6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode

Größe: px
Ab Seite anzeigen:

Download "6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode"

Transkript

1 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, Basiswissen mit Praxisbezug, PEARSON, 3. Auflage, Heidrun Matthäus, Wolf-Gert Matthäus, Mathematik für BWL- Bachelor, Schritt für Schritt mit ausführlichen Lösungen, Springer Gabler, 4. Auflage,

2 6.1 Reellwertige Funktionen zweier Variablen Bei der Untersuchung ökonomischer Funktionen ist es häufig nicht ausreichend, nur nach dem maximalen Gewinn oder den minimalen Kosten für ein Unternehmen zu fragen. Zwei Beispiele sollen dies illustrieren: Oft muss berücksichtigt werden, dass bei der Gewinnmaximierung nicht mehr als eine gewisse Menge der Güter abgesetzt werden kann. Bei der Kostenminimierung wird man wenigstens vertraglich gebundene Mengen herstellen müssen. Damit entstehen mathematische Probleme, bei denen es um die Suche von Extremwerten bei Vorliegen von Nebenbedingungen geht. Zur Lösung solcher Probleme stellen wir in diesem Abschnitt die Methode der Lagrange-Multiplikatoren vor. 2

3 Zunächst wollen wir uns noch eine eher intuitive Herangehensweise anschauen. Beispiel 6.1 Für die Funktion sollen unter der Nebenbedingung f(x, y) = 1 + x 2 + y 2 2x 2x + 3y = 6 Extremwerte gefunden werden. Dazu können wir hier die Nebenbedingung nach x oder y auflösen. Wählen wir die Auflösung nach y, so erhalten wir y = 2 3 x + 2. Setzen wir diese Vorschrift für y nun in die ursprünglich gegebene 3

4 Funktion ein, dann erhalten wir so die neue Funktion h(x) = f (x, 23 ) ( x + 2 =1 + x ) 2 3 x + 2 2x = 13 9 x x + 5. Also hat sich die ursprüngliche Funktion zweier Unbekannter durch das Einsetzen der Nebenbedingungen zu einer Funktion einer Unbekannten vereinfacht. Nun ermitteln wir die Extremwerte von h(x), indem wir zunächst die ersten Ableitung bilden: h (x) = 26 9 x Die möglichen Extremstellen sind nun die Nullstellen von h (x). 4

5 Wir lösen folglich h (x) = 26 9 x 14 3 = 0. Daraus ergibt sich x = Ob h(x) an der Stelle x = ein Maximum oder Minimum hat, klärt sich zum Beispiel durch die Betrachtung der zweiten Ableitung von h(x). Da h (x) = 26 9, ist ( ) 21 h 13 = 26 9 > 0 und somit hat h(x) an der Stele x = ein Minimum. Wiederholen Sie dazu die Aussagen aus Kapitel

6 Nun müssen wir noch den dazugehörigen y-wert berechnen, sodass wir das Paar (x, y ) erhalten, welches f(x, y) unter der Nebenbedingung 2x + 3y = 6 minimiert. Diesen erhalten wir schnell durch Einsetzen: y = 2 3 x + 2 = 2 ( ) = Fassen wir zusammen: Im Punkt P ( 21 13, 13) 12 nimmt die Funktion f(x, y) ihr Minimum unter der Bedingung 2x + 3y = 6 an. Der minimale Funktionswert ist f min =

7 Soeben haben wir ein Problem mit Nebenbedingungen gelöst, indem wir das Problem mit zwei Unbekannten auf ein einfacheres mit nur einer Unbekannten reduziert haben. Jedoch ist keinesfalls sicher, dass sich die gegebenen Nebenbedingungen g(x, y) = c immer nach x oder y auflösen lassen. So lässt sich z.b. 3 x2 y 5 + x 7 + y 3 = 1 nicht durch einfache algebraische Umformungen nach x oder y auflösen. 7

8 Wenn das aber nicht geht - was kann man tun? Hier hilft die Methode der Lagrange-Multiplikatoren. Gesucht sind die Stellen (x, y ), die die Funktion unter der Nebenbedingung maximieren oder minimieren. f(x, y) g(x, y) = c Ähnlich, wie zuvor bauen wir uns eine neue Funktion, deren stationäre Stellen Kandidaten repräsentieren, die f(x, y) unter der Nebenbedingung maximieren bzw. minimieren könnten. Achtung: Wir werden im folgenden stets davon ausgehen, dass f und g mindestens zweimal stetig partiell differenzierbar sind! 8

9 Die Funktion L(x, y, λ) := f(x, y) + λ(g(x, y) c) heißt Lagrangefunktion von f unter der Nebenbedingung g(x, y) = c und λ heißt der Lagrange-Multiplikator. Dabei ist die Lagrangefunktion L eine Funktion mit drei Unbekannten; den Variablen x, y und λ. Man beachte, dass L(x, y, λ) = f(x, y) für alle (x, y), die die Nebenbedingung erfüllen. g(x, y) = c bzw. äquivalent dazu g(x, y) c = 0 Warnung: In einigen Büchern wird die Lagrange-Funktion durch L(x, y, λ) := f(x, y) λ(g(x, y) c) 9

10 definiert. Lassen sie sich dadurch nicht irritieren, beide Funktionen haben an den entscheidenden Stellen die selben Eigenschaften und führen zu den selben Lösungen. Man kann zeigen, falls es eine Stelle (x, y ) R 2 gibt, die f(x, y) unter der Nebenbedingung g(x, y) = c maximiert bzw. minimiert, dann gibt es ein λ R, sodass (x, y, λ ) R 3 eine stationäre Stelle von der Funktion L(x, y, λ) ist. Also sind die Extremstellen von f unter den Nebenbedingungen in den stationären Stellen von L enthalten. 10

