Funktionen mehrerer Variabler
|
|
- Sven Küchler
- vor 6 Jahren
- Abrufe
Transkript
1 Inhaltsverzeichnis 8 Funktionen mehrerer Variabler 8. Einführende Definitionen und Bemerkungen Graphische Darstellungsmöglichkeiten Grenzwert und Stetigkeit Partielle Ableitungen Die totale Ableitung und lineare Approximation Richtungsableitung und Eigenschaften des Gradienten Kettenregel Implizit definierte Funktionen Extrema ohne Nebenbedingungen Extrema mit Nebenbedingungen Lagrangesches Multiplikatorverfahren für Funktionen von zwei Variablen Lagrangesches Multiplikatorverfahren für Funktionen von n Variablen.... 4
2 Kapitel 8 Funktionen mehrerer Variabler 8. Einführende Definitionen und Bemerkungen Viele physikalische Größen hängen von mehr als einer Variablen ab, z.b. gilt das Ohmsche Gesetz U = U(R, I) = R I, d.h. die Spannung ist vom Widerstand und Strom abhängig. 8.. Definition Unter einer reellen Funktion von n Variablen versteht man eine Abbildung f : D R, D R n, die jedem x = (x, x,..., x n ) T D genau ein z = f(x, x,..., x n ) R zuordnet. Bei bzw. unabhängigen Variablen schreibt man häufig auch f(x, y) bzw. f(x, y, z). 8.. Beispiel a) f(x, y) = y x + x y, D f = {(x, y) R : x } b) g(x, y) = (x + 7)y x y, D g = {(x, y) R : x y} c) h(x, x,..., x n ) = n arithmetisches Mittel der Zahlen x, x,..., x n. n x i, i= D h = R n d) f(x, x,..., x n ) = x x... x n, D f = {(x, x,..., x n ) R n : x +x +... x n } (n + )-dimensionale Halbkugel.
3 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 8. Graphische Darstellungsmöglichkeiten Eine Funktion einer unabhängigen Variablen läßt sich als Kurve in der Ebene darstellen, d.h. man markiert die Punktemenge {(x, y) R : y = f(x)}. Eine Funktion von zwei unabhängigen Variablen läßt sich als Fläche im Raum darstellen, d.h. man markiert die Punktemenge {(x, y, z) R : z = f(x, y)}. 8.. Beispiel a) Paraboloid: f(x, y) = x + y Für x = gilt f(, y) = z = y (Parabel in der yz-ebene) Für y = gilt f(x, ) = z = x (Parabel in der xz-ebene)
4 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 4 b) Kegel mit Spitze im Ursprung: f(x, y) = x + y Für x = gilt f(, y) = z = y = y (Betragsfunktion in der yz-ebene) Für y = gilt f(x, ) = z = x = x (Betragsfkt. in der xz-ebene)
5 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 5 c) Ebene durch die Punkte (,, ), (,, ), (,, ) : f(x, y) = (x + y) Für x = gilt f(, y) = z = y (Gerade in der yz-ebene) Für y = gilt f(x, ) = z = x (Gerade in der xz-ebene) Für z = gilt (x + y) =, d.h. y = x (Gerade in der xy-ebene) Eine andere Möglichkeit der Darstellung besteht in der Wiedergabe von Niveaulinien (Höhenlinien) bzw. Niveauflächen (Höhenflächen). z = f(x, y) läßt sich durch Kurven darstellen, auf denen jeweils z konstant ist, d.h. I c = {(x, y) R : f(x, y) = c} w = f(x, y, z) läßt sich durch Flächen darstellen, auf denen jeweils z konstant ist, d.h. I c = {(x, y, z) R : f(x, y, z) = c} 8.. Beispiel a) f(x, y) = x + y Für c gilt z = c x + y = c Die Niveaulinien sind also Kreise um (, ) mit Radius c. c : I c = {(x, y) : x + y = c}
6 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 6 b) f(x, y) = x + y Für c gilt z = c x + y = c x + y = c Die Niveaulinien sind also Kreise um (, ) mit Radius c. c : I c = {(x, y) : x + y = c } c) f(x, y) = xy (hyperbolisches Paraboloid) Für c = gilt x = oder y = (Doppelgerade), d.h. I = {(x, y) : x = oder y = } und für c z = c xy = c y = c x, x (Hyperbelpaar) Bemerkung a) Die Bestimmung der Niveaulinien ist oft recht aufwendig. Es empfiehlt sich die Verwendung geeigneter Rechenprogramme. b) Oft haben die Niveaulinien eine spezielle physikalische Bedeutung. Die Wetterkarte enthält eine Darstellung der Höhenlinien des Luftdrucks. Diese heißen Isobaren. Isothermen - Linien konstanter Temperatur Isogeotherme - Linien konstanter Erdtemperatur
7 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 7 Isohypse - Linien konstanter Meereshöhe Isolinie - Linien konstanter Wertung oder gleicher Erscheinungen auf geographischen, meteorologischen oder sonstigen Karten. 8. Grenzwert und Stetigkeit 8.. Definition a) f R heißt Grenzwert von f(x, y) für (x, y) gegen (x, y ), wenn lim n f(x n, y n ) = f für alle Folgen (x n ), (y n ) mit (x n, y n ) D f, x n x (n ) und y n y (n ). Man schreibt lim (x,y) (x,y ) f(x, y) = f. b) f(x, y) heißt stetig im Punkt (x, y ), wenn gilt. lim f(x, y) = f(x, y ) (x,y) (x,y ) c) Grenzwert und Stetigkeit werden für Funktionen f(x, x,..., x n ) von mehr als zwei unabhängigen Variablen analog definiert. 8.. Beispiel (Parabelfalte) Sei Speziell gilt f(x, y) = { xy x +y 4 falls x oder y falls x = und y = y = : f(x, ) = x = : f(, y) = x = y : f(y, y) = y4 y 4 =, für y + y4 Somit ist f(y, y) (y ), d.h. f(x, y) ist unstetig an der Stelle (, )
