Seminar Gewöhnliche Dierentialgleichungen
|
|
- Frauke Gärtner
- vor 5 Jahren
- Abrufe
Transkript
1 Seminar Gewöhnliche Dierentialgleichungen Dynamische Systeme II Valentin Jonas Einleitung In dem letzten Kapitel "Dynamische Systeme I" ging es vor allem um in t glatte, autonome, dynamische Systeme und was man über ihre Lösungen aussagen kann. In dem Kapitel "Dynamische Systeme II" wollen wir uns kurz mit nicht-autonomen Systemen befassen und anschlieÿend die Annäherung von Lösungen mit Hilfe der Variationsgleichung betrachten. Zudem werden wir die Existenz der räumlichen Ableitungen des Flusses nachweisen. 2 Nicht-autonome Systeme 2.1 Nicht-autonome Systeme Zunächst wollen wir kurz nicht-autonome Dierentialgleichungen betrachten, um später mit deren Hilfe die Glattheit von autonomen Flüssen in X zu beweisen. Sei O R R n eine oene Menge und sei F : O R n aus C 1 in X und stetig in t. Sei (t, X ) O. Dann ist die Lösung der nicht-autonomen Dierentialgleichung X (t) = F (t, X), X(t ) = X eine dierenzierbare Funktion X(t) in R n für t in einem Intervall J, sodass 1. t J mit X(t ) = X und 2. (t, X(t)) O und X (t) = F (t, X(t)) für alle t J. Der Fundamentalsatz für nicht-autonome Dierentialgleichungen lautet wie folgt. Satz 2.1. Existenz und Eindeutigkeit Sei O R R n oen und F : O R n aus C 1 in X und stetig in t. Wenn (t, X ) O, dann existiert ein oenes Intervall J und eine eindeutige Lösung X, sodass t J: X = F (t, X) und X(t ) = X gilt. Der Beweis dieses Satzes ist analog zu dem Beweis für autonome Systeme (siehe dynamische Systeme I). 1
2 2.2 Systeme mit Matrizen Korollar 2.2. Sei A(t) eine stetige Familie von n n Matrizen und (t, X ) J R n. Dann hat das Startwertproblem X = A(t)X, X(t ) = X eine eindeutige Lösung für t J. Beispiel 2.3. Man betrachte die lineare, nicht-autonome Dierentialgleichung ersten Grades: x = a(t)x. Die eindeutige Lösung mit x() = x ist durch ( ) x(t) = x exp a(s)ds gegeben, was durch Ableiten leicht veriziert wird. Wir benötigen dabei nicht Dierenzierbarkeit von a(t), sondern nur Stetigkeit. (Bem: Es gilt das Linearitäts-Prinzip, das heiÿt aus Y = A(t)Y und Z = A(t)Z folgt α, β R : (αy + βz) = A(t)(αY + βz).) 2.3 Lipschitz-Stetigkeit Denition 2.4. Sei O R R n oen und F : O R n. Wir nennen F (t, X) Lipschitz-stetig in X, wenn eine Konstante K R existiert, sodass (t, X 1 ), (t, X 2 ) O : F (t, X 1 ) F (t, X 2 ) K X 1 X 2. Mit Hilfe der Lipschitz-Stetigkeit können wir nun folgenden Satz aufstellen: Satz 2.5. Abschätzung von Lösungen Sei O R R n oen mit (, X ) O. Seien die Funktionen F, G : O R n aus C 1 in X und stetig in t. Es gelte (t, X) O : F (t, X) G(t, X) < ɛ. (2.1) Sei K eine Lipschitz-Konstante in X für F (t, X). Falls X(t) und Y (t) die Gleichungen X = F (t, X) und Y = G(t, Y ) auf einem Zeitintervall J lösen und X() = X = Y () gilt, dann folgt t J : X(t) Y (t) ɛ (exp(k t ) 1). K Beweis. Es gilt für t J: Daraus folgt: X(t) Y (t) X(t) Y (t) = (X (s) Y (s))ds = (F (s, X(s)) F (s, Y (s))) ds + (F (s, X(s)) G(s, Y (s)))ds (F (s, Y (s)) G(s, Y (s))) ds 2
