4 Der Satz über implizite Funktionen
|
|
- Clemens Steinmann
- vor 6 Jahren
- Abrufe
Transkript
1 4 Der Satz über implizite Funktionen 41 Impizite Funktionen Der Fall n = m = 1 Beispiel Wir betrachten im Ê 2 die Funktion f(x,y) = x 2 +y 2 r 2 und fragen uns, wann wir das Nullstellengebilde f(x,y) = 0 lokal nach der Variablen y auflösen können, wann es also eine eindimensionale Funktion g gibt mit f(x,g(x)) = 0 Für x < r lassen sich zwei Funktionen g(x) = ± r 2 y 2 angeben In diesem Beispiel können wir die Problematik der Fragestellung genau studieren: Es muss nicht immer eine solche implizite Funktion geben und selbst wenn es sie gibt, ist sie oft nur lokal in einer y-umgebung eindeutig bestimmt Satz [Implizite Funktionen im Fall n = m = 1] Sei B = B r (ξ,η) die offene Kugel des Ê 2 mit Radius r > 0 und sei f C(B) mit f(ξ,η) = 0 Ferner sei f streng monoton wachsend (oder fallend) bezüglich y in B Dann existiert ein Rechteck R = J x J y, J x = [ξ α,ξ +α], J y = [η β,η +β], α,β > 0, und eine stetige Funktion g : J x J y mit Jy (ξ, η) und f(x,g(x)) = 0 x J x, f(x,y) 0 für y g(x) f(x,y) = 0 Jx Beweis: Aufgrund der strengen Monotonie von f in y gilt für β = r/2 Da f stetig ist, gibt es ein α > 0 mit f(ξ,η +β) > 0 und f(ξ,η β) < 0 f(x,η +β) > 0 und f(x,η β) < 0 x J x = [ξ α,ξ +α] Da f für festes x streng monoton in y ist, gibt es nach dem Zwischenwertsatz zu jedem x J x ein eindeutig bestimmtes g(x) mit f(x,g(x)) = 0 Da g(x) eindeutig bestimmt ist, folgt f(x,y) 0 für y g(x) Wir müssen nun noch zeigen, dass die Funktion g stetig ist Sei x J x und ε > 0 vorgegeben Aus f(x,g(x )+ε) > 0, f(x,g(x ) ε) < 0, folgt wegen der Stetigkeit von f für alle x in einer Umgebung von x f(x,g(x )+ε) > 0, f(x,g(x ) ε) < 0 Wegen f(x,g(x)) = 0 ist dies nur möglich, wenn g(x) g(x ) < ε erfüllt ist Damit ist die Funktion g stetig und der Satz bewiesen Die Monotoniebedingung an die Funktion f können wir garantieren, indem wir f als stetig differenzierbar voraussetzen und f y (ξ,η) 0 fordern In diesem Fall ist auch f y (x,y) 0 in einer Umgebung von (ξ,η) und die Funktion f in dieser Umgebung streng monoton in y 42 Implizite Funktionen Der allgemeine Fall Hier betrachten wir Funktionen f(x, y) in den Variablen x Ê n und y Ê m mit Werten im Ê m, also f : D Ê m mit D Ê n+m Für f(ξ,η) = 0 stellen wir die Frage, ob wir das vom Parameter x abhängende nichtlineare (m m)- 33
2 Gleichungssystem f 1 (x 1,,x n,y 1,,y m ) = 0 f m (x 1,,x n,y 1,,y m ) = 0 für (x,y) in einer Umgebung von (ξ,η) nach y 1,,y m auflösen können Ist dies für jedes x in einer Umgebung von ξ möglich, so können wir die Lösung als Funktion g(x) schreiben, für die dann gilt f(x,g(x)) = 0 Beispiel Ist f affin linear, also von der Gestalt f(x,y) = Ax+By +c, mit A Ê m n, B Ê m m und c Ê m, so lässt sich f(x,y) = 0 jedenfalls dann nach y auflösen, wenn B regulär ist In diesem Fall gilt y = g(x) = (B 1 Ax+B 1 c) Satz [Satz über implizite Funktionen] Sei D Ê n+m ein Gebiet und f C 1 (D) m Sei ferner f(ξ,η) = 0 und (ξ,η) regulär y Dann gibt es Umgebungen U(ξ) D und V(η) Ê m und eine Funktion g : U V, g C 1 (U) m, mit f(x,g(x)) = 0 für alle x U, f(x,y) 0 für alle y V mit y g(x) Im Definitionsbereich von g ist die Funktionalmatrix f