4.1 Definition: Sei M nichtleere Menge. Eine Metrik oder ein Abstand auf M ist eine Abbildung d : M M Ê mit folgenden Eigenschaften: d (x, y) :=

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "4.1 Definition: Sei M nichtleere Menge. Eine Metrik oder ein Abstand auf M ist eine Abbildung d : M M Ê mit folgenden Eigenschaften: d (x, y) :="

Transkript

1 Mthemtik II für inf/swt, Sommersemester 200/, Seite 06 4 Konvergenz 4. Abstände 4. Definition: Sei M nichtleere Menge. Eine Metrik oder ein Abstnd uf M ist eine Abbildung d : M M Ê mit folgenden Eigenschften: M x, y M : dx, y 0 x, y M : dx, y = 0 x = y Positivität, Definitheit. M2 x, y M : dx, y = dy, x Symmetrie. M3 x, y, z M : dx, y dx, z + dz, y Dreiecks-Ungleichung, -Ungleichung. M, d heißt metrischer Rum. 4.2 Stz: Ist V,. ein normierter Vektorrum, dnn ist eine Metrik uf V. dx, y := x y 4.3 Beispiele: Ist Ã,. ein bewerteter Körper z.b. à = Ê oder à =, dnn ist dx, y := x y eine Metrik uf à 2 Sei V = Ê n oder V = n. Aus Stz 4.2 n d 2 x, y := x j y j 2, d x, y := d x, y := d p x, y := j= n x j y j, j= mx x j y j, j n n /p x j y j p j= mit p < sind Metriken uf V. Je nch Anwendung knn eine ndere Metrik pssend sein.

2 Mthemtik II für inf/swt, Sommersemester 200/, Seite 07 3 Der Rum der n n-mtrizen V = M n,n = A + B = ij + bij := ij + b ij λ A = λ ij := λij A B = ij bij := n l= { ij il b lj i,j i n j n A = ij := n mx ij ist eine Norm da, B = ij bij Spezilität: A B n mx n il b lj l= n 2 mx ij mx b ij = A B Insbesondere gilt: A k A k für k Æ. ist eine Metrik uf M n,n : ij } Mtrizenmultipliktion 4 V = C[, b] Ê: Rum der uf [, b] stetigen reellwertigen Funktionen. f := df, g := fx dx ist Norm fx gx dx ist Metrik uf C[, b] Ê f := mx fx ist Norm x b df, g := fx gx ist Metrik uf C[, b] Ê mx x b 5 Metrik uf einer beliebigen Menge: Sei M. dx, y := { 0 flls x = y flls x y ist eine Metrik uf M. 4.4 Dreiecks-Ungleichung nch unten: Sei M, d ein metrischer Rum. Für x, y, z M gilt dx, y dx, z dz, y. 4.5 Definition: Sei M, d ein metrischer Rum, x 0 M und R ]0, [. Dnn heißt offene Kugel um x 0 mit Rdius R. B R x 0 := { x M : dx, x 0 < R }

3 Mthemtik II für inf/swt, Sommersemester 200/, Seite Folgen 4.6 Konvergenz: Sei M, d ein metrischer Rum, x n eine Folge in M und x M. x n heißt konvergent gegen x, flls In diesem Fll schreiben wir ε > 0 N ε Æ n > N ε : dx n, x < ε. x = lim n x n, x n n x, x n x für n, x n x; x heißt Grenzwert oder Limes der Folge x n. 2 x n heißt konvergent, flls x M : x = lim n x n. Ist eine Folge nicht konvergent, so heißt sie divergent. 3 x n heißt Cuchy-Folge, flls ε > 0 N ε Æ n, m > N ε : dx n, x m < ε. 4.7 Stz und Definition: Sei M, d ein metrischer Rum. Jede konvergente Folge ist eine Cuchy-Folge. 2 Gilt umgekehrt: Jede Cuchy-Folge ist in M konvergent, dnn heißt M, d vollständig. 4.8 Eindeutigkeit des Grenzwertes: Sei M, d ein metrischer Rum. Ist lim n x n = x, so besitzt x n keinen weiteren Grenzwert. 4.9 Beispiele: M = É, dx, y = x y : x n x ε > 0 N ε Æ n > N ε : x n x < ε. Dies ist der Konvergenzbegriff, den wir bereits kennen. É, d ist nicht vollständig. 2 M = Ê mit dx, y = x y ist vollständig vgl M =, dz, u = z u. Es gelten vgl z n z Re z n Re z Im z n Im z z n ist Cuchy-Folge Re z n, Im z n sind Cuchy-Folgen. D Ê vollständig ist, ist uch vollständig.

4 Mthemtik II für inf/swt, Sommersemester 200/, Seite 09 4 M = n, dz, u := d z, u = mx z j u j ist vollständig: z m Sei z m Cuchy-Folge, z m =.. z m n m, k > N ε j =,...,n : z m j z k j d z m, z k < ε j =,..., n : z m j m Æ ist Cuchy-Folge in j =,..., n : z m j u j dz m, u = mx z m j u j 0 j =,..., n : z m u in n, d. Enstprechend knn bewiesen werden: n, d p ist vollständig vgl V = M n,n, da, B = n mx ij b ij : Genuso wie 4: V, d ist vollständig. Sei A M n,n mit A <. Dnn gilt A n 0: 6 V = C[, ] Ê, d f, g = da n, 0 = A n 0 = A n A n 0. fx gx dx: Betrchte f n mit 0 x < 0 f n x = nx 0 x n < x n f n ist Cuchy-Folge: Für n m gilt df n, f m = 0 /m 0 /m 0 = m f n x f m x dx f n x f m x dx dx < ε für m > ε. Offensichtlich müsste für eine Grenzfunktion f gelten: { 0, x < 0 fx =, 0 < x Dnn knn f ber nicht stetig sein, f n besitzt keinen Grenzwert in C[, ] Ê. Also: C[, ] Ê, d ist nicht vollständig. 7 V = C[, b] Ê, d f, g = mx x b fx gx : Später: V, d ist vollständig.

5 Mthemtik II für inf/swt, Sommersemester 200/, Seite Definition: Gilt für die relle Folge n : M > 0 N Æ n > N : n > M oder M > 0 N Æ n > N : n < M, so heißt die Folge n bestimmt divergent. Mn schreibt lim n = oder n bzw. lim n = oder n. n n Ds bedeutet ber nicht, dss für solche Folgen ein Kovergenzbegriff definiert wird. 4. Beispiele: lim n =, lim n /000 =. n n Die Folge n = n n ist nicht bestimmt divergent. 4.3 Reihen 4.2 Definition: Sei k eine Folge in einem normierten Vektorrum z.b. Ê, Ê n,, n. Die unendliche Reihe s n := n k, d.h. k=0 k bezeichnet die Folge der Prtilsummen s n n Æ0 mit n k := s n n Æ0 = k. n Æ 0 k=0 k=0 Die Folgenglieder k heißen uch die Summnden der Reihe. 2 Die Reihe k heißt konvergent, flls s n konvergiert, sonst divergent. k=0 3 Flls die Reihe konvergiert, schreibt mn n k := lim s n = lim k. n n k=0 4 Eine relle Reihe d.h. die Summnden sind reell heißt bestimmt divergent, flls n K Ê N K Æ n > N K : k > K d.h. s n bzw. K Ê N K Æ n > N K : d.h. s n. Schreibweise: k = 5 Genuso k=0 k=k 0 k mit k 0. bzw. k=0 k=0 k=0 n k < K k=0 k =. k=0

6 Mthemtik II für inf/swt, Sommersemester 200/, Seite Achtung: k bzeichnet zwei verschiedene Dinge: i Die Teilsummenfolge s n, k= i den Grenzwert der Teilsummenfolge. 4.3 Bemerkung: Jede Folge knn ls Reihe drgestellt werden: x n = x }{{} + x 2 x + x }{{} 3 x x }{{} n x }{{ n } =: =: 2 =: 3 =: n k = x n. k= 4.4 Beispiele: k = : s n = n +, = bestimmt divergent. k=0 2 Die Geometrische Reihe: k = q k, q \ {} q Ê n s n = q k = qn+ q k=0 q < q k = q > q > k=0 q q k ist divergent k=0 q k = k=0 3 Wichtigste divergente Reihe: Hrmonische Reihe Aus m + + m m 2m + 2m m = 2 folgt k= k : s 2 N = 2 N k= k = }{{ 4 }{{} } 2 N }{{ 2 N } N 2 s n + N 2 für n 2N für beliebiges N Æ. k =. k= Sehr lngsme Divergenz: s 000 = 7, 4...; s 0000 = 9, Auf jedem Tschenrechner konvergiert die hrmonische Reihe.

7 Mthemtik II für inf/swt, Sommersemester 200/, Seite 2 4 Dezimlbrüche: π = 3, bedeutet π = k=0 k 0 k mit 0 = 3, =, 2 = 4,.... Die Teilsummenfolge ist monoton: s n+ s n = n+ 0 0 n n+ 9 und beschränkt: s n 0 9 k = 9 k 0. 0 k=0 k=0 Konvergenz vgl. Huptstz über monotone Folgen Elementre Eigenschften: Sind sind uch k + b k und k=0 2 Cuchy-Kriterium: Ist k, k=0 λ k konvergent mit k=0 k + b k = k=0 b k konvergent und λ Ã, dnn k=0 k + k=0 λ k = λ k=0 k=0 k k=0 k eine Reihe in einem vollständigen Vektorrum, dnn ist sie k=0 genu dnn konvergent wenn m ε > 0 n ε Æ n, m > n ε : k < ε k=n+ }{{} =ds m,s n 3 Sind k und b k Folgen, die sich nur n endlich vielen Stellen unterscheiden, so ist 4 Ist genu dnn konvergent, wenn sein. k=0 b k k=0 b k konvergiert. Die Grenzwerte können verschieden k=0 k konvergent, dnn ist lim k k = 0. Die Umkehrung gilt nicht: 5 Ist k Ê, k 0 für k Æ, und sind die Prtilsummen beschränkt, so ist konvergent. k= k. k=0 k k

8 Mthemtik II für inf/swt, Sommersemester 200/, Seite Konvergenzkriterien für Reihen 4.6 Leibniz-Kriterium: Sei k in Ê eine positive, monoton fllende Nullfolge, d.h. Dnn ist die lternierende Reihe k 0, k k+ und lim k k = 0. k k konvergent. und es gilt k=0 k k k=0 n k k n+. k=0 Beweis: Setze s n := n k k. k=0 s 2k k Æ ist monoton fllend: s 2k+ s 2k = 2k+2 2k+ 0 2 s 2k+ k Æ ist monoton wchsend: Genuso 3 Es gilt: s s 2k+ = s 2k 2k+ s 2k s 0. s 2k, s 2k+ sind monoton und beschränkt, lso konvergent. Wegen s 2k+ s 2k = k+ 0 gilt s n ist konvergent, lim n s n = s. 4 Fehlerbschätzung: lim s 2k = lim s 2k+ =: s. k k s 2k s s 2k s s 2k = s s 2k s 2k s 2k = 2k, s 2k+ s s 2k s s 2k = s 2k s s 2k s 2k+ = 2k Beispiel: k k= k ist konvergent gegen ln Definition: Die Reihe n heißt bsolut konvergent, flls n konvergiert bzw. flls n konvergiert wenn n reelle oder komplexe Folge. Eine konvergente Reihe, die nicht bsolut konvergiert, heißt bedingt konvergent.

9 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiel: k k= k ist bedingt konvergent Stz: In einem vollständigen Vektorrum ist jede bsolut konvergente Folge konvergent. Beweis: Cuchy-Kriterium: s m s n = m k k=n+ m k=n+ k < ε für m n > N ε. 4.2 Mjorntenkriterium: Es sei n eine Folge in einem vollständigen Vektorrum und c n eine reelle Folge. Flls n 0 Æ n n 0 : n c n c n konvergent, n=0 dnn konvergiert uch n bsolut. Die Reihe c n heißt Mjornte für n. Beweis: Cuchy-Kriterium: m s m s n = k k=n+ m k=n+ k m k=n+ c k < ε für m n > N ε Minorntenkriterium: Sind n, c n relle Folgen, und gilt n 0 Æ n n 0 : n c n 0 c n =, n=0 dnn ist n bestimmt divergent: n =. n= Beispiele: n=0 n konvergiert bsolut wegen 2 n + 3n 2 n + 3 n n 3 n, = 3 3 n=0 konvergent.

