10 Der Satz über implizite Funktionen und Umkehrfunktionen

Größe: px
Ab Seite anzeigen:

Download "10 Der Satz über implizite Funktionen und Umkehrfunktionen"

Transkript

1 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Der Satz über implizite Funktionen und Umkehrfunktionen Motivation: Sei F : U R R eine differenzierbare Funktion und sei c R fest. Wir wollen die Frage untersuchen, in wieweit sich die Gleichung F = c nach auflösen lässt, dh. ob eine differenzierbare Funktion f : I R R eistiert mit f, also F = c I. f Ist f : I R eine solche Funktion, so sagen wir, dass f implizit durch die Gleichung F = c gegeben ist. Beispiel: a F = +. Ist dann c >, so gilt + = c = c [ c, c ] und = f, = ± c. Ist nun dein Punkt mit + = c vorgegeben und ist, so erfüllt genau eine der Lösungen f, f die Gleichung f = nämlich f = c, falls > und f = c, falls <. Im Fall = geht die Eindeutigkeit verloren und es gibt dann auch keine Auflösung in einer ganzen Umgebung von, da = ± c sein muss!. Beachte: Im Fall = gilt immer f = = =, für gilt aber stets f =. b Sei F : R R; f : = sin +. Hier ist es nicht leich möglich, die Gleichung F : = c aufzulösen. Problem: Wann eistieren eindeutige Auflösungen in einer Umgebung eines Startpunkt mit F = c? Die Antwort hierauf gibt der Satz über implizite Funktionen, den wir in diesem Abschnitt beweisen wollen! Zur Formulierung benötigen wir: getext: Julia Wolters 83

2 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Bezeichnung. Sei U R n R m offen, F : U R m stetig differenzierbar. Wir schreiben Elemente in R n R m als Vektoren mit R n, R m, und für U schreiben wir F, F für die Ableitungen von F nach, bzw., h. auf Invertierbarkeit untersu- Da F chen! F = F = F... F... F n.. F m... F m n F m.. F m... F m m M m n R, M m m R quadratische Matri ist, können wir F und quadratisch! Mit dieser Notation können wir nun den wichtigen Satz über implizite Funktionen formulieren: Satz. über implizite Funktionen Seien U R n R m offen, F : U R m stetig differenzierbar und U, c R m mit F = c und F invertierbar. Dann eistiert eine offene Umgebung U R n von und U R m von etwa U = U δ, U = U ε und eine stetig partiell differenzierbare Funktion f : U U mit = c U f. ist invertierbar für alle U f und es gilt: U U U und F F F Df = 3 Sind U, U mit F F f f =, so gilt = f. U 84 getext: Julia Wolters

3 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Bemerkung.3 Bedingung 3 im Satz sagt, dass die Gleichung F eindeutig durch f ausgelöst wird. = c auf U U Wir führen den Beweis von. in mehreren zum Teil recht aufwendigen Schritten durch: Wir starten mit Lemma.4 Seien U R n, U R m offen, F : U U R m stetig partiell differenzierbar, und f : U U stetig mit F = c und F invertierbar für alle f f U. Dann ist auch f : U U stetig differenzierbar mit F F Df = U f f Beweis: Die Arbeit besteht darin zu zeigen, dass f : U U differenzierbar ist. Ist die gezeigt, so folgt wie folgt: Betrachte g : U R m ; g = F. f Da g = c U gilt Dg =. Ist f differenzierbar, so folgt dann mit Kettenregel F F En = Dg =, f f Df = F + F Df f f Dann folgt: F Df = F F und Multipliziert mit f f f liefert Formel. Da F stetig differenzierbar folgt aus dann auch, dass Df stetig ist, also f stetig differenzierbar. Wir müssen also zeigen, dass f differenzierbar in jedem U. Seien dazu o.b.d.a c = sonst Überlegung auf F = F c und =, f = sonst Überlegungen auf Ũ = U, Ũ U f und F + := F, + f = f +. Nach der obigen Rechnung ist der einzige Kandidat für Df die Matri B A mit B = F ; A = F. Nach Definition von Differenzierbarkeit müssen wir zeigen, dass lim = {}}{ f fc + B A = getext: Julia Wolters 85