y regulär und für die Funktionalmatrix von g gilt (41) g x (x) = ( y (x,g(x)) ) 1 x (x,g(x)), wobei die rechte Seite als Matrizenprodukt der (m m)-matrix ( y ) 1 mit der (m n)-matrix x zu verstehen ist Ist zusätzlich f Ck, so ist auch g C k und die höheren Ableitungen von g können aus der Formel (41) durch Differenzieren bestimmt werden Beweisidee Wir wollen f(x,y) = 0 für x in Umgebung von ξ und y in Umgebung von η lösen Dies ist ein m m-gleichungssystem in y, x ist nur ein Parameter Das Newton-Verfahren zur Lösung dieses Problems ist dann y k+1 = y k y (x,y k) 1 f(x,y k ) Da x nur wenig von ξ abweicht, verwenden wir das vereinfachte Newton-Verfahren und ersetzen die exakte Funktionalmatrix f y (x,y) durch B = f y (ξ,η) Beweis: Wir können ξ = 0 und η = 0 wählen, also f(0,0) = 0 voraussetzen Für die Funktionalmatrizen verwenden wir hier immer die Kurzform, beispielsweise f y statt y Es sei B = f y (0,0) Ê m m, E m die Einheitsmatrix des Ê m und S(x,y) = B 1 f(x,y) y Es gilt (42) f(x,y) = 0 y +S(x,y) = 0 Um an eine Nullstelle von f zu kommen, muss demnach die Fixpunktgleichung für S(x, ) gelöst werden S ist stetig differenzierbar mit S y = B 1 f y E m Wir zeigen, dass T = S(x, ) die Voraussetzungen von Lemma 34 erfüllt, wenn x nahe dem Nullpunkt liegt 34
3 Aufgrund der Definition von B gilt S y (0,0) = 0 Da S y stetig ist, existiert zu L (0,1) ein δ > 0 mit S y (x,y) < L für alle (x,y) B δ (0) B δ (0) Für x B δ (0) und y,y B δ (0) liefert der Mittelwertsatz in der Form (25) S(x,y) S(x,y ) = 1 0 S y (x,y +t(y y ))(y y )dt L y y Da S(0,0) = 0 und S(,0) stetig ist, existiert ein s δ mit S(x,0) < δ(1 L) für alle x B s (0) Nach Lemma 34 existiert zu x B s (0) genau ein y B δ (0) mit y +S(x,y) = 0 Dieses y nennen wir g(x) Es gilt dann g : B s (0) B δ (0) und f(x,g(x)) = 0 für alle x B s (0) Nun weisen wir die Stetigkeit von g nach Wegen (42) gilt für x,x B s (0) und daher 0 = g(x)+s(x,g(x)) = g(x )+S(x,g(x )) g(x) g(x ) S(x,g(x )) S(x,g(x )) + S(x,g(x )) S(x,g(x)) S(x,g(x )) S(x,g(x )) +L g(x) g(x ), also g(x) g(x ) S(x,g(x )) S(x,g(x )) /(1 L) Die Stetigkeit von g folgt daher aus der Stetigkeit von S bezüglich der ersten Variable Man beachte, dass wir die Differenzierbarkeit von f nach x bisher nicht verwendet haben Als letztes zeigen wir die Differenzierbarkeit von g Für x B s (0) ist für genügend kleine h auch x+h B s (0) Dann folgt aus dem Mittelwertsatz = f(x+h,g(x+h)) f(x,g(x)) = f x (ξ,η)h+f y (ξ,η)(g(x+h) g(x)) mit (ξ,η) auf der Verbindungsstrecke der Punkte (x,g(x)) und (x+h,g(x+h)) Durch eventuelles Verkleinern von B s (0) können wir erreichen, dass die Funktionalmatrix f y (ξ,η) regulär ist, denn die Determinante ist eine stetige Funktion der Koeffizienten einer Matrix Für diese x folgt dann g(x+h) g(x) = f y (ξ,η) 1 f x (ξ,η)h = f y (x,y) 1 f x (x,y)h+o(h) Hier haben wir verwendet, dass f und g stetige Funktionen sind Mit limg(x + h) = g(x) folgt limf(ξ,η) = f(x,g(x)) Damit ist g differenzierbar mit g x = fy 1 f x Aus dieser Darstellung folgt auch,dassg x stetigist,denndierechteseiteistesdiestetigkeitvonfy 1 folgt aus der Cramerschen Regel: fy 1 ist eine rationale Funktion der Elemente von f y und stetig, solange der Nenner detf y nicht verschwindet