3 Mit Lipschitz-Stetigkeit und (2.1) erhalten wir X(t) Y (t) Sei u(t) := X(t) Y (t). Dann gilt K X(s) Y (s) ds + ( u(t) K u(s) + ɛ ) ds K u(t) + ɛ K ɛ ( K + K u(s) + ɛ ) ds. K Aus der Gronwall'schen Ungleichung folgt: u(t) + ɛ K ɛ exp(k t ) K ɛ ds. X(t) Y (t) ɛ K exp(k t ) ɛ K 3 Die Variationsgleichung In diesem Kapitel werden wir wieder autonome nicht-lineare Dierentialgleichungen betrachten. Die Variationsgleichung wird uns dabei helfen, Lösungen für ein System X = F (X) anhand einer bekannten Lösung zu approximieren. 3.1 Die Variationsgleichung Wir werden zunächst festlegen, was eine Variationsgleichung ist. Anschlieÿend werden wir ein Beispiel sehen und einen Satz beweisen. Wir betrachten also das autonome, nicht-lineare System X = F (X). Sei X(t) eine Lösung dieses Systems für t J = [α, β]. Wir wählen ein festes t J und setzen X(t ) = X. Für alle t J sei A(t) = DF X(t), die Jacobimatrix von F im Punkt X(t) R n. Da F aus C 1 ist, ist A(t) eine stetige Familie von n n Matrizen. Wir betrachten die nicht-autonome lineare Gleichung U = A(t)U. Diese Gleichung nennt man V ariationsgleichung entlang der Lösung X(t). Wir wissen aus Korollar 2.2, dass diese eine eindeutige Lösung hat, die für t J und für jeden Startwert U(t ) = U deniert ist. Wir können nun mit der Funktion t X(t) + U(t) eine Lösung Y (t) des Systems X = F (X) mit dem Startwert Y (t ) = X +U annähern (dabei nehmen wir an, dass U hinreichend klein ist). 3
4 Proposition 3.1. Man betrachte das System X = F (X), wobei F aus C 1 ist. Angenommen 1. X(t) löst X = F (X) für t [α, β] und erfüllt X(t ) = X 2. U(t) löst die Variationsgleichung entlang X(t) und erfüllt U(t ) = U 3. Y (t) löst X = F (X) und erfüllt Y (t ) = X + U Dann gilt gleichmäÿig in t. Daraus folgt ɛ > δ > : U δ: Y (t) (X(t) + U(t)) lim =. U U Y (t) (X(t) + U(t)) ɛ U für alle t [α, β]. Also wird t X(t) + U(t) für U eine immer bessere Approximation von Y (t). Da U(t) linear in U ist, benutzt man diese Annäherung. Beispiel 3.2. Man betrachte das nicht-lineare Dierentialgleichungssystem x = x + y 2 y = y. Oensichtlich löst X(t) (, ) das System. Wir berechnen nun die Jacobimatrix DF in X(t): ( ) d x dx F = d ( ) ( ) x + y 2 1 = y dx y ( ) d x dy F = d ( ) ( ) ( ) x + y 2 2y = = y dy y 1 1 ( ) 1 DF = 1 Die Variationsgleichung wird also gegeben durch U = DF (U) = ( ) 1 U, 1 was ein autonomes, lineares System ist. Wir haben also ein nicht-lineares System auf ein lineares, autonomes System reduziert und erhalten als Lösungen des Systems ( x e U(t) = t ) y e t. Proposition 3.1 garantiert, dass die Lösung des nicht-linearen Systems durch den Punkt (x, y ) auf dem Intervall [ τ, τ] gegen U(t) konvergiert, wenn (x, y ). 4
5 An dieser Stelle sei gesagt, dass diese Ergebnisse allgemein für nicht-lineare Systeme von Dierentialgleichungen gelten, da wir für jedes System X = F (X) mit einem Gleichgewichtspunkt X eine Variationsgleichung entlang X berechnen können. DF X ist eine konstante Matrix A und die Variationsgleichung U = AU somit ein autonomes, lineares System, welches wir linearisiertes System von X = F (X) in X nennen. Wir wissen auÿerdem, dass der Fluss des linearisierten Systems exp(ta)u ist, also gilt nach Proposition 3.1, dass in der Nähe eines Gleichgewichtspunkts