11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
|
|
- Herbert Kevin Schubert
- vor 7 Jahren
- Abrufe
Transkript
1 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 R n ist. Definition 11.1 a) Sei U R n offen und sei h : U R m stetig differenzierbar. Dann heißt h regulär, wenn rang(dh(x)) = m x U gilt. b) Sei nun 0 < k < n und sei m = n k. Eine Teilmenge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, falls zu jedem x 0 M eine offene Umgebung U von x 0 in R n existiert und eine reguläre Funktion h : U R m mit M U = {x U h(x) = 0} = h 1 ({0}) Bemerkung ) Es gibt viele andere Definitionen von k-dimensionalen C 1 Untermannigfaltigkeiten die aber alle äquivalent sind. Z.B. sagt Königsberger im Buch Analysis II: Man heißt k-dimensional Untermannigfaltigkeit von R n falls zu jedem x 0 M eine Umgebung U von x 0 R n, eine offene Menge V R n und ein C 1 Diffeomorphismus ϕ : U V mit ϕ(m U) = (R n {0}) V. Ist dann P : R n R m die Projektion auf R m, und ist h := P ϕ : U R m, so folgt M U = {x U h(x) = 0} und h ist stetid differenzierbar und rang(dh(x)) = rang(p Dϕ(x)) = rang(p ) = m x U. 2) Ist h : U R m wie in der Definition. So folgt aus rang(dg(x 0 )) = m, dass die Jacobi- Matrix Dg(x 0 ) in linear Unabhängigen Spalten x j1 (x 0 ),..., x j1 (x 0 ) erhalten. Nach Vertauschen der Variablen können wir o.b.d.a annehmen, dass x k+1 (x 0 ),..., x n (x 0 ) linear unabhängig sind. Schreiben wir dann R n = R k R m z0, x 0 =, so ist dann y 0 z0 invertierbar. Der Satz über implizite Funktionen liefert dann: offene Umgebungen U 1 von z 0, U 2 von y 0 und stetig differenzierbare Funktionen g : U 1 U 2 y y 0 mit { } z M (U 1 U 2 ) = z U g(z) 1. Damit ist M lokal der Graph einer Funktion auf U 1 R k. Für die folgenden Resultate benötigen wir den Begriff des Tangentialraums T x0 M an M im Punkt x 0. getext: Julia Wolters 97
2 Prof. Dr. Siegfried Echterhoff Analysis 2 Vorlesung SS 2009 Definition 11.3 Sei M R n k-dim Untermanigfaltigkeit, sei x 0 M und sei U offene Umgebung von x 0, h : U R m regulär mit M U = {x U h(x) = 0}. Dann heißt T x0 M := ker(dh(x 0 )) R n der Tangentialraum von M im Punkt x 0. Abbildung 16: Tangentialraum Beachte: Da rang(dh(x 0 )) = m ist Dh(x 0 ) : R n R m surjektiv. Nach dem Dimensionsformel für lineare Abbildungen folgt hieraus, dass T x0 M = ker(dh(x 0 )) ein n m = k-dimensionaler Untervektorraum der R n ist! Bemerkung 11.4 Sei I R ein Intervall. Eine stetige Abbildung α : I R n heißt parametrisierter Weg in R n. Ist α differenzierbar, so ist α (t 0 ) R n Richtungsvektor der Tangente α(t 0 ) + tα (t 0 ) an der Kurve α(i) im Punkt α(t 0 ). Abbildung 17: Richtungsvektor der Tangente Satz 11.5 Sei M R n eine k-dimensionale C 1 Untermanigfaltigkeit des R n und sei x 0 M. Dann gilt { } T x0 M = v R n differenzierbarer Weg α : ( δ, δ) M R n mit α(0) = x 0, α (0) = v Insbesondere hängt T x0 M nicht von der Wahl der regulären Funktion h : U R m ab! Beweis: Sei T x0 M die linke Seite der Gleichung. Wir zeigen: T x0 M ist k-dimensionaler 98 getext: Julia Wolters
3 Untervektorraum des R n mit T x0 M T x0 M. Da dim(t x0 M) = k folgt Gleichheit. Sei zunächst v T x0 M. Dann existiert differenzierbarer Weg α : ( δ, δ) M mit α(0) = x 0, α (0) = v. Sei U Umgebung von x 0 und h : U R m regulär mit M U = h 1 ({0}). Dann gilt h(α(t)) = 0 t und damit 0 = D(h α)(0) = Dh(α(0))α (0) = Dh(x 0 )v, also ist v T x0 M. Es folgt T x0 M T x0 M. Gleichheit: Wir vertiefen die Variablen von R n wie in Bemerkung 11.2(2), so dass R n R k R m z0, x 0 = und h z0 invertierbar. Dann existieren Umgebungen U y 0 y y 1 von 0 z{( 0, U 2 von ) y 0 und } stetig differenzierbare Funktion g : U 1 U 2 mit M (U 1 U 2 ) = z z U g(z) 1. Sei nun w R k beliebig. Sei δ > 0 mit z 0 + tw U 1 t ( δ, δ). z0 + tw Definiere α : ( δ, δ) M durch α(t) =. g(z 0 + tw) z0 z0 Dann gilt α(0) = = = x g(z 0 ) y 0 und α w (0) =. { 0 } Dg(z 0 )w w Damit folgt w R Dg(z 0 )w k =: T T x0 M T x0 M. Da T k-dimensionaler Untervektorraum von R n folgt T = T x0 M = T x0 M. Wir wollen nun lokale Extrema für Funktionen auf Untermanigfaltigkeiten dse R n betrachten: Definition 11.6 Sei M R n k-dimensionaler C 1 Untermanigfaltigkeiten, sei U R n offen und h : U R m regulär mit M U = h 1 ({0}). Ist dann x 0 M U und ist f : U R differenzierbar, so sagen wir f besitzt in x 0 ein lokales Maximum / Minimum bzgl. M (oder auch f besitzt lokales Maximum / Minimum unter der Nebenbedingung h = 0), falls ein δ > 0 existiert mit f(x) f(x 0 ) (bzw.f(x) f(x 0 )) x M U δ (x 0 ). x Beispiel 11.7 Sei h : R 3 R; h y = x 2 + y 2 + z 2 1. Dann ist h regulär mit z x x h 1 ({0}) = y y = 1 z z = S2 R 2. 2 Ist nun f : R n R beliebige differenzierbare Funktion, so können wir f S 2 : S 2 R auf lokale Maxima / Minima bzgl. S 2 untersuchen (bzw. mit Nebenbedingung h = 0). Ist f stetig, so exitiert Maxima / Minima da S 2 kompakt. getext: Julia Wolters 99
