8 Extremwerte reellwertiger Funktionen
|
|
- Maximilian Scholz
- vor 7 Jahren
- Abrufe
Transkript
1 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R eine reellwertige Funktion und A eine Teilmenge von U. Ein Punkt x 0 A heißt eine Maximumstelle von f auf A gdw. f(x) f(x 0 ) für alle x A. Die Zahl f(x 0 ) wird dann ein Maximum von f auf A genannt. Man sagt auch, f nimmt auf A sein Maximum in x 0 an. Ein Punkt x 0 A heißt eine Minimumstelle von f auf A gdw. f(x 0 ) f(x) für alle x A. Die Zahl f(x 0 ) wird dann ein Minimum von f auf A genannt. Man sagt auch, f nimmt auf A sein Minimum in x 0 an. Ist x 0 eine Maximum- oder Minimumstelle von f auf A, so wird der Funktionswert f(x 0 ) auch ein Extremum von f auf A genannt. Definition Es sei U R n eine offene Menge, f : U R eine reellwertige Funktion und A eine Teilmenge von U. Ein Punkt x 0 U heißt eine lokale Maximumstelle (Minimumstelle) für f auf A gdw. es eine Umgebung V von x 0 gibt, so dass x 0 eine Maximumstelle (Minimumstelle) für f auf V ist. Die Zahl f(x 0 ) nennt man auch ein relatives oder lokales Extremum von f auf A. Definition Es sei U R n eine offene Menge und f : U R eine reellwertige Funktion. Ein Punkt x 0 U heißt kritischer Punkt von f, gdw. grad f(x 0 ) = 0 gilt. Es gilt nun ein entsprechendes lokales Extremwertkriterium wie wir es aus Analysis A kennen: Satz 8. (Lokales Extremwertkriterium) Ist U R n eine offene Menge, f : U R differenzierbar und nimmt f in x 0 U ein lokales Extremum an, dann ist grad f(x 0 ) = 0, das heißt, x 0 ist ein kritischer Punkt von f. Beweis. Angenommen, f nimmt in x 0 ein lokales Maximum an. Dann hat die Funktion g(t) := f(x 0 + th) für jedes h R n und t genügend klein (so dass x 0 + th im Definitionsbereich U von f ist) ein lokales Maximum in t = 0. Nach Analysis A gilt dann g (0) = 0. Andererseits ist nach dem Spezialfall der Kettenregel g (0) = grad f(x 0 ) h. Also ist grad f(x 0 ) h = 0 für jedes h R n und daher grad f(x 0 ) = 0. Der Beweis für ein lokale Minimalstelle x 0 von f verläuft analog.
2 8 Extremwerte reellwertiger Funktionen 35 Die Gleichung grad f(x 0 ) = 0 bedeutet, dass alle Komponenten von grad f(x 0 ) gleich Null sind. Daher können wir die Aussage von Satz 8. wie folgt formulieren: Hat f in x 0 ein lokales Extremum, dann ist x i (x 0 ) = 0, i =,..., n. Beispiel 8. (a) Wir bestimmen die kritischen Punkte der Funktion f(x, y) = x 2 + y 2. Es gilt x (x, y) = 2x und (x, y) = 2y. y Also ist der einzige kritische Punkt der Nullpunkt. Wegen f(0, 0) = 0 und f(x, y) 0 hat die Funktion in diesem Punkt ein lokales (sogar ein globales) Minimum (vgl. Abb. 4). (b) Wir bestimmen die kritischen Punkte der Funktion f(x, y) = x 2 y 2. Wie in (a) sehen wir, dass der einzige kritische Punkt der Nullpunkt ist. Wegen f(0, 0) = 0 und f(x, y) 0 hat die Funktion in diesem Punkt ein lokales (sogar ein globales) Maximum. (c) Wir bestimmen die kritischen Punkte der Funktion f(x, y) = x 2 y 2. Wie in (a) sehen wir wieder, dass der Nullpunkt der einzige kritische Punkt ist. Es gilt wieder