11 Wir suchen nun also die stationären Stellen von L(x, y, λ) und deswegen die Lösungen des Gleichungssystems x f (x, y, λ) = y y (x, y, λ) = f x (x, y) + λ g(x, y) = 0 x (x, y) + λ g(x, y) = 0 y (x, y, λ) = g(x, y) c = 0. λ 11

12 Man beachte: Dass die dritte Gleichung äquivalent zur Nebenbedingung ist und damit die x- und y-koordinaten der stationären Stellen von L die Nebenbedingung erfüllen. Sollten g g (x, y) und (x, y) x y beide verschwinden, dann ist die Lagrange-Methode für die gegebene Nebenbedingung als Lösungsmethode ungeeignet. Haben wir eine stationäre Stelle x = (x, y, λ ) von L gefunden, so ist (x, y ) zunächst nur ein Kandidat um f unter der Nebenbedingung zu maximieren. Wie man die gefunden Kandidaten überprüft werden wir später besprechen. 12

13 Beispiel 6.2 Zum Vergleich werden wir das Beispiel 6.1 nun mit der Methode der Lagrange-Multiplikatoren noch einmal betrachten. Gegeben waren die Funktion und die Nebenbedingung f(x, y) = 1 + x 2 + y 2 2x g(x, y) := 2x + 3y = 6. Zuerst bilden wir also die Lagrange-Funktion: L(x, y, λ) = f(x, y) + λ(g(x, y) c) = 1 + x 2 + y 2 2x + λ(2x + 3y 6) 13

14 Dann werden die drei ersten partiellen Ableitungen nach x, y, und λ gebildet: (x, y, λ) = x x [1 + x2 + y 2 2x + λ(2x + 3y 6)] = 2x 2 + 2λ y (x, y, λ) = y [1 + x2 + y 2 2x + λ(2x + 3y 6)] = 2y + 3λ (x, y, λ) = λ λ [1 + x2 + y 2 2x + λ(2x + 3y 6)] = 2x + 3y 6 Um die stationären Stellen der Lagrange-Funktion zu erhalten, müssen alle diejenigen Stellen (x, y, λ) gefunden werden, für die alle ersten partiellen Ableitungsfunktionen verschwinden. Das führt 14

15 uns zu dem linearen Gleichungssystem mit der Lösung x = x 2 + 2λ = 0 2y + 3λ = 0 2x + 3y 6 = 0 y = λ = Die einzige stationäre Stelle von L(x, y, λ) ist damit ( 21 13, 12 13, 8 13). Aus der vorigen Berechnung in Beispiel 6.1 ist bekannt, dass f(x, y) tatsächlich durch die Stelle ( 21 13, 13) 12 minimiert wird und der minimale Funktionswert ist f ( 21 13, ) =

16 Beispiel 6.3 Gegeben sei folgendes Problem: minimiere unter der Nebenbedingung x + 20y x + y = 30. Zunächst stellen wir die Lagrangefunktion L(x, y, λ) = x + 20y + λ( x + y 30) auf und dann das Gleichungssystem, für das der Gradient von L verschwindet: λ (x, y, λ) = 1 + x 2 x = 0 (x, y, λ) = 20 + λ = 0 y λ (x, y, λ) = x + y 30 = 0 16

17 Damit ergibt sich (100, 20, 20) als einzige stationäre Stelle von L. Warum (100, 20) tatsächlich das Problem löst klären wir später. 17

18 6.2 Funktionen mehrerer Variablen mit einer Nebenbedingung Nun wollen wir die Lagrange-Methode für eine beliebige Anzahl n N von Variablen verallgemeinern. Gegeben seinen die Funktionen f, g : D R mit D R n und c R. Dann ist die Lagrangefunktion von f( x) unter der Nebenbedingung g( x) = c L( x, λ) = L(x 1,... x n, λ) = f( x) + λ(g( x) c). Dabei gilt wieder, dass die Lagrangemethode nur anwendbar ist, wenn g( x) (0... 0). 18

19 Wie in dem Fall von nur zwei Variablen befinden sich die Lösungen des Maximierungs- bzw Minimierungsproblems, falls diese existieren, unter den stationären Stellen von L. Die stationären Stellen finden wir indem wir das Gleichungssystem der partiellen Ableitungen (x 1,... x n, λ) = f (x 1,... x n ) + λ g (x 1,... x n ) = 0 x 1 x 1 x (x 1,... x n, λ) = f (x 1,... x n ) + λ g (x 1,... x n ) = 0 x n x n x n λ (x 1,... x n, λ) = g(x 1,... x n ) c = 0 lösen. 19

20 Beispiel 6.4 Ein Fabrikant möchte Boxen herstellen. Die Herstellungskosten hängen vom Materialbedarf, also von der Oberfläche der Box ab und ihr nutzen für den Kunden vom Volumen der Box. Welches Volumen kann er maximal erreichen, wenn er 10m 2 Material je Box einsetzt? Mathematisch gesehen wollen wir also die Funktion f(x, y, z) = xyz, die das Volumen der Box mit Länge x, Breite y und Höhe z beschreibt, unter der Nebenbedingung g(x, y, z) = 2(xy + xz + yz) = 10 maximieren, wobei g(x, y, z) die Oberfläche der Box beschreibt. 20