4 Prof. Dr. Siegfried Echterhoff Analysis 2 Vorlesung SS 2009 Satz 11.8 Sei U R n offen, : U R m regulär und f : U R differenzierbar. Sei M = {x U h(x) = 0} und sei x 0 M. Dann gilt: Besitzt f in x 0 ein lokales Maximum / Minimum bzgl. M (dh. mit Nebenbedingung h = 0), so existieren λ 1,..., λ m R (sogenannte Lagrange Multiplikatoren) mit f(x 0 ) = λ 1 h 1 (x 0 )+λ 2 h 2 (x 0 )+...+λ n h m (x 0 ), wobei h 1,..., h m : U R die Komponentenfunktionen von h sind. Beweis: Aus der Linearen Algebra wissen wir: Ist V R n ein Untervektorraum, und ist V = {w R n w, v = 0 v V }, so gilt (V ) = V. Zeigt: Ist V = LH{ h 1 (x 0 ),..., h m (x 0 )}, so gilt f(x 0 ) (V ) = V. Dann folgt der Satz! Nun gilt V = {w R n h i (x 0 ), w = Dh i (x 0 ) w = 0} = {w R n Dh(x 0 ) w = 0} 11.3 = T x0 M 0 1 i m Ist nun w T x0 M = V beliebig, so existiert nach 11.5 ein stetig differenzierbarer Weg α : ( δ, δ) M mit α(0) = x 0, α (0) = w. Da x 0 lokales Maximum / Minimum von f bzgl. M ist 0 ein lokales Maximum / Minimum von f α : ( δ, δ) R. Damit folgt 0 = (f α) (0) = Df(α(0)) α (0) = Df(x 0 ) w = f(x 0 ), w. Also gilt f(x 0 ), w = 0 w V = T x0 M und dann folgt f(x 0 ) (V ) = V. Achtung: Satz 11.8 gibt nur ein notwendiges Kriterium zum Vorliegen eines Maximums / Minimums in x 0 bzgl. M, aber kein hinreichendes Kriterium. Wir können also nur mögliche Kandidaten für lokale Maxima / Minima aufspüren! Anwendung 11.9 Sei A M n n (R) symmetrisch, also A t = A. Sei f : R n R; f(x) = Ax, x die zu A gehörige quadratische Form. Wir wollen die möglichen lokalen Maximima / Minima von f auf S n 1 = {x R n x 2 = 1} fnden. Sei dazu h : R n R; h(x) = x h 2 n 1. Dann ist Dh(x) = (2x 1,..., 2x n ) = 2x t 0 auf U = R n \ {0} und S n 1 = h 1 ({0}). Nach Satz 11.8 gilt: Besitzt f in x 0 ein lokales Maximum / Minimum bzgl. S n 1, so existiert λ R mit f(x 0 ) = λ h(x 0 ) = 2λx 0. Nun gilt f(x) = Ax, x = f x j (x) = 2 n i,j=1 a ij x i x j und damit gilt a ij x i + a jj 2x j = 2 i j a ij x i A=A t = 2 a ji x i = 2(Ax) j Damit folgt f(x) = 2Ax. Ist also x 0 lokales Maximum / Minimum auf S n 1, so folgt 2Ax 0 = f(x 0 ) = λ h(x 0 ) = λ2x 0 Ax 0 = λx getext: Julia Wolters
5 Die möglichen lokalen Maxima / Minima sind also genau die normierten Eigenvektoren von A und λ ist zugehöriger Eigenwert. Es gilt dann f(x 0 ) = Ax 0, x 0 = λx 0, x 0 = λ x = λ. Da S n 1 kompakt, existiert auf jeden Fall ein globales Maximum und Minimum von f auf S n 1. Dies muss dann der größte bzw. kleinste Eigenwert von A sein und liegt jeweils bei zugehörigen Eigenvektor x 0 vor. getext: Julia Wolters 101
Extremalprobleme 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
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,
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
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
Mehr10 Der Satz über implizite Funktionen und Umkehrfunktionen
Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Der Satz über implizite Funktionen und Umkehrfunktionen Motivation: Sei F : U R R eine differenzierbare Funktion
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
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
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
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
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
Mehr1.6 Implizite Funktionen
1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man
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
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
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
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
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
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker (Analysis ) MA90 http://www-m5matumde/allgemeines/ma90 06S Sommersem 06 Lösungsblatt (606) Zentralübung Z
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
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die
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
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