8 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Partielle Ableitungen Wir betrachten eine Funktion f(x, y). Hält man nun den y-wert konstant, d.h. betrachtet man f(x, y ) mit konstantem Wert y und variablem x, so erhält man den Schnitt der Fläche f(x, y) mit der durch y zur xz-ebene parallelen Ebene, d.h. eine Kurve in dieser parallelen Ebene. Der zugehörige Differenzenquotient bzgl. der Variablen x an der Stelle x ist f(x + h, y ) f(x, y ) h Dies ist gerade die Steigung der Geraden durch die Punkte (x, y, f(x, y )), (x + h, y, f(x + h, y )). Für h erhält man die Steigung der Tangente an die oben beschriebene Kurve in der zur xz-ebene parallelen Ebene durch y. Dies führt zu folgender Definition Definition a) f(x + h, y) f(x, y) lim h h. = (x, y) x heißt partielle Ableitung von f nach x, wenn der Grenzwert existiert. b) f(x, y + h) f(x, y) lim h h = (x, y) y heißt partielle Ableitung von f nach y, wenn der Grenzwert existiert. c) Ist f eine Funktion von n Variablen x, x,..., x n, so heißt f(x,..., x i, x i + h, x i+,..., x n ) f(x,..., x n ) lim = (x, x,..., x n ) h h x i partielle Ableitung von f nach x i, wenn der Grenzwert existiert Beispiel a) y x f(x, y) = + x + y x (x, y) = ( + x + y ) x(y x) ( + x + y ) = x y xy ( + x + y ) y (x, y) = + x + y y(y x) ( + x + y ) = + x y + xy ( + x + y )r Speziell z.b.: x (x, ) = x x (x + )
9 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 9 b) c) Zum Vergleich: f(x, ) = x + x d dx ( x + x ) = ( + x ) x( x) ( + x ) = x x (x + ) f(x, y) = ln(x + y ) e xy + x x (x, y) = x + y yexy + y (x, y) = y xexy x + y f(x, x, x, x 4 ) = x + x + x x 4 (x, x, x, x 4 ) x = x 4 (x, x, x, x 4 ) x = x x 4 (x, x, x, x 4 ) x = x x 4 (x, x, x, x 4 ) x 4 = x + x + x x Definition (Gradient) Faßt man die partiellen Ableitungen einer Funktion f zu einem Vektor zusammen, so erhält man den Gradienten von f Beispiel grad f(x, y) = grad f(x, x,..., x n ) = ( x y ) (x, y) (x, y) x (x,..., x n ) x n (x,..., x n ) f(x, y, z) = e x+y + x sin z + z xy e x+y + sin z + z y grad f(x, y, z) = e x+y + z x x cos z + zxy
10 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER grad f(,, π ) = e + + π 4 e Definition (Partielle Ableitungen höherer Ordnung) Sei f(x, y) Funktion mit partiellen Ableitungen.Ordnung x (x, y), y (x, y). Sind diese wiederum nach x bzw. y partiell differenzierbar, so sind die partiellen Ableitungen zweiter Ordnung gegeben durch x ( x (x, y)) = f (x, y) x y ( x (x, y)) = f (x, y) y x x ( y (x, y)) = f (x, y) x y y ( y (x, y)) = f (x, y) y Partielle Ableitungen höherer Ordnung (auch für Funktionen von n Variablen) sind entsprechend definiert Bemerkung Abkürzende Schreibweise Beispiel a) x (x, y) = f x(x, y) y (x, y) = f y(x, y) f x (x, y) = f xx(x, y) f y x (x, y) = f yx(x, y) f x y (x, y) = f xy(x, y) f y (x, y) = f yy(x, y) etc. f(x, y) = x sin y y sin x f x (x, y) = sin y y cos x f y (x, y) = x cos y sin x f xx (x, y) = y sin x f xy (x, y) = cos y cos x f yx (x, y) = cos y cos x f yy (x, y) = x sin y
11 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER b) f(x, x, x, x 4 ) = ( ) x4 sin x ln x x f x (x, x, x, x 4 ) = x x x4 sin x f x x (x, x, x, x 4 ) = f x x x (x, x, x, x 4 ) = f x x x x (x, x, x, x 4 ) = x x4 sin x cos x x4 sin x cos x x4 ( sin x cos x ) x 4 sin x Bemerkung Im letzten Beispiel war f xy = f yx, d.h. die Reihenfolge der partiellen Ableitungen spielte keine Rolle. Dies ist aber nicht immer der Fall, Man kann z. B. zeigen, dass f(x, y) = überall zweimal partiell differenzierbar ist, aber ist. xy x y x + y, (x, y) (, ), (x, y) = (, ) f xy (, ) = f yx (, ) = Der folgende Satz liefert uns eine hinreichende Bedingung dafür, dass die Reihenfolge der partiellen Ableitungen vertauscht werden darf Satz (Satz von Schwarz) Sei f : R R und U(x, y ) eine Umgebung von (x, y ) (d.h. U(x, y ) = {(x, y) R : ( x y) ( x ) y < ε} für ein geeignetes ε > ). Auf U(x, y ) existieren alle zweiten partiellen Ableitungen und seien stetig in (x, y ). Dann gilt f yx (x, y ) = f xy (x, y ), d.h. die Reihenfolge der partiellen Ableitungen darf vertauscht werden Bemerkung a) Im Beispiel oben sind f xy und f yx unstetig an der Stelle (, ). b) Der Satz von Schwarz gilt genauso für Funktionen f : R n R. 8.5 Die totale Ableitung und lineare Approximation Eine Funktion f einer Variablen hatten wir in a D R differenzierbar genannt, wenn lim x a f(x) f(a) x a