21 Die zugehörige Lagrangefunktion ist L(x, y, z, λ) = xyz + λ(2(xy + xz + yz) 10) und ihre partiellen Ableitungen sind (x, y, z, λ) = yz + λ(2y + 2z) x (x, y, z, λ) = xz + λ(2x + 2z) y (x, y, z, λ) = xy + λ(2y + 2x) z (x, y, z, λ) = 2(xy + xz + yz) 10. λ 21

22 Also verschwindet der Gradient von L genau dann, wenn das Gleichungssystem gelöst wird. I yz = 2λ(y + z) II xz = 2λ(x + z) III xy = 2λ(x + y) IV xy + xz + yz = 5 Wir halten zunächst fest, dass x, y, z und λ alle nicht Null seien dürfen. Dann erhalten wir, indem wir die Gleichungen I und II kombinieren yz y + z = xz also x = y x + z und indem wir die Gleichungen II und III kombinieren xz x + z = xy y + x = 22 also y = z

23 und damit x = y = z. Setzen wir das in IV ein erhalten wir 5 x = y = z = ± 3. Die stationären Stellen von L sind also ( ) 5 3, 5 3, 5 3. ( 5 3, 5 3, 5 3 ) und Da wir hier echte Boxen bauen wollen, fällt eine Kantenlänge von 5 3 m raus. Da das Volumen bei fester Oberfläche einer Box beschränkt ist, muss es ein Maximum geben. Folglich ist die optimale Boxform ein quadratischer Würfel mit einer Kantenlänge von Metern

24 6.3 Mehrere Nebenbedingungen Nun wollen wir die Lagrange-Methode für eine beliebige Anzahl m N von Nebenbedingungen verallgemeinern. Gegeben seinen die Funktionen f, g 1,..., g m : D R mit D R n und c 1,..., c m R. Dann ist die Lagrangefunktion von f( x) unter den Nebenbedingungen g 1 ( x) = c 1,..., g m ( x) = c m definiert durch L( x, λ) = f( x) + m λ j (g j ( x) c j ). j=1 Dabei erhält jede Nebenbedingung g j ( x) = c j seinen eigenen Lagrange-Multiplikator λ j. 24

25 Wie in dem Fall von nur einer Nebenbedingung befinden sich die Lösungen des Maximierungs- bzw Minimierungsproblems, falls diese existieren, unter den stationären Stellen von L. Wieder suchen wir also die stationären Stellen und das Gleichungssystem der partiellen Ableitungen bildet sich aus den Gleichungen x i ( x, λ) = f x i ( x) + und aus den Gleichungen m j=1 λ j g j x i ( x) = 0 für i = 1,..., n λ j ( x, λ) = g j ( x) c j = 0 für j = 1,..., m. 25

26 Beispiel 6.5 Gegeben sei das Problem, f(x, y, z) = x 2 + y 2 + z 2 unter den Nebenbedingungen { g 1 (x, y, z) := x + 2y + z = 30 g 2 (x, y, z) := 2x y 3z = 10 zu maximieren bzw. zu minimieren. Wieder bilden wir zunächst die Lagrangefunktion L(x, y, z, λ 1, λ 2 ) = x 2 +y 2 +z 2 +λ 1 (x+2y+z 30)+λ 2 (2x y 3z 10) mit den beiden Lagrange-Multiplikatoren λ 1 und λ 2. 26

27 Darauf berechnen wir die partiellen Ableitungen von L: x (x, y, z, λ 1, λ 2 ) = 2x + λ 1 + 2λ 2 y (x, y, z, λ 1, λ 2 ) = 2y + 2λ 1 λ 2 z (x, y, z, λ 1, λ 2 ) = 2z + λ 1 3λ 2 λ 1 (x, y, z, λ 1, λ 2 ) = x + 2y + z 30 λ 2 (x, y, z, λ 1, λ 2 ) = 2x y 3z 10 27

28 und kommen so zu dem linearen Gleichungssystem 2x + λ 1 + 2λ 2 = 0 2y + 2λ 1 λ 2 = 0 2z + λ 1 3λ 2 = 0 2x + 2y + z = 30 2x y 3z = 10. Das Gaußverfahren liefert die einzige Lösung x = 10 y = 10 z = 0 λ 1 = 12 λ 2 = 4. Damit ist (10, 10, 0, 12, 4) die einzige stationäre Stelle von L und (10, 10, 0) der einzige Lösungskandidat für das gegebene Problem. Da es nur einen Kandidaten gibt, kann nur das Maximierungsproblem oder nur das Minimierungsproblem gelöst werden. 28

29 6.4 Art der Extrema Zuvor haben wir uns damit beschäftigt, wo die Extrema liegen, nun wollen wir untersuchen ob es Maxima oder Minima sind. Gegeben seinen die Funktionen f, g 1,..., g m : D R mit D R n und c 1,..., c m R. Dann ist die Lagrangefunktion von f( x) unter den Nebenbedingungen g 1 ( x) = c 1,..., g m ( x) = c m definiert durch L( x, λ) m = f( x) + λ j (g j ( x) c j ). j=1 Um Art des Extremums zu klären, könnte einem in den Sinn kommen die Lagrangefunktion an den stationären Stellen auf Maxima/Minima zu untersuchen. Doch hat die Lagrangefunktion an den stationären Stellen in der Regel kein Extremum. 29