f(0, 0) = 0. Berechnen wir Werte von f in der Umgebung des Nullpunkts, dann stellen wir fest: f(x, 0) 0 und f(0, y) 0. Da x und y beliebig klein gewählt werden können, kann der Nullpunkt weder eine lokale Maximum- noch eine lokale Minimumstelle sein. Es handelt sich um einen Sattelpunkt (vgl. Abb. 6). Beispiel 8.2 Wir bestimmen die kritischen Punkte der Funktion f(x, y) = x 2 2xy + 2y 2. Es gilt (x, y) = 2x 2y und (x, y) = 2x + 4y. x y Die kritischen Punkte sind also Lösungen der Gleichungen 2x 2y = 0 2x + 4y = 0 Durch Addition der beiden Gleichungen erhalten wir 2y = 0, also y = 0, und Einsetzen von y = 0 in eine der beiden Gleichungen ergibt x = 0. Daher ist der Nullpunkt wieder der einzige kritische Punkt. In Beispiel 8.2 ist nicht so einfach zu entscheiden, ob der kritische Punkt eine lokale Extremstelle ist oder nicht, und wenn ja, ob es sich um eine lokale Maximum- oder Minimumstelle handelt. Deswegen beschäftigen wir uns nun damit, hinreichende Kriterien für eine Extremstelle abzuleiten. In Analysis A hatten wir gesehen, dass es mit Hilfe der zweiten Ableitung einer Funktion f : R R möglich ist, festzustellen, ob f in einem kritischen Punkt x einen relativen Extremwert annimmt: f (x) > 0 bedeutet, dass x eine lokale Minimumstelle ist, und f (x) < 0, dass x eine lokale Maximumstelle ist. Dieses Kriterium wollen wir nun verallgemeinern. Die Schwierigkeit besteht allerdings darin, dass die zweite Ableitung von reellwertigen Funktionen mehrerer Veränderlicher ein ziemlich kompliziertes mathematisches Gebilde ist.
3 8 Extremwerte reellwertiger Funktionen 36 Wir betrachten dazu zunächst wieder unsere Taylorformel zweiter Ordnung (Satz 7.2) und führen für den quadratischen Term eine eigene Bezeichnung ein: Definition Es sei U R n eine offene Menge und f : U R eine Funktion, die im Punkt x 0 U partielle Ableitungen zweiter Ordnung (/ x i x j )(x 0 ), i, j =,..., n besitzt. Dann bezeichnet man als Hesse sche Funktion von f in x 0 die Funktion Hf(x 0 )(h,..., h n ) = 2 n i,j= x i x j (x 0 )h i h j. Damit schreibt sich die Taylorformel zweiter Ordnung in einem kritischen Punkt (in dem grad f(x 0 ) = 0 ist), wie folgt: f(x 0 + h) = f(x 0 ) + Hf(x 0 )(h) + R 2,x0 (h). Also ist in einem kritischen Punkt das Taylorpolynom zweiter Ordnung die Funktion f(x 0 ) + Hf(x 0 )(h,..., h n ). Die Hesse sche Funktion ist eine quadratische Funktion. Eine quadratische Funktion ist eine Funktion g : R n R der Form g(h,..., h n ) = n a ij h i h j, i,j= wobei (a ij ) eine symmetrische Matrix ist. Dieser Ausdruck läßt sich als Matrizenprodukt schreiben: a a 2 a n h g(h,..., h n ) = ( ) a 2 a 22 a 2n h 2 h h n a n a n2 a nn h n Mit der Matrix A := (a ij ) können wir dafür auch schreiben: g(h) = h t Ah, wobei h t die transponierte Matrix ist. Für eine quadratische Funktion g gilt für alle λ R. g(λh,..., λh n ) = n a ij λh i λh j = λ 2 g(h,..., h n ) i,j= Definition Die zugehörige Matrix ( 2 ) f A = (x 0 ) x i x j zur Hesse schen Funktion Hf(x 0 ) von f in x 0 nennt man auch die Hesse-Matrix von f in x 0.
