Taylor-Entwicklungen und Taylor-Polynome.

Größe: px
Ab Seite anzeigen:

Download "Taylor-Entwicklungen und Taylor-Polynome."

Transkript

1 Taylor-Entwicklungen und Taylor-Polynome. Ausgangsfrage: Wie kann manf(x) in der Nähe vonx 0 approximieren? 0. Antwort:f(x) f(x 0 ) fürx x Antwort: Ist f differenzierbar, so gilt f(x) = f(x 0 )+f (x 0 )(x x 0 ) +o(x x }{{} 0 ) Polynom vom Grad 1 2. Antwort: Ist f zweimal differenzierbar, so gilt f(x) = f(x 0 )+f (x 0 )(x x 0 )+f (x 0 ) (x x 0) 2 +o ( (x x 0 ) 2), }{{ 2 } Polynom vom Grad 2 denn es gilt f (x) = f (x 0 )+f (x 0 )(x x 0 )+o(x x 0 ) Hinweis: Integration über[x 0,x] liefert die zweite Antwort. 179

2 Satz (Satz von Taylor): Seif : [a,b] R einec n -Funktion undx 0 (a,b). Dann gilt f(x) = T n (x;x 0 )+o((x x 0 ) n ) mit dem (eindeutig bestimmten) Taylor-Polynom T n (x;x 0 ) := n f (k) (x 0 ) k! Den Punktx 0 nennt man den Entwicklungspunkt. (x x 0 ) k IstfeineC n+1 -Funktion, so gilt die Lagrange-Restgliedformel n f (k) (x 0 ) f(x) = (x x 0 ) k +R n (x;x 0 ) k! R n (x;x 0 ) = f(n+1) (ξ) (n+1)! (x x 0) n+1 für einξ = x 0 +θ(x x 0 ) mitθ (0,1). 180

3 Zur Form des Taylorschen Polynoms. Ziel: Approximiere f durch ein Polynom der Form n T(x) = a k (x x 0 ) k mita k R. Forderungen:f (j) (x 0 ) = T (j) (x 0 ) fürj = 0,1,...,n. Beachte: Für die j-te Ableitung von T(x) gilt n T (j) (x) = a k k(k 1)... (k j+1)(x x 0 ) k j k=j und weiterhint (j) (x 0 ) = a j j! = f (j) (x 0 ) mit der obigen Forderung. Somit gilt T(x) = n f (k) (x 0 ) (x x 0 ) k T n (x;x 0 ). k! 181

4 Restgliedformeln für das Taylorsche Polynom. Ausgangspunkt. Mit dem Satz von Taylor giltf(x) = T n (x;x 0 )+R n (x;x 0 ). Integraldarstellung: R n (x;x 0 ) = 1 n! x x 0 (x t) n f (n+1) (t)dt Cauchy-Restgliedformel: R n (x;x 0 ) = f(n+1) (ξ) n! mitξ = x 0 +θ(x x 0 ),θ (0,1) Schlömilch-Restgliedformel: (x x 0 ) n+1 (1 θ) n R n (x;x 0 ) = f(n+1) (ξ) p n! (x x 0 ) n+1 (1 θ) n+1 p mitξ = x 0 +θ(x x 0 ),θ (0,1),p {1,2,...,n+1}. 182

5 Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunktx 0 = 0 die Darstellung mit dem Lagrange-Restglied exp(x) = 1+x+ x xn n! +R n(x;0) R n (x;0) = exp(ξ) (n+1)! xn+1 fürξ = θx mit0 < θ < 1 Daraus bekommt man für0 x 1 die Fehlerabschätzung R n (x;0) = exp(ξ) (n+1)! xn+1 e (n+1)! Beispiel: Fürn = 10 bekommt man R 10 (x;0)

6 Taylor-Entwicklung der Sinusfunktion. Betrachte die Sinusfunktion f(x) = sin(x). Zunächst gilt: d dx sin(x) = cos(x) und d dx cos(x) = sin(x) Mit dem Satz von Taylor gilt um den Entwicklungspunktx 0 = 0 die Darstellung sin(x) = x x3 3! + x5 5! x7 7! ±...+( 1)n x2n+1 (2n+1)! +R 2n+2(x;0) mit dem Lagrange-Restglied n+1 cos(ξ) R 2n+2 (x;0) = ( 1) (2n+3)! x2n+3 fürξ = θx mit0 < θ < 1 Beispiel: Fürx [ π/6,π/6],x 0 undn = 3 bekommt man R 8 (x;0) 1 9! x 9 1 ( π ) 9 9!

