2 Extrema unter Nebenbedingungen
|
|
- Mona Brahms
- vor 6 Jahren
- Abrufe
Transkript
1 $Id: lagrange.tex,v /11/06 14:26:21 hk Exp hk $ 2 Extrema unter Nebenbedingungen 2.1 Restringierte Optimierungsaufgaben Nachdem wir jetzt die bereits bekannten Techniken zur Bestimmung der lokalen und globalen Maxima und Minima wiederholt haben, wollen wir nun zu einem neuen Problemtyp kommen, den restringierten Maximierungs- beziehungsweise Minimierungsaufgaben. Diese Aufgabenstellungen werden manchmal auch unter dem Titel Extrema unter Nebenbedingungen verbucht. Wir beschreiben erst einmal die abstrakte Situation. Gegeben seien eine Menge M und eine reelle Funktion f : M R auf M. Bei den restringierten Aufgaben ist aber nicht die ganze Menge M von Interesse, sondern nur eine vorgegebene Teilmenge S M, die sogenannte Restriktionsmenge, und wir wollen die globalen Maxima und Minima von f auf der Menge S bestimmen, d.h. wir behandeln das globale Optimierungsproblem für die Einschränkung f S. Liegt M E selbst in einem normierten Raum E, so kann man weiter auch lokale Maxima und Minima von f auf S untersuchen. Bei uns wird M = U R n eine offene Teilmenge eines R n sein und f : U R soll zumindest stetig differenzierbar sein. Die Restriktionsmenge S U darf eine erst mal beliebige abgeschlossene Teilmenge von U sein. Der Unterschied zur bereits behandelten Situation liegt darin das wir uns S als eine niederdimensionale Menge denken, dass also insbesondere S = S sein wird. Tatsächlich haben wir diese Situation bereits eingangs einmal gesehen, bei der Optimierung der Funktion f(x, y) = x 2 y y 2 + 2x 2 + y auf M = B 1 (0) hatten wir ja insbesondere die Maxima und Minima von f auf dem Rand S := B 1 (0) bestimmt, und diese Rechnung war bereits ein restringiertes Optimierungsproblem wobei die Restriktionsmenge der Kreis S war. Dieses Beispiel hat uns auch bereits die erste Methode zur Lösung derartiger Probleme gezeigt, wir haben die Punkte (x, y) der Restriktionsmenge S durch einen reellen Parameter φ als x = cos φ, y = sin φ geschrieben, und das Problem damit in ein gewöhnliches eindimensionales Optimierungsproblem verwandelt. Diesen Ansatz kann man allgemein verfolgen und kommt dann zur Parametrisierungsmethode zur Lösung restringierter Optimierungsprobleme: Gegeben: Eine offene Menge U R n, eine stetig differenzierbare Funktion f : U R und eine abgeschlossene Restriktionsmenge S U. Die Funktion f besitze auf S ein Maximum. Gesucht: Der maximale Wert m := sup{f(x) x S} und eventuell ein oder alle x S mit f(x) = m. 5-1
2 Verfahren: Bestimme zunächst eine Parametrisierung von S, finde also eine offene Menge V R k, eine stetig differenzierbare Funktion ϕ : V U und eine abgeschlossene Teilmenge M V mit S = ϕ(m), dabei ist k normalerweise die Dimension von S. Dann bilden wir die stetig differenzierbare Funktion F := f ϕ : V R n, und berechnen s := sup{f (x) x M}, sowie je nach Bedarf die Punkte x M mit F (x) = s. Dies geschieht mit den üblichen Methoden, also Gradient gleich Null setzen und Überprüfen des Randes von M. Ergebnis: Das