4 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Betrachte: R I = F Da F differenzierbar in F gilt: II Da R = U f liefert I: III lim DF = F = F A B R = A, B R = A Bf bzw. f = B R B A f f Einsetzten in zeigt: Es genügt zu zeigen, dass Da B R f lim B R f = B op R, folgt dies aus f lim R = f f K und f Wir zeigen nun: K und δ > mit U δ U und Ist dies gezeigt, so folgt lim f R f stetig in lim = lim K f K f R K U δ. F II =. Fertig! 86 getext: Julia Wolters

5 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Beweis zur Eistenz von K: II liefert: ε > mit R B op bzw. U ε gilt R B op Da f stetig in eistiert dann ein δ > mit U δ U und U δ, und dann folgt IV f R B op f Mit III folgt dann für alle U δ : f = B A + B R f Ungl. IV B A op + + f f U ε B op + f U δ Ungl. = B A op + B op R f und dann nach Substraktion von f : f B A op. Dann folgt f + f B A op + U δ Setzte also K = B A op +. Wir haben mit dem obigen Lemma einen Teil des Satzes über implizite Funktionen gelöst, nämlich: Wenn unter der Voraussetzung des Satzes eine stetige Auflösung f : U U eistiert, so ist diese schon differenzierbar mit Ableitung wie im Satz. Wir müssen also nur noch zeigen, dass eine stetige und eindeutige Auflösung eistiert! Das wichtigste Hilfsmittel hierzu ist der Banachsche Fipunktsatz: Satz.5 Banachsche Fipunktsatz Sei X ein vollständiger metrischer Raum und sei T : X X eine Abbildung, so dass ein q eistiert mit dt, T qd,, X. Dann eistiert genau ein X mit T = heißt dann Fipunkt von T. Ferner gilt: Ist X beliebiger Startpunkt und ist n n in X mit n = T n n N, so gilt n und d n, qn q d, getext: Julia Wolters 87

6 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Beweis: Ist X beliebig und n n wie im Satz, so gilt zunächst d n+, n = dt n, T n qd n, n q n d n, n... q n d, Ist dann m n beliebig, so gilt d m, n Ungl. d m, m + d m, m +... d, = m k=n dk +, k s.o. m k=n q k d, q k d, = q n q k d, k=n geometr.reihe = q n q d, Da q n für n eistiert zu ε > ein N N mit d m, n < ε m, n n. Damit ist gezeigt, dass n n Cauch-Folge. Sei = lim n n. Dann gilt auch also auch T = Abschätzung k= dt, n = dt, T n qd, n lim n n =, dh. ist Fipunkt. Für festes n N folgt dann die d, n = lim m m n d m, n s.o. qn q d,. Sei nun ein weiterer Fipunkt. Ist, so folgt d, = dt, T qd, < d,. Sie ist ein Widerspruch! Beweis von Satz.: Sei also U R n R m offen, F : U R m stetig differenzierbar und U mit F = c und F sei invertierbar. Es bleibt zu zeigen: offene Umgebung U von, U von und eine stetige Funktion f : U U mit I U U U und F = c U f II F ist invertierbar für alle U f, und III F = c für U U = f Durch Übertragung auf F = F c können wir o.b.d.a. c = annehmen! Idee: Wir wandeln die Gleichung F = in eine Fipunktgleichung für um. Sei 88 getext: Julia Wolters

7 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT dazu B : F. Nach Voraussetzung ist B invertierbar und es gilt F = B F = B F Setze also G Nun gelten: G := B F G =. Nach Kettenregel ist G stetig differenzierbar mit F = E n B = { }} { = B F = und G U δ U ε op B F < ε U 4 δ Setzten wir dann Y := B ε U ε, so ist Y R n abgeschlossen also vollständig bzgl.. Wir definieren nun Dann gelten T : Y R m ; T = G a T U ε Y U δ, und b T T z z, z Y = B F Beweis von b: Für alle, z Y = B ε gilt + tz Y U ε da B ε konve. Nach dem Schrankensatz Satz 8.7 gilt dann wegen U ε, dass T = T z = G G ma z t [,] G G op + tz Beweis von a: Zunächst gilt: T = B F = B F op U δ z z. ε 4. getext: Julia Wolters 89

