14 Ljapunov-Funktionen
|
|
- Wolfgang Kirchner
- vor 5 Jahren
- Abrufe
Transkript
1 14 Ljapunov-Funktionen Ljapunov-Funktionen 14.1 Gradientenfelder. a Ein Vektorfeld v C 1 D, R n besitze ein Potential U C 2 D, R, d.h. es sei v = gradu. Dann ist Dvx = HUx symmetrisch, und man hat sdvx < 0 genau dann, wenn die Hesse-Matrix HUx positiv definit ist. b Es sei nun x 0 D ein kritischer Punkt von v bzw. U, also gradux 0 = 0. Ist nun HUx 0 positiv definit, so hat U ein isoliertes lokales Minimum in x 0. Für eine Lösung ϕ des Systems ẋ = vx gilt d U ϕt = graduϕt, ϕt = vϕt dt 2, 1 und folglich ist U ϕ streng monoton fallend. Kommt also ϕt genügend nahe an x 0 heran, so sollte ϕt x 0 folgen. Dies suggeriert in Übereinstimmung mit Satz 13.8, daß x 0 ein Attraktor des Systems ẋ = vx sein sollte. Mit solchen Monotonie-Argumenten kann in der Tat das folgende Theorem 14.5 von Ljapunov bewiesen werden, das insbesondere auch Satz 13.8 impliziert. Die Rolle des eventuell nicht existierenden Potentials wird dabei von einer Ljapunov-Funktion übernommen: 14.2 Definition. Es sei x 0 D kritischer Punkt eines Vektorfeldes v C 1 D, R n. Eine skalare Funktion L C 1 D, R heißt Ljapunov-Funktion zu v und x 0, falls gilt: a L hat in x 0 ein isoliertes Minimum, und es ist Lx 0 = 0. b Für die Ableitung von L in Richtung v gilt v Lx := L xvx = gradlx, vx 0, x D Bemerkungen. a Bedingung 2 bedeutet, daß der Vektor vx stets in dem durch grad Lx bestimmten Halbraum liegt, also in Richtung des Abfalls von L zeigt. b Wie in 1 hat man für eine Lösung ϕ des Systems ẋ = vx d L ϕt = gradlϕt, ϕt = dt vlϕt 0, 3 und folglich ist L auf jeder Lösung des Systems monoton fallend. c Hat L in x 0 nur ein lokales isoliertes Minimum, oder gilt v Lx 0 nur nahe x 0, so kann man die folgenden Resultate auf die Einschränkung von v auf eine geeignete Umgebung von x 0 anwenden Beispiele. a Für den kritischen Punkt 0 des Vektorfeldes v C 1 R, R, vx := x p, p N vgl. Beispiel 13.3, setzt man Lx := x 2. Wegen v Lx = 2 x p+1 ist dann L eine Ljapunov-Funktion für ungerade p. b Jede Ljapunov-Funktion mit v L = 0 ist ein erstes Integral oder eine Erhaltungsgröße des Systems ẋ = vx vgl. 4.6.