gesuchte Maximum ist m = s und es wird in den Punkten ϕ(x) angenommen wobei x M die Punkte mit F (x) = s durchläuft. Entsprechend geht man für Minima vor. Zur Berechnung lokaler Extrema kann das Verfahren noch etwas modifiziert werden, ist in ϕ(x) ein lokales Extremum von f S, so hat F in x ein lokales Extremum desselben Typs, wir können also alle Kandidaten für lokale Extrema berechnen. Allerdings ist nicht umgekehrt jeder Wert ϕ(x) ein lokales Extremum von f S nur weil x eines von F ist, dies kommt auf die spezielle Situation an. Hier muss für jeden der ermittelten Kandidaten im Einzelfall bestimmt werden ob wirklich ein lokales Extremum vorliegt. Wir wollen jetzt drei kleine Beispiele rechnen und beginnen mit f : R 3 R; (x, y, z) z 2 xy 3x + 5y und als Restriktionsmenge verwenden wir die Ebene S := {(x, y, z) R 3 x + y + z = 1}. Hier ist es leicht eine Parametrisierung von S herzustellen indem wir einfach die S definierende Gleichung nach einer der Variablen auflösen, schreiben wir etwa z = 1 x y, so ergibt sich die Parametrisierung ϕ : R 2 R 3 ; (x, y) (x, y, 1 x y). Für die Funktion F := f ϕ : R 2 R erhalten wir für alle x, y R F (x, y) = f(x, y, 1 x y) = (1 x y) 2 xy 3x + 5y = x 2 + y 2 + xy 5x + 3y + 1. Die kritischen Punkte von F ergeben sich als Lösungen des Gleichungssystems F x F y = 2x + y 5 = 0, = 2y + x + 3 = 0, also y = 5 2x und 13 3x = 0 und somit hat F einen eindeutigen kritischen Punkt in (13/3, 11/3). Um den Typ dieses kritischen Punkts zu bestimmen, berechnen wir die zweiten partiellen Ableitungen von F 2 F x 2 = 2, 2 F y 2 = 2, 2 F x y = 1, 5-2
3 und erhalten die Hesse-Matrix H von F im kritischen Punkt als ( ) 2 1 H =, 1 2 und diese Matrix ist wegen det H = 3 > 0 nach dem Hadamard-Kriterium II. 6.Satz 14 positiv definit. Damit hat F im kritischen Punkt ein lokales Minimum. Beachten wir das F eine quadratische Funktion ist und verwenden den Satz über die Hauptachsentransformation II. 6.Satz 10 so folgt das hier sogar das globale Minimum der Funktion F vorliegt. Wegen ϕ(13/3, 11/3) = (13/3, 11/3, 1/3) hat die Funktion f auf der Ebene S im Punkt (13/3, 11/3, 1/3) ihr globales Minimum und es gibt keine weiteren lokalen Extrema von f auf S. Als ein weiteres Beispiel wollen wir die Funktion f : R 3 R; (x, y, z) xy + z behandeln, wobei die Restriktionsmenge S := {x R 3 : p 2 = r} die Kugeloberfläche mit Mittelpunkt in 0 und einem Radius r > 0 ist. Zur Parametrisierung von S verwenden wir die in 1.2 besprochenen Kugelkoordinaten und schreiben x = r cos φ sin ψ, y = r sin φ sin ψ und z = r cos ψ mit 0 φ 2π, 0 ψ π. Die Funktion F wird zu F (φ, ψ) = r 2 sin φ cos φ sin 2 ψ + r cos ψ = r2 2 sin(2φ) sin2 ψ + r cos ψ und wir müssen diese auf der Menge M := [0, 2π] [0, π] maximieren beziehungsweise minimieren. Für φ, ψ R haben wir F φ = r2 cos(2φ) sin 2 ψ =! 0 F ψ = r2 sin(2φ) sin ψ cos ψ r sin ψ = r sin ψ (r sin(2φ) cos ψ 1) =! 0. Zur Bestimmung von Kandidaten für die lokalen Extrema machen wir eine Fallunterscheidung. Fall 1. Zunächst sei sin ψ = 0. Für die Berechnung der globalen Extrema kann man diesen Fall wegen (φ, ψ) / M ignorieren, für den lokalen Fall muss man ihn sich aber anschauen. Aus Periodizitätsgründen können wir ψ = 0 oder ψ = π annehmen, haben also die beiden Kandidatenpunkte p 1 := (0, 0, r) und p 2 := (0, 0, r), also Nord- und Südpol unserer Kugel. Schauen wir uns den Nordpol näher an. Umgebungen des Nordpols werden durch [0, 2π] [0, ɛ) mit ɛ > 0 parametrisiert und für 5-3