8 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Ist dann Y beliebig, so folgt T T T + T b < + ε 4 ε + ε 4 = ε, also T U ε Y. Es folgt a! Wir können nun den Banachschen Fipunktsatz auf alle Abbildungen T : Y Y, U δ anwenden. Damit folgt: Zu jedem U δ eistiert genau ein Y = B ε mit T = Y, also F =. Nach a gilt dann U ε. Wir definieren daher f : U δ U ε durch f = F =. Fener definieren wir eine Funktionenfolge f k k mit f k : U δ U ε Y definiert durch f = U δ, f k+ = T f k U δ, k N. Dann gelten: f k glm f, denn für alle U δ folgt aus der Fehlerabschätzung im Banachschen Fipunktsatz mit q = : f k f und diese Abschätzung hängt nicht von ab. qk k f f }{{} ε k ε, Alle f k sind stetig. Dies ist klar für k = da f konstant und der Schritt k k + folgt mit f k+ = T f k = G ist Komposition stetiger Abbildungen. f k und liefert: f ist stetig! Blatt 5, Aufgabe 4: Gleichmäßige Limiten stetiger Funktionen sind stetig!. Setzten wir nun U = U δ, U = U ε, so erfüllt f : U U nach Konstruktion die Eigenschaften I und II. Es bleibt zu zeigen, dass f invertierbar für alle f U. f Dazu: Betrachte d : U δ R; d = det. Da f f = und f inventierbar ist, gilt d. Da d stetig eistiert dann ein < δ δ mit d auf U δ. Ersetzte dann δ durch δ, also U := U δ. 9 getext: Julia Wolters

9 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Bemerkung.6 Der Beweis des Satzes über implizite Funktionen gibt gleichzeitig ein interaktives Verfahren zur näherungsweisen Bestimmung der Funktion f : U U mit f =, F = c. f Dazu: Sei o.b.d.a c = sonst Übergang auf F = F c. Setzte G = B F mit B = F Dann: Ist δ > klein genug siehe Bedingungen und im Satz so definiere Funktionenfolge f n n N mit f n : U δ R, durch f = U δ f n+ = G = f f n n B F f n U δ Die Fehlerabschätzung im Satz zeigt, dass für kleine δ die Folge f n n sehr schnell gleichmäßig gegen f konvergiert. Beispiel: Betrachte: F : R R; F = 3. Dann gilt F = und F =, also B =. Damit erhalten wir mit = : Wir erhalten damit die folgende Heration: G = + 3 f =, f = + 3 = 3 + f = f 3 =... Untersuchung der Bedingung und im Beweis des Satzes zeigt, dass das Verfahren für U δ mit δ = 3 > schnell gegen die gesuchte Lösung f konvergiert. Niveaulinien: Sei F : U R R stetig differenzierbar. Ist dann c R, so nennt man { } N c := U f = getext: Julia Wolters 9

10 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT auch die Niveaulinie von F auf die Höhe c. Wenn wir uns den Graphen von F als Berg vorstellen, so ist N c der auf die, Ebene projezierte Weg um / am Berg auf Höhe c. Gute Wanderkarten geben z.b. immer die Höhenlinien etwa m-schritten an. Skizze: Die Höhenlinie selbst ist in der Regel eine Kurve im R. Satz über implizite Funktionen sagt: Ist N c und F, so lässt sich N c in einer Umgebung von als Graph, U f δ schreiben. Genauer: δ, ε > und offene Intervalle I, I mit I, I und N c I I = { } I f. Ist F, so können wir auch die Rollen von und im Satz über implizite Funktionen vertauschen und wir finden Intervalle I, I wie oben und eine stetig differenzierbare Funktion g : I I mit Allgemein: Ist F N c I I = = F { } g I., F der beiden partiellen Ableitungen, und wir können F t, so ist auf jeden Fall eine = c zumindest nach einer Variablen auflösen! Allgemein: Ist F : U R n R stetig differenzierbar und ist R n mit F = c und F, so eistiert mindestens ein j {,..., n} mit F j. Ist dann N c = { U F = c}, so können wir die j-te Komponente von N c in einer Umgebung von als Funktion der anderen Komponenten darstellen. 9 getext: Julia Wolters

