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

Ähnliche Dokumente
Outline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.3 Anwendungen (Teil 1): Kettenregel und Linearisierung

Extrema von Funktionen mit zwei Variablen

Extremwerte von Funktionen mehrerer reeller Variabler

Anwendungen der Differentialrechnung

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation

Mathematik II Frühjahrssemester 2013

Extrema von Funktionen mit Nebenbedingung

8 Extremwerte reellwertiger Funktionen

Mathematik II Frühjahrssemester 2013

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.

Mathematik I ITB. Funktionen mit mehreren reellen Variablen. Prof. Dr. Karin Melzer

Folgerungen aus dem Auflösungsatz

3.2 Implizite Funktionen

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

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.1 Einführung

Musterlösung zu Blatt 1

6. Funktionen von mehreren Variablen

7.11. Extrema unter Nebenbedingungen

Lösungen der Aufgaben zu Kapitel 9

55 Lokale Extrema unter Nebenbedingungen

23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN

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

TECHNISCHE UNIVERSITÄT MÜNCHEN

1.6 Implizite Funktionen

Extrema (Funktionen mit zwei Variablen)

Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester

Funktionen mehrerer Variabler

Lagrange-Multiplikatoren

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.

Kuhn-Tucker-Bedingung

Musterlösungen Aufgabenblatt 2

Die Tangentialebene. {(x, y, z) z = f(x 0, y 0 )+ f x (x 0, y 0 )(x x 0 )+ f. y (x 0, y 0 )(y y 0 )}

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.

8 Blockbild und Hohenlinien

Optimieren unter Nebenbedingungen

18.2 Implizit definierte Funktionen

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

4.4 Lokale Extrema und die Hessesche Form

Mathematik 3 für Informatik

Extrema mit Nebenbedingungen

5.10. Mehrdimensionale Extrema und Sattelpunkte

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

Rückblick auf die letzte Vorlesung

Mathematik II Frühjahrssemester 2013

10 Extremwerte mit Nebenbedingungen

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

4.5 Lokale Extrema und die Hessesche Form

Fehlerfortpflanzung & Extremwertbestimmung. Folie 1

Lösungen zu Mathematik I/II

Serie 4: Gradient und Linearisierung

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,

3. Übung zum G8-Vorkurs Mathematik (WiSe 2011/12)

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler

Analysis II 14. Übungsblatt

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

Funktionen in zwei (und mehreren) Veränderlichen

1 Umkehrfunktionen und implizite Funktionen

Funktionen mehrerer Variabler

2 Extrema unter Nebenbedingungen

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

Monotonie, Konkavität und Extrema

Tutorium Mathematik II, M Lösungen

LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 13. Übung/Lösung Mathematik für Studierende der Biologie

Tutorium Mathematik II, M Lösungen

Heinrich-Hertz-Oberschule, Berlin

6 Extremwerte mit Nebenbedingungen: Die Lagrange-Multiplikatoren-Methode

Rückblick auf die letzte Vorlesung. Bemerkung

Mathematik I für MB und ME

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS

MATHEMATIK I für Bauingenieure (Fernstudium)

Der Spannungszustand. (traction vector) [N/mm²] k Volumskraftdichte [N/mm³] Mechanik IA

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

Mikroökonomik Prof. Dr. Stefan Klonner SoSe Übungsblatt 1

Multivariate Analysis

Klausur zu Analysis II - Lösungen

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

Lösung zur Klausur zur Analysis II

Lösungsskizzen zur Nachklausur

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

Mathematik II Frühjahrssemester 2013

*** 2.2. Variation mit Nebenbedingung (Ergänzung: wird nicht geprüft)

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

HTWD, 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.

Gemischte Aufgaben zur Differentialund Integralrechnung

Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung

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

Leitprogramm Funktionen

Abb lokales Maximum und Minimum

Extrema von Funktionen in zwei Variablen

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

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

Prüfung zur Vorlesung Mathematik I/II

Konvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.

