Analysis III für Studierende der Ingenieurwissenschaften
|
|
- Hedwig Franke
- vor 6 Jahren
- Abrufe
Transkript
1 Analysis III für Studierende der Ingenieurwissenschaften Jens Struckmeier Fachbereich Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 211/12 Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 1 / 182 Inhalte der Vorlesung Analysis III. 1 Partielle Ableitungen, Differentialoperatoren. 2 Vektorfelder, vollständiges Differential, Richtungsableitungen. 3 Mittelwertsätze, Satz von Taylor. 4 Extrema, Satz über implizite Funktionen. 5 Implizite Darstellung von Kurven und Flächen. 6 Extrema bei Gleichungsnebenbedingungen. 7 Newton Verfahren, nichtlineare Gleichungen und Ausgleichsrechnung. 8 Bereichsintegrale, Satz von Fubini, Transformationssatz. 9 Potentiale, Integralsatz von Green, Integralsatz von Gauß. 1 Greensche Formeln, Integralsatz von Stokes. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 2 / 182
2 Kapitel 1. Differentialrechnung mehrerer Variablen 1.1 Partielle Ableitungen Im Folgenden sei f (x 1,..., x n ) eine skalare Funktion, die von n Variablen abhängt Beispiel: Die Zustandsgleichung eines idealen Gases lautet pv = RT. Jede der drei Größen p (Druck), V (Volumen) und T (Temperatur) läßt sich als Funktion der anderen darstellen, wobei R die universelle Gaskonstante ist. p = p(v, t) = RT V V = V (p, T ) = RT p T = T (p, V ) = pv R Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 3 / Partielle Ableitungen Definition: Sei D R n offen, f : D R, x D. f (x) heißt in x nach x i partiell differenzierbar, falls der Grenzwert f (x f (x + te i ) f (x ) ) := lim x i t t f (x1 = lim,..., x i + t,..., x n ) f (x1,..., x i,..., x n) t t existiert, wobei e i den i ten Einheitsvektor bezeichnet. Den Grenzwert nennt man die partielle Ableitung von f (x) nach x i im Punkt x. Existieren für jeden Punkt x die partiellen Ableitungen nach jeder Variablen x i, i = 1,..., n und sind diese stetige Funktionen, so nennt man f (x) stetig partiell differenzierbar oder eine C 1 Funktion. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 4 / 182
3 Beispiele. Betrachte die Funktion f (x 1, x 2 ) = x x 2 2 Für einen Punkt x R 2 existieren beide partiellen Ableitungen und diese sind auch stetig: f x 1 (x ) = 2x 1, f x 2 (x ) = 2x 2 Die Funktion ist also eine C 1 Funktion. Die Funktion f (x 1, x 2 ) = x 1 + x 2 ist im Punkt x = (, ) T partiell differenzierbar nach der Koordinate x 1, aber die partielle Ableitung nach x 2 existiert im Ursprung nicht! Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 5 / 182 Konkretes technisches Beispiel. Der Schalldruck einer eindimensionalen Schallwelle ist gegeben durch p(x, t) = A sin(αx ωt) Die partielle Ableitung p x = αa cos(αx ωt) beschreibt zu einer festen Zeit t die örtliche Änderungsrate des Schalldrucks. Die partielle Ableitung p t = ωa cos(αx ωt) beschreibt für einen festen Ort x die zeitliche Änderung des Schalldruckes. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 6 / 182
4 Differentiationsregeln Sind f, g partiell nach x i differenzierbar, α, β R, so gelten die Regeln ( ) αf (x) + βg(x) x i ( ) f (x) g(x) x i = α f x i (x) + β g x i (x) = f x i (x) g(x) + f (x) g x i (x) x i ( ) f (x) g(x) = f (x) g(x) f (x) g (x) x i x i g(x) 2 für g(x) Man verwendet alternativ die Bezeichnungen: D i f (x ) oder f xi (x ) für die partielle Ableitung von f (x) nach x i in x. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 7 / 182 Gradient und Nabla Operator. Definition: Sei f : D R, D R n offen, und partiell differenzierbar. Man bezeichnet den Zeilenvektor ( f grad f (x ) := (x ),..., f ) (x ) x 1 x n als Gradient von f (x) in x. Weiterhin bezeichnet man den symbolischen Vektor := ( x 1,..., x n ) T als Nabla Operator. So bekommt man den Spaltenvektor f (x ) := ( f (x ),..., f ) T (x ) x 1 x n Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 8 / 182
5 Weitere Differentiationsregeln. Seien f (x) und g(x) partiell differenzierbar. Dann gelten die folgenden Differentiationsregeln: Beispiele: grad (αf + βg) = α grad f + β grad g grad (f g) = g grad f + f grad g ( ) f grad g = 1 (g grad f f grad g), g 2 g Sei f (x, y) = e x sin y. Dann gilt: grad f (x, y) = (e x sin y, e x cos y) = e x (sin y, cos y) Für r(x) := x 2 = x x 2 n gilt grad r(x) = x r(x) = wobei x = (x 1,..., x n ) Zeilenvektor. x x 2 für x, Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 9 / 182 Partiell differenzierbar impliziert nicht Stetigkeit. Beobachtung: Eine (nach allen Koordinaten) partiell differenzierbare Funktion ist nicht notwendigerweise eine stetige Funktion. Beispiel: Betrachte die Funktion f : R 2 R definiert durch x y (x f (x, y) := 2 + y 2 ) 2 : für (x, y) : für (x, y) = Die Funktion ist auf ganz R 2 partiell differenzierbar, und es gilt f x (, ) = f y (, ) = f x (x, y) = y (x 2 + y 2 ) 2 4 x 2 y (x 2 + y 2, (x, y) (, ) ) 3 f y (x, y) = x (x 2 + y 2 ) 2 4 xy 2 (x 2 + y 2, (x, y) (, ) ) 3 Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 1 / 182
6 Beispiel (Fortsetzung). Berechnung der partiellen Ableitungen im Ursprung (, ): f f (t, ) f (, ) (, ) = lim x t t = t (t ) 2 t = f f (, t) f (, ) (, ) = lim y t t = t ( 2 + t 2 ) 2 t = Aber: Im Nullpunkt (, ) ist die Funktion nicht stetig, denn und somit gilt lim f n ( 1 n, 1 ) = n 1 n 1 n ( 1 n 1 n + 1 n 1 n ) 2 = 1 n 2 4 n 4 lim f (x, y) f (, ) = (x,y) (,) = n2 4 Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 11 / 182 Beschränkheit der Ableitungen impliziert Stetigkeit. Um die Stetigkeit einer partiell differenzierbaren Funktion zu garantieren, benötigt man zusätzliche Voraussetzungen an f. Satz: Ist f : D R, D R n offen, in einer Umgebung von x D partiell differenzierbar, und sind die partiellen Ableitungen f x i, i = 1,..., n, dort beschränkt, so ist f (x) stetig in x. Beachte: In unserem vorigem Beispiel sind die partiellen Ableitungen in einer Umgebung der Null (, ) nicht beschränkt, denn es gilt f y (x, y) = x (x 2 + y 2 ) 2 4 x 2 y (x 2 + y 2 ) 3 für (x, y) (, ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 12 / 182
7 Beweis des Satzes. Für x x < ε, ε > hinreichend klein, schreiben wir: f (x) f (x ) = (f (x 1,..., x n 1, x n ) f (x 1,..., x n 1, xn )) + (f (x 1,..., x n 1, xn ) f (x 1,..., x n 2, xn 1, xn )). + (f (x 1, x2,..., xn ) f (x1,..., xn )) Für jede Differenz auf der linken Seite, betrachten wir f als univariate Funktion: g(x n ) g(xn ) := f (x 1,..., x n 1, x n ) f (x 1,..., x n 1, xn ) Da f partiell differenzierbar, ist g differenzierbar und es gilt der Mittelwertsatz: g(x n ) g(xn ) = g (ξ n )(x n xn ) für ein geeignetes ξ n zwischen x n und xn. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 13 / 182 Beweis des Satzes (Fortsetzung). Anwendung des Mittelwertsatzes auf jeden Term der rechten Seite ergibt somit f (x) f (x ) = f x n (x 1,..., x n 1, ξ n ) (x n x n ) + f x n 1 (x 1,..., x n 2, ξ n 1, x n ) (x n 1 x n 1). + f x 1 (ξ 1, x 2,..., x n ) (x 1 x 1 ) Mit der Beschrankheit der partiellen Ableitungen gilt f (x) f (x ) C 1 x 1 x C n x n x n für x x < ε, und damit ist f (x) stetig in x, denn es gilt f (x) f (x ) für x x Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 14 / 182