11 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Dazu vertausche j-te und n-te Variable und erhalte o.b.d.a F. Dann schreibe = mit z = t n z,..., n R, = n. Satz über implizite Funktionen liefert Umgebung U von z, I von und f : U U mit { } z U U N c = z U fz schließlich vertausche wieder die n-te mit der j-ten Variablen! 3 Noch allgemeiner: Sei F : U R n R m mit n > m. Sei U mit F = c und sei rangdf = m. Dies ist genau dann der Fall, wenn die Jacobi-Matri DF in linear unabhängige F F Spalten,..., besitzt. j jm Durch Vertauschen der Variablen können wir diese Spalten nach hinten schieben. Wir erhalten dann die Form und F z F : U R k R m R m mit k = n m >. invertierbar, dh. der Satz über implizite Funktionen ist anwandbar. Beispiel.7 F : R 3 R; f = +, c =. Dann gilt F =, z z F =, F =. Betrachte. Dann F =, aber die anderen z z Ableitungen im Punkt verschwinden. Damit: Umgebung U von in R und I von in R und eine Funktion g : U I mit g z U. N I U = z Im Punkt ist F = und F, F verschwinden. Hier können wir also z die -Komponente von N in einer Umgebung von als Funktion von schreiben, z getext: Julia Wolters 93

12 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT etwa N U, I z z = g z U z z mit U R, I R und g : U I geeignet. Skizze: N = ist Zlinderwand! z F = z Wir kommen nun zu einer wichtigen Anwendung des Satzes über implizite Funktionen zur Eistenz von lokalen Umkehrfunktionen. Dazu benötigen wir Definition.8 Seien U, V R n offen und sei f : U V bijektiv und differenzierbar, so dass auch f : V U differenzierbar ist. Dann heißt f Diffeomorphismus. Sind f und f sogar stetig differenzierbar, so heißt f C Diffeomorphismus C k Diffeomorphismus, falls f und f k-mal stetig differenzierbar..9 Wichtige Beobachtung Ist f : U V ein Diffeomorphismus, so ist Df invertierbar für alle U und es gilt bzw. Df f = Df U. Df = Dff V, = f dis entspricht der Formel f = f f in einer Variablen!. Beweis: Betrachte f f : U U. Da f f = gilt E n = Df f Kettenregel = Df f Df Es folgt Df f = Df Satz. über lokale Umkehrfunktionen Seien U R n offen und f : U R n stetig differenzierbar. Ist dann U mit Df invertierbar, so eistieren offene Umgebungen U U, V = fu und f = U V ist ein C Diffeomorphismus. Beweis: Beachte F : R n U R n ; F = f. Dann ist F stetig differenzierbar 94 getext: Julia Wolters

13 Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT mit F = Df. Sei = f. nach Voraussetzung gilt F = und Df ist invertierbar. Satz über implizite Funktionen liefert: offene Umgebungen Ũ von, V von und eine stetig differenzierbare Funktion g : V Ũ mit { } { } V Ũ f = = V g. Damit folgt insbesondere fg = V. Setzte nun U := f V Ũ. Da f stetig, sind f V und dann auch U stetig. Da fg = für alle V gilt gv U und für U gilt f { } V Ũ f = = { } V g also folgt = gf für alle U. Damit ist aber g : V U Umkehrfunktion für f : U V. Da g stetig differenzierbar, folgt die Behauptung. Folgerung. Seien U, V R n offen und sei f : U V stetig differenzierbar und bijektiv. Dann sind äquivalent: f ist C Diffeomorphismus. Df ist invertierbar für alle U. Beweis: ist.9 : Da f bijektiv eistiert eine Umkehrfunktion f : V U. Sei nun U beliebig. Nach. eistiert lokal stetig differenzierbare Umkehrfunktion g : V U für f : U V mit U U, V V Umgebung von, bzw. f. Dann gilt aber g = gff = f V, also g = f V. Damit ist f stetig differenzierbar in = f V. Da beliebig gewählt ist f überall stetig differenzierbar. Satz. über offene Abbildungen Seien U R n offen und f : U R n stetig differenzierbar mit Df invertierbar für alle U. Dann ist V := fu R n offen. Insbesondere folgt: Ist f : U R n injektiv, so ist f : U V ein C Diffeomorphismus. Beweis: Sei V beliebig. Zeige: ε > mit U ε V. Dazu wähle U mit f =. Nach Voraussetzung ist Df invertierbar. Nach. eistiert daher offene Umgebungen U, V von bzw. = f mit U U und f : U V ist C Diffeomorphis, also insbesondere bijektiv. Es folgt: V = fu fu = V. Da V offen, eistiert ε > mit U ε V V. Damit ist V offen. Ist f injektiv, so ist dann f : U V bijektiv und f ist C Diffeomorphismus nach.. getext: Julia Wolters 95

