Karteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke
|
|
- Adam Kolbe
- vor 6 Jahren
- Abrufe
Transkript
1 Karteikarten,, Sätze und en nach der Vorlesung von PD Hanke Felix Müller, Diese Karteikärtchen sollten alle en und Sätze der Vorlesung bei Herrn PD Hanke enthalten Falls ihr Fehler finden solltet, dann wäre es nett, wenn ihr mit ein kurzes Mail mit dem Fehler schickt Viel Spaß beim Lernen! 1
2 NICHT VERGESSEN: DUPLEX-DRUCKMODUS + SEITEANPASSUNG UNTER DATEI - DRUCKEN - KEINE WÄHLEN!!
3 Metrik Norm Satz 11 Bezeichnung einer Metrik auf V offene Kugel Satz 12 Umgebung Hausdorffsches Trennungsaxiom Satz 13 offene Mengen Eigenschaften für offene Mengen eines metrischen Raums X abeschlossene Mengen Randpunkt
4 Sei V ein Vektorraum über dem Körper K = R oder K = C Unter einer Norm auf V versteht man eine Abbildung :V R, x x mit folgenden Eigenschaften: i x =0 x=0 ii λx = λ x λ K und x V iii x + y x + y x,y, V Sei X eine Menge Unter einer Metrik auf X versteht man eine Abbildung d : X X R(x, y) d(x, y) mit den folgenden Eigenschaften: i d(x,y) = 0 genau dann, wenn x=y ii Symmetrie: x, y, X gilt d(x,y) = d(y,x) iii Dreicksungleichung: x, y, z X gilt d(x,z) d(x,y) + d(x,z) Sei (X, d) ein metrischer Raum, a X ein Punkt und r > 0 Dann heißt B r (a) := {x X : d(a, x) < r} die offene Kugel mit Mittelpunkt a und Radius r bzgl der Metrik d Sei (V, ) ein normierter Vektorraum Dann wird durch d(x, y) := x y für x, y V eine Metrik auf V definiert Sei X ein metrischer Raum Dann gibt es zu je zwei Punkten x, y X mit x y Umgebungen U von x und V von y, die punktfremd sind, dh U V = Sei X ein metrischer Raum Eine Teilmenge U X heißt Umgebung eines Punktes x X, falls ein ε > 0 existiert, so dass B ε (x) U Insbesondere ist B ε (x) selbst eine Umgebung von x Man nennt B ε (x) die ε-umgebung von x Für die offenen Mengen eines metrischen Raums X gilt: i und X sind offen ii Sind U und V offen, so ist auch der Durchschnitt U V offen iii Sei U i, i I, eine Familie offener Teilmengen von X Dann ist auch die Vereinigung i I U i offen Eine Teilmenge U eines metrischen Raums X heißt offen, wenn sie Umgebung jedes ihrer Punkte ist, dh wenn x U ε > 0 : B ε (x) U Bemerkung: im R n : B ε (a) := {x R n : x a < ε} Sei X ein metrischer Raum und Y X eine Teilmenge und x X Der Punkt x heißt Randpunkt von Y, wenn in jeder Umgebung von x sowohl ein Punkt von Y als auch ein Punkt von X \ Y liegt Die Menge aller Randpunkte von Y heißt der Rand von Y und wird mit Y bezeichnet Eine Teilmenge A eines metrischen Raumes X heißt abgeschlossen, wenn ihr Komplement X \ A offen ist
5 Satz 14 Sei X ein metrischer Raum und Y X Dann gilt: Inneres, abgeschlossene Hülle Topologie Umgebung in einem topologischen Raum Haussdorff-Raum Konvergenz von Folgen Satz 21 Satz 22 Konvergenz einer Folge von Punkten abgeschlossene Teilmenge Cauchy Folge Vollständigkeit
6 Ist Y Teilmenge eines metrischen Raumes X, so heißt Y := Y \ Y das Innere oder der offene Kern von Y und Ȳ := Y Y die abgeschlossene Hülle von Y i Die Menge Y \ Y ist offen ii Die Menge Y Y ist abgeschlossen iii Der Rand Y ist abgeschlossen Sei (X, τ) ein topologischer Raum und x X ein Punkt Eine Teilmenge V X heißt Umgebung von x, wenn U X offen : x U V Offenbar ist diese im Fall metrischer Räume mit der früher gegebenen äquivalent, da die ɛ-umgebungen Bɛ(x) in einem metrischen Raum offen sind Sei X eine Menge Eine Menge τ von Teilmengen von X heißt Topologie auf X, falls gilt: i, X τ ii Sind U, V τ, so gilt auch U V τ iii Ist I eine beliebige Indexmenge und U i τ i I i I τ Sei X ein metrischer Raum und (x k ) k N eine Folge von Punkten aus X Die Folge (x k ) heißt