2 68 Gewöhnliche Differentialgleichungen / Sommersemester 2008 c Umgekehrt wird wie in 5.1 die Bewegungsgleichung m ẍ = grad Ux 4 der klassischen Mechanik untersucht. Die Energie Ex, y := 1 2m y 2 + Ux 5 ist ein erstes Integral des 4 entsprechenden Systems erster Ordnung ẋ = 1 y, ẏ = gradux. 6 m Hat nun U ein isoliertes Minimum in x 0 mit Ux 0 = 0, so ist E eine Ljapunov- Funktion für das System 6 im Punkt x 0, Theorem Ljapunov. a Zu dem kritischen Punkt x 0 D gebe es eine Ljapunov-Funktion L C 1 D, R für das Vektorfeld v C 1 D, R n. Dann ist x 0 ein stabiler Punkt des Systems ẋ = vx. b Gilt zusätzlich v Lx < 0 für x x 0, so ist x 0 sogar ein Attraktor des Systems ẋ = vx. c Gibt es eine Ljapunov-Funktion L C 1 D, R für x 0 und das Vektorfeld v C 1 D, R n mit v Lx > 0 für x x 0, so ist x 0 kein stabiler Punkt des Systems ẋ = vx. Beweis. Zu einer Umgebung U D von x 0 wählt man eine kompakte Umgebung K U von x 0, z.b. eine kompakte Kugel, und setzt m := min {Lx x K} > 0. 7 a Es ist W := {x D Lx < m} eine offene Menge mit x 0 W, und man setzt V := W K = W K. 8 Dann ist V D eine offene Umgebung von x 0. Es sei nun ϕ : a, b D eine maximale Lösung des Systems ẋ = vx mit ϕ0 V. Da L ϕ monoton fällt, hat man ϕt W für 0 t < b. Nun sei s := sup {t [0, b ϕ[0, t] K}. Ist s < b, so muß ϕs K sein; wegen Lϕs Lϕ0 < m ist das aber ein Widerspruch. Folglich gilt s = b, und man hat ϕ[0, b K und somit auch ϕ[0, b V K U. Satz 3.4 liefert dann auch b =, und somit ist x 0 ein stabiler Punkt des Systems ẋ = vx. b In der Situation des Beweises von a bleibt lim ϕt = x 0 zu zeigen. Da L ϕ 0 monoton fällt, existiert sicher lim Lϕt =: a 0. Es ist K a := {x K Lx a} 9 eine kompakte Menge, und mit α := max { v Lx x K a } liefern 3 und der Mittelwertsatz Lϕt Lϕ0 = v Lϕτ t α t. 10
3 14 Ljapunov-Funktionen 69 Ist nun a > 0, so ist x 0 K a, und nach der Voraussetzung in b folgt α < 0. Aus 10 ergibt sich dann der Widerspruch Lϕt für t. Folglich ist doch a = 0. Ist nun lim ϕt = x 0 falsch, so gibt es δ > 0 und eine Folge t n mit ϕt n x 0 δ. Wegen ϕt n K gilt dann für eine geeignete Teilfolge ϕt n x 1 K mit x 1 x 0 δ, und man erhält Lϕt n Lx 1 > 0 im Widerspruch zu Lϕt n a = 0. Somit ist x 0 tatsächlich ein Attraktor des Systems ẋ = vx. c Es sei nun ϕ : a, D eine maximale Lösung des Systems ẋ = vx mit ϕ0 x 0 und ϕ[0, K. Da L ϕ jetzt monoton wächst, hat man Lϕt Lϕ0 := a > 0 und somit ϕt K a für t 0 vgl. 9. Mit β := min { v Lx x K a } > 0 folgt dann wie in 10 Lϕt Lϕ0 = v Lϕτ t β t und damit der Widerspruch Lϕt für t. Folglich kann x 0 kein stabiler Punkt des Systems ẋ = vx sein Beispiele und Bemerkungen. a Der Beweis von Theorem 14.5 zeigt zusätzlich folgendes: Ist in der Situation von Aussage b für einen Funktionswert c LD die Menge M c := {x D Lx c} 11 kompakt, so liegt sie im Einzugsbereich des Attaktors x 0. Ist M c für alle c LD kompakt, so ist x 0 ein globaler Attraktor. b In Beispiel 14.4a liefert Theorem 14.5, daß 0 für ungerade p N ein globaler Attraktor ist. c In Beispiel 14.4c liefert Theorem 14.5, daß in einem isolierten Minimum x 0 von U der