7 Bemerkungen zu Taylor-Reihen. Die Taylor-Reihe T (x;x 0 ) = f (k) (x 0 ) k! (x x 0 ) k einerc -Funktionfist im Allgemeinen nicht konvergent. Falls die Taylor-ReiheT (x;x 0 ) vonfkonvergiert, so konvergiertt (x;x 0 ) nicht notwendigerweise gegen f. Falls jedoch f(x) = f (k) (x 0 ) (x x 0 ) k k! gilt, so nennt man die Funktion f reell analytisch, zum Beispiel: x k exp(x) = k!, cos(x) = ( 1) k x2k (2k)!, sin(x) = ( 1) k x2k+1 (2k+1)!. 185

8 Folgerung aus dem Satz von Taylor. Satz: Gilt für einec n+1 -Funktionf : [a,b] R x [a,b] : f (n+1) (x) = 0, so ist f(x) ein Polynom höchstens n-ten Grades. Beweis: Für das Lagrange-Restglied gilt R n (x;x 0 ) = f(n+1) (ξ) (n+1)! (x x 0) n+1 = 0 und somit f(x) T n (x;x 0 ) = n f (k) (x 0 ) (x x 0 ) k. k! 186

9 Beispiel: Taylor-Entwicklung für Polynome. Ist die Funktionfein Polynom vom Gradn, d.h.fbesitzt die Darstellung f(x) = n a k x k mita n 0, so ist für einen beliebigen Entwicklungspunktx 0 R das Taylor-PolynomT n (x;x 0 )n-ten Grades vonfumx 0 gegeben durch T n (x;x 0 ) = n f (k) (x 0 ) (x x 0 ) k k! und es giltf T n, d.h.fundt n sind identisch auf ganzr. Das Taylor-PolynomT n stelltfin der Polynombasis { (x x 0 ) k} n dar. Für den Entwicklungspunktx 0 = 0 gilta k = f(k) (0) k!,0 k n, und somit n f (k) (0) T n (x;0) f(x) = x k. k! 187

10 Auswertung von Polynomen durch Horner-Schema. Seipein Polynom von Gradnmit der Darstellung p(x) = n a k (x x 0 ) k mita n 0, für einx 0 R. Dann lässt sichpwie folgt darstellen. p(x) = a 0 +(x x 0 )(a 1 +(x x 0 )(...+(x x 0 )(a n 1 +(x x 0 )a n )...)) Dann wertet man p stabil und effizient mit dem Horner-Algorithmus aus. y := 0; for k = n,n-1,...,0 y := a(k) + (x-x0)*y; end; Beispiel: Fürp(x) = 30(x 1) (x 1) (x 1)+43 gilt p(x) = 43+(x 1)(108+(x 1)(100+(x 1)30)). 188

11 Konvergenz des Newton-Verfahrens. Satz: Seif : [a,b] R einec 2 -Funktion undx (a,b) eine einfache Nullstelle dieser Funktion. Dann ist das Newton-Verfahren x n+1 = x n f(x n) f (x n ) mit Startwertenx 0 in der Nähe vonx quadratisch konvergent. Beweis: Betrachte Taylor-Entwicklung zweiter Ordnung umx n [a,b], f(x) = f(x n )+f (x n )(x x n )+ f woraus fürx = x mitf(x ) = 0 undf (x ) 0 folgt (ξ n ) (x x n ) 2 2 und somit f(x n) f (x n ) = (x x n )+ f (ξ n ) 2f (x n ) (x x n ) 2. (x n+1 x ) = f (ξ n ) 2f (x n ) (x n x )

12 Hinreichende Kriterien für lokale Extrema. Satz: Seif : [a,b] R einec 2 -Funktion mitf (x 0 ) = 0 für einx 0 (a,b). (a) Fallsf (x 0 ) > 0, dann hatfinx 0 ein strenges lokales Minimum. (b) Fallsf (x 0 ) < 0, dann hatfinx 0 ein strenges lokales Maximum. Beweis von (a): Mit der Lagrange-Restgliedformel gilt die Darstellung für einξ = x 0 +θ(x x 0 ) mitθ (0,1). f(x) = f(x 0 )+ f (ξ) (x x 0 ) 2 2! Daf stetig ist, istf in einer Umgebung vonx 0 positiv, d.h. es gilt f (x) > 0 für allex (x 0 ε,x 0 +ε), für einǫ > 0. In diesem Fall besitztfinx 0 ein strenges lokales Minimum. Teil (b) beweist man analog. 190