Mehr7 Partielle Ableitung
Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 7 Partielle Ableitung Definition 7 Sei U R n offen und f : U R m eine Funktion Dann heißt f im Punkt nach der j-ten Variablen j partiell differenierbar,
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
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
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
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
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
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
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
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
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,
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
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.
Mehr42 Lokale Extrema mit Nebenbedingungen
4 Lokale Extrema mit Nebenbedingungen 09 4 Lokale Extrema mit Nebenbedingungen Lernziele: Resultate: Kriterien für lokale Extrema mit Nebenbedingungen Methoden: Lagrange-Multiplikatoren Kompetenzen: Bestimmung
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
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
MehrÜbungen zur Analysis II Blatt 27 - Lösungen
Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.5 2014/04/28 14:01:50 hk Exp $ $Id: diff.tex,v 1.2 2014/04/28 14:24:56 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d Am Ende der letzten Sitzung hatten wir die Tangentialvektoren
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
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)
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
Mehr0.1 Hauptsatz über implizite Funktionen
0.1 Hauptsatz über implizite Funktionen 0.1 Hauptsatz über implizite Funktionen Ein lineares homogenes Gleichungssystem von q Gleichungen in r + q Unbekannten kann bekanntlich verwendet werden um q Unbekannte
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:
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
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
MehrProbeklausur zur Analysis II
Probeklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 3. Februar 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrTeil IV : Integration über Untermannigfaltigkeiten. 9 Untermannigfaltigkeiten von R n
Teil IV : Integration über Untermannigfaltigkeiten In der Analysis II haben wir bereits Kurven in R n eine Länge zugeordnet (also ein eindimensionales Volumen ) und Funktionen über Kurven integriert. In
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrTechnische Universität München. Aufgaben Mittwoch SS 2012
Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische
MehrThema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
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
MehrFERIENKURS ANALYSIS 2 FÜR PHYSIKER
FERIENKURS ANALYSIS FÜR PHYSIKER JOHANNES R. KAGER UND JULIAN SIEBER Lösungsvorschlag zum Aufgabenblatt Aufgabe ( ). Bestimmen Sie für die Funktion f(x, y) = y 4 3xy + x 3 (a) eine Funktion, deren Graph
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
MehrLagrange-Multiplikatoren
Lagrange-Multiplikatoren Ist x eine lokale Extremstelle der skalaren Funktion f unter den Nebenbedingungen g i (x) = 0, dann existieren Lagrange-Multiplikatoren λ i, so dass grad f (x ) = λ i grad g i
MehrDer Fundamentalsatz der Algebra
Der Fundamentalsatz der Algebra Vortragsausarbeitung im Rahmen des Proseminars Differentialtopologie Benjamin Lehning 17. Februar 2014 Für den hier dargelegten Beweis des Fundamentalsatzes der Algebra
Mehr16. FUNKTIONEN VON MEHREREN VARIABLEN
16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1
MehrBERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften
Musterl osung BERGISCHE UNIVERSITÄT WUPPERTAL Fachbereich C Mathematik und Naturwissenschaften Analysis II Klausur WS 211/212 Prof. Dr. Hartmut Pecher 3.2.212, 9:15 Uhr Name Matr.Nr. Studienfach Fachsemester
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
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
Mehr2 Implizite Funktionen
2 Implizite Funktionen Wir betrachten jetzt den Fall eines unterbestimmten Systems, wenn es also weniger Gleichungen gibt als Unbekannte. Wir können die Funktion dann wie folgt schreiben, indem wir die
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
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
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.