4 8 Extremwerte reellwertiger Funktionen 37 Definition Eine quadratische Funktion g : R n R heißt positiv definit, gdw. g(h) 0 für alle h R n gilt und g(h) = 0 h = 0. Entsprechend heißt g negativ definit, gdw. g(h) 0 für alle h R n ist und g(h) = 0 h = 0. Die quadratische Funktion g heißt indefinit, gdw. g sowohl positive als auch negative Werte annimmt. Beispiel 8.3 Für n = ist Hf(x 0 )(h) = 2 f (x 0 )h 2, also genau dann positiv definit, wenn f (x 0 ) > 0 ist, und genau dann negativ definit, wenn f (x 0 ) < 0 ist. Satz 8.2 (Extremstellentest für n Variable) Es sei U R n offen, f : U R zweimal stetig differenzierbar und x 0 U ein kritischer Punkt von f. (a) Ist die Hesse sche Funktion Hf(x 0 ) positiv definit, dann hat f in x 0 ein lokales Minimum. (b) Ist Hf(x 0 ) negativ definit, dann hat f in x 0 ein lokales Maximum. (c) Ist Hf(x 0 ) indefinit, dann hat f in x 0 kein lokales Extremum. (Man nennt x 0 dann einen Sattelpunkt.) Beweis. Nach Satz 7.3 gibt es für alle genügend kleinen h R n 0 ϑ, so dass gilt: ein ϑ mit f(x 0 + h) f(x 0 ) = Hf(x 0 + ϑh)(h). Die Funktion Hf(x) hängt stetig von x ab. Damit ist mit Hf(x 0 ) auch Hf(x) für alle x aus einer Umgebung V von x 0 positiv definit (bzw. negativ definit, bzw. indefinit). In dieser Umgebung ist die rechte Seite der Gleichung im Fall (a) stets nicht negativ, also f(x 0 + h) f(x 0 ), im Fall (b) stets nicht positiv, also f(x 0 + h) f(x 0 ). Im Fall (c) ist f(x 0 + h) f(x 0 ) in jeder Umgebung von x 0 sowohl positiv als auch negativ. Nun betrachten wir den Spezialfall n = 2. Für Funktionen zweier Variabler hat die Hesse sche Funktion folgende Form: ( ) Hf(x, y)(h, h 2 ) = ( ) 2 ( h y x (x, y) h h 2 ). h 2 x (x, y) 2 (x, y) x y 2 f y 2 (x, y) Lemma 8. Es sei ( a b B = b c ) und H(h, h 2 ) = ( ) 2 ( h h h 2 )B. h 2 Dann ist H genau dann positiv definit, wenn a > 0 und det B = ac b 2 > 0. Entsprechend ist H genau dann negativ definit, wenn a < 0 und det B = ac b 2 > 0. Die quadratische Funktion H ist genau dann indefinit, wenn det B = ac b 2 < 0.
5 8 Extremwerte reellwertiger Funktionen 38 Beweis. Wir haben H(h, h 2 ) = 2 ( h h 2 ) Wir ergänzen die quadratische Form und schreiben H(h, h 2 ) = (h 2 a + b ) 2 a h ( ) ah + bh 2 = bh + ch 2 2 (ah2 + 2bh h 2 + ch 2 2). ( c b2 a ) h 2 2. Angenommen, H ist positiv definit. Setzen wir h 2 = 0, so sehen wir a > 0. Setzen wir h = (b/a)h 2, so sehen wir c b 2 /a > 0 oder ac b 2 > 0. Es sei umgekehrt a > 0 und c b 2 /a > 0. Dann ist H(h, h 2 ) eine Summe von Quadraten, also gilt H(h, h 2 ) 0. Ist H(h, h 2 ) = 0, dann müssen auch die beiden Quadrate Null sein. Daraus folgt aber h = 0 und h 2 = 0. Also ist H positiv definit. Die anderen Aussagen folgen analog. Aus Lemma 8. und Satz 8.2 können wir den folgenden Satz ableiten. Satz 8.3 (Extremstellen-Test für 2 Variable) Es sei f(x, y) eine auf der offenen ( Menge ) U R 2 erklärte Funktion, die zur Klasse C 2 gehört. Der Punkt x0 x 0 = sei ein kritischer