12 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER existiert. Gleichbedeutend damit ist, dass gilt wobei f(x) = f(a) + f (a) (x a) + (x a) ε(x a), ε(x a) für (x a). Für Funktionen mehrerer Variabler hat man die folgende entsprechende Definition Definition f : D R, D R n heißt in a = (a, a,..., a n ) T D total differenzierbar, wenn es einen Vektor v R n gibt, mit f( x) = f( a) + v ( x a) + x a ε( x a ), wobei ε( x a ) für x a. Statt total differenzierbar sagt man auch linear approximierbar. Im Falle der totalen Differenzierbarkeit läßt sich v genau angeben. Es gilt der folgende Satz Satz Ist f in a D R n total differenzierbar, dann gilt a) f ist stetig in a b) f ist partiell differenzierbar und v ist eindeutig bestimmt als v = grad f( a) Bemerkung Im Sinne von Definition 8.5. ist also T ( x) = f( a) + grad f( a) ( x a) die lineare Approximation von f in der Nähe von a. Geometrische Interpretation für n = : Die über D R liegende Fläche z = f(x, y) (der Graph von f) wird in der Nähe des Punktes (x, y, f(x, y )) durch die Tangentialebene approximiert. T (x, y) = f(x, y ) + f x (x, y )(x x ) + f y (x, y )(y y )
13 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Beispiel a) f(x, y) = x 4 + x y + y Wir bestimmen die Gleichung der Tangentialebene an der Stelle (x, y ) = (, ). Mit f(, ) = 4 f x (x, y) = 4x + 6x y f x (, ) = f y (x, y) = 4x y + f y (, ) = 5 ist T (x, y) = 4 + (x ) + 5(y ) die Gleichung der Tangentialebene an der Stelle (x, y ) = (, ), d.h. im Flächenpunkt (,, 4). b) f(x, y, z) = e x+y + z sin y + x Wir bestimmen die lineare Approximation an der Stelle (,, ). Es gilt d.h. mit T (x, y, z) = f(,, ) + f x (,, ) x + f y (,, ) y + f z (,, ) z f(,, ) = f x (x, y, z) = e x+y + f x (,, ) = f y (x, y, z) = e x+y + z cos y f y (,, ) = f z (x, y, z) = sin y f z (,, ) = erhalten wir T (x, y, z) = + x + y c) f(x, y) = x y, x, y > Wir bestimmen die Gleichung der Tangentialebene an der Stelle (, ). f(, ) = f x (x, y) = y x y f x (, ) = f y (x, y) = ln x x y f y (, ) = Damit erhalten wir T (x, y) = + (x )
14 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Beispiel Die Funktion f(x, y) = { xy x +y falls (x > und y > ) oder (x < und y < ) falls (x und y ) oder (x und y ) ist im Punkt (, ) nicht total differenzierbar, obwohl die partiellen Ableitungen dort existieren, S. Abbildung. grad f(, ) = ( ) die Funktion z = f(x, y) Richtungsableitung und Eigenschaften des Gradienten Bei den partiellen Ableitungen berechnet man die Steigung in Richtung der jeweiligen Koordinatenachsen, d.h. in Richtung von e i. Man ist nun an der Steigung in eine beliebige Richtung v mit v = interessiert, z.b.: ) v = ( 8.6. Definition (Richtungsableitung) Die Richtungsableitung (der Anstieg) von f in Richtung v, v = ist definiert als v f(x, y) = lim h f(x + hv, y + hv ) f(x, y) h bzw. allgemein sofern der Grenzwert existiert. f( x + h v) f(x, y) v f( x) = lim, h h Für praktische Rechnungen besonders wichtig ist der folgende Satz.
15 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Satz Ist f eine C Funktion, d.h. existieren alle partiellen Ableitungen. Ordnung von f und sind diese stetig, dann gilt für v mit v = v f(x, y) =< v, grad f(x, y) > bzw. allgemein v f( x) =< v, grad f( x) > 8.6. Beispiel ( ) x f(x, y) = 8 x 4y mit grad f(x, y) =. Wähle z.b. v = ( ) 8y. Mit der Normierung v = erhalten wir den Einheitsvektor v = damit v f(x, y) = < ( ) ( ) x, > 8y = (x 8y) ( ) in Richtung von v und Z.B. gilt für (x, y ) = (, ): v f(, ) = 6 = Satz (Eigenschaften des Gradienten) a) Der Gradient zeigt in Richtung des steilsten Anstiegs. b) Der Gradient steht senkrecht auf den Höhenlinien. denn: zu a): Die Richtungsableitung in Richtung v, v = ist Diese wird maximal, wenn gilt, d.h. v f(x, y) = < v, grad f(x, y) > = v grad f(x, y) cos <) ( v, grad f(x, y)) = grad f(x, y) cos <) ( v, grad f(x, y)) cos <) ( v, grad f(x, y)) = <) ( v, grad f(x, y)) = v = grad f(x, y) zu b): Da sich der Funktionswert entlang der Höhenlinien nicht ändert, ist die Ableitung in Richtung der Tangenten, d.h. ist v Tangentenvektor, dann ist = v f(x, y) =< v, grad f(x, y) > v grad f(x, y)