13 Hinreichende Kriterien für lokale Extrema. Problem: Was passiert im Fallf (x 0 ) = f (x 0 ) = 0? Hier gibt es zwei Möglichkeiten: Der stationäre Punktx 0 ist ein strenges lokales Extremum. Der stationäre Punktx 0 ist ein Wendepunkt. Satz: Seif : [a,b] R einec 2n -Funktion mit f (k) (x 0 ) = 0 für1 k 2n 1 für einx 0 (a,b). (a) Fallsf (2n) (x 0 ) > 0, dann hatfinx 0 ein strenges lokales Minimum. (b) Fallsf (2n) (x 0 ) < 0, dann hatfinx 0 ein strenges lokales Maximum. Beweis(idee): Mit der Lagrange-Restgliedformel gilt f(x) = f(x 0 )+ f(2n) (ξ) (2n)! (x x 0 ) 2n, für einξ (x 0,x). 191

14 Beispiel. Betrachte die Funktionf(x) = x 5 x 4. Es gilt 3 f (x) = 5x 4 4x 3 f (x) = 20x 3 12x 2 f (3) (x) = 60x 2 24x f (4) (x) = 120x 24 Weiterhin f (0) = f (0) = f (3) (0) = 0 sowief (4) (0) = f(x) = x 5 x 4. Somit besitztfinx 0 = 0 ein strenges lokales Maximum. Weiterhin besitztfinx 1 = 4/5 ein strenges lokales Minimum, denn es giltf (4/5) = 0 undf (4/5) = 64/25 >

15 Konvexität und Konkavität. Definition: Eine Funktionf : [a,b] R heißt konvex, falls für allea x 1 < x < x 2 b gilt f(x) f(x 1 )+ x x 1 x 2 x 1 (f(x 2 ) f(x 1 )). streng konvex, falls für allea x 1 < x < x 2 b gilt f(x) < f(x 1 )+ x x 1 x 2 x 1 (f(x 2 ) f(x 1 )). konkav, falls für allea x 1 < x < x 2 b gilt f(x) f(x 1 )+ x x 1 x 2 x 1 (f(x 2 ) f(x 1 )). streng konkav, falls für allea x 1 < x < x 2 b gilt f(x) > f(x 1 )+ x x 1 x 2 x 1 (f(x 2 ) f(x 1 )). 193

16 Kriterien für Konvexität und Konkavität. Satz: SeifeineC 2 -Funktion auf[a,b]. Dann gilt: f ist konvex, genau dann wennf (x) 0 für allex (a,b); f ist konkav, genau dann wennf (x) 0 für allex (a,b). f streng konvex (Linkskurve) f streng konkav (Rechtskurve) Bemerkung: Für einec 1 -Funktionfgilt: Falls f streng konvex, so liegt der Graph von f oberhalb seiner Tangente. Falls f streng konkav, so liegt der Graph von f unterhalb seiner Tangente. 194

17 Wendepunkte. Definition: Eine Funktionf : [a,b] R hat inx 0 (a,b) einen Wendepunkt, falls eine der beiden folgenden Bedingungen erfüllt ist. f ist für einε > 0 konvex in(x 0 ε,x 0 ) [a,b] und konkav in (x 0,x 0 +ε) [a,b] (Links-Rechtskurve). f ist für einε > 0 konkav in(x 0 ε,x 0 ) [a,b] und konvex in (x 0,x 0 +ε) [a,b] (Rechts-Linkskurve). f(x 0 ) x 0 Links-Rechtskurve inx

18 Kriterien für Wendepunkte. Satz: Seif : [a,b] R einec 3 -Funktion. (a) Notwendiges Kriterium: Istx 0 (a,b) ein Wendepunkt, so gilt:f (x 0 ) = 0. (b) Hinreichende Kriterien: Giltf (x 0 ) = 0 undf (3) (x 0 ) > 0 für einx 0 (a,b), so istx 0 ein Wendepunkt vonfmit Rechts-Linkskurve. Giltf (x 0 ) = 0 undf (3) (x 0 ) < 0 für einx 0 (a,b), so istx 0 ein Wendepunkt vonfmit Links-Rechtskurve. Beweis: (a) folgt direkt aus der Stetigkeit vonf und der Eigenschaft vonx 0. Zu Teil (b): Ausf (x 0 ) = 0 undf (3) (x 0 ) > 0 folgt f (x) < 0 fürx (x 0 ε,x 0 ) und f (x) > 0 fürx (x 0,x 0 +ε) für einε > 0. Somit istfkonkav in(x 0 ε,x 0 ) und konvex in(x 0,x 0 +ε), d.h.x 0 ist Wendepunkt mit Rechts-Linkskurve. Analog die andere Aussage. 196

19 Beispiel. Betrachte die Funktionf(x) = x 4 x 3. Es gilt 2 f (x) = 4x 3 3x 2 f (x) = 12x 2 6x f (x) = 24x sowie 0.5 f (0) = 0 f (0) = 0 f (0) = f(x) = x 4 x 3. Somit hatfinx 0 = 0 einen Wendepunkt (Links-Rechtskurve). Weiterhin hatfein lokales Minimum inx 1 = 3/4, dennf (3/4) = 0 undf (3/4) = 9/4 > 0. Frage: Gibt es weitere Wendepunkte? 197

Taylor-Entwicklung der Exponentialfunktion.