Punkt von f, d.h. es gelte y 0 Es sei Dann gilt D(x 0, y 0 ) = x (x 0, y 0 ) = y (x 0, y 0 ) = 0. ( 2 ) ( f 2 ) ( x 2 (x f 2 ) 2 0, y 0 ) y 2 (x f 0, y 0 ) x y (x 0, y 0 ). (a) Ist 2 f x 2 (x 0, y 0 ) > 0 und D(x 0, y 0 ) > 0, dann ist x 0 eine lokale Minimumstelle. (b) Ist 2 f x 2 (x 0, y 0 ) < 0 und D(x 0, y 0 ) > 0, dann ist x 0 eine lokale Maximumstelle. (c) Ist D(x 0, y 0 ) < 0, dann ist x 0 ein Sattelpunkt. Bei Lemma 8. handelt es sich um einen Spezialfall des Hurwitz Kriteriums. Es sei hierzu A = (a ij ) i,j n eine quadratische, symmetrische Matrix (a ij = a ji ). Für k n betrachten wir die Untermatrix A k = (a ij ) i,j k, d.h. wir betrachten die eingezeichneten Untermatrizen: a... a k... a n.. A = a k... a. kk. a n... a nn
6 8 Extremwerte reellwertiger Funktionen 39 Satz 8.4 (Hurwitzkriterium) Die Matrix A ist genau dann positiv definit, wenn det A k > 0, k =,..., n. Dies liefert auch ein Kriterium für negativ definite Matrizen, da A genau dann negativ definit ist, wenn A positiv definit ist. Ein weiteres Kriterium besteht darin, dass A genau dann positiv definit ist, wenn alle Eigenwerte von A positiv sind. Beispiel 8.4 In Beispiel 8.2 haben wir gesehen, dass der einzige kritische Punkt der Funktion f(x, y) = x 2 2xy+2y 2 der Nullpunkt ist. Die Hesse sche Funktion ist Hf(0)(h, h 2 ) = h 2 2h h 2 + 2h 2 2 = (h h 2 ) 2 + h 2 2. Diese Funktion ist positiv definit. Andererseits können wir Satz 8.3 anwenden. Es gilt ( ) 2 2 Hf(0, 0) =, 2 4 D(0, 0) = 4 > 0. Nach Satz 8.3 hat f ein lokales Minimum im Nullpunkt. Beispiel 8.5 Wir betrachten die folgende Extremwertaufgabe: Es sei S := x y R 3 z = z xy. Man bestimme die Punkte auf S, die dem Nullpunkt am nächsten sind! Der Abstand zum Nullpunkt wird durch d(x, y, z) = x 2 + y 2 + z 2 gegeben. Auf S gilt z = /xy. Daher läßt sich d als Funktion d(x, y) = d(x, y, /xy) zweier Variabler schreiben: d(x, y) = x 2 + y 2 + x 2 y 2. Die Funktion d nimmt genau dann ein Minimum an, wenn die Funktion f(x, y) := d 2 (x, y) = x 2 + y 2 + x 2 y 2, die leichter zu behandeln ist, ein Minimum annimmt. Wir suchen also die lokalen Minima der Funktion f. Es gilt 2 2 (x, y) = 2x x x 3 und (x, y) = 2y y2 y x 2 y 3. Die kritischen Punkte sind also Lösungen der Gleichungen 2x 2 x 3 y 2 = 0, 2y 2 x 2 y 3 = 0.
7 8 Extremwerte reellwertiger Funktionen 40 Man berechnet daraus x = ± und y = ±. Daraus folgt, dass f die vier kritischen Punkte ( ) ( ) ( ) ( ),, und hat. Um festzustellen, ob f in diesen Punkten lokale Maxima, lokale Minima oder Sattelpunkte hat wenden wir Satz 8.3 an. Es gilt 6 (x, y) = 2 + x2 x 4 y 2, 4 (x, y) = x y x 3 y 3, 6 (x, y) = 2 + y2 x 2 y 4. Daraus berechnet man, dass in jedem kritischen Punkt gilt x 2 = 8 > 0, ( x 2 ) ( 2 ) ( f 2 ) 2 f y 2 = 48 > 0. x y Daher hat f in jedem der kritischen Punkte ein lokales Minimum, und das sind alle lokalen Minima von f. Die Punkte der Fläche S, die dem Nullpunkt am nächsten sind, sind daher die Punkte,, und.