8 Höhere Ableitungen. Definition: Eine skalare Funktion f (x) sei auf einer offenen Menge D R n partiell differenzierbar. Sind die partiellen Ableitungen erneut partiell differenzierbar, so erhält man sämtliche partiellen Ableitungen zweiter Ordnung von f mit 2 f x j x i := x j ( f Beispiel: Partielle Ableitungen zweiter Ordnung einer Funktion f (x, y): 2 f x 2 = x ( ) f, x 2 f y x = y x i ) ( ) f, x 2 f x y, Seien nun i 1,..., i k {1,..., n}. Dann definiert man rekursiv k f := x ik x ik 1... x i1 x ik ( k 1 f x ik 1 x ik 2... x i1 2 f y 2 ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 15 / 182 Ableitungen höherer Ordnung. Definition: Die Funktion f (x) heißt k fach partiell differenzierbar, falls alle Ableitungen der Ordnung k, k f x ik x ik 1... x i1 für alle i 1,..., i k {1,..., n}, auf D existieren. Alternative Notationen: k f x ik x ik 1... x i1 = D ik D ik 1... D i1 f = f xi1...x ik Sind alle Ableitungen k ter Ordnung stetig, so heißt die Funktion f (x) k fach stetig partiell differenzierbar oder auch C k Funktion auf D. Stetige Funktionen f (x) nennt man auch C Funktionen. Beispiel: Für die Funktion f (x 1,..., x n ) = n i=1 x i i gilt n f x n... x 1 =? Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 16 / 182
9 Partielle Ableitungen sind nicht beliebig vertauschbar. ACHTUNG: Die Reihenfolge, in der die partiellen Ableitungen durchzuführen sind, ist im Allgemeinen nicht beliebig vertauschbar! Beispiel: Für die Funktion f (x, y) := xy x 2 y 2 x 2 + y 2 : für (x, y) (, ) : für (x, y) = (, ) berechnet man direkt f xy (, ) = y f yx (, ) = x ( ) f (, ) = 1 x ( ) f (, ) = +1 y d.h. f xy (, ) f yx (, ). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 17 / 182 Vertauschbarkeitssatz von Schwarz. Satz: Ist f : D R, D R n offen, eine C 2 Funktion, so gilt für alle i, j {1,..., n}. Beweisidee: 2 f x j x i (x 1,..., x n ) = Zweifache Anwendung des Mittelwertsatzes. Folgerung: 2 f x i x j (x 1,..., x n ) Ist f (x) eine C k Funktion, so kann man die Reihenfolge der Differentiationen zur Berechnung der partiellen Ableitungen bis zur k ten Ordnung beliebig vertauschen! Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 18 / 182
10 Beispiel zur Vertauschbarkeit partieller Ableitungen. Berechne für die Funktion f (x, y, z) = y 2 z sin(x 3 ) + (cosh y + 17e x 2 )z 2 die partielle Ableitung dritter Ordnung f xyz. Die Reihenfolge der partiellen Ableitungen ist vertauschbar, da f C 3. Differenziere zunächst nach z: f z = y 2 sin(x 3 ) + 2z(cosh y + 17e x 2 ) Differenziere dann f z nach x (damit fällt cosh y raus): f zx = x ( ) y 2 sin(x 3 ) + 2z(cosh y + 17e x 2 ) = 3x 2 y 2 cos(x 3 ) + 68xze x 2 Für die partielle Ableitung von f zx nach y erhalten wir schließlich f xyz = 6x 2 y cos(x 3 ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 19 / 182 Der Laplace Operator. Der Laplace Operator ist definiert durch := n i=1 2 x 2 i Für eine skalare Funktion u(x) = u(x 1,..., x n ) gilt somit u = n i=1 2 u x 2 i = u x1 x u xn x n Beispiele für wichtige partielle Differentialgleichungen zweiter Ordnung: u 1 c 2 u tt = (Wellengleichung) u 1 k u t = (Wärmeleitungsgleichung) u = (Laplace Gleichung oder Potentialgleichung) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 2 / 182
11 Vektorwertige Funktionen. Definition: Sei f : D R m, D R n offen, f = (f 1,..., f m ) T, eine vektorwertige Funktion. Die Funktion f heißt partiell differenzierbar in x D, falls für alle i = 1,..., n die Grenzwerte f (x f(x + te i ) f(x ) ) = lim x i t t existieren. Die Berechnung erfolgt komponentenweise f 1 x i f x i (x ) =. f m x i für i = 1,..., n Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 21 / 182 Vektorfelder. Definition: Für m = n nennt man die Funktion f : D R n ein Vektorfeld auf D. Ist jede Koordinatenfunktion f i (x) von f = (f 1,..., f n ) T eine C k Funktion, so nennt man f ein C k Vektorfeld. Beispiele für Vektorfelder: Geschwindigkeitsfelder von strömenden Flüssigkeiten oder Gasen; elektromagnetische Felder; Temperaturgradienten in Festkörpern. Definition: Für ein partiell differenzierbares Vektorfeld f : D R n definiert man die Divergenz in x D durch div f(x ) := n i=1 f i x i (x ) oder div f(x) = T f(x) = (, f(x)) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 22 / 182
12 Rechenregeln und Rotation. Es gelten die folgenden Rechenregeln: div (α f + β g) = α div f + β div g für f, g : D R n div (ϕ f) = ( ϕ, f) + ϕ div f für ϕ : D R, f : D R n Bemerkung: Ist f : D R eine C 2 Funktion, so gilt für den Laplace Operator f = div ( f ) Definition: Für ein partiell differenzierbares Vektorfeld im R 3, f : D R 3, D R 3 offen, definiert man die Rotation durch rot f(x ) := ( f3 f 2, f 1 f 3, f 2 f ) T 1 x 2 x 3 x 3 x 1 x 1 x 2 x Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 23 / 182 Alternativ Notationen und weitere Rechenregeln. rot f(x) = f(x) = e 1 e 2 e 3 x 1 Bemerkung: Es gelten die folgenden Rechenregeln: x 2 x 3 f 1 f 2 f 3 rot (α f + β g) = α rot f + β rot g rot (ϕ f) = ( ϕ) f + ϕ rot f Bemerkung: Ist ϕ : D R, D R 3, eine C 2 Funktion, so folgt rot ( ϕ) =, mit dem Vertauschbarkeitssatz von Schwarz, d.h. Gradientenfelder sind stets rotationsfrei. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 24 / 182
13 Kapitel 1. Differentialrechnung mehrerer Variablen 1.2 Das vollständige Differential Definition: Sei D R n offen, x D und f : D R m. Die Funktion f(x) heißt differenzierbar in x (oder vollständig differenzierbar bzw. total differenzierbar in x ), falls es eine lineare Abbildung l(x, x ) := A (x x ) mit einer Matrix A R m n gibt, für die die Approximationseigenschaft f(x) = f(x ) + A (x x ) + o( x x ) gilt, d.h. f(x) f(x ) A (x x ) lim x x x x =. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 25 / 182 Das vollständige Differential und die Jacobi Matrix. Bezeichnungen: Man nennt die lineare Abbildung l das vollständige Differential oder das totale Differential von f(x) im Punkt x, und man bezeichnet l mit df(x ). Die zugehörige Matrix A heißt Jacobi Matrix oder Funktionalmatrix von f(x) im Punkt x und wird mit J f(x ) (manchmal auch mit Df(x ) oder f (x )) bezeichnet. Bemerkung: Für m = n = 1 erhalten wir die bekannte Beziehung f (x) = f (x ) + f (x )(x x ) + o( x x ) für die Ableitung f (x ) im Punkt x. Bemerkung: Im Fall einer skalaren Funktion (m = 1) ist A = a ein Zeilenvektor und a(x x ) ein Skalarprodukt a T, x x. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 26 / 182
14 Vollständige und partielle Differenzierbarkeit. Satz: Sei f : D R m, x D R n, D offen. a) Ist f(x) in x differenzierbar, so ist f(x) auch stetig in x. b) Ist f(x) in x differenzierbar, so ist das (vollständige) Differential und damit auch die Jacobi Matrix eindeutig bestimmt und es gilt J f(x ) = f 1 x 1 (x ).... f m (x )... x 1 f 1 x n (x ). f m (x ) x n = Df 1 (x ). Df m (x ) c) Ist f(x) eine C 1 Funktion auf D, so ist f(x) auf D differenzierbar. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 27 / 182 Beweis von a). Ist f in x differenzierbar, so gilt nach Definition f(x) f(x ) A (x x ) lim x x x x = Daraus folgt aber lim f(x) f(x ) A (x x ) = x x und wir erhalten f(x) f(x ) f(x) f(x ) A (x x ) + A (x x ) für x x Damit ist die Funktion f stetig im Punkt x. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 28 / 182