Wir wollen die Formel (41) durch implizite Differentiation nachvollziehen Da wir wegen des Satzes über implizite Funktionen wissen, dass die implizit gegebene Funktion g existiert und differenzierbar ist, können wir die Gleichung h(x) = f(x,g(x)) = 0 nach x mit der Kettenregel differenzieren, 0 = [ ] f(x,g(x)) } x {{} totale Ableitung = (x,g(x))+ x y (x,g(x)) g x (x) Da f y regulär ist, können wir diese Formel nach g x auflösen und erhalten (41) Auch die nach dem Satz über implizite Funktionen existierenden höheren Ableitungen berechnet man am besten durch implizite Diffferentiation Im Spezialfall m = n = 1 erhalten wir aus f(x,g(x)) = 0 f x +f y g = 0 und indem wir diese Gleichung weiter differenzieren, f xx +f xy g +f yx g +f yy (g ) 2 +f y g = 0 35
4 Dies lösen wir nach g auf und erhalten mit g = f x /f y g = 1 f y ( fxx 2f xyf x f y + f yyfx 2 ) 1 ( = fxx fy 2 fy 3 fy 2 2f xy f x f y +f yy fx 2 ) Wir bleiben beim Spezialfall m = n = 1 und wollen die Höhenlinien einer Funktion f : D Ê untersuchen Wir nennen die Menge der Punkte (x,y) mit f(x,y) = c die c-höhenlinie von f Aber ist dies tatsächlich eine Linie? Wenn gradf(x,y) 0 in einem Punkt der Höhenlinie erfüllt ist, so muss wenigstens eine der beiden partiellen Ableitungen nicht verschwinden Nach dem Satz über implizite Funktionen kann die Gleichung f(x, y) = c durch y(x) oder x(y) lokal implizit aufgelöst werden In jedem Fall ist die Höhenlinie in der Tat eine Linie Nun betrachten wir den Spezialfall n = 1, was dem Auflösen eines nichtlinearen (m m)- Gleichungssystems, das von einem Parameter x abhängt, entspricht, f 1 (x,y 1,,y m ) = 0 f m (x,y 1,,y m ) = 0 Beispiel Sei f 1 (x,y 1,y 2 ) = y 1 y 2, f 2 (x,y 1,y 2 ) = y1 2 + y2 2 bezüglich y erhalten wir ( ) y2 y (x,y) = y 1 2y 1 2y 2 x Für die Funktionalmatrix von f y y + mit detf y (y 1,y 2 ) = 2y2 2 2y2 1 Die Funktionaldeterminante verschwindet genau dann, wenn y 1 = ±y 2 Die Lösungen von f(x,y) = 0sindy ± = (0,± x)undy ± = (± x,0)fürx > 0gibt esdahervierlösungen,diefürx = 0zusammenfallenDortistentsprechend die Funktionalmatrix f y singulär Wir können die vom Parameter x abhängenden Lösungen in ein Verzweigunsdiagramm einzeichnen, das in symbolischer Form Auskunft gibt, wie und für welche x-werte Lösungen zusammenfallen bzw sich verzweigen Ganz allgemein gilt: Solange die Funktionalmatrix f y regulär ist, können im Verzweigungsdiagramm weder Verzweigunspunkte noch senkrechte Tangenten auftreten Beides schließt der Satz über implizite Funktionen aus y + y - y - x 43 Der Umkehrsatz Wir betrachten einen Spezialfall des Satzes über implizite Funktionen, nämlich n = m der Form f 1 (x,,x n ) = y 1 f n (x 1,,x n ) = y n und fragen uns, wann die Transformation f lokal umkehrbar ist, oder anders ausgedrückt, ob es eine lokal definierte Transformation g gibt mit f(g(y)) = y Satz Sei f C 1 (D) n in einem Gebiet D Ê n Für ξ D gelte f(ξ) = η und die n n-matrix f x (ξ) sei regulär Dann gibt es eine Umgebung U(ξ) mit (a) V = f(u) ist Umgebung von η (b) f : U V ist bijektiv 36