(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
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
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
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
MehrBerechnung von Extrema
KAPITEL 2 Berechnung von Extrema 1. Partielle Ableitungen Definition 2.1 (partielle Ableitung). Sei U R n offen und e j der j-te Einheitsvektor. Eine Funktion f : U R ist in x u partiell differenzierbar
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
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
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
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 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrÜbungen zur Vorlesung Mathematik im Querschnitt Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 06/7 Blatt 4 5..06 Übungen zur Vorlesung Mathematik im Querschnitt Lösungsvorschlag 3. Die gegebene Polynomfunktion f : R R, f(x, y) =
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
Mehr4.5 Lokale Extrema und die Hessesche Form
80 Kapitel 4. Differentialrechnung in mehreren Variablen 4.5 Lokale Extrema und die Hessesche Form Sei ab jetzt U R n offen und f:u R eine Funktion. Unter einem lokalen Extremum der Funktion f verstehen
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
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
Mehr3. Approximation von Funktionen und Extremwertprobleme im R n
3. Approximation von Funktionen und Extremwertprobleme im R n Wie in D ist es wichtig Funktionen mit mehreren Variablen durch Polynome lokal approximieren zu können. Polynome lassen sich im Gegensatz zu
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
Mehr4.4 Lokale Extrema und die Hessesche Form
74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
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
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1. Anwendungen des Satzes über implizite Funktionen 2. Stationäre Punkte implizit definierter Funktionen 3. Reguläre Punkte 4. Singuläre Punkte Ausblick auf die heutige
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,
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
MehrC. Eicher Analysis Study Center ETH Zürich HS Extremwerte
C. Eicher Analysis Study Center ETH Zürich HS 05 Extremwerte Gelöste Aufgabenbeispiele:. Bestimme die lokalen und globalen Extrema der Funktion f(x) = x x + x auf dem Intervall [ 4, ]. a. Bestimmung der
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:
MehrDie Tangentialebene. {(x, y, z) z = f(x 0, y 0 )+ f x (x 0, y 0 )(x x 0 )+ f. y (x 0, y 0 )(y y 0 )}
Die Tangentialebene Der Graph der linearen Approximation ist Tangentialebene an den Graph der Funktion. In Symbolen: Es sei D R 2. Es sei f : D R, (x, y) f(x, y) differenzierbar. Dann ist {(x, y, z) z
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?
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
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
MehrHöhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung
TU Bergakademie Freiberg Sommersemester Dr. Gunter Semmler Dr. Anja Kohl Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung Differentialrechnung für Funktionen
MehrKonvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.
Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema
Vorlesung: Analysis II für Ingenieure Wintersemester 09/10 Michael Karow Themen: Taylor-Entwicklung und lokale Extrema Motivierendes Beispiel: die Funktion f(x, y) = x(x 1) 2 2 y 2. Dieselbe Funktion von
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
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen
Mehrf(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.
Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit
MehrMehrdimensionale Differentialrechnung Übersicht
Mehrdimensionale Differentialrechnung Übersicht Partielle und Totale Differenzierbarkeit Man kann sich mehrdimensionale Funktionen am Besten für den Fall f : R 2 M R vorstellen Dann lässt sich der Graph
MehrDer metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch
TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.
Mehr2 Funktionen in mehreren Variablen: Differentiation
Satz 2. (Richtungsableitung) Für jede auf der offenen Menge D R n total differenzierbaren Funktion f (insbesondere für f C 1 (D, R) und für jeden Vektor v R n, v 0, gilt: n v f(x) = f(x) v = f xi (x)v
MehrKlausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 7.1 (Herbst 2015, Thema 1, Aufgabe 4) Gegeben sei das Dreieck und die Funktion f : R mit Bestimmen Sie f(
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
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
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
MehrAnalysis II. Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag
Prof Dr H Garcke, D Depner SS 9 NWF I - Mathematik 1979 Universität Regensburg Aufgabe 1 Analysis II Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag i Erinnern Sie sich an die Konvergenzkriterien
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.
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
MehrÜbung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher
Technische Universität Chemnitz 1. Juli 20 Fakultät für Mathematik Höhere Mathematik I.2 Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher 1. Durch ein
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
MehrExtrema von Funktionen mit zwei Variablen
Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser
MehrAnalysis II 13. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 22/3 F. Stoffers 28. Januar 23 Analysis II 3. Übungsblatt. Aufgabe 4322 Punte a Sei U R n offen und f : R n R m eine stetig Fréchet-differenzierbare Abbildung.
