Approximationstheorie und Approximationspraxis
|
|
- Wilfried Kranz
- vor 6 Jahren
- Abrufe
Transkript
1 Approximationstheorie und Approximationspraxis Martin Wagner Bergische Universität Wuppertal Fachbereich C - Mathematik und Naturwissenschaften AG Optmierung und Approximation 3. Februar / 20
2 Motivation Ziel: Approximation von komplizierten Funktionen durch einfachere, mittels linearer Operatoren Weierstraß scher Approximationssatz: Zu jedem ε > 0 und jeder stetigen Funktion f existiert ein algebraisches Polynom p, so dass f p < ε Möglicher Ansatz: Interpolation Betrachte die Funktion f(x) := x 2 auf dem Intervall [ 1, 1] (Runge-Funktion) und das zugehörige Interpolationspolynom an äquidistanten Stützpunkten. 2 / 20
3 Motivation Ziel: Approximation von komplizierten Funktionen durch einfachere, mittels linearer Operatoren Weierstraß scher Approximationssatz: Zu jedem ε > 0 und jeder stetigen Funktion f existiert ein algebraisches Polynom p, so dass f p < ε Möglicher Ansatz: Interpolation Betrachte die Funktion f(x) := x 2 auf dem Intervall [ 1, 1] (Runge-Funktion) und das zugehörige Interpolationspolynom an äquidistanten Stützpunkten. 2 / 20
4 Motivation Ziel: Approximation von komplizierten Funktionen durch einfachere, mittels linearer Operatoren Weierstraß scher Approximationssatz: Zu jedem ε > 0 und jeder stetigen Funktion f existiert ein algebraisches Polynom p, so dass f p < ε Möglicher Ansatz: Interpolation Betrachte die Funktion f(x) := x 2 auf dem Intervall [ 1, 1] (Runge-Funktion) und das zugehörige Interpolationspolynom an äquidistanten Stützpunkten. 2 / 20
5 Motivation Ziel: Approximation von komplizierten Funktionen durch einfachere, mittels linearer Operatoren Weierstraß scher Approximationssatz: Zu jedem ε > 0 und jeder stetigen Funktion f existiert ein algebraisches Polynom p, so dass f p < ε Möglicher Ansatz: Interpolation Betrachte die Funktion f(x) := x 2 auf dem Intervall [ 1, 1] (Runge-Funktion) und das zugehörige Interpolationspolynom an äquidistanten Stützpunkten. 2 / 20
6 Runge-Funktion und Interpolationspolynom an äquidistanten Stützstellen Stützpunkte / 20
7 Runge-Funktion und Interpolationspolynom an äquidistanten Stützstellen Stützpunkte / 20
8 Runge-Funktion und Interpolationspolynom an äquidistanten Stützstellen Stützpunkte / 20
9 Voraussetzung für Konvergenz Obwohl die Runge-Funktion reell analytisch auf [ 1, 1] ist, konvergiert das zugehörige Interpolationspolynom an äquidistanten Stützstellen nicht gegen f Um Konvergenz zu erreichen benötigt man sehr starke Voraussetzungen an die zu approximierende Funktion f: f muss analytisch auf einem american-football -förmigen Gebiet in der komplexen Ebene sein 4 / 20
10 Voraussetzung für Konvergenz Obwohl die Runge-Funktion reell analytisch auf [ 1, 1] ist, konvergiert das zugehörige Interpolationspolynom an äquidistanten Stützstellen nicht gegen f Um Konvergenz zu erreichen benötigt man sehr starke Voraussetzungen an die zu approximierende Funktion f: f muss analytisch auf einem american-football -förmigen Gebiet in der komplexen Ebene sein 4 / 20
11 Voraussetzung für Konvergenz Obwohl die Runge-Funktion reell analytisch auf [ 1, 1] ist, konvergiert das zugehörige Interpolationspolynom an äquidistanten Stützstellen nicht gegen f Um Konvergenz zu erreichen benötigt man sehr starke Voraussetzungen an die zu approximierende Funktion f: f muss analytisch auf einem american-football -förmigen Gebiet in der komplexen Ebene sein / 20