konvergent gegen den Punkt a X, also lim k x k = a U ε (a) N N : x k U k N ε > 0 N N : x k, a < ε k N Ein topologischer Raum (X, τ) heißt Hausdorff-Raum, falls in ihm das Hausdorffsche Trennungsaxiom gilt, dh zu je zwei Punkten x, y X, x y existieren Umgebungen U von x und V von y mit U V = Bemerkung: Nach Satz 12 ist jeder metrische Raum ein Hausforff-Raum Sei X ein metrischer Raum Eine Teilmenge A X ist genau dann abgeschlossen, wenn gilt: Ist (x k ) k N eine Folge von Punkten x k A, die gegen einen Punkt x X konvergiert, so liegt x schon in A Bemerkung: Dies ist eine Verallgemeinerung von Ana 1, $4, Cor zu Satz5 Sei (x k ) k N eine Folge von Punkten im R n, x k = (x k1, x k2,, x kn ), k N Genau dann konvergiert die Folge (x k ) gegen den Punkt a = (a 1, a 2,, a n ) R n, wenn für ν = 1, 2,, n gilt: lim k x kν = a ν Ein metrischer Raum heißt vollständig, wenn in ihm jede Cauchy-Folge konvergiert Sei X ein metrischer Raum Eine Folge (x k ) k N von Punkten aus X heißt Cauchy Folge, wenn gilt: ε > 0 N N : x k, x m < ε k, m N Bemerkung: Jede konvergente Folge in einem metrischen Raum ist eine CF
7 Banachraum Bananachraum Satz 23 Im R n konvergiert jede Cauchy-Folge Durchmesser Satz 24 Schachtelungsprinzip Stetigkeit (Abbildung) Satz 25 Satz 26 Komposition stetiger Abbildungen Stetigkeit Abbildung - Komponenten Satz 27 Corollar aus Satz 27 Folgende Abbildungen sind stetig: Diese Funktionen sind auch stetig Folgende Abbildungen sind stetig
8 Ein vollständig normierter, gelber und krummer Vektorraum heißt Bananachraum Ein vollständig normierter Vektorraum heißt Banachraum Für eine Teilmenge A eines metrischen Raumes X wird ihr Durchmesser definiert als diam(a) := sup{ x, y : x, y, A} Die Menge heißt beschränkt, falls diam(a) < Bemerkung: Offenbar ist A genau dann beschränkt, wenn A in einer genügend großen Kugel enthalten ist, dh wenn a X & r > 0 : A Br (a) Es gilt diam(br (a)) 2r, wie aus der -Ungl folgt Beweis: Sei x k = x 1k, x 2k,, x nk, k N, eine Cauchy-Folge in R n Da x kν x mν x k x m, ist für jedes ν = 1, 2,, n die Folge (x kν ) k N eine Cauchy-Folge in R, die wegen der Vollständigkeit von R konvergiert Nach Satz 21 konvergiert dann die Folge (x k ) k N in R n Seien X und Y metrische Räume und f : X Y eine Abbildung f heißt stetig im Punkt a X, falls lim f(x) = f(a), x a dh wenn für jede Folge (x n ) n N von Punkten aus X mit lim x n = a gilt lim f(x n) = f(a) Die Abbildung heißt stetig auf X, falls f in jedem Punkt a X x n stetig ist Sei X ein vollständig metrischer Raum und A 0 A 1 A 2 A 3 eine absteigende Folge nichtleerer abgeschlossener Teilmengen mit lim diam(a k) = 0 k Dann gibt es genau einen Punkt x X, der in allen A k liegt Sei X ein metrischer Raum Eine Abbildung f = (f 1,, f n ) : X R n ist genau dann stetig, wenn alle Komponenten f ν : X R, ν = 1,, n stetig sind Seien X, Y, Z metrische Räume und f : X Y, g : Y Z Abbildungen Ist f stetig im Punkt a X und g stetig in b := f(a) Y, so ist setig in a g f : X Z Sei X ein metrischer Raum und seien f, g : X R stetige Funktionen Dann sind auch die Funktionen f + g : X R und fg : X R stetig Gilt außerdem g(x) 0 x X, so ist auch f g : X R stetig Folgende Abbildungen sind stetig: a) add: R R R (x, y) x + y b) mult: R R R (x, y) xy c) quot: R R R (x, y) xy 1
9 Satz 28 δ ε-kriterium der Stetigkeit Homöomorphismus Satz 29 Eine Folge (f n ) n N konvergiert gleichmäßig gegen f Zusammenhang Konvergenz, Stetigkeit Satz 210 Stetigkeit einer linearen Abbildung Norm einer linearen Abbildung Satz 211 Stetigkeit von Abbildungen offene Überdeckung von Mengen Satz 31 Kopmpaktheit lim (x n) n N = a x Welche Menge ist kompakt?