14 Prof. Dr. Siegfried Echterhoff Analsis Vorlesung SS 9 SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Beispiel.3 Polarkoordinaten Sei f :, R R gegeben durch r r cosϕ f =. ϕ r sinϕ Dann ist f stetig differenzierbar mit Df det Df r = ϕ cosϕ r sinϕ und es gilt sinϕ r cosϕ r = rcos ϕ + sin ϕ = r > ϕ r r Es folgt Df ist invertierbar für alle und damit ist f überall lokal umkehrbar. ϕ { ϕ Setzte nun U =,, π, V = R \ } so ist f : U V bijektiv also nach. C Diffeomorphismus Für die Umkehrfunktion f : V U gilt dann nach.9 Ist = f folgt dann Df f r, so gilt f = ϕ r = Df ϕ Df = r = ϕ cosϕ r sinϕ sinϕ cosϕ r r = + und r = cosϕ, r = sinϕ. Damit 96 getext: Julia Wolters

7 Partielle Ableitung

7 Partielle Ableitung Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 7 Partielle Ableitung Definition 7 Sei U R n offen und f : U R m eine Funktion Dann heißt f im Punkt nach der j-ten Variablen j partiell differenierbar,

Mehr

9 Höhere partielle Ableitungen und die Taylorformel

9 Höhere partielle Ableitungen und die Taylorformel Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen 11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des

Mehr

Umkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1

Umkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1 Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,

Mehr

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J} 9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen 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

Mehr

3 Nichtlineare Gleichungssysteme

3 Nichtlineare Gleichungssysteme 3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )

Mehr

Implizite 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. 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,

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

4.2 Grenzwerte und Stetigkeit reeller Funktionen

4.2 Grenzwerte und Stetigkeit reeller Funktionen 4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle

Mehr

Wenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }

Wenn 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

Mehr

Wiederholungsklausur zur Analysis II

Wiederholungsklausur zur Analysis II Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

1 Umkehrfunktionen und implizite Funktionen

1 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

Mehr

27. Implizite Funktionen

27. Implizite Funktionen 34 Andreas Gathmann 7. Implizite Funktionen Bevor wir uns ab dem nächsten Kapitel der Integration widmen, wollen wir zum Abschluss unseres Studiums differenzierbarer Abbildungen noch auf das in der Prais

Mehr

Probeklausur zur Analysis II

Probeklausur zur Analysis II Probeklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 3. Februar 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten

Mehr

1.6 Implizite Funktionen

1.6 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

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 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.

Mehr

2.10 Lokale Funktionsanalyse

2.10 Lokale Funktionsanalyse 2.1 Lokale Funktionsanalyse Aufgabe Gegeben sei die Abbildung g : R 2 R 2 mit g(x, y) : (x 3 yx, y). Man bestimme alle Mengen M k : {(ξ, η) R 2 g 1 (ξ, η) hat genau k Elemente}. Wie verhält g sich in der

Mehr

Kapitel 1. Holomorphe Funktionen

Kapitel 1. Holomorphe Funktionen Kapitel 1 Holomorphe Funktionen Zur Erinnerung: I IR sei ein offenes Intervall, und sei z 0 I. Eine Funktion f : I IR heißt differenzierbar in z 0, falls der Limes fz fz 0 lim =: f z 0 z z 0 z z 0 existiert.

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

i j m f(y )h i h j h m

i 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

Mehr

Implizite Funktionen

Implizite Funktionen Implizite Funktionen Durch die Bedingung F (x, y) = C, C R wird eine bestimmte Teilmenge des R 2 festgelegt, zb durch die Bedingung x y = 4 Dabei können wir obda C = 0 annehmen, da wir stets zur Betrachtung

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige

Mehr

11 Logarithmus und allgemeine Potenzen

11 Logarithmus und allgemeine Potenzen Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische 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

Mehr

Lösung zu Kapitel 5 und 6

Lösung zu Kapitel 5 und 6 Lösung zu Kapitel 5 und 6 (1) Sei f eine total differenzierbare Funktion. Welche Aussagen sind richtig? f ist partiell differenzierbar f kann stetig partiell differenzierbar sein f ist dann immer stetig

Mehr

Höhere Mathematik III

Höhere Mathematik III Universität Stuttgart Fachbereich Mathematik Prof. Dr. J. Pöschel Dr. D. Zimmermann Dipl.-Math. K. Sanei Kashani Blatt 5 Höhere Mathematik III el, kb, mecha, phs Vortragsübungen (Musterlösungen) 7..4 Aufgabe