16 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Kettenregel Im folgenden betrachten wir Funktionen f(x, y) (bzw. allgemein f(x, x,..., x n )), in der die Variablen x, y (bzw. x, x,..., x n ) von Parametern abhängen. Mit Hilfe der Kettenregel lassen sich die Ableitungen von f nach den Parametern bestimmen Satz (Kettenregel) Sei f(x, y) (bzw.f(x, x,..., x n ))) eine C -Funktion, d.h. alle partiellen Ableitungen. Ordnung existieren und sind stetig. a) Sei x(t) = ( x(t) y(t)), t [a, b] Parameterdarstellung einer Kurve im R. Dann ist: df dt wobei x(t) = ( ẋ(t) ) ẏ(t) x(t) (x(t), y(t)) = (x(t), y(t)) x t = < grad f( x(t)), x(t) >, + y(t) (x(t), y(t)) y t Ist allgemein x(t) = (x (t)... x n (t)) T, t [a, b] Parametrisierung einer Kurve im R n, dann ist df dt ( x(t)) =< grad f( x(t)), x(t) >. b) Ist x(s, t) = (x(s, t), y(s, t)) T Parameterdarstellung einer Fläche im R, so gilt: t s x(s, t) (x(s, t), y(s, t)) = (x(s, t), y(s, t)) x t x(s, t) (x(s, t), y(s, t)) = (x(s, t), y(s, t)) x s c) Allgemein gilt für f : R n R, x = x(t, t,..., t m ) t j ( x(t,..., t m )) = n i= + y(s, t) (x(s, t), y(s, t)) y t + y(s, t) (x(s, t), y(s, t)) y s x i x i t j 8.7. Beispiel a) Sei z = f(x, y) = (x y). Der Kreis um (, ) mit Radius in der xy-ebene hat die Parametrisierung: x(ϕ) = cos ϕ, y(ϕ) = sin ϕ, ϕ π. Berechnen wir nun dz dϕ, so berechnen wir damit die Änderung von z in Abhängigkeit von ϕ über diesem Kreis, d.h. die Ableitung von z = f(x, y) längs des Kreises (allgemein der durch Parametrisierung gegebenen Kurve.) dz dϕ = z x dx dϕ + z y dy dϕ = (x y) ( sin ϕ) (x y) cos ϕ = 4(x y) ( sin ϕ cos ϕ) = 4( cos ϕ sin ϕ) ( sin ϕ cos ϕ) = 8(sin ϕ cos ϕ) = 8 cos ϕ da cos ϕ sin ϕ = cos ϕ
17 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 7 b) Die Kettenregel wird immmer dann benötigt, wenn neue Variable eingeführt werden und die partiellen Ableitungen in Bezug auf diese Veränderlichen zu berechnen sind. Wir betrachten z.b. Polarkoordinaten im R. Durch x = x(r, ϕ) = r cos ϕ, y = y(r, ϕ) = r sin ϕ, r r r, ϕ ϕ ϕ wird die Funktion f(x, y) transformiert in z(r, ϕ) = f(r cos ϕ, r sin ϕ) = f(x(r, ϕ), y(r, ϕ)) Mit x r = cos ϕ, y r = sin ϕ, x ϕ = r sin ϕ, y ϕ = r cos ϕ erhalten wir, falls f eine C -Funktion ist: z r = f x x r + f y y r = f x cos ϕ + f y sin ϕ z ϕ = f x x ϕ + f y y ϕ = f x r sin ϕ + f y r cos ϕ z rr = r (f x cos ϕ + f y sin ϕ) = cos ϕ r (f x) + sinϕ r (f y) = cos ϕ (f xx x r + f xy y r ) + sin ϕ(f yx x r + f yy y r ) = f xx cos ϕ + f xy cos ϕ sin ϕ + f yy sin ϕ z rϕ = ϕ (z r) = ϕ (f x cos ϕ + f y sin ϕ) = (f xx x ϕ + f xy y ϕ cos ϕ f x sinϕ +(f yx x ϕ + f yy y ϕ ) sin ϕ + f y cos ϕ = ( f xx r sin ϕ + f xy r cos ϕ) cos ϕ f x sin ϕ +( f xy r sin ϕ + f yy r cos ϕ) sin ϕ + f y cos ϕ = f xx sin ϕ cos ϕ + f xy r(cos ϕ sin ϕ) +f yy r cos ϕ sin ϕ f x sin ϕ + f y cos ϕ z ϕϕ = ϕ ( f x r sin ϕ + f y cos ϕ) = r{( f xx x ϕ f xy y ϕ ) sin ϕ f x cos ϕ +(f yx x ϕ + f yy y ϕ ) cos ϕ f y sin ϕ} = r{(f xx r sin ϕ f xy r cos ϕ) sin ϕ f x cos ϕ +( f xy r sin ϕ + f yy r cos ϕ) cos ϕ f y sin ϕ} = r {f xx sin ϕ f xy sin ϕ cos ϕ + f yy cos ϕ} r{f x cos ϕ + f y sin ϕ}
18 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Implizit definierte Funktionen 8.8. Beispiel Die Gleichung x + y r = (Kreis mit Radius r) definiert implizit zwei Funktionen y = f (x) = + r x y = f (x) = r x In einer Umgebung eines Punktes (x, y ) des Kreises ist fast immer klar, ob f oder f zu nehmen ist: ( ) (x, y ) = r, r : f (x, y ) = (, r) : f Aber: Für (x, y ) = (r, ) oder (x, y ) = ( r, ) kann man in einer Umgebung nicht eindeutig nach y auflösen. Der folgende Satz klärt, wann durch eine Gleichung implizit eine Funktion gegeben ist Satz Es sei f(x, y) eine C -Funktion. Es sei (x, y ) ein Punkt mit f(x, y ) =. Durch f(x, y) = ist in einer Umgebung von (x, y ) implizit eine Funktion y = g(x) definiert, falls y (x, y ) gilt Bemerkung Es gibt höherdimensionale Verallgemeinerungen zu diesem Satz, s. Literatur Beispiel a) f(x, y) = x + y r. Es ist y (x, y) = y. In einer Umgebung eines jeden Punktes (x, y ) mit f(x, y ) = und y ist durch f(x, y) = also implizit eine Funktion y = g(x) definiert (nämlich der obere oder untere Halbkreis). b) f(x, y) = x cos y + y sin x. Hier ist ein formelmäßiges Auflösen nach y unmöglich. Es ist y (x, y) = x sin y +y sin x. Der Punkt (x, y ) = ( π 4, π ) 4 erfüllt f(x, y ) = und y (x, y ) = π + π 4. In einer Umgebung von ( π 4, π ) 4 ist durch f(x, y) = also implizit eine Funktion y = g(x) definiert. Der Punkt (x, y ) = (, ) erfüllt ebenfalls f(x, y ) =, aber y (x, y ) =. Durch Satz 8.8. wird also nicht geklärt, ob durch f(x, y) = in einer Umgebung von (, ) implizit eine Funktion y = g(x) definiert ist. Illustration: f(x, y) = x cos y + y sin x. Es interessiert die Höhenlinie zur Höhe c =.
