Differentialrechnung im R n
|
|
- Uwe Vogt
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 9 Differentialrechnung im R n Bisher haben wir uns mit Funtionen beschäftigt, deren Verhalten durch eine einzelne Variable beschrieben wird. In der Praxis reichen solche Funtionen in der Regel nicht aus, um damit reale Problem zu modellieren. Vielmehr hängt das Ergebnis von mehreren relevanten Fatoren ab, womit man zu Funtionen mit mehreren Veränderlichen bzw. Variablen gelangt. Für diese mehrdimensionalen Funtionen lassen sich viele Eigenschaften, die wir für eindimensionale Funtionen ennen gelernt haben, in ähnlicher Form definieren. Einige Aspete sind im Mehrdimensionalen allerdings omplexer und auch weniger intuitiv. Wir beschränen uns auf eine relativ nappe Einführung der mehrdimensionalen Funtionen. Beispiele beschränen sich im Wesentlichen auf Funtionen mit zwei oder drei Variablen, deren Verhalten sich noch geometrisch vorstellen lässt. Das mathematisch Konzept ist aber für beliebige Dimensionen gültig. Bevor wir uns mit mehrdimensionalen Funtionen und deren Eigenschaften beschäftigen, werden im ersten Abschnitt einige Grundlagen des R n definiert. 9.1 Grundlagen des R n Definition 9.1 (Kartesisches Produt). Seien A 1, A 2,..., A n beliebige Mengen. Die Menge A 1 A 2 A n = {(a 1, a 2,..., a n ) a 1 A 1, a 2 A 2,..., a n A n } wird artesisches Produt genannt. Ihre Elemente (a 1, a 2,..., a n ) heißen n-tupel und jeder Eintrag a i (i = 1,... n) Komponente. Zwei n-tupel a und b sind gleich, wir schreiben a = b, wenn a i = b i für alle i = 1,... n. Notation: Sind alle Mengen A i gleich, also etwa A i = A für i = 1,... n, so schreibt man urz A n für das artesische Produt. Definition 9.2. Die Menge R n = {(x 1,..., x n ) x i R für i = 1,... n} heißt n-dimensionaler Eulidischer Raum. Die n-tupel x R n werden auch als Vetoren bezeichnet. 141
2 142 KAPITEL 9. DIFFERENTIALRECHNUNG IM R N Anmerung: Typischerweise werden Vetoren als Spaltenvetoren aufgefasst. Also x = x 1. x n = (x 1,..., x n ) T, wobei das hochgestellte T ennzeichnet, dass der Zeilenvetor transponiert und damit ein Spaltenvetor ist. Für Vetoren ann man arithmetische Operatoren und Vergleichsoperatoren definieren. Definition 9.3. Seien x, y R n und λ R. 1. x + y = (x 1 + y 1,..., x n + y n ) T Addition 2. λx = (λx 1,..., λx n ) T Salarmultipliation 3. x T y = x 1 y x n y n Salarprodut 4. x = x T x Eulidische Norm 5. d(x, y) = x y Abstand von x und y 6. x y i = 1,..., n.x i y i leiner gleich 7. x < y i = 1,..., n.x i < y i leiner Notation: Seien a, b R n. Dann bezeichnet [a, b] = {x R n a x b} = [a 1, b 1 ] [a n, b n ] und (a, b) = {x R n a < x < b} = (a 1, b 1 ) (a n, b n ) sowie entsprechend für [a, b) und (a, b]. Damit haben wir abgeschlossene, offene und halboffenen Intervalle für Vetoren definiert. Definition 9.4. Sei ε > 0 und x R n. Dann wird U ε (x) = { x R n x x < ε} eine ε-umgebung von x genannt. Für eine Menge M R n heißt ein Element x R n innerer Punt vom M, wenn ein ε > 0 mit U ε (x) M existiert; Randpunt vom M, wenn für jedes ε > 0 Elemente x, ˆx U ε (x) existieren mit x M und ˆx / M; isolierter Punt von M, wenn ein ε > 0 mit U ε (x) M = {x} existiert; Häufungspunt von M, wenn für jedes ε > 0 ein Element x U ε (x) M mit x x existiert. Die Menge aller inneren Punte von M wird mit M oder int(m), die Menge aller Randpunte mit M bezeichnet. Eine Menge M R n heißt offen, wenn jeder Punt von M ein innerer Punt ist, und sie heißt abgeschlossen, wenn sie alle ihre Häufungspunte enthält. Beispiel 9.1. (a, b) R n und U ε (x) sind offene Mengen, während [a, b] und {y R n y x ε} abgeschlossene Mengen sind. M \ M ist offen. M M ist abgeschlossen.