15 Beweis von b). Sei x = x + te i, t < ε, i {1,..., n}. Da f im Punkt x differenzierbar ist, folgt f(x) f(x ) A (x x ) lim x x x x = Wir schreiben nun f(x) f(x ) A (x x ) x x = f(x + te i ) f(x ) t Daraus folgt tae i t = t ( f(x t + te i ) f(x ) t für t Ae i ) f(x + te i ) f(x ) lim t t = Ae i i = 1,..., n Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 29 / 182 Beispiele. Betrachte die skalare Funktion f (x 1, x 2 ) = x 1 e 2x 2. Dann lautet die Jacobi Matrix: Jf (x 1, x 2 ) = Df (x 1, x 2 ) = e 2x 2 (1, 2x 1 ) Betrachte die Funktion f : R 3 R 2 definiert durch ( x1 x 2 x 3 f(x 1, x 2, x 3 ) = sin(x 1 + 2x 2 + 3x 3 ) ) Die Jacobi Matrix ergibt sich in der Form f 1 f 1 f 1 ( x 1 x 2 x 3 x2 Jf(x 1, x 2, x 3 ) = f 2 f 2 f = x 3 x 1 x 3 x 1 x 2 2 cos(s) 2 cos(s) 3 cos(s) x 1 x 2 x 3 wobei s = x 1 + 2x 2 + 3x 3. ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 3 / 182
16 Weitere Beispiele. Sei f(x) = Ax, A R m n und x R n. Dann gilt Jf(x) = A für alle x R n Sei f (x) = x T Ax = x, Ax, A R n n und x R n. Dann gilt f x i = e i, Ax + x, Ae i = e T i Ax + x T Ae i = x T (A T + A)e i Daraus folgt Jf (x) = gradf (x) = x T (A T + A) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 31 / 182 Differentiationsregeln. Satz: a) Linearität: Sind f, g : D R m differenzierbar in x D, D offen, so ist auch α f(x ) + β g(x ), α, β R, differenzierbar in x und es gilt d(αf + βg)(x ) = α df(x ) + β dg(x ) J(αf + βg)(x ) = α Jf(x ) + β Jg(x ) b) Kettenregel: Ist f : D R m differenzierbar in x D, D offen, und ist g : E R k differenzierbar in y = f (x ) E R m, E offen, so ist g f ebenfalls in x differenzierbar. Für die Differentiale gilt und analog für die Jacobi Matrizen d(g f)(x ) = dg(y ) df(x ) J(g f)(x ) = Jg(y ) Jf(x ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 32 / 182
17 Beispiel zur Kettenregel. Sei h : I R n, I R Intervall, eine in t I differenzierbare Kurve mit Werten in D R n, D offen, und f : D R eine in x = h(t ) differenzierbare skalare Funktion. Dann ist auch die Hintereinanderausführung (f h)(t) = f (h 1 (t),..., h n (t)) in t differenzierbar, und für die Ableitung gilt: (f h) (t ) = Jf (h(t )) Jh(t ) = gradf (h(t )) h (t ) = n k=1 f x k (h(t )) h k (t ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 33 / 182 Richtungsableitungen. Definition: Sei f : D R, D R n offen, x D, und v R \ {} ein Vektor. Dann heißt D v f (x ) := lim t f (x + tv) f (x ) t die Richtungsableitung (Gateaux Ableitung) von f (x) in Richtung v. Beispiel: Sei f (x, y) = x 2 + y 2 und v = (1, 1) T. Dann gilt für die Richtungsableitung in Richtung v: D v f (x, y) = lim t (x + t) 2 + (y + t) 2 x 2 y 2 t = lim t 2xt + t 2 + 2yt + t 2 t = 2(x + y) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 34 / 182
18 Bemerkungen. Für v = e i ist die Richtungsableitung in Richtung v gegeben durch die partielle Ableitung nach der Koordinatenrichtung x i : D v f (x ) = f x i (x ) Ist v ein Einheitsvektor, also v = 1, so beschreibt die Richtungsableitung D v f (x ) den Anstieg (bzw. die Steigung) von f (x) in Richtung v. Ist f (x) in x differenzierbar, so existieren sämtliche Richtungsableitungen von f (x) in x und mit h(t) = x + tv gilt D v f (x ) = d dt (f h) t= = grad f (x ) v Dies folgt unmittelbar aus der Anwendung der Kettenregel. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 35 / 182 Eigenschaften des Gradienten. Satz: Sei f : D R, D R n offen, in x D differenzierbar. Dann gilt a) Der Gradientenvektor grad f (x ) R n steht senkrecht auf der Niveaumenge N x := {x D f (x) = f (x )} Im Fall n = 2 nennt man die Niveaumengen auch Höhenlinien, im Fall n = 3 heißen die Niveaumengen auch Äquipotentialflächen. 2) Der Gradient grad f (x ) gibt die Richtung des steilsten Anstiegs von f (x) in x an. Beweisidee: a) Anwendung der Kettenregel. b) Für beliebige Richtung v gilt mit der Cauchy Schwarzschen Ungleichung D v f (x ) = (grad f (x ), v) grad f (x ) 2 Gleichheit wird für v = grad f (x )/ grad f (x ) 2 angenommen. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 36 / 182
19 Krummlinige Koordinaten. Definition: Sei Φ : U V, U, V R n offen, eine C 1 Abbildung, für die die Jacobimatrix JΦ(u ) an jeder Stelle u U regulär ist. Weiterhin existiere die Umkehrabbildung Φ 1 : V U und diese sei ebenfalls eine C 1 Abbildung. Dann definiert x = Φ(u) eine Koordinatentransformation von den Koordinaten u auf x. Beispiel: Betrachte für n = 2 die Polarkoordinaten u = (r, ϕ) mit r > und π < ϕ < π und setze x = r cos ϕ y = r sin ϕ mit den kartesischen Koordinaten x = (x, y). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 37 / 182 Umrechnung der partiellen Ableitungen. Für alle u U mit x = Φ(u) gelten die Relationen Φ 1 (Φ(u)) = u J Φ 1 (x) J Φ(u) = I n (Kettenregel) J Φ 1 (x) = (J Φ(u)) 1 Sei nun f : V R eine gegebene Funktion und setze f (u) := f (Φ(u)) Dann folgt aus der Kettenregel: f n f Φ j = =: u i x j u i mit g ij := Φ j u i, j=1 n j=1 ij f g x j G(u) := (g ij ) = (J Φ(u)) T Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 38 / 182
20 Notationen. Wir verwenden die abkürzende Schreibweise u i = n j=1 Analog lassen sich die partiellen Ableitungen nach x i durch die partiellen Ableitungen nach u j ausdrücken mit wobei x i = n j=1 g ij g ij x j u j (g ij ) := (g ij ) 1 = (J Φ) T = (J Φ 1 ) T Man erhält diese Beziehungen durch Anwendung der Kettenregel auf Φ 1. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 39 / 182 Beispiel: Polarkoordinaten. Wir betrachten die Polarkoordinaten x = Φ(u) = ( r cos ϕ r sin ϕ ) Dann berechnet man J Φ(u) = ( cos ϕ r sin ϕ sin ϕ r cos ϕ ) und damit (g ij ) = cos ϕ r sin ϕ sin ϕ r cos ϕ (g ij ) = cos ϕ sin ϕ 1 r sin ϕ 1 r cos ϕ Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 4 / 182
21 Partielle Ableitungen für die Polarkoordinaten. Für die Umrechnung der partiellen Ableitungen bekommt man nun x y = cos ϕ r 1 r sin ϕ ϕ = sin ϕ r + 1 r cos ϕ ϕ Beispiel: Umrechnung des Laplace Operator auf Polarkoordinaten 2 x 2 = cos 2 ϕ 2 r 2 sin(2ϕ) r 2 y 2 = sin 2 ϕ 2 r 2 + sin(2ϕ) r = 2 x y 2 = 2 r r 2 2 ϕ r 2 r ϕ + sin2 ϕ 2 r 2 ϕ 2 + sin(2ϕ) r 2 2 r ϕ + cos2 ϕ 2 r 2 ϕ 2 sin(2ϕ) r 2 r ϕ + sin2 ϕ r ϕ + cos2 ϕ r r r Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 41 / 182 Beispiel: Kugelkoordinaten. Wir betrachten die Kugelkoordinaten x = Φ(u) = r cos ϕ cos θ r sin ϕ cos θ r sin θ Die Jacobi Matrix ist dann gegeben durch: J Φ(u) = cos ϕ cos θ r sin ϕ cos θ r cos ϕ sin θ sin ϕ cos θ r cos ϕ cos θ r sin ϕ sin θ sin θ r cos θ Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 42 / 182