5 (c) Die Umkehrabbildung g : V U ist stetig differenzierbar mit Ist f C k, so auch g C k ( ) 1 y g(y) = x f(x) mit y = f(x) und x U(ξ) Beweis: Wir können den Satz über implizite Funktionen anwenden, wobei zu beachten ist, dass hier die Rollen von x und y vertauscht sind Wir schreiben F(x,y) = f(x) y Ist nun f(ξ) = η und die Matrix f x (η) regulär, so entspricht das F(ξ,η) = 0 und F x (ξ,η) regulär Nach dem Satz über implizite Funktionen gibt es daher eine Umgebung U von ξ und eine Umgebung V von η sowie eine Funktion g : V U stetig differenzierbar mit F(g(y),y) = 0 oder f(g(y)) = y f ist damit bijektiv von U = g(v) U nach V Für die Funktionalmatrix von g erhalten wir g ( F ) 1 F ( ) 1 y = x y = x Dies stellt eine Verallgemeinerung der wohlbekannten Formel für die eindimensionale Umkehrfunktion dar f ist auf U definiert und stetig, U ist die Urbildmenge der offenen Menge V und damit selber offen Als Anwendung betrachten wir Polarkoordinaten im Ê 2, mit Funktionalmatrix x = rcosφ, y = rsinφ, ( (x, y) cosφ rsinφ (r,φ) = sinφ rcosφ Die Funktionaldeterminante ist r Damit ist die Transformation lokal umkehrbar beispielsweise auf der offene Menge r > 0 und 0 < φ < 2π Offenbar ist die Transformation auf diesem Bereich auch global umkehrbar mit Umkehrfunktion r = (x 2 +y 2 ) 1/2 und φ = arg(x,y) oder ) φ = arctan y x falls x 0, φ = arccot x y falls y 0 Seien U,V Ê n offen und f : U V sei bijektiv Sind f und die Umkehrabbildung g = f 1 offen, so heißt f Homöomorphismus Ist f zusätzlich von der Klasse C 1 mit x regulär, so heißt f Diffeomorphismus 44 Extremwertaufgaben mit Nebenbedingungen Sei D Ê 2 ein Gebiet und f,g C 1 (D) Gesucht ist (x,y) D, das die Aufgabe f(x,y) Min unter allen (x,y) D mit g(x,y) = 0 löst Nach dem Satz über implizite Funktionen wird der Bereich Z = {(x,y) D : g(x,y) = 0} sich ia aus Linien zusammensetzen Sei (ξ, η) eine Lösung dieses Optimierungsproblems mit gradg(ξ,η) 0 Ohne Beschränkung der Allgemeinheit können wir annehmen, dass g y (ξ,η) 0 Nach dem Satz über implizite Funktionen gibt es Umgebungen U von ξ und V von η sowie eine Funktion h : U V mit g(x,h(x)) = 0 x U 37
6 Die Funktion F(x) = f(x,h(x)) besitzt daher ein lokales Minimum für x = ξ, also F (ξ) = f x (ξ,h(ξ))+f y (ξ,h(ξ))h (ξ) = 0 Nach dem Satz über implizite Funktionen ist h = g x /g y, also f x (ξ,h(ξ))+ f y(ξ,h(ξ)) g y (ξ,h(ξ)) g x(ξ,h(ξ)) = 0 Mit λ 0 = fy g y (ξ,h(ξ)) folgt f y +λ 0 g y = 0 und nach der letzten Formel f x +λ 0 g x = 0, zusammen also (43) gradf(ξ,η)+λ 0 gradg(ξ,η) = 0 Dies ist die notwendige Bedingung für einen Extremwert der restringierten Extremwertaufgabe Zusammen mit der Restriktion g(x, y) = 0 bildet (43) ein nichtlineares Gleichungssystem in den drei Variablen x, y, λ, mit dessen Lösung man sich alle Kandidaten für einen Extremwert verschaffen kann Nun betrachten wir den allgemeinen Fall von m Restriktionen in einem Gebiet D Ê n f sei eine auf D definierte reellwertige Funktion und g : D Ê m Die zulässige Menge oder ausgeschrieben Z = {x D : g(x) = 0} g 1 (x 1,,x n ) = 0, g m (x 1,,x n ) = 0, wird im Allgemeinen eine (n m)-dimensionale Fläche sein Sei m n ξ Z heißt regulärer Punkt von g(x) = 0, wenn die Funktionalmatrix g x (ξ) Rang m hat Dieser Bedingung entspricht im oben betrachteten Fall n = 2 und m = 1, dass gradg(ξ,η) 0 Satz Seien f C 1 (D), g C 1 (D) m und m n ξ D sei lokales Extremum von f unter der Bedingung g(x) = 