10 Seien X, Y metrische Räume Eine bijektive Abbildung f : X Y heißt Homöomorphismus (oder topologische Abbildung), wenn f stetig ist und die Umkehrabbildung f 1 : Y X ebenfalls stetig ist Zwei metrische Räume heißen homöomorph, wenn es einen Homöomorphismus f : X Y gibt Seien X, Y metrische Räume und a X ein Punkt Eine Abbildung f : X Y ist genau dann in a stetig, wenn ε > 0 δ > 0 : f(x), f(a) < ε x X & x, a < δ Beispiel: R n ist homöom zur offenen Einheitskugel B := {x R n : x < 1} Seien X eine beliebige Menge, Y ein metrischer Raum, sowie Seien X, Y metrische Räume und f n : X Y, n N, eine Folge stetiger Funktionen, die gleichmäßig gegen die Funktion f : X Y konvergiere Dann ist auch f stetig f n (x) : X Y, n N und f : X Y Abbildungen Man sagt, die Folge (f n ) n N konvergiere gleichmäßig gegen f, falls ε > 0 N N : f n (x), f(x) < ε x x & n N Seien V und W normierte Vektorräume und A : V W eine stetig lineare Abbildung Dann wird ihre Norm definiert als A := sup{ A(x) : x V mit x 1} Bemerkung: Nach Satz 210 ist A < Es gilt A(x) A x x V ( ) Dies folgt daraus, dass A x A x 0 x Seien V und W normierte Vektorräume ( über R oder C ) und sei A : V W eine lineare Abbildung A ist genau dann stetig, wenn C R + 0 : A(x) C x x X Bemerkung: Eine lineare Abbildung A : V W ist genau dann auf ganz V stetig, wenn A im Nullpunkt stetig ist Beispiel: Sei C[a, b] der Vektorraum aller stetigen Funktionen f : [a, b] R auf dem Intervall [a, b] R, versehen mit der Supremums-Norm f := sup{ f(x) : x [a, b]} Sei A eine Teilmenge eines metrischen Raumes X Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I von offenen Teilmengen U i X mit A i I U i Dabei ist I eine beliebige (endliche oder unendliche) Indexmenge Seien X, Y metrische Räume und f : X Y eine Abbildung 1) Die Abbildung f ist stetig im Punkt a V := U ε (f(a)) U := U ε (a) mit f(u) V 2) Die Abbildung f ist auf ganz X stetig f 1 (V ) offene Mengen V Y offen in X Sei X ein metrischer Raum und (x n ) n N eine Punktfolge in X, die gegen den Punkt a X konvergiert Dann ist die Menge kompakt A := {x n : n N} {a} Eine Teilmenge A eines metrischen Raums X heißt kompakt, wenn es zu jeder offenen Überdeckung (U i ) i I von A endlich viele Indizes i 1,, i k I gibt, so dass A U i1 U i2 U ik Bemerkung: Die besagt nicht, dass A kompakt ist, wenn A eine endliche offene Überdeckung besitzt Es wird vielmehr verlangt, dass eine beliebige vorgegebene offene Überdeckung eine endliche Teilüberdeckung enthält
11 Satz 32 Satz 33 kompakter Quader kompakte Teilmenge - Beschränktheit und Abgeschlossenheit Satz 34 Satz 35 K X kompakte Teilmenge, A K abgeschlossen Heine-Borel Satz 36 Satz 37 f stetige Abbildung, K X kompakt f stetige Funktion, f beschränkt und nimmt ihr Maximum bzw Minimum an, dh Satz 38 Bolzano-Weierstraß Gleichmäßige Stetigkeit Satz 39 X kompakt, jede stetige Abbildung f : X Y ist Kurve im R n
12 Jede kompakte Teilmenge A eines metrischen Raumes X ist beschränkt und abgeschlossen Corollar: Jede konvergente Folge in einem metrischen Raum ist beschränkt Dabei heißt eine Folge (x n ) n N beschränkt, wenn die Menge {x n : n N} beschränkt ist Seien a ν, b ν R, a ν b ν, ν = 1, 2,, n Dann ist der abgeschlossene Quader Q := {(x 1,, x n ) R n : a ν x ν b ν } kompakt in R n Teilmenge A R n kompakt, abgeschlossen & beschränkt Beweis: Ist A kompakt, so ist es nach Satz 33 abgeschlossen und beschränkt Ist A beschränkt und abgeschlossen, so ist A in einem genügend großen abgeschlossenen Quader Q enthalten, der nach Satz 32 kompakt ist Nach Satz 34 ist dann A kompakt Sei X ein metrischer Raum, K X eine kompakte Teilmenge und A K eine abgeschlossene Teilmenge Dann ist auch A kompakt Punkte p, q X mit f(p) = sup{f(x) : x X}, f(q) = inf{f(x) : x X} Seien X, Y metrische Räume und f : X Y eine stetige Abbildung K X kompakt f(k) Y kompakt Seien X, Y metrische Räume Eine Abbildung f : X Y heißt gleichmäßig stetig, wenn ε > 0 δ > 0 : f(x), f(x ) < ε x, x X mit x, x < δ Sei A eine kompakte Teilmenge eines metrischen Raumes X und (x n ) n N eine Folge von Punkten x n A Dann gibt es eine Teilfolge (x nk ) k N, die gegen einen Punkt a A konvergiert Corollar: Jede beschränkte Folge (x i ) i I im R n besitzt eine konvergente Teilfolge Unter einer Kurve im R n versteht man eine stetige Abbildung f : I R n wobei I R ein (eigentliches oder uneigentliches) Intervall ist Nach Satz 26 wird die Kurve f gegeben durch ein n- Tupel f = (f 1, f 2,, f n) stetiger Funktionen f k : I R, k = 1, 2,, n Die Kurve heißt (stetig) differenzierbar wenn alle Funktionen f k (stetig) differenzierbar sind Bsp: Kreis in Ebene f : [0, 2π] R 2 t (r cos(t), r sin(t)) Seien X, Y metrische Räume und sei X kompakt Dann ist jede stetige Abbildung f : X Y gleichmäßig stetig
13 Tangentialvektor regulär (nicht singuläre) Kurve Schnittwinkel Bogenlänge Satz 41 rektifizierbare Kurve Jede stetig differenzierbare Kurve ist rektifizierbar, ihr Länge ist Parametertransformation partielle Ableitung stetig partielle Differenzierbarkeit Nabla Operator
14 Sei I R ein Intervall und f = (f 1, f 2,, f n ) : I R n Sei f : I R n eine stetig differenzierbare Kurve Die Kurve heißt regulär (nicht singulär), falls f (t) 0 t I Ein Parameterwert t I mit f (t) = 0 heißt singulär eine differenzierbare Kurve Für t I heißt f (t) = (f 1(t), f 2(t),, f n(t)) R n der Tangentialvektor der Kurve f zum Parameterwert t Falls f (t) 0, heißt der auf den Betrag 1 normierte f Vektor (t) f (t) Tangenten-Einheitsvektor Sei [a, b] R, a < b ein abgeschlossenes Intervall und f : [a, b] R n eine Kurve Unterteilt man das Intervall a = t 0 < t 1 < < t k = b und verbindet die Punkte f(t i 1) mit f(t i), für i = 1, 2,, k geradlinig, erhält man einen Polygonzug im R n Die Länge des Polygonzugs ist gleich p f (t 0,, t k ) := k f(t i) f(t i 1) i=1 Seien f : I 1 R n g : I 2 R n 2 reguläre Kurven Es gelte f(t 1 ) = g(t 2 ) Der Schnittwinkel ist der Winkel ϑ der Tangentialvektoren f (t 1 ) und f (t 2 ) cos ϑ = f (t 1 ), g (t 2 ) f (t 1 ) g (t 2 ) mit 0 ϑ π Die Länge der Kurve wird nun definiert als der Grenzwert der Längen der Polygonzüge bei immer feineren Unterteilungen Jede stetig differenzierbare Kurve f : [a, b] R n ist rektifizierbar, und für ihre Länge gilt L = b a f (t) dt Bemerkung: Die stetige Differenzierbarkeit ist nicht notwenig dafür, dass eine Kurve rektifizierbar ist Es gibt jedoch Kurven, die nicht rektifizierbar sind Eine Kurve f : [a, b] R n heißt rektifizierbar mit der Länge L, ε > 0 δ > 0 : Unterteilung a = t 0 < t 1 < < t k = b der Feinheit < δ gilt k f(t i ) f(t i 1 ) L < ε i=1 Sei U R n eine offene Teilmenge und f : U R eine reelle Funktion f heißt im Punkt x U partiell differenzierbar in der i-ten Koordinatenrichtung, falls der Limes D if(x) := lim h 0 f(x + he i) f(x) h existiert Dabei ist e i R n der i-te Einheitsvektor e i = (0,, 0, 1 }{{}, 0,, 0) i te Stelle und für den Limes h 0 hat man sich auf solche h R zu beschränken, für die h 0 und x + he i U D if(x) heißt die i-te partielle Ableitung von f in x Sei f : [a, b] R n eine Kurve, [α, β] R ein weiteres Intervall und ϕ : [α, β] [a, b] eine bijektive stetige Abbildung Dann ist die zusammengesetzte Abbildung g := f ϕ : [α, β] R n wieder eine Kurve im R n Man sagt, dass die Kurve g aus der Parametertransformation ϕ hervorgeht Sind sowohl ϕ als auch ϕ 1 : [a, b] [α, β] stetig differenzierbar, so nennt man ϕ eine C 1 - Parametertransformation = f x 1 f x 2 f x x = 1 f 2 f n f Sei U R n offen Eine Funktion f : U R heißt partiell differenzierbar, falls D i f(x) x U i = 1,, n f heißt stetig partiell differenzierbar, falls zusätzlich alle partiell Ableitungen D i f : U R stetig sind Bemerkung: D if(x) = f x i (x) = f(x) x i