12 Voraussetzung für Konvergenz 2 Genauer: f muss auf dem Gebiet analytisch sein, welches durch die Höhenlinie φ(z) := ( z Re log(z + 1) z 1 ) log(z 1) begrenzt ist Die Runge-Funktion f(x) = x 2 besitzt aber Polstellen bei x = ± i 5 5 / 20
13 Voraussetzung für Konvergenz 2 Genauer: f muss auf dem Gebiet analytisch sein, welches durch die Höhenlinie φ(z) := ( z Re log(z + 1) z 1 ) log(z 1) begrenzt ist Die Runge-Funktion f(x) = x 2 besitzt aber Polstellen bei x = ± i 5 5 / 20
14 Interpolation an den Tschebyscheff-Knoten Bessere Ergebnisse erhält man, wenn man ( die ) Runge-Funktion an den Tschebyscheff-Knoten x j = cos jπ n (Extrema der Tschebyscheff-Polynome) interpoliert 6 / 20
15 Interpolation an den Tschebyscheff-Knoten Bessere Ergebnisse erhält man, wenn man ( die ) Runge-Funktion an den Tschebyscheff-Knoten x j = cos jπ n (Extrema der Tschebyscheff-Polynome) interpoliert 8 Stützpunkte / 20
16 Interpolation an den Tschebyscheff-Knoten Bessere Ergebnisse erhält man, wenn man ( die ) Runge-Funktion an den Tschebyscheff-Knoten x j = cos jπ n (Extrema der Tschebyscheff-Polynome) interpoliert 16 Stützpunkte / 20
17 Interpolation an den Tschebyscheff-Knoten Bessere Ergebnisse erhält man, wenn man ( die ) Runge-Funktion an den Tschebyscheff-Knoten x j = cos jπ n (Extrema der Tschebyscheff-Polynome) interpoliert 20 Stützpunkte / 20
18 Konvergenz der Tschebyscheff-Interpolanten Ist f Lipschitz-stetig auf [a, b], so konvergiert die Folge der Interpolationspolynome an den Tschbeyscheff-Knoten gleichmäßig gegen die Funktion f Satz von Faber: Für jede Folge (x (n) k ) existiert eine Funktion f C[a, b], so dass die zugehörige Folge (L n f) von Interpolationspolynomen auf [a, b] nicht gleichmäßig gegen f konvergiert Wie erhält man ein lineares Approximationsverfahren für alle Funktionen f L p [a, b]? 7 / 20
19 Konvergenz der Tschebyscheff-Interpolanten Ist f Lipschitz-stetig auf [a, b], so konvergiert die Folge der Interpolationspolynome an den Tschbeyscheff-Knoten gleichmäßig gegen die Funktion f Satz von Faber: Für jede Folge (x (n) k ) existiert eine Funktion f C[a, b], so dass die zugehörige Folge (L n f) von Interpolationspolynomen auf [a, b] nicht gleichmäßig gegen f konvergiert Wie erhält man ein lineares Approximationsverfahren für alle Funktionen f L p [a, b]? 7 / 20
20 Konvergenz der Tschebyscheff-Interpolanten Ist f Lipschitz-stetig auf [a, b], so konvergiert die Folge der Interpolationspolynome an den Tschbeyscheff-Knoten gleichmäßig gegen die Funktion f Satz von Faber: Für jede Folge (x (n) k ) existiert eine Funktion f C[a, b], so dass die zugehörige Folge (L n f) von Interpolationspolynomen auf [a, b] nicht gleichmäßig gegen f konvergiert Wie erhält man ein lineares Approximationsverfahren für alle Funktionen f L p [a, b]? 7 / 20
21 Bernstein-Operatoren Beweis des Satzes von Weierstraß mit Hilfe der Bernstein-Polynome: (B n f)(x) : = n ( k p n,k (x)f n ( n k k=0 mit p n,k (x) := ), x [0, 1] ) x k (1 x) n k Die Bernstein-Polynome liefern ein positives, lineares Approximationsverfahren für f C[0, 1] bezüglich der -Norm, d.h. lim B nf f = 0 n 8 / 20
22 Bernstein-Operatoren Beweis des Satzes von Weierstraß mit Hilfe der Bernstein-Polynome: (B n f)(x) : = n ( k p n,k (x)f n ( n k k=0 mit p n,k (x) := ), x [0, 1] ) x k (1 x) n k Die Bernstein-Polynome liefern ein positives, lineares Approximationsverfahren für f C[0, 1] bezüglich der -Norm, d.h. lim B nf f = 0 n 8 / 20