0 Ist ferner ξ ein regulärer Punkt von g(x) = 0, so gibt es ein λ 0 Ê m, so dass das Lagrange-Funktional stationär in (ξ,λ 0 ) Ê m+n wird, dh L(x,λ) = f(x)+λ g(x) = f(x)+ L x (ξ,λ 0) = gradf(ξ)+ L λ (ξ,λ 0) = g(ξ) = 0 m λ j g j (x) j=1 m λ 0,j gradg j (ξ) = 0 Beweis: Der Beweis verläuft völlig analog zum oben betrachteten Fall Da die Funktionalmatrix g x (ξ) den Rang m n besitzt, gibt es m linear unabhängige Spalten Ohne Beschränkung der Allgemeinheit können wir annehmen, dass dies die letzten m sind Wir schreiben x = (r,y) mit r j=1 38
7 Ê m n undy Ê m sowieξ = (ξ r,ξ y )undf(r,y),g(r,y)nachvoraussetzungistdie(m m)-matrix g y (ξ r,ξ y )regulärnachdemsatzüberimplizitefunktionengibteseinefunktionh : U(ξ r ) V(ξ y ) mit g(r,h(r)) = 0 r U(ξ r ) f(r,h(r)) besitzt ein relatives Extremum in ξ r, also 0 = r ( f(ξr,h(ξ r )) ) = ()+ r y () h r (ξ r) Nach dem Satz über implizite Funktionen gilt h r = g 1 y g r und damit r () }{{} Ê 1 (n m) Mit λ 0 = f y ()g y () 1 Ê m folgt y () }{{} Ê 1 m g y () 1 }{{} Ê m m g r () }{{} Ê m (n m) = 0 y (ξ)+λ g 0 y (ξ) = 0, r (ξ)+λ g 0 (ξ) = 0, r zusammen also x (ξ)+λ g 0 (ξ) = 0 x Beispiel Im Falle n = 2 wollen wir die Funktion f(x,y) = (x 1) 2 +y 2 unter der Nebenbedingung g(x,y) = x 2 = 0 minimieren Der Bereich, in dem die Extremwerte gesucht werden, ist damit Z = {(0,y) : y Ê} Dieses Problem hat offenbar die Lösung (ξ, η) = (0, 0), die notwendige Bedingung gradf(0,0)+λgradg(0,0) = ( 2(x 1)+2λx 2y +λ 0 ) (x,y)=(0,0) = ( 2 0 )! = ( 0 0 ) wird jedoch von keinem λ Ê erfüllt Grund dafür ist gradg = 0 auf Z, es gibt also keine regulären Punkte in Z Verwenden wir dagegen die äquivalente Parametrisierung g(x, y) = x, so ist die notwendige Bedingung ( 2(x 1)+λ ) = 0, x = 0, 2y +λ 0 eindeutig lösbar Wir sagen in einem solchen Fall: Z wird durch g regulär parametrisiert Bemerkung Für m = n und rangg x (ξ) = n ist die notwendige Bedingung leer, weil nach dem Satz über implizite Funktionen ξ ein isolierter Punkt ist Beispiele (i) Sei A eine symmetrische (n n)-matrix Wir betrachten das Problem Mit dem zugehörigen Lagrange-Funktional q A (x) = x T Ax Min unter x 2 = 1 L(x,λ) = x T Ax+λ(1 x 2 ) folgt L(x,λ) = 2Ax 2λx = 0 x 39
8 Damit sind die Eigenwerte und die zugehörigen Eigenvektoren die stationären Punkte dieses Optimierungsproblems Es gilt λ min = min x =1 q A(x) = min x R(x), λ max = max q A(x) = maxr(x), x =1 x mit dem Rayleigh-Quotienten R(x) = xt Ax x T x = q A(x) x 2 (ii) Sei A Ê m n mit m < n und ranga = m Da das unterbestimmte Gleichungssystem Ax = b mehrdeutig ist, sucht man diejenige Lösung, die eine vorgegebene Funktion minimiert Im einfachsten Fall löst man das Problem x 2 Min unter Ax = b Für λ Ê m lautet das zugehörige Lagrange-Funktional mit der notwendigen Bedingung L(x,λ) = x 2 +λ(ax b) (44) 2x+A T λ = 0 Wir multiplizieren diese Gleichung von links mit A Da A Rang m hat, ist AA T invertierbar und wir erhalten 2Ax+AA T λ = 0 λ = 2(AA T ) 1 b Dies mit (44) kombiniert ergibt die Lösung x = A T (AA T ) 1 b Aufgaben 41 Die Gleichung z 3 + z + xy = 1 hat für jedes (x,y) Ê 2 genau eine Lösung g(x,y) Man zeige, dass g : Ê 2 Ê differenzierbar ist und berechne g (1,1) Man untersuche g auf Extrema 42 Man zeige, dass das Gleichungssystem