22 Partielle Ableitungen für die Kugelkoordinaten. Für die Umrechnung der partiellen Ableitungen bekommt man nun x y z = cos ϕ cos θ r sin ϕ r cos θ = sin ϕ cos θ r + cos ϕ r cos θ = sin θ r + 1 r cos θ θ ϕ 1 r cos ϕ sin θ θ ϕ 1 r sin ϕ sin θ θ Beispiel: Umrechnung des Laplace Operators auf Kugelkoordinaten = 2 r r 2 cos 2 θ 2 ϕ r 2 2 θ r r tan θ r 2 θ Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 43 / 182 Kapitel 1. Differentialrechnung mehrerer Variablen 1.3 Mittelwertsätze und Taylor Entwicklungen Satz (Mittelwertsatz): Sei f : D R eine auf einer offenen Menge D R n differenzierbare, skalare Funktion. Weiterhin seien a, b D Punkte in D, so dass die Verbindungsstrecke [a, b] := {a + t(b a) t [, 1]} ganz in D liegt. Dann gibt es eine Zahl θ (, 1) mit Beweis: Wir setzen f (b) f (a) = grad f (a + θ(b a)) (b a) h(t) := f (a + t(b a)) Aus dem Mittelwertsatz für eine Veränderliche folgt dann mit der Kettenregel f (b) f (a) = h(1) h() = h (θ) (1 ) = grad f (a + θ(b a)) (b a) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 44 / 182
23 Definition und Beispiel. Definition: Gilt die Bedingung [a, b] D für alle Punkte a, b D, so heißt die Menge D konvex. Beispiel zum Mittelwertsatz: Gegeben sei die skalare Funktion Offensichtlich gilt f (x, y) := cos x + sin y f (, ) = f (π/2, π/2) = 1 f (π/2, π/2) f (, ) = Nach dem Mittelwertsatz existiert ein θ (, 1) mit ( ( )) ( π/2 π/2 grad f θ π/2 π/2 ) = In der Tat gilt diese Beziehung für θ = 1 2. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 45 / 182 Mittelwertsatz gilt nur für skalare Funktionen. Beachte: Der Mittelwertsatz für mehrere Variablen gilt nur für skalare Funktionen, aber i.a. nicht für vektorwertige Funktionen! Beispiel: Betrachte die vektorwertige Funktion ( ) cos t f(t) :=, t [, π/2] sin t Nun gilt ( f(π/2) f() = 1 ) ( 1 ) ( 1 = 1 ) und ( f θ π ) ( π ) 2 2 = π 2 ( sin(θπ/2) cos(θπ/2) ) ABER: Die Vektoren auf der rechten Seite haben die Längen 2 bzw. π/2! Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 46 / 182
24 Der Mittelwert Abschätzungssatz für vektorwertige Funktionen. Satz: Die Funktion f : D R m sei differenzierbar auf der offenen Menge D R n. Weiterhin seien a, b Punkte in D mit [a, b] D. Dann gibt es ein θ (, 1) mit f(b) f(a) 2 J f(a + θ(b a)) (b a) 2 Beweisidee: Anwendung des Mittelwertsatzes auf die skalare Funktion g(x) definiert durch g(x) := (f(b) f(a)) T f(x) (Skalarprodukt!) Bemerkung: Eine andere (abgeschwächte) Form der Mittelwert Abschätzung ist f(b) f(a) sup J f(ξ)) (b a) ξ [a,b] wobei eine beliebige Vektor bzw. zugehörige Matrixnorm ist. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 47 / 182 Taylor Entwicklungen: Notationen. Zunächst definieren wir einen Multiindex α N n als Weiterhin sei α := (α 1,..., α n ) N n α := α α n α! := α 1! α n! Ist f : D R α mal stetig differenzierbar, so setzen wir D α = D α 1 1 Dα Dα n n = α f x α x α, n n wobei D α i i = D i... D i }{{} α i mal und wir schreiben x α := x α 1 1 x α x α n n für x = (x 1,..., x n ) R n. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 48 / 182
25 Der Satz von Taylor. Satz: (Satz von Taylor) Sei D R n offen und konvex, f : D R eine C m+1 Funktion und sei x D. Dann gilt für x D die Taylor Entwicklung f (x) = T m (x; x ) + R m (x; x ) T m (x; x ) = α m D α f (x ) (x x ) α α! R m (x; x ) = α =m+1 D α f (x + θ(x x )) (x x ) α α! mit einem geeigneten θ (, 1). Bezeichnung: In der obigen Taylor Entwicklung heißt T m (x; x ) Taylor Polynom m ten Grades und R m (x; x ) wird als Lagrange Restglied bezeichnet. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 49 / 182 Herleitung der Taylorschen Formel. Wir definieren eine skalare Funktion einer Variablen t [, 1] als g(t) := f (x + t(x x )) und berechnen die Taylor Entwicklung um t =. Es gilt: g(1) = g() + g () (1 ) g (ξ) (1 ) 2 für ein ξ (, 1). Die Berechnung von g () liefert mit der Kettenregel g () = d dt f (x 1 + t(x 1 x1 ), x2 + t(x 2 x2 ),..., xn + t(x n xn )) = D 1 f (x ) (x 1 x 1 ) D n f (x ) (x n x n ) t= = α =1 D α f (x ) α! (x x ) α Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 5 / 182
26 Fortsetzung der Herleitung. Berechnung von g () liefert g () = d 2 dt 2 f (x + t(x x )) = d t= dt n D k f (x + t(x x ))(x k xk ) k=1 t= = D 11 f (x )(x 1 x 1 ) 2 + D 21 f (x )(x 1 x 1 )(x 2 x 2 ) D ij f (x )(x i x i )(x j x j ) D n 1,n f (x )(x n 1 x n 1)(x n x n ) + D nn f (x )(x n x n ) 2 ) = α =2 D α f (x ) (x x ) α (Vertauschungssatz von Schwarz!) α! Nun: Beweis der Taylor Formel mittels vollständiger Induktion! Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 51 / 182 Beweis des Satzes von Taylor. Die Funktion g(t) := f (x + t(x x )) ist (m + 1) mal stetig differenzierbar, und es gilt g(1) = m k= g (k) () k! + g (m+1) (θ) (m + 1)! für ein θ [, 1]. Weiterhin gilt (per Induktion über k) g (k) () k! = α =k D α f (x ) α! (x x ) α und g (m+1) (θ) (m + 1)! = α =m+1 D α f (x + θ(x x )) α! (x x ) α Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 52 / 182
27 Beispiel zur Taylor Entwicklung. 1 Berechne das Taylor Polynom T 2 (x; x ) zweiten Grades der Funktion f (x, y, z) = x y 2 sin z zum Entwicklungspunkt (x, y, z) = (1, 2, ) T. 2 Die Berechnung von T 2 (x; x ) benötigt die partiellen Ableitungen bis zur zweiten Ordnung. 3 Diese Ableitungen müssen am Punkt (x, y, z) = (1, 2, ) T ausgewertet werden. 4 Als Ergebnis erhält man T 2 (x; x ) in der Form 5 Berechnung auf Folie. T 2 (x; x ) = 4z(x + y 2) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 53 / 182 Bemerkung zum Restglied eines Taylor Polynoms. Bemerkung: Das Restglied eine Taylor Polynoms enthält alle partiellen Ableitungen der Ordnung (m + 1): R m (x; x ) = α =m+1 D α f (x + θ(x x )) (x x ) α α! Sind all diese Ableitungen in der Nähe von x durch eine Konstante C beschränkt, so gilt die Restgliedabschätzung R m (x; x ) nm+1 (m + 1)! C x x m+1 Für die Approximationsgüte des Taylor Polynoms einer C m+1 Funktion folgt daher f (x) = T m (x; x ) + O ( x x m+1) Spezialfall m = 1: Für eine C 2 Funktion f (x) bekommt man f (x) = f (x ) + grad f (x ) (x x ) + O( x x 2 ). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 54 / 182
28 Die Hesse Matrix. Man nennt die Matrix Hf (x ) := f x1 x 1 (x )... f x1 x n (x ).. f xn x 1 (x )... f xn x n (x ) die Hesse Matrix von f (x) im Punkt x. Hesse Matrix = Jacobi Matrix des Gradienten f Die Taylor Entwicklung einer C 3 Funktion lautet daher f (x) = f (x ) + grad f (x )(x x ) (x x ) T Hf (x )(x x ) + O( x x 3 ) Die Hesse Matrix einer C 2 Funktion ist symmetrisch. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 55 / 182 Kapitel 2. Anwendungen der Differentialrechnung mehrerer Variablen 2.1 Extrema von Funktionen mehrerer Veränderlichen Definition: Sei f : D R, D R n, und x D. Dann hat f (x) in x ein globales Maximum, falls f (x) f (x ) für alle x D. ein strenges globales Maximum, falls f (x) < f (x ) für alle x D. ein lokales Maximum, falls es ein ε > gibt mit f (x) f (x ) für alle x D mit x x < ε. ein strenges lokales Maximum, falls es ein ε > gibt mit f (x) < f (x ) für alle x D mit x x < ε. Analoge Definitionen für Minima. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 56 / 182