4 jedes 0 ψ < ɛ haben wir m(ψ) := min F (φ, ψ) = r2 0 φ 2π 2 sin2 ψ + r cos ψ, r2 M(ψ) := max F (φ, ψ) = 0 φ 2π 2 sin2 ψ + r cos ψ. Es sind m (ψ) = r 2 sin ψ cos ψ r sin ψ = r sin ψ (r cos ψ + 1) < 0 für ausreichend kleine ψ und M (ψ) = r 2 sin ψ cos ψ r sin ψ = r sin ψ (r cos ψ 1). Damit kann im Nordpol kein lokales Minimum vorliegen. Ist r 1, so ist M (ψ) 0 für ausreichend kleine ψ, also hat die Funktion f dann im Nordpol ein lokales Maximum auf S. Ist dagegen r > 1, so ist M (ψ) > 0 für ausreichend kleine ψ, also hat f dann auch kein lokales Maximum im Nordpol, d.h. für r > 1 liegt im Nordpol kein lokales Extremum von f auf S vor. Analog hat f im Südpol für r 1 ein lokales Minimum aber für r > 1 hat f auch im Südpol kein lokales Extremum. Fall 2. Nun sei sin ψ 0, und dann können wir uns auf 0 < ψ < π normieren. Wir erhalten cos(2φ) = 0 und r sin(2φ) cos ψ = 1. Wegen cos(2φ) können wir φ {π/4, 3π/4, 5π/4, 7π/4} annehmen, also φ = φ i für ein i {1, 2, 3, 4} mit φ 1 = π 4, φ 2 = 3π 4, φ 3 = 5π 4 und φ 4 = 7π 4. Es ist weiter also erhalten wir sin(2φ) = { 1, i {1, 3}, 1, i {2, 4}, cos ψ = ± 1 r. Wegen 0 < ψ < π ist cos ψ < 1, also kann dieser Fall für r 1 gar nicht vorkommen. Nun nehmen wir r > 1 an, und dann ist sin ψ = 1 cos 2 ψ = r2 1 r und ψ = { arccos(1/r), i {1, 3}, arccos( 1/r) = π arccos(1/r), i {2, 4}. 5-4
5 Wir erhalten vier Kandidaten für lokale Extrema von f auf S ( ) r2 1 r2 1 p 3 :=,, 1, 2 2 ( ) r2 1 r2 1 p 4 :=,, 1, 2 2 ( ) r2 1 r2 1 p 5 :=,, 1, 2 2 ( ) r2 1 r2 1 p 6 :=,, Die Untersuchung des Typs dieser Punkte stellen wir noch etwas zurück. Die Funktionswerte in den bisher gefundenen Kandidaten sind f(p 1 ) = r, f(p 2 ) = r, f(p 3 ) = f(p 5 ) = r , f(p 4 ) = f(p 6 ) = r Schauen wir uns noch die Funktionswerte auf den Randpunkten (φ, ψ) M an, also für 0 ψ π und F (0, ψ) = F (2π, ψ) = r cos ψ F (φ, 0) = r, F (φ, π) = r für 0 φ 2π. Insgesamt haben damit eingesehen: 1. Ist r 1, so hat f auf im Nordpol sein globales Maximum r und im Südpol sein globales Minimum r. Es gibt keine weiteren lokalen Extrema. 2. Ist r > 1, so ist (r 2 + 1)/2 > r, also nimmt f auf S in den beiden Punkten p 3 und p 5 sein globales Maximum (r 2 + 1)/2 und in den beiden Punkten p 4 und p 6 sein globales Minimum (r 2 + 1)/2 an. Es gibt keine weiteren lokalen Extrema. Insbesondere ist damit der Typ der Kandidatenpunkte im zweiten Fall geklärt. Wir kommen zu einem letzten Beispiel bei dem die Restriktionsmenge durch zwei Gleichungen gegeben ist. Wir betrachten die durch die beiden Gleichungen x 2 + y 2 = 1 2x + y z = 2 gegebene Teilmenge S R 3. Die Menge S ist der Schnitt eines Zylinders mit einer Ebene, also eine im Raum liegende Ellipse. Als zu optimierende Funktion verwenden wir f : R 3 R; (x, y, z) x 2 + 3xy + yz 2y. 5-5
