GRUNDLAGEN MATHEMATIK
|
|
- Carsten Burgstaller
- vor 7 Jahren
- Abrufe
Transkript
1 Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16
2 G. Matthies Grundlagen Mathematik 2/82 Motivation Ziel: Übertragung des Begriffs Steigung von Geraden auf Kurven f (x) m = f (x) f (x 0) x x 0 f (x 0 ) x 0 x m: Anstieg der Geraden
3 G. Matthies Grundlagen Mathematik 3/82 Differentialrechnung Gesucht: Tangente T (x; x 0 ) an f im Punkt ( x 0, f (x 0 ) ) y f (x) f (x 0 ) T (x; x 0 ) x x 0
4 G. Matthies Grundlagen Mathematik 4/82 Differentialrechnung Sekante S h (x; x 0 ) durch ( x 0, f (x 0 ) ) und ( x 0 +h, f (x 0 +h) ), h 0 f (x 0 + h) y f (x 0 ) x 0 x 0 + h x
5 G. Matthies Grundlagen Mathematik 4/82 Differentialrechnung Sekante S h (x; x 0 ) durch ( x 0, f (x 0 ) ) und ( x 0 +h, f (x 0 +h) ), h 0 y f (x 0 + h) f (x 0 ) x 0 x 0 + h x
6 G. Matthies Grundlagen Mathematik 4/82 Differentialrechnung Sekante S h (x; x 0 ) durch ( x 0, f (x 0 ) ) und ( x 0 +h, f (x 0 +h) ), h 0 y f (x 0 + h) f (x 0 ) x 0 x 0 + h x Der Anstieg der Sekante strebt gegen den Anstieg der Tangente.
7 Differenzierbarkeit Definition Sei I R ein offenes Intervall und f : I R eine Funktion. Dann heißt f in x 0 I differenzierbar, wenn der Grenzwert f (x) f (x 0 ) lim x x 0 x x 0 existiert. In diesem Fall bezeichnen wir den Grenzwert mit f (x 0 ) und nennen ihn Ableitung oder Differentialquotient von f in x 0. Bemerkung Die Ableitung von f in x 0 kann äquivalent auch in der Form f (x 0 ) = lim h 0 f (x 0 + h) f (x 0 ) h definiert werden. G. Matthies Grundlagen Mathematik 5/82
8 G. Matthies Grundlagen Mathematik 6/82 Tangente Satz Die Ableitung f (x 0 ) existiert genau dann, wenn die Tangente T an den Graphen von f in x 0 existiert. In diesem Fall lässt sich die Tangente in der Form schreiben. Bemerkung T (x; x 0 ) = f (x 0 ) + f (x 0 )(x x 0 ) Somit ist f (x 0 ) der Anstieg von f an der Stelle x 0.
9 G. Matthies Grundlagen Mathematik 7/82 Einige Ableitungen f : R R, f (x) = c = konstant: f f (x) f (x 0 ) c c (x 0 ) = lim = lim = 0. x x 0 x x 0 x x 0 x x 0 f : R R, f (x) = x n, n R \ {0}: f (x 0 ) = n x n 1 0 f : R [ 1, 1], f (x) = sin(x): f (x 0 ) = cos(x 0 ) f : R [ 1, 1], f (x) = cos(x): f (x 0 ) = sin(x 0 )
10 G. Matthies Grundlagen Mathematik 8/82 Differenzierbare Funktionen Definition Seien D R offen und f : D R. Die Funktion f heißt auf der offenen Teilmenge A D differenzierbar, falls f in jedem Punkt x 0 A differenzierbar ist. Ist f auf D differenzierbar, so nennen wir f differenzierbare Funktion. Definition Ist f : D R eine differenzierbare Funktion, dann nennen wir die Abbildung f : D R, x f (x) Ableitung von f. Die Schreibweisen f df (x), dx (x), d dx f (x) sind üblich.
11 G. Matthies Grundlagen Mathematik 9/82 Zusammenhang zur Stetigkeit Satz Sei f : I R in x 0 differenzierbar. Dann ist f in x 0 stetig. Bemerkung Die Umkehrung der obigen Aussage gilt nicht. Dazu können wir die Funktion f : R R, x x in x 0 = 0 betrachten. Die Betragsfunktion ist dort stetig, aber nicht differenzierbar.
12 G. Matthies Grundlagen Mathematik 10/82 Differentiationsregeln Seien f, g : I R jeweils in x 0 I differenzierbar und λ R beliebig. Dann gelten: (f + g) (x 0 ) = f (x 0 ) + g (x 0 ) (Additivität) (λf ) (x 0 ) = λf (x 0 ) (fg) (x 0 ) = f (x 0 )g(x 0 ) + f (x 0 )g (x 0 ) und ( ) falls g(x 0 ) 0 f (x 0 ) = f (x 0 )g(x 0 ) f (x 0 )g (x 0 ) g g 2 (x 0 ) und speziell ( ) 1 (x 0 ) = g (x 0 ) g g 2 (x 0 ) (Homogenität) (Produktregel) (Quotientenregel)
13 G. Matthies Grundlagen Mathematik 11/82 Kettenregel Satz Seien g : D g W g und f : D f W f mit g(d g ) D f gegeben. Wenn g in x 0 D g und f in z 0 = g(x 0 ) D f differenzierbar sind, dann ist die Verkettung f g : D g W f in x 0 differenzierbar und es gilt (f g) (x 0 ) = f ( g(x 0 ) ) g (x 0 ) = f (z 0 )g (x 0 ), es liegt somit das Produkt der äußeren und der inneren Ableitung vor. Bemerkung Wenn z = f ( g(x) ) = f (y) mit y = g(x) ist, dann gilt dz dx = d dx f ( g(x) ) = dz dy dy dx.
14 G. Matthies Grundlagen Mathematik 12/82 Ableitung der Umkehrfunktion Satz Sei f : D W bijektiv und streng monoton wachsend oder fallend. Wenn f in x 0 D differenzierbar ist und f (x 0 ) 0 erfüllt ist, dann ist die Umkehrfunktion f 1 : W D in y 0 = f (x 0 ) W differenzierbar und die Beziehung ( f 1 ) (y0 ) = 1 f (x 0 ) = 1 f ( f 1 (y 0 ) ) gilt. Bemerkung Die obige Beziehung lässt sich mittels der Kettenregel herleiten, da (f f 1 )(x) = x und (f f 1 ) (x) = 1 gelten.
15 G. Matthies Grundlagen Mathematik 13/82 Ableitungen weiterer Funktionen Auf dem jeweiligen Definitionsbereich gelten ( ) sin(x) tan (x) = = sin (x) cos(x) sin(x) cos (x) cos(x) cos 2 (x) cot (x) = = cos2 (x) + sin 2 (x) cos 2 (x) = 1 sin 2 (x) = 1 cot2 (x). 1 cos 2 (x) = 1 + tan2 (x) Für die Umkehrfunktionen der Winkelfunktionen ergeben sich arcsin 1 (x) =, 1 x 2 arccos (x) = 1, x ( 1, 1), 1 x 2 arctan (x) = x 2, arccot (x) = x 2, x R.
16 G. Matthies Grundlagen Mathematik 14/82 Ableitung der Exponential- und Logarithmusfunktionen Satz Die Exponentialfunktion und der natürliche Logarithmus exp : R R +, x e x ln : R + R, x ln(x) sind differenzierbar und es gelten die Beziehungen d dx ex = e x d, dx ln(x) = 1 x auf dem jeweiligen Definitionsbereich.
17 G. Matthies Grundlagen Mathematik 15/82 Anwendungen Satz (Logarithmische Ableitung) Die Kettenregel liefert d dx ln ( f (x) ) = f (x) f (x), wenn f in x differenzierbar ist und f (x) 0 gilt. Satz Für die allgemeine Exponentialfunktion f : R R +, x a x ergibt sich ( f (x) = e x ln(a)) = e x ln(a) ( x ln(a) ) = e x ln(a) ln(a) = a x ln(a), da f (x) = a x = e x ln(a) gilt.