eines nicht-linearen Systems das Phasenportrait dem des linearisierten Systems in X entspricht. Angenommen wir kennen die Lösung X(t), können wir nun mit Hilfe der Proposition 3.1 dφ berechnen. Satz 3.3. Sei X = F (X) ein Dierentialgleichungssystem wobei F aus C 1 ist. Sei X(t) deniert für t [α, β] eine Lösung des Systems mit X() = X und sei U(t, U ) die Lösung der Variationsgleichung entlang X(t), für die U(, U ) = U gilt. Dann folgt Dφ t (X )U = U(t, U ), das heiÿt, dass dφ angewandt auf U durch Lösen der entsprechenden Variationsgleichung durch U gegeben ist. Beweis. Mit Proposition 3.1 gilt für alle t [α, β] φ t (X + hu ) φ t (X ) U(t, hu ) Dφ t (X )U = lim = lim = U(t, U ). h h h h Also existiert die räumliche Ableitung. Beispiel 3.4. Um diese Ideen zu verdeutlichen, betrachten wir die Dierentialgleichung ersten Grades x = x 2. Eine einfache Integration zeigt, dass mit x() = x die Gleichung löst. Es folgt: x(t) = x x t 1 dφ dx (t, x ) = 1 (x t 1) 2 Wir erhalten zudem die Variationsgleichung für x(t) durch u = 2x(t)u = 2x x t 1 u. Die Lösung dieser Gleichung mit u() = u ist wie benötigt ( ) 1 2 u(t) = u. x t 1 5
6 3.2 Glattheit des Flusses Wir betrachten wieder (vergl. 3.1) eine autonome Dierentialgleichung X = F (X) mit der Variationsgleichung U = A(t)U entlang von X(t). Wir haben mit Satz 3.3 schon gezeigt, dass der Fluss φ(t, X) = φ t (X) auch in X ableitbar ist und den Wert dφ ermittelt. Es bleibt noch zu zeigen, dass dφ stetig ist. Wir betrachten alle Lösungen deniert für t J, wobei J abgeschlossen um ist. Ist U klein, so ist die Funktion t X(t) + U(t) eine gute Annäherung für eine Lösung Y (t) des Systems X = F (X) mit Y () = X + U. Sei also U(t, ξ) eine Lösung der Variationsgleichung mit U(, ξ) = ξ und ξ R n. Sei zudem X + ξ O und sei Y (t, ξ) eine Lösung des ursprünglichen Systems mit Y () = X + ξ. Proposition 3.5. Sei J ein abgeschlossenes Intervall um. Sei X(t) deniert auf J. Dann konvergiert gegen für alle t J. Y (t, ξ) X(t) U(t, ξ) lim ξ ξ Beweis. Folgende Integralgleichungen werden von X(t), Y (t, ξ) und U(t, ξ) erfüllt: Daraus folgt direkt: X(t) = X + Y (t, ξ) = X + ξ + U(t, ξ) = ξ + F (X(s))ds F (Y (s, ξ))ds DF X(s) (U(s, ξ))ds Y (t, ξ) X(t) U(t, ξ) F (Y (s, ξ)) F (X(s)) DF X(s) (U(s, ξ)) ds. Mit Hilfe der Taylor-Approximation von F in einem Punkt Z erhalten wir wobei F (Y ) = F (Z) + DF Z (Y Z) + R(Z, Y Z), R(Z, Y Z) lim =. Y Z Y Z Wir setzen Y = Y (s, ξ), Z = X(s) und erhalten Y (t, ξ) X(t) U(t, ξ) F (X(s)) + DF X(s) (Y (s, ξ) X(s)) + R(X(s), Y (s, ξ) X(s)) F (X(s)) DF X(s) (U(s, ξ)) ds. 6
7 Mit der Dreiecksungleichung und der Linearität von DF X(s) erhalten wir Y (t, ξ) X(t) U(t, ξ) DF X(s) (Y (s, ξ) X(s) U(s, ξ)) ds Wir denieren die linke Seite der Ungleichung als g(t) und setzen Also erhalten wir g(t) N + N := max ( DF X(s) s J). g(s)ds + Man wähle nun ɛ > und δ >, sodass R(X(s), Y (s, ξ) X(s)) ds. R(X(s), Y (s, ξ) X(s)) ds. R(X(s), Y (s, ξ) X(s)) ɛ Y (s, ξ) X(s), wobei Y (s, ξ) X(s) δ für s J gilt. Es existieren nun Konstanten K und δ 1 >, sodass Y (s, ξ) X(s) ξ exp(ks) δ für ξ δ 1 und s J. Sei ξ δ 1, dann gilt für t J sodass g(t) N g(t) N g(s)ds + ɛ ξ e Ks ds, g(s)ds + Cɛ ξ für eine Konstante C, die abhängig von der Gröÿe von K und der Länge von J gewählt wird. Wir wenden nun die Gronwall'sche Ungleichung an und erhalten g(t) Cɛe Nt ξ für t J und ξ δ 1. Da ɛ als beliebige positive Zahl gewählt wurde, folgt g(t) ξ für t J, was die Proposition beweist. Mit Hilfe dieser Proposition sind wir nun in der Lage zu beweisen, dass Flüsse glatt, also aus C 1 sind. Satz 3.6. Glattheit von Flüssen Der Fluss φ(t, X) des autonomen Systems X = F (X) ist eine C 1 -Funktion in X. Also existieren dφ dφ dt und, welche stetig in t und X sind. 7
8 Beweis. Oenbar ist dφ(t,x) dt = F (φ t (X)) stetig (wie wir aus "Dynamische Systeme I"wissen). Die Existenz und der Wert von dφ folgt aus Satz 3.3. Zu zeigen ist also noch die Stetigkeit von dφ(t,x ) in X. Seien also X und X Startwerte der Lösungen X t (X ) und X t ( X ) von X = F (X) mit X X δ. Man erhält die zugehörigen Jacobimatrizen Wir denieren Es folgt A(t) = DF (X t (X )) Ã(t) = DF (X t ( X )). G(t, Y ) = A(t)Y G(t, Y ) = Ã(t)Y. G(t, Y ) G(t, Y ) = (DF (X t (X )) DF (X t ( X )))Y ɛ Y Cɛ für ein ɛ > und (t, Y ) beschränkt, da X X δ. Nun können wir Satz 2.5 anwenden und erhalten U X (t) U X (t) ɛ K (exp(k t ) 1) C ɛ für eine Konstante C. Damit ist die Stetigkeit von dφ(t,x ) dierenzierbar in t und in X. bewiesen, und φ(t, X) ist stetig Wir gehen abschlieÿend noch kurz auf Gleichgewichtspunkte in Flüssen ein. Wir wählen X e, sodass φ t (X e ) X e. Sei A = DF Xe, dann erhalten wir d dt (Dφ t(x e )) = ADφ t (X e ) mit Dφ (X e ) = I. Die Lösung dieser Gleichung ergibt sich (vergl. Matrizenexponential) durch Dφ t (X e ) = exp ta, also ist der Fluss in der Umgebung eines Gleichgewichtspunktes annähernd linear. 8
Seminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
MehrLimesmengen in planaren Systemen: Satz von Poincaré-Bendixson
Limesmengen in planaren Systemen: Satz von Poincaré-Bendixson Tobias Bohl 1 Einleitung Im letzten Vortrag haben wir viel von Gleichgewichten gehört, dieser Vortrag handelt von einer anderen Möglichkeit,
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
MehrUniversität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.
Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor
MehrLösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.
Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )
MehrAnalysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme
Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme Jonathan Mosser 3. Juni 27 / 38 Vorbemerkungen Singularität Singuläre Probleme können auf zwei Arten formuliert
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
MehrDer Satz von Poincaré-Bendixson
Der Satz von Poincaré-Bendixson Benjamin Menüc benjamin@menuec.de 5. März 2005 Wir haben ein autonomes System ẋ = f(x) (1) E ist eine oene Teilmenge von R n und f C 1 (E). E wird auch Phasenraum von (1)
MehrPolynome, Stetigkeit, Dierenzierbarkeit
Polynome, Stetigkeit, Dierenzierbarkeit Inhaltsverzeichnis 1 Polynome 1 1.1 Denitionen...................................................... 1 1.2 Nullstellen.......................................................