15 Gradient Vektorfeld Satz 51 Divergenz Satz von Schwarz Corollar zu 51 Notation Satz von Schwarz in n-dimensionen partielle Ableitung NOTATION Rotation Laplace Operator Satz 61 Sei f total differenzierbar in x und es gilt: totale Differnzierbarkeit f(x + ξ) = f(x) + Aξ + O(ξ) Dann gilt
16 Sei U R n eine offene Teilmenge von R n Unter einem Vektorfeld auf U versteht man eine Abbildung ν : U R n Jedem Punkt x U wird also ein Vektor ν(x) R n zugeordnet Der Gradient f einer partiell differenzierbaren Funktion f : U R ist ein spezielles Vektorfeld Sei U R n offen und f : U R eine partiell differenzierbare Funktion Dann heißt der Vektor ( f grad f(x) = (x),, f ) (x) x 1 x n der Gradient von f im Punkt x U Sei U R n eine offene Menge und Sei U R n offen und f : U R eine zweimal stetig partiell differenzierbare Funktion Dann gilt a U und i, j = 1, 2,, n i j f(a) = j i f(a) ν = (ν 1,, ν n ) : U R n ein partiell differenzierbares Vektorfeld (dh alle Komponenten ν i : U R seien partiell differenzierbar) Dann heißt die Funktion ν = div ν := n i=1 die Divergenz des Vektorfeldes ν ν i x i = 1 ν + + n ν D j D i f = D i D i f = D 2 i f = 2 f x 2 i 2 f x j x i, ( ) 2 = f x i k f D ik D i1 f = usw x ik x i1 Sei U R n offen und f : U R eine k-mal stetig differenzierbare Funktion Dann gilt ik i2 i1 f = iπ(k) iπ(2) iπ(1) f i 1, i 2,, i k {1, 2,, n} und jede Permutation π der Zahlen 1,, k f := div grad f = 2 f x f 1 x 2 n Man nennt := x 2 1 x den Laplace-Operator 2 n rot A = A = 2 A 3 3 A 2 3 A 1 1 A 3 1 A 2 2 A 1 Bemerkung:, = n i=1 x i = x i Bemerkung: Ist f : U R eine zweimal stetig differenzierbare Funktion, so gilt: rot grad f = 0 Sei U R n offen und f : U R m eine Abbildung, die im Punkt x U differenzierbar ist, und zwar gelte f(x + ξ) = f(x) + Aξ + O(ξ) mit der Matrix A = (a ij ) M(m n, R) Dann gilt a) f ist im Punkt x stetig b) Alle Komponenten f i : U R, 1 i m, von f sind in x partiell differenzierbar mit fi x j = a ij Sei U R n eine offene Menge und f : U R m eine Abbildung f heißt im Punkt x U total differenzierbar, falls lineare Abbildung A : R n R m, so dass in einer Umgebung von x gilt f(x+ξ) = f(x)+aξ+ϕ(ξ), wobei ϕ eine in einer Umgebung von 0 R n definierten Funktion mit den Werten in R m ist mit ϕ(ξ) lim ξ 0 ξ = 0
17 Satz 62 Jacobi-Matrix f stetig partiell differenzierbar f Corollar zu Satz 62 Satz 63 Es gelten folgende Implikationen (Stetigkeit, Differenzierbarkeit) Kettenregel Corollar zu 63 Corollar zur Kettenregel Richtungsableitung Satz 64 Satz 65 f stetig differenzierbar x ν, ν = 1 gilt Mittelwertsatz Corollar zu 65 Hilssatz für 65 Corollar aus dem Mittelwertsatz Sei ν : [a, b] R m eine stetige vektorwertige Funktion auf dem Intervall [a, b] R Dann gilt
18 Sei U R n offen und f : U R eine in U partiell differenzierbare Funktion Alle partiellen Ableitungen D k f seien im Punkt x U stetig Dann ist f in x total differenzierbar Corollar: Sei U R n offen und f : U R eine stetig partiell differenzierbare Funktion Dann ist f in U stetig (Df)(x) := J f (x) := (f1,,fm) (x 1,,x n) (x) = f 1 f 1 x 1 f n x 1 f 1 x n x 2 f n x 2 f n x n Bemerkung: Die i-te Zeile der Jacobi-Matrix ist der Gradient der Funktion ( fi f i : (x),, f ) i x 1 xn (x) = grad f i (x) Seien U R n und V R m offene Mengen sowie f : U R m und g : V R k Abbildungen mit f(u) V Die Abbildung f sei im Punkt x U differenzierbar und die Abbildung g im Punkt y := f(x) V differenzierbar Dann ist die zusammengesetzte Abbildung g f : U R k im Punkt x differenzierbar und für ihr Differential gilt D(g f)(x) = (Dg) (f(x)) Df(x) f stetig partiell differenzierbar f stetig f total differenzierbar f stetig f partiell