3 9.2. STETIGKEIT IM R N 143 Der Begriff der Konvergenz lässt sich relativ einfach auf den R n übertragen. Definition 9.5 (Normonvergenz). Eine Folge (x ) mit x R n für N ist onvergent gegen a R n genau dann wenn lim x a = 0. Satz 9.6. Im R n Konvergenz, also ist Normonvergenz gleichbedeutend mit omponentenweiser lim x() x = 0 i = 1,..., n. lim x() i = x i ;. Für den Beweis dieses Satzes ist folgendes Resultat hilfreich: Lemma 9.7. Sei x R n und die Eulidische Norm. Es gilt 0 max{ x 1,..., x n } x n max{ x 1,..., x n }. Beweis: Quadrieren der Ungleichungen liefert 0 max{x 2 1,..., x 2 n} und damit die Behauptung. n x 2 i n max{x 2 1,..., x 2 n} Beweis: (von Satz 9.6) Da wegen Lemma 9.7 gilt, dass x () x = (x () 1 x 1 ) (x () n x n ) 2 max{ x () i x i : i = 1,..., n} 0 und lim max{ x () i x i : i = 1,..., n} = 0 i = 1,..., n. lim x () i = x i, folgt omponentenweise Konvergenz aus Normonvergenz (s. Satz 3.10, Sandwich- Theorem). Da lim max{ x () i x i : i = 1,..., n} = 0 i = 1,..., n. lim x () i = x i und max{ x () i x i : i = 1,..., n} 1 n x () x 0 wegen Lemma 9.7 folgt Normonvergenz aus omponentenweiser Konvergenz (s. Satz 3.10, Sandwich- Theorem). lim x () = a für x () R n bedeutet also, dass der Abstand lim d(x (), a) = lim x () a = 0 gegen Null geht. Dies ist gleichbedeutend damit, dass x () omponentenweise gegen a onvergiert. Zum Beispiel lim x () = lim (2 + 1, 2 )T = (2, 0). 9.2 Stetigeit im R n Den Begriff der Stetigeit von Funtionen erweitern wir nun auf Funtionen mit mehreren Variablen. Dazu definieren wir zuerst den Begriff des Grenzwertes, den wir im vorherigen Abschnitt schon informell benutzt haben. Definition 9.8 (Grenzwert im R n ). Sei f : M R mit M R n eine Funtion und a ein Häufungspunt von M. Dann heißt lim x a f(x) = b ε > 0. δ > 0. f(x) b < ε für alle x M \ {a} mit x a < δ der Grenzwert von f in a.
4 144 KAPITEL 9. DIFFERENTIALRECHNUNG IM R N Eine Folge im R n ist analog zu einer Folge in R als (x ) N mit x = (x,1,..., x,n ) R n definiert. Eine Folge onvergiert gegen den Grenzwert a R n gdw. es zu jedem ε > 0 ein 0 N gibt, so dass x,i a i < ε für alle 0 und i {1,..., n} gibt. In analoger Form önnen wir auch den Begriff der Cauchy-Folge auf den R n übertragen. Beispiel 9.2. Wir betrachten die Folge x = ( 1, ) Der Grenzwert dieser Folge ist ( 0, 2 3), wie man leicht nachprüfen ann. So erhält man für ε = = 11 (nachrechnen). Definition 9.9 (Stetigeit im R n ). Eine Funtion f : M R mit M R n heißt stetig in y M für jede Folge (x ) mit x M, die gegen y strebt, onvergiert f(x ) gegen f(y). Ist f in jedem x M stetig, so heißt f stetig auf M. Um zu zeigen, dass eine Funtion in einem Punt nicht stetig ist, muss man zwei Folgen x und y finden, die den gleichen Grenzwert haben, aber für die lim f(x ) lim f(y ) gilt. Umgeehrt muss man zum Nachweis der Stetigeit zeigen, dass die Grenzwerte der Funtion für alle onvergenten Folgen identisch sind. Während es bei einer Funtion mit einer Variablen nur zwei Möglicheiten gibt, sich einem Punt anzunähern, gibt es im