x 2 +uy +e v = 0, 2x+u 2 uv = 5, in einer Umgebung von (x,y) = (2,5) durch eine C 1 -Transformation (x,y) (u(x,y),v(x,y)) mit u(2,5) = 1 und v(2,5) = 0 aufgelöst werden kann und berechne die Funktionalmatrix dieser Transformation 43 Man zeige, dass die Gleichung y 2 +xz+z 2 e xz = 1 in einer Umgebung des Punktes (0, 1,1) in der Form z = g(x,y) eindeutig auflösbar ist und berechne die Taylorentwicklung von g um den Punkt (0, 1) bis zu den Gliedern der Ordnung 2 44 Man bestimme den achsenparallelen Quader größten Volumens, der dem Ellipsoid x 2 /a 2 + y 2 /b 2 + z 2 /c 2 = 1 einbeschrieben ist 40
9 45 Es seien a 1,,a n beliebige positive Zahlen und p 1,,p n positive Zahlen mit p 1 ++p n = 1 Man zeige a p1 1 apn n p 1 a 1 ++p n a n 46 Bestimmen Sie das Maximum der Funktion f(x) = x 1 ++x n unter der Nebenbedingung x x 2 n = 1 47 Bestimmen Sie das Maximum der Funktion f(x) = 5x 1 + x 2 3x 3 unter den Nebenbedingungen x 1 +x 2 +x 3 = 1 und x 2 1 +x 2 2 +x 2 3 = 1 41
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
Mehr3.2 Implizite Funktionen
3.2 Implizite Funktionen Funktionen können explizit als y = f(x 1, x 2,..., x n ) oder implizit als F(x 1, x 2,..., x n ;y) = 0 gegeben sein. Offensichtlich kann man die explizite Form immer in die implizite
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
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
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
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
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
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
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
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
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
Mehr0.1 Hauptsatz über implizite Funktionen
0.1 Hauptsatz über implizite Funktionen 0.1 Hauptsatz über implizite Funktionen Ein lineares homogenes Gleichungssystem von q Gleichungen in r + q Unbekannten kann bekanntlich verwendet werden um q Unbekannte
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
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,
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1. Anwendungen des Satzes über implizite Funktionen 2. Stationäre Punkte implizit definierter Funktionen 3. Reguläre Punkte 4. Singuläre Punkte Ausblick auf die heutige
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
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
Mehr53 Der Satz über implizite Funktionen
53 Der Satz über implizite Funktionen 229 53 Der Satz über implizite Funktionen 53.1 Implizit definierte Kurven. In diesem Abschnitt wird zunächst die implizite Definition von Kurven durch Gleichungen
MehrProbeklausur. 1 Stetigkeit [7 Punkte] 2 Differenzierbarkeit [10 Punkte] Ferienkurs Analysis 2 für Physiker SS Karolina Stoiber Aileen Wolf
Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 26 A Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar
MehrKapitel 6 Grenzwerte von Funktionen und Stetigkeit
Kapitel 6 Grenzwerte von Funktionen und Stetigkeit 225 Relle Funktionen Im Folgenden betrachten wir reelle Funktionen f : D R, mit D R. Wir suchen eine formale Definition für den folgenden Sachverhalt.