16. FUNKTIONEN VON MEHREREN VARIABLEN

Übungen zum Ferienkurs Analysis II 2014

Mathematik für Anwender II

Klausur Mathematik I

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Transkript:

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. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 1

2 / 1

Relative oder lokale Extremwerte Definition Eine Funktion z = f (x; y) besitzt an der Stelle (x 0; y 0) ein relatives Maximum [bzw. relatives Minimum], wenn es eine Umgebung von (x 0; y 0) existiert, so dass f (x 0; y 0) > f (x; y) [ bzw. f (x 0; y 0) < f (x; y)] für alle (x, y) in dieser Umgebung ((x; y) (x 0; y 0)) gilt. Anmerkungen Die relativen Maxima und Minima einer Funktion werden unter dem Sammelbegriff Relative Extremwerte zusammengefasst. Die den Extremwerten entsprechenden Flächenpunkte heissen Hoch- bzw. Tiefpunkte. Ein relativer Extremwert wird auch als lokaler Extremwert bezeichnet, da die extreme Lage meist nur in der unmittelbaren Umgebung zutrifft. Ist die Ungleichung an jeder Stelle (x; y) des Definitionsbereiches von z = f (x; y) erfüllt, so liegt ein absolutes Maximum bzw. absolutes Minimum vor. 3 / 1

Relative oder lokale Extremwerte Beispiele Die Rotationsfläche z = e x2 +y 2 ist aus der Gauss-schen Glockenkurve z = e x2 durch Drehung dieser Kurve um die z-achse entstanden. Die Rotationsfläche besitzt im Punkt P = (0; 0; 1) einen Hochpunkt. Notwendige Bedingung für einen relativen Extremwert In einem relativen Extremum (x 0; y 0) der Funktion z = f (x; y) besitzt die zugehörige Bildfläche stets eine zur (x, y)-ebene parallele Tangentialebene. Die Bedingungen f x(x 0; y 0) = 0 und f y (x 0; y 0) = 0 sind daher notwendige Voraussetzungen für die Existenz eines relativen Extremwertes an der Stelle (x 0; y 0). 4 / 1

Relative oder lokale Extremwerte Beispiel Mit der Funktionsgleichung z = x 2 y 2 sind die notwendingen Bedingungen an der Stelle (0; 0) für ein relatives Extremum erfüllt: z x(x; y) = 2x z x(0; 0) = 0 z y (x; y) = 2y z y (0; 0) = 0 Und trotzdem besitzt die Funktion z = x 2 y 2 keinen Extremwert. Begründung: der Schnitt der Fläche mit der x, z-ebene (y = 0) ergibt die nach oben geöffnete Normalparabel z = x 2, die in P ihr (absolutes) Minimum besitzt. Schneidet man die Fläche jedoch mit der y, z-ebene (x = 0), so erhält man die nach unten geöffnete Normalparabel z = y 2, die in P ihr (absolutes) Maximum annimmt. Der Flächenpunkt P = (0; 0; 0) kann daher kein Extremum sein. Es handelt sich vielmehr um einen sog. Sattelpunkt. 5 / 1

Relative oder lokale Extremwerte Hinreichende Bedingungen für einen relativen Extremwert Eine Funktion z = f (x; y) besitzt an der Stelle (x 0; y 0) mit Sicherheit einen relativen Extremwert, wenn die folgenden Bedingungen zugleich erfüllt sind: 1 Die partiellen Ableitungen 1. Ordnung verschwinden in (x 0; y 0): f x(x 0; y 0) = 0 und f y (x 0; y 0) = 0 2 Die partiellen Ableitungen 2. Ordnung genügen der Ungleichung = f xx(x 0; y 0) f yy (x 0; y 0) f 2 xy (x 0; y 0) > 0 Ist ferner f xx(x 0; y 0) < 0 so liegt ein relatives Maximum vor, für f xx(x 0; y 0) > 0 dagegen ein relatives Minimum. 6 / 1

Relative oder lokale Extremwerte Anmerkungen Die Diskriminante kann auch als zweireihige Determinante geschrieben werden: fxx(x0; y0) fxy (x0; y0) f xy (x 0; y 0) f yy (x 0; y 0) In den Fällen < 0 und = 0 gilt: < 0: Es liegt kein Extremwert, sondern ein Sattelpunkt vor. = 0: Das Kriterium ermöglicht in diesem Fall keine Entscheidung darüber, ob an der Stelle (x 0; y 0) ein relativer Extremwert vorliegt oder nicht. 7 / 1