Punkt x 0, 0 ein stabiler Punkt des Systems 6 ist. d Zu 14.1 liefert Theorem 14.5 in Übereinstimmung mit Satz 13.8 die Aussage, daß x 0 ein Attaktor des Systems 6 ist Beweis des Satzes von Poincaré-Ljapunov. Es seien also v C 1 D, R n und o.e. x 0 = 0 D mit v0 = 0, und für A := Dv0 gelte sa < 0. a Wegen e At Ce αt mit sa < α < 0 wird durch x y := 0 eat x, e At y dt 12 ein Skalarprodukt auf R n definiert, und man setzt Lx := x x =: x 2 = 0 e At x 2 dt. 13 b Für x, h R n hat man Lx + h = x + h x + h = x x + 2 x h + h h = Lx + 2 x h + O h 2, also L xh := 2 x h. 14
4 70 Gewöhnliche Differentialgleichungen / Sommersemester 2008 c Für x R n berechnet man 2 x Ax = 0 2 e At x, e At Ax dt = d 0 dt eat x 2 dt = x Aufgrund der totalen Differenzierbarkeit von v in 0 hat man vx = Ax + gx 16 mit gx = o x für x 0. Aufgrund der Schwarzschen Ungleichung 2 x gx 2 x gx 2C x gx ist dann 2 x gx = o x 2. Aus 2, 4 und 15 ergibt sich daher v Lx = L xvx = 2 x vx = 2 x Ax + 2 x gx = x x gx 1 2 x 2 auf einer geeigneten Umgebung W D von 0. Folglich ist L eine Ljapunov- Funktion für 0 und v auf W, und nach Theorem 14.5 b ist dann 0 ein Attraktor des Systems ẋ = vx Beispiel. a Für Zahlen a, k R mit a < 1 wird das System ẋ ẏ = ax y + kxx 2 + y 2 x ay + kyx 2 + y 2 =: vx, y 17 untersucht. Offenbar ist der Nullpunkt ein kritischer Punkt von v. Unabhängig von k gilt stets A := Dv0, 0 = a 1 1 a, und die Eigenwerte dieser Matrix sind ±i 1 a 2. Somit ist 0 ein stabiler Punkt des linearisierten Systems ẋ = Ax, aber kein Attraktor; der Satz von Poincaré- Ljapunov 13.8 macht daher keine Aussage über das System 17 im Nullpunkt. b Die Funktion Lx, y := x 2 2axy + y 2 = x ay a 2 y 2 18 hat ein isoliertes Minimum im Nullpunkt. Man hat gradl = 2 damit erhält man x ay y ax, und v Lx, y = gradlx, y, vx, y = k x 2 + y 2 Lx, y. 19 Nach Theorem 14.5 ist also der Nullpunkt für k < 0 ein Attraktor, für k 0 stabil und für k > 0 nicht stabil.
5 14 Ljapunov-Funktionen Beispiel. a Die Liénardsche Differentialgleichung aus ẍ + 2ρx ẋ + ωx = 0 20 wird weiter behandelt. Hierbei sind ρ und ω C 1 -Funktionen auf einem offenen Intervall I R um 0 mit ω0 = 0. Das entsprechende System erster Ordnung lautet ẋ y = =: vx, y. 21 ẏ 2ρx y ωx Wegen ω0 = 0 ist der Nullpunkt ein kritischer Punkt von v. Wie in Beispiel 13.11c ausgeführt, ist er ein Attraktor unter den Annahmen ρ0 > 0, 22 ω 0 > b Mit dem Potential Ux := x 0 ωs ds von ω hat man die Energie Ex, y := 1 2 y2 + Ux. 24 Unter der gegenüber 23 nahe 0 schwächeren Annahme xωx > 0 für x 0 25 gilt dann Ux > 0 für x 0, und E hat ein isoliertes Minimum im Nullpunkt. Weiter ist grade = ωx, y T und somit v Ex, y = gradex, y, vx, y = 2 ρx y Gilt somit nur ρx 0, so ist der Nullpunkt stabil. Dies trifft insbesondere auf die DGL ẍ + ω 2 sin x = 0 eines Pendels ohne Reibung zu. c Unter der gegenüber 22 nahe 0 schwächeren Annahme ρx > 0 für x 0 27 ist der Nullpunkt sogar ein Attraktor. Dies folgt allerdings nicht aus Theorem 14.5 b, da die Bedingung v Ex, y < 0 für xy = 0 verletzt ist. Die Behauptung wird sich aber aus dem folgenden Theorem von LaSalle ergeben Limesmengen. a Es seien x 0 D kritischer Punkt eines Vektorfeldes v C 1 D, R n mit Ljapunov-Funktion L C 1 D, R zu v und x 0, so daß die Mengen M c := {x D Lx c} aus 11 für alle c LD kompakt sind. Dann betrachtet man die Menge N := {x D v Lx = 0}. 