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrFormelsammlung Analysis I & II
Formelsammlung Analysis I & II Wichtige eindimensionale Integrale: { x s dx = s+ xs+ + C falls s log x + C falls s = exp(x dx = exp(x + C cos(x dx = sin(x + C sin(x dx = cos(x + C sinh(x dx = cosh(x +
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrNumerik gewöhnlicher Differentialgleichungen. Prof. Dr. Guido Kanschat
Numerik gewöhnlicher Differentialgleichungen Prof. Dr. Guido Kanschat 19. Juni 2013 Vorbemerkungen Bei diesen Blättern handelt es sich zur Zeit nur um eine begleitende Ergänzung des Vorlesungsskriptes
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrUnterricht 13: Wiederholung.
, 1 I Unterricht 13: Wiederholung. Erinnerungen: Die kleinen Übungen nden diese Woche statt. Zur Prüfung müssen Sie Lichtbildausweis (Personalausweis oder Reisepass) Studierendenausweis mitbringen. I.1
MehrDas Singularitätentheorem von Hawking Teil 2
Das Singularitätentheorem von Hawking Teil Jakob Hedicke 0.06.06 In diesem Vortrag werden wir den Beweis des Singularitätentheorems von Stephen Hawking vervollständigen. Im letzten Vortrag wurde bereits
MehrGewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung
Gewöhnliche Differentialgleichungen Woche 7 Globale Existenz einer Lösung 7.1 Von lokal zu global Wir betrachten wiederum das Anfangswertproblem { y (x = f (x, y(x, y( = y 0. (7.1 Eine erste Erweiterung
MehrSinguläre Integrale 1 Grundideen der harmonischen Analysis
Singuläre Integrale Grundideen der harmonischen Analsis Jens Hinrichsen und Annina Saluz November 2007 Motivation Ein tpisches Beispiel für ein singuläres Integral ist die Hilbert-Transformation, welche
MehrTopologie metrischer Räume
Technische Universität München Christoph Niehoff Ferienkurs Analysis für Physiker Vorlesung Montag SS 11 In diesem Teil des Ferienkurses beschäftigen wir uns mit drei Themengebieten. Zuerst wird die Topologie
MehrÜbungen zu Differentialgleichungen (WiSe 12/13)
Übungen zu Differentialgleichungen WiSe 2/) Blatt 6 22 November 202 Gruppenübung Aufgabe G Sei f t, p) := p 5, t, p) R 2 Gegeben sei das Anfangswertproblem ẋ = f t,x), x0) = ) Bestimmen sie das maximale
MehrStochastik Approximationen der Binomialverteilung
Stochastik Approximationen der Binomialverteilung Stefan Englert stefan.englert@gmx.net 21. April 2007 Inhaltsverzeichnis 1 Approximation von n! und b n,p (k) 2 2 Der Satz von de Moivre-Laplace 6 3 Die
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
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
Mehrh n = (t t 0 )/n Bevor wir diesen Satz beweisen, geben wir noch einen Hilfssatz an, der eine wichtige Abschätzung liefert.
Kapitel 4 Berechnung von Lösungen 41 Die Euler sche Polygonzugmethode Die Grundlage dieser Methode ist die einfache Beobachtung, dass f(u, t) in der Nähe eines Punktes als nahezu konstant angesehen werden
Mehr6.1 Holomorphe Funktionen und Potenzreihen. n=0 α n (z z 0 ) n mit Konvergenzradius größer oder gleich r existiert und
Funktionentheorie, Woche 6 Analytische Funktionen 6. Holomorphe Funktionen und Potenzreihen Definition 6. Eine Funktion f : U C C nennt man analytisch in z 0 U, wenn es r > 0 gibt mit B r (z 0 ) U derart,
MehrDie Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass
Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.