30 Wir definieren durch festhalten der Lagrange-Multiplikatoren die Funktionenschar m L λ( x) = f( x) + λ j (g j ( x) c j ). j=1 Im Gegensatz zur Lagrangefunktion sind für diese Funktionen nur noch die x 1,..., x n Variablen und die Lagrange-Multiplikatoren λ 1,..., λ m lediglich Parameter. Dabei gilt x i ( x, λ) = λ x i ( x) für alle i = 1,..., n und damit ist für eine stationäre Stelle ( x, λ ) von L die Stelle x stationäre Stelle der Funktion L λ. Hinreichende Bedingung für lokale Extrema unter Nebenbedingungen 30

31 Sei ( x, λ ) stationäre Stelle von L( x, λ). Dann kann man zeigen: Hat die Funktion L λ ( x) an der Stelle x ein lokales Maximum(bzw. Minimum), dann hat auch f( x) unter den Nebenbedingungen g 1 ( x) = c 1,..., g m ( x) = c m in x ein lokales Maximum(bzw. Minimum). Ob L λ ein lokales Maximum oder Minimum an der Stelle x hat, kann man versuchen mit der hinreichenden Bedingung für lokale Extrema multivariater Funktionen zu klären. 31

32 Beispiel 6.6 Betrachten wir nun das Beispiel 6.5 mit f(x, y, z) = x 2 + y 2 + z 2, den Nebenbedingungen { g 1 (x, y, z) := x + 2y + z = 30 und der Lagrangefunktion g 2 (x, y, z) := 2x y 3z = 10 L(x, y, z, λ 1, λ 2 ) = x 2 +y 2 +z 2 +λ 1 (x+2y+z 30)+λ 2 (2x y 3z 10). Wir hatten als stationäre Stelle der Lagrangefunktion L( x, λ) ( x, λ ) = (10, 10, 0, 12, 4) ermittelt. 32

33 Mit der hinreichenden Bedingung für lokale Extrema multivariater Funktionen untersuchen wir nun die Funktion L ( 12, 4) (x, y, z) = x 2 +y 2 +z 2 12(x+2y+z 30) 4(2x y 3z 10). Die Hesse-Matrix von L ( 12, 4) (x, y, z) ist Hess L( 12, 4) (x, y, z) = und die Hauptminoren sind Λ 1 = 2 Λ 2 = 4 Λ 3 = 8 unabhängig von der Stelle (x, y, z). Daraus folgt, dass L ( 12, 4) (x, y, z) an der Stelle x = (10, 10, 0) ein lokales Minimum hat (siehe Abschnitt 5.6). Somit löst x = (10, 10, 0) das Minimierungsproblem aus Beispiel

34 Dieser Weg funktioniert nicht immer. So kann es sein, dass die hinreichende Bedingung für lokale Extrema multivariater Funktionen nicht stark genug ist, um eine spezielle Situation zu entscheiden. Und man so das Problem nicht gelöst bekommt, wie wir im folgenden Beispiel sehen werden. Beispiel 6.7 Betrachten wir nun erneut das Beispiel 6.3 mit der Funktion f(x, y) = x + 20y unter der Nebenbedingung g(x, y) = x + y = 30. Die Lagrangefunktion war L(x, y, λ) = x + 20y + λ( x + y 30) mit der einzigen stationären Stelle (x, y, λ ) = (100, 20, 20). Die Hesse-Matrix der Funktion L 20 (x, y) = x + 20y 20( x + y 30) = x 20 x

35 ist Hess L 20 (x, y) = ( 5 0 ) x Damit sind die Hauptminoren von Hess L 20 (100, 20) Λ 1 = und Λ 2 = 0. Die hinreichende Bedingung für lokale Extrema multivariater Funktionen gibt hier leider keine Auskunft über die Art des Extremums von f.. 35

36 Wir wollen uns nun noch eine zweite hinreichende Bedingung für lokale Extrema unter Nebenbedingungen anschauen: Gegeben seinen die Funktionen f, g 1,..., g m : D R mit D R n und c 1,..., c m R. Dann definieren wir die Lagrangefunktion von f( x) unter den Nebenbedingungen nun durch g 1 ( x) = c 1,..., g m ( x) = c m L( λ, x) = f( x) + m λ j (g j ( x) c j ). j=1 etwas um. Dadurch, dass wir hier die Reihenfolge der Variablen ändern, können wir die Mathematik hinter dem folgenden Kriterium mit unseren Notationen in Einklang bringen. 36

37 Die Hesse-Matrix von L ist 2 L λ 1 λ 1 ( λ, x)... 2 L λ 1 λ m ( λ, x) 2 L λ 1 x 1 ( λ, x)... 2 L λ 1 x n ( λ, x) L λ Hess L ( λ, x) = m λ 1 ( λ, x)... 2 L λ m λ m ( λ, x) 2 L λ m x 1 ( λ, x)... 2 L λ m x n ( λ, x) 2 L x 1 λ 1 ( λ, x)... 2 L x 1 λ m ( λ, x) 2 L x 1 x 1 ( λ, x)... 2 L x 1 x n ( λ, x) L x n λ 1 ( λ, x)... 2 L x n λ m ( λ, x) 2 L x n x 1 ( λ, x)... 2 L x n x n ( λ, x) = g g x 1 ( λ, x)... 1 x n ( λ, x) g m g x 1 ( λ, x)... m x n ( λ, x) g 1 x 1 ( λ, x)... g m x 1 ( λ, x) 2 L x 1 x 1 ( λ, x)... 2 L x 1 x n ( λ, x) g 1 x n ( λ, x)... g m x n ( λ, x) 2 L x n x 1 ( λ, x)... 2 L x n x n ( λ, x) 37