28 b Für ξ D sei ϕ ξ : a, b D die maximale Lösung des Systems ẋ = vx mit ϕ ξ 0 = ξ. Mit c := Lξ R gilt dann Lϕ ξ t c, also ϕ ξ t M c für alle 0 t < b. Da M c kompakt ist, ist die Limesmenge L + ξ := {l R n t k mit l = lim k ϕ ξ t k } 29
6 72 Gewöhnliche Differentialgleichungen / Sommersemester 2008 nicht leer, und man hat L + ξ M c D. c Die Limesmenge ist ein Attraktor der Lösung: lim distϕξ t, L + ξ = Andernfalls gibt es δ > 0 und t k mit distϕ ξ t k, L + ξ δ. Für eine Teilfolge hat man dann ϕ ξ t kj l M c und distl, L + ξ δ im Widerspruch zu l L + ξ. d Die Limesmenge ist positiv invariant, d.h. aus l L + ξ folgt auch ϕ l t L + ξ für t 0. In der Tat gilt für eine Folge t k mit ϕ ξ t k l aufgrund der Eindeutigkeit der Lösung des Anfangswertproblems ẋ = vx, x0 = ϕ ξ t k und nach Bemerkung 1.11b auch ϕ ξ t k + t = ϕ ϕξ t k t ϕ l t. e Für alle ξ D gilt L + ξ N. Andernfalls gibt es l L + ξ mit v Ll < 0. Dann gibt es γ, ε > 0 mit v Lx γ für x l 2ε. Weiter gibt es eine Folge t k mit ϕ ξ t k l ε für alle k. Wegen ϕ ξ t ϕ ξ t k d dt ϕξ sup t t k v Mc t t k gibt es schließlich auch δ > 0 mit ϕ ξ t l 2ε für t t k δ und alle k. Für diese t folgt dann d L dt ϕξ t = v Lϕ ξ t γ, und dies impliziert den Widerspruch Lϕ ξ t für t. f Es sei nun {x 0 } die größte positiv invariante Teilmenge von N. Nach d und e folgt dann L + ξ = {x 0 } für alle ξ D, und nach c hat man lim ϕξ t x 0 = lim distϕ ξ t, L + ξ = 0. Folglich ist dann x 0 ein Attraktor des Systems ẋ = vx Theorem LaSalle. Es sei x 0 D kritischer Punkt eines Vektorfeldes v C 1 D, R n mit Ljapunov-Funktion L C 1 D, R zu v und x 0, so daß {x 0 } die größte positiv invariante Teilmenge von N := {x D v Lx = 0} ist. Dann ist x 0 ein Attraktor des Systems ẋ = vx. Beweis. Wie zu Beginn des Beweises des Theorems 14.5 von Ljapunov wählt man eine kompakte Umgebung K D von x 0, z.b. eine kompakte Kugel, und setzt m := min {Lx x K} > 0. Dann ist V := {x K Lx < m} D eine offene eine offene Umgebung von x 0, auf der die Situation von 14.10a gegeben ist, die Mengen M c := {x V Lx c} also stets kompakt sind. Somit folgt die Behauptung aus 14.10f.
7 14 Ljapunov-Funktionen Beispiel. Wir kommen auf das der Liénardsche Differentialgleichung aus 20 entsprechende System erster Ordnung 21 zurück und setzen die Bedingungen 25 und 27 voraus. Dann hat man aufgrund von 26 N = {x, y R 2 xy = 0}. Für einen Anfangswert ξ, η N\{0, 0} gilt somit ξ = 0, aber η 0 oder η = 0, aber ξ 0. Für die entsprechenden Lösungen α, β := ϕ ξ,η des Anfangswertproblems ẋ y x0 ξ =, = ẏ 2ρx y ωx y0 η gilt aber im ersten Fall α0 = η 0, im zweiten Fall β0 = ωξ 0 aufgrund von 25. Folglich läuft die Lösung aus N heraus, und der Nullpunkt ist die größte positiv invariante Teilmenge von N. Nach dem Theorem von LaSalle ist somit der Nullpunkt ein Attraktor des Systems 21.