10 Mthemtik II für inf/swt, Sommersemester 200/, Seite n=0 n=0 = wegen n n n n konvergiert bsolut wegen 4n für n Æ. n 4 = n n 2 n + n Bernoullie Ungl. n 2 n n = 2 und n 2 = n. 2 n=0 4 k=0 k 2 konvergiert wegen k 2 kk kk = k k n kk = k=2 für k 2 und n k=2 n k k = n. k= Wurzelkriterium: Es sei n eine Folge in einem vollständigen Vektorrum. Flls es ein q mit 0 q < gibt, so dss für irgendein n 0 Æ, dnn ist n n 0 : n n q n bsolut konvergent. n=0 Aus n n für n n 0 folgt Divergenz. n 2 Flls die Folge n konvergiert, setze Dnn gilt: n Æ q := lim n n n. q < q > q = n konvergiert bsolut, n divergiert, Mit Wurzelkriterium keine Aussge möglich. Beweis: n n 0 : b < q n q n konvergent } n bsolut konvergent b n n = für n n 0 n 0 n divergent. 2 Sei q <. Setze ε := q 2 > 0. Für n > N ε gilt n n < q + ε = q + 2 <.

11 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiel: n=0 n konvergiert bsolut wegen 4n lim n n n 4 = lim n /n n n 4 = 4 lim n n/n siehe unten = 4 < Stz: Es gilt lim n n /n =. Beweis: n > n /n >. Setze δ n := n /n n /n = + δ n n = + δ n n = n n j j=0 δ 2 n 2n nn 0 δ n 0 δ n n n j } {{ } 0 n δn 2 2 = nn 2 δ 2 n n /n = + δ n 4.27 Quotientenkriterium: Sei n eine relle oder komplexe Folge mit n 0 für n n 0. Flls es ein q mit 0 q < gibt mit n n 0 : n+ n q, dnn ist n bsolut konvergent. n=0 Aus n+ n für n n 0 folgt Divergenz. n+ 2 Flls die Folge n konvergiert sei q := lim n+ n n. Dnn gilt: q < q > q = n konvergiert bsolut, n divergiert, Mit Quotientenkriterium keine Aussge möglich.

12 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiele: für z : n 2 z n mit z ist bsolut konvergent für z < und divergent n=0 Wurzelkriterium: Quotientenkriterium: n n2 z n = n n 2 z = n /n 2 z z, n+ n = n + z n+ 2 n + n 2 z n = z z n Für z = : n 2 z n = n 2 n 2 z n 0 n 2 z n ist divergent. 2 n=0 z n n! konvergiert bsolut für lle z : Quotientenkriterium: z n+ n+! z n n! = z n n=0 n=0 n ist konvergent, und n2 n ist divergent, und n 2 + n n n=0 n bzw. n+ 2 2 n 2 n bzw. n+ n 4 n ist bsolut konvergent: Wurzelkriterium: n n = 3 n n = 3 4 n 4 n n 4 n = 4 für gerdes n, für ungerdes n. bsolute Konv. Aber Quotientenkriterium: n+ n = 4 n+ 3 4 = n 4 3 n+ für gerdes n 4 3 n+ 4 = n 3n+ 4 für ungerdes n Mit dem Quotientenkriterium ist keine Aussge möglich! Ds Wurzelkriterium ist stärker ls ds Quotientenkrtiterium ohne Beweis Produkt von Reihen: Es seien n und b n bsolut konvergent und c n := n j b n j. j=0 Dnn konvergiert ds Cuchy-Produkt c n bsolut, und für die Grenzwerte gilt n b n = c n. n=0 n=0 n=0

13 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiele: q n q, n Reihe ist für q < bsolut konvergent. q 2 = n=0 n=0 c n = q 2 = n n q j q n j = q n = n + q n j=0 n + q n = j=0 n=0 n= n q n. 2 n=0 n n + ist bedingt konvergent. Cuchy-Produkt mit sich selber: c n = n j=0 j j + n+ n j + = n n j=0 j + n j +. Die Produktreihe c n ist divergent: Für festes n Æ betrchte fx = xn + 2 x 2 2 n + 2 n + 2 = x 2 n + 2x }{{} =x n n für 0 < x < n + 2 gilt j + n j + = c n n j=0 c n 0 2 n + 2 c n ist divergent. 2 fx 2 bzw. n fj + n + 2 = 2n + n + 2 fx 2 n Potenzreihen 4.3 Definition: Sei z 0 und n eine komplexe Folge. Dnn heißt fz = n z z 0 n n=0 Potenzreihe um z 0 mit den Koeffizienten n. Flls z, z 0 Ê und n reelle Folge, so heißt die Potenzreihe reell.

14 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiel: 2 z = 2 z 2 = 2 z n = 2 n=0 n=0 n+ z n für 2 z 2 < bzw. z < 2 oder 2 z = z = z n für z < n= Konvergenzrdius: Sei n z z 0 n Potenzreihe. Es gibt eine eindeutig bestimmte Zhl R [0, ], so dss { bsolut konvergent für z n z z 0 n z0 < R, ist divergent für z z 0 > R. n=0 Für z z 0 = R knn lles pssieren. Die Größe R heißt Konvergenzrdius der Potenzreihe. 2 Flls r := lim n+ n n oder r := lim n n n existiert oder r = bestimmte Divergenz, so gilt flls r > 0 r R = flls r = 0 0 flls r = Limes superior = größter durch Teilfolge erreich- n Im Allgemeinen: r = lim sup n n brer Grenzwert, R wie oben. Beweis: Zum Beweis von 2 wende ds Wurzelkriterium n: n n z n = n n z n lim n z < lim n z beliebig n n soll sein n n z < flls lim n n n > 0 flls lim n n n = 0 Genuso: Anwendung des Quotientenkriteriums liefert die ndere Formel für den Konvergenzrdius Beispiele: z n n! : n = n! n+ n = n + 0 R =.

15 Mthemtik II für inf/swt, Sommersemester 200/, Seite 20 2 n 2 z n : R =, Reihe ist konvergent für z <, divergent für z vgl. Beispiel uf Seite n n 2z n : n = 2n n 2 n+ n = n + 2 n R = 2, lso: bsolute Konvergenz für z < 2 Divergenz für z > 2 Für z = 2 : 2 n z n2 = Konvergenz Mjo-Kriterium 4.2. n 2 4 Geometrische Reihe: z 2 n = n=0 + z 2. Also R =. Die Funktion fz = ht in z = ±i eine Singulrität Nennernullstelle. Deshlb knn der Konvergenzrdius nicht größer + z2 sein n n z n : { n 2 n ungerde n = 4 n gerde R = Identitätsstz: Seien fz = n z z 0 n und gz = b n z z 0 n Potenzreihen n=0 mit positiven Konvergenzrdien. Existiert eine Folge z k mit z k z 0, z k z 0 und fz k = gz k für k Æ, so folgt n = b n, lso uch f = g. Insbesondere ist jede Funktion uf höchstens eine Weise ls Potenzreihe um z 0 drstellbr. n= Multipliktion: Seien fz = n z z 0 n mit Konvergenzrdius R > 0 und gz = b n z z 0 n mit R 2 > 0. n=0 n=0 Dnn gilt wenigstens für z z 0 < min{r, R 2 }: n fz gz = c n z z 0 n mit c n = k b n k. n=0 k=0 Beweis: fz, gz sind bsolut konvergent für z < min{r, R 2 }. Aus Stz 4.29 Cuchy- Produkt von Reihen: Für jedes feste z mit z < min{r, R 2 } gilt: fz gz = c n, c n = n=0 n k z z 0 k b n k z z 0 n k = z z 0 n k=0 k=0 n k b n k.

16 Mthemtik II für inf/swt, Sommersemester 200/, Seite Spezielle Funktionen 4.37 Definition: Wir setzen: e z := ln z := sin z := cos z := n=0 n=0 n=0 n=0 z n n! für z, n n + z n+ für z mit z <, n 2n +! z2n+ für z, n 2n! z2n für z Eigenschften: e z+w = e z e w für z, w, insbesondere gilt e z = e z. Weiter gilt e 0 =, e = n! = e, e/2 e /2 = e = e e /2 > 0 e /2 = e. n=0 Mit Induktion folgt e q = q-te Potenz von e für q É. 2 Später: Die reelle Exponentilfunktion e. : Ê ]0, [ : x e x ist bijektiv. Die Umkehrbbildung stimmt für x < mit der oben definierten Logrithmusfunktion überein, d.h. es gilt lne x = x = e ln x. 3 sin z = sin z, cos z = cos z. 4 e iz = cos z + i sin z Eulersche Formel bzw. e i z + e i z = cosz, 2 Insbesondere gilt die Formel von Moivre: e i z e i z 2i = sin z. cos z + i sin z n = e i z n = e i nz = cosnz + i sinnz für n Æ. 5 sin 2 z + cos 2 z =. Insbesondere e i t = für t Ê. 6 Additionstheoreme: sinz + z 2 = sin z cosz 2 + cosz sin z 2, cosz + z 2 = cosz cosz 2 sin z sin z 2 7 Später: Für z = x Ê stimmen sin x, cosx mit der rellen bereits beknnten Sinusbzw. Cosinusfunktion überein. Drus folgt: Die Abbildung [0, 2π[ t e it prmetrisiert den Einheitskreis in. Insbesondere gilt e iπ/2 = i, e iπ =, e i3π/2 = i, e 2πi =.

17 Mthemtik II für inf/swt, Sommersemester 200/, Seite 22 b Die komplexe Exponentilfunktion e. : : z e z ht die Periode 2πi: e z+2πi = e z für z. c Die komplexe Sinus- und Cosinusfunktion hben die Periode 2π: sinz + 2π = sin z, cosz + 2π = cosz für z, insbesondere für z Ê Definition: Sei V = M n,n der vollständige Vektorrum der n n-mtrizen mit Norm A = ij = n mx i,j n ij. Wir setzen Dnn gilt e A := n=0 A n n! e A e A. für A M n,n. Weiter sind die Sinus- und Cosinusfunktionen definiert durch n sina := 2n +! A2n+ für A M n,n cosa := n=0 n=0 n 2n! A2n für A M n,n 4.40 Eigenschften: e A+B = e A e B für A, B M n,n, insbesondere gilt e A = e A. 2 sin A = sin A, cos A = cosa. 3 e ia = cosa + i sin A λ 0 λ n Beispiele: A = λ e A = n=0 0 λ 2 λ n 0 n! 0 λ n 2 e λ e A n = = 0 λ n 2 λ n 0 n! λ n 0 2 n! = e λ 0 0 e λ 2 2 A = 0 e A = 0 e Übungen Die geometrische Reihe für Mtrizen: Für A M n,n mit A < gilt A n = E A Neumnnsche Reihe. n=0

18 Mthemtik II für inf/swt, Sommersemester 200/, Seite 23 5 Stetigkeit 5. Um ws gehts? 5. Definition und Stz: Seien E, d E und F, d F metrische Räume und f : E D F, x 0 D D = Definitionsbereich von f. Dnn heißt f stetig in x 0, flls i ε > 0 δ > 0 x D : d E x, x 0 < δ d F fx, fx 0 < ε ε-δ-kriterium für Stetigkeit oder äquivlent ii Für jede Folge x n in D mit x n x 0 gilt fx n fx 0, d.h. lim fx n = f lim x n n n Folgenkriterium für Stetigkeit. f heißt stetig, flls f in jedem Punkt x 0 D stetig ist. Zur Äquivlenz: i ii: Sei x n Folge in D mit x n x 0. Zu ε > 0 wähle δ > 0, so dss gilt: d E x, x 0 < δ d F fx, fx 0 < ε. Wähle N δ mit d E x n, x 0 < δ für n > N δ. Für n > N δ folgt d F fx n, fx 0 < ε fx n fx 0. ii i: Zeige i ii: i ε > 0 δ > 0 x D : d E x, x 0 < δ d F fx, fx 0 ε Für n Æ wähle δ n := n : x n D : d E x n, x 0 < n d Ffx n, fx 0 ε x n x 0 fx n fx 0 ii, 5.2 Diskussion: Ds Bild: F E

19 Mthemtik II für inf/swt, Sommersemester 200/, Seite 24 2 Konstnte Funktionen sind stetig und id : E E : x x ist stetig. Ds sind die wichtigsten stetigen Funktionen. 3 Heviside Funktion, Einschltfunktion { 0, x < 0 h : Ê Ê : x, x 0 ist unstetig in x 0 = 0, sonst stetig. {, x É 4 f : Ê Ê : x 0, sonst ist nirgends stetig. { n gerde 5 Unglublich, ber whr: D := Ê, f : D Ê : n 0 n ungerde f : Ê \ {0} Ê : x ist stetig. x ist stetig. 6 f : Ê 2 Ê : x, y x y ist stetig. 5.3 Rechenregeln für stetige Funktionen in Vektorräumen: Seien E, F Vektorräume über Ê oder und f, g : E D F stetig in x 0 D. Dnn gelten: f + g, λf, f : x fx sind stetig in x 0. 2 Ist F = Ê oder F =, so ist f g : x fx gx stetig in x 0. Ist zusätzlich gx 0 0, so sind uch g : x gx, f g : x fx gx stetig in x 0. 3 Ist F =, so sind Ref und Imf stetig in x Anwendung: Aus : CÊ Ê := {f : Ê Ê f ist stetig} ist ein Vektorrum. 5.5 Komposition stetiger Funktionen: Sei f stetig in x 0, g stetig in fx 0, dnn ist uch g f : x gfx stetig in x 0.