29 Notwendige Bedingung für lokale Extrema. Satz: Besitzt eine C 1 Funktion f (x) in einem Punkt x D ein lokales Extremum (Minimum oder Maximum), so gilt grad f (x ) = R n Beweis: Für ein beliebiges v R n, v ist die Funktion ϕ(t) := f (x + tv) in einer Umgebung von t = stetig differenzierbar. Weiterhin hat ϕ(t) bei t = ein lokales Extremum. Damit folgt: ϕ () = grad f (x ) v = Da dies für alle v gilt, folgt die Bedingung: grad f (x ) = (,..., ) T Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 57 / 182 Bemerkungen zu lokalen Extremwerten. Bemerkungen: Die Bedingung grad f (x ) = liefert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x mit n Gleichungen und n Unbekannten. Die Punkte x D mit grad f (x ) = nennt man stationäre Punkte von f (x). Stationäre Punkte sind nicht notwendigerweise lokale Extremwerte. Zum Beispiel besitzt die Funktion f (x, y) := x 2 y 2 den Gradienten grad f (x, y) = 2(x, y) und hat daher nur einen stationären Punkt x = (, ) T. Der Punkt x ist jedoch ein Sattelpunkt von f, d.h. in jeder Umgebung von x gibt es zwei Punkte x 1 und x 2 mit f (x 1 ) < f (x ) < f (x 2 ). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 58 / 182
30 Klassifikation stationärer Punkte. Satz: Sei f (x) eine C 2 Funktion auf D und x D ein stationärer Punkt von f (x), d.h. grad f (x ) =. a) Notwendige Bedingung Ist x ein lokales Extremum von f (x), so gilt: x lokales Minimum H f (x ) positiv semidefinit x lokales Maximum H f (x ) negativ semidefinit b) Hinreichende Bedingung Ist H f (x ) positiv definit (bzw. negativ definit), so ist x ein strenges lokales Minimum (bzw. Maximum) von f (x). Ist H f (x ) indefinit, so ist x ein Sattelpunkt, d.h. es gibt in jeder Umgebung von x Punkte x 1 und x 2 mit f (x 1 ) < f (x ) < f (x 2 ). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 59 / 182 Beweis des Satzes, Teil a). Sei x ein lokales Minimum. Für v und ε > hinreichend klein folgt aus der Taylor Formel mit θ = θ(ε, v) (, 1). f (x + εv) f (x ) = 1 2 (εv)t H f (x + θεv)(εv) (1) Der Gradient in der Taylorentwicklung verschwindet, grad f (x ) =, denn x ist stationär. Aus (1) folgt v T H f (x + θεv)v (2) Da f (x) eine C 2 Funktion ist, ist die Hesse Matrix eine stetige Abbildung. Im Grenzwert ε folgt daher aus (2), d.h. H f (x ) ist positiv semidefinit. v T H f (x )v Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 6 / 182
31 Beweis des Satzes, Teil b). Ist H f (x ) positiv definit, so ist H f (x) ebenfalls in einer hinreichend kleinen Umgebung x K ε (x ) D um x positiv definit. Dies folgt aus der Stetigkeit der zweiten partiellen Ableitungen. Für x K ε (x ), x x gilt damit f (x) f (x ) = 1 2 (x x ) T H f (x + θ(x x ))(x x ) > mit θ (, 1), d.h. f (x) hat in x ein strenges lokales Minimum. Ist H f (x ) indefinit, so existieren zu Eigenwerten von H f (x ) mit verschiedenen Vorzeichen gewisse Eigenvektoren v, w mit und somit ist x ein Sattelpunkt. v T Hf (x )v > w T Hf (x )w < Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 61 / 182 Bemerkungen. Ein stationärer Punkt x mit det Hf (x ) = heißt ausgeartet. Die Hesse Matrix besitzt dann den Eigenwert λ =. Ist x nicht ausgeartet, so gibt es 3 Fälle für die Eigenwerte von Hf (x ): alle EW sind strikt positiv x ist strenges lokales Minimum alle EW sind strikt negativ x ist strenges lokales Maximum es gibt strikt pos. und neg. EW x Sattelpunkt Die folgenden Implikationen gelten (aber für keine die Umkehrung) x lokales Minimum x strenges lokales Minimum Hf (x ) positiv semidefinit Hf (x ) positiv definit Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 62 / 182
32 Weitere Bemerkung. Ist f (x) eine C 3 Funktion, x ein stationärer Punkt von f (x) und Hf (x ) positiv definit, so gilt die Abschätzung: (x x ) T Hf (x ) (x x ) λ min x x 2 wobei λ min den kleinsten Eigenwert der Hesse Matrix bezeichnet. Nach dem Satz von Taylor gilt dann: f (x) f (x ) 1 2 λ min x x 2 + R 3 (x; x ) ( ) x x 2 λmin 2 C x x mit einer geeigneten Konstanten C >. Um x wächst f (x) somit mindestens quadratisch mit dem Abstand von x. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 63 / 182 Beispiel. Wir betrachten die Funktion f (x, y) := y 2 (x 1) + x 2 (x + 1) und suchen die stationären Punkte: grad f (x, y) = (y 2 + x(3x + 2), 2y(x 1)) T Die Bedingung grad f (x, y) = liefert die beiden stationären Punkte x = (, ) T und x 1 = ( 2/3, ) T. Die jeweiligen Hesse Matrizen von f an den Stellen x und x 1 lauten ( ) ( Hf (x 2 ) = und Hf (x 1 2 ) = 2 1/3 ) Die Matrix Hf (x ) ist indefinit, also ist x ein Sattelpunkt, Hf (x 1 ) ist negativ definit, somit ist x 1 ein strenges lokales Maximum von f (x). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 64 / 182
33 Kapitel 2. Anwendungen der Differentialrechnung mehrerer Variablen 2.2 Implizit definierte Funktionen Ziel: Untersuche die Lösungsmengen von nichtlinearen Gleichungssystemen der Form g(x) = mit g : D R m, D R n, d.h. wir betrachten m Gleichungen für n Unbekannte mit m < n. Also: Es gibt weniger Gleichungen als Unbekannte. Man nennt dann das Gleichungssystem unterbestimmt und die Lösungsmenge G R n enthält gewöhnlich unendlich viele Punkte. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 65 / 182 Auflösbarkeit von (nichtlinearen) Gleichungen. Frage: Kann man das System g(x) = nach bestimmten Unbekannten, zum Beispiel den letzten m Variablen x n m+1,..., x n auflösen? Mit anderen Worten: Existiert eine Funktion f(x 1,..., x n m ) mit g(x) = (x n m+1,..., x n ) T = f(x 1,..., x n m ) Terminologie: Auflösen bedeutet also die letzten m Variablen durch die ersten n m Variablen zu beschreiben. Weitere Frage: Nach welchen m Variablen lässt sich das Gleichungssystem auflösen? Ist die Auflösung global auf dem Definitionsbereich D möglich oder nur lokal auf einer Teilmenge D D? Geometrische Interpretation: Die Lösungsmenge G von g(x) = lässt sich (zumindest lokal) als Graph einer Funktion f : R n m R m darstellen. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 66 / 182
34 Beispiel. Die Kreisgleichung g(x, y) = x 2 + y 2 r 2 = mit r > definiert ein unterbestimmtes nichtlineares Gleichungssystem, denn wir haben zwei Unbekannte (x, y), aber nur eine Gleichung. Die Kreisgleichung lässt sich lokal auflösen und definiert dabei die folgenden vier Funktionen: y = r 2 x 2, r x r y = r 2 x 2, r x r x = r 2 y 2, r y r x = r 2 y 2, r y r Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 67 / 182 Beispiel. Sei g(x) eine affin lineare Funktion, d.h. g hat die Form g(x) = Cx + b für C R m n, b R m Wir spalten die Variablen x in zwei Vektoren auf x (1) = (x 1,..., x n m ) T R n m und x (2) = (x n m+1,..., x n ) T R n Aufspaltung der Matrix C = [B, A] ergibt die Darstellung mit B R m (n m), A R m m. g(x) = Bx (1) + Ax (2) + b Das Gleichungssystem g(x) = ist genau dann nach den Variablen x (2) (eindeutig) auflösbar, falls A regulär ist: g(x) = x (2) = A 1 (Bx (1) + b) = f(x (1) ) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 68 / 182