Übungen 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
Mehr4 Autonome Systeme und Erste Integrale
4 Autonome Systeme und Erste Integrale 17 4 Autonome Systeme und Erste Integrale 4.1 Autonome Systeme haben die Form ẋ = v(x) (1) mit lokal Lipschitz-stetigen Vektorfeldern v C(D, K n ). a) Man kann v
Mehr7 Das Eulersche Polygonzugverfahren
35 7 Das Eulersche Polygonzugverfahren Lösungen von Differentialgleichungen sind nur in speziellen Fällen explizit angebbar; oft können nur Approximationen an Lösungen numerisch berechnet werden. In diesem
Mehr74 Gewöhnliche Differentialgleichungen / Sommersemester 2008
74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 15 Flüsse Bisher wurde im wesentlichen die Abhängigkeit der Lösungen autonomer Systeme von der Zeit bei festem Anfangswert untersucht. Nun wird
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrSeminar 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
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex
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
MehrGewöhnliche Differentialgleichungen Woche 6. Existenz nach Picard-Lindelöf
d Gewöhnliche Differentialgleichungen Woche 6 Existenz nach Picard-Lindelöf 6.1 Vorbereitung für den Existenzsatz 6.1.1 Stetigkeit und Lipschitz-Stetigkeit Definition 6.1 Seien (V 1, 1 und (V 2, 2 zwei
Mehr12 Extremwerte und Monotonie
5 II. Differentialrechnung 1 Extremwerte und Monotonie Lernziele: Resultate: Existenz von Maxima und Minima stetiger Funktionen auf kompakten Intervallen, Monotoniesatz Kompetenzen: Bestimmung lokaler
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
Mehrx= f(x) p= U (x). (b) Zeigen Sie, dass auf jeder auf einem Intervall existierenden Lösung t x(t) die Energie E(t) := 1 2 p(t)2 + U(x(t)) x 1
Blatt 1 03042006 H-Ch Grunau Aufgabe 1 Betrachten Sie die Differentialgleichung x= f(x) mit f = U und U C 2 ((α, β), R) und schreiben Sie diese in der Form x= p, p= U (x) (a) Skizzieren Sie die Phasenportraits
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
Mehr62 Klassische Mechanik
294 XI. Gewöhnliche Differentialgleichungen 62 Klassische Mechanik 62.1 Energieerhaltung. a) Es seien J ein Intervall und x(t) J der Ort eines Punktes it Masse > 0 zur Zeit t I ; wirkt auf diesen ein Kraftfeld
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
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
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
MehrLAPLACE Transformation
LAPLACE Transformation Bei der LAPLACE-Transformation wird einer (geeigneten) Funktion f(t) eine Funktion F (s) zugeordnet. Diese Art von Transformation hat u.a. Anwendungen bei gewissen Fragestellungen
MehrZu einigen Grundlagen der Stabilitätstheorie dynamischer Systeme
Seminar Zu einigen Grundlagen der Stabilitätstheorie dynamischer Systeme 15.4.201 2 Inhaltsverzeichnis 1 Existenz und Eindeutigkeit 7 1.1 Lineare Systeme.................................... 7 1.2 Der Begriff
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
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
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.
MehrAnalysis 4. Lösungsvorschlag zum 12. Übungsblatt
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Andreas Geyer-Schulz SS 208. Juli 208 Analysis 4 Lösungsvorschlag zum 2. Übungsblatt Aufgabe 42 Wir untersuchen
Mehr19.2 Mittelwertsatz der Differentialrechnung
19 Mittelwertsätze der Differentialrechnung mit Anwendungen 19.1 Satz von Rolle 19.2 Mittelwertsatz der Differentialrechnung 19.4 Globaler Wachstumssatz 19.6 Verallgemeinerter Mittelwertsatz der Differentialrechnung
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.
MehrTheorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08
Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK K. Taubert Universität Hamburg SS8 Linearisierung 2 LINEARISIERUNG und das VERHALTEN VON LÖSUNGEN NICHTLINEARER DIFFERENTIALGLEICHUNGEN
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrVorlesung Mathematik für Ingenieure 2 (Sommersemester 2009)
1 Vorlesung Mathematik für Ingenieure 2 (Sommersemester 2009) Kapitel 10: Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 27. März 2009) Differenzialrechnung
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
Mehr39 Differenzierbare Funktionen und Kettenregel
192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:
MehrStabilitätsfragen bei autonomen Systemen
1 Stabilitätsfragen bei autonomen Systemen M. Schuster 09.08.2006 Inhaltsverzeichnis 1 Allgemeines über autonome Systeme 1 1.1 Oft übliche Bezeichnungen mit Übersetzung.......................... 1 2 Stabilität
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
MehrAufgabe V1. Ermitteln Sie, ob folgende Grenzwerte existieren und berechnen Sie diese gegebenenfalls. n 2n n 3 b) lim. n n 7 c) lim 1 1 ) 3n.
Blatt 1 V 1 Grenzwerte von Folgen Aufgabe V1 Ermitteln Sie, ob folgende Grenzwerte existieren und berechnen Sie diese gegebenenfalls. n 2 ( n! a) lim n 2n n 3 b) lim n n 7 c) lim 1 1 ) 3n n n Marco Boßle
MehrAnalysis I & II Lösung zur Basisprüfung
FS 6 Aufgabe. [8 Punkte] (a) Bestimmen Sie den Grenzwert ( lim x x ). [ Punkte] log x (b) Beweisen Sie, dass folgende Reihe divergiert. n= + n + n + sin(n) n 3 + [ Punkte] (c) Finden Sie heraus, ob die
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
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
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:
MehrStaatsexamen Herbst 2017 Differential- und Integralrechnung, Thema I
Staatsexamen Herbst 17 Differential- und Integralrechnung, Thema I 1. a) Die Aussage ist wahr! Sei s R der Reihenwert der Reihe k=1 Da a n = s n s n 1 für n, ist also b) Die Aussage ist falsch! a k, also
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
MehrAna-2 1. Ss n + 1 < t 1 n, 1. eine Treppenfunktion, eine Regelfunktion, oder keins von beidem?
Ana-2 1 Ss 218 11.4.18 Votieraufgaben 1 Ist f : [a,b] R eine Regelfunktion und φ : R R stetig, so ist auch φ f eine Regelfunktion. 2 Sei f : [a,b] R stetig. Dann existiert zu jedem ε > ein δ >, so dass
MehrLösungen der Aufgaben zu Kapitel 9
Lösungen der Aufgaben zu Kapitel 9 Abschnitt 9. Aufgabe a) Wir bestimmen die ersten Ableitungen von f, die uns dann das Aussehen der k-ten Ableitung erkennen lassen: fx) = x + e x xe x, f x) = e x e x
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
Mehr3 Lineare Differentialgleichungen
3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,
MehrNachklausur Analysis 2
Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,
MehrExtremwertrechnung in mehreren Veränderlichen
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 2014 14.05.2014 Höhere Mathematik II für die Fachrichtung Informatik 3. Saalübung (14.05.2014) Extremwertrechnung
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
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
MehrVorlesung Mathematik für Ingenieure II (Sommersemester 2008)
Vorlesung Mathematik für Ingenieure II (Sommersemester 8) Kapitel : Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 8. Mai 8) Differenzialrechnung R R 4
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
MehrHöhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8. Übungsblatt. ). 12x 3 Die Hessematrix von f ist gegeben durch H f (x, y) =
Karlsruher Institut für Technologie (KIT Institut für Analysis Priv-Doz Dr P C Kunstmann Dipl-Math D Roth SS 0 7060 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8 Übungsblatt
MehrKapitel 6 Grenzwerte von Funktionen und Stetigkeit
Kapitel 6 Grenzwerte von Funktionen und Stetigkeit 225 Relle Funktionen Im Folgenden betrachten wir reelle Funktionen f : D R, mit D R. Wir suchen eine formale Definition für den folgenden Sachverhalt.