Relative oder lokale Extremwerte Beispiel Wir zeigen dass die Rotationfläche mit der Funktionsgleichung z = f (x; y) = e (x2 +y 2) an der Stelle (0; 0) ein lokales (sogar absolutes) Maximum annimmt. Dazu benötigen wir die partiellen Ableitungen 1. und 2. Ordnung: f x(x; y) = 2x e (x2 +y 2 ) f y (x; y) = 2y e (x2 +y 2 ) f xx(x; y) = (4x 2 2)e (x2 +y 2 ) f xy (x; y) = 4xy e (x2 +y 2 ) f yy (x; y) = (4y 2 2)e (x2 +y 2 ) 8 / 1

Relative oder lokale Extremwerte Sie besitzen an der Stelle (0; 0) die folgenden Werte: f x(0; 0) = 0, f y (0; 0) = 0 (damit sind die notwendigen Bedingungen erfüllt) Wegen f xx(0; 0) = 2, f xy (0; 0) = 0, f yy (0; 0) = 2 = f xx(0; 0) f yy (0; 0) f 2 xy (0; 0) = 4 > 0 ist auch das hinreichende Kriterium erfüllt. Da ferner f xx(0; 0) < 0 ist, liegt an der Stelle (0; 0) ein relatives Maximum vor: f (0; 0) = 1. An allen übrigen Stellen ist f (x; y) < 1, so dass der Flächenpunkt P = (0; 0; 1) sogar das absolutes Maximum auf der Fläche darstellt. 9 / 1

Relative oder lokale Extremwerte Beispiel Wir bestimmen die relativen Extremwerte der Funktion z(x; y) = 3xy x 3 y 3. Die dabei benötigten partiellen Ableitungen 1. und 2. Ordnung lauten: z x = 3y 3x 2, z y = 3x 3y 2 z xx = 6x, z xy = z yx = 3, z yy = 6y Die notwendigen Bedingungen z x = 0 und z y = 0 führen zu dem nicht-linearen Gleichungssystem } } 3y 3x 2 = 0 y = x 2 3x 3y 2 d.h = 0 x = x 4 mit zwei reellen Lösungen (x 1; y 1) = (0; 0) und (x 2; y 2) = (1; 1). 10 / 1

Wir prüfen jetzt anhand der Diskriminante, ob auch das hinreichende Kriterium zutrifft: Stelle (x 1; y 1) = (0; 0) z xx(0; 0) = z yy (0; 0) = 0, z xy (0; 0) = 3 = 9 < 0 Kein Extremwert, sondern Sattelpunkt Stelle (x 2; y 2) = (1; 1) z xx(1; 1) = z yy (1; 1) = 6, z xy (1; 1) = 3 = 27 > 0 und z xx(1; 1) < 0 Relatives Maximum 11 / 1

Extremwertaufgaben mit Nebenbedingungen: 1. Schritt Lagrangesches Multiplikatorverfahren Die Extremwerte einer Funktion z = f (x; y), deren unabhängige Variablen x und y einer Neben- oder Kopplungsbedingung φ(x; y) = 0 unterworfen sind, lassen sich mit Hilfe des Lagrangeschen Multiplikatorverfahrens schrittweise wie folgt bestimmen: Aus der Funktionsgleichung z = f (x; y) und der Neben- oder Kopplungsbedingung φ(x; y) = 0 wird zunächst die Hilfsfunktion F (x; y; λ) = f (x; y) + λ φ(x; y) gebildet. Der (noch unbekannte) Faktor λ heisst Lagrangescher Multiplikator. 12 / 1

Extremwertaufgaben mit Nebenbedingungen: 2. Schritt Lagrangesches Multiplikatorverfahren Dann werden die partiellen Albeitungen 1. Ordnung dieser Hilfsfunktion gebildet und gleich Null gesetzt: F x = f x(x; y) + λ φ x(x; y) = 0 F y = f y (x; y) + λ φ y (x; y) = 0 F λ = φ(x; y) = 0 Aus diesem Gleichungssystem lassen sich die Koordinaten der gesuchten Extremwerte sowie der Lagrangesche Multiplikator λ bestimmen. 13 / 1