20 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiele: Polynom P : : z 0 + z n z n ist stetig uf gnz. 2 P, Q Polynome, D := {z : Qz 0}. Dnn ist P Q stetig. 3 Seien p, q Æ fest. Später: f : [0, [ [0, [ : x x /q ist stetig. Setze gy := y p g f : x x p/q ist stetig. 5.2 Stetige Funktionen sind gute Funktionen 5.7 Stz: Sei f : E D F stetig in x 0 D und fx 0 y 0. Dnn δ > 0 x D : d E x, x 0 < δ fx y Zwischenwertstz von Bolzno: Sei f : Ê [, b] Ê stetig. Dnn nimmt f uch jeden Wert zwischen f und fb wenigstens einml n. Insbesondere: f < 0 fb > 0 x ], b[ : fx = 0. Beweisidee: Sei f < 0 < fb. Intervllschchtelung: Setze 0 :=, b 0 := b, x 0 := 0 + b 0 2 Flls fx 0 = 0, sind wir fertig } Flls fx 0 > 0: Setze := 0, b := x 0 f < 0 < fb Flls fx 0 < 0: Setze := x 0, b := b 0 b = b Führe Verfhren fort. Dnn Nullstelle in endlich vielen Schritten oder n x mit fx = Diskussion: Dzu wichtig: [, b] ht keine Löcher, lso Vollständigkeit. 2 Beweis gibt itertives Verfhren zur Bestimmung der Nullstelle. 3 Es folgt: Jedes Polynom ungerder Ordnung ht mindestens eine reelle Nullstelle: Px = 0 + x n x n = x n n n }{{} + n n x n x }{{ n } für x ± x, x 2 Ê : fx < 0 < fx 2. > 0 für x > 0 < 0 für x < 0 Der Zwischenwertstz grntiert nun die Existenz mindestens eines x Ê mit Px n = 0, lso Px = 0.

21 Mthemtik II für inf/swt, Sommersemester 200/, Seite Stz: Sei f : Ê [, b] Ê stetig. Dnn nimmt f uf [, b] ds Mximum und Minimum n, d.h. x, x 2 [, b] x [, b] : fx fx fx 2 Verllgemeinerung: Ist f : D F stetig und D Ê n beschränkt und bgeschlossen, dnn nimmt f uf D ds Mximum und Minimum n. Beweisidee: Sei M := sup{fx : x b} eventuell M =. Wähle Folge x n in [, b] mit fx n M. Diese Folge besitzt eine Teilfolge x nk k Æ, die in [, b] konvergiert: x nk x 0 [, b] für k ohne Beweis. { fxnk M für k fx nk fx 0 für k M = fx 0, insbesondere M <. 5. Beispiele: f : [, 2] Ê : x x x 2: f3/2 fx f für x [, 2]. 2 f : ]0, [ Ê : x : Weder Minimum noch Mximum wird ngenommen. x 3 für x = Weder Minimum noch Mximum wird 3 f : [, 4] Ê : x x für < x < 4 : ngenommen. 2 für x = Folgerung: Sei F normierter Vektorrum und f : Ê [, b] F stetig. Dnn ist f beschränkt, ds heißt K Ê x [, b] : fx K. Beweis: Setze gx := fx g : [, b] Ê ist stetig. x, x 2 [, b] : gx gx = fx gx 2, d.h. gx 2 ist obere Schrnke für fx. 5.3 Umkehrfunktionen 5.3 Definition: f : Ê D Ê heißt monoton wchsend streng monoton wchsend, monoton fllend, streng monoton fllend, flls x, y D : x < y fx fy fx < fy, fx fy, fx > fy. 5.4 Beispiele: f : Ê Ê : x ist monoton wchsend und monoton fllend.

22 Mthemtik II für inf/swt, Sommersemester 200/, Seite 27 2 f : Ê Ê : x x ist streng monoton wchsend. x für x <, 3 f : Ê Ê : x für x 2, x für x > 2, ist monoton wchsend. 5.5 Stz: Es sei f : Ê D Ê streng monoton wchsend oder streng monoton fllend. Dnn ist f injektiv. Beweis: Sei f streng monoton wchsend. { Entweder x < x 2 fx < fx 2 x x 2 oder x > x 2 fx > fx 2 } fx fx Stz: Sei f : [, b] Ê stetig und streng monoton wchsend. Dnn bildet f ds Intervll [, b] bijektiv uf ds Intervll [f, fb] b. Die Umkehrfunktion f : [f, fb] [, b] ist stetig und streng monoton wchsend. Anlog für streng monoton fllende Funktionen f : [, b] [fb, f] und uch für offene Intervlle. Beweis: f streng monoton wchsend f injektiv f[, b] [f, fb]. D f stetig, folgt mit dem Zwischenwertstz, dss f surjektiv ist. f bijektiv. 2 f ist streng monoton wchsend: Sei y < y 2 mit y j = fx j. Annhme: f y f y 2 x = f y f y 2 = x 2 y = fx fx 2 = y 2 3 f ist stetig: Seien y 0 = fx 0 und ε > 0 fest. Wegen der strengen Monotonie gilt fx 0 ε < fx 0 < fx 0 + ε. Wähle nun δ > 0 so klein, dss fx 0 ε < fx 0 δ und fx 0 + δ < fx 0 + ε. Für y y 0 < δ gilt nun y ]fx 0 δ, fx 0 + δ[ [fx 0 ε, fx 0 + ε] = f[x 0 ε, x 0 + ε] f y [x 0 ε, x 0 + ε] f y x 0 < ε. 5.7 Bemerkungen: f f. 2 Grph von x = f y: derselbe wie der von y = fx. Grph von y = f x: Spiegelung des Grphen von y = fx n y = x.

23 Mthemtik II für inf/swt, Sommersemester 200/, Seite Wurzelfunktionen: Für festes n Æ sei f : Ê + 0 Ê+ 0 : x xn. f ist stetig. 2 f ist streng monoton wchsend. 3 f ist surjektiv. Also existiert die Umkehrfunktion f : Ê + 0 Ê+ 0 : x n x. Wie oben: f ist stetig und streng monoton wchsend. y y = x 3 x = 3 y y = 3 x Allgemeiner folgt: x Für jedes q É mit q 0 ist f : [0, [ [0, [ : x x q stetig. Für jedes q É mit q < 0 ist f : ]0, [ ]0, [ : x x q stetig. 5.4 Stetigkeit von Grenzfunktionen 5.9 Beispiele für Funktionenfolgen: Sei f n : Ê Ê : x x 2n. Die Folge f n x n konvergiert nicht für lle x D = Ê. x < f n x 0 x = f n x x > f n x 2 Sei f n : Ê Ê : x + x 2n. fn x n konvergiert für n in jedem Punkt x D = Ê. Wir setzen fx := lim n f n x für x D.

24 Mthemtik II für inf/swt, Sommersemester 200/, Seite 29 x < fx = x = 2 0 x > Alle f n sind stetig, ber f nicht. 3 Sei f n : [ 2, 2] Ê : x + n x. Für jedes x D = [ 2, 2] gilt f n x. Alle f n sind stetig, und die Grenzfunktion f : x uch Definition: Seien f, f n : E D F Funktionen. Die Folge f n heißt punktweise konvergent gegen f, flls lim n f n x = fx für lle x D, d.h. x D ε > 0 N ε Æ n > N }{{} ε : d F f n x, fx < ε. N ε drf von x bhängen 2 Die Folge f n heißt gleichmäßig konvergent gegen f uf D, flls ε > 0 N ε Æ n > N ε x D : d F f n x, fx < ε. }{{} gilt unbhängig von x Schreibweise: lim n f n = f punktweise/gleichmäßig. 5.2 Diskussion: f n f gleichmäßig bedeutet: ε > 0 N ε Æ n > N ε : Der Grph von f n liegt im ε-schluch um f 2 Beispiel : nicht punktweise konvergent, nicht gleichmäßig konvergent. Beispiel 2: punktweise konvergent, ber nicht gleichmäßig konvergent. Beispiel 3: punktweise und gleichmäßig konvergent.

25 Mthemtik II für inf/swt, Sommersemester 200/, Seite 30 3 gleichmäßig konvergent punktweise konvergent. Aber gleichmäßig konvergent ist wesentlich mehr ls punktweise konvergent. 4 Rechenregeln für konvergente Folgen übertrgen sich uf Funktionenfolgen. 5 Reihen: Eine Reihe bzw. die Folge der Prtilsummen knn punktweise oder gleichmäßig konvergieren, bedingt oder bsolut Stz: Der gleichmäßige Grenzwert stetiger Funktionen ist stetig: f n stetig für n Æ f n f gleichmäßig f ist stetig. Beweis: Seien x 0 D und ε > 0 fest. Wähle N ε, so dss d F fn x, fx < ε 3 für n > N ε, x D. D f Nε+ stetig ist, knn δ > 0 so gewählt werden, dss d F fnε+x, f Nε+x 0 < ε 3 für d E x, x 0 < δ. Für d E x, x 0 < δ folgt d F fx, fx 0 d F fx, fnε+x + d F fnε+x, f Nε+x 0 + d F fnε+x 0, fx 0 < ε 3 + ε 3 + ε 3 = ε Kriterien für gleichmäßige Konvergenz: Cuchy-Kriterium: Sei F, d F ein vollständiger metrischer Rum. Flls ε > 0 N ε Æ n, m > N ε x D : d F f n x, f m x < ε, dnn existiert eine Funktion f : D F mit f = lim f n gleichmäßig. 2 Weierstrß-Kriterium: Flls F vollständiger Vektorrum und c n reelle Folge mit c n 0 und cn < und f n x c n für x D, n n 0, dnn konvergieren f n und f n gleichmäßig uf D.