18 Ableitung an Extremalstellen Satz Sei f : (a, b) R differenzierbar und f besitze in x 0 (a, b) ein Extremum (Minimum oder Maximum). Dann ist erfüllt. f (x 0 ) = 0 Sei x 0 eine Maximalstelle. Dann gilt für x n x 0 für n und x n > x 0 für alle n N 0 f (x n) f (x 0 ) x n x 0, was 0 f (x 0 ) bedeutet. Analog erhalten wir für x n x 0 bei n und x n < x 0 für alle n N, dass 0 f (x 0 ) erfüllt sein muss. Somit ist nur f (x 0 ) = 0 möglich. G. Matthies Grundlagen Mathematik 16/82
19 G. Matthies Grundlagen Mathematik 17/82 Satz von Rolle Satz Sei f : [a, b] R stetig und in (a, b) differenzierbar. Weiterhin sei f (a) = f (b). Dann existiert ein x 0 (a, b) mit f (x 0 ) = 0. Wenn f eine konstante Funktion ist, dann ist die Ableitung an allen Stellen 0 und wir können x 0 = a + b wählen. 2 Wenn f nicht konstant ist, dann gibt es entweder ein x (a, b) mit f (x) > f (a) = f (b) oder f (x) < f (a) = f (b). Wir betrachten den ersten Fall. Da f nach Voraussetzung stetig ist, nimmt f sein Maximum auf [a, b] an (Satz von Weierstraß). Die Maximalstelle x 0 muss aber im offenen Intervall (a, b) liegen, da f (x 0 ) = max f (z) f (x) > f (a) = f (b) z [a,b] ist. Dann liefert der vorige Satz die gewünschte Aussage.
20 G. Matthies Grundlagen Mathematik 18/82 Mittelwertsatz der Differentialrechnung Satz Sei f : [a, b] R stetig und in (a, b) differenzierbar. Dann existiert ein x 0 (a, b) mit f f (b) f (a) (x 0 ) =, b a d. h., der Anstieg der Tangente in x 0 stimmt mit dem Anstieg der Sekante durch ( a, f (a) ) und ( b, f (b) ) überein. f (b) f (a) Die Hilfsfunktion F (x) = f (x) (x a) f (a) erfüllt b a alle Voraussetzungen des Satzes von Rolle. Damit gibt es ein x 0 (a, b) mit F (x 0 ) = 0. Da F (x) = f f (b) f (a) (x) gilt, ergibt b a sich die Behauptung.
21 G. Matthies Grundlagen Mathematik 19/82 Illustration zum Mittelwertsatz f (b) f (a) f (b) f (a) b a = f (x 0 ) a x 0 b
22 G. Matthies Grundlagen Mathematik 20/82 Folgerungen aus dem Mittelwertsatz Folgerung Sei f : (a, b) R differenzierbar. Dann gelten: f ist genau dann konstant, wenn f (x) = 0 für alle x (a, b) gilt. Ist f (x) 0 (f (x) 0) für alle x (a, b), dann ist f monoton wachsend (fallend) auf (a, b). Ist f (x) > 0 (f (x) < 0) für alle x (a, b), dann ist f monoton streng wachsend (fallend) auf (a, b).
23 G. Matthies Grundlagen Mathematik 21/82 Verallgemeinerter Mittelwertsatz der Differentialrechnung Satz Seien f, g : [a, b] R stetig und in (a, b) differenzierbar. Dann existiert ein x 0 (a, b) mit f (x 0 ) ( g(b) g(a) ) = g (x 0 ) ( f (b) f (a) ). Gilt zusätzlich g (x) 0 in (a, b), dann ist für x 0 die Beziehung erfüllt. f (b) f (a) g(b) g(a) = f (x 0 ) g (x 0 )) Aus g (x) 0 für alle x (a, b) folgt, dass g(a) g(b). Der Satz von Rolle angewendet auf f (b) f (a) ( ) F (x) = f (x) g(x) g(a) g(b) g(a) liefert die Behauptung.
24 G. Matthies Grundlagen Mathematik 22/82 Regeln von l Hospital I Satz Seien f, g : (a, b) R differenzierbar und x 0 (a, b) mit f (x 0 ) = g(x 0 ) = 0. Weiterhin sei g (x) 0 für x (a, b) \ {x 0 }. Dann gilt: Existiert der Grenzwert f (x) lim x x 0 g (x), dann existiert auch der Grenzwert f (x) lim x x 0 g(x) und beide Grenzwerte sind identisch.
25 G. Matthies Grundlagen Mathematik 23/82 Regeln von l Hospital II Satz Seien x 0 (a, b) und f, g : (a, b) \ {x 0 } R differenzierbar. Ferner gelte lim f (x) x x 0 =, lim g(x) x x 0 = und g (x) 0 für alle x (a, b) \ {x 0 }. Dann gilt: Existiert der Grenzwert f (x) lim x x 0 g (x), so existiert auch der Grenzwert f (x) lim x x 0 g(x) und beide Grenzwerte sind identisch.
26 G. Matthies Grundlagen Mathematik 24/82 Weitere Grenzwerte I Soll der Grenzwert lim f (x)g(x) für x x 0 lim f (x) =, lim g(x) = 0 x x 0 x x 0 bestimmt werden, so kann dies mittels Betrachtung der Grenzwerte lim x x 0 f (x) 1 g(x) oder lim x x 0 g(x) 1 f (x) auf schon bekannte Situationen zurückgeführt werden. Im Falle der Existenz der Grenzwerte gilt bzw. lim f (x)g(x) = lim x x 0 x x 0 lim f (x)g(x) = lim x x 0 x x 0 f (x) 1 g(x) g(x) 1 f (x)
27 G. Matthies Grundlagen Mathematik 25/82 Weitere Grenzwerte II Grenzwerte der Form lim x x 0 f (x) g(x) lassen sich für die Fälle lim f (x) = 1, x x 0 lim g(x) = x x 0 oder lim f (x) = 0, lim g(x) = 0 x x 0 x x 0 durch Logarithmieren und Betrachtung von lim g(x) ln ( f (x) ) x x 0 auf den vorigen Fall zurückführen. Existiert der Grenzwert lim x x 0 g(x) ln ( f (x) ) und hat den Wert G, dann gilt lim x x 0 f (x) g(x) = e G.
28 Weitere Grenzwerte III Die Regeln von l Hospital lassen sich auch zur Berechnung von Grenzwerten der Form ( ) lim f (x) g(x) x x 0 im Fall lim f (x) = lim g(x) = ( oder = ) x x 0 x x 0 und x 0 R {, + } nutzen. Dazu schreiben wir f (x) g(x) = 1 1 f (x) 1 1 g(x) = 1 g(x) 1 f (x) 1 f (x)g(x) Zähler und Nenner streben nun jeweils gegen 0 für x x 0. Es kann auch sinnvoll sein, den Grenzwert f (x) 2 g(x) 2 lim x x 0 f (x) + g(x) zu betrachten, der sich aus der binomischen Formel ergibt. G. Matthies Grundlagen Mathematik 26/82.
29 G. Matthies Grundlagen Mathematik 27/82 Extremalstellen Definition Sei f : [a, b] R gegeben. Der Punkt x 0 [a, b] heißt lokale Maximalstelle (Minimalstelle) und f (x 0 ) lokales Maximum (Minimum), wenn ein ε > 0 derart existiert, dass ( f (x 0 ) f (x) f (x0 ) f (x) ) für alle x [x 0 ε, x 0 + ε] [a, b] gilt. Im Falle der strengen Ungleichung sprechen wir von einem echten oder strikten lokalen Maximum (Minumum). Gilt f (x 0 ) f (x) (f (x 0 ) f (x)) für alle x [a, b], so heißt x 0 globale Maximalstelle (Minimalstelle) und f (x 0 ) globales Maximum (Minimum).