Mehrdimensionalen natürlich unendlich viele Möglicheiten, was die Analyse in manchen Fällen erschwert. Beispiel Seien f(x, y) = xy 1 + x 2 und lim + y2 x = a sowie lim y = b. Dann ist lim f(x, y ) = lim x y 1 + x 2 + y2 für alle (a, b) T R 2. Folglich ist f(x, y) stetig auf R Seien = ab 1 + a 2 = f(a, b) + b2 { xy f(x, y) = x 2 + y 2 für (x, y) T (0, 0) T 0 sonst und gelte x a sowie y b für. Mit (a, b) T (0, 0) T und (x, y ) T (0, 0) T für 0 gilt f(x, y ) f(a, b) für x und damit Stetigeit für R 2 \ {(0, 0) T }. Seien x und y nun Nullfolgen. Dann gilt lim f(x, y ) = lim x y x 2 + = lim y2 setze x = y x 2 2 x 2 = 1 f(0, 0) = 0. 2 Also ist f(x, y) nicht stetig in (0, 0) T. Dies ist nicht das einzige Gegenbeispiel: Wählt man etwa x = 1 und y = 2, dann ist lim f(x, y ) = 2 3.
5 9.3. PARTIELLE ABLEITUNGEN Partielle Ableitungen Wir haben die Ableitung bei Funtionen mit einer Variablen durch die Approximation des Funtionswertes in der Umgebung eines Puntes motiviert. Es wird die Tangente in einem Punt berechnet mit deren Hilfe man Funtionswerte in der Umgebung des Puntes approximieren ann (siehe Satz 5.2). Es stellt sich nun die Frage, wie man diese Idee auf Funtionen mit mehreren Variablen übertragen ann? Für Funtionen mit zwei Variablen lässt sich das Vorgehen gut vorstellen. Sei f(x 1, x 2 ) eine solche Funtion. Wenn wir den Funtionswert an einer Stelle (y 1, y 2 ) approximieren wollen und das Konzept der Approximation durch eine lineare Funtion übertragen, so müssen die Änderungen in beiden Variablen berücsichtigt werden. Somit ergibt sich für jede Variable eine Tangente, im zweidimensionalen Fall also eine Ebene. Der Funtionswert an der Stelle (y 1, y 2 ) wird dann durch f(y 1, y 2 ) f(x 1, x 2 ) + a 1 (y 1 x 1 ) + a 2 (y 2 x 2 ) approximiert. Die Werte für a 1 und a 2 müssen natürlich entsprechend bestimmt werden. Wie dies geschehen muss zeigt die partielle Ableitung. Definition 9.10 (Partielle Ableitung). Seien f : M R mit M R n und e () der -te Einheitsvetor für = 1,..., n im R n mit e () = 1 und e () i = 0 für i. Der Grenzwert f(x + h e (i) ) f(x) lim h 0 h f(x 1,..., x i 1, x i + h, x i+1,..., x n ) f(x 1,..., x n ) = lim h 0 h =: f(x) =: f xi (x) =: D i f(x) x i heißt partielle Ableitung (1. Ordnung) von f nach x i an der Stelle x M, sofern er existiert. Der aus den partiellen Ableitungen 1. Ordnung gebildete Vetor ( ) T f(x) := grad f(x) = f(x) x 1,, f(x) x n wird Gradient genannt. Sind diese partiellen Ableitungen stetig, dann ist f in x stetig partiell differenzierbar und wir schreiben f C 1. Handwerliches: Man erhält die partielle Ableitung von f nach x i, indem man alle Variablen außer x i als Konstanten auffasst und die dann nur noch von einer Variablen, nämlich x i, abhängige Funtion in gewohnter Weise ableitet. Dadurch ann man die bereits beannten Ableitungsregeln auch zur Bestimmung der partiellen Ableitungen nutzen. Beispiel 9.4. a) Sei f(x, y, z) = 2x 2 + 3xy + z. Die ersten partiellen Ableitungen lauten f x (x, y, z) = f y (x, y, z) = f z (x, y, z) = f(x, y, z) x f(x, y, z) y f(x, y, z) z = 4 x + 3 y = 3 x = 1