Taylor-Entwicklung der Exponentialfunktion. Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunkt x 0 = 0 die

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

Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel;

Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel; Kapitel Der Satz von Taylor. Taylor-Formel und Taylor-Reihe (Taylor-Polynom; Restglied; Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel; die Klasse C ; reell analytische Funktionen) In

Mehr

P n (1) P j (1) + ε 2, j=0. P(1) P j (1) + ε 2 < ε. log(1+x) =

P n (1) P j (1) + ε 2, j=0. P(1) P j (1) + ε 2 < ε. log(1+x) = Zu ε > 0 gibt es ein N N mit P n (1) P j (1) < ε/2 für j,n > N, also gilt Es folgt (1 x) n 1 j=n+1 und schließlich mit n x j P n (1) P j (1) (1 x) ε 2 P n (1) P n (x) (1 x) P(1) P(x) (1 x) für x hinreichend

Mehr

Vorlesung Analysis I WS 07/08

Vorlesung Analysis I WS 07/08 Vorlesung Analysis I WS 07/08 Erich Ossa Vorläufige Version 07/12/04 Ausdruck 8. Januar 2008 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Elementare Logik.................................. 1 1.1.A Aussagenlogik................................

Mehr

Aufgabe 1. Multiple Choice (4 Punkte). Kreuzen Sie die richtige(n) Antwort(en) an.

Aufgabe 1. Multiple Choice (4 Punkte). Kreuzen Sie die richtige(n) Antwort(en) an. Analysis I, WiSe 2013/14, 04.02.2014 (Iske), Version A 1 Aufgabe 1. Multiple Choice (4 Punkte). Kreuzen Sie die richtige(n) Antwort(en) an. a) Welche der folgenden Aussagen über Folgen sind sinnvoll und

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

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

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

Taylorentwicklung von Funktionen einer Veränderlichen

Taylorentwicklung von Funktionen einer Veränderlichen Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der

Mehr

1.1 Vorbemerkung: Konvergenz von Reihen. g = lim. n=0. n=0 a n sei konvergent und schreibt. a n = g. (2) n=0

1.1 Vorbemerkung: Konvergenz von Reihen. g = lim. n=0. n=0 a n sei konvergent und schreibt. a n = g. (2) n=0 1 Taylor-Entwicklung 1.1 Vorbemerkung: Konvergenz von Reihen Gegeben sei eine unendliche Folge a 0,a 1,a,... reeller Zahlen a n R. Hat der Grenzwert g = lim k a n (1) einen endlichen Wert g R, so sagt

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung 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 6: Differenzialrechnung einer Veränderlichen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. Dezember 2011)

Mehr

Karteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke

Karteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke Karteikarten, Analysis 2, Sätze und en nach der Vorlesung von PD Hanke Felix Müller, felix.b.mueller@physik.lmu.de Diese Karteikärtchen sollten alle en und Sätze der Vorlesung Analysis 2 bei Herrn PD Hanke

Mehr

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09) Vorlesung Mathematik für Ingenieure (Wintersemester 2008/09) Kapitel 6: Differenzialrechnung einer Veränderlichen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 9. November 2008) Die

Mehr

10 Differenzierbare Funktionen

10 Differenzierbare Funktionen 10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h

Mehr

4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion.

4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. 4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. Definition 4.3. Es sei f : R D R eine auf D erklarte Funktion. Die Funktion f hat in a D eine globales oder

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

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

11. Anwendungen der Differentialrechnung

11. Anwendungen der Differentialrechnung 122 Andreas Gathmann 11. Anwendungen der Differentialrechnung Im letzten Kapitel haben wir gesehen, wie wir von nahezu allen Funktionen ihre Ableitung berechnen können und welche elementaren Eigenschaften

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

Lösungen zu Aufgabenblatt 10P

Lösungen zu Aufgabenblatt 10P Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 05 9. Juni 05 Lösungen zu Aufgabenblatt 0P Aufgabe (Funktionsgrenzwerte) Berechnen Sie die folgenden Grenzwerte: cos(x) x cos( x )

Mehr

11. Anwendungen der Differentialrechnung

11. Anwendungen der Differentialrechnung 124 Andreas Gathmann 11. Anwendungen der Differentialrechnung Im letzten Kapitel haben wir gesehen, wie wir von nahezu allen Funktionen ihre Ableitung berechnen können und welche elementaren Eigenschaften

Mehr

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 7 Anwendungen der Differentialrechnung 7.1 Maxima und Minima einer Funktion................. 141 7.2 Mittelwertsatz............................ 144 7.3 Kurvendiskussion..........................