30 Illustration f : [a, b] R a x 0 x 1 x 2 x 3 b a: echte lokale Minimalstelle, b: globale Minimalstelle, x 0 : globale Maximalstelle, x 1 : echte lokale Minimalstelle, x 2 : lokale Maximalstelle, x 3 : lokale Maximalstelle, x [x 2, x 3 ]: lokale Maximalstelle und lokale Minimalstelle G. Matthies Grundlagen Mathematik 28/82
31 G. Matthies Grundlagen Mathematik 29/82 Lage von Extremalstellen Satz Sei f : [a, b] R differnzierbar und x 0 [a, b] eine lokale Extremstelle. Dann ist entweder x 0 ein Randpunkt von [a, b] oder es gilt f (x 0 ) = 0. Bemerkung Gilt f (x 0 ) = 0 an einer Stelle x 0, so kann nicht auf das Vorliegen einer Extremstelle geschlossen werden. Dazu kann f : [ 1, 1] R, x x 3 betrachtet werden. An der Stelle x 0 = 0 gilt f (x 0 ) = f (0) = 0. Es liegt aber weder Minimalnoch Maximalstelle vor, da f in der Umgebung von x 0 = 0 sowohl positive als auch negative Werte annimmt.
32 Anwendung der Differentialrechnung Gesucht: maximaler Umfang u eines Rechtecks, das in die Ellipse mit den Halbachsen a und b einbeschrieben ist x 2 a 2 + y 2 y b 2 = 1 c 2 a 2 + d 2 b 2 = 1 d b a (c, d) x c u = 4c + 4d G. Matthies Grundlagen Mathematik 30/82
33 G. Matthies Grundlagen Mathematik 31/82 Höhere Ableitungen Definition Sei f : [a, b] R eine Funktion, die auf (a, b) differenzierbar ist. Dann wird die Ableitung von f als zweite Ableitung von f bezeichnet. Allgemein ist die n-te Ableitung einer Funktion genau als die Ableitung der (n 1)-ten Ableitung definiert. Ableitungen bis zur Ordnung 3 werden in der Regel durch Ableitungsstriche gekennzeichnet: f, f, f. Bei höheren Ableitungen benutzen wir einen geklammerten Index, also steht f (5) für die fünfte Ableitung von f. Zusätzlich vereinbaren wir f (0) = f. In der obigen Definition wird natürlich davon ausgegangen, dass alle auftretenden Ableitungen auch existieren.
34 G. Matthies Grundlagen Mathematik 32/82 Extremwertbestimmung I Satz Sei f : [a, b] R zweimal stetig differenzierbar, d. h., f existiert und ist stetig. Weiterhin sei f (x 0 ) = 0 für ein x 0 (a, b). Dann gilt: Ist f (x 0 ) < 0, dann ist f (x 0 ) ein echtes lokales Maximum und x 0 eine echte lokale Maximalstelle. Ist f (x 0 ) > 0, dann ist f (x 0 ) ein echtes lokales Minimum und x 0 eine echte lokale Minimalstelle. Im Fall f (x 0 ) = 0 lässt sich so keine Aussage treffen.
35 G. Matthies Grundlagen Mathematik 33/82 Wendepunkte Definition Sei f : [a, b] R eine differenzierbare Funktion. Besitzt die Ableitung f in x 0 (a, b) ein lokales Minimum oder Maximum, dann nennen wir x 0 Wendepunkt von f. Ein Wendepunkt mit f (x 0 ) = 0 wird Sattelpunkt genannt.
36 G. Matthies Grundlagen Mathematik 34/82 Extremwertbestimmung II Im Folgenden sei n N. Satz Sei f : (a, b) R eine (2n)-mal stetig differenzierbare Funktion und es gelte für ein x 0 (a, b) f (k) (x 0 ) = 0, k = 1,..., 2n 1, und f (2n) (x 0 ) < 0 ( f (2n) (x 0 ) > 0 ). Dann hat f in x 0 ein lokales Maximum (Minumum). Sei f : (a, b) R eine (2n + 1)-mal stetig differenzierbare Funktion und es gelte für ein x 0 (a, b) f (k) (x 0 ) = 0, k = 1,..., 2n, und f (2n+1) (x 0 ) 0. Dann liegt in x 0 ein Wendepunkt vor.
37 G. Matthies Grundlagen Mathematik 35/82 Konvexität Definition Seien I ein Intervall und f : I R eine Funktion. Dann heißt f konvex (konkav), wenn f ( (1 λ)x + λy ) (1 λ)f (x) + λf (y) ( f ( (1 λ)x + λy ) ) (1 λ)f (x) + λf (y) für alle x, y I und alle λ (0, 1) erfüllt ist. Gilt sogar die strenge Ungleichung, dann nennen wir f streng konvex (konkav).
38 G. Matthies Grundlagen Mathematik 36/82 Konvexität und Ableitungen Satz Seien I ein Intervall und f : I R eine stetig differenzierbare konvexe Funktion. Dann liegt die Funktion f für jedes x 0 I oberhalb der dortigen Tangente. Satz Seien I ein Intervall und f : I R eine zweimal stetig differenzierbare Funktion. Dann sind die Zusammenhänge f (x) 0 für alle x I f ist konvex, f (x) 0 für alle x I f ist konkav, f (x) > 0 für alle x I f ist streng konvex, f (x) < 0 für alle x I f ist streng konkav gegeben.
39 G. Matthies Grundlagen Mathematik 37/82 Veranschaulichung einer konvexen Funktion x z y λ (0, 1), z = (1 λ)x + λy, f (z) (1 λ)f (x) + λf (y) = f (x) + λ ( f (y) f (x) ) { unterhalb ihrer Sekante Die konvexe Funktion f liegt oberhalb ihrer Tangente
40 Kurvendiskussion Bestandteile der Kurvendiskussion 1. Bestimmung des maximalen Definitionsbereiches 2. Bestimmung des Bildes 3. Untersuchung der Symmetrie bzw. Parität 4. Berechnung aller Nullstellen 5. Bestimmung voin Extremstellen und Wendepunkten 6. Verhalten an Definitionslücken 7. Verhalten im Unendlichen, Bestimmug von Asymptoten 8. Anfertigung einer Skizze G. Matthies Grundlagen Mathematik 38/82
41 G. Matthies Grundlagen Mathematik 39/82 Kurvendiskussion Asymptote h(x) = 1 1 Maximum Wendepunkt Nullstelle hebbare Definitionslücke f (x) = x 3 3x + 2 x 3 x 2
42 G. Matthies Grundlagen Mathematik 40/82 Fehlerrechnung I Gegeben: f : (a, b) R differenzierbar Fragestellung: Wie ändert sich der Wert der Funktion f, wenn sich x 0 zu x 0 + x ändert? Mittelwertsatz: Es gibt eine Stelle ξ zwischen x 0 und x 0 + x mit f x = f (x 0 + x) f (x 0 ) = f (ξ). (x 0 + x) x 0 Wenn f (z) M für alle z (a, b) erfüllt ist, dann folgt als Abschätzung des Fehlers. f M x Falls f stetig und x klein, so gilt f (ξ) f (x 0 ) und f f (x 0 ) x
43 G. Matthies Grundlagen Mathematik 41/82 Fehlerrechnung II Definition Sei f : (a, b) R differenzierbar. Dann heißt df := f (x 0 )dx (totales) Differential von f an der Stelle x 0. Beispiel Gesucht: Näherungswert für sin(α) für betragskleine α f : R R, f (x) = sin(x), x 0 = 0 sin(α) sin(0) + df = 0 + f (0)(α 0) = cos(0)α = α
44 G. Matthies Grundlagen Mathematik 42/82 Interpolation und Ausgleichsprobleme Gegeben sind Datenpunkte (x i, y i ), i = 0,..., n, und eine Klasse von Funktionen, die sich durch eine Anzahl von Parametern (z. B. Koeffizienten) beschreiben lassen. Interpolation Gesucht wird eine Funktion p, beschrieben durch n + 1 Parameter, mit p(x i ) = y i, i = 0,..., n. Ausgleichsproblem Gesucht wird eine Funktion q, beschrieben durch m Parameter, m < n + 1, derart, dass der Abstand zwischen den Daten und der Funktion q möglichst klein wird. Dabei hängt es von der konkreten Problemstellung ab, was als Abstand gewählt wird.