35 Fortsetzung des Beispiels. Frage: Wie kann man die Matrix A in Abhängigkeit von g schreiben? Aus der Darstellung erkennt man direkt, dass g(x) = Bx (1) + Ax (2) + b A = g x (2) (x(1), x (2) ) gilt, d.h. A ist die Jacobi Matrix der Abbildung für festes x (1)! x (2) g(x (1), x (2) ) Fazit: Auflösbarkeit ist somit gegeben, falls die Jacobi Matrix regulär ist. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 69 / 182 Satz über implizite Funktionen. Satz: Sei g : D R m eine C 1 Funktion, D R n offen. Die Variablen in D seien (x, y) mit x R n m und y R m. Der Punkt (x, y ) D sei eine Lösung von g(x, y ) =. Falls die Jacobi Matrix g y (x, y ) := g 1 y 1 (x, y ).... g m y 1 (x, y )... g 1 y m (x, y ). g m y m (x, y ) regulär ist, so gibt es Umgebungen U von x und V von y, U V D und eine eindeutig bestimmte stetig differenzierbare Funktion f : U V mit f(x ) = y und g(x, f(x)) = für alle x U und ( ) 1 ( ) g g J f(x) = (x, f(x)) (x, f(x)) y x Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 7 / 182
36 Beispiel. Für die Kreisgleichung g(x, y) = x 2 + y 2 r 2 =, r > findet man im Punkt (x, y ) = (, r) g g (, r) =, x (, r) = 2r y Man kann also in einer Umgebung von (, r) die Kreisgleichung nach y auflösen: f (x) = r 2 x 2 Die Ableitung f (x) kann man durch implizite Diffentiation berechnen: g(x, y(x)) = = g x (x, y(x)) + g y (x, y(x))y (x) = Also 2x + 2y(x)y (x) = y (x) = f (x) = x y(x) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 71 / 182 Ein weiteres Beispiel. Betrachte die Gleichung g(x, y) = e y x + 3y + x 2 1 =. Es gilt g y (x, y) = ey x + 3 > für alle x R. Die Gleichung ist also für jedes x R nach y =: f (x) auflösbar und f (x) ist eine stetig differenzierbare Funktion. Implizite Differentiation liefert e y x (y 1) + 3y + 2x = = y = ey x 2x e y x + 3 Erneute Differentiation liefert e y x y + e y x (y 1) 2 + 3y + 2 = = y = 2 + ey x (y 1) 2 e y x + 3 Aber: Explizites Auflösen nach y (mit Hilfe elementarer Funktionen) ist in diesem Fall nicht möglich! Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 72 / 182
37 Allgemeine Bemerkung. Implizites Differenzieren einer durch g(x, y) =, g y implizit definierten Funktion y = f (x), mit x, y R, ergibt f (x) = g x g y f (x) = g xxg 2 y 2g xy g x g y + g yy g 2 x g 3 y Daher ist der Punkt x ein stationärer Punkt von f (x), falls gilt g(x, y ) = g x (x, y ) = und g y (x, y ) Weiter ist x ein lokales Maximum (bzw. Minimum), falls g xx (x, y ( ) g y (x, y ) > bzw. g xx(x, y ) ) g y (x, y ) < Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 73 / 182 Implizite Darstellung ebener Kurven. Betrachte die Lösungsmenge einer skalaren Gleichungen g(x, y) = Falls gilt grad g = (g x, g y ) so definiert g(x, y) lokal eine Funktion y = f (x) oder x = f (y). Definition: Ein Lösungspunkt (x, y ) der Gleichung g(x, y) = mit grad g(x, y ) heißt regulärer Punkt, grad g(x, y ) = heißt singulärer Punkt. Beispiel: Betrachte wieder die Kreisgleichung g(x, y) = x 2 + y 2 r = mit r >. Auf der Kreislinie liegen keine singulären Punkte! Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 74 / 182
38 Horizontale und vertikale Tangenten. Bemerkung: a) Gilt für einen regulären Punkt (x, y ) g x (x ) = und g y (x ) so besitzt die Lösungskurve eine horizontale Tangente in x. b) Gilt für einen regulären Punkt (x, y ) g x (x ) und g y (x ) = so besitzt die Lösungskurve eine vertikale Tangente in x. c) Ist x ein singulärer Punkt, so wird die Lösungsmenge bei x in zweiter Näherung durch folgende quadratische Gleichung approximiert. g xx (x )(x x ) 2 + 2g xy (x )(x x )(y y ) + g yy (x )(y y ) 2 = Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 75 / 182 Bemerkungen. Wegen c) erhält man für g xx, g xy, g yy : det Hg(x ) > : x ist ein isolierter Punkt der Lösungsmenge det Hg(x ) < : x ist ein Doppelpunkt det Hg(x ) = : x ist ein Rückkehrpunkt bzw. eine Spitze Geometrische Interpretation: a) Gilt det Hg(x ) >, so sind beide Eigenwerte von Hg(x ) entweder strikt positiv oder strikt negativ, d.h. x ist ein strenges lokales Minimum oder Maximum von g(x). b) Gilt det Hg(x ) <, so haben die beiden Eigenwerte von Hg(x ) ein unterschiedliches Vorzeichen, d.h. x ist ein Sattelpunkt von g(x). c) Gilt det Hg(x ) =, so ist der stationäre Punkt x von g(x) ausgeartet. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 76 / 182
39 Beispiel 1. Betrachte den singulären Punkt x = der impliziten Gleichung g(x, y) = y 2 (x 1) + x 2 (x 2) = Berechnung der partiellen Ableitungen bis zur Ordnung 2: g x = y 2 + 3x 2 4x g y = 2y(x 1) g xx = 6x 4 g xy = 2y g yy = 2(x 1) ( 4 Hg() = 2 ) Also ist x = ein isolierter Punkt. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 77 / 182 Beispiel 2. Betrachte den singulären Punkt x = der impliziten Gleichung g(x, y) = y 2 (x 1) + x 2 (x + q 2 ) = Berechnung der partiellen Ableitungen bis zur Ordnung 2: g x = y 2 + 3x 2 + 2xq 2 g y = 2y(x 1) g xx = 6x + 2q 2 g xy = 2y g yy = 2(x 1) ( 2q 2 Hg() = 2 ) Also ist x = für q ein Doppelpunkt. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 78 / 182
40 Beispiel 3. Betrachte den singulären Punkt x = der impliziten Gleichung g(x, y) = y 2 (x 1) + x 3 = Berechnung der partiellen Ableitungen bis zur Ordnung 2: g x = y 2 + 3x 2 g y = 2y(x 1) g xx = 6x g xy = 2y g yy = 2(x 1) ( Hg() = 2 ) Also ist x = eine Spitze (bzw. ein Rückkehrpunkt). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 79 / 182 Implizite Darstellung von Flächen. Die Lösungsmenge einer skalaren Gleichung g(x, y, z) = ist für grad g lokal eine Fläche im R 3. Für die Tangentialebene in x = (x, y, z ) T mit g(x ) = und grad g(x ) T bekommen wir für x = x x mit Taylor Entwicklung grad g x = g x (x )(x x ) + g y (x )(y y ) + g z (x )(z z ) = d.h. der Gradient steht senkrecht auf der Fläche g(x, y, z) =. Ist zum Beispiel g z (x ), so gibt es lokal bei x eine Darstellung der Form z = f (x, y) und für die partielle Ableitungen von f (x, y) bekommt man grad f (x, y) = (f x, f y ) = 1 ( (g x, g y ) = g x, g ) y g z g z g z mit dem Satz über implizite Funktionen. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 8 / 182
41 Das Umkehrproblem. Frage: Lässt sich ein vorgegebenes Gleichungssystem y = f(x) mit f : D R n, D R n offen, nach x auflösen, also invertieren? Satz: (Umkehrsatz) Sei f : D R n, D R n offen, eine C 1 Funktion. Ist für ein x D die Jacobi Matrix J f(x ) regulär, so gibt es Umgebungen U und V von x und y = f(x ), so dass f den Bereich U bijektiv auf V abbildet. Die Umkehrfunktion f 1 : V U ist ebenfalls eine C 1 Funktion und es gilt für alle x U: J f 1 (y) = (J f(x)) 1, y = f(x) Bemerkung: Man nennt dann f lokal einen C 1 Diffeomorphismus. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 81 / 182 Kapitel 2. Anwendungen der Differentialrechnung mehrerer Variablen 2.3 Extremalprobleme unter Nebenbedingungen Frage: Welche Abmessungen sollte eine Metalldose haben, damit bei vorgegebenem Volumen der Materialverbrauch am geringsten ist? Lösungsansatz: Sei r > der Radius und h > die Höhe der Dose. Dann gilt V = πr 2 h O = 2πr 2 + 2πrh Setze bei vorgebenem Volumen c R +, und mit x := r, y := h, f (x, y) = 2πx 2 + 2πxy g(x, y) = πx 2 y c = Bestimme das Minimum der Funktion f (x, y) auf der Menge G := {(x, y) R 2 + g(x, y) = } Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 82 / 182