Mehr

Übersicht. 1. Motivation. 2. Grundlagen

Übersicht. 1. Motivation. 2. Grundlagen Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler

Mehr

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................

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

Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 25/6): Differential und Integralrechnung 3 3. (Herbst 2, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende Tatsachen

Mehr

Differential- und Integralrechnung

Differential- und Integralrechnung Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik

Mehr

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+ D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger Lösung - Serie 6 1. MC-Aufgaben (Online-Abgabe) 1. Für alle ganzen Zahlen n 1 gilt... (a) e 1/x = o(x n ) für x 0 + (b) e 1/x = o(x n ) für x 0 + (c)

Mehr

MIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen

MIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare

Mehr

2 Stetigkeit und Differenzierbarkeit

2 Stetigkeit und Differenzierbarkeit 2.1) Sei D R. a) x 0 R heißt Häufungspunkt von D, wenn eine Folge x n ) n N existiert mit x n D,x n x 0 und lim n x n = x 0. D sei die Menge der Häufungspunkte von D. b) x 0 D heißt innerer Punkt von D,

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

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 3

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Differential und Integralrechnung 3 3. (Herbst 20, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende

Mehr

Lösungen der Aufgaben zu Kapitel 9

Lösungen der Aufgaben zu Kapitel 9 Lösungen der Aufgaben zu Kapitel 9 Abschnitt 9. Aufgabe a) Wir bestimmen die ersten Ableitungen von f, die uns dann das Aussehen der k-ten Ableitung erkennen lassen: fx) = x + e x xe x, f x) = e x e x

Mehr

Mathematischer Vorbereitungskurs für das MINT-Studium

Mathematischer Vorbereitungskurs für das MINT-Studium Mathematischer Vorbereitungskurs für das MINT-Studium Dr. B. Hallouet b.hallouet@mx.uni-saarland.de SS 2017 Vorlesung 7 MINT Mathkurs SS 2017 1 / 25 Vorlesung 7 (Lecture 7) Differentialrechnung differential

Mehr

Mathematik für Betriebswirte II (Analysis) 1. Klausur Sommersemester

Mathematik für Betriebswirte II (Analysis) 1. Klausur Sommersemester Mathematik für Betriebswirte II (Analysis). Klausur Sommersemester 04 5.07.04 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12

Mathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12 Mathematik für Wirtschaftswissenschaftler im WS /3 Lösungen zu den Übungsaufgaben Blatt Aufgabe 5 Welche der folgenden Matrizen sind positiv bzw negativ definit? A 8, B 3 7 7 8 9 3, C 7 4 3 3 8 3 3 π 3

Mehr

Analysis I. 1. Beispielklausur mit Lösungen

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

Mehr

Der Satz von Taylor. Kapitel 7

Der Satz von Taylor. Kapitel 7 Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem

Mehr

3.2 Funktionsuntersuchungen mittels Differentialrechnung

3.2 Funktionsuntersuchungen mittels Differentialrechnung 3. Funktionsuntersuchungen mittels Differentialrechnung 46 3. Funktionsuntersuchungen mittels Differentialrechnung In diesem Abschnitt betrachten wir Funktionen f: D, welche je nach Bedarf zumindest 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

27 Taylor-Formel und Taylor-Entwicklungen

27 Taylor-Formel und Taylor-Entwicklungen 136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen

Mehr

f(x) f(a) f (a) := lim x a Es existiert ein Polynom ersten Grades l(x) = f(a) + c (x a) derart, dass gilt lim x a x a lim

f(x) f(a) f (a) := lim x a Es existiert ein Polynom ersten Grades l(x) = f(a) + c (x a) derart, dass gilt lim x a x a lim A Analysis, Woche 8 Partielle Ableitungen A 8. Partielle Ableitungen Wir haben vorhin Existenzkriterien für Extrema betrachtet, aber wo liegen sie genau? Anders gesagt, wie berechnet man sie? In einer

Mehr

1. Aufgabe 8 Punkte. f (x) = (x 2 + 1) e x2. Es gilt. f (x) = 2xe x2 + ( x ) e x2 ( 2x) = 2x 3 e x2.

1. Aufgabe 8 Punkte. f (x) = (x 2 + 1) e x2. Es gilt. f (x) = 2xe x2 + ( x ) e x2 ( 2x) = 2x 3 e x2. 1. Aufgabe 8 Punkte Geben Sie die Bereiche, auf denen die Funktion f : R R mit f (x) = (x + 1) e x monoton wachsend oder fallend ist, an, und untersuchen Sie die Funktion auf lokale und globale Extrema.