45 G. Matthies Grundlagen Mathematik 43/82 Illustration zur Interpolation 4 y x 4 4 Datenpunkte und Interpolation durch Polynom dritten Grades
46 G. Matthies Grundlagen Mathematik 44/82 Illustration zu Ausgleichsproblemen 1 y x Datenpunkte und Ausgleich mit einer linearen Funktion Interpolation durch Polynom fünften Grades
47 G. Matthies Grundlagen Mathematik 45/82 Lagrangesches Interpolationsproblem Definition (Lagrangesches Interpolationsproblem) Gegeben: Intervall [a, b] R, (n + 1) Knoten x i, i = 0,..., n, mit a x 0 < x 1 < < x n 1 < x n b, Gesucht: Daten f i, i = 0,..., n. Polynom p mit Grad kleiner oder gleich n, das p(x i ) = f i, i = 0,..., n. erfüllt
48 G. Matthies Grundlagen Mathematik 46/82 Einfacher Zugang Polynom n-ten Grades n p(x) = a j x j = a n x n + a n 1 x n a 1 x + a 0 j=0 Interpolationsbedingungen f 0 = p(x 0 ) = a n x n 0 + a n 1 x n a 1 x 0 + a 0, f 1 = p(x 1 ) = a n x n 1 + a n 1 x n a 1 x 1 + a 0,.. f n = p(x n ) = a n x n n + a n 1 x n 1 n + + a 1 x n + a 0.. vollbesetztes lineares Gleichungssystem mit n + 1 Gleichungen und n + 1 Unbekannten a 0,..., a n
49 G. Matthies Grundlagen Mathematik 47/82 Lagrangesche Interpolationsformel Definition (Lagrangesche Basispolynome) L i (x) = (x x 0) (x i x 0 )... (x x i 1) (x x i+1 ) (x i x i 1 ) (x i x i+1 )... (x x n) (x i x n ) n x x j =, i = 0,..., n x i x j j=0 j i { 1, i = j, Es gilt für i, j = 0,..., n: L i (x j ) = δ ij = 0, i j. δ ij wird als Kronecker-Symbol bezeichnet. Definition (Lagrangesche Interpolationsformel) n p(x) := f i L i (x) i=0
50 G. Matthies Grundlagen Mathematik 48/82 Newtonsche Interpolationsformel bisher: Hinzufügen von Daten erfordert komplette Neurechnung Liegt das Interpolationspolynom p aber in der Form n i 1 p(x) = b i (x x j ) i=0 j=0 = b 0 +b 1 (x x 0 )+b 2 (x x 0 )(x x 1 ) +...+b n (x x 0 )(x x 1 )... (x x n 1 ) = b 0 +(x x 0 ) [b 1 +(x x 1 ) [... [b n 1 +(x x n 1 )b n ]... ]] vor, dann lassen sich weitere Daten berücksichtigen, indem weitere Summanden hinzugefügt werden. Die Auswertung von p an einer Stelle x erfolgt durch Rechnung von innen nach außen.
51 G. Matthies Grundlagen Mathematik 49/82 Berechnung der Koeffizienten Interpolationsbedingungen f 0 = p(x 0 ) = b 0, f 1 = p(x 1 ) = b 0 + b 1 (x 1 x 0 ), f 2 = p(x 2 ) = b 0 + b 1 (x 2 x 0 ) + b 2 (x 2 x 0 )(x 2 x 1 ),.. f n = p(x n ) = b 0 +b 1 (x n x 0 )+b 2 (x n x 0 )(x n x 1 ) b n (x n x 0 )(x n x 1 )... (x n x n 1 ) gestaffeltes lineares Gleichungssystem in Dreiecksform mit n + 1 Gleichungen und n + 1 Unbekannten b 0,..., b n.
52 G. Matthies Grundlagen Mathematik 50/82 Verhalten zwischen den Knoten Sinus-Funktion quadratisches Interpolationspolynom zu den Knoten 0, π 4 und π π 4 π 2
53 G. Matthies Grundlagen Mathematik 51/82 Fehler zwischen den Knoten Fehler zwischen Funktion und Interpolationspolynom π 4 π 2
54 G. Matthies Grundlagen Mathematik 52/82 Fehleranalyse für Polynominterpolation Seien die Daten f i = f (x i ), i = 0,..., n, gewählt. Wie gut approximiert p die Funktion f zwischen den Stützstellen? Satz Seien f : [a, b] R eine (n + 1)-mal stetig differenzierbare Funktion, x 0,..., x n mit a x 0 < x 1 < < x n b paarweise verschiedene Stützstellen und p das zugehörige Interpolationspolynom vom Grad kleiner oder gleich n. Dann gilt für jede Stelle x [a, b] die Fehlerdarstellung f (x ) p(x ) = ω(x )f (n+1) (ξ ) (n + 1)! mit einer Zwischenstelle ξ = ξ (x ) [a, b] und dem Knotenpolynom ω(x) = (x x 0 ) (x x n ).
55 G. Matthies Grundlagen Mathematik 53/82 Maximaler Fehler Folgerung Für den maximalen Interpolationsfehler ergeben sich (b a)n+1 max f (x) p(x) max f (n+1) (ξ) a x b (n + 1)! a ξ b und max f (x) p(x) a x b hn+1 max a ξ b f (n+1) (ξ) mit h = max ( x 0 a, max (x ) i x i 1 ), b x n i=1,...,n als Fehlerschranken. In der Regel liefert die zweite Ungleichung eine kleinere obere Schranke.
56 G. Matthies Grundlagen Mathematik 54/82 Runge-Beispiel f : [ 5, 5] R, x x 2 n + 1 äquidistante Stützstellen: x 0 = 5,..., x n = 5 Ausschnitt um x = Funktion Grad 6 Grad 10 Grad
57 G. Matthies Grundlagen Mathematik 54/82 Runge-Beispiel f : [ 5, 5] R, x x 2 n + 1 äquidistante Stützstellen: x 0 = 5,..., x n = Funktion Grad 6 Grad 10 Grad 20
58 Aussagen zur Polynom-Interpolation Satz (Faber) Zu jeder Folge von Stützstellen ( {x (n) 0,..., x n (n) } ) auf [a, b] n N gibt es eine stetige Funktion f : [a, b] R derart, dass für die Folge (p n ) n N der zugehörigen Interpolationspolynome p n mit Grad kleiner oder gleich n die Aussage lim max f (x) p n (x) = n x [a,b] gilt. Satz (Marcinkiewicz) Zu jeder stetigen Funktion f : [a, b] R gibt es eine Folge von Stützstellen ( {x (n) 0,..., x n (n) } ) auf [a, b] derart, dass für die n N Folge der zugehörigen Interpolationspolynome p n mit Grad kleiner oder gleich n lim max f (x) p n (x) = 0 n x [a,b] erfüllt ist. G. Matthies Grundlagen Mathematik 55/82
59 G. Matthies Grundlagen Mathematik 56/82 Verbesserung Satz von Faber: Erhöhung des Polynomgrades muss Approximation nicht verbessern Praxis: Polynomgrad höchstens 3 5 Fehlerabschätzung: Kürzere Intervall reduzieren Fehler Idee: Polynominterpolation auf Teilintervallen benutzen, Problem: Differenzierbarkeit an Intervallgrenzen Lösung: Suche geeignet oft differenzierbare Funktion, die stückweise Polynome sind
60 G. Matthies Grundlagen Mathematik 57/82 Splines Knoten: a = x 0 < x 1 < < x n = b, Teilintervalle: I k := [x k 1, x k ], k = 1,..., n, Länge der Teilintervalle: h k = x k x k 1, k = 1,..., n, maximale Länge der Teilintervalle: h := max 1 k n h k Definition (Spline der Ordnung k) Mit S k bezeichnen wir die Menge aller (k 1)-mal stetig differenzierbarer Funktionen auf dem Intervall [a, b], die eingeschränkt auf jedes Teilintervall I k, k = 1,..., n, ein Polynom vom Grad kleiner oder gleich k sind. Ein Spline s S k heißt interpolierender Spline zu den Daten (x 0, f 0 ),..., (x n, f n ) bzw. zur Funktion f, wenn gilt. S 1 : lineare Splines S 3 : kubische Splines s(x i ) = f i bzw. s(x i ) = f (x i ), i = 0,..., n,
61 Lineare Splines Gegeben: Stützpunkte (x 0, f 0 ),..., (x n, f n ) Gesucht: interpolierender linearer Spline y Lösung: Polygonzug x 0 = a x 1 x 2... x n 1 x n x G. Matthies Grundlagen Mathematik 58/82
62 G. Matthies Grundlagen Mathematik 59/82 Kubische Splines Gegeben: Stützpunkte (x 0, f 0 ),..., (x n, f n ) Gesucht: interpolierender kubischer Spline Anzahl der zu bestimmenden Parameter: 4 je Teilintervall Anzahl der Bedingungen Interpolation an Beginn und Ende jedes Teilintervalls Stetigkeit der ersten Ableitung Stetigkeit der zweiten Ableitung Gesamt: 4n 2n n 1 n 1 4n 2 Wahl der 2 fehlenden Bedingungen: natürliche Randbedingung: s (a) = s (b) = 0 vollständige Randbedingung: s (a) = f (a), s (b) = f (b)...