MehrKlassifikation planarer Systeme
Klassifikation planarer Systeme Dieser Vortrag thematisiert die Klassifikation planarer Systeme. Man klassifiziert planare Systeme um einen besseren Überblick über die verschiedenen Verhaltensweisen von
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrKapitel 6 Differential- und Integralrechnung in mehreren Variablen
Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrKapitel 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
MehrTheorie der Anfangswertaufgaben
34 KAPITEL 3 Theorie der Anfangswertaufgaben In diesem Abschnitt geht es um eine allgemeine theoretische Untersuchung von Anfangswertaufgaben der Form: Anfangswertproblem: Dabei ist y (x) = f(x, y(x)),
MehrTotale Ableitung und Jacobi-Matrix
Totale Ableitung und Jacobi-Matrix Eine reelle Funktion f : R n R m ist in einem Punkt x differenzierbar, wenn f (x + h) = f (x) + f (x)h + o( h ) für h 0. Totale Ableitung 1-1 Totale Ableitung und Jacobi-Matrix
MehrDie von Neumannsche Ungleichung
Die von Neumannsche Ungleichung Dominik Schillo 12. November 2012 Satz (Die von Neumannsche Ungleichung) Seien p C[z] ein Polynom in einer Variablen und T L(H) eine Kontraktion (d.h. T 1). Dann gilt: p(t
Mehr8. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 8. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 01./02. Dezember 2009 Gruppenübung
MehrANALYSIS 1 Kapitel 6: Stetige Funktionen
ANALYSIS 1 Kapitel 6: Stetige Funktionen MAB.01012UB MAT.101UB Vorlesung im WS 2017/18 Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen Karl-Franzens-Universität Graz 6.1 Grundbegrie
Mehr12. Trennungssätze für konvexe Mengen 83
12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C
MehrKonvergenz im quadratischen Mittel und die Parsevelsche Gleichung
Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das
Mehre x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1
Aufgabe a Hier kann man die Regel von de l Hospital zweimal anwenden (jeweils und die Ableitung des Nenners ist für hinreichend große x ungleich. Dies führt auf e x e x e x + e x e x + e x e x e x e x
MehrAnalysis I. Guofang Wang , Universität Freiburg
Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrLösungsvorschläge zur ersten Klausur Gewöhnliche Differenzialgleichungen am um 10 Uhr. Bearbeitungszeit beträgt zwei Stunden.
Lösungsvorschläge zur ersten Klausur Gewöhnliche Differenzialgleichungen am 20.6.2015 um 10 Uhr. Bearbeitungszeit beträgt zwei Stunden. Prof. Dr. Wolfgang Arendt Manuel Bernhard Sommersemester 2015 Achten
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
Mehr49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit
49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit 49.1 Differenzierbarkeit 49.2 Eindeutigkeit des Differentials; Unabhängigkeit der Differenzierbarkeit von den gewählten Normen
MehrSchwartz Raum und gemässigte Distributionen
1 ETH Zürich (Pro)Seminar: Grundideen der Harmonischen Analysis Schwartz Raum und gemässigte Distributionen David Bernhardsgrütter und David Umbricht 18 Dezember 2007 Schwartz Raum und gemässigte Distributionen
MehrSkript zur Vorlesung Analysis 3
Skript zur Vorlesung Analysis 3 Herbstsemester 204 Prof. Benjamin Schlein Inhaltsverzeichnis Gewöhnliche Differentialgleichungen 2. Differentialgleichungen erster Ordnung, elementare Lösungsmethoden..
MehrProbeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen
MATHEMATISCHES INSTITUT SoSe 24 DER UNIVERSITÄT MÜNCHEN Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen Musterlösung Prof. Dr. P. Pickl Aufgabe Zeigen Sie, dass
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
Mehrtun, sondern nur mit der Reaktion auf verschiedene Anfangswerte.
2.3 Stabilität Eine wichtige Rolle spielt das Stabilitätsverhalten dynamischer Systeme. Wie üblich sei Φ die Fundamentalmatrix des linearen Systems ẋ = A(t)x + u. Im weiteren sei t fixiert, später wird
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
MehrLineare DGL-Systeme 1. Ordnung
Lineare DGL-Systeme 1. Ordnung Eine Reihe von naturwissenschaftlichen Problemstellungen, wie z. B. Feder- Dämpfer-Systeme der Mechanik oder Kirchhoffsche Netzwerke der Elektrotechnik, lassen sich durch
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrMonotone Funktionen. Definition Es sei D R. Eine Funktion f : D R heißt. (ii) monoton fallend, wenn für alle x, x D gilt. x < x f (x) f (x ).