6 Wir müssen zunächst eine Parametrisierung der Ellipse S finden. Hierzu schreiben wir die durch die zweite Gleichung gegebene Ebene E als E = p + v 1, v 2 mit p = 2, v 1 = 1, v 2 = Die Punkte von E haben also die Form p + tv 1 + sv 2 = s t 2 t + 2s mit t, s R. Setzen wir x = s, y = t 2 in die zweite Gleichung ein, so wird diese zu s 2 + (t 2) 2 = 1, in der Parameterebene haben wir also einen Kreis mit Mittelpunkt (2, 0) und Radius 1. Diesen können wir für 0 φ 2π parametrisieren mit t = 2 + cos φ, s = sin φ und wir erhalten die Parametrisierung der Restriktionsmenge S durch Für 0 φ 2π ist weiter F (φ) := f(sin φ, cos φ, 2 + cos φ + 2 sin φ) ϕ(φ) = (sin φ, cos φ, 2 + cos φ + 2 sin φ). = sin 2 φ + 3 sin φ cos φ + 2 cos φ + cos 2 φ + 2 sin φ cos φ 2 cos φ = sin(2φ). Damit sind und max 0 φ 2π F (φ) = 7 2 angenommen für φ = φ 1 = π 4, φ = φ 2 = 5π 4 min F (φ) = 3 0 φ 2π 2 angenommen für φ = φ 3 = 3π 4, φ = φ 4 = 7π 4. Wegen sin φ 1 = cos φ 1 = 1/ 2, sin φ 2 = cos φ 2 = 1/ 2, sin φ 3 = 1/ 2, cos φ 3 = 1/ 2, sin φ 4 = 1/ 2 und cos φ 4 = 1/ 2 nimmt f sein globales Maximum 7/2 auf S in den Punkten p 1 = ( 1 2, 1, ) 2 2 und p 2 = ( 1, 1, 2 3 ) an und das globale Minimum 3/2 auf S ist in den Punkten ( 1 p 3 = 2, 1, ) ( und p 4 = 1 1,, 2 1 ) Es gibt keine weiteren lokalen Extrema. 5-6
7 2.2 Lagrange-Multiplikatoren Wie wir im vorigen Abschnitt gesehen haben, erlaubt die Parametrisierungsmethode es uns weiterhin die aus dem letzten Semester gewohnten Methoden auch für restringierte Optimierungsaufgaben zu verwenden. Die Methode hat allerdings einen Nachteil, man muss erst einmal eine Parametrisierung der Restriktionsmenge S finden. In unseren Beispielen war dies immer leicht möglich da wir entweder die S definierende Gleichung nach einer ihrer Variablen auflösen konnten oder es sich bei S um ein vertrautes Objekt, wie Kreise, Ebenen, Zylinder, Kugeln und so weiter, handelte. In diesem Abschnitt wollen wir eine raffiniertere Methode zur Lösung von Optimierungsaufgaben mit Nebenbedingungen behandeln die auch funktioniert wenn wir für die Restriktionsmenge keine, oder zumindest keine gut handhabbare, Parametrisierung finden. Diese sogenannte Methode der Lagrange-Multiplikatoren kann auf zwei verschiedene Arten begründet werden, zum einen geometrisch und zum anderen optimierungstheoretisch. Den geometrischen Zugang stellen wir noch etwas zurück, und beginnen mit der zweiten Methode. Diese beruht auf dem sogenannten Lagrangeschen Ergänzungsansatz, den wir im nächsten Lemma explizit formulieren werden. In den folgenden Überlegungen gibt es immer zwei mögliche Varianten zu betrachten, eine für Maxima und eine für Minima. Um die Notation und die Formulierungen unserer Aussagen nicht zu überlasten, werden wir zumeist nur die Formulierung für Maxima angeben, für Minima ist dann alles analog und wir werden die Ergebnisse dieses Abschnitts auch ohne weiteren Kommentar entsprechend für Minima anwenden. Lemma 2.1 (Lagrangesche Ergänzungsmethode) Seien