MehrKapitel 7. Topologische Äquivalenz. 7.1 Strukturelle Stabilität
Kapitel 7 Topologische Äquivalenz 7.1 Strukturelle Stabilität Wir betrachten in diesem Abschnitt C 1 -Vektorfelder auf kompakten Mannigfaltigkeiten, oder aber Lipschitz stetige Vektorfelder auf einem Gebiet
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
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
MehrLösung zur Klausur zur Analysis II
Otto von Guericke Universität Magdeburg 9.7.4 Fakultät für Mathematik Lösung zur Klausur zur Analysis II Vorlesung von Prof. L. Tobiska, Sommersemester 4 Bitte benutzen Sie für jede Aufgabe ein eigenes
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge
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
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
MehrMaximalität und Globalität von Lösungen
Gewöhnliche Differentialgleichungen Florian Wörz SoSe 205 Maximalität und Globalität von Lösungen Maximale Lösungen Sei Ω : T U R R n ein Gebiet, f : Ω R n stetig und (t 0, u 0 ) Ω. Im Folgenden betrachten
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)
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 1
Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dnamische Ssteme Musterlösungen zu Aufgabenblatt Aufgabe : Sei A 0 4. a Bestimmen Sie für jeden Anfangswert 0 R das Verhalten
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 12/13 Prof. Dr. G. Bärwolff, Prof. Dr. F. Tröltzsch
Technische Universität Berlin Fakultät II Institut für Mathematik WS /3 Prof. Dr. G. Bärwolff, Prof. Dr. F. Tröltzsch 6.4.3 Rechenteil April Klausur Analysis II für Ingenieure. Aufgabe Punkte a Es gilt:
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,
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
MehrBemerkung Als Folge von Satz 6.2 kann man jede ganze Funktion schreiben als Potenzreihe. α m z m. f(z) = m=0. 2πi. re it t [0,2π] 2πi
Funktionentheorie, Woche 7 Eigenschaften holomorpher Funktionen 7.1 Ganze Funktionen Definition 7.1 Eine Funktion f : C C, die holomorph ist auf C, nennt man eine ganze Funktion. Bemerkung 7.1.1 Als Folge
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
MehrGrundlagen der Mathematik (BSc Maschinenbau)
Priv.-Doz. Dr. J. Ruppenthal Wuppertal, 5.9.7 Grundlagen der Mathematik (BSc Maschinenbau) Aufgabe. (6+8+6 Punkte) a) Zeigen Sie durch Induktion nach n N: n (k ) = n k= b) Stellen Sie die folgenden Mengen
MehrKlausur Höhere Mathematik I für die Fachrichtung Physik
Karlsruher Institut für Technologie (KIT Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning WS /3 4.3.3 Klausur Höhere Mathematik I für die Fachrichtung Physik Aufgabe ((4+3+3 Punkte a Welche
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 009 Institut für Mathematik 060009 Prof Dr R Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil (a) Wie lauten die Voraussetzungen
MehrGewöhnliche Dierentialgleichungen
Prof. Dr. Guido Sweers WS 28/29 Jan Gerdung, M.Sc. Gewöhnliche Dierentialgleichungen Übungsblatt 6 Die Lösungen müssen in den Übungsbriefkasten Gewöhnliche Dierentialgleichungen Raum 3 im MI) geworfen
Mehr1, 0 < y < x 2 0, sonst f besitzt alle Richtungsableitungen in (0, 0), ist aber unstetig dort
ANALYSIS II Lösung der. Klausur vom /7 (von D. Reding Aufgabe (a Richtig sind die Aussagen (iii, (iv und (vii. (b Gegenbeispiel zu (i: f: R R, (x, y x ist stetig, aber nicht partiell differenzierbar nach
MehrZufallsvariable, Verteilung, Verteilungsfunktion
Kapitel 5 Zufallsvariable, Verteilung, Verteilungsfunktion 5.1 Zufallsvariable Sei (Ω, A, P ) ein beliebiger Wahrscheinlichkeitsraum. Häufig interessiert nicht ω selbst, sondern eine Kennzahl X(ω), d.h.
