B 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,
|
|
- Julia Acker
- vor 7 Jahren
- Abrufe
Transkript
1 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, y) in (x, y) sowie die Richtungsableitung D v f(x, y) in Richtung v (v 1, v ) S 1 Aufgabe (partielle und totale Differenzierbarkeit) Wir setzen die Funktionen f, g, h : R R, gegeben durch f(x, y) : im Nullpunkt durch fort xy (x y)3 (x y)3 ; g(x, y) : x + y x ; h(x, y) : + y x + y Berechnen Sie wo möglich im Punkt (, ) die Ableitungen in Richtung v S 1 und überprüfen Sie f auf totale Differenzierbarkeit Aufgabe 3 (Tangentialebenen) Berechnen Sie die Tangentialebenen der durch f(x, y) : 5 exp( x (y ) ) + x + (y ) gegebenen Funktion f : R R in den Punkten (x 1, y 1 ) (, 5; 1) und (x, y ) (; ) Aufgabe 4 (Satz von Schwarz) Zeigen Sie: Die Funktion f : R R, gegeben durch f(x, y) : xy x y x + y (x, y) R\(, ) mit f(, ) : ist auf ganz R stetig differenzierbar, aber nicht zweimal stetig differenzierbar Aufgabe 5 ( Gegenbeispiele ) (1) Zeigen Sie, dass die im Nullpunkt durch fortgesetzte Funktion f : R R mit f(x, y) : x y x 4 + y ((x, y) R \{(, )}) im Ursprung unstetig, aber in alle Richtungen differenzierbar ist () Zeigen Sie, dass die Funktion f : R R, definiert durch f(x, y) : x 3xy + y 4 auf allen Geraden durch (, ) ein Minimum um Ursprung hat, obschon f dort kein lokales Minimum hat Aufgabe 6 (parameterabhängiges Optimierungsproblem) Gegeben sei für jedes c R die Funktion f c : R R (x, y) (x + y 1) cx An welchen Punkten ist f c? Wo hat f c sein globales Minimum? Martin Gubisch B1 SS 9
2 Aufgabe 7 (lokale Extrema) Finden Sie Funktionen f : R R und Punkte (x, y) R folgenden Eigenschaften: (a) f besitzt in (x, y) ein lokales, isoliertes Minimum und H f (x, y) ist positiv definit (b) f besitzt in (x, y) einen Sattelpunkt und H f (x, y) ist indefinit (c) f besitzt in (x, y) ein lokales, nicht isoliertes Minimum und H f (x, y) ist positiv semidefinit (d) f besitzt in (x, y) einen Sattelpunkt und H f (x, y) ist positiv semidefinit (e) f besitzt in (x, y) ein lokales, isoliertes Minimum und H f (x, y) ist positiv semidefinit Aufgabe 8 (Kriterien für Extrema) Seien D R n offen, f C (D, R) und x D Welche der folgenden Aussagen sind richtig, welche nicht? Bei welchen der Implikationen gilt die Umkehrung? Ist f (x), dann hat f in x kein lokales Extremum Ist H f (x) negativ definit, dann besitzt f in x ein lokales Maximum Gelte ab jetzt f (x) Ist H f (x) positiv definit, dann hat f in x ein lokales Extremum Hat f in x ein isoliertes, lokales Extremum, dann ist H f (x) positiv oder negativ definit Ist H f (x) echt semidefinit, so kann f in x ein isoliertes, lokales Extremum haben Hat f in x ein isoliertes, lokales Extremum, dann kann H f (x) echt semidefinit sein Ist H f (x) indefinit, so kann f in x ein nicht isoliertes, lokales Minimum haben Hat f in x ein lokales, isoliertes Minimum, dann kann H f (x) positiv semidefinit sein Hat f in x einen Sattelpunkt, dann ist H f (x) indefinit Hat f in x ein lokales Minimum, so ist H f (x) negativ semidefinit Aufgabe 9 (Optimierung mit Nebenbedingungen) Eine kreisförmige Platte trage die Temperaturverteilung D : {(x, y) R x + y 1 } T : D R (x, y) xy + 1 Gesucht sind die Stellen höchster bzw niedrigster Temperatur Aufgabe 1 (Geometrische Optimierung) Seien a, b, c, d Vektoren des R n mit b, d Wir definieren zwei Geraden x(s) : a + sb; y(t) : c + td; wobei s, t Parameter aus R Gesucht sind die globalen Extremstellen der Abstandsfunktion Φ : Aufgabe 11 (Berechnung von Kurvenlängen) R R (s, t) x(s) y(t) Berechnen Sie die Längen der folgenden Kurven: t sin(t) α(t) :, t π 1 cos(t) t β(t) :, 1 t 1 cosh(t) γ(t) : t cos(t) t sin(t), t 1 t 3 /3 cos δ(t) : 3 (t) sin 3, t π (t) Martin Gubisch B SS 9