differenzierbar f i Bemerkung: Eine stetig partiell differenzierbare Funktion nennt man stetig differenzierbar Sei U R n offen und f : U R eine Funktion Weiter sei x U ein Punkt und ν R n ein Vektor mit ν = 1 Unter der Richtungsableitung von f im Punkt x in Richtung ν versteht man den Differenzialquotienten d ν f(x) := d dt f(x + tν) t=0 = lim t 0 f(x + tν) f(x) t Bemerkung: Für ν = e i ist also De f gleich der i-ten partiellen Ableitung i D i f Seien U R n und V R m offene Mengen, f : V R, x f(x), eine differenzierbare Funktion sowie ϕ 1 ϕ = : U Rm, t x = ϕ(t) ϕ m eine stetig differenzierbare Abbildung ϕ(u) V Dann ist die Funktion F := f ϕ : U R, t f (ϕ(t)) partiell differenzierbar und es gilt für i = 1,, n F t i (t 1,, t n) = m j=1 f x j (ϕ 1(t),, ϕ m(t)) ϕj t i (t 1,, t n) Sei U R n offen und f : U R m eine stetig differenzierbare Abbildung Sei x U und ξ R n ein Vektor derart, dass die ganze Strecke x + tξ, 0 t 1, in U liegt Dann gilt ( 1 ) f(x + ξ) f(x) = Df(x + tξ)dt ξ 0 Sei U R n offen und f : U R eine stetig differenzierbare Funktion Dann gilt für jedes x U und jeden Vektor ν R n mit ν = 1 D ν f(x) = ν, grad f(x) b a ν(t)dt b a ν(t) dt Es sei Damit gilt M := sup Df(x + tξ) 0 t 1 f(x + ξ) f(x) M ξ
19 Satz 71 Satz 72 Lineare Approximation einer Funktion Taylorsche Formel Corollar aus 72 Corollar zur Taylor-Formel Hessesche Matrix Satz 73 notwenige Bedingung für lokales Extrema Definitheit einer Matrix Satz zur Defintion Satz 74 Determinantenkriterium für Definitheit Hinreichende Bedingung für lokales Extremum Satz 81 Satz 82 Banachscher Fixpunktsatz Satz über implizite Funktionen
20 Sei U R n offen, x U ein Punkt und ξ R n ein Vektor derart, dass die Strecke x+tξ, 0 t 1, ganz in U liegt Weiter sei f : U R eine (k +1)-mal stetig differenzierbare Funktion θ [0, 1] : f(x + ξ) = α k D α f(x) α! ξ α + α =k+1 D α f(x + θξ) ξ α α! Sei U R n offen und f : U R eine k-mal stetig differenzierbare Funktion Sei x U und ξ R n ein Vektor derart, dass die Strecke x + tξ, 0 t 1, ganz in U liegt Dann ist die Funktion g : [0 : 1] R, g(t) := f(x + tξ), k-mal stetig differenzierbar und es gilt d k g dt k (t) = α =k k! α! (Dα f)(x + tξ)ξ α Sei U R n offen und f : U R eine zweimal stetig differenzierbare Funktion Unter der Hesseschen Matrix von f im Punkt x U versteht man die x n Matrix (Hess f)(x) := 2 f = x i x j 2 f x f xn x 1 2 f x 1 x 2 2 f xn x 2 2 f x 1 xn 2 f x 2 n Sei U R n offen, und f : U R eine k-mal stetig differenzierbare Funktion Dann gilt x U: f(x + ξ) = α k D α f(x) ξ α + O( ξ k ), für ξ 0 α! Sei A M(n n, R) eine symmetrische n n Matrix a) Die Matrix A heißt positiv definit, falls ξ, Aξ > 0, ξ R n \0 b) Die Matrix A heißt positiv semidefinit, falls ξ, Aξ 0, ξ R n \0 c) Die Matrix A heißt negativ definit, falls ξ, Aξ < 0, ξ R n \0 d) Die Matrix A heißt negativ semidefinit, falls ξ, Aξ 0, ξ R n \0 e) Die Matrix A heißt indefinit, falls Vektoren ξ, η R n : ξ, Aξ > 0 η, Aη < 0 Sei U R n offen und f : U R eine partiell differenzierbare Funktion Besitzt f in x U ein lokales Extremum, so gilt grad f(x) = 0 Sei U R n offen, f : U R eine zweimal stetig differenzierbare Funktion und x U ein Punkt mit grad f(x) = 0 a) Ist (Hess f)(x) positiv definit, so besitzt f in x ein striktes lokales Minimum b) Ist (Hess f)(x) negativ definit, so besitzt f in x ein striktes lokales Maximum c) Ist (Hess f)(x) indefinit, so besitzt f in x kein lokales Extrumum Sei a 11 a 1n A = M(n n, R) a n1 a nn eine reelle symmetrische n n-matrix A ist genau dann positiv definit, wenn k = 1,, n gilt: a 11 a 1n det > 0 a n1 a nn U 1 R k und U 2 R m offene Teilmengen und F : U 1 U 2 R m, (x, y) F (x, y), stetig differenzierbare Abbildungen Sei (a, b) U 1 U 2 ein Punkt mit F (a, b) = 0 Die m m Matrix F y = (F 1,,Fm) (y 1,,ym) := F 1 y 