42 Lösung des restringierten Minimierungsproblems. Aus g(x, y) = πx 2 y c = folgt y = c πx 2 Einsetzen in f (x, y) ergibt h(x) := 2πx 2 + 2πx c πx 2 = 2πx 2 + 2c x Bestimme das Minimum der Funktion h(x): h (x) = 4πx 2c 2c ( c ) 1/3 = 4πx = x 2 x 2 x = 2π Hinreichende Bedingung h (x) = 4π + 4c x 3 h ( ( c ) ) 1/3 = 12π > π Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 83 / 182 Allgemeine Formulierung des Problems. Bestimme die Extremwerte der Funktion f : R n R unter den Nebenbedingungen g(x) = wobei g : R n R m. Die Nebenbedingungen lauten also g 1 (x 1,..., x n ) = g m (x 1,..., x n ) =. Alternativ: Bestimme die Extremwerte der Funktion f (x) auf der Menge G := {x R n g(x) = } Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 84 / 182
43 Die Lagrange Funktion und das Lagrange Lemma. Wir definieren die Lagrange Funktion F (x) := f (x) + m λ i g i (x) i=1 und suchen die Extremwerte von F (x) für festes λ = (λ 1,..., λ m ) T. Die Zahlen λ i, i = 1,..., m nennt man Lagrange Multiplikatoren. Satz: (Lagrange Lemma) Minimiert (bzw. maximiert) x die Lagrange Funktion F (x) (für ein festes λ) über D und gilt g(x ) =, so liefert x das Minimum (bzw. Maximum) von f (x) über G := {x D g(x) = }. Beweis: Für ein beliebiges x D gilt nach Vorausetzung f (x ) + λ T g(x ) f (x) + λ T g(x) Wählt man speziell x G, so ist g(x) = g(x ) =, also auch f (x ) f (x). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 85 / 182 Eine notwendige Bedingung für lokale Extrema. Sind f und g i, i = 1,..., m, C 1 Funktionen, so ist eine notwendige Bedingung für eine Extremstelle x von F (x) gegeben durch grad F (x) = grad f (x) + m λ i grad g i (x) = i=1 Zusammen mit den Nebenbedinungen g(x) = ergibt sich ein (nichtlineares) Gleichungssystem mit (n + m) Gleichungen und (n + m) Unbekannten x und λ. Die Lösungen (x, λ ) sind die Kandidaten für die gesuchten Extremstellen, denn diese erfüllen die o.g. notwendige Bedingung. Alternativ: Definiere eine Langrange Funktion G(x, λ) := f (x) + m λ i g i (x) i=1 und suche die Extremstellen von G(x, λ) bezüglich x und λ. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 86 / 182
44 Einige Bemerkungen zu hinreichenden Bedingungen. 1 Man kann auch eine hinreichende Bedingung aufstellen: Sind die Funktionen f und g C 2 Funktionen und ist die Hesse Matrix HF (x ) der Lagrange Funktion positiv (bzw. negativ) definit, so ist x tatsächlich ein strenges lokales Minimum (bzw. Maximum) von f (x) auf G. 2 In den meisten Anwendungen ist die hinreichende Bedingung allerdings nicht erfüllt, obwohl x ein strenges lokales Extremum ist. 3 Insbesondere kann man aus der Indefinitheit der Hesse Matrix HF (x ) nicht schließen, dass x kein Extremwert ist. 4 Ähnlich problematisch ist die hinreichende Bedingung, die man aus der Hesse Matrix für die Lagrange Funktion G(x, λ) bezüglich x und λ erhält. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 87 / 182 Ein Beispiel zu restringierten Minimierungsproblems. Gesucht seien die Extrema von f (x, y) := xy auf der Kreisscheibe K := {(x, y) T x 2 + y 2 1} Da die betrachte Funktion f stetig und K R 2 kompakt ist, folgt aus der Min Max Eigenschaft die Existenz von globalen Maxima und Minima auf K. Wir betrachten zunächst das Innere K von K, also die offene Menge K := {(x, y) T x 2 + y 2 < 1} Die notwendige Bedingung für einen Extremwert lautet nun grad f = (y, x) = Somit ist der Ursprung x = Kandidat für ein (lokales) Extremum. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 88 / 182
45 Fortsetzung des Beispiels. Die Hesse Matrix im Ursprung, gegeben durch ( ) 1 Hf () = 1 und ist indefinit. Daher ist x ein Sattelpunkt. Die Extrema der Funktion müssen also auf dem Rand liegen, der eine Gleichungsnebenbedingung darstellt: g(x, y) = x 2 + y 2 1 = Wir suchen also die Extremwerte von f (x, y) = xy unter der Nebenbedingung g(x, y) =. Die Lagrange Funktion lautet F (x, y) = xy + λ(x 2 + y 2 1) Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 89 / 182 Komplettierung des Beispiels. Damit ergibt sich das (nichtlineare) Gleichungssystem mit den vier Lösungen y + 2λx = x + 2λy = x 2 + y 2 = 1 λ = 1 2 λ = 1 2 : x (1) = ( 1/2, 1/2) T x (2) = ( 1/2, 1/2) T : x (3) = ( 1/2, 1/2) T x (4) = ( 1/2, 1/2) T Minima und Maxima lassen sich nun einfach aus den Funktionswerten ablesen f (x (1) ) = f (x (2) ) = 1/2 f (x (3) ) = f (x (4) ) = 1/2 d.h. Minima sind x (1) und x (2), Maxima sind x (3) und x (4). Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 9 / 182
46 Lagrange Multiplikatoren Regel. Satz: Seien f, g 1,..., g m : D R jeweils C 1 Funktionen, und sei x D ein lokales Extremum von f (x) unter der Nebenbedingung g(x) =. Weiterhin gelte die Regularitätsbedingung ( ) rang J g(x ) = m Dann existieren Lagrange Multiplikatoren λ 1,..., λ m, so dass für die Lagrange Funktion m F (x) := f (x) + λ i g i (x) i=1 die folgende notwendige Bedingung erster Ordnung gilt: grad F (x ) = Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 91 / 182 Notwendige Bedingung zweiter Ordnung und hinreichende Bedingung. Satz: 1) Ist x D ein lokales Minimum von f (x) unter der Nebenbedingung g(x) =, ist die Regularitätsbedingung erfüllt und sind λ 1,..., λ m zugehörige Lagrange Multiplikatoren, so ist die Hesse Matrix HF (x ) der Lagrange Funktion positiv semidefinit auf dem Tangentialraum TG(x ) := {y R n grad g i (x ) y = für i = 1,..., m} d.h., es gilt y T HF (x ) y für alle y TG(x ). 2) Ist für einen Punkt x G die Regularitätsbedingung erfüllt, existieren Lagrange Multiplikatoren λ 1,..., λ m, so dass x ein stationärer Punkt der zugehörigen Lagrange Funktion ist, und ist die Hesse Matrix HF (x ) positiv definit auf dem Tangentialraum TG(x ), d.h., gilt y T HF (x ) y > y TG(x ) \ {}, so ist x ein strenges lokales Minimum von f (x) unter der Nebenbedingung g(x) =. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 92 / 182
47 Beispiel. Man bestimme das globale Maximum der Funktion f (x, y) = x 2 + 8x y unter der Nebenbedingung g(x, y) = x 2 + y 2 1 = Die Lagrange Funktion ist F (x) = x 2 + 8x y λ(x 2 + y 2 1) Aus der notwendigen Bedingung ergibt sich das nichtlineare System 2x + 8 = 2λx 2y = 2λy x 2 + y 2 = 1 Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 93 / 182 Fortsetzung des Beispiels. Aus der notwendigen Bedingung ergibt sich das nichtlineare System 2x + 8 = 2λx 2y = 2λy x 2 + y 2 = 1 Aus der ersten Gleichung folgt λ 1. Verwendet man dies in der zweiten Gleichung, so gilt y =. Aus der dritten Gleichung erkennt man sofort x = ±1. Demnach sind die beiden Punkte (x, y) = (1, ) und (x, y) = ( 1, ) Kandidaten für das globale Maximum. Wegen f (1, ) = 16 f ( 1, ) = wird das globale Maximum von f (x, y) unter der Nebenbedingung g(x, y) = im Punkt (x, y) = (1, ) angenommen. Jens Struckmeier (Mathematik, UniHH) Analysis III für Ingenieure 94 / 182
Analysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS.