3 Aufgabe 1 (Wahrscheinlichkeitsdichte) Berechnen Sie mittels Transformationsformel das uneigentliche Integral e x dx Aufgabe 13 (Berechnung eines Rotationskörpers) Berechnen Sie das Volumen des Kegels A : { (r, ϕ, h) R 3 r [, hr ] }, ϕ [, π], h [, H] H Aufgabe 14 (Satz über implizite Funktionen) In welchen Punkten (x, y, z) R 3 ist das Gleichungssystem { x y y z lokal auflösbar? Zeigen Sie, dass das System bei (1, 1, 1) lokal nach (y, z) aufgelöst werden kann und bestimmen Sie die Ableitung der Auflösungsfunktion (y(x), z(x)) durch implizites Differenzieren Martin Gubisch B3 SS 9
4 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, y) in (x, y) sowie die Richtungsableitung D v f(x, y) in Richtung v (v 1, v ) S 1 Die partiellen Ableitungen von f in (x, y) sind Gradient und Jacobi-Matrix sind somit x f(x, y) sin(xy) + x cos(xy)y, y f(x, y) x cos(xy)x J f (x, y) ( x f(x, y), y f(x, y)) (sin(xy) + x cos(xy)y, x cos(xy)); x f(x, y) sin(xy) + x cos(xy)y ( f)(x, y) y f(x, y) x cos(xy) Das totale Differenzial f df : R L(R, R) in (x, y) ist gegeben durch f (x, y) : R R v D v f(x, y) mit v1 D v f(x, y) J f (x, y) v v1, f(x, y) v v 1 x f(x, y) + v y f(x, y) v 1 (sin(xy) + xy cos(xy)) + v (x cos(xy)) Aufgabe (partielle und totale Differenzierbarkeit) Wir setzen die Funktionen f, g, h : R R, gegeben durch f(x, y) : im Nullpunkt durch fort xy (x y)3 (x y)3 ; g(x, y) : x + y x ; h(x, y) : + y x + y Berechnen Sie wo möglich im Punkt (, ) die Ableitungen in Richtung v S 1 und überprüfen Sie f auf totale Differenzierbarkeit Martin Gubisch B4 SS 9
5 (a) Sei v (v 1, v ) S 1, dann ist f( + t v) t v 1 v t also gilt für die Ableitung von f in in Richtung v: t v 1 v, Gilt dann v 1 und v, so ist f( + t v) f( ) D v f((, )) lim lim v 1 v sgn(t) t t t lim t sign(t)v 1 v v 1 v lim sign(t)v 1 v v 1 v, t dh D v f((, )) existiert nur für v e (1) oder v e () Insbesondere ist f in (, ) nicht differenzierbar (b) Entsprechend berechnen wir für g: g( + t v) g( ) D v g((, )) lim t(v 1 v ) 3 (v 1 v ) 3 t t t Also lässt sich g in alle Raumrichtungen v ableiten Dennoch ist g nicht differenzierbar Wir zeigen dazu, dass es ein v S 1 gibt mit Setze dazu (v 1, v ) : D v g((, )) 1 g((, ))v 1 + g((, ))v (1, 1) (1, 1) 1 (1, 1), dann D v g((, )) ( ) ; i1 i g((, ))v i v 1 v (c) Auch für h existieren die Ableitungen in alle Raumrichtungen: h( + t v) h( ) t 3 (v 1 v ) 3 D v h((, )) lim lim lim t (v 1 v ) 3 t t t t t t h ist sogar differenzierbar Um dies zu zeigen, berechnen wir die partiellen Ableitungen x h(x, y) und y h(x, y) und zeigen, dass diese stetig in einer Umgebung U R von sind Setze dazu U : B 1 Dann gilt 3(x y) x + y (x y)3 x x h(x, y) x +y x + y 3(x y) y h(x, y) x + y (x y)3 y x +y x + y x,y x,y Martin Gubisch B5 SS 9
6 Aufgabe 3 (Tangentialebenen) Berechnen Sie die Tangentialebenen der durch f(x, y) : 5 exp( x (y ) ) + x + (y ) gegebenen Funktion f : R R in den Punkten (x 1, y 1 ) (, 5; 1) und (x, y ) (; ) Die partiellen Ableitungen von f sind Damit erhalten wir x f(x, y) 5 exp( x (y ) )( x) + x und y f(x, y) 5 exp( x (y ) )( (y )) + (y ) J f (x, y) ( x f(x, y) y f(x, y) ) bzw f(x, y) Die Tangentialebene an einem Punkt (x, y) wird dann beschrieben durch x y + span 1, 1 f(x, y) x f(x, y) y f(x, y) bzw durch die Parametrisierung T (x, y) : f(x, y) + x f(x, y)x + y f(x, y)y Ausgewertet an den entsprechenden Punkten (x 1, y 1 ) und (x, y ) erhalten wir x f(x, y) y f(x, y) T 1 (x, y) [5 exp( 1, 5) + 1, 5] + [5 exp( 1, 5) 1]x + [1 exp( 1, 5) + ]y T (x, y) 5 Aufgabe 4 (Satz von Schwarz) Zeigen Sie: Die Funktion f : R R, gegeben durch f(x, y) : xy x y x + y (x, y) R\(, ) mit f(, ) : ist auf ganz R stetig differenzierbar, aber nicht zweimal stetig differenzierbar Beweis Für (x, y) R \{(, )} ist f beliebig oft differenzierbar und es gilt f x (x, y) x4 y + 4x y 3 y 5 (x + y ), f y (x, y) x5 4x y xy 4 (x + y ) Martin Gubisch B6 SS 9