63 G. Matthies Grundlagen Mathematik 60/82 Illustration kubischer Spline y x 0 = a x 1 x 2... x n 1 x n x Randbedingung: s (a) = 0, s (b) = 0
64 G. Matthies Grundlagen Mathematik 61/82 Runge-Beispiel: Interpolation mit kubischen Splines f : [ 5, 5] R, x x 2 n + 1 äquidistante Stützstellen x 0,..., x n Funktion 6 Intervalle 10 Intervalle 20 Intervalle
65 G. Matthies Grundlagen Mathematik 62/82 Fehleranalyse für Splineinterpolation Wie gut approximiert s die Funktion f zwischen den Stützstellen? Satz Seien f : [a, b] R eine 4-mal stetig differenzierbare Funktion mit f (a) = f (b) = 0 und s der interpolierende kubische Spline mit natürlichen Randbedingungen s (a) = s (b) = 0. Dann gibt es Konstanten C 0, C 1, C 2, C 3 derart, dass für r = 0, 1, 2, 3 max f (r) (x) s (r) (x) Cr h 4 r max f (4) (x) gilt. x [a,b] Bemerkung x [a,b] Neben der Funktion selbst werden also auch die Ableitungen gut approximiert. Die dritte Ableitung des Splines s ist stückweise auf jedem Teilintervall zu verstehen.
66 G. Matthies Grundlagen Mathematik 63/82 Approximation von Funktionen durch Polynome Polynome leicht handhabbar komplizierte Funktionen durch Polynome annähern y x 0 x Funktion mit konstanter, linearer und quadratischer Annäherung
67 G. Matthies Grundlagen Mathematik 64/82 Approximationsbedingungen Gegeben: f : (a, b) R, x 0 (a, b) Ansatz: f (x) = a 0 +a 1 (x x 0 )+a 2 (x x 0 ) 2 + +a n (x x 0 ) n +R }{{} n (x) =: T n (x) mit Restglied R n Idee: Wenn für f und T n der Funktionswert und alle Ableitungen bis zur Ordnung n in x 0 übereinstimmen, dann sollten sich f und T n in der Nähe von x 0 auch nur wenig unterscheiden. Bedingungen: f (x 0 ) = T n (x 0 ), f (x 0 ) = T n(x 0 ),..., f (n) (x 0 ) = T (n) (x 0 )
68 Taylor-Formel Ansatz: T n (x) := a 0 +a 1 (x x 0 )+a 2 (x x 0 ) 2 + +a n (x x 0 ) n Bedingungen: f (x 0 ) = T n (x 0 ), f (x 0 ) = T n(x 0 ),..., f (n) (x 0 ) = T (n) (x 0 ) Ableitungen von T n : T n (x 0 ) = a 0, T n(x 0 ) = a 1, T n (x 0 ) = 2a 2, T n (x 0 ) = 3! a 3, allgemein: T n (k) (x 0 ) = k! a k Ablesen der Koeffizienten: a k = f (k) (x 0 ), k = 0,..., n k! G. Matthies Grundlagen Mathematik 65/82
69 G. Matthies Grundlagen Mathematik 66/82 Taylor-Polynome Definition Seien f : (a, b) R eine n-mal differenzierbare Funktion und x 0 (a, b). Dann bezeichnen wir T n (x) := f (x 0 ) + f (x 0 )(x x 0 ) + f (x 0 ) (x x 0 ) ! + f (n) (x 0 ) (x x 0 ) n n! als das n-te Taylor-Polynom von f an der Stelle x 0. Bemerkung Der Graph des linearen Taylor-Polynoms T 1 ist die Tangente an den Graphen von f an der Stelle x 0.
70 G. Matthies Grundlagen Mathematik 67/82 Restglieddarstellung Satz Seien f : (a, b) R eine (n + 1)-mal differenzierbare Funktion und x 0 (a, b). Dann gilt für das n-te Taylor-Polynom T n die Darstellung f (x) = T n (x) + R n (x) für alle x (a, b). Das Restglied hat die Darstellung wobei ξ zwischen x 0 und x liegt. R n (x) = f (n+1) (ξ) (n + 1)! (x x 0) n+1, Bemerkung Die obige Darstellung ist die Restgliedformel nach Lagrange. Es gibt weitere Darstellungen nach Cauchy und Schlömilch.
71 G. Matthies Grundlagen Mathematik 68/82 Beispiele I f : R R, x e x, x 0 = 0 Bestimmung der Ableitungen f (k) (x): f (x) = f (x) = f (x) = = f (n) (x) = f (n+1) (x) = e x Berechnung der Ableitungen f (k) (0): f (0) = f (0) = f (0) = = f (n) (0) = e 0 = 1 Taylor-Polynom T n : T n (x) = 1 + x + x x x n n! Restglieddarstellung nach Lagrange: mit ξ zwischen 0 und x R n (x) = e ξ (n + 1)! x n+1
72 G. Matthies Grundlagen Mathematik 69/82 Taylor-Polynome der Exponential-Funktion 5 y T 1 (x) = 1+x, T 2 (x) = 1+x + x 2 2, T 4(x) = 1+x + x x x 4 24 x
73 G. Matthies Grundlagen Mathematik 70/82 Beispiele II Gesucht: Taylor-Polynome von sin(x) und cos(x) an x 0 = 0 Zusammenhänge: sin (x) = cos(x) und cos (x) = sin(x) Sinus-Funktion sin(x) = x x 3 3! + x 5 5! x 7 mit dem Restglied R n (x) = sin(n+1) (ξ) x n+1 (n + 1)! Kosinus-Funktion cos(x) = 1 x 2 2! + x 4 4! x 6 mit dem Restglied R n (x) = cos(n+1) (ξ) x n+1 (n + 1)! 7! + + R n(x) 6! + + R n(x)
74 G. Matthies Grundlagen Mathematik 71/82 Taylor-Polynome der Sinus-Funktion 1 y 0.5 x T 1 (x) = x, T 3 (x) = x x 3 6, T 5(x) = x x x 5 120
75 G. Matthies Grundlagen Mathematik 72/82 Taylor-Polynome der Kosinus-Funktion 1 y 0.5 x T 0 (x) = 1, T 2 (x) = 1 x 2 2, T 4(x) = 1 x x 4 24
76 G. Matthies Grundlagen Mathematik 73/82 Beispiele III f : ( 1, 1) R, x ln(x), x 0 = 1 Bestimmung der Ableitungen: f (x) = 1 x, f (x) = 1 x 2, f (x) = 2 x 3,..., f (k) (x) = ( 1)k (k 1)! x k = ( 1)k 1 (k 1)! x k+1 Auswertung der Ableitungen an x 0 = 1: Taylor-Polynom T n : T n (x) = x 1 f (k) (1) = ( 1) k+1 (k 1)! (x 1)2 2 + (x 1)3 3 n+1 (x 1)n + ( 1) n Restglied: R n (x) = ( 1)n+2 n!(x 1) n+1 (n + 1)!ξ n+1 = ( 1)n (x 1) n+1 (n + 1)ξ n+1
77 G. Matthies Grundlagen Mathematik 74/82 Taylor-Polynome von ln(x) 1 y x 1 f (x)= ln(x), T 1 (x) = (x 1), T 2 (x) = (x 1) T 3 (x) = (x 1) (x 1)2 2 + (x 1)3 3 (x 1)2, 2
78 Beispiel f : R R, x e 1 x 2 ; f (k) (0) = 0 für alle k N y x T n (x) = 0 für alle n N 0 und alle x R G. Matthies Grundlagen Mathematik 75/82
79 G. Matthies Grundlagen Mathematik 76/82 Bestimmung von Nullstellen Spezielle Funktionen lineare Funktion f (x) = mx + n mit m 0 x 0 = n m quadratische Funktion f (x) = ax 2 + bx + c mit a 0 x 1 = b + b 2 4ac 2a für den Fall b 2 4ac > 0, x 2 = b b 2 4ac 2a Für Polynome dritten und vierten Grades gibt es (komplizierte) Lösungsformeln. Eine exakte Lösungsdarstellung ist für allgemeine Polynome mit Grad größer oder gleich 5 nicht möglich.