Mehr

Mathematik I Herbstsemester 2018 Kapitel 4: Anwendungen der Differentialrechnung

Mathematik I Herbstsemester 2018 Kapitel 4: Anwendungen der Differentialrechnung Mathematik I Herbstsemester 2018 Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 55 4. Anwendungen der Differentialrechnung Monotonie Krümmung Linearisierung einer Funktion Extremwerte

Mehr

4 Differenzierbarkeit

4 Differenzierbarkeit 7 4 DIFFERENZIERBARKEIT Sei dazu 0 < ρ < s < r. Dann gilt lim sup k k a k

Mehr

Vorlesung Mathematik für Ingenieure II (Sommersemester 2008)

Vorlesung Mathematik für Ingenieure II (Sommersemester 2008) Vorlesung Mathematik für Ingenieure II (Sommersemester 8) Kapitel : Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 8. Mai 8) Differenzialrechnung R R 4

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

Analysis I. Guofang Wang , Universität Freiburg

Analysis I. Guofang Wang , Universität Freiburg Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x

Mehr

Polynomiale Approximation. und. Taylor-Reihen

Polynomiale Approximation. und. Taylor-Reihen Polynomiale Approximation und Taylor-Reihen Heute gehts um die Approximation von glatten (d.h. beliebig oft differenzierbaren) Funktionen f nicht nur durch Gerade (sprich Polynome vom Grade 1) und Polynome

Mehr

Definition: Differenzierbare Funktionen

Definition: Differenzierbare Funktionen Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ

Mehr

Übungen zu Einführung in die Analysis

Übungen zu Einführung in die Analysis Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung

Mehr

1 Höhere Ableitungen 2. 2 Mittelwertsatz und Monotonie 3. 3 Konvexe und konkave Funktionen 5. 4 Lokale und globale Extremalstellen 7

1 Höhere Ableitungen 2. 2 Mittelwertsatz und Monotonie 3. 3 Konvexe und konkave Funktionen 5. 4 Lokale und globale Extremalstellen 7 Universität Basel 4 Wirtschaftswissenschaftliches Zentrum Abteilung Quantitative Methoden Mathematik 1 Dr. Thomas Zehrt Kurvendiskussionen Inhaltsverzeichnis 1 Höhere Ableitungen 2 2 Mittelwertsatz und

Mehr

g(x) = lim 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert Beispiel: Seif(x) = x 2 undg(x) = x.

g(x) = lim 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert Beispiel: Seif(x) = x 2 undg(x) = x. 6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert falls x x 0 g(x), beide Funktionen gegen Null konvergieren, d.h. x x 0 = x x 0 g(x) = 0 beide Funktionen gegen Unendlich

Mehr

ANALYSIS 2 VERSION 26. Juni 2018

ANALYSIS 2 VERSION 26. Juni 2018 ANALYSIS VERSION 6 Juni 018 LISIBACH ANDRÉ 6 Potenzreihenentwicklung 61 Einleitung Die Linearisierung einer Funktion f(x an der Stelle x ist die Funktion L(x f( + df dx ((x Die Linearisierung ist ein Polynom

Mehr

Kompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung:

Kompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung: 16 Mittelwertsätze und Anwendungen 71 16 Mittelwertsätze und Anwendungen Lernziele: Konzepte: Konvexität und Konkavität Resultate: Mittelwertsätze der Differentialrechnung Methoden: Regeln von de l Hospital

Mehr

Ferienkurs der TU München- - Analysis 2 Fourierreihen und Taylorreihen. Marcus Jung, Jonas J. Funke

Ferienkurs der TU München- - Analysis 2 Fourierreihen und Taylorreihen. Marcus Jung, Jonas J. Funke Ferienkurs der U München- - Analysis Fourierreihen und aylorreihen Lösung Marcus Jung, Jonas J. Funke 3.8. FOURIERREIHEN Fourierreihen Aufgabe. Sei f : R R stetig und periodisch mit Fourierkoeffizienten

Mehr

Lösungen zur Klausur zur Analysis 1, WiSe 2016/17

Lösungen zur Klausur zur Analysis 1, WiSe 2016/17 BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:

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

Differentiation und Taylorentwicklung. Thomas Fehm

Differentiation und Taylorentwicklung. Thomas Fehm Differentiation und Taylorentwicklung Thomas Fehm 4. März 2009 1 Differentiation in R 1.1 Grundlagen Definition 1 (Ableitung einer Funktion) Es sei f eine Funktion die auf dem Intervall I R definiert ist.