M eine Menge, S M eine Teilmenge und f : M R eine reelle Funktion auf M. Weiter sei λ : M R eine Funktion die auf S konstant ist und betrachte die Funktion Λ := f + λ : M R. Ist dann x 0 S ein globales Maximum von Λ, also Λ(x 0 ) = sup Λ(x), x M so ist x 0 auch ein globales Maximum von f auf S, d.h. es gilt f(x 0 ) = sup f(x). x S Beweis: Sei c R mit λ(x) = c für alle x M. Für jedes x M gilt nach unserer Annahme Λ(x 0 ) Λ(x) und für jedes x S folgt damit auch f(x) = f(x) + c c = Λ(x) c Λ(x 0 ) c = f(x 0 ), d.h. f(x 0 ) f(x) und somit ist x 0 ein globales Maximum von f auf S. Die hier auftauchende Lagrange-Funktion λ ist eine reine Hilfsgröße, die im allgemeinen Fall keinerlei eigenständige Bedeutung besitzt. Sie muss unter den auf der Restriktionsmenge S konstanten Funktionen so gewählt werden, dass das globale Maximum 5-7
8 x 0 M von Λ = f +λ in die Menge S gezwungen wird und damit x 0 S erfüllt. Wie solch eine Lagrange-Funktion zu finden ist, bedarf in der Regel einer an die spezifische Situation angepassten Idee. Die Methode der Lagrange-Multiplikatoren ist jetzt ein standardisierter Spezialfall dieses allgemeinen Lagrangeschen Ergänzungsansatzes. Gegeben seien eine offene Menge U R n und eine stetig differenzierbare Funktion f : U R. Die Restriktionsmenge S U sei durch ein System aus r N vielen Gleichungen mit stetig differenzierbarer linker Seite gegeben, d.h. wir haben stetig differenzierbare Funktionen g 1,..., g r : U R und setzen S := {x U g 1 (x) = = g r (x) = 0} U. Wir wollen das Maximum beziehungsweise das Minimum der Funktion f auf S bestimmen. Dabei möchten wir den Lagrangeschen Ergänzungsansatz verwenden, und setzen die Lagrange-Funktion λ in der Form λ : U R; x r λ k g k (x) an, wobei λ 1,..., λ r R noch zu bestimmende reelle Parameter sind, die sogenannten Lagrange-Multiplikatoren. Da die Funktionen g 1,..., g r nach Definition der Menge S auf S identisch Null sind, ist auch die Linearkombination λ der g 1,..., g r auf S konstant gleich Null. Außerdem ist λ eine stetig differenzierbaren Funktion, bilden wir also die Funktion r Λ := f + λ : U R; x f(x) λ k g k (x) so ist auch Λ stetig differenzierbar. Wir benötigen einen Punkt x 0 S in dem Λ ein globales Maximum hat. Insbesondere muss Λ in x 0 dann nach II. 8.Satz 24 einen kritischen Punkt haben, d.h. für jedes 1 i n muss Λ x i (x) = f x i (x) r k=1 k=1 k=1 λ k g k x i (x) = 0 gelten. Dies sind bereits n Gleichungen und beachten wir noch das x 0 S die Gültigkeit der r Gleichungen g j (x 0 ) = 0 für 1 j r bedeutet, so haben wir insgesamt n + r Gleichungen für die n + r vielen Unbekannten x 0 = (x 1,..., x n ), λ 1,..., λ r. Diese Überlegung führt uns auf eine Strategie zur Berechnung eines globalen Maximums von f auf S. Wir lösen die obigen n + r Gleichungen und erhalten einen Punkt x 0 S sowie die Lagrange-Multiplikatoren λ 1,..., λ r. Können wir dann nachweisen das die obige Funktion Λ in x 0 ein globales Maximum besitzt, so ist x 0 nach Lemma 1 auch ein globales Maximum von f auf S. Dies funktioniert dann auch in der lokalen Situation, hat die Funktion Λ in x 0 ein lokales Maximum, so existiert eine offene Menge V R n mit x 0 V U so, dass Λ V in x 0 ein globales Maximum hat, und wie bereits 5-8
