Viskositätslösungen von Hamilton Jacobi Bellman Gleichungen eine Einführung
|
|
- David Lang
- vor 5 Jahren
- Abrufe
Transkript
1 Viskositätslösungen von Hamilton Jacobi Bellman Gleichungen eine Einführung Lars Grüne Seminar Numerische Dynamik von Kontrollsystemen Wintersemester 04/05
2 Viskositätslösungen Anfang der 1980er Jahre von Michael G. Crandall und Pierre Louis Lions eingeführt Verallgemeinerter Lösungsbegriff für partielle Differentialgleichungen, die keine differenzierbaren Lösungen besitzen Motivation: Hamilton Jacobi Bellman Gleichungen aus der optimalen Steuerung In diesem Vortrag geben wir eine Einführung am Beispiel des diskontierten optimalen Steuerungsproblems
3 Diskontierte optimale Steuerung Bestimme die optimale Wertefunktion v(x) = sup u U J(x, u) für J(x, u) := 0 e δt g(φ(t, x, u), u(t)) dt, δ > 0 und Φ(t, x, u) Lösung des Kontrollsystems ẋ(t) = f(x(t), u(t)) mit Anfangswert Φ(0, x, u) = x R d und Kontrollfunktion u U = {u : R U messbar}, U R l kompakt
4 Das Bellman sche Optimalitätsprinzip Für alle T > 0 gilt v(x) = sup u U { T 0 e δt g(φ(t, x, u), u(t)) dt + e δt v(φ(t, x, u)) }. hierdurch ist v eindeutig bestimmt (Kontraktionsargument) ist Ausgangspunkt für numerische Approximation (dynamische Programmierung) liefert die Basis für die Hamilton Jacobi Bellman Gleichung
5 Die Hamilton Jacobi Bellman Gleichung Wenn v in x R d differenzierbar ist, so gilt die Hamilton Jacobi Bellman (HJB) Gleichung δv(x) + inf { Dv(x) f(x, u) g(x, u)} = 0 u U
6 Die Hamilton Jacobi Bellmanas Gleichung Beweisskizze: Aus dem Optimalitätsprinzip erhält man inf u U { v(x) e δt v(φ(t, x, u)) 1 T T T 0 e δt g(φ(t, x, u), u(t)) dt }{{}}{{} δv(x) Dv(x) f(x, u) g(x, u) } = 0. für T 0 δv(x) + inf { Dv(x) f(x, u) g(x, u)} = 0 u U (HJB) ˆ= infinitesimale Version des Optimalitätsprinzips
7 Die Hamilton Jacobi Bellman Gleichung δv(x) + inf { Dv(x) f(x, u) g(x, u)} = 0 u U Wir schreiben diese partielle Differentialgleichung kurz als mit δv(x) + H(x, Dv(x)) = 0 H(x, p) := inf { p f(x, u) g(x, u)} u U Problem: Im Allgemeinen sind optimale Wertefunktionen nicht differenzierbar
8 Beispiel Optimales Investment Problem [Haunschmied/Kort/Hartl/Feichtinger 2003] K = I σk İ = u Ziel: maximiere den diskontierten Cashflow 0 e δt g(k(t), I(t), u(t))dt, mit g(k, I, u) = k 1 K K 1 + k 2 K 4 + c 1I + c 2 2 I2 α 2 u2
9 Optimale Wertefunktion
10 Verallgemeinerte Lösungen Ziel: Definiere Lösungen der Gleichung (HJB) für nicht differenzierbare v δv(x) + H(x, Dv(x)) = 0 Erste Idee: verlange die Erfüllung von (HJB) nur für solche x R d, in denen Dv(x) existiert die optimale Wertefunktion erfüllt (HJB) Problem: es gibt i.a. noch viele weitere Funktionen, die (HJB) in diesem Sinne erfüllen keine Eindeutigkeit der Lösung
11 Verallgemeinerte Lösungen Ziel: Definiere Lösungen der Gleichung (HJB) für nicht differenzierbare v δv(x) + H(x, Dv(x)) = 0 Zweite Idee: verlange die Erfüllung von (HJB) nur für solche x R d, in denen Dv(x) existiert und modifiziere (HJB) geeignet für die sonstigen x