80 G. Matthies Grundlagen Mathematik 77/82 Idee des Newton-Verfahrens Gegeben seien eine differenzierbare Funktion f : I R und eine Näherung x 0 I für eine Nullstelle x von f. Idee: Ersetze f durch die Tangente T im Punkt ( x 0, f (x 0 ) ) und verwende den Schnittpunkt der Tangente mit der x-achse als neue Näherung x 1 an die Nullstelle: x x 1 x 0
81 G. Matthies Grundlagen Mathematik 77/82 Idee des Newton-Verfahrens Gegeben seien eine differenzierbare Funktion f : I R und eine Näherung x 0 I für eine Nullstelle x von f. Idee: Ersetze f durch die Tangente T im Punkt ( x 0, f (x 0 ) ) und verwende den Schnittpunkt der Tangente mit der x-achse als neue Näherung x 1 an die Nullstelle: Gleichung der Tangente: T (x) = f (x 0 ) + f (x 0 )(x x 0 ) Gleichung für Schnittpunkt der Tangente mit der x-achse: Bestimmung der Nullstelle 0 = T (x 1 ) = f (x 0 ) + f (x 0 )(x 1 x 0 ) x 1 = x 0 f (x 0) f (x 0 )
82 G. Matthies Grundlagen Mathematik 78/82 Newton-Verfahren Gegeben seien eine differenzierbare Funktion f : I R und eine Näherung x 0 I für eine Nullstelle x von f mit f (x 0 ) 0. Definition (Newton-Verfahren) Für n = 0, 1, 2,... berechne x n+1 = x n f (x n) f (x n ), falls f (x n ) 0
83 G. Matthies Grundlagen Mathematik 79/82 Beispiel f : R R, x x 2 2 zwei Nullstellen: x 1 = 2, x 2 = 2 x i f (x i ) x i x e e e e e e e e e e e e e e e e e e e e e e e e e e-16
84 G. Matthies Grundlagen Mathematik 80/82 Abbruch beim Newton-Verfahren f : R R, x x 3 + 2, x 0 = 1, f (x) = 3x 2 Newton-Verfahren: x n+1 = x n f (x n) f (x n ) = x n x 3 n + 2 3x 2 n x 1 = 0, wegen f (0) = 0 Abbruch 4 T 0 T x 1 = 0 x 0 = 1
85 G. Matthies Grundlagen Mathematik 81/82 Zyklus beim Newton-Verfahren x 0 = x 3 x 1 = x 4 x 2 = x 5
86 G. Matthies Grundlagen Mathematik 82/82 Eigenschaften des Newton-Verfahrens Abbruch wegen f (x n ) = 0 Zyklen-Bildung Divergenz möglich nur lokale Konvergenz + bei Konvergenz: schnelle Reduktion des Fehlers + einfache Anwendbarkeit
Dierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
Mehrx 1 keinen rechtsseitigen Grenzwert x 0+ besitzen. (Analog existiert der linksseitige Grenzwert nicht.)
Differentialrechnung 1 Grenzwerte Gegeben sei ein Intervall I R, a I {, } und f : I\{a} R. Die Funktion f kann sehr wohl auch an der Stelle x = a erklärt sein, wir wollen aber nur wissen wie sich die Funktion
Mehr10 Differenzierbare Funktionen
10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h
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
Mehr4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion.
4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. Definition 4.3. Es sei f : R D R eine auf D erklarte Funktion. Die Funktion f hat in a D eine globales oder
MehrAnalysis 1 für Informatiker (An1I)
Hochschule für Technik Rapperswil Analysis 1 für Informatiker (An1I) Stand: 2012-11-13 Inhaltsverzeichnis 1 Funktionen 3 1.1 Gerade, ungerade und periodische Funktionen..................... 3 1.2 Injektive,
Mehr6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
MehrBrückenkurs Rechentechniken
Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige
Mehr16. Differentialquotient, Mittelwertsatz
16. Differentialquotient, Mittelwertsatz Gegeben sei eine stetige Funktion f : R R. Wir suchen die Gleichung der Tangente t an die Kurve y = f(x) im Punkt (x, f(x ), x R. Das Problem dabei ist, dass vorderhand
MehrMathematik 1 Bachelorstudiengang Maschinenbau
Mathematik 1 Bachelorstudiengang Maschinenbau Prof. Dr. Stefan Etschberger Hochschule Augsburg Sommersemester 2012 7. Differentialrechnung einer Veränderlichen 7.2. Differentialquotient und Ableitung
Mehr4 Differenzierbarkeit
7 4 DIFFERENZIERBARKEIT Sei dazu 0 < ρ < s < r. Dann gilt lim sup k k a k
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 3. Reelle Funktionen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen
MehrDefinition: Differenzierbare Funktionen
Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
Mehrdifferenzierbare Funktionen
Kapitel IV Differenzierbare Funktionen 18 Differenzierbarkeit und Rechenregeln für differenzierbare Funktionen 19 Mittelwertsätze der Differentialrechnung mit Anwendungen 20 Gleichmäßige Konvergenz von
Mehr2 Differenzialrechnung für Funktionen einer Variablen
2 Differenzialrechnung für Funktionen einer Variablen Ist f eine ökonomische Funktion, so ist oft wichtig zu wissen, wie sich die Funktion bei kleinen Änderungen verhält. Beschreibt etwa f einen Wachstumsprozess,
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
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr13. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben
MehrDifferenzialrechnung. Mathematik-Repetitorium
Differenzialrechnung 5.1 Die Ableitung 5.2 Differentiation elementarer Funktionen 5.3 Differentiationsregeln 5.4 Höhere Ableitungen 5.5 Partielle Differentiation 5.6 Anwendungen Differenzialrechnung 1
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 )
MehrIV. Stetige Funktionen. Grenzwerte von Funktionen
IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
MehrPriv. Doz. Dr. A. Wagner Aachen, 19. September 2016 S. Bleß, M. Sc. Analysis. Übungsaufgaben. im Vorkurs Mathematik 2016, RWTH Aachen University
Priv. Doz. Dr. A. Wagner Aachen, 9. September 6 S. Bleß, M. Sc. Analysis Übungsaufgaben im Vorkurs Mathematik 6, RWTH Aachen University Intervalle, Supremum und Infimum Für a, b R, a < b nennen wir eine
MehrDifferentialrechnung
Katharina Brazda 5. März 007 Inhaltsverzeichnis Motivation. Das Tangentenproblem................................... Das Problem der Momentangeschwindigkeit.......................3 Differenzenquotient und
MehrFH Gießen-Friedberg, Sommersemester 2010 Skript 9 Diskrete Mathematik (Informatik) 30. April 2010 Prof. Dr. Hans-Rudolf Metz.