MehrÜbungen zum Ferienkurs Analysis II
Übungen zum Ferienkurs Analysis II Implizite Funktionen und Differentialgleichungen 4.1 Umkehrbarkeit Man betrachte die durch g(s, t) = (e s cos(t), e s sin(t)) gegebene Funktion g : R 2 R 2. Zeigen Sie,
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
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
MehrHöhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung
TU Bergakademie Freiberg Sommersemester Dr. Gunter Semmler Dr. Anja Kohl Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung Differentialrechnung für Funktionen
MehrNachklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe
MehrMehrdimensionale Differentialrechnung Übersicht
Mehrdimensionale Differentialrechnung Übersicht Partielle und Totale Differenzierbarkeit Man kann sich mehrdimensionale Funktionen am Besten für den Fall f : R 2 M R vorstellen Dann lässt sich der Graph
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Differentialrechnung für Funktionen mehrerer
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
MehrKarlsruher Institut für Technologie (KIT) SS 2013 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie KIT SS 2013 Institut für Analysis 06.05.2013 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik II für die Fachrichtung Physik 4. Übungsblatt Aufgabe 1 Bestimmen
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
Mehr3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z
R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des
MehrExtremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
Mehr2 Funktionen in mehreren Variablen: Differentiation
Satz 2. (Richtungsableitung) Für jede auf der offenen Menge D R n total differenzierbaren Funktion f (insbesondere für f C 1 (D, R) und für jeden Vektor v R n, v 0, gilt: n v f(x) = f(x) v = f xi (x)v
MehrProbeklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen
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
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
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
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrHöhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8. Übungsblatt. ). 12x 3 Die Hessematrix von f ist gegeben durch H f (x, y) =
Karlsruher Institut für Technologie (KIT Institut für Analysis Priv-Doz Dr P C Kunstmann Dipl-Math D Roth SS 0 7060 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 8 Übungsblatt
Mehry (k) (0) = y (k) y(z) = c 1 e αz + c 2 e βz. c 1 + c 2 = y 0 k=1 k=1,...,m y k f k (x)
9 Ausgleichsrechnung 9.1 Problemstelllung Eine Reihe von Experimenten soll durchgeführt werden unter bekannten Versuchsbedingungen z Ê m. Es sollen Größen x Ê n bestimmt werden, für die ein Gesetz gelten
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,
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
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
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
MehrÜbungen zur Ingenieur-Mathematik III WS 2012/13 Blatt
Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt 9 19.12.2012 Aufgabe 35: Thema: Differenzierbarkeit a) Was bedeutet für eine Funktion f : R n R, dass f an der Stelle x 0 R n differenzierbar ist?
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,
MehrFunktionen mehrerer Variabler
Inhaltsverzeichnis 8 Funktionen mehrerer Variabler 8. Einführende Definitionen und Bemerkungen....................... 8. Graphische Darstellungsmöglichkeiten.......................... 8. Grenzwert und
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
Mehr39 Differenzierbare Funktionen und Kettenregel
192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:
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.
Mehr50 Partielle Ableitungen
50 Partielle Ableitungen 217 50 Partielle Ableitungen 501 Beispiel Die Differenzierbarkeit von Funktionen von mehreren Veränderlichen kann nach jeder Variablen einzeln untersucht werden, wobei die anderen
Mehr6.3 Umkehrbarkeit. D(f 1 ) f(p) = (Df) 1
100 Kapitel 6 Ausbau der Differentialrechnung 63 Umkehrbarkeit In diesem Abschnitt soll die Frage untersucht werden, wann eine differenzierbare Funktion umkehrbar ist Einen ersten Hinweis gibt hier die
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 009 Institut für Mathematik 060009 Prof Dr R Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil (a) Wie lauten die Voraussetzungen
Mehr3.2 Funktionsuntersuchungen mittels Differentialrechnung
3. Funktionsuntersuchungen mittels Differentialrechnung 46 3. Funktionsuntersuchungen mittels Differentialrechnung In diesem Abschnitt betrachten wir Funktionen f: D, welche je nach Bedarf zumindest ein-
MehrAnalysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y = f(x). Eine Funktion f 1 :
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y f(x). Eine Funktion f 1 : W
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 (Analysis 2) MA923 http://wwwm5matumde/allgemeines/ma923_26s Sommersem 26 Probeklausur (4726) Krümmung
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
MehrExtremwertrechnung in mehreren Veränderlichen
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 2014 14.05.2014 Höhere Mathematik II für die Fachrichtung Informatik 3. Saalübung (14.05.2014) Extremwertrechnung
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrange.tex,v 1.6 2012/11/06 14:26:21 hk Exp hk $ 2 Extrema unter Nebenbedingungen 2.1 Restringierte Optimierungsaufgaben Nachdem wir jetzt die bereits bekannten Techniken zur Bestimmung der lokalen
Mehr10 Der Satz über implizite Funktionen und Umkehrfunktionen
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
MehrKapitel 6 Differential- und Integralrechnung in mehreren Variablen
Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...