26 Mthemtik II für inf/swt, Sommersemester 200/, Seite 3 Beweis: Wir betrchten nur den Fll F = Ê, dx, y = x y. Der llgemeine Fll wird entsprechend bewiesen. Für festes x D ist f n x n Æ eine Cuchy-Folge. lso konvergent. Definiere fx := lim f n x für x D. n Aus fn x f m x < ε für m, n > Nε und x D folgt mit Stz 2.56 f n x fx = lim m f nx f m x ε für n > N ε, x D. n 2 Wir zeigen, dss f n ds Cuchy-Kriterium us erfüllt: Sei s n x := f k x. s n x s m x = n n fx fx k=m+ k=m+ n c k < ε für n > m > N ε. k=m+ k= Beispiele: Die geometrische Reihe: Beknnt: z n = punktweise für z <. z n=0 Sei 0 < q <, q fest. Dnn ist z n gleichmäßig konvergent für z q. b Aber: Auf {z : z < } ist z n nicht gleichmäßig konvergent. 2 Sei f n : ], ] Ê : x x n. f n ist stetig und es gilt f n x fx = { 0, x <, x = punktweise. Die Grenzfunktion ist unstetig, lso konvergiert f n nicht gleichmäßig uf ], ] Potenzreihen: Es sei n z z 0 n eine Potenzreihe mit Konvergenzrdius R ]0, ]. Dnn gilt: Ist ρ ]0, R[, so konvergiert die Potenzreihe in {z : z z 0 ρ} gleichmäßig. 2 Die Grenzfunktion fz = n z z 0 n für z z 0 < R ist stetig. n=0

27 Mthemtik II für inf/swt, Sommersemester 200/, Seite 32 Beweis: Weierstrß-Kriterium: n z z 0 n n ρ n, n ρ n ist konvergent. 2 Sei z z 0 < R ρ ]0, R[ : z z 0 < ρ. Aus und Stz 5.22: f ist stetig in der Menge {z : z z 0 < ρ}, lso insbesondere in z = z Anwendung: Die Funktionen e., sin, cos sind stetig uf. 2 Die Funktion ln ist stetig uf {z : z < }. 3 Für A M n,n ist die Funktion Ê t e t A M n,n stetig uf Ê Der relle Logrithmus: Für die Funktion e. : ], [ ]0, [ gelten: i e. ist stetig. ii e. ist streng monoton wchsend, insbesondere injektiv. iii e. ist surjektiv. Also existiert eine Umkehrfunktion ln : ]0, [ ], [. Sie ist stetig und streng monoton wchsend. y x

28 Mthemtik II für inf/swt, Sommersemester 200/, Seite Grenzwerte von Funktionen 5.28 Beispiele: Heviside-Funktion: { 0 x < 0 hx = x 0 Für x von oben gegen 0 strebt hx gegen Für x von unten gegen 0 strebt hx gegen 0 2 Sei f : Ê : n n. Grenzwert von fx für n x 0 Ê ist nicht sinnvoll Häufungspunkte: Sei E, d ein metrischer Rum und M E, x 0 E. Dnn heißt x 0 Häufungspunkt von M, flls ε > 0 : B ε x 0 \ {x} M oder äquivlent x n : x n M x n x 0 x n x 0. x 0 M heißt isolierter Punkt von M, flls x 0 kein Häufungspunkt von M ist Definition: Sei f : E D F und x 0 E. Schreibe lim fx =, x x 0 flls x 0 Häufungspunkt von D ist und für jede Folge x n in D mit x n x 0 gilt: lim fx n =. n 2 Im Fll f : Ê D F schreibe lim x x 0 fx = oder lim fx =, x x 0 + flls x 0 Häufungspunkt von D ]x 0, [ ist und für jede Folge x n in D mit x n x 0, x n > x 0 gilt. Anlog lim x x0 fx =. 3 Flls x 0 Häufungspunkt von D ist und für jede Folge x n in D mit x n x 0 die Folge fx n bestimmt gegen + divergiert, schreibe lim fx = + x x 0 uneigentlicher Grenzwert. 4 Alles nlog für x +, x.

29 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beispiele: lim x 0 x =, lim x 0 x =, lim x x = 0, lim x 2 x x = Bemerkungen: Die Rechenregeln für konvergente Folgen übertrgen sich sinngemäß uf ds Rechnen mit Grenzwerten. 2 Gilt x 0 D und lim x x0 fx =, so ist f : D {x 0 } F : x { fx für x D, für x = x 0 stetig in x 0. Mn sgt: f ist stetig ergänzbr in x 0 oder stetig fortsetzbr nch x 0. z.b.: f : Ê \ { } Ê : x x2 x + f : Ê Ê : x x + = x x + x + 3 Sei f : Ê D F und x 0 D Häufungspunkt von D ]x 0, [ und von D ], x 0 [. Dnn sind äquivlent: i f ist stetig in x 0. ii fx 0 = lim x x0 fx = lim x x0 fx Grenzwerte mit Potenzreihen: Zum Beispiel lim x 0 sin x x cosx x 2 e x Nenner: x 2 e x = x 2 n= x n n! = x 3 x n n! n= }{{} =:fx D f durch eine Potenzreihe drgestellt wird, ist f stetig. Außerdem gilt f0 =! =. n n Zähler: sin x x cosx = 2n +! x2n+ x 2n! x2n n=0 n=0 = x 3 n n 2n +! x2n 2 2n! x2n 2 n= n= }{{} =:gx g ist stetig mit g0 = 3! 2! lim x 0 sin x x cosx x 2 e x = 2 6 = 3. =?. x 3 gx = lim x 0 x 3 fx = lim gx x 0 fx = g0 f0 = 3.

30 Mthemtik II für inf/swt, Sommersemester 200/, Seite 35 6 Differentilrechnung in einer Vriblen 6. Die Ableitung y Tngente Seknte y = fx Gegeben: y = fx. Frge: Tngente in x 0, fx 0? Für h 0 nähert sich Seknte n Tngente Sekntengleichung: y = fx 0 + x x 0 fx fx 0 x x 0 }{{} Steigung der Seknte x 6. Definition: Sei à = Ê oder à = und f : à D Ã, x 0 D, x 0 Häufungspunkt von D. Die Abbildung f : D \ {x 0 } à : x fx fx 0 x x 0 heißt Differenzenquotient. 2 f heißt differenzierbr in x 0, flls f in x 0 stetig ergänzbr ist, d.h. flls fx fx 0 lim =: f df x 0 =: x x 0 x x 0 dx x dfx 0 =: dx x=x0 x D, x x 0 existiert. In diesem Fll heißt der Grenzwert die Ableitung von f in x 0 oder Differentilquotient. 3 f heißt differenzierbr in D, flls f in jedem Punkt x 0 D differenzierbr ist. Die Funktion f heißt Ableitung von f. 6.2 Beispiele: Konstnte Funktion f : : z c ist differenzierbr: f z = 0. 2 Identische Funktion id: : z z ist differenzierbr: id z =. 3 Die Exponentilfunktion f : : z e z ist differenzierbr: e z = e z. 4 f : Ê Ê : x x ist in x 0 = 0 nicht differenzierbr.

31 Mthemtik II für inf/swt, Sommersemester 200/, Seite Stz: f : Ã D Ã differenzierbr in x 0 f stetig in x Bemerkung: Komplexe differenzierbre Funktionen hben erstunliche Eigenschften und heißen holomorphe oder nlytische Funktionen Funktionentheorie 6.5 Rechenregeln: Seien f, g : Ã D Ã differenzierbr in x 0 D. Dnn gilt λ f λ Ã fest ist differenzierbr in x 0, und es gilt λ f x 0 = λ f x 0. 2 f + g ist differenzierbr in x 0, und es gilt f + g x 0 = f x 0 + g x 0. 3 f g ist differenzierbr in x 0 mit f g x 0 = f x 0 gx 0 + fx 0 g x 0 Produktregel. 4 Flls gx 0 0, ist f g differenzierbr in x 0 mit f x 0 = f x 0 gx 0 fx 0 g x 0 g g 2 x 0 Quotientenregel. 5 Ableitung der Umkehrfunktion: Sei D = [, b] und f : D Ê stetig und streng monoton, f : fd D sei die Umkehrfunktion. Ist f in x 0 differenzierbr und f x 0 0, dnn ist f in y 0 := fx 0 differenzierbr und f y 0 = f x 0 = f f y 0. 6 Seien f : D Ã, g : D Ã mit fd D. Sei f in x 0 D differenzierbr, g in fx 0 D differenzierbr. Dnn ist g f : D Ã in x 0 differenzierbr und g f x 0 = g fx 0 }{{} f x 0 }{{} äußere Ableitung innere Ableitung Kettenregel. 6.6 Beispiele: Für festes n und f : \ {0} : z z n gilt f z = n z n. 2 Für festes q É \ {0} sei f : ]0, [ ]0, [ : x x q. Dnn gilt f x = q x q. 3 fx = x 2 + = x 2 + /2. 4 Für den reellen Logrithmus ln : ]0, [ ]0, [ : x ln x gilt d ln x dx = x. 5 Aus der Schule: f : [ π, π] [, ] : x sin x ist bijektiv mit f x = cosx. Für die 2 2 Umkehrbbildung rcsin gilt d rcsin x = dx. x 2

32 Mthemtik II für inf/swt, Sommersemester 200/, Seite Höhere Ableitungen 6.7 Offene Mengen: Sei M, d ein metrischer Rum, D M. x 0 D heißt innerer Punkt von D, flls ε > 0 : B ε x 0 D. Flls M = Ê n oder M = n mit der üblichen Metrik, dnn ist jeder innere Punkt utomtisch Häufungspunkt von D. 2 D heißt offen, flls lle Elemente von D innere Punkte sind. 6.8 Beispiele: ], b[ Ê, {z : z < } sind offen; [, b[ Ê, {x, y Ê 2 : x 2 + y 2 2} Ê 2 sind nicht offen. 6.9 Definition: Sei f : Ã D Ã und k Æ. f heißt im inneren Punkt x 0 D k-ml differenzierbr, flls f uf einer Kugel B ε x 0 D k -ml differenzierbr ist und die k -te Ableitung von f in x 0 differenzierbr ist. Schreibe f k x 0 := dk f dx x 0 := d f k x k 0 f 2 =: f, f 3 =: f, f 0 =: f. dx 2 Sei nun D offen. Dnn heißt f k-ml differenzierbr uf D, flls f in jedem x 0 D k-ml differenzierbr ist; x f k x heißt die k-te Ableitung von f uf D; f heißt mnchml 0-te Ableitung von f. 3 f heißt uf D k-ml stetig differenzierbr, flls f k-ml differenzierbr uf D und f k stetig uf D ist. Die Menge der uf D k-ml stetig differenzierbren Funktionen bildet einen Vektorrum, bezeichnet mit C k D Ã, C D Ã ist der Vektorrum der beliebig oft differenzierbren Funktionen uf D. 6.0 Bemerkung: Die Rechenregeln gelten nlog für höhere Ableitungen. Insbesondere: n n f g n = f k g n k Leibnizregel k k=0 Beweis durch vollständige Induktion. 6. Beispiel: x e x 000 = x e x.

33 Mthemtik II für inf/swt, Sommersemester 200/, Seite Ableitung von Potenzreihen 6.2 Stz: Sei fz = n z z 0 n eine komplexe Potenzreihe mit Konvergenzrdius R > 0. Dnn ht die Potenzreihe gz = n n z z 0 n n= n=0 denselben Konvergenzrdius, und es gilt f z = gz uf B R z 0. Ds bedeutet, eine Potenzreihe knn uf dem gnzen Konvergenzkreis gliedweise differenziert werden. Vernschulichung: Seien R der Konvergenzrdius von f, R der Konvergenzrdius von g: R = lim n n n R = lim n n nn = n n n n = R lim n 6.3 Folgerung: Jede Potenzreihe mit positivem Konvergenzrdius ist beliebig oft differenzierbr. Eine Funktion, die ls Potenzreihe drstellbr ist, heißt nlytische Funktion. 6.4 Beispiele: z = z n z = n z n 2 n=0 n= z = nn z n 2. 3 n=2 2 e z = e z für z, insbesondere gilt für die reelle Exponentilfunktion: dex dx = ex für x Ê. 3 lnz = z für z <. 4 cosz = sin z für z, genuso für den reellen Cosinus. 5 sinz = cos z für z, genuso für den reellen Sinus. 6 rctnx = + x 2. 7 rcsinx = x 2. 8 rccosx =. x 2

34 Mthemtik II für inf/swt, Sommersemester 200/, Seite Extrem 6.5 Definition: Sei M, d metrischer Rum. Die Funktion f : M D Ê ht in x 0 D ein lokles Mximum bzw. lokles Minimum, flls ε > 0 x D : dx, x 0 < ε fx fx 0 bzw. fx fx 0. Ein lokles Mximum oder Minimum heißt uch lokles Extremum. Flls fx = fx 0 nur für x = x 0, so heißt ds lokle Extremum strikt oder isoliert. Flls x D : fx fx 0 / fx fx 0, ht f in x 0 ein globles Mximum/globles Minimum. 6.6 Notwendiges Kriterium für Extremum: Sei f : Ê D Ê differenzierbr in x 0 D und x 0 innerer Punkt von D. Ht f in x 0 ein lokles Extremum, so gilt f x 0 = 0: f ht in x 0 ein lokles Extremum f x 0 = 0. Ist f differenzierbr in x 0 und f x 0 = 0, so heißt x 0 sttionärer oder kritischer Punkt von f. Beweis: f hbe ein lokles Mximum in x 0. Dnn folgt f fx 0 + h fx 0 x 0 = lim h 0 h f fx 0 + h fx 0 x 0 = lim h 0 h 0 0 f x 0 = Beispiele: f : Ê Ê : x x 4 x 3 = x 3 x : Kritische Punkte: x = 0 x = 3 4. In x 0 = 3 4 ht f ein lokles und globles Minimum, in x 0 = 0 kein Extremum. 2 f : [0, ] Ê : x x: Keine kritischen Punkte, ber bei x 0 = ht f ein lokles und globles Mximum, bei x 0 = 0 ein lokles und globles Minimum.