9 gesehen hat f S V damit ebenfalls ein globales Maximum in x 0, d.h. x 0 ist ein lokales Maximum von f auf S. Bevor wir zu theoretischen Überlegungen kommen, wollen wir uns erst einmal anschauen, wie dieses Rechnung in den drei Beispielen des vorigen Abschnitts aussieht. Wir beginnen mit der Funktion f : R 3 R definiert durch f(x, y, z) = z 2 xy 3x + 5y für alle x, y, z R und als Restriktionsmenge verwenden wir die Ebene S := {(x, y, z) R 3 x+y +z = 1}. Hier sind also n = 3, r = 1 und g 1 = g : R 3 R ist die Funktion mit g(x, y, z) = x + y + z 1 für alle x, y, z R. Wir haben einen Lagrange-Multiplikator λ 1 = λ und müssen das folgende aus vier Gleichungen bestehende System lösen: (1) y 3 λ = 0, (2) 5 x λ = 0, (3) 2z λ = 0, (4) x + y + z = 1. Dies ist ein lineares Gleichungssystem für die vier Unbekannten x, y, z, λ das wir wie üblich lösen und damit sind λ = 2 3, z = 2λ 1 = 1, y = λ 3 = , x = 5 λ = Dies ist tatsächlich genau das globale Minimum von f auf S das wir schon im vorigen Abschnitt gefunden haben. Nach Konstruktion liegt in p = (13/3, 11/3, 1/3) ein kritischer Punkt der ergänzten Funktion Λ(x, y, z) = f(x, y, z) 2 3 g(x, y, z) = z2 xy 11 3 x y 2 3 z + 2 3, deren Hesse-Matrix in p wegen gleich Λ x 11 = y 3, Λ y H = = x , Λ z = 2z
10 ist. Die Eigenwerte von H sind λ 1 = 1, λ 2 = 1 und λ 3 = 2, diese Matrix ist also indefinit und in p liegt kein lokales Extremum von Λ vor. Wir können hier also nicht das Lemma 1 verwenden um zu begründen das in p auch nur ein lokales Minimum von f in S liegt. In diesem Beispiel liefert die Methode der Lagrange-Multiplikatoren also den richtigen Punkt, kann aber nicht direkt entscheiden das es sich um ein globales Minimum handelt. Im zweiten Beispiel hatten wir die Funktion f : R 3 R mit f(x, y, z) = xy + z für alle x, y, z R auf der Restriktionsmenge S = {x R 3 : x 2 = r} mit r > 0 untersucht. Mit den obigen Bezeichnung ist also g(x, y, z) = x 2 + y 2 + z 2 r 2 und wir haben die Gleichungen (1) y 2λx = 0, (2) x 2λy = 0, (3) 1 2λz = 0, (4) x 2 + y 2 + z 2 = r 2. Die Gleichungen (1) und (2) sind ein homogenes lineares Gleichungssystem für x, y mit Determinante 2λ 1 1 2λ = 4λ2 1 = (2λ 1) (2λ + 1). Ist also λ ±1/2, so haben wir x = y = 0 und (4) ergibt z = ±r, und wir haben wieder Nord- und Südpol unserer Kugel. Ist λ = 1/2, so bedeuten die Gleichungen (1) und (2) beide x = y und (3) liefert z = 1. Einsetzen in (4) ergibt schließlich 2x 2 = r 2 1, also r 1 und x = y = ± (r 2 1)/2. Im letzten Fall λ = 1/2 haben wir dagegen nach (1) und (2) diesmal y = x, nach (3) ist z = 1 und (4) wird zu 2x 2 = r 2 1 also wieder r 1 und x = ± (r 2 1)/2, y = (r 2 1)/2. Wir haben also erneut genau diejenigen Punkte erhalten die sich schon bei unserer Rechnung über die Parametrisierung durch Kugelkoordinaten ergeben hatten. 5-10
Optimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
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.