19 .5.5 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Bemerkung (Ableitung implizit gegebener Funktionen) Man kann die Ableitung einer implizit gegebenen Funktion einfach angeben: Aus f(x, g(x)) = in einer Umgebung von x (mit y = g(x ), f(x, y ) = ) folgt = d dx f(x, g(x)) = x (Kettenregel) (x, g(x)) + y (x, g(x)) g (x) also g (x ) = x (x, y ) / y (x, y ) Beispiel f(x, y) = x cos y + y sin x, (x, y ) = ( π ) 4, π 4 x (x, y ) = x cos y + y cos x = π π 4 +, π y (x, y ) = x sin y + y sin x = + + π 4, also ( ( g π ) ) ( ) π π π π = + / = Extrema ohne Nebenbedingungen Wir beschränken uns in diesem Abschnitt zum Teil auf die Betrachtung von Funktionen zweier Variabler.
20 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 8.9. Definition Sei f : D R, D R. { } Maximalstelle a) Ein Punkt (x, y ) D heißt globale von f, wenn Minimalstelle { } f(x, y) f(x, y ) für alle (x, y) D. f(x, y) f(x, y ) { } Maximalstelle b) Ein Punkt (x, y ) D heißt lokale von f, wenn es eine Umgebung Minimalstelle U(x, y ) von (x, y ) gibt, (U(x, y ) = {(x, y) R : ( ) ( x y x ) y < ε} für ein geeignetes { } f(x, y) f(x, y ε > ), so dass ) für alle (x f(x, y) f(x, y ), y ) (D U(x, y ). Im Folgenden geht es nun wie damals im R um notwendige und hinreichende Bedingungen für lokale Extrema unter geeigneten Differenzierbarkeitsvoraussetzungen an die Funktion. Die Rolle der Tangente bei Funktionen einer Variablen wird übernommen von der Tangentialebene bei Funktionen von zwei Variablen (bzw. allgemein der linearen Approximation) 8.9. Satz (Notwendige Bedingung) Ist f auf U ε (x, y ) eine C Funktion, so gilt: (x, y ) lokale Extremastelle von f grad f(x, y ) = 8.9. Bemerkung a) Satz 8.9. gilt auch für Funktionen von n Variablen, d.h. grad f( x ) = ist notwendige Bedingung dafür, dass x lokale Extremalstelle ist. b) Ist grad f( x ) = für eine Stelle x, so nennt man x auch einen stationären Punkt von f. Um hinreichende Bedingungen für lokale Extremalstellen formulieren zu können, benötigen wir die folgende Definition Definition (Hesse-Matrix) Sei f : R R, so dass alle partiellen Ableitungen zweiter Ordnung existieren. Dann bezeichnen wir mit ( ) fxx (x, y) f H f (x, y) = xy (x, y) f yx (x, y) f yy (x, y) die Hesse-Matrix von f und mit f (x, y) = f xx(x, y) f xy (x, y) f yx (x, y) f yy (x, y) die zugehörige Determinante der Hesse-Matrix Bemerkung Für C -Funktionen gilt nach dem Satz von Schwarz f xy = f yx und somit f (x, y) = f xx (x, y) f yy (x, y) f yx(x, y)
21 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Satz (Extremalstellen-Test) Sei f : D R, D R eine C -Funktion. Sei (x, y ) stationärer Punkt von f. Dann gilt a) f (x, y ) > und f xx (x, y ) > und f yy (x, y ) > (x, y ) lokale Minimalstelle. b) f (x, y ) > und f xx (x, y ) < und f yy (x, y ) < (x, y ) lokale Maximalstelle. c) f (x, y ) < (x, y, f(x, y )) ist Sattelpunkt, also keine Extremalstelle Bemerkung Zur Bestimmung lokaler Extremalstellen geht man also folgendermaßen vor. a) Bestimmen der Stellen (x, y ), an denen stationäre Punkte vorliegen. b) Berechnen von f (x, y ) für die stationären Punkte. c) Bei f (x, y ) > verwendet man f xx (x, y ) und f yy (x, y ), um zu entscheiden, ob es sich um eine Minimal- oder Maximalstelle handelt. d) Berechnen der Funktionswerte an den Extremalstellen Bemerkung a) Die Bedingung aus Satz an die Hesse-Matrix müssen für Funktionen von mehr als zwei Veränderlichen allgemeiner formuliert werden (siehe Literatur). b) Ist f (x, y ) =, so hilft das Kriterium nicht weiter Beispiel x Sei f(x, y) = x + y +, D f = R. a) Bestimmung der Stellen, an denen stationäre Punkte vorliegen. () f x (x, y) = x + y + (x + y + ) () f y (x, y) = xy (x + y + ) f x (x, y) = : () : x + y + = f y (x, y) = : () : xy = d.h. x = oder y = x = in () : y = in () : y = keine Lösung in R x = x = oder x = Also befinden sich an den Stellen (, ) und (, ) stationäre Punkte.