Mehr1 Definition und Konstruktion vektorwertiger Funktionen und Funktionen mehrerer Variabler
Zusammenfassung Kapitel IV: Funktionen mehrerer Veränderlicher und vektorwertige Funktionen 1 Definition und Konstruktion vektorwertiger Funktionen und Funktionen mehrerer Variabler Definition vektorwertige
Mehr4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion.
4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. Definition 4.3. Es sei f : R D R eine auf D erklarte Funktion. Die Funktion f hat in a D eine globales oder
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 009 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrÜbungen zu Analysis, SS 2015
Übungen zu Analysis, SS 215 Ulisse Stefanelli 15. Juni 215 1 Wiederholung 1. Untersuchen Sie das Verhalten der folgenden Folgen a n = n 2 cosh(1/n), b n = ln(ln(n))/n, c n = (2 n n 2 )/n!, 2. Stellen Sie
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar D BIOL, D CHAB Lösungen zu Mathematik I/II. ( Punkte) a) Wir benutzen L Hôpital lim x ln(x) L Hôpital x 3 = lim 3x + x L Hôpital = lim x ln(x) x 3x 3 = lim ln(x) x 3 x
MehrExtremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
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
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
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
MehrDie Topologie von R, C und R n
Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).
MehrKlausur zur Analysis I WS 01/02
Klausur zur Analysis I WS 0/0 Prof. Dr. E. Kuwert. Februar 00 Aufgabe (4 Punkte) Berechnen Sie unter a) und b) jeweils die Ableitung von f für x (0, ): a) f(x) = e sin x b) f(x) = x α log x a) f (x) =
MehrKompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung:
16 Mittelwertsätze und Anwendungen 71 16 Mittelwertsätze und Anwendungen Lernziele: Konzepte: Konvexität und Konkavität Resultate: Mittelwertsätze der Differentialrechnung Methoden: Regeln von de l Hospital
MehrÜbungen zur Ingenieur-Mathematik III WS 2012/13 Blatt
Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt 9 19.12.2012 Aufgabe 35: Thema: Differenzierbarkeit a) Was bedeutet für eine Funktion f : R n R, dass f an der Stelle x 0 R n differenzierbar ist?
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
Mehr4 Anwendungen des Cauchyschen Integralsatzes
4 Anwendungen des Cauchyschen Integralsatzes Satz 4. (Cauchysche Integralformel) Es sei f : U C komplex differenzierbar und a {z C; z z 0 r} U. Dann gilt f(a) = z z 0 =r z a dz. a z 0 9 Beweis. Aus dem
MehrNun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.
56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt
MehrExtrema multivariater Funktionen
Extrema multivariater Funktionen Ist f (x ) ein Minimum (Maximum) einer stetig differenzierbaren skalaren Funktion f auf einer Umgebung U von x, so gilt grad f (x ) = (0,..., 0) t. Extrema multivariater
Mehr5.6 Potential eines Gradientenfelds.
die Zirkulation des Feldes v längs aufintegriert. 5.6 Potential eines Gradientenfelds. Die Ableitung einer skalaren Funktion ist der Gradient, ein Vektor bzw. vektorwertige Funktion (Vektorfeld). Wir untersuchen
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, August BIOL-B GES+T PHARM Lösungen zu Mathematik I/II. ( Punkte) a) Wir führen Polynomdivision durch und erhalten (x 3 5) : (x ) = x +x+ 4 x. Also ist g(x) die Asymptote von f(x)
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
Mehr