23 Bernstein-Durrmeyer Operatoren Erweiterung der Bernstein-Operatoren auf Lebesgue-intergrierbare Funktion indem man die Punktauswertung durch Integrale der gewichteten Funktion ersetzt Sei f L p [0, 1], 1 p. Dann ist der Bernstein-Durrmeyer Operator vom Grade n definiert durch (M n f)(x) := mit p nk (x) := n p nk (x)(n + 1) k=0 ( ) n x k (1 x) n k k 1 0 p nk (t)f(t)dt, x [0, 1], 9 / 20
24 Bernstein-Durrmeyer Operatoren Erweiterung der Bernstein-Operatoren auf Lebesgue-intergrierbare Funktion indem man die Punktauswertung durch Integrale der gewichteten Funktion ersetzt Sei f L p [0, 1], 1 p. Dann ist der Bernstein-Durrmeyer Operator vom Grade n definiert durch (M n f)(x) := mit p nk (x) := n p nk (x)(n + 1) k=0 ( ) n x k (1 x) n k k 1 0 p nk (t)f(t)dt, x [0, 1], 9 / 20
25 Eigenschaften der BD-Opertaoren Die BD-Operatoren liefern ein positives, lineares Approximationsverfahren für f L p [0, 1]: lim M nf f p = 0, n 1 p < bzw. f C[0, 1] für p = Erhaltung von Konstanten: M n e 0 = e 0 mit e 0 = x 0 = 1 Kontraktionseigenschaft: M n f p f p, 1 p Eigenwerte und Eigenfunktionen: M n p m = λ n,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und λ n,m := { n! (n+1)! (n m)! (n+m+1)! für n m 0 für n < m. 10 / 20
26 Eigenschaften der BD-Opertaoren Die BD-Operatoren liefern ein positives, lineares Approximationsverfahren für f L p [0, 1]: lim M nf f p = 0, n 1 p < bzw. f C[0, 1] für p = Erhaltung von Konstanten: M n e 0 = e 0 mit e 0 = x 0 = 1 Kontraktionseigenschaft: M n f p f p, 1 p Eigenwerte und Eigenfunktionen: M n p m = λ n,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und λ n,m := { n! (n+1)! (n m)! (n+m+1)! für n m 0 für n < m. 10 / 20
27 Eigenschaften der BD-Opertaoren Die BD-Operatoren liefern ein positives, lineares Approximationsverfahren für f L p [0, 1]: lim M nf f p = 0, n 1 p < bzw. f C[0, 1] für p = Erhaltung von Konstanten: M n e 0 = e 0 mit e 0 = x 0 = 1 Kontraktionseigenschaft: M n f p f p, 1 p Eigenwerte und Eigenfunktionen: M n p m = λ n,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und λ n,m := { n! (n+1)! (n m)! (n+m+1)! für n m 0 für n < m. 10 / 20
28 Eigenschaften der BD-Opertaoren Die BD-Operatoren liefern ein positives, lineares Approximationsverfahren für f L p [0, 1]: lim M nf f p = 0, n 1 p < bzw. f C[0, 1] für p = Erhaltung von Konstanten: M n e 0 = e 0 mit e 0 = x 0 = 1 Kontraktionseigenschaft: M n f p f p, 1 p Eigenwerte und Eigenfunktionen: M n p m = λ n,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und λ n,m := { n! (n+1)! (n m)! (n+m+1)! für n m 0 für n < m. 10 / 20
29 Plots1 Vergleich von f(x) := (2x 1) 2 mit (M n f)(x) f(x) (M 5 f)(x) y x 11 / 20
30 Plots1 Vergleich von f(x) := (2x 1) 2 mit (M n f)(x) f(x) (M 5 f)(x) (M 10 f)(x) y x 11 / 20
31 Plots1 Vergleich von f(x) := (2x 1) 2 mit (M n f)(x) f(x) (M 5 f)(x) (M 10 f)(x) (M 20 f)(x) y x 11 / 20
32 Plots1 Vergleich von f(x) := (2x 1) 2 mit (M n f)(x) f(x) (M 5 f)(x) (M 10 f)(x) (M 20 f)(x) (M 50 f)(x) 0.6 y x 11 / 20
33 Voronovskaja-Typ Resultat Für n N 0, f C[0, 1] und f an einer festen Stelle x 2-mal stetig differenzierbar gilt lim n( f(x) (M n f)(x) ) = d { x(1 x) d } n dx dx f(x) =: D 2 f(x) globale Konvergenzordnung kann auch für sehr glatte Funktionen nicht besser als O ( 1 n) sein. 12 / 20
34 Voronovskaja-Typ Resultat Für n N 0, f C[0, 1] und f an einer festen Stelle x 2-mal stetig differenzierbar gilt lim n( f(x) (M n f)(x) ) = d { x(1 x) d } n dx dx f(x) =: D 2 f(x) globale Konvergenzordnung kann auch für sehr glatte Funktionen nicht besser als O ( 1 n) sein. 12 / 20
35 Approximationsordnung bei der Tschebyscheffinterpolation Sei f C r [ 1, 1] und f (r) stückweise stetig differenzierbar in [ 1, 1], dann gilt für n > r f p n Cn (r+1), wobei p n das Interpolationspolynom vom Grade n an den Tschebyscheff-Knoten bezeichnet. Ist f reell analytisch auf [ 1, 1], so ist f p n C n 13 / 20