Mehr

8.1 Begriffsbestimmung

8.1 Begriffsbestimmung 8 Gewöhnliche Differentialgleichungen 8 Gewöhnliche Differentialgleichungen 8.1 Begriffsbestimmung Wir betrachten nur Differentialgleichungen für Funktionen einer (reellen) Variablen. Definition: Für eine

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

Analysis II. 8. Klausur mit Lösungen

Analysis 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

Mehr

Analysis II 14. Übungsblatt

Analysis 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

5.5. UMKEHRFUNKTIONEN TRIGONOMETRISCHER FUNKTIONEN 115

5.5. 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

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 008/09 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, 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

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung von Linearer Algebra und Differentialrechnung im R n Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:

Mehr

Seminar Gewöhnliche Differentialgleichungen

Seminar Gewöhnliche Differentialgleichungen Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen der Übungsaufgaben von Kapitel 3 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen

Mehr

differenzierbare Funktionen

differenzierbare Funktionen Kapitel IV Differenzierbare Funktionen 18 Differenzierbarkeit und Rechenregeln für differenzierbare Funktionen 19 Mittelwertsätze der Differentialrechnung mit Anwendungen 20 Gleichmäßige Konvergenz von

Mehr

3 Funktionen in mehreren Variablen

3 Funktionen in mehreren Variablen 3 Funktionen in mehreren Variablen Funktionen in mehreren Variablen Wir betrachten nun Abbildungen / Funktionen in mehreren Variablen. Dies sind Funktionen von einer Teilmenge des R d nach R. f : D f R,

Mehr

Abbildung 10.1: Das Bild zu Beispiel 10.1

Abbildung 10.1: Das Bild zu Beispiel 10.1 Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,

Mehr

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.

f(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

Mehr

1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve.

1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve. 1 Ableitungen Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen γ 1 (t) γ(t) = γ n (t) Bild(γ) = {γ(t) t I} heißt auch die Spur der Kurve Beispiel:1)

Mehr

Der Fundamentalsatz der Algebra

Der Fundamentalsatz der Algebra Der Fundamentalsatz der Algebra Vortragsausarbeitung im Rahmen des Proseminars Differentialtopologie Benjamin Lehning 17. Februar 2014 Für den hier dargelegten Beweis des Fundamentalsatzes der Algebra

Mehr

3. Mai Zusammenfassung. g x. x i (x).

3. Mai Zusammenfassung. g x. x i (x). 3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an

Mehr

Grenzwerte und Stetigkeit

Grenzwerte und Stetigkeit KAPITEL 3 Grenzwerte und Stetigkeit 3.1 Grenzwerte..................................... 49 3.2 Stetigkeit....................................... 57 Lernziele 3 Grenzwerte ε-δ-definition des Grenzwerts,

Mehr

3 Grenzwert und Stetigkeit 1

3 Grenzwert und Stetigkeit 1 3 Grenzwert und Stetigkeit 3. Grenzwerte bei Funktionen In diesem Abschnitt gilt: I ist immer ein beliebiges Intervall, 0 I oder einer der Endpunkte. 3.. Definition Sei I Intervall, 0 IR und 0 I oder Endpunkt

Mehr

Analysis II. Mehrdimensionale Differenzialund Integralrechnung

Analysis 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

Mehr

1.3 Differenzierbarkeit

1.3 Differenzierbarkeit 1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man

Mehr

Vorlesungen Analysis von B. Bank

Vorlesungen Analysis von B. Bank Vorlesungen Analysis von B. Bank vom 23.4.2002 und 26.4.2002 Zunächst noch zur Stetigkeit von Funktionen f : D(f) C, wobei D(f) C. (Der Text schliesst unmittelbar an die Vorlesung vom 19.4.2002 an.) Auf

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. 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,

Mehr

Brückenkurs Rechentechniken

Brückenkurs Rechentechniken Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige

Mehr

UNIVERSITÄT 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 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

Mehr

Analysis II. Vorlesung 52. Diffeomorphismen

Analysis II. Vorlesung 52. Diffeomorphismen Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 52 Diffeomorphismen Der Satz über die lokale Umkehrbarkeit gibt Anlass zu folgender Definition. Definition 52.1. EsseienV 1 undv 2 endlichdimensionalereellevektorräume

Mehr

49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit

49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit 49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit 49.1 Differenzierbarkeit 49.2 Eindeutigkeit des Differentials; Unabhängigkeit der Differenzierbarkeit von den gewählten Normen