7 Außerdem ist f f(h, ) f(, h) (, ) lim lim x h h h h f (, ), y dh f ist auf ganz R partiell differenzierbar und die partiellen Ableitungen sind stetig: Also f C 1 (R, R) Allerdings gilt dh f / C (R, R) lim x,y f (, ) lim x x,y f (, ) y 1 x y f(, ) lim ( x f)(h, ) lim h h h (h ) +1, 1 h 5 y x f(, ) lim ( y f)(, h) lim h h h (h ) 1, h 5 Aufgabe 5 ( Gegenbeispiele ) (1) Zeigen Sie, dass die im Nullpunkt durch fortgesetzte Funktion f : R R mit f(x, y) : x y x 4 + y ((x, y) R \{(, )}) im Ursprung unstetig, aber in alle Richtungen differenzierbar ist () Zeigen Sie, dass die Funktion f : R R, definiert durch f(x, y) : x 3xy + y 4 auf allen Geraden durch (, ) ein Minimum um Ursprung hat, obschon f dort kein lokales Minimum hat Beweis (1) Sei v (v 1, v ) ein Richtungsvektor (dh v S 1 ) Dann gilt f(t v) f( ) t 3 v D v f(, ) lim 1v t t t (t v1 4 + v ) v 1 v für v und D (1,) f(, ) 1 f(, ), dh alle Richtungsableitungen im Nullpunkt existieren Allerdings ist f 1 auf {(x, x ) x }, dh f in (, ) unstetig () Sei v (v 1, v ) ein beliebiger Richtungsvektor Für die Gerade g : R R, gegeben durch g(t) : f(t v) v 1t 3v 1 v t 3 + v 4 t 4 gelten dann g () und g () 4v 1 >, dh g hat in ein lokales Minimum Also besitzt f auf allen Geraden durch ein lokales Minimum f besitzt in aber kein lokales Minimum, denn wegen f(x, y) (y x)(y x) gibt es in jeder Umgebung von einen Punkt (x, y ) mit f(x, y ) < f(, ) Martin Gubisch B7 SS 9
8 Aufgabe 6 (parameterabhängiges Optimierungsproblem) Gegeben sei für jedes c R die Funktion f c : R R (x, y) (x + y 1) cx An welchen Punkten ist f c? Wo hat f c sein globales Minimum? Differenzieren nach x und y liefert f c (x, y) (4(x + y 1)x c, 4(x + y 1)y) Wir betrachten zuerst den Fall c Offenbar gilt für alle (x, y) R mit x + y 1, dass f (x, y), dh die Nullstellenmenge von f ist genau der Einheitskreis S : {(x, y) R (x, y) : x + y 1} Da f als Quadrat niemals negativ werden kann, ist S die Menge aller globalen Minima von f ; isolierte Minima existieren nicht Sei nun c Der Graph von f c wird dann in x-richtung um den Faktor c gekippt Wir zeigen zunächst, dass f c y Angenommen, y wäre nicht, dann muss für die zweite Koordinate von f c gelten (x +y 1), also x + y 1 Damit auch die erste Koordinate wird, folgt c, Widerspruch Da f c eine notwendige Bedingung für das Vorliegen von Extrempunkten ist, folgt damit, dass alle globalen Minima von f auf der x-achse liegen Wir suchen noch die (von c abhängenden) x-koordinaten Diese muss die Gleichung 4(x 1)x c 4x 3 4x c erfüllen, dh wir suchen die c-stellen des Polynoms p(x) : 4x 3 4x Die Extremstellen von p lassen sich berechnen durch p (x) 1x 4! 1 x ± : ±x 3 Martin Gubisch B8 SS 9