Extremwertaufgaben mit Nebenbedingungen Anmerkung Das Lagrangesche Multiplikatorsverfahren lässt sich auch auf Funktionen von n Variablen x 1, x 2,..., x n mit m Nebenbedingungen übertragen (m < n): Funktion: y = f (x 1; x 2;...; x n) Nebenbedingungen: φ i (x 1; x 2;...; x n) (i = 1, 2,..., m) Man bildet zunächst die Hilfsfunktion F (x 1; x 2;...; x n; λ 1; λ 2;...; λ n) = f (x 1; x 2;...; x n) + m λ i φ i (x 1; x 2;...; x n) und setzt dann die (n + m) partiellen Ableitungen 1. Ordnung dieser Funktion der Reihe nach gleich Null: F x1 = 0, F x2 = 0,..., F xn = 0 F λ1 = 0, F λ2 = 0,..., F λm = 0 Aus diesen (n + m) Gleichungen lassen sich dann die (n + m) Unbekannten x 1, x 2,..., x n, λ 1, λ 2,..., λ m bestimmen. i=1 14 / 1

Extremwertaufgaben mit Nebenbedingungen Beispiel Wir kehren zu dem anfänglichen Beispiel des Widerstandsmomentes eines Balkens zurück. Mit der Funktion und der Nebenbedingung W = W (b; h) = 1 6 bh2 φ = φ(b; h) = b 2 + h 2 4R 2 = 0 bilden wir zunächst die Hilfsfunktion F (b; h; λ) = W (b; h) + λ φ(b; h) = 1 6 bh2 + λ (b 2 + h 2 4R 2 ) 15 / 1

Extremwertaufgaben mit Nebenbedingungen und daraus dann durch partielles Differenzieren die folgenden Bestimmungsgleichungen für die Balkenbreite b, die Balkendicke h und den Lagrangeschen Multiplikator λ: F b = 1 6 h2 + 2λb = 0 F h = 1 bh + 2λh = 0 3 F λ = b 2 + h 2 4R 2 = 0 Die mittlere Gleichung lösen wir nach λ auf, erhalten λ = b/6 und setzen diesen Wert dann in die erste Gleichung ein: 1 6 h2 + 2 b 6 b = 0 h2 = 2b 2 (h = 2b) 16 / 1

Extremwertaufgaben mit Nebenbedingungen Dann erhalten wir: b 2 + h 2 4R 2 = 0 b 1/2 = ± 2 3 3R Aus geometrischen Gründen kommt aber nur der positive Wert in Frage, der in dem Gültigkeitsbereich 0 < b < 2R liegt. Die Lösung der gestellten Extremwertaufgabe lautet daher: b = 2 3 3R h = 2b W max = 8 3R 3 27 17 / 1

Direkte Messung einer Grösse Auswertung einer Messreihe Das Ergebnis einer aus n Messwerten bestehenden Messreihe x 1, x 2,..., x n wird in der Form x = x ± x angegeben. Dabei bedeuten: x: Arithmetischer Mittelwert der n Messwerte x = 1 n x i n i=1 x: Messunsicherheit (hier gleichgesetzt mit der Standardabweichung des Mittelwertes) x = s x = 1 n (x i x) n(n 1) 2 i=1 s x 18 / 1

Direkte Messung einer Grösse Beispiel Eine wiederholte Kapazitätsmessung ergab die folgenden Messwerte: i 1 2 3 4 5 6 C i µf 50, 5 50, 9 50, 1 51, 8 49, 7 50, 3 Arithmetischer Mittelwert: C = 1 6 6 C i = 50, 55µF i=1 19 / 1

Direkte Messung einer Grösse Standardabweichung des Mittelwertes: s C = 1 6 (C i C) 5 6 2 i=1 1 = 2, 6750µF 30 = 0, 30µF Messunsicherheit: C = s C = 0, 30µF Messergebnis: C = C ± C = (50, 55 ± 0, 30)µF 20 / 1