FH Gießen-Friedberg, Sommersemester 010 Skript 9 Diskrete Mathematik (Informatik) 30. April 010 Prof. Dr. Hans-Rudolf Metz Funktionen Einige elementare Funktionen und ihre Eigenschaften Eine Funktion f
MehrKapitel 6. Differentialrechnung. 6.1 Die Ableitung einer Funktion
Kapitel 6 Differentialrechnung 6. Die Ableitung einer Funktion 6.2 Rechenregeln 6.3 Mittelwertsätze 6.4 Die Regeln von L Hospital 6.5 Konvexe Funktionen 6.6 Wichtige Ungleichungen und l p Normen 6. Die
Mehr5 Differenzialrechnung für Funktionen einer Variablen
5 Differenzialrechnung für Funktionen einer Variablen Ist f eine ökonomische Funktion, so ist oft wichtig zu wissen, wie sich die Funktion bei kleinen Änderungen verhält. Beschreibt etwa f einen Wachstumsprozess,
MehrDr. O. Wittich Aachen, 12. September 2017 S. Bleß, M. Sc. Analysis. Übungsaufgaben. im Vorkurs Mathematik 2017, RWTH Aachen University
Dr. O. Wittich Aachen,. September 7 S. Bleß, M. Sc. Analysis Übungsaufgaben im Vorkurs Mathematik 7, RWTH Aachen University Intervalle, Beschränktheit, Maxima, Minima Aufgabe Bestimmen Sie jeweils, ob
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg elementarer Funktionen Gegeben: f : D R, mit D R und a > 0, b R. Dann gilt: f(x) f (x) 1 ln x x 1 log a x x ln a e x e
MehrMathematik I Herbstsemester 2014 Kapitel 4: Anwendungen der Differentialrechnung
Mathematik I Herbstsemester 2014 Kapitel 4: Anwendungen der Differentialrechnung www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrSkripten für die Oberstufe. Kurvendiskussion. f (x) f (x)dx = e x.
Skripten für die Oberstufe Kurvendiskussion x 3 f (x) x f (x)dx = e x H. Drothler 0 www.drothler.net Kurvendiskussion Zusammenfassung Seite Um Funktionsgraphen möglichst genau zeichnen zu können, werden
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
Mehr2.6 Lokale Extrema und Mittelwertsatz
2.6. Lokale Etrema und Mittelwertsatz 49 2.6 Lokale Etrema und Mittelwertsatz In diesem Kapitel bezeichne f stets eine reellwertige Funktion, definiert auf einem abgeschlossenen Intervall [a, b]. Unter
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Aufgabe 98 12.12.2012 Untersuchen Sie die Funktion f W R! R mit f.x/
MehrKapitel 5 Differential- und Integralrechnung in einer Variablen
Kapitel 5 Differential- und Integralrechnung in einer Variablen Inhaltsverzeichnis DIE ABLEITUNG... 3 DEFINITIONEN... 3 EIGENSCHAFTEN UND ABLEITUNGSREGELN... 4 TAYLOR SCHE FORMEL UND MITTELWERTSATZ...
MehrLS Informatik 4 & Funktionen. Buchholz / Rudolph: MafI 2 88
4. Funktionen Buchholz / Rudolph: MafI 2 88 Kapitelgliederung 4.1 Grundlegende Denitionen 4.2 Polynome und rationale Funktionen 4.3 Beschränkte und monotone Funktionen 4.4 Grenzwerte von Funktionen 4.5
Mehr4 Differentialrechnung in einer Variablen
4 Differentialrechnung in einer Variablen Die Infinitesimalrechnung ist ein weiteres großes analytisches Konzept, ohne das moderne Naturwissenschaften undenkbar sind. Die Entwicklung erfolgte unabhängig
MehrDifferenzialrechnung
Mathe Differenzialrechnung Differenzialrechnung 1. Grenzwerte von Funktionen Idee: Gegeben eine Funktion: Gesucht: y = f(x) lim f(x) = g s = Wert gegen den die Funktion streben soll (meist 0 oder ) g =
Mehr1 Höhere Ableitungen 2. 2 Mittelwertsatz und Monotonie 3. 3 Konvexe und konkave Funktionen 5. 4 Lokale und globale Extremalstellen 7
Universität Basel 4 Wirtschaftswissenschaftliches Zentrum Abteilung Quantitative Methoden Mathematik 1 Dr. Thomas Zehrt Kurvendiskussionen Inhaltsverzeichnis 1 Höhere Ableitungen 2 2 Mittelwertsatz und
MehrKapitel 7 Differentialrechnung
Kapitel 7 Differentialrechnung 245 Kapitel 7.1 Grundbegriffe 246 Der Differentialquotient und das Integral sind die Kernbegriffe der Analysis. Ableitung und Integralbegriff werden durch gewisse Grenzwerte
Mehrdx nf(x 0). dx f(n 1) (x 0 ) = dn
4.3. Höhere Ableitungen, Konveität, Newtonverfahren 65 4.3 Höhere Ableitungen, Konveität, Newtonverfahren Ist f:i R differenzierbar auf einem Intervall I, so erhalten wir eine neue Funktion auf I, nämlich
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
MehrVorkurs Mathematik Übungsaufgaben. Dozent Dr. Arne Johannssen
Vorkurs Mathematik Übungsaufgaben 2 Dozent Dr. Arne Johannssen Lehrstuhl für Betriebswirtschaftslehre, insbesondere Mathematik und Statistik in den Wirtschaftswissenschaften Neues Logo: ie gesamte Universität
MehrDifferentialrechnung
Differentialrechnung Um Funktionen genauer zu untersuchen bzw. sie zu analysieren, ist es notwenig, etwas über ihren Verlauf, as qualitative Verhalten er Funktion, sagen zu können. Das heisst, wir suchen
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
MehrDa der Nenner immer positiv ist, folgt. g (x) > 0 2x(2 x) > 0 0 < x < 2 g (x) < 0 2x(2 x) < 0 x < 0 oder x > 2
Da der Nenner immer positiv ist, folgt g (x) > 0 x( x) > 0 0 < x < g (x) < 0 x( x) < 0 x < 0 oder x > Also ist g auf (0,) streng monoton wachsend sowie auf (,0) und auf (, ) strengmonotonfallend.außerdemistg
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
MehrDer Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
MehrKapitel 5. Differenzialrechnung für Funktionen einer Variablen
Kapitel 5. Differenzialrechnung für Funktionen einer Variablen Ist f eine ökonomische Funktion, so ist oft wichtig zu wissen, wie sich die Funktion bei kleinen Änderungen verhält. Beschreibt etwa f einen
MehrI. Verfahren mit gebrochen rationalen Funktionen:
I. Verfahren mit gebrochen rationalen Funktionen: 1. Definitionslücken bestimmen: Nenner wird gleich 0 gesetzt! 2. Prüfung ob eine hebbare Definitionslücke vorliegt: Eine hebbare Definitionslücke liegt
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrMathematik für Studierende der Biologie Wintersemester 2017/18. Grundlagentutorium 4 Lösungen
Mathematik für Studierende der Biologie Wintersemester 207/8 Grundlagentutorium 4 Lösungen Sebastian Groß Termin Mittwochs 5:45 7:45 Großer Hörsaal Biozentrum (B00.09) E-Mail gross@bio.lmu.de Sprechzeiten
MehrHöhere Mathematik 1 Übung 9
Aufgaben, die in der Präsenzübung nicht besprochen wurden, können in der darauf folgenden übung beim jeweiligen übungsleiter bzw. bei der jeweiligen übungsleiterin abgegeben werden. Diese Abgabe ist freiwillig
MehrAnalysis I. 6. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 6. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine Relation zwischen den Mengen X und Y.