Monotone Funktionen Definition 4.36 Es sei D R. Eine Funktion f : D R heißt (i) monoton wachsend, wenn für alle x, x D gilt x < x f (x) f (x ). Wenn sogar die strikte Ungleichung f (x) < f (x ) folgt,
MehrReellwertige Funktionen mehrerer Veränderlicher
Reellwertige Funktionen mehrerer Veränderlicher Teilnehmer: Philipp Besel Joschka Braun Robert Courant Florens Greÿner Tim Jaschek Leroy Odunlami Gloria Xiao Heinrich-Hertz-Oberschule, Berlin Ludwigs-Georgs-Gymnasium,
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
MehrPunktweise Konvergenz stückweise glatter Funktionen. 1 Vorbereitungen
Vortrag zum Seminar zur Fourieranalysis, 3.10.007 Margarete Tenhaak Im letzten Vortrag wurde die Fourier-Reihe einer -periodischen Funktion definiert. Fourier behauptete, dass die Fourier-Reihe einer periodischen
MehrSatz von Peano. Sei f stetig und beschränkt auf
Satz von Peano Sei f stetig und beschränkt auf { } Q ab := (t,y) R n+1 : t t 0 a; y y 0 b mit f(t,y) M und α := min(a, b M ). Dann besitzt das Anfangswertproblem y = f(t,y), y(t 0 ) = y 0 Giuseppe Peano
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Planare Systeme II Einleitung Dieser Vortrag beschäftigt sich mit unterschiedlichen, allgemeinen Lösungen von Differentialgleichungssystemen und ihrer graphischen
MehrDer Satz von Stone-Weierstraÿ
Gregor Matuschek Der Satz von Stone-Weierstraÿ Ausarbeitung zum Vortrag im Proseminar Analysis I (Sommersemester 009, Leitung Prof. Eberhard Freitag) Zusammenfassung: Wir kennen bereits den Approximationssatz
Mehr3. Folgen und Reihen. 3.1 Folgen und Grenzwerte. Denition 3.1 (Folge) Kapitelgliederung
Kapitelgliederung 3. Folgen und Reihen 3.1 Folgen und Grenzwerte 3.2 Rechenregeln für konvergente Folgen 3.3 Monotone Folgen und Teilfolgen 3.4 Ein Algorithmus zur Wurzelberechnung 3.5 Reihen 3.6 Absolut
MehrTangenten und die erste Ableitung
Universität Heidelberg Proseminar Überraschungen und Gegenbeispiele in der reellen Analysis Leitung: PD Dr. Gudrun Thäter Sommersemester 2009, 16.06.2009 Inhaltsverzeichnis 1 2 3 tangere = berühren, aus
MehrD-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2
D-MATH Funktionalanalysis FS 214 Prof. M. Struwe Lösung 2 1. a) Wir unterscheiden zwei Fälle. Fall 1: 1 < p < : Seien u L p () und (u k ) W 1,p () eine beschränkte Folge, so dass u k u in L p () für k.
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f
Mehr30 Die Gammafunktion und die Stirlingsche Formel
3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
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
Mehr6 Polynomielle Gleichungen und Polynomfunktionen
6 Polynomielle Gleichungen und Polynomfunktionen Lineare Gleichungen Eine lineare Gleichung in einer Variablen ist eine Gleichung der Form ax + b = cx + d mit festen Zahlen a und c mit a c. Dies kann man
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 2. Juli 2018 1/1 Wir geben einige wesentliche Sätze über bestimmte Integrale an, deren Beweise man in den Standardlehrbüchern der Analysis findet.