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
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
MehrLösungsvorschläge zum 7. Übungsblatt.
Übung zur Analysis II SS Lösungsvorschläge zum 7 Übungsblatt Aufgabe 5 a) f : R R definiert durch fx, y) : x, y) und D : U, ) und D : U 4, ) \ U, ) b) f : R R definiert durch fx, y) : x ) cost) c) γ :
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
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
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
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
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
MehrScheinklausur Analysis 2 Ss Juli 2008
Scheinklausur Analysis 2 Ss 2008 11. Juli 2008 Es gibt 10 Aufgaben. Die jeweilige Punktzahl steht am linken Rand. Die Gesamtpunktzahl ist 40 Punkte. Zum Bestehen der Klausur sind 16 Punkte erforderlich.
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
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
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.
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale (Wiederholung) HÖHERE MATHEMATIK 3 für Chemieingenieurwesen
................ 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
MehrProbeklausur. 1 Stetigkeit [7 Punkte] 2 Differenzierbarkeit [10 Punkte] Ferienkurs Analysis 2 für Physiker SS Karolina Stoiber Aileen Wolf
Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 26 A Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar
MehrMotivation der Vorlesung Analysis IV
Motivation der Vorlesung Analysis IV B. Ammann 1 1 Universität Regensburg Vorlesung Analysis IV im SS 2015 Geometrie von Untermannigfaltigkeiten Ziel: Verständnis von Kurven in der Ebene Kurven im Raum
MehrAufgabe 1. Berechnen Sie die absolute und die relative Kondition des Problems x f(x) für die Abbildung. x = x 2 e x 1.
Name: Matrikel-Nr.: 1 Aufgabe 1. Berechnen Sie die absolute und die relative Kondition des Problems x f(x) für die Abbildung R 3 R 2, x 1 f : x 1 + e x2 2 sin(x3 ) x = x 2 e x 1 (1 + x 2 1 + x, 2x 3 )
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient
Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung
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
MehrB Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,
B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,
MehrWiederholungsklausur zur Analysis II
Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrFERIENKURS ANALYSIS 2 FÜR PHYSIKER JOHANNES R. KAGER UND JULIAN SIEBER. Tag 2
FERIENKURS ANALYSIS 2 FÜR PHYSIKER JOHANNES R. KAGER UND JULIAN SIEBER Tag 2 Disclaimer. Diese Kurzzusammenfassung der Vorlesung Analysis 2 für Physiker des Sommersemesters 208 baut maßgeblich auf den
Mehr102 KAPITEL 14. FLÄCHEN
102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition
MehrMathematischer Vorkurs NAT-ING II
Mathematischer Vorkurs NAT-ING II (02.09.2013 20.09.2013) Dr. Jörg Horst WS 2013-2014 Mathematischer Vorkurs TU Dortmund Seite 1 / 252 Kapitel 7 Differenzierbarkeit Mathematischer Vorkurs TU Dortmund Seite
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
MehrImplizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem
Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,
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,
MehrHöhere Mathematik II für die Fachrichtung Physik. Übungs- und Scheinklausur
Institut für Analysis SS17 PD Dr. Peer Christian Kunstmann 15.7.17 Dipl.-Math. Leonid Chaichenets, Johanna Richter, M.Sc., Tobias Ried, M.Sc., Tobias Schmid, M.Sc. Höhere Mathematik II für die Fachrichtung
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
MehrWann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge
1 1 Check-Liste Analysis 1.1 Mengen und Abbildungen Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? kompakt? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge von R? Was
MehrÜbungen zur Analysis II
Übungen zur Analysis II Prof. Dr. C. Löh/M. Blank Blatt 10 vom 3. Dezember 011 Aufgabe 1 (Beispiel für eine Kurve). Sei γ : R R 3 t (cos t, sin t, t). 1. Zeigen Sie, dass γ eine reguläre parametrisierte
Mehr1 Polynome III: Analysis
1 Polynome III: Analysis Definition: Eine Eigenschaft A(x) gilt nahe bei a R, falls es ein δ > 0 gibt mit A(x) gilt für alle x (a δ, a + δ)\{a} =: U δ (a) Beispiele: x 2 5 nahe bei 0 (richtig). Allgemeiner:
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
Mehr