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
Mehrbestimmt werden. Allein die Regel (5.4) würde wegen g(x) = 2, folglich erhalten wir den korrekten lim
bestimmt werden. Allein die Regel (5.4) würde wegen f (x) lim x g (x) = lim 2e 2x = lim x e x x 2ex = 0 dengrenzwert0für(5.5)liefern.dasistaberfalsch,dennwegen lim 0 ist lim x g(x) = 2, folglich erhalten
Mehr4.7 Der Taylorsche Satz
288 4 Differenziation 4.7 Der Taylorsche Satz Die Differenzierbarkeit, also die Existenz der ersten Ableitung einer Funktion, erlaubt bekanntlich, diese Funktion lokal durch eine affine Funktion näherungsweise
MehrSpline-Interpolation
Spline-Interpolation Tim Schmölzer 20 November 2009 Tim Schmölzer Spline-Interpolation 20 November 2009 1 / 38 Übersicht 1 Vorbemerkungen 2 Lösbarkeit des Interpolationsproblems 3 Stabilität der Interpolation
MehrDifferentialrechnung
KAPITEL 4 Differentialrechnung. Eigenschaften der Ableitung und Differentationsregeln.. Definition der Ableitung. Definition 4.. Ableitung. Die Funktion f sei auf dem Intervall I R deniert und x 0 I. )
MehrLMU MÜNCHEN. Mathematik für Studierende der Biologie Wintersemester 2016/17. GRUNDLAGENTUTORIUM 5 - Lösungen. Anmerkung
LMU MÜNCHEN Mathematik für Studierende der Biologie Wintersemester 2016/17 GRUNDLAGENTUTORIUM 5 - Lösungen Anmerkung Es handelt sich hierbei um eine Musterlösung so wie es von Ihnen in einer Klausur erwartet
MehrUnivariate Analysis. Analysis und nichtlineare Modelle Sommersemester
Analysis und nichtlineare Modelle Sommersemester 9 5 Univariate Analysis C. Berechnen Sie ohne Taschenrechner(!). Runden Sie die Ergebnisse auf ganze Zahlen. (a) 7 :, (b) 795 :.. Berechnen Sie ohne Taschenrechner(!):
Mehr5.5. UMKEHRFUNKTIONEN TRIGONOMETRISCHER FUNKTIONEN 115
5.5. UMKEHRFUNKTIONEN TRIGONOMETRISCHER FUNKTIONEN 5 Satz 5.5.2 (Ableitung der Umkehrfunktion einer Winkelfunktionen) Die Umkehrfunktionen der trigonometrischen Funktionen sind nach Satz 5.2.3 auf den
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
Mehr11 Spezielle Funktionen und ihre Eigenschaften
78 II. ANALYSIS 11 Spezielle Funktionen und ihre Eigenschaften In diesem Abschnitt wollen wir wichtige Eigenschaften der allgemeinen Exponentialund Logarithmusfunktion sowie einiger trigonometrischer Funktionen
MehrINGENIEURMATHEMATIK. 8. Reihen. Sommersemester Prof. Dr. Gunar Matthies
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 8. Reihen Prof. Dr. Gunar Matthies Sommersemester 2016 G. Matthies Ingenieurmathematik
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
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
MehrModul Grundbildung Analysis WiSe 10/11. A.: Wurde in diesem Kapitel behandelt. C.: Weitere Fragen (Nicht nur für die Klausur interessant)
Modul Grundbildung Analysis WiSe 10/11 Im Folgenden bedeutet A: Wurde in diesem Kapitel behandelt B: Interessante Aufgaben C: Weitere Fragen (Nicht nur für die Klausur interessant) V1 Konvergenz, Grenzwert
Mehr4. Lösung linearer Gleichungssysteme
4. Lösung linearer Gleichungssysteme a x + : : : + a m x m = b a 2 x + : : : + a 2m x m = b 2 : : : a n x + : : : + a nm x m = b n in Matrix-Form: A~x = ~ b (*) mit A 2 R n;m als Koe zientenmatrix, ~x
MehrV.1 Konvergenz, Grenzwert und Häufungspunkte
V.1 Konvergenz, Grenzwert und Häufungspunkte S. 108 110 A. Bereits bekannt: Folge Extrem wichtig: Grenzwert bzw. Konvergenz: a n a oder lim n a n = a : ε R, ε > 0 n 0 N : a n a < ε n n 0 Begriffe: Fast
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
MehrTaylor-Entwicklungen und Taylor-Polynome.
Taylor-Entwicklungen und Taylor-Polynome. Ausgangsfrage: Wie kann manf(x) in der Nähe vonx 0 approximieren? 0. Antwort:f(x) f(x 0 ) fürx x 0. 1. Antwort: Ist f differenzierbar, so gilt f(x) = f(x 0 )+f
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrBeispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759.
(4) Exponential- und Logarithmusfunktionen Satz Für jedes b > 1 gibt es eine eindeutig bestimmte Funktion exp b : R R + mit folgenden Eigenschaften. exp b (r) = b r für alle r Q Die Funktion exp b ist
MehrUnter Kurvendiskussion versteht man die Untersuchung einer gegebenen Funktion auf bestimmte Merkmale und Eigenschaften:
1 KURVENDISKUSSION Unter Kurvendiskussion versteht man die Untersuchung einer gegebenen Funktion auf bestimmte Merkmale und Eigenschaften: 1.1 Definitionsbereich Zuerst bestimmt man den maximalen Definitionsbereich
MehrApproximation durch Polynome
durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz
MehrAnalysis1-Klausuren in den ET-Studiengängen (Ba) ab 2007
Analysis-Klausuren in den ET-Studiengängen (Ba) ab 7 Im Folgenden finden Sie die Aufgabenstellungen der bisherigen Klausuren Analysis im Bachelorstudium der ET-Studiengänge sowie knapp gehaltene Ergebnisangaben.
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Summen, Exponentialfunktion, Ableitung Prof. Dr. Achim Klenke http://www.aklenke.de 2. Vorlesung: 04.11.2011 1/46 Inhalt 1 Summen und Produkte Summenzeichen Produktzeichen
MehrMathematik für Betriebswirte II (Analysis) 1. Klausur Sommersemester
Mathematik für Betriebswirte II (Analysis). Klausur Sommersemester 04 5.07.04 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik
MehrAbitur 2012 Mathematik Infinitesimalrechnung I
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 212 Mathematik Infinitesimalrechnung I Geben Sie zu den Funktionstermen jeweils den maximalen Definitionsbereich sowie einen Term der Ableitungsfunktion
MehrKlausur zur Analysis I WS 01/02
Klausur zur Analysis I WS 0/0 Prof. Dr. E. Kuwert. Februar 00 Aufgabe (4 Punkte) Berechnen Sie unter a) und b) jeweils die Ableitung von f für x (0, ): a) f(x) = e sin x b) f(x) = x α log x a) f (x) =
MehrDie Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,
Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht
Mehr6 Weiterer Ausbau der Differentialrechnung
6 Weiterer Ausbau der Differentialrechnung 6.1 Mittelwertsätze, Extremwerte, Satz von Taylor Motivation: Wie wählt man Höhe und Durchmesser einer Konservendose, so dass bei festem Volumen V möglichst wenig
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
Mehr1.2 Einfache Eigenschaften von Funktionen
1.2 Einfache Eigenschaften von Funktionen 1.2.1 Nullstellen Seien A und B Teilmengen von R und f : A B f : Df Wf eine Funktion. Eine Nullstelle der Funktion f ist ein 2 D f, für das f ( = 0 ist. (Eine
MehrMathematik für Wirtschaftswissenschaftler. Universität Trier Wintersemester 2013 / 2014
Mathematik für Universität Trier Wintersemester 2013 / 2014 Inhalt der Vorlesung 1. Gleichungen und Summen 2. Grundlagen der Funktionslehre 3. Rechnen mit Funktionen 4. Optimierung von Funktionen 5. Funktionen
MehrLösungsvorschlag Klausur MA9802
Lehrstuhl für Numerische Mathematik Garching, den 3.8.22 Prof. Dr. Herbert Egger Dr. Matthias Schlottbom Lösungsvorschlag Klausur MA982 Aufgabe [3 + 3 Punkte] Berechnen Sie, falls existent, die folgenden
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 3. Übung: Woche vom bis
Übungsaufgaben 3. Übung: Woche vom 27. 10. bis 31. 10. 2010 Heft Ü1: 3.14 (c,d,h); 3.15; 3.16 (a-d,f,h,j); 3.17 (d); 3.18 (a,d,f,h,j) Übungsverlegung für Gruppe VIW 05: am Mo., 4.DS, SE2 / 022 (neuer Raum).
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
Mehr