35 Mthemtik II für inf/swt, Sommersemester 200/, Seite Mittelwertsätze und Anwendungen 6.8 Stz von Rolle: Sei f : [, b] Ê stetig, differenzierbr uf ], b[. Dnn gilt: f = fb ξ ], b[ : f ξ = 0. Beweis: 5.0 f nimmt uf [, b] Minimum und Mximum n. Fll Minimum und Mximum liegen in und b. fx = const = f für x [, b] f x = 0 in [, b] Fll 2 Mximum oder Minimum in x 0 ], b[. 6.6 f x 0 = Mittelwertstz der Differentilrechnung: Sei f : [, b] Ê stetig, differenzierbr uf ], b[. Dnn gilt: ξ ], b[ : f ξ = fb f. b Beweis: Setze Fx := fx fb f x. b F erfüllt die Vorussetzungen des Stzes von Rolle F = f = Fb ξ ], b[ : 0 = F ξ = f fb f ξ. b 6.20 Verllgemeinerter Mittelwertstz: Seien f, g : [, b] Ê stetig, differenzierbr uf ], b[. Dnn gilt: Ist g x 0 x ], b[, so gilt ξ ], b[ : fb f gb g = f ξ g ξ. 6.2 Nullbleitung: Sei f : [, b] Ê stetig, differenzierbr uf ], b[. Dnn gilt: x ], b[ : f x = 0 f = konstnt uf [, b]. Beweis: Sei y ], b]. f erfüllt die Vorussetzungen des Mittelwertstzes im Intervll [, y]. ξ ], y[ : f fy f ξ = }{{} y =0 fy = f

36 Mthemtik II für inf/swt, Sommersemester 200/, Seite Monotonie: Sei f : [, b] Ê stetig, differenzierbr uf ], b[. Flls x ], b[ : f x 0 f x > 0 / f x 0 / f x < 0, so ist f uf [, b] monoton wchsend streng monoton wchsend/monoton fllend/ streng monoton fllend. 2 Ist f uf [, b] monoton wchsend/fllend, so gilt: f x 0/f x 0 uf ], b[. Beweis: Folgt us Mittelwertstz und fx fx 2 = f ξx 2 x 2 f fx fx 0 x = lim. Vorzeichenüberlegung! x x0 x x Lokle Extrem: Sei D = [, b] Ê, f : D Ê stetig uf [, b] und differenzierbr uf ], b[, x 0 ], b[. Gibt es ein ε > 0, so dss f x 0 f x > 0 für x 0 ε < x < x 0, f x 0 f x < 0 für x 0 < x < x 0 + ε, so ht f in x 0 ein lokles striktes Mximum: x B ε x 0 : fx fx 0 fx < fx 0. Entsprechend für Minimum. 2 Ist f in x 0 zweiml differenzierbr und f x 0 = 0, f x 0 < 0 f x 0 > 0, so besitzt f in x 0 ein striktes lokles Mximum/Minimum. 3 Ist f in x 0 zweiml differenzierbr und besitzt f in x 0 ein lokles Mximum/Minimum, so ist f x 0 = 0 und f x 0 0/ 0. Beweis: Aus letztem Stz: 2 f x 0 = 0 lim x x0 f x 0 x x 0 = f x 0 < 0 f ist monoton wchsend für x 0 ε x x 0 f ist monoton fllend für x 0 x x 0 + ε f x ε > 0 : < 0 für x 0 ε < x < x 0 x 0 < x < x 0 + ε x x { 0 < 0 für x0 < x < x 0 + ε f x > 0 für x 0 ε < x < x 0

37 Mthemtik II für inf/swt, Sommersemester 200/, Seite f x 0 = 0. Wäre f x 0 > 0 Minimum 6.24 Achtung: f x 0 = 0, f x 0 = 0 bedeutet gr nichts! Z.B. f : x x 4 oder f : x x 5 bei x 0 = 0. In diesem Fll muss mn höhere Ableitungen betrchten Regeln von de l Hospitl: Seien f, g : ], b[ Ê differenzierbr, lim x fx = 0 lim x gx = 0 g x 0 uf ], b[. Dnn gilt: f x lim x g x = c lim fx x gx = c. Beweis: Setze f := 0, g := 0. Dnn gilt für x ], b[ : f, g : [, x] Ê stetig, differenzierbr uf ], x[. Verllgemeinerter Mittelwertstz uf [, x]: ξ x ], x[ : fx f gx g }{{} = fx gx = f ξ x g ξ x }{{} c für x 6.26 Vrinten: Typ [ ] : lim x fx = = lim x gx. Dnn fx lim x gx = lim f x x g x 2 Dsselbe für x b oder x + oder x. 3 Typ 0 : lim fx = 0, lim gx = : lim fx gx = lim fx. gx 4 Typ : lim fx =, lim gx = : fx gx = e gx ln fx geht mit vorigem Fll. 5 Alle Vrinten gelten uch bei bestimmter Divergenz: lim f g = + lim f g = Beispiele: lim x 0 cosx x 2 = 2. ln x 2 lim x x = 0. 3 lim x x /x =. 4 lim x 0 x ln x = 0. 5 lim x x2 e x = 0.

38 Mthemtik II für inf/swt, Sommersemester 200/, Seite Der Stz von Tylor 6.28 Vorbemerkung: Sei f : ], b[ Ê n-ml stetig differenzierbr uf ], b[, x 0 ], b[. Es gibt genu ein Polynom T n n-ten Grdes, so dss Für dieses Polynom gilt T k n x 0 = f k x 0 für 0 k n. T n x = n j=0 f j x 0 j! x x 0 j. T n heißt ds n-te Tylorpolynom für f, R n x := fx T n x ds n-te Restglied Beispiel: f : x e x, x 0 = 0: f k 0 = e 0 = für k Æ 0. T n x = n j=0 j! xj, R n x = e x n j=0 x j j!. x 0 = : f k = e T n x = n j=0 e j! x j Stz Tylor, Lgrnge: Sei f n+-ml stetig differenzierbr uf ], b[, x 0 ], b[ und x ]x 0, b[. Dnn existiert ξ ]x 0, x[, so dss fx = T n x + fn+ ξ n +! x x 0 n+ }{{} =R nx gilt genuso für x ], x 0 [, nur dnn ξ ]x, x 0 [. 6.3 Bemerkungen: Für n = 0 ist dies wieder der Mittelwertstz. 2 T n pproximiert f n einer Stelle x 0 bis zur n-ten Ableitung. Erst durch Diskussion des Restgliedes erkennt mn, wie gut die Approximtion durch T n in einer Umgebung von x 0 ist Beispiele: f : x e x, x 0 = 0: e soll bis uf Genuigkeit 0 5 durch T n bestimmt werden. R n = e ξ 0<ξ< 0n+ e n +! n +! n +! n 8 9! = n +!! 0 5

39 Mthemtik II für inf/swt, Sommersemester 200/, Seite 44 Ds bedeutet: e T8 < 0 5. Mit Rechner: T 6 = , R 6 = T 7 = , R 7 = T 8 = , R 8 = e = f : Ê Ê : x e x, x 0 = 0. Ws pssiert für n? R n x = e ξ x 0n+ n +! mx{ex, } x n+ n +! für n bei jedem festen x Ê. wie bereits beknnt. e x = j=0 x j j! für x Ê 0 3 fx = { e /x 2, x 0, 0, x = 0., x 0 = 0. Es gilt f n 0 = 0 für n Æ 0, lso uch T n x = 0 für n Æ, x Ê. Diese Funktion f ist um x 0 = 0 nicht durch ds Tylorpolynom pproximierbr. 4 Die Binomilreihe: Für r Ê \ Æ 0 gilt r r + x r = x j für x ], [ := j j j=0 r r r j +. j! 6.7 Extrem: Hinreichende Bedingungen 6.33 Stz: Sei D Ê offen, f C m D Ê, x 0 D und f x 0 =... = f m x 0 = 0, f m x 0 0. Ist m ungerde, so ht f in x 0 einen Sttelpunkt mit wgrechter Tngente. 2 Flls m gerde ist: Ist f m x 0 > 0, so ht f in x 0 ein striktes lokles Minimum. b Ist f m x 0 < 0, so ht f in x 0 ein striktes lokles Mximum. Beweis: Aus Stz von Tylor: fx = fx 0 + n j= und f m ξ ht konstntes Vorzeichen für ξ x 0 < ε. 0 + fm ξ x x 0 m, m! 6.34 Beispiele: y = x 6, y = x 7.

40 Mthemtik II für inf/swt, Sommersemester 200/, Seite Ableitung II 6.35 Definition: Sei γ : [, b] Ê n stetig. Die Menge K := { γt : t [, b] } Ê n heißt Kurve im Ê n, γ, [, b] heißt Prmeterdrstellung von K. Ist γ = γb, so heißt K geschlossen. Ist γ [,b[ injektiv, so heißt K Jordn-Kurve Beispiele: γ : [0, 2π] Ê 2 : t 2 γ : [0, π] Ê 2 : t 3 γ : [0, 2] Ê 3 : t 4 γ : [0, 2] Ê 2 : t 2 cos2t sin 2t 2 cost sin t. : Dieselbe Kurve wie in. cos2πt sin2πt Schrubenline. t t cos2πt Archimedische Schneckenlinie. t sin2πt 6.37 Definition und Stz: Sei f : Ê D Ê n und x 0 Häufungspunkt von D. Dnn heißt f differenzierbr in x 0, flls f x 0 := lim x x 0 x D, x x 0 fx fx 0 x x 0 existiert. Dies ist genu dnn der Fll, wenn jede Koordinte f j von f in x 0 differenzierbr ist j =, 2,..., n. Ist f in x 0 differenzierbr, so gilt f x 0 = f x 0. f n x Beispiele: fx = x 2 e x2 x f x = 2x 2x e x2 2 Seien A M n,n, v Ê n und g : Ê Ê n : t e t A v. Dnn gilt g t = A e t A v. 3 Mn knn die obige Definition der Ableitung uf f : Ê D V erweitern, wobei V ein normierter Vektorrum ist. Mit V = M n,n, A M n,n und f : Ê M n,n : t e t A folgt dnn f t = A e t A.

41 Mthemtik II für inf/swt, Sommersemester 200/, Seite Geometrische Bedeutung der Ableitung: Ist γ : [, b] Ê n in t 0 differenzierbr mit γ t 0 0, so ist γ t 0 ein Tngentenvektor Richtungsvektor der Tngente n K im Punkt γ t 0. γ t 0 gibt die Momentngeschwindigkeit n, mit der K durchlufen wird Beispiele: γ : [0, 2π] Ê 2 : t γ t 0 = 2 cost sin t 2 sin t0 ist Tngentenvektor im Punkt 2 cost cos t 0, sin t cos2t 2 γ : [0, π] Ê 2 : t : sin 2t γ t 0 4 sin t0 2 = ist Tngentenvektor im Punkt 2 cost 2 cost 0, sin t 0. Die Ellipse wird 0 mit doppelter Geschwindigkeit durchlufen. : t 6.4 Achtung bei γ 2 t 0 = 0: Sei z.b. γt := für t < 0, γt := 0 0 t. Dnn gilt γ C [, b] Ê 2, ber K ht eine Ecke in 0, 0. 0 t 2 für 6.42 Definition: Sei γ : I = [, b] Ê stetig. der Tngenten- Ist γ in t 0 I differenzierbr mit γ t 0 0, so heißt Tt 0 := γ t 0 γ t 0 einheitsvektor in t 0. 2 γ heißt regulär, flls γ differenzierbr uf I ist mit γ t 0 uf I. 3 γ heißt singulär in t 0 I, flls γ t 0 = Bemerkung: Besitzt die Kurve K eine reguläre Prmeterdrstellung γ, [, b], so ht K keine Ecken.