Mehr

39 Differenzierbare Funktionen und Kettenregel

39 Differenzierbare Funktionen und Kettenregel 192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis 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

Mehr

Mathematik II für Inf und WInf

Mathematik II für Inf und WInf Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell

Mehr

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C)

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C) Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, 14..009 (Version C Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen aus der Vorlesung

Mehr

55 Lokale Extrema unter Nebenbedingungen

55 Lokale Extrema unter Nebenbedingungen 55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :

Mehr

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen

Skript zur Analysis 1. Kapitel 3 Stetigkeit / Grenzwerte von Funktionen Skript zur Analysis 1 Kapitel 3 Stetigkeit / Grenzwerte von Funktionen von Prof. Dr. J. Cleven Fachhochschule Dortmund Fachbereich Informatik Oktober 2003 2 Inhaltsverzeichnis 3 Stetigkeit und Grenzwerte

Mehr

Klausur Analysis II

Klausur Analysis II WS 28/9 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis II 6.2.28 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung

Mehr

2.2. Die Tangentialebene. Definition 2.12 (Tangentialebene). Sei S eine reguläre Fläche, sei p S. Dann heißt

2.2. Die Tangentialebene. Definition 2.12 (Tangentialebene). Sei S eine reguläre Fläche, sei p S. Dann heißt 2.2. Die Tangentialebene. Definition 2.12 (Tangentialebene). Sei S eine reguläre Fläche, sei p S. Dann heißt { } T p S = X R 3 es gibt ein ε > 0 und eine glatte parametrisierte Kurve c : ( ε,ε) S mit c(0)

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

Lösungsvorschlag zur Übungsklausur zur Analysis I Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden

Mehr

Bezeichnung von Funktionen x := y:=

Bezeichnung von Funktionen x := y:= Bezeichnung von Funktionen x := y:= Bezeichnung von Funktionen x := y:= Analytische Darstellung (Funktionsgleichung) Explizit: (aufgelöst nach y) Analytische Darstellung (Funktionsgleichung) Explizit:

Mehr

8. Stetigkeit. 8.A Grenzwerte von Funktionen. 8. Stetigkeit 85

8. Stetigkeit. 8.A Grenzwerte von Funktionen. 8. Stetigkeit 85 8. Stetigkeit 85 8. Stetigkeit Nachdem wir uns gerade ausführlich mit Grenzwerten von Folgen und Reihen befasst haben, wollen wir den Grenzwertbegriff nun auf Funktionen einer reellen (oder evtl. kompleen)

Mehr

Komplexe Funktionen. für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg. Reiner Lauterbach. Universität Hamburg

Komplexe Funktionen. für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg. Reiner Lauterbach. Universität Hamburg Komplexe Funktionen für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Universität Hamburg SS 2006 Reiner Lauterbach (Universität Hamburg) Komplexe Funktionen

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick 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

Mehr

f(x 0 ) = lim f(b k ) 0 0 ) = 0

f(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.

Mehr

Musterlösungen zu Blatt 15, Analysis I

Musterlösungen zu Blatt 15, Analysis I Musterlösungen zu Blatt 5, Analysis I WS 3/4 Inhaltsverzeichnis Aufgabe 85: Konvergenzradien Aufgabe 86: Approimation von ep() durch Polynome Aufgabe 87: Taylorreihen von cos 3 und sin Aufgabe 88: Differenzenquotienten

Mehr

Analysis I. 1. Beispielklausur mit Lösungen

Analysis 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

Mehr

4 Anwendungen des Cauchyschen Integralsatzes

4 Anwendungen des Cauchyschen Integralsatzes 4 Anwendungen des Cauchyschen Integralsatzes Satz 4. (Cauchysche Integralformel) Es sei f : U C komplex differenzierbar und a {z C; z z 0 r} U. Dann gilt f(a) = z z 0 =r z a dz. a z 0 9 Beweis. Aus dem

Mehr

- 1 - Eine Funktion f(x) heißt differenzierbar an der Stelle x 0, wenn der Grenzwert (siehe Kap. 3)

- 1 - Eine Funktion f(x) heißt differenzierbar an der Stelle x 0, wenn der Grenzwert (siehe Kap. 3) - 1-4 Differentialrechnung 4.1 Ableitung einer Funktion Eine Funktion f() ist in einer Umgebung definiert. Abb.: Differenzenquotient Man kann immer einen Quotienten bilden, ( + ) f ( + h) f ( ) f h f +