38 eine (m + n) (m + n)-matrix mit den m + n Hauptminoren Λ 1,..., Λ m+n. Dabei gilt immer für die ersten Hauptminoren und für m > 1 Λ 1 = 0,..., Λ 2m 1 = 0 Λ 2m = 0. Die ersten 2m Hauptminoren sind folglich nicht aussagekräftig und können ignoriert werden. Es bleiben die letzten Hauptminoren Λ 2m+1,..., Λ m+n. 38

39 Zweite hinreichende Bedingung für lokale Extrema unter Nebenbedingungen Nun kann man zeigen, dass die Funktion f( x) unter den gegebenen Nebenbedingungen an der stationären Stelle ( λ, x ) von m L( λ, x) = f( x) + λ j (g j ( x) c j ) j=1 i) ein lokales Minimum hat, falls die Hauptminoren von Hess L ( λ, x ) Λ 2m+1,..., Λ m+n alle das Vorzeichen ( 1) m haben. ii) ein lokales Maximum hat, falls die Hauptminoren von Hess L ( λ, x ) Λ 2m+1,..., Λ m+n wechselnde Vorzeichen haben, sodass Λ m+n = det(hess L ( λ, x )) das Vorzeichen ( 1) n hat. 39

40 Für zwei Variablen und eine Nebenbedingung heißt das, dass die Funktion f(x, y) unter der Nebenbedingungen g(x, y) = c an der stationären Stelle (λ, x, y ) von L(λ, x, y) = f(x, y) + λ(g(x, y) c) i) ein lokales Minimum hat, falls der letzte Hauptminor von Hess L (λ, x, y ) negativ ist. Λ 2m+1 = Λ m+n = Λ 3 = det(hess L (λ, x, y )) ii) ein lokales Maximum hat, falls der letzte Hauptminor von Hess L (λ, x, y ) positiv ist. Λ 2m+1 = Λ m+n = Λ 3 = det(hess L (λ, x, y )) 40

41 Beispiel 6.8 Betrachten wir nun wieder das Beispiel 6.3 mit der Funktion f(x, y) = x + 20y unter der Nebenbedingung g(x, y) = x + y = 30. Die Lagrangefunktion definieren wir nun gemäß der Notation der zweiten hinreichenden Bedingung durch L(λ, x, y) = x + 20y + λ( x + y 30). Die einzige stationäre Stelle bleibt (x, y, λ ) = (100, 20, 20). Die Hesse-Matrix von L(λ, x, y) ist Hess L (λ, x, y) = x x x

42 Wir berechnen nun die Determinante von Hess L (100, 20, 20) det = Damit ist der letzte Hauptminor negativ und f(x, y) hat an der Stelle (100, 20) unter der Nebenbedingung x + y = 30 ein lokales Minimum. 42

43 6.5 Mehrere Extrema Wenn wir eine Funktion unter Nebenbedingungen maximieren bzw. minimieren sollen, kann es passieren, dass es nicht nur ein lokales Maximum bzw. lokales Minimum gibt, sondern mehrere. In diesem Fall vergleicht man die Funktionswerte an den entsprechenden Stellen. Sodass die Stelle, die unter den lokalen Maxima(bzw. Minima) den höchsten(bzw. niedrigsten) Funktionswert hat, das Maximierungs- bzw. Minimierungsproblem unter Nebenbedingungen löst. 43

44 Beispiel 6.9 Gegeben sei folgendes Problem: maximiere x y 2 unter der Nebenbedingung x 2 + y 2 = 1. Zunächst stellen wir die Lagrangefunktion L(λ, x, y) = x y 2 + λ(x 2 + y 2 1) auf und dann das Gleichungssystem, für das der Gradient von L verschwindet: λ (λ, x, y) = x2 + y 2 1 = 0 (λ, x, y) = x 1 + 2λx = 0 (λ, x, y) = y 2(λ 1)y = 0 44

45 Durch lösen erhalten wir als stationäre Stellen von L ( (λ 1, x 1, y 1 ) = 1, 1 ) ( 3 2, (λ 2, x 2, y 2 ) = 1, 1 ) 3 2 2, 2 (λ 3, x 3, y 3 ) = ( 12 ) ( ) 1, 1, 0 (λ 4, x 4, y 4 ) = 2, 1, 0. Die Hesse-Matrix von L(λ, x, y) ist 0 2x 2y Hess L (λ, x, y) = 2x 2λ 0 2y 0 2(λ 1) 45

46 und damit ( det (Hess L 1, 1 )) 3 2, = 6 2 ( det (Hess L 1, 1 )) 3 2, = 6 2 det (Hess L ( 12 )), 1, 0 = 12 ( )) 12 det (Hess L, 1, 0 = 4. 46

47 Nach der zweiten hinreichenden Bedingung haben wir also zwei lokale Minima bei ( (λ 1, x 1, y 1 ) = 1, 1 ) ( 3 2, und (λ 2, x 2, y 2 ) = 1, 1 ) 3 2 2, 2 und zwei lokale Maxima bei (λ 3, x 3, y 3 ) = ( 12 ), 1, 0 und (λ 4, x 4, y 4 ) = ( ) 1 2, 1, 0. Um zu prüfen welcher der Maxima das Maximierungsproblem löst, setzen wir in f(x, y) ein f (1, 0) = 1 f ( 1, 0) = 1. Also maximiert (1, 0) die Funktion f(x, y) = x y 2 unter der Nebenbedingung x 2 + y 2 = 1. 47

Mikroökonomik Prof. Dr. Stefan Klonner SoSe Übungsblatt 1

Mikroökonomik Prof. Dr. Stefan Klonner SoSe Übungsblatt 1 1 Funktionen Definition 1 (Funktion). Übungsblatt 1 Eine Funktion f(x) einer reellen Variable x mit Definitionsbereich D ist eine Regel, die jeder Zahl x in D eine reelle Zahl f(x) eindeutig zuordnet.