1 Fm y 1 F 1 ym Fm ym sei im Punkt (a, b) invertierbar offene Umgebungen V 1 U 1 von a, eine Umgebung V 2 U 2 von b sowie eine stetig differenzierbare Abbildung g : V 1 V 2 R m mit g(a) = b, sodass F (x, g(x)) = 0 x V 1 Ist (x, y) V 1 V 2 ein Punkt mit F (x, y) = 0, so folgt y = g(x) Sei A eine abgeschlossene Teilmenge eines Banachraums Die Abbildung φ : A A sei eine Kontraktion, dh es gebe eine Konstante θ mit 0 < θ < 1 : φ(f) φ(g) θ f g f, g A Dann besitzt φ genau einen Fixpunkt, dh eindeutig bestimmtes Element f A mit φ(f ) = f Für einen beliebigen Anfangswert f 0 A konvergiert die furch f k := φ(f k 1 ) rekursiv definierte Folge (f k ) k N gegen den Fixpunkt f
21 Satz 83 Satz über die Umkehrabbildungen Immersion Satz 91 Sei ϕ eine Immersion t T offene V T : Untermannigfaltigkeit Proposition 92 F : U R m stetig differenzierbar, DF (x) R m n surjektiv x F 1 (0) Codimension der Untermannigfaltigkeit Corollar 93 regulärer Wert Corollar zur Def Regulärer Wert Zusammenhang regulärer Wert Untermannigfaltigkeit Satz 94 Extrema unter Nebenbedingungen
22 Sei T R k eine offene Teilmenge Eine stetig differenzierbare Abbildung ϕ : T R n, (t 1,, t k ) ϕ(t 1,, t k ), heißt Immersion, wenn der Rang der Jacobi-Matrix f 1 f 1 x 1 f n x 1 f 1 x n x 2 f n x 2 in jedem Punkt t T gleich k ist f n x n Sei U R n offen und f : U R n eine stetig differenzierbaer Abbildung Sei a U und b := f(a) Die Jacobi-Matrix Df(a) sei invertierbar: offene Umgebungen U o U von a und eine offene Umgebung V 0 von b : f die Menge U 0 bijektiv auf V 0 abbildet und die Umkehrabbildung g = f 1 : V 0 U 0 stetig differenzierbar ist Es gilt Dg(b) = (F f(a)) 1 M R n heißt Untermannigfaltigkeit der dim k a M, nach eventueller Umnummerierung der Korrdinaten, offene Umgebungen U R k von a := (a 1,, a k ) und U R n k von a := (a k+1,, a n ) sowie eine stetig differenzierbare Abbildung g : U U, sodass M (U U ) = {(x, x ) U U x = g(x )} mit anderen Worten: M ist lokal Graph einer auf einer k dim Koordinatenumgebung U R k definierten Abbildung U U Sei T R k offen und ϕ : T R n eine Immersion t T offene Umgebungen V T, sodass die Beschränkungen ϕ V ϕ(v ) R n injektiv ist und einen Homöomorphismus von V auf ϕ(v ) darstellt Die Zahl n k heißt Codimension der Untermannigfaltigkeit Untermannigfaltigkeiten der Codimension 1 nennt man auch Hyperflächen Es sei U R n sowie F : U R m stetig differenzierbar, und x F 1 (0) sei das Differential DF (x) R m n surjektiv (als lineare Abbildung R n R m ) M := F 1 (0) R n ist eine Untermannigfaltigkeit der Dimension k = n m Es sei c ein regulärer Wert von F Dann ist F 1 (c) R n eine Untermannigfaltigkeit der Dimension m n (die möglicherweise leer ist) Dies ist das nichtlineare Analogon des folgenden Resultats aus der linearen Algebra: Ist F : R n R m eine surjektive Abbildung, so ist der Kern von F ein Untervektorraum von R n der Dimension n m Es sei U R n offen und F : U R m stetig differenzierbar Ein Punkt c R m heißt regulärer Wert von F, x F 1 (c) das Differential DF (x) : R n R m surjektiv ist Ist c kein regulärer Wert, so heißt c ein singulärer Wert von F Sei U R n eine offene Teilmenge und f : U R stetig differenzierbar Wir setzen M := f 1 (0) R n Sei a M so gewählt, dass Df(a) : R n R surjektiv ist (dh grad f(a) R 1 n ist als Abbildung R n R surjektiv - insbesondere ist also M in einer Umgebung von a eine Untermannigfaltigkeit von R n der Dimension n 1 Es sei nun h : U R stetig differenzierbar und a sei ein lokales Maximum (Minimum) von h unter der Nebenbedingung f = 0, dh eine Umgebung V U R n von a, sodass h(x) h(a) (h(x) h(a)) x M V λ R mit grad h(a) = λ grad f(a) λ heißt Lagrange-Multiplikator
Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
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.