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
MehrTechnische Universität Berlin
Technische Universität Berlin Fakultät II Institut für Mathematik WS 7/8 W. Stannat, A. Gündel-vom ofe..8 Februar Klausur Analysis II für Ingenieurwissenschaften Lösungsskizze Analysis II für Ingenieurwissenschaften
Mehr1 Übungsaufgaben zu Kapitel 1
Übungsaufgaben zu Kapitel. Übungsaufgaben zu Abschnitt... Aufgabe. Untersuchen Sie die nachstehend definierten Folgen ( a k ) k und ( b k ) k auf Konvergenz und bestimmen Sie ggf. den jeweiligen Grenzwert:
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
MehrHeinrich-Hertz-Oberschule, Berlin
Reellwertige Funktionen mehrerer Variabler Teilnehmer: Maximilian Ringleb Jakob Napiontek Kay Makowsky Mallku Schlagowski Trung Duc Nguyen Alexander Reinecke Herder-Oberschule, Berlin Heinrich-Hertz-Oberschule,
MehrAnalysis II WS 11/12 Serie 9 Musterlösung
Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei
MehrKlausurenkurs zum Staatsexamen (SS 2013): Differential und Integralrechnung 7
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2013): Differential und Integralrechnung 7 7.1 (Herbst 2012, Thema 2, Aufgabe 4) Sei f : R 2 R definiert durch Untersuchen Sie f auf lokale Extrema.
Mehr10 Ableitungen höherer Ordnung
Mathematik für Ingenieure II, SS 9 Freitag 47 $Id: ntaylortex,v 3 9/7/4 8:6:56 hk Exp $ Ableitungen höherer Ordnung Partielle Ableitungen beliebiger Ordnung Nachdem wir das letzte Mal einige Beispiele
Mehr4 Differenzierbarkeit
4 Differenzierbarkeit 16 4 Differenzierbarkeit Wir wollen nun Differenzierbarkeit von Funktionen mehrerer Veränderlicher definieren Dazu führen wir zunächst den Begriff der partiellen Ableitung ein Definition
MehrStetigkeit und Dierenzierbarkeit im R n
Stetigkeit und Dierenzierbarkeit im R n 1 Stetigkeit Wir übertragen den Stetigkeitsbegri auf mehrstellige reellwertige Funktionen. Denition 1. Sei M R n. Eine Funktion f : M R heiÿt stetig in a M gdw.
Mehr26. Höhere Ableitungen
26. Höhere Ableitungen 331 26. Höhere Ableitungen Im letzten Kapitel haben wir gesehen, wie man für Abbildungen zwischen mehrdimensionalen Räumen das Konzept der Differenzierbarkeit definieren und für
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 39 Definitheit von Bilinearformen Wir möchten die symmetrischen Bilinearformen über den reellen Zahlen klassifizieren.
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 (Analysis 2) MA923 http://wwwm5matumde/allgemeines/ma923_26s Sommersem 26 Probeklausur (4726) Krümmung
MehrÜbung 5, Analytische Optimierung
Übung 5, 5.7.2011 Analytische Optimierung Aufgabe 5.1 Bei der Herstellung von Konserven werden für Boden und Deckel bzw. für den Konservenmantel verschiedene Materialien verwendet, die g 1 = bzw. g 2 =
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
MehrTopologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte
Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt
MehrD-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Übungsblatt 6. f(x, y, z) = xyz + 3e x y
D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler Übungsblatt 6 1. Es seien f : R 2 R 3 und g : R 3 R 3 die Funktionen definiert durch x cos(y) 2 y 2 f(x, y) = x sin(y) und g(x, y, z)
MehrDiplom Vorprüfung bzw. Bachelor Modulprüfung Höhere Mathematik II für die Fachrichtung Physik. Lösungsvorschläge. det
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Herbst 9.9.9 Diplom Vorprüfung bzw. Bachelor Modulprüfung Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge Aufgabe
Mehr2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2)
Prof. Hesse Höhere Mathematik I und II Musterlösung 7. 0. 0, 80min Aufgabe (3 Punkte) Zeigen Sie mit vollständiger Induktion: Für alle n N gilt n k= k k k(k + ) = n+ n +. Induktionsanfang: k= Induktionsschluss
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.