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
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
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrExtrema mit Nebenbedingungen
Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
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
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrÜbung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher
Technische Universität Chemnitz 1. Juli 20 Fakultät für Mathematik Höhere Mathematik I.2 Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher 1. Durch ein
Mehr3 Vektorbündel und das Tangentialbündel
$Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
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.
MehrHöhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2
Höhere Mathematik III WS 5/6 Lösungshinweis Aufgabe G 11 Blatt Die zu optimierende Zielfunktion ist der Abstand zum Ursprung. Ein bekannter Trick (Vereinfachung der Rechnung) besteht darin, das Quadrat
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrPartielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung
Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung Jörn Loviscach Versionsstand: 29. Juni 2009, 18:41 1 Partielle Ableitungen, Gradient Die Ableitung einer Funktion f an einer
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
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
Mehr6.2 Extremwertaufgaben mit Nebenbedingung
6.. Extremwertaufgaben mit Nebenbedingung 87 6. Extremwertaufgaben mit Nebenbedingung Betrachten wir jetzt eine differenzierbare Funktion f:u R n R U offen in R n. Ist n = 3 und U eine glatte Fläche, dann
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrKapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3
Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
Mehr13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01
. Klasse TOP 0 Grundwissen Geradengleichungen 0 Punkt-Richtungs-Form Geraden sind gegeben durch einen Aufpunkt A (mit Ortsvektor a) auf der Geraden und einen Richtungsvektor u: x = a + λ u, λ IR. (Interpretation:
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
MehrDas Optimierungsverfahren mit Lagrange-Multiplikatoren. Robert Koschig (www.massmatics.de), 09/2012
Das Optimierungsverfahren mit Lagrange-Multiplikatoren Robert Koschig www.massmatics.de, 9/ Inhaltsverzeichnis Motivation. Wo taucht so etwas auf?...................................... Was ist das Problem?......................................
MehrVorlesung. 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.
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
Mehrlim Der Zwischenwertsatz besagt folgendes:
2.3. Grenzwerte von Funktionen und Stetigkeit 35 Wir stellen nun die wichtigsten Sätze über stetige Funktionen auf abgeschlossenen Intervallen zusammen. Wenn man sagt, eine Funktion f:[a,b] R, definiert
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
Mehr1. Klausur. für bau immo tpbau
1. Klausur Höhere Mathematik I/II für bau immo tpbau Wichtige Hinweise Die Bearbeitungszeit beträgt 120 Minuten. Verlangt und gewertet werden alle 6 Aufgaben. Bei Aufgabe 1 2 sind alle Lösungswege und
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
Mehr6. Funktionen von mehreren Variablen
6. Funktionen von mehreren Variablen Prof. Dr. Erich Walter Farkas 24.11.2011 Seite 1 Funktionen von mehreren Variablen n {1, 2, 3,...} =: N. R n := {(x 1,..., x n) x 1,..., x n R} = Menge aller n-tupel
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
MehrLie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was
$Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige
Mehr4 Das Riemann-Integral im R n
$Id: nintegral.tex,v 1.11 2012/11/27 14:07:09 hk Exp hk $ 4 Das Riemann-Integral im R n 4.3 Jordan-meßbare engen In der letzten Sitzung hatten wir schließlich das n-dimensionale Riemann-Integral auch auf
MehrSurjektive, 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
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
Mehr19.3 Oberflächenintegrale
19.3 Oberflächenintegrale Definition: Sei D R 2 ein Gebiet und p : D R 3 eine C 1 -Abbildung x = p(u) mit x R 3 und u = (u 1, u 2 ) T D R 2 Sind für alle u D die beiden Vektoren und u 1 linear unabhängig,
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrAufgaben für die 6. Übung zur Vorlesung Mathematik 2 für Informatiker: Analysis Sommersemester 2010
Aufgaben für die 6. Übung zur Vorlesung Mathematik für Informatiker: Analysis Sommersemester 00 6. Wie hat man eine reelle Zahl α > 0 so in a b 3 positive Summanden x, y, z zu zerlegen, damit fx, y x y