12 Super und Subdifferential Erinnerung: w : R d R heißt differenzierbar in x R d, wenn Dw(x) := p R d existiert, so dass gilt lim y x w(y) w(x) p (y x) y x = 0 Def.: Das Superdifferential von w in x R d ist definiert durch D + w(x) := { p R d lim inf y x w(y) w(x) p (y x) y x Das Subdifferential von w in x R d ist definiert durch D w(x) := { p R d lim sup y x w(y) w(x) p (y x) y x 0 0 } }
13 Super und Subdifferential w w x x Elemente des Super und Subdifferentials Beobachtung: falls w in x differenzierbar ist, gilt D + w(x) = D w(x) = {Dw(x)}
14 Viskositätslösungen, Definition 1 Eine stetige Funktion w : R d R heißt Viskositätslösung von (HJB), falls gilt: δw(x) + H(x, p) 0 für alle x R d und alle p D + w(x) und δw(x) + H(x, p) 0 für alle x R d und alle p D w(x) w heißt Viskositäts Unterlösung, wenn die erste Bedingung gilt w heißt Viskositäts Oberlösung, wenn die zweite Bedingung gilt
15 Viskositätslösungen und klassische Lösungen Satz: Eine differenzierbare Funktion w : R d R ist genau dann eine klassische Lösung von (HJB) wenn sie eine Viskositätslösung ist Beweisskizze: Im differenzierbaren Fall gilt D + w(x) = D w(x) = {Dw(x)} und damit δw(x) + H(x, Dw(x)) = 0 { δw(x) + H(x, p) 0 p D w(x) δw(x) + H(x, p) 0 p D + w(x)
16 Viskositätslösungen, äquivalente Definition Dies ist recht anschauliche Verallgemeinerung des klassischen Lösungsbegriffe. Besser geeignet für Beweise ist aber eine äquivalente Definition, die auf der folgenden Beobachtung beruht: Sei w : R d R stetig, x R d und p R d. Dann sind äquivalent: (i) (ii) p D + w(x) [bzw. p D w(x)]. Es existiert ein ϕ C 1 (R d, R) mit Dϕ(x) = p, so dass w ϕ ein (nicht notwendigerweise striktes) lokales Maximum [bzw. Minimum] in x annimmt.
17 Viskositätslösungen, Definition 2 Eine stetige Funktion w : R d R heißt Viskositätslösung von (HJB), wenn für alle Testfunktionen ϕ C 1 (R d, R) gilt: w ϕ nimmt in x R d ein lokales Maximum an δw(x) + H(x, Dϕ(x)) 0 w ϕ nimmt in x R d ein lokales Minimum an δw(x) + H(x, Dϕ(x)) 0. w heißt Viskositäts Unterlösung, wenn die erste Bedingung gilt w heißt Viskositäts Oberlösung, wenn die zweite Bedingung gilt
18 Der Name Viskositätslösungen Die HJB Gleichung kann approximiert werden durch δv ε (x) + H(x, Dv ε (x)) ε v ε (x) = 0, mit dem Laplace Operator v = TrD 2 v = d i=1 2 x 2 i v Diese (gleichmäßig elliptische) PDGL hat eine klassische Lösung v ε C 2 (R d, R) für die v ε v für ε 0 gilt ε v ε (x) wird in der Physik Viskosität genannt, die Approximation v ε v heißt Methode der verschwindenden Viskosität Dies ist der Grund für den Namen Viskositätslösung
19 Existenzsatz Satz: Die optimale Wertefunktion v des diskontierten optimalen Steuerungsproblems ist eine Viskositätslösung von (HJB). Beweisskizze: Wir müssen zeigen, dass v sowohl Viskositäts Unterlösung als auch Oberlösung ist. Wir skizzieren die Oberlösungseigenschaft, für die Unterlösung argumentiert man ähnlich.