9 Wir können an Γ p dann ablesen: Anzahl der c-stellen von p ist 1 3 c > p( x) oder c < p(x) c ±p(x) p(x) < c < p(x) Die Urbilder der beiden Äste (1) sind genau die globalen Minima von f c ; die Urbilder von () sind lokale Minima und die von (3) globale Maxima, sofern vorhanden Sowohl an Γ fc als auch an Γ p sehen wir, dass mit wachsendem c der Hochpunkt von f c mehr und mehr abflacht, bis er schließlich für c ±p(x) verschwindet Die lokalen Minima gehen für diesen Wert in einen Sattelpunkt (also in einen Punkt, der f c erfüllt, aber trotzdem kein lokaler oder globaler Extrempunkt ist) über (4) und verschwinden für c > p(x) oder c < p(x) ebenfalls Wir halten als Ergebnis fest: (1) Im Fall c < hat f c das globale Minimum (x c, ), wobei x c die auf (, 1) eindeutig bestimmte der Gleichung p(x) c ist () Im Fall c > hat f c das globale Minimum (x + c, ), wobei x + c die auf (1, ) eindeutig bestimmte der Gleichung p(x) c ist Aufgabe 7 (lokale Extrema) Finden Sie Funktionen f : R R und Punkte (x, y) R folgenden Eigenschaften: (a) f besitzt in (x, y) ein lokales, isoliertes Minimum und H f (x, y) ist positiv definit (b) f besitzt in (x, y) einen Sattelpunkt und H f (x, y) ist indefinit (c) f besitzt in (x, y) ein lokales, nicht isoliertes Minimum und H f (x, y) ist positiv semidefinit (d) f besitzt in (x, y) einen Sattelpunkt und H f (x, y) ist positiv semidefinit (e) f besitzt in (x, y) ein lokales, isoliertes Minimum und H f (x, y) ist positiv semidefinit Martin Gubisch B9 SS 9
10 (1) Definiere f(x, y) 1 ( (x + y x ) f(x, y) y) x y und H f (x, y) 1 1 H f (, ) ist positiv definit, dh f besitzt bei (, ) lokales, isoliertes Minimum Dies sieht man mit dem Kriterium von Hurwitz: 1 det(1) 1 > det 1 > 1 bzw über die Definition: w : w T H f (x, y)w (w 1 w ) 1 w1 w 1 w 1 + w > () Definiere f(x, y) 1 ( (x y x ) f(x, y) y) x y und H f (x, y) H f (, ) ist indefinit, dh f besitzt bei (, ) einen Sattelpunkt (3) Definiere f(x, y) 1 ( x x f(x, y) ) x und H f (x, y) 1 H f (, ) ist positiv semidefinit f besitzt bei (, ) ein lokales, nicht isoliertes Minimum (4) Definiere f(x, y) 1 (x + y 3 ) f(x, y) x 3 x y und H f (x, y) y Dann ist H f (, ) positiv semidefinit Allerdings besitzt f keinen Extrempunkt (5) Definiere f(x, y) 1 (x + y 4 ) f(x, y) 1 1 ( 1 ) 3 y x 1 y 3 x y und H f (x, y) 6y Dann ist H f (, ) positiv semidefinit Hier besitzt f bei (, ) ein lokales, isoliertes Minimum Aufgabe 8 (Kriterien für Extrema) Seien D R n offen, f C (D, R) und x D Welche der folgenden Aussagen sind richtig, welche nicht? Bei welchen der Aussagen gilt die Umkehrung? Ist f (x), dann hat f in x kein lokales Extremum Ist H f (x) negativ definit, dann besitzt f in x ein lokales Maximum Gelte ab jetzt f (x) Ist H f (x) positiv definit, dann hat f in x ein lokales Extremum Hat f in x ein isoliertes, lokales Extremum, dann ist H f (x) positiv oder negativ definit Ist H f (x) echt semidefinit, so kann f in x ein isoliertes, lokales Extremum haben Hat f in x ein isoliertes, lokales Extremum, dann kann H f (x) echt semidefinit sein Ist H f (x) indefinit, so kann f in x ein nicht isoliertes, lokales Minimum haben Hat f in x ein lokales, isoliertes Minimum, dann kann H f (x) positiv semidefinit sein Hat f in x einen Sattelpunkt, dann ist H f (x) indefinit Hat f in x ein lokales Minimum, so ist H f (x) negativ semidefinit Martin Gubisch B1 SS 9
11 Aufgabe 9 (Optimierung mit Nebenbedingungen) Eine kreisförmige Platte trage die Temperaturverteilung D : {(x, y) R x + y 1 } T : D R (x, y) xy + 1 Gesucht sind die Stellen höchster bzw niedrigster Temperatur Wir gehen wie in 1D vor: (1) Aufspüren kritischer Punkte mit Hilfe der Ableitung () Überprüfen der Funktionswerte an kritischen Punkten, um Maxima und Minima zu finden Suche zunächst kritische Punkte in D {(x, y) R x + y < 1} Dann gelten: ( x T (x, y) y) x y ; 1 H T (x, y) ; 1 P HT (λ) λ 1 λ ±1 Da H T einen positiven und einen negativen Eigenwert hat, ist H T indefinit, dh T hat in (, ) einen Sattelpunkt und auf D keine Extrempunkte Da T stetig auf Kompaktum, nimmt