42 Mthemtik II für inf/swt, Sommersemester 200/, Seite 47 7 Differentilrechnung im Ê n 7. Ableitung III 7. Der Grph von Funktionen mehrerer Veränderlicher: Ist f : Ê 2 D Ê und D offen, so ist der Grph von f G = { x, x 2, fx, x 2 Ê 3 : x, x 2 D } eine gekrümmte Fläche im Ê 3. Allgemeiner: Ist f : Ê n D Ê und D offen, so ist der Grph von f G = { x, fx Ê n+ : x D } eine Hyperfläche im Ê n Wichtige Idee: Zur Untersuchung oder Vernschulichung des Grphen in der Umgebung eines Punktes x 0, fx 0 knn mn ds Verhlten von f längs der Gerden x = x 0 + t v t Ê mit festem Richtungsvektor v Ê n betrchten. Anders usgedrückt: Mn schneidet G mit geeigneten Ebenen: E := { } x 0 + t v, s Ê n+ : t, s Ê E G = { x 0 + t v, fx 0 + t v : t D } Diese Schnittkurve E G knn mn ls Kurve im Ê 2 uffssen: K := { t, fx 0 + t v : t D }. D Ê geeignet. Vorteil: Mn untersucht die Funktion t fx 0 + t v, die nur von einer reellen Vriblen bhängt. 7.3 Beispiele: f : D = {x, x 2 : x 2 + x2 2 } Ê : x, x 2 { x 2 x2 2 : Grph von f: G = x, x 2, x 3 : x 2 + x 2 2 < x 3 = } x 2 x 2 2 obere Hlbkugel. 2 f : Ê 2 Ê : x, x 2 x 2 + 4x2 2 elliptisches Prboloid. 3 f : Ê 2 Ê : x, x 2 x x 2 Der Grph ist eine Sttelfläche.

43 Mthemtik II für inf/swt, Sommersemester 200/, Seite Beobchtung: Seien f : Ê D Ê und x 0 Häufungspunkt von D. Dnn sind äquivlent: i f ist differenzierbr in x 0. ii Es existiert eine Zhl Ê, so dss lim x x 0 x D, x x 0 fx fx0 x x 0 = 0 x x 0 Sind diese Bedingungen erfüllt, so gilt = f x Definition: Sei f : Ê n D Ê, D offen und x 0 D. Dnn heißt f differenzierbr in x 0, flls eine n-mtrix A =,..., n j Ê existiert mit lim x x 0 x D, x x 0 fx fx0 Ax x 0 = 0 x x 0 oder äquivlent: fx = fx 0 + Ax x 0 + x x 0 rx mit lim x x0 rx = 0. Die Mtrix A ist durch diese Bedingung eindeutig bestimmt und heißt Ableitung von f in x 0. Wir schreiben f x 0 := A =,..., n. 7.6 Die Idee:: Die Funktion gx := fx 0 +f x 0 x x 0 ist die optimle linere Approximtion von f bei x 0. Oder nders usgedrückt: Der Grph von g: E := { x, fx 0 + f x 0 x x 0 : x n} Ê beschreibt die Tngentilebene flls n = 2 bzw. Tngentilhyperebene n den Grphen G von f im Punkt x 0, fx Beispiele: f : Ê 2 Ê : x 2 f : {x, x 2 : x 2 + x 2 2 < } Ê : x x x 2. 2 x x x 2 x Stz: Ist f differenzierbr in x 0, so ist f stetig in x 0.

44 Mthemtik II für inf/swt, Sommersemester 200/, Seite Prtielle Ableitungen: Sei f : Ê n D Ê, D offen und f differenzierbr in x 0 D. Dnn existiert für jedes j {,..., n} der Grenzwert lim h 0 h 0 fx 0 + h e j fx 0 h =: f x j x 0 =: xj fx 0 =: j fx 0. Dieser Grenzwert heißt prtielle Ableitung von f nch x j. Es gilt f x 0 = x fx 0, x2 fx 0,..., xn fx 0. Der Vektor heißt Grdient von f. fx 0 := fx 0. n fx 0 Beweis: 0 = 0 = xj fx 0 = lim x x 0 x x 0 lim h 0 h 0 = lim h 0 h 0 lim h 0 h 0 fx fx0 f x 0 x x 0 x x 0 fx 0 + h e j fx 0 f x 0 x 0 + h e j x 0 x 0 + h e j x 0 }{{}}{{} = h fx0 + h e j fx 0 signh f x 0 h j fx 0 + h e j fx 0 h f x 0 = x fx 0, x2 fx 0,..., xn fx 0. =h j =,...,n existieren und f x 0 j 7.0 Bemerkung: f x 0 x x 0 = fx 0, x x 0, fx 0 = f x 0 T trnsponierte Mtrix. 7. Geometrische Bedeutung der prtiellen Ableitung: Schneide den Grphen von f mit der Ebene Die Schnittkurve ist der Grph der Funktion E := { x 0 + t e j, s Ê n+ : t, s Ê}. t fx 0 + t e j. Für die Ableitung dieser Funktion im Punkt t = 0 gilt d dt fx 0 + t e j t=0 = xj fx 0.

45 Mthemtik II für inf/swt, Sommersemester 200/, Seite Geometrische Bedeutung des Grdienten: Für festes v Ê n mit v = schneide den Grph von f mit der Ebene E := { x 0 + t v, s : t, s Ê}. Die Steigung der Schnittfunktion t fx 0 + t v im Punkt t = 0 ergibt sich zu d dt fx 0 + t v t=0 = f x 0 v = fx 0, v. Die Steigung in Abhängigkeit von v ist m größten, wenn v prllel zu fx 0 ist. Dnn ht die Steigung den Wert fx 0. Also: Der Grdientenvektor zeigt in die Richtung der größten Zunhme von fx. 7.3 Ein Kriterium für Differenzierbrkeit: Sei f : Ê n D Ê, D offen, lle prtiellen Ableitungen j f existieren in D und seien stetig in x 0 D. Dnn ist f in x 0 differenzierbr, und es gilt f x 0 = x,..., xn. Also: Für Differenzierbrkeit in x 0 ist notwendig: fx 0 existiert. Für Differenzierbrkeit in x 0 ist hinreichend: fx 0 existiert in B ε x 0 und ist stetig in x 0. Für k Æ 0 ist C k D Ê der Rum ller Funktionen, deren prtielle Ableitungen bis zur k-ten Ordnung uf D existieren und stetig sind. 7.4 Ergänzung: Die Existenz ller prtiellen Ableitungen in einem Punkt x 0 grntiert nicht die Differenzierbrkeit in x 0. Sei z.b. { f : Ê 2 x 0 flls x, y = 0, 0 y x 2 Ê mit f := y flls y = x 2 x 0 Dnn gilt x f0, 0 = 0, y f0, 0 = 0, ber die Funktion f ist in 0, 0 unstetig, lso sicher nicht differenzierbr. 7.2 Extrem Sei f : Ê n D Ê, D offen und f differenzierbr in x 0 D. Wir wollen feststellen, ob f in x 0 ein Extremum besitzt. Ds ist genu dnn der Fll, wenn lle Funktionen g v : t fx 0 + t v mit beliebigen Vektoren v Ê n für t = 0 ein Mximum bzw. lle ein Minimum besitzen. Wir wissen:

46 Mthemtik II für inf/swt, Sommersemester 200/, Seite 5 Notwendig für ein lokles Extremum ist g v 0 = 0. Hinreichend für ein striktes lokles Extremum ist g v 0 = 0 und g v 0 > 0 oder g v 0 < 0. Weiter ist beknnt: Drus folgt sofort: g v t = f x 0 + t v v = n xj fx 0 + t vv j. j= 7.5 Notwendige Bedingung: Sei f : Ê n D Ê, D offen und f differenzierbr in x 0 D. Dnn gilt: f ht in x 0 ein Extremum f x 0 = x fx 0,..., xn fx 0 = 0. Nun nehmen wir n, dss die prtiellen Ableitungen Ê n D x xj f wieder differenzierbr sind. Dnn gilt d xj fx 0 + t v dt g v t = g v0 = = = n xk xj fx 0 + t v v k k= n xk xj fx 0 + t v v k v j j,k= n xk xj fx 0 v k v j j,k= x x fx 0 x x2 fx 0... x xn fx 0.. } xn x fx 0 xn x2 fx 0... xn xn fx 0 {{ } =:H f x 0 Hessemtrix v. v n, v. v n 7.6 Hinreichende Bedingung: Sei D Ê n offen, f C 2 D Ê, x 0 D und H f x 0 die Hessemtrix von f in x 0. Dnn gelten: Flls f x 0 = 0 und H f x 0 positiv definit ist, besitzt f in x 0 ein striktes lokles Minimum. 2 Flls f x 0 = 0 und H f x 0 negtiv definit ist d.h. H f x 0 ist positiv definit, besitzt f in x 0 ein striktes lokles Mximum. Wir werden später sehen: H f x 0 ist symmetrisch. Ds bedeutet, dss H f x 0 digonlisierbr ist. Deshlb knn mn den letzten Stz uch nders formulieren:

47 Mthemtik II für inf/swt, Sommersemester 200/, Seite Stz: Sei D Ê n offen und f C 2 D Ê, x 0 D mit f x 0 = 0. Dnn gilt: Ht die Hesse-Mtrix H f x 0 nur positive Eigenwerte, so ht f in x 0 ein striktes lokles Minimum. 2 Ht die Hesse-Mtrix H f x 0 nur negtive Eigenwerte, so ht f in x 0 ein striktes lokles Mximum. 3 Ohne Beweis: Ht die Hesse-Mtrix H f x 0 positive und negtive Eigenwerte, so ht f in x 0 einen Sttelpunkt: In jeder Umgebung von x 0 gibt es Punkte x mit fx > fx 0 und Punkte mit fx < fx 0. x 7.8 Beispiele: f = x y 2 y 2 ln x in D := {x, y Ê 2 : x > 0}. x 2 f = 4xy x y 3 y xy 3 { } x x 3 f : D = Ê y 2 : x 2 + y 2 Ê : xy: y Einziger kritischer Punkt: x, y = 0, 0 mit f0, 0 = 0. Hier liegt ein Sttelpunkt vor. Also ht f im Inneren von D kein Extremum. D D beschränkt und bgeschlossen ist, nimmt f uf D ds Mximum und Minimum n. Also muss f ds Minimum und Mximum m Rnd von D nnehmen. Untersuche f m Rnd: Mximum f 2 2 = 2, Minimum f 2 2 = Ableitung IV 7.9 Definition: Sei f : Ê n D Ê m, D offen und x 0 D. Dnn heißt f differenzierbr in x 0, flls eine m n-mtrix A existiert mit oder äquivlent: lim x x 0 x D, x x 0 fx fx0 Ax x 0 = 0 x x 0 fx = fx 0 + Ax x 0 + x x 0 rx mit lim x x0 rx = 0. Die Mtrix A ist durch diese Bedingung eindeutig bestimmt und heißt Ableitung von f in x 0. Wir schreiben f x 0 := A Bemerkungen: Im Fll m = ist dies genu die Definition 7.5.

b f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) =

b f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) = Es seien U R n offen und ψ : U R n stetig differenzierbr. Weiter sei f : U R zweiml stetig differenzierbr. Kennzeichnen Sie whre Aussgen mit W und flsche Aussgen mit F. F Flls dψ(x) ein Isomorphismus für

Mehr

Kapitel 13. Taylorentwicklung Motivation

Kapitel 13. Taylorentwicklung Motivation Kpitel 13 Tylorentwicklung 13.1 Motivtion Sei D R offen. Sie erinnern sich: Eine in D stetig differenzierbre Funktion f : D R wird durch die linere Funktion g(x) = f() + f ()(x ) in einer Umgebung von

Mehr

Formelsammlung. Folgen und Reihen

Formelsammlung. Folgen und Reihen Lehrstuhl für BWL, insb. Mthemtik und Sttistik Dipl.-Mth. Mrie Hielscher Mthemtik für Betriebswirte II Formelsmmlung Folgen und Reihen en Folge n ) n N0 : D R, n n := n) mit D N 0 n-te Prtilsumme von n

Mehr

Kapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35

Kapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35 Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion

Mehr

Taylorreihen - Uneigentlische Integrale

Taylorreihen - Uneigentlische Integrale Anlysis II für M, LG und Ph, WS 2006/07, Übung 2, Lösungsskizze Gruppenübung Tylorreihen - Uneigentlische Integrle G 5 Berechnen Sie die Tylorreihe mit der Entwicklungsmitte 0 von f (x) = log(x + ), f

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere

Mehr

ε δ Definition der Stetigkeit.