MehrMathematik Übungsblatt - Lösung. b) x=2
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Sommersemester 204 Technische Informatik Bachelor IT2 Vorlesung Mathematik 2 Mathematik 2 4. Übungsblatt - Lösung Differentialrechnung
Mehr3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)
3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände
MehrAnalysis II. Vorlesung 48. Die Hesse-Form
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen
Mehr8 Tangenten an Quadriken
8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung
MehrErzeugende Funktionen
Hallo! Erzeugende Funktionen sind ein Mittel um lineare Rekursionen schneller ausrechnen zu können. Es soll die Funktion nicht mehr als Rekursion angeschrieben werden, sondern so, dass man nur n einsetzen
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
MehrAbiturprüfung Mathematik 0 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit f() = ( sin() + 7) 5. Aufgabe : ( VP) Berechnen Sie eine Stammfunktion
MehrDie Taylorreihe einer Funktion
Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist
MehrFachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)
Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrLösungen zu Aufgabenblatt 7P
Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 205 9. Mai 205 Lösungen zu Aufgabenblatt 7P Aufgabe (Stetigkeit) (a) Für welche a, b R sind die folgenden Funktionen stetig in x 0
MehrAufgaben zu Kapitel 14
Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt
MehrGLEICHUNGEN MIT PARAMETERN
Mathematik-Olympiaden in Rheinland-Pfalz GLEICHUNGEN MIT PARAMETERN Fortgeschrittene Die Aufgaben auf diesem Arbeitsblatt haben alle eine elegante Lösungsidee. Bei vielen Gleichungen ist nach Anwenden
MehrDifferentialrechnung bei Funktionen mehreren Variablen
Kap. 6 Differentialrechnung bei Funktionen mehreren Variablen Im folgenden geht es um Funktionen des Typsf :R n R X... Y =f(x,...,x n ) X n Eine Weiterentwicklung der Differentialrechnung für solche Funktionen
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrTaylorentwicklung von Funktionen einer Veränderlichen
Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
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
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrDEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )
Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon
MehrLösungen der Probe-Vorklausur 1. Lösungen der Probe-Vorklausur 2
Bei allen Aufgaben muss der Rechenweg erkennbar sein (auch beim Bruchrechnen mindestens Zwischenschritt). Ohne Rechnung gibt es auch bei richtigem Ergebnis keine Punkte. Lösungen der Probe-Vorklausur Aufgabe
MehrDifferenzialrechnung
Mathe Differenzialrechnung Differenzialrechnung 1. Grenzwerte von Funktionen Idee: Gegeben eine Funktion: Gesucht: y = f(x) lim f(x) = g s = Wert gegen den die Funktion streben soll (meist 0 oder ) g =
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr7.2.1 Zweite partielle Ableitungen
72 72 Höhere Ableitungen 72 Höhere Ableitungen Vektorwertige Funktionen sind genau dann differenzierbar, wenn ihre Koordinatenfunktionen differenzierbar sind Es ist also keine wesentliche Einschränkung,
MehrNewton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme
Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es
Mehr27 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
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrVorlesung. Funktionen/Abbildungen
Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrWS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch
Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch WS 2010/2011 14. Januar 2011 Geometrie mit Übungen Übungsblatt 9, Musterlösungen Aufgabe 33. Es werden Kreise in der Euklidischen
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
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
MehrFormelanhang Mathematik II
Formelanhang Mathematik II Mechatronik 2. Sem. Prof. Dr. K. Blankenbach Wichtige Formeln: - Euler: e j = cos() + j sin() ; e -j = cos() - j sin() - Sinus mit Phase: Übersicht Differentialgleichungen (DGL)
MehrVorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker
Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker Übungsblatt Musterlösung Fachbereich Rechts- und Wirtschaftswissenschaften Wintersemester 06/7 Aufgabe (Definitionsbereiche) Bestimme
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
Mehr