6 146 KAPITEL 9. DIFFERENTIALRECHNUNG IM R N mit Gradienten f(x, y, z) = (4 x + 3 y, 3 x, 1) T b) Sei f(x, y) = xy sin(xy). Die Produtregel führt zu: u = xy v = sin(xy) u x = y v x = y cos(xy) u y = x v y = x cos(xy) f x = u x v + v x u = y sin(xy) + xy 2 cos(xy) f y = u y v + v y u = x sin(xy) + x 2 y cos(xy) f(x, y) = (f x, f y ) T Es ist nun naheliegend, das Konzept der Ableitung, wie im eindimensionalen Fall, mehrfach anzuwenden und so zu Ableitungen höherer Ordnung zu gelangen. Im Prinzip ist dies auch möglich. Man muss sich allerdings vor Augen führen, dass man die partiellen Ableitungen nun aber mischen ann, so dass man erst nach x i und anschließend nach x j partiell ableitet. Dies führt zu n 2 partiellen zweiten Ableitungen. Allgemein gibt es n partielle -te Ableitungen. Wir werden uns deshalb auf die zweiten partiellen Ableitungen beschränen. Diese ann man auch noch in Form einer Matrix interpretieren. Definition Sei f : M R mit M R n. Wenn die n partiellen Ableitungen 1. Ordnung existieren und stetig sind, dann werden für i, j = 1,..., n die Ausdrüce 2 f(x) x j x i := f x i (x) x j 2 f(x) x n x 1 := f xix j (x) partielle Ableitungen 2. Ordnung von f nach x i und x j an der Stelle x M genannt. Die aus den partiellen Ableitungen 2. Ordnung gebildete quadratische Matrix 2 f(x) 2 f(x) x 1 x 1 x 1 x f(x) x 1 x n 2 f(x) 2 f(x) 2 x f(x) := H(x) := 2 x 1 x 2 x f(x) x 2 x n f(x) x n x f(x) x n x n heißt Hesse-Matrix. Sind die partiellen Ableitungen stetig, so schreiben wir f C 2. Handwerliches: Man erhält die partielle Ableitung 2. Ordnung von f nach x i und x j, wenn man zunächst partiell nach x i ableitet und anschließend das Resultat partiell nach x j ableitet. Beispiel 9.5. Sei f(x, y) = 2xy + 3x + 4x 2 y. Die ersten partiellen Ableitungen lauten f x = 2y xy und f y = 2x + 4x 2. Erneute partielle Ableitungen jeweils nach x und y liefern die partiellen Ableitungen zweiter Ordnung f xx = 8y, f xy = 2 + 8x, f yx = 2 + 8x und f yy = 0, ( ) 8y 2 + 8x die sich in der Hessematrix 2 f(x, y) = zusammenfassen lassen x 0
7 9.4. MINIMA UND MAXIMA 147 Satz 9.12 (Satz von Schwarz). (Ohne Beweis) Ist f : M R mit M R n in C 2, dann f xix j = f xjx i i, j = 1,..., n. Aus dem Satz von Schwarz folgt, dass die Reihenfolge, in der die partiellen Ableitungen vorgenommen werden, unter den genannten Voraussetzungen irrelevant ist. In diesem Fall gilt, dass die Hesse-Matrix symmetrisch ist. 9.4 Minima und Maxima Wir schon bei Funtionen mit einer Variablen ist auch im mehrdimensionalen Fall die Bestimmung von Minima und Maxima ein wichtiges Problem, bei dessen Lösung uns nun die partiellen Ableitungen helfen werden. Definition Sei f : M R mit M R n a) x M heißt globale Minimalstelle von f, falls x M.f(x ) f(x). Der Wert f(x ) wird dann globales Minimum genannt. b) x M heißt loale Minimalstelle von f, falls ε > 0. x U ε (x ) M.f(x ) f(x). Der Wert f(x ) wird dann loales Minimum genannt. c) Entsprechend spricht man von Maximalstellen