Analysis III für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Teil I Rückblick auf das letzte Semester Fakultät für Mathematik, Informatik und Naturwissenschaften
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
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
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
MehrRichtungsableitungen.
Richtungsableitungen. Definition: Sei f : D R, D R n offen, x 0 D, und v R n \ {0} ein Vektor. Dann heißt D v f(x 0 f(x 0 + tv) f(x 0 ) ) := lim t 0 t die Richtungsableitung (Gateaux-Ableitung) von f(x)
MehrFerienkurs der TU München- - Analysis 2 Funktionen in mehreren Variablen Vorlesung
Ferienkurs der TU München- - Analysis 2 Funktionen in mehreren Variablen Vorlesung Jonas J. Funke 30.08.2010-03.09.2010 Inhaltsverzeichnis 1 Funktionen in mehreren Variablen 3 2 Partielle Differentiation
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
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
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
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
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
Mehrf(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
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
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
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.
MehrB Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,
B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient
Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung
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
MehrImplizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem
Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
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
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
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
Mehr6 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
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema
Vorlesung: Analysis II für Ingenieure Wintersemester 09/10 Michael Karow Themen: Taylor-Entwicklung und lokale Extrema Motivierendes Beispiel: die Funktion f(x, y) = x(x 1) 2 2 y 2. Dieselbe Funktion von
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 009 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrElemente 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
MehrMathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.
Technische Universität München WS 009/0 Fakultät für Mathematik Prof. Dr. J. Edenhofer Dipl.-Ing. W. Schultz Übung Lösungsvorschlag Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I Aufgabe
MehrVorlesung: 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 )
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
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
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 =
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
MehrDefinition: 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
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
MehrDifferentialrechnung in mehreren Veränderlichen
Kapitel 6 Differentialrechnung in mehreren Veränderlichen 6.1 Ableitungen (partielle Ableitung; (stetig) partiell differenzierbar; die Klasse C 1 (U); totale Differenzierbarkeit; Nabla-Operator; Gradient;
Mehr3 Funktionen in mehreren Variablen
3 Funktionen in mehreren Variablen Funktionen in mehreren Variablen Wir betrachten nun Abbildungen / Funktionen in mehreren Variablen. Dies sind Funktionen von einer Teilmenge des R d nach R. f : D f R,
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
Mehr3 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
MehrMathematik 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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
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
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
Mehr26. Höhere Ableitungen
26. Höhere Ableitungen 331 26. Höhere Ableitungen Im letzten Kapitel haben wir gesehen, wie man für Abbildungen zwischen mehrdimensionalen Räumen das Konzept der Differenzierbarkeit definieren und für
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
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
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
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
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
MehrINGENIEURMATHEMATIK. 9. Differentialrechnung für Funktionen mehrerer Variablen. Sommersemester Prof. Dr. Gunar Matthies
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 9. Differentialrechnung für Funktionen mehrerer Variablen Prof. Dr. Gunar Matthies Sommersemester
MehrLagrange-Multiplikatoren
Lagrange-Multiplikatoren Ist x eine lokale Extremstelle der skalaren Funktion f unter den Nebenbedingungen g i (x) = 0, dann existieren Lagrange-Multiplikatoren λ i, so dass grad f (x ) = λ i grad g i
Mehr3 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)
Mehr9 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,
MehrMusterlösungen Aufgabenblatt 2
Jonas Kindervater Ferienkurs - Höhere Mathematik III für Physiker Musterlösungen Aufgabenblatt Dienstag 17. Februar 009 Aufgabe 1 (Implizite Funktionen) f(x, y) = x 1 xy 1 y4 = 0 Man bestimme die lokale
Mehr4.4 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
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
Mehr50 Partielle Ableitungen
50 Partielle Ableitungen 217 50 Partielle Ableitungen 501 Beispiel Die Differenzierbarkeit von Funktionen von mehreren Veränderlichen kann nach jeder Variablen einzeln untersucht werden, wobei die anderen
Mehrε 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
MehrDifferenzierbarkeit von Funktionen mehrerer Variablen
Kapitel 1 Differenzierbarkeit von Funktionen mehrerer Variablen 11 Definition und grundlegende Eigenschaften Bemerkung 11 Motivation Auch die Differenzierbarkeit von Funktionen mehrerer Veränderlicher
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
Mehr9 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
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
MehrDer 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.
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
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
Mehr4.7 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
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4
Mehr39 Differenzierbare Funktionen und Kettenregel
192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:
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,
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
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
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
MehrReellwertige Funktionen mehrerer Veränderlicher
Reellwertige Funktionen mehrerer Veränderlicher Teilnehmer: Philipp Besel Joschka Braun Robert Courant Florens Greÿner Tim Jaschek Leroy Odunlami Gloria Xiao Heinrich-Hertz-Oberschule, Berlin Ludwigs-Georgs-Gymnasium,
MehrOptimierung unter Nebenbedingungen
Optimierung unter Nebenbedingungen Kapitel 7: Optimierung unter Nebenbedingungen Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 1. Juli 2009 1 / 18 7.1 Bemerkung
MehrLösungen zu Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrStroppel Musterlösung , 180min. Aufgabe 1 (3 Punkte) Bestimmen Sie die Determinante der Matrix
Stroppel Musterlösung 7.., 8min Aufgabe Punkte Bestimmen Sie die Determinante der Matrix A =. Geben Sie alle Lösungen x des homogenen Gleichungssystems Ax = an. Entwicklung nach der ersten Spalte: deta
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrKapitel 6. Differenzialrechnung für Funktionen von mehreren Variablen
Kapitel 6. Differenzialrechnung für Funktionen von mehreren Variablen 6.1 Funktionen von mehreren Variablen Eine Abbildung f : D R, D R n, ordnet jedem n-tupel x = (x 1, x 2,...,x n ) D (eindeutig) eine
MehrExtremwertrechnung in mehreren Veränderlichen
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 2014 14.05.2014 Höhere Mathematik II für die Fachrichtung Informatik 3. Saalübung (14.05.2014) Extremwertrechnung
MehrAnalysis II WS 11/12 Serie 9 Musterlösung
Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
MehrHTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden
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
Mehr18 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
MehrAnalysis III. Dr. Theo Overhagen Fachbereich 6 Mathematik Universität Siegen
Analysis III Dr. Theo Overhagen Fachbereich 6 Mathematik Universität Siegen 2008 1 Einleitung Die Vorlesung Analysis III schließt an die Vorlesungen Analysis I,II (Prof. Dr. Nickel) in den Studienjahren
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
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrTU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017
TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1 Prof. Dr. K. Eppler Institut für Numerische Mathematik Dr. M. Herrich SS 2017 Aufgabe 1 Übungen zur Vorlesung Mathematik II 4. Übung,
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
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
MehrFunktionen mehrerer Veränderlicher
Funktionen mehrerer Veränderlicher Betrachtet werden Funktionen f : D R mit Denitionsbereich D R n und Wertebereich R, d. h. man hat die Funktionsgleichung y = f (x) = f (x, x 2,..., x n ) Beispiele: f
Mehr