Mehr9. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 9. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 8./9. Dezember 2009 Gruppenübung
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker (Analysis ) MA90 http://www-m5matumde/allgemeines/ma90 06S Sommersem 06 Lösungsblatt (606) Zentralübung Z
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
Mehr10. Übungsblatt zur Analysis II
Fachbereich Mathematik Prof. Dr. Steffen Roch Nada Sissouno WS 2009/2010 17.12.2009 10. Übungsblatt zur Analysis II Gruppenübung Aufgabe G1 Gegeben sei die Funktion g : R 2 R, g(x,y) = sin 2 y + x 3 1.
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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 25/6): Differential und Integralrechnung 3 3. (Herbst 2, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende Tatsachen
MehrMathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.
Technische Universität München WS 009/0 Fakultät für Mathematik Prof. Dr. J. Edenhofer Dipl.-Ing. W. Schultz Übung Lösungsvorschlag Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I Aufgabe
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
MehrHM I Tutorium 9. Lucas Kunz. 19. Dezember 2018
HM I Tutorium 9 Lucas Kunz 19. Dezember 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Definition der Ableitung............................ 2 1.2 Ableitungsregeln................................ 2 1.2.1 Linearität................................
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
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
Mehr6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode
6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode In diesem Kapitel orientieren wir uns stark an den Büchern: 1. Knut Sydsæter, Peter Hammond, Mathematik für Wirtschaftswissenschaftler,
MehrTU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017
TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik Prof. Dr. K. Eppler Institut für Numerische Mathematik Dr. M. Herrich SS 207 Aufgabe Gegeben sei die Funktion f : R 2 R mit Übungen
Mehr2 a 6. a 4 a Wir führen nun den Gauÿalgorithmus durch: 2 a a 2 4a 2 4a a a 2 2a 0 2 a
Aufgabe 8 Punkte). Bestimmen Sie die Lösungsmenge in R in Abhängigkeit von a R) des folgenden linearen Gleichungssystem: x + ax + 6x = 4, ax + 4x + ax =, x + 4x =. Lösung. Wir schreiben das lineare Gleichungssystem
Mehr13. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Differential und Integralrechnung 3 3. (Herbst 20, Thema 3, Aufgabe 2) Gegeben ist für m R die Funktion f m : ], 2π[ R; f m (x) = Folgende
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f
Mehr01. Differentialrechnung in mehreren Variablen - 2. Teil
01. Differentialrechnung in mehreren Variablen - 2. Teil Im folgenden werden die meisten Konzepte für Funktionen von 2 Variablen erklärt. In manchen Fällen können diese Konzepte unmittelbar auf Funktionen
Mehr6 Implizite Funktionen
Oft ist eine Funktion g : R! R nicht explizit in der Form y = g(x) gegeben, sondern nur implizit durch eine Gleichung der Form F (x, g(x)) = 0 mit F : R 2! R, (x, y) 7! F (x, y) bestimmt. Man möchte dann
Mehr6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
Mehry f(t)dt in eine Taylorreihe um (0,0). Für welche (x,y) konvergiert diese Reihe gegen F(x,y)? x 5! x7 7! +... = 2 3! x ! x !
Wolfgang Erben (1. Januar 016) WS 01 Analysis Aufgabe 1. (6 Punkte) Gegeben sei die Funktion f () sinh sin a) Zeigen Sie, dass f () für alle 0 durch eine Potenzreihe um 0 dargestellt werden kann. Geben
MehrKonvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.
Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,
MehrLösung zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim
Lösung zur Serie 8 Aufgabe 40 Wir zeigen in dieser Aufgabe, dass die Voraussetzung dass die Funktion in einer kleinen Umgebung injektiv sein muss, beim Satz über die Umkehrfunktion notwendig ist. Hierzu
Mehr6 Der Fixpunktsatz von Banach
6 Der Fixpunktsatz von Banach Es sei (V, ) ein vollständiger NLR Satz 24 (Fixpunktsatz von Banach) Ist A V abg und nicht leer, und g : A A eine Abbildung mit g(x) g(y) q x y (x, y V ) für ein 0 q < 1 Dann
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 :
Mehr7.11. Extrema unter Nebenbedingungen
7.11. Extrema unter Nebenbedingungen Randextrema Wir haben schon bemerkt, daß die üblichen Tests mit Hilfe von (eventuell höheren) Ableitungen nur Kriterien für (lokale) Extrema im Inneren des Definitionsgebietes
Mehr