die Gleichung z 2 + pz + (33 + 47i) = 0 mit der Lösung z 1 = 4-9i. Berechne den Koeffizienten p sowie die 2. Lösung der Gleichung. b) Berechne die Lösungen der Gleichung

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Satz von Taylor Taylorreihen

Satz von Taylor Taylorreihen Satz von Taylor Taylorreihen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Tangente als Näherung Weil sich anschaulich die Tangente anschmiegt, ist die Tangentenfunktion

Mehr

Kapitel 6. Exponentialfunktion

Kapitel 6. Exponentialfunktion Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.

Mehr

Ableitung einer Betragsfunktion Differenzierbarkeit

Ableitung einer Betragsfunktion Differenzierbarkeit Ableitung einer Betragsfunktion Differenzierbarkeit 1-E Differenzierbarkeit einer Funktion Eine Funktion y = f (x) heißt an der Stelle x differenzierbar, wenn der Grenzwert f ' ( x) = lim Δ x 0 Δ y Δ x

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

Übungen zu Kurvenintegralen Lösungen zu Übung 12

Übungen zu Kurvenintegralen Lösungen zu Übung 12 Übungen zu Kurvenintegralen Lösungen zu Übung. Sei der obere Halbreis mit dem Radius r um (, ), und sei f(x, y) : y. Berechnen Sie f(x, y) ds. Das ist jetzt eine leine Aufgabe zum Aufwärmen. Guter Tric:

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

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

Abb lokales Maximum und Minimum

Abb lokales Maximum und Minimum .13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen

Mehr

7.2.1 Zweite partielle Ableitungen

7.2.1 Zweite partielle Ableitungen 72 72 Höhere Ableitungen 72 Höhere Ableitungen Vektorwertige Funktionen sind genau dann differenzierbar, wenn ihre Koordinatenfunktionen differenzierbar sind Es ist also keine wesentliche Einschränkung,

Mehr

Statistische Methoden in der Wirtschaftsund Sozialgeographie

Statistische Methoden in der Wirtschaftsund Sozialgeographie Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 10.15-11-45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-

Mehr

(x a) 3 + f (a) 4! x 4 4! Wir werden im Folgenden vor allem Maclaurin-Reihen betrachten, dies alles funktioniert aber auch. f (x) = sin x f (0) = 0

(x a) 3 + f (a) 4! x 4 4! Wir werden im Folgenden vor allem Maclaurin-Reihen betrachten, dies alles funktioniert aber auch. f (x) = sin x f (0) = 0 Taylor-Reihen Einführung Mathematik GLF / 6 Christian Neukirchen Oft können wir bestimmte mathematische Funktionen nicht genau ausrechnen, besonders die trigonometrischen Funktionen wie, cos x, oder die

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 4: Zahlentheorie

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 4: Zahlentheorie Prof. Dr. Sebastian Iwanowski DM4 Folie 1 Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 4: Zahlentheorie Beutelspacher 5 Lang 7, Biggs 20, 22, 23 (jeweils teilweise,

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Explizite Formeln für rekursiv definierte Folgen

Explizite Formeln für rekursiv definierte Folgen Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als

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

3. Übungsblatt Aufgaben mit Lösungen

3. Übungsblatt Aufgaben mit Lösungen . Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen

Mehr

In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates:

In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates: Hans Walser, [06045] Pythagoras-Schmetterling Das Phänomen Wir beginnen mit einem beliebigen rechtwinkligen Dreieck und zeichnen die übliche Pythagoras-Figur. Dann fügen wir zwei weitere Quadrate an (rot

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

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

Kapitel 8 Einführung der Integralrechnung über Flächenmaße

Kapitel 8 Einführung der Integralrechnung über Flächenmaße 8. Flächenmaße 8.1 Flächenmaßfunktionen zu nicht negativen Randfunktionen Wir wenden uns einem auf den ersten Blick neuen Thema zu, der Ermittlung des Flächenmaßes A von Flächen A, die vom nicht unterhalb

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

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

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr. Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist

Mehr

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlicheitstheorie Musterlösung zur Probelausur zur Angewandten Disreten Mathemati Prof Dr Helmut Maier, Hans- Peter Rec Gesamtpuntzahl: 130 Punte,

Mehr