Mehr

Modul Grundbildung Analysis WiSe 10/11. A.: Wurde in diesem Kapitel behandelt. C.: Weitere Fragen (Nicht nur für die Klausur interessant)

Modul Grundbildung Analysis WiSe 10/11. A.: Wurde in diesem Kapitel behandelt. C.: Weitere Fragen (Nicht nur für die Klausur interessant) Modul Grundbildung Analysis WiSe 10/11 Im Folgenden bedeutet A: Wurde in diesem Kapitel behandelt B: Interessante Aufgaben C: Weitere Fragen (Nicht nur für die Klausur interessant) V1 Konvergenz, Grenzwert

Mehr

Nachklausur zur Analysis 1, WiSe 2016/17

Nachklausur zur Analysis 1, WiSe 2016/17 BERGISCHE UNIVERSITÄT WUPPERTAL 04.04.7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis, WiSe 06/7 Aufgabe

Mehr

Satz von Taylor, Taylor-Reihen

Satz von Taylor, Taylor-Reihen Satz von Taylor, Taylor-Reihen Die Kenntnis von f liefert gewisse Rücschlüsse auf die Funtion f selbst, zb Monotonie, mögliche loale Extrema Die Kenntnis von f liefert darüberhinaus eine Information, ob

Mehr

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. 6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,

Mehr

(1 + z 2j ) = 1 z2n+2. 1 z. (1 + z)(1 z) 1 z. 1 z. (1 + z 2j ) = 1 z. 1 z 1 z

(1 + z 2j ) = 1 z2n+2. 1 z. (1 + z)(1 z) 1 z. 1 z. (1 + z 2j ) = 1 z. 1 z 1 z Aufgabe Zeigen Sie mit vollständiger Induktion: Für alle n N gilt (8 Punkte) n ( + z 2j ) = 2n+, wobei z C, z, eine komplexe Zahl ist Lösung [8 Punkte] Induktionsanfang: n = : ( + z 2j ) = ( + z 2 ) =

Mehr

INGENIEURMATHEMATIK. 8. Reihen. Sommersemester Prof. Dr. Gunar Matthies

INGENIEURMATHEMATIK. 8. Reihen. Sommersemester Prof. Dr. Gunar Matthies Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 8. Reihen Prof. Dr. Gunar Matthies Sommersemester 2016 G. Matthies Ingenieurmathematik

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

Analysis I Lösung von Serie 14. Um die Inhomogene DGl zu lösen, müssen wir partikuläre Lösungen finden. (a) Wir machen den Ansatz:

Analysis I Lösung von Serie 14. Um die Inhomogene DGl zu lösen, müssen wir partikuläre Lösungen finden. (a) Wir machen den Ansatz: d-infk Lösung von Serie 4 FS 07 4.. Inhomogene Lineare Differentialgleichungen Das charakteristische Polynom der homogenen DGl y (4) + y + y = 0 ist λ 4 + λ + = (λ + ). Seine Wurzeln sind ±i und jede hat

Mehr

6 Di erentialrechnung, die Exponentialfunktion

6 Di erentialrechnung, die Exponentialfunktion 6 Di erentialrechnung, die Exonentialfunktion 6. Exonentialfunktion Wir führen die Exonentialfunktion ein, die eine stetige Funktion mit folgenden Eigenschaften ist: ex(x + y) =ex(x)ex(y) (8) ex(0) =,

Mehr

Tangente als Näherung

Tangente als Näherung Mathematik I für Informatiker Satz von Taylor Taylorreihen p. 1 Tangente als Näherung Weil sich anschaulich die Tangente anschmiegt, ist die Tangentenfunktion p 1 (x) eine Näherung für f(x): f(x) p 1 (x)

Mehr

Unter Kurvendiskussion versteht man die Untersuchung einer gegebenen Funktion auf bestimmte Merkmale und Eigenschaften:

Unter Kurvendiskussion versteht man die Untersuchung einer gegebenen Funktion auf bestimmte Merkmale und Eigenschaften: 1 KURVENDISKUSSION Unter Kurvendiskussion versteht man die Untersuchung einer gegebenen Funktion auf bestimmte Merkmale und Eigenschaften: 1.1 Definitionsbereich Zuerst bestimmt man den maximalen Definitionsbereich

Mehr

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,

Mehr

Kapitel 5: Differentialrechnung

Kapitel 5: Differentialrechnung Kapitel 5: Differentialrechnung Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) Kapitel 5: Differentialrechnung 1 / 23 Gliederung 1 Grundbegriffe 2 Abbildungen

Mehr

f(x 0 ) = lim f(b k ) 0 0 ) = 0

f(x 0 ) = lim f(b k ) 0 0 ) = 0 5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.