Mehr

Rückblick auf die letzte Vorlesung

Rückblick 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

Mehr

10 Extremwerte mit Nebenbedingungen

10 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

Mehr

Extremwerte von Funktionen mehrerer reeller Variabler

Extremwerte 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

Mehr

3 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

3 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

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen aus dem Auflösungsatz Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und

Mehr

Karlsruher 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 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

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

Musterlösungen Aufgabenblatt 2

Musterlösungen Aufgabenblatt 2 Jonas Kindervater Ferienkurs - Höhere Mathematik III für Physiker Musterlösungen Aufgabenblatt Dienstag 17. Februar 009 Aufgabe 1 (Implizite Funktionen) f(x, y) = x 1 xy 1 y4 = 0 Man bestimme die lokale

Mehr

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

Wenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 } A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder

Mehr

1 Umkehrfunktionen und implizite Funktionen

1 Umkehrfunktionen und implizite Funktionen Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13

Mehr

3 Optimierung mehrdimensionaler Funktionen f : R n R

3 Optimierung mehrdimensionaler Funktionen f : R n R 3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)

Mehr

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015 Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum

Mehr

Monotonie, Konkavität und Extrema

Monotonie, Konkavität und Extrema Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1

Mehr

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass

Mehr

Lagrange-Multiplikatoren

Lagrange-Multiplikatoren Lagrange-Multiplikatoren Ist x eine lokale Extremstelle der skalaren Funktion f unter den Nebenbedingungen g i (x) = 0, dann existieren Lagrange-Multiplikatoren λ i, so dass grad f (x ) = λ i grad g i

Mehr

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

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum. Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit

Mehr

Extrema mit Nebenbedingungen

Extrema mit Nebenbedingungen Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst

Mehr

Anwendungen der Differentialrechnung

Anwendungen 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

Mehr

Analysis II 14. Übungsblatt

Analysis II 14. Übungsblatt Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12

Mathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12 Mathematik für Wirtschaftswissenschaftler im WS /3 Lösungen zu den Übungsaufgaben Blatt Aufgabe 5 Welche der folgenden Matrizen sind positiv bzw negativ definit? A 8, B 3 7 7 8 9 3, C 7 4 3 3 8 3 3 π 3

Mehr

Ein Buch. Für Anwendungen des Stoffs in den Wirtschaftswissenschaften: Knut Sydsæter, Peter Hemmond: Mathematik für Wirtschaftswissenschaftler

Ein Buch. Für Anwendungen des Stoffs in den Wirtschaftswissenschaften: Knut Sydsæter, Peter Hemmond: Mathematik für Wirtschaftswissenschaftler Ein Buch Für Anwendungen des Stoffs in den Wirtschaftswissenschaften: Knut Sydsæter, Peter Hemmond: Mathematik für Wirtschaftswissenschaftler (Aber bei der Mathematik ein bisschen aufpassen!) 4 Extremstellen

Mehr

Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.

Mathematische 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

Mehr

2 Extrema unter Nebenbedingungen

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

Mehr

f 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.

f 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

Mehr

Multivariate Analysis

Multivariate Analysis Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle

Mehr

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

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist: Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,

Mehr

TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017

TU 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

Mehr

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

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

Mehr

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2 Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die

Mehr

Kurvendiskussion von Funktionsscharen

Kurvendiskussion von Funktionsscharen Kurvendiskussion von Funktionsscharen Die Untersuchung von Funktionsscharen unterscheidet sich nicht von der Untersuchung von normalen Funktionen. Einzig die Bestimmung der Ortskurven von Extremstellen

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick auf die letzte Vorlesung. Bemerkung Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

Outline. 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 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

Mehr

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...

Musterlösung. 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

Mehr

Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher

Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher Technische Universität Chemnitz 1. Juli 20 Fakultät für Mathematik Höhere Mathematik I.2 Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher 1. Durch ein

Mehr

16. FUNKTIONEN VON MEHREREN VARIABLEN

16. FUNKTIONEN VON MEHREREN VARIABLEN 16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1

Mehr

C. Eicher Analysis Study Center ETH Zürich HS Extremwerte

C. Eicher Analysis Study Center ETH Zürich HS Extremwerte C. Eicher Analysis Study Center ETH Zürich HS 05 Extremwerte Gelöste Aufgabenbeispiele:. Bestimme die lokalen und globalen Extrema der Funktion f(x) = x x + x auf dem Intervall [ 4, ]. a. Bestimmung der

Mehr

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt

Mehr

7.11. Extrema unter Nebenbedingungen

7.11. 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

Extrema von Funktionen mit zwei Variablen

Extrema von Funktionen mit zwei Variablen Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser

Mehr

Extrema von Funktionen mit Nebenbedingung

Extrema von Funktionen mit Nebenbedingung Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen mit Nebenbedingung Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Mathematik 2 für Wirtschaftsinformatik

Mathematik 2 für Wirtschaftsinformatik für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Hinreichende Bedingung für lokale Extrema Voraussetzungen Satz D R n konvex und offen Funktion f : D R zweimal stetig partiell differenzierbar

Mehr

Übungen zur Analysis II Blatt 27 - Lösungen

Übungen zur Analysis II Blatt 27 - Lösungen Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R

Mehr

Klausur zu Analysis II - Lösungen

Klausur zu Analysis II - Lösungen Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.