22 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER b) Berechnen der Determinante der Hesse-Matrix f xx (x, y) = x 6x 6xy (x + y + ) f xy (x, y) = y y + 8x y yx (x + y + ) = f yx (x, y) f yy (x, y) = x x + 6xy (x + y + ) f (x, y) = (x 6x 6xy )( x x + 6xy ) ( y y + 8x y yx ) (x + y + ) 6 f (, ) = ( 6)( ) 6 = 4 > f (, ) = ( + 6)( + ) 6 = 4 > Also sind (, ) und (, ) lokale Extremastellen. c) Überprüfen der Vorzeichen von f xx (, ) und f xx (, ). f xx (, ) = < und f xx(, ) = > Also besitzt f an der Stelle (, ) ein lokales Maximum und an der Stelle (, ) ein lokales Minimum. d) Mit f(, ) = / und f(, ) = / ist (,, /) lokales Maximum und (,, /) lokales Minimum. 8. Extrema mit Nebenbedingungen Bisher können wir Extrema von Funktionen von mehreren Variablen unter Nebenbedingungen lösen (Extremwertaufgaben), wenn sich die Nebenbedingungen jeweils nach einer Variablen auflösen lassen und das Ergebnis in die Funktion eingesetzt ein Problem liefert, das nur noch von einer Variablen abhängt. Dies soll zunächst noch einmal an einem Beispiel erläutert werden. 8.. Beispiel (Extremwertaufgabe) Aus einem Baumstamm mit kreisrundem Querschnitt soll ein Balken mit rechteckigem Querschnitt (Breite b und Höhe h) so herausgeschnitten werden, dass sein Widerstandsmoment W = W (b, h) = 6 bh (Zielfunktion) einen möglichst großen Wert annimmt. b und h können nicht unabhängig voneinander gewählt werden, sondern müssen die Nebenbedingung b + h = 4R ( Pythagoras ) erfüllen. a) Auflösen der Nebenbedingung: h = 4R b
23 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER b) Einsetzen in die Zielfunktion: W = W (b) = 6 b(4r b ) W hängt jetzt nur noch von der Variablen b ab. Das Maximum kann nun mit den bekannten Methoden für die Bestimmung von Extrema für Funktionen einer Variablen bestimmt werden. (ergibt h = b 6R, b = R) Im Allgemeinen ist es nicht immer möglich oder zweckmäßig, die Nebenbedingungen aufzulösen und einzusetzen. Dann geht man wie folgt vor: 8.. Lagrangesches Multiplikatorverfahren für Funktionen von zwei Variablen Sei f : D R, D R. Gesucht ist eine Extremalstelle von f unter der Nebenbedingung ϕ(x, y) =. a) Aufstellen der Lagrangefunktion λ heiß Lagrangescher Multiplikator. b) Lösen der Gleichung grad L(x, y; λ) =, d.h. L(x, y; λ) = f(x, y) + λϕ(x, y) L (x, y; λ) = x x L (x, y; λ) = y y L (x, y; λ) = ϕ(x, y) = λ (x, y) + λ ϕ(x, y) = x (x, y) + λ ϕ(x, y) = y Im allgemeinen handelt es sich um ein nichtlineares System. Die Lösungen sind mögliche Kandidaten für die gesuchten Extremalstellen. c) Man findet nun Maximal- bzw. Minimalstellen, indem man die Funktionswerte der aus der Lösung des Gleichungssystems ermittelten Kandidaten vergleicht. Ferner sind noch alle Punkte zu berücksichtigen, in denen f oder ϕ nicht differenzierbar ist oder für die grad ϕ = ist. 8.. Beispiel (Beispiel 8.. mit Lagrangescher Multiplikatormethode ) Gesucht ist das Maximum von W (b, h) = 6 bh unter der Nebenbedingung ϕ(x, y) = b +h 4R = Die Langrange-Funktion ist Für die partiellen Ableitungen erhalten wir L(b, h; λ) = 6 bh + λ(b + h 4R ) L b (b, h; λ) = 6 h + λb L h (b, h; λ) = bh + λh L λ (b, h; λ) = b + h 4R
24 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER 4 Nullsetzen der partiellen Ableitungen liefert das nichtlineare Gleichungssystem 6 h + λb = () bh + λh = () b + h 4R = () Da nach der Aufgabenstellung sinnvollerweise h, b > vorausgesetzt werden kann, läßt sich () durch h dividieren und nach λ = /6b auflösen. Einsetzen in () liefert h = b (mit h, b > ). Einsetzen in () liefert b = R und damit h = 6R. Da grad ϕ(b, h) = nur für (b, h) = (, ) erfüllt ist, ist W ( R, 6R) = 6 4 R 9 6R = 8 R 7 das Maximum von W unter der gegebenen Nebenbedingung. Das Lagrangesche Multiplikatorverfahren läßt sich auch allgemein für Funktionen von n Variablen und k < n Nebenbedingungen formulieren. 8.. Lagrangesches Multiplikatorverfahren für Funktionen von n Variablen Sei f : D R, D R n. Gesucht ist eine Extremalstelle von f unter den Nebenbedingungen ϕ ( x) =,..., ϕ k ( x) =, k < n. a) Aufstellen der Lagrange-Funktion L(x,..., x n, λ,..., λ k ) = f( x) + λ ϕ ( x) λ k ϕ k ( x) λ,..., λ k heißen Langrange-Multiplikatoren. b) Lösen der Gleichung grad L(x,..., x n, λ,..., λ k ) =, d.h. L (x,..., x n, λ,..., λ k ) = ϕ ϕ k ( x) + λ ( x) λ k ( x) = x x x x L (x,..., x n, λ,..., λ k ) = ϕ ϕ k ( x) + λ ( x) λ k ( x) = x n x n x n x n L (x,..., x n, λ,..., λ k ) = ϕ ( x) = λ L (x,..., x n, λ,..., λ k ) λ k = ϕ k ( x) = Aus der Lösung des Gleichungssystems erhält man wieder mögliche Kandidaten für die Lösung des Problems.