T Maximum und Minimum an, also müssen auf dem Rand der Platte D {(x, y) R Φ(x, y) } Extrempunkte von T liegen: T hat Extrempunkte unter der Nebenbedingung Φ(x, y) : x + y 1 Definiere als Lagrange-Funktion F (x, y, λ) xy λ(x + y 1), dann F (x, y, λ) y + λ x + λ x + y 1 Auflösen des Gleichungssystems ergibt: y λx x + λ( λx) x(1 4λ ) x + y 1 (1) x y, aber + 1, dh (, ) ist kein kritischer Punkt () 1 4λ λ ±1 x y (3) x y, dann x 1 x ± 1 (4) x y, dann x ± 1 Wir erhalten die kritischen Punkte ( 1, 1 ), ( 1, 1 ), ( 1, 1 ), ( 1, 1 ) Einsetzen in T ergibt: Maxima bei (± 1, ± 1 ) und Minima bei (± 1, 1 ) Martin Gubisch B11 SS 9
12 Aufgabe 1 (Geometrische Optimierung) Seien a, b, c, d Vektoren des R n mit b, d Wir definieren zwei Geraden x(s) : a + sb; y(t) : c + td; wobei s, t Parameter aus R Gesucht sind die globalen Extremstellen der Abstandsfunktion Φ : R R (s, t) x(s) y(t) Beweis Allgemein gilt für x, y, h, k R n und ein Skalarprodukt s(, ) :, : R n R n R: x + h, y + k x, y + x, k + y, h + h, k, }{{}}{{} ( x, + y, )(h,k) für h,k dh das totale Differenzial ds : s von s ist gegeben durch s (x, y)(h, k) ( x, + y, )(h, k) x, k + y, h Damit erhalten wir als Bedingungen erster Ordnung von Φ(s, t) x(s) y(t), x(s) y(t) : ( Φ (s, t) ( x(s) y(t), + x(s) y(t), ) s s (x(s) y(t)), ) (x(s) y(t)) s x(s) y(t), x (s) + x(s) y(t), x (s) a + bs c td, b und analog Φ t (s, t) x(s) y(t), y (t) a + bs c dt, d Mögliche Extremstellen (s, t ) müssen Φ(s, t ) erfüllen, also das System ( ) + s b, b t d, b c a, b s b, d + t d, d c a, d lösen Die Koeffizientenmatrix des zu ( ) gehörenden homogenen Systems ist b, b b, d A : b, d d, d Genau dann ist A invertierbar und damit ( ) eindeutig lösbar, wenn det(a) b, b d, d b, d b d b, d Nach der Ungleichung von Cauchy-Schwarz ist det(a) > b, d linear unabhängig In diesem Fall erhalten wir also als mögliche Extremstelle ein eindeutig bestimmtes Paar (s, t ) Bedingung zweiter Ordnung: Φ(s, t) s s ( a + sb c td, + b, )(b, ) b, b ; Φ(s, t) t s ( a + sb c td, + b, )( d, ) b, d ; Φ(s, t) t t ( a + sb c td, + d, )( d, ) d, d Martin Gubisch B1 SS 9
13 Damit ist die Hesse-Matrix H Φ (s, t) 4 ( b, b ) b, d b, d d, d positiv definit, denn für die Determinanten der Hauptminoren H 1, H gelten det(h 1 ) det( b, b ) b, b > ; det(h ) det(h Φ (s, t )) b d b, d > nach Cauchy-Schwarz, also hat Φ in (s, t ) ein lokales, isoliertes Minimum Wegen lim Φ(s, t) lim s,t ist (s, t ) sogar ein globales Minimum s,t s b, b + t d, d st b, d Œ s t lim t ( b + d b, d ) t }{{} b d > Bleibt noch der Fall zu untersuchen, dass b, d linear abhängig sind, dh dass d µb für ein µ R Setze Φ(s, t) : Ψ(s µt) mit Ψ(x) : a c + xb Dann ist Ψ eine 1D-Funktion und wir erhalten durch Differenzieren nach x die Gleichungen Ψ (x) a c + xb, b Ψ (x) b, b Aus Ersterem erhalten wir als einziges mögliches Extremum von Ψ den Wert x c a, b b, b und da Ψ (x ) b >, besitzt Ψ in x ein lokales (sogar globales), isoliertes Minimum Also nimmt Φ bei allen (s, t ) sein globales Minimum an, für die gilt s µt x Martin Gubisch B13 SS 9
14 Aufgabe 11 (Berechnung von Kurvenlängen) Berechnen Sie die Längen der folgenden Kurven: t sin(t) α(t) :, t π 1 cos(t) t β(t) :, 1 t 1 cosh(t) t cos(t) γ(t) : t sin(t), t 1 t 3 /3 cos δ(t) : 3 (t) sin 3, t π (t) (a) Wir benötigen den Halbwinkelsatz und das Additionstheorem ( sin α ) 1 cos(α) sin (α) + cos (α) 1 Dann gilt α(t) α(t) 1 cos(t) sin(t) 1 cos(t) + cos (t) + sin (t) ( (1 cos(t)) t ) sin, also L (α) π wobei wir die Substitutionsregel ( t s) sin dt ϕ(b) ϕ(a) π f(t) dt sin b a t dt Subst 4 f(ϕ(t)) ϕ(t) dt π sin(t) dt 8, verwendet haben mit ϕ(t) : t (b) Wegen gilt β(t) β(t) cosh (α) sinh (α) 1 1 sinh(t) 1 + sinh (t) cosh (t) cosh(t), dh L (β) 1 1 cosh(t) dt sinh(t) 1 1 e 1 e Martin Gubisch B14 SS 9