20 Beweisskizze des Existenzsatzes Wir wählen ϕ C 1 (R d, R), so dass w ϕ in x ein lokales Minimum besitzt. O.B.d.A. können wir v(x) = ϕ(x) annehmen, womit für y nahe x die Ungleichung v(y) ϕ(y) folgt. Aus dem Optimalitätsprinzip folgt dann für hinreichend kleine T > 0 ϕ(x) = v(x) = sup u U T 0 e δt g(φ(t, x, u), u(t))dt + e δt v(φ(t, x, u)) sup u U T 0 e δt g(φ(t, x, u), u(t))dt + e δt ϕ(φ(t, x, u))
21 Beweisskizze des Existenzsatzes Umstellen der Terme liefert inf u U { ϕ(x) e δt ϕ(φ(t, x, u)) T 1 T T 0 e δt g(φ(t, x, u), u(t)) dt } 0. Grenzübergang T 0 ergibt dann δϕ(x) + inf { Dϕ(x) f(x, u) g(x, u)} 0, u U was wegen v(x) = ϕ(x) gerade die Oberlösungseigenschaft ist. δv(x) + H(x, Dϕ(x)) 0
22 Existenzsatz Dies zeigt, dass die optimale Wertefunktion tatsächich eine Viskositätslösung von (HJB) ist Insbesondere wissen wir damit, dass eine Viskositätslösung von (HJB) existiert Allerdings könnten weitere Viskositätslösungen existieren, die mit unserem optimalen Steuerungsproblem nichts zu tun haben. Um dies auszuschließen, benötigen wir ein Eindeutigkeitsresultat In der Theorie der Viskositätslösungen wird ein solches Resultat typischerweise als soganntes Vergleichsprinzip formuliert, in dem Unter und Oberlösungen verglichen werden.
23 Vergleichsprinzip Satz: Es seien f und g beschränkt und Lipschitz stetig in x glm. in u. Weiterhin sei v 1 eine stetige und beschränkte Viskositäts Unterlösung von (HJB) und v 2 eine stetige und beschränkte Viskositäts Oberlösung von (HJB). Dann gilt v 1 (x) v 2 (x) für alle x R d. Korollar: Die optimale Wertefunktion v ist die eindeutige stetige und beschränkte Viskositätslösung von (HJB). Beweis des Korollars: Jede Viskositätslösung ist per Definition Ober und Unterlösung. Für jede weitere Lösung ṽ gilt also nach dem Vergleichsprinzip v ṽ und ṽ v und damit Gleichheit.
24 Beweisskizze des Vergleichsprinzip Zu zeigen: sup x R d v 1 (x) v 2 (x) 0 Ansatz Verdopplung der Variablen : Für festes η > 0 und variables ε > 0 konstruiere Ψ ε (x, y) = v 1 (x) v 2 (y) F ε (x, y) mit (i) sup x R d v 1 (x) v 2 (x) sup x,y R d Ψ ε (x, y) + η (ii) das Supremum über Ψ ε ist ein Maximum, das im Punkt (x ε, y ε ) angenommen wird die Funktionen ϕ 1 (x) := v 1 (x) Ψ ε (x, y ε ), ϕ 2 (y) := v 2 (y) + Ψ ε (x ε, y) sind Vergleichsfunktionen für v 1 bzw. v 2 in x = x ε bzw. y = y ε δv 1 (x ε )+H(x ε, Dϕ 1 (x ε )) 0, δv 2 (y ε )+H(y ε, Dϕ 1 (y ε )) 0 (iii) aus diesen Ungleichungen folgt lim sup ε 0 Ψ ε (x ε, y ε ) η
25 Beweisskizze des Vergleichsprinzip Dies funktioniert mit mit Ψ ε (x, y) = v 1 (x) v 2 (y) x y 2 2ε β(h(x) + h(y)) h C 1 (R d, R), h(x) für x. Für hinreichend kleines β erhalten wir (i) sup x R d v 1 (x) v 2 (x) sup x,y R d Ψ ε (x, y) + η
26 Beweisskizze des Vergleichsprinzip Ψ ε (x, y) = v 1 (x) v 2 (y) x y 2 2ε β(h(x) + h(y)) Wegen der unbeschränkten Negativität von β(h(x) + h(y)) nimmt Ψ ε sein Maximum in einem Punkt (x ε, y ε ) an, also gilt (ii). Die Maximalstelle (x ε, y ε ) liegt dabei in einer unabhängig von ε beschränkten Menge (dafür sorgt β(h(x) + h(y))) Wegen des Terms x y 2 /(2ε) gilt damit x ε y ε Cε und lim ε 0 x y 2 2ε = 0