25 KAPITEL 8. FUNKTIONEN MEHRERER VARIABLER Beispiel Gesucht ist das Volumen des größten Quaders mit achsenparallelen Kanten innerhalb des Ellipsoids Gesucht ist also das Maximum von x a + y b + z c = unter der Nebenbedingung V (x, y, z) = (x)(y)(z) = 8xyz ϕ(x, y, z) = x a + y b + z c = a) Aufstellen der Lagrange-Funktion ( ) x L(x, y, z, λ) = 8xyz + λ a + y b + z c b) Lösen der Gleichung grad L(x, y, z, λ) =, d.h. L (x, y, z, λ) x = 8yz + λx a = () L (x, y, z, λ) y = 8xz + λy b = () L (x, y, z, λ) z = 8xy + λz c = () L x (x, y, z, λ) = λ a + y b + z c = (4) Wegen der Aufgabenstellung können wir x >, y > und z > voraussetzen. Wir multiplizieren () mit x, () mit y und () mit z und erhalten 8xyz + λ x a = () 8xyz + λ y b = () 8xyz + λ z c = () (λ = kann nicht sein, da sonst x, y oder z gleich Null sein müßten.) Daraus folgt x a = y b = z c Einsetzen in (4) liefert Damit beträgt das maximale Volumen x = a, y = b, z = c V max = 8 9 abc
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
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
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
MehrExtrema 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
MehrMathematik 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
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
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.
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter
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
MehrMathematischer Vorkurs für Physiker WS 2012/13
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13 Übungsblatt 2 Wichtige Formeln aus der Vorlesung: Basisaufgaben Beispiel 1: 1 () grad () = 2 (). () () = ( 0 ) + grad ( 0 ) ( 0 )+
MehrMultivariate 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
MehrB 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,
MehrSerie 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
MehrExtrema 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
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient
Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung
Mehr6. Funktionen von mehreren Variablen
6. Funktionen von mehreren Variablen Prof. Dr. Erich Walter Farkas 24.11.2011 Seite 1 Funktionen von mehreren Variablen n {1, 2, 3,...} =: N. R n := {(x 1,..., x n) x 1,..., x n R} = Menge aller n-tupel
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
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
MehrTutorium 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,
Mehr3 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)
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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
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
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
Mehr9 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
MehrMusterlösung 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
MehrÜbungen zu Funktionen mehrerer Veränderlicher. Lösungen zu Übung Betrachten Sie die durch. y 1 + x 2. z = gegebene Fläche.
Übungen zu Funktionen mehrerer Veränderlicher 5.1 Betrachten Sie die durch Lösungen zu Übung 5 gegebene Fläche. z = y 1 + x 2 (a) Zeichnen Sie die Höhenlinien in ein Koordinatensystem. (b) Veranschaulichen
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
Mehr5.10. 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(
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrMathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
MehrOptimieren 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
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras
Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst
MehrHTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden
Mehr8 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
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 :
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrÜbung 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
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
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrMathematik 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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
MehrMathematik II. Kapitel III: Funktionen mit mehreren Variablen. 13. Mai 2015
13. Mai 2015 f(x,y) = sin(x 2 +y 2 ) f(x,y) = sin x 2 +y 2 x2 +y 2 +1 f(x,y) = x y x 2 +y 2 f(x,y) = x 2 y Niveaulinien von f(x,y) = 4 x 2 y 2 f(x,y) = 1 x2 y 2 x f(x,y) = x 2 +y 2 f(x,y) = x 2 +y 2 f(x,y)
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrINGENIEURMATHEMATIK. 9. Differentialrechnung für Funktionen mehrerer Variablen. Sommersemester Prof. Dr. Gunar Matthies
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 9. Differentialrechnung für Funktionen mehrerer Variablen Prof. Dr. Gunar Matthies Sommersemester
MehrExtrema 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,
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
MehrÜbungsaufgaben zu Kapitel 7 und 8
Hochschule für Technik und Wirtschaft Dresden Sommersemester 016 Fakultät Informatik/Mathematik Prof. Dr.. Jung Übungsaufgaben zu Kapitel 7 und 8 Aufgabe 1: Für die rennweite einer einfachen, bikonvexen
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
MehrPartielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung
Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung Jörn Loviscach Versionsstand: 29. Juni 2009, 18:41 1 Partielle Ableitungen, Gradient Die Ableitung einer Funktion f an einer
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
MehrMusterlösung 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
MehrÜbungen 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
MehrPRÜFUNG AUS ANALYSIS F. INF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ANALYSIS F. INF. (GITTENBERGER) Wien, am 2. Juli 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8 P.) Sei f : R 2 R mit f(x, y) = e x
MehrAnalysis Leistungskurs
Universität Hannover September 2007 Unikik Dr. Gerhard Merziger Analysis Leistungskurs Themen Grundlagen, Beweistechniken Abbildungen (surjektiv, injektiv, bijektiv) Vollständige Induktion Wichtige Ungleichungen
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
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
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrMathematik 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
MehrHöhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2
Höhere Mathematik III WS 5/6 Lösungshinweis Aufgabe G 11 Blatt Die zu optimierende Zielfunktion ist der Abstand zum Ursprung. Ein bekannter Trick (Vereinfachung der Rechnung) besteht darin, das Quadrat
MehrPartielle Ableitungen & Tangentialebenen. Folie 1
Partielle Ableitungen & Tangentialebenen Folie 1 Bei Funktionen mit einer Variable, gibt die Ableitung f () die Steigung an. Bei mehreren Variablen, z(,), gibt es keine eindeutige Steigung. Die Steigung
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
MehrDifferenzialrechnung
Mathe Differenzialrechnung Differenzialrechnung 1. Grenzwerte von Funktionen Idee: Gegeben eine Funktion: Gesucht: y = f(x) lim f(x) = g s = Wert gegen den die Funktion streben soll (meist 0 oder ) g =
MehrAbb lokales Maximum und Minimum
.13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
Mehr14.3 Berechnung gekrümmter Flächen
4.3 Berechnung gekrümmter Flächen Gekrümmte Flächen werden berechnet, indem sie als Graph einer Funktion zweier Veränderlicher aufgefasst werden. Fläche des Graphen einer Funktion zweier Veränderlicher
MehrD-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas. Serie 9: Satz von Stokes und Divergenzsatz
D-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas Serie 9: Satz von Stokes und Divergenzsatz Bemerkungen: Die Aufgaben der Serie 9 bilden den Fokus der Übungsgruppen vom 28./30. April. 1. Berechnen
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
Mehr19.3 Oberflächenintegrale
19.3 Oberflächenintegrale Definition: Sei D R 2 ein Gebiet und p : D R 3 eine C 1 -Abbildung x = p(u) mit x R 3 und u = (u 1, u 2 ) T D R 2 Sind für alle u D die beiden Vektoren und u 1 linear unabhängig,
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrProf. Dr. Rolf Linn
Prof. Dr. Rolf Linn 6.4.5 Übungsaufgaben zu Mathematik Analysis. Einführung. Gegeben seien die Punkte P=(;) und Q=(5;5). a) Berechnen Sie den Anstieg m der Verbindungsgeraden von P und Q. b) Berechnen
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrKapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen
Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,
MehrKurven. Darstellungsweisen. Steigung von Kurven. Implizite Funktionen. Bogenlänge. Felder. Kurvenintegrale. Wegunabhängigkeit
Ergänzung Kurven Darstellungsweisen Steigung von Kurven Implizite Funktionen Bogenlänge Felder Kurvenintegrale Wegunabhängigkeit Kurven Darstellungsweisen Funktionen und Kurven Wir haben schon zahlreiche
MehrFehlerfortpflanzung & Extremwertbestimmung. Folie 1
Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit
Mehr10.4 Funktionen von mehreren Variablen
10.4 Funktionen von mehreren Variablen 87 10.4 Funktionen von mehreren Variablen Veranschaulichung von Funktionen eine Variable wei Variablen f() oder = f() (, ) f(, ) oder = f(, ) D(f) IR; Darstellung
Mehr7.2.1 Zweite partielle Ableitungen
72 72 Höhere Ableitungen 72 Höhere Ableitungen Vektorwertige Funktionen sind genau dann differenzierbar, wenn ihre Koordinatenfunktionen differenzierbar sind Es ist also keine wesentliche Einschränkung,
MehrKapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3
Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.
MehrExtrema (Funktionen mit zwei Variablen)
Extrema (Funktionen mit zwei Variablen) Vorzeigeaufgaben: WS04/05 Aufgabe 4 HS11 Aufgabe 4 a) + b) Empfohlene Bearbeitungsreihenfolge: WS05/06 Aufgabe 5 b) WS06/07 Aufgabe 4 HS10 Aufgabe 1 b) + c) HS1
MehrMathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2
Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2 Fortsetzung der komlexen Zahlen : 9. Radizieren und Potenzen a) Berechnen Sie (1+i) 20 und geben Sie das Resultat als Polarkoordinaten
MehrDifferentialrechnung in mehreren Veränderlichen
Kapitel 6 Differentialrechnung in mehreren Veränderlichen 6.1 Ableitungen (partielle Ableitung; (stetig) partiell differenzierbar; die Klasse C 1 (U); totale Differenzierbarkeit; Nabla-Operator; Gradient;
MehrThema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema
Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema In diesem Kapitel befassen wir uns mit der Ableitung von Funktionen f : R m R n. Allein die Schreibweise
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Aufgabe 98 12.12.2012 Untersuchen Sie die Funktion f W R! R mit f.x/
Mehr- 1 - zum Extremum macht, wenn y(x) eine bestimmte, genau charakterisierte Funktionenklasse ( n
- 1 - Variationsrechnung Die Variationsrechnung spielt in der Physik eine entscheidende Rolle. So kann man die Grundgleichungen der Newtonschen Mechanik aus einem Lagrangeschen Variationsprinzip herleiten.
MehrDa der Nenner immer positiv ist, folgt. g (x) > 0 2x(2 x) > 0 0 < x < 2 g (x) < 0 2x(2 x) < 0 x < 0 oder x > 2
Da der Nenner immer positiv ist, folgt g (x) > 0 x( x) > 0 0 < x < g (x) < 0 x( x) < 0 x < 0 oder x > Also ist g auf (0,) streng monoton wachsend sowie auf (,0) und auf (, ) strengmonotonfallend.außerdemistg
Mehr4.7 Der Taylorsche Satz
288 4 Differenziation 4.7 Der Taylorsche Satz Die Differenzierbarkeit, also die Existenz der ersten Ableitung einer Funktion, erlaubt bekanntlich, diese Funktion lokal durch eine affine Funktion näherungsweise
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrWirtschaftsmathematik Formelsammlung
Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrDefinition 1.1 (Wirkung) Wir wollen die Kurvenverläufe x(t) finden, die das Funktional
Christina Schindler Karolina Stoiber Ferienkurs Analysis für Physiker SS 13 A 1 Variationsrechnung 1.1 Lagrange. Art Wir führen die Überlegungen von gestern fort und wollen nun die Lagrangegleichungen.
MehrKlausurenkurs 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(
Mehr1. Klausur. für bau immo tpbau
1. Klausur Höhere Mathematik I/II für bau immo tpbau Wichtige Hinweise Die Bearbeitungszeit beträgt 120 Minuten. Verlangt und gewertet werden alle 6 Aufgaben. Bei Aufgabe 1 2 sind alle Lösungswege und
MehrAufgaben für die 6. Übung zur Vorlesung Mathematik 2 für Informatiker: Analysis Sommersemester 2010
Aufgaben für die 6. Übung zur Vorlesung Mathematik für Informatiker: Analysis Sommersemester 00 6. Wie hat man eine reelle Zahl α > 0 so in a b 3 positive Summanden x, y, z zu zerlegen, damit fx, y x y
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
Mehr