MehrVollständiger Raum, Banachraum
Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
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
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
MehrDifferenzierbare Funktionen
47 Kapitel 6 Differenzierbare Funktionen 1 Topologische Strukturen Inhalt: Umgebungen, innere Punkte, offene Mengen, abgeschlossene Mengen, Häufungspunkte, offener Kern und abgeschlossene Hülle, Rand einer
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
MehrMathematik III für Physiker
Mathematik III für Physiker Wintersemester 214/215 Stefan Teufel Mathematisches Institut Uni Tübingen 3. März 215 Diese vorläufige Version des Skriptums ist nur zum Gebrauch parallel zum Besuch der Vorlesung
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
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
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
MehrKapitel 8 - Kompakte Räume
Kapitel 8 - Kompakte Räume Ein Vortrag von Philipp Dittrich nach B.v.Querenburg: Mengentheoretische Topologie Inhalt 8.1 Definition Kompaktheit....................... 2 Beispiel - das Intervall (0,1).....................
MehrTopologische Aspekte: Eine kurze Zusammenfassung
Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,
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
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
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
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;
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrKlausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
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.
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
MehrSKRIPTUM ZUR VORLESUNG MATHEMATIK II FÜR PHYSIKER UND PHYSIKERINNEN IM SOMMERSEMESTER 2012
SKRIPTUM ZUR VORLESUNG MATHEMATIK II FÜR PHYSIKER UND PHYSIKERINNEN IM SOMMERSEMESTER 2012 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 2 Literatur 2 1. Differentialrechnung im R n 3 1.1. Metrische Räume
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
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
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
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
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
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:
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
Mehr35 Stetige lineare Abbildungen
171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.
Mehr10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit
10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2
MehrKapitel 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
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
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
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
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
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 32 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines
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
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
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
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
MehrMehrdimensionale Differenzial- & Integralrechnung
Sktiprum zur Vorlesung Analysis II Private Mitschrift Mehrdimensionale Differenzial- & Integralrechnung gelesen von Prof. Dr. Michael Junk Martin Gubisch Konstanz, Sommersemester 26 Inhaltsverzeichnis
MehrMathematik I. Vorlesung 19. Metrische Räume
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors
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,
MehrÜbungsblatt 2 - Analysis 2, Prof. G. Hemion
Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrMathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 49 Der Banachsche Fixpunktsatz Satz 49.1. Es sei M ein nicht-leerer vollständiger metrischer Raum und f :M M eine stark kontrahierende Abbildung.
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrKompaktheit und Überdeckungen. 1 Überdeckungskompaktheit
Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
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:
Mehr2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)
2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt
Mehri=1 i=1,...,n x K f(x).
2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,
Mehr2 Stetige Abbildungen
Stetige Abbildungen Übersicht. Definitionen................................................. 43. Sätze und Beweise............................................ 45.3 Erklärungen zu den Definitionen...............................
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
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
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
MehrIV. Stetige Funktionen. Grenzwerte von Funktionen
IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrÜbungen zur Analysis II Blatt 27 - Lösungen
Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R
MehrAnalysis II. Prof. Dr. H. Brenner Osnabrück SS 2014
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 51 Für eine stetig differenzierbare Funktion ϕ: R R mit ϕ (P) > 0 in einem Punkt P R gibt es ein offenes Intervall P I =]P δ,p +δ, auf dem ϕ
MehrWir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).
Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrMathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n-
I. Lineare Algebra Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung 1. Determinanten (siehe Fischer/Kaul I, S.329-339) Matrix. Determinanten von 2 2- und 3 3-Matrizen. Alternierende Multilinearformen
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
Mehrf(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrPRÜFUNG AUS ANALYSIS F. INF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ANALYSIS F. INF. (GITTENBERGER) Wien, am 2. Juli 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8 P.) Sei f : R 2 R mit f(x, y) = e x
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
Mehr41 Der Satz über implizite Funktionen
41 Der Satz über implizite Funktionen 203 41 Der Satz über implizite Funktionen Lernziele: Resultate: Satz über implizite Funktionen Methode: Implizite Differentiation Kompetenzen: (Lokale) Auflösung von
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrVorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.
Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst
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.
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
MehrAnalysis II. Prof. Dr. Dirk Ferus. Sommersemester Version vom f m
Analysis II Prof. Dr. Dirk Ferus Sommersemester 2007 p Φ 0 V IR n W f m IR q Ψ 0 Version vom 30.05.2013 Inhaltsverzeichnis 1 Grundlagen der Topologie 7 1.1 Topologie in metrischen Räumen..................................
MehrSatz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik
Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen
MehrLokale Extrema von Funktionen mehrerer Variabler
Kapitel 11 Lokale Extrema von Funktionen mehrerer Variabler Bemerkung 11.1 Motivation. Bei skalarwertigen Funktionen einer Variablen gibt es notwendige und hinreichende Bedingungen für das Vorliegen von
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
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
MehrDer Laplace-Operator auf einer Riemannschen Mannigfaltigkeit
Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit (Eine kurze Einführung im Rahmen des Seminars Spektraltheorie des Laplace-Operators, Sommersemester 2009) Inhalt: 1) Einführung 2) (Unter-)
Mehr