15 (c) Es ist γ(t) t cos(t) t sin(t) t sin(t) + t cos(t) t γ(t) (t cos(t) t sin(t)) + (t sin(t) + t cos(t)) + t 4 t 4 + t, also L (γ) 1 t 4 + t dt 1 t + t dt Subst wobei wir substituiert haben mit ϕ(t) : + t 3 t dt 3 t 3 3 ( ), (d) Wegen 3 cos δ(t) (t) sin(t) 3 sin (t) cos(t) δ(t) 3 cos 4 (t) sin (t) + sin 4 (t) cos (t) 3 cos (t) sin (t)(cos (t) + sin (t)) 3 cos(t) sin(t) folgt mit dem Additionstheorem dass L (δ) 3 π sin(α) cos(α) 1 sin(t) π sin(t) cos(t) dt 6 sin(t) dt Subst 6 π sin(t) dt 6 cos(t) π 6 Aufgabe 1 (Wahrscheinlichkeitsdichte) Berechnen Sie mittels Transformationsformel das uneigentliche Integral e x dx Es gilt e x dx π : ( e dx) x Polarkoordinaten π π π e x π re r [ 1 e r ] dx e y dy e (x +y ) d(x, y) e r r dϕ dr Martin Gubisch B15 SS 9 dr
16 Aufgabe 13 (Berechnung eines Rotationskörpers) Berechnen Sie das Volumen des Kegels A : { (r, ϕ, h) R 3 r [, hr ] }, ϕ [, π], h [, H] H Indem wir einen Zylinder (Radius R, Höhe H) als Rotation einer Kreisscheibe um die x 3 -Achse auffassen, erhalten wir [, R] [, π] [, H] R F : 3 (r, ϕ, h) (r cos ϕ, r sin ϕ, h) als Koordiantentransformation zwischen kartesischen Koordinaten und Zylinderkoordinaten Als Volumen des Kegels ergibt sich dann mittels Transformationssatz H π vol(f (A)) 1 ( hr H ) dϕ dh H F (A) π ( hr H 1 det F A ) dh πr H H π hr H r dr dϕ dh [ 1 3 H3] H 1 3 πr H Aufgabe 14 (Satz über implizite Funktionen) In welchen Punkten (x, y, z) R 3 ist das Gleichungssystem { x y y z lokal auflösbar? Zeigen Sie, dass das System bei (1, 1, 1) lokal nach (y, z) aufgelöst werden kann und bestimmen Sie die Ableitung der Auflösungsfunktion (y(x), z(x)) durch implizites Differenzieren Definiere x f(x, y, z) : y y z J f (x, y, z) x y y z Für Punkte (x, y, z), die das System lösen, gilt dann Rang(J f (x, y, z)) (x, y, z) (,, ) Nach dem Satz über implizite Funktionen existiert daher in allen Punkten (x, y, z) R 3 \{(,, )} eine lokale Auflösung nach zwei der drei Variablen In einer Umgebung U von 1 sei ϕ : U R R die Auflösungsfunktion, dh ϕ(x) (y(x), z(x)) mit f(x, ϕ(x)) (x U) und ϕ(1) (1, 1) Dann ist 1 ϕ f (x) 1 3 f 1 1 f 1 (x) 1 z x f 3 f f 4yz y y Speziell bei (1, 1, 1) gilt also ϕ (1) (1, 1) x/y x/z Bei (,, ) ist das System nach keinem Paar der Variablen auflösbar: In jeder z-umgebung U R von ist sowohl (z, z, z) als auch ( z, z, z) eine Auflösung des Systems nach (x, y), dh eine lokal eindeutige Auflösung um ist nicht möglich Martin Gubisch B16 SS 9
f 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 II. Mehrdimensionale Differenzialund Integralrechnung
Übungen zur Vorlesung Analysis II Aufgaben Mehrdimensionale Differenzialund Integralrechnung gelesen von Prof. Dr. Heinrich Freistühler Martin Gubisch Konstanz, Sommersemester 28 Übungsaufgaben. Aufgabe
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
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
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
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
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
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
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
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
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
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
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
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.