27 Beweisskizze des Vergleichsprinzip Mit diesen Ungleichungen und den Vergleichsfunktionen ϕ 1 (x) := v 1 (x) Ψ ε (x, y ε ), ϕ 2 (y) := v 2 (y) + Ψ ε (x ε, y) erhält man aus den Viskositätslösungs Ungleichungen δv 1 (x ε ) + H(x ε, Dϕ 1 (x ε )) 0, δv 2 (y ε ) + H(y ε, Dϕ 1 (y ε )) 0 für hinreichend kleines β > 0 die gewünschte Eigenschaft (iii) lim sup ε 0 Ψ ε (x ε, y ε ) η sup x R d v 1 (x) v 2 (x) 2η Behauptung, da η > 0 beliebig
28 Stochastische optimale Steuerung Bestimme die optimale Wertefunktion v(x) = sup u U J(x, u) für J(x, u) := E [ 0 e δt g(x(t, x, u), u(t)) dt ], δ > 0 und X(t, x, u) Lösung des stochastischen Kontrollsystems dx(t) = a(x(t), u(t))dt + b(x(t), u(t))dw t mit X(0, x, u) = x R d, W t = m dim. Wiener Prozess und u U = {u : R U messbarer stoch. Prozess}, U R l kompakt
29 Das Bellman sche Optimalitätsprinzip Für alle T > 0 gilt v(x) = sup u U E [ T 0 e δt g(x(t, x, u), u(t)) dt + e δt v(x(t, x, u)) ]. Dieses Prinzip ist völlig analog zum deterministischen Fall, es kommt lediglich der Erwartungswert hinzu Die daraus resultierende Hamilton Jacobi Bellman Gleichung sieht allerdings anders aus
30 Die Hamilton Jacobi Bellmanas Gleichung Herleitung: Aus dem Optimalitätsprinzip erhält man inf E u U [ v(x) e δt v(x(t, x, u)) T }{{} δv(x) Dv(x) a(x,u) 1 2 Tr(b(x,u)b(x,u)T D 2 v(x)) T 1 T 0 e δt g(x(t, x, u), u(t)) dt }{{} g(x, u) ] = 0. für T 0, da bei der Ableitung entlang X das Ito Lemma berücksichtigt werden muss δv(x)+inf u U { 1 2 Tr(b(x,u)b(x,u)T D 2 v(x)) Dv(x) a(x,u) g(x,u)}=0
31 Die Hamilton Jacobi Bellman Gleichung δv(x)+inf u U { 1 2 Tr(b(x,u)b(x,u)T D 2 v(x)) Dv(x) a(x,u) g(x,u)}=0 Wir schreiben diese partielle Differentialgleichung kurz als mit δv(x) + H(x, Dv(x), D 2 v(x)) = 0 H(x, p, Q) := inf u U { 1 2 Tr(b(x, u)b(x, u)t Q) p a(x, u) g(x, u)}
32 Viskositätslösungen Das Viskositätslösungsdefinition mittels Testfunktionen lässt sich leicht auf (shjb) verallgemeinern: Eine stetige Funktion w : R d R heißt Viskositätslösung von (shjb), wenn für alle Testfunktionen ϕ C 2 (R d, R) gilt: w ϕ nimmt in x R d ein lokales Maximum an δw(x) + H(x, Dϕ(x), D 2 ϕ(x)) 0 w ϕ nimmt in x R d ein lokales Minimum an δw(x) + H(x, Dϕ(x), D 2 ϕ(x)) 0. Existenz und Eindeutigkeit wie im deterministischen Fall
33 Anwendungen Abgesehen von ihrer mathematischen Eleganz, hat die Viskositätslösungstheorie eine ganze Reihe praktischer Anwendungen: Verifikation optimaler Wertefunktionen Größerer Vorrat an mathematischen Techniken zur Analyse optimaler Steuerungsprobleme, aber auch umgekehrt zur Analyse partieller Differentialgleichungen Analyse und Konstruktion numerischer Schemata
34 Literatur M. Bardi and I. Capuzzo Dolcetta, Optimal Control and Viscosity Solutions of Hamilton-Jacobi-Bellman equations, Birkhäuser, Boston, Sehr ausführliche Monographie über deterministische Probleme W. H. Fleming and M. H. Soner, Controlled Markov processes and viscosity solutions, Springer Verlag, New York, Monographie über stochastische Probleme, mit einer ausführlichen Einführung in deterministische Probleme M. G. Crandall, H. Ishii, and P.-L. Lions, User s guide to viscosity solutions of second order partial differential equations, Bull. Amer. Math. Soc. (N.S.), 27 (1992), pp Überblicksartikel über stochastische HJB Gleichungen M. G. Crandall and P.-L. Lions, Viscosity solutions of Hamilton Jacobi equations, Trans. Amer. Math. Soc., 277 (1983), pp Die ursprüngliche Arbeit, in der Viskositätslösungen eingeführt wurden.