und Maxima, wenn die Ungleichungen umgeehrt werden. Offensichtlich ist jede globale Minimal- bzw. Maximalstelle auch eine loale Minimalbzw. Maximalstelle. Die Umehrung ist i.a. falsch. Satz 9.14 (Notwendiges Kriterium). Sei f : M R für offenes M R n. Ist x M loale Extremalstelle von f und ist f in x partiell differenzierbar, so ist f(x ) = (0, 0,..., 0) T. Beweis: Ist x loale Extremalstelle von f, so auch für alle f i (x i ) := f(x 1,..., x i 1, x i, x i+1..., x n) mit x i = x i. Folglich gilt laut Satz 5.14 notwendig f i (x i ) = 0. Da f i (x i ) = f(x ) x i, folgt die Behauptung. Handwerliches: Nach Nullsetzen der n partiellen Ableitungen 1. Ordnung muss man im Allgemeinen ein nichtlineares Gleichungssystem lösen. Dies ist u.u. ein schwieriges mathematisches Problem, das nur mit Hilfe von numerischen Algorithmen approximativ gelöst werden ann. Alle Lösungen dieses Gleichungssystems sind ritische Punte oder stationäre Lösungen oder Lösungsandidaten für die Extremalaufgabe. Ob Extrema an diesen Stellen vorliegen und wenn ja, ob Minima oder Maxima, bedarf weiterer Untersuchung. Der folgende Satz zeigt, wie uns die zweiten Ableitungen bei der Bewertung der ritischen Punte helfen önnen. Satz (Ohne Beweis) Sei f : M R mit offenem M R n. Wenn die partiellen Ableitungen zweiter Ordnung existieren und stetig sind und außerdem f(x ) = (0, 0,..., 0) T für ein x M gilt, dann ist x eine a) loale Minimalstelle, wenn x T 2 f(x )x > 0 für alle x R n \ {0} 1 1 Die Hesse-Matrix ist in diesem Fall positiv definit.
8 148 KAPITEL 9. DIFFERENTIALRECHNUNG IM R N b) loale Maximalstelle, wenn x T 2 f(x )x < 0 für alle x R n \ {0} 2 Ist x T 2 f(x )x für mindestens ein x 1 negativ und ein x 2 positiv, so liegt ein Extremum vor. Spezialfall n ( = 2 2 fxx f(x) = f yx ) f xy f yy 1 = f xx (x ) 2 = f xx (x ) f yy (x ) fxy(x 2 ) {}} 1 { { }} 2 { x T 2 f(x )x > 0 f xx (x ) > 0 und f xx (x ) f yy (x ) fxy(x 2 ) > 0 x T 2 f(x )x < 0 f xx (x ) < 0 und f xx (x ) f yy (x ) fxy(x 2 ) > 0 Ist f xx (x ) f yy (x ) fxy(x 2 ) < 0 ein Extremum in x Ist f xx (x ) f yy (x ) fxy(x 2 ) = 0 eine Aussage möglich. Beispiel 9.6. a) f(x, y) = x 3 + y 3 3xy f x = 3x 2 3y =! 0 x 2! = y f y = 3y 2 3x =! 0 x =! y 2 ritische Punte (0, 0)T und (1, 1) T ( ) 6x 3 2 f(x, y) = ( 3 6y ) f(0, 0) = ist indefinit ( < 0) (0, 0) T eine Extremalstelle ( ) f(1, 1) = 3 6 } 1 = 6 > 0 loales Minimum: f(1, 1) = 1 2 = 6 6 ( 3)( 3) = 27 > 0 Globales Minimum? f(x, x) + für x und f(x, x) für x f unbeschränt ein globales Minimum. b) f(x, y) = x 2 + y 2 2xy + 1 f x = 2x 2y =! 0 x =! y f y = 2y 2x =! 0 x =! y ritische Punte (x, y)t mit x = y ( ) f(x, y) = > 0 und 2 = 0 so eine Entscheidung möglich Analyse durch Nachdenen und Abschätzung der Funtion f(x, y) = x 2 + y 2 2xy + 1 = (x y) wird angenommen, wenn x = y; also }{{} 0 für alle ritischen Punte alle Elemente in {(x, y) T R 2 x = y} sind loale und globale Minimalstellen. c) f(x, y) = x 2 + y 2 Offensichtlich: globales Minimum in (0, 0) T 2 Entsprechend ist die Hesse-Matrix negativ definit.