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

Mehr

2. Stetigkeit und Differenzierbarkeit

2. Stetigkeit und Differenzierbarkeit 2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,

Mehr

41 Der Satz über implizite Funktionen

41 Der Satz über implizite Funktionen 41 Der Satz über implizite Funktionen 203 41 Der Satz über implizite Funktionen Lernziele: Resultate: Satz über implizite Funktionen Methode: Implizite Differentiation Kompetenzen: (Lokale) Auflösung von

Mehr

Prof. Dr. Siegfried Echterhoff.. 1 HAUPTSATZ DER INTEGRAL UND DIFFERENTIALRECHNUNG

Prof. Dr. Siegfried Echterhoff.. 1 HAUPTSATZ DER INTEGRAL UND DIFFERENTIALRECHNUNG Vorlesung SS 29 Anlysis 2 HAUPTSATZ DER INTEGRAL UND DIFFERENTIALRECHNUNG Teil : Fortsetzung des Studiums von Funktionen in einer reellen Vriblen (Integrtion und Tylorreihen). Huptstz der Integrl und Differentilrechnung

Mehr

Mathematik I. Vorlesung 27. Differenzierbare Funktionen. In diesem Abschnitt betrachten wir Funktionen f :D K, wobei D K eine offene Menge in K ist.

Mathematik I. Vorlesung 27. Differenzierbare Funktionen. In diesem Abschnitt betrachten wir Funktionen f :D K, wobei D K eine offene Menge in K ist. Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 27 Differenzierbare Funktionen In diesem Abschnitt betrachten wir Funktionen, wobei D K eine offene Menge in K ist. Definition 27.1. Sei

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Analysis II (FS 2015): Vektorfelder und Flüsse

Analysis II (FS 2015): Vektorfelder und Flüsse Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.

Mehr

2 Extrema unter Nebenbedingungen

2 Extrema unter Nebenbedingungen $Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei

Mehr

Der metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch

Der 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.

Mehr

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion

Mehr

Kapitel 6: Das quadratische Reziprozitätsgesetz

Kapitel 6: Das quadratische Reziprozitätsgesetz Kapitel 6: Das quadratische Reziprozitätsgesetz Ziel dieses Kapitels: die Untersuchung der Lösbarkeit der Kongruenzgleichung X also die Frage, ob die ganze Zahl Z eine Quadratwurzel modulo P besitzt. Im

Mehr

Es gibt eine Heuristik, mit der sich die Primzahldichte

Es gibt eine Heuristik, mit der sich die Primzahldichte Es gibt eine Heuristik, mit der sich die Primzahldichte 1 ln(x) für großes x N plausibel machen lässt. Die Idee besteht darin, das Änderungsverhalten der Primzahldichte bei x zu untersuchen. Den Ansatz

Mehr

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy

Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck

Mehr

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

Mehr

3 Differenzierbarkeit und Ableitung (Differentialrechnung I)

3 Differenzierbarkeit und Ableitung (Differentialrechnung I) 3 Differenzierbarkeit und Ableitung (Differentialrechnung I) 31 Differenzierbarkeit und Ableitung von Funktionen einer Variablen Definition 31 Es sei M R, f : M R und a M Wenn der Funktionsgrenzwert f(x)

Mehr

4.4 Umkehrfunktion 77. Sei o.b.d.a. f(a) > 0 und f(b) < 0, setzen M = {y [a, b] mit f(x) > 0 für alle x [a, y]}

4.4 Umkehrfunktion 77. Sei o.b.d.a. f(a) > 0 und f(b) < 0, setzen M = {y [a, b] mit f(x) > 0 für alle x [a, y]} . Umkehrfunktion 77 B e w e i s : Sei o.b.d.a. fa) > und fb) für alle [a, y] M a M), M beschränkt y b) Aiom V ξ [a, b] : ξ sup M fa) f) n.z.z. : i) fξ) ii) ξ a, b) zu i):

Mehr

Mathematischer Vorkurs für Physiker WS 2012/13

Mathematischer Vorkurs für Physiker WS 2012/13 TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13 Übungsblatt 2 Wichtige Formeln aus der Vorlesung: Basisaufgaben Beispiel 1: 1 () grad () = 2 (). () () = ( 0 ) + grad ( 0 ) ( 0 )+

Mehr