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,
MehrTechnische Universität München. Probeklausur Lösung SS 2012
Technische Universität München Andreas Wörfel & Carla Zensen Ferienkurs Analysis für Physiker Probeklausur Lösung SS Aufgabe Differenzierbarkeit / Punkte: [4,, 3, 4] Es sei f(x, y) = sin(x3 + y 3 ) x +
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
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
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
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
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
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.
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
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
MehrSeite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx
Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =
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?
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
MehrA1: Diplomvorprüfung HM II/III WS 2007/
A: Diplomvorprüfung HM II/III WS 7/8 6..8 Aufgabe. (+68 Punkte) a) Ist die Reihe k+ k k 5k konvergent oder divergent? Begründen Sie ihre Aussage! b) Führen Sie eine Partialbruchzerlegung für n+ durch und
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
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. 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
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
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,
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.
MehrAufgabensammlung zum UK Mathematische Optimierung
Aufgabensammlung zum UK Mathematische Optimierung Mehrdimensionale Analysis Stetigkeit. Man bestimme den natürlichen Definitionsbereich D f der folgenden Funktionen f: a) f(x, y) = ln(x y ) b) f(x, y)
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
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
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 Basisprüfung, Gruppe A Analysis I/II ) = 28π 6
Winter 8. Single Choice: 6J (a) Der Flächeninhalt einer Kreisscheibe mit Radius R ist gegeben durch πr. Aus Symmetriegründen ist der Flächeninhalt eines Kreisssektors mit 6 gegeben durch πr 6. Folglich
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.
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
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
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die
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
MehrMusterlösungen Aufgabenblatt 2
Jonas Kindervater Ferienkurs - Höhere Mathematik III für Physiker Musterlösungen Aufgabenblatt Dienstag 17. Februar 009 Aufgabe 1 (Implizite Funktionen) f(x, y) = x 1 xy 1 y4 = 0 Man bestimme die lokale
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
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
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
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:
MehrGrundlagen der Mathematik (BSc Maschinenbau)
Priv.-Doz. Dr. J. Ruppenthal Wuppertal, 5.9.7 Grundlagen der Mathematik (BSc Maschinenbau) Aufgabe. (6+8+6 Punkte) a) Zeigen Sie durch Induktion nach n N: n (k ) = n k= b) Stellen Sie die folgenden Mengen
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
MehrKLAUSUR. Analysis (E-Technik/Mechatronik/W-Ing) Prof. Dr. Werner Seiler Dr. Matthias Fetzer, Dominik Wulf
KLAUSUR Analysis (E-Technik/Mechatronik/W-Ing).9.7 Prof. Dr. Werner Seiler Dr. Matthias Fetzer, Dominik Wulf Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Unterschrift: In der Klausur können Sie insgesamt
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
MehrKlausur HM II/III F 2003 HM II/III : 1
Klausur HM II/III F 3 HM II/III : Aufgabe : (7 Punkte) Untersuchen Sie die Funktion f : R R gegeben durch x 3 y 3 f(x, y) x + y sin, (x, y) (, ) x + y, (x, y) (, ) auf Stetigkeit und Differenzierbarkeit.