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

Mehr

9 Das Riemannsche Integral

9 Das Riemannsche Integral 1 9 Ds Riemnnsche Integrl 9.1 Definition und Beispiele Sei I = [, ] R mit

Mehr

6. Integration 6.1 Das Riemann-Integral

6. Integration 6.1 Das Riemann-Integral 6. Integrtion 6. Ds Riemnn-Integrl 6. Integrtion 6. Ds Riemnn-Integrl Mthemtik für Chemiker 6. Integrtion 6. Ds Riemnn-Integrl Flächenberechnung: Problemstellung und Lösungsidee Sei f : [, b] [0, ) eine

Mehr

Differenzial- und Integralrechnung III

Differenzial- und Integralrechnung III Differenzil- und Integrlrechnung III Riner Huser April 2012 1 Einleitung 1.1 Polynome und Potenzfunktionen Die Polynome oder Polynomfunktionen lssen sich durch die endliche Anzhl von n+1 Prmetern i R in

Mehr

Analysis 2. Mitschrift von www.kuertz.name

Analysis 2. Mitschrift von www.kuertz.name Anlysis 2 Mitschrift von www.kuertz.nme Hinweis: Dies ist kein offizielles Script, sondern nur eine privte Mitschrift. Die Mitschriften sind teweilse unvollständig, flsch oder inktuell, d sie us dem Zeitrum

Mehr

4 Stetigkeit. 4.1 Intervalle

4 Stetigkeit. 4.1 Intervalle 4 Stetigkeit Der Grenzwertbegriff für Zhlenfolgen lässt sich uf Funktionen übertrgen. Funktionen (oder Abbildungen) wren bereits im Kpitel über Mengen ufgetreten. Hier wird nun der Fll betrchtet, dss Definitionsbereich

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6 Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.

Mehr

Ein Aufschrieb der Vorlesung Analysis I an der Uni Karlsruhe im Wintersemester 1998/99, gelesen von Priv.-Doz. Dr. G. Herzog.

Ein Aufschrieb der Vorlesung Analysis I an der Uni Karlsruhe im Wintersemester 1998/99, gelesen von Priv.-Doz. Dr. G. Herzog. Anlysis I Ein Aufschrieb der Vorlesung Anlysis I n der Uni Krlsruhe im Wintersemester 1998/99, gelesen von Priv.-Doz. Dr. G. Herzog. GeTEXt von Andres Klöckner (k@ixion.net). Für Kommentre und Berichtigungen

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, 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

Mehr

Brückenkurs Lineare Gleichungssysteme und Vektoren

Brückenkurs Lineare Gleichungssysteme und Vektoren Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem

Mehr

ANALYSIS II OLIVER C. SCHNÜRER

ANALYSIS II OLIVER C. SCHNÜRER ANALYSIS II OLIVER C. SCHNÜRER Zusmmenfssung. Bei diesem Mnuskript hndelt es sich um Notizen zu einer Vorlesung Anlysis II. Ich hbe sie im Sommersemester 215 in Konstnz benutzt. Inhltsverzeichnis 4. Differentition

Mehr

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse Elemente der Anlysis II: Zusmmenfssung der wichtigsten Definitionen und Ergebnisse J. Wengenroth Dies ist die einzige zugelssene Formelsmmlung, die bei der Klusur benutzt werden drf. Es dürfen Unterstreichungen

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 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

Mehr

n 1, n N \ {1}, 0 falls x = 0,

n 1, n N \ {1}, 0 falls x = 0, IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige

Mehr

UNIVERSITÄT 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 2009 UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis

Mehr

Stetigkeit von Funktionen

Stetigkeit 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

Mehr

3. Ganzrationale Funktionen

3. Ganzrationale Funktionen 3. Gnzrtionle Funktionen ) Definitionen und Beispiele Definition: Eine gnzrtionle Funktion n-ten Grdes ht ls Definitionsterm ein Polynom n-ten Grdes, d.h. y = f() = n n n-1 n-1 1 0. n 0, i ( i = 1, n)

Mehr

Vorkurs Mathematik DIFFERENTIATION

Vorkurs Mathematik DIFFERENTIATION Vorkurs Mthemtik 6 DIFFERENTIATION Beispiel (Ableitung von sin( )). Es seien f() = sin g() = h() =f(g()) = sin. (f () =cos) (g () =) Also ist die Ableitung von h: h () =f (g())g () =cos = cos. Mn nennt

Mehr

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable. Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

Vorlesung Mathematik 1 für Ingenieure (Sommersemester 2016)

Vorlesung Mathematik 1 für Ingenieure (Sommersemester 2016) 1 Vorlesung Mthemtik 1 für Ingenieure (Sommersemester 2016) Kpitel 10: Integrlrechnung einer Veränderlichen Prof. Miles Simon Nch Folienvorlge von Prof. Dr. Volker Kibel Otto-von-Guericke Universität Mgdeburg.

Mehr

Analysis II. Universität Stuttgart, SS 06 M. Griesemer

Analysis II. Universität Stuttgart, SS 06 M. Griesemer Anlysis II Universität Stuttgrt, SS 06 M. Griesemer Inhltsverzeichnis 9 Ds Riemnnsche Integrl 3 9.1 Definition und Beispiele........................... 3 9.2 Elementre Eigenschften..........................

Mehr

Analysis I - Stetige Funktionen

Analysis 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

Mehr

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen Skript zur Analysis 1 Kapitel 3 Stetigkeit / Grenzwerte von Funktionen von Prof. Dr. J. Cleven Fachhochschule Dortmund Fachbereich Informatik Oktober 2003 2 Inhaltsverzeichnis 3 Stetigkeit und Grenzwerte

Mehr

Analysis 2. Vorlesungsskript Sommersemester 2014. Bernd Schmidt. Version vom 15. Oktober 2014

Analysis 2. Vorlesungsskript Sommersemester 2014. Bernd Schmidt. Version vom 15. Oktober 2014 Anlysis 2 Vorlesungsskript Sommersemester 214 Bernd Schmidt Version vom 15. Oktober 214 Institut für Mthemtik, Universität Augsburg, Universitätsstr. 14, 86135 Augsburg, bschmidt@mth.uni-ugsburg.de 1 Inhltsverzeichnis

Mehr

27 Taylor-Formel und Taylor-Entwicklungen

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

Mehr

Definition: Differenzierbare Funktionen

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

Mehr

2 Stetigkeit und Differenzierbarkeit

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

Mehr

9 Riemann-Integral für Funktionen einer Variablen

9 Riemann-Integral für Funktionen einer Variablen 9 Riemnn-Integrl für Funktionen einer Vriblen Integrl = (orientierte) Fläche zwischen Funktion f : r, bs Ñ R und der x-achse «ř n px n x n 1 qf pξ n q mit Zwischenpunkten ξ n P rx n 1, x n s x n 1 x n

Mehr

Thema 4 Limiten und Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.

Mehr

Analysis I Probeklausur 2

Analysis I Probeklausur 2 WS /2 Mriescu/ Ert Alysis I Probeklusur 2. Aufgbe Die Folge (x ) N sei rekursiv defiiert durch x =, x + = 2+x. () Beweise, dss die Folge (x ) N streg mooto wchsed ist. (b) Beweise, dss (x ) N durch 2 ch

Mehr

Grundwissen Abitur Analysis

Grundwissen Abitur Analysis GYMNASIUM MIT SCHÜLERHEIM PEGNITZ mthem-technolog u sprchl Gmnsium WILHELM-VON-HUMBOLDT-STRASSE 7 9257 PEGNITZ FERNRUF 0924/48333 FAX 0924/2564 Grundwissen Abitur Anlsis Ws sind Potenzfunktion mit ntürlichen

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen 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

Mehr

Thema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n

Thema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n Them 13 Integrle, die von einem Prmeter bhängen, Integrle von Funktionen uf Teilmengen von R n Wir erinnern drn, dß eine Funktion h : [, b] R eine Treppenfunktion ist, flls es eine Unterteilung x < x 1

Mehr

definiert ist, heißt an der Stelle x0

definiert ist, heißt an der Stelle x0 1 Stetigkeit 1 Stetigkeit Bei der Behndlung der bschnittsweise deinierten Funktionen km es vor, dss der Grph dieser Funktion n der Nhtstelle einen Sprung ht. Andere dgegen hben keine Sprungstelle! Doch

Mehr

Orientierungstest Mathematische Grundlagen

Orientierungstest Mathematische Grundlagen Orientierungstest Mthemtische Grundlgen Lösungen:. Welche Zhlenmengen git es? Beispiele? Menge der ntürlichen Zhlen N {,,, } Menge der gnzen Zhlen Z {,, 0,,, } Menge der rtionlen Zhlen Q Menge ller ls

Mehr

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Reelle Zahlen sind ideale Objekte, die es uns ermöglichen, eine transparente und leistungsfähige Theorie aufzubauen. Ein Computer kann jedoch nur mit Approximationen

Mehr

Numerische Mathematik I

Numerische Mathematik I Numerische Mthemtik I Dr. Wolfgng Metzler Universität Kssel unter Mitwirkung von Dipl.-Mth. Mrtin Steigemnn Sommersemester 2005 ii c 2005 Dr. Wolfgng Metzler, Fchbereich Mthemtik und Informtik der Universität

Mehr

A.25 Stetigkeit und Differenzierbarkeit ( )

A.25 Stetigkeit und Differenzierbarkeit ( ) A.5 Stetigkeit / Differenzierbrkeit A.5 Stetigkeit und Differenzierbrkeit ( ) Eine Funktion ist wenn die Kurve nicht unterbrochen wird, lso wenn mn sie zeichnen knn, ohne den Stift vom Bltt bzusetzen.

Mehr

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).

Wir 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

Mehr

Analysis I im SS 2011 Kurzskript

Analysis I im SS 2011 Kurzskript Anlysis I im SS 2011 Kurzskript Prof. Dr. C. Löh Sommersemester 2011 Inhltsverzeichnis -2 Literturhinweise 2-1 Einführung 4 0 Grundlgen: Logik und Mengenlehre 5 1 Zählen, Zhlen, ngeordnete Körper 14 2

Mehr

Höhere Mathematik II. Universität Stuttgart, SS 09 Prof. Dr. M. Griesemer. Integration

Höhere Mathematik II. Universität Stuttgart, SS 09 Prof. Dr. M. Griesemer. Integration Höhere Mthemtik II Universität Stuttgrt, SS 09 Prof. Dr. M. Griesemer Integrtion Ds bestimmte Integrl Sei f : [, b] R stetig. Ds bestimmte Integrl von f über [, b] ist die Zhl n f (x)dx = lim f (x k )

Mehr

Musterlösung der Präsenzaufgaben zu Mathematik I für ET/IT und ITS

Musterlösung der Präsenzaufgaben zu Mathematik I für ET/IT und ITS Musterlösung der Präsenzufgben zu Mthemtik I für ET/IT und ITS WS / Bltt 6. Bestimmen Sie zu vorgegebenem Volumen V > die Dose (Zylinder mit der kleinsten Oberfläche und ds Gls (Zylinder ohne Deckel mit

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Beispiel-Abiturprüfung

Beispiel-Abiturprüfung Mthemtik BeispielAbiturprüfung Prüfungsteile A und B Bewertungsschlüssel und Lösungshinweise (nicht für den Prüfling bestimmt) Die Bewertung der erbrchten Prüfungsleistungen ht sich für jede Aufgbe nch

Mehr

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 + 8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die

Mehr

KAPITEL 9. Funktionenreihen

KAPITEL 9. Funktionenreihen KAPITEL 9 Funktionenreihen 9. TaylorReihen............................ 28 9.2 Potenzreihen............................ 223 9.3 Grenzfunktionen von Funktionenfolgen bzw. reihen........ 230 9.4 Anwendungen............................