Mehr

Optimierung unter Nebenbedingungen

Optimierung unter Nebenbedingungen Optimierung unter Nebenbedingungen Kapitel 7: Optimierung unter Nebenbedingungen Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 1. Juli 2009 1 / 18 7.1 Bemerkung

Mehr

Extremwertrechnung in mehreren Veränderlichen

Extremwertrechnung 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

Mehr

1.6 Implizite Funktionen

1.6 Implizite Funktionen 1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man

Mehr

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die

Mehr

23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN

23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN 204 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch

Mehr

f(x) f(a) f (a) := lim x a Es existiert ein Polynom ersten Grades l(x) = f(a) + c (x a) derart, dass gilt lim x a x a lim

f(x) f(a) f (a) := lim x a Es existiert ein Polynom ersten Grades l(x) = f(a) + c (x a) derart, dass gilt lim x a x a lim A Analysis, Woche 8 Partielle Ableitungen A 8. Partielle Ableitungen Wir haben vorhin Existenzkriterien für Extrema betrachtet, aber wo liegen sie genau? Anders gesagt, wie berechnet man sie? In einer

Mehr

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

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

Mehr

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt

Mehr

42 Lokale Extrema mit Nebenbedingungen

42 Lokale Extrema mit Nebenbedingungen 4 Lokale Extrema mit Nebenbedingungen 09 4 Lokale Extrema mit Nebenbedingungen Lernziele: Resultate: Kriterien für lokale Extrema mit Nebenbedingungen Methoden: Lagrange-Multiplikatoren Kompetenzen: Bestimmung

Mehr

Serie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0.

Serie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0. Analysis D-BAUG Dr Cornelia Busch FS 2016 Serie 3 1 a) Zeigen Sie, dass der Graph von f(x, y) = 9 (x 2) 2 (y 3) 2 eine Halbkugel beschreibt und bestimmen Sie ihren Radius und ihr Zentrum z = f(x, y) =

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur 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

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

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

Mehr

Mathematik für Wirtschaftswissenschaftler Kapitel 4-6. Universität Trier Wintersemester 2013 / 2014

Mathematik für Wirtschaftswissenschaftler Kapitel 4-6. Universität Trier Wintersemester 2013 / 2014 Mathematik für Kapitel 4-6 Universität Trier Wintersemester 2013 / 2014 Kapitel 4 1. Extremwerte 2. Lokale Optimalpunkte 3. Wendepunkte 2 Kapitel 4.1 EXTREMWERTE 3 Extrempunkte und Extremwerte 4 Strikte

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Technische 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 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

Mehr

Anwendungen der Differentialrechnung

Anwendungen der Differentialrechnung KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................

Mehr

Lösungen zu Mathematik I/II

Lösungen zu Mathematik I/II Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3

Mehr

B Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,

B Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R, B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,

Mehr

Kuhn-Tucker-Bedingung

Kuhn-Tucker-Bedingung Kuhn-Tucker-Bedingung Ist x ein lokales Minimum einer skalaren Funktion f unter den Nebenbedingungen g i (x) 0 und sind die Gradienten der aktiven Gleichungen g i (x ) = 0, i I, linear unabhängig, dann

Mehr

Kurvendiskussion für Funktionen mit einer Variablen

Kurvendiskussion für Funktionen mit einer Variablen Kurvendiskussion für Funktionen mit einer Variablen Unter der Kurvendiskussion einer Funktionsgleichung versteht man die Zusammenstellung der wichtigsten Eigenschaften ihres Bildes mit anschließender Zeichnung.

Mehr

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

Der metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.

Mehr

Mathematik 3 für Informatik

Mathematik 3 für Informatik Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4

Mehr

Mathematik für Anwender II

Mathematik für Anwender II Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7

Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2016): Differential und Integralrechnung 7 7.1 (Herbst 2015, Thema 1, Aufgabe 4) Gegeben sei das Dreieck und die Funktion f : R mit Bestimmen Sie f(

Mehr

Prüfungsklausur Höhere Mathematik II (20. Juli 2005) - Lösungen zum Theorieteil - für MB, EC, TeM, FWK, KGB, BGi, WiW, GtB, Ma, WWT, ESM

Prüfungsklausur Höhere Mathematik II (20. Juli 2005) - Lösungen zum Theorieteil - für MB, EC, TeM, FWK, KGB, BGi, WiW, GtB, Ma, WWT, ESM Prüfungsklausur Höhere Mathematik II (2. Juli 25) für MB, EC, TeM, FWK, KGB, BGi, WiW, GtB, Ma, WWT, ESM - Lösungen zum Theorieteil - Aufgabe : Sei f(x, y) eine in einem Gebiet zweimal stetig differenzierbare

Mehr

55 Lokale Extrema unter Nebenbedingungen

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

Mehr

Anleitung zu Blatt 5 Analysis III für Studierende der Ingenieurwissenschaften

Anleitung zu Blatt 5 Analysis III für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe / r. Hanna Peywand Kiani 4.. Anleitung zu Blatt 5 Analysis III für Studierende der Ingenieurwissenschaften Extrema unter Nebenbedingungen, Lagrange Multiplikatoren

Mehr

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 Markus Sinnl 1 markus.sinnl@univie.ac.at http://homepage.univie.ac.at/markus.sinnl basierend auf Folien von Dr. Ivana Ljubic, Mag. Christian Spreitzer und Mag.