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
MehrFerienkurs der TU München- - Analysis 2 Funktionen in mehreren Variablen Vorlesung
Ferienkurs der TU München- - Analysis 2 Funktionen in mehreren Variablen Vorlesung Jonas J. Funke 30.08.2010-03.09.2010 Inhaltsverzeichnis 1 Funktionen in mehreren Variablen 3 2 Partielle Differentiation
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
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
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
MehrTechnische Universität Berlin
Technische Universität Berlin Fakultät II Institut für Mathematik WS /5 G. Bärwol, A. Gündel-vom-Hofe..5 Februar Klausur Analysis II für Ingenieurswissenschaften Lösungsskizze. Aufgabe 6Punkte Bestimmen
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 009 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
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
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar D BIOL, D CHAB Lösungen zu Mathematik I/II. ( Punkte) a) Wir benutzen L Hôpital lim x ln(x) L Hôpital x 3 = lim 3x + x L Hôpital = lim x ln(x) x 3x 3 = lim ln(x) x 3 x
MehrHöhere Mathematik für Ingenieure 2
Prüfungklausur (B) zum Modul Höhere Mathematik für Ingenieure 2 25. Juli 29, 3. - 7. Uhr (2.Termin) Aufgabe : - Lösungen zum Theorieteil - Geben Sie eine Funktion f : R 2 R an, für die die Niveaumenge
MehrMathematik II für ET/IT und ITS im SS 2012
Matrikelnummer: 8 Name: Vorname: 2 3 4 5 6 7 8 9 Bonus Gesamtpunktzahl Klausur Mathematik II für ET/IT und ITS im SS 22 Hinweise: Schreiben Sie auf das eckblatt der Klausur Ihren vollständigen Namen und
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
Mehrist ein Eigenvektor der Matrix A = Ist λ der Eigenwert zum Eigenvektor x der Matrix A, so gilt dafür A x = λ x, also
5. Juli Lösungshinweise Theorieteil Aufgabe : Der Vektor x = ist ein Eigenvektor der Matrix A = Bestimmen Sie den zum Eigenvektor x zugehörigen Eigenwert. 3 3 3 3 (Hinweis: Es ist nicht erforderlich, das
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
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
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,
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Wiederholungsklausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrLösungen zu Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx
MehrStroppel Musterlösung , 180min. Aufgabe 1 (3 Punkte) Bestimmen Sie die Determinante der Matrix
Stroppel Musterlösung 7.., 8min Aufgabe Punkte Bestimmen Sie die Determinante der Matrix A =. Geben Sie alle Lösungen x des homogenen Gleichungssystems Ax = an. Entwicklung nach der ersten Spalte: deta
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Differentialrechnung für Funktionen mehrerer
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
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
MehrVorlesung Mathematik für Ingenieure II (Sommersemester 2008)
Vorlesung Mathematik für Ingenieure II (Sommersemester 8) Kapitel : Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 8. Mai 8) Differenzialrechnung R R 4
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,
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
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
MehrMathematik II Lösung 6. Lösung zu Serie 6
Lösung zu Serie 6. a) In einem kritischen Punkt (x, ) von f gelten f x (x, ) x + und f (x, ) x, also x. Ferner gelten f xx (x, ) f (x, ) und f x (x, ), insbesondere also f xx (, ) < und f xx (, )f (, )
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.
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, August D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben. ( Punkte) a) Wir berechnen lim sin(x ) x 3 + 4x L Hôpital = lim x cos(x ) 3x + 8x = 4. b) Wir benutzen L Hôpital lim
Mehrf(x, y) = x 2 4x + y 2 + 2y
7. Februar Lösungshinweise Theorieteil Aufgabe : Bestimmen Sie die Niveaumengen (Höhenlinien) der Funktion f(x, y) = x 4x + y + y und skizzieren Sie das zugehörige Höhenlinienbild im kartesischen Koordinatensystem
MehrFunktionen in mehreren Variablen Lösungen
Funktionen in mehreren Variablen en Jonas Funke 5.08.008 1 Stetigkeit und partielle Dierentiation 1 Stetigkeit und partielle Dierentiation 1.1 Aufgabe Gegeben ist die Funktion: { (x + y 1 ) sin( ) (x,
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,
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
MehrThema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema
Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema In diesem Kapitel befassen wir uns mit der Ableitung von Funktionen f : R m R n. Allein die Schreibweise
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
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
MehrProbeklausur Höhere Mathematik II für Elektrotechniker
I. Bouw.7.8 U. Hackstein Probeklausur Höhere Mathematik II für Elektrotechniker Es gibt 5 Punkte pro Teilaufgabe, also insgesamt 7 Punkte. Aufgabe. Skizzieren Sie folgenden Bereich: D = {(x, y) R x + y
MehrVorlesung Mathematik für Ingenieure 2 (Sommersemester 2009)
1 Vorlesung Mathematik für Ingenieure 2 (Sommersemester 2009) Kapitel 10: Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 27. März 2009) Differenzialrechnung
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
MehrPrüfung Modul A, Teil 2 (Mathematik 2) (Fernstudium Bauingenieurwesen)
Name: Vorname: Matrikelnummer: TU Dresden, Fachrichtung Mathematik, Dr. N. Koksch 6. Februar 8 Prüfung Modul A, Teil (Mathematik ) (Fernstudium auingenieurwesen) ewertet werden nur solche Lösungsschritte,
MehrKlausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrSchwerpunkte des Kapitels Differentialrechnung für skalare Felder Integralrechnung für skalare Felder Kurvenintegrale. Aufgabe 9.2 Aufgabe 9.
9. Mehrdimensionale Analysis 1/42 9. Mehrdimensionale Analysis Differentialrechnung für skalare Felder 2/42 Schwerpunkte des Kapitels Differentialrechnung für skalare Felder Integralrechnung für skalare
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,
MehrPROBEPRÜFUNG MATHEMATIK I UND II
PROBEPRÜFUNG MATHEMATIK I UND II für die Studiengänge Agrar-, Erd-, Lebensmittelund Umweltnaturwissenschaften Für diese Probeprüfung sind ca 4 Stunden vorgesehen. Die eigentliche Prüfung wird signifikant
Mehr