36 Approximationsordnung bei der Tschebyscheffinterpolation Sei f C r [ 1, 1] und f (r) stückweise stetig differenzierbar in [ 1, 1], dann gilt für n > r f p n Cn (r+1), wobei p n das Interpolationspolynom vom Grade n an den Tschebyscheff-Knoten bezeichnet. Ist f reell analytisch auf [ 1, 1], so ist f p n C n 13 / 20
37 Beispiel Betrachte f(x) := sin(5x) 3 C 2 [ 1, 1], f ist stückweise stetig differenzierbar. f p n Cn 3 14 / 20
38 Beispiel Betrachte f(x) := sin(5x) 3 C 2 [ 1, 1], f ist stückweise stetig differenzierbar. f p n Cn / 20
39 Die Quasi-Interpolanten 15 / 20
40 Der Differenzialoperator D 2l D2l := dl dx l x l (1 x) l dl dx l D2l p m = γ l,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und { ( 1) l (m+l)! (m l)! für l m γ l,m := 0 für l > m. Für f C 2l [0, 1] kommutiert der Differentialoperator D 2l mit den Bernstein-Durrmeyer Operatoren: D 2l M n f = M n D2l f 16 / 20
41 Der Differenzialoperator D 2l D2l := dl dx l x l (1 x) l dl dx l D2l p m = γ l,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und { ( 1) l (m+l)! (m l)! für l m γ l,m := 0 für l > m. Für f C 2l [0, 1] kommutiert der Differentialoperator D 2l mit den Bernstein-Durrmeyer Operatoren: D 2l M n f = M n D2l f 16 / 20
42 Der Differenzialoperator D 2l D2l := dl dx l x l (1 x) l dl dx l D2l p m = γ l,m p m, wobei p m := 2m+1 m! D m (x m (1 x) m ) die Legendre-Polynome sind und { ( 1) l (m+l)! (m l)! für l m γ l,m := 0 für l > m. Für f C 2l [0, 1] kommutiert der Differentialoperator D 2l mit den Bernstein-Durrmeyer Operatoren: D 2l M n f = M n D2l f 16 / 20
43 Konstruktion der Quasi-Interpolanten und Eigenschaften Die Bernstein-Durrmeyer Quasi-Interpolanten der Ordnung (r, n), 0 r n sind für f L 1 [0, 1] wie folgt definiert M (r) n f := r l (n l)! ( 1) D 2l( M n f ). n!l! l=0 M n (r) p m = p m, m = 0,..., r Gleichmäßige Beschränktheit von M (r) n : M n (r) f p (2 r+1 1) f p 17 / 20
44 Konstruktion der Quasi-Interpolanten und Eigenschaften Die Bernstein-Durrmeyer Quasi-Interpolanten der Ordnung (r, n), 0 r n sind für f L 1 [0, 1] wie folgt definiert M (r) n f := r l (n l)! ( 1) D 2l( M n f ). n!l! l=0 M n (r) p m = p m, m = 0,..., r Gleichmäßige Beschränktheit von M (r) n : M n (r) f p (2 r+1 1) f p 17 / 20
45 Konstruktion der Quasi-Interpolanten und Eigenschaften Die Bernstein-Durrmeyer Quasi-Interpolanten der Ordnung (r, n), 0 r n sind für f L 1 [0, 1] wie folgt definiert M (r) n f := r l (n l)! ( 1) D 2l( M n f ). n!l! l=0 M n (r) p m = p m, m = 0,..., r Gleichmäßige Beschränktheit von M (r) n : M n (r) f p (2 r+1 1) f p 17 / 20
46 Voronovskaja-Typ Resultat 2 Für r N 0 und f C 2(r+1) [0, 1] gilt lim n (n + 1)! ( (n r)! f M (r) n f )(x) = ( 1)r+1 (r + 1)! D 2(r+1) f(x), x [0, 1], und die Konvergenz ist gleichmäßig bezüglich x. 18 / 20
47 Plots2 Vergleich von f(x) := (2x 1) 2 mit (M n (r) f)(x) f(x) (M 5 (3) f)(x) y x 19 / 20
48 Plots2 Vergleich von f(x) := (2x 1) 2 mit (M n (r) f)(x) f(x) (M 5 (3) f)(x) (3) (M 10 f)(x) y x 19 / 20
49 Plots2 Vergleich von f(x) := (2x 1) 2 mit (M n (r) f)(x) f(x) (M 5 (3) f)(x) (3) (M f)(x) 10 (3) (M 20 f)(x) y x 19 / 20
50 Plots2 Vergleich von f(x) := (2x 1) 2 mit (M n (r) f)(x) f(x) (M 5 (3) f)(x) (3) (M 10 f)(x) (3) (M 20 f)(x) (5) (M f)(x) y x 19 / 20
51 y y Plots3 Vergleich von f(x) := (2x 1) 2 mit (M n f)(x) und (M n (r) f)(x) f(x) (M 5 f)(x) (M f)(x) 10 (M f)(x) 20 (M 50 f)(x) f(x) (3) (M 5 f)(x) (3) (M 10 f)(x) (3) (M f)(x) 20 (5) (M 50 f)(x) x x 20 / 20
Approximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt.
Approximation Ziel: Approximation der Funktion f(x) = x mit Polynomen (global und stückweise) Experiment: Abhängigkeit des Approximationsfehlers E(N) (in der Maximumnorm) von der Anzahl der Freiheitsgrade
MehrKonvergenz interpolierender Polynome
Technische Universität Berlin Institut für Mathematik Konvergenz interpolierender Polynome Seminar Differentialgleichungen im Sommersemester 2012 bei Prof. Dr. Etienne Emmrich vorgelegt von David Breiter
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
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
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
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
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
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,
MehrFolgen und Reihen von Funktionen
Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
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
MehrFerienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren
Ferienkurs Analysis 1 - Wintersemester 2014/15 Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis
MehrTaylor-Entwicklung der Exponentialfunktion.
Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunkt x 0 = 0 die
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
MehrEigenschaften kompakter Operatoren
Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften
MehrAufgaben zur Analysis I aus dem Wiederholungskurs
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
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
MehrFaltung und Approximation von Funktionen
Faltung und Approximation von Funktionen Lisa Bauer und Anja Moldenhauer 9. Juni 2008 1 Die Faltung von Funktionen 1.1 Die Faltung Eine kleine Widerholung mit einem Zusatz: Vergleiche den Vortrag von Benjamin
MehrIn der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y
Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
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
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras
Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst
MehrLösungen zur Klausur Funktionentheorie I SS 2005
Universität Karlsruhe 29 September 25 Mathematisches Institut I Prof Dr M von Renteln Dr C Kaiser Aufgabe en zur Klausur Funktionentheorie I SS 25 Sei S die Möbiustransformation, die durch S(z) = i i z
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
MehrMathematik für Wirtschaftswissenschaftler II (Analysis) 2. Klausur Sommersemester
Mathematik für Wirtschaftswissenschaftler II (Analysis) 2. Klausur Sommersemester 2011 30.09.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................
Mehreine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.
Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...
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) :=
MehrÜbungen Ingenieurmathematik
Übungen Ingenieurmathematik 1. Übungsblatt: Komplexe Zahlen Aufgabe 1 Bestimmen Sie Real- und Imaginärteil der folgenden komplexen Zahlen: a) z =(3+i)+(5 7i), b) z =(3 i)(5 7i), c) z =( 3+i)( 3+ 3 i),
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
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrFolgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen Dr. Thomas Zehrt Folgen und Reihen Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band, 7. Auflage,
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
MehrPotenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt.