Mehr

5.10. Mehrdimensionale Extrema und Sattelpunkte

5.10. Mehrdimensionale Extrema und Sattelpunkte 5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(

Mehr

4.4 Lokale Extrema und die Hessesche Form

4.4 Lokale Extrema und die Hessesche Form 74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik 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

Mehr

Musterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik

Musterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik Aufgabe Punkte Geben Sie die Matrixbeschreibung der Quadrik {x R 3x 3x 8x x +x +4x +7 = 0} an Berechnen Sie die euklidische Normalform der Quadrik und ermitteln Sie die zugehörige Koordinatentransformation

Mehr

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

i j m f(y )h i h j h m 10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem

Mehr

2.7 Implizite Funktionen, Umkehrabbildungen

2.7 Implizite Funktionen, Umkehrabbildungen 27 Implizite Funktionen, Umkehrabbildungen Motivation Häufig sind ebene Kurven in impliziter Form f(x, y) = und nicht in expliziter Form y = g(x) gegeben Einfaches Beispiel Für Kreise um ist implizite

Mehr

Funktionen mehrerer Variabler

Funktionen mehrerer Variabler Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:

Mehr

ÜBUNGSBLATT 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 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

Mehr

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,

Mehr

6 Die Bedeutung der Ableitung

6 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

Mehr

4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion.

4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. 4. Anwendung der Differentialrechnung: Kurvendiskussion 4.1. Maxima und Minima einer Funktion. Definition 4.3. Es sei f : R D R eine auf D erklarte Funktion. Die Funktion f hat in a D eine globales oder

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 13

Technische Universität München Zentrum Mathematik. Übungsblatt 13 Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik) Prof Dr Anusch Taraz Dr Michael Ritter Übungsblatt 3 Hausaufgaben Aufgabe 3 Bestimmen Sie alle stationären Punkte der folgenden

Mehr

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.4 Anwendungen (Teil 2): Extremwerte www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr.

Mehr

Wirtschaftsmathematik-Klausur vom und Finanzmathematik-Klausur vom

Wirtschaftsmathematik-Klausur vom und Finanzmathematik-Klausur vom Wirtschaftsmathematik-Klausur vom 07.02.2014 und Finanzmathematik-Klausur vom 27.01.2014 Bearbeitungszeit: W-Mathe 60 Minuten, F-Mathe 45 Minuten Aufgabe 1 GegebensindinAbhängigkeit der produzierten und

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

Mehr

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

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

Heidrun Matthäus Wolf-Gert Matthäus. Ergänzungen für Vertiefung und Training

Heidrun Matthäus Wolf-Gert Matthäus. Ergänzungen für Vertiefung und Training Heidrun Matthäus Wolf-Gert Matthäus Mathematik für BWL-Bachelor: Übungsbuch Ergänzungen für Vertiefung und Training 3., erweiterte Auflage ö Springer Gabler Inhaltsverzeichnis Teil I: Mathematik ohne Anwendungsbezüge

Mehr

11 Optimierung von Funktionen einer Veränderlichen

11 Optimierung von Funktionen einer Veränderlichen 11 Optimierung von Funktionen einer Veränderlichen In diesem Kapitel werden die bis hier behandelten Grundlagen der Analysis genutzt, um Methoden aus der Optimierungstheorie für eindimensionale Entscheidungsmengen

Mehr

Funktionen untersuchen

Funktionen untersuchen Funktionen untersuchen Mögliche Fragestellungen Definition: lokale und globale Extrema Monotonie und Extrema Notwendige Bedingung für Extrema Hinreichende Kriterien, Vergleich Krümmungsverhalten Neumann/Rodner

Mehr

Stroppel Musterlösung , 180min. Aufgabe 1 (3 Punkte) Bestimmen Sie die Determinante der Matrix

Stroppel Musterlösung , 180min. Aufgabe 1 (3 Punkte) Bestimmen Sie die Determinante der Matrix Stroppel Musterlösung 7.., 8min Aufgabe Punkte Bestimmen Sie die Determinante der Matrix A =. Geben Sie alle Lösungen x des homogenen Gleichungssystems Ax = an. Entwicklung nach der ersten Spalte: deta

Mehr

Heinrich-Hertz-Oberschule, Berlin

Heinrich-Hertz-Oberschule, Berlin Reellwertige Funktionen mehrerer Variabler Teilnehmer: Maximilian Ringleb Jakob Napiontek Kay Makowsky Mallku Schlagowski Trung Duc Nguyen Alexander Reinecke Herder-Oberschule, Berlin Heinrich-Hertz-Oberschule,

Mehr

Übungen zum Ferienkurs Analysis II 2014

Übungen 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

Mehr

Vorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema

Vorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema Vorlesung: Analysis II für Ingenieure Wintersemester 09/10 Michael Karow Themen: Taylor-Entwicklung und lokale Extrema Motivierendes Beispiel: die Funktion f(x, y) = x(x 1) 2 2 y 2. Dieselbe Funktion von

Mehr

Kapitel 2. Mathematik für Mikroökonomie

Kapitel 2. Mathematik für Mikroökonomie Kapitel Mathematik für Mikroökonomie 1 Mathematik der Optimierung Ökonomische Theorien basieren auf der Annahme, dass die Agenten versuchen, den optimalen Wert einer Funktion zu wählen. Konsumenten maximieren

Mehr