Viskositätslösungen von Hamilton Jacobi Bellman Gleichungen eine Einführung
Viskositätslösungen von Hamilton Jacobi Bellman Gleichungen eine Einführung Vortrag im Seminar Numerische Dynamik von Kontrollsystemen Wintersemester 4/5 Lars Grüne Mathematisches Institut Universität
MehrAnalysis der Eikonal-Gleichung Teil I
Analysis der Eikonal-Gleichung Teil I Seminararbeit zur angewandten Mathematik Matthäus Deutsch vorgelegt bei Prof Dr. Wolfgang Ring Institut für Mathematik und Wissenschaftliches Rechnen Universität Graz
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
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
MehrNumerische Dynamik von Kontrollsystemen
Numerische Dynamik von Kontrollsystemen Lars Grüne Mathematisches Institut Fakultät für Mathematik und Physik Universität Bayreuth 9544 Bayreuth lars.gruene@uni-bayreuth.de www.uni-bayreuth.de/departments/math/
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
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,
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
MehrPartielle Differentialgleichungen Kapitel 7
Partielle Differentialgleichungen Kapitel 7 Intermezzo zu Distributionen Die Physik hat der Mathematik die Dirac-δ-Funktion gebracht. Diese δ-funktion soll folgende Eigenschaften haben: n δ (x ϕ (x dx
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
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
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
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
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
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
MehrPartielle Differentialgleichungen. Hofer Joachim/Panis Clemens
9.11.2010 Contents 1 Allgemein 2 1.1 Definition................................................. 2 1.2 Klassifikation............................................... 2 1.3 Lösbarkeit.................................................
MehrSeminar: Integralgleichungen (WS 06/07)
Seminar: Integralgleichungen (WS 06/07) Numerische Behandlung der Fredholmschen Integralgleichung - Teil 1 Melanie Seifried Erik Ivar Fredholm (1866-1927) Schwedischer Mathematiker, der große Beiträge
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
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
MehrSkript zur Vorlesung Analysis 3
Skript zur Vorlesung Analysis 3 Herbstsemester 204 Prof. Benjamin Schlein Inhaltsverzeichnis Gewöhnliche Differentialgleichungen 2. Differentialgleichungen erster Ordnung, elementare Lösungsmethoden..
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
MehrOptimal Stochastic Control of Dividends and Capital Injections
Optimal Stochastic Control of Dividends and Capital Injections Natalie Scheer 11.07.2011 / Köln Versicherungsmathematisches Kolloquium Stochastische Kontrolle Problemstellung Proportionale Kosten Proportionale
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
MehrDIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE
DIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE Zusammenfassung. Ergänzend zur Übung vom 06.06.203 soll hier die Leibnizregel für die Differentiation parameterabhängiger Integrale formuliert und bewiesen
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
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
MehrInvarianz-Entropie für Kontrollsysteme
Invarianz-Entropie für Kontrollsysteme Christoph Kawan Institut für Mathematik, Universität Augsburg in Zusammenarbeit mit Fritz Colonius, Institut für Mathematik, Universität Augsburg im Rahmen des DFG-Schwerpunktprogramms
Mehr12 Der Gaußsche Integralsatz
12. Der Gaußsche Integralsatz 1 12 Der Gaußsche Integralsatz Das Ziel dieses Abschnitts ist die folgende zentrale Aussage der mehrdimensionalen Analysis und der Theorie der partiellen Differentialgleichungen:
Mehr3. Mai Zusammenfassung. g x. x i (x).
3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von
MehrDas heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.
Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere
MehrNachklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe
MehrExakte Differentialgleichungen
Kapitel 4 Exakte Differentialgleichungen 4.1 Kurvenscharen Sei D R 2 ein offenes und zusammenhängendes Gebiet. Dann kann man zu jeder D einfach überdeckenden Kurvenschar eine Differentialgleichung erster
MehrFinite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
MehrNumerik optimaler Steuerung
Numerik optimaler Steuerung Lars Grüne Fachbereich Mathematik Johann Wolfgang Goethe-Universität Postfach 111932 654 Frankfurt am Main, Germany gruene@math.uni-frankfurt.de www.math.uni-frankfurt.de/ gruene
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
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
MehrDarstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012
Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz
MehrHawkes Prozesse Grundlagen
Hawkes Prozesse Grundlagen Im Folgenden sei (Ω, F, F, P) eine stochastische Basis. Das heißt F = (F t ) t ist eine rechtsstetige Filtration mit F t F für alle t und P ein Wahrscheinlichkeitsmaß auf dem
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,
MehrProbeklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen
Mehr2.6 Der Satz von Fubini
1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N
MehrHöhere Mathematik III für die Fachrichtung Physik Wintersemester 2016/17. Lösungsvorschlag zu Übungsblatt 5
Institut für Analysis Dr. Christoph Schmoeger M.Sc. Jonathan Wunderlich Höhere Mathematik III für die Fachrichtung Physik Wintersemester 6/7..7 Lösungsvorschlag zu Übungsblatt 5 Aufgabe 6: Zeigen Sie mit
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
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
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
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
MehrKapitel L. Gewöhnliche Differentialgleichungen
Kapitel L Gewöhnliche Differentialgleichungen Inhalt dieses Kapitels L000 1 Erste Beispiele von Differentialgleichungen 2 Exakte Differentialgleichungen 3 Fazit: Existenz, Eindeutigkeit, Lösungsmethoden
MehrEin Blick über den Tellerrand... mit FreeFem++
Ein Blick über den Tellerrand... mit FreeFem++ Eine Einführung und etwas Theorie Steffen Weißer Universität des Saarlandes 30. Oktober 2015 Gliederung 1 Zum Seminar 2 Was ist eine PDE? 3 Etwas Funktionalanalysis
MehrRandwertprobleme. Kapitel 7. Randwertprobleme für lineare Differentialgleichungen 2. Ordnung
Kapitel 7 Randwertprobleme Anwendungsbeispiel: Temperaturverteilung in einem dünnen Stab mit isolierter Oberfläche. u(x) : Temperatur im Stab an der Stelle x, x ; L. Im Gleichgewichtszustand genügt u der
MehrKapitel 1. Holomorphe Funktionen
Kapitel 1 Holomorphe Funktionen Zur Erinnerung: I IR sei ein offenes Intervall, und sei z 0 I. Eine Funktion f : I IR heißt differenzierbar in z 0, falls der Limes fz fz 0 lim =: f z 0 z z 0 z z 0 existiert.
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
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.
Mehrx x 2 + y + 2y 2 y x 2 + y = 2 (x 2 + y 2 ) 2 = 0, (x,y) =r
Funktionentheorie, Woche 8 Harmonische Funktionen 8. Folgen der Holomorphie Im letzten Kapitel sahen wir, dass der Realteil einer holomorphen Funktion harmonisch ist, und dass es zu jeder harmonischen
Mehr9 Höhere partielle Ableitungen und die Taylorformel
Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,
Mehr6.1 Zerlegungen Ober- und Unterintegrale Existenz des Integrals
Kapitel 6 Das Riemann-Integral In diesem Abschnitt wollen wir einen Integralbegriff einführen. Dieser Integralbegriff geht auf Riemann 1 zurück und beruht auf einer naheliegenden Anschauung. Es wird sich
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
MehrInstitut für Analysis WS 2014/15 PD Dr. Peer Christian Kunstmann Dipl.-Math. Leonid Chaichenets
Institut für Analysis WS 4/5 PD Dr. Peer Christian Kunstmann 9..4 Dipl.-Math. Leonid Chaichenets Höhere Mathematik III für die Fachrichtung Physik Lösungsvorschläge zum 5. Übungsblatt Aufgabe : (a) Sei
Mehr1 0, x C X (A). = 1 χ A(x).
Aufgabe 1 a) Wir müssen nur zeigen, dass χ A B (x) = χ A (x) χ B (x) für alle x X gilt. (Dass χ A χ B Abbildung von X in {0, 1} ist, ist klar.) Sei also x X beliebig. Fall 1: x A B. Dies bedeutet x A und
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,
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
Mehr14 Ljapunov-Funktionen
14 Ljapunov-Funktionen 67 14 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
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
Mehr23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN
204 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
MehrSeminar Gewöhnliche Dierentialgleichungen
Seminar Gewöhnliche Dierentialgleichungen Dynamische Systeme II Valentin Jonas 8. 6. 215 1 Einleitung In dem letzten Kapitel "Dynamische Systeme I" ging es vor allem um in t glatte, autonome, dynamische
MehrEinführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript)
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Universität der Bundeswehr München Einführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript) Univ. Prof.