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrange.tex,v 1.6 2012/11/06 14:26:21 hk Exp hk $ 2 Extrema unter Nebenbedingungen 2.1 Restringierte Optimierungsaufgaben Nachdem wir jetzt die bereits bekannten Techniken zur Bestimmung der lokalen
MehrAufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen
Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen 1. Bestimmen Sie für die folgenden Funktionen zunächst die kritischen Stellen und entscheiden
Mehr1 Partielle Differentiation
Technische Universität München Christian Neumann Ferienkurs Analysis 2 Vorlesung Dienstag SS 20 Thema des heutigen Tages sind Differentiation und Potenzreihenentwicklung Partielle Differentiation Beim
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
MehrQuadratische Formen und Definitheit
Universität Basel Wirtschaftswissenschaftliches Zentrum Quadratische Formen und Definitheit Dr. Thomas Zehrt Inhalt: 1. Quadratische Formen 2. Quadratische Approximation von Funktionen 3. Definitheit von
MehrMathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12
Mathematik für Wirtschaftswissenschaftler im WS /3 Lösungen zu den Übungsaufgaben Blatt Aufgabe 5 Welche der folgenden Matrizen sind positiv bzw negativ definit? A 8, B 3 7 7 8 9 3, C 7 4 3 3 8 3 3 π 3
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras
Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst
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
MehrFunktionen untersuchen
Funktionen untersuchen Mögliche Fragestellungen Definition: lokale und globale Extrema Monotonie und Extrema Notwendige Bedingung für Extrema Hinreichende Kriterien, Vergleich Krümmungsverhalten Neumann/Rodner
MehrKritischer Punkt. Kritischer Punkt 1-1
Kritischer Punkt Für eine skalare Funktion f bezeichnet man x als kritischen Punkt, wenn grad f (x) = (0,..., 0)textt. Ist f zweimal stetig differenzierbar, so wird der Typ des kritischen Punktes, d.h.
Mehr9. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 9. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 8./9. Dezember 2009 Gruppenübung
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrWirtschaftsmathematik: Formelsammlung (V1.40)
Wirtschaftsmathematik: Formelsammlung (V.40) Grundlagen n! = 2 3... n = 0! = n i für n N, n 0, i= pq-formel Lösung von x 2 + px + q = 0 x /2 = p p 2 ± 2 4 q abc-formel Lösung von ax 2 + bx + c = 0 Binomische
Mehr6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode
6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode In diesem Kapitel orientieren wir uns stark an den Büchern: 1. Knut Sydsæter, Peter Hammond, Mathematik für Wirtschaftswissenschaftler,
MehrAnalysis II. Vorlesung 47
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Zu einer reellwertigen Funktion Vorlesung 47 interessieren wir uns wie schon bei einem eindimensionalen Definitionsbereich für die Extrema, also Maxima
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
MehrProf. Steinwart Höhere Mathematik I/II Musterlösung A =
Prof. Steinwart Höhere Mathematik I/II Musterlösung 9.8.6 Aufgabe Punkte a Berechnen Sie die Eigenwerte der folgenden Matrix: A 3 b Es sei 4 A. 8 5 Bestimmen Sie P, P M, und eine Diagonalmatrix D M, so,
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr.
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,
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,
MehrAnalysis II - 2. Klausur
Analysis II - 2. Klausur Sommersemester 25 Vorname: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Summe Analysis II - 2. Klausur 6.7.25 Aufgabe 6 Punkte Betrachten Sie die C
MehrMathematik II. Vorlesung 46. Der Gradient
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen
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
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,
Mehr9 Differentialrechnung für Funktionen in n Variablen
$Id: diff.tex,v.7 29/7/2 3:4:3 hk Exp $ $Id: ntaylor.tex,v.2 29/7/2 3:26:42 hk Exp $ 9 Differentialrechnung für Funktionen in n Variablen 9.6 Lagrange Multiplikatoren Die Berechnung von Maxima und Minima
MehrVorlesung: Analysis I für Ingenieure
Vorlesung: Analysis I für Ingenieure Michael Karow Thema: Satz von Taylor Die Taylor-Entwicklung I Satz von Taylor. Sei f : R D R an der Stelle x n-mal differenzierbar. Dann gilt für x D, n f (k) (x )
MehrM U = {x U f 1 =... = f n k (x) = 0}, (1)
Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit
Mehr