10 Der Satz über implizite Funktionen und Umkehrfunktionen
|
|
- Ella Maier
- vor 6 Jahren
- Abrufe
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
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,
Mehr9 Höhere partielle Ableitungen und die Taylorformel
Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
Mehr11 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
MehrUmkehrfunktion. 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,
Mehrf(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
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
Mehr3 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 ( )
MehrImplizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem
Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,
MehrNichtlineare 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
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
Mehr4.2 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
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrWiederholungsklausur zur Analysis II
Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
Mehr27. 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
MehrProbeklausur zur Analysis II
Probeklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 3. Februar 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
Mehr1.6 Implizite Funktionen
1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man
MehrThema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
Mehr2.10 Lokale Funktionsanalyse
2.1 Lokale Funktionsanalyse Aufgabe Gegeben sei die Abbildung g : R 2 R 2 mit g(x, y) : (x 3 yx, y). Man bestimme alle Mengen M k : {(ξ, η) R 2 g 1 (ξ, η) hat genau k Elemente}. Wie verhält g sich in der
MehrKapitel 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.
MehrMathematische 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
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
MehrImplizite 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
Mehr9 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
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
Mehr11 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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
MehrLösung 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
MehrHöhere 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
Mehr8.1 Begriffsbestimmung
8 Gewöhnliche Differentialgleichungen 8 Gewöhnliche Differentialgleichungen 8.1 Begriffsbestimmung Wir betrachten nur Differentialgleichungen für Funktionen einer (reellen) Variablen. Definition: Für eine
Mehr20.4 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
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
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
MehrHöhere 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
MehrElemente 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
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
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrSeminar 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
MehrLösungen 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
Mehrdifferenzierbare Funktionen
Kapitel IV Differenzierbare Funktionen 18 Differenzierbarkeit und Rechenregeln für differenzierbare Funktionen 19 Mittelwertsätze der Differentialrechnung mit Anwendungen 20 Gleichmäßige Konvergenz von
Mehr3 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,
MehrAbbildung 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,
Mehrf(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.
Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit
Mehr1 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)
MehrDer Fundamentalsatz der Algebra
Der Fundamentalsatz der Algebra Vortragsausarbeitung im Rahmen des Proseminars Differentialtopologie Benjamin Lehning 17. Februar 2014 Für den hier dargelegten Beweis des Fundamentalsatzes der Algebra
Mehr3. Mai Zusammenfassung. g x. x i (x).
3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von
Mehr3.1.3 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
MehrGrenzwerte und Stetigkeit
KAPITEL 3 Grenzwerte und Stetigkeit 3.1 Grenzwerte..................................... 49 3.2 Stetigkeit....................................... 57 Lernziele 3 Grenzwerte ε-δ-definition des Grenzwerts,
Mehr3 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
MehrAnalysis II. Mehrdimensionale Differenzialund Integralrechnung
Übungen zur Vorlesung Analysis II Aufgaben Mehrdimensionale Differenzialund Integralrechnung gelesen von Prof. Dr. Heinrich Freistühler Martin Gubisch Konstanz, Sommersemester 28 Übungsaufgaben. Aufgabe
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
MehrVorlesungen 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
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
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
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 009 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrAnalysis 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
Mehr49 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
Mehr39 Differenzierbare Funktionen und Kettenregel
192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:
Mehr9.2. 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
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
MehrMathematik 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
MehrMisterlösung 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
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrSkript 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
MehrKlausur 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
Mehr2.2. 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)
MehrLösungsvorschlag 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
MehrBezeichnung 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:
Mehr8. 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)
MehrKomplexe 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
MehrMathematik 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
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
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.
MehrMusterlösungen 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
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
Mehr4 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)
- 1-4 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 +
MehrLösungen 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
Mehr2. 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,
Mehr41 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
MehrProf. 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
MehrMathematik 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
Mehr1 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
MehrAnalysis 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.
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die
MehrKapitel 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
MehrFachbereich 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
MehrNichtlineare 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
MehrDer metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch
TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
MehrKapitel 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
MehrEs 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
MehrMathematik 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
Mehr12 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
Mehr3 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)
Mehr4.4 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):
MehrMathematischer 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