Potenzreihen Potenzreihen sind Funtionenreihen mit einer besonderen Gestalt. Definition. Ist (a ) eine Folge reeller (bzw. omplexer) Zahlen und x 0 R (bzw. z 0 C), dann heißt die Reihe a (x x 0 ) (bzw.
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
MehrThemen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe
5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad
MehrWir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).
Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
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
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
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrNichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrThema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
Mehr1 Reihen von Zahlen. Inhalt:
5 Kapitel 3 Reihen Reihen von Zahlen Inhalt: Konvergenz und Divergenz von Reihen reeller oder komplexer Zahlen, geometrische Reihe, harmonische Reihe, alternierende Reihen. Cauchy-Kriterium, absolute Konvergenz,
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
Mehr2.9 Die komplexen Zahlen
LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in
Mehr6.2 Die Regeln von de l Hospital. Ausgangsfrage: Wie berechnet man den Grenzwert. Beispiel: Sei f(x) = x 2 und g(x) = x. Dann gilt. lim.
6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert falls g(x), beide Funktionen gegen Null konvergieren, d.h. = g(x) = 0 beide Funktionen gegen Unendlich konvergieren, d.h.
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 5
Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 5 Hausaufgaben Aufgabe 5. Bestimmen Sie folgende Grenzwerte. Benutzen
MehrDie Weierstaÿ'sche -Funktion
Die Weierstaÿ'sche -Funktion Kapitel : Konstruktion Motivation: Ziel dieses Kapitels ist es ein möglichst einfaches Beispiel für eine elliptische Funktion zu nden.wir wissen bereits, dass keine elliptische
MehrKapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C
Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
MehrKapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen
Kapitel 4 Interpolation 4 Allgemeines Nähere Funktion/Daten durch einfache Funktionen (eg Polynome) an Brauchbar für: - Integration - Differentiation [zb f(x) sei durch Polynom p(x) approximiert, F(x)
MehrPRÜFUNG AUS ANALYSIS F. INF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ANALYSIS F. INF. (GITTENBERGER) Wien, am 2. Juli 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8 P.) Sei f : R 2 R mit f(x, y) = e x
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 12 1. Dezember 2009 Kapitel 3. Differenzialrechnung einer Variablen (Fortsetzung) Satz 19. Es seien M und N zwei nichtleere Teilmengen von R,
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
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.
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
Mehr2. Teilklausur. Analysis 1
Universität Konstanz FB Mathematik & Statistik Prof. Dr. M. Junk Dipl.-Phys. Martin Rheinländer 2. Teilklausur Analysis 4. Februar 2006 4. Iteration Name: Vorname: Matr. Nr.: Hauptfach: Nebenfach: Übungsgruppen-Nr.:
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
Mehr7 Stetige Funktionen. Grenzwerte
7 Stetige Funktionen. Grenzwerte 7.1 Stetigkeit Deinition: Eine Funktion : D heißt stetig im Punkt x D, wenn es zu jedem ein gibt derart, daß gilt: x x ür alle x D mit x x. Deinition: : D heißt Lipschitz-s
MehrKritischer Punkt. Kritischer Punkt 1-1
Kritischer Punkt Für eine skalare Funktion f bezeichnet man x als kritischen Punkt, wenn grad f (x) = (0,..., 0)textt. Ist f zweimal stetig differenzierbar, so wird der Typ des kritischen Punktes, d.h.
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
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
MehrMathematische Ökonometrie
Mathematische Ökonometrie Ansgar Steland Fakultät für Mathematik Ruhr-Universität Bochum, Germany ansgar.steland@ruhr-uni-bochum.de Skriptum zur LV im SoSe 2005. Diese erste Rohversion erhebt keinen Anspruch
MehrLösungsvorschläge zum 14. Übungsblatt.
Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
Mehr6 Komplexe Integration
6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise
Mehr10 Potenz- und Fourierreihen
10 Potenz- und Fourierreihen 10.1 Konvergenzbegriffe für Funktionenfolgen Im letzten Kapitel soll es noch einmal um eindimensionale Analysis gehen. Speziell werden wir uns mit Folgen und Reihen reeller
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
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,
Mehr