9 9.4. MINIMA UND MAXIMA 149 Analyse durch partielle Ableitung 1 f x = 2x f y = 2y 1 2 x 2 y 2 2 x 2 y 2 f x (0, y) = 0 für y 0 } f nicht simultan erfüllbar y (x, 0) = 0 für x 0 f x (0, 0) und f y (0, 0) nicht definiert partiellen Ableitungen in (0, 0) T d) Gegeben seinen N Punte x (1),..., x (N) R n. Für welches x R n wird die Summe der quadratischen Abstände zwischen x (i) und x minimal? N Formal: x (i) x 2 min! f(x) = N n ( x (i) j x j ) 2 j=1 }{{}}{{} beannt Variable alle Variablen mit Index j sind Konstanten! f(x) x = N = N j=1 n (x (i) j x j ) 2 x } {{} =0 für j x ( = N = 2 N ( ( N = 2 für = 1,..., n! Nx = N x (i)! x = 1 N N also: x = 1 N 2 f(x) x 2 2(x (i) x (i) }{{} onstant x )( 1) ) x x (i) x N x (i) = 2Nx 2 N N x (i) x (i) ist Lösungsandidat x (i) x }{{} V ariable ) ) 2! = 0 2N 0 = 2N und 2 f(x) x lx l = 0 für l 2 f(x) = N Offensichtlich ist x T 2 f(x)x = 2N n x 2 j = 2N x 2 > 0 für x 0. Loales Minimum! j=1
10 150 KAPITEL 9. DIFFERENTIALRECHNUNG IM RN
8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Mehr1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:
Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
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
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
MehrExtrema von Funktionen mit zwei Variablen
Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser
Mehr3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z
R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des
MehrMathematik 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
MehrPotenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt.
Potenzreihen Potenzreihen sind Funtionenreihen mit einer besonderen Gestalt. Definition. Ist (a ) eine Folge reeller (bzw. omplexer) Zahlen und x 0 R (bzw. z 0 C), dann heißt die Reihe a (x x 0 ) (bzw.
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
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
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
MehrKAPITEL 9. Funktionenreihen. 9.1 Taylor-Reihen Potenzreihen Methoden der Reihenentwicklung Anwendungen...
KAPITEL 9 Funtionenreihen 9. Taylor-Reihen.................................... 74 9.2 Potenzreihen..................................... 77 9.3 Methoden der Reihenentwiclung.......................... 90
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
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
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
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient
Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrSTETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN
STETIGKEITS- UN KONVERGENZMOI FÜR FUNKTIONEN UN FUNKTIONENFOLGEN. Vorbemerungen Im folgenden seien stets: (M, d), (K, ρ) metrische Räume, (V, V ) ein Banach-Raum (nicht notwendigerweise endlichdimensional!),
MehrPRÜFUNG AUS ANALYSIS F. INF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ANALYSIS F. INF. (GITTENBERGER) Wien, am 2. Juli 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8 P.) Sei f : R 2 R mit f(x, y) = e x
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrMathematik 2 für Wirtschaftsinformatik
für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Hinreichende Bedingung für lokale Extrema Voraussetzungen Satz D R n konvex und offen Funktion f : D R zweimal stetig partiell differenzierbar
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
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.
MehrDamit läßt sich die Aufgabe durch einfaches Rechnen zeigen: k=1
Aufgabe (4 Punte) Sei A eine n m-matrix Die Matrix A T ist die m n-matrix, die durch Vertauschen der Zeilen und Spalten aus A hervorgeht (dh: aus Zeilen werden Spalten, und umgeehrt) Die Matrix A T heißt
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
MehrB Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,
B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,
MehrThema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema
Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema In diesem Kapitel befassen wir uns mit der Ableitung von Funktionen f : R m R n. Allein die Schreibweise
MehrÜbungen zur Analysis II Blatt 27 - Lösungen
Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R
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
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
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
Mehrf(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.
Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
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
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
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:
Mehr28 Taylor-Formel, lokale Extrema
VII. Differentialrechnung in mehreren Variablen 458 28 Taylor-Formel, lokale Extrema Wir erinnern an den Mittelwertsatz für differenzierbare Funktionen f : D R (D R n offen) (vgl. 26.1): Sind a,b D Punkte,
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
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
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
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
MehrWirtschaftsmathematik Formelsammlung
Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation
Mehr26. Höhere Ableitungen
26. Höhere Ableitungen 331 26. Höhere Ableitungen Im letzten Kapitel haben wir gesehen, wie man für Abbildungen zwischen mehrdimensionalen Räumen das Konzept der Differenzierbarkeit definieren und für
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
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
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
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
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrDa der Nenner immer positiv ist, folgt. g (x) > 0 2x(2 x) > 0 0 < x < 2 g (x) < 0 2x(2 x) < 0 x < 0 oder x > 2
Da der Nenner immer positiv ist, folgt g (x) > 0 x( x) > 0 0 < x < g (x) < 0 x( x) < 0 x < 0 oder x > Also ist g auf (0,) streng monoton wachsend sowie auf (,0) und auf (, ) strengmonotonfallend.außerdemistg
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
Mehr2. Stetigkeit und Differenzierbarkeit
2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,
MehrOptimieren 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester
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
Mehr13. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben
MehrMinisterium für Schule und Weiterbildung NRW M LK HT 3 Seite 1 von 8. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Seite von 8 Unterlagen für die Lehrraft Abiturprüfung 009 Mathemati, Leistungsurs Aufgabenart Analysis Aufgabenstellung siehe Prüfungsaufgabe 3 Materialgrundlage entfällt Bezüge zu den Vorgaben 009 Inhaltliche
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 =
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
MehrWirtschaftsmathematik 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/
MehrKlausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 7.1 (Herbst 2015, Thema 1, Aufgabe 4) Gegeben sei das Dreieck und die Funktion f : R mit Bestimmen Sie f(
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
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 12 1. Dezember 2009 Kapitel 3. Differenzialrechnung einer Variablen (Fortsetzung) Satz 19. Es seien M und N zwei nichtleere Teilmengen von R,
MehrFolgen und Reihen von Funktionen
Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die
MehrÜbungen zu Funktionen mehrerer Veränderlicher. Lösungen zu Übung Betrachten Sie die durch. y 1 + x 2. z = gegebene Fläche.
Übungen zu Funktionen mehrerer Veränderlicher 5.1 Betrachten Sie die durch Lösungen zu Übung 5 gegebene Fläche. z = y 1 + x 2 (a) Zeichnen Sie die Höhenlinien in ein Koordinatensystem. (b) Veranschaulichen
MehrÜberbestimmte lineare Gleichungssysteme
Überbestimmte lineare Gleichungssysteme Fakultät Grundlagen September 2009 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme Übersicht 1 2 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 2008/2009 Übung 11 Einleitung Es wird eine 15-minütige Mikroklausur geschrieben. i) Sei D R oderd C. Wann heißt
MehrIn der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y
Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
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
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
MehrMathematik I Herbstsemester 2014
Mathematik I Herbstsemester 2014 www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 32 1 Stetigkeit Grenzwert einer
Mehr1 Reihen von Zahlen. Inhalt:
5 Kapitel 3 Reihen Reihen von Zahlen Inhalt: Konvergenz und Divergenz von Reihen reeller oder komplexer Zahlen, geometrische Reihe, harmonische Reihe, alternierende Reihen. Cauchy-Kriterium, absolute Konvergenz,
MehrWir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems
Kapitel 2 Newton Verfahren 2.1 Das lokale Newton Verfahren Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems F (x) = 0 (2.1) mit einer zumindest
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
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
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.
Mehr4.4 Taylorentwicklung
4.4. TAYLORENTWICKLUNG 83 4.4 Taylorentwicklung. Definitionen f sei eine reellwertige m + -mal stetig differenzierbare Funktion der n Variablen x bis x n auf einem Gebiet M R n. Die Verbindungsgerade der
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Informatier II (Sommersemester 00) Lösungen zu Aufgabenblatt
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrMATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST
Privatdozent Dr. C. Diem diem@math.uni-leipzig.de http://www.math.uni-leipzig.de/ diem/wiwi MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST Es folgt eine Musterlösung zusammen mit Anleitungen
MehrMathematik II. Kapitel III: Funktionen mit mehreren Variablen. 13. Mai 2015
13. Mai 2015 f(x,y) = sin(x 2 +y 2 ) f(x,y) = sin x 2 +y 2 x2 +y 2 +1 f(x,y) = x y x 2 +y 2 f(x,y) = x 2 y Niveaulinien von f(x,y) = 4 x 2 y 2 f(x,y) = 1 x2 y 2 x f(x,y) = x 2 +y 2 f(x,y) = x 2 +y 2 f(x,y)
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
Mehr