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
MehrDie Perronsche Methode
Die Perronsche Methode Stephanie Seger LMU München Hüttenseminar 13.12.2012-16.12.2012 Stephanie Seger Die Perronsche Methode 1/13 Lösung eines speziellen Randwertproblems Existenz von Lösungen des klassischen
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
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.
MehrÜbungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
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
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
MehrMathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck
MehrRelative Kontrollierbarkeit und Invarianz-Entropie
Relative Kontrollierbarkeit und Invarianz-Entropie Ralph Lettau in Zusammenarbeit mit Fritz Colonius und Christoph Kawan Institut für Mathematik Universität Augsburg 9. Elgersburg Workshop 5. März 2014
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrAnalysis I. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Analysis I 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 26, 207 Erinnerung Satz. (Zwischenwertsatz) Sei f : [a, b] R stetig mit f(a) f(b). Dann gibt es zu jedem
MehrL 2 -Theorie und Plancherel-Theorem
L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation
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
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
MehrRiesz scher Darstellungssatz und Duale Räume
Riesz scher Darstellungssatz und Duale Räume LV Numerik Partieller Differentialgleichungen Bärwolff SS 2010 14.06.2010 Julia Buwaya In der Vorlesung wurde der Riesz sche Dartsellungssatz als wichtiges
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
MehrGewöhnliche Differentialgleichungen Woche 7. Nicht-lineare und linearisierte Systeme
Gewöhnliche Differentialgleichungen Woche 7 Nicht-lineare und linearisierte Systeme d 71 Gleichgewichtspunkte Wir werden uns mit Anfangswertproblemen der folgenden Form beschäftigen: { y (t f (t, y(t,
MehrExistenzsatz von Lions
II.4. Darstellung von Sesquilinearformen 37 Existenzsatz von Lions Im Satz von Lax-Milgram wurde mittels einer Sesquilinear- bzw. Bilinearform ein Operator T L (H) eines Hilbertraumes H und seine Invertierbarkeit
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
MehrFerienkurs Analysis 3. Ari Wugalter März 2011
Ari Wugalter 07. - 08. März 2011 1 1 Hilberträume Im ersten Kapitel wollen wir uns mit den grundlegenden Eigenschaften von Hilberträumen beschäfitgen. Hilberträume habe die herausragende Eigenschaft, dass
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
Mehr6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
MehrKomplexe Differenzierbarkeit und das Dirichlet-Problem
RWTH Aachen Lehrstuhl A für Mathematik Komplexe Differenzierbarkeit und das Dirichlet-Problem Schriftliche Ausarbeitung im Rahmen des Seminars zur Fourieranalysis Betreuer: Prof. Dr. H. Führ Dipl.-Gyml.
Mehr10 Der Integralsatz von Gauß
10 Der Integralsatz von Gauß In diesem Abschnitt beweisen wir den Integralsatz von Gauß, die mehrdimensionale Verallgemeinerung des Hauptsatzes der Differential- und Integralrechnung. Aussage des Satzes
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
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
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y
MehrAUFFINDEN ERSTER INTEGRALE. 1. Die Problemstellung Wir betrachten eine autonome Differentialgleichung x (t) = f(x(t))
AUFFINDEN ERSTER INTEGRALE Zusammenfassung. In dieser kleinen Note widmen wir uns in einem für uns ausreichendem Maße den theoretischen Grundlagen zum Auffinden erster Integrale. (1) 1. Die Problemstellung
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
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 14
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 03.02.2019 Dr. Markus Lange Analysis 1 Aufgabenzettel 14 Dieser Zettel wird in der letzten Übung des Semesters am 08.02.2019 besprochen Aufgabe
Mehr2.10 Lokale Funktionsanalyse
2.1 Lokale Funktionsanalyse Aufgabe Gegeben sei die Abbildung g : R 2 R 2 mit g(x, y) : (x 3 yx, y). Man bestimme alle Mengen M k : {(ξ, η) R 2 g 1 (ξ, η) hat genau k Elemente}. Wie verhält g sich in der
Mehr