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,
MehrAnalysis I. 3. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 3. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine Abbildung F von einer Menge L in eine
Mehr7. Die Brownsche Bewegung
7. DIE BROWNSCHE BEWEGUNG 7 5 5 50 00 50 200 250 0 5 20 Abbildung 7.: Pfad einer Brownschen Bewegung 7. Die Brownsche Bewegung Definition 7.. Ein cadlag stochastischer Prozess {W t } mit W 0 = 0, unabhängigen
MehrBrückenkurs Rechentechniken
Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige
MehrAnalysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
MehrLösungen zur Klausur zur Analysis 1, WiSe 2016/17
BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:
MehrKonvexe Funktionen und wichtige Ungleichungen
Konvexe Funktionen und wichtige Ungleichungen Seminar Analysis (SoSe 013) Martin Strickmann 06. Mai 013 Inhaltsverzeichnis 1 Zusammenfassung/Abstract Konvexe Funktionen 3 Wichtige Ungleichungen 5 4 The
Mehr3 Funktionen in mehreren Variablen
3 Funktionen in mehreren Variablen Funktionen in mehreren Variablen Wir betrachten nun Abbildungen / Funktionen in mehreren Variablen. Dies sind Funktionen von einer Teilmenge des R d nach R. f : D f R,
MehrBernstein-Polynome. Autor: Johannes Erath. Schriftliche Ausarbeitung zum Vortrag vom
Bernstein-Polynome Autor: Johannes Erath Schriftliche Ausarbeitung zum Vortrag vom 07.04.2009 1 Inhaltsverzeichnis 1 Einleitung 3 2 Einführung 3 2.1 Etwas Geschichte........................... 3 2.2 Denition
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 2
Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt Aufgabe : a Zeigen Sie: Für alle Anfangsdaten u 0, t 0 R R hat das Anfangswertproblem
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
MehrLösung zu Kapitel 5 und 6
Lösung zu Kapitel 5 und 6 (1) Sei f eine total differenzierbare Funktion. Welche Aussagen sind richtig? f ist partiell differenzierbar f kann stetig partiell differenzierbar sein f ist dann immer stetig
MehrDer Tangentialraum im Einselement
Technische Universität Dortmund Fakultät für Mathematik - Lehrstuhl VII Seminarvortrag Der Tangentialraum im Einselement Seminar Geometrie für Lehramt/Dierentialgeometrie I Dozent Prof. Dr. Lorenz Schwachhöfer
MehrMusterlösung Serie 12
Prof. D. Salamon Analysis II MATH, PHYS, CHAB FS 05 Musterlösung Serie. Es sei wie in der Aufgabenstellung M R n eine C -Untermannigfaltigkeit und B M eine kompakte Teilmenge. Des weiteren nehmen wir an,
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y = f(x). Eine Funktion f 1 :
Mehr3 Gewöhnliche Differentialgleichungen 23.4.
3 Gewöhnliche Differentialgleichungen 23.4. 3.1 Differentialgleichungen erster Ordnung 3.1.1 Fundamentalsätze Definition 3.1. Es sei Ω R d eine offene Menge und V : Ω R d eine Vektorfunktion. Eine Kurve
Mehr6.6 Lineare Dierentialgleichungen n-ter Ordnung mit konstanten Koezienten
6.6 Lineare Dierentialgleichungen n-ter Ordnung mit konstanten Koezienten Dieser Abschnitt ist ein Einschub. Gewöhnliche DGL werden im nächsten Semester behandelt. Unter einer linearen gewöhnlichen DGL
MehrUniversität Ulm Abgabe: Mittwoch,
Universität Ulm Abgabe: Mittwoch, 8.5.23 Prof. Dr. W. Arendt Jochen Glück Sommersemester 23 Punktzahl: 36+4* Lösungen Halbgruppen und Evolutionsgleichungen: Blatt 2. Sei X ein Banachraum und (T (t)) t
Mehr9 Lineare Di erentialgleichungen
9. Definition. Lineare Systeme Sei I R ein o enes Intervall und A : I! M(n, R) eine stetige Abbildung mit Werten in den reellen n n-matrizen. (a) Man nennt dann die Di erentialgleichung = A(t) ein nicht-autonomes,
MehrWendepunkte. Jutta Schlumberger
Wendepunkte Jutta Schlumberger Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser Ausarbeitung
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
Mehr