Mehr

V.1 Konvergenz, Grenzwert und Häufungspunkte

V.1 Konvergenz, Grenzwert und Häufungspunkte V.1 Konvergenz, Grenzwert und Häufungspunkte S. 108 110 A. Bereits bekannt: Folge Extrem wichtig: Grenzwert bzw. Konvergenz: a n a oder lim n a n = a : ε R, ε > 0 n 0 N : a n a < ε n n 0 Begriffe: Fast

Mehr

Analysis I. 8. Übungsstunde. Steven Battilana. battilana.uk/teaching

Analysis I. 8. Übungsstunde. Steven Battilana. battilana.uk/teaching Analysis I 8. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 9, 207 Grenzwerte Korollar 5.2.2 (Bernoulli-de l Hôpital) Seien f, g : [a, b] R stetig und differenzierbar

Mehr

Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt

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

Mehr

H.J. Oberle Analysis II SoSe Interpolation

H.J. Oberle Analysis II SoSe Interpolation HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies

Mehr

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist

Mehr

Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)

Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14) Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung

Mehr

Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)

Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14) Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/4) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung

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

Höhere Mathematik 1 Übung 9

Höhere Mathematik 1 Übung 9 Aufgaben, die in der Präsenzübung nicht besprochen wurden, können in der darauf folgenden übung beim jeweiligen übungsleiter bzw. bei der jeweiligen übungsleiterin abgegeben werden. Diese Abgabe ist freiwillig

Mehr

13. Übungsblatt zur Mathematik I für Maschinenbau

13. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

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

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

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

Analysis I Lösung von Serie 9

Analysis I Lösung von Serie 9 FS 07 9.. MC Fragen: Ableitungen (a) Die Figur zeigt den Graphen einer zweimal differenzierbaren Funktion f. Was lässt sich über f, f und f sagen? Nichts Die Funktion f ist positiv. Die Funktion f ist

Mehr

1 2 x x x x x x2 + 83

1 2 x x x x x x2 + 83 Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 31.1.2017 Definition 2.2 (uneigentliches Riemann-Integral) Sei I = [a, b) mit a < b. Die Funktion f : I R sei Riemann-integrierbar auf [a, b ] für alle b < b. Falls x lim x b a f(ξ)

Mehr

Mathematik IT 3 (Analysis)

Mathematik IT 3 (Analysis) Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof. Dr. L. Cromme Mathematik IT 3 (Analysis für die Studiengänge Informatik, IMT und ebusiness im Wintersemester 015/016 Geben

Mehr

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0

Mehr

Univariate Analysis. Analysis und nichtlineare Modelle Sommersemester

Univariate Analysis. Analysis und nichtlineare Modelle Sommersemester Analysis und nichtlineare Modelle Sommersemester 9 5 Univariate Analysis C. Berechnen Sie ohne Taschenrechner(!). Runden Sie die Ergebnisse auf ganze Zahlen. (a) 7 :, (b) 795 :.. Berechnen Sie ohne Taschenrechner(!):

Mehr

LS Informatik 4 & Funktionen. Buchholz / Rudolph: MafI 2 88

LS Informatik 4 & Funktionen. Buchholz / Rudolph: MafI 2 88 4. Funktionen Buchholz / Rudolph: MafI 2 88 Kapitelgliederung 4.1 Grundlegende Denitionen 4.2 Polynome und rationale Funktionen 4.3 Beschränkte und monotone Funktionen 4.4 Grenzwerte von Funktionen 4.5

Mehr

Staatsexamen Herbst 2017 Differential- und Integralrechnung, Thema I

Staatsexamen Herbst 2017 Differential- und Integralrechnung, Thema I Staatsexamen Herbst 17 Differential- und Integralrechnung, Thema I 1. a) Die Aussage ist wahr! Sei s R der Reihenwert der Reihe k=1 Da a n = s n s n 1 für n, ist also b) Die Aussage ist falsch! a k, also

Mehr