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Repetitionsaufgaben Exponential-und Logarithmusfunktion

Repetitionsaufgaben Exponential-und Logarithmusfunktion Repetitionsufgben Eponentil-und Logrithmusfunktion Inhltsverzeichnis A) Vorbemerkungen B) Lernziele C) Eponentilfunktionen mit Beispielen 2 D) Aufgben Ep.fkt. mit Musterlösungen 6 E) Logrithmusfunktionen

Mehr

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige Konvergenz und Funktionenräume Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen

Mehr

Stetige Funktionen. Kapitel Grenzwerte von Funktionen

Stetige Funktionen. Kapitel Grenzwerte von Funktionen Kapitel 5 Stetige Funktionen 5.1 Grenzwerte von Funktionen In diesem Abschnitt soll der Grenzwertbegriff auf Funktionen erweitert werden. Im Unterschied zu den Gliedern einer Folge sind die Funktionswerte

Mehr

Analysis I/II. Skript zur Vorlesung 2009/2010. Peter Junghanns

Analysis I/II. Skript zur Vorlesung 2009/2010. Peter Junghanns Skript zur Vorlesung Anlysis I/II 9/ Peter Junghnns Hinweis: Ds vorliegende Skript stellt nur ein Gerüst zu den Inhlten der Vorlesung dr. Die Vorlesung selbst bietet weiterführende Erläuterungen, Beweise

Mehr

t 1 t cos(t) sin(t) haben als Spur jeweils den Einheitshalbkreis in der oberen Halbebene.

t 1 t cos(t) sin(t) haben als Spur jeweils den Einheitshalbkreis in der oberen Halbebene. Kpitel Kurvenintegrle Kurven Sei I = [, b] R ein Intervll Eine Weg ist eine Abbildung dieses Intervlls in den R d, d, : I R d Dbei nennt mn () den Anfngspunkt, (b) den Endpunkt und ds Bild ([, b]) die

Mehr

2 Stetige Funktionen. 2.1 Grenzwerte von Funktionen. Definition Beispiel

2 Stetige Funktionen. 2.1 Grenzwerte von Funktionen. Definition Beispiel 2 Stetige Funktionen 2. Grenzwerte von Funktionen Definition Sei I R ein Intervall, a I ein innerer Punkt und f eine reellwertige Funktion, die auf I \ {a} (aber eventuell nicht in a) definiert ist. Wir

Mehr

Mathematik für Wirtschaftswissenschaften I Wintersemester 2015/16 Universität Leipzig. Lösungvorschläge Präsenzaufgaben Serien 1-10

Mathematik für Wirtschaftswissenschaften I Wintersemester 2015/16 Universität Leipzig. Lösungvorschläge Präsenzaufgaben Serien 1-10 Mathematik für Wirtschaftswissenschaften I Wintersemester 05/6 Universität Leipzig Lösungvorschläge Präsenzaufgaben Serien -0 Inhaltsverzeichnis Serie Serie 5 3 Serie 8 4 Serie 9 5 Serie 3 6 Serie 6 7

Mehr

360 2 r. 360 r2. α Bogenmaß. α 360. α 2π. 4 3 r3 V K. 4 r 2 O K

360 2 r. 360 r2. α Bogenmaß. α 360. α 2π. 4 3 r3 V K. 4 r 2 O K Grundwissen Mthemtik 10. Klsse Kreis Länge eines Kreisbogens b 360 r r r b Fläche eines Kreissektors 360 r r r Bogenmß Bogenmß des Winkels : Umrechnungsformel: b α Bogenmß r α Bogenmß π α 360 Grdmß Kugel

Mehr

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,

Mehr

8 Integralrechnung. 8.1 Das Riemann-Integral

8 Integralrechnung. 8.1 Das Riemann-Integral 8 Integrlrechnung Der Integrlbegriff ist wie der Ableitungsbegriff motiviert durch die physiklische Beschreibung von Bewegungsbläufen (Geschwindigkeit, Beschleunigung). Er ist u.. uch von Bedeutung bei

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr

Schreibweise : Der lineare Unterraum D(A) = L heißt Definitionsbereich. Für häufige Situationen L = X schreiben wir A : X Y.

Schreibweise : Der lineare Unterraum D(A) = L heißt Definitionsbereich. Für häufige Situationen L = X schreiben wir A : X Y. Kpitel 3 Linere Opertoren 3.1 Grundlegene Definitionen Wir betrchten in diesem Kpitel eine geringfügige Verllgemeinerung der m Ende von Abschnitt 2.1 eingeführten Begriffe des lineren Opertors bzw. der

Mehr

Höhere Mathematik II

Höhere Mathematik II Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Universität der Bundeswehr München Höhere Mathematik II (Beilagen) Univ. Prof. Dr. sc. math. Kurt Marti 2 2 L A TEX-Satz

Mehr

- 1 - VB Inhaltsverzeichnis

- 1 - VB Inhaltsverzeichnis - - VB Inhltsverzeichnis Inhltsverzeichnis... Die Inverse einer Mtrix.... Definition der Einheitsmtrix.... Bedingung für die inverse Mtrix.... Berechnung der Inversen Mtrix..... Ds Verfhren nch Guß mit

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufge 69. Quizz Integrle. Es sei Höhere Mthemtik für Informtiker II (Sommersemester

Mehr

Tutorübung 5. Analysis 2 für Lehramt TU Dortmund, Sommersemester 2014

Tutorübung 5. Analysis 2 für Lehramt TU Dortmund, Sommersemester 2014 Tutorübung 5 Analysis 2 für Lehramt TU Dortmund, Sommersemester 24 Aufgabe T Bestimme die Taylorreihen von (a) cos(x) um a. (b) ln(x) um a. (c) um a 2. +x Bestimme in allen Fällen das Taylorpolynom T n,a

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

Bestimmtes (Riemannsches) Integral / Integral als Grenzwert einer Summe : Bedeutung: Fläche unter einer Funktion innerhalb bestimmter Grenzen

Bestimmtes (Riemannsches) Integral / Integral als Grenzwert einer Summe : Bedeutung: Fläche unter einer Funktion innerhalb bestimmter Grenzen III. Integrlrechnung : Bestimmtes (Riemnnsches Integrl / Integrl ls Grenzwert einer Summe : Bedeutung: Fläche unter einer Funktion innerhl estimmter Grenzen yf( y n y n ( Δ Berechnung der Fläche A unter

Mehr

Stichpunkte zum Abschnitt Analysis der Höheren Mathematik für Ingenieure I

Stichpunkte zum Abschnitt Analysis der Höheren Mathematik für Ingenieure I Stichpunkte zum Abschnitt Analysis der Höheren Mathematik für Ingenieure I Komplexe Zahlen Definition komplexer Zahlen in der Gaußschen Zahlenebene, algebraische Form, trigonometrische Form, exponentielle

Mehr

Abitur - Leistungskurs Mathematik. Sachsen-Anhalt 1999

Abitur - Leistungskurs Mathematik. Sachsen-Anhalt 1999 Abitur - Leistungskurs Mthemtik Schsen-Anhlt 999 Gebiet L - Anlysis Augbe.. y, D, R,. Die Funktionenschr sei gegeben durch Die Grphen der Funktionen der Schr werden mit G bezeichnet. ) Ermitteln Sieden

Mehr

Unter einer Partition oder Zerlegung eines Intervalls [a, b] verstehen wir eine endliche Menge P = {x 0, x 1,..., x n } mit der Eigenschaft ...

Unter einer Partition oder Zerlegung eines Intervalls [a, b] verstehen wir eine endliche Menge P = {x 0, x 1,..., x n } mit der Eigenschaft ... Kpitel 7 Ds Riemnn Integrl 7.1 Unter und Obersummen 7.2 Riemnn Integrl 7.3 Riemnnsche Summen 7.4 Rechenregeln 7.5 Differentition und Integrtion 7.6 Die L p Normen 7.1 Unter und Obersummen Unter einer Prtition

Mehr

4.7 Der Taylorsche Satz

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

Mehr

Taylor-Entwicklung der Exponentialfunktion.

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

Mehr

Abiturprüfung 2007. Mathematik, Leistungskurs 0,02

Abiturprüfung 2007. Mathematik, Leistungskurs 0,02 M LK HT Seite von Nme: Abiturprüfung 007 Mthemti, Leistungsurs Aufgbenstellung: Gegeben ist die Funtion f mit Ein Teil des Grphen von f ist für 0,0 t ft () = t e, t IR. 0 t 5 m Ende der Aufgbe uf Seite

Mehr

Mathematik II Mitschrift

Mathematik II Mitschrift Mthemtik II Mitschrift Thilo Fester Till Helge Helwig 19 Juli 2006 Vorlesung wurde gehlten von Dr Michel Huber im Sommersemester 2006 Ds erste Kpitel der Vorlesung bsiert uf Mthemtik für Informtiker I

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f. Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen

Mehr

Kurven und Bogenlänge

Kurven und Bogenlänge Kpitel 3 Kurven und Bogenlänge 3.1 Motivtion Der Begriff der Kurve in der Ebene oder im Rum spielt in den Nturwissenschften, insbesondere der Physik, Technik (Robotik) und der Informtik (Computergrphik)

Mehr

Grundwissen Mathematik 10. Klasse. Eigenschaften Besonderheiten - Beispiele

Grundwissen Mathematik 10. Klasse. Eigenschaften Besonderheiten - Beispiele Themen Eigenschften Besonderheiten - Beispiele Kreis beknnt us Klsse 8: U Kreis = 2 π r A Kreis = r 2 π Kreissektor Bogenlänge b Flächeninhlt Kreissektor: Die Länge b des Kreisbogens und der Flächeninhlt

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba. Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz

Mehr

9 Die Prinzipien der Analysis

9 Die Prinzipien der Analysis 9 Die Prinzipien der Anlysis 9. Der Huptstz der Differentil- und Integrlrechnung Ds wichtigste Prinzip der Anlysis besgt, dss die Integrtion in gewisser Weise die Umkehrung der Differentition ist. Genuer

Mehr

1 Kurvendiskussion /40

1 Kurvendiskussion /40 009 Herbst, (Mthemtik) Aufgbenvorschlg B Kurvendiskussion /0 Gegeben ist eine Funktion f mit der Funktionsgleichung: f ( ) 0 6 = ; mit.. Untersuchen Sie ds Verhlten der Funktionswerte von f im Unendlichen.

Mehr

Höhere Mathematik für Elektrotechniker II

Höhere Mathematik für Elektrotechniker II Vorlesungsmnuskript zu Höhere Mthemtik für Elektrotechniker II Werner Blser Institut für Angewndte Anlysis Sommersemester 2009 Inhltsverzeichnis 1 Integrlrechnung 4 11 Riemnn-Summen und Riemnn-Integrl

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt

Mehr

Mathe Warm-Up, Teil 1 1 2

Mathe Warm-Up, Teil 1 1 2 Mthe Wrm-Up, Teil 1 1 2 HEUTE: 1. Elementre Rechenopertionen: Brüche, Potenzen, Logrithmus, Wurzeln 2. Summen- und Produktzeichen 3. Gleichungen/Ungleichungen 1 orientiert sich n den Kpiteln 3,4,6,8 des

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

2 Berechnung von Flächeninhalten unter Kurvenstücken

2 Berechnung von Flächeninhalten unter Kurvenstücken Übungsmteril 1 Berechnung von Flächeninhlten unter Kurvenstücken.1 Annäherung durch Rechtecke Um die Fläche zu berechnen, die zwischen dem Funktionsgrphen einer Funktion und der -Achse eingeschlossen wird,

Mehr

Lösungen der Übungsaufgaben von Kapitel 4

Lösungen der Übungsaufgaben von Kapitel 4 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 4 zu 4.1 4.1.1 Eine Funktion f : R R sei als Nullfunktion für x 0 und als x x für x 0 definiert.

Mehr

Vorlesungsskript Mathematik I für Wirtschaftsingenieure

Vorlesungsskript Mathematik I für Wirtschaftsingenieure Vorlesungsskript Mthemtik I für Wirtschftsingenieure Verfsserin: HSD Dr. Sybille Hndrock TU Chemnitz Fkultät für Mthemtik e-mil: hndrock@mthemtik.tu-chemnitz.de Wintersemester 2005/06 Litertur [] Dllmnn,

Mehr

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Aufgabe 98 12.12.2012 Untersuchen Sie die Funktion f W R! R mit f.x/

Mehr

Mathematik-Leistungskurs

Mathematik-Leistungskurs Mthemtik-Leistungskurs Zusmmenfssung der Inhlte im Leistungskurs Mthemtik bezogen uf die Vorgben für ds Abitur in Nordrhein-Westflen für ds Jhr 2012 Erstellt von: Ptrick Robrecht http://ptrick-robrecht.de/

Mehr

Analysis mit dem Voyage 1

Analysis mit dem Voyage 1 Anlysis mit dem Voyge 1 1. Kurvendiskussion Gegeben ist die Funktionschr Den Nenner erhält mn mit Hilfe der Funktion getdenom. Zeros liefert die Nullstellen des Nenners und dmit die Werte, die us dem Definitionsbereich

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

4 Die Integralfunktion*

4 Die Integralfunktion* Übungsmteril 1 Die Integrlfuntion* In den vorigen Kpiteln hben wir bereits ds unbestimmte und ds bestimmte Integrl und deren Eigenschften ennengelernt. Ersteres liefert die Menge der Stmmfuntionen einer

Mehr